Présentation de la classification multivariée

Disponible avec une licence Spatial Analyst.

L’objectif de la classification est d’affecter chaque cellule de la zone d’étude à une classe ou catégorie connue. Parmi les exemples de classe ou de catégorie, citons le type d’utilisation du sol, les lieux préférés par les ours et les risques d’avalanche.

Il existe deux types de classification : supervisé et non supervisé. Dans une classification supervisée, vous disposez d’un échantillon des entités. Vous savez par exemple qu’il existe une forêt de conifères au nord-ouest de votre zone d’étude, vous l’identifiez donc en la délimitant sur la carte, à l’aide d’un (ou de plusieurs) polygones. Un autre polygone est créé pour entourer un champ de blé, un autre pour les bâtiments urbains et un autre pour l’eau. Poursuivez ce processus jusqu’à disposer de suffisamment d’entités pour représenter une classe et que toutes les classes contenues dans vos données soient identifiées. Chaque groupement d’entités est considéré comme étant une classe et le polygone qui entoure cette classe comme un échantillon d’entraînement. Une fois que vous avez identifié vos échantillons d’entraînement, ceux-ci sont utilisés pour calculer les statistiques multivariées afin d’établir les relations à l’intérieur des classes et entre les classes. Les statistiques sont stockées dans un fichier de signature.

Dans une classification non supervisée, vous ne savez pas quelles entités se trouvent effectivement à un emplacement donné, mais vous souhaitez agréger chacun de ces emplacements dans l’un des groupes ou agrégats spécifiés. La classe ou l’agrégat auquel chaque emplacement sera affecté dépend des statistiques multivariées qui sont calculées sur les canaux en entrée. Chaque agrégat est statistiquement distinct des autres agrégats en fonction des valeurs de chaque canal de chaque cellule contenue dans les agrégats. Les statistiques établissant la définition de l’agrégat sont stockées dans un fichier de signature.

Une classification s’effectue en quatre étapes :

1. Création et analyse des données en entrée.
2. Génération des signatures pour l’analyse de classes et d’agrégats.
3. Évaluation et, si nécessaire, modification des classes et des agrégats.
4. Réalisation de la classification.

Il existe deux types d’entrées pour la classification : les canaux raster en entrée à analyser et les classes ou agrégats dans lesquels positionner les emplacements. Les canaux raster en entrée utilisés dans l’analyse multivariée doivent avoir une incidence sur la catégorisation de la classification ou en être une cause sous-jacente sous-jacente. Ainsi, la pente, la profondeur de la couche de neige et le rayonnement solaire peuvent être des facteurs qui influencent le risque d’avalanche, alors que le type de sol peut ne pas être important.

Une classe correspond à un regroupement d’emplacements représentatif. On peut citer comme exemples de classes, les forêts, les plans d’eau, les champs et les zones résidentielles. Les classes dérivées des agrégats comprennent la préférence des cerfs ou les risques d’érosion.

Chaque emplacement est caractérisé par un ensemble ou un vecteur de valeurs, une valeur étant attribuée à chaque variable ou canal saisi dans l’analyse. Chaque emplacement peut être perçu comme un point dans un espace attributaire multidimensionnel dont les axes correspondent aux variables représentées par chaque canal en entrée. Une classe ou un agrégat est un regroupement de points dans cet espace attributaire multidimensionnel. Deux emplacements appartiennent à la même classe ou au même agrégat si leurs attributs (vecteur de valeurs de canal) sont identiques. Il est possible d’utiliser un raster multicanal et des rasters à canaux uniques comme entrée dans une analyse statistique multivariée.

Les emplacements correspondant à des classes connues peuvent former des agrégats dans un espace attributaire si les classes peuvent être séparées ou différenciées par les valeurs attributaires. Les emplacements correspondant à des agrégats naturels dans un espace attributaire peuvent être interprétés comme des classes naturelles de strates.

Références concernant l’analyse statistique multivariée

Campbell, James B. 1987. Introduction to Remote Sensing. The Guilford Press.

Jensen, John R. 1986. Introductory Digital Image Processing: A Remote Sensing Perspective. Prentice Hall.

Johnson, Richard A. et Dean W. Wichern. 1988. Applied Multivariate Statistical Analysis. Prentice Hall.

Mosteller, Frederick et John W. Tukey. 1977. Data Analysis and Regression: A Second Course in Statistics. Addison–Wesley.

Richards, John A. 1986. Remote Sensing Digital Image Analysis: An Introduction. Springer-Verlag.