ObjectivesThe hyperspectral images (HI) is at the moment still too poorly considered; nevertheless its specificities make a weighty auxiliary for the monitoring of the elements of the urban area. The HYEP project has for objective to propose a panel of methods and processes designed for hyperspectral imaging. We take into account other existing sensors in order to compare the performances. If the IH is complementary to the sensors HRS and VHRS due to its better radiometric richness, it allows to identify and to characterize the natural or anthropogenic elements in a complementary perspective. To this end methods for the extraction of information had to be adapted, created even. The methodological part of the project articulated at the same time in the solidification of the current approaches and the design of new methods. Results have been presented along the project duration to scientific community and local authorities. One of the milestones of the works was the comparison of the results to various spatial resolutions to specify the contribution of such a hyperspectral sensor with regard to those existing or to come. Data and data processing Methods: existing or adapted The methods were chosen among all the existing methods by adapting them to the signal, among spectral ranges and to the characteristics of urban areas. Since data arose from airborne platforms, the first developments were realized to counter the effects of the atmosphere on the IH (atmospheric correction - 3 tested methods) and a database of spectral signature for diverse elements of land use in town (roofs, roads, the vegetation etc.) was established. It allowed encircling better the spectral values of materials. It was set up based simultaneously on the literature, in situ and laboratory measurements. Its contributions in various classification processing were tested. Methods for information, extraction, pansharpening or classification purposes were used for various spatial and spectral resolutions to highlight its interest towards other sensors and also its benefits for a spatial mission. Classification and unmixing methods have been adapted and spatial pattern indicators for urban areas defined.Outcomes- 3 atmospheric correction methods have been tested; it leads to a specific code development by ONERA.- Methods adaptation : pansharpening and unmixing- Transfer: a complete design of the study has been transfered to Kaunas (Lituania) teams- Algorithms: Depository on http://openremotesensing.net/- One of the major results is the extraction and the identification of photovoltaic panel- CNRS Summer school 2017Scientific productionThe team has presented at ISPRS Geospatial Week 2015, GeoHyper (2015), Jurse 2017, IGARSS 2016-2017, SFPT or workshops TEMU, AFIGEO and to GdR Session (MaDics and ISIS) or within the framework of the Hypxim mission. The team organized special conference sessions at the national level, SFPT hyperspectral (2016) and international level IGARSS 2018 and WHISPERS 2018. A thematic CNRS summer school (2017 August 28 - September 1st - 25 participants) has been set up.The project gave rise to 10 publications Rang A and 38 communications, 4 chapters and a special issue for the RemoteSensing journal.

Cette donnée raster résulte d'une classification par méthode d'apprentissage profond à partir d'imagerie très haute résolution spatiale (1.5m) SPOT 6/7. Des post-traitements ont été effectués afin de mieux caractériser les classes relatives à l'artificialisation.

Full hyperspectral VNIR-SWIR ENVI standard image obtained from the coregistration of both VNIR and SWIR ones through a signal aggregation process that allowed to obtain a synthetic VNIR 1.6 m spatial resolution image, with pixels exactly corresponding to natif SWIR image ones. First, a spatially resampled 1.6 m VNIR image was built, where output pixel values were calculated as the average of the VNIR 0.8 m pixel values that spatially contribute to it. Then, ground control points (GCP) were selected over both images and SWIR one was tied to the VNIR 1.6 m image using a bilinear resampling method using ENVI tool. This lead to a 1.6 m spatial resolution full VNIR-SWIR image.

Les données de nodata par année (entre 2015 et 2019) correspondent aux zones de nuages et de leurs ombres portées sur les images satellites SPOT 6/7 utilisées pour la classification d'occupation du sol, donnée source pour les analyses géographiques qui ont suivi (extraction des espaces bâtis, des taches urbaines, indicateurs spatialisés)

Hyperspectral ENVI standard simulated images. Spatial and spectral configurations generated correspond to ESA SENTINEL-2 instrument that was lunched on 2015, and HYPXIM sensor which was under study at that time.

Cette carte a été produite dans le cadre de la convention 2010 -- 0190 de l'Agence de l'Eau Rhône Méditerranée et Corse concernant l'optimisation d'une méthode de quantification du rôle des corridors rivulaires sur l'état écologique des cours d'eau.

Les taches urbaines distribuées sont caractérisées par des formes très variées. Ces formes peuvent aller d’un aspect très compacte (proche d’un disque, forme de compacité maximale sur un plan) à celui de formes très digitées ou de filaments, s’approchant de lignes plus ou moins sinueuses. Le suivi de cette dimension de compacité morphologique permet d’estimer si l’artificialisation due aux taches urbaines suit des extensions homogènes ou des extensions hétérogènes. Cet indice est calculé à l'échelle des EPCI d'Occitanie et pour l'année 2019.

Le territoire régional est composé de taches urbaines de différentes tailles et formes, distribuées de manière variée. Les espaces urbains sont reliés les uns aux autres par le réseau routier, en particulier le réseau composé des routes primaires et secondaires. Cet espace urbain et routier ainsi composé est fortement artificialisé avec une forte composante d’imperméabilisation qui perdure au fil du temps. La dynamique spatiale et temporelle de cet espace peut être évaluée par les surfaces qui deviennent artificialisées, par la consommation des surfaces interstitielles, généralement agricoles ou naturelles. Ces surfaces à faible imperméabilisation, moins artificialisées, sont ainsi des îlots séparés les uns des autres par la trame urbaine et routière. Ces ilots sont de tailles variées et composent une structure fragmentée.Cet indice prend la forme d'une taille effective de maille, à savoir une grandeur qui exprime « la probabilité que deux points choisis au hasard dans un territoire [...] ne soient pas séparés par des obstacles tels que les voies de communication ou des zones bâties » (J. Jaeger, 2007).

Les taches artificialisées sont calculées sur la base d'une extraction du bâti à partir d'imagerie très haute résolution spatiale (1.5m) SPOT 6/7, pour les années 2015 à 2019. Deux distances de connexion sont proposées, à 50m et 100m.

Le coefficient de dispersion représente le rapport entre la surface des espaces artificialisés (taches urbaines) morcelés, définis ici pour une emprise inférieure à 3 hectares, et celle des espaces artificialisés denses supérieurs ou égales à 3 hectares.Cet indicateur a été calculé par canton et pour les années 2015 à 2019.