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

Programme

1. 01

   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
2. 02

   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
3. 03

   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
4. 04

   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)
5. 05

   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