Atelier analyse d’images raster

Malika Madelin

Plusieurs types

  • images satellitaires
  • produits (NDVI, population, élévation)

Images satellitaires : - plusieurs bandes - différentes résolutions spectrales

Valeurs: - classification : CLC - numériques : altimétrie

Réflexion sur le poids des images: adapter le type (logique, int8, int64, signé, non signé)

intérêts

  • structure données simples
  • topoligie implicite
  • information spatiale continue, souvent récoltée à distance et globalement. étude de la Variation spatiale à des échelles fines
  • information figée dans le temps + répétitivité (dynamiques)
  • caractère multispectral (bandes/couches)
  • multidimensionnel (hauteur/profondeur, temps)
  • plusieurs thématiques pour une même image
  • relative facilité des traitements

Mais volume des données non négligeable

Reproductibilité

  • homogénéité dans la production des données (produits globaux), harmonisation minime
  • correction atmosphérique
  • correction topographique et projection : ortho-rectifiés
  • données souvent accessibles
  • via des plateformes (Earth Explorer, Sentinel Hub, Google Earth Engine)
  • via des outils d’extraction pour certains formats (ncdf)
  • via certains packages R ({raster}, {modisTSP}, {sen2r})
  • nombreux formats ouverts (geoTIFF, ascii, jp2 (Jpeg2000), gpkg-raster, coverageJSON), array (tableaux de données multidumensionnelles) : ncdf, hdf, grib
  • des librairies C, communes à plusieurs langages (GDAL,…)

Sous R, 3 packages

{raster}

Robert Hijmans

Documentation importante (250 pages)

{stars}

Edzer Pebesma

  • Datacubes spatio-temporels
  • syntax proche de celle de {sf}
  • efficace avec les fichiers ncdf
  • encore peu présent dans la communauté

{terra}

Robert Hijmans

  • Modernisation du code de {raster}
  • documentation riche

Choix d’un package

  • si habitudes avec {raster} => {terra}
  • si nouveau et/ou habitué {sf}/{tidyverse} => {stars}

Traitements d’image raster

Lecture

  • GDALInfo() : info sur le fichier

à vérifier: - taille : object.size() - chargement en mémoire : inMemory()

  • {raster} : raster()
  • un seule bande
  • brick() permet de lire toutes les couches
  • {terra}:
    • rast()
    • charge toutes les bandes
  • {stars}
    • read_stars

opérations

  • dimensions
  • étendiue
  • résolution
  • projection
  • visualisation
  • histogramme des valeurs
  • parfois améliorations des contrastes (streching)

Modification de la zone d’études

(re)projection

Prise de la valeur - plus proche voisin (du centroid du pixel) - bilinéaire (moyenne des 4 plus proches voisins)

raster::projectRaster()/terra::project()/stars::st_transform()

Découpage et masque

agrégation / désagrégation

Fusion (merge) et mosaïque

Opérations locales

Opérations pixel à pixel

  • reclassiifcation
  • créer des masques raster (“1”/“0”)
  • calculatrice raster / matriciel
  • gestion des données manquantes
  • calcul d’indices (NDVI)
  • terra::calc()

Opérations focales

un pixel et son entourage

  • filtres
    • exemple sur les rasters d’altitude

Opérations zonales ou globales

ensemble du raster ou par zones

Opérations des images satellites

  • amélioration pour aider à l’interprétation
  • traitements physiques (signal -> propriété physique)
  • réalisation de zonages
    • approche pixel
    • approche zonale
    • approche objet (identification des objets puis traitements statistiques)
    • classification non-supervisée
    • classification ascendante hiérachique
    • k-means
    • classification supervisée

Cartographie - visualisation

Nombreux packages: - {raster} avec plot() - {stars} : agrégation en amont qui permet d’accélérer - {sp} avec spplot() - {rasterVis} - {leaflet} : problème de projection, rasters lourds - {tmap} - {rayshader} - {mapview}