es 
cadre 
ons 
35 000 
deux 
ntuées 
alyse 
7 
. Ces 
tant 
enir 
es 
des 
rises 
* 
a 
éter, 
tance 
par 
es 
la 
1:82, 
sateur 
(DN 
le 
2). 
être 
  
Ces cartographies en zones de forêt commerciale furent l'occasion de 
perfectionner une méthode d'accentuation de l'image par le calcul des compo- 
santes principales visualisées dans des espaces de couleurs particuliers 
(Beaubien, 1982). La méthode consiste à afficher une image de base facilitant 
le choix des zones-échantillons servant au calcul des composantes principales 
suivant des paramètres établis et à manipuler l'histogramme de composantes de 
l'image résultante afin qu'elle réponde le plus possible aux besoins du 
thématicien. En effet le déplacement des radiances transformées le long des 
trois axes (brillance, rouge-vert, bleu-jaune) permet de mettre l'accent sur 
divers types de végétation. 
Pour un essai de cartographie de nos landes nordiques, un projet, 
couvrant deux scènes Landsat entières, vient d'être lancé à la rivière Arnaud, 
Ungava (Figure 1). 
Discussion 
En débutant le projet sur la basse Côte-Nord, nous avions 
l'intention de procéder par classification supervisée après la cueillette et 
l'analyse des données de terrain. Malgré plusieurs tentatives en multipliant 
et manipulant les zones-échantillons sur l'écran cathodique, les résultats 
demeuraient insatisfaisants. Les 14 classes finalement créées renfermaient des 
confusions embrassantes allant jusqu'à celle entre certains brülis récents et 
de vieux peuplements résineux à lichens. La distinction entre divers types de 
landes devenait également trés obscure. Pour nos besoins d'écologistes 
forestiers, les images accentuées fournissaient un portrait plus fidèle du 
couvert végétal perçu par le biais de centaines de nuances de couleurs. Il 
faut garder en mémoire que le milieu végétal est complexe à définir, même au 
sol; il apparaît aussi souvent, sinon plus, à l'état de transition qu'à celui 
bien caractérisé. 
La majorité des études menées à date sur le potentiel des produits 
Landsat ont exploré les classifications automatisées utilisant des méthodes 
plus ou moins sophistiquées. Je suis d'accord avec Schreier et al. (1982) qui 
mentionnent que peu de méthodes de classifications automatisées sont devenues 
opérationnelles malgré leur potentiel théorique. Les classifications tradition- 
nelles ne considèrent qu'un attribut du pixel, soit sa couleur définie par 
quatre radiances spectrales. On assume au départ que chacun des objets à 
identifier possède un ensemle de radiances caractéristiques. Les recherches 
menées depuis quelques années tendent à démontrer que cette hypothèse conduit à 
des résultats très variables. Plusieurs méthodes ont été développées pour 
apporter plus de précision aux classifications des valeurs spectrales. On a 
développé des algorythmes qui tiennent compte de la dimension spatiale 
(texture) des éléments d'une scène, tel que "ECHO" (Extraction and 
Classification of Homogeneous Objects) cité par Hoffer et Swain (1980). Comme 
en photo-interprétation, le pixel est alors considéré comme faisant partie d'un 
assemblage caractéristique. Hutchinson (1982) résume d'autres méthodes pour 
améliorer les classifications numériques, soit l'apport de données auxiliaires 
avant, pendant ou après le traitement. II est en effet avantageux de procéder 
à une pré-stratification d'un territoire à classifier pour réduire son 
hétérogénéité, ou d'ajouter aux données spectrales d'autres informations 
numérisées (par exemple, la topographie), ou d'utiliser une documentation 
existante pour séparer des classes spectralement semblables. Pour mener à bien 
une classification automatisée il faut également minimiser autant que possible 
les erreurs introduites par la nature même des données originales, par exemple 
les conditions atmosphériques ou l'angle solaire. Bien entendu ces méthodes 
viennent alourdir le processus d'une cartographie tout en augmentant le coût. 
467 
dd RON EE ERA COOSA CCH 1 ME 
  
  
  
  
  
  
  
  
  
  
+ 
ES DE =