4.1.2.2. Indice de
végétation
(0)
L'indice de Végétation Normalisé fait
intervenir les canaux du Rouge (R) et Proche Infra Rouge (PIR). Les
différents indices de végétations ont pour effet
d'augmenter le contraste au niveau du thème «
végétation chlorophyllienne » et de réduire ceux des
autres thèmes de l'image satellite. Selon Tonyeet al. (1999),
ces indices ont pour but de donner des images dont les pixels mesurent les
caractéristiques physiques et biologiques de la
végétation. Le NDVI (NormalizedDifferenceVegetation
Index) se calculesuivante l'équation 1.
4.1.2.3. Choix des sites
d'entraînement
Il a consisté à identifier des sites sur l'image
Sentinel-2B de 2019à partir du logiciel ENVI qui permet d'accéder
à la réalité du terrain offerte par le module de GOOGLE
EARTH qui y est intégré (image Google Earth de 2019).
4.1.2.4. Extraction des classes
d'occupation du sol
Compte tenu de l'objet de cette étude, les
unités d'occupation des sols de la zone d'étude ont
été résumées en 5 classes (Sols nus/Bâtis,
Forêt galerie, Savane boisée, Cultures et le plan d'Eau).
4.1.2.5. Classification
supervisée (orientée Pixel)
La classification supervisée a été
choisie dans le cadre de notre étude avec l'algorithme de maximum de
vraisemblance (Maximum Likelihood), qui repose sur la règle de
Bayes. Elle a donné de bons résultats au cours des travaux de
plusieurs auteurs au Mali, (Bengaly, 2012 ; Vintrou, 2012 ; Sogodogo
2015 et Maïga et al., 2020). Elle est basée sur des
méthodes probabilistes permettant de calculer pour chaque pixel de
l'image sa probabilité d'être rattachée à telle
classe plutôt qu'à telle autre (Girard et Girard, 1999). Le pixel
est affecté à la classe dont la probabilité d'appartenance
est la plus élevée.
4.1.2.6. Evaluation et
validation de la classification
L'évaluation est faite par la matrice de confusion de
la qualité statistique des noyaux. La validation est conditionnée
par : La précision globale, le coefficient de Kappa et la matrice de
confusion.
4.1.3. Extraction automatique
des linéaments à partir des images Sentinel-2B
Le module LINE intégré dans le logiciel
commercial PCI Geomatica, a été utilisé par plusieurs
auteurs pour les études géologiques (Hung et al.,
2005 ; Abdullah et al., 2013 ; Rayan, 2013 ; Adon, 2015
et Adon et al., 2019). Ainsi, la méthode d'extraction
automatique se propose de cartographierautomatiquement des linéaments
à l'aide du module LINE de PCI. Dans ce travail le module LINE de PCI a
été appliqué sur l'image satellitaire MSI de sentinel-2B
pour la détection de la fracturation dans la commune rurale de
Loulouni.
| 
