Comparison of Evidential Reasoning and Neural Network Approaches in a Multi-source Classification of Alpine Tundra Vegetation

Il est demontre depuis peu que le raisonnement d'evidences et les approches par reseau de neurones ont beaucoup de potentiel pour l'analyse d'images multisources et la classification de la couverture du sol. Dans cet article, le raisonnement d'evidences et les classificateurs de reseau de neurones sont compares dans une classification multi-source de la vegetation de toundra alpine dans la region de Niwot Ridge, dans les Colorado Rocky Mountains. La performance des deux classificateurs a ete evaluee relativement a l'approche conventionnelle par maximum de vraisemblance. Dans la toundra alpine, le developpement d'une communaute donnee est correle avec le couvert nival et les conditions d'humidite qui, dans le cas de Niwot Ridge, sont associes a la topographie et plus particulierement, a la direction des vents dominants. Les classifications realisees utilisant l'ensemble de donnees multisources (30-m) ont montre que les meilleurs resultats sont obtenus avec un classificateur de raisonnement d'evidences (79%), suivi des classificateurs de reseau de neurones (71%) et du maximum de vraisemblance (69%). Des experiences realisees avec les reseaux de neurones ont demontre la difficulte d'en arriver a une architecture optimale de reseau pour atteindre des niveaux eleves de precision. En particulier, la performance du reseau de neurone s'avere variable, dependant du nombre de couches cachees, du nombre de noeuds caches dans chaque couche cachee et du nombre d'iterations d'apprentissage utilisees, alors que le classificateur de raisonnement d'evidences requiert peu d'intervention de l'utilisateur et est insensible aux caracteristiques des parametres par rapport aux intrants du reseau de neurones. Le classificateur de raisonnement d'evidences permet aussi une vitesse de calcul significativement plus elevee comparativement au reseau de neurone, a partir de quoi nous avons conclu que la vitesse et la precision du raisonnement d'evidences seraient bien adaptees aux ensembles de donnees plus vastes et pour les etudes a l'echelle regionale. Les planches d'erreurs produites dans le cadre de cette recherche ont permis d'examiner la distribution spatiale des pixels classifies erronement. Les patterns spatiaux identifies sur ces planches suggerent que certaines des variables environnementales cles qui controlent la distribution de la vegetation sur Niwot Ridge seraient mieux caracterisees par l'utilisation de donnees a plus haute resolution (5-15 m) et en incorporant des variables supplementaires telles que la geologie de surface et la duree du couvert nival.