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]

L’humidité du sol joue un rôle important dans le partitionnement de l’eau entre l’infiltration et le ruissellement de surface, qui influence directement les débits en rivière et les niveaux des réservoirs. La connaissance de la distribution spatiale de l’humidité du sol permet donc d’optimiser les différents usages de la ressource en eau en périodes sèches et d’aider la prévision et la gestion d’inondations lors de fortes pluies. La grande variabilité spatiale de l’humidité du sol rend toutefois difficile l’utilisation de capteurs in situ pour en faire le suivi sur de grands territoires tels que les bassins versants. La télédétection peut apporter une valeur ajoutée de par son potentiel pour estimer l’humidité du sol à l’échelle du bassin versant. Le présent projet porte sur l’estimation de l’humidité du sol dans les bassins versants Trent et Severn en Ontario qui possèdent une superficie combinée de 18 360 km². L’approche adoptée est basée sur les réseaux de neurones artificiels (RNA). Deux approches ont été évaluées. La première, l’approche polarisation simple et double utilise uniquement des données radar acquises en polarisation HH ou HV. La seconde approche, soit l’approche polarimétrique, utilise des données en polarisation HH, HV et VV en plus de paramètres polarimétriques. Au total, 37 images RADARSAT-2 ont été acquises en différentes polarisations et résolutions spatiales entre les mois de mai 2012 et août 2013. En plus des coefficients de rétrodiffusion radar, des données de pente, de texture du sol et de végétation ainsi que des paramètres obtenus suite à une décomposition polarimétrique de la cible ont été utilisés comme intrants aux RNA. Des cartes d’humidité du sol moyenne et d’incertitude, représentant, dans l’ordre, la moyenne et l’écart-type des estimations faites par les 30 RNA sélectionnés, ont été produites. Les performances et les cartes obtenues ont été analysées afin de déterminer l’approche la plus avantageuse pour cartographier l’humidité du sol à l’échelle du bassin versant. Ce projet de recherche a illustré le potentiel, mais aussi les enjeux, liés à l’estimation de l’humidité du sol à l’échelle du bassin. Il a été démontré que, dans un contexte opérationnel, l’approche polarisation simple et double est la plus avantageuse. Les cartes d’humidité produites avec l’approche polarimétrique, plus coûteuses, n’ont pas montré d’améliorations statistiquement significatives par rapport à l’approche polarisation simple et double. De tous les RNA testés, celui offrant la meilleure performance utilise l’angle d’incidence et les coefficients de rétrodiffusion radar HH et HV comme données d’entraînement. Il a aussi été démontré que l’incertitude sur l’estimation de l’humidité du sol est étroitement liée aux données d’entraînement. Le recours à des variables statiques dans le temps, comme la texture du sol, a affecté négativement et de manière importante les cartes d’humidité du sol, et ce, malgré de bonnes performances selon des critères statistiques comme le coefficient de Pearson et l’erreur quadratique moyenne. L’analyse visuelle des cartes d’humidité du sol demeure donc un moyen privilégié pour évaluer la performance des RNA. Des pistes de recherche sont suggérées en vue d’améliorer la performance des RNA. Une première avenue serait le recours à une plus grande quantité de données pour leur entraînement, qui pourraient être générées à partir de modèles de rétrodiffusion à base physique. On pourrait également corriger les coefficients de rétrodiffusion pour diminuer l’influence de la végétation sur le signal rétrodiffusé avant l’entraînement des réseaux.

An important goal, within the context of improving climate change modelling, is to enhance our understanding of aerosols and their radiative effects (notably their indirect impact as cloud condensation nuclei). The cloud optical depth (COD) and average ice particle size of thin ice clouds (TICs) are two key parameters whose variations could strongly influence radiative effects and climate in the Arctic environment. Our objective was to assess the potential of using multi-band thermal radiance measurements of zenith sky radiance for retrieving COD and effective particle diameter (Deff) of TICs in the Arctic. We analyzed and quantified the sensitivity of thermal radiance on many parameters, such as COD, Deff, water vapor content, cloud bottom altitude and thickness, size distribution and shape. Using the sensitivity of IRT to COD and Deff, the developed retrieval technique is validated in comparison with retrievals from LIDAR and RADAR. Retrievals were applied to ground-based thermal infrared data acquired for 100 TICs at the high-Arctic PEARL observatory in Eureka, Nunavut, Canada and were validated using AHSRL LIDAR and MMCR RADAR data. The results of the retrieval method were used to successfully extract COD up to values of 3 and to separate TICs into two types : TIC1 characterized by small crystals (Deff < 30 [micro]m) and TIC2 by large ice crystals (Deff > 30 [micro]m, up to 300 [micro]m). Inversions were performed across two polar winters. At the end of this research, we proposed different alternatives to apply our methodology in the Arctic.

Au cours des dernières années, on a assisté à un virage vers une gestion plus durable de la forêt publique et des ressources forestières. Pour ce faire, il est nécessaire d'acquérir des informations précises sur le statut des forêts. Ceci permettra, d'une part, de mieux évaluer les ressources disponibles et, d'autre part, de faire un meilleur suivi de leur dynamique afin, par exemple, de mieux comprendre et de prévoir les impacts de l'activité sylvicole. Il a été démontré que les capteurs lidars pouvaient être utilisés afin d'obtenir des données pouvant être segmentées afin de décrire assez fidèlement la géométrie de la couronne d'arbres individuels. Parmi les attributs de la forêt pouvant être extraits de ces données, la hauteur de la base de la couronne vivante est probablement un de ceux pour lequel le potentiel du lidar a été le moins étudié et ce, malgré l'importance que la connaissance de ce paramètre peut avoir pour, par exemple, le calcul de la biomasse ou la prévention des feux de forêts. Une nouvelle méthode permettant d'estimer la hauteur de la couronne vivante à partir de données lidar est proposée. Les données utilisées pour la recherche ont été acquises au Québec, sur le territoire de la forêt d'enseignement et de recherche du Lac Duparquet. Les trois espèces à l'étude sont le peuplier faux-tremble, l'épinette blanche et le pin gris. L'appareil lidar utilisé pour acquérir les données est un capteur ALTM3100 de Optech permettant l'enregistrement des premiers et derniers retours, ainsi que jusqu'à deux retours intermédiaires. La méthode présentée a donné un biais de -1.37 mètres et une erreur type de 2.36 mètres. Ces résultats sont comparables à ceux obtenus par d'autres auteurs et semblent confirmer leur observation que le lidar à tendance à surestimer la hauteur de la base de la couronne. Il est noté que cette tendance à surestimer la mesure n'est pas systématique; elle semble se manifester différemment selon l'espèce. Des hypothèses concernant les différentes variables pouvant affecter la précision des mesures sont avancées. Des pistes pour mieux évaluer leur effet respectif ainsi que deux méthodes pouvant être utilisées pour améliorer l'exactitude et la précision des estimés sont proposées. ______________________________________________________________________________

Le climat, les sols et les ressources en eau sont des facteurs essentiels de la production agricole et conditionnent la disponibilité des ressources alimentaires mondiales. La nécessité de quantifier, d'évaluer et de prédire les pressions exercées sur les ressources en eau et les ressources agricoles dans un contexte de changement climatique représente un enjeu majeur. Pour répondre à ces problématiques, des modèles numériques du fonctionnement des surfaces continentales sont développés. Ils permettent de simuler de nombreux processus naturels tels que le cycle de l'eau, du carbone, la croissance et la sénescence de la végétation, et les flux à l'interface sol-atmosphère. Ces outils puissants sont très largement utilisés par la communauté scientifique mais présentent de nombreuses incertitudes dans la représentation des différents processus biophysiques pris en compte et dans l'estimation des paramètres qui les pilotent. L'absence de données d'observation de variables clefs du cycle hydrologique ou de variables clefs de la végétation à grande échelle spatiale et temporelle est un frein majeur pour la validation de ces modèles. L'objectif général de ce travail de thèse est d'évaluer dans quelle mesure l'intégration de données satellitaires disponibles depuis une trentaine d'années dans un modèle générique des surfaces continentales permet de mieux représenter les sécheresses agricoles à différentes échelles spatiales. Le modèle ISBA-A-gs développé par le CNRM est utilisé. Il représente la variabilité interannuelle de la biomasse végétale en lien avec les ressources en eau du sol. Des études précédentes ont montré que les simulations du système sol-plante en condition de stress hydrique sont très sensibles à la valeur de la réserve utile du sol, et que la représentation par ce type de modèle de la variabilité interannuelle de la production des céréales à paille est difficile. Une méthodologie de calibration/validation du modèle basée sur l'intégration de séries temporelles satellitaires d'indice de surface foliaire (Leaf Area Index ou LAI) observées à 1km de résolution dans ISBA-A-gs a été développée afin d'estimer la réserve utile du sol pour des cultures de céréales à paille pluviales. Le LAI satellitaire est préalablement désagrégé pour les céréales à pailles. La validation de cette méthodologie est fondée sur la comparaison de la biomasse simulée et des rendements agricoles observés. Une méthode simple de modélisation inverse par minimisation d'une fonction coût a été confrontée à une méthode plus complexe : l'assimilation séquentielle de données. Cette dernière permet de combiner de manière optimale les séries temporelles de LAI observées et simulées par ISBA-A-gs afin de fournir une analyse du LAI, de la biomasse aérienne, et de l'humidité du sol. L'assimilation repose sur la chaîne LDAS-Monde développée par le CNRM. Elle donne des résultats plus réalistes que la modélisation inverse en terme de biomasse simulée et de réserve utile estimée. La représentation de l'impact négatif des sécheresses et des années très humides sur les rendements est améliorée grâce à cette méthode. Les réserves utiles obtenues sur les zones céréalières françaises ont permis la construction d'un modèle de régression linéaire simple permettant d'estimer les réserves utiles directement à partir des valeurs annuelles maximales de LAI satellitaires (LAImax). La cartographie de la réserve utile à partir du LAImax est comparée à la carte au millionième de l'INRA sur la France. La possibilité d'utiliser cette méthode à l'échelle locale est évaluée, ainsi que son extension à d'autres zones agricoles en Eurasie et en Amérique du Nord. / Climate, soils and water resources are essential factors of agricultural production and affect the availability of world food resources. The need to quantify, assess and predict pressures on water resources and agricultural resources in the context of climate change is a major issue. To answer these questions, numerical models of the processes at stake over continental surfaces are developed. They simulate many natural processes such as the water cycle, the carbon cycle, vegetation growth and senescence, and the fluxes at the soil-atmosphere interface. These powerful tools are widely used by the scientific community but present many uncertainties in the representation of the various biophysical processes taken into account and in the estimation of the parameters that drive them. The lack of observation data for key hydrological cycle variables or key vegetation variables of large spatial and temporal scales is a major obstacle to the validation of these models. The general objective of this thesis is to evaluate how the integration of satellite data available over the last thirty years in a generic model of continental surfaces allows a better representation of agricultural droughts at different spatial scales. The ISBA-A-gs model developed by CNRM is used. It represents the interannual variability of plant biomass in relation to soil water resources. Previous studies have shown that simulations of the soil-plant system under water stress conditions are very sensitive to the value of the soil maximum available water content, and that the representation by this type of model of the interannual variability of cereal straw is difficult. A model calibration / validation methodology based on the integration of Leaf Area Index (LAI) satellite time series observed at 1 km resolution in ISBA-A-gs was developed. The objective is to estimate the soil maximum available water content for non-irrigated straw cereal crops. The satellite LAI is first disaggregated for straw cereals. The validation of this methodology is based on a comparison of the simulated above-ground biomass with observed agricultural yields. A simple method of inverse modeling by minimizing a cost function is compared with a more complex method: sequential data assimilation. The latter allows optimal combinations of the LAI time series observed and simulated by ISBA-A-gs to provide an analysis of LAI, above-ground biomass, and soil moisture. The assimilation is based on the LDAS-Monde chain developed by CNRM. It gives more realistic results than inverse modeling in terms of simulated biomass and of soil maximum available water content. The representation of the negative impact of droughts and very wet years on yields is improved by this method. It is found that the soil maximum available water content retrieved on the French cereal areas correlates with the maximum annual values ??of satellite LAI (LAImax). A simple linear regression model can be used to estimate the soil maximum available water content directly from LAImax . The mapping of the soil maximum available water content as derived from LAImax is compared with the one millionth map of INRA over France. The possibility of using this method at a local scale is evaluated, as well as its extension to other agricultural areas in Eurasia and North America.

L'étude de la neige est un domaine important de la recherche en hydrologie et en météorologie. Il a été démontré que les propriétés physiques de la neige peuvent être récupérées en utilisant des capteurs à micro-ondes actifs. Cela nécessite une compréhension de l'interaction entre les ondes électromagnétiques (EM) et les milieux naturels. Dans ce but, le travail est divisé en deux étapes: étudier numériquement tous les modèles physiques de l'interaction onde-neige et développer un algorithme de diffusion inverse afin d’estimer la profondeur de la neige à partir de mesures de rétrodiffusion par un radar à des fréquences et angles d'incidence différents. L’objectif de la première partie consiste à effectuer les calculs de diffusion à l’aide d’un simulateur électromagnétique bien connu Ansoft High Frequency Structure Simulator (HFSS). Les simulations numériques prennent en considération: la permittivité effective de la neige, les phénomènes de diffusion surfacique dans des structures en couche des milieux homogènes (air-neige-sol) avec interfaces rugueuses ainsi que les phénomènes de diffusion volumique en traitant de la neige comme milieu dense. Par suite, le problème critique dans cette partie est de tester la validité des modèles théoriques à travers une configuration numérique adéquate.Dans la deuxième partie de ce travail, l'étude est étendue pour développer une méthode de récupération pour estimer l'épaisseur de la neige au-dessus du sol en utilisant la technique de mesures en rétrodiffusion en bande L et X (1,5 et 10 GHz) à des angles d'incidence différents. Le signal rétrodiffusé par la neige est influencé par: la diffusion surfacique, la diffusion volumique et les effets du bruit du système radar. Pour cela, le coefficient de rétrodiffusion du milieu est modélisé statistiquement en ajoutant un blanc bruit de fond gaussien (WGN) dans la simulation. Cet algorithme de diffusion inverse nécessite deux étapes de calcul. La première étape consiste à estimer la densité de la neige en utilisant le coefficient de rétrodiffusion co-polarisé en bande L à incidence normale. La deuxième étape consiste à estimer l'épaisseur de la neige à partir de coefficients de rétrodiffusion co-polarisés dans la bande X en utilisant deux différents angles d'incidence. Pour une variance de bruit de fond de 0,02, toutes les valeurs récupérées ont une erreur inférieure à 2% pour une gamme de profondeur de la neige de [50-300] cm. Cet algorithme a été vérifié par simulation à l'aide d’un logiciel de conception au niveau système, SystemVue. / Study of snow is an important domain of research in hydrology and meteorology. It has been demonstrated that snow physical properties can be retrieved using active microwave sensors. This requires an understanding of the interaction between electromagnetic (EM) waves with natural media. The objective of this work is two-fold: to study numerically all physical forward models concerning the EM wave interaction with snow and to develop an inverse scattering algorithm to estimate snow depth based on radar backscattering measurements at different frequencies and incidence angles. For the first part, the goal is to solve the scattering calculations by means of the well-known electromagnetic simulator Ansoft High Frequency Structure Simulator (HFSS). The numerical simulations include: the effective permittivity of snow, surface scattering phenomena in layered homogeneous media (air-snow-ground) with rough interfaces, and volume scattering phenomena when treating snow as a dense random media. So, the critical issue for the first part of this thesis is testing the validity of theoretical models through a careful numerical setup.For the second part, the study is extended to develop a retrieval method to estimate snow thickness over ground from backscattering observations at L- and X-band (1.5 and 10 GHz) using multiple incidence angles. The return signal from snow over ground is influenced by: surface scattering, volume scattering, and the noise effects of the radar system. So, the backscattering coefficient from the medium is modelled statistically by including a white Gaussian noise (WGN) into the simulation. This inversion algorithm involves two steps. The first is to estimate snow density using L-band co-polarized backscattering coefficient at normal incidence. The second is to estimate snow depth from X-band co-polarized backscattering coefficients using two different incidence angles. For a 0.02 noise variance, all retrieved values have an error less than 2% for a snow depth range of [50-300] cm. This algorithm was verified by simulating using Agilent’s SystemVue electronic system level design software.

Ce travail vise à mettre en place un système de fusion de sources d'information basé sur la Théorie des Fonctions de Croyance (TFC) et adapté aux contextes des images forestières. La TFC engendre des temps de calcul importants lorsque la cardinalité du cadre de discernement devient grande. Ainsi, nous avons proposé en premier lieu une méthode de réduction du référentiel de définition permettant d'éviter l'explosion combinatoire en restreignant le calcul sur les hypothèses estimées pertinentes et déterminées à partir des histogrammes des classes issues de la phase d'apprentissage. Ensuite, nous avons proposé des techniques d'estimation de fonctions de masse spectrales, texturales, contextuelles et structurelles. L'information multi-fractale a été utilisée comme signature de texture, ainsi l'image de Hôlder a constitué une source d'information pour l'estimation de la masse texturale. Un autre apport consiste à proposer une approche de transfert de masse basée sur l'information contextuelle, en exploitant l'image des couronnes d'arbres comme une source déduite. L'implémentation d'algorithmes de détection de couronnes d'arbres nous a permis d'extraire des mesures sur les couronnes que nous avons utilisées en tant qu'attributs pour l'estimation des fonctions de masse. Nos expérimentations montrent des taux de classification assez satisfaisants et une adéquation de notre approche de fusion à une classification à l'arbre près / This thesis aims to develop an information source fusion system based on belief functions theory (BFT) and adapted t forest images context (especially high resolution images). Applications of BFT to image classification result in th assignment of each image point to a c1ass or a subset of classes based on the mass functions estimation expressing th belief of an event. BFT leads to significant computation time when the cardinality of the set of definition become large. Thus, we first proposed a method to reduce the frame of discernment in order te avoid the combinatorial explosio by restricting the calculation on the hypotheses of the set of definition deduced from the classes histograms determine from the learning phase. Then, we proposed spectral, texturai, contextual and structural mass functions technique estimation. Multi-fractal information was used as texture signature and Hôlder image has been a source ( information for estimating the texturai mass. Another contribution is the integration of trees crowns image as derive source and the proposai of an approach to mass transfer based on contextual information inside and outside a crown. Th implementation of detection trees crowns algorithms allowed us to extract measurements on trees. These measurement are used as attributes for mass functions estimation. Our experiments and comparisons with other methods show quit satisfactory classification rate with spectral and textural approaches and adequacy of our fusion approach to contextu and structural information for trees classification

Cette thèse aborde l'étude du fonctionnement des forêts tropicales à travers trois chapitres. Le premier porte sur la dynamique de la biomasse à l'échelle du paysage. Il apporte une amélioration de l'estimation de la biomasse et des erreurs associées à partir de données de terrain et de données de LiDAR aéroporté (ALS) dans une zone à très forte biomasse. L'approche préconisée par Chave (2014) a été adoptée pour calculer la biomasse et sa dynamique sur les parcelles permanents ce qui a permis d'avoir une relation entre biomasse et médiane de la hauteur de la canopée mesurée grâce à l'ALS. Deux relevés ALS à quatre ans d'intervalle ont ensuite permis de quantifier la biomasse à l'échelle du paysage et sa dynamique. Le second chapitre traite de la dynamique et la structure d'une forêt infestée par des lianes. La combinaison des données de suivis de parcelle, des relevés ALS, de l'étude des sols et de suivi de la dynamique de la litière et des plantules a permis de mettre en évidence un fonctionnement particulier. La dynamique et la structure de la forêt de lianes (beaucoup de perturbations, des arbres plus petits) et le fait que sa présence ne semblait pas lié à des facteurs édaphiques nous ont amené à la considérer comme un état de régénération alternative bloquée de la forêt. Enfin, dans le troisième chapitre, des données issues d'une cinquantaine de capteurs micrométéorologiques et des données d'ALS ont été combinée pour étudier l'hétérogénéité spatiotemporelle des microenvironnements forestiers et les relier à la structure forestière. Deux méthodes de prédiction de l'intensité lumineuse reçue, la température ambiante et l'humidité relative à partir des données d'ALS ont été proposée. Elle permettent de décrire a diversité de ces variable dans un sous-bois tropical. / This thesis is structured in three chapters. In the first one, aerial LiDAR scanning (ALS) data were combine to field measurement of the aboveground biomass to allow a quantification of it at the landscapes scale. Two successive ALS survey were used to quantify AGB stocks and their dynamics. In the second chapter the structure and dynamics of a liana-infested forest is studied. Permanent plot data, soil survey and seedling survey were combined to remote sensing (ALS and Landsat). Together, these data suggest the liana-infested forest to be in an arrested succession. In the third chapter ALS data were used to model light availability, temperature and relative humidity in forest understory. We show this data can be used to predict ecological relevant climatic variable at the landscape scale.