La région de Katiola, située au centre de la Côte d’Ivoire est affectée par des variations climatiques. Cette région d’une superficie de 9452 kilomètres est à cheval sur deux bassins versants, à l’ouest le bassin du Bandama et à l’est le bassin du Comoé. Malgré le manque des ressources en eau, cette zone connaît une intense activité de mobilisation et d’utilisation des eaux : périmètres sucriers dans les localités de Tafiré, les parcelles de riz irriguées et activités pastorales à travers le département. Ce travail consiste à localiser les sites potentiels des puits et forages à l’aide de la géostatistique et de la télédétection. Des outils tel que les sondes géophysiques, permettent une compréhension des caractéristiques hydrogéologiques des formations. Une compréhension de la productivité des formations géologiques par l'étude des relevés de forages et de la télédétection peut permettre une meilleure compréhension des aquifères de ces formations. L’objectif de cette étude est de mettre en place des valeurs de référence devant servir comme outils de gestion, de surveillance et voire même d’aide à la prise de décision. Egalement rentabiliser le coût des forages en proposant le maximum d’ouvrages avec beaucoup de chance de succès et établir un lien entre les formations et la circulation de l'eau souterraine (espacement, longueur, connectivité). Cette étude nous a présenté les potentialités que regorgent les images SRTM. Leur traitement nous a permis de faire une cartographie assez détaillée des limites de bassin versant, du réseau hydrographique, et d’établir l’ordre des cours d’eau selon Strahler. Le calcul de l’Index Topographique d’Humidité montre bien la corrélation entre la topographie, les sols et la qualité des sols. Malgré l’étendue de notre zone d’étude, il a été possible de trouver une corrélation entre les indices topographiques, la répartition des champs et les caractéristiques du sol. Ces résultats nous ont permis d’avoir une nette amélioration de la classification des sols et l’occupation à partir d’image LANDSAT. Les images LANDSAT, nous ont également permis de suivre le phénomène d’eutrophisation et de disparition des plans d’eau de surface dont souffre le département. Nous avons pu établir l’ordre d’apparition des végétaux sur les plans d’eau, ceci jusqu'à la disparition totale du cours d’eau / The Katiola region, located in central Côte d'Ivoire, suffers climatic variations. This region has an area of 9,452 km². It is straddling two watersheds, the Bandama basin to the West, and the Comoé basin to the East. Despite the lack of water resources, this area is experiencing an intense mobilization and use of water: sugar stores in the localities of Tafiré, paddy fields and irrigated pastoral activities across the department. This work aims to locate potential sites for drilling wells using eostatistics and remote sensing. An understanding of the productivity of geologic formations by studying the records of boreholes and remote sensing can provide a better understanding of the aquifers in these formations. The objective of this study is also to establish benchmarks to serve as management tools, monitoring and even aid in decision making. The goal is also to make a maximum of successful drillings, and establish a link between these informations (spacing, length, connectivity) and groundwater movements. This study presents the potential of the DEM SRTM images. Their processing llowed us to make a fairly detailed mapping of the boundaries of catchments, drainage network, and establish the order of watercourses according to the Strahler classification. The calculation of the Topographic Index Humidity shows the correlation between topography, soil and soil quality. Despite the size of our study area, it was possible to find a correlation between the topographic indices, the distribution of fields and soil characteristics. These results enabled us improving soil classification and occupation from LANDSAT imagery. Using LANDSAT images, we also monitored the eutrophisation and isappearance of surficial water bodies in the department. We could follow the order of appearance of plants on the water, until the total disappearance of the watercourse

Les mesures de télédétection (MT) dépendent de l'interaction du rayonnement avec les paysages terrestres et l'atmosphère ainsi que des configurations instrumentales (bande spectrale, résolution spatiale, champ de vue: FOV,...) et expérimentales (structure et propriétés optiques du paysage et atmosphère,...). L'évolution rapide des techniques de télédétection requiert des outils appropriés pour valider leurs principes et améliorer l'emploi des MT. Les modèles de transfert radiatif (RTM) simulent des quantités (fonctions de distribution de la réflectance (BRDF) et température (BTDF), forme d'onde LiDAR, etc.) plus ou moins proches des MT. Ils constituent l'outil de référence pour simuler les MT, pour diverses applications : préparation et validation des systèmes d'observation, inversion de MT,... DART (Discrete Anisotropic Radiative Transfer) est reconnu comme le RTM le plus complet et efficace. J'ai encore nettement amélioré son réalisme via les travaux de modélisation indiqués ci-dessous. 1. Discrétisation de l'espace des directions de propagation des rayons. DART simule la propagation des rayons dans les paysages terrestres et l'atmosphère selon des directions discrètes. Les méthodes classiques définissent mal le centroïde et forme des angles solides de ces directions, si bien que le principe de conservation de l'énergie n'est pas vérifié et que l'obtention de résultats précis exige un grand nombre de directions. Pour résoudre ce problème, j'ai conçu une méthode originale qui crée des directions discrètes de formes définies. 2. Simulation d'images de spectroradiomètre avec FOV fini (caméra, pushbroom,...). Les RTMs sont de type "pixel" ou "image". Un modèle "pixel" calcule une quantité unique (BRDF, BTDF) de toute la scène simulée via sa description globale (indice foliaire, fraction d'ombre,...). Un modèle "image" donne une distribution spatiale de quantités (BRDF,...) par projection orthographique des rayons sur un plan image. Tous les RTMs supposent une acquisition monodirectionnelle (FOV nul), ce qui peut être très imprécis. Pour pouvoir simuler des capteurs à FOV fini (caméra, pushbroom,...), j'ai conçu un modèle original de suivi de rayons convergents avec projection perspective. 3. Simulation de données LiDAR. Beaucoup de RTMs simulent le signal LiDAR de manière rapide mais imprécise (paysage très simplifié, pas de diffusions multiples,...) ou de manière précis mais avec de très grands temps de calcul (e.g., modèles Monte-Carlo: MC). DART emploie une méthode "quasi-MC" originale, à la fois précise et rapide, adaptée à toute configuration instrumentale (altitude de la plateforme, attitude du LiDAR, taille de l'empreinte,...). Les acquisitions multi-impulsions LiDAR (satellite, avion, terrestre) sont simulées pour toute configuration (position du LiDAR, trajectoire de la plateforme,...). Elles sont converties dans un format industriel pour être traitées par des logiciels dédiés. Un post-traitement convertit les formes d'onde LiDAR simulées en données LiDAR de comptage de photons. 4. Bruit solaire et fusion de données LiDAR et d'images de spectroradiomètre. DART peut combiner des simulations de LiDAR multi-impulsions et d'image de spectro-radiomètre (capteur hyperspectral,...). C'est une configuration à 2 sources (soleil, laser LiDAR) et 1 capteur (télescope du LiDAR). Les régions mesurées par le LiDAR, dans le plan image du sol, sont segmentées dans l'image du spectro-radiomètre, elle aussi projetée sur le plan image du sol. Deux applications sont présentées : bruit solaire dans le signal LiDAR, et fusion de données LiDAR et d'images de spectro-radiomètre. Des configurations d'acquisition (trajectoire de plateforme, angle de vue par pixel du spectro-radiomètre et par impulsion LiDAR) peuvent être importées pour encore améliorer le réalisme des MT simulées, De plus, j'ai introduit la parallélisation multi-thread, ce qui accélère beaucoup les calculs / Remote Sensing (RS) data depend on radiation interaction in Earth landscapes and atmosphere, and also on instrumental (spectral band, spatial resolution, field of view (FOV),...) and experimental (landscape/atmosphere architecture and optical properties,...) conditions. Fast developments in RS techniques require appropriate tools for validating their working principles and improving RS operational use. Radiative Transfer Models (RTM) simulate quantities (bidirectional reflectance; BRDF, directional brightness temperature: BTDF, LiDAR waveform...) that aim to approximate actual RS data. Hence, they are celebrated tools to simulate RS data for many applications: preparation and validation of RS systems, inversion of RS data... Discrete Anisotropic Radiative Transfer (DART) model is recognized as the most complete and efficient RTM. During my PhD work, I further improved its modeling in terms of accuracy and functionalities through the modeling work mentioned below. 1. Discretizing the space of radiation propagation directions.DART simulates radiation propagation along a finite number of directions in Earth/atmosphere scenes. Classical methods do not define accurately the solid angle centroids and geometric shapes of these directions, which results in non-conservative energy or imprecise modeling if few directions are used. I solved this problem by developing a novel method that creates discrete directions with well-defined shapes. 2. Simulating images of spectroradiometers with finite FOV.Existing RTMs are pixel- or image-level models. Pixel-level models use abstract landscape (scene) description (leaf area index, overall fraction of shadows,...) to calculate quantities (BRDF, BTDF,...) for the whole scene. Image-level models generate scene radiance, BRDF or BTDF images, with orthographic projection of rays that exit the scene onto an image plane. All models neglect the multi-directional acquisition in the sensor finite FOV, which is unrealistic. Hence, I implemented a sensor-level model, called converging tracking and perspective projection (CTPP), to simulate camera and cross-track sensor images, by coupling DART with classical perspective and parallel-perspective projection. 3. Simulating LiDAR data.Many RTMs simulate LiDAR waveform, but results are inaccurate (abstract scene description, account of first-order scattering only...) or require tremendous computation time for obtaining accurate results (e.g., Monte-Carlo (MC) models). With a novel quasi-MC method, DART can provide accurate results with fast processing speed, for any instrumental configuration (platform altitude, LiDAR orientation, footprint size...). It simulates satellite, airborne and terrestrial multi-pulse laser data for realistic configurations (LiDAR position, platform trajectory, scan angle range...). These data can be converted into industrial LiDAR format for being processed by LiDAR processing software. A post-processing method converts LiDAR waveform into photon counting LiDAR data, through modeling single photon detector acquisition. 4. In-flight Fusion of LiDAR and imaging spectroscopy.DART can combine multi-pulse LiDAR and cross-track imaging spectroscopy (hyperspectral sensor...). It is a 2 sources (sun, LiDAR laser) and 1 sensor (LiDAR telescope) system. First, a LiDAR multi-pulse acquisition and a sun-induced spectro-radiometer radiance image are simulated. Then, the LiDAR FOV regions projected onto the ground image plane are segmented in the spectro-radiometer image, which is also projected on the ground image plane. I applied it to simulate solar noise in LiDAR signal, and to the fusion of LiDAR data and spectro-radiometer images. To further improve accuracy when simulating actual LiDAR and spectro-radiometer, DART can also import actual acquisition configuration (platform trajectory, view angle per spectro-radiometer pixel / LiDAR pulse). Moreover, I introduced multi-thread parallelization, which greatly accelerates DART simulations

Depuis les années 1970, la télédétection a permis d’améliorer l’analyse de la surface de la Terre grâce aux images satellites produites sous format numérique. En comparaison avec les images aéroportées, les images satellites apportent plus d’information car elles ont une couverture spatiale plus importante et une période de revisite courte. L’essor de la télédétection a été accompagné de l’émergence des technologies de traitement qui ont permis aux utilisateurs de la communauté d’analyser les images satellites avec l’aide de chaînes de traitement de plus en plus automatiques. Depuis les années 1970, les différentes missions d’observation de la Terre ont permis d’accumuler une quantité d’information importante dans le temps. Ceci est dû notamment à l’amélioration du temps de revisite des satellites pour une même région, au raffinement de la résolution spatiale et à l’augmentation de la fauchée (couverture spatiale d’une acquisition). La télédétection, autrefois cantonnée à l’étude d’une seule image, s’est progressivement tournée et se tourne de plus en plus vers l’analyse de longues séries d’images multispectrales acquises à différentes dates. Le flux annuel d’images satellite est supposé atteindre plusieurs Péta octets prochainement. La disponibilité d’une si grande quantité de données représente un atout pour développer de chaines de traitement avancées. Les techniques d’apprentissage automatique beaucoup utilisées en télédétection se sont beaucoup améliorées. Les performances de robustesse des approches classiques d’apprentissage automatique étaient souvent limitées par la quantité de données disponibles. Des nouvelles techniques ont été développées pour utiliser efficacement ce nouveau flux important de données. Cependant, la quantité de données et la complexité des algorithmes mis en place nécessitent une grande puissance de calcul pour ces nouvelles chaînes de traitement. En parallèle, la puissance de calcul accessible pour le traitement d’images s’est aussi accrue. Les GPUs («Graphic Processing Unit ») sont de plus en plus utilisés et l’utilisation de cloud public ou privé est de plus en plus répandue. Désormais, pour le traitement d’images, toute la puissance nécessaire pour les chaînes de traitements automatiques est disponible à coût raisonnable. La conception des nouvelles chaînes de traitement doit prendre en compte ce nouveau facteur. En télédétection, l’augmentation du volume de données à exploiter est devenue une problématique due à la contrainte de la puissance de calcul nécessaire pour l’analyse. Les algorithmes de télédétection traditionnels ont été conçus pour des données pouvant être stockées en mémoire interne tout au long des traitements. Cette condition est de moins en moins respectée avec la quantité d’images et leur résolution. Les algorithmes de télédétection traditionnels nécessitent d’être revus et adaptés pour le traitement de données à grande échelle. Ce besoin n’est pas propre à la télédétection et se retrouve dans d’autres secteurs comme le web, la médecine, la reconnaissance vocale,… qui ont déjà résolu une partie de ces problèmes. Une partie des techniques et technologies développées par les autres domaines doivent encore être adaptées pour être appliquée aux images satellites. Cette thèse se focalise sur les algorithmes de télédétection pour le traitement de volumes de données massifs. En particulier, un premier algorithme existant d’apprentissage automatique est étudié et adapté pour une implantation distribuée. L’objectif de l’implantation est le passage à l’échelle c’est-à-dire que l’algorithme puisse traiter une grande quantité de données moyennant une puissance de calcul adapté. Enfin, la deuxième méthodologie proposée est basée sur des algorithmes récents d’apprentissage automatique les réseaux de neurones convolutionnels et propose une méthodologie pour les appliquer à nos cas d’utilisation sur des images satellites. / Since the 1970s, remote sensing has been a great tool to study the Earth in particular thanks to satellite images produced in digital format. Compared to airborne images, satellite images provide more information with a greater spatial coverage and a short revisit period. The rise of remote sensing was followed by the development of processing technologies enabling users to analyze satellite images with the help of automatic processing chains. Since the 1970s, the various Earth observation missions have gathered an important amount of information over time. This is caused in particular by the frequent revisiting time for the same region, the improvement of spatial resolution and the increase of the swath (spatial coverage of an acquisition). Remote sensing, which was once confined to the study of a single image, has gradually turned into the analysis of long time series of multispectral images acquired at different dates. The annual flow of satellite images is expected to reach several Petabytes in the near future. The availability of such a large amount of data is an asset to develop advanced processing chains. The machine learning techniques used in remote sensing have greatly improved. The robustness of traditional machine learning approaches was often limited by the amount of available data. New techniques have been developed to effectively use this new and important data flow. However, the amount of data and the complexity of the algorithms embedded in the new processing pipelines require a high computing power. In parallel, the computing power available for image processing has also increased. Graphic Processing Units (GPUs) are increasingly being used and the use of public or private clouds is becoming more widespread. Now, all the power required for image processing is available at a reasonable cost. The design of the new processing lines must take this new factor into account. In remote sensing, the volume of data currently available for exploitation has become a problem due to the constraint of the computing power required for the analysis. Traditional remote sensing algorithms have often been designed for data that can be stored in internal memory throughout processing. This condition is violated with the quantity of images and their resolution taken into account. Traditional remote sensing algorithms need to be reviewed and adapted for large-scale data processing. This need is not specific to remote sensing and is found in other sectors such as the web, medicine, speech recognition ... which have already solved some of these problems. Some of the techniques and technologies developed by the other domains still need to be adapted to be applied to satellite images. This thesis focuses on remote sensing algorithms for processing massive data volumes. In particular, a first algorithm of machine learning is studied and adapted for a distributed implementation. The aim of the implementation is the scalability, i.e. the algorithm can process a large quantity of data with a suitable computing power. Finally, the second proposed methodology is based on recent algorithms of learning convolutional neural networks and proposes a methodology to apply them to our cases of use on satellite images.

La classification d'une image ETM+ de Landsat a été réalisée pour la cartographie des types de couverture du sol dans la moitié sud du parc national du Canada Auyuittuq. Le projet fait appel à l'analyse d'image par objets spatiaux (object-based image analysis ). Le logiciel eCognition 4.0 permet une segmentation hiérarchique de l'image qui est analogue au concept de l'inventaire écologique des parcs nationaux. Un territoire d'environ 8 300 km 2 a été cartographié à trois niveaux de perception différents à partir d'une image acquise le 13 août 2000. Un modèle numérique d'altitude fut incorporé au projet et de nombreux indices spectraux ont été calculés à partir des données ETM + . Le niveau de segmentation brute comporte 375 312 objets regroupés en 36 classes. À ce niveau, la structure de classification repose sur 118 règles référant aux paramètres spectraux, spatiaux et topographiques des segments. Ces règles combinent des systèmes de seuillages chiffrés et des opérations de tri au plus proche voisin. L'attribution des segments aux classes du projet est tributaire de ces règles et répond à une logique floue. À la suite d'une fusion de segments et d'un premier regroupement de classes, on obtient le second niveau du projet, qui compte 102 239 objets et 28 classes thématiques. Ce niveau s'apparente aux"écotypes" au sens de l'inventaire écologique des parcs nationaux. Un second regroupement réduit à 9 le nombre de classes et à 36 887 le nombre d'objets, ce qui se rapproche d'une cartographie des «écosystèmes » de l'inventaire écologique. Sur le terrain, 315 relevés photographiques de la végétation ont été réalisés dans les vallées Akshayuk et Naqsaq. Pour chaque relevé, les pourcentages de couverture de 5 strates végétales ont été estimés, de manière à ranger les relevés dans 8 classes de végétation connues a priori. Dans l'image, ce sont 135 segments qui ont pu être retenus comme échantillons. De ce nombre, 71 et 64 échantillons furent retenus respectivement pour l'entraînement et la validation de la classification au plus proche voisin qui fut réalisée pour la végétation. L'exactitude générale de la classification de la végétation a été estimée à 54,7 %. Contrairement à la végétation, le couvert non-végétal est classifié suivant principalement un système de règles, lesquelles décrivent le comportement spectral de 34 types de surfaces selon une structure de classification hiérarchique.La classification des 20 écotypes non-végétaux a été validée par photo-interprétation à l'aide de 992 segments-non-végétale est évaluée à 83,2 %. Une fois synthétisée au niveau des écosystèmes, la classification atteint un taux de succès global de 92,7 %. Pour la classification de la végétation, l'analyse d'image par objets spatiaux livre une cartographie dont l'exactitude est équivalente à celle d'une classification basée sur le pixel réalisée par Parcs Canada pour la même image (54,7 % vs 53,4 %). Notre stratification comporte cependant un plus grand nombre de catégories non-végétales et leur classification atteint un niveau d'exactitude supérieur. L'analyse par objet spatiaux nous a permis d'aller au-delà de l'analyse pûrement spectrale pour incorporer des paramètres texturaux, géométriques et contextuels à la procédure de classification. Elle résulte en une représentation plus synthétique de l'information cartographique que la classification basée sur le pixel, mais les patrons spatiaux les plus fins des milieux les plus hétérogènes sont alors perdus.La structure de classification développée pour notre image peut être transposée avec succès vers une nouvelle image, mais ceci exige que soient apportés des ajustements aux règles de classification, voire l'ajout ou la suppréssion de certaines règles.La segmentation hiérarchique s'avère utile comme analogue au concept de l'inventaire écologique des parcs nationaux. Les informations véhiculées par chacun des niveaux de notre classification sont des intrants importants pour l'inventaire écologique du parc national du Canada Auyuittuq. Une typologie définitive reste à définir tant pour la classification de la végétation que pour le couvert non-végétal des parcs nationaux de l'Arctique. Des clés de classification seraient requises pour traduire ces typologies en paramètres reconnaissables sur le terrain. En mettant en commun les diverses données de terrain existantes pour le parc national du Canada Auyuittuq et en les structurant selon ces typologies, on obtiendrait une banque d'échantillons augmentée et plus cohérente. De telles données de références s'avéreraient une base solide pour la validation des classifications présentement disponibles ainsi que pour la mise en oeuvre de travaux futurs en matière d'inventaire écologique pour le parc national du Canada Auyuittuq.

Au niveau global, il a été estimé qu’une augmentation de 4% de l’albédo (ou réflectivité) de la surface provoquerait une diminution de 0,7° de la température d’équilibre de la Terre. Or les propriétés des surfaces (dont l’albédo) changent sous la pression climatique et l’action de l’homme. Parallèlement à ce changement des propriétés de surface un débat divise la communauté scientifique sur une éventuelle diminution ou augmentation du rayonnement incident à la surface depuis le milieu des années 1980 (conséquence d’une augmentation ou diminution de la concentration d’aérosols dans l’atmosphère). La Terre est un système complexe piloté en sa surface par 3 cycles (énergie, eau et carbone). Ces cycles ne sont pas insensibles à ces changements de propriété de réflectivité de surface, de rayonnement solaire incident ou de concentration en aérosols. Certains avancent ainsi qu’une augmentation du rayonnement diffus durant les dernières décennies aurait déjà entraîné un excédent de captation de carbone par la végétation de 9.3%. La problématique ici soulevée est d’évaluer l’apport de la connaissance du flux solaire absorbé par la surface (combinaison du rayonnement solaire et de l’albédo de surface) et plus particulièrement par sa partie végétative pour le suivi des flux d’énergie, d’eau et de carbone. Dans ce travail, j’ai fait appel à l’observation satellitaire et à la modélisation du transfert radiatif pour cartographier la dynamique du rayonnement solaire absorbé par la surface et sur la verticale de la végétation. Dans un premier temps, chacune des sources d’incertitudes sur le rayonnement incident, sur l’albédo de surface mais aussi sur la répartition du rayonnement entre les hétérogénéités horizontales et verticales à la surface furent quantifiées. Puis tout en discutant l’effet de ces incertitudes, j’ai mesuré l’apport de l’utilisation de cette cartographie par satellite du rayonnement solaire absorbé pour estimer les flux d’énergie et d’eau en surface ; ce qui améliora les scores de prévision du temps à court terme et permis également de suggérer des rétroactions à l’échelle climatique sur des zones sensibles tel le Sahel. Aussi une correction de biais de 15% sur l’estimation de la production primaire brute de carbone à l’échelle planétaire démontra l’importance des développements réalisés afin de caractériser les hétérogénéités verticales dans le couvert. Finalement, ce travail m’a conduit à chiffrer l’impact de la méconnaissance des variabilités spatiales et temporelles des propriétés des aérosols (concentration et type). J’ai montré que le suivi au cours du temps des propriétés de directionalité de la réflectivité de surface (tel abordé dans la première partie de mon étude) pouvait aussi permettre de remonter à la quantité d’aérosol dans l’atmosphère. L’utilisation d’observations issues de satellite géostationnaire permet d’estimer la concentration en aérosol avec la même qualité mais avec une fréquence de détection plus élevée (x5 environ) que les méthodes classiques. Enfin, ce travail dresse des pistes pour améliorer la détection des changements des propriétés de réflectivité de surface et d’aérosols de l’atmosphère, et atteindre un suivi encore meilleur des cycles biogéochimiques de la biosphère terrestre. / It is known that a global 4% increase of land surface albedo (also called reflectivity) may result approximately in a decrease of 0.7°C in the Earth’s equilibrium temperature. Nowadays the surface properties (including albedo) are changing under climatic and human pressure. At the same time, there is a debate that divides the scientific community about the potential trends (increase or decrease) affecting the surface incoming solar radiation since mid-1980 (resulting of a decrease or increase of aerosol concentration in the atmosphere, respectively). The Earth is a complex system driven at the surface level by three cycles (energy, water, and carbon). These cycles are not insensitive to changes of surface reflectivity, incoming radiation, or aerosol properties. For example, some argue that the increase of diffuse radiation during the last decades would have led to an exceed of carbon uptake by the Earth’s vegetation of 9.3%. The main issue raised here is to assess the added value of the knowledge in absorbed solar radiation by the surface (combination of incoming solar radiation with surface albedo) and, especially, by the vegetation for the monitoring of energy, water and carbon fluxes.In this work, I have used satellite observations and modeled the radiative transfer theory in order to make dynamic mapping of solar radiation absorbed by the surface and through the vertical dimension of the vegetation. First, I quantified each uncertainty source affecting incoming solar radiation, surface albedo and the way radiation is split between horizontal and vertical heterogeneity. In a second step, I measured the added value of using this absorbed radiation mapping of the surface by satellite to estimate the energy and water fluxes at the surface. The resulting improved scores of weather forecast models in the short-range time scale suggested potential feedbacks at the climatic time scale over sensible areas such as the Sahel region. Another significant outcome is that the developments proposed to better characterize the vertical heterogeneity within the canopy led to an improvement of 15% of annual global terrestrial gross primary production (GPP). Moreover, this study has led to measure the impact of the lack of knowledge of spatial and temporal variability of aerosol properties (concentration and type). I have shown that the tracking of temporal changes of directional properties of reflectance allows me to retrieve to the amount of aerosols in the atmosphere as precisely as other widely used methods but with a higher frequency (5 times more) by using data from geostationary satellite. Finally, this study addresses some possibilities to better track temporal changes of properties of reflectivity of surface and aerosol of atmosphere, and to access to a better monitoring of biogeochemical cycles of the terrestrial biosphere.

La mesure de température d'une surface et de son émissivité thermique constitue encore de nos jours, un défi de taille. D'un point de vue microclimatique, la température significative d'une surface est celle qui reflète l'état des échanges énergétiques qui y ont lieu.La radiométrie infrarouge thermique permet de lire la température de l'interface air-sol pour une couche infiniment petite de la surface (de l'ordre de quelques microns). Dans le cadre d'un système d'aide aux décisions en viabilité hivernale, nous avons défini un prototype de station de mesures mobiles. Cette station permet de déterminer, avec précision, la température radiative de la surface de la chaussée ainsi que de déterminer, avec un taux de succès de plus de 65 %, l'état de cette même surface. Par la conception de ce prototype, nous avons abordé le principe physique de la mesure de température de surface par radiométrie multispectrale infrarouge thermique. Ce travail aura permis d'évaluer une approche standard de mesure à bande spectrale unique (de 8 à 14 [mu]m). Dans la correction de la température radiative de surface, nous avons considéré trois méthodes distinctes.La première méthode utilisée est celle de l'algorithme TES (Gillespie et al., 1998). Cet algorithme établit le spectre d'émissivité, puis calcule une température de surface corrigée, en tenant compte de la réflexion du rayonnement thermique incident à la surface.La seconde méthode considérée est l'indice TISI (Li et al., 1999) qui consiste en un indice d'émissivité relatif indépendant de la température de la surface et qui tient compte du rayonnement incident à la surface.La troisième méthode est un indice de température relative (ITR) qui correspond au contraste normalisé des températures radiatives de surface. L'identification du type de surface a montré un taux de succès de 54,8 % pour les résultats de l'indice ITR, de 51,9 % pour les résultats de l'indice TISI et de 67,3 % pour les résultats de l'algorithme TES. Quant à la valeur de température corrigée, une vérification préalable ayant permis de déterminer la précision du TES à 0,5 [degrés Celsius], nous avons déterminé la précision relative des deux autres méthodes par rapport à celle du TES. Pour les deux méthodes TISI et ITR, la correction de température radiative a donné un écart moyen similaire de l'ordre de -1,2 [degrés Celsius], avec une étendue d'écart allant de -0,5 à -2,2 [degrés Celsius]. L'expérience réalisée a permis de présenter un prototype opérationnel de mesure de la température de surface permettant en même temps la caractérisation de la surface mesurée. L'extraction de ces deux types d'informations à partir d'une même série de mesures est une innovation.La banque d'émissivité spectrale mesurée sur le terrain est aussi une contribution de ce projet.

The quality of indirect measurements of canopy structure, from in situ and satellite remote sensing, is based on knowledge of vegetation canopy architecture. Technological advances in ground-based, airborne or satellite remote sensing can now significantly improve the effectiveness of measurement programs on forest resources.The structure of vegetation canopy describes the position, orientation, size and shape of elements of the canopy.The complexity of the canopy in forest environments greatly limits our ability to characterize forest structural attributes. Architectural models have been developed to help the interpretation of canopy structural measurements by remote sensing. Recently, the terrestrial LiDAR systems, or TLiDAR ( Terrestrial Light Detection and Ranging ), are used to gather information on the structure of individual trees or forest stands.The TLiDAR allows the extraction of 3D structural information under the canopy at the centimetre scale.The methodology proposed in my Ph.D. thesis is a strategy to overcome the weakness in the structural sampling of vegetation cover.The main objective of the Ph.D. is to develop an architectural model of vegetation canopy, called L-Architect (LiDAR data to vegetation Architecture ), and to focus on the ability to document forest sites and to get information on canopy structure from remote sensing tools. Specifically, L-Architect reconstructs the architecture of individual conifer trees from TLiDAR data. Quantitative evaluation of L-Architect consisted to investigate (i) the structural consistency of the reconstructed trees and (ii) the radiative coherence by the inclusion of reconstructed trees in a 3D radiative transfer model. Then, a methodology was developed to quasi-automatically reconstruct the structure of individual trees from an optimization algorithm using TLiDAR data and allometric relationships. L-Architect thus provides an explicit link between the range measurements of TLiDAR and structural attributes of individual trees. L-Architect has finally been applied to model the architecture of forest canopy for better characterization of vertical and horizontal structure with airborne LiDAR data. This project provides a mean to answer requests of detailed canopy architectural data, difficult to obtain, to reproduce a variety of forest covers. Because of the importance of architectural models, L-Architect provides a significant contribution for improving the capacity of parameters' inversion in vegetation cover for optical and lidar remote sensing.

Le bassin versant du Bouregreg est situé dans le centre Nord-ouest du Maroc. C’est un bassin semi-aride de la partie humide de ce royaume. L’agriculture constitue un pilier essentiel de l’économie marocaine. Cependant, la surface agricole utile du pays reste très limitée à cause de conditions climatiques défavorables. Cette surface agricole utile, localisée principalement dans les régions humides, ne représente qu’environ 20% du territoire national, d’où un intérêt particulier pour les espaces agricoles favorables comme le bassin versant du Bouregreg. En outre, bien que le Maroc ait entrepris d’importants investissements en matière d’irrigation depuis l’indépendance, certains espaces comme le bassin du Bouregreg sont restés en marge de cette politique pour des raisons liées à leur fragilité naturelle. Paradoxalement, malgré l’attention particulière accordée à l’agriculture irriguée dans les différentes politiques de développement agricole depuis l’indépendance, l’agriculture pluviale reste la principale source de production agricole, surtout céréalière. Ainsi, cette agriculture pluviale, associée à un important élevage extensif, se concentre de plus en plus sur des espaces climatiquement favorables comme le bassin du Bouregreg, sans tenir compte de la fragilité des sols et du couvert végétal naturel de ces espaces. L’étude présente, menée avec le soutien du projet SIGMED (approche Spatialisée de l’Impact des activités aGricoles au Maghreb sur les transports solides et les ressources en Eau Des grands bassins versants), met en relief la dynamique spatiale et temporelle de la végétation et des sols du bassin du Bouregreg sous l’action combinée de pressions anthropiques et climatiques défavorables de 1980 à 2009. Cette étude fait appel à l’outil de télédétection, de statistique et de SIG. L’analyse de télédétection est faite à partir d’échelles multiples, de la basse résolution à la très haute résolution spatiale. Il en est de même de l’analyse temporelle où sont exploitées, à la fois, des images de très grande répétitivité temporelle (NOAA et MODIS) et des images de basse résolution temporelle (LANDSAT et SPOT 5). L’exploitation de ces images combine la télédétection et les analyses statistiques de série chronologiques et de corrélation. L’analyse des interactions diverses entre la dynamique des facteurs naturels, notamment climatiques, et celle des facteurs anthropiques est réalisée par système d’information géographique. Pour pousser la réflexion dans le domaine de la prospective géographique quant au devenir de ce bassin dans un environnement climatique de plus en plus défavorable, des analyses climatiques ont été faites à partir de projection de modèles climatiques régionaux pour les horizons 2050 et 2100. Les principaux résultats de cette étude indiquent une baisse marquée de la productivité végétale due à une dégradation de plus en plus importante du milieu sous actions agropastorales et climatiques. Sur la base des projections des modèles climatiques, cette dynamique est amenée à se poursuivre, si bien qu’au-delà de 2050, le système de production agricole pluvial sera amené à disparaitre, d’où l’importance de la question de l’adaptation du bassin aux conditions d’un changement climatique. / The Bouregreg watershed is located in the Northwest central Morocco. It’s a semi-arid basin of the humid part of the kingdom. Agriculture is a key pillar of the Moroccan economy. However, the agricultural area of the country is limited due to adverse climate conditions. This agricultural, area located in humid regions is only 20% of the national territory, hence a particular interest in favorable agricultural areas as Bouregreg watershed. Furthermore, although Morocco has undertaken major investments in irrigation, some areas such as the Bouregreg basin remained on the sidelines of this policy for reasons related to their natural fragility. Paradoxically, despite the attention given to irrigated agriculture in the various agricultural development policies of the country since independence, rainfed agriculture remains the main source of agricultural production, especially grain. Well, this rainfed agriculture associated with a significant ranching, focuses more on climatically favorable areas such as the Bouregreg basin, without taking into account the fragility of the soil and natural vegetation of these areas. The present study, conducted with the support of the SIGMED project, highlights the spatial and temporal dynamics of vegetation and soil of the Bouregreg basin under the combined action of adverse anthropogenic and climatic pressures from 1980 to 2009. This study uses the tool of remote sensing, GIS and statistical. Analysis of remote sensing is made from multiple scales from low resolution to high spatial resolution. It is the same for the temporal analysis, where are used both images of high temporal repetitiveness (NOAA and MODIS) and low temporal resolution (LANDSAT AND SPOT 5). Exploitation of these images combines remote sensing and statistical time series analysis and correlation. Analysis of various interactions between the dynamics of natural factors, including climate, and the anthropogenic factors, is carried out by GIS. For further reflection in the field of geographical prospective about the future of the basin in a climate environment increasingly unfavorable, climate analyzes were made from projections of regional climate models for 2050 and 2100 horizons. The main results of this study showed a significant decrease in plant productivity due to more increasing degradation caused by farming and climate actions. Based on the projections of climate models, this dynamics is likely to continue, so that beyond 2050, the system of rainfed production will have to disappear. As for forest formation, they should suffer as result more pressure which should lead to their disappearance. If an effective backup policy is not implemented. This dynamics to be highlights the importance of the issue of adaptation basin conditions of climate change.

Between 2015 and 2050, half of the net increase in the world's urban populationis expected to take place in Sub-Saharan Africa (SSA), driving drastic landcover changes and challenging the spatial organization of human societies.Understanding past and present dynamics of this urbanization process is criticalto achieve a sustainable pattern of urban development, yet is limited by thelack of accurate and multi-temporal spatial data on urban expansion. Since the2000s, the rise of satellite-based Earth Observation (EO) enabled the productionof several global urban maps, thereby mitigating the issue of data scarcity. ButSSA is still characterized by lower accuracies in satellite-based maps becauseof various issues, such as: a lower satellite imagery availability, a lack ofreference datasets, and a high heterogeneity across the urban areas of theregion.In this thesis, I propose to leverage open-access satellite catalogs along withvolunteered geographic information to improve large-scaled and automated mappingof the built environment in SSA. The proposed approach makes use ofOpenStreetMap to support model training and calibration, thereby bypassing theneed for reference datasets or manual digitization campaigns. This method wasassessed in 10 urban areas of SSA, reaching classification performances similarto manual approaches.Moreover, the combined use of multispectral and synthetic-aperture radar (SAR)imagery was explored. In 11 out of 12 case studies in SSA, multi-sensorclassification schemes outperformed single-sensor approaches. More specifically,multi-sensor classification dramatically increased built-up detection rates inarid and semi-arid regions---where bare soil and buildings may share a similarspectral signature.These findings were implemented to map the built environment of 46 urban areasat five different dates from 1995 to 2015, with an average F1-score of 0.93. Thestatistical interpretation of the produced dataset revealed the highheterogeneity that characterizes urban areas in SSA, and confirmed that thespatial patterns of urbanization highly depends on demographic and economicfactors. Overall, the present thesis provides promising insights for large-scaled andautomated mapping of the built environment in data-scarce regions. Severalissues are still affecting the mapping accuracies, such as: multi-temporalinconsistencies caused by the use of imagery from 7 different sensors, lowavailability of historical imagery in SSA, or missing data in OpenStreetMap.Still, with the growing availability of open-access EO catalogs and theincreasingly completeness of OpenStreetMap, the proposed approach is expected tobecome even more relevant in the near future. / Doctorat en Sciences agronomiques et ingénierie biologique / info:eu-repo/semantics/nonPublished

Le stress hydro-thermique a été évalué pour la région du sud du Québec à l’aide des images SPOT VEGETATION (VGT) et NOAA AVHRR, pour deux saisons de croissance (1999 et 2000). Pour extraire la température de surface à l’aide des images AVHRR, l’algorithme ‘split-window’ (Coll et al., 1994b) a été choisi suite à la comparaison avec six algorithmes connus. Les réseaux de neurones artificiels ont été entraînés pour la détection des nuages sur les données quotidiennes synthèses (S1) et les données P. Cette analyse montre que les réseaux identifient les nuages avec plus de précision que le masque standard fourni avec les données. Les réseaux détectent non seulement les nuages épais et brillants, mais également les nuages minces et peu brillants. Comme autre application, les réseaux ont été employés pour estimer la température de l'air. Les variables d’entrées pour les réseaux étaient les cinq bandes de l'image AVHRR, l'altitude de surface, l'angle de zénith solaire, et le jour julien. Le réseau utilisant toutes les données d’entrée a fourni les meilleurs résultats, avec 22 noeuds dans la couche cachée. Le ‘normalized difference vegetation index’ (NDVI) et le ‘normalized difference water index’ (NDWI) sont déduits de SPOT VGT pour évaluer l’état hydrique végétal et la température de surface a été obtenu des images AVHRR pour l’état thermique. Ces deux indices de végétation forment un nouvel indice d’humidité normalisée (NMI) qui s’est révélé inversement corrélé à la température de surface. Un trapèze, exploitant les valeurs de la température de surface et du NMI, permet d’identifier le statut hydro-thermique du couvert végétal. Ces résultats sont validés par une comparaison avec les indices forêt-météo de la méthode canadienne. / The thermal-water stress of the vegetation canopy was evaluated for southern region Québec from SPOT VEGETATION (VGT) and NOAA AVHRR images, and for the 1999 and 2000 reproduction seasons. To retrieve surface temperatures from AVHRR images, the algorithm of Coll et al. (1994b) was found to be the optimal method for our study area by comparing six algorithms. Artificial Neural Networks (ANNs) were trained for cloud detection on daily synthesis (S1) and P data of the SPOT VGT system. The analysis demonstrated the superior classification of the network over the standard cloud masks provided with the data. The network detected not only bright thick clouds but also thin or darker clouds. As another application study, ANNs were employed for estimating air temperatures. The input variables for the networks were the five bands of the AVHRR image, surface altitude, the solar zenith angle, and Julian day. The network using all the input data provided the best results, with 22 nodes in the hidden layer. The Normalized Difference Vegetation Index (NDVI) and the Normalized Difference Water Index (NDWI) were derived from SPOT VGT for evaluating vegetation water status and surface temperature was retrieved from AVHRR for the thermal status. The two vegetation indices were integrated for evaluating the vegetation condition and water status as a new index, namely the Normalized Moisture Index (NMI). A trapezoid was defined by the NMI and by surface temperature and the thermal-water status of the vegetation canopy was determined according to the four sectors of the trapezoid. The thermal-water status was validated by comparing it with the indices of the Canadian Forest Fire Weather Index System.