Méthode de groupement à noyaux optimisée par essaim de particules pour la cartographie des cultures à partir d’observations SAR polarimétriques multitemporelles en bande L
Citation
Tamiminia, H., Homayouni, S., McNairn, H., Safari, A. (2017). A particle swarm optimized kernel-based clustering method for crop mapping from multi-temporal polarimetric L-band SAR observations. International Journal of Applied Earth Observation and Geoinformation, [online] 58 201-212. http://dx.doi.org/10.1016/j.jag.2017.02.010
Résumé en langage clair
Les satellites à radars à synthèse d’ouverture (SAR) offrent de nombreux avantages pour l’observation de la Terre, notamment leur capacité à cartographier la Terre à travers la couverture nuageuse. Un type avancé de SAR, le SAR polarimétrique ou SAR Pol, offre un ensemble très riche de paramètres radar qui peuvent être utiles pour la cartographie de la couverture des terres. Dans le présent article, nous avons mis au point et mis à l'essai un algorithme optimisé de groupement des C-moyennes avec des données PolSAR pour la détermination des cultures. Plusieurs caractéristiques radar ont été extraites, dont les intensités de polarisation linéaire et les couches de données de décomposition radar obtenues par les techniques de Cloude-Pottier, de Freeman-Durden et de Yamaguchi. Ces couches de données radar ont été utilisées dans une version à noyaux des algorithmes de groupement des C-moyennes absolues et floues. La fonction de noyau simplifie les motifs non sphériques et non linéaires de la structure des données, améliorant ainsi la capacité de l’algorithme à regrouper les données. De plus, l’algorithme d’optimisation par essaim de particules a été utilisé pour ajuster les paramètres du noyau, les centres des grappes et pour optimiser la sélection des caractéristiques. Cette méthode de classification a été évaluée à l’aide d’une série chronologique d’images aériennes en bande L acquises au-dessus d’une région agricole du Manitoba (Canada) en juin et juillet 2012. Cette méthode a permis d’augmenter la précision de la classification des cultures de 12 % par rapport aux autres méthodes de classification. Lorsque la technique d’optimisation est utilisée, la précision de la classification est encore améliorée de 5 %. Cette recherche fait progresser de nouvelles méthodes de classification des cultures à l’aide de l’imagerie SAR, ce qui en améliore la précision. L’imagerie SAR peut être une importante source de données pour la cartographie des cultures à l’échelle nationale, et les méthodes mises à l’essai dans le cadre de la présente étude contribueront à guider d’autres améliorations à apporter à ces services opérationnels.
Résumé
© 2017 Les données des radars polarimétriques à synthèse d’ouverture (PolSAR) sont devenues une précieuse source d’information pour la surveillance et la gestion de l’environnement en raison de leurs caractéristiques particulières, comme leur haute résolution et leur indépendance vis-à-vis des conditions météorologiques et de la lumière du jour. La capacité de discrimination des observations acquises par ces capteurs peut être utilisée pour la classification et la cartographie de la couverture des terres. Dans le présent article, nous proposons un algorithme optimisé de groupement des C-moyennes à noyaux pour la cartographie des cultures à partir de données PolSAR multitemporelles. Dans un premier temps, plusieurs caractéristiques polarimétriques sont extraites des données prétraitées. Ces caractéristiques sont les intensités de polarisation linéaire et plusieurs décompositions statistiques et physiques telles que les techniques de Cloude-Pottier, de Freeman-Durden et de Yamaguchi. Ensuite, nous appliquons à ces caractéristiques polarimétriques la version à noyaux des algorithmes de groupement des C-moyennes absolues et floues afin de déterminer les types de cultures. La fonction de noyau, contrairement aux algorithmes de groupement par partitionnement classiques, permet de simplifier les configurations non sphériques et non linéaires de la structure des données, ce qui permet de les regrouper facilement. De plus, afin d’améliorer les résultats, nous avons utilisé l’algorithme d’optimisation par essaim de particules pour ajuster les paramètres du noyau, les centres des grappes et pour optimiser la sélection des caractéristiques. L’efficacité de cette méthode a été évaluée à l’aide d’images multitemporelles en bande L acquises par UAVSAR au-dessus d’une zone agricole près de Winnipeg, au Manitoba (Canada), en juin et juillet 2012. Les résultats obtenus avec la méthode proposée sont plus précis que ceux obtenus avec les méthodes classiques (amélioration de 12 % en général). De plus, lorsque la technique d’optimisation est utilisée, on observe une plus grande amélioration de la classification des cultures, soit 5 % au total. Qui plus est, nous avons observé une forte relation entre la composante de diffusion volumétrique de Freeman-Durden, qui est liée à la structure du couvert forestier, et les stades de croissance phénologique.