Outdated version of the documentation. Find the latest one here.

Données raster

gentleLogo

Objectifs :

Comprendre les données Raster et comment les utiliser dans un SIG.

Mots clés :

Raster, Pixel, Télédétection, Satellite, Image, Géoréférencement

Aperçu

Dans les précédents sujets, nous avons regardé de plus près les données vectorielles. Alors que les entités vectorielles utilisent une géométrie (points, polylignes et polygones) pour représenter le monde réel, les données raster ont une approche différente. Les rasters sont constitués d’une matrice de pixels (également appelés cellules), chacun contenant une valeur qui représente les conditions de la surface couverte par cette cellule (voir figure_raster). Dans ce sujet, nous allons voir de plus près les données raster, quand est-ce nécessaire et quand cela fait-il plus de sens d’utiliser des données vectorielles.

Figure Raster 1:

../../_images/raster_dataset.png

Un jeu de données raster est composé de lignes (courant à travers) et de colonnes (courant le long) de pixels (aussi définis comme cellules). Chaque pixel représente une région géographique, et la valeur dans ce pixel représente les caractéristiques de cette région.

Données Raster en détail

Les données raster sont utilisées dans une application SIG lorsque nous voulons afficher une information continue sur une surface et qui ne peut pas facilement être divisée en entités vectorielles. Lorsque nous vous avons introduit les données vectorielles, nous vous avons montré l’image dans figure_landscape. Les entités de point, polyligne et polygone fonctionnent bien pour représenter des entités de ce paysage, telles que les arbres, les routes et les empreintes de constructions. D’autres entités dans un paysage peuvent être plus difficilement représentées en utilisant des entités vectorielles. Par exemple, les prairies ont beaucoup de variation de couleur et de densité de couverture. Il serait assez facile de faire un simple polygone autour de chaque surface de prairie, mais beaucoup d’informations sur les prairies seront perdues durant le processus de simplification des entités en un unique polygone. C’est parce que lorsque vous donnez à une entité vectorielle des valeurs d’attribut, elles s’appliquent à toute l’entité, donc les vecteurs ne sont pas très bien pour représenter des entités qui ne sont pas homogènes (entièrement la même) partout. Une autre approche que vous pouvez avoir est de digitaliser chaque petite variation de couleur d’herbe et de la couvrir par un polygone. Le problème avec cette approche est que cela demande une énorme quantité de travail pour créer un bon jeu de données vectorielles.

Figure Landscape 1:

../../_images/landscape.jpg

Certaines entités d’un paysage sont faciles à représenter par des points, des polylignes et des polygones (par ex. des arbres, des routes, des maisons). Dans d’autres cas, cela peut être difficile. Par exemple, comment représenteriez-vous les prairies ? Comme des polygones ? Qu’en est-il des variations de couleur que vous pouvez voir dans l’herbe ? Lorsque vous essayez de représenter de grandes surfaces avec continuellement des changements de valeurs, les données raster peuvent être un meilleur choix.

Utiliser des données raster est une solution à ces problèmes. Beaucoup de personnes utilisent des données raster comme une toile de fond à utiliser derrière des couches vectorielles afin de fournir plus de sens à l’information vectorielle. L’œil humain est très bon pour interpréter des images, et donc utiliser une image derrière des couches vectorielles donne des résultats dans les cartes avec beaucoup plus de sens. Les données raster ne sont pas seulement bonnes pour les images qui dépeignent la surface du monde réel (par ex. les images satellite et les photographies aériennes), elles sont aussi bonnes pour représenter des idées plus abstraites. Par exemple, des rasters peuvent être utilisés pour montrer les tendances des précipitations dans une zone, ou pour représenter le risque d’incendie dans un paysage. Dans ces types d’applications, chaque cellule du raster représente une valeur différente, par ex. un risque d’incendie sur une échelle de un à dix.

Un exemple qui montre la différence entre une image obtenue avec un satellite et une image qui montre des valeurs calculées peut être observé dans figure_raster_types.

Figure Raster Types 1:

../../_images/raster_types.png

Les véritables images raster de couleur (à gauche) sont utiles car elles fournissent beaucoup de détails qui sont difficiles à capturer avec des entités vectorielles mais facile à voir lorsqu’on regarde une image raster. Les données raster peuvent aussi être des données non-photographiques, comme la couche raster sur la droite qui montre la température minimale moyenne calculée dans le Western Cape pour le mois de mars.

Géoréférencement

Le géoréférencement est le processus qui définit exactement où sur la surface terrestre une image ou un jeu de données raster a été créé. Cette information de position est stockée avec la version digitale de la photo aérienne. Lorsque l’application SIG ouvre la photo, elle utilise l’information de position pour s’assurer que la photo apparaît à la bonne place sur la carte. Cette information de position consiste normalement en une coordonnée pour le pixel supérieur gauche de l’image, la taille de chaque pixel dans la direction X, la taille de chaque pixel dans la direction Y, et le nombre de degré de rotation de l’image (si elle est tournée). Avec ces quelques informations, l’application SIG peut assurer que les données raster sont affichée à la bonne place. L’information de géoréférencement pour un raster est souvent fournie dans un petit fichier texte accompagnant le raster.

Source de donnée Raster

Les données raster peuvent être obtenues d’un certain nombre de façons. Deux des manières les plus courantes sont la photographie aérienne et l’imagerie satellite. Dans la photographie aérienne, un avion vole au-dessus d’une zone avec une caméra montée en-dessous de l’avion. Les photographies sont ensuite importées dans un ordinateur et géoréférencées. L’imagerie satellite est créée lorsque des satellites en orbite autour de la terre pointent des caméras digitales spéciales vers la terre et ensuite prennent une image de la surface de la terre au-dessus de laquelle ils passent. Une fois que l’image a été prise, elle est renvoyée à la terre en utilisant des signaux radios envoyés à des stations spéciales de réception comme cela est montré dans figure_csir_station. Le processus de capture des données raster depuis un avion ou des satellites est appelé télédétection.

Figure CSIR Station 1:

../../_images/csir_station.jpg

Le CSIR Satellite Applications Center à Hartebeeshoek près de Johannesburg. Des antennes spéciales pistent des satellites lorsqu’ils passent au-dessus et téléchargent les images en utilisant les ondes radio.

Dans d’autres cas, les données raster peuvent être calculées. Par exemple, une compagnie d’assurance peut prendre des rapports de police d’incendies criminels et créer une grande carte raster du pays montrant à quel niveau l’incidence criminelle s’élève probablement dans chaque zone. Les météorologues (personnes qui étudient les conditions météorologiques) peuvent générer un raster de niveau de province montrant la température moyenne, les précipitations et la direction du vent en utilisant des données collectées par des stations météo (voir figure_csir_station). Dans ces cas, ils utiliseront souvent des techniques d’analyse de raster, comme l’interpolation (que nous décrivons dans le sujet Analyse Spatiale (Interpolation)).

Parfois, les données raster sont créées à partir de données vectorielles car les propriétaires des données veulent partager les données dans un format facile d’utilisation pour tous. Par exemple, une compagnie avec des routes, rail, cadastre et autres jeux de données vectorielles peut faire le choix de générer une version raster de ses jeux de données afin que ses employés puissent voir ces jeux de données dans un navigateur web. Ceci est normalement seulement utilisé si les attributs, que les utilisateurs doivent connaître, peuvent être représenté sur la carte avec des labels ou une symbologie. Si l’utilisateur a besoin de regarder la table attributaire pour les données, les fournir dans un format raster pourrait être un mauvais choix car les couches raster n’ont en général pas de données attributaires associées.

Résolution spatiale

Chaque couche raster dans un SIG a des pixels (cellules) à une taille fixe qui détermine sa résolution spatiale. Cela devient évident lorsque vous regardez une image avec une petite échelle (voir figure_raster_small_scale) et que vous zoomez ensuite jusqu’à une grande échelle (voir figure_raster_large_scale).

Figure Raster Scale 1:

../../_images/raster_small_scale.png

Cette image satellite semble bien avec une petite échelle...

Figure Raster Scale 2:

../../_images/raster_large_scale.png

... mais en regardant à une grande échelle, vous pouvez voir les pixels individuels qui composent l’image.

Plusieurs facteurs déterminent la résolution spatiale d’une image. Pour les données de télédétection, la résolution spatiale est habituellement déterminée par les capacités du capteur utilisé pour prendre l’image. Par exemple, les satellites SPOT5 peuvent prendre des images où chaque pixel est de 10 m x 10 m. D’autres satellites, par exemple MODIS, prennent des images de seulement 500 m x 500 m par pixel. Dans les photographies aériennes, les tailles de pixel de 50 cm x 50 cm ne sont pas inhabituelles. Des images avec une taille de pixel couvrant une petite zone sont appelées des images haute résolution car il est possible de distinguer un degré élevé de détails sur l’image. Des images avec une taille de pixel couvrant une largue zone sont appelées des images basse résolution car la quantité de détails de l’image montrée est faible.

Dans les données raster qui sont calculées par analyse spatiale (comme la carte des précipitations que nous avons mentionnée plus tôt), la densité spatiale de l’information utilisée pour créer le raster déterminera en général la résolution spatiale. Par exemple, si vous voulez créer une carte des précipitations moyennes haute résolution, vous auriez idéalement besoin de plusieurs stations météo à proximité les unes des autres.

Une des choses principales dont il faut faire attention avec les rasters capturés à une haute résolution spatiale sont les exigences de stockage. Pensez à un raster qui est de 3 x 3 pixels, chacun d’eux contient un nombre représentant une précipitation moyenne. Pour stocker toute l’information contenue dans le raster, vous devez stocker 9 nombres dans la mémoire de l’ordinateur. Imaginez maintenant que vous vouliez avoir une couche raster pour l’entier de l’Afrique du Sud avec des pixels de 1 km x 1 km. L’Afrique du Sud a une superficie d’environ 1‘219‘090 km 2. Ce qui signifie que votre ordinateur devrait stocker plus d’un million de nombres sur son disque dur afin de conserver toute l’information. Rendre la taille de pixel plus petite augmenterait considérablement la quantité de stockage nécessaire.

Parfois, utiliser une basse résolution spatiale est utile lorsque vous voulez travailler avec une grande zone et que vous n’êtes pas intéressé à voir toute une zone avec beaucoup de détails. Les cartes de nuages que vous voyez sur le rapport météo sont un exemple de cela –– il est utile de voir les nuages à travers tout le pays. Zoomer sur un nuage en particulier en haute résolution ne vous en apprendra pas beaucoup sur le temps à venir !

D’un autre côté, utiliser des données raster basse résolution peut être problématique si vous êtes intéressé par une petite région car vous ne pourrez probablement pas distinguer des entités individuelles de l’image.

Résolution spectrale

Si vous prenez une photographie couleur avec une caméra digitale ou une caméra sur un téléphone portable, la caméra utilise des capteurs électroniques pour détecter la lumière rouge, verte et bleue. Quand l’image est affichée sur un écran ou imprimée, l’information rouge, verte et bleue (RVB) est combinée pour vous montrer une image que vos yeux peuvent interpréter. Tant que l’information est encore en format digital, cette information RVB est stockée dans des bandes de couleur séparées.

Tandis que nos yeux peuvent seulement voir les longueurs d’onde RVB, les capteurs électroniques des appareils photo sont capables de détecter les longueurs d’onde que nos yeux ne peuvent pas. Bien sûr, avec un appareil photo tenu à une main, il ne fait probablement pas de sens d’enregistrer l’information depuis les parties non visibles du spectre puisque la plupart des personnes veulent juste regarder les photos de leur chien ou de ce que vous voulez. Les images raster qui incluent des données pour les parties non visibles du spectre lumineux font souvent référence à des images multi-spectrales. Dans les enregistrements SIG, les parties non visibles d’un spectre peuvent être très utiles. Par exemple, la mesure de la lumière infrarouge peut être utile pour identifier les plans d’eau.

Parce qu’avoir des images contenant des bandes multiples de lumière est très utile dans les SIG, les données raster sont souvent fournies en tant qu’images multi-bandes. Chaque bande dans l’image est comme une couche séparée. Les SIG combineront trois de ces bandes et les montreront en rouge, vert et bleu afin que l’œil humain puisse les voir. Le nombre de bandes dans une image raster est appelé sa résolution spectrale .

Si une image consiste en seulement une bande, elle est souvent appelée une image en niveaux de gris. Avec des images en niveaux de gris, vous pouvez appliquer une fausse coloration pour rendre la différence entre les valeurs des pixels plus évidente. Des images avec une fausse coloration appliquée sont souvent désignées comme des images pseudo-couleurs*.

Conversion raster - vecteur

Dans notre discussion des données vectorielles, nous expliquions que les données raster sont souvent utilisées comme une couche de fond qui est ensuite utilisée comme une base depuis laquelle des entités vectorielles peuvent être numérisées.

Une autre approche consiste en l’utilisation des programmes informatiques de pointe pour extraire automatiquement des entités vectorielles depuis des images. Certaines entités telles que les routes montrent dans une image comme un brusque changement de couleur des pixels voisins. Le programme informatique cherche de tels changements chromatiques et crée des entités vectorielles comme résultat. Ce type de fonctionnalité est normalement seulement disponible dans des logiciels de SIG très spécialisés (et souvent coûteux).

Conversion vecteur- raster

Il est quelque fois utile de convertir des données vectorielles en données raster. Un effet secondaire de ceci est que les données attributaires (qui sont des attributs associés aux données vecteurs originales) seront perdues lorsque la conversion aura lieu. Avoir des vecteurs convertis en un format raster peut être utile lorsque vous voulez donner des données SIG à des non-utilisateurs de SIG. Avec un simple format raster, les personnes à qui vous donnez l’image raster peuvent simplement la voir comme une image sur leur ordinateur sans avoir besoin d’un logiciel spécifique SIG.

Analyse raster

Il y a un grand nombre d’outils analytiques qui peuvent être exécutés sur des données raster qui ne peuvent pas être utilisés avec des données vectorielles. Par exemple, des rasters peuvent être utilisés pour modéliser l’écoulement de l’eau sur la surface de la terre. Cette information peut être utilisée pour calculer où des bassins versants et des réseaux de cours d’eau existent, basé sur le terrain.

Les données raster sont souvent utilisées en agriculture et en sylviculture pour gérer la production des cultures. Par exemple avec une image satellite des terres d’un paysan, vous pouvez identifier les zones où les plantes grandissent médiocrement et ensuite utiliser cette information pour appliquer plus de fertilisant seulement sur les zones affectées. Les forestiers utilisent des données raster pour estimer la quantité de bois pouvant être récoltée dans une région.

Les données raster sont également très importantes pour la gestions des catastrophes. L’analyse des Modèles Numériques d’Élévation (une sorte de raster dans lequel chaque pixel contient la hauteur au-dessus du niveau de la mer) peut ensuite être utilisée pour identifier les zones susceptibles d’être inondées. Ceci peut ensuite être utilisé pour cibler le sauvetage et les efforts de secours aux régions qui en ont le plus besoin.

Problèmes courants / Choses à savoir

Comme nous l’avons déjà mentionné, les données rasters haute résolution peuvent nécessiter une grande quantité de stockage informatique.

Qu’avons-nous appris?

Faisons le point sur ce que nous avons abordé dans cette partie :

  • Les données rasters sont une grille de pixels à taille régulière.

  • Les données raster sont bien pour montrer de l’information continuellement variable.

  • La taille des pixels dans un raster détermine sa résolution spatiale.

  • Des images raster peuvent contenir une ou plusieurs bandes, chacune couvrant la même aire spatiale, mais contenant des informations différentes.

  • Lorsque des données raster contiennent des bandes de différentes parties du spectre électromagnétique, elles sont appelées images multi-spectrales.

  • Trois des bandes d’une image multi-spectrale peuvent être montrées dans les couleurs Rouge, Verte et Bleue de sorte que nous puissions les voir.

  • Des images avec une bande unique sont appelées images en niveaux de gris.

  • À bande unique, les images en niveaux de gris peuvent être montrée en pseudo-couleur par les SIG.

  • Les images Raster peuvent consommer beaucoup d’espace de stockage.

Maintenant, essayez !

Voici quelques pistes d’actions à essayer avec vos élèves :

  • Discutez avec vos élèves dans quelles situations vous utiliseriez des données raster et dans quels cas vous utiliseriez des données vectorielles.

  • Demandez à vos élèves de créer une carte raster de votre école en utilisant des feuilles A4 transparentes et quadrillées. Superposez les transparents par-dessus une carte topographique ou une photographie aérienne de votre école. Laissez maintenant chaque élève ou groupe d’élèves colorier les cellules qui représentent un certain type d’entité, par exemple bâtiments, cour de récréation, terrain de sport, arbres, sentiers, etc. Lorsqu’ils ont tous fini, superposez toutes les feuilles ensemble et voyez si cela fait une bonne représentation de la carte raster de votre école. Quels types d’entités fonctionnent bien lorsqu’on les représente en raster ? Comment votre choix de la taille de cellule affecte-t-il votre capacité à représenter différents types d’entités ?

Pour aller un peu plus loin...

Si vous n’avez pas d’ordinateur disponible, vous pouvez comprendre les données raster en utilisant du papier et un crayon. Dessinez une grille de carrés sur une feuille de papier pour représenter votre terrain de foot. Remplissez la grille avec les nombres représentant les valeurs pour une couverture d’herbe sur votre terrain de foot. Si un patch est nu, donnez-lui la valeur de cellule de 0. Si le patch est mi-nu, mi-couvert, donnez-lui une valeur de 1. Si une zone est complètement recouverte d’herbe, donnez-lui une valeur de 2. Utilisez maintenant des crayons de couleur pour colorier les cellules selon leur valeur. Colorier les cellules avec une valeur 2 en vert foncé. La valeur 1 devrait être coloriée en vert clair, et la valeur 0 colorée en brun. Lorsque vous avez terminé, vous devriez avoir une carte raster de votre terrain de foot !

Pour aller plus loin

Livres :

  • Chang, Kang-Tsung (2006). Introduction to Geographic Information Systems. 3rd Edition. McGraw Hill. ISBN: 0070658986
  • DeMers, Michael N. (2005). Fundamentals of Geographic Information Systems. 3rd Edition. Wiley. ISBN: 9814126195

Site web : http://fr.wikipedia.org/wiki/Syst%C3%A8me_d%27information_g%C3%A9ographique

Le Guide de l’Utilisateur de QGIS fournit aussi des informations plus détaillées sur les données raster dans QGIS.

La suite ?

Dans la section qui suit, nous regarderons de plus près la topologie pour voir comment les relations entre les entités vectorielles peuvent être utilisées pour assurer la meilleure qualité de données.