The proteins tyrosine kinases (PTKs) and the proteins tyrosine phosphatases (PTPs) are very important proteins implicated in the regulation of the cell cycle and numerous human diseases including cancer. VHR is a dual-specific phosphatase whose principles substrats are the MAPKs ERK and JNK. Previous studies of our laboratory showed that this phosphatase is regulated during the cell cycle. Its level is low during the G1 phase and increases during S and G2 phases to reach a top at the G2/M phases. The low level of VHR during the G1 phase is probably due to an alteration of the protein stability demonstrated by a decreased half-life (after treatment of the cell with cycloheximide). In addition, VHR deletion by RNA interference in HeLa cells induces a cell cycle arrest during G1/S and G2/M transitions [1]. In the first part of our work, we show that the dual-specificity phosphatase VHR is overexpressed in cervix cancer cell lines compared to primary keratinocytes. These cell lines are infected (HeLa, CaSki and SiHa) or not (C33 and HT3) by HPV, suggesting that VHR overexpression is HPV independent, virus which is responsible of cervix cancer. We show that VHR overexpression is associated with a differential subcellular localization. Indeed, VHR is localized in the cytoplasm of normal keratinocytes while it localizes in both cytoplasm and nucleus of the cell lines studied. This observed overexpression is not associated with an increased expression of its mRNA but with a stabilization of the protein. CHX chase showed us that VHR half life is about 2 hours in primary keratinocytes and longer than 8 hours in cervix cancer cell lines. The TMA technique allowed us to study a large number of preneoplasic and neoplasic cervical lesions. Interestingly, we observe that VHR is significantly overexpressed in CIN III (Cervical intraepithelial Lesions III) (n=18) and in SCCs (Squamous Cell Carcinoma) (n=12) compared to normal exocols (n=16) and although in ADCs (Adenocarcinoma) (n=12) and AISs (Adenocarcinoma in situ) (n=9) compared to normal endocols (n=19). The differential subcellular localization is also observed in CIN III and SCCs compared to normal exocols but not in ADCs and AISs compared to normal endocols. In the second part of our work, we analyzed the effect of small selectif inhibitors of VHR developped by Dr. L. Tautz from Burnham Institute in La Jolla, CA on cervical cell lines, HeLa and CaSki. We show that these small sulfonic acids induced a decreased number and a decreased proliferation of HeLa and CaSki cells. These effects are similar to those induced by RNA interference. We also show that these inhibitors induced an increased level of ERK phosphorylation. Since ERK is a specific substrat of VHR, these results suggest that the small inhibitors developped by L. Tautz et al. are specific for VHR.

Abstract Since 1999, Very High spatial Resolution satellite data (Ikonos-2, QuickBird and OrbView-3) represent the surface of the Earth with more detail. However, information extraction by multispectral pixel-based classification proves to have become more complex owing to the internal variability increase in the land-cover units and to the weakness of spectral resolution. Therefore, one possibility is to consider the internal spectral variability of land-cover classes as a valuable source of spatial information that can be used as an additional clue in characterizing and identifying land cover. Moreover, the spatial resolution gap that existed between satellite images and aerial photographs has strongly decreased, and the features used in visual interpretation transposed to digital analysis (texture, morphology and context) can be used as additional information on top of spectral features for the land cover classification. The difficulty of this approach is often to transpose the visual features to digital analysis. To overcome this problem region-based classification could be used. Segmentation, before classification, produces regions that are more homogeneous in themselves than with nearby regions and represent discrete objects or areas in the image. Each region becomes then a unit analysis, which makes it possible to avoid much of the structural clutter and allows to measure and use a number of features on top of spectral features. These features can be the surface, the perimeter, the compactness, the degree and kind of texture. Segmentation is one of the only methods which ensures to measure the morphological features (surface, perimeter...) and the textural features on non-arbitrary neighbourhood. In the pixel-based methods, texture is calculated with mobile windows that smooth the boundaries between discrete land cover regions and create between-class texture. This between-class texture could cause an edge-effect in the classification. In this context, our research focuses on the potential of land cover region-based classification of VHR satellite data through the study of the object extraction capacity of segmentation processes, and through the study of the relevance of region features for classifying the land-cover classes in different kinds of Belgian landscapes; always keeping in mind the parallel with the visual interpretation which remains the reference. Firstly, the results of the assessment of four segmentation algorithms belonging to the two main segmentation categories (contour- and region-based segmentation methods) show that the contour detection methods are sensitive to local variability, which is precisely the problem that we want to overcome. Then, a pre-processing like a filter may be used, at the risk of losing a part of the information. The “region-growing” segmentation that uses the local variability in the segmentation process appears to be the best compromise for the segmentation of different kinds of landscape. Secondly, the features calculated thanks to segmentation seem to be relevant to identify some land-cover classes in urban/sub-urban and rural areas. These relevant features are of the same type as the features selected visually, which shows that the region-based classification gets close to the visual interpretation. The research shows the real usefulness of region-based classification in order to classify the land cover with VHR satellite data. Even in some cases where the features calculated thanks to the segmentation prove to be useless, the region-based classification has other advantages. Working with regions instead of pixels allows to avoid the salt-and-pepper effect and makes the GIS integration easier. The research also highlights some problems that are independent from the region-based classification and are recursive in VHR satellite data, like shadows and the spatial resolution weakness for identifying some land-cover classes. Résumé Depuis 1999, les données satellitaires à très haute résolution spatiale (IKONOS-2, QuickBird and OrbView-3) représentent la surface de la terre avec plus de détail. Cependant, l’extraction d’information par une classification multispectrale par pixel devient plus complexe en raison de l’augmentation de la variabilité spectrale dans les unités d’occupation du sol et du manque de résolution spectrale de ces données. Cependant, une possibilité est de considérer cette variabilité spectrale comme une information spatiale utile pouvant être utilisée comme une information complémentaire dans la caractérisation de l’occupation du sol. De plus, de part la diminution de la différence de résolution spatiale qui existait entre les photographies aériennes et les images satellitaires, les caractéristiques (attributs) utilisées en interprétation visuelle transposées à l’analyse digitale (texture, morphologie and contexte) peuvent être utilisées comme information complémentaire en plus de l’information spectrale pour la classification de l’occupation du sol. La difficulté de cette approche est la transposition des caractéristiques visuelles à l’analyse digitale. Pour résoudre ce problème la classification par région pourrait être utilisée. La segmentation, avant la classification, produit des régions qui sont plus homogène en elles-mêmes qu’avec les régions voisines et qui représentent des objets ou des aires dans l’image. Chaque région devient alors une unité d’analyse qui permet l’élimination de l’effet « poivre et sel » et permet de mesurer et d’utiliser de nombreuses caractéristiques en plus des caractéristiques spectrales. Ces caractéristiques peuvent être la surface, le périmètre, la compacité, la texture. La segmentation est une des seules méthodes qui permet le calcul des caractéristiques morphologiques (surface, périmètre, …) et des caractéristiques texturales sur un voisinage non-arbitraire. Avec les méthodes de classification par pixel, la texture est calculée avec des fenêtres mobiles qui lissent les limites entre les régions d’occupation du sol et créent une texture interclasse. Cette texture interclasse peut alors causer un effet de bord dans le résultat de la classification. Dans ce contexte, la recherche s’est focalisée sur l’étude du potentiel de la classification par région de l’occupation du sol avec des images satellitaires à très haute résolution spatiale. Ce potentiel a été étudié par l’intermédiaire de l’étude des capacités d’extraction d’objet de la segmentation et par l’intermédiaire de l’étude de la pertinence des caractéristiques des régions pour la classification de l’occupation du sol dans différents paysages belges tant urbains que ruraux.

Les peuplements forestiers sont une unité de mesure de base pour l'inventaire forestier et la cartographie. Ils sont définis comme de grandes zones forestières (par exemple, de plus de 2 ha) et de composition homogène en terme d'essence d'arbres et d'âge. Leur délimitation précise est généralement effectuée par des opérateurs humains grâce à une analyse visuelle d'images infrarouges à très haute résolution (VHR). Cette tâche est fastidieuse, nécessite beaucoup de temps et doit être automatisée pour un suivi de l'évolution et une mise à jour efficace. Une méthode fondée sur la fusion des données lidar aéroportées et des images multispectrales VHR est proposée pour la délimitation automatique des peuplements forestiers contenant une essence dominante (pureté supérieure à 75%). C'est une principale tâche préliminaire pour la mise à jour de la base de données de la couverture forestière. Les images multispectrales donnent des informations sur les espèces d'arbres alors que les nuages de point Lidar 3D fournissent des informations géométriques sur les arbres et permettent leur extraction individuelle. Les attributs multimodaux sont calculées, à la fois au niveau des pixels et des objets (groupements de pixels ayant une taille similaire aux arbres). Une classification supervisée est ensuite effectuée au niveau de l'objet afin de discriminer grossièrement les espèces d'arbres existantes dans chaque zone d'intérêt. Les résultats de la classification sont ensuite traités pour obtenir des zones homogènes avec des bordures lisses par la minimisation d'une énergie, où des contraintes supplémentaires sont proposées pour former la fonction énergie à minimiser. Les résultats expérimentaux montrent que la méthode proposée fournit des résultats très satisfaisants en termes d'étiquetage et de délimitation, et ce pour des régions géographiquement très éloignées / Forest stands are the basic units for forest inventory and mapping. Stands are defined as large forested areas (e.g., 2 ha) of homogeneous tree species composition and age. Their accurate delineation is usually performed by human operators through visual analysis of very high resolution (VHR) infra-red images. This task is tedious, highly time consuming, and should be automated for scalability and efficient updating purposes. A method based on the fusion of airborne lidar data and VHR multispectral images is proposed for the automatic delineation of forest stands containing one dominant species (purity superior to 75%). This is the key preliminary task for forest land-cover database update. The multispectral images give information about the tree species whereas 3D lidar point clouds provide geometric information on the trees and allow their individual extraction. Multi-modal features are computed, both at pixel and object levels: the objects are groups of pixels having a size similar to trees. A supervised classification is then performed at the object level in order to coarsely discriminate the existing tree species in each area of interest. The classification results are further processed to obtain homogeneous areas with smooth borders by employing an energy minimum framework, where additional constraints are joined to form the energy function. The experimental results show that the proposed method provides very satisfactory results both in terms of stand labeling and delineation, even for spatially distant regions

Coastal habitats are highly sensitive to change and highly diverse. Degrading environmental conditions have led to a global decline in biodiversity through loss, modification and fragmentation of habitats, triggering an increased effort to conserve these ecosystems. Remote sensing is important tool for filling in critical information gaps for monitoring habitats, yet significant barriers exist for operational use within the ecological and conservation communities. Reporting on both extent and condition of habitats are critical to fulfil policy requirements, specifically the ECs Habitat’s Directive. This study focuses on the use of Very High Resolution (VHR) optical imagery for retrieving parameters to identifyassociations that can separate habitat boundaries for extent mapping down to species level for indicators of condition, with a focus on operational use. The Earth Observation Data for Habitat Monitoring (EODHaM) system was implemented using Worldview-2 data from two periods (July and September), in situ data and local ecological knowledge for two sites in Wales, Kenfig Burrows SAC and Castlemartin SSSI. The system utilises the Food and Agricultural Organisation’s (FAO) Land Cover Classification System (LCCS) but translations between land cover and habitat schemes are not straight forward and need special consideration that are likely to be site specific. Limitations within therule-based method of the EODHaM system were identified and therefore augmented with machine learning based classification algorithms creating a hybrid method of classification generating accurate (>80% overall accuracy) baseline maps with a more automated and repeatable method. Quantitative methods of validation traditionally used within the remote sensing community do not consider spatial aspects of maps. Therefore, qualitative assessments carried out in the field were used in addition to error matrices, overall accuracy and the kappa coefficient. This required input from ecologists and site specialists, enhancing communication and understanding between the different communities. Generating baseline maps required significant amount of training data and updating baselines through change detection methods is recommended for monitoring. An automated, novel map-to-image change detection was therefore implemented. Natural and anthropogenic changes were successfully detected from Worldview-2 and Sentinel-2 data at Kenfig Burrows. An innovative component of this research was the development of methods, which were demonstrated to be transferable between both sites and increased understanding between remote sensing scientist and ecologist. Through this approach, a more operational method for monitoring site specific habitats through satellite data is proposed, with direct benefits for conservation, environment and policy.

No description available.

La substitution est une méthode de prévention primaire qui permet l’élimination à la source des dangers pour les travailleurs. Une des étapes de la démarche est la comparaison des options afin de procéder au choix final. Divers indices de comparaison, basés sur des paramètres physicochimiques, sanitaires et environnementaux des substances, permettent de guider ce choix. Toutefois, aucune évaluation de ces indices n’a été effectuée dans le cas de la substitution des solvants. Une recherche de développement a été entreprise afin de proposer une méthodologie améliorée de comparaison des solvants. La démarche d’analyse de substitution et la comparaison des options de remplacement à l’aide du rapport de danger de vapeur (« Vapour Hazard Ratio », VHR) ont été appliquées à un cas réel de substitution de solvants en entreprise. Trois indices de potentiel de surexposition (IPS) (VHR, « Måleteknisk Arbejdshygiejnisk Luftbehov » (MAL) et « SUBstitution FACtor » (SUBFAC)) et trois indices globaux de hiérarchisation des dangers (indice air (ψiair), « Indiana Relative Chemical Hazard Score » (IRCHS) et « Final Hazard Score » (FHS)) ont été évalués et comparés à partir de listes de 56 et 67 solvants respectivement. La problématique de la non-idéalité des mélanges a aussi été considérée par rapport aux IPS par l’évaluation et la comparaison de 50 mélanges de solvant. Une méthodologie d’établissement d’une valeur limite d’exposition (VLE), pour les solvants n’en possédant pas, a été développée par modélisation de type relations quantitatives propriété-propriété (QPPR). La modélisation QPPR des VLE, effectuée sur une liste de 88 solvants possédant une VLE, a été effectuée à partir des coefficients de partage octanol:air, octanol:eau, sang:air et des constantes métaboliques. L’étude de cas a montré que l’utilisation du VHR facilitait la comparaison des options, bien qu’elle puisse se heurter à l’absence de VLE. Les indices VHR et SUBFAC ont été identifiés comme des méthodes très proches, caractérisées par une forte corrélation (R=0,99) alors que l’indice MAL se distingue des deux autres IPS par une perte d’information sur la volatilité résultant en une corrélation plus faible avec le VHR (R=0,75). L’impact de la non idealité, évalué par le calcul de coefficients d’activité sur une série de 50 mélanges, a permis d’établir que les ratios entre les indices VHR corrigés et non corrigés variaient entre 0,57 et 2,7, suggérant un facteur de sécurité de cinq lors de la comparaison de mélanges. Les analyses de corrélation et de sensibilité ont montré que les indices de hiérarchisation des dangers différaient de façon importante sur leur prise en compte de paramètres comme la volatilité, les VLE, l’exposition cutanée, l’inflammabilité, la cancérogénicité et les divers paramètres environnementaux. Aucun de ces indices ne peut être recommandé pour la substitution des solvants. Deux modèles QPPR ont été développés afin de prédire des VLE et des VHR, et 61 % et 87 % des VHR prédits variaient respectivement d’un facteur maximal de deux et de cinq par rapport aux VHR calculés. Nos résultats mènent à proposer une démarche améliorée de comparaison en deux étapes. Après un tri selon des critères prioritaires de santé, de sécurité et d’environnement, la comparaison devrait se baser sur le calcul du VHR tout en considérant d’autres paramètres selon la situation concrète de l’entreprise ou du procédé. La comparaison devra tenir compte de la non-idéalité pour les mélanges, et de VLE estimées pour les solvants n’en possédant pas. / Substitution is a primary preventive method which allows the elimination of hazards to workers at the source. One of the steps in substitution analysis is the comparison between options in order to choose the best alternative. Various comparison indices based on physicochemical, health and environmental parameters of substances may facilitate the choice. However, no evaluation of theses indices has been done in the case of solvent substitution. Development research was undertaken in order to propose an improved methodology for solvent substitution. A systematic procedure of solvent substitution was applied to a real workplace case and the comparison between options was made using the Vapour Hazard Ratio (VHR). Three Overexposure Potential Indices (OPIs) (VHR, « Måleteknisk Arbejdshygiejnisk Luftbehov » (MAL) and SUBstitution FACtor (SUBFAC)) and three comprehensive hazard screening indices (air index (ψiair), Indiana Relative Chemical Hazard Score (IRCHS) and Final Hazard Score (FHS)) were evaluated and compared using a list of 56 and 67 solvents respectively. In the case of mixtures, the effect of nonideality on OPIs was also investigated by comparing 50 solvent mixtures. Quantitative property-property relationship (QPPR) models were developed for estimating Occupational Exposure Limits (OELs) for solvents without OELs. QPPR models were made from octanol:air, blood:air and metabolic constants using a list of 88 solvents. The case study showed that the use of the VHR made comparison of replacement options easier, although it was limited by the absence of an OEL for a solvent. VHR and SUBFAC were shown to be close with excellent correlation between the two indices (R=0.99) but a worse correlation was calculated between MAL and VHR (R=0.75). This was attributed to the discrete nature of the volatility parameter in MAL. The impact of nonideality, evaluated by the calculation of activity coefficients on 50 solvent mixtures, resulted in ratios between corrected and non corrected VHRs varying between 0.57 and 2.7, suggesting that a safety factor of five could be used when comparing solvent mixtures. Correlation and sensitivity analysis showed that hazard screening indices differed in the way they integrate key substitution factors such as volatility, OEL, skin exposure, flammability, carcinogenicity and various environmental parameters. No index was found to be suitable for performing solvent substitution. Two QPPR modeling approaches were developed for computing OELs and VHRs; and 61 % and 87 % of the predicted VHRs were within a factor of two and five, respectively, of the calculated VHRs. Our results lead us to propose an improved comparison procedure using a two-tier approach. In the first tier, a selection would eliminate solvent candidates having crucial health, safety and environmental impacts. In the second tier, the comparison would emphasize the VHR but also consider other parameters which are relevant to the specific context. Comparison would also take into account nonideality for mixtures and predicted OELs for solvents without such values.

Les satellites de télédétection sont devenus incontournables pour la société civile. En effet, les images satellites ont été exploitées avec succès pour traiter plusieurs applications, notamment la surveillance de l'environnement et de la prévention des catastrophes naturelles. Dans les dernières années, l'augmentation de la disponibilité de très haute résolution spatiale (THR) d'images de télédétection abouti à de nouvelles applications potentiellement pertinentes liées au suivi d'utilisation des sols et à la gestion environnementale. Cependant, les capteurs optiques, en raison du fait qu'ils acquièrent directement la lumière réfléchie par le soleil, ils peuvent souffrir de la présence de nuages dans le ciel et / ou d'ombres sur la terre. Il s'agit du problème des données manquantes, qui induit un problème important et crucial, en particulier dans le cas des images THR, où l'augmentation des détails géométriques induit une grande perte d'informations. Dans cette thèse, de nouvelles méthodologies de détection et de reconstruction de la région contenant des données manquantes dans les images THR sont proposées et appliquées sur les zones contaminées par la présence de nuages et / ou d'ombres. En particulier, les contributions méthodologiques proposées comprennent: i) une stratégie multirésolution d'inpainting visant à reconstruire les images contaminées par des nuages ; ii) une nouvelle combinaison d'information radiométrique et des informations de position spatiale dans deux noyaux spécifiques pour effectuer une meilleure reconstitution des régions contaminés par les nuages en adoptant une régression par méthode a vecteurs supports (RMVS) ; iii) l'exploitation de la théorie de l'échantillonnage compressé avec trois stratégies différentes (orthogonal matching pursuit, basis pursuit et une solution d'échantillonnage compressé, basé sur un algorithme génétique) pour la reconstruction d'images contaminés par des nuages; iv) une chaîne de traitement complète qui utilise une méthode à vecteurs de supports (SVM) pour la classification et la détection des zones d'ombre, puis une régression linéaire pour la reconstruction de ces zones, et enfin v) plusieurs critères d'évaluation promptes à évaluer la performance de reconstruction des zones d'ombre. Toutes ces méthodes ont été spécialement développées pour fonctionner avec des images très haute résolution. Les résultats expérimentaux menés sur des données réelles sont présentés afin de montrer et de confirmer la validité de toutes les méthodes proposées. Ils suggèrent que, malgré la complexité des problèmes, il est possible de récupérer de façon acceptable les zones manquantes masquées par les nuages ou rendues erronées les ombres.

La substitution est une méthode de prévention primaire qui permet l’élimination à la source des dangers pour les travailleurs. Une des étapes de la démarche est la comparaison des options afin de procéder au choix final. Divers indices de comparaison, basés sur des paramètres physicochimiques, sanitaires et environnementaux des substances, permettent de guider ce choix. Toutefois, aucune évaluation de ces indices n’a été effectuée dans le cas de la substitution des solvants. Une recherche de développement a été entreprise afin de proposer une méthodologie améliorée de comparaison des solvants. La démarche d’analyse de substitution et la comparaison des options de remplacement à l’aide du rapport de danger de vapeur (« Vapour Hazard Ratio », VHR) ont été appliquées à un cas réel de substitution de solvants en entreprise. Trois indices de potentiel de surexposition (IPS) (VHR, « Måleteknisk Arbejdshygiejnisk Luftbehov » (MAL) et « SUBstitution FACtor » (SUBFAC)) et trois indices globaux de hiérarchisation des dangers (indice air (ψiair), « Indiana Relative Chemical Hazard Score » (IRCHS) et « Final Hazard Score » (FHS)) ont été évalués et comparés à partir de listes de 56 et 67 solvants respectivement. La problématique de la non-idéalité des mélanges a aussi été considérée par rapport aux IPS par l’évaluation et la comparaison de 50 mélanges de solvant. Une méthodologie d’établissement d’une valeur limite d’exposition (VLE), pour les solvants n’en possédant pas, a été développée par modélisation de type relations quantitatives propriété-propriété (QPPR). La modélisation QPPR des VLE, effectuée sur une liste de 88 solvants possédant une VLE, a été effectuée à partir des coefficients de partage octanol:air, octanol:eau, sang:air et des constantes métaboliques. L’étude de cas a montré que l’utilisation du VHR facilitait la comparaison des options, bien qu’elle puisse se heurter à l’absence de VLE. Les indices VHR et SUBFAC ont été identifiés comme des méthodes très proches, caractérisées par une forte corrélation (R=0,99) alors que l’indice MAL se distingue des deux autres IPS par une perte d’information sur la volatilité résultant en une corrélation plus faible avec le VHR (R=0,75). L’impact de la non idealité, évalué par le calcul de coefficients d’activité sur une série de 50 mélanges, a permis d’établir que les ratios entre les indices VHR corrigés et non corrigés variaient entre 0,57 et 2,7, suggérant un facteur de sécurité de cinq lors de la comparaison de mélanges. Les analyses de corrélation et de sensibilité ont montré que les indices de hiérarchisation des dangers différaient de façon importante sur leur prise en compte de paramètres comme la volatilité, les VLE, l’exposition cutanée, l’inflammabilité, la cancérogénicité et les divers paramètres environnementaux. Aucun de ces indices ne peut être recommandé pour la substitution des solvants. Deux modèles QPPR ont été développés afin de prédire des VLE et des VHR, et 61 % et 87 % des VHR prédits variaient respectivement d’un facteur maximal de deux et de cinq par rapport aux VHR calculés. Nos résultats mènent à proposer une démarche améliorée de comparaison en deux étapes. Après un tri selon des critères prioritaires de santé, de sécurité et d’environnement, la comparaison devrait se baser sur le calcul du VHR tout en considérant d’autres paramètres selon la situation concrète de l’entreprise ou du procédé. La comparaison devra tenir compte de la non-idéalité pour les mélanges, et de VLE estimées pour les solvants n’en possédant pas. / Substitution is a primary preventive method which allows the elimination of hazards to workers at the source. One of the steps in substitution analysis is the comparison between options in order to choose the best alternative. Various comparison indices based on physicochemical, health and environmental parameters of substances may facilitate the choice. However, no evaluation of theses indices has been done in the case of solvent substitution. Development research was undertaken in order to propose an improved methodology for solvent substitution. A systematic procedure of solvent substitution was applied to a real workplace case and the comparison between options was made using the Vapour Hazard Ratio (VHR). Three Overexposure Potential Indices (OPIs) (VHR, « Måleteknisk Arbejdshygiejnisk Luftbehov » (MAL) and SUBstitution FACtor (SUBFAC)) and three comprehensive hazard screening indices (air index (ψiair), Indiana Relative Chemical Hazard Score (IRCHS) and Final Hazard Score (FHS)) were evaluated and compared using a list of 56 and 67 solvents respectively. In the case of mixtures, the effect of nonideality on OPIs was also investigated by comparing 50 solvent mixtures. Quantitative property-property relationship (QPPR) models were developed for estimating Occupational Exposure Limits (OELs) for solvents without OELs. QPPR models were made from octanol:air, blood:air and metabolic constants using a list of 88 solvents. The case study showed that the use of the VHR made comparison of replacement options easier, although it was limited by the absence of an OEL for a solvent. VHR and SUBFAC were shown to be close with excellent correlation between the two indices (R=0.99) but a worse correlation was calculated between MAL and VHR (R=0.75). This was attributed to the discrete nature of the volatility parameter in MAL. The impact of nonideality, evaluated by the calculation of activity coefficients on 50 solvent mixtures, resulted in ratios between corrected and non corrected VHRs varying between 0.57 and 2.7, suggesting that a safety factor of five could be used when comparing solvent mixtures. Correlation and sensitivity analysis showed that hazard screening indices differed in the way they integrate key substitution factors such as volatility, OEL, skin exposure, flammability, carcinogenicity and various environmental parameters. No index was found to be suitable for performing solvent substitution. Two QPPR modeling approaches were developed for computing OELs and VHRs; and 61 % and 87 % of the predicted VHRs were within a factor of two and five, respectively, of the calculated VHRs. Our results lead us to propose an improved comparison procedure using a two-tier approach. In the first tier, a selection would eliminate solvent candidates having crucial health, safety and environmental impacts. In the second tier, the comparison would emphasize the VHR but also consider other parameters which are relevant to the specific context. Comparison would also take into account nonideality for mixtures and predicted OELs for solvents without such values.

Les base de données (BD) d'Occupation du Sol (OCS) sont d'une grande utilité, dans divers domaines. Les utilisateurs recherchent des niveaux de détails tant géométriques que sémantiques très fins. Ainsi, une telle BD d'OCS à Grande Échelle (OCS-GE) est en cours de constitution à l'IGN. Cependant, pour répondre aux besoins des utilisateurs, cette BD doit être mise à jour le plus régulièrement possible, avec une notion de millésime. Ainsi, des méthodes automatiques de mise à jour doivent être mises en place, afin de traiter rapidement des zones étendues. Par ailleurs, les satellites d'observation de la terre ont fait leurs preuves dans l'aide à la constitution de BD d'OCS à des échelles comparables à celle de CLC. Avec l'arrivée de nouveaux capteurs THR, comme celle du satellite Pléiades, la question de la pertinence de ces images pour la mise à jour de BD d'OCS-GE se pose naturellement. Ainsi, l'objet de cette thèse est de développer une méthode automatique de mise à jour de BDs d'OCS-GE, à partir d'une image satellite THR monoscopique (afin de réduire les coûts d'acquisition), tout en garantissant la robustesse des changements détectés. Le cœur de la méthode est un algorithme d'apprentissage supervisés multi-niveaux appelé MLMOL, qui permet de prendre en compte au mieux les apparences, éventuellement multiples, de chaque thème de la BD. Cet algorithme, complètement indépendant du choix du classifieur et des attributs extraits de l'image, peut être appliqué sur des jeux de données très variés. De plus, la multiplication de classifications permet d'améliorer la robustesse de la méthode, en particulier sur des thèmes ayant des apparences multiples (e,g,. champs labourés ou non, bâtiments de type maison ou hangar industriel, ...). De plus, l'algorithme d'apprentissage est intégré dans une chaîne de traitements (LUPIN) capable, d'une part de s'adapter automatiquement aux différents thèmes de la BD pouvant exister et, d'autre part, d'être robuste à l'existence de thèmes in-homogènes. Par suite, la méthode est appliquée avec succès à une image Pléiades, sur une zone à proximité de Tarbes (65) couverte par la BD OCS-GE constituée par IGN. Les résultats obtenus montrent l'apport des images Pléiades tant en terme de résolution sub-métrique que de dynamique spectrale. D'autre part, la méthode proposée permet de fournir des indicateurs pertinents de changements sur la zone. Nous montrons par ailleurs que notre méthode peut fournir une aide précieuse à la constitution de BD d'OCS issues de la fusion de différentes BDs. En effet, notre méthode a la capacité de prise de décisions lorsque la fusion de BDs génère des zones de recouvrement, phénomène courant notamment lorsque les données proviennent de différentes sources, avec leur propre spécification. De plus, notre méthode permet également de compléter d'éventuels lacunes dans la zone de couverture de la BD générée, mais aussi d'étendre cette couverture sur l'emprise d'une image couvrant une étendue plus large. Enfin, la chaîne de traitements LUPIN est appliquée à différents jeux de données de télédétection afin de valider sa polyvalence et de juger de la pertinence de ces données. Les résultats montrent sa capacité d'adaptation aux données de différentes résolutions utilisées (Pléiades à 0,5m, SPOT 6 à 1,5m et RapidEye à 5m), ainsi que sa capacité à utiliser les points forts des différents capteurs, comme par exemple le canal red-edge de RapidEye pour la discrimination du thème forêts, le bon compromis de résolution que fournit SPOT 6 pour le thème zones bâties et l'apport de la THR de Pléiades pour discriminer des thèmes précis comme les routes ou les haies. / Land-Cover geospatial databases (LC-BDs) are mandatory inputs for various purposes such as for natural resources monitoring land planning, and public policies management. To improve this monitoring, users look for both better geometric, and better semantic levels of detail. To fulfill such requirements, a large-scale LC-DB is being established at the French National Mapping Agency (IGN). However, to meet the users needs, this DB must be updated as regularly as possible while keeping the initial accuracies. Consequently, automatic updating methods should be set up in order to allow such large-scale computation. Furthermore, Earth observation satellites have been successfully used to the constitution of LC-DB at various scales such as Corine Land Cover (CLC). Nowadays, very high resolution (VHR) sensors, such as Pléiades satellite, allow to product large-scale LC-DB. Consequently, the purpose of this thesis is to propose an automatic updating method of such large-scale LC-DB from VHR monoscopic satellite image (to limit acquisition costs) while ensuring the robustness of the detected changes. Our proposed method is based on a multilevel supervised learning algorithm MLMOL, which allows to best take into account the possibly multiple appearances of each DB classes. This algorithm can be applied to various images and DB data sets, independently of the classifier, and the attributes extracted from the input image. Moreover, the classifications stacking improves the robustness of the method, especially on classes having multiple appearances (e.g., plowed or not plowed fields, stand-alone houses or industrial warehouse buildings, ...). In addition, the learning algorithm is integrated into a processing chain (LUPIN) allowing, first to automatically fit to the different existing DB themes and, secondly, to be robust to in-homogeneous areas. As a result, the method is successfully applied to a Pleiades image on an area near Tarbes (southern France) covered by the IGN large-scale LC-DB. Results show the contribution of Pleiades images (in terms of sub-meter resolution and spectral dynamics). Indeed, thanks to the texture and shape attributes (morphological profiles, SFS, ...), VHR satellite images give good classification results, even on classes such as roads, and buildings that usually require specific methods. Moreover, the proposed method provides relevant change indicators in the area. In addition, our method provides a significant support for the creation of LC-DB obtain by merging several existing DBs. Indeed, our method allows to take a decision when the fusion of initials DBs generates overlapping areas, particularly when such DBs come from different sources with their own specification. In addition, our method allows to fill potential gaps in the coverage of such generating DB, but also to extend the data to the coverage of a larger image. Finally, the proposed workflow is applied to different remote sensing data sets in order to assess its versatility and the relevance of such data. Results show that our method is able to deal with such different spatial resolutions data sets (Pléiades at 0.5 m, SPOT 6 at 1.5 m and RapidEye at 5 m), and to take into account the strengths of each sensor, e.g., the RapidEye red-edge channel for discrimination theme forest, the good balance of the SPOT~6 resolution for built-up areas classes and the capability of VHR of Pléiades images to discriminate objects of small spatial extent such as roads or hedge.

Current disaster response strategies are based on damage assessments carried out on the ground, which can be dangerous following a ä destructive event. Damage assessments can also be performed remotely using satellite imagery, but are usually carried out through visual interpretation, which can take a lot of time. This thesis explored a way of using artificial intelligence to automate remote damage assessment. We implemented a dual-task U-Net deep learning model, trained it with the xBD dataset for assessing building damage, and applied the model to pre- and post-event very high resolution satellite imagery of the February 6, 2023 earthquakes in Turkey. The results were compared to damage maps produced using a traditional object based method by calculating the F1 scores associated with the outputs of each method and ground truth data that we compiled. The study areas were parts of the two cities Kahramanmaraş and Antakya. The deep learning model almost only correctly identified undamaged buildings, achieving F1 scores of 0.95 during training as well as 0.93 and 0.83 in the damage assessments of Kahramanmaras and Antakya, respectively. For the other damage classes, the best result was the classification of destroyed buildings, both in training and in the study areas, with a F1-score of 0.45 in training and 0.16 in Kahramanmaraş. The deep learning model performed similarly to the object based method. Although the thesis did not yield good damage maps in the areas of interest, it had many limitations, and there is still a lot of potential for deep learning models to be useful in building damage assessment.