Le nerprun bourdaine (Rhamnus frangula L.) est une espèce exotique qui envahit plusieurs régions du sud du Québec, et plus particulièrement la région administrative de l'Estrie. Actuellement, on connaît encore peu l'écologie de l'espèce dans le contexte québécois et il n’existe pas de portrait d’ensemble de sa distribution dans les forêts tempérées de cette région. Dans ce contexte, le premier objectif du projet était de cartographier par télédétection la distribution du nerprun bourdaine dans deux secteurs de l'Estrie. Un second objectif était d'évaluer les variables environnementales déterminantes pour expliquer le recouvrement de nerprun bourdaine. La phénologie du nerprun bourdaine diffère de celle de la plupart des espèces indigènes arborescentes puisque ses feuilles tombent plus tard en automne. Cette caractéristique a permis de cartographier, par démixage spectral, la probabilité d'occurrence du nerprun bourdaine grâce à une série temporelle d'images du capteur OLI de Landsat 8. Le recouvrement du nerprun bourdaine a été calculé dans 119 placettes sur le terrain. La cartographie résultante a montré un accord de 69% avec les données terrain. Une image SPOT-7, dont la résolution spatiale est plus fine, a ensuite été utilisée, mais n’a pas permis d'améliorer la cartographie, puisque la date d’acquisition de l’image n’était pas optimale dû à un manque de disponibilité. Concernant le second objectif de la recherche, la variable la plus significative pour expliquer la présence de nerprun bourdaine était la densité du peuplement, ce qui suggère que l’ouverture de la couverture forestière pourrait favoriser l’envahissement. Néanmoins, les résultats tendent à démontrer que le nerprun bourdaine est une espèce «généraliste» qui s’adapte bien à plusieurs conditions environnementales. / Glossy buckthorn (Rhamnus frangula L.) is an exotic species invading many areas in southern of Quebec, particularly in the Eastern Townships. Currently, we do not know very much about the species ecology and no thorough study of its distribution in temperate forest has been performed. Therefore, the first objective of the project was to map the spatial distribution of glossy buckthorn in two areas of the Eastern Townships, using remote sensing techniques. The second objective was to evaluate the environmental variables, or predictors, best explaining the presence of glossy buckthorn. The phenology of glossy buckthorn differs from most of the indigenous tree species found in this area because its leaves fall later in autumn. This characteristic allowed to map, using spectral unmixing, the probability of occurrence of glossy buckthorn, with temporal Landsat 8 (OLI) imagery data series. Glossy buckthorn coverage was calculated on 119 plots on the field. The resulting maps showed an agreement of 69% with field data. A SPOT-7 image, which has a finer resolution than Landsat 8 (OLI), was then used but it did not improve the quality of the map, since its acquisition date was not optimal, due to a lack of availability. Concerning the second objective of the research, the best variable explaining the presence of glossy buckthorn was stand density, which leads to believe that forest cover openings could ease the establishment of buckthorn. However, the results tend to show that glossy buckthorn is a generalist species, easily adapting to various environmental conditions.

Les forêts de Bornéo sont inestimables. En plus d’une faune et d’une flore riche et diversifiée, ses milieux naturels constituent d’efficaces réservoirs de carbone. En outre, la matière ligneuse qui y est abondante fait l’objet d’une exploitation intensive. Par contre, c’est le potentiel agricole de l’île qui crée le plus d’enthousiasme, principalement en ce qui concerne la culture du palmier à huile. Pour tenter de mieux comprendre et surveiller le phénomène, nous avons développé des méthodes de détection de la déforestation et de la dégradation des forêts. Ces méthodes doivent tenir compte des caractéristiques propres à l’île. C’est que Bornéo est abondamment affectée par une nébulosité constante qui complexifie considérablement son observation à partir des satellites. Malgré ces contraintes, nous avons produit une série chronologique annuelle des points chauds de déforestation et de dégradation des forêts pour les années 2000 à 2009. / Borneo’s forests are priceless. Beyond the richness and diversity of its fauna and flora, its natural habitats constitute efficient carbon reservoirs. Unfortunately, the vast forests of the island are rapidly being cut down, both by the forestry industry and the rapidly expanding oil palm industry. In this context, we’ve developed methods to detect deforestation and forest degradation in order to better understand and monitor the phenomena. In doing so, the peculiarities of Borneo, such as the persistent cloud cover, had to be accounted for. Nevertheless, we succeeded in producing a time series of the yearly forest degradation and deforestations hotspots for the year 2000 through the year 2009. / Ce travail s’inscrit dans le cadre d’un programme de recherches appuyé par le Conseil de recherches en sciences humaines du Canada.

L’érosion éolienne est un problème environnemental parmi les plus sévères dans les régions arides, semi-arides et les régions sèches sub-humides de la planète. L’érosion des sols accélérée par le vent provoque des dommages à la fois localement et régionalement. Sur le plan local, elle cause la baisse des nutriments par la mobilisation des particules les plus fines et de la matière organique. Cette mobilisation est une des causes de perte de fertilité des sols avec comme conséquence, une chute de la productivité agricole et une réduction de la profondeur de la partie arable. Sur le plan régional, les tempêtes de poussières soulevées par le vent ont un impact non négligeable sur la santé des populations, et la déposition des particules affecte les équipements hydrauliques tels que les canaux à ciel ouvert ainsi que les infrastructures notamment de transport. Dans les régions où les sols sont fréquemment soumis à l’érosion éolienne, les besoins pour des études qui visent à caractériser spatialement les sols selon leur degré de vulnérabilité sont grands. On n’a qu’à penser aux autorités administratives qui doivent décider des mesures à prendre pour préserver et conserver les potentialités agropédologiques des sols, souvent avec des ressources financières modestes mises à leur disposition. Or, dans certaines de ces régions, comme notre territoire d’étude, la région de Thiès au Sénégal, ces études font défaut. En effet, les quelques études effectuées dans cette région ou dans des contextes géographiques similaires ont un caractère plutôt local et les approches suivies (modèles de pertes des sols) nécessitent un nombre substantiel de données pour saisir la variabilité spatiale de la dynamique des facteurs qui interviennent dans le processus de l’érosion éolienne. La disponibilité de ces données est particulièrement problématique dans les pays en voie de développement, à cause de la pauvreté en infrastructures et des problèmes de ressources pour le monitoring continu des variables environnementales. L’approche mise de l’avant dans cette recherche vise à combler cette lacune en recourant principalement à l’imagerie satellitale, et plus particulièrement celle provenant des satellites Landsat-5 et Landsat-7. Les images Landsat couvrent la presque totalité de la zone optique du spectre exploitable par télédétection (visible, proche infrarouge, infrarouge moyen et thermique) à des résolutions relativement fines (quelques dizaines de mètres). Elles permettant ainsi d’étudier la distribution spatiale des niveaux de vulnérabilité des sols avec un niveau de détails beaucoup plus fin que celui obtenu avec des images souvent utilisées dans des études environnementales telles que AVHRR de la série de satellites NOAA (résolution kilométrique). De plus, l’archive complet des images Landsat-5 et Landsat-7 couvrant une période de plus de 20 ans est aujourd’hui facilement accessible. Parmi les paramètres utilisés dans les modèles d’érosion éolienne, nous avons identifiés ceux qui sont estimables par l’imagerie satellitale soit directement (exemple, fraction du couvert végétal) soit indirectement (exemple, caractérisation des sols par leur niveau d’érodabilité). En exploitant aussi le peu de données disponibles dans la région (données climatiques, carte morphopédologique) nous avons élaboré une base de données décrivant l’état des lieux dans la période de 1988 à 2002 et ce, selon les deux saisons caractéristiques de la région : la saison des pluies et la saison sèche. Ces données par date d’acquisition des images Landsat utilisées ont été considérées comme des intrants (critères) dans un modèle empirique que nous avons élaboré en modulant l’impact de chacun des critères (poids et scores). À l’aide de ce modèle, nous avons créé des cartes montrant les degrés de vulnérabilité dans la région à l’étude, et ce par date d’acquisition des images Landsat. Suite à une série de tests pour valider la cohérence interne du modèle, nous avons analysé nos cartes afin de conclure sur la dynamique du processus pendant la période d’étude. Nos principales conclusions sont les suivantes : 1) le modèle élaboré montre une bonne cohérence interne et est sensible aux variations spatiotemporelles des facteurs pris en considération 2); tel qu’attendu, parmi les facteurs utilisés pour expliquer la vulnérabilité des sols, la végétation vivante et l’érodabilité sont les plus importants ; 3) ces deux facteurs présentent une variation importante intra et inter-saisonnière de sorte qu’il est difficile de dégager des tendances à long terme bien que certaines parties du territoire (Nord et Est) aient des indices de vulnérabilité forts, peu importe la saison ; 4) l’analyse diachronique des cartes des indices de vulnérabilité confirme le caractère saisonnier des niveaux de vulnérabilité dans la mesure où les superficies occupées par les faibles niveaux de vulnérabilité augmentent en saison des pluies, donc lorsque l’humidité surfacique et la végétation active notamment sont importantes, et décroissent en saison sèche ; 5) la susceptibilité, c’est-à-dire l’impact du vent sur la vulnérabilité est d’autant plus forte que la vitesse du vent est élevée et que la vulnérabilité est forte. Sur les zones où la vulnérabilité est faible, les vitesses de vent élevées ont moins d’impact. Dans notre étude, nous avons aussi inclus une analyse comparative entre les facteurs extraits des images Landsat et celles des images hyperspectrales du satellite expérimental HYPERION. Bien que la résolution spatiale de ces images soit similaire à celle de Landsat, les résultats obtenus à partir des images HYPERION révèlent un niveau de détail supérieur grâce à la résolution spectrale de ce capteur permettant de mieux choisir les bandes spectrales qui réagissent le plus avec le facteur étudié. Cette étude comparative démontre que dans un futur rapproché, l’amélioration de l’accessibilité à ce type d’images permettra de raffiner davantage le calcul de l’indice de vulnérabilité par notre modèle. En attendant cette possibilité, on peut de contenter de l’imagerie Landsat qui offre un support d’informations permettant tout de même d’évaluer le niveau de fragilisation des sols par l’action du vent et par la dynamique des caractéristiques des facteurs telles que la couverture végétale aussi bien vivante que sénescente. / Wind erosion is an environmental issue among the most critical one in arid, semi-arid and dry sub-humid regions of the planet. Soil erosion accelerated by the wind action causes damages both locally and regionally. Locally, wind erosion decreases the soil nutrients by the mobilization of finer particles and organic matter. This mobilization is one of the causes of lost of soil fertility with lead to the drop in agricultural productivity and to the reduction of the topsoil depth. Regionally, dust storms raised by the wind have a significant impact on population health and infrastructure because of particles deposition. In areas where soils are frequently submitted to wind aggressions, studies are urgently required in order to spatially characterize the soils according to their degree of vulnerability. Such characterization is important for many reasons, especially for administrative authorities who must decide what action to undertake in order to preserve and conserve the agricultural potentialities of soils, often with limited financial resources available. However, in some regions, as in our study area, the region of Thiès in Senegal, such studies are lacking. In fact, in regions where soil erosion is active, the studies undertaken are much localized because of their approaches (soil erosion models) which require a substantial amount of data for short intervals of time to "capture" the spatial variability of the dynamics of the factors involved in the process of wind erosion. The availability of these data at a regional level is particularly problematic in developing countries because infrastructures and resources to support continuous monitoring of environmental variables are not always available. The approach in this research aims to fill this gap, mainly through satellite imagery and more particularly those provided by Landsat-5 and Landsat-7. Landsat images cover almost the entire optical spectrum (visible, near/mid/thermal infrared) at resolutions which allow to characterize spatially the soils, according to their vulnerability at a finer level (decametric resolution) than what is possible with satellite imagery often used in environmental studies (AVHRR images from the NOAA satellite series) with a kilometric resolution. In addition, the full archive of Landsat-5 and -7 covering more than 20 years is now easily accessible. This is an undeniable asset in order to study the dynamics of the process affecting soils vulnerability to wind erosion. Taking into account the parameters used in wind erosion models (climate, soil, vegetation), we have identified those we can estimate from satellite imagery either directly (e.g. fractional vegetation cover) or indirectly (e.g. characterization of soils by their degree of degradation). Using Landsat images acquired during to the two seasons of the region (rainy and dry season) as well as climatic data and the existing low scale soil map of the region, we developed a database describing the environmental conditions from 1988 to 2002. These data were then considered as inputs (criteria) in an empirical model we made, by modulating the impact of each criterion (weight and score). By this model, we created maps showing the degree of vulnerability (vulnerability index) of the region by date according to Landsat image acquisition date. Several tests are done to validate the internal consistency of the model. To evaluate the dynamic of the erosion process for the period we studied, we have compared our maps. Our principal conclusions are as follows: 1) the proposed model has a good internal consistency and is sensitive to spatial and temporal variation of the factors taken into consideration; 2) as expected, among the factors used to explain soil vulnerability, erodibility and fractional green vegetation cover are the most important; 3) these two factors present a high intra and inter-season variation so that it is difficult to bring out long term trends even if some parts of the territory (North and East) have high vulnerability indices regardless of season; 4) the diachronic analysis of vulnerability index maps shows seasonal trend because areas with low vulnerability indices are increasing in rainy season, when the surface moisture is higher and vegetation is particularly active, and significantly decrease in dry season; 5) as expected, susceptibility, or the impact of wind on vulnerability, is stronger when the wind speed is high and vulnerability is high. In areas where vulnerability is low, an increase in wind speed has less impact. In our study we have also included a comparative analysis of some factors derived from Landsat images and from the hyperspectral sensor of the experimental satellite HYPERION. Even if spatial resolution of the images provided by both sensors is similar, the accuracy of factors extracted from the hyperspectral images is definitely higher. This is due to the spectral resolution of the sensor which permits the selection of appropriate bands with the highest level of interaction with the factor of interest. This comparative study shows that in the near future, the accessibility to this type of images will improve the calculation of the index of vulnerability by our model. For now, Landsat imagery provides very interesting information to monitor the process of soil erosion by wind.

No description available.

Using a range of satellite-derived indices I describe. monitor and predict vegetation conditions that exist in the Great Fish River Valley, Eastern Cape. The heterogeneous nature of the area necessitates that the mapping of vegetation classes be accomplished using a combination of a supervised approach, an unsupervised approach and the use of a Moving Standard Deviation Index (MSDI). Nine vegetation classes are identified and mapped at an accuracy of 84%. The vegetation classes are strongly related to land-use and the communal areas demonstrate a reduction in palatable species and a shift towards dominance by a single species. Nature reserves and commercial rangeland are by contrast dominated by good condition vegetation types. The Modified Soil Adjusted Vegetation Index (MSA VI) is used to map the vegetation production in the study area. The influence of soil reflectance is reduced using this index. The MSA VI proves to be a good predictor of vegetation condition in the higher rainfall areas but not in the more semi-arid regions. The MSA VI has a significant relationship to rainfall but no absolute relationship to biomass. However, a stratification approach (on the basis of vegetation type) reveals that the MSA VI exhibits relationships to biomass in vegetation types occurring in the higher rainfall areas and consisting of a large cover of shrubs. A technique based on an index which describes landscape spatial variability is presented to assist in the interpretation of landscape condition. The research outlines a method for degradation assessment which overcomes many of the problems associated with cost and repeatability. Indices that attempt to provide a correlation with net primary productivity, e.g. NDVI, do not consider changes in the quality of net primary productivity. Landscape variability represents a measure of ecosystem change in the landscape that underlies the degradation process. The hypothesis is that healthy/undisturbed/stable landscapes tend to be less variable and homogenous than their degraded heterogenous counterparts. The Moving Standard Deviation Index (MSDI) is calculated by performing a 3 x 3 moving standard deviation window across Landsat Thematic Mapper (TM) band 3. The result is a sensitive indicator of landscape condition which is not affected by moisture availability and vegetation type. The MSDI shows a significant negative relationship to NDVI confirming its relationship to condition. The cross-classification of MSDI with NDVI allows the identification of invasive woody weeds which exhibit strong photosynthetic signals and would therefore be categorised as good condition using NDVI. Other ecosystems are investigated to determine the relationship between NDVI and MSDI. Where increase in NDVI is disturbance-induced (such as the Kalahari Desert) the relationship is positive. Where high NDVI values are indicative of good condition rangeland (such as the Fish River Valley) the relationship is negative. The MSDI therefore always exhibits a significant positive relationship to degradation irrespective of the relationship of NDVI to condition in the ecosystem.

La connaissance des matériaux de surface est essentielle pour l’aménagement et la gestion des villes. Avec les avancées en télédétection, particulièrement en imagerie de haute résolution spatiale et spectrale, l’identification et la cartographie détaillée des matériaux de surface en milieu urbain sont maintenant envisageables. Les signatures spectrales décrivent les interactions entre les objets au sol et le rayonnement solaire, et elles sont supposées uniques pour chaque type de matériau de surface. Dans ce projet de recherche nous avons utilisé des images hyperspectrales aériennes du capteur CASI, avec une résolution de 1 m2 et 96 bandes contigües entre 380nm et 1040nm. Ces images couvrant l’île de Montréal (QC, Canada), acquises en 2016, ont été analysées pour identifier les matériaux de surfaces. Pour atteindre ces objectifs, notre méthode d’analyse est fondée sur la comparaison des signatures spectrales d’un pixel quelconque à celles des objets typiques contenues dans des bibliothèques spectrales (matériaux inertes et végétation). Pour mesurer la correspondance entre la signature spectrale d’un objet et la signature spectrale de référence nous avons utilisé deux métriques. La première métrique tient compte de la forme d’une signature spectrale et la seconde, de la différence des valeurs de réflectance entre la signature spectrale observée et celle de référence. Un classificateur flou utilisant ces deux métriques est alors appliqué afin de reconnaître le type de matériau de surface sur la base du pixel. Des signatures spectrales typiques ont été extraites des deux librairies spectrales (ASTER et HYPERCUBE). Des signatures spectrales des objets typiques à Montréal mesurées sur le terrain (spectroradiomètre ASD) ont été aussi utilisées comme références. Trois grandes catégories de matériaux ont été identifiées dans les images pour faciliter la comparaison entre les classifications par source de références spectrales : l’asphalte, le béton et la végétation. La classification utilisant ASTER comme bibliothèque de référence a eu le plus grand taux de réussite avec 92%, suivi par ASD à 88% et finalement HYPERCUBE avec 80%. Nous 5 n’avons pas trouvé de différences significatives entre les trois résultats, ce qui indique que la classification est indépendante de la source des signatures spectrales de référence. / Knowledge of surface cover materials is crucial for urban planning and management. With advances in remote sensing, especially in high spatial and spectral resolution imagery, the identification and detailed mapping of surface materials in urban areas based on spectral signatures are now feasible. Spectral signatures describe the interactions between ground objects and solar radiation and are assumed unique for each type of material. In this research, we use airborne CASI images with 1 m2 spatial resolution, with 96 contiguous bands in a spectral range between 367 nm and 1044 nm. These images covering the island of Montreal (Quebec, Canada), obtained in 2016, were analyzed to identify urban surface materials. The objectives of the project were first to find a correspondence between the physical and chemical characteristic of typical surface materials, present in the Montreal scenes, and the spectral signatures within the images. Second, to develop a sound methodology for identifying these surface materials in urban landscapes. To reach these objectives, our method of analysis is based on a comparison of pixel spectral signatures to those contained in a reference spectral library that describe typical surface covering materials (inert materials and vegetation). Two metrics were used in order to measure the correspondence of pixel spectral signatures and reference spectral signature. The first metric considers the shape of a spectral signature and the second the difference of reflectance values between the observed and reference spectral signature. A fuzzy classifier using these two metrics is then applied to recognize the type of material on a pixel basis. Typical spectral signatures were extracted from two spectral libraries (ASTER and HYPERCUBE). Spectral signatures of typical objects in Montreal measured on the ground (ASD spectroradiometer) were also used as reference spectra. Three general types of surface materials (asphalt, concrete, and vegetation) were used to ease the comparison between classifications using these spectral libraries. The classification using ASTER as a reference library had the highest success rate reaching 92%, followed by the field spectra at 88%, and finally with HYPERCUBE at 80%. There were no significant differences in the classification results indicating that the methodology works independently of the source of reference spectral signatures.

Le suivi des espaces urbanisés et de leurs dynamiques spatio-temporelles représente un enjeu important pour la population urbaine, autant sur le plan environnemental, économique et social. Avec le lancement des satellites portant des radars à synthèse d’ouverture de la nouvelle génération (TerraSAR-X, COSMO-SkyMed, ALOS, RADARSAT-2,Sentinel-1, Constellation RADARSAT), il est possible d’obtenir des séries temporelles d’images avec des résolutions spatiales et temporelles fines. Ces données multitemporelles aident à mieux analyser et décrire les structures urbaines et leurs variations dans l’espace et dans le temps. L’interférométrie par satellite est effectuée en comparant les phases des images RSO prises à différents passages du satellite au-dessus du même territoire. En optant pour des positions du satellite séparées d’une longue ligne de base, l’InSAR mène à la création des modèles numériques d’altitude (MNA). Si cette ligne de base est courte et à la limite nulle, nous avons le cas de l’interférométrie différentielle (DInSAR) qui mène à l’estimation du mouvement possible du terrain entre les deux acquisitions. Pour toutes les deux applications de l’InSAR, deux opérations sont importantes qui garantissent la génération des interférogrammes de qualité. La première est le filtrage du bruit omniprésent dans les phases interférométriques et la deuxième est le déroulement des phases. Ces deux opérations deviennent particulièrement complexes en milieu urbain où au bruit des phases s’ajoutent des fréquents sauts et discontinuités des phases dus à la présence des bâtiments et d’autres structures surélevées. L’objectif de cette recherche est le développement des nouveaux algorithmes de filtrage et de déroulement de phase qui puissent mieux performer que les algorithmes considérés comme référence dans ce domaine. Le but est d’arriver à générer des produits InSAR de qualité en milieu urbain. Concernant le filtrage, nous avons établi un algorithme qui est une nouvelle formulation du filtre Gaussien anisotrope adaptatif. Quant à l’algorithme de déroulement de phase, il est fondé sur la minimisation de l’énergie par un algorithme génétique ayant recours à une modélisation contextuelle du champ de phase. Différents tests ont été effectués avec des images RSO simulées et réelles qui démontrent le potentiel de nos algorithmes qui dépasse à maints égards celui des algorithmes standard. Enfin, pour atteindre le but de notre recherche, nous avons intégré nos algorithmes dans l’environnement du logiciel SNAP et appliqué l’ensemble de la procédure pour générer un MNA avec des images RADARSAT-2 de haute résolution d’un secteur de la Ville de Montréal (Canada) ainsi que des cartes des mouvements du terrain dans la région de la Ville de Mexico (Mexique) avec des images de Sentinel-1 de résolution plutôt moyenne. La comparaison des résultats obtenus avec des données provenant des sources externes de qualité a aussi démontré le fort potentiel de nos algorithmes. / The monitoring of urban areas and their spatiotemporal dynamics is an important issue for the urban population, at the environmental, economic, as well as social level. With the launch of satellites carrying next-generation synthetic aperture radars (TerraSAR-X, COSMO-SkyMed, ALOS, RADARSAT-2, Sentinel-1, Constellation RADARSAT), it is possible to obtain time series of images with fine temporal and spatial resolutions. These multitemporal data help to better analyze and describe urban structures, and their variations in space and time. Satellite interferometry is performed by comparing the phases of SAR images taken at different satellite passes over the same territory. By opt-ing for satellite positions separated by a long baseline, InSAR leads to the creation of digital elevation models (DEM). If this baseline is short and, at the limit zero, we have the case of differential interferometry (DInSAR) which leads to the estimation of the possible movement of the land between the two acquisitions. In both InSAR applica-tions, two operations are important that ensure the generation of quality interferograms. The first is the filtering of ubiquitous noise in the interferometric phases and the second is the unwrapping of the phases. These two operations become particularly complex in urban areas where the phase noise is added to the frequent jumps and discontinuities of phases due to the presence of buildings and other raised structures. The objective of this research is the development of new filtering and phase unwrap-ping algorithms that can perform better than algorithms considered as reference in this field. The goal is to generate quality InSAR products in urban areas. Regarding filtering, we have established an algorithm that is a new formulation of the adaptive anisotropic Gaussian filter. As for the phase unwrapping algorithm, it is based on the minimization of energy by a genetic algorithm using contextual modelling of the phase field. Various tests have been carried out with simulated and real SAR images that demonstrated the potential of our algorithms that in many respects exceeds that of standard algorithms. Finally, to achieve the goal of our research, we integrated our algorithms into the SNAP software environment and applied the entire procedure to generate a DEM with high-resolution RADARSAT-2 images from an area of the City of Montreal (Canada) as well as maps of land movement in the Mexico City region (Mexico) with relatively medium-resolution Sentinel-1 images. Comparison of the results with data from external quality sources also demonstrated the strong potential of our algorithms.

Thesis (M.Com.(quantitative Management)) / Satellite Scheduling Problems (SSP) are NP-hard and constraint programming and metaheuristics solution methods yield mixed results. This study investigates a new version of the SSP, the Satellite Constellation Time-Window Optimization Problem (SCoTWOP), involving commercial satellite constellations that provide frequent earth coverage. The SCoTWOP is related to the dual of the Vehicle Routing Problem with Multiple Timewindows, suggesting binary solution vectors representing an activation of time-windows. This representation fitted well with the MatLab® Genetic Algorithm and Direct Search Toolbox subsequently used to experiment with genetic algorithms, tabu search, and simulated annealing as SCoTWOP solution methods. The genetic algorithm was most successful and in some instances activated all 250 imaging time-windows, a number that is typical for a constellation of six satellites. / Quantitative Management

Les images satellitales multispectrales, notamment celles à haute résolution spatiale (plus fine que 30 m au sol), représentent une source d’information inestimable pour la prise de décision dans divers domaines liés à la gestion des ressources naturelles, à la préservation de l’environnement ou à l’aménagement et la gestion des centres urbains. Les échelles d’étude peuvent aller du local (résolutions plus fines que 5 m) à des échelles régionales (résolutions plus grossières que 5 m). Ces images caractérisent la variation de la réflectance des objets dans le spectre qui est l’information clé pour un grand nombre d’applications de ces données. Or, les mesures des capteurs satellitaux sont aussi affectées par des facteurs « parasites » liés aux conditions d’éclairement et d’observation, à l’atmosphère, à la topographie et aux propriétés des capteurs. Deux questions nous ont préoccupé dans cette recherche. Quelle est la meilleure approche pour restituer les réflectances au sol à partir des valeurs numériques enregistrées par les capteurs tenant compte des ces facteurs parasites ? Cette restitution est-elle la condition sine qua non pour extraire une information fiable des images en fonction des problématiques propres aux différents domaines d’application des images (cartographie du territoire, monitoring de l’environnement, suivi des changements du paysage, inventaires des ressources, etc.) ? Les recherches effectuées les 30 dernières années ont abouti à une série de techniques de correction des données des effets des facteurs parasites dont certaines permettent de restituer les réflectances au sol. Plusieurs questions sont cependant encore en suspens et d’autres nécessitent des approfondissements afin, d’une part d’améliorer la précision des résultats et d’autre part, de rendre ces techniques plus versatiles en les adaptant à un plus large éventail de conditions d’acquisition des données. Nous pouvons en mentionner quelques unes : - Comment prendre en compte des caractéristiques atmosphériques (notamment des particules d’aérosol) adaptées à des conditions locales et régionales et ne pas se fier à des modèles par défaut qui indiquent des tendances spatiotemporelles à long terme mais s’ajustent mal à des observations instantanées et restreintes spatialement ? - Comment tenir compte des effets de « contamination » du signal provenant de l’objet visé par le capteur par les signaux provenant des objets environnant (effet d’adjacence) ? ce phénomène devient très important pour des images de résolution plus fine que 5 m; - Quels sont les effets des angles de visée des capteurs hors nadir qui sont de plus en plus présents puisqu’ils offrent une meilleure résolution temporelle et la possibilité d’obtenir des couples d’images stéréoscopiques ? - Comment augmenter l’efficacité des techniques de traitement et d’analyse automatique des images multispectrales à des terrains accidentés et montagneux tenant compte des effets multiples du relief topographique sur le signal capté à distance ? D’autre part, malgré les nombreuses démonstrations par des chercheurs que l’information extraite des images satellitales peut être altérée à cause des tous ces facteurs parasites, force est de constater aujourd’hui que les corrections radiométriques demeurent peu utilisées sur une base routinière tel qu’est le cas pour les corrections géométriques. Pour ces dernières, les logiciels commerciaux de télédétection possèdent des algorithmes versatiles, puissants et à la portée des utilisateurs. Les algorithmes des corrections radiométriques, lorsqu’ils sont proposés, demeurent des boîtes noires peu flexibles nécessitant la plupart de temps des utilisateurs experts en la matière. Les objectifs que nous nous sommes fixés dans cette recherche sont les suivants : 1) Développer un logiciel de restitution des réflectances au sol tenant compte des questions posées ci-haut. Ce logiciel devait être suffisamment modulaire pour pouvoir le bonifier, l’améliorer et l’adapter à diverses problématiques d’application d’images satellitales; et 2) Appliquer ce logiciel dans différents contextes (urbain, agricole, forestier) et analyser les résultats obtenus afin d’évaluer le gain en précision de l’information extraite par des images satellitales transformées en images des réflectances au sol et par conséquent la nécessité d’opérer ainsi peu importe la problématique de l’application. Ainsi, à travers cette recherche, nous avons réalisé un outil de restitution de la réflectance au sol (la nouvelle version du logiciel REFLECT). Ce logiciel est basé sur la formulation (et les routines) du code 6S (Seconde Simulation du Signal Satellitaire dans le Spectre Solaire) et sur la méthode des cibles obscures pour l’estimation de l’épaisseur optique des aérosols (aerosol optical depth, AOD), qui est le facteur le plus difficile à corriger. Des améliorations substantielles ont été apportées aux modèles existants. Ces améliorations concernent essentiellement les propriétés des aérosols (intégration d’un modèle plus récent, amélioration de la recherche des cibles obscures pour l’estimation de l’AOD), la prise en compte de l’effet d’adjacence à l’aide d’un modèle de réflexion spéculaire, la prise en compte de la majorité des capteurs multispectraux à haute résolution (Landsat TM et ETM+, tous les HR de SPOT 1 à 5, EO-1 ALI et ASTER) et à très haute résolution (QuickBird et Ikonos) utilisés actuellement et la correction des effets topographiques l’aide d’un modèle qui sépare les composantes directe et diffuse du rayonnement solaire et qui s’adapte également à la canopée forestière. Les travaux de validation ont montré que la restitution de la réflectance au sol par REFLECT se fait avec une précision de l’ordre de ±0.01 unités de réflectance (pour les bandes spectrales du visible, PIR et MIR), même dans le cas d’une surface à topographie variable. Ce logiciel a permis de montrer, à travers des simulations de réflectances apparentes à quel point les facteurs parasites influant les valeurs numériques des images pouvaient modifier le signal utile qui est la réflectance au sol (erreurs de 10 à plus de 50%). REFLECT a également été utilisé pour voir l’importance de l’utilisation des réflectances au sol plutôt que les valeurs numériques brutes pour diverses applications courantes de la télédétection dans les domaines des classifications, du suivi des changements, de l’agriculture et de la foresterie. Dans la majorité des applications (suivi des changements par images multi-dates, utilisation d’indices de végétation, estimation de paramètres biophysiques, …), la correction des images est une opération cruciale pour obtenir des résultats fiables. D’un point de vue informatique, le logiciel REFLECT se présente comme une série de menus simples d’utilisation correspondant aux différentes étapes de saisie des intrants de la scène, calcul des transmittances gazeuses, estimation de l’AOD par la méthode des cibles obscures et enfin, l’application des corrections radiométriques à l’image, notamment par l’option rapide qui permet de traiter une image de 5000 par 5000 pixels en 15 minutes environ. Cette recherche ouvre une série de pistes pour d’autres améliorations des modèles et méthodes liés au domaine des corrections radiométriques, notamment en ce qui concerne l’intégration de la FDRB (fonction de distribution de la réflectance bidirectionnelle) dans la formulation, la prise en compte des nuages translucides à l’aide de la modélisation de la diffusion non sélective et l’automatisation de la méthode des pentes équivalentes proposée pour les corrections topographiques. / Multi-spectral satellite imagery, especially at high spatial resolution (finer than 30 m on the ground), represents an invaluable source of information for decision making in various domains in connection with natural resources management, environment preservation or urban planning and management. The mapping scales may range from local (finer resolution than 5 m) to regional (resolution coarser than 5m). The images are characterized by objects reflectance in the electromagnetic spectrum witch represents the key information in many applications. However, satellite sensor measurements are also affected by parasite input due to illumination and observation conditions, to the atmosphere, to topography and to sensor properties. Two questions have oriented this research. What is the best approach to retrieve surface reflectance with the measured values while taking into account these parasite factors? Is this retrieval a sine qua non condition for reliable image information extraction for the diverse domains of application for the images (mapping, environmental monitoring, landscape change detection, resources inventory, etc.)? Researches performed in the past 30 years have yielded a series of techniques to correct the parasite factors among which some allow to retrieve ground reflectance. Some questions are still unanswered and others require still more scrutiny to increase precision and to make these methods more versatile by adapting them to larger variety of data acquisition conditions. A few examples may be mentioned: - How to take into account atmospheric characteristics (particularly of aerosols) adapted to local and regional conditions instead of relying on default models indicating long term spatial-temporal trends that are hard to adjust to spatially restricted instantaneous observations; - How to remove noise introduced by surrounding objects. This adjacency effect phenomenon is particularly important for image resolutions smaller than 5m; - What is the effect of the viewing angle of the sensors that are increasingly aiming off-nadir, a choice imposed by the imperatives of a better temporal resolution or the acquisition of stereo pairs? - How to increase the performances of automatic multi-spectral image processing and analysis techniques in mountainous high relief area by taking into account the multiple effects of topography on the remotely sensed signal? Despite many demonstrations by researchers that information extracted from remote sensing may be altered due to the parasite factors, we are forced to note that nowadays radiometric corrections are still seldom applied, unlike geometric corrections for which commercial software possess powerful and versatile user-friendly algorithms. Radiometric correction algorithms, when available, are hard to adapt black boxes and mostly require experts to operate them. The goals we have delineated for this research are as follow: 1) Develop software to retrieve ground reflectance while taking into account the aspects mentioned earlier. This software had to be modular enough to allow improvement and adaptation to diverse remote sensing application problems; and 2) Apply this software in various context (urban, agricultural, forest) and analyse results to evaluate the accuracy gain of extracted information from remote sensing imagery transformed in ground reflectance images to demonstrate the necessity of operating in this way, whatever the type of application. During this research, we have developed a tool to retrieve ground reflectance (the new version of the REFLECT software). This software is based on the formulas (and routines) of the 6S code (Second Simulation of Satellite Signal in the Solar Spectrum) and on the dark targets method to estimated the aerosol optical thickness, representing the most difficult factor to correct. Substantial improvements have been made to the existing models. These improvements essentially concern the aerosols properties (integration of a more recent model, improvement of the dark targets selection to estimate the AOD), the adjacency effect, the adaptation to most used high resolution (Landsat TM and ETM+, all HR SPOT 1 to 5, EO-1 ALI and ASTER) and very high resolution (QuickBird et Ikonos) sensors and the correction of topographic effects with a model that separate direct and diffuse solar radiation components and the adaptation of this model to forest canopy. Validation has shown that ground reflectance estimation with REFLECT is performed with an accuracy of approximately ±0.01 in reflectance units (for in the visible, near-infrared and middle-infrared spectral bands) even for a surface with varying topography. This software has allowed demonstrating, through apparent reflectance simulations, how much parasite factors influencing numerical values of the images may alter the ground reflectance (errors ranging from 10 to 50%). REFLECT has also been used to examine the usefulness of ground reflectance instead of raw data for various common remote sensing applications in domains such as classification, change detection, agriculture and forestry. In most applications (multi-temporal change monitoring, use of vegetation indices, biophysical parameters estimation, etc.) image correction is a crucial step to obtain reliable results. From the computer environment standpoint, REFLECT is organized as a series of menus, corresponding to different steps of: input parameters introducing, gas transmittances calculation, AOD estimation, and finally image correction application, with the possibility of using the fast option witch process an image of 5000 by 5000 pixels in approximately 15 minutes. This research opens many possible pathways for improving methods and models in the realm of radiometric corrections of remotely sensed images. In particular, these include BRDF integration in the formulation, cirrus clouds correction using non selective scattering modelling and improving of the equivalent slopes topographic correction method.

La texture est un élément clé pour l’interprétation des images de télédétection à fine résolution spatiale. L’intégration de l’information texturale dans un processus de classification automatisée des images se fait habituellement via des images de texture, souvent créées par le calcul de matrices de co-occurrences (MCO) des niveaux de gris. Une MCO est un histogramme des fréquences d’occurrence des paires de valeurs de pixels présentes dans les fenêtres locales, associées à tous les pixels de l’image utilisée; une paire de pixels étant définie selon un pas et une orientation donnés. Les MCO permettent le calcul de plus d’une dizaine de paramètres décrivant, de diverses manières, la distribution des fréquences, créant ainsi autant d’images texturales distinctes. L’approche de mesure des textures par MCO a été appliquée principalement sur des images de télédétection monochromes (ex. images panchromatiques, images radar monofréquence et monopolarisation). En imagerie multispectrale, une unique bande spectrale, parmi celles disponibles, est habituellement choisie pour générer des images de texture. La question que nous avons posée dans cette recherche concerne justement cette utilisation restreinte de l’information texturale dans le cas des images multispectrales. En fait, l’effet visuel d’une texture est créé, non seulement par l’agencement particulier d’objets/pixels de brillance différente, mais aussi de couleur différente. Plusieurs façons sont proposées dans la littérature pour introduire cette idée de la texture à plusieurs dimensions. Parmi celles-ci, deux en particulier nous ont intéressés dans cette recherche. La première façon fait appel aux MCO calculées bande par bande spectrale et la seconde utilise les MCO généralisées impliquant deux bandes spectrales à la fois. Dans ce dernier cas, le procédé consiste en le calcul des fréquences d’occurrence des paires de valeurs dans deux bandes spectrales différentes. Cela permet, en un seul traitement, la prise en compte dans une large mesure de la « couleur » des éléments de texture. Ces deux approches font partie des techniques dites intégratives. Pour les distinguer, nous les avons appelées dans cet ouvrage respectivement « textures grises » et « textures couleurs ». Notre recherche se présente donc comme une analyse comparative des possibilités offertes par l’application de ces deux types de signatures texturales dans le cas spécifique d’une cartographie automatisée des occupations de sol à partir d’une image multispectrale. Une signature texturale d’un objet ou d’une classe d’objets, par analogie aux signatures spectrales, est constituée d’une série de paramètres de texture mesurés sur une bande spectrale à la fois (textures grises) ou une paire de bandes spectrales à la fois (textures couleurs). Cette recherche visait non seulement à comparer les deux approches intégratives, mais aussi à identifier la composition des signatures texturales des classes d’occupation du sol favorisant leur différentiation : type de paramètres de texture / taille de la fenêtre de calcul / bandes spectrales ou combinaisons de bandes spectrales. Pour ce faire, nous avons choisi un site à l’intérieur du territoire de la Communauté Métropolitaine de Montréal (Longueuil) composé d’une mosaïque d’occupations du sol, caractéristique d’une zone semi urbaine (résidentiel, industriel/commercial, boisés, agriculture, plans d’eau…). Une image du satellite SPOT-5 (4 bandes spectrales) de 10 m de résolution spatiale a été utilisée dans cette recherche. Puisqu’une infinité d’images de texture peuvent être créées en faisant varier les paramètres de calcul des MCO et afin de mieux circonscrire notre problème nous avons décidé, en tenant compte des études publiées dans ce domaine : a) de faire varier la fenêtre de calcul de 3*3 pixels à 21*21 pixels tout en fixant le pas et l’orientation pour former les paires de pixels à (1,1), c'est-à-dire à un pas d’un pixel et une orientation de 135°; b) de limiter les analyses des MCO à huit paramètres de texture (contraste, corrélation, écart-type, énergie, entropie, homogénéité, moyenne, probabilité maximale), qui sont tous calculables par la méthode rapide de Unser, une approximation des matrices de co-occurrences, c) de former les deux signatures texturales par le même nombre d’éléments choisis d’après une analyse de la séparabilité (distance de Bhattacharya) des classes d’occupation du sol; et d) d’analyser les résultats de classification (matrices de confusion, exactitudes, coefficients Kappa) par maximum de vraisemblance pour conclure sur le potentiel des deux approches intégratives; les classes d’occupation du sol à reconnaître étaient : résidentielle basse et haute densité, commerciale/industrielle, agricole, boisés, surfaces gazonnées (incluant les golfs) et plans d’eau. Nos principales conclusions sont les suivantes a) à l’exception de la probabilité maximale, tous les autres paramètres de texture sont utiles dans la formation des signatures texturales; moyenne et écart type sont les plus utiles dans la formation des textures grises tandis que contraste et corrélation, dans le cas des textures couleurs, b) l’exactitude globale de la classification atteint un score acceptable (85%) seulement dans le cas des signatures texturales couleurs; c’est une amélioration importante par rapport aux classifications basées uniquement sur les signatures spectrales des classes d’occupation du sol dont le score est souvent situé aux alentours de 75%; ce score est atteint avec des fenêtres de calcul aux alentours de11*11 à 15*15 pixels; c) Les signatures texturales couleurs offrant des scores supérieurs à ceux obtenus avec les signatures grises de 5% à 10%; et ce avec des petites fenêtres de calcul (5*5, 7*7 et occasionnellement 9*9) d) Pour plusieurs classes d’occupation du sol prises individuellement, l’exactitude dépasse les 90% pour les deux types de signatures texturales; e) une seule classe est mieux séparable du reste par les textures grises, celle de l’agricole; f) les classes créant beaucoup de confusions, ce qui explique en grande partie le score global de la classification de 85%, sont les deux classes du résidentiel (haute et basse densité). En conclusion, nous pouvons dire que l’approche intégrative par textures couleurs d’une image multispectrale de 10 m de résolution spatiale offre un plus grand potentiel pour la cartographie des occupations du sol que l’approche intégrative par textures grises. Pour plusieurs classes d’occupations du sol un gain appréciable en temps de calcul des paramètres de texture peut être obtenu par l’utilisation des petites fenêtres de traitement. Des améliorations importantes sont escomptées pour atteindre des exactitudes de classification de 90% et plus par l’utilisation des fenêtres de calcul de taille variable adaptées à chaque type d’occupation du sol. Une méthode de classification hiérarchique pourrait être alors utilisée afin de séparer les classes recherchées une à la fois par rapport au reste au lieu d’une classification globale où l’intégration des paramètres calculés avec des fenêtres de taille variable conduirait inévitablement à des confusions entre classes. / Texture is a key element in interpreting remotely sensed images of fine spatial resolution. The integration of textural information in an automatic image-classification process is usually done via textural images, which are often created by calculating gray levels co-occurrences matrices (COM). A COM is a histogram of frequencies of pairs of pixel values present in local windows associated with all pixels in the used image; each pixel pair being formed using a given orientation and spacing. COM allows calculation for more than a dozen of parameters describing in various ways the frequency distribution, creating thus as many different textural images. Texture measurements approach based on COMs had been mainly applied on monochrome images (e.g. panchromatic, single polarisation and frequency radar images). In the case of multispectral images, a single spectral band, among those available, is usually chosen to generate texture images. The question we asked in this research concerns precisely this limited use of textural information in the case of multispectral images. In fact, the visual effect of a texture is created, not only by the spatial arrangement of variable objects/pixels brightness, but also of different colors. Several ways are suggested in the literature to introduce this concept of multi-dimensional texture. In this research, two of them were of particularly interested us. In the first way COMs are calculated spectral band by band and in the second one, generalized COMs are applied involving the joint use of two spectral bands. In the latter case, the pairs of pixel values are defined in two different spectral bands. This allows, in a single treatment, for a broad accounting of the "color" element composing a texture. These two approaches are called integrative techniques. To distinguish them, we call them respectively “gray textures” and “color textures”. Our research concerns the comparative analysis of the opportunities offered by applying these two types of textural signatures in the specific case of an automated land cover mapping using multispectral images. A textural signature of an object or class of objects, by analogy to spectral signatures, consists in a set of texture parameters measured; band by band (grey textures), or by pairs of bands (color textures).This research was designed not only to compare the two integrative approaches, but also to identify the components of textural signatures favouring the differentiation of land cover classes: texture parameters, window sizes and bands selection. To do this, a site within the territory of the Montreal Metropolitan Community (Longueuil) was chosen with a diversity of land covers representative of a semi-urban area. (residential, industrial / commercial, woodlots , agriculture, water bodies…). A SPOT-5 (4 spectral bands) image of 10m spatial resolution was used in this research. Since an infinite number of texture images can be created by varying the design parameters of COM, and to better define our problem, we have decided, taking into account studies published in this field: a) to vary the computation window from 3*3 to 21*21 pixels while setting the pixel spacing and direction to (1,1); that is to say, an spacing of 1 and an orientation of 135 ° between pairs of pixels. b) limit the COM analysis to eight texture parameters (contrast, correlation, standard deviation, energy, entropy, homogeneity, average, maximum probability), all of which are computable by the Unser’s fast-COM-approximation method, c) form the two textural signatures by the same number of elements chosen from a separability analysis (Bhattacharya distance) between land cover classes, and d) analyse the results (confusion matrices, accuracies, kappa) obtained using a maximum likelihood classification algorithm to conclude on the potential of both integrative approaches; classes to be recognized included: low and high density residential, commercial / industrial, agricultural, woodlots, turf (including golf) water bodies, clouds and their shadows. Our main conclusions are as follows a) except maximum probability, all other textural parameters are useful in the formation of textural signatures; mean and standard deviation are most useful in the formation of gray textures while contrast and correlation, are the best in the case of color textures b) the overall classification accuracy achieved an acceptable score (85%), only in the case of color textural signatures. This is a significant improvement compared to classifications based solely on spectral signatures, whose accuracies are often situated around 75%. This score is reached with windows size from about 11*11 to 15 * 15 pixels, c) Textural colors signatures offer higher scores, ranging from 5% to 10%, than those obtained by gray signatures. This is true while using the smaller process windows (5*5, 7*7, and occasionally 9*9) d) For several land cover classes examined individually, the accuracy is above 90% regardless of the used textural signatures e) Only one class is better separated from the rest by gray textures, the agricultural one; f) Classes creating a lot of confusion, which largely explains the overall classification score of 85 %, are the two residential classes (high and low density). As a final conclusion, we can say that the integrative approach by color textures provides a greater potential for mapping land covers using multispectral images than the integrative approach by gray textures. For several land cover classes an appreciable gain computing time of textural parameters may be obtained using smaller size windows. Significant improvements of the classification results (even better than 90%) are expected using calculation windows with sizes better adapted to each classes particular texture characteristics, A hierarchical classification method could then be used to separate each class at a time from all others, instead of a broad classification where the integration of parameters calculated with varying size windows, would inevitably lead to confusion between classes.