Dans ce travail, nous réalisons la cartographie de la région d’Oran (Algérie) avec différentes résolutions en utilisant la télédétection multispectrale. Pour l’identification des objets au sol, à l’aide de leurs signatures spectrales, deux méthodes ont été appliquées sur les images SPOT, LANDSAT, IRS-1C et ASTER. La première dite Base de Règle (BR) s’appuie sur un ensemble de règles que doit respecter chaque pixel dans les différentes bandes calibrées en réflectance pour qu’il soit affecté à une classe donnée. La construction de ces règles est fondée sur les profils spectraux des classes recherchées dans la région étudiée. L’application de cette nouvelle méthode a été réalisée à l’aide du logiciel « PCSATWIN » développé par l’équipe de notre laboratoire « LAAR ». La seconde appelée Spectral Angle Mapper (SAM) est basée sur le calcul direct de l’angle spectral entre le vecteur cible qui représente le spectre de la classe recherchée et le vecteur pixel dont les composantes sont les comptes numériques dans les différentes bandes de l’image calibrée en rèflectance. Cette méthode est utilisée pour la comparaison des résultats. Après avoir rassemblé une banque de signatures spectrales contenant plusieurs librairies, une étude détaillée des principes et processus physiques influençant les spectres a été réalisée, afin d’établir l’intervalle de la variation d’un profil spectral d’une classe bien définie et par conséquent, des bases de règles précises. D’après les résultats obtenus, nous constatons que la classification supervisée des pixels par ces règles fondées sur des critères purement spectraux diminue l’incertitude associée à l’identification des objets en améliorant significativement le pourcentage de bon classement et la distinction des classes.

We have mapped the region of Oran, Algeria, using multispectral remote sensing with different resolutions. For the identification of objects on the ground using their spectral signatures, two methods were applied to images from SPOT, LANDSAT, IRS-1C and ASTER. The first one is called Base Rule method (BR method) and is based on a set of rules that must be met at each pixel in the different bands reflectance calibrated and henceforth it is assigned to a given class. The construction of these rules is based on the spectral profiles of popular classes in the scene studied. The second one is called Spectral Angle Mapper method (SAM method) and is based on the direct calculation of the spectral angle between the target vector representing the spectral profile of the desired class and the pixel vector whose components are numbered accounts in the different bands of the calibrated image reflectance. This new method was performed using PCSATWIN software developed by our own laboratory LAAR. After collecting a library of spectral signatures with multiple libraries, a detailed study of the principles and physical processes that can influence the spectral signature has been conducted. The final goal is to establish the range of variation of a spectral profile of a well-defined class and therefore to get precise bases for spectral rules. From the results we have obtained, we find that the supervised classification of these pixels by BR method derived from spectral signatures reduces the uncertainty associated with identifying objects by enhancing significantly the percentage of correct classification with very distinct classes.