Le Contexte
De nombreux mouvements de terrain existent en Haïti, certain d'en eux survienne autour des carrières minières suite à une exclavation intensive. En effet un événement majeur (fortes pluies, tremblement de terre) peut déclencher des taux d'érosion non négligeable, des pertes en terres arables, et des dégâts dans les plaines alluviales par transport sédimentaire. Pour ces raisons un suivi des carrières est néccessaire en haïti, d'autant plus que les carrières fermées par le Ministère de l'Environnement sont parfois illégalement exploité ou tout simplement après l'ouverture de nouvelles carrières sauvages.
Pour effectuer un suivi des carrières la première chose nécessaire est la détection automatique de ces carrières. Il a donc été étudié quel pouvait être l'apport de l'imagerie spatiale à très haute résolution pour détecter les carrières et suivre leurs évolutions. L'objectif était de proposer une méthodologie automatique de détection des carrières.
Travail réalisé par un étudiant de l'UNISTRA, Encadrant LIVE, avec le CNES (soutenance le 29.06.2018)
Imagerie (fourniture) : Pléiades (CNES)
Le Produit
- Classification et détection des carrières en milieu tropical à partir d'images pléiades
Zone d'étude, trois zooms ont été étudiés sur cette tuile
La zone d'étude selectionnée est située sur le long de la route Camp-Perrin <-> Jérémie, zone où le BME suspecte de nombreuses activités illégales minières. La méthodologie est résumé dans les graphiques ci dessous. Après selection de la zone d'étude il faut définir les classes à extraire et extraire les connaissances du terrain : spectrales, texturales, topographie, géométrie, ACP. L'étude a ensuite effectué plusieurs étapes pixelliques pour extraire notamment un masque de végétation et d'ombres portées (qui peuvent alors être soustrait de l'image). S'en suit l'étape objet avec la segmentation avec l'utilisation de l'OTB.
Retour d'expérience
Ce travail a permis une meilleure connaissance des carrières de par l'extraction de connaissances. Les résultats sont encourageants sur l'extrait d'image et automatisable pour effectuer un suivi temporel même s'il faut noter une certaine sensibilité à l'échelle de segmentation (voir la présentation en annexe).
Des perspectives sont visibles à l'issue de ce travail, tout d'abbord la généralisation sur l'ensemble de l'image pléiades, mais aussi l'utilisation d'une deuxieme image pour détecter les changements entre ces classifications. L'ajout de couches géologiques permettrait aussi de réduire les zones à traiter.
Résultat Post-classifcation sur la zone Nord-Ouest étudié (en Rouge sur la zone d'étude)
La livraison est disponible dans les fichiers joints :
