Détection de Changement & Analyse Spatio-temporelle
Objectif : séparer le changement réel de surface des quatre grands imposteurs — mauvais calage, dérive radiométrique, phénologie et erreur de classification. Chaque méthode ci-dessous existe pour contrôler l'un d'eux ; ignorer les contrôles produit des cartes confiantes de rien.
Préconditions (là où la détection de changement se gagne ou se perd)
- Co-inscription : alignement sub-pixel entre les dates (AROSICS ou points de liaison manuels). Un demi-pixel de décalage crée un changement fantôme en forme de bordure partout. Vérifier : comparer par clignement des entités nettes.
- Cohérence radiométrique : même niveau de traitement (réflectance de surface), même capteur si possible ; si mélange de capteurs, harmoniser (p. ex., Landsat↔Sentinel-2 HLS) ou utiliser une normalisation relative (PIF).
- Même saison / stade phénologique pour le travail bi-temporel — un couple mai vs septembre « détecte » l'été. Si la saison ne peut être appariée, utiliser des composites ou des méthodes de séries temporelles à la place.
- Masques nuage/ombre intersectés entre les dates ; n'analyser que les pixels mutuellement valides et signaler ce pourcentage de couverture.
Sélection de la méthode
| Situation | Méthode |
|---|---|
| Deux dates, continu « combien » | Différence d'indices (ΔNDVI, ΔNBR...) avec seuillage statistique |
| Deux dates, catégoriel « de-quoi-en-quoi » | Comparaison post-classification (uniquement avec des classifieurs robustes) |
| Deux dates, multivarié robuste | Analyse vectorielle de changement (CVA) ; MAD/iMAD pour détection robuste aux capteurs |
| Pile dense, graduel + abrupt | Analyse de tendance + rupture (famille BFAST/LandTrendr/CCDC ; à l'échelle d'archive → google-earth-engine) |
| Changement de structure (bâtiments) | Segmentation bi-temporelle par DL (U-Net siamois) → geo-deep-learning |
| Paires SAR (nuages, catastrophes) | Rapport logarithmique de rétrodiffusion calibrée + gestion du chatoiement |
| Millésimes vectoriels (parcelles, bâtiments) | Différence de géométrie+attributs avec tolérance (ci-dessous) |
Seuillage — jamais à l'œil
Les images de différence nécessitent un seuil défendable : μ ± k·σ sur l'histogramme de différence (rapporter k), Otsu en cas de bimodalité, ou seuils supervisés calibrés sur des échantillons de changement/non-changement étiquetés. Fournir l'histogramme avec la coupe choisie marquée. Sensibilité : rapporter la surface changée à k-0,5 et k+0,5 ; si l'histoire est inversée, la détection est fragile — le dire.
Comparaison post-classification (PCC) — manipuler avec précaution
L'erreur de PCC se cumule : deux cartes à 90 % de précision donnent ≤ ~81 % de précision de changement, et les erreurs biaisées créent des transitions fausses systématiques. Règles :
- Utiliser UN classifieur entraîné sur les images des deux dates (même légende, mêmes caractéristiques) plutôt que deux cartes héritées indépendantes.
- Construire la matrice de transition complète (surfaces de-classe → à-classe), pas seulement un binaire changement/non-changement — les transitions impossibles (eau→forêt en 1 an) sont votre détecteur d'erreur.
- Appliquer une unité minimale de cartographie cohérente entre les dates avant la différence.
Analyse de séries temporelles (pile dense)
- Construire une pile d'indices comblés et masqués des nuages (xarray, dimension temps).
- Décomposer tendance + saisonnalité + ruptures ; les tendances linéaires par pixel nécessitent un test de significativité (Mann-Kendall + pente de Sen pour les tendances monotones — et correction FDR sur des millions de pixels, sinon votre « carte de verdissement » n'est que du bruit).
- Étiqueter les DATES de rupture, pas seulement la présence — le timing est généralement l'enjeu analytique (quand le défrichement a-t-il commencé ?).
- Valider les ruptures détectées par rapport à des événements connus (incendies, permis de construire, dates de catastrophe) partout où des registres existent.
Audit vectoriel de changement (deux millésimes de la même couche)
- Apparier les entités par identifiant stable s'il existe ; sinon appariement spatial avec seuil IoU (le rapporter).
- Classifier : ajouté / supprimé / géométrie modifiée (delta de surface > tolérance) / attribut modifié. Les tolérances absorbent les variations de numérisation — 1-2 m pour du cadastral, plus pour du numérisé à partir d'images.
- Sommer les deltas de surface par classe et réconcilier les totaux ; résidu inexpliqué = bugs d'appariement.
Évaluation de la précision (l'épine dorsale du livrable)
Le changement est rare, donc l'échantillonnage aléatoire gaspille des efforts sur les pixels stables — utiliser l'échantillonnage stratifié (strates : changement/non-changement ou par transition) avec une estimation de surface de bonne pratique (protocole Olofsson et al.) : rapporter la précision utilisateur/producteur par strate ET les estimations de surface avec intervalles de confiance ajustés pour l'erreur de carte. Un simple décompte de pixels de la carte de changement est une estimation biaisée de la surface — toujours dire le nombre ajusté.
Gabarit de rapport
## Changement : <phénomène>, <T1> → <T2 ou période>
- Données : <capteur/niveau>, RMSE de co-inscription : <px>, chevauchement valide : <%>
- Méthode : <...> seuil/paramètres : <...> (sensibilité : <stable/fragile>)
- Transitions : <matrice ou top 5 liste avec surfaces ± IC>
- Précision : stratifié n=<>, UA/PA par classe, surfaces ajustées ± IC
- Contrôles des imposteurs : saison <appariée ?>, radiométrie <harmonisée ?>
Liste de vérification des pièges
- Changement fantôme en bordure dû au mauvais calage.
- Différence saisonnière vendue comme changement de couverture terrestre.
- PCC avec deux cartes héritées produites indépendamment.
- Seuil choisi « parce que ça paraissait correct », sans sensibilité.
- Décomptes bruts de pixels changés rapportés comme surface (sans estimation corrigée de l'erreur).
- Cartes de tendance sans contrôle des tests multiples.
- Changement SAR sur images en puissance linéaire non filtrées.
Contrat d'exécution
- Workflow : définir la question de changement ; harmoniser l'étendue, la saison, la radiométrie, la résolution et l'inscription ; sélectionner la méthode ; estimer le changement ; valider ; rapporter l'incertitude.
- Règles de décision : utiliser la différence directe uniquement pour des signaux continus comparables, la comparaison post-classification pour des légendes de classe stables, et les méthodes de séries temporelles lorsqu'une pile temporelle dense existe.
- Protocole de vérification : quantifier la co-inscription, le chevauchement valide, la sensibilité du seuil, la comptabilité des transitions, et la surface ajustée pour la précision avec intervalles de confiance.
- Modes d'échec : rejeter les affirmations de changement causal lorsque la saison, le capteur, les nuages, l'inscription ou les erreurs de carte indépendantes peuvent expliquer le signal.
- Livrables : carte de changement, tableau de transition ou de tendance, enregistrement des paramètres, échantillon de validation et métriques, estimation de surface ajustée et limites.
- Actualisation des sources : consulter le registre des sources faisant autorité avant d'utiliser des produits ou API sensibles à la version et enregistrer la date de vérification.