Classification partie deux

Bienvenue à nouveau dans le module de formation sur les ensembles de données !

C’est vrai, une suite

Ce module étend l'analyse de classification réalisée lors de la formation 5 ! Dans l'exercice précédent, nous avons créé une carte d'occupation du sol, où l'algorithme d'apprentissage automatique de GEE a catégorisé la surface terrestre en classes distinctes selon la végétation, les infrastructures urbaines, les plans d'eau et les zones agricoles. Cela est utile pour fournir des informations sur la répartition spatiale des différentes utilisations du sol et des types de couverture de surface. Cependant, les images ne suffisent pas toujours. Parfois, nous avons simplement besoin de données concrètes. Et c'est ce que cette formation vous apportera : rien de compliqué, juste des chiffres.

Classification avancée (la suite)

Bienvenue dans notre superproduction : « Quand les cartes ne suffisent pas : l’art de transformer de belles images en chiffres concrets.» Certes, les cartes sont formidables. Mais elles sont comme l’Instagram de l’information géographique, nous montrant la surface de la Terre avec tous les filtres de la couverture terrestre, de l’étalement urbain et de ces adorables petites zones forestières. Mais parfois, l’esthétique ne suffit pas.

Ce module vous guidera dans le processus de transformation de ces pittoresques cartes satellites en kilomètres carrés, afin que vous puissiez quantifier les changements, calculer des pourcentages et, surtout, présenter des statistiques impressionnantes lors de votre prochaine première sur le tapis rouge : ces données quantitatives qui font saliver les décideurs politiques !

Le succès de la Formation 5 sera difficile à égaler, alors n’ayez pas d’attentes trop élevées. Ce module est quelque peu obligatoire et peu susceptible d’éblouir, mais il fera l’affaire.

Exercice

Nous ajouterons le code suivant à l'exercice de formation de la formation 5, où nous avons classé le terrain autour de Rio de Janeiro, au Brésil.

var histogram = ui.Chart.image.histogram({
  image: classified,
  region: classified.geometry(), // Use the whole image
  scale: 30, // Scale in meters
  maxPixels: 1e8 // Adjust this value if the computation fails due to too many pixels
});

La méthode la plus simple pour transformer une image classifiée en données quantitatives dans Google Earth Engine est la fonction histogramme. Le code ci-dessus utilise la fonction ui.Chart.image.histogram pour compter le nombre de pixels appartenant à chacune des quatre catégories. Pour rappel, voir le tableau ci-dessous. L'image entière (la variable « classified ») est utilisée pour cela.

Nous passons ensuite plusieurs paramètres à la fonction histogramme.

  • image: c'est l'image classifiée

  • region: classified.geometry() indique à l'ordinateur de regarder toute la zone de votre image catégorisée

  • scale: Ce paramètre permet d'effectuer un zoom avant sur un niveau de détail spécifique. (Ici, il s'agit de 30 mètres, ce qui signifie que chaque pixel représente un carré de 30 mètres sur 30 mètres au sol).

  • maxPixels: 1e8 est une limite définie pour éviter de surcharger l'ordinateur avec trop de données. Si votre image est trop grande, vous devrez peut-être ajuster ce nombre.

Maintenant, nous allons créer un histogramme. Les cartes de Google Earth Engine ne sont pas très esthétiques, mais ce n'est pas grave.

// Set histogram options
histogram.setOptions({
  title: 'Histogram of Classified Image',
  fontSize: 12,
  hAxis: {title: 'Class Value'},
  vAxis: {title: 'Count'},
});

Dans le deuxième acte, nous vous présentons l'histogramme minimum viable. La personnalisation de la fonction ui.Chart.image.histogram est limitée, notamment en raison de la conception des composants de l'interface utilisateur de Google Earth Engine pour interagir avec les données image. Ils sont optimisés pour la gestion et l'affichage de données géospatiales à grande échelle, plutôt que pour une personnalisation détaillée de l'esthétique des graphiques.

Les libellés sur l'axe horizontal (axe h) représentent chaque valeur de classe, correspondant à une catégorie spécifique d'occupation du sol dans l'image. Les valeurs sur l'axe vertical (axe v) représentent le nombre total de pixels appartenant à chaque catégorie. Ces libellés d'axe sont utilisés pour des raisons pratiques ; toute autre option serait trop complexe. La bibliothèque ui.Chart utilise principalement des données numériques et ne gère pas les paramètres catégoriels directement dans les histogrammes.

En substance, notre objectif n'est pas de remporter un prix en matière de visualisation de données. Notre mission est simplement d'exporter nos données.

// Print the histogram to the console
print(histogram);

Et pour la grande finale, nous imprimons notre histogramme sur la console.

Mais attendez… qu'est-ce que c'est ?

Cinq dernières minutes du film, le rebondissement !

Niché discrètement dans le coin supérieur droit de notre histogramme, un bouton gris. Cliquer dessus ouvre l'histogramme en mode plein écran, puis une boîte magique apparaît dans la version plein écran, vous permettant d'exporter votre histogramme vers Excel. Dans Excel, vous pouvez ensuite le personnaliser à votre guise.

Fin.

Résumer

Voici ce que nous avons appris lors de cette formation :

  • Discuté de l’importance de convertir les données cartographiques visuelles en données quantitatives pour l’analyse.

  • Introduit l'idée d'utiliser une fonction d'histogramme dans Google Earth Engine (GEE) pour quantifier les images classées.

  • Appris comment exporter cet histogramme vers Excel pour une personnalisation supplémentaire.