Étude de la phytogéographie des îles hautes de Polynésie française par classification SVM d'images multi-sources

par Robin Sylvain Pouteau

Thèse de doctorat en Télédétection

Sous la direction de Alban Gabillon.

Soutenue en 2011

à Polynésie française .


  • Résumé

    La composition floristique des îles hautes de Polynésie Française est caractérisée par une forte hétérogénéité spatiale. Les méthodes existantes de cartographie par télédétection ne sont guère appropriées à une telle complexité. Cette étude vise à les adapter afin de produire des cartes ayant une précision maximale. D’abord, la précision des classifications par SVM (machines à vecteurs de support, un algorithme d’apprentissage automatique prometteur) est comparée à celle de toute une gamme d’autres algorithmes afin de compléter la littérature. Puis, une méthodologie d’échantillonnage in situ adaptée au paradigme des SVM est décrite. Nous distinguons deux modèles d’études qui nécessitent des outils communs mais des méthodologies différentes pour être cartographiés : les espèces dominantes, caractérisées par une réponse spectrale propre, pour lesquelles l’ensemble des images sources disponibles (multi-spectrales, RaDAR à synthèse d’ouverture, descripteurs environnementaux) peuvent être fusionnées. Dans ce cas, nous proposons un schéma de classification sélectif des sources en fonction des caractéristiques discriminantes des espèces ; et (ii) les espèces de sub-canopée ou rares qui ne peuvent pas être directement identifiées par télédétection. Cette fois, les images de télédétection sont utilisées à priori pour produire une cartographie de la canopée à son tour intégrée à un jeu de descripteurs environnementaux par un SVM afin de modéliser la niche écologique des espèces. Ces méthodes peuvent permettre de connaître plus précisément la répartition de tout type de plante dans les paysages de forêts tropicales montagnardes.

  • Titre traduit

    Study of plant geography on French polynesian high volcanic islands by classifying multi-source images with SVM


  • Résumé

    The floristic composition of French Polynesian high volcanic islands are characterized by a great spatial heterogeneity. The existing remote sensing-based mapping methods are hardly suitable for such a complexity level. This study aims to adapt these methods in order to yield maps with a maximum accuracy. First, SVM (Support Vector Machines, a promising machine learning algorithm) classification accuracy is compared to classification accuracy of a range of other algorithms to complement the literature. Then, a ground data collection methodology that takes account of the SVM paradigm is described. We distinguish two study models requiring the same tools but dissimilar methodologies to be mapped: dominant species with a characteristic spectral response for which all available source images (multispectral, synthetic aperture RaDAR, environmental proxies) can be merged. For this purpose, we define a selective classification scheme that considers the discriminative properties of each species; And (ii) species found in the forest subcanopy or rare species which cannot be remote sensed. In this case, remote sensing data are used a priori to produce a canopy map that is subsequently staked with a set of environmental proxies to be integrated by a SVM in order to model the ecological niche of species. These methods can lead to a more accurate knowledge of plant distribution across montane tropical forest landscapes.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (132 p.)
  • Annexes : Bibliogr. et annexes uniquement sur la ressource électronique. Glossaire

Où se trouve cette thèse ?

  • Bibliothèque : Université de la Polynésie française. Bibliothèque universitaire.
  • Disponible pour le PEB
  • Cote : TS 2011 POUT

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Sorbonne Université. Bibliothèque de Sorbonne Université. Section Géosciences et environnement.
  • Disponible pour le PEB
  • Cote : 11 POLF 0005
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.