Use Case 3 - Hinweiskarten zur Vitalität/fr: Unterschied zwischen den Versionen
Iris (Diskussion | Beiträge) (Die Seite wurde neu angelegt: „Les images satellites de Sentinel-2 permettent également de relever grossièrement la vitalité des surfaces forestières. Des '''cartes indicatrices de l’…“) |
Iris (Diskussion | Beiträge) (Die Seite wurde neu angelegt: „Combiner différentes images satellite prises au cours de la fenêtre de deux mois permet de réduire les problèmes liés aux nuages et autres sources d’err…“) |
||
| Zeile 8: | Zeile 8: | ||
Les images satellites de Sentinel-2 permettent également de relever grossièrement la vitalité des surfaces forestières. Des '''cartes indicatrices de l’évolution de la vitalité''' ont été générées '''en comparant l’état actuel de la végétation avec celui des années précédentes'''. Il s’agit toutefois ici d’un premier test. Une validation complète de la méthode doit encore être réalisée. | Les images satellites de Sentinel-2 permettent également de relever grossièrement la vitalité des surfaces forestières. Des '''cartes indicatrices de l’évolution de la vitalité''' ont été générées '''en comparant l’état actuel de la végétation avec celui des années précédentes'''. Il s’agit toutefois ici d’un premier test. Une validation complète de la méthode doit encore être réalisée. | ||
| − | + | L’indice de végétation NDVI a de nouveau été utilisé comme indicateur de la vitalité. Les '''anomalies NDVI''' sont représentées sur la carte. Pour ce faire, les valeurs médianes NDVI de la fenêtre de deux mois (par ex. juin-juillet) ont été comparées avec les valeurs médianes des toutes les années précédentes (jusqu’en 2015) de la même période (cf. Fig. 2). Des valeurs négatives indiquent une baisse de vitalité tandis que des valeurs positives indiquent une augmentation de la vitalité. Plus les valeurs s’éloignent de 0 (espérance mathématique), plus il est probable qu’il y a effectivement une évolution. Une '''valeur absolue d’au moins 3,5''' a pu être définie comme '''indicatrice d’un écart significatif''' <ref>Boris Iglewicz and David Hoaglin (1993), "Volume 16: How to Detect and Handle Outliers", The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.</ref>. | |
| − | |||
| − | |||
| − | + | ==Limitations== | |
| − | == | + | On ne peut pas différencier les causes du changement (attaque de scolytes, stress hydrique, coupe de bois, ...). Ainsi, une valeur négative peut aussi bien décrire une coupe de bois qu’une arrivée précoce des couleurs automnales. C’est la raison pour laquelle on parle de cartes indicatrices et les avis des experts, ainsi qu’éventuellement les visites de terrain, sont toujours nécessaires. |
| − | |||
| − | |||
| − | + | Combiner différentes images satellite prises au cours de la fenêtre de deux mois permet de réduire les problèmes liés aux nuages et autres sources d’erreur, mais ne peut totalement les exclure. Des indications erronées peuvent surgir à cause de la couverture des différentes orbites, de nuages non masqués ou d’un nombre insuffisant d’images sans nuages. Dans la version finale de la carte, les pixels pour lesquels on dispose de moins de 6 images (pixel) sans nuage au cours de la période examinée pour calculer la médiane ont donc été masqués. | |
| − | |||
| − | |||
| − | + | Il faut aussi noter que les données Sentinel-2 ne sont disponibles que depuis 2015, ce qui représente une période relativement courte pour détecter les anomalies. La pertinence devrait augmenter chaque année. | |
| − | |||
| − | |||
| − | + | ==Tutoriel vidéo : Fondamentaux pour une bonne utilisation== | |
| − | = | + | Cette vidéo montre comment utiliser l’application web « Cartes indicatrices de la vitalité ». La méthodologie du calcul et de la représentation a quelque peu évolué (notamment la représentation de surfaces avec « pas assez de données »; état en juin 2021), mais les bases n’ont pas changé: |
| − | |||
| − | |||
| − | |||
[[File:UC3.mp4|1000px]] | [[File:UC3.mp4|1000px]] | ||
| − | |||
| − | + | ==Informations contextuelles sur la méthode== | |
| − | = | + | Le calcul des anomalies NDVI est réalisé d’après la [https://de.wikipedia.org/wiki/Standardisierung_(Statistik) « valeur Z »] (cf. par ex. [https://www.sciencedirect.com/science/article/pii/S0034425718305509 Meroni et al., 2019]): |
| − | |||
| − | |||
| − | |||
Z<sub>i</sub> = (NDVI<sub>median,i</sub> - NDVI<sub>median,ref</sub>) / NDVI<sub>MAD,ref</sub> | Z<sub>i</sub> = (NDVI<sub>median,i</sub> - NDVI<sub>median,ref</sub>) / NDVI<sub>MAD,ref</sub> | ||
| − | |||
| − | + | Contrairement à Meroni et al., nous avons utilisé le [https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=terms-modified-z-score score Z modifié], plus robuste par rapport aux observations aberrantes. Pour ce faire, la moyenne arithmétique est remplacée par la médiane et l’écart-type par [https://de.wikipedia.org/wiki/Mittlere_absolute_Abweichung_vom_Median l’écart absolu moyen de la médiane (MAD)]. Le NDVI<sub>median,i</sub> désigne la médiane des valeurs NDVI pour chaque fenêtre de monitoring i de deux mois. Le NDVI<sub>median,ref</sub> désigne la médiane des valeurs NDVI au sein d’une fenêtre de deux mois (par ex. juin-juillet) au cours de la période de référence. Le NDVI<sub>MAD,ref</sub> est l’écart absolu moyen des valeurs NDVI par rapport à la médiane au sein d’une fenêtre de deux mois (par ex. juin-juillet) de la période de référence. | |
| − | |||
| − | |||
<div lang="de" dir="ltr" class="mw-content-ltr"> | <div lang="de" dir="ltr" class="mw-content-ltr"> | ||
Version vom 28. Juli 2021, 10:00 Uhr
-> vers la vue d'ensemble des cas d'usage
Les images satellites de Sentinel-2 permettent également de relever grossièrement la vitalité des surfaces forestières. Des cartes indicatrices de l’évolution de la vitalité ont été générées en comparant l’état actuel de la végétation avec celui des années précédentes. Il s’agit toutefois ici d’un premier test. Une validation complète de la méthode doit encore être réalisée.
L’indice de végétation NDVI a de nouveau été utilisé comme indicateur de la vitalité. Les anomalies NDVI sont représentées sur la carte. Pour ce faire, les valeurs médianes NDVI de la fenêtre de deux mois (par ex. juin-juillet) ont été comparées avec les valeurs médianes des toutes les années précédentes (jusqu’en 2015) de la même période (cf. Fig. 2). Des valeurs négatives indiquent une baisse de vitalité tandis que des valeurs positives indiquent une augmentation de la vitalité. Plus les valeurs s’éloignent de 0 (espérance mathématique), plus il est probable qu’il y a effectivement une évolution. Une valeur absolue d’au moins 3,5 a pu être définie comme indicatrice d’un écart significatif [1].
Limitations
On ne peut pas différencier les causes du changement (attaque de scolytes, stress hydrique, coupe de bois, ...). Ainsi, une valeur négative peut aussi bien décrire une coupe de bois qu’une arrivée précoce des couleurs automnales. C’est la raison pour laquelle on parle de cartes indicatrices et les avis des experts, ainsi qu’éventuellement les visites de terrain, sont toujours nécessaires.
Combiner différentes images satellite prises au cours de la fenêtre de deux mois permet de réduire les problèmes liés aux nuages et autres sources d’erreur, mais ne peut totalement les exclure. Des indications erronées peuvent surgir à cause de la couverture des différentes orbites, de nuages non masqués ou d’un nombre insuffisant d’images sans nuages. Dans la version finale de la carte, les pixels pour lesquels on dispose de moins de 6 images (pixel) sans nuage au cours de la période examinée pour calculer la médiane ont donc été masqués.
Il faut aussi noter que les données Sentinel-2 ne sont disponibles que depuis 2015, ce qui représente une période relativement courte pour détecter les anomalies. La pertinence devrait augmenter chaque année.
Tutoriel vidéo : Fondamentaux pour une bonne utilisation
Cette vidéo montre comment utiliser l’application web « Cartes indicatrices de la vitalité ». La méthodologie du calcul et de la représentation a quelque peu évolué (notamment la représentation de surfaces avec « pas assez de données »; état en juin 2021), mais les bases n’ont pas changé:
Informations contextuelles sur la méthode
Le calcul des anomalies NDVI est réalisé d’après la « valeur Z » (cf. par ex. Meroni et al., 2019):
Zi = (NDVImedian,i - NDVImedian,ref) / NDVIMAD,ref
Contrairement à Meroni et al., nous avons utilisé le score Z modifié, plus robuste par rapport aux observations aberrantes. Pour ce faire, la moyenne arithmétique est remplacée par la médiane et l’écart-type par l’écart absolu moyen de la médiane (MAD). Le NDVImedian,i désigne la médiane des valeurs NDVI pour chaque fenêtre de monitoring i de deux mois. Le NDVImedian,ref désigne la médiane des valeurs NDVI au sein d’une fenêtre de deux mois (par ex. juin-juillet) au cours de la période de référence. Le NDVIMAD,ref est l’écart absolu moyen des valeurs NDVI par rapport à la médiane au sein d’une fenêtre de deux mois (par ex. juin-juillet) de la période de référence.
Die mittlere absolute Abweichung vom Median gibt Auskunft über die Variabilität der NDVI-Werte innerhalb der Referenzperiode. Je grösser die Variabilität ist, desto kleiner wird die Wahrscheinlichkeit, dass Veränderungen, insbesondere schwache, ausgeschieden werden, was sich in Z-Werten nahe null widerspiegelt. Die Berechnung erfolgt pixelbasiert für jeden 10 x 10 m Pixel, und die Pixelwerte in den Hinweiskarten entsprechen dem jeweiligen Z-Wert.
Pixel, bei denen für die Berechnung des Medians über das Monitoring-Zeitfenster weniger als 6 wolkenfreie Aufnahmen (Pixel) zur Verfügung stehen, werden in der finalen Hinweiskarte mit einem Buffer von 20m ausmaskiert.
Datenbezug
Die Rasterdaten sind hier als Web Map Service (WMS) oder Web Coverage Service (WCS) verfügbar. Während sich der WMS Dienst primär für die Visualisierung eignet und die Daten automatisch so dargestellt werden wie im Kartenviewer, erlaubt der WCS Dienst den Zugriff auf die Werte und somit auch die Weiterverarbeitung im GIS. Bei der Einbindung der Rasterdaten ist zu beachten, dass diese aus Speicherplatzgründen mit 100 multipliziert wurden. Ein Wert von z.B. 100 entspricht also einem Z-Wert von 1.
Weitere Tipps und Informationen zu Einbindung und Verarbeitung der Daten gibt es hier.
Einzelnachweise
- ↑ Boris Iglewicz and David Hoaglin (1993), "Volume 16: How to Detect and Handle Outliers", The ASQC Basic References in Quality Control: Statistical Techniques, Edward F. Mykytka, Ph.D., Editor.
