Segmentation multi-échelle de séries temporelles d'images satellite : Application à l'étude d'une période de sécheresse au Sénégal

Thomas Guyet (1, 2) , Hervé Nicolas (3) , Abdou Diouck (3)

1 DREAM - Diagnosing, Recommending Actions and Modelling
2 AGROCAMPUS OUEST
3 SAS - Sol Agro et hydrosystème Spatialisation

Les images satellite permettent l'acquisition d'information à grande échelle sur la végétation au sol. Ces images sont disponibles sur plusieurs années avec des fréquences d'acquisition importantes (1 image tous les seize jours) et forment ainsi des séries temporelles d'image satellite (SITS). Dans ce travail, nous présentons une méthode pour segmenter une SITS en caractérisant l'évolution d'un indice de végétation (indice NDVI) sur deux échelles temporelles : annuelle et pluriannuelle. Nous expérimentons cette méthode pour segmenter les régions sèches du Sénégal et comparons notre méthode à une classification directe des séries temporelles. Les résultats montrent que notre méthode différentie mieux des régions dans la zone médiane du Sénégal et localise des régions fines significatives (villes, forêts, zones agricoles).

Mots clés: Images satellite; Séries temporelles; Catégorisation

Domaines: Intelligence artificielle [cs.AI]; Vision par ordinateur et reconnaissance de formes [cs.CV]

Thomas Guyet, Hervé Nicolas, Abdou Diouck. Segmentation multi-échelle de séries temporelles d'images satellite : Application à l'étude d'une période de sécheresse au Sénégal. RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), Jan 2012, Lyon, France. pp.978-2-9539515-2-3. ⟨hal-00656542⟩