Formation à distance: 5 jours soit 35 heures
- Type : Formation qualifiante
- Durée : 5j, soit 35 heures
- Modalité : Formation à distance
- Versions : Idrisi
- Validation : évaluation du stagiaire, attestation de suivi de stage, attestation individuelle de fin de formation
- Prè-requis : Des notions minimum en informatiques sont indispensables.
- Public : Tout public
- Niveau : Standard
- Moyens : Accès illimité à la plateforme en ligne pendant 3 mois en toute autonomie, 24h/24h et 7/7 jours
- Pèdagogie : 15% de théorie, 85% de pratique : étude de cas, mise en situation, exercices d’évaluation.
- Connaître les principes de base de télédétection et ses principales applications
- Se familiariser avec les images d’observation de la terre
- Maîtriser le traitement d’image de l’acquisition à la modélisation avec QGIS
- Maîtriser la chaine classique de traitement d’image satellitaire et drone pour extraire des nouvelles informations
- Appliquer des modes de classification avancés d’images de télédétection
- Savoir intégrer les données de télédétection dans des SIG
- Détection et analyse des changements
Introduction à la télédétection et prise
en main du logiciel IDRISI
- Définitions de la télédétection et du
traitement d’image - Bases physiques de la télédétection
- Qu’est ce qu’une image satellitaire ?
- Présentation de l’interface IDRISI
Prétraitements des données images
- Mosaique d’image
- Découpage
- Stacking
- Corrections radiométriques et atmosphériques
- Corrections géométriques
Traitement d’images
• Visualisation des images
• Rehaussement du contraste et étalement de la dynamique
• Composition colorée
• Extraction de l’information spatiale
– Fusion d’images multi-résolution
– Utilisation de filtres spatiaux
• Extraction de l’information spectrale
– Analyse en composantes principales (ACP)
– Indices
•Réaliser une série temporelle
• Segmentation
Classification d’images multispectrales
• Classifications non supervisées
• Classifications supervisées
Classifications avancées
• Méthode des réseaux neuronaux
• Approche orientée – objets
Post-traitement
• Élimination de valeurs aberrantes
• Reclassification et regroupement de classes
Evaluation des résultats et restitution
cartographique
• Evaluation de la qualité d’une
Classification, indice Kappa
• Exploiter les données de la classification en mode raster et vecteur dans des SIG
• Exportation des données d’un SIG raster
vers un SIG vecteur
Détection et analyse du changement
• Détection du changement : considérations
générales
• Détecter le changement : démarche
• Méthodes de détection et d’analyse du
changement
Modélisation prospective et simulation
• Modélisation prospective
• Simulation de la croissance urbaine à l’aide d’un modèle
