Thèse soutenue

Cartographie automatique des espèces d'arbres en milieu urbain à partir de données de télédétection multi-source
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Josselin Aval
Direction : Xavier BriottetEmmanuel Zenou
Type : Thèse de doctorat
Discipline(s) : Océan, Atmosphère, Climat
Date : Soutenance le 25/10/2018
Etablissement(s) : Toulouse, ISAE
Ecole(s) doctorale(s) : École doctorale Aéronautique-Astronautique (Toulouse)
Partenaire(s) de recherche : Equipe de recherche : Équipe d'accueil doctoral Optronique, laser, imagerie physique, environnement Spatial (Toulouse, Haute-Garonne)
Laboratoire : Institut supérieur de l'aéronautique et de l'espace (Toulouse, Haute-Garonne). Département d’ingénierie des systèmes complexes - Office national d'études et de recherches aérospatiales (France). Département d'optique théorique et appliquée
Jury : Président / Présidente : Anne Puissant
Examinateurs / Examinatrices : Xavier Briottet, Emmanuel Zenou, Sophie Fabre, Christiane Weber, David Sheeren
Rapporteurs / Rapporteuses : Paolo Gamba, Florence Tupin

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

Avec l'expansion des zones urbaines, la pollution de l'air et l'effet d'îlot de chaleur augmentent, entraînant des problèmes de santé pour les habitants et des changements climatiques mondiaux. Dans ce contexte, les arbres urbains sont une ressource précieuse pour améliorer la qualité de l'air et promouvoir les îlot de fraîcheur. D'autre part, les canopées sont soumises à des conditions spécifiques dans l'environnement urbain, causant la propagation de maladies et la diminution de l'espérance de vie parmi les arbres. Cette thèse explore le potentiel de la télédétection pour la cartographie automatique des arbres urbains, de la détection des couronnes d'arbres à l'estimation des espèces, une tâche préliminaire essentielle pour la conception des futures villes vertes, et pour une surveillance efficace de la végétation. Fondé sur des données hyperspectrales aéroportées, panchromatiques et un modèle numérique de surface, le premier objectif de cette thèse consiste à tirer parti de plusieurs sources de données pour améliorer les cartes d'arbres urbains existants, en testant différentes stratégies de fusion (fusion de caractéristiques et fusion de décision). La nature des résultats nous a conduit à optimiser la complémentarité des sources. En particulier, le deuxième objectif est d'étudier en profondeur la richesse des données hyperspectrales, en développant une approche d'ensemble classifier fondée sur des indices de végétation, où les "classifier" sont spécifiques aux espèces. Enfin, la première partie a mis en évidence l'intérêt de distinguer les arbres de rue des autres structures d'arbres urbains. Dans un cadre de Marked Point Process, le troisième objectif est de détecter les arbres en alignement urbain. Par le premier objectif, cette thèse démontre que les données hyperspectrales sont le principal moteur de la précision de la prédiction des espèces. La stratégie de fusion au niveau de décision est la plus appropriée pour améliorer la performance en comparaison des données hyperspectrales seules, mais de légères améliorations sont obtenues (quelques %) en raison de la faible complémentarité des caractéristiques texturales et structurelles en plus des caractéristiques spectrales. L'approche d'ensemble classifier développée dans la deuxième partie permet de classer les espèces d'arbres à partir de références au sol, avec des améliorations significatives par rapport à une approche standard de classification au niveau des caractéristiques. Chaque classifieur d'espèces extrait reflète les attributs spectraux discriminants de l'espèce et peut être relié à l'expertise des botanistes. Enfin, les arbres de rue peuvent être cartographiés grâce au terme d'interaction des MPP proposé qui modélise leurs caractéristiques contextuelles (alignement et hauteurs similaires). De nombreuses améliorations doivent être explorées comme la délimitation plus précise de la couronne de l'arbre, et plusieurs perspectives sont envisageables après cette thèse, parmi lesquelles le suivi de l'état de santé des arbres urbains.