Les plantes invasives constituent un phénomène très répandu sur la planète qui entraîne des problèmes environnementaux majeurs aboutissant à des perturbations significatives dans les processus régissant la conservation de la diversité végétale et microbienne des sols. Acacia mearnsii (De Wild) est l'une des espèces d'Acacia ayant un potentiel invasif important. Cette légumineuse d'origine australienne a été introduite dans les subéraies du Parc National d'El-Kala (PNEK), au Nord-Est de l'Algérie, où elle induit des dégradations drastiques sur l'écosystème forestier de chêne-liège Quercus suber (L.) et la diversité végétale et microbienne de cette formation forestière. L'objectif de cette étude a été d'évaluer les transformations induites par A. mearnsii sur les caractéristiques et microbienne du sol (particulièrement les communautés de symbiotes microbiens) et d'en déterminer les conséquences sur le développement de chêne-liège. Une série d'expérimentations a été réalisée sur les sols de trois sites dans le PNEK : forêt naturelle de Q. suber (site non envahi), peuplement mixte Q. suber et A. mearnsii (site envahi récemment par A. mearnsii) et peuplement d'A. mearnsii (site anciennement envahi par A. mearnsii). Les analyses de sol, de la diversité fonctionnelle et structurelle des microorganismes telluriques ont révélé l'existence de modifications liées à la présence de l'espèce envahissante. D'autre part, il a été déterminé que A. mearnsii avait un effet inhibiteur sur le développement du chêne-liège et sur son cortège ectomycorhizien associé. De plus, cette essence semble avoir la capacité de s'adapter facilement au milieu d'introduction, du fait de sa forte mycotrophie vis à vis des champignons mycorhiziens arbusculaires, et de sa facilité de nodulation spontanée avec des bactéries symbiotiques principalement du genre Bradyrhizobium. La présence de symbiotes compatibles avec A. mearnsii dans les habitats envahis représente probablement un des facteurs susceptibles de faciliter le processus d'envahissement de l'espèce. Nos résultats suggèrent que la régression du développement du chêne-liège peut être liée aux modifications induites par A. mearnsii sur le fonctionnement du sol et la structure des microorganismes telluriques. Cet effet est probablement lié à d'autres éléments biotiques et abiotiques du milieu envahi influencé par cet arbre. Il sera donc important d'affiner cette étude, et d'analyser plus précisément les paramètres pouvant être à l'origine du succès de l'invasion par A. mearnsii afin de définir un cadre de lutte contre cette espèce invasive et ainsi sauvegarder la subéraie . / Invasive plants are a global phenomenon causing major environmental problems leading to significant disruptions in the processes governing the conservation of plant diversity and soil microbial communities. Acacia mearnsii (De Wild) is one of the Acacia species with a significant invasive potential. This Australian native legume was introduced in the cork forests of the National Park of El Kala (PNEK), North-eastern Algeria, and induced drastic degradation of the cork oak (Quercus suber (L.)) forest ecosystem, on understorey plant species and soil microbial diversity. The objective of this study was to evaluate changes resulting from the A. mearnsii invasion on chemical characteristics and soil microbiota (especially symbiotic microbial communities) and to determine their impact on cork oak development. Experiments were conducted on soils collected from three sites in the PNEK: Q. suber natural stand (non-invaded site), mixed Q. suber and A. mearnsii stand (recently invaded site) and A. mearnsii stand (fully invaded site). Both chemical and microbiological soil characteristics were affected by the presence of the invasive species. On the other hand, it was determined that A. mearnsii had an inhibitory effect on the development of the cork oak tree and its associated ectomycorrhizal community. In addition, this tree species seems to easily interact with arbuscular mycorrhizal fungi in the introduction area, being abundantly infected. It is also spontaneously nodulated by local symbiotic bacteria, mainly of the genus Bradyrhizobium. The presence of symbionts, compatible with A. mearnsii in invaded habitats are probably one of the factors that facilitate the process of invasion. Our results suggest that the development of the cork oak can be linked to changes induced by A. mearnsii with soil functioning and with the composition of soil microorganism communities. This effect is probably related to other biotic and abiotic components of the environment influenced by this invasive tree species. It seems thus important to analyze more precisely the parameters that cause the success of the invasion by A. mearnsii in order to better control this invasive species and save the cork oak forest in Algeria.

Les plantes envahissantes sont considérées comme l'une des plus grandes menaces sur les espèces, mais leurs impacts sur les amphibiens demeurent peu connus. L’objectif de ce projet est de déterminer l’effet de l’établissement du roseau commun (Phragmites australis) sur la répartition des amphibiens et sur leur développement larvaire. Il est présumé que cette plante s'accapare l'espace et les ressources disponibles en produisant une importante biomasse, qu’elle peut modifier l’hydrologie des marais et la structure des communautés d’amphibiens. J’ai évalué les facteurs influençant la répartition des amphibiens selon les caractéristiques des étangs et du paysage dans 50 sites envahis ou non à divers degrés. Des expériences ont également été menées afin d’étudier les répercussions de trois densités de roseau sur des têtards de la Grenouille des bois (Lithobates sylvaticus) et sur la qualité de son habitat. Mes résultats suggèrent que le roseau à forte densité ralentit le développement larvaire de la grenouille des bois et influence les assemblages phytoplanctoniques. Cependant, il n’y a aucune relation entre la densité de la plante et la survie, la morphologie des têtards et les caractéristiques biotiques et abiotiques de l’eau. Dans notre aire d’étude, le paysage autour des étangs a une plus grande influence sur la répartition des amphibiens que l'établissement du roseau. Toutefois, la probabilité d’assèchement est plus élevée lorsque la plante est établie en grande quantité, ce qui, si l’envahissement s’intensifie, aura un effet néfaste sur la survie des têtards et mettra en péril la persistance des populations. / Invasive plants are considered one of the greatest threats to species, but their impact on amphibians is still poorly understood. The objective of this project is to determine the effect of the establishment of common reed (Phragmites australis) on amphibian distribution and larval development. It is thought that this plant monopolizes space and resources by producing a large biomass, and may alter wetland hydrology and amphibian community structure. I evaluated the factors influencing amphibian distribution according to the characteristics of ponds and the surrounding landscape in 50 sites invaded or not by reeds to varying degrees. Experiments were also conducted to study the impacts of three reed densities on wood frog tadpoles (Lithobates sylvaticus) and the quality of their habitat. My results suggest that high reed density slows wood frog larval development and influences phytoplankton assemblages. However, there is no relationship between, plant density and survival, tadpole morphology and water biotic and abiotic characteristic. In our study area, the landscape surrounding ponds has a greater influence on amphibian distribution than does reed establishment. However, the desiccation probability is higher when the plant is established in high quantities, which, if the invasion intensifies, will have an adverse effect on tadpole survival and therefore population persistence.

Les plantes envahissantes sont considérées comme l'une des plus grandes menaces sur les espèces, mais leurs impacts sur les amphibiens demeurent peu connus. L’objectif de ce projet est de déterminer l’effet de l’établissement du roseau commun (Phragmites australis) sur la répartition des amphibiens et sur leur développement larvaire. Il est présumé que cette plante s'accapare l'espace et les ressources disponibles en produisant une importante biomasse, qu’elle peut modifier l’hydrologie des marais et la structure des communautés d’amphibiens. J’ai évalué les facteurs influençant la répartition des amphibiens selon les caractéristiques des étangs et du paysage dans 50 sites envahis ou non à divers degrés. Des expériences ont également été menées afin d’étudier les répercussions de trois densités de roseau sur des têtards de la Grenouille des bois (Lithobates sylvaticus) et sur la qualité de son habitat. Mes résultats suggèrent que le roseau à forte densité ralentit le développement larvaire de la grenouille des bois et influence les assemblages phytoplanctoniques. Cependant, il n’y a aucune relation entre la densité de la plante et la survie, la morphologie des têtards et les caractéristiques biotiques et abiotiques de l’eau. Dans notre aire d’étude, le paysage autour des étangs a une plus grande influence sur la répartition des amphibiens que l'établissement du roseau. Toutefois, la probabilité d’assèchement est plus élevée lorsque la plante est établie en grande quantité, ce qui, si l’envahissement s’intensifie, aura un effet néfaste sur la survie des têtards et mettra en péril la persistance des populations. / Invasive plants are considered one of the greatest threats to species, but their impact on amphibians is still poorly understood. The objective of this project is to determine the effect of the establishment of common reed (Phragmites australis) on amphibian distribution and larval development. It is thought that this plant monopolizes space and resources by producing a large biomass, and may alter wetland hydrology and amphibian community structure. I evaluated the factors influencing amphibian distribution according to the characteristics of ponds and the surrounding landscape in 50 sites invaded or not by reeds to varying degrees. Experiments were also conducted to study the impacts of three reed densities on wood frog tadpoles (Lithobates sylvaticus) and the quality of their habitat. My results suggest that high reed density slows wood frog larval development and influences phytoplankton assemblages. However, there is no relationship between, plant density and survival, tadpole morphology and water biotic and abiotic characteristic. In our study area, the landscape surrounding ponds has a greater influence on amphibian distribution than does reed establishment. However, the desiccation probability is higher when the plant is established in high quantities, which, if the invasion intensifies, will have an adverse effect on tadpole survival and therefore population persistence.

Les images hyperspectrales suscitent un intérêt croissant depuis une quinzaine d'années. Elles fournissent une information plus détaillée d'une scène et permettent une discrimination plus précise des objets que les images couleur RVB ou multi-spectrales. Bien que les potentialités de la technologie hyperspectrale apparaissent relativement grandes, l'analyse et l'exploitation de ces données restent une tâche difficile et présentent aujourd'hui un défi. Les travaux de cette thèse s'inscrivent dans le cadre de la réduction et de partitionnement des images hyperspectrales de grande dimension spatiale. L'approche proposée se compose de deux étapes : calcul d'attributs et classification des pixels. Une nouvelle approche d'extraction d'attributs à partir des matrices de tri-occurrences définies sur des voisinages cubiques est proposée en tenant compte de l'information spatiale et spectrale. Une étude comparative a été menée afin de tester le pouvoir discriminant de ces nouveaux attributs par rapport aux attributs classiques. Les attributs proposés montrent un large écart discriminant par rapport à ces derniers et par rapport aux signatures spectrales. Concernant la classification, nous nous intéressons ici au partitionnement des images par une approche de classification non supervisée et non paramétrique car elle présente plusieurs avantages: aucune connaissance a priori, partitionnement des images quel que soit le domaine applicatif, adaptabilité au contenu informationnel des images. Une étude comparative des principaux classifieurs semi-supervisés (connaissance du nombre de classes) et non supervisés (C-moyennes, FCM, ISODATA, AP) a montré la supériorité de la méthode de propagation d'affinité (AP). Mais malgré un meilleur taux de classification, cette méthode présente deux inconvénients majeurs: une surestimation du nombre de classes dans sa version non supervisée, et l'impossibilité de l'appliquer sur des images de grande taille (complexité de calcul quadratique). Nous avons proposé une approche qui apporte des solutions à ces deux problèmes. Elle consiste tout d'abord à réduire le nombre d'individus à classer avant l'application de l'AP en agrégeant les pixels à très forte similarité. Pour estimer le nombre de classes, la méthode AP utilise de manière implicite un paramètre de préférence p dont la valeur initiale correspond à la médiane des valeurs de la matrice de similarité. Cette valeur conduisant souvent à une sur-segmentation des images, nous avons introduit une étape permettant d'optimiser ce paramètre en maximisant un critère lié à la variance interclasse. L'approche proposée a été testée avec succès sur des images synthétiques, mono et multi-composantes. Elle a été également appliquée et comparée sur des images hyperspectrales de grande taille spatiale (1000 × 1000 pixels × 62 bandes) avec succès dans le cadre d'une application réelle pour la détection des plantes invasives. / The interest in hyperspectral image data has been constantly increasing during the last years. Indeed, hyperspectral images provide more detailed information about the spectral properties of a scene and allow a more precise discrimination of objects than traditional color images or even multispectral images. High spatial and spectral resolutions of hyperspectral images enable to precisely characterize the information pixel content. Though the potentialities of hyperspectral technology appear to be relatively wide, the analysis and the treatment of these data remain complex. In fact, exploiting such large data sets presents a great challenge. In this thesis, we are mainly interested in the reduction and partitioning of hyperspectral images of high spatial dimension. The proposed approach consists essentially of two steps: features extraction and classification of pixels of an image. A new approach for features extraction based on spatial and spectral tri-occurrences matrices defined on cubic neighborhoods is proposed. A comparative study shows the discrimination power of these new features over conventional ones as well as spectral signatures. Concerning the classification step, we are mainly interested in this thesis to the unsupervised and non-parametric classification approach because it has several advantages: no a priori knowledge, image partitioning for any application domain, and adaptability to the image information content. A comparative study of the most well-known semi-supervised (knowledge of number of classes) and unsupervised non-parametric methods (K-means, FCM, ISODATA, AP) showed the superiority of affinity propagation (AP). Despite its high correct classification rate, affinity propagation has two major drawbacks. Firstly, the number of classes is over-estimated when the preference parameter p value is initialized as the median value of the similarity matrix. Secondly, the partitioning of large size hyperspectral images is hampered by its quadratic computational complexity. Therefore, its application to this data type remains impossible. To overcome these two drawbacks, we propose an approach which consists of reducing the number of pixels to be classified before the application of AP by automatically grouping data points with high similarity. We also introduce a step to optimize the preference parameter value by maximizing a criterion related to the interclass variance, in order to correctly estimate the number of classes. The proposed approach was successfully applied on synthetic images, mono-component and multi-component and showed a consistent discrimination of obtained classes. It was also successfully applied and compared on hyperspectral images of high spatial dimension (1000 × 1000 pixels × 62 bands) in the context of a real application for the detection of invasive and non-invasive vegetation species.

Les images hyperspectrales sont des images complexes qui ne peuvent être partitionnées avec succès en utilisant une seule méthode de classification. Les méthodes de classification non coopératives, paramétriques ou non paramétriques peuvent être classées en trois catégories : supervisée, semi-supervisée et non supervisée. Les méthodes paramétriques supervisées nécessitent des connaissances a priori et des hypothèses sur les distributions des données à partitionner. Les méthodes semi-supervisées nécessitent des connaissances a priori limitées (nombre de classes, nombre d'itérations), alors que les méthodes de la dernière catégorie ne nécessitent aucune connaissance. Dans le cadre de cette thèse un nouveau système coopératif et non supervisé est développé pour le partitionnement des images hyperspectrales. Son originalité repose sur i) la caractérisation des pixels en fonction de la nature des régions texturées et non-texturées, ii) l'introduction de plusieurs niveaux d'évaluation et de validation des résultats intermédiaires, iii) la non nécessité d'information a priori. Le système mis en ouvre est composé de quatre modules: Le premier module, partitionne l'image en deux types de régions texturées et non texturées. Puis, les pixels sont caractérisés en fonction de leur appartenance à ces régions. Les attributs de texture pour les pixels appartenant aux régions texturées, et la moyenne locale pour les pixels appartenant aux régions non texturées. Le deuxième module fait coopérer parallèlement deux classifieurs (C-Moyen floue : FCM et l'algorithme Adaptatif Incrémental Linde-Buzo-Gray : AILBG) pour partitionner chaque composante. Pour rendre ces algorithmes non supervisés, le nombre de classes est estimé suivant un critère basé sur la dispersion moyenne pondérée des classes. Le troisième module évalue et gère suivant deux niveaux les conflits des résultats de classification obtenus par les algorithmes FCM et AILBG optimisés. Le premier identifie les pixels classés dans la même classe par les deux algorithmes et les reportent directement dans le résultat final d'une composante. Le second niveau utilise un algorithme génétique (GA), pour gérer les conflits entre les pixels restant. Le quatrième module est dédié aux cas des images multi-composantes. Les trois premiers modules sont appliqués tout d'abord sur chaque composante indépendamment. Les composantes adjacentes ayant des résultats de classification fortement similaires sont regroupées dans un même sous-ensemble et les résultats des composantes de chaque sous-ensemble sont fusionnés en utilisant le même GA. Le résultat de partitionnement final est obtenu après évaluation et fusion par le même GA des différents résultats de chaque sous-ensemble. Le système développé est testé avec succès sur une grande base de données d'images synthétiques (mono et multi-composantes) et également sur deux applications réelles: la classification des plantes invasives et la détection des pins. / Hyperspectral and more generally multi-component images are complex images which cannot be successfully partitioned using a single classification method. The existing non-cooperative classification methods, parametric or nonparametric can be categorized into three types: supervised, semi-supervised and unsupervised. Supervised parametric methods require a priori information and also require making hypothesis on the data distribution model. Semi-supervised methods require some a priori knowledge (e.g. number of classes and/or iterations), while unsupervised nonparametric methods do not require any a priori knowledge. In this thesis an unsupervised cooperative and adaptive partitioning system for hyperspectral images is developed, where its originality relies i) on the adaptive nature of the feature extraction ii) on the two-level evaluation and validation process to fuse the results, iii) on not requiring neither training samples nor the number of classes. This system is composed of four modules: The first module, classifies automatically the image pixels into textured and non-textured regions, and then different features of pixels are extracted according to the region types. Texture features are extracted for the pixels belonging to textured regions, and the local mean feature for pixels of non-textured regions. The second module consists of an unsupervised cooperative partitioning of each component, in which pixels of the different region types are classified in parallel via the features extracted previously using optimized versions of Fuzzy C-Means (FCM) and Adaptive Incremental Linde-Buzo-Gray algorithm (AILBG). For each algorithm the number of classes is estimated according to the weighted average dispersion of classes. The third module is the evaluation and conflict management of the intermediate classification results for the same component obtained by the two classifiers. To obtain a final reliable result, a two-level evaluation is used, the first one identifies the pixels classified into the same class by both classifiers and report them directly to the final classification result of one component. In the second level, a genetic algorithm (GA) is used to remove the conflicts between the invalidated remaining pixels. The fourth module is the evaluation and conflict management in the case of a multi-component image. The system handles all the components in parallel; where the above modules are applied on each component independently. The results of the different components are compared, and the adjacent components with highly similar results are grouped within a subset and fused using a GA also. To get the final partitioning result of the multi-component image, the intermediate results of the subsets are evaluated and fused by GA. The system is successfully tested on a large database of synthetic images (mono and multi-component) and also tested on two real applications: classification of invasive plants and pine trees detection.