Segmentation multi-échelle de séries temporelles d’images satellite : Application à l’étude d’une période de sécheresse au Sénégal

        Les images satellites permettent l’acquisition d’information à grande échelle sur la végétation au sol. Ces images sont disponibles sur plusieurs années avec des fréquences d’acquisition importantes (1 image tous les seize jours) et forment ainsi des séries temporelles d’image satellite (SITS). Dans ce travail, nous présentons une méthode pour segmenter une SITS en caractérisant l’évolution d’un indice de végétation (indice NDVI) sur deux échelles temporelles : annuelle et pluriannuelle. Nous expérimentons cette méthode pour segmenter les régions sèches du Sénégal et comparons notre méthode à une classification directe des séries temporelles. Les résultats montrent que notre méthode différentie mieux des régions dans la zone médiane du Sénégal et localise des régions fines significatives (villes, forêts, zones agricoles).

Segmentation multi-échelle

Segmentation multi-échelle

      Résultats finaux de la segmentation de la SITS pour 100 classes. À gauche, résultat par classification des séquences de profils annuels. À droite, résultat par classification directe des séries temporelles. Le rectangle noir localise une région comprenant la ville de Touba et le territoire de Kelkome.

PDF: Segmentation multi-echelle

Thomas Guyet 12, Hervé Nicolas 3, Abdou Diouck 3

RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle) (2012) 978-2-9539515-2-3

  • 1:  DREAM (INRIA – IRISA) CNRS : UMR6074 – INRIA – Institut National des Sciences Appliquées (INSA) – Rennes – Université de Rennes 1
  • 2:  Agrocampus Ouest  Institut supérieur des sciences agronomiques, agroalimentaires, horticoles et du paysage – Ministère de l’agriculture, de l’agroalimentaire et de la forêt
  • 3:  Sol Agro et hydrosystème Spatialisation (SAS) Institut national de la recherche agronomique (INRA) : UR1069 – Ecole Nationale Supérieure Agronomique de Rennes