Étude comparative des méthodes de classification pixel par pixel et orientée objet pour la détection et l’extraction automatique du trait de côte (cas du secteur côtier de Mostaganem à l’Ouest Algérien)

Abstract

Dans le contexte des zones côtières régies par une forte variabilité climatique et une influence anthropique grandissante, le principal défi consiste à comprendre la dynamique actuelle du littoral et à prévoir son évolution future. Par conséquent, le suivi de la cinématique du trait de côte est un facteur essentiel pour la gestion durable de ces zones naturellement vulnérables. Afin d’illustrer cette problématique, une étude a été menée le long de la côte de Mostaganem dans l’Ouest algérien, qui a connu, ces dernières années des changements morphologiques en raison de l'intensification des activités anthropiques. Ce travail porte sur la détection et l'extraction automatisée du trait de côtes par une méthodologie spécifique à la télédétection utilisant des images optiques à très haute résolution. C’est une étude comparative entre deux méthodes de la classification supervisée, à savoir les classifications orientées objet et orientées pixel par pixel. Cette étude vise à évaluer l’apport méthodologique des deux approches sur l’extraction automatique du trait de côte, dont l’indicateur du trait de côte retenu est la limite du jet de rive. Ces deux méthodes sont appliquées sur un extrait d’image Pléiades d’une résolution spatiale de 0,5m x 0,5m, avec 4 bandes spectrales : du visible (Rouge, Vert, Bleu) et du Proche Infra Rouge. La classification orientée pixel par pixel (COP), a été utilisée pour détecter et extraire le trait de côte, par le biais de l’algorithme Random Forest intégré dans le logiciel Orfeo Tool Box®. C’est un algorithme non paramétrique reposant sur un apprentissage automatique. Utilisée en classification, la séparation des classes se réalise par la création d’arbres de décisions générés aléatoirement. La classification orientée objet (COO), qui se base sur la segmentation de l’image, a été, aussi, appliquée pour détecter et extraire le trait de côte d’une manière automatique. La segmentation a été effectuée sous OTB® en utilisant l’algorithme MeanShift qui repose sur les informations de valeurs des pixels individuels et le voisinage du pixel (texture, forme, topologie). Pour les deux méthodes, des échantillons ont été choisis et testés pour la classification où 80% de ces échantillons ont fait l’objet d’entrainement et les 20% des échantillons ont servi l’étape de validation. Ainsi une matrice de confusion a été calculée où l’indice Kappa pour les deux méthodes COO et COP était de 96.33% et 90.6% respectivement. Les résultats d'extraction automatique du trait de côte ont été comparés avec les résultats des investigations sur terrain et les points de contrôle prélevés in situ par un DGPS. Cette étude comparative montre que le trait de côte extrait par la méthode classification orientée objet est plus efficace et fiable du fait que le trait de côte correspond au mieux à l’interprétation visuelle ainsi qu’à la vérité terrain. Ceci permet, comme perspective, de généraliser cette approche automatique, à une plus grande échelle, vu le coût et le temps réduits par rapport aux approches classiques.