Les particules fines atmosphériques de taille nanométrique ont un effet important sur la qualité de l’air, le climat et la santé. Si l’effet est reconnu, la mesure quantitative de ces impacts reste un enjeu majeur. Les difficultés à surmonter sont reliées à la forte inhomogénéité des particules, tant sur la distribution spatio-temporelle de leur concentration que sur leur morphologie et leur taille. Le développement des méthodes de mesure optique à distance non invasives telles que le Lidar (Light Detection And Raging) participe à combler cette lacune. Ce travail met en oeuvre une méthodologie de télédétection de l’aérosol urbain, dans laquelle les interactions photons-matière de type élastique et non élastique sont considérées pour estimer les paramètres optiques des particules. L’état de polarisation de la lumière diffusée est également examiné permettant de sonder la phase thermodynamique des particules observées. L’étude a consisté à caractériser les performances de la détection lidar des aérosols urbains en considérant les propriétés spectrales et la polarisation de la diffusion optique dans le domaine ultraviolet-visible. La perturbation majeure de la mesure, la lumière solaire, a été précisément évaluée et minimisée en agissant sur la résolution spectrale de la mesure et sur la polarisation du faisceau laser émis. La validation de la télédétection des particules fines atmosphériques dans l’ultraviolet est présentée. Elle est basée sur une comparaison entre la mesure Lidar et des mesures par spectrométrie de masse (AMS : Aerosol Mass Spectroscopy). Finalement, sur les bases de ces travaux, un nouveau détecteur a été conçu, développé et ensuite évalué à partir de la station Lidar permanente du laboratoire. Ainsi de très faibles taux de dépolarisation de l’atmosphère dans le domaine de l’ultraviolet, de 0,33 %, ont pu être mesurés. Ceci ouvre des perspectives intéressantes sur l’étude de la dynamique physique des particules atmosphériques de taille nanométrique / Atmospheric particles of nanometric size have a significant effect on air quality, climate and health. If the effects are recognized, the quantification of their impacts remains a major challenge. The challenges are related to the strong inhomogeneity of the spatial and temporal distribution of morphology and size as well as the aerosol concentrations. Remote sensing methods such as LIDAR (Light Detection And Raging) contribute to filling this gap. This work implements a methodology for remote sensing of the urban aerosol, in which the elastic and inelastic interactions between photon and matter are considered to estimate the optical parameters of particles. The polarization state of scattered light is also examined to probe the thermodynamic phase of the particles. In this study we characterize the performance of urban aerosol lidar whereas the spectral and polarization properties of the backscattered light are considered in the ultraviolet and visible ranges. The sunlight which is the major disruption of the measurement was accurately assessed and minimized by controlling the spectral resolution of the detector and the polarization of the emitted laser beam. The validation of atmospheric fine particles detection by ultraviolet Lidar is presented. This validation is based on a comparison between the lidar measurements and those by mass spectrometry (AMS: Aerosol Mass Spectroscopy). Finally, on the basis of this work, a new detector was designed, developed and then evaluated. Thus very low rates of depolarization of the atmosphere (0.33%) in the ultraviolet range have been measured. This work leads to interesting perspectives on the study of the dynamics of atmospheric particles of nanometric size

Cette thèse porte sur le développement théorique et expérimental d’une nouvelle méthodologie de détection des gaz à effet de serre basée sur la spectroscopie optique d’absorption. La question posée était : est-il possible d’évaluer de manière univoque la concentration d’un gaz à partir d’une mesure par spectroscopie d’absorption différentielle, dans laquelle l’étendue spectrale de la source lumineuse est plus large que celle d’une ou de plusieurs raies d'absorption de la molécule considérée et que, de plus la détection n’est pas résolue spectralement ? La réponse à cette question permettra d’entrevoir à terme le développer d’un instrument de télédétection de terrain robuste sans contrainte opto-mécanique majeure aussi bien sur la source laser que sur la chaîne de détection.Ces travaux ont donné lieu au développement d’une nouvelle méthodologie que l’on dénomme « Optical Similitude Absorption Spectroscopy » (OSAS) ou spectroscopie d’absorption optique de similitude. Cette méthodologie permet donc de déterminer de manière quantitative une concentration d’un gaz à partir de mesures d’absorption différentielle non résolue spectralement sans procédure de calibration en concentration. Ceci demande alors une connaissance précise de la densité spectrale de la source lumineuse et du système de détection. Ces travaux publiés ont permis de démontrer que cette nouvelle méthodologie est dans le domaine spectral du proche infrarouge peu sensible aux conditions thermodynamiques du gaz observé. D’autre part, ces travaux ont permis de mettre en exergue l’inversion de la Loi de Beer-Lambert non résolue spectralement ce qui donne lieu à la résolution d’un système analytique non linéaire. À cette fin le développement d’un nouvel algorithme d’inversion de ce type de mesures a pu être vérifié expérimentalement en laboratoire sur le méthane, en exploitant aussi bien des sources à large bande spectrale cohérente et non cohérente. La détection de cette molécule dans l’atmosphère a pu être réalisée dans le cadre de ces travaux en couplant judicieusement la méthodologie OSAS et la technique Lidar. Ces travaux ouvrent de nombreuses perspectives sur la détection de gaz à effet de serre dans le domaine spectral infrarouge ainsi que la possibilité de détecter plusieurs molécules d’intérêt atmosphérique simultanément / This thesis concerns the theoretical and experimental development of a new methodology for greenhouse gases detection based on the optical absorption. The problem relies on the unambiguous retrieval of a gas concentration from differential absorption measurements, in which the spectral width of the light source is wider than one or several absorption lines of the considered target gas given that the detection is not spectrally resolved. This problem could lead to the development of a robust remote sensing instrument dedicated to greenhouse gas observation, without strong technology limitations on the laser source as well as on the detection system. Solving this problem, we could propose a new methodology named: "Optical Similitude Absorption Spectroscopy" (OSAS).This methodology thus allows to determine a quantitative target gas concentration from non-resolved differential absorption measurements avoiding the use of a gas concentration calibration procedure. Thereby, a precise knowledge of the emitted power spectral density of the light source and the efficiency of the detection system are needed.This work that has been recently published could demonstrate that this new methodology applied on the NIR remains accurate even in the presence of strong atmospheric pressure and temperature gradients. Moreover, we show that inverting spectrally integrated measurements which follow the Beer-Lambert law leads to solve a nonlinear system. For this, a new inversion algorithm has been developed. It was experimentally verified in laboratory on methane by using coherent and non-coherent broadband light sources. The detection of methane in the atmosphere could be also realized by coupling the OSAS methodology and the Lidar technique. Outlooks are proposed and especially on the detection of greenhouse gases in the infrared spectral domain as well as the ability to simultaneously detect several atmospheric molecules of interest

Les nuages montrent des variabilités tridimensionnelles complexes (3D) dans leurs propriétés géométriques, optiques et microphysiques horizontales et verticales. Généralement et pour des raisons pratiques, les nuages sont supposés être homogènes et parallèles dans les algorithmes de calcul du signal lidar/radar (problème direct) et dans les algorithmes de récupération des propriétés des nuages (problème inverse). L'objectif de ce travail est d'évaluer les effets de l'hétérogénéité des nuages et de la diffusion multiple sur des caractéristiques mesurées directement par le lidar/radar, nous ne traitons que les sources d'erreurs liées au problème direct. Nos évaluations sont basées sur l'échantillonnage aléatoire et sur la comparaison entre les profils moyens des nuages 3D et des nuages 1D équivalents plan-parallèles. Nous avons développé et validé un outil à cet effet. Le simulateur lidar/radar/radar Doppler (McRALI). Il est basé sur le modèle 3DMCPOL (Cornet et al., 2010). Les nuages 3D utilisés sont générés par le générateur de champs de nuages 3D (3DCLOUD_V2) (Szczap et al., 2014). Les comparaisons avec des publications et des codes de référence, ont montré de bonnes cohérences entre le code McRALI et les résultats publiés. On a étudié les effets de l'hétérogénéité 3D des nuages sur trois échelles 333 m, 1 km et 5 km. Les résultats obtenus ont montré que les biais sur le coefficient de rétrodiffusion β, sur le coefficient de rétrodiffusion intégré γ et sur le facteur de dépolarisation δ augmentent avec l’augmentation de l’échelle et l’épaisseur optique. L’étude sur un nuage de type cirrus de cristaux de glace plaquette ont montré que les profils moyens de β ainsi que de γ sont statistiquement égaux à l’échelle de 333 m. Au contraire, à l’échelle de 1 km les biais sont statistiquement significatifs. Le biais sur δ est statistiquement significatif pour les deux échelles. Les tests sur les mesures de radar CPR Doppler EarthCARE ont montré qu’il y a un écart sur la vitesse Doppler mesuré proche de la discontinuité dans un nuage discontinu, cet écart dépond le degré de la discontinuité, les propriétés optiques et géométriques du nuage et la géométrie du système radar. Ce travail contribue à une meilleure compréhension des effets de l'hétérogénéité des nuages sur les caractéristiques mesurées directement par le lidar / radar. / Clouds display complex three-dimensional (3D) variability in their horizontal and vertical geometric, optical and microphysical properties. Generally and for practical reasons, the clouds are supposed to be homogeneous and parallel in the algorithms for calculating the lidar / radar signal (direct problem) and in the algorithms for the retrieval of the properties of the clouds (inverse problem). The objective of this work is to evaluate the effects of cloud heterogeneity and multiple scattering on the characteristics measured directly by the lidar / radar. In this study, we only deal with the sources of errors related to the direct problem. Our assessments are based on random sampling and comparison between the average profiles of 3D clouds and 1D equivalent plane-parallel clouds. Therefore, we developed and validated a tool called the lidar / radar / Doppler radar simulator (McRALI). The latter tool is based on the 3DMCPOL model (Cornet et al., 2010). The 3D clouds, used in the current study, were generated by the 3D cloud field generator (3DCLOUD_V2) (Szczap et al., 2014). The tested McRALI code revealed good coherence with earlier published studies. We studied the effects of 3D cloud heterogeneity on three scales 333 m, 1 km and 5 km. The results obtained showed that the biases on the backscattering coefficient β, on the integrated backscattering coefficient γand on the depolarization factor δ increase with increasing the scale and the optical thickness. The study of a cirrus cloud of ice crystals showed that the average profiles of β as well as the γ are statistically equal to the 333 m scale. On the contrary, the biases are statistically significant at 1 km scale. The bias on δ is statistically significant for both scales. The tests carried out on the EarthCARE Doppler CPR radar measurements showed that there is a difference in the measured Doppler velocity close to the discontinuity in a discontinuous cloud. This difference is due to the degree of the discontinuity, the optical, the geometrical properties of the cloud and the geometry of the radar system. This work contributes to better understanding of the effects of cloud heterogeneity on the characteristics measured directly by the lidar / radar.

Développé initialement pour la correction du retard humide des signaux GPS, le lidar Raman vapeur d’eau de l’Institut National de l’information Géographique et forestière (IGN) pourrait aujourd’hui servir pour d’autres applications telles que la climatologie et la météorologie. Cependant, quelle que soit l’application visée, il est primordial d’assurer une très bonne précision de la mesure. Un étalonnage fiable et stable de l’instrument est alors requis. Lors de la dernière campagne de mesures (Démévap) qui consistait à inter-comparer différentes techniques d’étalonnage, une dérive du coefficient d’étalonnage du lidar a été observée. Ce travail revient alors sur cette dérive et explore, dans un premier temps, les signaux enregistrés durant cette campagne. En découle alors un inventaire de sources d’erreurs et de variations pouvant expliquer ces résultats. Trois sources majeures de variations seront ensuite étudiées de manière approfondie : la dépendance en température des sections efficaces Raman induite par l’usage de filtres étroits, l’impact du choix des optiques de transmission et détection du signal et les problèmes liés à l’électronique de détection. À l’aide de simulations numériques, modélisations et tests en laboratoire, on s’est efforcés de mettre en évidence et de quantifier les variations. Des solutions permettant de minimiser ces instabilités ont aussi été proposées et testées. Finalement, le système lidar a été remonté entièrement et une campagne de validation des améliorations a été menée à Saint-Mandé. Sur une période de cinq mois, on a pu contrôler la stabilité instrumentale et étudier l’étalonnage du lidar à l’aide de capteurs d’humidité placés au sol. / The IGN (Franch Mapping Institut) water vapor Raman lidar has been developed in order to correct the wet delay of GPS signals. Today, the goal is to open up to other applications such as meteorology and climatology. Regardless the applications, high accuracy is and will be completed with a reliable calibration of the instrument. The latest campaign, during which the IGN Raman was experimented, was Demevap. Several lidar calibration techniques were compared, and results showed a common drift all along the campaign. The work presented here starts with a detailed investigation of the Demavap absolute signals. This first step allowed listing different likely sources of errors and instabilities in the system which lead to fluctuations of the calibration coefficient. Among them, we chose to study thoroughly three subsystems which appear to have a major influence on the calibration coefficient variations: the temperature dependence of the Raman cross sections induced by the use of narrowband interference filters, the effect of the optical configuration of the detection part of the lidar and problems linked to the electronic part of the detection. We strive to highlight and quantify the variations by means of numerical simulations, models and laboratory experiments. Furthermore, we proposed theoretical, empirical and instrumental solutions for the mitigation of these variations. Eventually, long term calibration coefficient stability of the overall system will be assessed with regular water vapor profile recordings and calibration measurements spread over several months.

Afin de mieux comprendre les processus et les interactions entre l'atmosphère, la glace de mer et l'océan en arctique, un financement EQUIPEX a permis de développer et déployer le projet IAOOS (Ice-Atmosphere-Ocean-Observing-System) de réseau de bouées multi-instrumentées. Pour la partie atmosphère un LiDAR rétrodiffusion innovant a été développé pour répondre aux contraintes du projet et de l'environnement arctique. Un modèle analytique du rapport signal sur bruit en air clair a permis de préciser les paramètres clés de la conception. Des simulations numériques ont ensuite permis d'affiner les performances du système. Un prototype évolutif a été réalisé dans le planning serré de cet EQUIPEX, avant la mise en œuvre d'une première bouée complète au Pôle Nord en avril 2014, qui a fonctionné jusqu'en décembre 2014. Un second déploiement de deux bouées a ensuite été réalisé à l'occasion de la campagne N-ICE de janvier à juin 2015, dont l'une était équipée d'une version polarisée du LiDAR. Les deux campagnes ont permis d'obtenir des premières statistiques de la distribution des aérosols et des nuages en arctique central avec un système LiDAR autonome. Les premiers résultats montrent la présence de couches d'aérosols assez fréquentes au printemps dans la moyenne troposphère et des nuages bas très fréquents. Les mesures LiDAR ont été utilisées pour effectuer une estimation des flux infrarouge et visible descendants. Les résultats des deux premiers déploiements et les comparaisons avec des analyses et des sorties du modèle WRF fournissent des premiers éléments sur l'apport que pourra présenter ce réseau de bouées multi-instrumentées en région centrale arctique. / To improve our knowledge of the processes and interactions which occur in Arctic between atmosphere, sea ice and ocean, an EQUIPEX funding was granted to the IAOOS project. This improvement will be reached by deploying a network of multi-instrumented buoys. For the atmospheric analyses an innovative backscattering LiDAR meeting with constraints of the project and arctic environment has been developed. An analytical model of signal to noise ratio in clear sky led to the instrumental key parameters, and numerical simulations helped in improving the system performances. An evolutive prototype has been realized within the tight planning of this EQUIPEX. The first whole equiped buoy was deployed close to the north pole in April 2014 and worked until the beginning of December 2014. A second deployment of two buoys, including a polarized version, was then realized within the N-ICE campaign from January to June 2015. These first campaigns gave first statistics of aerosols and clouds distribution in the central arctic region with an autonomous LiDAR. First results show frequent aerosols layers in mid-troposphere during spring, as well as a high occurence of very low clouds. LiDAR measurements were also used to estimate downwelling longwave and shortwave at surface. Results obtained from these first deployments and comparisons with analysis and outputs from the WRF model show a first overview of what can be expected from this network of multi-instrumented buoys in the central arctic region.

The transition to geographical data in 3D is facing big challenges regarding the creation of common standards for a functioning global spatial data infrastructure. The need for such data in planning processes has recently increased. Creating 3D-buildings in LOD1 is rather uncomplicated but creating buildings with a higher level of detail, that provide a better illustration of reality, are expensive and time consuming. The resources and efforts to establish geographical data in 3D differ in Sweden's municipalities, where some rural areas often do not have the same opportunities as urban areas. Therefore, a cost-effective and time-efficient method of creating 3D models for, e.g. municipal planning and civil dialogue would be well received. In this thesis project, the method of creating 3D buildings in ArcGIS Pro using the ExtractRoofForm tool is evaluated. Different data sources used as inputs were analyzed by comparing the outcome of successfully created buildings. In ArcGIS Pro, the calculation of root mean square error was used as measure to distinguish successful and unsuccessful buildings. The result of the ArcGIS Pro process was compared to 3D buildings in LOD2 produced by stereo mapping as reference data. The comparison was done by volume calculation, where the result indicates the significance of different inputs to the extraction of 3D buildings, and how well the evaluation of the process works. It could be shown that input data quality largely affects the process. Data with the highest quality gave the best results in the extraction process. The result of the volume calculation shows that successful buildings in ArcGIS Pro also had a high accuracy. Volume calculation and calculation of root mean square error show no correlation. A reason for this could be that there may be some problems evaluating the process of extracted 3D buildings resulting in more time-consuming work with editing after the extraction process. Still, the process of creating 3D buildings shows great potential for a successful outcome. / Övergången till geografisk information i 3D innebär ett stort arbete med att skapa gemensamma standarder för en fungerande GIS-samverkan världen över. Efterfrågan på presentation av geografisk information i 3D som en del i planeringsprocesser eller att utöva medborgardialog har på senare tid ökat. Att skapa 3D-byggnader i LOD1 är relativt enkelt men att kartera byggnader med en högre detaljnivå som ger en mer realistisk bild av verkligheten kan vara både dyrt och tidskrävande. Resurserna varierar mellan olika områden runt om i landet och vissa glesbygdsområden inte har samma möjlighet att erbjuda utbud av t.ex. medborgardialog som i mer urbana områden. Därför skulle en kostnad- och tidseffektiv metod att skapa 3D-modeller för exempelvis kommunal planeringsprocess och medborgardialog vara välkommen. I detta examensarbete utvärderas metoden att skapa 3D-byggnader i ArcGIS Pro med verktyget ”ExtractRoofForm”. Olika datakällor som används som indata analyserades genom att jämföra utfallet av lyckade byggnader. I ArcGIS Pro användes beräkning av medelfel som utvärdering för att skilja lyckade och mindre lyckade byggnader åt. Resultatet av processen i ArcGIS Pro jämfördes med 3D-byggnader i LOD2 framställda av stereokartering som referensdata. Jämförelsen gjordes med volymberäkning där resultatet avser att ge en fingervisning om betydelsen av indatakvalitet vid skapandet av 3D-byggnader samt om hur väl utvärderingen efter processen fungerar. Kvaliteten på indata visade sig efter analys ha betydelse där data med högst kvalitet också gav bäst utfall av lyckade 3D-byggnader. Resultatet av volymberäkning visade att byggnader med lyckat utfall i extraheringsprocessen också uppvisade en hög noggrannhet. Resultaten från volym-beräkning och beräkning av medelfelet visar ingen korrelation vilket tyder på att det kan finnas vissa problem med att utvärdera processen av skapade 3D-byggnader. Detta medför mer tidskrävande efterarbete än nödvändigt. Dock visar processen att skapa 3D-byggnader stora möjligheter till ett gott resultat.

Aktuelle 3D-Stadtmodelle werden immer wichtiger in verschiedenen städtischen Anwendungsbereichen. Im Moment dienen sie als Grundlage bei der Stadtplanung, virtuellem Tourismus und Navigationssystemen. Mittlerweile ist der Bedarf an 3D-Gebäudemodellen dramatisch gestiegen. Der Grund dafür sind hauptsächlich Navigationssysteme und Onlinedienste wie Google Earth. Die Mehrheit der Untersuchungen zur Rekonstruktion von Gebäudemodellen von Luftaufnahmen konzentriert sich ausschließlich auf Dachmodellierung. Jedoch treiben Anwendungen wie Virtuelle Realität und Navigationssysteme die Nachfrage nach detaillieren Gebäudemodellen, die nicht nur die geometrischen Aspekte sondern auch semantische Informationen beinhalten, stark an. Urbanisierung und Industrialisierung beeinflussen das Wachstum von urbaner Vegetation drastisch, welche als ein wesentlicher Teil des Lebensraums angesehen wird. Aus diesem Grund werden Aufgaben wie der Ökosystemüberwachung, der Verbesserung der Planung und des Managements von urbanen Regionen immer mehr Aufmerksamkeit geschenkt. Gleichermaßen hat die Erkennung und Modellierung von Bäumen im Stadtgebiet sowie die kontinuierliche Überprüfung ihrer Inventurparameter an Bedeutung gewonnen. Die steigende Nachfrage nach 3D-Gebäudemodellen, welche durch Fassadeninformation ergänzt wurden, und Informationen über einzelne Bäume im städtischen Raum erfordern effiziente Extraktions- und Rekonstruktionstechniken, die hochgradig automatisiert sind. In diesem Zusammenhang ist das Wissen über die geometrische Form jedes Objektteils ein wichtiger Aspekt. Heutzutage, wird das Mobile Laser Scanning (MLS) vermehrt eingesetzt um Objekte im städtischen Umfeld zu erfassen und es entwickelt sich zur Hauptquelle von Daten für die Modellierung von urbanen Objekten. Eine Vielzahl von Objekten wurde schon mit Daten von MLS rekonstruiert. Außerdem wurden bereits viele Methoden für die Verarbeitung von MLS-Daten mit dem Ziel urbane Objekte zu erkennen und zu rekonstruieren vorgeschlagen. Die 3D-Punkwolke einer städtischen Szene stellt eine große Menge von Messungen dar, die viele Objekte von verschiedener Größe umfasst, komplexe und unvollständige Strukturen sowie Löcher (Rauschen und Datenlücken) enthält und eine inhomogene Punktverteilung aufweist. Aus diesem Grund ist die Verarbeitung von MLS-Punktwolken im Hinblick auf die Extrahierung und Modellierung von wesentlichen und charakteristischen Fassadenstrukturen sowie Bäumen von großer Bedeutung. In der Arbeit werden zwei neue Methoden für die Rekonstruktion von Gebäudefassaden und die Extraktion von Bäumen aus MLS-Punktwolken vorgestellt, sowie ihre Anwendbarkeit in der städtischen Umgebung analysiert. Die erste Methode zielt auf die Rekonstruktion von Gebäudefassaden mit expliziter semantischer Information, wie beispielsweise Fenster, Türen, und Balkone. Die Rekonstruktion läuft vollautomatisch ab. Zu diesem Zweck werden einige Algorithmen vorgestellt, die auf dem Vorwissen über die geometrische Form und das Arrangement von Fassadenmerkmalen beruhen. Die initiale Klassifikation, mit welcher die Punkte in Objektpunkte und Bodenpunkte unterschieden werden, wird über eine lokale Höhenhistogrammanalyse zusammen mit einer planaren Region-Growing-Methode erzielt. Die Punkte, die als zugehörig zu Objekten klassifiziert werden, werden anschließend in Ebenen segmentiert, welche als Basiselemente der Merkmalserkennung angesehen werden können. Information über die Gebäudestruktur kann in Form von Regeln und Bedingungen erfasst werden, welche die wesentlichen Steuerelemente bei der Erkennung der Fassadenmerkmale und der Rekonstruktion des geometrischen Modells darstellen. Um Merkmale wie Fenster oder Türen zu erkennen, die sich an der Gebäudewand befinden, wurde eine löcherbasierte Methode implementiert. Einige Löcher, die durch Verdeckungen entstanden sind, können anschließend durch einen neuen regelbasierten Algorithmus eliminiert werden. Außenlinien der Merkmalsränder werden durch ein Polygon verbunden, welches das geometrische Modell repräsentiert, indem eine Methode angewendet wird, die auf geometrischen Primitiven basiert. Dabei werden die topologischen Relationen unter Beachtung des Vorwissens über die primitiven Formen analysiert. Mögliche Außenlinien können von den Kantenpunkten bestimmt werden, welche mit einer winkelbasierten Methode detektiert werden können. Wiederkehrende Muster und Ähnlichkeiten werden ausgenutzt um geometrische und topologische Ungenauigkeiten des rekonstruierten Modells zu korrigieren. Neben der Entwicklung des Schemas zur Rekonstruktion des 3D-Fassadenmodells, sind die Segmentierung einzelner Bäume und die Ableitung von Attributen der städtischen Bäume im Fokus der Untersuchung. Die zweite Methode zielt auf die Extraktion von individuellen Bäumen aus den Restpunktwolken. Vorwissen über Bäume, welches speziell auf urbane Regionen zugeschnitten ist, wird im Extraktionsprozess verwendet. Der formbasierte Ansatz zur Extraktion von Einzelbäumen besteht aus einer Reihe von Schritten. In jedem Schritt werden Objekte in Abhängigkeit ihrer geometrischen Merkmale gefunden. Stämme werden unter Ausnutzung der Hauptrichtung der Punktverteilung identifiziert. Dafür werden Punktsegmente gesucht, die einen Teil des Baumstamms repräsentieren. Das Ergebnis des Algorithmus sind segmentierte Bäume, welche genutzt werden können um genaue Informationen über die Größe und Position jedes einzelnen Baumes abzuleiten. Einige Beispiele der Ergebnisse werden in der Arbeit angeführt. Die Zuverlässigkeit der Algorithmen und der Methoden im Allgemeinen wurden unter Verwendung von drei Datensätzen, die mit verschiedenen Laserscannersystemen aufgenommen wurden, verifiziert. Die Untersuchung zeigt auch das Potential sowie die Einschränkungen der entwickelten Methoden wenn sie auf verschiedenen Datensätzen angewendet werden. Die Ergebnisse beider Methoden wurden quantitativ bewertet unter Verwendung einer Menge von Maßen, die die Qualität der Fassadenrekonstruktion und Baumextraktion betreffen wie Vollständigkeit und Genauigkeit. Die Genauigkeit der Fassadenrekonstruktion, der Baumstammdetektion, der Erfassung von Baumkronen, sowie ihre Einschränkungen werden diskutiert. Die Ergebnisse zeigen, dass MLS-Punktwolken geeignet sind um städtische Objekte detailreich zu dokumentieren und dass mit automatischen Rekonstruktionsmethoden genaue Messungen der wichtigsten Attribute der Objekte, wie Fensterhöhe und -breite, Flächen, Stammdurchmesser, Baumhöhe und Kronenfläche, erzielt werden können. Der gesamte Ansatz ist geeignet für die Rekonstruktion von Gebäudefassaden und für die korrekte Extraktion von Bäumen sowie ihre Unterscheidung zu anderen urbanen Objekten wie zum Beispiel Straßenschilder oder Leitpfosten. Aus diesem Grund sind die beiden Methoden angemessen um Daten von heterogener Qualität zu verarbeiten. Des Weiteren bieten sie flexible Frameworks für das viele Erweiterungen vorstellbar sind. / Up-to-date 3D urban models are becoming increasingly important in various urban application areas, such as urban planning, virtual tourism, and navigation systems. Many of these applications often demand the modelling of 3D buildings, enriched with façade information, and also single trees among other urban objects. Nowadays, Mobile Laser Scanning (MLS) technique is being progressively used to capture objects in urban settings, thus becoming a leading data source for the modelling of these two urban objects. The 3D point clouds of urban scenes consist of large amounts of data representing numerous objects with significant size variability, complex and incomplete structures, and holes (noise and data gaps) or variable point densities. For this reason, novel strategies on processing of mobile laser scanning point clouds, in terms of the extraction and modelling of salient façade structures and trees, are of vital importance. The present study proposes two new methods for the reconstruction of building façades and the extraction of trees from MLS point clouds. The first method aims at the reconstruction of building façades with explicit semantic information such as windows, doors and balconies. It runs automatically during all processing steps. For this purpose, several algorithms are introduced based on the general knowledge on the geometric shape and structural arrangement of façade features. The initial classification has been performed using a local height histogram analysis together with a planar growing method, which allows for classifying points as object and ground points. The point cloud that has been labelled as object points is segmented into planar surfaces that could be regarded as the main entity in the feature recognition process. Knowledge of the building structure is used to define rules and constraints, which provide essential guidance for recognizing façade features and reconstructing their geometric models. In order to recognise features on a wall such as windows and doors, a hole-based method is implemented. Some holes that resulted from occlusion could subsequently be eliminated by means of a new rule-based algorithm. Boundary segments of a feature are connected into a polygon representing the geometric model by introducing a primitive shape based method, in which topological relations are analysed taking into account the prior knowledge about the primitive shapes. Possible outlines are determined from the edge points detected from the angle-based method. The repetitive patterns and similarities are exploited to rectify geometrical and topological inaccuracies of the reconstructed models. Apart from developing the 3D façade model reconstruction scheme, the research focuses on individual tree segmentation and derivation of attributes of urban trees. The second method aims at extracting individual trees from the remaining point clouds. Knowledge about trees specially pertaining to urban areas is used in the process of tree extraction. An innovative shape based approach is developed to transfer this knowledge to machine language. The usage of principal direction for identifying stems is introduced, which consists of searching point segments representing a tree stem. The output of the algorithm is, segmented individual trees that can be used to derive accurate information about the size and locations of each individual tree. The reliability of the two methods is verified against three different data sets obtained from different laser scanner systems. The results of both methods are quantitatively evaluated using a set of measures pertaining to the quality of the façade reconstruction and tree extraction. The performance of the developed algorithms referring to the façade reconstruction, tree stem detection and the delineation of individual tree crowns as well as their limitations are discussed. The results show that MLS point clouds are suited to document urban objects rich in details. From the obtained results, accurate measurements of the most important attributes relevant to the both objects (building façades and trees), such as window height and width, area, stem diameter, tree height, and crown area are obtained acceptably. The entire approach is suitable for the reconstruction of building façades and for the extracting trees correctly from other various urban objects, especially pole-like objects. Therefore, both methods are feasible to cope with data of heterogeneous quality. In addition, they provide flexible frameworks, from which many extensions can be envisioned.

L'importance de mesurer les paramètres biophysiques de la forêt pour la surveillance de la santé des écosystèmes et la gestion forestière encourage les chercheurs à trouver des méthodes précises et à faible coût en particulier sur les zones étendues et montagneuses. Dans la présente étude, le lidar satellitaire GLAS embarqué à bord du satellite ICESat (Ice Cloud and land Elevation Satellite) a été utilisé pour estimer trois caractéristiques biophysiques des forêts situées dans le nord de l'Iran:1) hauteur maximale de la canopée (Hmax),2)hauteur de Lorey (HLorey), et 3)le volume du bois (V). Des régressions linéaires multiples (RLM), des modèles basés sur les Forêts Aléatoires (FA : Random Forest) et aussi des réseaux de neurones (ANN) ont été développés à l'aide de deux ensembles différents de variables incluant des métriques obtenues à partir des formes d’onde GLAS et des composantes principales (CP) produites à partir de l'analyse en composantes principales (ACP) des données GLAS. Pour valider et comparer les modèles, des critères statistiques ont été calculées sur la base d'une validation croisée. Le meilleur modèle pour l’estimation de la hauteur maximale a été obtenu avec une régression RLM (RMSE=5.0m) qui combine deux métriques extraites des formes d'onde GLAS (H50, Wext), et un paramètre issu du modèle numérique d'élévation (Indice de relief TI). L'erreur moyenne absolue en pourcentage (MAPE) sur les estimations de la hauteur maximale est de 16.4%. Pour la hauteur de Lorey, un modèle basé sur les réseaux de neurones et utilisant des CPs et le Wext fournit le meilleur résultat avec RMSE=3.4m et MAPE=12.3%. Afin d'estimer le volume du bois, deux approches ont été utilisées:(1)estimation du volume à l'aide d’une relation volume-hauteur avec une hauteur estimée à partir de données GLAS et (2)estimation du volume du bois directement à partir des données GLAS en développant des régressions entre le volume in situ et les métriques GLAS. Le résultat de la première approche (RMSE=116.3m3/ha) était légèrement meilleur que ceux obtenus avec la seconde approche. Par exemple, le réseau de neurones basé sur les PCs donnait un RMSE de 119.9m3/ha mais avec des meilleurs résultats que l’approche basée sur la relation volume-hauteur pour les faibles (<10m3/ha) et les forts (>800m3/ha) volumes. Au total, l'erreur relative sur le volume de bois est estimée à environ 26%. En général, les modèles RLM et ANN avaient des meilleures performances par rapport aux modèles de FA. En outre, la précision sur l’estimation de la hauteur à l'aide de métriques issues des formes d'onde GLAS est meilleure que celles basées sur les CPs.Compte tenu des bons résultats obtenus avec les modèles de hauteur GLAS, la production de la carte des hauteurs d’étude par une utilisation combinée de données de télédétection lidar, radar et optique et de données environnementales a été effectuée à l’intérieur de notre zone. Ainsi, des régressions RLM et FA ont été construites entre toutes les hauteurs dérivées des données GLAS, à l'intérieur de la zone d'étude, et les indices extraits des données de télédétection et des paramètres environnementaux. Les meilleurs modèles entrainés pour estimer Hmax (RMSE=7.4m et R_a^2=0.52) et HLorey (RMSE=5.5m et R_a^2=0.59) ont été utilisées pour produire les cartes de hauteurs. La comparaison des Hmax de la carte obtenue avec les valeurs de Hmax in situ à l'endroit de 32 parcelles produit un RMSE de 5.3m et un R2 de 0.71. Une telle comparaison pour HLorey conduit à un RMSE de 4.3m et un R2 de 0.50. Une méthode de régression-krigeage a également été utilisée pour produire une carte des hauteurs en considérant la corrélation spatiale entre les hauteurs. Cette approche, testée dans le but d'améliorer la précision de la carte de la hauteur du couvert fournie par la méthode non-spatiale, a échouée due à l'hétérogénéité de la zone d'étude en termes de la structure forestière et de la topographie. / The importance of measuring forest biophysical parameters for ecosystem health monitoring and forest management encourages researchers to find precise, yet low-cost methods especially in mountainous and large areas. In the present study Geoscience Laser Altimeter System (GLAS) on board ICESat (Ice Cloud and land Elevation Satellite) was used to estimate three biophysical characteristics of forests located in the north of Iran: 1) maximum canopy height (Hmax), 2) Lorey’s height (HLorey), and 3) Forest volume (V). A large number of Multiple Linear Regressions (MLR), Random Forest (RF) and also Artificial Neural Network regressions were developed using two different sets of variables including waveform metrics and Principal Components (PCs) produced from Principal Component Analysis (PCA). To validate and compare models, statistical criteria were calculated based on a five-fold cross validation. Best model concerning the maximum height was an MLR (RMSE=5.0m) which combined two metrics extracted from waveforms (waveform extent "Wext" and height at 50% of waveform energy "H50"), and one from Digital Elevation Model (Terrain Index: TI). The mean absolute percentage error (MAPE) of maximum height estimates was 16.4%. For Lorey’s height, an ANN model using PCs and waveform extent “Wext” outperformed other models (RMSE=3.4m, MAPE=12.3%). In order to estimate forest volume, two approaches was employed: First, estimating volume using volume-height relationship while height is GLAS estimated height; Second, estimation of forest volume directly from GLAS data by developing regressions between in situ volume and GLAS metrics. The result from first approach (116.3m3/ha) was slightly better than the result obtained by the second approach that is a PCs-based ANN model (119.9 m3/ha). But the ANN model performed better in very low (<10 m3/ha) and very high (> 800 m3/ha) volume stands. In total, the relative error of estimated forest volume was about 26%. Generally, MLR and ANN models had better performance when compared to the RF models. In addition, the accuracy of height estimations using waveform metrics was better than those based on PCs.Given the suitable results of GLAS height models (maximum and Lorey’s heights), production of wall to wall height maps from synergy of remote sensing (GLAS, PALSAR, SPOT5 and Landsat-TM) and environmental data (slope, aspect, classified elevation map and also geological map) was taken under consideration. Thus, MLR and RF regressions were built between all GLAS derived heights, inside of the study area, and indices extracted from mentioned remotely sensed and environmental data. The best resulted models for Hmax (RMSE=7.4m and R_a^2=0.52) and HLorey (RMSE=5.5m and R_a^2=0.59) were used to produce a wall to wall maximum canopy height and Lorey’ height maps. Comparison of Hmax extracted from the resulted Hmax map with true height values at the location of 32 in situ plots produced an RMSE and R2 of 5.3m and 0.71, respectively. Such a comparison for HLorey led to an RMSE and R2 of 4.3m and 0.50, respectively. Regression-kriging method was also used to produce canopy height map with considering spatial correlation between canopy heights. This approach, with the aim of improving the precision of canopy height map provided from non-spatial method, was unsuccessful which could be due to the heterogeneity of the study area in case of forest structure and topography.

L’industrie éolienne et l’aéronautique ont des besoins importants en matière de mesure de vent dans les premières centaines de mètres de l’atmosphère. Les lidars sont des instruments répandus et éprouvés pour ce type de mesure. Cependant, leurs qualités d’acquisition sont atténuées par un bruit de mesure systématique. En utilisant des techniques sur le filtrage nonlinéaire nous avons participé au développement d'un algorithme qui améliore l’estimation du vent et de la turbulence. Cet algorithme est basé sur une représentation de l’atmosphère par des particules fluides. Il utilise un modèle lagrangien stochastique de turbulence et un filtrage par sélection génétique. Son efficacité dépend du réglage de certains paramètres, fixés à une valeur acceptable à l’issue de la phase de développement. Mais l’influence de ces paramètres n’a jamais été étudiée. Ce travail de thèse répond à cette question par une analyse de sensibilité basée sur la décomposition de variance. De nouveaux estimateurs pour les indices de Sobol, utilisant des régression pénalisées, ont été testés. Ces estimateurs mettent les indices de Sobol les plus petits automatiquement à zéro pour faciliter l’interprétation globale. L’analyse de sensibilité permet de réduire le système à 9 entrées et 5 sorties à un système de 3 entrées (le nombre de particules, le bruit d’observation réel et le bruit d’observation donné au filtre) et 2 sorties (la pente du spectre de vent et l’erreur sur le vent). Grâce à ce système réduit, nous mettons en évidence une méthode de réglage des paramètres d’entrée les plus importants. Le bruit d’observation donné au filtre est bien réglé lorsque la pente du spectre est à la valeur cible de -5/3. Une fois ce bruit réglé, l’erreur sur le vent est minimale avec une expression connue. / Wind energy industry and airport safety are in need of atmospheric observations. Remote sensors, such as lidars, are well proven and common technology to provide wind measurements in the first hundreds of meters of altitude. However, acquisition abilities of lidars are polluted by measurement noise. Using non-linear filtering techniques, we took part at the development of an algorithm improving wind and turbulence estimations. The process is based on a representation of the atmosphere with fluid particles. It uses a stochastic Lagrangian model of turbulence and a genetic selection filtering technique. Its efficiency depends of the setting of various parameters. Their values were fixed experimentally during the development phase. But their influence has never been assessed. This work addresses this question with a variance-based sensitivity analysis. New estimators of Sobol indices, using penalized regression have been tested. These estimators ensure the lowest Sobol indices automatically go to zero so the overall interpretation is simplified. The sensitivity analysis allows to reduce the system from 5 outputs and 9 inputs to 3 inputs (number of particles, real observation noise, observation noise given to the filter) and 2 outputs (wind spectrum slope, root-mean-squared error on wind). With this reduced system we determined a procedure to correctly set the most important parameters. The observation noise given to the filter is well set when the wind spectrum slope has the expected value of -5/3. Once it is set correctly, the error on wind is minimum and its expression is known.

Aktuelle 3D-Stadtmodelle werden immer wichtiger in verschiedenen städtischen Anwendungsbereichen. Im Moment dienen sie als Grundlage bei der Stadtplanung, virtuellem Tourismus und Navigationssystemen. Mittlerweile ist der Bedarf an 3D-Gebäudemodellen dramatisch gestiegen. Der Grund dafür sind hauptsächlich Navigationssysteme und Onlinedienste wie Google Earth. Die Mehrheit der Untersuchungen zur Rekonstruktion von Gebäudemodellen von Luftaufnahmen konzentriert sich ausschließlich auf Dachmodellierung. Jedoch treiben Anwendungen wie Virtuelle Realität und Navigationssysteme die Nachfrage nach detaillieren Gebäudemodellen, die nicht nur die geometrischen Aspekte sondern auch semantische Informationen beinhalten, stark an. Urbanisierung und Industrialisierung beeinflussen das Wachstum von urbaner Vegetation drastisch, welche als ein wesentlicher Teil des Lebensraums angesehen wird. Aus diesem Grund werden Aufgaben wie der Ökosystemüberwachung, der Verbesserung der Planung und des Managements von urbanen Regionen immer mehr Aufmerksamkeit geschenkt. Gleichermaßen hat die Erkennung und Modellierung von Bäumen im Stadtgebiet sowie die kontinuierliche Überprüfung ihrer Inventurparameter an Bedeutung gewonnen. Die steigende Nachfrage nach 3D-Gebäudemodellen, welche durch Fassadeninformation ergänzt wurden, und Informationen über einzelne Bäume im städtischen Raum erfordern effiziente Extraktions- und Rekonstruktionstechniken, die hochgradig automatisiert sind. In diesem Zusammenhang ist das Wissen über die geometrische Form jedes Objektteils ein wichtiger Aspekt. Heutzutage, wird das Mobile Laser Scanning (MLS) vermehrt eingesetzt um Objekte im städtischen Umfeld zu erfassen und es entwickelt sich zur Hauptquelle von Daten für die Modellierung von urbanen Objekten. Eine Vielzahl von Objekten wurde schon mit Daten von MLS rekonstruiert. Außerdem wurden bereits viele Methoden für die Verarbeitung von MLS-Daten mit dem Ziel urbane Objekte zu erkennen und zu rekonstruieren vorgeschlagen. Die 3D-Punkwolke einer städtischen Szene stellt eine große Menge von Messungen dar, die viele Objekte von verschiedener Größe umfasst, komplexe und unvollständige Strukturen sowie Löcher (Rauschen und Datenlücken) enthält und eine inhomogene Punktverteilung aufweist. Aus diesem Grund ist die Verarbeitung von MLS-Punktwolken im Hinblick auf die Extrahierung und Modellierung von wesentlichen und charakteristischen Fassadenstrukturen sowie Bäumen von großer Bedeutung. In der Arbeit werden zwei neue Methoden für die Rekonstruktion von Gebäudefassaden und die Extraktion von Bäumen aus MLS-Punktwolken vorgestellt, sowie ihre Anwendbarkeit in der städtischen Umgebung analysiert. Die erste Methode zielt auf die Rekonstruktion von Gebäudefassaden mit expliziter semantischer Information, wie beispielsweise Fenster, Türen, und Balkone. Die Rekonstruktion läuft vollautomatisch ab. Zu diesem Zweck werden einige Algorithmen vorgestellt, die auf dem Vorwissen über die geometrische Form und das Arrangement von Fassadenmerkmalen beruhen. Die initiale Klassifikation, mit welcher die Punkte in Objektpunkte und Bodenpunkte unterschieden werden, wird über eine lokale Höhenhistogrammanalyse zusammen mit einer planaren Region-Growing-Methode erzielt. Die Punkte, die als zugehörig zu Objekten klassifiziert werden, werden anschließend in Ebenen segmentiert, welche als Basiselemente der Merkmalserkennung angesehen werden können. Information über die Gebäudestruktur kann in Form von Regeln und Bedingungen erfasst werden, welche die wesentlichen Steuerelemente bei der Erkennung der Fassadenmerkmale und der Rekonstruktion des geometrischen Modells darstellen. Um Merkmale wie Fenster oder Türen zu erkennen, die sich an der Gebäudewand befinden, wurde eine löcherbasierte Methode implementiert. Einige Löcher, die durch Verdeckungen entstanden sind, können anschließend durch einen neuen regelbasierten Algorithmus eliminiert werden. Außenlinien der Merkmalsränder werden durch ein Polygon verbunden, welches das geometrische Modell repräsentiert, indem eine Methode angewendet wird, die auf geometrischen Primitiven basiert. Dabei werden die topologischen Relationen unter Beachtung des Vorwissens über die primitiven Formen analysiert. Mögliche Außenlinien können von den Kantenpunkten bestimmt werden, welche mit einer winkelbasierten Methode detektiert werden können. Wiederkehrende Muster und Ähnlichkeiten werden ausgenutzt um geometrische und topologische Ungenauigkeiten des rekonstruierten Modells zu korrigieren. Neben der Entwicklung des Schemas zur Rekonstruktion des 3D-Fassadenmodells, sind die Segmentierung einzelner Bäume und die Ableitung von Attributen der städtischen Bäume im Fokus der Untersuchung. Die zweite Methode zielt auf die Extraktion von individuellen Bäumen aus den Restpunktwolken. Vorwissen über Bäume, welches speziell auf urbane Regionen zugeschnitten ist, wird im Extraktionsprozess verwendet. Der formbasierte Ansatz zur Extraktion von Einzelbäumen besteht aus einer Reihe von Schritten. In jedem Schritt werden Objekte in Abhängigkeit ihrer geometrischen Merkmale gefunden. Stämme werden unter Ausnutzung der Hauptrichtung der Punktverteilung identifiziert. Dafür werden Punktsegmente gesucht, die einen Teil des Baumstamms repräsentieren. Das Ergebnis des Algorithmus sind segmentierte Bäume, welche genutzt werden können um genaue Informationen über die Größe und Position jedes einzelnen Baumes abzuleiten. Einige Beispiele der Ergebnisse werden in der Arbeit angeführt. Die Zuverlässigkeit der Algorithmen und der Methoden im Allgemeinen wurden unter Verwendung von drei Datensätzen, die mit verschiedenen Laserscannersystemen aufgenommen wurden, verifiziert. Die Untersuchung zeigt auch das Potential sowie die Einschränkungen der entwickelten Methoden wenn sie auf verschiedenen Datensätzen angewendet werden. Die Ergebnisse beider Methoden wurden quantitativ bewertet unter Verwendung einer Menge von Maßen, die die Qualität der Fassadenrekonstruktion und Baumextraktion betreffen wie Vollständigkeit und Genauigkeit. Die Genauigkeit der Fassadenrekonstruktion, der Baumstammdetektion, der Erfassung von Baumkronen, sowie ihre Einschränkungen werden diskutiert. Die Ergebnisse zeigen, dass MLS-Punktwolken geeignet sind um städtische Objekte detailreich zu dokumentieren und dass mit automatischen Rekonstruktionsmethoden genaue Messungen der wichtigsten Attribute der Objekte, wie Fensterhöhe und -breite, Flächen, Stammdurchmesser, Baumhöhe und Kronenfläche, erzielt werden können. Der gesamte Ansatz ist geeignet für die Rekonstruktion von Gebäudefassaden und für die korrekte Extraktion von Bäumen sowie ihre Unterscheidung zu anderen urbanen Objekten wie zum Beispiel Straßenschilder oder Leitpfosten. Aus diesem Grund sind die beiden Methoden angemessen um Daten von heterogener Qualität zu verarbeiten. Des Weiteren bieten sie flexible Frameworks für das viele Erweiterungen vorstellbar sind. / Up-to-date 3D urban models are becoming increasingly important in various urban application areas, such as urban planning, virtual tourism, and navigation systems. Many of these applications often demand the modelling of 3D buildings, enriched with façade information, and also single trees among other urban objects. Nowadays, Mobile Laser Scanning (MLS) technique is being progressively used to capture objects in urban settings, thus becoming a leading data source for the modelling of these two urban objects. The 3D point clouds of urban scenes consist of large amounts of data representing numerous objects with significant size variability, complex and incomplete structures, and holes (noise and data gaps) or variable point densities. For this reason, novel strategies on processing of mobile laser scanning point clouds, in terms of the extraction and modelling of salient façade structures and trees, are of vital importance. The present study proposes two new methods for the reconstruction of building façades and the extraction of trees from MLS point clouds. The first method aims at the reconstruction of building façades with explicit semantic information such as windows, doors and balconies. It runs automatically during all processing steps. For this purpose, several algorithms are introduced based on the general knowledge on the geometric shape and structural arrangement of façade features. The initial classification has been performed using a local height histogram analysis together with a planar growing method, which allows for classifying points as object and ground points. The point cloud that has been labelled as object points is segmented into planar surfaces that could be regarded as the main entity in the feature recognition process. Knowledge of the building structure is used to define rules and constraints, which provide essential guidance for recognizing façade features and reconstructing their geometric models. In order to recognise features on a wall such as windows and doors, a hole-based method is implemented. Some holes that resulted from occlusion could subsequently be eliminated by means of a new rule-based algorithm. Boundary segments of a feature are connected into a polygon representing the geometric model by introducing a primitive shape based method, in which topological relations are analysed taking into account the prior knowledge about the primitive shapes. Possible outlines are determined from the edge points detected from the angle-based method. The repetitive patterns and similarities are exploited to rectify geometrical and topological inaccuracies of the reconstructed models. Apart from developing the 3D façade model reconstruction scheme, the research focuses on individual tree segmentation and derivation of attributes of urban trees. The second method aims at extracting individual trees from the remaining point clouds. Knowledge about trees specially pertaining to urban areas is used in the process of tree extraction. An innovative shape based approach is developed to transfer this knowledge to machine language. The usage of principal direction for identifying stems is introduced, which consists of searching point segments representing a tree stem. The output of the algorithm is, segmented individual trees that can be used to derive accurate information about the size and locations of each individual tree. The reliability of the two methods is verified against three different data sets obtained from different laser scanner systems. The results of both methods are quantitatively evaluated using a set of measures pertaining to the quality of the façade reconstruction and tree extraction. The performance of the developed algorithms referring to the façade reconstruction, tree stem detection and the delineation of individual tree crowns as well as their limitations are discussed. The results show that MLS point clouds are suited to document urban objects rich in details. From the obtained results, accurate measurements of the most important attributes relevant to the both objects (building façades and trees), such as window height and width, area, stem diameter, tree height, and crown area are obtained acceptably. The entire approach is suitable for the reconstruction of building façades and for the extracting trees correctly from other various urban objects, especially pole-like objects. Therefore, both methods are feasible to cope with data of heterogeneous quality. In addition, they provide flexible frameworks, from which many extensions can be envisioned.