Utilisation des réseaux de neurones pour la cartographie des milieux humides à partir d'une série temporelle d'images RADARSAT-1.

Cette recherche visait à évaluer l'utilité des images Radarsat-1 dans la cartographie des milieux humides et à tester l'efficacité des réseaux de neurones pour la classification de ces milieux. Au Québec, les milieux humides représentent 9% du territoire. L'étude de ces vastes territoires très diversifiés et très complexes représente un véritable défi qui nécessite l'intégration de nouvelles méthodes et l'utilisation d'outils complémentaires aux méthodes conventionnelles de terrain. Toutefois, la superficie étendue du territoire ainsi que la nécessité d'un suivi continu et efficace rendent la télédétection le meilleur outil rentable pour contrôler et surveiller ces milieux. La télédétection radar représente un outil intéressant grâce à sa fréquence d'acquisition élevée et surtout, son indépendance relative face aux conditions météorologiques et d'illumination. De plus, les milieux humides, avec leur diversité végétale et leur spécificité hydrologique, réunissent la majorité des facteurs influençant l'interaction de l'onde radar avec la scène observée soit l'humidité, la physionomie végétale, la rugosité et la densité de la flore. La région du Lac St-Jean (48°50' Nord et 72°00'Ouest) a été choisie comme site d'étude. Cette région contient une diversité de milieux humides regroupés au nord et à l'est du lac. Six images Radarsat en mode standard (S1 et S7) ont été acquises dans le cadre de ce projet. L'analyse de ces images a montré que les deux modes d'acquisition S1 et S7 sont deux outils complémentaires pour une cartographie précise des milieux humides. Ils permettent une bonne délimitation entre ces milieux et les milieux avoisinants(S1) et peuvent détecter la variation de la végétation à l'intérieur du milieu humide(S7). Les analyses de séparabilité effectuées sur les classes végétales des milieux humides ont montré que les images acquises en mode S1 ne donnent pas une grande discrimination entre ces classes. Cependant, le mode d'acquisition S7 reste plus sensible