Présentation de la classification multivariée
Disponible avec une licence Spatial Analyst.
L’objectif de la classification consiste à attribuer chaque cellule d’une zone d’étude à une classe ou catégorie. Parmi les exemples de classe ou de catégorie, citons le type d’utilisation du sol, les lieux préférés des ours et les risques d’avalanche.
Il existe deux types de classification : assistée et non assistée. Dans une classification assistée, vous disposez d’un échantillonnage 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 englober 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 une classe et le polygone qui englobe cette classe est un échantillon d’entraînement. Une fois que vous avez identifié vos échantillons d’entraînement, ils sont utilisés pour calculer les statistiques multivariées afin d’établir les relations à l’intérieur des classes et entre elles. Les statistiques sont stockées dans un fichier de signatures.
Dans une classification non assistée, 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 est affecté dépend des statistiques multivariées qui sont calculées sur les canaux en entrée. Chaque agrégat est statistiquement distinct des autres, 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 signatures.
Une classification s’effectue en quatre étapes :
Création et analyse des données en entrée.
Génération des signatures pour l’analyse de classes et d’agrégats.
Évaluation et, si nécessaire, modification des classes et des agrégats.
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. Ainsi, la pente, l’épaisseur de la neige et le rayonnement solaire peuvent être des facteurs qui influent sur le risque d’avalanche, alors que le type de sol peut ne pas être important.
Une classe correspond à un regroupement représentatif d’emplacements. 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 visualisé sous forme de 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 monocanaux individuels comme entrée dans une analyse statistique multivariée.
Les localisations 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 localisations correspondant à des agrégats naturels dans un espace attributaire peuvent être interprétées 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., and Dean W. Wichern. 1988. Applied Multivariate Statistical Analysis. Prentice Hall.
Mosteller, Frederick, and 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.