Centre de documentation
scientifique

Cartographie des essences forestières à partir de séries temporelles d’images satellitaires à hautes résolutions : stabilité des prédictions, autocorrélation spatiale et cohérence avec la phénologie observée in situ / Nicolas Karasiak (2020)  

Public Titre : Cartographie des essences forestières à partir de séries temporelles d’images satellitaires à hautes résolutions : stabilité des prédictions, autocorrélation spatiale et cohérence avec la phénologie observée in situ Type de document : Thèse/HDR Auteurs : Nicolas Karasiak, Auteur ; Claude Monteil, Directeur de thèse ; Jean-Français Dejoux, Directeur de thèse ; David Sheeren , Directeur de thèse Editeur : Toulouse : Université de Toulouse Année de publication : 2020 Importance : 240 p. Format : 21 x 30 cm Note générale : bibliographie Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, délivré par l'Institut National Polytechnique de Toulouse, spécialité : Agrosystèmes, Écosystèmes et Environnement Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] apprentissage automatique [Termes IGN] autocorrélation spatiale [Termes IGN] bibliothèque logicielle [Termes IGN] carte forestière [Termes IGN] essence d'arbre [Termes IGN] image à haute résolution [Termes IGN] image Formosat/COSMIC [Termes IGN] image Landsat-8 [Termes IGN] image Sentinel-MSI [Termes IGN] phénologie [Termes IGN] série temporelle Index. décimale : THESE Thèses et HDR Résumé : (auteur) La forêt a un rôle essentiel sur terre, que ce soit pour stocker le carbone et ainsi lutter contre le réchauffement climatique ou encore fournir un habitat à de nombreuses espèces. Or, la composition de la forêt (la localisation des essences ou leur diversité) a une influence sur les services écologiques rendus. Dans ce contexte, il est important de cartographier les forêts et les essences qui la composent. La télédétection, en particulier à partir d’images satellitaires, apparait comme le moyen le plus adéquat pour caractériser un vaste territoire. Avec l’arrivée de constellations satellitaires comme Sentinel-2 ou Landsat-8 et leur gratuité d’acquisition pour l’utilisateur, il devient possible d’envisager l’usage de séries temporelles d’images satellites à haute résolution spatiale, spectrale et temporelle à l’aide d’algorithmes d’apprentissage automatique. Si de nombreux travaux ont étudié le potentiel des images satellitaires pour identifier les essences, rares sont ceux qui utilisent des séries temporelles (plusieurs images par an) avec une haute résolution spatiale et en tenant compte de l’autocorrélation spatiale des références, i.e. la ressemblance des échantillons spatialement proches les uns des autres. Or, en ne prenant pas en compte ce phénomène, des biais d’évaluation peuvent survenir et ainsi surestimer la qualité des modèles d’apprentissage. Il s’agit aussi de mieux cerner les verrous méthodologiques afin de comprendre pourquoi il peut être facile ou compliqué pour un algorithme d’identifier une essence d’une autre. L’objectif général de la thèse vise à étudier le potentiel et les verrous concernant la reconnaissance des essences forestières à partir des séries temporelles d’images satellite à haute résolution spatiale, spectrale et temporelle. Le premier objectif consiste à étudier la stabilité temporelle des prédictions à partir d’une archive de neuf ans du satellite Formosat-2. Plus particulièrement, les travaux portent sur la mise en place d’une méthode de validation qui soit le plus fidèle à la qualité observée des cartographies. Le second objectif s’intéresse au lien entre les évènements phénologiques in situ (pousse des feuilles en début de saison, ou perte et coloration des feuilles en fin de saison) et ce qui est observable par télédétection. Outre la capacité de détecter ces évènements, il sera étudié si ce qui permet aux algorithmes de différencier les essences les unes des autres est lié à des comportements spécifiques par espèce. Note de contenu : 1- Introduction 2- Etude de la stabilité spatiale et statistique des prédictions 3- Etude de l’impact de l’autocorrélation spatiale 4- Etude et apport de la phénologie 5- Partage des outils et des données : assurer une reproductibilité des travaux 6- Conclusion générale Numéro de notice : 28326 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Agrosystèmes, Écosystèmes et Environnement : Toulouse : 2020 Organisme de stage : DYNAFOR DOI : sans En ligne : http://www.theses.fr/2020INPT0115 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98378