Thèse diffusée initialement dans le cadre d'un projet pilote des Presses de l'Université de Montréal/Centre d'édition numérique UdeM (1997-2008) avec l'autorisation de l'auteur.

Thèse diffusée initialement dans le cadre d'un projet pilote des Presses de l'Université de Montréal/Centre d'édition numérique UdeM (1997-2008) avec l'autorisation de l'auteur.

Les futures missions spatiales d'observation de la Terre, Venµs et Sentinelle (1 et 2), fourniront un flot de données inédit en termes de résolution spatiale, revisite temporelle et richesse spectrale. Afin d'exploiter de façon efficace ces données pour la réalisation de cartes d'occupation des sols ou de détection de changements, des approches rapides, robustes et le moins supervisées possibles seront nécessaires. Un exemple d'utilisation de ces données pourrait être d'identifier, dès le mois de mai, les surfaces couvertes par du maïs dans tout le Sud-ouest de la France. Ou encore d'obtenir une carte d'occupation des sols mensuelle, dans un délai très court, à l'échelle de grandes régions. On constate que les images seules ne permettent pas d'obtenir de telles données. Nous avons cependant d'autres types d'informations à notre disposition, qui ont jusqu'alors été très peu exploitées. Ce travail de thèse a consisté à identifier les informations dites a priori disponibles, évaluer leur pertinence, et les introduire dans les chaînes de traitement déjà existantes pour chiffrer leur apport. Nous nous sommes intéressés en particulier au domaine du suivi de l'agriculture. Les informations que nous avons utilisées sont, entre autres, les connaissances sur les pratiques agricoles (rotations de culture, irrigation, alternances de catégories de cultures, etc.), les tailles des parcelles et la topographie. Nous avons principalement travaillé avec 2 sources de connaissances a priori : * Celles contenues dans des bases de données telles que le Registre Parcellaire Graphique (RPG). Nous avons utilisé des méthodes d'apprentissage automatique sur les données pour les extraire. * Celles fournies par des experts. Nous les avons modélisées à l'aide de règles de la logique de 1er ordre. Une des contributions de cette thèse est la sélection et l'évaluation d'un outil qui permette d'extraire l'information et de la traiter, de manière à ce qu'elle soit introduite de façon efficace dans les algorithmes de classification déjà existants. Pour cela, nous avons utilisé la Logique de Markov, un outil statistique capable de travailler à la fois sur des informations issues de bases de données, et sur des informations modélisées sous la forme de règles logiques. Nous avons montré que l'utilisation de ces données permet d'améliorer la qualité des cartes d'occupation du sol. Nous avons de plus montré que ces informations permettent d'obtenir des cartes en quasi-temps-réel, dont la qualité va crescendo avec l'arrivé de nouvelles informations. En conclusion de ce travail de thèse, nous donnons des pistes pour appliquer la même méthodologie à d'autres domaines, en particulier au suivi des forêts tropicales et à la cartographie générique de l'occupation du sol. / The future Earth observation space missions, Venµs and Sentinel (1 and 2), will provide us with a flow of data unseen in terms of spatial, spectral and temporal resolution. To use these data efficiently for the generation of land cover maps or change detection, we need fast, robust approaches that require as little supervision as possible. For instance, a concrete use of these data could be the identification, as early as May, of the area growing corn in all the South-West part of France. Or obtaining a monthly land cover map, in a slight delay, on large areas. Images alone don't allow us to reach such goals. Nevertheless, other information is available, which hasn't been really used. The main goal of this thesis is to identify available prior information, evaluate its revelance, and introduce it in preexisting processing chains to assess its contribution. We focused on agriculture monitoring. The information we used is knowledge on farming practices (crop rotations, irrigation, crop class alternation, etc) and the size and the topography of the fields. We mainly worked with 2 sources of prior knowledge: * Knowledge contained in databases such as the Registre Parcellaire Graphique (RPG). We used data mining methods to extract it. * Knowledge provided by experts. We modeled it with 1\up{st} order logic rules. One contribution of this thesis is the selection and assessment of a tool allowing us to extract and process information in a way that we can introduce it efficiently in preexisting classification algorithms: Markov Logic. Markov Logic is a statistical tool able to work with both information from databases and information modeled with logic rules. We show that using these data increases the quality of the land cover maps. We also show that this information allows us to obtain real time maps, whose quality increases with the arrival of new information. As a conclusion of this thesis work, we provide outlooks for applying the same methodology to other areas, such as the monitoring of tropical forests dans generic land cover mapping.

Bien que de nombreuses incertitudes demeurent sur la rapidité, l'amplitude et la répartition géographique du changement climatique, sa réalité fait aujourd'hui consensus au sein de la communauté scientifique, et l'occurrence des sécheresses et des dégradations du couvert végétal et des zones humides dans tous les continents soulignent l'importance de ce phénomène. Les pays de l'Afrique du nord, et la Tunisie en particulier, sont parmi les régions les plus vulnérables à cause de leurs situations géographiques particulières limitées par le Sahara au sud et la mer au nord. Dans ce contexte de changement global, le suivi spatio-temporel de l'état de surface en Tunisie permettra de comprendre l'étendue, l'amplitude et le déroulement de ce phénomène dans la région. Les images satellitaires hebdomadaires de MODIS-Terra épurées des effets atmosphériques, des nuages et de leur ombre et ayant de bonnes résolutions temporelle et radiométrique sont un bon outil pour le suivi temporel de l'état de surface. Ainsi, des méthodes de classification non supervisée (ISODATA) et supervisée (Maximum de vraisemblance et Fuzzy) sont utilisées pour les classifier. Elles aboutissent à des séries temporelles traduisant l'évolution des surfaces occupées par les sols secs, les sols humides, la végétation et les plans d'eau de 2000 à 2009 ainsi qu'à la détection de leur changement. L'analyse spectrale et le filtrage numérique ont servi pour montrer que l'évolution temporelle de ces quatre classes est à la base annuelle, et qu'elle est liée à la pluviométrie. Cependant, une variabilité à grande échelle, à l'ordre de 8-9 ans, peut être mise en question à cause de sa faible puissance dans les séries temporelles de 10 ans obtenues.

Les écosystèmes marins arctiques sont alimentés à la base de la chaîne trophique par la production de biomasse algale. Alors que l’on croyait la croissance du phytoplancton (algues unicellulaires en suspension dans l’eau de mer) largement limitée à la saison durant laquelle l’océan Arctique est le plus dépourvu de glace de mer, on a découvert que des développements massifs de phytoplancton se produisaient sous la banquise arctique dès le printemps. Il n’est actuellement pas possible de déterminer l’étendue du phénomène et sa contribution, peut-être majeure, à la production primaire marine annuelle, car on connaît peu les mécanismes qui contrôlent la dynamique des floraisons de phytoplancton sous la banquise. Les observations in situ suggèrent que les floraisons sous banquise sont largement conditionnées par l’accès à la lumière visible dans la colonne d’eau. Que savons nous de cette lumière? Nous savons qu’elle est contrainte par les éléments qui se trouvent à la surface de l’océan Arctique (la présence et l’état de la glace de mer), ainsi que par l’atmosphère (en particulier, par les nuages). Mais comment analyser à la fois l’influence de la surface de l’océan et de l’atmosphère qui varient énormément avec le temps et l’espace, sur la lumière disponible pour la production primaire? La télédétection par satellite est un outil puissant pour suivre et étudier les propriétés du système Arctique à différentes échelles spatio-temporelles. Cet outil, combiné dans différents modèles, est utilisé pour déterminer le rôle que jouent les composantes de l’environnement dans les fluctuations de la lumière sous-marine. Ainsi, le premier chapitre de cette thèse porte sur la transmittance de la lumière par l’atmosphère à l’échelle pan-Arctique et on y évalue la tendance multiannuelle entre 2000 et 2016. On trouve que l’atmosphère devient moins transparente d’environ 2% par décennie. Ensuite, au deuxième chapitre, on développe une méthode satellitaire pour quantifier la perte de photons par réflexion dans la glace de mer. La méthode est évaluée par les données de terrain collectées en marge de la baie de Baffin aux printemps 2015 et 2016 pendant la campagne Green Edge. Finalement, au troisième chapitre, on utilise un modèle de propagation de la lumière dans l’atmosphère, qui, combiné au modèle développé au chapitre deux, permet d’évaluer la lumière potentiellement disponible pour la production primaire, à haute résolution temporelle tout au long de la saison de croissance. Ce modèle est appliqué localement, toujours en marge de la baie de Baffin, mais la méthode est développée pour investiguer le régime lumineux sous la banquise n’importe où en Arctique. Cette thèse contribue à l’avancement des connaissances sur la lumière servant à la production primaire et à sa propagation dans le système atmosphère-glace-océan. / Arctic marine ecosystems are fueled by the production of algal biomass. While the growth of phytoplankton (single-cell algae suspended in seawater) was believed to be largely limited to the season during which the Arctic Ocean is mostly free of ice, massive phytoplankton blooms have recently been discovered under Arctic sea ice during spring. It is currently not possible to determine the extent of this phenomenon and its contribution, perhaps major, to annual primary production, because little is known about the mechanisms that control the dynamics of phytoplankton blooms under sea ice. Recent in situ observations conducted to understand this phenomenon suggest that the under-ice phytoplankton blooms are largely conditioned by access to visible sunlight in the water column. This light is constrained by the elements which are on the surface of the Arctic Ocean, in particular the presence and the state of the sea ice which vary enormously with time and space. Likewise, in the atmosphere, the omnipresence of clouds in the Arctic strongly constrains light. How can we analyze both the influence of the surface and the atmosphere on the light available for phytoplankton under sea ice? Satellite remote sensing is a powerful tool for monitoring and studying the properties of the Arctic system at different space-time scales. This tool, combined with different models, is used to determine the role that these different components of the environment play in the fluctuations of underwater light. The first chapter of the thesis deals with the transmittance of light by the atmosphere for which we assess the multi-annual trend between 2000 and 2016 at the pan-Arctic scale. We find that the atmosphere becomes less transparent at a rate of 2% per decade. Then, in chapter two, we develop a satellite remote sensing method to quantify the loss of reflected light in sea ice. This method is validated by field data collected during the Green Edge campaign on the West coast of Baffin Bay during the springs of 2015 and 2016. Finally, in chapter three, we use a model to propagate light in the atmosphere, and, combining it with the model developed in the previous chapter, we assess the potential light for phytoplankton at high temporal resolution throughout the growing season. This model is applied locally, still at a coastal Baffin Bay location (Green Edge campaign), but the method was developed to investigate the light regime under the pack ice anywhere in the Arctic. This thesis contributes to our knowledge on the propagation of light available for photosynthesis in the atmosphere-ice-ocean system and thus helps to better understand the impact of climate change on the Arctic marine ecosystem.

Cette étude porte sur le contrôle du changement et la classification de la végétation et de l'utilisation des sols d'une zone du nord-ouest du Maroc par imagerie multispectrale du Landsat. Son but principal est la détermination du potentiel des données multispectrales du Landsat dans l'interprétation de la végétation et de l'utilisation des sols. Pour cela les deux approches principales d'analyse des données en télédétection furent appliquées séparément. La première approche constitue l'interprétation analogique qui consiste en l’interprétation visuelle après amélioration et rehaussement des images. Dans ce cas, plusieurs méthodes d'analyse ont été essayées ; il s'agit entre autres de l'interprétation par le moyen d'un projecteur de diapositives à 70 mm, d'un équidensitomètre, d'un projecteur réfléchisseur vertical et de composés-couleur. Pour différentes raisons, les trois premières ont été rejetées, seules l'interprétation analogique par composés- couleur fut adoptée grâce à sa souplesse, sa précision et sa commodité. Les résultats de l'interprétation sont obtenus sous deux formes: une forme graphique donnant l'aspect d'une carte thématique faisant ressortir les différentes classes avec leur identification et une forme statistique sous forme de tableaux faisant ressortir les superficies et les pourcentages correspondant à chaque classe dans la zone étudiée. La comparaison dans le temps des résultats sous l'une ou l'autre de ces deux formes peut donner une idée sur le changement de la végétation et de l'utilisation des sols d'une période à l'autre. La deuxième approche constitue l'analyse numérique des images qui consiste à analyser les données numérisées par ordinateur. Pour cela et pour répondre au but principal de cette étude, deux sortes d'analyses ont été appliquées: il s'agit de l'analyse unitemporelle qui consiste à appliquer une série de traitements aux données provenant d'une seule image prise à une date déterminée et de l'analyse multitemporelle qui consiste à appliquer une série de traitements aux données provenant de deux ou plusieurs images de la même région prises à des dates différentes. La classification fait appel au seul algorithme de classification opérationnel disponible au système de traitement numérique des images (SCANIQ) dont on dispose. Il s'agit de l'algorithme de classification par la méthode du maximum de vraisemblance. D'autant plus, étant donné que ce système ne dispose pas de photoimprimante à l'état actuel nous nous sommes contentés des résultats statistiques en superficie et en pourcentage de chaque classe pour chaque image de la zone étudiée. Le contrôle du changement de la végétation et de l'utilisation des sols a été fait par comparaison de ces résultats d'une image à l'autre. Finalement une comparaison entre les résultats de l'interprétation analogique et ceux du traitement numérique a été faite et certaines conclusions ont été tirées en conséquence.

Cette étude porte sur le contrôle du changement et la classification de la végétation et de l'utilisation des sols d'une zone du nord-ouest du Maroc par imagerie multispectrale du Landsat. Son but principal est la détermination du potentiel des données multispectrales du Landsat dans l'interprétation de la végétation et de l'utilisation des sols. Pour cela les deux approches principales d'analyse des données en télédétection furent appliquées séparément. La première approche constitue l'interprétation analogique qui consiste en l’interprétation visuelle après amélioration et rehaussement des images. Dans ce cas, plusieurs méthodes d'analyse ont été essayées ; il s'agit entre autres de l'interprétation par le moyen d'un projecteur de diapositives à 70 mm, d'un équidensitomètre, d'un projecteur réfléchisseur vertical et de composés-couleur. Pour différentes raisons, les trois premières ont été rejetées, seules l'interprétation analogique par composés- couleur fut adoptée grâce à sa souplesse, sa précision et sa commodité. Les résultats de l'interprétation sont obtenus sous deux formes: une forme graphique donnant l'aspect d'une carte thématique faisant ressortir les différentes classes avec leur identification et une forme statistique sous forme de tableaux faisant ressortir les superficies et les pourcentages correspondant à chaque classe dans la zone étudiée. La comparaison dans le temps des résultats sous l'une ou l'autre de ces deux formes peut donner une idée sur le changement de la végétation et de l'utilisation des sols d'une période à l'autre. La deuxième approche constitue l'analyse numérique des images qui consiste à analyser les données numérisées par ordinateur. Pour cela et pour répondre au but principal de cette étude, deux sortes d'analyses ont été appliquées: il s'agit de l'analyse unitemporelle qui consiste à appliquer une série de traitements aux données provenant d'une seule image prise à une date déterminée et de l'analyse multitemporelle qui consiste à appliquer une série de traitements aux données provenant de deux ou plusieurs images de la même région prises à des dates différentes. La classification fait appel au seul algorithme de classification opérationnel disponible au système de traitement numérique des images (SCANIQ) dont on dispose. Il s'agit de l'algorithme de classification par la méthode du maximum de vraisemblance. D'autant plus, étant donné que ce système ne dispose pas de photoimprimante à l'état actuel nous nous sommes contentés des résultats statistiques en superficie et en pourcentage de chaque classe pour chaque image de la zone étudiée. Le contrôle du changement de la végétation et de l'utilisation des sols a été fait par comparaison de ces résultats d'une image à l'autre. Finalement une comparaison entre les résultats de l'interprétation analogique et ceux du traitement numérique a été faite et certaines conclusions ont été tirées en conséquence.

La quantité de biomasse est un solide indicateur de l'état de santé d'une plante. Elle permet de vérifier que l'environnement dans lequel évolue la plante, de même que les techniques culturales appliquées, sont favorables à son développement et à sa croissance. Pouvoir l'estimer permet, dans des grandes cultures par exemple, de faire des prévisions de récoltes. L'agriculture de précision met à contribution la télédétection pour représenter la variabilité spatiale et temporelle des caractéristiques biophysiques des cultures à l'échelle parcellaire. Le Lidar est un capteur de télédétection, à partir duquel on détermine la hauteur des arbres avec précision. La hauteur est un indicateur de la croissance des plantes que l'on peut relier à des quantités de biomasse. L'intensité du rayonnement électromagnétique émis par un capteur Lidar, réfléchi par une cible et retournée au capteur, peut être utilisée comme bande d'imagerie et servir, dans le cadre de classifications d'images, à l'identification des classes d'utilisation du sol. Notre étude propose de mettre à profit les données Lidar pour la caractérisation des grandes cultures. Il s'agit d'extraire la hauteur des cultures de maïs et de soya à partir des nuages de points Lidar, de sélectionner adéquatement, à partir d'une combinaison de bandes multispectrales et de l'intensité du Lidar, les pixels des cultures d'intérêts, et finalement de calculer des rendements. Un vol aéroporté est effectué au dessus de la zone d'étude, avec à bord un capteur Lidar et un capteur multispectral qui enregistrent simultanément les données. Dans le même temps, une campagne au sol permet de mesurer la hauteur des plantes, et leur position GPS. Un algorithme implémenté sous Fortran, permet d'estimer la hauteur des cultures, qui se trouve corrélée avec les hauteurs mesurées au sol. Une comparaison entre trois classifications, une avec l'intensité du Lidar, une seconde avec les bandes multispectrales, et une troisième avec les données multispectrales et l'intensité du Lidar, montre que la combinaison des bandes est celle qui produit les meilleurs résultats. Cette classification est utilisée pour sélectionner les pixels devant servir au calcul de rendement du maïs d'ensilage. Les rendements ainsi calculés sont comparés avec la production effective des parcelles sélectionnées. Les résultats obtenus par l'estimation des rendements de maïs d'ensilage à partir des données Lidar sont satisfaisants. / Biomass quantity is a robust indicator of plant health. It may be used to check if the environment in which the plant is being grown is proper to its development and growth. Being able to estimate biomass quantity allows making harvest forecasting on crops. Precision agriculture uses remote sensing to represent spatial and temporal variability of crops biophysical characteristics at parcel scale. Lidar is a remote sensing tool from which trees height can be determined with precision. Height is an indicator of plant's growth directly connected to biomass quantities. While a Lidar sensor is working, the intensity of the electromagnetic radiation emitted is reflected by a target and returned to the sensor. This intensity can be useful while making image classification for land use recognition. This project intends to take profit of Lidar data for high crops characterization. A first step is about extracting corn and soybean crops height from Lidar point cloud. The next step consists on using multispectral bands and Lidar intensity combination to correctly select pixels from parcels of interest. The last step finally makes yield estimate calculation on pixels selected with combined multispectral bands and Lidar intensity using crop height derived from Lidar data. An airborne platform, having on board Lidar and multispectral sensors, both recording data simultaneously, was flown over the study area. At the same time, a ground campaign was carried out, measuring plants height and GPS positions. An algorithm implemented under FORTRAN, made it possible to estimate crops height, which was found to have a good correlation with ground measured heights. Comparison between three classifications, one made with Lidar intensity only, another with multispectral data, and a last one, with combination of both Lidar and multispectral data, shows that the combination gives best results. Then this classification is used to select pixels that should be used to calculate the yield of silage corn. Results obtained on silage corn yield estimation are satisfying.

Actuellement, l'information pédologique disponible dans la Baie Missisquoi (Québec, Canada) ne permet pas de soutenir une gestion localisée des sols. L'objectif de ce travail visait à évaluer les relations quantitatives qui existent entre la réflectance et les propriétés des sols dans le but de produire une cartographie supportant le diagnostic et l'intervention en terres agricoles dans le cadre des activités de gestion et d'amendements des sols. Pour ce faire, les relations existantes entre les propriétés des sols et le signal radiométrique ont été étudiées sous trois échelles d'observation, c?est-à-dire au laboratoire, au champ et à l'échelle du bassin versant. Au laboratoire, des mesures radiométriques ont été prises sur 119 cylindres de sol non perturbé au cours d'un processus de séchage, avec un spectroradiomètre de haute résolution. Ces mesures ont été mises en relation avec des données analytiques dans le but, 1) d'étudier l'influence de l'humidité et des propriétés permanentes du sol sur la réflectance, et 2) de dériver trois nouveaux indices spectraux capables de quantifier l'influence de l'humidité (IBN), la couleur (ICOm), le taux de matière organique (IMO) et la texture des sols (ICO). Au champ, des mesures radiométriques ont été acquises à deux périodes différentes, sur 47 des 119 sites de prélèvement, pour évaluer la précision des indices spectraux développés en conditions in situ. À l'échelle du bassin versant, les indices spectraux ont été appliqués sur des images satellitaires et mis en relation avec 265 profils morphologiques par l'entremise d'une analyse discriminante. Les fonctions discriminantes ont ensuite été inversées pour produire un modèle de prédiction permettant de cartographier les groupes de textures (horizons A et B) et les conditions de drainage pour le bassin versant à l'étude. Les résultats des travaux en laboratoire ont démontré que la normalisation des mesures radiométriques prises dans l'infrarouge lointain en conditions humides avec une mesure prise en conditions sèches (IBN7) présente une relation linéaire significative avec l'humidité volumétrique du sol (R[indice supérieur 2]: 0,80). Les résultats ont également démontré que la bande verte peut être utilisée pour évaluer la quantité de matière organique (R[indice supérieur 2]: 0,89) présente dans un sol (IMO) et que son intégration l'IBN7 permet d'éliminer le biais résiduel du sol associé aux faibles valeurs d'IBN7. D'autre part, les relations établies en laboratoire ont été validées sur le terrain à la fois pour l'humidité (R[indice supérieur 2]: 0,81) et pour la matière organique (R[indice supérieur 2]: 0,81). Finalement, les modèles de prédiction développés avec l'analyse discriminante ont permis de démontrer la pertinence des indices spectraux développés pour la cartographie numérique des groupes de texture de l'horizon A, de l'horizon B et des conditions de drainage. Les succès de classification obtenus avec l'analyse discriminante sont respectivement de 55, 46 et 74 %. Ces résultats permettent de confirmer l'intérêt que présentent les données de réflectance multitemporelles mesurées sur des sols nus pour la caractérisation des propriétés morphologiques des sols à l'échelle du parcellaire agricole. Cependant, des travaux supplémentaires devront être réalisés dans d'autres régions pédologiques afin de confirmer la robustesse de cette méthode de cartographie qui permettra de fournir aux agriculteurs un outil de gestion privilégié.

Résumé: Dans le cadre de sa « Stratégie d'exploration globale » établie en 2009, l'Agence spatiale canadienne désire caractériser la répartition du minéral ilménite, un oxyde de fer et titane (FeTiO3). Ce minéral est considéré comme une ressource clé, puisque l'oxygène qu'il contient peut être extrait et pourrait servir à la fois de carburant et de matière première à l'établissement d'humains sur la Lune. La cartographie de l'ilménite n'a pas été réalisée à ce jour en raison de l'absence de données dans les longueurs d'ondes de l'ultraviolet et/ou de données hyperspectrales. L'objectif du projet est de cartographier l'ilménite lunaire pour les régions de Mare Australe et de la Mare Ingenii là où sont disponibles les récentes données ultraviolets du capteur Wide Angle Camera (WAC) de Lunar Reconnaissance Orbiter. Pour ce faire, les données du capteur WAC sont intégrées aux données des capteurs UVVIS/NIR de Clementine, généralement utilisées. L'abondance en ilménite est modélisée à l'aide de la théorie du transfert radiatif de Hapke et limitée par le contenu maximal en ilménite calculé à partir des cartes de FeO et Ti02, celles-ci étant dérivées des données des capteurs UV VIS/NIR de Clementine. L'abondance en ilménite est modélisée pour les pixels offrant le meilleur rapport signal/bruit, soit 0,47 % de la région de la Mare Australe et 1,62 % la région de la Mare Ingenii, puis interpolée par krigeage. L'abondance en ilménite modélisée est de 0 à 11,01 % pour la région de la Mare Australe et de 0 à 6,01 % pour la région de la Mare Ingenii. La précision (RMSE) est de t- 2,87 % pour les pixels modélisés. La précision (RMSE) est de ± 3,55 et de ± 3,25 % pour les pixels interpolés de la région de la Mare Australe et la région de la Mare Ingenii respectivement. Pour la première fois, les données de l'ultraviolet sont intégrées aux données du visible au proche infrarouge et un contenu maximal en ilménite est utilisé. Cela permet de cartographier l'ilménite avec précision; la corrélation entre l'abondance en ilménite modélisée et l'abondance réelle en ilménite contenue dans les échantillons lunaires utilisés pour valider le modèle est de 0,88.||Abstract: According to its " Global Exploration Strategy " established in 2009, the Canadian Space Agency wants to map the distribution of ilmenite, an iron and titanium oxide mineral (FeTiO[subscript 3]), on the Moon. Ilmenite is considered a key mineral, because the oxygen it contains can be extracted and could be used for life support and as a propellant in the perspective of human exploration of the Moon. No ilmenite map actually exists because ultraviolet (UV) and/or hyperspectral data necessary for its identification were not available. The objective of this study is to map ilmenite distribution on the Moon, over Mare Australe and Mare Ingenii regions, where recent UV data from the Wide Angle Camera (WAC) onboard Lunar Reconnaissance Orbiter has been released. To do so, we integrate WAC UV data to the widely used Clementine UVVIS/NIR cameras (UV, visible and near-infrared) data. We model ilmenite abundance using Hapke radiative transfer theory and the maximum ilmenite abundance we calculate based on available UVVIS/NIR FeO and TiO[subscript 2] maps. We model ilmenite abundance only for pixel having a high signal-to-noise ratio (0.47 % of Mare Australe region and 1.62 % of Mare Ingenii region) and interpolate the results by kriging. We find that the modeled ilmenite abundances range between 0 and 11.01 % for Mare Australe regions, and between 0 and 6.01 % for Mare Ingenii region. The root mean square error (RMSE) is +/- 2.87 % of ilmenite for the modeled pixels. The root mean square error (RMSE) is +/- 3.55 and +/- 3.25 % of ilmenite for the interpolated values in Mare Australe and Mare Ingenii regions respectively. For the first time, UV data have been integrated to visible and near-infrared data, and a maximum ilmenite content has been used as a constraint in the radiative transfer model. This enable's to obtain an enhanced precision of ilmenite abundances; the correlation between modeled and real ilmenite abundances from Apollo samples used to validate the model is 0,88. [Symboles non conformes]