A l'heure actuelle, 16% des Français souffrent d'allergies à un ou plusieurs pollens. Les symptômes correspondants peuvent aussi bien se présenter sous une forme bénigne (rhinite, conjonctivite, toux) que sous une forme beaucoup plus grave : l'asthme. La prévision de la date d'apparition d'un risque d'exposition allergique aux pollens est donc nécessaire d'un point de vue sanitaire et préventif. Elle doit être la plus précise possible afin d'initier les traitements anti-allergiques au moment adéquat, dans un souci d'efficacité et de réduction des coûts liés à cette affection. La présente étude, qui a pour cadre géographique le territoire national français, concerne quatre taxons polliniques parmi les plus allergisants : le frêne, le bouleau, les Poacées et l'ambroisie. Ce travail comprend trois parties. La première partie consiste en une présentation générale des données polliniques composée d'une description des modes de recueil et d'analyse des pollens, d'une étude sur la qualité des séries polliniques et les divers problèmes rencontrés et, enfin, d'une description détaillée des quatre taxons de l'étude et de leur répartition géographique. La deuxième partie consiste en une description des différents critères de détermination du début de la saison pollinique et des méthodes inhérentes à sa prévision. Enfin, la troisième partie rassemble l'ensemble des résultats, pour les quatre taxons concernés, issus des méthodes de prévision sélectionnées et appliquées aux séries polliniques les plus longues. Cette dernière partie s'attache essentiellement à déterminer l'intérêt de l'utilisation des méthodes retenues, la qualité des modèles qui en sont issus et leur efficacité dans une optique préventive. Une étude sur les relations entre les concentrations polliniques et les variables météorologiques constitue le dernier volet de cette troisième partie.

No description available.

Dans un contexte de changements globaux, la fonction de "puits" de carbone (C) des tourbières est susceptible de basculer vers une fonction "source", en libérant dans l'atmosphère de grandes quantités de C initialement stockées dans la tourbe. Cette thèse vise à caractériser et quantifier, à différents niveaux d'organisation, i) l'impact d'un réchauffement climatique sur le fonctionnement biogéochimique (C-N-S) d'une tourbière à Sphaignes et ii) l'impact de la restauration d'une tourbière abandonnée après exploitation sur les interactions entre les plantes recolonisatrices (Eriophorum angustifolium), la macrofaune (Lumbricus rubellus) et les microorganismes potentiellement impliqués dans la régénération du processus de tourbification. Le fonctionnement de la tourbière et les interactions biotiques ont été étudiées par couplage des cycles C-N-S et traçage isotopique 13C-15N-34S. Une augmentation modérée de + 1°C simulée par "Open Top Chambers" (OTCs) diminue significativement les flux de C à l'échelle de l'écosystème, la production primaire des Sphaignes et le compartiment microbien étant les plus affectés. A l'échelle des communautés, l'activité des bactéries anaérobies, des champignons et des protozoaires (estimée par SIP 13C-PLFAs) est significativement ralentie. Nous avons montré qu'un organisme ingénieur comme le ver de terre L. rubellus jouait un rôle positif dans le recyclage de la matière organique en fournissant indirectement des éléments (C > N > S) à la plante. Ces transferts seraient dépendants des traits fonctionnels de l'organisme. A l'échelle de l'individu, nous avons caractérisé par approche NanoSIMS, les transferts "anticorrélés" N-S ver de terre --> tourbe.

Nourrir les oiseaux dans les jardins privés est une activité très répandue en Occident. Elle fournit une remarquable opportunité de recherche et de suivi des populations d’oiseaux en hiver sur de larges échelles spatio-temporelles, en impliquant les citoyens dans des programmes de science participative. Nous avons utilisé le programme Oiseaux des Jardins, un programme de science participative coordonné par la Ligue de Protection des Oiseaux, pour étudier sur une grande échelle spatiale les variations d’abondance d’oiseaux en hiver dans les jardins qui fournissent de la nourriture. Le but de cette thèse est de comprendre quels paramètres peuvent expliquer les visites des oiseaux dans les jardins en hiver, saison traditionnellement considérée comme la plus décisive pour leur survie. Nous montrons que les jardins distribuant de la nourriture, proches de milieux agricoles intensifs, attirent les oiseaux en réponse à une raréfaction des ressources alimentaires naturelles, causée par l’intensité des pratiques agricoles. Cette relation est encore plus forte pour les espèces spécialistes des milieux agricoles. Les variations d’abondance d’oiseaux dans les jardins fluctuent selon les années et les conditions météorologiques, sans présenter de pattern de réponse commun entre espèces, en raison de leur biologie et écologie différentes. Ce suivi des oiseaux en hiver reflète également la tendance négative de population de plusieurs granivores, connue en France ou en Europe en période de reproduction, confirmant que l’utilisation des jardins avec mangeoires est un bon moyen de suivre les tendances des populations d’oiseaux. Nous suspectons que les variations d’abondances à l’échelle spatiale peuvent également refléter l’effet d’activités humaines, telles que le braconnage des passereaux, mais un travail supplémentaire est nécessaire pour confirmer cette hypothèse. Les résultats de cette thèse peuvent également aider au maintien des espèces granivores en déclin, en apportant des conseils adaptés à la distribution de nourriture de substitution pour les oiseaux dans les paysages agricoles intensifs, tout en continuant à engager le public dans le suivi et la protection de la nature. / Supplementary feeding of wild birds in private backyards is a globally widespread pastime. It provides a wonderful opportunity for research and survey of winter bird populations at spatial and temporal large-scales by involving householders in citizen science programs. We used data from the French national garden birdwatch scheme, a citizen science program operated by the Ligue de Protection des Oiseaux, to study winter bird abundance variations in gardens which provided food supply, at a large spatial scale. This thesis aims to understand which factors influence the visit of gardens by birds during winter, a season traditionally pointed out to have the greatest impact on passerine survival. We highlighted that gardens with feeders located close to intensively cultivated farmland attract birds as a response of the countryside natural resource scarcity leads by intensive agricultural practices. This relationship being stronger for farmland seedeater species. Variations in the use of garden by birds also fluctuate between years and with weather conditions, but the variations were not similar among species. This being consistent with the expected influence of their ecological and biological differences. This garden bird survey in winter also reflected the global negative trends observed for some granivorous species in France or Europe during the breeding season, confirming that the use of garden bird feeders by wild bird species offers a new tool to survey the global population trends. We also suspect that variation in abundance could mirror spatial differences, and maybe mirror human activities impacts such as poaching, but this part requires further investigation. Finally, our work could be beneficial for maintaining declining seedeater species, by advising to supply birds with winter food in garden located in intensive agricultural landscape, while continuing to engage the public with nature.

Les systèmes de vision artificielle sont de plus en plus présents en contexte routier. Ils sont installés sur l'infrastructure, pour la gestion du trafic, ou placés à l'intérieur du véhicule, pour proposer des aides à la conduite. Dans les deux cas, les systèmes de vision artificielle visent à augmenter la sécurité et à optimiser les déplacements. Une revue bibliographique retrace les origines et le développement des algorithmes de vision artificielle en contexte routier. Elle permet de démontrer l'importance des descripteurs d'images dans la chaîne de traitement des algorithmes. Elle se poursuit par une revue des descripteurs d'images avec une nouvelle approche source de nombreuses analyses, en les considérant en parallèle des applications finales. En conclusion, la revue bibliographique permet de déterminer quels sont les descripteurs d'images les plus représentatifs en contexte routier. Plusieurs bases de données contenant des images et les données météorologiques associées (ex : pluie, brouillard) sont ensuite présentées. Ces bases de données sont innovantes car l'acquisition des images et la mesure des conditions météorologiques sont effectuées en même temps et au même endroit. De plus, des capteurs météorologiques calibrés sont utilisés. Chaque base de données contient différentes scènes (ex: cible noir et blanc, piéton) et divers types de conditions météorologiques (ex: pluie, brouillard, jour, nuit). Les bases de données contiennent des conditions météorologiques naturelles, reproduites artificiellement et simulées numériquement. Sept descripteurs d'images parmi les plus représentatifs du contexte routier ont ensuite été sélectionnés et leur robustesse en conditions de pluie évaluée. Les descripteurs d'images basés sur l'intensité des pixels ou les contours verticaux sont sensibles à la pluie. A l'inverse, le descripteur de Harris et les descripteurs qui combinent différentes orientations sont robustes pour des intensités de pluie de 0 à 30 mm/h. La robustesse des descripteurs d'images en conditions de pluie diminue lorsque l'intensité de pluie augmente. Finalement, les descripteurs les plus sensibles à la pluie peuvent potentiellement être utilisés pour des applications de détection de la pluie par caméra.Le comportement d'un descripteur d'images en conditions météorologiques dégradées n'est pas forcément relié à celui de la fonction finale associée. Pour cela, deux détecteurs de piéton ont été évalués en conditions météorologiques dégradées (pluie, brouillard, jour, nuit). La nuit et le brouillard sont les conditions qui ont l'impact le plus important sur la détection des piétons. La méthodologie développée et la base de données associée peuvent être utilisées à nouveau pour évaluer d'autres fonctions finales (ex: détection de véhicule, détection de signalisation verticale).En contexte routier, connaitre les conditions météorologiques locales en temps réel est essentiel pour répondre aux deux enjeux que sont l'amélioration de la sécurité et l'optimisation des déplacements. Actuellement, le seul moyen de mesurer ces conditions le long des réseaux est l'installation de stations météorologiques. Ces stations sont coûteuses et nécessitent une maintenance particulière. Cependant, de nombreuses caméras sont déjà présentes sur le bord des routes. Une nouvelle méthode de détection des conditions météorologiques utilisant les caméras de surveillance du trafic est donc proposée. Cette méthode utilise des descripteurs d'images et un réseau de neurones. Elle répond à un ensemble de contraintes clairement établies afin de pouvoir détecter l'ensemble des conditions météorologiques en temps réel, mais aussi de pourvoir proposer plusieurs niveaux d'intensité. La méthode proposée permet de détecter les conditions normales de jour, de nuit, la pluie et le brouillard. Après plusieurs phases d'optimisation, la méthode proposée obtient de meilleurs résultats que ceux obtenus dans la littérature, pour des algorithmes comparables. / Computer vision systems are increasingly being used on roads. They can be installed along infrastructure for traffic monitoring purposes. When mounted in vehicles, they perform driver assistance functions. In both cases, computer vision systems enhance road safety and streamline travel.A literature review starts by retracing the introduction and rollout of computer vision algorithms in road environments, and goes on to demonstrate the importance of image descriptors in the processing chains implemented in such algorithms. It continues with a review of image descriptors from a novel approach, considering them in parallel with final applications, which opens up numerous analytical angles. Finally the literature review makes it possible to assess which descriptors are the most representative in road environments.Several databases containing images and associated meteorological data (e.g. rain, fog) are then presented. These databases are completely original because image acquisition and weather condition measurement are at the same location and the same time. Moreover, calibrated meteorological sensors are used. Each database contains different scenes (e.g. black and white target, pedestrian) and different kind of weather (i.e. rain, fog, daytime, night-time). Databases contain digitally simulated, artificial and natural weather conditions.Seven of the most representative image descriptors in road context are then selected and their robustness in rainy conditions is evaluated. Image descriptors based on pixel intensity and those that use vertical edges are sensitive to rainy conditions. Conversely, the Harris feature and features that combine different edge orientations remain robust for rainfall rates ranging in 0 – 30 mm/h. The robustness of image features in rainy conditions decreases as the rainfall rate increases. Finally, the image descriptors most sensitive to rain have potential for use in a camera-based rain classification application.The image descriptor behaviour in adverse weather conditions is not necessarily related to the associated final function one. Thus, two pedestrian detectors were assessed in degraded weather conditions (rain, fog, daytime, night-time). Night-time and fog are the conditions that have the greatest impact on pedestrian detection. The methodology developed and associated database could be reused to assess others final functions (e.g. vehicle detection, traffic sign detection).In road environments, real-time knowledge of local weather conditions is an essential prerequisite for addressing the twin challenges of enhancing road safety and streamlining travel. Currently, the only mean of quantifying weather conditions along a road network requires the installation of meteorological stations. Such stations are costly and must be maintained; however, large numbers of cameras are already installed on the roadside. A new method that uses road traffic cameras to detect weather conditions has therefore been proposed. This method uses a combination of a neural network and image descriptors applied to image patches. It addresses a clearly defined set of constraints relating to the ability to operate in real-time and to classify the full spectrum of meteorological conditions and grades them according to their intensity. The method differentiates between normal daytime, rain, fog and normal night-time weather conditions. After several optimisation steps, the proposed method obtains better results than the ones reported in the literature for comparable algorithms.

Les conditions atmosphériques dégradées telles que la pluie et le brouillard altèrent temporairement les conditions de conduite. Sur le réseau secondaire, la sur-accidentologie observée dans ces conditions témoigne d'une mauvaise adaptation de la conduite et en particulier de la vitesse. Nous proposons une méthodologie permettant d'estimer une vitesse de référence le long d'un trajet ainsi qu'une méthode fondée sur l'étude du risque routier pour moduler la vitesse en conditions d'adhérence et de visibilité dégradées. Notre estimation du risque routier s'appuie sur la réalisation de scénarios, extraits de l'accidentologie, à l'aide d'un modèle d'interactions véhicule-infrastructure-conducteur. Nous prenons en compte des caractéristiques statiques propres à l'infrastructure et à son environnement et les conditions météorologiques estimées en temps réel dans l'environnement direct du véhicule. Nous montrons qu'il existe des outils permettant d'alimenter les modèles en caractéristiques statiques. Enfin, nous présentons les méthodes fondées sur l'utilisation d'une caméra embarquée permettant de détecter et de caractériser en ligne les conditions atmosphériques dégradées. Nous détaillons en particulier notre contribution au travers d'une méthode de détection et de caractérisation du brouillard de nuit. Celle-ci est constituée d'un système dual s'appuyant sur la détection des halos autour des sources de lumière et sur la détection du voile de rétrodiffusion des phares du véhicule. Nous proposons finalement une méthode statique par caméra permettant de calibrer le système en conditions écologiques.

Parmi l’ensemble des matériaux constitutifs d’une couverture d’installation de stockage de déchets, l’argile et le GéoSynthétique Bentonitique (GSB), couramment utilisés, peuvent présenter des défauts qu’il est nécessaire de caractériser afin de prévoir les éventuels travaux de remise en état partielle ou totale du site. L’objectif de cette thèse est de déterminer la capacité des méthodes géophysiques de Tomographie de Résistivité Electrique (TRE), de Polarisation Spontanée (PS) et d’Automatic Resistivity Profiling (ARP) à caractériser les couvertures. Pour cela, un site expérimental constitué de deux couvertures, au sein desquelles des défauts ont été volontairement créés, a été mis en place. Le suivi temporel effectué sur la couverture sans GSB a montré que les conditions météorologiques du mois précédant les mesures ont une incidence sur la détection des défauts. De plus, les variations de comportement hydrique et électrique détectées en TRE au sein du matériau de couverture ont notamment pu être attribuées à l’existence d’hétérogénéités de composition. La présence de GSB rend plus difficile la détection des défauts quelle que soit la méthode utilisée. Cependant, il semble que le temps passant l’évolution du GSB permette une détection plus aisée. Enfin, les prospections effectuées sur une installation de stockage de déchets dangereux ont mis en évidence la nécessité de coupler plusieurs méthodes géophysiques. L’hétérogénéité des matériaux de couverture et de l’état du GSB, mise en évidence par la TRE, a été confirmée par des observations in situ sur des sondages à la tarière manuelle. / Among the whole landfill cover materials, clay and Geosynthetic Clay Liner (GCL), commonly used, may contain defects which are necessary to characterize in order to plan possible repair work, partial or total. The aim of this thesis is to define the ability of the following geophysical methods, the Electrical Resistivity Tomography (ERT), the Self Potential (SP) and the Automatic Resistivity Profiling (ARP) to characterize covers. To do this, an experimental site composed of two covers in which defects have been intentionally made has been built. These covers are composed of a clayey material upon which a GCL has been placed for one of these covers. The monitoring performed on the cover without the GCL has outlined that the climatic conditions of the month preceding measurements have an impact on the defects’ detection. Moreover, hydric and electrical behavior variations detected by ERT in the clayey material have in particular be linked with the presence of composition heterogeneities. The presence of the GCL makes more difficult the detection of defects whatever the method used. However, it seems that, over time, the evolution of the GCL enables an easier detection. Finally, surveys carried out on an industrial waste landfill have shown the necessity of coupling geophysical methods. The heterogeneity of the cover materials and the GCL has been checked by manual auger holes.