3. Méthodologie du traitement d’image

Les travaux ayant généré les résultats les plus probants sont des simples classifications d’images non supervisées et, au sein de cette famille, notamment la classification automatique par technique de cluster. L’algorithme KMEANS utilisé (Eastman, 2009) partitionne une image à n dimensions (ici 28 dates) en k clusters exclusifs (nombre de classes). La classification commence par initialiser sur la base d’un premier échantillon les centroïdes des classes et y affecte les pixels les plus proches (distance euclidienne) tout en recalculant les centroïdes des classes jusqu’à ce que ces derniers deviennent stables. Ce processus heuristique dans le sens de l’optimisation combinatoire, minimise la somme des carrés des erreurs et est sensible à la taille de l’échantillon, à l’initialisation des centroïdes (en l’occurrence aléatoire) et au nombre de classes dont on recommande un nombre élevé au début (ici 16, pouvant se fusionner en cours de traitement) (Richards, Jia, 1999). Le paramétrage de stabilisation du nombre et de la position des centres de classes appliqué correspond à moins de 1% de pixels migrant d’une classe à une autre au cours de 50 itérations tout en fusionnant les clusters de moins de 1% en surface avec les classes les plus proches. Comme indiqué plus haut, nous avons pris soin de subdiviser la zone d’étude selon un graduant nord-sud (les régions administratives) afin de réduire l’amplitude du calendrier phénologique dont les variations perturbent la classification et, de fait, la détection des coupures de l’indice de végétation NDVI en milieu forestier.

Les classes obtenues sont ensuite caractérisées par l’extraction de l’image classée du profil moyen l’indice de végétation pluriannuel afin d’identifier trois familles de comportement de cet indice: les espaces forestiers stables sur la période 2000 à 2008, les coupes forestières et l’espace restant. Enfin, pour la catégorie signifiant déforestation, l’année du minimum NDVI a été calculée afin de dater l’événement et de le comparer aux sources de données externes.