Masterclass – Satellite et IA pour la Prévision des Usages du Sol

Objectif général

Acquérir une maîtrise pratique des techniques de télédétection, de classification et de modélisation prédictive appliquées à l'évolution de l’occupation du sol, à l’aide de données satellitaires et d’algorithmes d’intelligence artificielle.

Programme de la Masterclass

La formation est structurée en 5 séances de 3 heures chacune.

Séance 1 : Introduction à la télédétection et aux images satellitaires

• Principes fondamentaux de la télédétection par satellite
• Comprendre la notion d’image numérique et la structure des images multispectrales
• Présentation des capteurs courants (Sentinel-2, Landsat 8, ASTER...)
• Différence entre image classique (photographique) et image satellitaire
• Résolutions spatiale, spectrale, temporelle et radiométrique
• Exploration de cas d’usage concrets liés à l’occupation du sol

Séance 2 : Visualisation, corrections et préparation des images

• Visualisation des bandes spectrales dans QGIS
• Choix des bandes adaptées pour les usages du sol (B2, B3, B4, B8, B11...)
• Utilisation du plugin Semi-Automatic Classification Plugin (SCP)
• Corrections radiométrique et atmosphérique (DOS1, Dark Object Subtraction)
• Découpage des images à la zone d’étude (clip/mask)
• Export des images corrigées pour les étapes suivantes

Séance 3 : Cartographie de l’occupation du sol par classification

• Méthode non supervisée (Clustering) : K-means, ISODATA
• Génération de la carte d’occupation du sol sans connaissance préalable du terrain
• Interprétation des classes
• Méthode supervisée : définition des échantillons à partir des signatures spectrales
• Utilisation de SCP pour la collecte des ROIs
• Classification par MLC, Random Forest, SVM
• Post-traitement : filtration, regroupement, simplification des classes
• Évaluation : matrice de confusion, coefficient Kappa

Séance 4 : Détection des changements

• Comparaison entre deux cartes d’occupation du sol à deux dates différentes
• Utilisation de la classification croisée (Cross Classification)
• Identification des transitions majeures (forêt culture, etc.)
• Statistiques de changement : surface, pourcentage, type
• Visualisation cartographique des dynamiques
• Discussion sur les facteurs de changement (pression urbaine, climat, politique)

Séance 5 : Prévision de l’occupation du sol par IA (MOLUSCE)

• Introduction à MOLUSCE dans QGIS
• Préparation des données d’entrée : cartes classifiées, variables explicatives
• Entraînement du modèle prédictif : ANN, Weights of Evidence, CA-Markov
• Génération de la carte prédictive de l’occupation du sol future
• Validation par comparaison avec une carte réelle (si disponible)
• Analyse des erreurs et limites
• Applications en planification territoriale et gestion durable

Livrables & Attestations

• Certificat de participation personnalisé
• Dossier de données utilisés pendant la masterclass
• Carte prédictive de l’occupation du sol produite par chaque participant ou groupe