Exploitation de séries temporelles d'images multi-sources pour la cartographie des surfaces en eau

Use of multi-source image time series for surface water mapping

• Auteur / Autrice : Filsa Bioresita
• Direction : Anne Puissant
• Type : Thèse de doctorat
• Discipline(s) : Géomatique - Topographie
• Date : Soutenance le 07/03/2019
• Etablissement(s) : Strasbourg
• Ecole(s) doctorale(s) : École doctorale Sciences de la Terre et Environnement (Strasbourg ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire image, ville et environnement (Strasbourg)
• Jury : Président / Présidente : Carmen De Jong
• Jury : Rapporteurs / Rapporteuses : Samuel Corgne, Marc Robin

Mots clés

Mots clés contrôlés

Traitement d'images -- Techniques numériques

Imagerie satellitaire

Eaux de surface

Mots clés libres

Surfaces en eau

Sentinel-1

Sentinel-2

Traitement automatique

Séries temporelles

Multi-source

Fusion

Surface waters

Sentinel-1

Sentinel-2

Automated method

Time series

Multi-source

Fusion

Résumé

Les eaux de surface sont des ressources importantes pour la biosphère et l'anthroposphère. Elles favorisent la préservation des habitats, le développement de la biodiversité et le maintien des services écosystémiques en contrôlant le cycle des nutriments et le carbone à l’échelle mondiale. Elles sont essentielles à la vie quotidienne de l’homme, notamment pour l'irrigation, la consommation d’eau potable, la production hydro-électrique, etc. Par ailleurs, lors des inondations, elles peuvent présenter des dangers pour l'homme, les habitations et les infrastructures. La surveillance des changements dynamiques des eaux de surface a donc un rôle primordial pour guider les choix des gestionnaires dans le processus d’aide à la décision. L’imagerie satellitaire constitue une source de données adaptée permettant de fournir des informations sur les eaux de surface. De nos jours, la télédétection satellitaire a connu une révolution avec le lancement des satellites Sentinel-1 (Radar) et Sentinel-2 (Optique) qui disposent d’une haute fréquence de revisite et d’une résolution spatiale moyenne à élevée. Ces données peuvent fournir des séries temporelles essentielles pour apporter davantage d'informations afin d'améliorer la capacité d'observation des eaux de surface. L’exploitation de telles données massives et multi-sources pose des défis en termes d’extraction de connaissances et de processus de traitement d’images car les chaines de traitement doivent être le plus automatiques possibles. Dans ce contexte, l'objectif de ce travail de thèse est de proposer de nouvelles approches permettant de cartographier l’extension spatiales des eaux de surface et des inondations, en explorant l'utilisation unique et combinée des données Sentinel-1 et Sentinel-2.

Surface waters are important resources for the biosphere and the anthroposphere. Surface waters preserve diverse habitat, support biodiversity and provide ecosystem service by controlling nutrient cycles and global carbon. Surface waters are essential for human's everyday life, such as for irrigation, drinking-water and/or the production of energy (power plants, hydro-electricity). Further, surface waters through flooding can pose hazards to human, settlements and infrastructures. Monitoring the dynamic changes of surface waters is crucial for decision making process and policy. Remote sensing data can provide information on surface waters. Nowadays, satellite remote sensing has gone through a revolution with the launch of the Sentinel-1 SAR data and Sentinel-2 optical data with high revisit time at medium to high spatial resolution. Those data can provide time series and multi-source data which are essential in providing more information to upgrade ability in observing surface water. Analyzing such massive datasets is challenging in terms of knowledge extraction and processing as nearly fully automated processing chains are needed to enable systematic detection of water surfaces.In this context, the objectives of the work are to propose new (e.g. fully automated) approaches for surface water detection and flood extents detection by exploring the single and combined used of Sentinel-1 and Sentinel-2 data.