Estimation of the Areal Extent of Land Cover Classes that Only Occur at a Sub-Pixel Level

RÉSUMÉLes pixels mixtes dominent souvent les données de télédétection à faible résolution spatiale utilisées couramment dans la cartographie de la couverture du sol aux échelles régionale et globale. Malheureusement, les pixels mixtes ne peuvent être pris en considération de façon adéquate au moyen des techniques conventionnelles de classification d'image et conséquemment, la représentation spatiale des classes de couverture du sol et les estimations de leur étendue dérivées de telles classifications peuvent être erronées. Le démixage des pixels par classes permet de déterminer la distribution de la couverture du sol dans des sous-images à partir desquelles on peut dériver des estimations plus exactes de l'étendue des classes. Les problèmes rencontrés avec les méthodes de démixage limitent leur application et nous proposons ici une approche alternative basée sur un réseau artificiel de neurones. La méthode de démixage a été appliquée à la détermination de la composition par classes sur des données AVHRR au Brésil, avec l'emphase sur la précision avec laquelle on peut estimer l'étendue des classes qui se manifestent le plus fréquemment au niveau du souspixel dans l'ensemble de données. Les résultats montrent une correspondance étroite entre l'étendue estimée et observée des classes dans les pixels AVHRR (les coefficients de corrélation variant de 0,30–0,74, tous significatifs à de seuils de confiance de 99%). De plus, l'étendue estimée des classes pour le site d'étude était généralement beaucoup plus près de l'étendue observée des classes que les estimations dérivées de l'approche basée sur la classification conventionnelle.