Caractérisation des forêts de montagne par scanner laser aéroporté : estimation de paramètres de peuplement par régression SVM et apprentissage non supervisé pour la détection de sommets

Using airborne laser scanning for mountain forests mapping : support vector regression for stand parameters estimation and unsupervised training for treetop detection.

• Auteur / Autrice : Jean-Matthieu Monnet
• Direction : Jocelyn Chanussot, Frédéric Berger
• Type : Thèse de doctorat
• Discipline(s) : Sciences et technologie industrielles
• Date : Soutenance le 25/10/2011
• Etablissement(s) : Grenoble
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Equipe de recherche : CEMAGREF
• Jury : Président / Présidente : Paul Gader
• Jury : Examinateurs / Examinatrices : Jocelyn Chanussot, Frédéric Berger, Markus Hollaus
• Jury : Rapporteurs / Rapporteuses : Barbara Koch, Florence Tupin, Agnes Delmas

Mots clés

Mots clés libres

Télédétection

Forêt

Lidar

Scanner laser aéroporté

Détection d'arbre

Régression à vecteurs de support

Remote sensing

Forest

Lidar

Airborne laser scanning

Treetop detection

Support vector regression

Résumé

De nombreux travaux ont montré le potentiel de la télédétection parscanner laser aéroporté pour caractériser les massifs forestiers.Cependant, l'application aux forêts complexes de montagne reste encorepeu documentée. On se propose donc de tester les deux principalesméthodes permettant d'extraire des paramètres forestiers sur desdonnées acquises en zone montagneuse et de les adapter aux contraintesspéci fiques à cet environnement. En particulier on évaluera d'unepart l'apport conjoint de la régression à vecteurs de support et de laréduction de dimension pour l'estimation de paramètres de peuplement,et d'autre part l'intérêt d'un apprentissage non supervisé pour ladétection d'arbres.

Numerous studies have shown the potential of airborne laser scanningfor the mapping of forest resources. However, the application of thisremote sensing technique to complex forests encountered in mountainousareas requires further investigation. In this thesis, the two mainmethods used to derive forest information are tested with airbornelaser scanning data acquired in the French Alps, and adapted to theconstraints of mountainous environments. In particular,a framework for unsupervised training of treetop detection isproposed, and the performance of support vector regression combinedwith dimension reduction for forest stand parameters estimation isevaluated.