L'implantation d'éoliennes en mer permet de contribuer, notamment, au respect des objectifs de Kyoto par l'Europe. Ceci constitue une étape dans la lutte contre le changement climatique global. Pour localiser précisément les futurs lieux d'implantation des parcs éoliens, il est nécessaire de connaître la répartition spatiale du potentiel éolien en zones côtières. Nous démontrons que le potentiel éolien en mer doit être représenté sous forme de cartes de paramètres statistiques à haute résolution spatiale. La télédétection permettant la mesure de phénomènes physiques spatialisés, nous évaluons son apport à l'obtention de telles cartes. Les diffusomètres spatioportés permettent l'obtention de statistiques de vent, mais au large des zones d'intérêt, et à basse résolution spatiale. Les radars à ouverture synthétique (ROS) permettent, eux, l'obtention de cartes de vent à haute résolution spatiale sur les zones d'intérêt, mais ne sont pas adaptés à l'obtention de statistiques de vent. Nous définissons alors le cadre mathématique d'une méthode statistique. Cette méthode permet de tirer parti des avantages conjugués des diffusomètres et des ROS, afin d'obtenir des cartes de paramètres statistiques de vent à haute résolution spatiale sur les zones d'intérêt. Elle permet de rendre la télédétection utilisable de manière opérationnelle pour l'évaluation du potentiel éolien maritime.

Les activités anthropiques dans le bassin méditerranéen sont en forte évolution. Dans les zones agricoles, cette croissance entraîne des évolutions considérables de l'occupation du sol. Cette activité agricole exerce un impact majeur sur le fonctionnement hydrologique des paysages qui n'est identifiable qu'à une échelle bien plus large, sur plusieurs dizaines de km². Cette thèse se concentre sur la classification de l'occupation du sol sur une large étendue à partir d'une image monodate à haute résolution spatiale (SPOT6/7).Dans ce contexte, les données d'apprentissage sont collectées par des enquêtes terrain, par conséquent, elles sont très limitées. Les méthodes d'apprentissage supervisées sont généralement utilisées, en supposant que la distribution des classes est stable sur toute l'image. Cependant, en pratique, on constate une distorsion des distributions des classes (apparition de nouvelles classes, disparition de classes). Ce problème, intitulé "datashift", se produit souvent sur des larges étendues. Ainsi le modèle construit sur les données d'apprentissage initiales s'avère sous optimal pour la classification de l'image entière. Pour atténuer ce problème, les techniques d'apprentissage actif définissent un ensemble d'apprentissage efficace, en l'adaptant itérativement par l'ajout des données non labellisées les plus informatives. Ces techniques permettent d'améliorer le modèle de classification tout en conservant un petit ensemble d'apprentissage initial. L'échantillonnage se base généralement sur deux métriques : l'incertitude et la diversité.Dans cette thèse, nous montrons l'apport des techniques d'apprentissage actif pour la cartographie de l'occupation du sol en milieu agricole, en proposant un échantillonnage adapté par parcelle.L'apport des méthodes d'apprentissage actif est validé par rapport à une sélection aléatoire des parcelles. Une métrique de diversité basée sur l'algorithme Meanshift a été proposée.Dans un deuxième temps, nous avons traité le sous-problème du "datashift" qui est l'apparition de nouvelles classes. Nous avons proposé de nouvelles métriques de diversité basées sur l'algorithme Meanshift et les Fuzzy k-means ainsi qu'une nouvelle stratégie de sélection des données adaptées à la détection de nouvelles classes.Dans la dernière partie, nous nous sommes intéressés aux contraintes spatiales induites par les observations sur terrain et nous avons proposé une stratégie de labellisation par points de vue qui permet de diminuer largement les coûts humains d'observations terrain tout en gardant de bonnes précisions de classification ainsi que la découverte des nouvelles classes.Les méthodes proposées ont été testées et validées avec une image multispectrale SPOT6 à 6m de résolution sur le bassin versant de Lebna, Cap-Bon, Tunisie. / Anthropogenic activities in the Mediterranean are in strong evolution. In agricultural areas, this growth leads to considerable changes in land cover. This agricultural activity has a major impact on the hydrological functioning of the landscapes which can be only identified on a wide scale, over several tens of km². This thesis focuses on the land cover classification on wide area from a high spatial resolution monodate image (SPOT6/7).In this context, the learning data are collected by field surveys, therefore they are very limited. Supervised learning methods are generally used, assuming that the class distribution is stable over all the image. However, in practice, there is a class distributions distortion (new classes appear, classes disappear). This problem, called "datashift", always occurs over wide areas. Thus, the model constructed on the initial learning data is sub-optimal for the classification of the entire image. To lessen this problem, active learning techniques define an effective learning set, by iteratively adapting it by adding the most informative unlabeled data. These techniques improve the classification model while retaining a small initial learning set. Sampling is generally based on two metrics: uncertainty and diversity.In this thesis, we show the contribution of active learning techniques for the land cover mapping in agricultural environment, proposing a suitable sampling per parcel.The active learning methods contribution is validated respectively to a random selection of parcels. A diversity metric based on the Meanshift algorithm has been proposed.Secondly, we treated the sub-problem of the "datashift" which is the appearance of new classes. We proposed new metrics of diversity based on the Meanshift algorithm and Fuzzy k-means as well as a new data selection strategy adapted to the detection of new classes.Finally we were interested in the spatial constraints induced by the field observations and we proposed a strategy of labeling by stand points which make it possible to greatly reduce the human costs for field observations while maintaining good classification precisions as well as the discovery of new classes.The proposed methodologies were tested and validated on a multispectral SPOT6 image with 6m resolution on the Lebna watershed, Cap-Bon, Tunisia.

Cette thèse aborde le problème de cartographie de zones brûlées à partir d'images satellitaires haute résolution. Nos modèles reposent sur le traitement d'une seule image SPOT 5, acquise après le feu afin de détecter automatiquement les zones brûlées.<br />Le modèle est fondé sur les Séparateurs à Vaste Marge (SVM), une technique de classification supervisée qui a démontré une meilleure précision et une meilleure capacité de généralisation que les algorithmes de classification plus traditionnels. Concernant notre problème de détection, les différentes zones brûlées possèdent des caractéristiques spectrales assez similaires, au contraire des zones non brûlées (végétation, routes, eau, zones urbaines, nuage, ombre...) dont les caractéristiques spectrales varient énormément. Nous proposons donc d'utiliser les One-Class SVM, une technique qui dérive des SVM mais qui n'utilise que des exemples de pixels brûlés pour les phases d'apprentissage et de classification.<br />Afin de prendre en compte l'information spatiale de l'image, l'algorithme OC-SVM est utilisé comme une technique de croissance de régions, ce qui permet de diminuer les fausses alarmes et d'améliorer les contours des zones brûlées.<br />De plus, la base d'exemple de pixels brûlés nécessaire à l'apprentissage des techniques SVM est déterminée automatiquement à partir de l'histogramme de l'image.<br />Finalement, la méthode de classification proposée est testée sur plusieurs images satellitaires afin de valider son efficacité selon le type de végétation et la surface des zones brûlées. Les zones brûlées obtenues sont comparées aux vérités de terrain fournies par le CNES, Infoterra France, le SERTIT, les Services Départementaux d'Incendies et de Secours ou l'Office National des Forêts.

Les images satellitaires ont trouvées une large application pour l'analyse des ressources naturelles et des activités humaines. Les images à haute résolution, e.g., SPOT5, sont très nombreuses. Ceci donne un grand intérêt afin de développer de nouveaux aspects théoriques et des outils pour la fouille d'images. L'objectif de la thèse est la fouille non-supervisée d'images et inclut trois parties principales. Dans la première partie nous démontrons le contenu d'images à haute résolution. Nous décrivons les zones d'images par les caractéristiques texturelles et géométriques. Les algorithmes de clustering sont présentés dans la deuxième partie. Une étude de critères de validité et de mesures d'information est donnée pour estimer la qualité de clustering. Un nouveau critère basé sur la Longueur de Description Minimale (LDM) est proposé pour estimer le nombre optimal de clusters. Par ailleurs, nous proposons un nouveau algorithme hiérarchique basé sur le critère LDM à noyau. Une nouvelle méthode de ''combinaison de clustering'' est présentée dans la thèse pour profiter de différents algorithmes de clustering. Nous développons un algorithme hiérarchique pour optimiser la fonction objective basée sur une matrice de co-association. Une deuxième méthode est proposée qui converge à une solution globale. Nous prouvons que le minimum global peut être trouvé en utilisant l'algorithme de type ''mean shift''. Les avantages de cette méthode sont une convergence rapide et une complexité linéaire. Dans la troisième partie de la thèse un protocole complet de la fouille d'images est proposé. Différents clusterings sont représentés via les relations sémantiques entre les concepts.

Le traitement des images satellitaires est considéré comme l'un des domaines les plus intéressants dans les domaines de traitement d'images numériques. Les images satellitaires peuvent être dégradées pour plusieurs raisons, notamment les mouvements des satellites, les conditions météorologiques, la dispersion et d'autres facteurs. Plusieurs méthodes d'amélioration et de restauration des images satellitaires ont été étudiées et développées dans la littérature. Les travaux présentés dans cette thèse se concentrent sur la restauration des images satellitaires par des techniques de filtrage statistique non linéaire. Dans un premier temps, nous avons proposé une nouvelle méthode pour restaurer les images satellitaires en combinant les techniques de restauration aveugle et non aveugle. La raison de cette combinaison est d'exploiter les avantages de chaque technique utilisée. Dans un deuxième temps, de nouveaux algorithmes statistiques de restauration d'images basés sur les filtres non linéaires et l'estimation non paramétrique de densité multivariée ont été proposés. L'estimation non paramétrique de la densité à postériori est utilisée dans l'étape de ré-échantillonnage du filtre Bayésien bootstrap pour résoudre le problème de la perte de diversité dans le système de particules. Enfin, nous avons introduit une nouvelle méthode de la combinaison hybride pour la restauration des images basée sur la transformée en ondelettes discrète (TOD) et les algorithmes proposés à l'étape deux, et nos avons prouvé que les performances de la méthode combinée sont meilleures que les performances de l'approche TOD pour la réduction du bruit dans les images satellitaires dégradées. / Satellite image processing is considered one of the more interesting areas in the fields of digital image processing. Satellite images are subject to be degraded due to several reasons, satellite movements, weather, scattering, and other factors. Several methods for satellite image enhancement and restoration have been studied and developed in the literature. The work presented in this thesis, is focused on satellite image restoration by nonlinear statistical filtering techniques. At the first step, we proposed a novel method to restore satellite images using a combination between blind and non-blind restoration techniques. The reason for this combination is to exploit the advantages of each technique used. In the second step, novel statistical image restoration algorithms based on nonlinear filters and the nonparametric multivariate density estimation have been proposed. The nonparametric multivariate density estimation of posterior density is used in the resampling step of the Bayesian bootstrap filter to resolve the problem of loss of diversity among the particles. Finally, we have introduced a new hybrid combination method for image restoration based on the discrete wavelet transform (DWT) and the proposed algorithms in step two, and, we have proved that the performance of the combined method is better than the performance of the DWT approach in the reduction of noise in degraded satellite images.

La zone tropicale connaît à l’heure actuelle une réduction catastrophique de la superficie des écosystèmes forestiers qui jouent pourtant un rôle essentiel dans la régulation climatique et qui constituent un réservoir inestimable de la biodiversité. Les causes de cette déforestation sont multiples et complexes. Même si l’agriculture constitue l’une des causes majeures de la déforestation dans la plupart des régions tropicales, l’Afrique sub-saharienne a connu des influences exceptionnelles liées aux conflits sociaux qui ont entrainé un afflux massif de réfugiés ou de déplacés internes. Au Burundi, l’instabilité sociopolitique survenue en 1993 a entrainé un déplacement massif de la population constituée essentiellement d’agriculteurs. Une partie de cette population déplacée s’est réfugiée à l’extérieur du pays tandis qu’une autre s’est retrouvée dans des camps de déplacés à l’intérieur du pays. L’objectif de cette étude est de caractériser la dynamique spatio-temporelle de l’occupation du sol au sud et sud-est du Burundi en mettant un accent particulier sur l’influence de cette migration forcée de la population. La dynamique et la biodiversité végétale de la forêt de Bururi qui est située dans ce paysage anthropisé ont également été analysées. Sur la base de 6 images satellitaires et des observations sur le terrain, cette étude montre que le sud et sud-est du Burundi est caractérisé par une augmentation de l’anthropisation au fil du temps. L’impact négatif de l’instabilité sociopolitique sur la végétation naturelle a été mis en évidence par la diminution du degré d’anthropisation au fur et à mesure que la distance aux camps de déplacés augmente. Il est également confirmé par le fait que l’anthropisation de la zone située autour des camps est plus importante pour les années qui ont suivi le déclenchement de l’instabilité sociopolitique par rapport aux années antérieures. Ainsi, les résultats de cette étude ont permis de confirmer que les camps de déplacés ont significativement contribué à la dynamique de l’occupation du sol dans cette région. La création de nouvelles parcelles agricoles ainsi que la recherche du bois de chauffe autour des camps sont à l’origine de cette forte déforestation. Cette étude montre également que la distribution d’abondances des plantes de la forêt de Bururi est conforme à la distribution log série, ce qui constitue également un indicateur de sa perturbation malgré son statut d’aire protégée. L’agrégation de certaines de ses espèces arborescentes pourrait être l’une des conséquences de ces perturbations anthropiques. En outre, la prépondérance de certains arbustes pionniers généralement indicateurs des forêts tropicales africaines secondarisées, serait un indicateur d’une perturbation anthropique récente qui pourrait être attribuée à cette instabilité sociopolitique. La mise en place d’une politique nationale de réhabilitation des anciens emplacements des camps ainsi que la restauration des espèces menacées s’avèrent par conséquent indispensables./Nowadays, tropical zones are characterized by a catastrophic decline of forest ecosystems areas which play however an important role in climate regulation and biodiversity conservation. There are numerous and complex causes of deforestation. Even if agriculture is one of the main causes of deforestation in most tropical regions, sub-saharan Africa is known to have exceptional influences related to social conflicts that led to a massive flow of refugees or internal displaced population. In Burundi, socio-political instability which occurred in 1993 also led to massive waves of displaced people, essentially farmers. A part of them fled to foreign countries whereas others were kept gathered in camps throughout the country. The present study aims to analyze the land cover spatiotemporal dynamics in south and southeast of Burundi and is particularly focused on the influence of this population forced to migrate. Dynamics and plant diversity of Bururi forest located in this anthropogenic landscape were also investigated. The study combines six Landsat multispectral satellite images analysis with fielding observations. The study highlights an increase in natural vegetation disturbance by anthropogenic activities over time. The negative impact of socio-political instability has been demonstrated by an anthropization decrease when the distance from the camps increases. It is also confirmed by a high anthropogenic pressure in the camp’s surrounding zone during the period that followed the outbreak of the socio-political instability than in previous years. This result confirms that displaced population camps have significantly contributed to the land cover dynamic in the south and southeast of Burundi. Agricultural and domestic firewood collecting activities in camp’s surrounding zone are the main causes of deforestation during instability period. The observed plant species abundance distribution in Bururi forest was found similar to the log series model which also suggests the impact of disturbance on the plant abundance distribution despite the status of this ecosystem as protected area. The spatial aggregation of some of its tree species would be considered as a consequence of anthropogenic disturbance. In addition, the observed pioneer shrubs usually characteristics of secondary African tropical forests can be considered as anthropogenic recent disturbance indicators and would be attributed to the socio-political instability impact. This study recommends the establishment of a national rehabilitation policy of those disturbed zones around the camps and restoration of endangered plant species. / Doctorat en Sciences agronomiques et ingénierie biologique / info:eu-repo/semantics/nonPublished