%0 Journal Article %9 ACL : Articles dans des revues avec comité de lecture non répertoriées par l'AERES %A Loubelo Madiela, B.D. %A Arvor, D. %A Bouka Biona, C. %A Durieux, Laurent %T Classification des séries temporelles landsat-8 pour la cartographie du gradient de végétation dans le nord de la République du Congo %D 2017 %L fdi:010077264 %G FRE %J Annales de l'Université Marien Ngouabi.Sciences et Techniques %@ 1815-4433 %K TELEDETECTION SPATIALE ; SATELLITE LANDSAT ; CARTOGRAPHIE ; ARCHITECTURE DE LA VEGETATION ; CLASSIFICATION NUMERIQUE ; TEXTURE D'IMAGE ; GRADIENT GEOGRAPHIQUE %K SERIE TEMPORELLE %K CONGO ; SANGHA CONGO %N 1 %P 11-21 %U https://www.documentation.ird.fr/hor/fdi:010077264 %> https://horizon.documentation.ird.fr/exl-doc/pleins_textes/divers20-01/010077264.pdf %V 16 %W Horizon (IRD) %X Cette étude a permis d'élaborer une carte détaillée du gradient de la végétation dans le bassin du Congo sous une résolution de 30 m. Elle caractérise la couverture terrestre à partir d'une discrimination spatiale améliorée. Une approche automatique de classification de différentes thématiques d’occupation des sols, basée sur les règles de classification proposées par Baraldi et al. (2006), a été utilisée. A partir d'un modèle de démixage linéaire (LMM), nous avons traité 28 images Landsat-8 d’une série temporelle dans un site du Département de la Sangha dans le nord de la République du Congo. Nous avons ainsi estimé la proportion de pixels des classes végétation, minéral eau/ombres, afin de produire une image annuelle presque sans nuage. La classification obtenue a permis de générer une carte de végétation de huit classes sémantiques allant de la classe "forêt marécageuse" à la classe "eau". La validation de la qualité de la classification à partir d’une fusion des classes ayant des proches appartenances de pixels, a généré des indices de validation satisfaisants dont 0,89 pour l'indice global de précision et 0,85 pour l'indice kappa, les seuils standards de satisfaction admis dans la littérature étant supérieurs ou égaux respectivement á 0,85 et 0,75. Cependant, des pixels mal classés dans la matrice de confusion apparaissent principalement entre les classes "forêt marécageuse" et "forêt dense". Cette approche de fusion des classes sémantiques permet de séparer les différentes thématiques d’occupation des sols tout en conservant les informations texturales de l'image brute. %$ 126TELAPP08 ; 082VEGET02