Cette étude vise à tester la pertinence des images RSO - de moyenne et de haute résolution - à la caractérisation des types d’occupation du sol en milieu urbain. Elle s’est basée sur des approches texturales à partir des statistiques de deuxième ordre. Plus spécifiquement, on recherche les paramètres de texture les plus pertinents pour discriminer les objets urbains. Il a été utilisé à cet égard des images Radarsat-1 en mode fin en polarisation HH et Radarsat-2 en mode fin en double et quadruple polarisation et en mode ultrafin en polarisation HH. Les occupations du sol recherchées étaient le bâti dense, le bâti de densité moyenne, le bâti de densité faible, le bâti industriel et institutionnel, la végétation de faible densité, la végétation dense et l’eau. Les neuf paramètres de textures analysés ont été regroupés, en familles selon leur définition mathématique. Les paramètres de ressemblance/dissemblance regroupent l’Homogénéité, le Contraste, la Similarité et la Dissimilarité. Les paramètres de désordre sont l’Entropie et le Deuxième Moment Angulaire. L’Écart-Type et la Corrélation sont des paramètres de dispersion et la Moyenne est une famille à part. Il ressort des expériences que certaines combinaisons de paramètres de texture provenant de familles différentes utilisés dans les classifications donnent de très bons résultants alors que d’autres associations de paramètres de texture de définition mathématiques proches génèrent de moins bons résultats. Par ailleurs on constate que si l’utilisation de plusieurs paramètres de texture améliore les classifications, la performance de celle-ci plafonne à partir de trois paramètres. Malgré la bonne performance de cette approche basée sur la complémentarité des paramètres de texture, des erreurs systématiques dues aux effets cardinaux subsistent sur les classifications. Pour pallier à ce problème, il a été développé un modèle de compensation radiométrique basé sur la section efficace radar (SER). Une simulation radar à partir du modèle numérique de surface du milieu a permis d'extraire les zones de rétrodiffusion des bâtis et d'analyser les rétrodiffusions correspondantes. Une règle de compensation des effets cardinaux fondée uniquement sur les réponses des objets en fonction de leur orientation par rapport au plan d'illumination par le faisceau du radar a été mise au point. Des applications de cet algorithme sur des images RADARSAT-1 et RADARSAT-2 en polarisations HH, HV, VH, et VV ont permis de réaliser de considérables gains et d’éliminer l’essentiel des erreurs de classification dues aux effets cardinaux. / This study aims to test the relevance of medium and high-resolution SAR images on the characterization of the types of land use in urban areas. To this end, we have relied on textural approaches based on second-order statistics. Specifically, we look for texture parameters most relevant for discriminating urban objects. We have used in this regard Radarsat-1 in fine polarization mode and Radarsat-2 HH fine mode in dual and quad polarization and ultrafine mode HH polarization. The land uses sought were dense building, medium density building, low density building, industrial and institutional buildings, low density vegetation, dense vegetation and water. We have identified nine texture parameters for analysis, grouped into families according to their mathematical definitions in a first step. The parameters of similarity / dissimilarity include Homogeneity, Contrast, the Differential Inverse Moment and Dissimilarity. The parameters of disorder are Entropy and the Second Angular Momentum. The Standard Deviation and Correlation are the dispersion parameters and the Average is a separate family. It is clear from experience that certain combinations of texture parameters from different family used in classifications yield good results while others produce kappa of very little interest. Furthermore, we realize that if the use of several texture parameters improves classifications, its performance ceils from three parameters. The calculation of correlations between the textures and their principal axes confirm the results. Despite the good performance of this approach based on the complementarity of texture parameters, systematic errors due to the cardinal effects remain on classifications. To overcome this problem, a radiometric compensation model was developed based on the radar cross section (SER). A radar simulation from the digital surface model of the environment allowed us to extract the building backscatter zones and to analyze the related backscatter. Thus, we were able to devise a strategy of compensation of cardinal effects solely based on the responses of the objects according to their orientation from the plane of illumination through the radar's beam. It appeared that a compensation algorithm based on the radar cross section was appropriate. Some examples of the application of this algorithm on HH polarized RADARSAT-2 images are presented as well. Application of this algorithm will allow considerable gains with regard to certain forms of automation (classification and segmentation) at the level of radar imagery thus generating a higher level of quality in regard to visual interpretation. Application of this algorithm on RADARSAT-1 and RADARSAT-2 images with HH, HV, VH, and VV polarisations helped make considerable gains and eliminate most of the classification errors due to the cardinal effects.

Cette étude vise à tester la pertinence des images RSO - de moyenne et de haute résolution - à la caractérisation des types d’occupation du sol en milieu urbain. Elle s’est basée sur des approches texturales à partir des statistiques de deuxième ordre. Plus spécifiquement, on recherche les paramètres de texture les plus pertinents pour discriminer les objets urbains. Il a été utilisé à cet égard des images Radarsat-1 en mode fin en polarisation HH et Radarsat-2 en mode fin en double et quadruple polarisation et en mode ultrafin en polarisation HH. Les occupations du sol recherchées étaient le bâti dense, le bâti de densité moyenne, le bâti de densité faible, le bâti industriel et institutionnel, la végétation de faible densité, la végétation dense et l’eau. Les neuf paramètres de textures analysés ont été regroupés, en familles selon leur définition mathématique. Les paramètres de ressemblance/dissemblance regroupent l’Homogénéité, le Contraste, la Similarité et la Dissimilarité. Les paramètres de désordre sont l’Entropie et le Deuxième Moment Angulaire. L’Écart-Type et la Corrélation sont des paramètres de dispersion et la Moyenne est une famille à part. Il ressort des expériences que certaines combinaisons de paramètres de texture provenant de familles différentes utilisés dans les classifications donnent de très bons résultants alors que d’autres associations de paramètres de texture de définition mathématiques proches génèrent de moins bons résultats. Par ailleurs on constate que si l’utilisation de plusieurs paramètres de texture améliore les classifications, la performance de celle-ci plafonne à partir de trois paramètres. Malgré la bonne performance de cette approche basée sur la complémentarité des paramètres de texture, des erreurs systématiques dues aux effets cardinaux subsistent sur les classifications. Pour pallier à ce problème, il a été développé un modèle de compensation radiométrique basé sur la section efficace radar (SER). Une simulation radar à partir du modèle numérique de surface du milieu a permis d'extraire les zones de rétrodiffusion des bâtis et d'analyser les rétrodiffusions correspondantes. Une règle de compensation des effets cardinaux fondée uniquement sur les réponses des objets en fonction de leur orientation par rapport au plan d'illumination par le faisceau du radar a été mise au point. Des applications de cet algorithme sur des images RADARSAT-1 et RADARSAT-2 en polarisations HH, HV, VH, et VV ont permis de réaliser de considérables gains et d’éliminer l’essentiel des erreurs de classification dues aux effets cardinaux. / This study aims to test the relevance of medium and high-resolution SAR images on the characterization of the types of land use in urban areas. To this end, we have relied on textural approaches based on second-order statistics. Specifically, we look for texture parameters most relevant for discriminating urban objects. We have used in this regard Radarsat-1 in fine polarization mode and Radarsat-2 HH fine mode in dual and quad polarization and ultrafine mode HH polarization. The land uses sought were dense building, medium density building, low density building, industrial and institutional buildings, low density vegetation, dense vegetation and water. We have identified nine texture parameters for analysis, grouped into families according to their mathematical definitions in a first step. The parameters of similarity / dissimilarity include Homogeneity, Contrast, the Differential Inverse Moment and Dissimilarity. The parameters of disorder are Entropy and the Second Angular Momentum. The Standard Deviation and Correlation are the dispersion parameters and the Average is a separate family. It is clear from experience that certain combinations of texture parameters from different family used in classifications yield good results while others produce kappa of very little interest. Furthermore, we realize that if the use of several texture parameters improves classifications, its performance ceils from three parameters. The calculation of correlations between the textures and their principal axes confirm the results. Despite the good performance of this approach based on the complementarity of texture parameters, systematic errors due to the cardinal effects remain on classifications. To overcome this problem, a radiometric compensation model was developed based on the radar cross section (SER). A radar simulation from the digital surface model of the environment allowed us to extract the building backscatter zones and to analyze the related backscatter. Thus, we were able to devise a strategy of compensation of cardinal effects solely based on the responses of the objects according to their orientation from the plane of illumination through the radar's beam. It appeared that a compensation algorithm based on the radar cross section was appropriate. Some examples of the application of this algorithm on HH polarized RADARSAT-2 images are presented as well. Application of this algorithm will allow considerable gains with regard to certain forms of automation (classification and segmentation) at the level of radar imagery thus generating a higher level of quality in regard to visual interpretation. Application of this algorithm on RADARSAT-1 and RADARSAT-2 images with HH, HV, VH, and VV polarisations helped make considerable gains and eliminate most of the classification errors due to the cardinal effects.

Résumé : La texture dispose d’un bon potentiel discriminant qui complète celui des paramètres radiométriques dans le processus de classification d’image. L’indice Compact Texture Unit (CTU) multibande, récemment mis au point par Safia et He (2014), permet d’extraire la texture sur plusieurs bandes à la fois, donc de tirer parti d’un surcroît d’informations ignorées jusqu’ici dans les analyses texturales traditionnelles : l’interdépendance entre les bandes. Toutefois, ce nouvel outil n’a pas encore été testé sur des images multisources, usage qui peut se révéler d’un grand intérêt quand on considère par exemple toute la richesse texturale que le radar peut apporter en supplément à l’optique, par combinaison de données. Cette étude permet donc de compléter la validation initiée par Safia (2014) en appliquant le CTU sur un couple d’images optique-radar. L’analyse texturale de ce jeu de données a permis de générer une image en « texture couleur ». Ces bandes texturales créées sont à nouveau combinées avec les bandes initiales de l’optique, avant d’être intégrées dans un processus de classification de l’occupation du sol sous eCognition. Le même procédé de classification (mais sans CTU) est appliqué respectivement sur : la donnée Optique, puis le Radar, et enfin la combinaison Optique-Radar. Par ailleurs le CTU généré sur l’Optique uniquement (monosource) est comparé à celui dérivant du couple Optique-Radar (multisources). L’analyse du pouvoir séparateur de ces différentes bandes à partir d’histogrammes, ainsi que l’outil matrice de confusion, permet de confronter la performance de ces différents cas de figure et paramètres utilisés. Ces éléments de comparaison présentent le CTU, et notamment le CTU multisources, comme le critère le plus discriminant ; sa présence rajoute de la variabilité dans l’image permettant ainsi une segmentation plus nette, une classification à la fois plus détaillée et plus performante. En effet, la précision passe de 0.5 avec l’image Optique à 0.74 pour l’image CTU, alors que la confusion diminue en passant de 0.30 (dans l’Optique) à 0.02 (dans le CTU). / Abstract : Texture has a good discriminating power which complements the radiometric parameters in the image classification process. The index Compact Texture Unit multiband, recently developed by Safia and He (2014), allows to extract texture from several bands at a time, so taking advantage of extra information not previously considered in the traditional textural analysis: the interdependence between bands. However, this new tool has not yet been tested on multi-source images, use that could be an interesting added-value considering, for example, all the textural richness the radar can provide in addition to optics, by combining data. This study allows to complete validation initiated by Safia (2014), by applying the CTU on an optics-radar dataset. The textural analysis of this multisource data allowed to produce a "color texture" image. These newly created textural bands are again combined with the initial optical bands before their use in a classification process of land cover in eCognition. The same classification process (but without CTU) was applied respectively to: Optics data, then Radar, finally on the Optics-Radar combination. Otherwise, the CTU generated on the optics separately (monosource) was compared to CTU arising from Optical-Radar couple (multisource). The analysis of the separating power of these different bands (radiometric and textural) with histograms, and the confusion matrix tool allows to compare the performance of these different scenarios and classification parameters. These comparators show the CTU, including the CTU multisource, as the most discriminating criterion; his presence adds variability in the image thus allowing a clearer segmentation (homogeneous and non-redundant), a classification both more detailed and more efficient. Indeed, the accuracy changes from 0.5 with the Optics image to 0.74 for the CTU image while confusion decreases from 0.30 (in Optics) to 0.02 (in the CTU).

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.

Depuis une quinzaine d’années, l’émergence des données de télédétection à Très Haute Résolution Spatiale (THRS) et la démocratisation des Systèmes d’Information Géographique (SIG) aident à répondre aux nouveaux besoins croissants d’informations spatialisées. Le développement de nouvelles méthodes de cartographie offre une opportunité pour comprendre et anticiper les mutations des surfaces terrestres aux grandes échelles, jusqu’ici mal connues. En France, l’emploi de bases de données spatialisées sur l’occupation du sol à grande échelle (BD Ocsol GE) est devenu incontournable dans les opérations courantes de planification et de suivi des territoires. Pourtant, l’acquisition de ce type de bases de données spatialisées est encore un besoin difficile à satisfaire car les demandes portent sur des productions cartographiques sur-mesure, adaptées aux problématiques locales des territoires. Face à cette demande croissante, les prestataires réguliers de ce type de données cherchent à optimiser les procédés de fabrication avec des techniques récentes de traitements d’image. Cependant, la Photo-Interprétation Assistée par Ordinateur (PIAO) reste la méthode privilégiée des prestataires. En raison de sa grande souplesse, elle répond toujours au besoin de cartographie aux grandes échelles, malgré son coût important. La substitution de la PIAO par des méthodes de production entièrement automatisées est rarement envisagée. Toutefois, les développements récents en matière de segmentation d’images peuvent contribuer à l’optimisation de la pratique de la photo-interprétation. Cette thèse présente ainsi une série d’outils (ou modules) qui participent à l’élaboration d’une assistance à la digitalisation pour l’exercice de photo-interprétation d’une BD Ocsol GE. L’assistance se traduit par la réalisation d’un prédécoupage du paysage à partir d’une segmentation menée sur une image THRS. L’originalité des outils présentés est leur intégration dans un contexte de production fortement contraint. La construction des modules est conduite à travers trois prestations cartographiques à grande échelle commandités par des entités publiques. L’apport de ces outils d’automatisation est analysé à travers une analyse comparative entre deux procédures de cartographie : l’une basée sur une démarche de photo-interprétation entièrement manuelle et la seconde basée sur une photo-interprétation assistée en amont par une segmentation numérique. Les gains de productivité apportés par la segmentation sont, évalués à l’aide d’indices quantitatifs et qualitatifs, sur des configurations paysagères différentes. À des degrés divers, il apparaît que quelque soit le type de paysage cartographié, les gains liés à la cartographie assistée sont substantiels. Ces gains sont discutés, à la fois, d’un point de vue technique et d’un point de vue thématique dans une perspective commerciale. / Over the last fifteen years, the emergence of remote sensing data at Very High Spatial Resolution (VHRS) and the democratization of Geographic Information Systems (GIS) have helped to meet the new and growing needs for spatial information. The development of new mapping methods offers an opportunity to understand and anticipate land cover change at large scales, still poorly known. In France, spatial databases about land cover and land use at large scale have become an essential part of current planning and monitoring of territories. However, the acquisition of this type of database is still a difficult need to satisfy because the demands concern tailor-made cartographic productions, adapted to the local problems of the territories. Faced with this growing demand, regular service providers of this type of data seek to optimize manufacturing processes with recent image-processing techniques. However, photo interpretation remains the favoured method of providers. Due to its great flexibility, it still meets the need for mapping at large scale, despite its high cost. Using fully automated production methods to substitute for photo interpretation is rarely considered. Nevertheless, recent developments in image segmentation can contribute to the optimization of photo-interpretation practice. This thesis presents a series of tools that participate in the development of digitalization assistance for the photo-interpretation exercise. The assistance results in the realization of a pre-cutting of the landscape from a segmentation carried out on a VHRS image. Tools development is carried out through three large-scale cartographic services, each with different production instructions, and commissioned by public entities. The contribution of these automation tools is analysed through a comparative analysis between two mapping procedures: manual photo interpretation versus digitally assisted segmentation. The productivity gains brought by segmentation are evaluated using quantitative and qualitative indices on different landscape configurations. To varying degrees, it appears that whatever type of landscape is mapped, the gains associated with assisted mapping are substantial. These gains are discussed both technically and thematically from a commercial perspective.

La modélisation est un moyen qui permet de prévoir le comportement futur de différents phénomènes. Dans la planification urbaine elle est aussi utilisée pour aider les planificateurs à faire face aux multiples défis d'urbanisme. Le système urbain est tellement complexe qu'il n'est pas possible de prévoir avec exactitude le comportement de différents agents. L'économie urbaine a tenté d'apporter certaines explications, mais elle reste insuffisante pour cerner toutes les interactions qui existent entre les différents agents. L'objet de ma thèse rentre dans le cadre de cette problématique, elle est structurée en deux parties. Dans la première nous traitons de la modélisation des interactions entre transport (urbain) et occupation du sol (urbanisation), c'est une étude à l'échelle microéconomique, et la deuxième porte sur l'analyse des émissions polluantes des transports et évaluation des projets de transport interurbain dans le cadre du développement durable, cela est traité à un niveau plus agrégé. Les applications sont menées sur la région l'Île-de-France.Dans la première partie nous procédons à la mise en interconnexion de deux logiciels, un d'urbanisme (UrbanSim) et l'autre de transport (METROPOLIS) afin de créer un système intégré dit LUTI (Land Use-Transport Interaction). Le comportement des agents est intercepté à travers des estimations, pour cela une série d'estimations est réalisée, à savoir : localisation des ménages, localisation des emplois, le processus de création des projets urbains et le prix de location et de vente des logements. Le système est calé sur les données de recensement de 2006. L'application est menée sur deux niveaux de découpages de la zone d'étude ; l'un est fin, en cellules carrées de 500 x 500 mètre et l'autre en communes.Dans la deuxième partie, nous nous sommes intéressés à l'évaluation des émissions de gaz à effet dans les transports et à la réalisation d'une étude de rentabilité économique et environnementale du projet d'extension du canal Seine-Nord Europe. En effet, dans le cadre de la politique française de lutte contre les émissions de gaz à effet de serre, les reports modaux de modes de transports polluants vers les modes propres sont encouragés. C'est bien le cas du projet SNE, par lequel les autorités espèrent un transfert modal de la route vers la voie fluviale. Son objectif est d'étendre l'usage de ce canal à des péniches à grand gabarit. En l'état actuel, le canal ne permet de passer que les péniches à petit gabarit, d'une charge n'excédant pas les 600 tonnes. Notre but est de réaliser une analyse coût-bénéfice à cette extension en introduisant une dimension stochastique à la fonction de la demande et au prix de l'énergie. / Modeling is used to predict the future behavior of different phenomena. In urban planning it is also used to help planners to cope with multiple challenges of urban planning. The urban system is so complex that it is impossible to accurately predict the behavior of different agents. The urban economics has attempted to provide some explanation, but still not sufficient to identify all interactions between the different agents. The purpose of my thesis is within the framework of this subject. It is structured into two parts. In the first one we discuss the modeling of land use/Transport interactions, a study at a microscopic level. The second is the analysis of pollutant emissions and transport project assessment in the context of sustainable development. The latter is processed at a more aggregated level. We apply our models to Île-de-France region.In the first part we proceed by linking two softwares, a land use model (UrbanSim) and a transport model (METROPOLIS), to create an integrated system LUTI (Land-Use and Transport Interaction).The behavior of agents is intercepted through estimates. For that estimation is performed, such as: household location, employment location, urban projects location and the rent and selling prices of housing. The system is calibrated on data from Census 2006. The application is carried out on two levels of geographical units; the first one is a gridcell of 500 x 500 meters and the second in administrative zoning municipalities.In the second part, we were interested in the assessment of greenhouse gas emissions in transport and a study of economic and environmental efficiency of the Seine-Nord Europe project. Indeed, in the context of French politics to fight against greenhouse gas emissions, modal shift from polluting modes of transport to clean modes is encouraged. This is the case of the project SNE, in which the authorities hope a modal shift from road to inland waterways. Its aim is to extend the use of this canal to wide-gauge barges. As it stands, the canal allow access only to narrow gauge barges, with load not exceeding 600 tones. Our aim is to perform a cost-benefit analysis for this extension by introducing a stochastic dimension to the function of demand and energy price.

Des travaux récents, inscrits dans un processus d’ouverture à la pluridisciplinarité, ont souligné que l’organisation des sociétés rurales ne peut plus être comprise sans prendre en compte leur relation à l’espace. Ces évolutions conduisent aujourd’hui à travailler sur la dimension spatiale des données extraites des sources historiques.Cette étude doctorale repose, en grande partie, sur la mise en parallèle de données textuelles et planimétriques, modernes et contemporaines, intégrées dans un système d’information géographique. Les documents concernés (un terrier de 1508 ; un autre terrier associé à un plan, tous deux datés du milieu du XVIIIe siècle ; le cadastre de 1845 avec son état de section de 1848), en inventoriant parcelles et tenanciers/propriétaires, ont en commun de présenter de nombreux renseignements sur l’organisation de l’espace rural. Ils décrivent cependant chacun une réalité en relation avec les structures sociales et économiques propres à la période dont ils sont issus.En choisissant de travailler à l’échelle micro- historique, c’est la pratique quotidienne et la perception des acteurs qui seront considérées ; le temps long permet, quant à lui, d’analyser les évolutions (permanences ou mutations) intervenues dans l’organisation de l’appropriation et de l’occupation du sol, entre le début du XVIe siècle et le milieu du XIXe siècle. / Recent work, part of a process of opening up to multidisciplinarity, has underlined that the organisation of rural societies can no longer be understood without taking into account their relationship to space. These developments are now leading to work on the spatial dimension of data extracted from historical sources.This doctoral study is based, in large part, on the parallel use of modern and contemporary textual and planimetric data, integrated into a geographical information system. The documents concerned (a terrier of 1508; another terrier associated with a plan, both dating from the middle of the 18th century; the 1845 land register with its 1848 section status), by listing parcels and tenant/owners, have in common that they present a great deal of information on the organisation of rural areas. However, they each describe a reality in relation to the social and economic structures specific to the period from which they emerged.By choosing to work on a micro-historical scale, it is the daily practice and perception of the actors that will be considered; the long time allows, for its part, to analyse the evolutions (permanences or mutations) that occurred in the organisation of land appropriation and occupation between the beginning of the 16th century and the middle of the 19th century.

La déforestation en milieu tropical est considérée depuis plusieurs décennies comme un fléau écologique majeur. A tort ou à raison, les pratiques de défriche-brûlis sont fréquemment mises en cause. L'objectif de cette thèse est de caractériser et suivre l'évolution des défrichements agricoles en forêt amazonienne par télédétection multi-capteur. Deux types de défrichements sont abordés : les abattis en Guyane française et les fronts pionniers au Brésil. Ces modes de colonisation agricole relèvent de logiques différentes et provoquent une déforestation d'ampleur variable. Les fronts pionniers émanent initialement d'une volonté politique de " mise en valeur " organisée de la forêt, mais ils essaiment par la suite et leur suivi devient difficile. Les abattis, bien que de petite taille, se multiplient très souvent de manière non planifiée. Ces abattis étant en général spontanés et itinérants, le besoin de surveillance et de gestion de l'espace devient d'autant plus prégnant que le statut foncier est précaire et la demande en terres agricoles croissante. La méthodologie mise en œuvre pour évaluer et suivre les atteintes à la forêt comporte deux étapes principales. La première consiste à caractériser les configurations télédétectées des abattis et des fronts pionniers sur les images optiques (NOAA AVHRR, Spot 4 VEGETATION, Landsat TM, Spot XS, photographies aériennes) et radar (JERS et ERS). La deuxième porte sur l'utilisation des données multidates pour quantifier l'évolution des défrichements agricoles et expliquer les dynamiques d'occupation du sol. L'exploitation des images est menée alternativement avec l'analyse des données socio-économiques issues d'enquêtes et relevés de terrain. Ces deux étapes débouchent sur une proposition de veille aérospatiale pour la surveillance et la gestion de la forêt amazonienne. Cette veille est déclinée en niveaux de suivi correspondant aux caractéristiques des capteurs et à l'emprise spatiale des défrichements. Pour une surveillance opérationnelle, des traitements d'images adaptés aux spécificités géographiques et climatiques des régions tropicales humides sont proposées, ainsi que des indicateurs environnementaux et socio-économiques qui complètent les observations par satellites.

Ce projet de recherche s'inscrit dans un contexte spécifique d'étalement de la ville d'Antananarivo, capitale de Madagascar, au-delà de ses limites administratives actuelles, en englobant les espaces périphériques. La poussée de l'urbanisation expliquée par une forte croissance démographique aussi bien dans la ville que dans ses Communes périphériques, est source de profondes mutations qui sont vécues au quotidien par la population et sont visibles dans le paysage. Ainsi, cette recherche consiste à analyser le déroulement, les manifestations et les enjeux de ces mutations. Reconnaissant que la périurbanisation recouvre tellement d'aspects, la focalisation sur les thématiques -population, habitat et occupation des sols, constitue un choix pertinent dans les analyses. Elles sont au centre des dynamiques et des forts enjeux qui caractérisent les espaces périurbains. La démarche est basée sur une étude comparée de trois Communes Rurales (Tanjombato,Sabotsy Namehana et Ambohimangakely) situées à la périphérie immédiate de la ville et qui sont représentatives de l'agglomération de par leur poids démographique, leur localisation sur les axes majeurs de périurbanisation et leur niveau d'urbanisation.

CETTE RECHERCHE DEMONTRE L'INTERET DE L'IMAGERIE SATELLITAIRE COMME SUPPORT D'ENQUETE DE TERRAIN ET COMME BASE DE SONDAGE. APRES AVOIR JUSTIFIE LE CHOIX D'UN TIRAGE SYSTEMATIQUE NON ALIGNE POUR COLLECTER LES DONNEES DE TERRAIN, QUELQUES OUTILS PERMETTANT DE DECRIRE LE NOMBRE, LA TAILLE ET L'ESPACEMENT DES UNITES D'OBSERVATION SONT ANALYSES. ENFIN, L'APPORT DE LA TELEDETECTION ASSOCIE AUX METHODES D'ENQUETE AREOLAIRES (SONDAGES SPATIAUX) PERMET D'AMELIORER LES PRECISIONS D'ESTIMATION. LA PRECISION RELATIVE (COEFFICIENT DE VARIATION) EST PASSEE DE 46 POUR CENT SANS LA TELEDETECTION SPATIALE A 87 POUR CENT AVEC CELLE-CI. DES ZONES PASTORALES, AGROPASTORALES ET OASIENNES DU SAHEL SUD-MAURITANIEN SERVENT D'EXEMPLE.