Evaluation de l'impact de la correction topographique sur la précision globale de la cartographie de l'occupation du sol en zone de montagne tropicale cas de la Région de l'Ouest Cameroun
| Main Authors: | Tiomo Dongfack E., Matsaguim N.C.A. |
|---|---|
| Format: | Article |
| Bahasa: | fra |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
https://zenodo.org/record/3737868 |
Daftar Isi:
- Résumé La cartographie par télédétection du couvert végétal en région montagneuse est souvent rendue difficile par la topographie. La réflectance de différents couverts végétaux varie du fait des influences combinées de la pente et de l’illumination. Cet article a pour objectif d’évaluer l’impact de la correction topographique sur la précision globale de la classification et de comparer son effet sur les performances de différents algorithmes de classification. Sept (7) modèles de correction topographiques ont été testés : Normalisation de Lambert ; Correction Cosine ; Correction Cosine modifiée par Civco (1989) ; Correction Cosine modifiée par Teillet (1982) ; Correction de Minnaert; Correction de Minnaert avec pente modifiée par Riano (2003) ; Correction de Minnaert avec pente modifiée par Law (2004) sur une image Landsat OLI 8 prise au-dessus de la région montagneuse de l’Ouest Cameroun. Quatre (4) algorithmes de classification (Maximum de Vraisemblance, Distance Minimum, Angle Spectral, Réseaux de Neurones Artificiels) ont été utilisés pour classer les différentes images. Les résultats montrent que le caractère (positif ou négatif) et l’importance de l’impact des modèles de correction topographique sur la précision globale de la classification est fonction de l’algorithme de classification utilisé. Toutefois, cet impact est négligeable dans l’ensemble (+2% au maximum) et par conséquent, il convient de dire que la correction topographique n’est pas indispensable dans notre zone d’étude. Il importe davantage de bien choisir l’algorithme de classification qui sera utilisé. Abstract Remote sensing mapping of vegetation cover in mountainous areas is often made difficult by topography. The reflectance of different vegetation cover varies due to the combined influences of slope and illumination. The objective of this paper is to evaluate the impact of topographic correction on the overall accuracy of classification, and to compare its effect on the performance of different classification algorithms. Seven (7) topographic correction models were tested: Lambert normalization; Cosine correction; Cosine Correction modified by Civco (1989); Cosine Correction modified by Teillet (1982); Minnaert Correction; Minnaert Correction with slope modified by Riano (2003); Minnaert Correction with slope modified by Law (2004) on a Landsat OLI 8 image taken over the mountainous region of West Cameroon. Four (4) classification algorithms (Maximum Likelihood, Minimum Distance, Spectral Angle, and Artificial Neural Network) were used to classify the different images. The results show that the character (positive or negative) and importance of the impact of the topographic correction models on the overall accuracy of the classification depends on the classification algorithm used. However, this impact is negligible overall (+2% at most) and consequently, it should be said that topographic correction is not indispensable in our study area. It is more important to choose the classification algorithm that will be used.