[ Utilisation d’une image RBV (VHR) pour la discrimination des habitats de la zone humide de Oualidia (Maroc) à partir d’une méthodologie hybride basée sur la classification orientée objet avec l’algorithme K-means ]
Volume 18, Issue 1, October 2016, Pages 12–25
Boris Olengoba Ibara1, Mohamed Dakki2, Mustapha Hakdaoui3, and Rhimou El Hamoumi4
1 Laboratoire d'Ecologie et Environnement, Faculté des sciences Ben M'sick, Université Hassan II, Casablanca, Morocco
2 Laboratoire de Zoologie, Equipe Biodiversité et Zones Humides, Institut scientifique, Université Mohamed V, Rabat, Morocco
3 Laboratoire de Géologie Appliquée, Géomatique et Environnement, Faculté des sciences Ben M'sick, Université Hassan II, Casablanca, Morocco
4 Laboratoire d'Ecologie et Environnement, Faculté des sciences Ben M'sick, Université Hassan II, Casablanca, Morocco
Original language: French
Copyright © 2016 ISSR Journals. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
The mapping of wetland habitats requires image data of high spatial resolution in order to establish the precise contours and space occupies a specific habitat. However, the spectral deficiency of high resolution images accentuates the problems of proximity and spectral mixing between image objects, which makes them very sensitive classification operations in such environments. The present work offers a solution based on an unsupervised approach to habitat classification of the wetland lagoon of Oualidia and its surroundings. To do this, a picture RBV (1m) covering the study area was segmented from the software GRASS, followed by extraction optimal segments as polygons from QGIS software. The partitioning algorithm K-means was used for classification of selected polygons in the respective classes, and this using three (3) discrimination criteria (color, shape, and size). The objective is to propose a solution in the discrimination of different types of wetland habitats from a poor image spectral resolution, but harboring a very high spatial resolution. As such, the algorithm permits to classify the different habitats with an accuracy of 0.88 according to the index of Kappa.
Author Keywords: Cartography, Wetland, Clustering, Segmentation, partitioning algorithm, object oriented, remote sensing.
Volume 18, Issue 1, October 2016, Pages 12–25
Boris Olengoba Ibara1, Mohamed Dakki2, Mustapha Hakdaoui3, and Rhimou El Hamoumi4
1 Laboratoire d'Ecologie et Environnement, Faculté des sciences Ben M'sick, Université Hassan II, Casablanca, Morocco
2 Laboratoire de Zoologie, Equipe Biodiversité et Zones Humides, Institut scientifique, Université Mohamed V, Rabat, Morocco
3 Laboratoire de Géologie Appliquée, Géomatique et Environnement, Faculté des sciences Ben M'sick, Université Hassan II, Casablanca, Morocco
4 Laboratoire d'Ecologie et Environnement, Faculté des sciences Ben M'sick, Université Hassan II, Casablanca, Morocco
Original language: French
Copyright © 2016 ISSR Journals. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
Abstract
The mapping of wetland habitats requires image data of high spatial resolution in order to establish the precise contours and space occupies a specific habitat. However, the spectral deficiency of high resolution images accentuates the problems of proximity and spectral mixing between image objects, which makes them very sensitive classification operations in such environments. The present work offers a solution based on an unsupervised approach to habitat classification of the wetland lagoon of Oualidia and its surroundings. To do this, a picture RBV (1m) covering the study area was segmented from the software GRASS, followed by extraction optimal segments as polygons from QGIS software. The partitioning algorithm K-means was used for classification of selected polygons in the respective classes, and this using three (3) discrimination criteria (color, shape, and size). The objective is to propose a solution in the discrimination of different types of wetland habitats from a poor image spectral resolution, but harboring a very high spatial resolution. As such, the algorithm permits to classify the different habitats with an accuracy of 0.88 according to the index of Kappa.
Author Keywords: Cartography, Wetland, Clustering, Segmentation, partitioning algorithm, object oriented, remote sensing.
Abstract: (french)
La cartographie des habitats des zones humides requiert des données images de très haute résolution spatiale afin de délimiter avec précision les contours et l’espace qu’occupe un habitat spécifique. Cependant la déficience spectrale des images à très haute résolution accentue les problèmes de proximité et de mixité spectrale entre objets de l’image, ce qui rend les opérations de classification très délicates dans ce type de milieux. Ce présent travail, propose une solution, basée sur une approche non supervisée pour la classification des habitats de la zone humide de la lagune de Oualidia et ses environs. Pour ce faire, une image RBV (1m) couvrant la zone d’étude a été segmentée à partir du logiciel GRASS, suivi d’une extraction des segments optimaux sous forme de polygones à partir du logiciel QGIS. L’algorithme de partitionnement K-means a été utilisé pour la classification des polygones sélectionnés dans les classes correspondantes, et cela en utilisant trois (3) critères de discrimination (la couleur, la forme, et la taille). L'objectif est de proposer une solution dans la discrimination des différents types d’habitats des zones humides à partir d’une image déficiente en résolution spectrale, mais recelant une très haute résolution spatiale. En tant que tel, l’algorithme a permis de classer les différents habitats avec une précision de 0.88 suivant l’indice de Kappa.
Author Keywords: Cartographie, Zone humide, Classification non supervisée, Segmentation, algorithme de partitionnement, orienté objet, télédétection.
How to Cite this Article
Boris Olengoba Ibara, Mohamed Dakki, Mustapha Hakdaoui, and Rhimou El Hamoumi, “Using a satelite image RGB (VHR) for discrimination of habitat for wetland Oualidia (Morocco) from a hybrid methodology based on object-oriented classification with the K-means algorithm,” International Journal of Innovation and Applied Studies, vol. 18, no. 1, pp. 12–25, October 2016.
