La multiplication des sources de données et la mise à disposition de systèmes d'imagerie à haute résolution a fait rentrer l'observation de la Terre dans le monde du big data. Cela a permis l'émergence de nouvelles applications (étude de la répartition des sols par data mining, etc.) et a rendu possible l'application d'outils statistiques venant des domaines de l'apprentissage automatique et de la vision par ordinateur. Cette thèse cherche à concevoir et implémenter un modèle de classification bénéficiant de l'existence de grande bases de données haute résolution (si possible, annotées) et capable de générer des cartes sémantiques selon diverses thématiques. Les applications visés incluent la cartographie de zones urbaines ainsi que l'étude de la géologie et de la végétation à des fins industrielles.L'objectif de la thèse est de développer de nouveaux outils statistiques pour la classification d'images aériennes et satellitaires. Des approches d'apprentissage supervisé telles que les réseaux de neurones profonds, surpassant l'état-de-l'art en combinant des caractéristiques locales des images et bénéficiant d'une grande quantité de données annotées, seront particulièrement étudiées. Les principales problématiques sont les suivantes : (a) la prédiction structurée (comment introduire la structure spatial et spectral dans l'apprentissage ?), (b) la fusion de données hétérogènes (comment fusionner des données SAR, hyperspectrales et Lidar ?), (c) la cohérence physique du modèle (comment inclure des connaissances physiques a priori dans le modèle ?) et (d) le passage à l'échelle (comment rendre les solutions proposées capables de traiter une quantité massive de données ?). / Thanks to high resolution imaging systems and multiplication of data sources, earth observation(EO) with satellite or aerial images has entered the age of big data. This allows the development of new applications (EO data mining, large-scale land-use classification, etc.) and the use of tools from information retrieval, statistical learning and computer vision that were not possible before due to the lack of data. This project is about designing an efficient classification scheme that can benefit from very high resolution and large datasets (if possible labelled) for creating thematic maps. Targeted applications include urban land use, geology and vegetation for industrial purposes.The PhD thesis objective will be to develop new statistical tools for classification of aerial andsatellite image. Beyond state-of-art approaches that combine a local spatial characterization of the image content and supervised learning, machine learning approaches which take benefit from large labeled datasets for training classifiers such that Deep Neural Networks will be particularly investigated. The main issues are (a) structured prediction (how to incorporate knowledge about the underlying spatial and contextual structure), (b) data fusion from various sensors (how to merge heterogeneous data such as SAR, hyperspectral and Lidar into the learning process ?), (c) physical plausibility of the analysis (how to include prior physical knowledge in the classifier ?) and (d) scalability (how to make the proposed solutions tractable in presence of Big RemoteSensing Data ?)

L’imagerie satellite radar propose un point de vue intéressant pour l’étude et la compréhension des océans. Là où l’altimétrie, reconnue et utilisée mondialement, a su s’imposer comme une source de données majeure, les observations de houle issues du SAR (de l’anglais « Synthetic Aperture Radar ») restent encore largement sous exploitées. L’objet de cette thèse est de promouvoir l’utilisation de ces données en proposant un modèle pour l’analyse et la prévision de la houle à l’échelle du globe qui soit indépendant des modèles numériques classiques comme Wavewatch-III. Ce travail s’inscrit dans une logique de pérennisation de la mesure de houle depuis l’espace avec le lancement dans les trois années à venir des trois missions satellites Sentinel-1 A et B et CFOSAT. Un des principaux résultats de ce travail est la capacité de la méthode développée à fournir une information plus précise que celle des modèles existants. Cette méthode permet également une meilleure caractérisation des mesures utilisées en entrée et des pistes d’amélioration de ces dernières sont dégagées pour les futures activités de calibration/validation. Ces travaux ouvrent également des perspectives sur les possibilités d’assimilation des sorties de ce nouveau modèle dans les modèles numériques classiques. / The capability to observe ocean swell using spaceborne Synthetic Aperture Radar (SAR) has been demonstrated starting with ERS-1 mission in 1992. This dissertation shows how ocean swell properties can be used to combine swell observations of heterogeneous quality and acquired at various times and locations for the observation and forecast of ocean swell fieldsusing ASAR instrument on-board ENVISAT. The first section is a review of how ocean swell spectra can be derived from the SAR complex images of the ocean surface using a quasi-linear transformation. Then, significant swell heights, peak periods and peak directions from in situ measurements are used to assess the accuracy of the SAR observed swell spectra. Using linear propagation in deep ocean, a new swell field reconstruction methodologyis developed in order to gather SAR swell observations related to the same swell field. Propagated from their generation region, these observations render the spatio-temporal properties of the emanating ocean swell fields. Afterwards, a methodology is developed for the exclusion of outliers taking advantage of the swell field consistency. Also, using the irregularly sampled SAR observations, quality controlled estimations of swell field integral parameters are produced on a regular space-time grid. Validation against in situ measurements reveals the dramatic impact of the density of propagated observations on the integral parameters estimated accuracy. Specifically, this parameter is shown to be very dependent on the satellite orbit. Finally, comparisons with the numerical wave model WAVEWATCH-III prove it could potentially benefit from the SAR swell field estimates for assimilation purposes.

L'utilisation des moyens d'observation de la Terre et des techniques spatiales d'analyse pour modéliser, cartographier et évaluer le risque d'inondation de plaine constitue la problématique de ce travail. Appliquée aux bassins de la Moselle et de l'Elbe, la démarche est fondée sur une gestion du risque en trois phases : prévision et anticipation, gestion de crise, retour d'expérience et prévention. Dans la première, l'intégration d'informations spatialisées constitue une des applications clef de l'observation de la Terre. Au sein du bassin versant, les processus naturels sont étudiés grâce à l'imagerie radar et aux mesures in situ pour identifier des zones aux comportements hydrauliques homogènes. Une stratégie de calage des modèles de propagation de crue est proposée, prenant en compte les incertitudes de toutes les sources d'information utilisées (radar, terrain). La cartographie de l'extension de l'inondation est exploitable tant pour caler ces modèles, que pour fournir un support d'aide à la gestion de crise. L'instrument radar d'ENVISAT offre de nouvelles solutions techniques pour cette seconde phase, notamment par ses capacités multi-incidences, multi-polarisations et multi-résolutions. Mais l'imagerie spatiale, notamment optique, alimente la phase de prévention en décrivant les enjeux, au sens des biens et des personnes, et leur évolution au cours du temps. La combinaison avec une information sur l'aléa fournit une évaluation de la vulnérabilité des populations et des territoires, ainsi que du degré de prise en compte du risque dans leur aménagement.

Plusieurs méthodes existent pour évaluer de manière opérationnelle l'éclairement solaire au sol à partir d'images acquises par satellite. Durant sa thèse soutenue en 2009 à MINES ParisTech, Oumbe a conçu une nouvelle méthode, Heliosat-4, faisant appel à des modèles numériques du transfert radiatif et à des approximations d'exécution rapide. La présente thèse vise à consolider ces résultats et à effectuer la validation complète de la méthode Heliosat-4. Elle s'inscrit dans une collaboration scientifique internationale dans les projets européens MACC (Monitoring Atmosphere Composition and Climate) et MACC-II.Oumbe a proposé une approximation de l'équation de transfert radiatif s'écrivant alors comme un produit de l'éclairement par ciel clair par un terme d'extinction dû aux nuages. Nous avons établi que les erreurs liées à cette approximation sont très faibles dans les conditions usuelles et qu'elle peut donc être utilisée dans Heliosat-4, ce qui en facilitera l'implémentation informatique ainsi que son fonctionnement opérationnelle.La méthode Heliosat-4 est donc ainsi composé de deux modèles composés d'abaques : McClear pour l'éclairement par ciel clair et McCloud pour l'extinction cet éclairement due aux nuages. A l'aide de mesures in-situ d'éclairements direct et diffus de référence, nous avons analysé finement les performances de Heliosat-4 selon différentes conditions. La qualité de la première version pré-opérationnelle de Heliosat-4 est jugée satisfaisante car elle permet des estimations d'éclairement global avec une précision de l'ordre de celles des méthodes existantes mais des estimations des composantes directe et diffuse sensiblement de meilleure qualité.

Plusieurs méthodes existent pour évaluer de manière opérationnelle l'éclairement solaire au sol à partir d'images acquises par satellite. Durant sa thèse soutenue en 2009 à MINES ParisTech, Oumbe a conçu une nouvelle méthode, Heliosat-4, faisant appel à des modèles numériques du transfert radiatif et à des approximations d'exécution rapide. La présente thèse vise à consolider ces résultats et à effectuer la validation complète de la méthode Heliosat-4. Elle s'inscrit dans une collaboration scientifique internationale dans les projets européens MACC (Monitoring Atmosphere Composition and Climate) et MACC-II.Oumbe a proposé une approximation de l'équation de transfert radiatif s'écrivant alors comme un produit de l'éclairement par ciel clair par un terme d'extinction dû aux nuages. Nous avons établi que les erreurs liées à cette approximation sont très faibles dans les conditions usuelles et qu'elle peut donc être utilisée dans Heliosat-4, ce qui en facilitera l'implémentation informatique ainsi que son fonctionnement opérationnelle.La méthode Heliosat-4 est donc ainsi composé de deux modèles composés d'abaques : McClear pour l'éclairement par ciel clair et McCloud pour l'extinction cet éclairement due aux nuages. A l'aide de mesures in-situ d'éclairements direct et diffus de référence, nous avons analysé finement les performances de Heliosat-4 selon différentes conditions. La qualité de la première version pré-opérationnelle de Heliosat-4 est jugée satisfaisante car elle permet des estimations d'éclairement global avec une précision de l'ordre de celles des méthodes existantes mais des estimations des composantes directe et diffuse sensiblement de meilleure qualité. / Several methods have been developed to assess operationally the surface solar irradiance from satellite images. During his PhD thesis presented in 2009 at MINES ParisTech, Oumbe has designed a new method using numerical radiative transfer model and fast approximations. The present PhD thesis aimed at consolidating these results and validating Heliosat-4. This work is the international scientific collaboration framework of the European-funded projects MACC (Monitoring Atmosphere Composition and Climate) and MACC-II.As a foundation of Heliosat-4, Oumbe has proposed an approximation of the radiative transfer equation by a product of clear-sky irradiance and a term describing the cloud extinction. We have established that estimation errors due to this approximation are very small in usual conditions and that this approximation may be adopted. It allows a convenient modular development of Heliosat-4 and eases its future operational use.The Heliosat-4 method is then composed of two abacus-based models: McClear for the irradiance under clear-sky and McCloud for the irradiance extinction due to clouds. With in-situ reference measurements of direct and diffuse irradiance, we have carried out deep performance analysis of Heliosat-4, under different conditions. The quality of this first preoperational version of Heliosat-4 is judged satisfactory as it enables estimations of global irradiance with the same level of quality of other existing methods in literature but also estimations of direct and diffuse irradiances with a noticeable better quality.

La cartographie, l'inventaire et le suivi de glissements de terrain sont indispensables pour l'évaluation de l'aléa glissements de terrain et la gestion des catastrophes. La disponibilité croissante des satellites THR, des drones et des appareils photo numériques grand public offre un grand potentiel pour soutenir ces tâches à l'échelle régionale et locale en complément detechniques établies telles que l'instrumentation in-situ, radar, et les acquisitions par scanner laser. Un manque d'outils de traitement d'image pour l’extraction efficace d’informations pertinentes à partir de différents types d'imagerie optique complique encore l'exploitation des données optiques et entrave la mise en oeuvre de services opérationnels. Cette thèse est consacrée à l'élaboration et l'application de techniques de traitement d'image pour la cartographie, la caractérisation et la surveillance des glissements de terrain en exploitant des données d'imagerie optique. Un état de l'art approfondi des techniques de télédétection innovantes pour la surveillance des glissements de terrain est proposé et démontre le potentiel et les limites des techniques et propose des critères pour le choix des capteurs disponibles (plateformes et méthodes d'analyse d'images) selon le processus observé et les besoins des utilisateurs. Pour la cartographie rapide des glissements de terrain lors de catastrophes majeures, une méthode qui combine segmentation d'image et apprentissage supervisé est développée pour l'analyse des images satellitaires THR à travers plusieurs exemples en Chine, au Brésil, à Haïti, en Italie et en France. Pour l'analyse de glissements de terrain à l'échelle locale, la recherche a élaboré des chaînes de traitement d'images pour la détection de fissures à partir de séries temporelles d'images de drones comme possible géo-indicateurs de l'activité des glissements, la mesure des champs de déplacements horizontaux à partir d'images satellitaires THR utilisant en utilisant des méthodes stéréophotogrammétrie et par corrélation d’image, et les mesures 3D à partir de photographies terrestres basées sur des méthodes de photogrammétrie multi-images. / Landslide inventory mapping and monitoring are indispensable for hazard assessment and disaster management. The enhanced availability of VHR satellites, UAVs and consumer grade digital cameras offers a great potential to support those tasks at regional and local scales, and to complement established techniques such as in situ instrumentation, radar, andlaser scanning. A lack of image processing tools for the efficient extraction process-relevant information from different types of optical imagery still complicates the exploitation of optical data and hinders the implementation of operational services. This doctoral thesis is dedicated to the development and application of image processing techniques for the mapping,characterization and monitoring of landslides with optical remote sensing data. A comprehensive review of innovative remote sensing techniques for landslide monitoring shows the potential and limitations of available techniques and guides the selection of the most appropriate combination of sensors – platforms – image analysis methods according to the observed process and end-user needs. For the efficient detection of landslides after major triggering events at the regional scale, a method for rapid mapping combining image segmentation, feature extraction, supervised learning is developed. For detailed landslide investigations at the local scale, this study elaborates image processing chains for detection of surface fissures in time-series of UAV images as geo-indicators of landslide activity, the measurement of horizontal surface displacements from VHR satellite images using stereo-photogrammetric and image correlation methods, and 3D measurements from terrestrial photographs based on multi-view open-source photogrammetry.