Soutenance de thèse de Josselin Aval
Automatic mapping of urban tree species based on multi-source remotely sensed data
La thèse a été soutenue le 25 octobre à 15h à l'auditorium de l'ONERA Toulouse.
Composition du jury :
Paolo GAMBA (Professeur des Universités) : rapporteur Florence TUPIN (Professeur des Universités) : rapporteur Christiane WEBER (Directrice de Recherche) : Présidente du Jury Anne PUISSANT (Professeur des Universités) : rapporteur Xavier BRIOTTET (Directeur de Recherche) : Directeur de thèse Emmanuel ZENOU (Maître de Conférences) : Co-directeur de thèse Sophie FABRE (Chargée de Recherche) : Co-encadrante David SHEEREN (Maître de Conférences) : Co-encadrant
Résumé
Avec l'expansion des zones urbaines, la pollution de l'air et l'effet d'îlot de chaleur augmentent, entraînant des problèmes de santé pour les habitants et des changements climatiques mondiaux. Dans ce contexte, les arbres urbains sont une ressource précieuse pour améliorer la qualité de l'air et promouvoir les îlots de fraîcheur. D'autre part, les canopées sont soumises à des conditions spécifiques dans l'environnement urbain, causant la propagation de maladies et la diminution de l'espérance de vie parmi les arbres. Cette thèse explore le potentiel de la télédétection pour la cartographie automatique des arbres urbains, de la détection des couronnes d'arbres à l'estimation des espèces, une tâche préliminaire essentielle pour la conception des futures villes vertes, et pour une surveillance efficace de la végétation. Fondé sur des données hyperspectrales aéroportées, panchromatiques et un modèle numérique de surface, le premier objectif de cette thèse consiste à tirer parti de plusieurs sources de données pour améliorer les cartes d'arbres urbains existants, en testant différentes stratégies de fusion (fusion de caractéristiques et fusion de décision). La nature des résultats nous a conduit à optimiser la complémentarité des sources. En particulier, le deuxième objectif est d'étudier en profondeur la richesse des données hyperspectrales, en développant une approche d'ensemble classifier fondée sur des indices de végétation, où les "classifier" sont spécifiques aux espèces. Enfin, la première partie a mis en évidence l'intérêt de distinguer les arbres de rue des autres structures d'arbres urbains. Dans un cadre de Marked Point Process, le troisième objectif est de détecter les arbres en alignement urbain. Par le premier objectif, cette thèse démontre que les données hyperspectrales sont le principal moteur de la précision de la prédiction des espèces. La stratégie de fusion au niveau de décision est la plus appropriée pour améliorer la performance en comparaison des données hyperspectrales seules, mais de légères améliorations sont obtenues (quelques %) en raison de la faible complémentarité des caractéristiques texturales et structurelles en plus des caractéristiques spectrales. L'approche d'ensemble classifier développée dans la deuxième partie permet de classer les espèces d'arbres à partir de références au sol, avec des améliorations significatives par rapport à une approche standard de classification au niveau des caractéristiques. Chaque classifieur d'espèces extrait reflète les attributs spectraux discriminants de l'espèce et peut être relié à l'expertise des botanistes.
