Logo de l'organisme de formation

Formations Géomatique (SIG et Télédétection)

Représentation de la formation : Sensibilisation à la télédétection: notions de base

Sensibilisation à la télédétection: notions de base

Formation mixte
Durée : 14 heures (2 jours)
Durée :14 heures (2 jours)
Net de TVA
Se préinscrire
Durée :14 heures (2 jours)
Net de TVA
Se préinscrire
Durée :14 heures (2 jours)
Net de TVA
Se préinscrire

Formation créée le 24/01/2024. Dernière mise à jour le 21/02/2024.

Version du programme : 2

Programme de la formation

L'objectif de cette formation est de s'initier à la télédétection optique avec QGIS et de s'approprier de bout en bout une démarche complète de traitement d'images satellitaires.

Objectifs de la formation

  • Maîtriser les bases théoriques de la télédétection optique
  • Connaître, comprendre et savoir retrouver les caractéristiques techniques des images satellitaires optiques indispensables pour choisir ses données
  • Savoir utiliser les plateformes de récupération d’images satellitaires
  • Savoir charger, interroger et optimiser l’affichage d’une image satellitaire dans QGIS, à partir de ses propriétés, ses statistiques et son histogramme
  • Savoir élaborer une chaîne de prétraitement et l’exécuter à l’aide des outils QGIS/OTB
  • Savoir construire une série multi-dates avec QGIS et OTB
  • Connaître l’apport et le principe de calculs d’indices radiométriques, en particulier d’indices de végétation
  • Savoir calculer et seuiller une image de NDVI avec les outils QGIS/OTB
  • Connaître, comprendre le principe d’une classification d’image en mode supervisé et non supervisé, ainsi que la notion de signature spectrale et temporelle
  • Savoir élaborer une chaîne de traitement mobilisant des processus de classification supervisée et non supervisée au pixel et l’exécuter avec les outils QGIS/OTB
  • Comprendre le principe d’un jeu d’entraînement et d’un jeu de validation et savoir les construire avec les outils QGIS/OTB
  • Comprendre le principe d’une matrice de confusion, savoir la construire avec les outils QGIS/OTB et l’interpréter
  • Savoir construire une palette de couleurs raster pour mettre en valeur des résultats
  • Savoir réaliser des conversions vecteur/ raster
  • Savoir interpréter ses résultats de classification supervisée et améliorer le processus selon un fonctionnement itératif

Profil des bénéficiaires

Pour qui
  • Chargés d'études SIG
  • Techniciens géomaticiens
  • Cartographes
Prérequis
  • Connaître les SIG
  • Expérience avérée sur QGIS

Contenu de la formation

  • Démarrage de la formation
    • Accueil - tour de table de présentation
    • Échange autour des objectifs de chacun
    • Présentation du programme et des objectifs pédagogiques
  • Maîtriser les bases théoriques de la télédétection optique
    • La notion d'onde et de spectre électromagnétiques - Les domaines spectraux optique et radar
    • Les interactions rayonnement/cible dans le domaine optique, la notion d'albedo
    • Les techniques de télédétection : historique, systèmes porteurs, satellites : notions d'orbite, de fauchée, de cycle de répétitivité
    • La télédétection optique : notions de réflectance, de signature spectrale, les résolutions spatiale, spectrale, radiométrique et temporelle, les capteurs multispectraux
    • La télédétection radar : notions d'énergie rétrodiffusée, de résolution longitudinale et transversale, de pixel sol/image, de bande radar, de polarisation, de phase, imagerie d'amplitude, polarimétrie, interférométrie
    • Les sources de données : principales plate-formes et procédures de téléchargement
  • Connaître, comprendre et savoir retrouver les caractéristiques techniques des images satellitaires optiques indispensables pour choisir ses données
    • Exercice pratique : visualisation et interrogation d'une image Landsat 8 et d'une image Sentinel 2 téléchargées dans QGIS - Repérage des caractéristiques techniques indispensables
  • Savoir utiliser les plateformes de récupération d’images satellitaires
    • Exercice pratique : exécution d'une recherche d'images par critères généraux et techniques sur la plate forme PEP'S et sur la plate forme EarthExplorer
  • Savoir charger, interroger et optimiser l’affichage d’une image satellitaire dans QGIS, à partir de ses propriétés, ses statistiques et son histogramme
    • Exercice pratique : Les propriétés des couches raster dans QGIS : apparence mono-bande et RGB, transparence, lecture des statistiques, étirement de l'histogramme
  • Savoir élaborer une chaîne de prétraitement et l’exécuter à l’aide des outils QGIS/OTB
    • Présentation théorique des grandes opérations de pré-traitement : reprojection, découpage, mosaiquage, concaténation
  • Savoir construire une série multi-dates avec QGIS et OTB
    • Exercice pratique QGIS / OTB : construction de séries BVRPIR mono-dates Landsat 8 et Sentinel 2 au clic puis en mode automatisé (modeleur graphique)
  • Connaître l’apport et le principe de calculs d’indices radiométriques, en particulier d’indices de végétation
    • Présentation théorique : définition d'un indice radiométrique avec rappel de la notion de signature spectrale, présentation du NDVI
  • Savoir calculer et seuiller une image de NDVI avec les outils QGIS/OTB
    • Exercice pratique : Calcul en mode pas à pas d'un indice de turbidité océanique à partir de la série Landsat 8 avec Qgis et OTB, mise en forme du résultat par application d'une palette de couleurs
    • Exercice pratique : Calcul en autonomie du NDVI à partir de la série Sentinel 2 avec Qgis et OTB : mise en forme du résultat par seuillage (définition de classes de NDVI ayant un sens par rapport à la réalité) et construction d'une palette de couleurs adaptée
  • Connaître, comprendre le principe d’une classification d’image en mode supervisé et non supervisé, ainsi que la notion de signature spectrale et temporelle
    • Présentation théorique : importance des tests de paramétrage, de l’objectif, de la réflexion sur les données en entrée, classification non supervisée en amont d’une classification supervisée, influence du paramétrage de l’algorithme et des jeux d’entrainement et de validation sur la qualité des résultats
    • Exercice pratique : Application d’un algorithme de classification non supervisée pour obtenir une classification des zones végétalisées
    • Exercice pratique : Construction pas à pas et application progressive d'un processus de classification supervisée des zones non végétalisées
    • Analyse critique de l'ensemble des résultats obtenus : réflexion méthodologique sur les étapes clés de la classification supervisée : paramétrage des algorithmes, construction des jeux d’entrainement et de validation, nomenclature des espaces végétalisés à caractériser
  • Comprendre le principe d’un jeu d’entraînement et d’un jeu de validation et savoir les construire avec les outils QGIS/OTB
    • Exercice pratique : dans le cadre de la construction du processus de classification supervisée, présentation des règles et contraintes à respecter pour construire des jeux d'entrainement et de validation efficaces, construction pas à pas des deux jeux avec QGIS
  • Comprendre le principe d’une matrice de confusion, savoir la construire avec les outils QGIS/OTB et l’interpréter
    • Présentation théorique : définition de la matrice de confusion, calcul des indicateurs de précision, méthode d'interprétation globale et à la classe
    • Exercice pratique : dans le cadre de la construction du processus de classification supervisée, interprétation critique quantitative des résultats obtenus à l'aide d'une matrice de confusion calculée par OTB
  • Savoir construire une palette de couleurs raster pour mettre en valeur des résultats
    • Exercice pratique : dans le cadre de l'application du processus de classification supervisée, travail avec QGIS sur la symbologie des couches raster obtenus en résultat de classification non supervisée et supervisée
  • Savoir réaliser des conversions vecteur / raster
    • Exercice pratique : dans le cadre de l'application du processus de classification supervisée, travail avec QGIS sur la vectorisation de résultats de classification
    • Exercice pratique : dans le cadre de l'application du processus de classification supervisée, réalisation avec QGIS de masques binaires raster à partir de données vecteur
  • Savoir interpréter ses résultats de classification supervisée et améliorer le processus selon un fonctionnement itératif
    • Exercice pratique : Journée n°4 d'approfondissement de la classification supervisée. Analyse critique des premiers résultats obtenus et approfondissement de pistes d'amélioration du processus de classification supervisée pour obtenir une meilleure précision en sortie. Identification des confusions entre classes, spatialisation des erreurs, correctifs sur la nomenclature, le jeu d'entrainement, le paramétrage des algorithmes.
  • Bilan de la formation
    • Échanges et évaluation à chaud de la formation sur la montée en compétence de chaque stagiaire
    • Évaluation de la satisfaction générale de chaque stagiaire vis-à-vis de la formation
Équipe pédagogique

Une équipe expérimentée et complémentaire, solidaire et conviviale!

Suivi de l'exécution et évaluation des résultats
  • Feuilles de présence.
  • Mises en situation.
  • Formulaires d'évaluation de la formation.
  • Certificat de réalisation de l’action de formation.
Ressources techniques et pédagogiques
  • Accueil des stagiaires dans une salle dédiée à la formation.
  • Documents supports de formation projetés.
  • Exposés théoriques
  • Etude de cas concrets
  • Mise à disposition en ligne de documents supports à la suite de la formation.