Approche couplée LiDAR - hyperspectral pour la caractérisation des corridors fluviaux

Coupling LiDAR and hyperspectral data to characterize fluvial corridors

• Auteur / Autrice : Julien Godfroy
• Direction : Hervé Piégay
• Type : Thèse de doctorat
• Discipline(s) : Géographie, spécialité Aménagement Urbanisme
• Date : Soutenance le 06/04/2023
• Etablissement(s) : Lyon, École normale supérieure
• Ecole(s) doctorale(s) : École doctorale Sciences sociales (Lyon)
• Partenaire(s) de recherche : Laboratoire : Environnement, ville, société (Lyon ; 1995-....)
• Jury : Président / Présidente : Christophe Delacourt
• Jury : Examinateurs / Examinatrices : Hervé Piégay, Christophe Delacourt, Frédéric Liébault, Jérôme Lejot, Candide Lissak
• Jury : Rapporteurs / Rapporteuses : Laurence Hubert-Moy, Frédéric Liébault

Mots clés

Mots clés contrôlés

Bathymétrie

Forêts ripicoles

Lidar

Cours d'eau -- France -- Ain (France)

Mots clés libres

Forêt riveraine

Stress hydrique

Incision

Ain

Télédétection fluviale

Bathymétrie

Imagerie hyperspectrale

Imagerie infrarouge thermique

LiDAR

Riparian forest

Water stress

Channel incision

Ain River

Fluvial remote sensing

Bathymetry

Hyperspectral imaging

Thermal infrared imaging

LiDAR

Résumé

Cette thèse explore le potentiel des outils émergents de télédétection fluviale (LiDAR terrestre et bathymétrique, imageur hyperspectral, imageur infra-rouge thermique) pour la caractérisation et le suivi des corridors fluviaux. Le cadre géographique d’application est la basse vallée de l’Ain, concernée par des enjeux liés à l’incision du chenal et par un projet de recharge sédimentaire. Dans un premier temps, l’imagerie hyperspectrale nous permet de restituer les profondeurs d’eau sur un linéaire de 20 kilomètres pour un débit de référence et des profondeurs allant jusqu’à 2,5 mètres. Cela nous permet de confirmer la possibilité d’extrapoler un modèle sur un long linéaire fluvial, et de restituer des profondeurs d’eau pour différents débits à partir d’une même campagne. Nous évaluons les erreurs survenant sur l’ensemble du linéaire, puis ré-exploitons les méthodes développées pour identifier les changements morphologiques survenus entre 2015 et 2022 et éprouver la robustesse de ces méthodes pour le suivi. Dans un second temps, nous couplons inventaire forestier et données LiDAR et hyperspectrales pour caractériser la forêt riveraine. Nous montrons que ces données décrivent bien les changements morphologiques des peuplements le long d’un gradient d’âge et permettent de prédire le niveau de connectivité hydrologique des ripisylves. La modification des conditions physiques des milieux forestiers entraînée par l’incision du chenal conduit à un assèchement du milieu et nous amène à identifier un stress hydrique potentiel des peuplements. Dans un troisième temps, nous explorons ce stress hydrique potentiel à partir de campagnes aéroportées d’imagerie infrarouge thermique et de relevés de terrain écophysiologiques. Bien que l’usage de caméras thermiques sur des plateformes aéroportées permette de caractériser le stress hydrique, la saisonnalité du phénomène nécessite de réaliser des acquisitions multiples ou durant une fenêtre spécifique afin de bien le détecter. L’ensemble de ces travaux nous permet de formuler des recommandations à la fois pour la gestion des milieux fluviaux et pour l’usage de données de télédétection dans les campagnes de monitoring de ces environnements.

This PhD. aims at assessing the ability of emerging fluvial remote sensing techniques (such as terrestrial and topo-bathymetric LiDAR, hyperspectral imaging, and thermal infrared imaging) to characterize and monitor fluvial corridors. The study site is the lower basin of the Ain River which is affected by a range of issues related to channel incision, and is the location of a gravel augmentation project. First, we use hyperspectral imaging to predict channel bathymetry for a reference discharge and depths up to 2.5 meters along a river reach of 20 km. This allows us to confirm the ability of hyperspectral optical models to be extrapolated to a long river reach, and to retrieve with a single campaign bathymetric data for multiple discharge conditions. We study the errors occurring along the 20 km reach and then we use the same methodology to identify morphological changes occurring between 2015 and 2022 and to therefore evaluate its applicability for change monitoring. Second, we combine forestry field surveys with LiDAR and hyperspectral data in order to characterize the riparian forest. We demonstrate the ability of such datasets to describe morphological changes along an age gradient and to predict the degree of hydrological connection of the riparian forest. Changes in the physical site conditions of the riparian forest due to channel incision leads to dryer forest conditions, and suggests the presence of potential water stress at the plot level. Third, we explore this water stress hypothesis by using thermal infrared imaging and eco-physiological field measurements. While mounting thermal infrared sensors on an airborne vector can enable water stress characterization, targeting a specific acquisition window or acquiring multiple campaigns is required to detect stress conditions due to their variability during summer. This work then allows us to make recommendations for both the management and restoration of fluvial systems and the use of remote-sensing data to characterize and monitor such environments.