La segmentation sémantique (IA) d'imageries aériennes au service de la première couverture du sol métropolitaine fine et précise de la région de Québec : perspectives pour l’aménagement du territoire, l'environnement et la caractérisation des aléas
Communauté Métropolitaine de QuébecSalle Trifide
Dans le cadre de la révision du PMAD (Plan Métropolitain d’Aménagement et de Développement) de la Communauté Métropolitaine de Québec (CMQuébec), plusieurs orientations du PMAD ont nécessité la mise en place d'indicateurs pour quantifier et assurer leur suivi au fil du temps. Parmi ces orientations figurent des enjeux environnementaux et d'aménagement du territoire, tels que le suivi des taux d’imperméabilisation, la consommation d’espace (étalement urbain / artificialisation du sol), ainsi que plusieurs indices de végétation (Canopée). Ces indicateurs requièrent la production d'une donnée à jour, fine et précise, répondant à ces orientations.
Depuis 2003, la CMQuébec effectue des acquisitions d'orthoimages aériennes RGBI. Les orthoimages aériennes constituent une source idéale pour assurer le suivi de ces orientations dans le temps, car elles marquent l'état de ces phénomènes à un moment donné et couvrent l'ensemble du territoire à une résolution fine (12-25 cm). Cependant, compte tenu de la taille réduite de l'équipe de la CMQuébec et du volume important d'images à traiter, la segmentation sémantique, une technique issue de la vision par ordinateur (Intelligence Artificielle), permet d'effectuer des tâches de segmentation rapidement et avec des performances semblables à celles d'un opérateur, et ce sur un grand volume de données.
Pour la production d’une première couverture du sol métropolitaine fine et précise de la région de Québec, la plus récente orthoimage de la CMQuébec (2021) est utilisée pour classer automatiquement chaque pixel de l'image dans une catégorie de couverture du sol. Nous obtenons ainsi les 10 classes suivantes : les bâtiments, les surfaces imperméables, l'eau, les surfaces minérales, les piscines, les arbres, la végétation basse, les haies, les véhicules, ainsi que d'autres objets présents sur le territoire. Au moment de l’écriture, nous atteignons des scores globaux avec un mIoU de 0.95 en entrainement et de 0.88 en validation.
En conclusion, la présentation aura pour objectifs de présenter la méthodologie (traitements, modèles, résultats) et de démontrer comment celle-ci répond aux besoins de la CMQuébec.