Le filtre de Kalman étendu singulier évolutif (SEEK) et sa variante interpolée, appelée SEIK, ont été implémentés et testés avec succès dans plusieurs modèles océaniques. Cependant, ces deux filtres restent chers pour une océanographie opérationnelle. L'objectif principal de notre travail est de développer des formes dégradées des filtres SEEK et SEIK qui sont moins couteux mais aussi performants. Notre approche consiste essentiellement à simplifier l'évolution de la base de correction des filtres SEEK et SEIK, qui est la partie la plus chère de ces deux filtres. Pour améliorer les performances de nos filtres dans les périodes instables du modèle, nous introduisons tout d'abord les notions d'analyse EOFs locales et mixte dans le but d'augmenter la représentativité de la base de correction. Cela nous amène à construire une nouvelle variante du filtre SEEK avec une base de correction semi-évolutive partiellement locale. Nous présentons ensuite plusieurs schémas de réglage adaptatif des paramètres du filtre SEEK. Nous terminons enfin par une comparaison entre les performances des filtres SEEK et ROEK pour montrer l'intérêt de l'évolution de la base de correction, ce dernier étant aussi introduit pour compenser le caractère non-évolutif de la base EOFs locale. Nous avons implémenté tous nos filtres dans une configuration réaliste du modèle OPA dans l'océan Pacifique tropical. Leurs performances ont été étudiées avec des expériences jumelles. Le filtre SEIK est utilisé comme une référence pour la comparaison. Les résultats de ces expériences montrent que nos nouveaux filtres sont aussi performants que le filtre SEIK, mais peuvent être de 2 à 10 fois plus rapides.

Les images satellitaires ont trouvées une large application pour l'analyse des ressources naturelles et des activités humaines. Les images à haute résolution, e.g., SPOT5, sont très nombreuses. Ceci donne un grand intérêt afin de développer de nouveaux aspects théoriques et des outils pour la fouille d'images. L'objectif de la thèse est la fouille non-supervisée d'images et inclut trois parties principales. Dans la première partie nous démontrons le contenu d'images à haute résolution. Nous décrivons les zones d'images par les caractéristiques texturelles et géométriques. Les algorithmes de clustering sont présentés dans la deuxième partie. Une étude de critères de validité et de mesures d'information est donnée pour estimer la qualité de clustering. Un nouveau critère basé sur la Longueur de Description Minimale (LDM) est proposé pour estimer le nombre optimal de clusters. Par ailleurs, nous proposons un nouveau algorithme hiérarchique basé sur le critère LDM à noyau. Une nouvelle méthode de ''combinaison de clustering'' est présentée dans la thèse pour profiter de différents algorithmes de clustering. Nous développons un algorithme hiérarchique pour optimiser la fonction objective basée sur une matrice de co-association. Une deuxième méthode est proposée qui converge à une solution globale. Nous prouvons que le minimum global peut être trouvé en utilisant l'algorithme de type ''mean shift''. Les avantages de cette méthode sont une convergence rapide et une complexité linéaire. Dans la troisième partie de la thèse un protocole complet de la fouille d'images est proposé. Différents clusterings sont représentés via les relations sémantiques entre les concepts.

Classiquement étudié par différentes disciplines scientifiques, le domaine de l'eau est au cœur des préoccupations environnementales contemporaines. En Europe, l'évaluation et le suivi de l'état écologique des "masses d'eau" sont désormais exigés par la législation communautaire, la directive cadre sur l'eau (DCE - 2000/60/CE) fixant des objectifs pour leur préservation ou leur restauration le cas échéant. Dans ce contexte, des expériences d'utilisation de l'imagerie satellitaire en appui au suivi écologique des eaux se sont succédées en Europe, notamment pour les masses d'eau côtières et pour les grands lacs. Malgré cela, la précision spatiale de l'imagerie utilisée pour ce type de suivi ne permet pas l'observation fine de secteurs littoraux très proches de la côte ou de lacs avec une surface réduite (par ex. inférieure à 5 km²). Pour ces espaces aquatiques particuliers, pourtant très nombreux, l'utilisation de la télédétection satellitaire est moins sollicitée. Cette recherche doctorale a été réalisée sur une zone littorale réunissant plusieurs de ces espaces aquatiques peu investigués par la télédétection satellitaire. Situé à la frontière orientale de l'Europe et à distance égale du pôle nord et de la ligne de l'équateur, le delta du Danube, en tant qu'espace naturel remarquable, bénéficie de différents statuts de protection (réserve de biosphère, site RAMSAR, patrimoine mondial naturel de l'UNESCO). Ceux-ci s'expliquent en grande partie par la forte diversité d'espaces aquatiques aussi bien sur la plaine deltaïque que sur la zone côtière adjacente (bras de fleuve, chenaux, lacs, baies, golfes, marais, îles-barrières). Ce continuum hétérogène, constituant l'hydrosystème du delta du Danube, et son prolongement en mer côtière, sont l'objet principal de ce doctorat. La notion d'échelle occupe une place centrale dans notre démarche d'analyse puisque l'on est à l'intersection de deux grands systèmes (le bassin versant du Danube et la mer Noire) dont les étendues sont de deux ordres de grandeurs plus vastes que celle du delta ; la dimension temporelle est aussi fondamentale dans la mesure où les processus de morphogénèse et de remaniement (naturels et anthropiques) se font fortement ressentir et se traduisent par une mobilité importante des formes de relief ainsi que des éléments de l'hydrographie deltaïque. Au delà des évolutions sur le moyen et long terme, la variabilité spatio-temporelle contemporaine des eaux au pas de temps intra-annuel (saisonnier et intra-saisonnier), jusque-là peu étudiée, a également été appréhendée dans cette thèse. Par son côté exploratoire, la mise en place d'une chaîne de traitements d'images satellitaires adaptée à l'étude des eaux deltaïques représente, en soi, l'objectif méthodologique principal de ce doctorat. Dans cette voie, différents lots d'images ont été mobilisés : en fonction des fluctuations du niveau d'eau du Danube, nous avons retenu la période 2006-2009, étudiée à travers un total de 85 images satellitaires, dont 52 à moyenne résolution spatiale (MERIS) et 33 à haute résolution spatiale (ALOS AVNIR-2, SPOT HRVIR, Landsat TM et ETM+) ; à ce premier lot s'ajoute une soixantaine de prises de vue "historiques" couvrant la période comprise entre 1972 et 2005 (capteurs de la série Landsat MSS, TM et ETM+), ainsi que, pour la période plus récente, cinq images Landsat TM de 2010 et 2011. Trois procédés distincts mais complémentaires ont été mis en œuvre pour traiter cet ensemble hétérogène d'images. L'analyse intégrée des résultats obtenus avec des données hydrologiques et météo-océanographiques nous a permis d'apporter des nouveaux éléments de compréhension sur le fonctionnement actuel et passé du delta du Danube.

Dans cette thèse, nous nous intéressons à l'analyse et au suivi temporel des surfaces continentales à partir de séquences d'images satellitaires. L'exploitation de données de différentes résolutions est alors cruciale pour bénéficier à la fois d'une bonne discrimination et d'une bonne localisation des objets d'intérêt. Dans ce contexte, nous proposons deux approches probabilistes pour la classification et la détection de changements capables d'accéder à une information sous-pixelique, avec très peu d'information a priori. La premire repose sur la définition d'une fonction d'énergie dans un cadre bayésien. Etant donné un nombre de classes, elle permet d'estimer la classification de manière non-supervisée en tant que minimum de cette fonction d'énergie, à travers un algorithme de recuit simulé. La seconde repose sur un modèle de détection a-contrario couplé à un algorithme stochastique d'échantillonnage aléatoire. Elle permet de détecter automatiquement les pixels de l'image qui représentent le plus vraisemblablement des changements. Une analyse théorique et expérimentale des méthodes proposées a permis d'en cerner les limites et, en particulier, de montrer leur capacité à traîter de forts rapports de résolution. Des cas réels d'applications sont présentés sur une scène agricole de la Plaine du Danube (base de donnes ADAM).

Plusieurs méthodes existent pour évaluer de manière opérationnelle l'éclairement solaire au sol à partir d'images acquises par satellite. Durant sa thèse soutenue en 2009 à MINES ParisTech, Oumbe a conçu une nouvelle méthode, Heliosat-4, faisant appel à des modèles numériques du transfert radiatif et à des approximations d'exécution rapide. La présente thèse vise à consolider ces résultats et à effectuer la validation complète de la méthode Heliosat-4. Elle s'inscrit dans une collaboration scientifique internationale dans les projets européens MACC (Monitoring Atmosphere Composition and Climate) et MACC-II.Oumbe a proposé une approximation de l'équation de transfert radiatif s'écrivant alors comme un produit de l'éclairement par ciel clair par un terme d'extinction dû aux nuages. Nous avons établi que les erreurs liées à cette approximation sont très faibles dans les conditions usuelles et qu'elle peut donc être utilisée dans Heliosat-4, ce qui en facilitera l'implémentation informatique ainsi que son fonctionnement opérationnelle.La méthode Heliosat-4 est donc ainsi composé de deux modèles composés d'abaques : McClear pour l'éclairement par ciel clair et McCloud pour l'extinction cet éclairement due aux nuages. A l'aide de mesures in-situ d'éclairements direct et diffus de référence, nous avons analysé finement les performances de Heliosat-4 selon différentes conditions. La qualité de la première version pré-opérationnelle de Heliosat-4 est jugée satisfaisante car elle permet des estimations d'éclairement global avec une précision de l'ordre de celles des méthodes existantes mais des estimations des composantes directe et diffuse sensiblement de meilleure qualité.

LA PREMIERE PARTIE DU TRAVAIL EST CONSACREE AU CLIMAT QUI CONDITIONNE LA DYNAMIQUE DES MILIEUX NATURELS, LES ACTIVITES HUMAINES ET L'ECONOMIE DES ETATS SAHELIENS. LA DEUXIEME PARTIE PRESENTE CES MILIEUX NATURELS. LA TROISIEME PARTIE EST CONSACREE AUX METHODES DE LA TELEDETECTION, UTILISEES POUR RENDRE COMPTE DES VARIATIONS DE L'ALBEDO DE SURFACE. LA DEFINITION SPECTRALE DES SURFACES ELEMENTAIRES INTRODUIT LA QUATRIEME PARTIE, ENTIEREMENT CONSACREE A L'EVALUATION DE L'ALBEDO DES REGIONS SAHELIENNES ET SAHARO-SAHELIENNES ENTRE 1966 ET 1982. AU TERME DU TRAVAIL, ON MONTRE COMMENT, A PARTIR DE LA TELEDETECTION, ON PEUT SAISIR LA COMPLEXITE DES PHENOMENES QUI REGISSENT LA NATURE SAHELIENNE ET COMMENT, ELLE REND POSSIBLE LA SURVEILLANCE ET LA GESTION DES RESSOURCES NATURELLES DE CES REGIONS, CONFRONTEES A UNE SITUATION GRAVE

Les séries temporelles d'images satellitaires sont une source d'information importante pour le suivi des changements spatio-temporels des surfaces terrestres. En outre, le nombre d’images est en augmentation constante. Pour les exploiter pleinement, des outils dédiés au traitement automatique du contenu informationnel sont développés. Néanmoins ces techniques ne satisfont pas complètement les géographes qui exploitent pourtant, de plus en plus couramment, les données extraites des images dans leurs études afin de prédire le futur. Nous proposons dans cette thèse, une méthodologie générique à base d’un modèle de Markov caché pour l’analyse et la prédiction des changements sur une séquence d’images satellitaires. Cette méthodologie présente deux modules : un module de traitement intégrant les descripteurs et les algorithmes classiquement utilisés en interprétation d'images, et un module d’apprentissage basé sur les modèles de Markov cachés. La performance de notre approche est évaluée par des essais d’interprétations des évènements spatio-temporels effectués sur plusieurs sites d’études. Les résultats obtenus permettront d’analyser et de prédire les changements issus des différentes séries temporelles d’images SPOT et LANDSAT pour l’observation des évènements spatio-temporels telle que l'expansion urbaine et la déforestation. / The time series of satellite images are an important source of information for monitoring spatiotemporal changes of land surfaces. Furthermore, the number of satellite images is increasing constantly, for taking full advantage, tools dedicated to the automatic processing of information content is developed. However these techniques do not completely satisfy the geographers who exploit more currently, the data extracted from the images in their studies to predict the future. In this research we propose a generic methodology based on a hidden Markov model for analyzing and predicting changes in a sequence of satellite images. The methodology that is proposed presents two modules : a processing module which incorporating descriptors and algorithms conventionally used in image interpretation and a learning module based on hidden Markov models. The performance of the approach is evaluated by trials of interpretation of spatiotemporal events conducted in several study sites. Results obtained allow us to analyze and to predict changes from various time series of SPOT and LANDSAT images for observation of spatiotemporal events such as urban development and deforestation.

Plusieurs méthodes existent pour évaluer de manière opérationnelle l'éclairement solaire au sol à partir d'images acquises par satellite. Durant sa thèse soutenue en 2009 à MINES ParisTech, Oumbe a conçu une nouvelle méthode, Heliosat-4, faisant appel à des modèles numériques du transfert radiatif et à des approximations d'exécution rapide. La présente thèse vise à consolider ces résultats et à effectuer la validation complète de la méthode Heliosat-4. Elle s'inscrit dans une collaboration scientifique internationale dans les projets européens MACC (Monitoring Atmosphere Composition and Climate) et MACC-II.Oumbe a proposé une approximation de l'équation de transfert radiatif s'écrivant alors comme un produit de l'éclairement par ciel clair par un terme d'extinction dû aux nuages. Nous avons établi que les erreurs liées à cette approximation sont très faibles dans les conditions usuelles et qu'elle peut donc être utilisée dans Heliosat-4, ce qui en facilitera l'implémentation informatique ainsi que son fonctionnement opérationnelle.La méthode Heliosat-4 est donc ainsi composé de deux modèles composés d'abaques : McClear pour l'éclairement par ciel clair et McCloud pour l'extinction cet éclairement due aux nuages. A l'aide de mesures in-situ d'éclairements direct et diffus de référence, nous avons analysé finement les performances de Heliosat-4 selon différentes conditions. La qualité de la première version pré-opérationnelle de Heliosat-4 est jugée satisfaisante car elle permet des estimations d'éclairement global avec une précision de l'ordre de celles des méthodes existantes mais des estimations des composantes directe et diffuse sensiblement de meilleure qualité. / Several methods have been developed to assess operationally the surface solar irradiance from satellite images. During his PhD thesis presented in 2009 at MINES ParisTech, Oumbe has designed a new method using numerical radiative transfer model and fast approximations. The present PhD thesis aimed at consolidating these results and validating Heliosat-4. This work is the international scientific collaboration framework of the European-funded projects MACC (Monitoring Atmosphere Composition and Climate) and MACC-II.As a foundation of Heliosat-4, Oumbe has proposed an approximation of the radiative transfer equation by a product of clear-sky irradiance and a term describing the cloud extinction. We have established that estimation errors due to this approximation are very small in usual conditions and that this approximation may be adopted. It allows a convenient modular development of Heliosat-4 and eases its future operational use.The Heliosat-4 method is then composed of two abacus-based models: McClear for the irradiance under clear-sky and McCloud for the irradiance extinction due to clouds. With in-situ reference measurements of direct and diffuse irradiance, we have carried out deep performance analysis of Heliosat-4, under different conditions. The quality of this first preoperational version of Heliosat-4 is judged satisfactory as it enables estimations of global irradiance with the same level of quality of other existing methods in literature but also estimations of direct and diffuse irradiances with a noticeable better quality.

Les milieux humides sont menacés par le changement climatique et l'anthropisation des milieux naturels. La télédétection est un moyen efficace de suivre des variables environnementales sur de grands espaces. Cependant, lorsqu’il s’agit de l’étude de la dynamique hydrologique, une résolution temporelle importante est indispensable. Or celle-ci est difficilement accessible par l'imagerie optique satellitaire du fait de l’important couvert nuageux qui masque le sol. Les capteurs radars, travaillant dans le domaine des micro-ondes, sont tout particulièrement adaptés à la caractérisation des dynamiques hydrologiques grâce à la sensibilité de leurs mesures en présence d’eau et ce quelque soit la végétation en place. Il en découle que toutes les acquisitions Radar à Synthèse d’Ouverture (RSO) sont exploitables, acquises de jour comme de nuit, quel que soit le couvert nuageux.Récemment la télédétection radar satellitaire a vécu une véritable révolution grâce au lancement du satellite Sentinel-1A en 2014 suivi de son jumeaux Sentinel-1B deux ans plus tard par l'Agence Spatiale Européenne dans le cadre du programme Copernicus. Ces capteurs acquièrent des données en bande C (λ = 5,6 cm) sur toute l'Europe chaque 12 jours par satellite et leur diffusion est libre et gratuite pour tous. Le présent travail de thèse vise à évaluer le potentiel de ces données à haute résolution temporelle pour le suivi des surfaces d'eau et des milieux humides.Dans une première partie consacrée à la cartographie des surfaces d'eau, nous avons identifié une confusion la réponse radar en bande C des surfaces d'eau et celle de certains sols nus. Nous avons alors montré que la période hivernale est celle qui présente le moins d’ambiguïté et que la polarisation VH est la plus adaptée à la cartographie des surfaces en eau. Quatre méthodes de détection des zones en eau ont été comparées, il résulte que l’utilisation de méthodes non-supervisées sans données a priori n'est pas envisageable et que les méthodes prenant en compte le voisinage spatial donnent de meilleurs résultats. Un filtrage temporel a été mis au point et a permis d'améliorer la détection et de s'affranchir des confusions entre sols nus et surfaces d'eau permanentes. Les surfaces d'eau de plus de 0,5 ha ont plus de 80 % de chances d'être détectées.Un second volet de cette thèse est consacré au suivi d'une zone humide prairiale par télédétection radar. L'utilisation d'images pleinement polarimétriques a montré que la configuration de polarimétrie partielle VV/VH disponible sur le capteur de Sentinel-1 permet de caractériser l'inondation prairiale avec ou sans végétation. Une méthode prenant en compte l'information de voisinage temporel a permis de traiter une série de 14 images Sentinel-1 pour obtenir 14 cartes d'inondation pour l’année 2015. Une estimation de la précision à l'échelle intra-parcellaire a été mise au point, il apparaît que si la précision est relativement bonne (80 %), le rappel est assez bas (40 %). Cette méthode permet d'établir des bilans d'évolution intra- et inter-annuels.Cette thèse a montré le potentiel de l'utilisation d'images radar à haute résolution temporelle tant pour la cartographie des surfaces en eau que pour le suivi d'une zone humide prairiale / Wetlands are threatened by climate change and the anthropization of natural environments. Satellite remote sensing is useful for environmental monitoring at large areas. However, when it comes to the study of hydrological dynamics, a significant temporal resolution is essential. The latter is difficult to reach with optical satellite imagery because of the cloud cover that masks the ground. Radar sensors are well suited to the characterization of hydrological dynamics thanks to the sensitivity of their measurements in the presence of water, whatever the vegetation in place. As a result, all Synthetic Aperture Radar (SAR) acquisitions are available, both day and night, regardless of cloud cover.Satellite radar remote sensing has gone through a revolution with the launch of the Sentinel-1A satellite, followed by its twins Sentinel-1B by the European Space Agency as part of the Copernicus program in 2014. These sensors acquire C-band data (λ = 5.6 cm) on a regular basis on Europe and their distribution is free for all users. Their temporal frequency initially of 12 days has decreased to 6 days from the end of 2016. This work aims at evaluating the potential of these data with high temporal resolution for the monitoring of water bodies and wetlands.The first part of this thesis focuses on water bodies mapping. We found confusion in the C-band radar response between water surfaces and that of some bare soils. We showed that the winter period is the least ambiguous and that the VH polarization is the most suitable for the mapping of water surfaces. Four methods of water detection have been compared. It appears that the use of unsupervised methods without a priori data is not conceivable and that the methods taking into account the spatial neighborhood give better results. Temporal filtering has been developed and has improved detection and avoided confusion between bare soil and permanent water surfaces. Water surfaces of more than 0.5 ha are more than 80% likely to be detected.A second part of this thesis is devoted to the monitoring of wet grasslands by radar remote sensing. The use of fully polarimetric data has shown that the VV/VH partial polarimetry configuration available on the Sentinel-1 sensor is able to characterize the prairial floods with or without vegetation. A method taking into account the temporal neighborhood allowed to process a series of 14 Sentinel-1 images to obtain 14 flood maps. The accuracy of floods maps at the intra-parcel scale has been estimated, it appears that if the precision is relatively good (80%), but the recall is rather low (40%). This method allow to establish intra- and inter-annual monitoring.This thesis has shown the potential of high temporal resolution radar images for the mapping of the water surfaces and for the monitoring of a wetland meadow

Cette thèse propose d'explorer des méthodes de représentations parcimonieuses et d'apprentissage de dictionnaires pour compresser et classifier des images satellites. Les représentations parcimonieuses consistent à approximer un signal par une combinaison linéaire de quelques colonnes, dites atomes, d'un dictionnaire, et ainsi à le représenter par seulement quelques coefficients non nuls contenus dans un vecteur parcimonieux. Afin d'améliorer la qualité des représentations et d'en augmenter la parcimonie, il est intéressant d'apprendre le dictionnaire. La première partie de la thèse présente un état de l'art consacré aux représentations parcimonieuses et aux méthodes d'apprentissage de dictionnaires. Diverses applications de ces méthodes y sont détaillées. Des standards de compression d'images sont également présentés. La deuxième partie traite de l'apprentissage de dictionnaires structurés sur plusieurs niveaux, d'une structure en arbre à une structure adaptative, et de leur application au cas de la compression d'images satellites en les intégrant dans un schéma de codage adapté. Enfin, la troisième partie est consacrée à l'utilisation des dictionnaires structurés appris pour la classification d'images satellites. Une méthode pour estimer la Fonction de Transfert de Modulation (FTM) de l'instrument dont provient une image est étudiée. Puis un algorithme de classification supervisée, utilisant des dictionnaires structurés rendus discriminants entre les classes à l'apprentissage, est présenté dans le cadre de la reconnaissance de scènes au sein d'une image. / This thesis explores sparse representation and dictionary learning methods to compress and classify satellite images. Sparse representations consist in approximating a signal by a linear combination of a few columns, known as atoms, from a dictionary, and thus representing it by only a few non-zero coefficients contained in a sparse vector. In order to improve the quality of the representations and to increase their sparsity, it is interesting to learn the dictionary. The first part of the thesis presents a state of the art about sparse representations and dictionary learning methods. Several applications of these methods are explored. Some image compression standards are also presented. The second part deals with the learning of dictionaries structured in several levels, from a tree structure to an adaptive structure, and their application to the compression of satellite images, by integrating them in an adapted coding scheme. Finally, the third part is about the use of learned structured dictionaries for the classification of satellite images. A method to estimate the Modulation Transfer Function (MTF) of the instrument used to capture an image is studied. A supervised classification algorithm, using structured dictionaries made discriminant between classes during the learning, is then presented in the scope of scene recognition in a picture.