Présentation & objectifs

Variables & produits

Empreinte au sol des bâtiments, France métropolitaine

[DOI] [Portail thématique] [Catalogue THEIA]

Le produit « Empreinte au sol des bâtiments » (Buildings Footprint) sur toute la France métropolitaine, a une résolution spatiale de 1.5 m. Il est élaboré chaque année à partir des images satellitaires à très haute résolution Spot-6 et Spot-7 diffusées par le pôle Theia via le portail de DINAMIS. Le produit est issu du traitement des images par un réseau de neurones artificiels profond, entraîné à partir de millions d’extraits d’images Spot-6 et Spot-7, et de la BDTOPO IGN. Toutes les images satellitaires diffusées par DINAMIS et acquises entre 2015 et 2019 ont été utilisées pour entraîner un modèle unique, capable de classifier n’importe quelle image sur le territoire français métropolitain. Le démonstrateur présenté ici est en cours de transfert vers les CDS THEIA de Montpellier pour une production systématique.

Licence

Ressources

Références

• Cresson, R. 2020, Part 3 Semantic segmentation, Deep Learning for Remote Sensing Images with Open Source Software. CRC Press, pp 67-83
• Cresson R., 2019, A framework for remote sensing images processing using deep learning techniques, IEEE Geoscience and Remote Sensing Letters, Volume: 16, Issue: 1, Jan. 2019 , pp 25 – 29.
• Grizonnet, M., Michel, J., Poughon, V., Inglada, J., Savinaud, M., & Cresson, R. (2017). Orfeo ToolBox: open source processing of remote sensing images. Open Geospatial Data, Software and Standards, 2(1), 1-8.

[DOI] [Portail thématique] [Catalogue THEIA]

Urba-Opt est un produit identifiant la « tache artificialisée » sur le territoire métropolitain ou par régions administratives. Urba-Opt tes produit à partir d’images satellites optiques de type Sentinel-2, acquises durant une année, à l’aide de la chaîne de traitement URBA-OPT_v1. Le produit est disponible selon un millésime annuel au format raster à 10 m de résolution spatiale et en projection RGF93/Lambert-93 – EPGS 2154 (depuis 2018). Le produit est une carte binaire représentant la présence/absence de la classe d’intérêt.

Licence

Ressources

Références

Occupation du sol 2022 pour l’agglomération d’Antananarivo, Madagascar

[DOI] [Portail thématique] [Catalogue THEIA]

La carte d’occupation du sol pour l’agglomération d’Antanarivo a été produite via une méthodologie combinant l’apprentissage automatique et l’analyse d’images basée sur les objets (OBIA). Elle combine une image Pléiades à très haute résolution spatiale (THSR), une série temporelle d’images Sentinel-2, un modèle numérique de terrain (MNT) et une base de données de référence. Ces travaux font suite à ceux ayant abouti à une cartographie de la même zone en 2017. L’ensemble produit par l’équipe du Cirad de l’UMR Tetis utilise la chaine Moringa, qui minimise les interactions avec les utilisateurs par l’automatisation de la plupart des processus d’analyse et traitement des images.

Les principales caractéristiques sont les suivantes :

• Données satellitaires sources : Pléiades, Sentinel-2
• 19 classes dans sa version la plus détaillée
• Résolution : 30 m

Licence CC-BY 4.0

Ressources

Références

Changements d’occupation des sols entre 2017 et 2022, agglomération de Antanarivo, Madagascar

[DOI] [Portail thématique] [Catalogue THEIA]

À partir de la cartographie automatisée de l’occupation des sols de l’agglomération présentée ci-dessus, l’équipe Cirad de l’UMR Tetis a travaillé à des produits thématiques dérivés, ici les changements d’occupation des sols entre 2017 et 2022.

Cette carte est une sélection des changements d’occupation du sol calculés à partir du croisement des cartes de 2017 et 2022 obtenues par classification supervisées d’images Satellitaires. Il s’agit des cartes d’occupation du sol suivantes :

Dupuy, Stéphane; Andriamanga, Andoniaina Valérie; Gaetano, Raffaele; Burnod, Perrine, 2022, « Antananarivo – 2022 Land cover map », https://doi.org/10.18167/DVN1/RE1MDM , CIRAD Dataverse, V3

Dupuy, Stéphane; Defrise, Laurence; Gaetano, Raffaele; Burnod, Perrine, 2019, « Antananarivo – 2017 Land cover map », https://doi.org/10.18167/DVN1/NHE34C, CIRAD Dataverse, V2

Évolution du bâti entre 2003, 2017 et 2022, agglomération de Antanarivo, Madagascar

[DOI] [Portail thématique] [Catalogue THEIA]

À partir de la cartographie automatisée de l’occupation des sols de l’agglomération présentée ci-dessus, l’équipe Cirad de l’UMR Tetis a travaillé à des produits thématiques dérivés, ici l’évolution du bâti urbain. Cette carte montre l’évolution du bâti de l’agglomération d’Antananarivo, capitale de Madagascar, entre 2003, 2017 et 2022. Au format vecteur ESRI shape, cette carte est issue du croisement des cartes d’occupation du sol suivantes :

Dupuy, Stéphane; Andriamanga, Andoniaina Valérie; Gaetano, Raffaele; Burnod, Perrine, 2022, « Antananarivo – 2022 Land cover map », https://doi.org/10.18167/DVN1/RE1MDM , CIRAD Dataverse, V3

Dupuy, Stéphane; Defrise, Laurence; Burnod, Perrine, 2019, « Antananarivo – Madagascar – Land use change map between 2003 and 2017 », https://doi.org/10.18167/DVN1/VQZZI0 , CIRAD Dataverse, V2

Licence CC-BY 4.0

Ressources

Bibliographie

Services & algorithmes ^{section en cours de construction}

MORINGA

MORINGA | algorithme de production de cartes d’occupation des sols à partir d’imagerie haute résolution

Iota²

Iota² | Infrastructure pour l’Occupation des sols par Traitement Automatique Incorporant les Orfeo Toolbox Applications

Fototex

Fototex fournit une méthode unique, rapide et non supervisée pour caractériser les zones urbaines à trois échelles imbriquées : macro-échelle (empreinte urbaine), méso-échelle (« quartiers ») et micro-échelle (objets). 

AI4LCC

AI4LCC | Artificial Intelligence datasets for Land Cover Classification from Satellite Imagery regroupe des jeux d’entrainement basés sur de l’intelligence artificielle pour la classification de l’occupation du sol à partir d’images Sentinel.