Cartographie de la végétation urbaine par imagerie aéroportée hyperspectrale sur la ville de Kaunas (Lituanie)
Résumé
Le rôle de la végétation urbaine ainsi que sa gestion occupent de plus en plus d’importance dans les processus de planification et d’aménagement urbains. En effet, les espaces verts agissent comme régulateur environnemental, et fournissent plusieurs éco-services contribuant au bien-être des citoyens. Dans ce contexte, les données issues de la télédétection constituent une source d’information potentiellement utile aux planificateurs et architectes urbains, dans la mesure où ils peuvent gérer, caractériser et cartographier l’ensemble de la trame verte urbaine en exploitant les indicateurs environnementaux et biophysiques qui peuvent être générés par télédétection. L’objectif de cette étude concerne l’identification de la végétation urbaine de la ville de Kaunas (Lituanie) par imagerie aéroportée hyper-spectrale sub-métrique. Cette dernière est caractérisée par une diversité importante des espèces végétales en milieu urbains ; les espèces étant éparpillées d’une manière hétérogène au sein de la ville. Elles peuvent être corrélées à l’architecture et aux structures urbaines des quartiers (15e, 17e siècles, 19e siècle , Art nouveau, soviétique, post-soviétique, etc.), ce qui en fait un terrain d’étude favorable pour l’identification et la caractérisation de la trame verte urbaine. Pour ce faire, 2 jeux de données hyperspectrales VIS-Nir de 16 et de 64 bandes ont été utilisés, avec respectivement un GSD de 0.7m et de 0.5m, acquis avec l’imageur hyperspectrale RIKOLA. En plus des images, deux librairies spectrales sur la ville de Kaunas ont été utilisées pour entrainer les classifieurs, une première librairie extraite depuis les données image, et une deuxième librairie de laboratoire générées en configuration VIS-Nir avec 1000 bandes spectrales et rééchantillonnée à 16 et 64 bandes. Deux classifieurs ont été choisis pour cette étude, Spectral Angle Mapper (SAM) et Support Vector Machine (SVM). Pour la validation des résultats, un inventaire d’arbres sur la même ville a été utilisé et enrichi L’identification a concernée 11 espèces végétales (châtaigne, hêtre commun, tilleul, érable, sorbier, chêne, sapin, juniperus horizontalis, pin, thuya, et gazon). Concernant la classification par librairie spectrale, la détection individuelle des espèces est faible d’un point de vue statistique (SVM, O.A. jusqu’à 10,1%). La détection par groupe d’espèces (i.e. conifères, feuillus et végétation rase) est quant à elle assez bonne dans l’ensemble (SAM, O.A. jusqu’à 68,7%), (SVM, O.A. jusqu’à 46,3%). Concernant la classification par librairie image, la détection individuelle des espèces varie de « moyen » à « correct » (SAM, O.A. jusqu’à 21,1%), (SVM, O.A. jusqu’à 46,6%). La détection par groupe d’espèces varie de « correct » à bon (SAM, O.A. jusqu’à 61,7%), (SVM, O.A. jusqu’à 74%). Cette étude a permis de mettre en évidence que : (1) la détection individuelle des espèces végétales par librairie spectrale est moins performante qu’une détection par librairie image. (2) La cartographie des espèces végétales par groupement d’espèces (végétation rase, feuillus et conifères) offre une performance encourageante et parfois même équivalente à celle obtenue par librairie image (e.g. –SAM-). La librairie spectrale présente une solution pratique pour la cartographie de la végétation urbaine à grande échelle (groupement d’espèces), en revanche la cartographie par espèce est pour le moment délicate en utilisant un intervalle spectral de type VIS-Nir (i.e. problème d’échelle de mesure spectrale ; laboratoire-terrain-image).