Inversion de données électromagnétiques par algorithme génétique pour la télédétection en zone forestière

Inversion electromagnetic data by using genetic algorithm for forest remote sensing

• Auteur / Autrice : Mahmoud Kanj
• Direction : Bernard Duchêne
• Type : Thèse de doctorat
• Discipline(s) : Physique
• Date : Soutenance le 28/11/2014
• Etablissement(s) : Paris 11
• Ecole(s) doctorale(s) : Ecole doctorale Sciences et Technologies de l'Information, des Télécommunications et des Systèmes (Orsay, Essonne ; 2000-2015)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des signaux et systèmes (Gif-sur-Yvette, Essonne ; 1974-....)
• Jury : Examinateurs / Examinatrices : Bernard Duchêne, Amélie Litman, Andrea Massa, Hélène Roussel, Cyril Dahon, Marc Hélier, Lionel Pichon
• Jury : Rapporteurs / Rapporteuses : Amélie Litman, Andrea Massa

Mots clés

Mots clés contrôlés

Modèles mathématiques

Champs électromagnétiques

Calcul évolutionnaire

Algorithmes génétiques

Radar en sciences de la Terre

Mots clés libres

Télédétection radar

Forêt

Modélisation électromagnétique

Inversion

Algorithme génétique

Radar remote sensing

Forest

Electromagnetic modelling

Inversion

Genetic algorithm

Résumé

La problématique de l'imagerie radar pose comme objectif de caractériser la cible observée. Dans le contexte de la télédétection appliquée aux milieux forestiers, il s'agit d'extraire les paramètres physiques constitutifs de la végétation.Ce manuscrit traite donc de la problématique de l'inversion de données électromagnétiques pour les basses fréquences radar, de la bande VHF à la bande P. Dans ces bandes de fréquences la canopée (feuilles et petites branches) n'interagit quasiment pas avec l'onde radar et la forêt peut donc, en première approximation, être représentée par des cylindres verticaux (troncs) et inclinés (branches primaires).Dans ce contexte, les méthodes d'inversion numériques s'appuient sur des modèles qui calculent, à de multiples reprises, les champs rayonnés par ce type de diffuseurs. Il faut alors choisir un modèle physique dont le compromis rapidité/précision penche en faveur de la rapidité, donc un modèle "approché". La précision du modèle choisi est ensuite étudié puis validé par comparaison à un modèle dont le compromis rapidité/précision est inversé, donc un modèle "exact". Parmi les nombreuses méthodes d'inversion, celle de l'algorithme génétique (AG) a été choisie. Cet algorithme bien connu est ici analysé puis amélioré pour répondre aux exigences du problème électromagnétique posé. Il est ensuite validé sur des données simulées et mesurées. Cette validation est aussi l'occasion d'étudier l'impact du jeu de données utilisé sur la rapidité et la précision de l'inversion, en fonction des configurations d'antenne (fréquences, positions, polarisations).

The objective of radar imaging is to characterize the observed target. In the case of forest remote sensing, the objective is to extract the component of the vegetation physical parameters.This manuscript addresses the problem of the inversion of electromagnetic data for low frequency wave, VHF band to the P band. In these frequency bands, the canopy (leaves and small branches) does not almost interact with the radar wave and the forest can thus, in first approximation, be represented by vertical cylinders (trunks) and tilted (primary branches).In this context, the numerical electromagnetic methods of inversion lean on models which calculate, many times, the scattered fields radiated by such broadcasters. It is then necessary to choose a physical model which compromise speed/accuracy tilts in favor of the speed, thus a "approached" model. The exactness of the chosen model is then studied and then validated by comparison to a model which the compromise speed/accuracy is inverted, thus a "exact" model. Among the many numerical methods of inversion, that of the genetic algorithm (AG) was chosen. This algorithm, well known, is analyzed here then improved to meet the requirements of the composed electromagnetic problem. It is then validated on simulated and measured data. This validation is also an opportunity to study the impact of the set of data used on the speed and the precision of the inversion, according to the configurations of antenna (frequencies, positions, polarizations).