L’eau est la classe la plus facile à détecter en segmentation d’images satellites et l’une des plus difficiles à cartographier correctement. Ce paradoxe apparent tient à une distinction que l’article consacré à la nomenclature a signalée : une surface en eau à une date et une zone inondable ne sont pas la même chose.
Cet article expose cette distinction, les difficultés propres à ce domaine et les conventions qu’un projet doit fixer. Il prolonge l’article consacré à la conception d’une nomenclature de couverture des sols.
Pourquoi l’eau se détecte facilement
Une propriété physique explique cette facilité apparente en segmentation d’images satellites. Elle éclaire aussi les cas où elle ne fonctionne plus. L’eau absorbe fortement le rayonnement dans le proche infrarouge et l’infrarouge moyen, alors que la végétation et les sols y réfléchissent nettement. Une surface en eau apparaît donc très sombre dans ces bandes, ce qui produit un contraste que peu d’autres classes présentent. Cette propriété physique a donné naissance à des indices normalisés combinant une bande visible et une bande infrarouge, dont le calcul est immédiat et dont le seuillage produit une première délimitation acceptable en quelques minutes. Trois conséquences pratiques en découlent directement. Un projet portant sur des masses d’eau permanentes et étendues obtient un résultat exploitable avec des moyens modestes. Les bandes infrarouges sont indispensables, une imagerie limitée au visible étant nettement moins performante sur cette classe. Et la performance annoncée sur des jeux de test comportant surtout des lacs et des fleuves surestime largement ce qui sera obtenu sur des configurations difficiles.Là où la facilité s’arrête
Six configurations mettent en défaut l’approche par indice. Elles constituent l’essentiel du travail réel. Les eaux peu profondes et turbides réfléchissent nettement davantage, du fait du fond visible et des matières en suspension, ce qui les rapproche des sols nus. Les ombres présentent en segmentation d’images satellites une signature spectrale voisine de celle de l’eau, ce qui produit des fausses détections systématiques en relief et en milieu urbain dense. Les surfaces sombres artificielles, certains toits, revêtements et panneaux, produisent le même effet. La végétation aquatique masque partiellement la surface en eau, ce qui fait basculer un plan d’eau végétalisé du côté de la végétation. Les surfaces gelées inversent complètement la signature spectrale, la glace et la neige étant très réfléchissantes là où l’eau liquide est absorbante. Et les petits objets linéaires, cours d’eau étroits et canaux d’irrigation, tombent sous la résolution disponible ou n’occupent qu’une fraction de pixel, ce qui les rend indétectables par seuillage. Ces six configurations expliquent largement l’écart entre une démonstration convaincante et un produit opérationnel, et elles justifient l’apprentissage automatique là où un simple indice suffirait sur les cas faciles.La distinction fondatrice
Cette décision de nomenclature précède tout le reste. L’omettre produit un livrable dont personne ne sait ce qu’il décrit. Une surface en eau observée par segmentation d’images satellites décrit l’état à la date d’acquisition. Elle se vérifie sur l’image et elle change d’une acquisition à l’autre. Une zone inondable décrit une propriété du territoire, définie par une fréquence ou une probabilité de submersion. Elle ne s’observe pas sur une image mais s’établit à partir d’une série d’observations ou d’une modélisation hydraulique. Une zone humide décrit encore tout autre chose : un milieu caractérisé par une saturation du sol, une végétation adaptée et un fonctionnement écologique, dont la définition relève de référentiels réglementaires et qui n’implique pas la présence d’eau libre. Ces trois notions sont pourtant régulièrement confondues, et la confusion produit trois types de difficulté. Un client attendant une zone inondable et recevant une surface observée obtient un produit inutilisable pour son besoin. Un modèle entraîné sur des étiquettes mêlant les trois apprend une catégorie incohérente. Et une évaluation comparant une surface observée à une référence de zone humide mesure un désaccord qui n’a aucune signification.Ce que chaque notion demande
Les trois appellent des méthodes distinctes en segmentation d’images satellites. Leur coût diffère considérablement. La surface en eau observée se produit par segmentation d’images satellites sur une acquisition unique. C’est le cas le plus simple et le moins coûteux. L’extension maximale historique se produit par agrégation temporelle d’une série d’observations, en retenant les pixels ayant été en eau au moins une fois sur la période. Elle demande une série et un traitement des acquisitions manquantes. La fréquence de submersion se produit par comptage sur l’ensemble de la série, en rapportant le nombre d’observations en eau au nombre d’observations exploitables. Cette normalisation est décisive : un pixel fréquemment masqué par les nuages doit être traité différemment d’un pixel fréquemment sec. Et la zone inondable réglementaire relève d’une modélisation hydraulique intégrant topographie, hydrologie et ouvrages, à laquelle l’observation satellitaire apporte une validation plutôt qu’une production. Cette dernière précision mérite d’être posée clairement en discussion commerciale. Un prestataire d’imagerie ne produit pas une zone inondable réglementaire ; il produit des observations qui contribuent à l’établir ou à la vérifier.Le radar et la cartographie de crue
Cette capacité est déterminante dans l’usage le plus opérationnel du domaine. Une inondation survient généralement par temps couvert, ce qui rend l’imagerie optique inopérante au moment précis où l’observation importe. Le radar, indépendant des conditions météorologiques et de l’éclairement, lève cette contrainte. Le mécanisme physique y est particulièrement favorable. Une surface d’eau calme réfléchit le signal radar loin du capteur, ce qui la fait apparaître très sombre, avec un contraste souvent supérieur à celui de l’optique. Quatre difficultés propres accompagnent néanmoins le radar. Le vent rugueux la surface et augmente le signal rétrodiffusé, ce qui peut faire disparaître le contraste. Les surfaces lisses non aqueuses, certaines routes et pistes, produisent le même effet sombre. L’eau sous couvert végétal est mal détectée en configuration standard, la végétation masquant la surface. Et le relief produit des zones d’ombre radar présentant également un signal faible. Une conséquence pratique importante en découle pour l’annotation. Un corpus de cartographie de crue doit être constitué sur des images radar, avec les conventions propres à cette modalité, et un annotateur habitué à l’optique doit être formé à une lecture différente.Les conventions à fixer
Sept décisions doivent être tranchées avant la production. Leur omission produit une variabilité importante. La position exacte de la limite en rive douce, une berge en pente produisant une transition progressive dont le tracé exact est conventionnel. Le traitement de la végétation aquatique émergente, roselières et herbiers, qui relève de l’eau, de la végétation ou d’une classe propre. Le traitement des surfaces artificielles en eau, bassins, piscines et stations d’épuration, dont l’inclusion dépend de la finalité. Le seuil de taille en deçà duquel un plan d’eau n’est pas représenté, qui reprend la question de l’unité minimale de cartographie. La largeur minimale d’un cours d’eau représenté en surface plutôt qu’en linéaire, décision qui change la nature du livrable. Le traitement des zones ombrées ambiguës, qui doivent recevoir une règle explicite plutôt qu’être laissées au jugement. Et le traitement des surfaces gelées, qui relèvent d’une classe distincte dans la plupart des nomenclatures et dont l’omission produit une discontinuité saisonnière.La fusion optique et radar
Cette approche combinée traite les limites de chaque modalité prise isolément. Le principe consiste à employer les deux sources sur une même zone, en tirant parti de leurs défauts complémentaires. Trois configurations en bénéficient particulièrement. L’eau sous couvert végétal, mal vue en radar standard et parfois discernable en optique lorsque le couvert est clairsemé. Les surfaces lisses non aqueuses, sombres en radar et distinguables en optique par leur signature spectrale. Et les périodes nuageuses, où le radar prend le relais d’une série optique interrompue. Deux difficultés sérieuses accompagnent cette combinaison. La coïncidence temporelle, deux acquisitions de modalités différentes n’étant pas simultanées, ce qui pose problème sur un phénomène évoluant en heures. Et la coïncidence géométrique, les deux produits devant être superposables à la précision requise, question que l’article consacré au temps quasi réel a signalée à propos de la géolocalisation. Une conséquence pratique en découle pour un projet de segmentation d’images satellites multimodal. Le corpus doit comporter des exemples annotés dans les deux modalités, idéalement sur les mêmes zones, ce qui double le travail d’annotation et constitue précisément la ressource que peu de projets possèdent.La question temporelle
Cette difficulté domine ce domaine plus que tout autre. Une difficulté domine ce domaine plus que tout autre, et elle mérite d’être posée explicitement. L’eau est de loin la classe la plus variable dans le temps. Un même pixel peut être en eau, sec ou intermédiaire selon la saison, l’année et l’événement, ce qui rend une annotation valide à une date et fausse à une autre. Trois conséquences en découlent pour la constitution d’un corpus annoté. La date d’acquisition doit être conservée avec chaque annotation, exigence évidente et régulièrement omise. Un corpus constitué sur une seule saison ne permet pas d’évaluer un produit destiné à fonctionner toute l’année. Et l’évaluation doit couvrir les conditions extrêmes, étiage et crue, qui sont précisément celles où le produit sera consulté. Une quatrième conséquence mérite également d’être signalée. Un désaccord entre une annotation et une référence peut provenir d’un écart de date plutôt que d’une erreur, ce qui rend la vérification des dates préalable à tout diagnostic de qualité.La validation d’un produit en eau
L’évaluation de cette classe présente des particularités notables. L’évaluation de cette classe présente des particularités que l’article consacré à la validation complète. Le déséquilibre entre classes y est extrême. L’eau couvre une faible proportion de la plupart des territoires, ce qui rend une exactitude globale trompeuse : un modèle prédisant l’absence d’eau partout obtient un score élevé. Les métriques par classe deviennent donc indispensables, et le rappel importe particulièrement pour un usage de gestion de crise, une surface inondée manquée étant plus coûteuse qu’une fausse alarme. La constitution de la référence pose une difficulté propre. Un relevé de terrain sur une inondation est rarement disponible au moment utile, ce qui conduit à employer une photo-interprétation sur imagerie très haute résolution ou des laisses de crue relevées après coup. Et la comparaison entre modalités demande une attention toute particulière. Un produit radar et un produit optique du même événement peuvent différer légitimement, l’un détectant de l’eau sous couvert que l’autre voit et inversement.Les produits dérivés d’une série en eau
Une série de segmentation d’images satellites permet plusieurs indicateurs qu’un client confond régulièrement. Il vaut donc la peine de les nommer précisément. L’occurrence en eau indique la proportion d’observations exploitables où un pixel était en eau. C’est l’indicateur le plus robuste et il suppose la normalisation évoquée plus haut. La saisonnalité distingue les surfaces permanentes des surfaces temporaires, en examinant la distribution des observations en eau dans l’année plutôt que leur nombre. L’indicateur de changement compare deux périodes et il révèle une évolution durable, assèchement, mise en eau d’un barrage ou recul d’un plan d’eau. L’extension maximale retient tout pixel observé en eau au moins une fois, indicateur utile à la cartographie du risque et sensible aux fausses détections, une seule erreur suffisant à inclure un pixel. Cette dernière sensibilité mérite particulièrement d’être soulignée. Un indicateur cumulatif amplifie les erreurs au lieu de les moyenner, ce qui impose un contrôle qualité supérieur à celui d’une observation ponctuelle. Une conséquence en découle pour l’annotation. Un corpus destiné à valider un indicateur cumulatif doit comporter des cas de fausse détection plausible, ombres et surfaces sombres, faute de quoi l’évaluation ne mesure pas ce qui compte.Les usages et leurs exigences
Cinq emploient cette classe avec des exigences nettement différentes. Cinq usages emploient cette classe et leurs exigences diffèrent nettement, ce qui interdit un produit unique. La gestion de crise demande une réactivité de l’ordre de quelques heures et tolère une précision géométrique modérée, l’objectif étant d’orienter des moyens. L’évaluation de dommages demande une bonne précision géométrique et une comparaison avec un état antérieur, ce qui suppose une archive. Le suivi de la ressource en eau demande une série temporelle régulière et une cohérence dans le temps, la tendance important davantage que la valeur ponctuelle. La cartographie du risque demande une extension maximale historique et une fréquence de submersion, notions distinctes de l’observation ponctuelle. Et le suivi environnemental des zones humides demande une nomenclature écologique complète que l’observation de l’eau libre ne suffit pas à établir. Une conséquence commerciale directe en découle. Établir lequel de ces cinq usages est visé constitue la première question à poser à un prospect, et elle détermine la modalité, la fréquence, la nomenclature et le budget.Le cas des zones littorales
Cette configuration cumule les difficultés de la segmentation d’images satellites en eau. Elle présente en outre un enjeu croissant. Le trait de côte pose une question de définition avant toute question technique. Il peut désigner la limite instantanée observée, la limite de pleine mer, la limite de basse mer ou une limite morphologique fondée sur la végétation ou le relief. Quatre difficultés propres s’y ajoutent encore. La marée, qui déplace la limite instantanée de plusieurs dizaines de mètres à plusieurs centaines selon le site et l’heure d’acquisition. Les estrans, dont l’état intermédiaire entre eau et sol se prête mal à une classe binaire. La turbidité côtière, qui affaiblit le contraste précisément dans la bande d’intérêt. Et les ouvrages, digues et enrochements, dont la signature diffère du littoral naturel. Une conséquence pratique en découle. Une série de trait de côte doit soit corriger l’effet de marée par un modèle, soit sélectionner les acquisitions selon un critère de marée, faute de quoi la variabilité observée traduit l’heure de passage du satellite plutôt qu’une évolution du littoral. Cette exigence de correction est fréquemment omise et elle produit des séries dont les tendances apparentes n’ont aucune signification physique.Les erreurs les plus fréquentes
- Confondre surface en eau observée, zone inondable et zone humide.
- Livrer une observation ponctuelle à un client attendant une extension historique.
- Employer une imagerie optique pour cartographier une crue en cours.
- Ne pas normaliser une fréquence de submersion par le nombre d’observations exploitables.
- Négliger les ombres, qui produisent des fausses détections systématiques.
- Constituer un corpus sur une seule saison.
- Ne pas conserver la date d’acquisition avec chaque annotation.
- Se fier à une exactitude globale sur une classe fortement minoritaire.
- Annoter du radar avec des conventions conçues pour l’optique.
- Prétendre produire une zone inondable réglementaire à partir d’imagerie seule.
- Mesurer un accord entre annotateurs sur un échantillon dominé par les cas faciles.
- Omettre les fausses détections plausibles dans un corpus d’évaluation.
