Suivi de la couverture végétale par images satellites optiques

L''objet de ce travail est l''estimation de la couverture végétale à partir de données de télédétection optique. Pour cela, nous proposons tout d''abord de modéliser le transfert radiatif dans la végétation. Le modèle proposé consiste à coupler les modèles SAIL et Adding ce qui permet d''améliorer la modélisation de la diffusion et de tenir compte du phénomène de hot spot entre les flux diffus. Ensuite, nous définissons le modèle inverse qui permet d''estimer le taux de végétation à partir des mesures (Rouge, Proche Infrarouge). Pour cela, nous proposons une inversion semi-empirique du modèle couplé SAIL/Adding consistant à étalonner quatre paramètres. Par la suite, dans l''objectif d''améliorer les résultats, nous proposons de fusionner notre méthode avec des indices de végétation. Nous avons alors proposé une règle de combinaison qui tient compte de la corrélation entre les différents estimateurs. La dernière partie est consacrée à la création d''une cartographie de taux de couverture. Nous nous plaçons ainsi dans le cadre de la classification par champs de Markov. Afin de conserver les structures fines de l''image, nous proposons de considérer un voisinage adaptatif pour chaque pixel.

Autorentext

Il a obtenu son diplôme de docteur en physique de l'université de Paris-Sud en 2007. Il est actuellement Maître-Assistant au département de télécoms à l'ISECS de l'université de Sfax-Tunisie. Ses recherches se focalisent sur la télédétection optique: modélisation du transfert radiatif dans le couvert végétal et inversion d'images satellites.

Klappentext

L'objet de ce travail est l'estimation de la couverture végétale à partir de données de télédétection optique. Pour cela, nous proposons tout d'abord de modéliser le transfert radiatif dans la végétation. Le modèle proposé consiste à coupler les modèles SAIL et Adding ce qui permet d'améliorer la modélisation de la diffusion et de tenir compte du phénomène de hot spot entre les flux diffus. Ensuite, nous définissons le modèle inverse qui permet d'estimer le taux de végétation à partir des mesures (Rouge, Proche Infrarouge). Pour cela, nous proposons une inversion semi-empirique du modèle couplé SAIL/Adding consistant à étalonner quatre paramètres. Par la suite, dans l'objectif d'améliorer les résultats, nous proposons de fusionner notre méthode avec des indices de végétation. Nous avons alors proposé une règle de combinaison qui tient compte de la corrélation entre les différents estimateurs. La dernière partie est consacrée à la création d'une cartographie de taux de couverture. Nous nous plaçons ainsi dans le cadre de la classification par champs de Markov. Afin de conserver les structures fines de l'image, nous proposons de considérer un voisinage adaptatif pour chaque pixel.