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.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

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.

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 numérisée par la Direction des bibliothèques de l'Université de Montréal.

La tordeuse des bourgeons de l’épinette (Choristoneura fumiferana, TBE) est l’insecte ravageur le plus important de la forêt boréale de l’est de l’Amérique du Nord. Depuis 2006, la région de la Côte-Nord est affectée par une épidémie de TBE et les superficies forestières infestées doublent annuellement. Des images satellitaires Landsat ont été utilisées pour cartographier la sévérité de l’épidémie avec une approche de détection de changements, en utilisant une image pré-épidémie (2004) et une image prise pendant l’épidémie (2013). Des relevés terrains de la défoliation par la TBE ont été utilisés pour développer (R2 = 0,50) une cartographie fiable (R2 de validation = 0,64) et non biaisée de la sévérité des infestations de la TBE sur une échelle continue de sévérité (0-100%) pour la région d’étude. Une analyse des facteurs environnementaux affectant la sévérité des infestations (extraite de la carte de défoliation) a démontré l’importance de la composition forestière en sapin baumier tant à l’échelle locale qu’à l’échelle du paysage. De plus, une analyse de contexte spatial montre que dans les sites peu défoliés (défoliation cumulée < 50%), le meilleur prédicteur est plutôt son abondance à l’échelle du paysage (distance > 500 m). Ces résultats suggèrent une interaction entre les échelles spatiales et temporelles lors des épidémies de TBE.

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.

La Malaisie est soumise à une forte pression de déforestation. Il est urgent de planifier la culture des palmiers à huile en se tournant vers des stratégies durables. Pour cela, un système d'alerte ciblant les déforestations illégales serait un outil précieux pour les gestionnaires. Google Earth Engine permet de mettre en place un système d'alerte des déforestations à partir d'images satellites à moyenne résolution. Les images optiques Sentinel-2 et Landsat 8 sont associées aux images radars Sentinel-1 pour permettre une revisite régulière et limiter l'impact de la couverture nuageuse. L'analyse par vecteur de changement détecte les déforestations sur chacune des nouvelles acquisitions en fonction d'une donnée de référence forêt.Les résultats montrent une bonne précision avec les capteurs optiques(moins de 11% d'erreur de commission et d'omission). Cependant, le capteur radar donne des résultats plus faibles (14% d'erreur de commission et 28% d'erreur de commission), liés à de nombreux artéfacts causés par l'effet de chatoiement (speckle). C'est pourquoi nous utilisons un score dynamique relatif à l'observation des 3 capteurs sur 3 mois, qui indique un niveau de confiance. Cette méthode permet d'obtenir 7% d'erreur d'omission et 0% d'erreur de commission pour les événements présentant un fort niveau de confiance, caractérisé par un score supérieur à 20 points. / Malaysia is under severe deforestation pressure. There is an urgent need to plan oil palm cultivation by turning to sustainable strategies. An alert system targeting illegal deforestation would be a valuable tool for managers. Google Earth Engine is used to set up a warning system of deforestation from medium resolution satellite images. Sentinel-2 and Landsat 8 optical images are combined with Sentinel-1 radar images for high repeatability and limit cloud cover impact. The change vector analysis detects deforestation on each new acquisition based on forest reference image. Results show sufficient accuracy with optical sensors (less than 11% commission and omission error). However, the radar sensor gives lower results (14% commission error and 28% commission error), related to many artefacts caused by the speckle. Therefore, we use a dynamic score related to the observation of 3 sensors over 3 months, which indicates a level of confidence. This method provides 7% of omission error and 0% of commission error for events with a high level of confidence, with a score greater than 20 points.

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.