Centre de documentation
scientifique

Apports des méthodes d'apprentissage profond pour la reconnaissance automatique des modes d'occupation des sols et d'objets par télédétection en milieu tropical / Guillaume Rousset (2021)  

Public Titre : Apports des méthodes d'apprentissage profond pour la reconnaissance automatique des modes d'occupation des sols et d'objets par télédétection en milieu tropical Type de document : Thèse/HDR Auteurs : Guillaume Rousset, Auteur ; Dominique Simpelaere, Directeur de thèse ; M. Mangeas, Directeur de thèse Editeur : Nouméa : Université de Nouvelle-Calédonie Année de publication : 2021 Importance : 180 p. Format : 21 x 30 cm Note générale : bibliographie Thèse pour obtenir le grade de Docteur délivré par l’Université de Nouvelle-Calédonie, Discipline Informatique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] Arecaceae [Termes IGN] carte d'occupation du sol [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] détection automatique [Termes IGN] détection de changement [Termes IGN] Extreme Gradient Machine [Termes IGN] image à très haute résolution [Termes IGN] image Pléiades [Termes IGN] image Sentinel-MSI [Termes IGN] image SPOT 6 [Termes IGN] indice de végétation [Termes IGN] milieu tropical [Termes IGN] mode d'occupation du sol [Termes IGN] modèle de transfert radiatif [Termes IGN] Nouvelle-Calédonie [Termes IGN] Para (Brésil) [Termes IGN] utilisation du sol Index. décimale : THESE Thèses et HDR Résumé : (auteur) Le paysage néo-calédonien change rapidement avec le développement de nouveaux projets miniers, l'intensification de l’urbanisation et les impacts d'événements climatiques extrêmes comme les cyclones. Avec la démocratisation et l’accumulation des données satellite et l'avènement des méthodes d'intelligence artificielle, la mise en place de méthodes automatiques de détection devient un outil incontournable pour documenter et surveiller ces changements à l’échelle du territoire de façon régulière, rapide et objective. Parmi ces méthodes, l'apprentissage profond a montré des résultats performants sur des problématiques complexes, notamment sur le traitement d'images à l'aide de ces réseaux de neurones denses convolutionnels. En tenant compte des contraintes liées au traitement de l'imagerie satellite et des problèmes liés aux algorithmes d'apprentissage, l'objectif de la thèse est multiple : contribuer à l'adaptation des techniques d'apprentissage profond à des problématiques de télédétection sur plusieurs points clés de la chaîne de traitement ; estimer les performances de ces techniques par rapport aux méthodes communément utilisées dans le domaine de la télédétection ; et développer des méthodes automatiques de détection pour délivrer des indices fiables à toute exploitation d'une imagerie satellitaire. Cette thèse s'est concentrée sur trois applications : 1) la détection de la couverture et de l'usage des sols sur des données à très haute résolution ; 2) la détection de la couverture des sols en Nouvelle-Calédonie à une fréquence annuelle sur des données à haute résolution ; 3) et la détection de palmiers dans la région Pará du Brésil à l'aide de données simulées informatiquement. Pour la première application, un jeu de données de référence basé sur les données du satellite SPOT 6 a été créé manuellement et mis à disposition de la communauté scientifique pour comparer les techniques de détection des classes d'occupation des sols en milieu tropical insulaire. Les réseaux de neurones denses affichent de meilleures performances notamment dans le cadre de la détection de l'usage des sols qui nécessite un niveau plus élevé de conceptualisation de l'environnement. Pour la deuxième application, une chaîne de détection automatique de la couverture des sols, basée sur un réseau de neurones dense alimenté par des données Sentinel-2, a été réalisée. Ces couvertures sont comparées aux couvertures obtenues par des méthodes semi-automatiques en province Sud de la Nouvelle-Calédonie. Le modèle offre des performances égales sur quelques zones tests, mais des données terrain supplémentaires sont requises pour conforter la fiabilité sur l'ensemble du territoire néo-calédonien. Enfin, pour la dernière application, l'originalité du travail de recherche a consisté à tester l'apport dans la base d'apprentissage d'images satellites de synthèse. Pour cela des images du palmier ont été construites à partir d'un modèle de transfert radiatif. L'utilisation de ces images de synthèse en complément des images Pléiades a permis d'améliorer significativement la précision globale des modèles. Note de contenu : 1- Introduction 2- Le deep learning 3- Classification des occupations du sol 4- Vers une détection de changement du sol 5- Détection du Babaçu au Brésil 6- Conclusion et perspectives Numéro de notice : 15277 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Nouvelle-Calédonie : 2021 Organisme de stage : Institut de Recherche pour le Développement IRD DOI : sans En ligne : http://www.theses.fr/2021NCAL0006 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101100

Use of high-resolution satellite imagery in an integrated model to predict the distribution of shade coffee tree hybrid zones / C. Gomez in Remote sensing of environment, vol 114 n° 11 (15/11/2010)  

Public [article]  inRemote sensing of environment > vol 114 n° 11 (15/11/2010) . - pp 2731 - 2744 Titre : Use of high-resolution satellite imagery in an integrated model to predict the distribution of shade coffee tree hybrid zones Type de document : Article/Communication Auteurs : C. Gomez, Auteur ; M. Mangeas, Auteur ; Marcel Petit, Auteur ; Christina Corbane, Auteur ; et al., Auteur Année de publication : 2010 Article en page(s) : pp 2731 - 2744 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse texturale [Termes IGN] carte thématique [Termes IGN] classification dirigée [Termes IGN] classification par arbre de décision [Termes IGN] classification par réseau neuronal [Termes IGN] Coffea (genre) [Termes IGN] couvert forestier [Termes IGN] image à haute résolution [Termes IGN] image panchromatique [Termes IGN] image Quickbird [Termes IGN] modèle numérique de surface [Termes IGN] Nouvelle-Calédonie [Termes IGN] ombre [Termes IGN] pansharpening (fusion d'images) [Termes IGN] prédiction Résumé : (Auteur) In New Caledonia (21°S, 165°E), shade-grown coffee plantations were abandoned for economic reasons in the middle of the 20th century. Coffee species (Coffea arabica, C. canephora and C. liberica) were introduced from Africa in the late 19th century, they survived in the wild and spontaneously cross-hybridized. Coffee species were originally planted in native forest in association with leguminous trees (mostly introduced species) to improve their growth. Thus the canopy cover over rustic shade coffee plantations is heterogeneous with a majority of large crowns, attributed to leguminous trees. The aim of this study was to identify suitable areas for coffee inter-specific hybridization in New Caledonia using field based environmental parameters and remotely sensed predictors. Due to the complex structure of tropical vegetation, remote sensing imagery needs to be spatially accurate and to have the appropriate bands for monitoring vegetation cover. Quickbird panchromatic (black and white) imagery at 0.6 to 0.7 m spatial resolutions and multispectral imagery at 2.4 m spatial resolution were pansharpened and used for this study. The two most suitable remotely sensed indicators, canopy heterogeneity and tree crown size, were acquired by the sequential use of tree crown detection (neural network), image processing (such as textural analysis) and classification. All models were supervised and trained on learning data determined by human expertise. The final model has two remotely sensed indicators and three physical parameters based on the Digital Elevation Model: elevation, slope and water flow accumulation. Using these five predictive variables as inputs, two modelling methods, a decision tree and a neural network, were implemented. The decision tree, which showed 96.9% accuracy on the test set, revealed the involvement of ecological parameters in the hybridization of Coffea species. We showed that hybrid zones could be characterized by combinations of modalities, underlining the complexity of the environment concerned. For instance, forest heterogeneity and large crown size, steep slopes (> 53.5%) and elevation between 194 and 429 m asl, are favourable factors for Coffea inter-specific hybridization. The application of the neural network on the whole area gave a predictive map that distinguished the most suitable areas by means of a nonlinear continuous indicator. The map provides a confidence level for each area. The most favourable areas were geographically localized, providing a clue for the detection and conservation of favourable areas for Coffea species neo-diversity. Numéro de notice : A2010-402 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.rse.2010.06.007 En ligne : https://doi.org/10.1016/j.rse.2010.06.007 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=30595 [article]