Yousra Hamrouni a soutenu sa thèse le vendredi 8 octobre à 14h.



La thèse est intitulée "Développement d’une approche opérationnelle pour l’identification automatique des peupleraies à large échelle par télédétection hypertemporelle"


Yousra soutiendra sa thèse le vendredi 8 octobre à 14h en mode hybride (Amphi 65 de l'École d'Ingénieur de Purpan et lien visio). Le lien visio vous sera communiqué à la demande auprès des encadrants de thèse. Vous pouvez d’ores-et-déjà bloquer le créneau !

Composition du jury :

  • Philippe LEJEUNE (Professeur Gembloux Agro-Bio Tech - ULiège) : rapporteur

  • ​Agnès BEGUE ​(Directrice de recherche - CIRAD) : rapportrice

  • Thomas CORPETTI (Directeur de Recherche CNRS) : examinateur

  • Xavier BRIOTTET (Directeur de Recherche ONERA) : examinateur

Directrice de thèse : Véronique Chéret (MdC, EI-Purpan, UMR 1201 DYNAFOR), co-directeur : Claude Monteil (MdC, ENSAT, UMR 1201 DYNAFOR), encadrant: David Sheeren (MdC, ENSAT, UMR 1201 DYNAFOR)


Thèse Cifre Dynafor/Conseil National du Peuplier. Financeurs principaux :

  • Fonds propres du Centre National de la Propriété Forestière (CNPF) et de l’UMR DYNAFOR.​

  • Ministère de l’Agriculture et de l’Alimentation.

  • Bourse CIFRE de l’ANRT.

  • Comité Professionnel de Développement Economique (CODIFAB)

  • Conseil régional de Nouvelle-Aquitaine.

  • France Bois Forêt.

  • Alliance Forêts Bois.

  • Conseil départemental de Lot-et-Garonne.

  • Garnica Plywood.


Résumé :

Le peuplier cultivé constitue la première essence de feuillus plantée en France. Il joue un rôle économique de premier plan, notamment pour la production de bois-matériau, contreplaqués et emballages légers. Il est également valorisé dans l’industrie papetière. Pourtant, malgré l'importance de la filière, les surfaces couvertes en peupleraies à l'échelle nationale sont encore très incertaines. Selon la source de données utilisée (BD Forêt IGN, cadastre, inventaire forestier), les estimations montrent des écarts de plus de 50 000 ha. La fréquence de mise à jour de ces sources est inadaptée pour suivre le peuplier cultivé dont le cycle de rotation est court (15-20 ans). La télédétection satellitaire est utilisée depuis longtemps pour cartographier les milieux forestiers, qu'il s'agisse de forêts naturelles ou de plantations. Avec l'amélioration constante des caractéristiques spatiale, spectrale et temporelle des capteurs, il est possible d'envisager son appropriation dans un contexte opérationnel, pour un suivi régulier de la ressource sur de grandes étendues. L'objectif de cette thèse est double. Le premier est d'explorer le potentiel des séries temporelles d'images optiques Sentinel-2 pour distinguer automatiquement les peupleraies des autres essences de feuillus en tenant compte de la diversité des contextes populicoles. Le second est de proposer une stratégie de classification à l'échelle nationale en tenant compte de la non-stationnarité spatiale de la réponse spectrale des peupleraies, de l’hétérogénéité des acquisitions, et du nombre limité de données de référence. La démarche adoptée a consisté à étudier différentes techniques d'adaptation de domaine disponibles dans le champ de l'apprentissage automatique. Ces techniques, non supervisées ou semi-supervisées, ont permis de répondre aux contraintes de passage à l'échelle avec un nombre limité d'échantillons de référence supplémentaires. Cette étude a débouché sur la création d'une chaîne de traitement opérationnelle permettant de produire la première carte des plantations de peuplier à l'échelle nationale à partir d'images satellitaires. Elle s'appuie sur un nouvel indice spectral proposé -- le Poplar Index (PI) -- qui exploite les bandes du SWIR et du Red edge des données Sentinel-2. Cet indice, et son évolution annuelle, ont permis de reconnaître les peupleraies avec une précision producteur de près de 95%. Le résultat de ce travail offre à la filière populicole une méthode robuste pour assurer une production annuelle d'une carte des peupleraies avec un niveau de fiabilité adapté.


Mots-clés : Peuplier ; Sentinel-2 ; Large échelle ; Adaptation de domaine ; Apprentissage automatique ; Classification ; Télédétection ; Cartographie

Posts à l'affiche