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.

With the advent of very high spatial resolution (VHR) satellite, spatial details within the image scene have increased considerably. This led to the development of object-based image analysis (OBIA) for the analysis of VHR satellite images. Image segmentation is the fundamental step for OBIA. However, a large number of techniques exist for RS image segmentation. To identify the best ones for VHR imagery, a comprehensive literature review on image segmentation is performed. Based on that review, it is found that the multiresolution segmentation, as implemented in the commercial software eCognition, is the most widely-used technique and has been successfully applied for wide variety of VHR images. However, the multiresolution segmentation suffers from the parameter estimation problem. Therefore, this study proposes a solution to the problem of the parameter estimation for improving its efficiency in VHR image segmentation. The solution aims to identify the optimal parameters, which correspond to optimal segmentation. The solution to the parameter estimation is drawn from the Equations related to the merging of any two adjacent objects in multiresolution segmentation. The solution utilizes spectral, shape, size, and neighbourhood relationships for a supervised solution. In order to justify the results of the solution, a global segmentation accuracy evaluation technique is also proposed. The solution performs excellently with the VHR images of different sensors, scenes, and land cover classes. In order to justify the applicability of solution to a real life problem, a building detection application based on multiresolution segmentation from the estimated parameters, is carried out. The accuracy of the building detection is found nearly to be eighty percent. Finally, it can be concluded that the proposed solution is fast, easy to implement and effective for the intended applications.

Analysis of forest canopy density based on textural features of high resolution imagery and airborne laser scanning data Abstract The objective of this thesis is to assess the forest canopy density in the Šumava Mountains, Czech Republic. The spruce forests in this area have been suffering from the bark beetle outbreak for almost 20 years resulting in a mixture of dead and young trees, mature forest stands and peat bogs. The canopy density was evaluated using a very high spatial resolution panchromatic imagery and low point density LiDAR, combined with an object oriented approach. The classification based on three GLCM texture measures (contrast, entropy and correlation), which were derived from the image objects, resulted in a kappa index of accuracy of 0.45. Adding the information from the LiDAR data, the accuracy of the classification improved up to 0.95.

Depuis une quinzaine d’années, l’émergence des données de télédétection à Très Haute Résolution Spatiale (THRS) et la démocratisation des Systèmes d’Information Géographique (SIG) aident à répondre aux nouveaux besoins croissants d’informations spatialisées. Le développement de nouvelles méthodes de cartographie offre une opportunité pour comprendre et anticiper les mutations des surfaces terrestres aux grandes échelles, jusqu’ici mal connues. En France, l’emploi de bases de données spatialisées sur l’occupation du sol à grande échelle (BD Ocsol GE) est devenu incontournable dans les opérations courantes de planification et de suivi des territoires. Pourtant, l’acquisition de ce type de bases de données spatialisées est encore un besoin difficile à satisfaire car les demandes portent sur des productions cartographiques sur-mesure, adaptées aux problématiques locales des territoires. Face à cette demande croissante, les prestataires réguliers de ce type de données cherchent à optimiser les procédés de fabrication avec des techniques récentes de traitements d’image. Cependant, la Photo-Interprétation Assistée par Ordinateur (PIAO) reste la méthode privilégiée des prestataires. En raison de sa grande souplesse, elle répond toujours au besoin de cartographie aux grandes échelles, malgré son coût important. La substitution de la PIAO par des méthodes de production entièrement automatisées est rarement envisagée. Toutefois, les développements récents en matière de segmentation d’images peuvent contribuer à l’optimisation de la pratique de la photo-interprétation. Cette thèse présente ainsi une série d’outils (ou modules) qui participent à l’élaboration d’une assistance à la digitalisation pour l’exercice de photo-interprétation d’une BD Ocsol GE. L’assistance se traduit par la réalisation d’un prédécoupage du paysage à partir d’une segmentation menée sur une image THRS. L’originalité des outils présentés est leur intégration dans un contexte de production fortement contraint. La construction des modules est conduite à travers trois prestations cartographiques à grande échelle commandités par des entités publiques. L’apport de ces outils d’automatisation est analysé à travers une analyse comparative entre deux procédures de cartographie : l’une basée sur une démarche de photo-interprétation entièrement manuelle et la seconde basée sur une photo-interprétation assistée en amont par une segmentation numérique. Les gains de productivité apportés par la segmentation sont, évalués à l’aide d’indices quantitatifs et qualitatifs, sur des configurations paysagères différentes. À des degrés divers, il apparaît que quelque soit le type de paysage cartographié, les gains liés à la cartographie assistée sont substantiels. Ces gains sont discutés, à la fois, d’un point de vue technique et d’un point de vue thématique dans une perspective commerciale. / Over the last fifteen years, the emergence of remote sensing data at Very High Spatial Resolution (VHRS) and the democratization of Geographic Information Systems (GIS) have helped to meet the new and growing needs for spatial information. The development of new mapping methods offers an opportunity to understand and anticipate land cover change at large scales, still poorly known. In France, spatial databases about land cover and land use at large scale have become an essential part of current planning and monitoring of territories. However, the acquisition of this type of database is still a difficult need to satisfy because the demands concern tailor-made cartographic productions, adapted to the local problems of the territories. Faced with this growing demand, regular service providers of this type of data seek to optimize manufacturing processes with recent image-processing techniques. However, photo interpretation remains the favoured method of providers. Due to its great flexibility, it still meets the need for mapping at large scale, despite its high cost. Using fully automated production methods to substitute for photo interpretation is rarely considered. Nevertheless, recent developments in image segmentation can contribute to the optimization of photo-interpretation practice. This thesis presents a series of tools that participate in the development of digitalization assistance for the photo-interpretation exercise. The assistance results in the realization of a pre-cutting of the landscape from a segmentation carried out on a VHRS image. Tools development is carried out through three large-scale cartographic services, each with different production instructions, and commissioned by public entities. The contribution of these automation tools is analysed through a comparative analysis between two mapping procedures: manual photo interpretation versus digitally assisted segmentation. The productivity gains brought by segmentation are evaluated using quantitative and qualitative indices on different landscape configurations. To varying degrees, it appears that whatever type of landscape is mapped, the gains associated with assisted mapping are substantial. These gains are discussed both technically and thematically from a commercial perspective.

Les régions sèches situées à la périphérie des déserts sont généralement peuplées et mises en valeur sur un mode sédentaire. Elles partagent cependant avec les milieux désertiques des conditions environnementales qui les rendent sensibles et fragiles. Cela implique de bien connaître les mécanismes de leurs milieux, a fortiori dans un contexte de désertification qui augmente le risque environnemental. Celui-ci est souvent évalué par le suivi de la végétation, mais l’expérience de terrain montre que les formes éoliennes pourraient apporter des compléments utiles. La morphodynamique éolienne joue en effet un rôle non négligeable dans le risque environnemental en régions sèches. Si, dans les systèmes désertiques, l’influence des activités humaines sur l’évolution des formes éoliennes de grande taille est réduite, dans les régions sèches non-désertiques, elles sont de plus petite dimension et leur vitesse de réaction aux changements des conditions du milieu est élevée. Elles sont de surcroît liées aux autres composants du paysage, avec lesquels elles interagissent fortement, et leur fonctionnement peut être corrélé aux modalités d’exploitation du milieu. Cela en fait des indicateurs pertinents et leur suivi doit donc être conçu dans une approche systémique appuyée sur une bonne maîtrise des fondements physiques de l’étude de la morphodynamique éolienne qui sont présentés en ouverture de ce mémoire. Différents outils et concepts élaborés dans les contextes désertiques, parmi lesquels les déplacements potentiels sableux et la densité d’obstacle, sont détaillés. Les effets paysagers de la morphodynamique éolienne sont illustrés par divers exemples. Son intégration dans les études de suivi est alors questionnée pour démontrer que de nouvelles approches peuvent être explorées. Les propositions faites s’intéressent en particulier à un objet, la forme éolienne d’obstacle, qui reste mal connu malgré la place qu’il tient dans les paysages des régions sèches. Une grille de caractérisation fine de cet objet est définie, à partir de laquelle un protocole de quantification et d’évaluation qualitative nécessaire à la production d’indicateurs peut être élaboré. Pour cela, les méthodes développées doivent être reproductibles et minimiser la complexité et les coûts de mise en oeuvre. Dans le domaine de la télédétection, la facilité d’utilisation et la précision des images du Pixy, paramoteur léger à voile souple, démontrent le potentiel des vecteurs de type drone. L’intérêt des satellites à très haute résolution spatiale pour, notamment, la généralisation d’études ciblées est également démontré. Les images produites correspondent notamment à une échelle intermédiaire qui faisait jusqu’alors défaut. Parmi les fournisseurs d’images très haute résolution spatiale, Google Earth est une alternative possible des fournisseurs commerciaux. La disponibilité de plus en plus grande d’images de résolution très élevée offre des perspectives d’applications dans des domaines variés. Leur exploitation présente cependant des contraintes que la Morphologie Mathématique (MM), discipline de l’analyse d’image orientée-objet, permet de contourner. Les outils de la MM facilitent l’analyse façon robuste des images non corrigées, du type Pixy ou Google Earth. Elle s’appuie sur des procédures simples à reproduire, dont les résultats s’expliquent facilement. Elle participe ainsi à réduire le coût des études. Or, la question économique du diagnostic environnemental ne peut être évacuée, en particulier dans les pays concernés par la lutte contre la désertification. Chaque chapitre de ce mémoire démontre l’importance de la prise en considération de deux seuils : d’une part, le seuil d’hétérogénéité, en-deçà duquel l’information recherchée est noyée dans le bruit d’un trop grand détail, d’autre part, le seuil d’homogénéité, au-delà duquel la maille d’analyse fait que l’information est trop lissée pour être pertinente.... / Drylands share with deserts many environmental conditions that make them sensitive and fragile. It is a necessity to understand the mechanisms of these environments, especially in contexts where there is a risk of desertification. Such an understanding is often assessed by monitoring vegetation. Field experience, however, shows that aeolian morphodynamics may provide useful additional information. The aeolian morphodynamics plays indeed a significant role in the environmental risk of drylands. In desert systems, the anthropogenic pressure on aeolian processes is low. On the other hand, in non-desert drylands, features are smaller but have a faster reaction time to environmental change. They interact strongly with other components of the landscape, such as human activities. Accordingly, the study of non-desertic aeolian morphodynamics has to be designed following a systematic approach. It relies on a good knowledge of fundamental physics of wind geomorphology that is described in this dissertation. Various tools and concepts developed in desert environments, including potential displacement and roughness density, are given. The effects of aeolian morphodynamics on landscapes are illustrated by various examples. Standard studies of wind dynamics are discussed and questioned to demonstrate that new approaches can be explored. This study focuses anchored dunes, which remain poorly studied despite their importance in drylands. Anchored dunes are described and characterized in detail. Then a protocole of quantification and qualitative evaluation can be elaborated.Our aim was to develop methods that are reproducible and minimize the complexity and costs of implementation. The unmanned platform, Pixy, illustrates the potential of drones which provide accurate images with a great flexibility of use. The interest of very high spatial resolution imagery provided by satellites such as QuickBird is also demonstrated. Their images introduce to an intermediate scale between field and large-scale satellite imagery. Among the providers of very high spatial resolution imagery, Google Earth (GE) appears to be a good alternative to commercial suppliers. Increasing availability of free high resolution images offers potential applications in various fields. However, their use has constraints that are managed by Mathematical Morphology (MM), an object-oriented image analysis discipline. Tools from MM allow the analysis of uncorrected images, like those of Pixy or GE. It relies on simple procedures easy to reproduce and explain. It thus contributes to reducing the cost of studies. This economic issue of environmental diagnosis cannot be ignored, especially in the countries concerned by the fight against desertification.Each chapter of this thesis demonstrates the importance of two thresholds through particular example. The threshold of heterogeneity, below which information is embedded in the background noise produced by too much detail, is the first one. The threshold of homogeneity, beyond which information is too smooth to be relevant, is the second one. This work attempts to show how these thresholds may have direct effects on results of a remote sensing study. This consideration is thus a structuring element of the methods used. Beyond the issue of aeolian morphodynamics, this thesis combines semi-automatic characterization methods of landscape elements with processes of multi-scalar integration. The results are potentially useful to any approach that seeks to understand the effects of a phenomenon at different scales.

Les nouveaux capteurs satellitaires permettent l'acquisition d'images d'un très haut niveau de détail à des cadences élevées, produisant ainsi une importante masse de données. Le traitement manuel de ces données étant devenu impossible, de nouveaux outils sont nécessaires afin de les traiter automatiquement. Des algorithmes de segmentation efficaces sont nécessaires pour extraire des objets d'intérêt de ces images. Cependant les segments produits ne correspondent pas aux objets d'intérêt, rendant difficile l'utilisation de connaissances expertes.Dans le cadre de cette thèse nous proposons de changer le niveau d'interprétation d'une image afin de voir les objets d'intérêt pour l'expert comme des objets composés par des segments. Pour cela, nous avons mis en place un processus d'apprentissage multi-niveaux dans le but d'apprendre ces règles de composition. Une règle de composition ainsi apprise peut ensuite être utilisée pour extraire les objets d'intérêt correspondant. Dans un second temps, nous proposons d'utiliser l'algorithme d'apprentissage de règles de composition comme première étape d'une approche montante-descendante. Cette chaîne de traitement a pour objectif d'améliorer la classification à partir des informations contextuelles et de connaissances expertes. Des objets composés de plus haut niveau sémantique sont extraits à partir de règles apprises ou fournies par l'expert, et cette nouvelle information est utilisée pour mettre à jour la classification des objets aux niveaux inférieurs. L'ensemble de ces travaux ont été testés et validés sur des images Pléiades représentant la ville de Strasbourg. Les résultats obtenus montrent l'efficacité de l'apprentissage de règles de composition pour faire le lien entre connaissance experte et segmentation, ainsi que l'intérêt de l'utilisation d'informations contextuelles dans l'analyse d'images de télédétection à très haute résolution spatiale. / The new remote sensors allow the acquisition of very high spatial resolution images at high speeds, thus producing alarge volume of data. Manual processing of these data has become impossible, new tools are needed to process them automatically. Effective segmentation algorithms are required to extract objects of interest of these images. However, the produced segments do not match to objects of interest, making it difficult to use expert knowledge.In this thesis we propose to change the level of interpretation of an image in order to see the objects of interest of the expert as objects composed of segments. For this purpose, we have implemented a multi-level learning process in order to learn composition rules. Such a composition rule can then be used to extract corresponding objects of interest.In a second step, we propose to use the composition rules learning algorithm as a first step of a bottom-up top-down approach. This processing chain aims at improving the classification from contextual knowledge and expert information.Composed objects of higher semantic level are extracted from learned rules or rules provided by the expert, and this new information is used to update the classification of objects at lower levels.The proposed method has been tested and validated on Pléiades images representing the city of Strasbourg. The results show the effectiveness of the composition rules learning algorithm to make the link between expert knowledge and segmentation, as well as the interest of the use of contextual information in the analysis of remotely sensed very high spatial resolution images.

Les images à très haute résolution spatiale (THR) telles que les images Pléiades (50 cm en Panchromatique, 2m en multispectral) rendent possible une description fine de la structure forestière (distribution et dimensions des arbres) à l'échelle du peuplement, en exploitant la relation entre la structure spatiale des arbres et la texture d'image quand la taille du pixel est inférieure à la dimension des arbres. Cette attente répond au besoin d'inventaire spatialisé de la ressource forestière à l'échelle du peuplement et de ses changements dus à la gestion forestière, à l'aménagement du territoire ou aux événements catastrophiques. L'objectif est double: (1) évaluer le potentiel de la texture d'images THR pour estimer les principales variables de structure forestière (diamètre des couronnes, diamètre du tronc, hauteur, densité ou espacement des arbres) à l'échelle du peuplement; (2) sur ces bases, classer les données image, au niveau pixel, par types de structure forestière afin de produire l'information spatialisée la plus fine possible. Les principaux développements portent sur l'automatisation du paramètrage, la sélection de variables, la modélisation par régression multivariable et une approche de classification par classifieurs d'ensemble (Forêts Aléatoires ou Random Forests). Ils sont testés et évalués sur deux sites de la forêt landaise de pin maritime à partir de trois images Pléiades et une Quickbird, acquises dans diverses conditions (saison, position du soleil, angles de visée). La méthodologie proposée est générique. La robustesse aux conditions d'acquisition des images est évaluée. Les résultats montrent que des variations fines de texture caractéristiques de celles de la structure forestière sont bien identifiables. Les performances en terme d'estimation des variables forestières (RMSE) : ~1.1 m pour le diamètre des couronnes, ~3 m pour la hauteur des arbres ou encore ~0.9 m pour leur espacement, ainsi qu'en cartographie des structures forestières (~82 % de taux de bonne classification pour la reconnaissance des 5 classes principales de la structure forestière) sont satisfaisantes d'un point de vue opérationnel. L'application à des images multi-annuelles permettra d'évaluer leur capacité à détecter et cartographier des changements tels que coupe forestière, mitage urbain ou encore dégâts de tempête. / Very High spatial Resolution (VHR) images like Pléiades imagery (50 cm panchromatic, 2m multispectral) allows a detailed description of forest structure (tree distribution and size) at stand level, by exploiting the spatial relationship between tree structure and image texture when the pixel size is smaller than tree dimensions. This information meets the expected strong need for spatial inventory of forest resources at the stand level and its changes due to forest management, land use or catastrophic events. The aim is twofold : (1) assess the VHR satellite images potential to estimate the main variables of forest structure from the image texture: crown diameter, stem diameter, height, density or tree spacing, (2) on these bases, a pixel-based image classification of forest structure is processed in order to produce the finest possible spatial information. The main developments concern parameter optimization, variable selection, multivariate regression modelling and ensemble-based classification (Random Forests). They are tested and evaluated on the Landes maritime pine forest with three Pléiades images and a Quickbird image acquired under different conditions (season, sun angle, view angle). The method is generic. The robustness of the proposed method to image acquisition parameters is evaluated. Results show that fine variations of texture characteristics related to those of forest structure are clearly identifiable. Performances in terms of forest variable estimation (RMSE): ~1,1m for crown diameter, ~3m for tree height and ~0,9m for tree spacing, as well as forest structure mapping (~82% Overall accuracy for the classification of the five main forest structure classes) are satisfactory from an operational perspective. Their application to multi- annual images will assess their ability to detect and map forest changes such as clear cut, urban sprawl or storm damages.

Dans un contexte de changements globaux, il est primordial de mettre au point des pratiques de gestion durable des forêts tropicales assurant le maintien de services environnementaux clés (e.g., biodiversité, stockage de carbone) et la production de biens essentiels aux communautés locales. La mesure, la spatialisation et la compréhension des déterminismes de la structure des forêts tropicales est un challenge pour la gestion durable des ressources forestières. Les forêts denses humides (FDH) de Nouvelle-Calédonie, un point chaud de biodiversité localisé dans le Pacifique Sud-Ouest, sont un modèle d'étude idéal pour comprendre les déterminants de la structure des FDH. En effet, les FDH néo-calédoniennes sont réparties le long d’une chaîne de montagne et sont ainsi soumises à de forts gradients environnementaux auxquels se superposent différents gradients de perturbations naturelles ou anthropiques. Les objectifs de cette thèse sont (i) de définir les caractéristiques structurales des FDH néo-calédoniennes, (ii) de cartographier les FDH et prédire leur structure à large échelle, et (iii) de quantifier l'influence de l’environnement et des dynamiques forestières sur la structure des FDH. Pour cela, 23 parcelles d’inventaire forestier de 100 m x 100 m ont été mise en place en Province Nord, entre 250 et 900 m d'altitude et 1500 et 3000 mm de précipitations annuelles. En plus de caractériser localement la structure des FDH, ces parcelles ont permis de calibrer un modèle prédictif basé sur l’analyse de la texture de la canopée, à l'aide la méthode FOTO (FOurier transform Textural Ordination), qui a été appliqué à huit images satellitaires à très haute résolution Pléiades (couvrant 1295 km2). Un tel modèle capable de lier texture et structure repose sur le postulat que la relation allométrique entre le DBH (Diameter at Breast Height) et l'aire de la couronne des arbres de canopée est stable. Nous avons également testé cette relation à échelle pantropicale. Nos résultats ont montré que les FDH néo-calédoniennes sont denses (1182 ± 233 tiges/ha), ont une aire basale élevée (44 ± 11 m2/ha), une canopée relativement basse (14 ± 3 m) et une biomasse aérienne caractéristique des forêts tropicales (299 ± 83 t/ha). Elles se distinguent également par une importante variabilité structurale. Cette variabilité est du même ordre que ce soit le long de gradients environnementaux ou de gradients de succession forestière. La méthode FOTO appliquée aux images Pléiades a permis de prédire et de spatialiser des paramètres structuraux clefs (tels que la densité de tiges et la biomasse aérienne des FDH) à partir de corrélations robustes avec les indices de texture de la canopée (R² ≥ 0,6; RMSE ≤ 20%). La structure des FDH est principalement dirigée par l'insolation potentielle et l'altitude à l'échelle des massifs montagneux, et par la pente et un indicateur topographique d'humidité à l'échelle du versant. Ces travaux permettront d'estimer les ressources forestières à l'échelle de la Nouvelle-Calédonie et de définir une nouvelle typologie des FDH sur le territoire intégrant leur variabilité structurale. / In the course of global change, new practices of sustainable management in tropical rainforests that maintain key environmental services (e.g., biodiversity, carbon sequestration) and produce goods on which local communities rely is needed. The measurement, spatialization and understanding of the drivers of rainforest structure at large scale is challenging for managing sustainably forest resources. Rainforests of New Caledonia, a biodiversity hotspot located in the South-West Pacific, are a well-suited study model to explore the drivers of rainforest structure. Indeed, New Caledonian rainforests are distributed along a mountain chain, which creates strong environmental gradients overlaid by a range of natural and anthropogenic disturbance gradients. The aims of this thesis are (i) to define some structural features of New Caledonian rainforests, (ii) to map rainforests and to predict their structure at large scale, and (iii) to quantify the influence of the environment and the forest dynamics on rainforest structure. To this end, 23 one hectare forest inventories were set up in the North Province of New Caledonia. In these plots, elevation ranged between 250 and 900 m and annual rainfall between 1500 and 3000 mm. In addition to characterize locally rainforest structure, these plots were used to calibrate a predictive model based on a textural analysis of the canopy, using the FOTO (FOurier transform Textural Ordination) method, which was applied to eight very high resolution images from a Pléiades satellite (covering 1295 km2). Such a model able to relate texture and structure is based on the hypothesis that the allometric relationship between the DBH (Diameter at Breast Height) and the crown size of a canopy tree is stable. We tested this hypothesis tropics-wide. Our results show that New Caledonian rainforests are dense (1182 ± 233 tree/ha), with a high basal area (44 ± 11 m2/ha), a relatively low canopy (14 ± 3 m) and an above-ground biomass typical of tropical rainforests (299 ± 83 t/ha). These forests are also characterized by a high structural variability. This variability has the same range when influenced by environmental gradients as when influenced by forest succession gradients. The FOTO method applied to Pléiades images allowed to predict and spatialize key structural parameters (like the stem density or the above-ground biomass of rainforests) from robust correlations with the textural indices of the canopy (R² ≥ 0,6; RMSE ≤ 20%). The structure of New Caledonian rainforest is mainly driven by the potential insolation and the elevation at the scale of mountain massifs, and by the slope and the topographic wetness at the scale of a mountainside. These findings will enable to estimate rainforest resources across the territory and to define a new typology of New Caledonian rainforests taking into account their structural variability.

Résumé : La détection des bâtiments dans les images à très haute résolution spatiale (THRS) a plusieurs applications pratiques et représente un domaine de recherche scientifique intensive ces dernières années. Elle fait face à la complexité du milieu urbain et aux spécificités des images provenant des différents capteurs. La performance des méthodes existantes pour l’extraction des bâtiments n’est pas encore suffisante pour qu’elles soient généralisées à grande échelle (différents types de tissus urbains et capteurs). Les opérateurs morphologiques se sont montrés efficaces pour la détection des bâtiments dans les images panchromatiques (images en niveaux de gris) à très haute résolution spectrale (THRS). L’information spectrale issue des images multispectrales est jugée nécessaire pour l’amélioration de leur performance. L’extension des opérateurs morphologiques pour les images multispectrales exige l’adoption d’une stratégie qui permet le traitement des pixels sous forme de vecteurs, dont les composantes sont les valeurs dans les différentes bandes spectrales. Ce travail de recherche vise l’application de la transformation morphologique dite Hit-or-Miss (HMT) à des images multispectrales à THRS, afin de détecter des bâtiments. Pour répondre à la problématique de l’extension des opérateurs morphologiques pour les images multispectrales, nous proposons deux solutions. Comme une première solution nous avons généré des images en niveaux de gris à partir les bandes multispectrales. Dans ces nouvelles images les bâtiments potentiels sont rehaussés par rapport à l’arrière-plan. La HMT en niveaux de gris est alors appliquée à ces images afin de détecter les bâtiments. Pour rehausser les bâtiments nous avons proposé un nouvel indice, que nous avons appelé Spectral Similarity Ratio (SSR). Pour éviter de définir des configurations, des ensembles d’éléments structurants (ES), nécessaires pour l’application de la HMT, au préalable, nous avons utilisé l’érosion et la dilatation floues et poursuivi la réponse des pixels aux différentes valeurs des ES. La méthode est testée sur des extraits d’images représentant des quartiers de type résidentiel. Le taux moyen de reconnaissance obtenu pour les deux capteurs Ikonos et GeoEye est de 85 % et de 80 %, respectivement. Le taux moyen de bonne identification, quant à lui, est de 85 % et 84 % pour les images Ikonos et GeoEye, respectivement. Après certaines améliorations, la méthode a été appliquée sur des larges scènes Ikonos et WorldView-2, couvrant différents tissus urbains. Le taux moyen des bâtiments reconnus est de 82 %. Pour sa part, le taux de bonne identification est de 81 %. Dans la deuxième solution, nous adoptons une stratégie vectorielle pour appliquer la HMT directement sur les images multispectrales. La taille des ES de cette transformation morphologique est définie en utilisant la transformation dite chapeau haut-de-forme par reconstruction. Une étape de post-traitement inclut le filtrage de la végétation par l’indice de la végétation NDVI et la validation de la localisation des bâtiments par l’information d’ombre. La méthode est appliquée sur un espace urbain de type résidentiel. Des extraits d’images provenant des capteurs satellitaires Ikonos, GeoEye et WorldView 2 ont été traités. Le taux des bâtiments reconnus est relativement élevé pour tous les extraits - entre 85 % et 97 %. Le taux de bonne identification démontre des résultats entre 74 % et 88 %. Les résultats obtenus nous permettent de conclure que les objectifs de ce travail de recherche, à savoir, la proposition d’une technique pour l’estimation de la similarité spectrale entre les pixels formant le toit d’un bâtiment, l’intégration de l’information multispectrale dans la HMT dans le but de détecter les bâtiments, et la proposition d’une technique qui permet la définition semi-automatique des configurations bâtiment/voisinage dans les images multispectrales, ont été atteints. // Abstract : Detection of buildings in very high spatial resolution images (THRS) has various practical applications and is recently a subject of intensive scientific research. It faces the complexity of the urban environment and the variety of image characteristics depending on the type of the sensor. The performance of existing building extraction methods is not yet sufficient to be generalized to a large scale (different urban patterns and sensors). Morphological operators have been proven effective for the detection of buildings in panchromatic (greyscale) very high spectral resolution (VHSR) images. The spectral information of multispectral images is jugged efficient to improve the results of the detection. The extension of morphological operators to multispectral images is not straightforward. As pixels of multispectral images are pixels vectors the components of which are the intensity values in the different bands, a strategy to order vectors must be adopted. This research thesis focuses on the application of the morphological transformation called Hit-or-Miss (HMT) on multispectral VHSR images in order to detect buildings. To address the issue of the extension of morphological operators to multispectral images we have proposed two solutions. The first one employs generation of greyscale images from multispectral bands, where potential buildings are enhanced. The grayscale HMT is then applied to these images in order to detect buildings. To enhance potential building locations we have proposed the use of Spectral Similarity Ratio (SSR). To avoid the need to set multiple configurations of structuring elements (SE) necessary for the implementation of the HMT, we have used fuzzy erosion and fuzzy dilation and examined the pixel response to different values of SE. The method has been tested on image subsets taken over residential areas. The average rate of recognition for the two sensors, Ikonos and GeoEye, is 85% and 80%, respectively. The average rate of correct identification is 85% and 84%, for Ikonos and GeoEye subsets, respectively. Having made some improvements, we then applied the method to large scenes from Ikonos and WorldView-2 images covering different urban patterns. The average rate of recognized buildings is 82%. The rate of correct identification is 81%. As a second solution, we have proposed a new vector based strategy which allows the multispectral information to be integrated into the percent occupancy HMT (POHMT). Thus, the POHMT has been directly applied on multispectral images. The parameters for the POHMT have been defined using the morphological transformation dubbed top hat by reconstruction. A post-processing step included filtering the vegetation and validating building locations by proximity to shadow. The method has been applied to urban residential areas. Image subsets from Ikonos, GeoEye and WorldView2 have been processed. The rate of recognized buildings is relatively high for all subsets - between 85% and 97%. The rate of correct identification is between 74 % and 88 %. The results allow us to conclude that the objectives of this research, namely, suggesting a technique for estimating the spectral similarity between the pixels forming the roof of a building, the integration of multispectral information in the HMT in order to detect buildings and the proposition of a semiautomatic technique for the definition of the configurations building/neighbourhood in multispectral images, have been achieved.

En épidémiologie, une connaissance précise des populations à risque constitue un pré requis aucalcul d'indicateurs de l’état de santé d’une communauté (taux d'incidence). Néanmoins, les effectifsde population peuvent être indisponibles, ou peu fiables, ou insuffisamment détaillés pour un usageépidémiologique.L'objectif principal de ce travail est d'obtenir des taux d'incidence en l'absence de donnéesdémographiques, à une échelle spatiale infra-communale. Les objectifs secondaires sont d'estimerles populations humaines par l'intermédiaire de données satellitaires à très haute résolution spatiale(THRS), d'évaluer l'apport de ces données THRS par rapport aux données à haute résolution spatiale(Landsat) dans un même cadre urbain (Besançon), et de mettre au point une méthodologie simple etrobuste, pour garantir son exportabilité à d'autres zones.Nous proposons une approche en trois étapes, fondée sur la corrélation existant entre la densité depopulation et la morphologie urbaine. La première étape consiste à extraire des bâtiments à partirdes données télédétection THRS. Ces bâtiments sont utilisés dans la deuxième étape pour modéliserla population. A leur tour, ces populations servent de dénominateur, lors de la dernière étape, pourcalculer des taux d’incidence (cancers). Des données de référence sont utilisées à chaque étape pourévaluer les performances de notre méthodologie.Les résultats obtenus soulignent le potentiel de la télédétection pour mesurer l'état de santé d'unecommunauté (sous la forme de taux bruts d’incidence) à une échelle géographique fine. Ces tauxd'incidence estimés peuvent alors constituer des éléments de décision pour mieux adapter l'offre desoins aux besoin de santé, même en l'absence de données démographiques / In epidemiology, a precise knowledge of populations at risk is a prerequisite for calculating state ofhealth indicators of a community (incidence rates). The population data, however, may beunavailable, unreliable, or insufficiently detailed for epidemiological use.The main objective of this research is to estimate incidence rates, in cases of absence of demographicdata, at an infra-communal scale. The secondary objectives are to estimate the human populationthrough satellite data at very high spatial resolution (VHSR), to assess the contribution of this data(VHSR) compared with high spatial resolution data (Landsat) in a same urban framework (Besançon),and to develop a simple and robust methodology to ensure its exportability to other areas.We proposed a three-step approach based on the correlation between population density and urbanmorphology. The first step is to extract buildings from VHSR imagery data. These buildings are thenused in the second step to model the population data. Finally, this population data is used as thedenominator to calculate incidence rates (cancers). Reference data are used at each step to assessthe performance of our methodology.The results obtained highlight the potential of remote sensing to measure the state of health of acommunity (in the form of crude incidence rates) at a fine geographical scale. These estimatedincidence rates can be utilized as elements of decision to adapt better customized healthcare withrespect to the health needs of a given community, even in the absence of demographic data