Ce travail de thèse a pour objectif la prédiction des paramètres structurels des forêts à grande échelle, grâce aux images de télédétection. La démarche consiste à étendre la précision des données LIDAR spatiales, en les utilisant là où elles sont disponibles, en tant que donnée d'apprentissage pour les images radar à synthèse d'ouverture polarimétriques et interférométrique (PolInSAR). A partir de l'analyse des propriétés géométriques de la forme de cohérence PolInSAR, nous avons proposé un ensemble de paramètres susceptibles d'avoir une corrélation forte avec les profils de densité LIDAR en milieu forestier. Cette description a été utilisée comme données d'entrée de techniques SVM, de réseaux de neurones, et de forêts aléatoires, afin d'apprendre un ensemble de descripteurs de forêts issus du LIDAR : la hauteur totale, le type de profil vertical, et la couverture horizontale. L'application de ces techniques à des données réelles aéroportées de forêts boréales en Suède et au Canada, et l'évaluation de leur précision, démontrent la pertinence de la méthode. Celle-ci préfigure les traitements qui pourront être appliqués à l'échelle planétaires aux futures missions satellites dédiées à la forêt : Biomass, Tandem-L et NiSAR. / The objective of this thesis is to predict the structural parameters of forests on a large scale using remote sensing images. The approach is to extend the accuracy of LIDAR full waveforms, on a larger area covered by polarimetric and interferometric (PolInSAR) synthetic aperture radar images using machine learning methods. From the analysis of the geometric properties of the PolInSAR coherence shape, we proposed a set of parameters that are likely to have a strong correlation with the LIDAR density profiles on forest lands. These features were used as input data for SVM techniques, neural networks, and random forests, in order to learn a set of forest descriptors deduced from LIDAR: the canopy height, the vertical profile type, and the canopy cover. The application of these techniques to airborne data over boreal forests in Sweden and Canada, and the evaluation of their accuracy, demonstrate the relevance of the method. This approach can be soon be adapted for future satellite missions dedicated to the forest: Biomass, Tandem-L and NiSAR.

Les techniques polarimétriques et interférométriques SAR (PolInSAR) en bande P (250Mhz - 500Mhz), offrent une solution à échelle mondiale pour l'étude des paramètres de la biomasse végétale. L'objectif de ce travail de doctorat est de proposer une analyse de la précision d'estimation que l'on peut espérer obtenir à l'aide de ces techniques pour certains paramètres tels que la hauteur de la végétation et du sol, en s'appuyant sur une des modélisation de la végétation les plus utilisées (modèle RVoG). Nous avons tout d'abord déterminé la Borne de Cramér-Rao (BCR) qui permet de fournir une borne inférieure à la variance d'estimation lorsque cette dernière est sans biais. Cette étude montre qu'il peut exister une grande diversité de situations, avec dans les cas favorables un écart type d'estimation de l'ordre du mètre pour une taille d'échantillon de 100 pixels. Il a pu ainsi être montré que la technique d'estimation la plus utilisée conduit à des variances proches de la BCR dans un grand nombre de situations. Cette étude a également permis d'analyser les performances quand on réduit l'information polarimétrique (Polarimétrie Compacte). Nous avons ensuite analysé l'influence de quelques écarts au modèle RvoG (fluctuations de la hauteur du sol et de la végétation, et décorrélation temporelle). La décorrélation temporelle semble être la perturbation la plus critique car elle peut fortement biaiser l'estimation. Finalement nous avons illustré, sur des forêts tropicales et tempérées, certains de ces résultats théoriques à l'aide de données acquises par les systèmes radar RAMSES et SETHI de l'ONERA en bande P. / Polarimetric and Interferometric SAR techniques (PolInSAR) offer a global solution for vegetal biomass parameters monitoring. In the scope of this thesis, we propose to analyze the estimation precision that can be achieved with those techniques for some parameters such as ground and vegetation height, based on one of the most widely used PolInSAR vegetation model (RVoG model). We have first determined the Cramer-Rao bound (CRB), which gives a lower bound on the estimation variance, for unbiased estimation. This study shows a high diversity of situations, with in the best cases a precision of around 1 meter for a sample size of 100 pixels. It was shown that the most commonly used estimation method leads to estimation variances close to the CRB in a lot of situations. This study also allowed us to analyze the performance loss when polarimetric information is reduced (Compact Polarimetry). Then, we analyzed the influence of some deviations from the RVoG model (ground and vegetation height fluctuations, and also temporal decorrelation). Temporal decorrelation seems to be the most concerning issue as it can lead to high estimation bias. These theoritical results have been illustrated on tropical and tempered forests using P band data acquired by RAMSES and SETHI, the ONERA radar systems.

L'objectif de ce travail de thèse a été d'évaluer le potentiel de la technique PolInSAR pour l'extraction des paramètres physiques de la forêt et la transposition de ce type d'analyse aux conditions spatiales. <br /><br />Des travaux antérieurs ont montré que cette technique était efficace pour l'estimation de la hauteur des arbres, qui peut être reliée à la biomasse aérienne par une relation allométrique, à partir de données acquises en bande L. La première partie de ces travaux a porté sur le développement de procédures d'inversions aux fréquences extrêmes du spectre généralement utilisé pour l'étude des surfaces naturelles, la bande X et la bande P, dans le contexte de données acquises par le système aéroporté RAMSES sur des forêts de pins. <br /><br />Ensuite, l'influence des paramètres système qui diffèrent le plus de l'aéroporté au satellitaire, la résolution et le rapport Signal à Bruit, est quantifiée sur la robustesse et la précision de l'inversion en bandes X, L et P afin d'en déterminer les limitations en conditions spatiales.

The agricultural sector is the backbone which supports the livelihoods and the economic development of nations across the globe. In consequence, the need for robust and continuous monitoring of agricultural crops is primordial to face the interlinked challenges of growth rate population, food security and climate change. Synthetic Aperture Radar (SAR) sensors have the powerful imaging capability of operating at almost all weather conditions, independent of day and night illumination. By penetrating through clouds and into the vegetation canopy, the incident radar signal interacts with the structural and dielectric properties of the vegetation and soil, thus providing critical information of the crop state, such as height, biomass, crop yield or leaf structure, which can help devise sustainable agricultural management practices. This is achieved by means of the Polarimetric SAR Interferometry (PolInSAR) technique, which by coherently combining interferometric SAR acquisitions at different polarization states allows for the retrieval of biophysical parameters of the vegetation. In this framework, this thesis focuses on the development of crop monitoring techniques that properly exploit satellite-based PolInSAR data. All the known InSAR and PolInSAR methodologies for this purpose have been analysed. The sensitivity of these data provided by the TanDEM-X bistatic system to both the physical parameters of the scene (height and structure of the plants, moisture and roughness of the soil) and the sensor configuration (polarization modes and observation geometry) is evaluated. The effect of different simplifications made in the physical model of the scene on the crop estimates is assessed. The interferometric sensitivity requirements to monitor a crop scenario are more demanding than others, such as forests. Steep incidences associated with the largest spatial baselines provided by the available data set lead to the most accurate estimates under all the different model assumptions. Shallower incidences, on the other hand, generally yield important errors due to their characteristic shorter spatial baselines. Through the methodologies proposed in this thesis, PolInSAR data have shown potential to refine current methods for the quantitative estimation of crop parameters. Results encourage to continue further research towards the objective of achieving operational crop monitoring applications. / Work supported by the Spanish Ministry of Science and Innovation, the State Agency of Research (AEI) and the European Funds for Regional Development (EFRD) under Project TEC2017-85244-C2-1-P. Noelia Romero-Puig received a grant from the Generalitat Valenciana and the European Social Fund (ESF) [ACIF/2018/204].