Reconstruction de données manquantes dans des séries temporelles de mesure de déplacement par télédétection.

par Alexandre Hippert Ferrer

Thèse de doctorat en STIC Traitement de l'Information

Sous la direction de Philippe Bolon et de Yajing Yan.

Thèses en préparation à Chambéry , dans le cadre de École doctorale sciences et ingénierie des systèmes, de l'environnement et des organisations , en partenariat avec Laboratoire d'Informatique, Systèmes, Traitements de l'Information et de la Connaissance (laboratoire) depuis le 01-10-2017 .


  • Résumé

    Malgré la masse de données (satellitaires et in-situ) disponibles pour diverses applications d’observation de la Terre, l’incomplétude de données reste toujours un problème fréquemment rencontré pour suivre un phénomène. Le développement de méthodes permettant de reconstruire les données manquantes à partir des données observées constitue alors un enjeu majeur en télédétection. Dans cette thèse, nous proposons d’étudier trois méthodes de type analyse objective, en s’appuyant sur des formulations mathématiques 1) l’analyse variationnelle 2) la décomposition en « Empirical Orthogonal Functions » 3) l’interpolation optimale pour des problèmes de reconstruction de données manquantes dans des séries temporelles d’images satellitaires Sentinel-1. Les avantages et les inconvénients de chacune des méthodes vis à vis de la caractéristique spatio-temporelle du signal à reconstruire et de la connaissance a priori du mécanisme physique sous-jacent, seront mis en évidence à travers des jeux de données synthétiques. Dans un second temps, ces méthodes seront appliquées à la mesure de déplacement du glacier d’Argentière, ce qui constitue un véritable défi à cause de la superficie importante de la zone de données manquantes, de la complexité du signal de déplacement à restituer, ainsi que de la connaissance insuffisante du processus physique sous-jacent. En n, la modi cation de certaines méthodes ou la proposition de nouvelles méthodes qui s’adaptent mieux au contexte d’utilisation sera envisagée.

  • Titre traduit

    Missing data reconstruction in remotely sensed displacement measurement time series.


  • Résumé

    Despite the mass of data (satellite and in-situ) available for various Earth observation applications, data incompleteness is still a frequently encountered problem in tracking a phenomenon. The development of methods to reconstruct the missing data from observed data is a major challenge in remote sensing. In this thesis, we propose to study three di erent methods in the family of objective analysis based on mathematical formulations 1) variational analysis 2) decomposition in 'Empirical Orthogonal Functions' 3) optimal interpolation in problems of reconstruction of missing data in time series of Sentinel-1 satellite images. The advantages and disadvantages of each method in terms of spatio-temporal characteristic of the signal to be reconstructed and a priori knowledge of the underlying physical mechanism, will be demonstrated by means of synthetic data sets. In a second step, these methods will be applied to the displacement measurement of the Argentière glacier, which is a real challenge because of the large area of missing data, the complexity of the displacement signal to be restored and insu cient knowledge about the underlying physical process. Finally, the modi cation of certain methods or the proposal of new methods that better adapt to the context of use will be considered.