Extraction de connaissances à partir de données multi-spectrales: cas des images MSG

Abstract

Le satellite Météosat Seconde Génération (MSG) transmet des images de l’observation de la terre toutes les quinze minutes dans douze bandes spectrales différentes. Il nous permet de suivre des phénomènes qui se déroulent à la surface de la planète. Notre travail porte sur un phénomène météorologique important, les précipitations. Pour estimer les précipitations à partir des images MSG, la majorité des études effectuées ne profitent que des données de quelques canaux, ils n’exploitent pas suffisamment toutes les données fournies par ce satellite alors que ces téraoctets de données sont potentiellement riches en ressources inouïes qui demandent à être exploitées. De plus, ces études classifient les pixels à une classe d’une manière classique, par exemple un pixel est considéré 100 % précipitant où bien à 0 % non précipitant alors qu’on ne peut réellement le classifier d’une manière nette et précise. Pour cela, nous avons proposé une méthode qui exploite les images des canaux et construit un modèle sous la forme de règles d’association floues pour estimer les précipitations dans le nord-est de l’Algérie. Chaque règle est sous la forme de : si (condition) alors (conclusion), où la condition est une combinaison des différentes classes floues des images MSG, et la conclusion contient une seule classe floue qui représente l’intensité de précipitations : pas de précipitations, faible, modérée et forte. Les résultats obtenus sont comparés aux données obtenues par le produit MPE d'estimation des précipitations de l’organisation européenne pour l’exploitation de satellites météorologiques(EUMETSAT).