Search

Las imágenes de radar se han convertido en los últimos años en una herramienta de uso frecuente para la extracción de información geológica, siendo cada vez más numerosos los sistemas de teledetección por radar que ponen a disposición una gran variedad de imágenes de gran utilidad en la cartografía geológica. Dada la geometría de observación de los sistemas de radar (observación lateral) y las características de la señal (microondas activas), los datos adquiridos por sensores de radar son sustancialmente diferentes a los obtenidos por los sensores óptico-electrónicos, pudiendo ser considerados como una fuente de información complementaria. Los procesos que intervienen en la formación de una imagen de radar son muy dependientes de las propiedades del haz de radar, en términos de las características de la señal (frecuencia y polarización) y la geometría de observación (ángulo de incidencia, dirección de visión). Los satélites que llevan a bordo sensores de radar, pueden tomar imágenes en órbita ascendente o descendente, con mirada a la derecha o a la izquierda y con distintos ángulos de inclinación, variando así las condiciones de iluminación, por lo cual imágenes de una misma zona pueden ofrecer información muy diferente. Por estos motivos, el criterio de selección de las imágenes para una aplicación particular se convierte en un paso esencial. La sensibilidad de las microondas a las propiedades dieléctricas, al contenido de humedad y a la rugosidad superficial –en relación con la longitud de onda del haz de radar-, se verá reflejada en el tono y textura de las imágenes, dado que estos factores inciden directamente en la intensidad de la señal. Los sensores de radar permitirán poner en evidencia variaciones morfológicas sutiles en la micro topografía de los afloramientos, aún cuando las mismas se encuentren por debajo del límite de la resolución espacial. La morfología del terreno –sus pendientes y orientaciones- impactará significativamente en el retorno de la señal, puesto que condiciona el ángulo de incidencia local del haz de radar. Por otra parte, la geometría de visión lateral favorecerá el reconocimiento de lineamientos y rasgos estructurales en general, cuando estos presenten una expresión morfológica superficial y cuando la observación de los mismos sea realzada por la dirección de iluminación del haz de radar. Dada la gran variabilidad de los factores involucrados en la formación de una imagen de radar y de cómo todos estos factores interactúan con las características del territorio observado, es necesario tener estos elementos en cuenta para poder interpretar fielmente las características geológicas de un área. Se presentan aquí los fundamentos y resultados de algunas experiencias orientadas a analizar las potencialidades de las imágenes de radar de expresar variaciones litológicas y de favorecer la detección de rasgos estructurales y morfológicos. In recent years, radar imagery has become a frequently used tool for geological information extraction as more numerous radar remote sensing systems that make available a great variety of images of great utility to geological mapping have become available. Given these radar systems’ observation geometry (side viewing) and signal nature (active microwave), the data acquired by these radar sensors are substantially different from those obtained by optical sensors, making them able to be considered as a complementary information sources. The processes involved in the formation of radar imagery are highly dependent on the properties of the radar beam in terms of both the signal character (frequency and polarization) and the observation geometry (incidence angle, look direction). The satellites carrying on-board radar sensors can acquire images in either ascending or descending orbit and in either right- or left-looking directions as well as with different inclination angles (thus varying illumination conditions). Therefore images of the same area taken by different systems can provide very different information. Thus, determining the criteria for image selection for a particular application is an essential step. The microwave’s sensitivity to dielectric properties, moisture content and surface roughness, particularly in relationship to the wavelength of the radar beam, will be reflected in the images tone and texture since these factors directly affect the signal intensity. Radar sensors can highlight subtle morphological variations in an outcrops’ micro topography even when its size is below the limit of the spatial resolution of the imagery. The terrain morphology (its slope and aspect) will have a significant impact on the return signal since it affects the local radar beam incidence angle. Moreover, the side-viewing geometry will benefit the identification of lineaments and structural features in general when they have a morphological expression and if their observation is enhanced by the radar beam illumination. Given the great variability of the factors involved in formation of a radar image, and given how all these factors interact with the characteristics of the imaged area, all these elements must be taken into account to faithfully interpret the geological characteristics of a particular territory. The basis and results of some analyses of the potential of radar imagery to manifest lithological variations and to benefit the detection of structural and morphological features are presented here.

International audience; A Fussy and evidential approach for temporal changes interpretation in a forestry context using cartographic and satellite data

La matière particulaire est un agent nocif pour la santé humaine et la réduction de sa concentration atmosphérique est nécessaire dans une approche de santé publique. L’atteinte de cet objectif passe par, entre autres, la captation des particules par la végétation. La question que nous nous sommes posés est: quel est le potentiel de captation des arbres publics dans la ville de Montréal. Comme site à l’étude, nous avons choisi les grands parcs, car leur végétation arborescente couvre un pourcentage important de leur surface. Le modèle de captation de la matière particulaire du logiciel i-Tree a été utilisé pour définir la capacité de purification de l’air selon les caractéristiques spécifiques de chaque parc. Ces caractéristiques comprennent l’indice de surface foliaire des arbres (LAI) et l’étendue des canopées, les conditions météorologiques ainsi que les concentrations des particules dans l’air. Plusieurs méthodes et techniques de calcul de ces paramètres ont été testés et les plus appropriées retenues pour le calcul des intrants. Les calculs ont été faits sur une base journalière pour l’ensemble de l’année 2017. Les résultats montrent que le total des particules captées pendant l’année 2017 s’élève à un peu plus que 3.5 tonnes pour les quatorze parcs évalués. Selon nos calculs, la majeure partie de ces particules a été lessivée au sol par les pluies et un faible pourcentage a été remis en circulation. Un test de validation des résultats in situ n’a pas été concluant. Il n’en demeure pas moins que les résultats sont similaires aux résultats des recherches effectuées dans d’autres villes Nord-Américaines avec le modèle d’i-Tree. Ces résultats montrent que le rôle des arbres pour la purification de l’air est important tout au moins localement. Les possibilités d’améliorer les méthodes de calcul des intrants du modèle de captation sont également discutées., Particulate matter is an agent harmful to human health and reducing its atmospheric concentration is necessary from a public health approach. Achieving this objective requires, among other things, the capture of particles by vegetation. Our research question was what is the potential of public trees in the city of Montreal for capturing such particles. We chose large parks as our study site, because trees cover a significant percentage of their surface. The particulate matter capture model of the i-Tree software was used to define the air purification capacity according to the specific characteristics of each park. These characteristics include tree leaf area index (LAI) and canopy extent, weather conditions, and particulate matter concentrations in the air. Several methods and techniques for calculating these parameters were tested and the most appropriate ones used for the calculation of inputs to the model. Calculations were made on a daily basis for the whole of 2017. The results show that just over 3.5 tonnes of particles were captured for the fourteen parks evaluated over this period. According to our calculations, most of these particles were leached to the ground by rain and a small percentage were put back into circulation. A validation test of the results in situ was inconclusive. The fact remains that the results are similar to those of research carried out in other North American cities with the i-Tree model. These results show that the role of trees for air purification is important at least locally. Possibilities for improving the methods of calculating the inputs for the capture model are also discussed.

Les changements du niveau de la mer sont un des indicateurs des changements climatiques qui affectent le monde depuis les dernière décennies. Dans les zones côtières, ce phénomène est à l'origine de l'érosion côtière, l'intrusion d'eau salée dans la nappe phréatique et les inondations. Les côtes du Canada ne sont pas épargnées. En effet, le niveau de la mer dans ces régions augmente actuellement et suit les tendances mondiales. Parmi ces zones côtières, celles du golfe du Saint-Laurent nous ont intéressées. Elles sont caractérisées par des propriétés physiques spécifiques comme l'isolement relatif par rapport l'océan Atlantique, la couverture de glace en hiver et la coulée de l'eau douce au printemps qui leurs confèrent un comportement particulier en termes de changements du niveau de la mer. Les changements du niveau de la mer peuvent être déterminés en intégrant les données des marégraphes et de l'altimétrie satellitaire que le résultat de cette procédure conduit à une détermination relative du niveau moyen de la mer. Cependant, parce que la structure de mesure de ces données est différente, certaines corrections doivent être appliquées. L'une des corrections parmi les plus essentielles est la longueur du Mouvement de Terrain Vertical (MTV) qui doit être prise en compte dans les données des marégraphes, car ces derniers sont connectés directement à la croûte terrestre. Différents phénomènes peuvent causer le MTV. À une échelle locale, la tectonique, l'affaissement et la sédimentation sont les facteurs qui créent le mouvement vertical et à une méso ou macro-échelle, la fonte des inlandsis qui entraîne une modification de la charge de masse de la surface de la terre, provoquent le mouvement des terres. Il existe divers modèles et méthodes de correction du MTV globaux et locaux, tels que l'Ajustement Isostatique Glaciaire (AIG), le Système Mondial de Navigation par Satellite (SMNS), l'Interférométrie par Radar Synthèse d'Ouverture (InRSO), Gravity Recovery and Climate Experiment (GRACE) et le calcul de la différence entre données marégraphiques et altimétriques par satellite. Parmi ces méthodes, l'utilisation de la vitesse verticale des données GPS est la plus précise. Cependant, en raison du faible nombre de stations GPS dans ou proximité des stations marégraphiques, l'utilisation d'une approche plus globale est inévitable. En utilisant cette correction, le niveau moyen absolu de la mer sera obtenu. Dans cette étude, l'évaluation du MTV se fait par un algorithme d'InRSO, appelé Diffuseurs Persistants InRSO (DPInRSO en anglais PSInSAR). Les images du RSO du satellite Sentinel-1 sont soumises à l'analyse DPInRSO. Afin d'évaluer la précision de cette approche, les résultats de DPInRSO (obtenus du logiciel Stanford Method for Persistent Scatterers (StaMPS)) pour deux régions de l'est du Canada (Halifax et St. John's) sont comparés à la GPS vitesse verticale en analysant les séries temporelles de données. Également, en utilisant la même méthode, le mouvement vertical des terres dans 24 stations marégraphiques du golfe du Saint-Laurent sera corrigé. L'étude du niveau moyen de la mer est mise en oeuvre en utilisant l'analyse spectrale (analyse harmonique et analyse spectrale des moindres carrés (ASMC)) afin de supprimer les effets à long terme des constituants de la marée (constituants annuels et semi-annuels). Aussi, pour évaluer le niveau moyen absolu de la mer (NMAM) dans la région considérée, le niveau moyen de la mer calculé est corrigé sur la base des résultats du MTV. En conclusion, la comparaison des résultats de la technique DPInRSO avec les données GPS indique le comportement similaire des tendances au cours de la période d'étude. En d'autres termes, la méthode DPInRSO mesure le mouvement vertical des terres en précision millimétrique dans la région d'étude (à l'exception d'une station) et elle peut être appliquée pour les régions qu'elles ne se connectent pas sur le positionnement GPS continu des marégraphes. Dans le cas d'un changement du niveau de la mer, l'incompatibilité entre les données marégraphiques et altimétriques en termes de temps rend la conclusion plus diffcile. Cependant, sur la base d'observations continues dans des séries temporelles de données altimétriques, nous avons obtenu une tendance plus homogène du niveau de la mer (niveau moyen de la mer) dans toutes les stations, mais pour évaluer le changement à long terme du niveau de la mer et en raison de l'emplacement exact de la station marégraphique, ces dernières données doivent être prises en compte (à la fois dans le calcul du niveau moyen de la mer et des constituants de la marée). Enfin, en raison du faible changement de MTV, les valeurs moyennes absolues du niveau de la mer sont très proches de celles relatives, ce qui indique que nous pouvons évaluer les changements du niveau de la mer dans le golfe du Saint-Laurent, en utilisant uniquement les données marégraphiques et altimétriques. En plus de faire des corrections, des cartes de la tendance du niveau de la mer et des différences de phase entre les stations marégraphiques seront représentées. La qualité des données des marégraphes et de l'altimétrie satellitaire sera discutée et rapportée sur les résultats tirés de l'étude., Sea level changes are one of the indicators of climate change that has affected the world in recent decades. In coastal areas, this phenomenon has caused coastal erosion, saltwater intrusion into the groundwater and floods. These environmental changes can also be seen in Canada's coasts. Indeed, the sea level in these regions is currently increasing and follows the global trends. Among these coastal areas, those of the Gulf of St. Lawrence interested us. This area is characterized by specific physical properties such as relative isolation from the Atlantic Ocean, winter ice cover and spring freshwater flow that confer particular behavior in terms of sea level changes. Sea level changes can be determined by integrating the tide gauge and satellite altimetry data that the result of this procedure leads to a relative determination of mean sea level. However, because the measurement structures of these data are different, some corrections should be applied. One of the most essential corrections is the length of the Vertical Land Motion (VLM) which must be taken into account in tide gauge data, as these are connected directly to the Earth crust. Different phenomena can cause VLM. In the local scale, tectonics, subsidence and sedimentation are the factors that create vertical movement and in global scale, melting of ice sheets, which leads to change the mass loading of the earth's surface, cause the land motion. There are various global and local VLM correction models and methods such as, Glacial Isostatic Adjustment (GIA), Global Navigation Satellite Systems (GNSS), Interferometry Synthetic Aperture Radar (InSAR), Gravity Recovery and Climate Experiment (GRACE) and calculation of difference between satellite altimetry and tide gauge data. Between these methods, using the vertical velocity of GPS data is the most accurate one. However, due to the low number of GPS stations in or near the tide gauge stations, using a more comprehensive approach is inevitable. By applying this correction, the absolute mean sea level will be obtained. In this study, VLM is examined by one algorithm of InSAR which is called Persistent Scatterer InSAR (PSInSAR). The Sentinel-1 single-look SAR images are used for PSInSAR analysis. In order to accuracy assessment of this approach, the results of PSInSAR (obtained from Stanford Method for Persistent Scatterers software (StaMPS)) for two regions in east of Canada (Halifax and St. John's) are compared with GPS vertical velocity by analyzing their time series data. Equally, by using the same method, vertical land movement in 24 tide gauge station in Gulf of St. Lawrence will be corrected. Investigation of mean sea level is implemented by using the spectral analysis (Harmonic analysis and Least Square Spectral Analysis) in order to remove the long-term effects of tidal constituent (annual and semiannual constituents). Also, to assess the Absolute Mean Sea Level (AMSL) in considered region, calculated mean sea level is corrected based on the results of VLM. In conclusion, comparing of the results of PSInSAR technique with GPS data indicate the similar behavior of trends during the period of study. In other words, PSInSAR method measures vertical land motion in millimeter precision in study region (except of one station) and it can be applied for regions that they do not connect on continuous GPS positioning of tide gauges. In the case of sea level change, incompatibility between tide gauge and altimetry data in terms of time makes the conclusion harder. However, based on continues observations in time series of altimetry data, we obtained more homogeneous sea level trend (mean sea level) in all stations, but to evaluate the long-term sea level change and because of exact location of tide gauge station, this latter data must be considered (both in calculation of mean sea level and tidal constituents). Finally, because of small values of VLM, absolute mean sea level values are very close to relative one which indicate that, we can evaluate the sea level changes in Gulf of Saint Lawrence by using only the tide gauge and altimetry data. In addition to making corrections, the maps of sea level trend and phase differences between tide gauge stations will be represented. The quality of the tide gauge and satellite altimetry records will be discussed and reported over the drawn results of the study.

Le suivi des espaces urbanisés et de leurs dynamiques spatio-temporelles représente un enjeu important pour la population urbaine, autant sur le plan environnemental, économique et social. Avec le lancement des satellites portant des radars à synthèse d’ouverture de la nouvelle génération (TerraSAR-X, COSMO-SkyMed, ALOS, RADARSAT-2,Sentinel-1, Constellation RADARSAT), il est possible d’obtenir des séries temporelles d’images avec des résolutions spatiales et temporelles fines. Ces données multitemporelles aident à mieux analyser et décrire les structures urbaines et leurs variations dans l’espace et dans le temps. L’interférométrie par satellite est effectuée en comparant les phases des images RSO prises à différents passages du satellite au-dessus du même territoire. En optant pour des positions du satellite séparées d’une longue ligne de base, l’InSAR mène à la création des modèles numériques d’altitude (MNA). Si cette ligne de base est courte et à la limite nulle, nous avons le cas de l’interférométrie différentielle (DInSAR) qui mène à l’estimation du mouvement possible du terrain entre les deux acquisitions. Pour toutes les deux applications de l’InSAR, deux opérations sont importantes qui garantissent la génération des interférogrammes de qualité. La première est le filtrage du bruit omniprésent dans les phases interférométriques et la deuxième est le déroulement des phases. Ces deux opérations deviennent particulièrement complexes en milieu urbain où au bruit des phases s’ajoutent des fréquents sauts et discontinuités des phases dus à la présence des bâtiments et d’autres structures surélevées. L’objectif de cette recherche est le développement des nouveaux algorithmes de filtrage et de déroulement de phase qui puissent mieux performer que les algorithmes considérés comme référence dans ce domaine. Le but est d’arriver à générer des produits InSAR de qualité en milieu urbain. Concernant le filtrage, nous avons établi un algorithme qui est une nouvelle formulation du filtre Gaussien anisotrope adaptatif. Quant à l’algorithme de déroulement de phase, il est fondé sur la minimisation de l’énergie par un algorithme génétique ayant recours à une modélisation contextuelle du champ de phase. Différents tests ont été effectués avec des images RSO simulées et réelles qui démontrent le potentiel de nos algorithmes qui dépasse à maints égards celui des algorithmes standard. Enfin, pour atteindre le but de notre recherche, nous avons intégré nos algorithmes dans l’environnement du logiciel SNAP et appliqué l’ensemble de la procédure pour générer un MNA avec des images RADARSAT-2 de haute résolution d’un secteur de la Ville de Montréal (Canada) ainsi que des cartes des mouvements du terrain dans la région de la Ville de Mexico (Mexique) avec des images de Sentinel-1 de résolution plutôt moyenne. La comparaison des résultats obtenus avec des données provenant des sources externes de qualité a aussi démontré le fort potentiel de nos algorithmes., The monitoring of urban areas and their spatiotemporal dynamics is an important issue for the urban population, at the environmental, economic, as well as social level. With the launch of satellites carrying next-generation synthetic aperture radars (TerraSAR-X, COSMO-SkyMed, ALOS, RADARSAT-2, Sentinel-1, Constellation RADARSAT), it is possible to obtain time series of images with fine temporal and spatial resolutions. These multitemporal data help to better analyze and describe urban structures, and their variations in space and time. Satellite interferometry is performed by comparing the phases of SAR images taken at different satellite passes over the same territory. By opt-ing for satellite positions separated by a long baseline, InSAR leads to the creation of digital elevation models (DEM). If this baseline is short and, at the limit zero, we have the case of differential interferometry (DInSAR) which leads to the estimation of the possible movement of the land between the two acquisitions. In both InSAR applica-tions, two operations are important that ensure the generation of quality interferograms. The first is the filtering of ubiquitous noise in the interferometric phases and the second is the unwrapping of the phases. These two operations become particularly complex in urban areas where the phase noise is added to the frequent jumps and discontinuities of phases due to the presence of buildings and other raised structures. The objective of this research is the development of new filtering and phase unwrap-ping algorithms that can perform better than algorithms considered as reference in this field. The goal is to generate quality InSAR products in urban areas. Regarding filtering, we have established an algorithm that is a new formulation of the adaptive anisotropic Gaussian filter. As for the phase unwrapping algorithm, it is based on the minimization of energy by a genetic algorithm using contextual modelling of the phase field. Various tests have been carried out with simulated and real SAR images that demonstrated the potential of our algorithms that in many respects exceeds that of standard algorithms. Finally, to achieve the goal of our research, we integrated our algorithms into the SNAP software environment and applied the entire procedure to generate a DEM with high-resolution RADARSAT-2 images from an area of the City of Montreal (Canada) as well as maps of land movement in the Mexico City region (Mexico) with relatively medium-resolution Sentinel-1 images. Comparison of the results with data from external quality sources also demonstrated the strong potential of our algorithms.

Grâce aux technologies de l’information et aux systèmes de positionnement par satellites (GNSS), l’agriculture de précision raffine l’échelle d’observation et d’intervention, du champ à la plante individuelle. La télédétection, notamment à travers les images satellitaires, a également permis de surveiller l’évolution de la culture, avec une fréquence temporelle et une résolution spatiale accrues. La vigueur de la culture est un paramètre crucial de la fertilisation, permettant d’optimiser l’apport en intrants et de générer des retombées économiques et environnementales. Plusieurs manières d’estimer la vigueur sont possibles. Pour une culture en rangs comme le maïs (Zea Mays L.), nous avons privilégié la biomasse qui servira de proxy à la vigueur. Notre étude s’appuie sur l’hypothèse que l’avènement des drones agricoles ouvrira la voie à une meilleure estimation de la vigueur. Nous supposons que la flexibilité de la plateforme combinée avec la très haute résolution spatiale (THRS) des images droniques permettra un suivi plus précis de l’évolution de la vigueur, tant dans l’espace que dans le temps – conditions critiques pour le déploiement de l’agriculture de précision. Les recherches des 15 dernières années s’appuient sur le drone pour collecter des images THRS, dont le traitement fait appel principalement à la méthode des indices de végétation, tel le NDVI. Plusieurs questions se posent : – Le recours au NDVI est-il la manière la plus efficiente d’exploiter la THRS des images droniques ? Si non, comment exploiter autrement et mieux cette imagerie ? – Attendu les contraintes de temps, la quantité de données et les impératifs logistiques, la méthode de traitement adoptée sera-t-elle suffisamment robuste ? Les concepts utilisés seront-ils simples et compréhensibles pour obtenir l’adhésion des utilisateurs finaux, c’est-à-dire les agriculteurs ? – Les capteurs à bord des drones pouvant être orientés assez librement, quels sont les effets des angles de visée sur les résultats ? D’abord, nous avons évalué la pertinence de l’approche classique, consistant à utiliser l’indice NDVI pour déterminer les paramètres de la culture. Pour cela, la plateforme dronique est comparée avec le capteur de proximité GreenSeeker. Il en découle que le drone se montre moins performant que le GreenSeeker pour l’estimation de la biomasse du maïs. Nous avons ainsi délaissé l’approche classique et opté pour un indicateur de surface apparente, extrait à l’aide des techniques de vision par ordinateur appliquées à des images RGB. Cette méthode tire profit de la THRS offerte par l’imagerie dronique et produit un proxy robuste de la biomasse, au niveau surfacique (par mètre carré) et linéaire (par rang). Nous avons aussi constaté que les résultats n’étaient pas affectés par les angles d’acquisition des images (au nadir et obliques). Partant, cette recherche ouvre la perspective à des applications de la dronautique en agriculture de précision, pour l’estimation de la vigueur et d’autres paramètres fondamentaux entrant dans les algorithmes d’optimisation des intrants. Elle offre également la possibilité d’imaginer des plateformes non-droniques pour l’acquisition des images THRS dans le contexte de la fertilisation., Thanks to information technologies and GNSS (Global Navigation Satellite System), precision agriculture is refining the scale of observation and intervention, from the field to the individual plant. Remote sensing, in particular through satellite imagery, has also made it possible to monitor the crop dynamics, with increasing time frequency and spatial resolution. Crop vigor is a crucial parameter allowing the optimization of inputs, and consequently economic and environmental benefits. Several ways to estimate crop vigor are possible. For a row crop such as corn (Zea Mays L.), aboveground biomass has been favored and will serve as a proxy for vigor. Our study is based on the hypothesis that the recent advent of agricultural UAVs (Unmanned Aerial Vehicles) will pave the way for a better estimation of crop vigor. We assume that the flexibility of the UAV combined with the very high spatial resolution of their images will allow a more accurate monitoring of crop vigor, both in space and time – conditions which are critical for the deployment of precision agriculture. Research over the past 15 years has relied on the UAV to collect images of very high spatial resolution. However, the processing of those images is mainly based on vegetation indices, especially the NDVI. Several questions arise from the above observations: – Is the use of NDVI the most efficient way to exploit the spatial resolution of UAV images? If not, is there a better way to exploit this imagery? – How to respond to time and logistical constraints in the image processing so that it is ultimately adopted by farmers? – Since UAV-borne sensors can be oriented quite freely, what are the effects of the acquisition angles on the results? First, we assessed the relevance of the traditional approach which uses the NDVI index to determine crop parameters. To do that, we compared the UAV platform with the GreenSeeker proximal sensor. The results showed that the UAV is less efficient than the GreenSeeker in estimating corn biomass. We thus moved away from the traditional approach and opted for a method extracting the apparent leaf area, through computer vision techniques applied to RGB images. This method took advantage of the very high spatial resolution offered by UAV images and produced a robust proxy for corn biomass, at the surface (per square meter) and row levels. We also found that the results were not affected by the acquisition angles of the images (nadir and oblique). Therefore, this research opens the perspective to UAV applications in precision agriculture, for the estimation of vigor and other fundamental parameters used in input optimization algorithms. It also offers the possibility to imagine non-UAV based platforms for the acquisition of very high resolution images in the context of fertilization.

En raison de la nature cohérente du signal RADAR à synthèse d’ouverture (RSO), les images RSO polarimétriques (RSOPOL) sont affectées par le bruit de chatoiement. L’effet du chatoiement peut être sévère au point de rendre inutilisable la donnée RSOPOL. Ceci est particulièrement vrai pour les données à une vue qui souffrent d’un chatoiement très intense.Un filtrage du bruit est nécessaire pour améliorer l’estimation des paramètres polarimétriques pouvant être calculés à partir de ce type de données. Cette opération constitue une étape importante dans le traitement et l’analyse des images RSOPOL. Récemment une nouvelle approche est apparue en traitement de données visant la solution d’une multitude de problèmes dont le filtrage, la restauration d’images, la reconnaissance de la parole, la classification ou la segmentation d’images. Cette approche est l’apprentissage profond et les réseaux de neurones à convolution (RNC). Des travaux récents montrent que les RNC sont une alternative prometteuse pour le filtrages des images RSO. En effet par leur capacité d’apprendre un modèle optimal de filtrage, ils tendent à surpasser les approches classiques du filtrage sur les images RSO. L’objectif de cette présente étude est d’analyser et d’évaluer l’efficacité du filtrage par RNC sur des données RSOPOL simulées et sur des images satellitaires RSOPOL RADARSAT-2, ALOS/PalSAR et GaoFen-3 acquises sur la région urbaine de San Francisco (Californie). Des modèles inspirés de l’architecture d’un RNC utilisé notamment en Super-résolution ont été adaptés pour le filtrage de la matrice de cohérence polarimétrique. L’effet de différents paramètres structuraux de l’architecture des RNC sur le filtrage ont été analysés, parmi ceux-ci on retrouve entre autres la profondeur du réseau (le nombre de couches empilées), la largeur du réseau (le nombre de filtres par couches convolutives) et la taille des filtres de la première couche convolutive. L’apprentissage des modèles a été effectué par la rétropropagation du gradient de l’erreur en utilisant 3 ensembles de données qui simulent la polarimétrie une vue des diffuseurs selon les classes de Cloude-Pottier. Le premier ensemble ne comporte que des zones homogènes.Les deux derniers ensembles sont composés de simulations en patchwork dont l’intensité locale est simulée par des images de texture et de cibles ponctuelles ajoutées au patchwork dans le cas du dernier ensemble. Les performances des différents filtres par RNC ont été mesurées par des indicateurs comprenant l’erreur relative sur l’estimation de signatures polarimétriques et des paramètres de décomposition ainsi que des mesures de distorsion sur la récupération des détails importants et sur la conservation des cibles ponctuelles. Les résultats montrent que le filtrage par RNC des données polarimétriques est soit équivalent ou nettement supérieur aux filtres conventionnellement utilisées en polarimétrie.Les résultats des modèles les plus profonds obtiennent les meilleures performances pour tous les indicateurs sur l’ensemble des données homogènes simulées. Dans le cas des données en patchwork, les résultats pour la restauration des détails sont nettement favorables au filtrage par RNC les plus profonds.L’application du filtrage par RNC sur les images satellitaires RADARSAT-2,ALOS/PalSAR ainsi GaoFen-3 montre des résultats comparables ou supérieurs aux filtres conventionnels. Les meilleurs résultats ont été obtenus par le modèle à 5 couches cachées(si on ne compte pas la couche d’entrée et de sortie), avec 8 filtres 3×3 par couche convolutive, sauf pour la couche d’entrée où la taille des filtres étaient de 9×9. Par contre,les données d’apprentissage doivent être bien ajustées à l’étendue des statistiques des images polarimétriques réelles pour obtenir de bon résultats. Ceci est surtout vrai au niveau de la modélisation des cibles ponctuelles dont la restauration semblent plus difficiles., Due to the coherent nature of the Synthetic Aperture Radar (SAR) signal, polarimetric SAR(POLSAR) images are affected by speckle noise. The effect of speckle can be so severe as to render the POLSAR data unusable. This is especially true for single-look data that suffer from very intense speckle. Noise filtering is necessary to improve the estimation of polarimetric parameters that can be computed from this type of data. This is an important step in the processing and analysis of POLSAR images. Recently, a new approach has emerged in data processing aimed at solving a multi-tude of problems including filtering, image restoration, speech recognition, classification orimage segmentation. This approach is deep learning and convolutional neural networks(CONVNET). Recent works show that CONVNET are a promising alternative for filtering SAR images. Indeed, by their ability to learn an optimal filtering model only from the data, they tend to outperform classical approaches to filtering on SAR images. The objective of this study is to analyze and evaluate the effectiveness of CONVNET filtering on simulated POLSAR data and on RADARSAT-2, ALOS/PalSAR and GaoFen-3 satellite images acquired over the San Francisco urban area (California). Models inspired by the architecture of a CONVNET used in particular in super-resolution have been adapted for the filtering of the polarimetric coherency matrix. The effect of different structural parameters of theCONVNET architecture on filtering were analyzed, among which are the depth of the neural network (the number of stacked layers), the width of the neural network (the number of filters per convoluted layer) and the size of the filters of the first convolution layer. The models were learned by backpropagation of the error gradient using 3 datasets that simulate single-look polarimetry of the scatterers according to Cloude-Pottier classes. The first dataset contains only homogeneous areas. The last two datasets consist of patchwork simulations where local intensity is simulated by texture images and point target are added to the patchwork in the case of the last dataset. The performance of the different filters by CONVNET was measured by indicators including relative error on the estimation of polarimetric signatures and decomposition parameters as well as distortion measurements on the recovery of major details and on the conservation of point targets.The results show that CONVNET filtering of polarimetric data is either equivalent or significantly superior to conventional polarimetric filters. The results of the deepest models obtain the best performance for all indicators over the simulated homogeneous dataset. Inthe case of patchwork dataset, the results for detail restoration are clearly favourable to the deepest CONVNET filtering. The application of CONVNET filtering on RADARSAT-2, ALOS/PalSAR andGaoFen-3 satellite images shows results comparable or superior to conventional filters. The best results were obtained by the 5 hidden layers model (not counting the input and outputlayers), with 8 filters 3×3 per convolutional layer, except for the input layer where the filtersize was 9×9. On the other hand, the training data must be well adjusted to the statistical range of the real polarimetric images to obtain good results. This is especially true when modeling point targets that appear to be more difficult to restore.

Epidemiological research around the world has shown that exposure of urban populations to fine microparticles (PM2.5) suspended in air from, among other things, car combustion, is responsible for many cases of lung and cardiovascular disease and even mortality. However, most of these studies examine urban centers as ensembles without considering that population exposure to microparticles is not homogeneous across an urban space. For example, individuals living near major arterial roads are much more exposed to microparticles than others living in low traffic neighborhoods. Unfortunately, ground stations measuring PM2.5 are few and far between to generate accurate microparticle concentration maps at fine scales. One way to spatialize information on microparticle concentrations is to introduce remotely sensed images that allows to calculate an optical parameter of aerosols, their optical depth. The use of medium-to-fine-resolution images is not common in this area. So, we wanted to look at their potential. Tests with hyperspectral and multispectral images at these resolutions have shown that optical depth can be estimated with enough accuracy. The AODFinder software developed for this purpose performs well. Unfortunately, the small sample of AOD values and PM2.5 concentration measurements did not allow us to conclude on the possibility of using AOD as a proxy for PM2.5 and thus on the possibility of refining microparticle monitoring at the local level., Des recherches épidémiologiques à travers le monde ont mis en évidence que l’exposition des populations urbaines aux microparticules fines (PM2.5) en suspension dans l’air provenant, entre autres, de la combustion automobile, est à l’origine des nombreux cas des maladies pulmonaires et cardiovasculaires et même des cas de mortalité. Cependant, la plupart de ces études examinent les centres urbains comme des ensembles sans tenir compte que l’exposition des populations aux microparticules n’est pas homogène à travers un espace urbain. À titre d’exemple, les individus demeurant à proximité de grandes artères routières sont beaucoup plus exposés aux microparticules que d’autres demeurant dans des quartiers de faible circulation. Malheureusement, les stations terrestres de mesure des PM2.5 sont peu nombreuses pour permettre de générer des cartes de concentration des microparticules précises à des échelles fines. Un moyen pour spatialiser l’information sur les concentrations des microparticules est d’introduire l’imagerie de télédétection qui permet de calculer un paramètre optique des aérosols, leur profondeur optique. L’utilisation des images à résolution moyenne à fine n’est pas chose courante dans ce domaine. Ainsi nous avons voulu examiner leur potentiel. Les tests avec des images hyperspectrale et multispectrale à ces résolutions ont montré que la profondeur optique peut être estimer avec suffisamment de précision. Le logiciel AODFinder développé à cette fin se comporte bien. Malheureusement le faible échantillon des valeurs de AOD et des mesures des concentrations des PM2.5 ne nous a pas permis de se prononcer sur la possibilité d’utiliser le AOD comme proxy des PM2.5 et ainsi sur la possibilité de raffiner le monitoring des microparticules à l’échelle locale.

La connaissance des matériaux de surface est essentielle pour l’aménagement et la gestion des villes. Avec les avancées en télédétection, particulièrement en imagerie de haute résolution spatiale et spectrale, l’identification et la cartographie détaillée des matériaux de surface en milieu urbain sont maintenant envisageables. Les signatures spectrales décrivent les interactions entre les objets au sol et le rayonnement solaire, et elles sont supposées uniques pour chaque type de matériau de surface. Dans ce projet de recherche nous avons utilisé des images hyperspectrales aériennes du capteur CASI, avec une résolution de 1 m2 et 96 bandes contigües entre 380nm et 1040nm. Ces images couvrant l’île de Montréal (QC, Canada), acquises en 2016, ont été analysées pour identifier les matériaux de surfaces. Pour atteindre ces objectifs, notre méthode d’analyse est fondée sur la comparaison des signatures spectrales d’un pixel quelconque à celles des objets typiques contenues dans des bibliothèques spectrales (matériaux inertes et végétation). Pour mesurer la correspondance entre la signature spectrale d’un objet et la signature spectrale de référence nous avons utilisé deux métriques. La première métrique tient compte de la forme d’une signature spectrale et la seconde, de la différence des valeurs de réflectance entre la signature spectrale observée et celle de référence. Un classificateur flou utilisant ces deux métriques est alors appliqué afin de reconnaître le type de matériau de surface sur la base du pixel. Des signatures spectrales typiques ont été extraites des deux librairies spectrales (ASTER et HYPERCUBE). Des signatures spectrales des objets typiques à Montréal mesurées sur le terrain (spectroradiomètre ASD) ont été aussi utilisées comme références. Trois grandes catégories de matériaux ont été identifiées dans les images pour faciliter la comparaison entre les classifications par source de références spectrales : l’asphalte, le béton et la végétation. La classification utilisant ASTER comme bibliothèque de référence a eu le plus grand taux de réussite avec 92%, suivi par ASD à 88% et finalement HYPERCUBE avec 80%. Nous 5 n’avons pas trouvé de différences significatives entre les trois résultats, ce qui indique que la classification est indépendante de la source des signatures spectrales de référence., Knowledge of surface cover materials is crucial for urban planning and management. With advances in remote sensing, especially in high spatial and spectral resolution imagery, the identification and detailed mapping of surface materials in urban areas based on spectral signatures are now feasible. Spectral signatures describe the interactions between ground objects and solar radiation and are assumed unique for each type of material. In this research, we use airborne CASI images with 1 m2 spatial resolution, with 96 contiguous bands in a spectral range between 367 nm and 1044 nm. These images covering the island of Montreal (Quebec, Canada), obtained in 2016, were analyzed to identify urban surface materials. The objectives of the project were first to find a correspondence between the physical and chemical characteristic of typical surface materials, present in the Montreal scenes, and the spectral signatures within the images. Second, to develop a sound methodology for identifying these surface materials in urban landscapes. To reach these objectives, our method of analysis is based on a comparison of pixel spectral signatures to those contained in a reference spectral library that describe typical surface covering materials (inert materials and vegetation). Two metrics were used in order to measure the correspondence of pixel spectral signatures and reference spectral signature. The first metric considers the shape of a spectral signature and the second the difference of reflectance values between the observed and reference spectral signature. A fuzzy classifier using these two metrics is then applied to recognize the type of material on a pixel basis. Typical spectral signatures were extracted from two spectral libraries (ASTER and HYPERCUBE). Spectral signatures of typical objects in Montreal measured on the ground (ASD spectroradiometer) were also used as reference spectra. Three general types of surface materials (asphalt, concrete, and vegetation) were used to ease the comparison between classifications using these spectral libraries. The classification using ASTER as a reference library had the highest success rate reaching 92%, followed by the field spectra at 88%, and finally with HYPERCUBE at 80%. There were no significant differences in the classification results indicating that the methodology works independently of the source of reference spectral signatures.

Les milieux humides remplissent plusieurs fonctions écologiques d’importance et contribuent à la biodiversité de la faune et de la flore. Même s’il existe une reconnaissance croissante sur l’importante de protéger ces milieux, il n’en demeure pas moins que leur intégrité est encore menacée par la pression des activités humaines. L’inventaire et le suivi systématique des milieux humides constituent une nécessité et la télédétection est le seul moyen réaliste d’atteindre ce but. L’objectif de cette thèse consiste à contribuer et à améliorer la caractérisation des milieux humides en utilisant des données satellites acquises par des radars polarimétriques en bande L (ALOS-PALSAR) et C (RADARSAT-2). Cette thèse se fonde sur deux hypothèses (chap. 1). La première hypothèse stipule que les classes de physionomies végétales, basées sur la structure des végétaux, sont plus appropriées que les classes d’espèces végétales car mieux adaptées au contenu informationnel des images radar polarimétriques. La seconde hypothèse stipule que les algorithmes de décompositions polarimétriques permettent une extraction optimale de l’information polarimétrique comparativement à une approche multipolarisée basée sur les canaux de polarisation HH, HV et VV (chap. 3). En particulier, l’apport de la décomposition incohérente de Touzi pour l’inventaire et le suivi de milieux humides est examiné en détail. Cette décomposition permet de caractériser le type de diffusion, la phase, l’orientation, la symétrie, le degré de polarisation et la puissance rétrodiffusée d’une cible à l’aide d’une série de paramètres extraits d’une analyse des vecteurs et des valeurs propres de la matrice de cohérence. La région du lac Saint-Pierre a été sélectionnée comme site d’étude étant donné la grande diversité de ses milieux humides qui y couvrent plus de 20 000 ha. L’un des défis posés par cette thèse consiste au fait qu’il n’existe pas de système standard énumérant l’ensemble possible des classes physionomiques ni d’indications précises quant à leurs caractéristiques et dimensions. Une grande attention a donc été portée à la création de ces classes par recoupement de sources de données diverses et plus de 50 espèces végétales ont été regroupées en 9 classes physionomiques (chap. 7, 8 et 9). Plusieurs analyses sont proposées pour valider les hypothèses de cette thèse (chap. 9). Des analyses de sensibilité par diffusiogramme sont utilisées pour étudier les caractéristiques et la dispersion des physionomies végétales dans différents espaces constitués de paramètres polarimétriques ou canaux de polarisation (chap. 10 et 12). Des séries temporelles d’images RADARSAT-2 sont utilisées pour approfondir la compréhension de l’évolution saisonnière des physionomies végétales (chap. 12). L’algorithme de la divergence transformée est utilisé pour quantifier la séparabilité entre les classes physionomiques et pour identifier le ou les paramètres ayant le plus contribué(s) à leur séparabilité (chap. 11 et 13). Des classifications sont aussi proposées et les résultats comparés à une carte existante des milieux humide du lac Saint-Pierre (14). Finalement, une analyse du potentiel des paramètres polarimétrique en bande C et L est proposé pour le suivi de l’hydrologie des tourbières (chap. 15 et 16). Les analyses de sensibilité montrent que les paramètres de la 1re composante, relatifs à la portion dominante (polarisée) du signal, sont suffisants pour une caractérisation générale des physionomies végétales. Les paramètres des 2e et 3e composantes sont cependant nécessaires pour obtenir de meilleures séparabilités entre les classes (chap. 11 et 13) et une meilleure discrimination entre milieux humides et milieux secs (chap. 14). Cette thèse montre qu’il est préférable de considérer individuellement les paramètres des 1re, 2e et 3e composantes plutôt que leur somme pondérée par leurs valeurs propres respectives (chap. 10 et 12). Cette thèse examine également la complémentarité entre les paramètres de structure et ceux relatifs à la puissance rétrodiffusée, souvent ignorée et normalisée par la plupart des décompositions polarimétriques. La dimension temporelle (saisonnière) est essentielle pour la caractérisation et la classification des physionomies végétales (chap. 12, 13 et 14). Des images acquises au printemps (avril et mai) sont nécessaires pour discriminer les milieux secs des milieux humides alors que des images acquises en été (juillet et août) sont nécessaires pour raffiner la classification des physionomies végétales. Un arbre hiérarchique de classification développé dans cette thèse constitue une synthèse des connaissances acquises (chap. 14). À l’aide d’un nombre relativement réduit de paramètres polarimétriques et de règles de décisions simples, il est possible d’identifier, entre autres, trois classes de bas marais et de discriminer avec succès les hauts marais herbacés des autres classes physionomiques sans avoir recours à des sources de données auxiliaires. Les résultats obtenus sont comparables à ceux provenant d’une classification supervisée utilisant deux images Landsat-5 avec une exactitude globale de 77.3% et 79.0% respectivement. Diverses classifications utilisant la machine à vecteurs de support (SVM) permettent de reproduire les résultats obtenus avec l’arbre hiérarchique de classification. L’exploitation d’une plus forte dimensionalitée par le SVM, avec une précision globale maximale de 79.1%, ne permet cependant pas d’obtenir des résultats significativement meilleurs. Finalement, la phase de la décomposition de Touzi apparaît être le seul paramètre (en bande L) sensible aux variations du niveau d’eau sous la surface des tourbières ouvertes (chap. 16). Ce paramètre offre donc un grand potentiel pour le suivi de l’hydrologie des tourbières comparativement à la différence de phase entre les canaux HH et VV. Cette thèse démontre que les paramètres de la décomposition de Touzi permettent une meilleure caractérisation, de meilleures séparabilités et de meilleures classifications des physionomies végétales des milieux humides que les canaux de polarisation HH, HV et VV. Le regroupement des espèces végétales en classes physionomiques est un concept valable. Mais certaines espèces végétales partageant une physionomie similaire, mais occupant un milieu différent (haut vs bas marais), ont cependant présenté des différences significatives quant aux propriétés de leur rétrodiffusion., Wetlands fill many important ecological functions and contribute to the biodiversity of fauna and flora. Although there is a growing recognition of the importance to protect these areas, it remains that their integrity is still threatened by the pressure of human activities. The inventory and the systematic monitoring of wetlands are a necessity and remote sensing is the only realistic way to achieve this goal. The primary objective of this thesis is to contribute and improve the wetland characterization using satellite polarimetric data acquired in L (ALOS-PALSAR) and C (RADARSAT-2) band. This thesis is based on two hypotheses (Ch. 1). The first hypothesis stipulate that classes of plant physiognomies, based on plant structure, are more appropriate than classes of plant species because they are best adapted to the information content of polarimetric radar data. The second hypothesis states that polarimetric decomposition algorithms allow an optimal extraction of polarimetric information compared to a multi-polarized approach based on the HH, HV and VV channels (Ch. 3). In particular, the contribution of the incoherent Touzi decomposition for the inventory and monitoring of wetlands is examined in detail. This decomposition allows the characterization of the scattering type, its phase, orientation, symmetry, degree of polarization and the backscattered power of a target with a series of parameters extracted from an analysis of the coherency matrix eigenvectors and eigenvalues. The lake Saint-Pierre region was chosen as the study site because of the great diversity of its wetlands that are covering more than 20 000 ha. One of the challenges posed by this thesis is that there is neither a standard system enumerating all the possible physiognomic classes nor an accurate description of their characteristics and dimensions. Special attention was given to the creation of these classes by combining several data sources and more than 50 plant species were grouped into nine physiognomic classes (Ch. 7, 8 and 9). Several analyzes are proposed to validate the hypotheses of this thesis (Ch. 9). Sensitivity analysis using scatter plots are performs to study the characteristics and dispersion of plant physiognomic classes in various features space consisting of polarimetric parameters or polarization channels (Ch. 10 and 12). Time series of made of RADARSAT-2 images are used to deepen the understanding of the seasonal evolution of plant physiognomies (Ch. 12). The transformed divergence algorithm is used to quantify the separability between physiognomic classes and to identify the parameters (s) that contribute the most to their separability (Ch. 11 and 13). Classifications are also proposed and the results compared to an existing map of the lake Saint-Pierre wetlands (Ch. 14). Finally, an analysis of the potential of polarimetric parameters in C and L-band is proposed for the monitoring of peatlands hydrology (Ch. 15 and 16). Sensitivity analyses show that the parameters of the 1st component, relative to the dominant (polarized) part of the signal, are sufficient for a general characterization of plant physiognomies. The parameters of the second and third components are, however, needed for better class separability (Ch. 11 and 13) and a better discrimination between wetlands and uplands (Ch. 14). This thesis shows that it is preferable to consider individually the parameters of the 1st, 2nd and 3rd components rather than their weighted sum by their respective eigenvalues (Ch. 10 and 12). This thesis also examines the complementarity between the structural parameters and those related to the backscattered power, often ignored and normalized by most polarimetric decomposition. The temporal (seasonal) dimension is essential for the characterization and classification of plant physiognomies (Ch. 12, 13 and 14). Images acquired in spring (April and May) are needed to discriminate between upland and wetlands while images acquired in summer (July and August) are needed to refine the classifications of plant physiognomies. A hierarchical classification tree developed in this thesis represents a synthesis of the acquired knowledge (Chapter 14). Using a relatively small number of polarimetric parameters and simple decision rules, it is possible to identify, among other, three low marshes classes and to discriminate with success herbaceous high marshes from other physiognomic classes without using ancillary data source. The results obtained are comparable to those from a supervised classification using two Landsat-5 images with an overall accuracy of 77.3% and 79.0% respectively. Various classifications using the support vector machine (SVM) can reproduce the results obtained with the hierarchical classification tree. But the possible exploitation by the SVM of a higher dimensionality, with a maximum overall accuracy of 79.1%, does not allow however to achieve significantly better results. Finally, the phase of the Touzi decomposition appears to be the only parameter (in L-band) sensitive to changes in water level beneath the peat surface (Ch. 16). Therefore, this parameter offer a great potential for peatlands hydrology monitoring compared to the HH-VV phase difference. This thesis demonstrates that the Touzi decomposition parameters allow a better characterization, better separability and better classifications of wetlands plant physiognomic classes than HH, HV and VV polarization channels. The grouping of plant species into physiognomic classes is a valid concept. However, some plant species sharing a similar physiognomy, but occupying a different environment (high vs. low marshes), have presented significant differences in their scattering properties.

De nos jours les cartes d’utilisation/occupation du sol (USOS) à une échelle régionale sont habituellement générées à partir d’images satellitales de résolution modérée (entre 10 m et 30 m). Le National Land Cover Database aux États-Unis et le programme CORINE (Coordination of information on the environment) Land Cover en Europe, tous deux fondés sur les images LANDSAT, en sont des exemples représentatifs. Cependant ces cartes deviennent rapidement obsolètes, spécialement en environnement dynamique comme les megacités et les territoires métropolitains. Pour nombre d’applications, une mise à jour de ces cartes sur une base annuelle est requise. Depuis 2007, le USGS donne accès gratuitement à des images LANDSAT ortho-rectifiées. Des images archivées (depuis 1984) et des images acquises récemment sont disponibles. Sans aucun doute, une telle disponibilité d’images stimulera la recherche sur des méthodes et techniques rapides et efficaces pour un monitoring continue des changements des USOS à partir d’images à résolution moyenne. Cette recherche visait à évaluer le potentiel de telles images satellitales de résolution moyenne pour obtenir de l’information sur les changements des USOS à une échelle régionale dans le cas de la Communauté Métropolitaine de Montréal (CMM), une métropole nord-américaine typique. Les études précédentes ont démontré que les résultats de détection automatique des changements dépendent de plusieurs facteurs tels : 1) les caractéristiques des images (résolution spatiale, bandes spectrales, etc.); 2) la méthode même utilisée pour la détection automatique des changements; et 3) la complexité du milieu étudié. Dans le cas du milieu étudié, à l’exception du centre-ville et des artères commerciales, les utilisations du sol (industriel, commercial, résidentiel, etc.) sont bien délimitées. Ainsi cette étude s’est concentrée aux autres facteurs pouvant affecter les résultats, nommément, les caractéristiques des images et les méthodes de détection des changements. Nous avons utilisé des images TM/ETM+ de LANDSAT à 30 m de résolution spatiale et avec six bandes spectrales ainsi que des images VNIR-ASTER à 15 m de résolution spatiale et avec trois bandes spectrales afin d’évaluer l’impact des caractéristiques des images sur les résultats de détection des changements. En ce qui a trait à la méthode de détection des changements, nous avons décidé de comparer deux types de techniques automatiques : (1) techniques fournissant des informations principalement sur la localisation des changements et (2)techniques fournissant des informations à la fois sur la localisation des changements et sur les types de changement (classes « de-à »). Les principales conclusions de cette recherche sont les suivantes : Les techniques de détection de changement telles les différences d’image ou l’analyse des vecteurs de changements appliqués aux images multi-temporelles LANDSAT fournissent une image exacte des lieux où un changement est survenu d’une façon rapide et efficace. Elles peuvent donc être intégrées dans un système de monitoring continu à des fins d’évaluation rapide du volume des changements. Les cartes des changements peuvent aussi servir de guide pour l’acquisition d’images de haute résolution spatiale si l’identification détaillée du type de changement est nécessaire. Les techniques de détection de changement telles l’analyse en composantes principales et la comparaison post-classification appliquées aux images multi-temporelles LANDSAT fournissent une image relativement exacte de classes “de-à” mais à un niveau thématique très général (par exemple, bâti à espace vert et vice-versa, boisés à sol nu et vice-versa, etc.). Les images ASTER-VNIR avec une meilleure résolution spatiale mais avec moins de bandes spectrales que LANDSAT n’offrent pas un niveau thématique plus détaillé (par exemple, boisés à espace commercial ou industriel). Les résultats indiquent que la recherche future sur la détection des changements en milieu urbain devrait se concentrer aux changements du couvert végétal puisque les images à résolution moyenne sont très sensibles aux changements de ce type de couvert. Les cartes indiquant la localisation et le type des changements du couvert végétal sont en soi très utiles pour des applications comme le monitoring environnemental ou l’hydrologie urbaine. Elles peuvent aussi servir comme des indicateurs des changements de l’utilisation du sol. De techniques telles l’analyse des vecteurs de changement ou les indices de végétation son employées à cette fin., Nowadays land use/land cover maps at regional scale are commonly generated with satellite data of medium spatial resolution (between 10 m and 30m). The National Land Cover Database (NLCD) in the United States and the Coordination of Information on the Environment (CORINE) Land Cover program in Europe, both based on LANDSAT images, are two typical examples. However, these maps become rapidly obsolete, especially in highly dynamic areas such as mega cities and metropolitan areas. In many applications, such as to monitor the water quality affected by the Land use/Land cover (LULC) change, the spread of invasive species, policy making for city managers, annual updating of LULC maps is required. Since 2007, the USGS offers access to ortho-rectified LANDSAT imagery free of charge. Both archived (since 1984) and recently acquired images are available. Without doubt, such data availability will stimulate the research on fast and cost effective methods and techniques for “continuous” regional land cover/use map updating using medium resolution satellite imagery. The objective of this research was to evaluate the potential of such medium resolution satellite imagery for providing information on changes useful for the continuous updating of LULC maps at a regional scale in the case of the Montreal Metropolitan Community (MMC) area, a typical North American metropolis. Previous studies have demonstrated that many factors could affect the results of automatic change detection such as: (1) the characteristics of the images (spatial resolution, spectral bands, etc.); (2) the method itself used to automatically detect changes; and (3) the complexity of the landscape. In the study site except for the Central Business District (CBD) and some commercial streets, land uses (industrial, commercial, residential, etc.) are well delimited. Thus this study was focused on the other factors affecting change detection results, namely, the characteristics of the images and the method of change detection. We used 6 spectral bands of LANDSAT TM/ETM+ with 30 m spatial resolution and 3 spectral bands of ASTER-VNIR with 15 m spatial resolution to evaluate the impact of image characteristics on change detection. Concerning the change detection method, we decided to compare two types of automatic techniques: (1) techniques providing information principally on the location of changed areas,and (2) techniques providing information on both the location of changed areas and the type of changes ("from-to" classes). The main conclusions of this research are as follows: Change detection techniques such as image differencing or change vector analysis applied to LANDSAT multi-temporal imagery provide an accurate picture of changed areas in a fast and efficient manner. They can thus be integrated in a continuous monitoring system for a rapid evaluation of the volume of changes. The produced maps could be helpful to guide the acquisition of high spatial resolution imagery if a detailed identification of the type of changes is required. Change detection techniques such as principal component analysis and post-classification comparison applied to LANDSAT multi-temporal imagery could provide a relatively accurate picture of “from-to” classes but at a very general thematic level (for example, built-up to green space and vice-versa, forest lands to bare soil and vice-versa, etc.). ASTER images with better spatial resolution but with less spectral bands than LANDSAT images do not provide more detailed thematic information (for example forest land to commercial or industrial areas). The results indicate that future research should be focused on the detection of changes in the vegetation cover as medium resolution imagery is highly sensitive to this type of surface cover. Maps indicating the location and the type of changes in vegetation cover are in itself very useful for various applications, such as environmental monitoring or urban hydrology, and can be used as indicators on land use changes. Techniques such as change vector analysis or vegetation indices could be used to this end.

L’érosion éolienne est un problème environnemental parmi les plus sévères dans les régions arides, semi-arides et les régions sèches sub-humides de la planète. L’érosion des sols accélérée par le vent provoque des dommages à la fois localement et régionalement. Sur le plan local, elle cause la baisse des nutriments par la mobilisation des particules les plus fines et de la matière organique. Cette mobilisation est une des causes de perte de fertilité des sols avec comme conséquence, une chute de la productivité agricole et une réduction de la profondeur de la partie arable. Sur le plan régional, les tempêtes de poussières soulevées par le vent ont un impact non négligeable sur la santé des populations, et la déposition des particules affecte les équipements hydrauliques tels que les canaux à ciel ouvert ainsi que les infrastructures notamment de transport. Dans les régions où les sols sont fréquemment soumis à l’érosion éolienne, les besoins pour des études qui visent à caractériser spatialement les sols selon leur degré de vulnérabilité sont grands. On n’a qu’à penser aux autorités administratives qui doivent décider des mesures à prendre pour préserver et conserver les potentialités agropédologiques des sols, souvent avec des ressources financières modestes mises à leur disposition. Or, dans certaines de ces régions, comme notre territoire d’étude, la région de Thiès au Sénégal, ces études font défaut. En effet, les quelques études effectuées dans cette région ou dans des contextes géographiques similaires ont un caractère plutôt local et les approches suivies (modèles de pertes des sols) nécessitent un nombre substantiel de données pour saisir la variabilité spatiale de la dynamique des facteurs qui interviennent dans le processus de l’érosion éolienne. La disponibilité de ces données est particulièrement problématique dans les pays en voie de développement, à cause de la pauvreté en infrastructures et des problèmes de ressources pour le monitoring continu des variables environnementales. L’approche mise de l’avant dans cette recherche vise à combler cette lacune en recourant principalement à l’imagerie satellitale, et plus particulièrement celle provenant des satellites Landsat-5 et Landsat-7. Les images Landsat couvrent la presque totalité de la zone optique du spectre exploitable par télédétection (visible, proche infrarouge, infrarouge moyen et thermique) à des résolutions relativement fines (quelques dizaines de mètres). Elles permettant ainsi d’étudier la distribution spatiale des niveaux de vulnérabilité des sols avec un niveau de détails beaucoup plus fin que celui obtenu avec des images souvent utilisées dans des études environnementales telles que AVHRR de la série de satellites NOAA (résolution kilométrique). De plus, l’archive complet des images Landsat-5 et Landsat-7 couvrant une période de plus de 20 ans est aujourd’hui facilement accessible. Parmi les paramètres utilisés dans les modèles d’érosion éolienne, nous avons identifiés ceux qui sont estimables par l’imagerie satellitale soit directement (exemple, fraction du couvert végétal) soit indirectement (exemple, caractérisation des sols par leur niveau d’érodabilité). En exploitant aussi le peu de données disponibles dans la région (données climatiques, carte morphopédologique) nous avons élaboré une base de données décrivant l’état des lieux dans la période de 1988 à 2002 et ce, selon les deux saisons caractéristiques de la région : la saison des pluies et la saison sèche. Ces données par date d’acquisition des images Landsat utilisées ont été considérées comme des intrants (critères) dans un modèle empirique que nous avons élaboré en modulant l’impact de chacun des critères (poids et scores). À l’aide de ce modèle, nous avons créé des cartes montrant les degrés de vulnérabilité dans la région à l’étude, et ce par date d’acquisition des images Landsat. Suite à une série de tests pour valider la cohérence interne du modèle, nous avons analysé nos cartes afin de conclure sur la dynamique du processus pendant la période d’étude. Nos principales conclusions sont les suivantes : 1) le modèle élaboré montre une bonne cohérence interne et est sensible aux variations spatiotemporelles des facteurs pris en considération 2); tel qu’attendu, parmi les facteurs utilisés pour expliquer la vulnérabilité des sols, la végétation vivante et l’érodabilité sont les plus importants ; 3) ces deux facteurs présentent une variation importante intra et inter-saisonnière de sorte qu’il est difficile de dégager des tendances à long terme bien que certaines parties du territoire (Nord et Est) aient des indices de vulnérabilité forts, peu importe la saison ; 4) l’analyse diachronique des cartes des indices de vulnérabilité confirme le caractère saisonnier des niveaux de vulnérabilité dans la mesure où les superficies occupées par les faibles niveaux de vulnérabilité augmentent en saison des pluies, donc lorsque l’humidité surfacique et la végétation active notamment sont importantes, et décroissent en saison sèche ; 5) la susceptibilité, c’est-à-dire l’impact du vent sur la vulnérabilité est d’autant plus forte que la vitesse du vent est élevée et que la vulnérabilité est forte. Sur les zones où la vulnérabilité est faible, les vitesses de vent élevées ont moins d’impact. Dans notre étude, nous avons aussi inclus une analyse comparative entre les facteurs extraits des images Landsat et celles des images hyperspectrales du satellite expérimental HYPERION. Bien que la résolution spatiale de ces images soit similaire à celle de Landsat, les résultats obtenus à partir des images HYPERION révèlent un niveau de détail supérieur grâce à la résolution spectrale de ce capteur permettant de mieux choisir les bandes spectrales qui réagissent le plus avec le facteur étudié. Cette étude comparative démontre que dans un futur rapproché, l’amélioration de l’accessibilité à ce type d’images permettra de raffiner davantage le calcul de l’indice de vulnérabilité par notre modèle. En attendant cette possibilité, on peut de contenter de l’imagerie Landsat qui offre un support d’informations permettant tout de même d’évaluer le niveau de fragilisation des sols par l’action du vent et par la dynamique des caractéristiques des facteurs telles que la couverture végétale aussi bien vivante que sénescente., Wind erosion is an environmental issue among the most critical one in arid, semi-arid and dry sub-humid regions of the planet. Soil erosion accelerated by the wind action causes damages both locally and regionally. Locally, wind erosion decreases the soil nutrients by the mobilization of finer particles and organic matter. This mobilization is one of the causes of lost of soil fertility with lead to the drop in agricultural productivity and to the reduction of the topsoil depth. Regionally, dust storms raised by the wind have a significant impact on population health and infrastructure because of particles deposition. In areas where soils are frequently submitted to wind aggressions, studies are urgently required in order to spatially characterize the soils according to their degree of vulnerability. Such characterization is important for many reasons, especially for administrative authorities who must decide what action to undertake in order to preserve and conserve the agricultural potentialities of soils, often with limited financial resources available. However, in some regions, as in our study area, the region of Thiès in Senegal, such studies are lacking. In fact, in regions where soil erosion is active, the studies undertaken are much localized because of their approaches (soil erosion models) which require a substantial amount of data for short intervals of time to "capture" the spatial variability of the dynamics of the factors involved in the process of wind erosion. The availability of these data at a regional level is particularly problematic in developing countries because infrastructures and resources to support continuous monitoring of environmental variables are not always available. The approach in this research aims to fill this gap, mainly through satellite imagery and more particularly those provided by Landsat-5 and Landsat-7. Landsat images cover almost the entire optical spectrum (visible, near/mid/thermal infrared) at resolutions which allow to characterize spatially the soils, according to their vulnerability at a finer level (decametric resolution) than what is possible with satellite imagery often used in environmental studies (AVHRR images from the NOAA satellite series) with a kilometric resolution. In addition, the full archive of Landsat-5 and -7 covering more than 20 years is now easily accessible. This is an undeniable asset in order to study the dynamics of the process affecting soils vulnerability to wind erosion. Taking into account the parameters used in wind erosion models (climate, soil, vegetation), we have identified those we can estimate from satellite imagery either directly (e.g. fractional vegetation cover) or indirectly (e.g. characterization of soils by their degree of degradation). Using Landsat images acquired during to the two seasons of the region (rainy and dry season) as well as climatic data and the existing low scale soil map of the region, we developed a database describing the environmental conditions from 1988 to 2002. These data were then considered as inputs (criteria) in an empirical model we made, by modulating the impact of each criterion (weight and score). By this model, we created maps showing the degree of vulnerability (vulnerability index) of the region by date according to Landsat image acquisition date. Several tests are done to validate the internal consistency of the model. To evaluate the dynamic of the erosion process for the period we studied, we have compared our maps. Our principal conclusions are as follows: 1) the proposed model has a good internal consistency and is sensitive to spatial and temporal variation of the factors taken into consideration; 2) as expected, among the factors used to explain soil vulnerability, erodibility and fractional green vegetation cover are the most important; 3) these two factors present a high intra and inter-season variation so that it is difficult to bring out long term trends even if some parts of the territory (North and East) have high vulnerability indices regardless of season; 4) the diachronic analysis of vulnerability index maps shows seasonal trend because areas with low vulnerability indices are increasing in rainy season, when the surface moisture is higher and vegetation is particularly active, and significantly decrease in dry season; 5) as expected, susceptibility, or the impact of wind on vulnerability, is stronger when the wind speed is high and vulnerability is high. In areas where vulnerability is low, an increase in wind speed has less impact. In our study we have also included a comparative analysis of some factors derived from Landsat images and from the hyperspectral sensor of the experimental satellite HYPERION. Even if spatial resolution of the images provided by both sensors is similar, the accuracy of factors extracted from the hyperspectral images is definitely higher. This is due to the spectral resolution of the sensor which permits the selection of appropriate bands with the highest level of interaction with the factor of interest. This comparative study shows that in the near future, the accessibility to this type of images will improve the calculation of the index of vulnerability by our model. For now, Landsat imagery provides very interesting information to monitor the process of soil erosion by wind.

La texture est un élément clé pour l’interprétation des images de télédétection à fine résolution spatiale. L’intégration de l’information texturale dans un processus de classification automatisée des images se fait habituellement via des images de texture, souvent créées par le calcul de matrices de co-occurrences (MCO) des niveaux de gris. Une MCO est un histogramme des fréquences d’occurrence des paires de valeurs de pixels présentes dans les fenêtres locales, associées à tous les pixels de l’image utilisée; une paire de pixels étant définie selon un pas et une orientation donnés. Les MCO permettent le calcul de plus d’une dizaine de paramètres décrivant, de diverses manières, la distribution des fréquences, créant ainsi autant d’images texturales distinctes. L’approche de mesure des textures par MCO a été appliquée principalement sur des images de télédétection monochromes (ex. images panchromatiques, images radar monofréquence et monopolarisation). En imagerie multispectrale, une unique bande spectrale, parmi celles disponibles, est habituellement choisie pour générer des images de texture. La question que nous avons posée dans cette recherche concerne justement cette utilisation restreinte de l’information texturale dans le cas des images multispectrales. En fait, l’effet visuel d’une texture est créé, non seulement par l’agencement particulier d’objets/pixels de brillance différente, mais aussi de couleur différente. Plusieurs façons sont proposées dans la littérature pour introduire cette idée de la texture à plusieurs dimensions. Parmi celles-ci, deux en particulier nous ont intéressés dans cette recherche. La première façon fait appel aux MCO calculées bande par bande spectrale et la seconde utilise les MCO généralisées impliquant deux bandes spectrales à la fois. Dans ce dernier cas, le procédé consiste en le calcul des fréquences d’occurrence des paires de valeurs dans deux bandes spectrales différentes. Cela permet, en un seul traitement, la prise en compte dans une large mesure de la « couleur » des éléments de texture. Ces deux approches font partie des techniques dites intégratives. Pour les distinguer, nous les avons appelées dans cet ouvrage respectivement « textures grises » et « textures couleurs ». Notre recherche se présente donc comme une analyse comparative des possibilités offertes par l’application de ces deux types de signatures texturales dans le cas spécifique d’une cartographie automatisée des occupations de sol à partir d’une image multispectrale. Une signature texturale d’un objet ou d’une classe d’objets, par analogie aux signatures spectrales, est constituée d’une série de paramètres de texture mesurés sur une bande spectrale à la fois (textures grises) ou une paire de bandes spectrales à la fois (textures couleurs). Cette recherche visait non seulement à comparer les deux approches intégratives, mais aussi à identifier la composition des signatures texturales des classes d’occupation du sol favorisant leur différentiation : type de paramètres de texture / taille de la fenêtre de calcul / bandes spectrales ou combinaisons de bandes spectrales. Pour ce faire, nous avons choisi un site à l’intérieur du territoire de la Communauté Métropolitaine de Montréal (Longueuil) composé d’une mosaïque d’occupations du sol, caractéristique d’une zone semi urbaine (résidentiel, industriel/commercial, boisés, agriculture, plans d’eau…). Une image du satellite SPOT-5 (4 bandes spectrales) de 10 m de résolution spatiale a été utilisée dans cette recherche. Puisqu’une infinité d’images de texture peuvent être créées en faisant varier les paramètres de calcul des MCO et afin de mieux circonscrire notre problème nous avons décidé, en tenant compte des études publiées dans ce domaine : a) de faire varier la fenêtre de calcul de 3*3 pixels à 21*21 pixels tout en fixant le pas et l’orientation pour former les paires de pixels à (1,1), c'est-à-dire à un pas d’un pixel et une orientation de 135°; b) de limiter les analyses des MCO à huit paramètres de texture (contraste, corrélation, écart-type, énergie, entropie, homogénéité, moyenne, probabilité maximale), qui sont tous calculables par la méthode rapide de Unser, une approximation des matrices de co-occurrences, c) de former les deux signatures texturales par le même nombre d’éléments choisis d’après une analyse de la séparabilité (distance de Bhattacharya) des classes d’occupation du sol; et d) d’analyser les résultats de classification (matrices de confusion, exactitudes, coefficients Kappa) par maximum de vraisemblance pour conclure sur le potentiel des deux approches intégratives; les classes d’occupation du sol à reconnaître étaient : résidentielle basse et haute densité, commerciale/industrielle, agricole, boisés, surfaces gazonnées (incluant les golfs) et plans d’eau. Nos principales conclusions sont les suivantes a) à l’exception de la probabilité maximale, tous les autres paramètres de texture sont utiles dans la formation des signatures texturales; moyenne et écart type sont les plus utiles dans la formation des textures grises tandis que contraste et corrélation, dans le cas des textures couleurs, b) l’exactitude globale de la classification atteint un score acceptable (85%) seulement dans le cas des signatures texturales couleurs; c’est une amélioration importante par rapport aux classifications basées uniquement sur les signatures spectrales des classes d’occupation du sol dont le score est souvent situé aux alentours de 75%; ce score est atteint avec des fenêtres de calcul aux alentours de11*11 à 15*15 pixels; c) Les signatures texturales couleurs offrant des scores supérieurs à ceux obtenus avec les signatures grises de 5% à 10%; et ce avec des petites fenêtres de calcul (5*5, 7*7 et occasionnellement 9*9) d) Pour plusieurs classes d’occupation du sol prises individuellement, l’exactitude dépasse les 90% pour les deux types de signatures texturales; e) une seule classe est mieux séparable du reste par les textures grises, celle de l’agricole; f) les classes créant beaucoup de confusions, ce qui explique en grande partie le score global de la classification de 85%, sont les deux classes du résidentiel (haute et basse densité). En conclusion, nous pouvons dire que l’approche intégrative par textures couleurs d’une image multispectrale de 10 m de résolution spatiale offre un plus grand potentiel pour la cartographie des occupations du sol que l’approche intégrative par textures grises. Pour plusieurs classes d’occupations du sol un gain appréciable en temps de calcul des paramètres de texture peut être obtenu par l’utilisation des petites fenêtres de traitement. Des améliorations importantes sont escomptées pour atteindre des exactitudes de classification de 90% et plus par l’utilisation des fenêtres de calcul de taille variable adaptées à chaque type d’occupation du sol. Une méthode de classification hiérarchique pourrait être alors utilisée afin de séparer les classes recherchées une à la fois par rapport au reste au lieu d’une classification globale où l’intégration des paramètres calculés avec des fenêtres de taille variable conduirait inévitablement à des confusions entre classes., Texture is a key element in interpreting remotely sensed images of fine spatial resolution. The integration of textural information in an automatic image-classification process is usually done via textural images, which are often created by calculating gray levels co-occurrences matrices (COM). A COM is a histogram of frequencies of pairs of pixel values present in local windows associated with all pixels in the used image; each pixel pair being formed using a given orientation and spacing. COM allows calculation for more than a dozen of parameters describing in various ways the frequency distribution, creating thus as many different textural images. Texture measurements approach based on COMs had been mainly applied on monochrome images (e.g. panchromatic, single polarisation and frequency radar images). In the case of multispectral images, a single spectral band, among those available, is usually chosen to generate texture images. The question we asked in this research concerns precisely this limited use of textural information in the case of multispectral images. In fact, the visual effect of a texture is created, not only by the spatial arrangement of variable objects/pixels brightness, but also of different colors. Several ways are suggested in the literature to introduce this concept of multi-dimensional texture. In this research, two of them were of particularly interested us. In the first way COMs are calculated spectral band by band and in the second one, generalized COMs are applied involving the joint use of two spectral bands. In the latter case, the pairs of pixel values are defined in two different spectral bands. This allows, in a single treatment, for a broad accounting of the "color" element composing a texture. These two approaches are called integrative techniques. To distinguish them, we call them respectively “gray textures” and “color textures”. Our research concerns the comparative analysis of the opportunities offered by applying these two types of textural signatures in the specific case of an automated land cover mapping using multispectral images. A textural signature of an object or class of objects, by analogy to spectral signatures, consists in a set of texture parameters measured; band by band (grey textures), or by pairs of bands (color textures).This research was designed not only to compare the two integrative approaches, but also to identify the components of textural signatures favouring the differentiation of land cover classes: texture parameters, window sizes and bands selection. To do this, a site within the territory of the Montreal Metropolitan Community (Longueuil) was chosen with a diversity of land covers representative of a semi-urban area. (residential, industrial / commercial, woodlots , agriculture, water bodies…). A SPOT-5 (4 spectral bands) image of 10m spatial resolution was used in this research. Since an infinite number of texture images can be created by varying the design parameters of COM, and to better define our problem, we have decided, taking into account studies published in this field: a) to vary the computation window from 3*3 to 21*21 pixels while setting the pixel spacing and direction to (1,1); that is to say, an spacing of 1 and an orientation of 135 ° between pairs of pixels. b) limit the COM analysis to eight texture parameters (contrast, correlation, standard deviation, energy, entropy, homogeneity, average, maximum probability), all of which are computable by the Unser’s fast-COM-approximation method, c) form the two textural signatures by the same number of elements chosen from a separability analysis (Bhattacharya distance) between land cover classes, and d) analyse the results (confusion matrices, accuracies, kappa) obtained using a maximum likelihood classification algorithm to conclude on the potential of both integrative approaches; classes to be recognized included: low and high density residential, commercial / industrial, agricultural, woodlots, turf (including golf) water bodies, clouds and their shadows. Our main conclusions are as follows a) except maximum probability, all other textural parameters are useful in the formation of textural signatures; mean and standard deviation are most useful in the formation of gray textures while contrast and correlation, are the best in the case of color textures b) the overall classification accuracy achieved an acceptable score (85%), only in the case of color textural signatures. This is a significant improvement compared to classifications based solely on spectral signatures, whose accuracies are often situated around 75%. This score is reached with windows size from about 11*11 to 15 * 15 pixels, c) Textural colors signatures offer higher scores, ranging from 5% to 10%, than those obtained by gray signatures. This is true while using the smaller process windows (5*5, 7*7, and occasionally 9*9) d) For several land cover classes examined individually, the accuracy is above 90% regardless of the used textural signatures e) Only one class is better separated from the rest by gray textures, the agricultural one; f) Classes creating a lot of confusion, which largely explains the overall classification score of 85 %, are the two residential classes (high and low density). As a final conclusion, we can say that the integrative approach by color textures provides a greater potential for mapping land covers using multispectral images than the integrative approach by gray textures. For several land cover classes an appreciable gain computing time of textural parameters may be obtained using smaller size windows. Significant improvements of the classification results (even better than 90%) are expected using calculation windows with sizes better adapted to each classes particular texture characteristics, A hierarchical classification method could then be used to separate each class at a time from all others, instead of a broad classification where the integration of parameters calculated with varying size windows, would inevitably lead to confusion between classes.

Les images satellitales multispectrales, notamment celles à haute résolution spatiale (plus fine que 30 m au sol), représentent une source d’information inestimable pour la prise de décision dans divers domaines liés à la gestion des ressources naturelles, à la préservation de l’environnement ou à l’aménagement et la gestion des centres urbains. Les échelles d’étude peuvent aller du local (résolutions plus fines que 5 m) à des échelles régionales (résolutions plus grossières que 5 m). Ces images caractérisent la variation de la réflectance des objets dans le spectre qui est l’information clé pour un grand nombre d’applications de ces données. Or, les mesures des capteurs satellitaux sont aussi affectées par des facteurs « parasites » liés aux conditions d’éclairement et d’observation, à l’atmosphère, à la topographie et aux propriétés des capteurs. Deux questions nous ont préoccupé dans cette recherche. Quelle est la meilleure approche pour restituer les réflectances au sol à partir des valeurs numériques enregistrées par les capteurs tenant compte des ces facteurs parasites ? Cette restitution est-elle la condition sine qua non pour extraire une information fiable des images en fonction des problématiques propres aux différents domaines d’application des images (cartographie du territoire, monitoring de l’environnement, suivi des changements du paysage, inventaires des ressources, etc.) ? Les recherches effectuées les 30 dernières années ont abouti à une série de techniques de correction des données des effets des facteurs parasites dont certaines permettent de restituer les réflectances au sol. Plusieurs questions sont cependant encore en suspens et d’autres nécessitent des approfondissements afin, d’une part d’améliorer la précision des résultats et d’autre part, de rendre ces techniques plus versatiles en les adaptant à un plus large éventail de conditions d’acquisition des données. Nous pouvons en mentionner quelques unes : - Comment prendre en compte des caractéristiques atmosphériques (notamment des particules d’aérosol) adaptées à des conditions locales et régionales et ne pas se fier à des modèles par défaut qui indiquent des tendances spatiotemporelles à long terme mais s’ajustent mal à des observations instantanées et restreintes spatialement ? - Comment tenir compte des effets de « contamination » du signal provenant de l’objet visé par le capteur par les signaux provenant des objets environnant (effet d’adjacence) ? ce phénomène devient très important pour des images de résolution plus fine que 5 m; - Quels sont les effets des angles de visée des capteurs hors nadir qui sont de plus en plus présents puisqu’ils offrent une meilleure résolution temporelle et la possibilité d’obtenir des couples d’images stéréoscopiques ? - Comment augmenter l’efficacité des techniques de traitement et d’analyse automatique des images multispectrales à des terrains accidentés et montagneux tenant compte des effets multiples du relief topographique sur le signal capté à distance ? D’autre part, malgré les nombreuses démonstrations par des chercheurs que l’information extraite des images satellitales peut être altérée à cause des tous ces facteurs parasites, force est de constater aujourd’hui que les corrections radiométriques demeurent peu utilisées sur une base routinière tel qu’est le cas pour les corrections géométriques. Pour ces dernières, les logiciels commerciaux de télédétection possèdent des algorithmes versatiles, puissants et à la portée des utilisateurs. Les algorithmes des corrections radiométriques, lorsqu’ils sont proposés, demeurent des boîtes noires peu flexibles nécessitant la plupart de temps des utilisateurs experts en la matière. Les objectifs que nous nous sommes fixés dans cette recherche sont les suivants : 1) Développer un logiciel de restitution des réflectances au sol tenant compte des questions posées ci-haut. Ce logiciel devait être suffisamment modulaire pour pouvoir le bonifier, l’améliorer et l’adapter à diverses problématiques d’application d’images satellitales; et 2) Appliquer ce logiciel dans différents contextes (urbain, agricole, forestier) et analyser les résultats obtenus afin d’évaluer le gain en précision de l’information extraite par des images satellitales transformées en images des réflectances au sol et par conséquent la nécessité d’opérer ainsi peu importe la problématique de l’application. Ainsi, à travers cette recherche, nous avons réalisé un outil de restitution de la réflectance au sol (la nouvelle version du logiciel REFLECT). Ce logiciel est basé sur la formulation (et les routines) du code 6S (Seconde Simulation du Signal Satellitaire dans le Spectre Solaire) et sur la méthode des cibles obscures pour l’estimation de l’épaisseur optique des aérosols (aerosol optical depth, AOD), qui est le facteur le plus difficile à corriger. Des améliorations substantielles ont été apportées aux modèles existants. Ces améliorations concernent essentiellement les propriétés des aérosols (intégration d’un modèle plus récent, amélioration de la recherche des cibles obscures pour l’estimation de l’AOD), la prise en compte de l’effet d’adjacence à l’aide d’un modèle de réflexion spéculaire, la prise en compte de la majorité des capteurs multispectraux à haute résolution (Landsat TM et ETM+, tous les HR de SPOT 1 à 5, EO-1 ALI et ASTER) et à très haute résolution (QuickBird et Ikonos) utilisés actuellement et la correction des effets topographiques l’aide d’un modèle qui sépare les composantes directe et diffuse du rayonnement solaire et qui s’adapte également à la canopée forestière. Les travaux de validation ont montré que la restitution de la réflectance au sol par REFLECT se fait avec une précision de l’ordre de ±0.01 unités de réflectance (pour les bandes spectrales du visible, PIR et MIR), même dans le cas d’une surface à topographie variable. Ce logiciel a permis de montrer, à travers des simulations de réflectances apparentes à quel point les facteurs parasites influant les valeurs numériques des images pouvaient modifier le signal utile qui est la réflectance au sol (erreurs de 10 à plus de 50%). REFLECT a également été utilisé pour voir l’importance de l’utilisation des réflectances au sol plutôt que les valeurs numériques brutes pour diverses applications courantes de la télédétection dans les domaines des classifications, du suivi des changements, de l’agriculture et de la foresterie. Dans la majorité des applications (suivi des changements par images multi-dates, utilisation d’indices de végétation, estimation de paramètres biophysiques, …), la correction des images est une opération cruciale pour obtenir des résultats fiables. D’un point de vue informatique, le logiciel REFLECT se présente comme une série de menus simples d’utilisation correspondant aux différentes étapes de saisie des intrants de la scène, calcul des transmittances gazeuses, estimation de l’AOD par la méthode des cibles obscures et enfin, l’application des corrections radiométriques à l’image, notamment par l’option rapide qui permet de traiter une image de 5000 par 5000 pixels en 15 minutes environ. Cette recherche ouvre une série de pistes pour d’autres améliorations des modèles et méthodes liés au domaine des corrections radiométriques, notamment en ce qui concerne l’intégration de la FDRB (fonction de distribution de la réflectance bidirectionnelle) dans la formulation, la prise en compte des nuages translucides à l’aide de la modélisation de la diffusion non sélective et l’automatisation de la méthode des pentes équivalentes proposée pour les corrections topographiques., Multi-spectral satellite imagery, especially at high spatial resolution (finer than 30 m on the ground), represents an invaluable source of information for decision making in various domains in connection with natural resources management, environment preservation or urban planning and management. The mapping scales may range from local (finer resolution than 5 m) to regional (resolution coarser than 5m). The images are characterized by objects reflectance in the electromagnetic spectrum witch represents the key information in many applications. However, satellite sensor measurements are also affected by parasite input due to illumination and observation conditions, to the atmosphere, to topography and to sensor properties. Two questions have oriented this research. What is the best approach to retrieve surface reflectance with the measured values while taking into account these parasite factors? Is this retrieval a sine qua non condition for reliable image information extraction for the diverse domains of application for the images (mapping, environmental monitoring, landscape change detection, resources inventory, etc.)? Researches performed in the past 30 years have yielded a series of techniques to correct the parasite factors among which some allow to retrieve ground reflectance. Some questions are still unanswered and others require still more scrutiny to increase precision and to make these methods more versatile by adapting them to larger variety of data acquisition conditions. A few examples may be mentioned: - How to take into account atmospheric characteristics (particularly of aerosols) adapted to local and regional conditions instead of relying on default models indicating long term spatial-temporal trends that are hard to adjust to spatially restricted instantaneous observations; - How to remove noise introduced by surrounding objects. This adjacency effect phenomenon is particularly important for image resolutions smaller than 5m; - What is the effect of the viewing angle of the sensors that are increasingly aiming off-nadir, a choice imposed by the imperatives of a better temporal resolution or the acquisition of stereo pairs? - How to increase the performances of automatic multi-spectral image processing and analysis techniques in mountainous high relief area by taking into account the multiple effects of topography on the remotely sensed signal? Despite many demonstrations by researchers that information extracted from remote sensing may be altered due to the parasite factors, we are forced to note that nowadays radiometric corrections are still seldom applied, unlike geometric corrections for which commercial software possess powerful and versatile user-friendly algorithms. Radiometric correction algorithms, when available, are hard to adapt black boxes and mostly require experts to operate them. The goals we have delineated for this research are as follow: 1) Develop software to retrieve ground reflectance while taking into account the aspects mentioned earlier. This software had to be modular enough to allow improvement and adaptation to diverse remote sensing application problems; and 2) Apply this software in various context (urban, agricultural, forest) and analyse results to evaluate the accuracy gain of extracted information from remote sensing imagery transformed in ground reflectance images to demonstrate the necessity of operating in this way, whatever the type of application. During this research, we have developed a tool to retrieve ground reflectance (the new version of the REFLECT software). This software is based on the formulas (and routines) of the 6S code (Second Simulation of Satellite Signal in the Solar Spectrum) and on the dark targets method to estimated the aerosol optical thickness, representing the most difficult factor to correct. Substantial improvements have been made to the existing models. These improvements essentially concern the aerosols properties (integration of a more recent model, improvement of the dark targets selection to estimate the AOD), the adjacency effect, the adaptation to most used high resolution (Landsat TM and ETM+, all HR SPOT 1 to 5, EO-1 ALI and ASTER) and very high resolution (QuickBird et Ikonos) sensors and the correction of topographic effects with a model that separate direct and diffuse solar radiation components and the adaptation of this model to forest canopy. Validation has shown that ground reflectance estimation with REFLECT is performed with an accuracy of approximately ±0.01 in reflectance units (for in the visible, near-infrared and middle-infrared spectral bands) even for a surface with varying topography. This software has allowed demonstrating, through apparent reflectance simulations, how much parasite factors influencing numerical values of the images may alter the ground reflectance (errors ranging from 10 to 50%). REFLECT has also been used to examine the usefulness of ground reflectance instead of raw data for various common remote sensing applications in domains such as classification, change detection, agriculture and forestry. In most applications (multi-temporal change monitoring, use of vegetation indices, biophysical parameters estimation, etc.) image correction is a crucial step to obtain reliable results. From the computer environment standpoint, REFLECT is organized as a series of menus, corresponding to different steps of: input parameters introducing, gas transmittances calculation, AOD estimation, and finally image correction application, with the possibility of using the fast option witch process an image of 5000 by 5000 pixels in approximately 15 minutes. This research opens many possible pathways for improving methods and models in the realm of radiometric corrections of remotely sensed images. In particular, these include BRDF integration in the formulation, cirrus clouds correction using non selective scattering modelling and improving of the equivalent slopes topographic correction method.

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Thèse diffusée initialement dans le cadre d'un projet pilote des Presses de l'Université de Montréal/Centre d'édition numérique UdeM (1997-2008) avec l'autorisation de l'auteur.