HAL Id: tel-00163361
https://tel.archives-ouvertes.fr/tel-00163361
Submitted on 17 Jul 2007
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub-
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non,
sous-pixelliques en imagerie satellitaire. Application au suivi temporel des surfaces continentales.
Amandine Robin
To cite this version:
Amandine Robin. Détection de changements et classification sous-pixelliques en imagerie satellitaire.
Application au suivi temporel des surfaces continentales.. Mathématiques [math]. Université René
Descartes - Paris V, 2007. Français. �tel-00163361�
UFR deMathématiques et Informatique
Éole dotorale Paris-Centre
THÈSE
pourobtenir legrade de
Doteur de l'Université Paris Desartes
Spéialité:Mathématiques appliquées
présentéepar
Amandine ROBIN
Détetion de hangements et lassiation
sous-pixeliques en imagerie satellitaire.
Appliation au suivi temporel des surfaes ontinentales.
Sub-pixeli hange detetion and lassiation.
Appliation to remote-sensing land-over monitoring.
Soutenue publiquementle21 Mai2007 devant lejuryomposéde :
Président : Jean-Mihel MOREL Professeur,Éole Normale Supérieurede Cahan
Direteursde thèse : SylvieLE HÉGARAT-MASCLE Professeur,UniversitéParis Sud11
LionelMOISAN Professeur,Universitéde ParisDesartes
Rapporteurs : XavierDESCOMBES Chargé de ReherheINRIA
SebastianoSERPICO Professeur,Universitéde Gènes, Italie
Examinateurs : HervéCARDOT Chargé de ReherheINRA
Jordi INGLADA Ingénieur de Reherhe, CNES
HervéPOILVÉ Ingénieur de Reherhe, ASTRIUM/EADS
Cettepageestdédiéeàtouseuxquim'ontsoutenue,enouragéeouélairéependantesquatre
dernièresannées.Jesouhaiteleurexprimeriitoutema reonnaissane.
Enpremierlieu,jevoudraisexprimertoutemagratitudeàSylvieLeHégarat-MasleetàLionel
Moisanquiontaeptédeo-enadreretravail.Jen'auraispaspulemeneràbiensansleurdynamisme,
leurexigeneetleurpatiene.Leursqualitéssientiquesethumaines,trèsomplémentaires,m'ontbeau-
oupapporté.
JetiensàremeriertoutspéialementJordiInglada,nonseulementpoursapartiipationaujury,
mais surtoutpoursonaompagnementtoutaulongdemathèse. Sadisponibilitéetsonregarddiérent
etpertinentsurmestravauxaapporté,régulièrement,un nouveausouedans etravail.Jeluisuisaussi
trèsreonnaissantepourm'avoirpermis,si failement,d'exploiterdesimagesSPOT.
Jevoudrais égalementremerier HervéPoilvéet sonéquipepourl'intérêt qu'ilsontporté àe
travail.Enm'invitantàpasserdeuxmoisauseindudépartementReherheetDéveloppementAgriulture
et Environnement (Infoterra, EADSAstrium) au début de ma thèse, ils m'ont permisde déouvrirune
disiplinequim'étaitalorsparfaitementinonnue:l'agriulturede préision.
XavierDesombesetSebastianoSerpioontaeptéd'êtrelesrapporteursdeettethèse.Jeles
remeriehaleureusementpourl'attentionavelaquelleilsontluedoument.Leursremarquesjudiieuses
sont autantde pistesde reherheà explorer.
Je suis très reonnaissante à Hervé Cardot d'avoir aepté de faire partie de mon jury. Je le
remeriepour l'intérêtqu'ilaportéàetravailetpour sesremarquesonstrutiveslorsde lasoutenane.
Je remerie Jean-MihelMorel de m'avoir fait l'honneurde présider mon jury de thèse. Je lui
suiségalementtrèsreonnaissantepoursadisponibilité,sabienveillaneetsesonseilslorsdemapremière
annéede thèsequim'ontpermisde bénéierd'unexellentadredetravail.
Mes remeriements vont également à Antoine Chambaz pour son enthousiasme remarquable
et pour m'avoir élairé sur un ertain nombre de questions statistiques, à Yves Rozenhol pour ses ré-
exionsfrutueusesetsagrandedisponibilité,ainsiqu'AlainTrouvépourm'avoirfaitproterdesagrande
expérieneenmatière dereuitsimulé.
Durantes quatreannées,j'aibénéiéauquotidiend'exellentesonditions detravail ausein
detroislaboratoires:leCentred'étudedesEnvironnementsTerrestresetPlanétaires(CETP),leCentrede
Mathématiques etLeurs Appliations(CMLA)et le laboratoiredeMathématiques Appliquéesde Paris 5
(MAP5).Toustroism'ontoertunaueilsympathiqueetonvivialainsiqu'unadredetravailstimulant.
J'enremeriehaleureusementtouslesmembres.
Jeneseraissansdoutepasarrivéejusqu'iisansavoirsuivilesoursd'enseignantsexeptionnels.
JepenseenpartiulieràCarmenMafteïenterminaleetàtouslesenseignantsdeParis5quej'aieuleplaisir
de retrouver es dernières années. Je dois également des remeriements partiuliers à Georges Koeper
pour sadisponibilitéetsa bienveillaneetà AgnèsDesolneuxnotamment pourses enouragementsdans
ladernièrelignedroite.
Pour les questions plus pratiques ou administratives, j'adresse des remeriements spéiaux à
Nellie Bouhard, Christophe Castellani (et son aide préieuse pour les impressions ouleurs... ), Marie-
HélèneGbaguidi,VoeuniKhengainsiqu'àArmandeZénarre.Leurdisponibilité,leurbonnehumeuretleur
eaité ont été partiulièrement appréiables. Je salue également Miheline et Véro pour leur énergie
infaillibleetommuniative.Jedoiségalementdesremeriementspartiuliersauxingénieursinformatiiens
boulettes.
Jevoudraisaussisoulignerl'inuenepositivedetouteslespersonnesdontj'aipartagélequoti-
dienesdernièresannées.Dans unordre hronologique,jepenseàJulieetBenpourleurpréseneetleur
gentillessehorsnorme.JepenseégalementàtoutelaneéquipedesthésardsduCMLAetauxmémorables
partiesde tennis-bouteillesurlesbellespelousesdel'ENS,sans oublierPapyetsesélèbrestea parties!
Papy,meripour tapréseneet tonréonfort toutaulong de esdernières années,mais aussi
pourm'avoir faitproterdetonespritritique magniquementdéveloppétouten m'aompagnantdans
ladéouvertedesmeilleursoktailshappyhourde Saint-Germain-des-Près!
Je ne saurais oublierl'ensemble des dotorants etjeunesdoteurs du MAP5 (d'aujourd'hui et
d'hier) ave lesquelsj'ai nalementpassé la plupart de mon temps!Meri à Béatrie, Javieraet Olivier
et leur exeptionnelle réativité pour alimenter les pauses déjeuner. Qu'aurions-nous fait sans e-pousse,
ouverture-faileetlesvolansdehoolat?Jepenseégalementaugangdesreyleursdesahetsdethéet
reeleursdehoolatallemand:Arno,Céile,ClaireJ.,ClaireL.(maplusprohevoisineettoutequeça
implique), Gwendo,NiolasetSylvain,mesompagnonsdebureau.Leurprésenem'abeauoupapporté,
en partiulier dans la dernière ligne droite. Jesalue Arno pour me faire le plaisirde toujoursperdre ses
paris,auprotdesmerveilleuxbeignetsduoin.Jen'oubliepasnonplusHerminedontlesenouragements
mefurentpréieux,niBénéetsesrassurantsdebrieng.
Un grand meri à Claireet tous es bons momentspartagésdepuis laliene,sans oublierde
saluerl'inontestableeaitédu CSFDAR!Jeremerieaussil'irremplaçableonleJao.
Meri à Benjamin pour les irréfutables points sur la thèse et surtout pour les divagations
éthyliquesdeladernièrehane!Jenesauraisoublierepariperduetsesdéliatesinitationsàsld.
Unementionspéialeà Aïhaet Jaopopour leursoutien ontinu esdernièresannéeset leur
indéfetibleenthousiasme,sans oublierleurshautesperformanesrespetivesentennisetensquash.
J'en protepour rendre hommage à toutesles séries TV qui m'ontguidée spirituellement es
dernièresannées...Jenepeux queremerierplatementlesdealersplusoumoinsliitesquim'ontapprovi-
sionnée.
Il meresteà remerier haleureusement mafamille pour m'avoir supportéetouteses années,
et enpartiulier Sevedpourm'avoirpatiemmenttransmis legoûtdesmaths.
Enn,meriàJuju pourm'avoir hoyée,épauléeetrassuréedepuisle débutdeetteaventure.
Dufonddu oeur,meri.
Table des matières
Notations . . . 6
Introdution générale 9 I. Contexte de l'étude et objetifs 15 1. Aquisitions satellitaires etobservation de la surfae terrestre 17 1.1. Introdution . . . 17
1.2. Les apteurs . . . 18
1.2.1. Caratéristiquesdes systèmesimageurs . . . 18
1.2.2. Les satellitesd'observationde laTerre . . . 21
1.3. Spéiitésliéesà lavégétation . . . 25
1.3.1. Les propriétés spetrales. . . 25
1.3.2. Les indiesde végétation . . . 27
1.3.3. L'aspet temporel . . . 30
1.4. Conlusion . . . 31
2. Méthodes de détetion de hangements 33 2.1. Introdution . . . 33
2.1.1. Problématiquesde ladétetionde hangements . . . 33
2.1.2. Taxonomiedesméthodesde détetion de hangements . . . 34
2.2. Prétraitements . . . 36
2.3. Les approhespontuelles . . . 37
2.3.1. Les transformations . . . 38
2.3.2. Ladéision . . . 41
2.3.3. Les méthodesàbasede lassiations . . . 43
2.4. Les approhesontextuelles . . . 45
2.4.1. Les transformations . . . 46
2.4.2. Ladéision . . . 47
2.4.3. Les méthodesàbasede lassiations . . . 48
2.5. Conlusion . . . 48
3. Méthodes d'analyse sous-pixellique 51
3.1. Motivation . . . 51
3.2. Les méthodesde fusionde données multi-résolutions. . . 52
3.3. Ladésagrégationde l'information . . . 54
3.4. Lalassiation sous-pixellique . . . 55
3.5. Conlusion . . . 57
4. Problématique 59 II. Classiation sous-pixelique de l'oupation du sol 61 5. Unmodèle bayésien pour la lassiation 65 5.1. Modélisationduproblème . . . 65
5.2. Maximumaposteriori . . . 69
5.3. Inuene de labasserésolution . . . 74
5.4. Analysed'erreurset aspetsmultitemporels . . . 78
6. Algorithmeset performanesempiriques 85 6.1. Algorithmede reuitsimulé . . . 85
6.2. Algorithmede programmationdynamique . . . 87
6.3. Simulation desdonnées . . . 90
6.4. Exemples d'appliation . . . 91
6.5. Analysedes erreurs . . . 95
6.6. Sensibilitéau fateurde résolution . . . 97
III. Détetion de hangements à l'éhelle sous-pixelique 101 7. Unmodèle aontrariopour ladétetion de hangements 103 7.1. Modélisationduproblème . . . 103
7.2. Détetionaontrario . . . 105
7.3. Choix dumodèleaontrario . . . 114
7.4. Modèlemultidimensionel . . . 120
7.5. Comparaison avedesproédures statistiqueslassiques . . . 122
7.5.1. Les proédures de testsmultiples . . . 122
7.5.2. L'analyse de variane . . . 125
8. Aspets numériques 129 8.1. Problématique . . . 129
8.2. Algorithme . . . 131
8.2.1. Cas monodimensionnel . . . 131
8.2.2. Cas multidimensionnel. . . 134
8.2.3. Exempled'appliation monotemporelle . . . 136
8.3. Nombre d'itérationsnéessaire . . . 138
8.4. Séletionde sous-systèmes . . . 142
9. Performanes théoriques 153 9.1. Modélisationdesdonnées . . . 153
9.2. Sensibilitéau niveaude ontraste . . . 154
9.3. Inuenede la tailledesimages . . . 157
9.4. Etude en fontiondu fateurde résolution . . . 161
10.Performanes empiriques 165 10.1.Evaluation de laperformanedes résultats . . . 165
10.2.Simulationdes donnéessanshangements . . . 167
10.3.Inuenedu nombrede pixelssanshangement . . . 168
10.3.1. Simulationdes hangements . . . 169
10.3.2. Résultats . . . 170
10.4.Inuenede la tailleduhangement sous-pixellique . . . 177
10.4.1. Simulationdes hangements . . . 177
10.4.2. Résultats . . . 178
IV. AppliationàunezoneagrioledelaplaineduDanube(basededonnées ADAM) 183 11.Introdution 185 11.1.Labasede donnéesADAM . . . 185
11.2.Quelquessenarii d'appliation . . . 188
12.Classiationet validation 191 12.1.Classiationsous-pixellique. . . 191
12.2.Validation d'unearted'oupationdes sols . . . 198
12.3.Choix dunombrede lasses . . . 205
13.Détetion de hangements etmise à jour de lassiation 211 13.1.Détetionde hangements . . . 211
13.2.Miseàjour de lassiation . . . 213
Conlusion générale 219 Publiations . . . 223
Bibliographie 227
Liste des gures 235
Notations
Symboles mathématiques - Symboles ourants
D
: le domainegéographique (retangulaire) observé.D
HR : lesupportdisretdel'imagehauterésolution,D
HR= { 1, · · · , m }×{ 1, · · · , n }
lagrillede pixelshaute résolutionquidéoupe ledomaine
D
enm × n
pixels.x
: un pixeldudomaineD
HR.D
BR : le supportdisret de l'image basserésolution,D
BR= { 1, · · · , m ′ }×{ 1, · · · , n ′ }
lagrilledepixelsbasserésolutionquidéoupele domaine
D
enm ′ × n ′
pixels.y
: un pixeldudomaineD
BR.{ x ∈ y }
: l'ensemble des pixelsx ∈ D
HR représentant une partie de la sène ouverte aussiparlepixely ∈ D
BR.| . |
: le ardinal d'unensemble.N
: le rapport entre les résolutions onsidérées,N = |D
HR| / |D
BR|
. Remarque :| W y | = N
.T
: l'ensembledes diérentes datesd'aquisitions disponibles,T = { 1, ..., T }
.u
: une séquened'images haute résolution,u = (u 1 , ..., u T )
.u t
: l'image assoiéeàladatet
de laséquene haute résolution(t ∈ T
),u t : D
HR→ R x 7→ u t (x).
U
: le hamp aléatoiredontu
est une réalisation.U t (x)
: la variable aléatoire réelle orrespondante dont l'intensité mesuréeu t (x)
estune réalisation.
v
: une séquened'images basserésolution,v = (v 1 , ..., v T )
.v t
: l'image assoiéeàladatet
de laséquene basserésolution(t ∈ T
),v t : D
BR→ R y 7→ v t (y).
V
: le hamp aléatoiredontv
estune réalisation.S
: l'ensemble dessegmentsS = { 1, · · · , S }
d'une segmentation.s
: une segmentationdudomaineD
HR,déniepar l'appliations : D
HR→ S = { 1, ..., S } x 7→ s(x).
L
: l'ensemble des labelsL = { 1, ..., L }
d'une labellisation (orrespondant aux diérents typesd'oupation dusol).λ
: une labellisation,notéeλ = (λ 1 , ..., λ S )
,est déniepar l'appliationλ : S → L = { 1, ..., L } k 7→ λ k ,
où
λ k
représentelelabelde larégionk
.Λ
: le hamp aléatoire disretdontλ
estune réalisation.Il est dénisurS
.M (n, p)
: l'ensemble desmatriesde taillen × p
àoeients réels.L 2 ( R )
: l'espae des fontionsde arré intégrable surR
.k · k 2
: la norme surL 2 ( R )
.E [ · ]
: une espérane.P ( · )
: une distributionde probabilité.Prinipaux aronymes et abréviations
BR : uneimageBasse Résolution.
HR : uneimageHauteRésolution.
R : mesuredansleanal Rouge.
PIR : mesuredansleanal prohe-infrarouge.
VIS : lamesuredansleanal VISible.
MAP : MaximumA Posteriori.
SPOT : SatellitePourl'Observation dela Terre.
HRVIR : HauteRésolutionVisibleet Infra-Rouge.
VGT : Végétation.
MeRIS : MediumResolutionImagingSpetrometer.
NOAA : NationalOeaniand AtmostpheriAdministration.
AVHRR : Advaned VeryHighResolutionRadiometer.
Introdution générale
La reherhe eetuéedans le adre de ette thèse portesur le suivide l'évolutiondes
surfaesontinentaleset,enpartiulier,delavégétation.Danseontexte,elleviseàl'élaboration
d'outils automatiquesde lassiation etde détetion de hangements à partir d'imagesaquises
aveune haute fréquene temporelleet unebasserésolutionspatiale.
Les enjeux
Les hangements quiapparaissent sur les surfaes ontinentales peuvent être de nature
très diérente et provenir de phénomènes brutaux ou lents. Les hangements pontuels qui sur-
viennent de manière brutale tels que les inendies, les inondations ou les éruptions volaniques,
sont généralement lourds de onséquenes tant sur le plan humain que sur l'éosystème. Leur
détetion estalorsessentiellepourlagestiondesrisqueset dessituationsde rise.D'autrestypes
dehangementssemanifestentsurdespériodespluslongues(déadaires,annuellesoudéennales)
de manière ontinue. Leur détetion est alors néessaire dans le adre des proessus de suivi et
de ontrle de la surfae, aussi bien pour les appliations de géographie ou de biophysique que
pour lesappliationsliéesaux interations entre lasurfae etl'atmosphère etpourpartiiperà la
protetion de l'environnement.
Les besoinsen artographie sontimportantsaujourd'huitantpourlaréationde artes,
puisque plus de la moitié desterres émergéesn'ont pas enore été artographiées, que pourleur
mise àjour puisque lasurfae ontinentaleest en onstanteévolution (onstrutions, végétation,
et). Cettenéessitéplael'élaborationde artesetleurmise àjour auentre despréoupations
nationales et internationales, ave la réation, notamment, du projet européen CORINE land
over initié en 1985 dont le but est de fournir une artographie de référene sur l'ensemble de
l'Europe. Ce projet vise àl'élaboration d'un inventairebiophysique de l'oupation desterres au
1/100 000
èmeainsiqu'àleurmiseàjouraveunefréquenedéennale.Silaartographieonstitue unbutensoipourlesappliationsgéographiques,elleestaussiutiliséedansdenombreuxdomaines.Eneet, d'autresthématiques liéesàl'étude dufontionnementet de ladynamiquedes
proessusphysiquesouàlaompréhensionde lamesurephysiquenes'intéressentpasdiretement
à ladétetion des hangements maisnéessitent de onnaître l'oupation des sols. Certains pa-
ramètres de surfae sont àla base de l'inversion de modèles, notamment d'interations entre les
ondesetlasurfae(parexemple,lesmodèlesdetransfertradiatif)ounéessairespouromprendre
lamesureaquisepardesinstrumentsde télédétetion.Deplus, àuneéhelleglobale,lessurfaes
ontinentales jouent un rle fondamental dans les bilans énergétique, hydrique et arboné de la
Terre. Elles interagissent étroitement ave l'atmosphère et le système hydrologique et évoluent
onstamment sousl'inuenedulimatet de l'ationde l'homme.
Tout d'abord, l'étude de l'évolution des types de ouvert est important pour laplani-
ation agriole (ex : laPolitique Agriole Commune dans le adre de l'Union Européenne) ainsi
que pour l'agriulture de préision. En eet, le suivi de l'évolution des ultures à une éhelle lo-
ale permet, par undépistage préoe desmaladies de la végétationet par unemploi adapté des
engrais,l'optimisationde laprodution etleontrledurejetde substanespolluantes(exédents
de nitrates, et.). À une éhelle régionale, le suivi des zones agrioles est important pour l'envi-
ronnement : par exemple, les hangements des systèmes ulturaux et des pratiques agrioles en
Bretagne ont ontribué, esdernièresdéennies, àune dégradation importante desressoures en
eau.
Deplus,lesuividelavégétationpermetdemieuxappréhenderl'ativitéphotosynthétique
etrespiratoiredesplantespourenévaluerlaprodutiondebiomasseainsiquepourfairel'inventaire
des soures et puits de arbone. Le ontrle des ativités d'aorestation, de reforestation et de
déforestation(ARD)estalorsfondamentalnonseulementpourlagestiondesforêtsmaisaussipour
le ontrle des gazà eet de serreet, par onséquent,pour lerespet des aords de Marrakeh
(ProtooledeKyoto).Ainsi,lasurveillaneduouvertvégétaletdel'atmosphèreonstituel'undes
objetifs prinipauxduprojeteuropéenGMES 1
(GlobalMonitoringofEnvironmentand Seurity).
Ellepermet, notamment,de ontrlerpréisément l'appliationdes aords internationauxdénis
dans leadre duhangement limatiquetels quele Protoole de Kyoto.
Enn, lesétudesliéesaufontionnementdelabiosphère,audéterminismedesuxd'eau
etdearboneouauxproessusatmosphériquesethydrologiquesnéessitentdesinformationssurla
surfae.Lesfortesrelationsexistantentrelesproessusdesurfaeetlesystèmeatmosphériqueont,
notamment, donnélieu àde nombreux programmesdontl'objetif estde déterminerles éhanges
d'énergie et de masse (vapeur d'eau,
CO 2
, gaz divers, aérosols,et.) entre la surfae et l'atmo-sphère et de quantierl'impatdes variationslimatiquessur es éhanges ainsi que sur lefon-
tionnement de labiosphère. Parexemple, l'objetifde l'IGBP(InternationalGeosphere-Biosphere
Program)est l'étude deshangements globauxàtraversl'analyse desproessusbiologiques,phy-
siques et himiques au oeur de la dynamique du système terrestre, l'analyse des hangements
ainsi quele rlede l'ativitéhumainesur eshangements.
Ledéveloppementd'outilsautomatiquesdelassiationetdedétetiondehangements
qui soient adaptés au suivi de la surfae terrestre est alors néessaire pour ontribuer à la mise
au point d'un système d'information permettant à la fois la mise à jour de artographies et le
ontrle de l'appliation des politiques ommunes, en partiulier dans les domaines agrioles et
1
Projet àl'initiativede l'ESA et del'Union Européennedans lebutde fédérer lesativités d'observationde la
Terreetenvuederéeruneapaitédesurveillaneàéhelleloale,régionaleetglobalepourl'environnement
etlaséuritéentantquesupportdespolitiquesenvironnementalesetagrioleseuropéennesetdesengagements
internationauxdel'UnionEuropéennef.http://www.gmes.info/
environnementaux.
Le traitement d'images pour le suivi des surfaes ontinentales
La télédétetion spatiale permet d'aquérir une quantité importanted'informations sur
les surfaesontinentales, à diérentes éhelles spatiales et temporelles.Leur utilisation dans les
domainesbiophysique ouatmosphériqueaprouvésoneaité,etlessatellitesonstruitssontde
plusen plusperformantset ibléspour apporter desinformationsnesau serviedesappliations
visées.
Comptetenudesnombreuxavantagesoertsparl'imageriesatellitaire,ledéveloppement
d'outilsdetraitementd'imagesetdemodèlesphysiquessurfae-atmosphèreaonnuunessormar-
quédansdesdomainestrèsdiversdurantesdernièresdéennies. Lestravauxréaliséspeuventêtre
regroupésendeuxgrandesatégories :lesapprohesdontl'objetifestd'interpréterphysiquement
lesignal aquisàdistaneetellesquiherhent àexploiterles propriétésintrinsèquesdesimages
pour leur traitement. Dans l'objetif d'interpréter la mesure physique aquise par télédétetion,
de nombreux modèles ont été réés pour prédire le signal des apteurs et, à l'inverse, pour esti-
mer des paramètres de surfae à partir des images (paramètres liés, par exemple, à la rugosité,
à l'humidité ou à la végétation). De plus, le traitementd'images et la vision par ordinateur ont
donné lieu à de nombreux modèles mathématiques pour la ompréhension d'une sène ou d'un
phénomèneàpartird'images.Cependant, laquantitéd'informationsaquisespartélédétetionsur
une base quotidienne ou mensuelle reste largement sous-exploitée. Le développement d'outils de
traitementautomatiquedesimagesestdonprimordialpourl'exploitationdelamassedesdonnées
disponibles.
La détetionde hangements néessite, naturellement,l'aquisition régulière d'informa-
tions. Cependant, la fréquene temporelle d'aquisition requise est très variable selon la vitesse
d'évolution des phénomènes étudiés. Ainsi, l'analyse des hangements globaux se fait plutt à
l'éhelle d'années ou de dizaines d'années alors qu'un suivi journalier est néessaire pour la dé-
tetion de phénomènes brutaux (inondations, feux, atastrophes naturelles), ou mensuel pour le
suivide lavégétation. Deplus,l'évolutiontemporelleétantl'undesfateurs permettantde disri-
minerle pluspréisémentles diérents typesde végétation, laaratérisationdes diérentstypes
d'oupationdusol néessitel'aquisitiond'informationsaveune haute fréquene temporelle.
Aujourd'hui, deux typesde apteurssontonsidérés pourle suividessurfaes ontinen-
tales:lesapteursàhauterésolutionspatiale(telsqueSPOT/HRVIR,unpixelpour
20
m× 20
m2maisave unefréquene d'aquisitionmensuelle, etles apteursaveune fréquene d'aquisition
journalière maisunerésolutionspatialemoyenne oubasse(parexemple,MeRISave1pixelpour
300
m× 300
mouSPOT/VGTave1pixelpour1
km2
).Cesderniersapteurssontdédiésau suivide l'oupation dessolset,en partiulier, de lavégétation. L'exploitationd'informationsaquises
à diérentes résolutions spatiales onstitue alors l'un des points lefs pour la lassiation et la
2
surfaeaquiseenviséenadir.
détetion de hangements.Pluspréisément,ils'agitd'exploiterlarihessede l'informationspe-
trale àhaute fréquene temporelle,pouraratériserlavégétationetdéteterleshangements,et
la nessede larésolutionspatialepourextrairel'informationstruturelle de lasène.
Danslalittérature,denombreusesméthodesdedétetiondehangementsontétépropo-
sées dansleadre de l'analyseetdusuivi dessurfaesontinentales.Lesméthodesquiexploitent
desdonnéesgrand hamp,basserésolutionspatiale,sontsouvent issuesde méthodesinitialement
développées pour l'analyse d'images haute résolution. D'autres reposent sur la omparaison des
évolutionstemporellesd'unemesurebienhoisie(f.analysedelatrajetoiretemporelleouanalyse
du veteur de hangements 2.3.1). En dehors des limitesspatiales de e type de méthodes, dues
à la résolutiondes données utilisées,la détetion par omparaison desévolutions temporelles est
généralement, malgré un interétalonnage des images, très sensible aux variations des onditions
d'aquisition desdonnées(illumination,date,et).
Parailleurs,leproblèmede lalassiationaététrèsexplorédanslalittératuremaistrès
peu de travaux ont proposé des solutions pour la lassiation à une éhelle pixellique. De plus,
les travaux quitraitente problème onsidèrentgénéralementde faibles rapportsde résolution(
2
ou
4
) alorsqueles exigenesdéniesparlesappliationsquenous visonsainsique lesontraintes liéesaux données néessitentde traiterdesrapportsde résolutionde l'ordrede15
à50
.Plan du doument
Cedoument estorganisé en quatreparties.
Dans la partieI, nous présentons l'ensemble deséléments liés au ontexte de l'étude et
néessaires pour la dénition de la problématique. Nous ommençons par présenter les apteurs
optiques en ativité et leurs prinipales propriétés avant de préiser ertains aspets lefs pour
l'étudedelavégétation.Cehapitremontrequel'exploitationdedonnéesdediérentesrésolutions
est ruiale pour bénéier à la fois d'informations disriminantes et d'une bonne loalisation
spatiale.Danslehapitre2,nouseetuonsunbrefétatde l'artsurlesméthodesde détetionde
hangements ouramment utilisées dans le adre de diverses appliations. Les méthodes dédiées
à la détetion de hangements à partir de séquenes d'images basse résolution sont enore peu
nombreuses et ne permettent pas, en général, de déteter les hangements qui touhent une
surfae géographique de taille inférieure à elle représentée dans un pixel basse résolution. An
de permettre e type de détetion, nous eetuons (dans le hapitre 3) une rapide revue des
diérentes méthodes renontrées dans la littérature pour une analyse sous-pixellique des images
de télédétetion.Demanièregénérale,lesméthodesdéveloppéespouruntraitementàuneéhelle
sous-pixellique onernent essentiellement l'estimation de paramètres ou la lassiation. Cette
étude préliminaire nous onduit à poser,dans le hapitre 4, laproblématique que nous adoptons
pour le suivi de la surfae ontinentale à partir de séquenes d'images basse résolution et, en
partiulier,pour lamiseà jourde artographies.
La deuxième partie de ette thèse est onsarée à la présentation d'une méthode de
lassiationdessurfaesontinentalesàuneéhellesous-pixellique.Lemodèlelinéairedemélange,
permettantdedéomposerlamesurephysiqueaquiseen unpixelenfontiondesdiérentstypes
d'oupation du sol représentés au sein de e pixel, et le ritère du maximum a posteriori sont
à la base de notre approhe. Ils onduisent à la dénition d'une énergie dont la minimisation
permetd'obtenir dune lassiation haute résolution. Uneanalysethéorique permetde erner les
limites de e modèleet de mettre en évidene l'informationpertinentepour lalassiation. Elle
soulève notamment le problème du hoix des dates d'aquisition les plus disriminantes pour la
lassiation.Deplus, elle permetdepréiser dansquellemesureemodèlepermetaussibiende
séparer leslassesàpartirde donnéesbasserésolutionqu'àpartir dedonnéeshaute résolution.La
reherhede l'optimumde ettefontiond'énergie estmise en ÷uvreparunalgorithmedereuit
simulé,grâeauquelunelassiationhauterésolutionpeutêtreréaliséedemanièrenon-supervisée
à partir d'une segmentation haute résolution et d'une séquene d'images basse résolution. Une
analyse empirique des performanes montre, en partiulier, la robustesse de l'approhe tant que
le rapportde résolutiononsidéré est inférieur à
20 × 20
alorsque les méthodes antérieures sont généralementlimitées àdesrapportsde résolutionde l'ordrede4 × 4
.Dans la partie III, nous onsidérons le problème de la détetion de hangements. Pour
ontournerles problèmesd'interétalonnage ourammentrenontrés danslalittérature,nous envi-
sageons le problème de la détetion de hangements sous la forme d'uneomparaison entre une
séquene d'images basse résolution à une lassiation haute résolution. Pour ela, nous nous
plaçons dans le adre probabiliste de la détetion a ontrario réemment introduite en analyse
d'images.Laméthodequenousproposonsne reposepas surunemodélisationaprioridesdonnées
mais,auontraire,surlerejetd'unmodèlenonstruturé,ditmodèleaontrario,parl'observation
dedonnéesstruturées.Cemodèlepermetdedénirunritèredeohéreneentreunelassiation
etuneséquened'images,grâeauquelleshangementssontdétetésentantquezonesdel'image
quine ontribuentpas aurejetde e modèlestruturé.L'analysethéoriquedumodèleaontrario
permet de révéler des propriétés de onsistane asymptotiques (lorsque la taille de l'image tend
vers l'inni) et non-asymptotiques (par exemple, la détetion d'un domainede taille quelonque
dèsqueleontrastede l'imageestsusamentfort).Deplus,nousmontronsquee ritèrede o-
hérene,oupléàunalgorithmedetypeRANSAC,onduitàuneméthodepartiulièrementrobuste
vis à vis de la proportion de pixels de hangements présents dans la séquene d'images, fateur
généralement limitant pour les méthodes alternatives existantes. Par ailleurs, nous explorons les
limitesempiriquesdudomained'appliationde laméthode àlafois en termedenombre depixels
de hangement (la méthode est d'autantplus robuste que e nombre est petit) et de proportion
minimaleduhangementdansunpixelbasserésolution(laméthodeestd'autantplusperformante
que ette proportion est élevée). Par exemple, pour un niveau de ontraste standard et dans un
ontexte monotemporel,les hangements impatant plusde
25%
d'un pixelbasse résolutionsontbiendétetés tantque moinsde
65%
despixels de l'imagesonttouhés.LapartieIVmontrel'apportdesméthodesproposéesdansleadred'unexempled'appli-
ation :l'analyse d'unezoneagriolede laPlainedu Danube. Danse ontexte,nousprésentons
les résultats obtenus de manière indépendante, respetivement pour des appliations de arto-
graphie et de détetion de hangements. D'autre part, nous illustrons au travers de senarii les
ollaborationspossibles entre détetion de hangement et lassiation, tellesque lamise à jour
et la validation de lassiations : ladétetion de hangement peut valider une lassiationpar
absene de hangement détetés, et la mise à jour de la lassiation permet de quantier (en
terme de taux d'oupation à l'intérieur des pixels) et qualier (ou interpréter en terme de type
d'oupationdu sol)leshangements détetés de façon binairesur lespixels basserésolution.
Contexte de l'étude et objetifs
de la surfae terrestre
L'imagerie satellitaire onstitue une réserve d'informations variées exploitables
dans leadre de nombreusesappliations.Danse hapitre,nous présentons les araté-
ristiquesessentiellesdessystèmes imageurset,pluspréisément,des prinipaux satellites
d'observation dela Terreainsi queertainsaspetsspéiques àl'observationdes terres
émergées.
1.1. Introdution
L'informationaquisepardesapteursembarquéssursatelliteou aéroportéeorrespond
à lamesure des signaux életromagnétiques émis ou rééhis par lasurfae terrestre. Uneimage
satellite peut être vue omme une appliation qui assoie une mesure, appelée intensité radio-
métrique, à tout point du domaine spatial observé. Les problématiques étudiées au ours de e
travailde thèsenesontrelativesqu'àquedesimagesaquisespardesapteursoptiques,i.e. dont
la mesure est diretement liée à la quantité de lumière solaire rééhie par la surfae ou issue
de traitements à partir de tellesimages. Les intensités radiométriques mesurées dépendent de la
surfae observée etdes aratéristiques de l'instrumentd'aquisition.
Uneimageaquiseparunapteuroptiquemesure,enhaque pixel,laquantitéderayon-
nementéletromagnétiquereçue.Cerayonnement résultedel'émissiondediérentsrayonnements
naturels :
le rayonnement émis par le Soleil, partiellement rééhi par la surfae terrestre et
éventuellement absorbé en partieparl'atmosphère;
le rayonnement émisparlasurfaeterrestreet absorbé en partieparl'atmosphère.
Le signal élétromagnétique, reçu sous la forme d'un signal analogique par le apteur,
est ensuite disrétisé en unsignal numérique parun proessusd'intégration spatialeet spetrale.
Selon les appliations visées, les bandes spetrales (nombre et largeur de bandes) sont dénies
à partir des propriétés d'absorption et de rayonnement des ibles reherhées. La dénition des
longueurs d'ondes d'observationet le proessusd'intégration spetrales'en déduisent. De même,
l'intégrationspatialedénit larésolutionspatialedes données.
Danslasetion1.2,nousprésentonslesprinipalesaratéristiquesdessystèmesimageurs
en observationde laTerredemanière àpréiser laproblématique de l'analysede lasurfae onti-
nentaleentélédétetion.Diérentsindiesintroduitsdanslalittératurepourfailiterladistintion
des diérentstypesde végétationsontaussiprésentés.
1.2. Les apteurs
Les mesures issues d'un apteur satellitaire résultent d'un proessus de disrétisation
de l'espae observé, ellespeuvent être représentées sous laforme d'une grilleà deux dimensions
(images) ayantdes propriétésspéiques selonl'optique duapteur et lahaîned'aquisition.
1.2.1. Caratéristiques des systèmes imageurs
Pour une appliation donnée, le hoix d'un apteur est généralement déterminé par les
résolutions spatiale et spetralede ses aquisitions,ainsi que par sa fréquene d'aquisition. Ces
trois propriétéssontinterdépendantes et résultentdiretementdes propriétésoptiques duapteur
ainsiquedelatrajetoireetdel'altitudedusatellitesurlequelilestembarqué.Dansettesetion,
nous rappelons suintementles prinipesde basequipermettentde omprendreles ontraintes
inhérentes aux diérents typesde apteursutiliséspourune appliationdonnée.
L'orbite et sa fauhée
L'orbite d'un satelliteorrespond àlatrajetoirequ'il eetueautourde la Terre. Cette
trajetoire est dénieen fontion des objetifs de sa missionet de la apaité des apteurs qu'il
transporte.Elleest déterminéeparsonaltitude etsonorientationrelativement àlaTerre.
Lasurfae observée ausol (fauhée) parun apteur est diretementliée àson orbite. Il
s'agitd'unouloirdevisée(f.gure1.1)dontlalargeurvarie,selonlesapteurs,de
10
kmenviron(parexemple,Ikonos 1
)à
3000
kmenviron(parexemple,NOAA/AVHRR 2).Lagure1.1oreune visionshématique de l'orbited'un satelliteet de safauhée.
Les satellitesdits géostationnaires sontplaés au-dessus de l'équateur, àune altitude
(environ
36 000
km) déterminée de manière à avoir une période de rotation égale à elle de laTerre.Ilsobserventunerégionxede laTerre(f.gure1.1). Cetteongurationorbitalepermet
d'aquérir ontinuellement l'information sur une région donnée. Elle est utilisée, par exemple,
pour lesappliationsmétéorologiquesaveles satellitesMETEOSAT 2
.Lasurfae terrestren'est
ependant pas intégralement ouverte par des satellites géostationnaires. Par onséquent, ette
ongurationorbitalen'estpasadaptéeauxétudesliéesàl'observationdelaTerredanssaglobalité.
L'orbitequasi-polaireestdénieparunetrajetoired'axeNord-Sudpermettantdeou-
vrirlaquasi-totalitédelasurfaedelaTerreaveunepériodiitédonnéeparleouplerotationde
1
Satelliteamériainpourl'observationdelaTerreàtrèshauterésolution(
1
à4
mderésolution).2
Satellitemétéorologiqueeuropéen
Fig. 1.1.:Représentationshématique de l'orbite d'un satellite géostationnaire (à gauhe) et de
la fauhée d'un satellite en orbite quasi-polaire (à droite) pour l'observation de la
Terre(f.[CCT,2001 ℄).
laTerre-orbite dusatellite.Engénéral,les satellitesplaésen orbite quasi-polairesuivent unetra-
jetoireditehéliosynhrone de manièreàobserverhaquerégion de laplanèteàuneheuresolaire
xée.Les onditionsd'illuminationsolairesontalorssimilairespourhaqueaquisition,aratéris-
tiqueimportantepourtouteslesappliationsnéessitantlaomparaisond'imagessuessives.Les
satellites d'observation de laTerreprésentés danse hapitrepour l'étude de lasurfae terrestre
sontdesplate-formesplaéesen orbitequasi-polaire,irulaireautourde laplanèteàuneertaine
altitude (souvent
800
km) aveundegré d'inlinaisonxé parrapportàl'équateur.La résolutionspatiale
La résolution spatiale d'un apteur est dénie par la distane minimale permettant de
séparer deux ibles. En supposant que les pixels des images sont arrés, nous dérivons généra-
lement la résolution spatiale d'un apteur par la largeur de la zone géographique représentée au
sein d'un pixel. Le niveau de détail spatial disernable dansune image dépend diretementde la
résolutionspatialeduapteuronsidéréetdeséventuelsproessusderé-éhantillonage.Unebaisse
de résolutionspatiale se traduitparune perted'informationquant à l'hétérogénéitéspatiale.Les
images haute résolution permettent de distinguer les éléments les plus ns, non identiables par
des images basse résolution. La gure 1.2 (a) présente un extrait d'une image SPOT/HRVIR,
où haque pixelreprésente20
×
20 m2
au sol.Cetterésolutionpermetde biendistinguerles dié-rentes parelles.Aveune résolutionde 300 m(résolution du apteur MeRIS), les frontièresdes
parelles ne sontplusdistinguables mais l'allureglobale du paysagedemeure (f. gure 1.2 (b)).
Enrevanhe, unerésolutionde
1
km(tellequeelleduapteurSPOT/VGT)nelaisseréellementapparaître auun motif (f. gure 1.2 ()). Dans e doument, nous appelons taille du pixel la
surfae au solobservée àl'éhelle d'un pixel 3
.
(a) Résolution20m. (b)Résolution300m. ()Résolution
1
km.Fig. 1.2.:L'image (a)représenteunextraitd'uneimagederéetane SPOT/HRVdelaplaine
du Danube aquise en Juin 2001. Les images (b) et () représentent des images du
mêmesitesimuléesparmoyennageparblosrespetivementde taille
16 × 16
(moyennerésolution, telle que elle de MeRIS) et de taille
50 × 50
(basse résolution, telle que ellede SPOT/VGT).La résolution spetrale
Larésolutionspetraleestdénieparlalargeurdesbandes spetralesd'un apteur.Elle
est d'autantplus ne que les bandes spetralesdes diérents anaux sontétroites. Larésolution
spetraled'un apteur est déterminée préisément pour répondre aux néessités des appliations
visées. De plus, si les larges bandes sont susantes pour les études d'ordre global, tellesque la
distintion des grandes lassesd'oupation dusol, desbandes plusnes et ibléessont souvent
néessairespourlesappliationsplusspéiques.Parexemple,lesappliationsdetypesmétéorolo-
giquesnéessitentdesinformationsprinipalementdansl'infrarougeetl'infrarougethermiquealors
quel'analyse delasurfaeterrestresefaitpluttàpartirde mesuresvisiblesetproheinfrarouge.
De plus, les appliations néessitant une information radiométrique plus ne (par exemple, pour
distinguer des espèes végétales) exploitent généralement des données hyperspetrales, i.e. elles
utilisentdesbandesspetralesplusnes quelesappliationsgénériques,mêmessiesbandessont
toujours situéesdansles anauxvisibles etinfrarouge.
La résolution temporelle
La résolutiontemporelleest dénie parla période de révolution d'un satellite.En eet,
la fauhée des apteurs embarqués permet d'observer la surfae terrestre ave une fréquene
3
La taille d'un pixel varie selon l'angle de visée du satellite mais la onnaissane de l'angle de visée et des
oordonnéesgéographiquesàl'instantd'aquisitionpermetuneorretiongéométriquedees variations.
temporellede mensuelle (26jours) pour SPOT/HRV àjournalière pourSPOT/VGT.Mêmesi
une fréquene d'aquisition journalière ne semble pas toujours néessaire, la présene éventuelle
de nuagesreouvrant une partie de lazone d'observationle jour de l'aquisition est àprendre en
ompte. Danslasetion1.3,nous verronsl'importanede l'évolutiontemporellepourl'analyseet
le suivi de la surfae terrestre. En eet, si la fréquene temporelleest essentiellepour le suivi de
lasurfae, elleest aussidéterminantepourladistintiondes diérentesespèesvégétales.
Selonl'appliation visée,les informationsrequises ne peuvent pas toujoursêtre fournies
par un même apteur. En partiulier, auun satellite n'est apable d'apporter à la fois haute ré-
solution spatiale, temporelle et spetrale sur l'ensemble de la surfae terrestre. Si les apteurs
embarquéssurdessatellitesgéostationnairespeuventfournirdesdonnéespréisesàlafoisspatia-
lementetspetralement,leur positionxée au-dessus de l'équateurne leurpermetpas d'aquérir
desinformationsonernant les ples.
Dans la setion suivante, nous présentons les aratéristiques des prinipaux satellites
et apteurs optiques dédiés à l'observation de laTerre, ainsi que ertains aspetsessentielspour
l'analyse de lavégétation.
1.2.2. Les satellites d'observation de la Terre
Nombreux, les satellitesd'observation de la Terre sont réés pour remplirdes missions
parfoistrès spéiques.Dans ette setion, nous présentons uniquementles satellites et apteurs
optiques utilisésdans le adre de ette étude, ou suseptibles de l'être.Certains apteurs radars
sont parfois utilisés pour l'analyse de la végétation mais, en général, l'imagerie radar est plutt
utilisée pour les appliations s'intéressantà l'humidité ou à larugosité. Toutefois, le fait que les
imagesradar(tellesqueRSO 4
)puissentapporterde l'informationàtoutmoment,quelquesoitle
niveaud'élairementetlesonditionsatmosphériques,oreunomplémentintéressantàl'imagerie
optique,typiquementlorsquelesnuages sontabondants.
Les systèmes d'observation de la Terre (SPOT)
Lesystèmed'observationde laTerreSPOTaété onçuparleCentreNationald'Etudes
Spatiales pour distinguer des détails de 10 à 20 mètressur des paysages terrestres ave un suivi
régulier. Le premier satellite de la famille SPOT a été lané en 1986. Aujourd'hui, le système
SPOTomprendtroissatellites:SPOT2,SPOT4etSPOT5,lanésrespetivementen1990,
1998 et 2002.
Les satellites du système SPOT sont plaés en orbite héliosynhrone quasi-polaire à
820
kmd'altitude. Ilsdélent àune vitesse de24 000
km/
h et sont omposés prinipalement de deuxparties:laplate-formeetlahargeutile.Laplate-formeembarquelahargeutileetassureunertainnombredefontionsliéesaufontionnementdusatellite(génèreetstokel'énergie,ontrle
4
RadaràSynthèsed'Ouverture
l'altitude du satellite,et). La harge utile embarquée est omposée de un àquatre instruments
de prise de vues, selon les satellites, ayant des propriétés partiulières adaptées aux appliations
visées(artographie,suivideladéforestation,agriulture,défense,et).Lestroispremierssatellites
de lasérie SPOTontiennent unapteur haute résolutionvisible HRV omposéde troisbandes
spetrales:
la bande XS1 ouvre les longueurs d'onde omprises entre
0, 50
et0, 59 µ
m (banded'absorption duvert),
labande XS2ouvreleslongueursd'onde situéesentre
0, 61
et0, 68 µ
m (banded'ab-sorption durouge)et
la bande XS3 ouvrant les longueurs d'onde situées entre
0, 78
et0, 89 µ
m (bandeprohe infrarouge).
Les satellites SPOT 4 et SPOT 5 ontiennent une bande supplémentaire, XS4, ouvrant les
longueursd'ondesomprisesentre
1, 58
et1, 75 µ
m(moyen infrarouge)pourrépondreaux besoins spéiques à l'observation de la végétation. En eet, nous verrons (setion 1.3) que le moyeninfrarouge permetune analyse ne de l'état hydrique de la végétation. Ces fréquenes spetrales
ont étéhoisiespourunmaximumd'eaitédansl'étudeetl'analysedessurfaesontinentales.
Lesapteurshauterésolutiondeesdeuxdernierssatellites,omposésdesbandesXS1àXS4sont
appelésHRVIR.Dansletableau1.1sontréapituléeslesaratéristiquesprinipales dessatellites
et apteursde lafamilleSPOT.
Trois modes de prise de vue sont disponibles pour les instruments HRV et HRVIR :
panhromatique, multispetral ou bien une ombinaison des deux modes préédents. Le mode
panhromatique orrespond à l'utilisation de la bande XS2 uniquement. Il permet d'observer la
Terreave
10
mderésolution(pourlessatellitesSPOT2,3,4).Lemodemultispetralorrespond à l'utilisationdesquatre bandes spetralesave unerésolutionde20
m. Cette résolutionspatialeest utiliséenotamment pourdérirel'hétérogénéitéspatiale de laouverturevégétale.
Lané le 4 Mai 2002, le satellite SPOT 5 est le plus réent de la famille SPOT. Il
apporteune netteaméliorationde larésolutionspatiale desapteurs HRVIRomparativement à
ses prédéesseursmême si, par ailleurs,il possède les mêmesaratéristiques.En eet, SPOT 5
permet d'aquérir des images dans les anaux XS1, XS2 et XS3 ave une résolution spatiale de
10 m alorsque SPOT 4est limitéàune résolutionde
20
m. Deplus, en mode panhromatique, sa résolutionspatialeatteint5 m,voire2.5
men eetuant untraitementaposterioripartiulier.Un telniveau de préisionouvrede nouvelles perspetives, notamment pour les appliationsliées
à l'étude dutissuurbainet àlareonnaissane d'objets(typesde bâtiments, véhiules,et).
Ave une fauhée de
60
km, les instruments HRV ou HRVIR de es trois satellites ne peuvent observer qu'une surfae limitéeà un instant donné. Une même surfae géographiquepeut alors être observée en visée nadir 5
tous les 26 jours. Cependant, la présene éventuelle de
nuages entre la surfae terrestre et le satellite ne permet en pratique qu'un nombre très limité
5
Lenadir désignela diretionperpendiulaireauplan de l'horizonet diamétralementopposée àelledu zénith
(i.e.vertialeverslebas).
Satellites Spot 1,2,3 Spot4 Spot5
Dates delanement 1986,1990,1993 1998 2002
Altitude 822 km 822 km 830km
Capteurs HRV:V,R,IR HRVIR:R,V,IR,MIR HRVIR:R,V,IR,MIR
embarqués VGT :B0,R,IR,MIR VGT:B0,R,IR,MIR
HRG:R,V,IR,MIR,PAN
HRS :PAN
Bandesspetrales V
[0, 50 − 0.59µm]
V[0, 50 − 0.59µm]
V[0, 50 − 0.59µm]
R
[0, 61 − 0.68µm]
R[0, 61 − 0.68µm]
R[0, 61 − 0.68µm]
IR
[0, 79 − 0.89µm]
IR[0, 79 − 0.89µm]
IR[0, 79 − 0.89µm]
PAN
[0, 51 − 0.73µm]
PAN[0, 61 − 0.68µm]
PAN[0, 51 − 0.73µm]
MIR
[1.58 − 0.1.75µm]
MIR[1.58 − 0.1.75µm]
B0
[0, 43 − 0.47µm]
B0[0, 43 − 0.47µm]
Résolutionspatiale PAN:10m PAN :10m PAN:5m ou 2.5m
HRV:20m HRVIR:20m V,R,IR :10m
MIR :20m
VGT :1km VGT:1km
Fréquene de 26 jours HRVIR:26jours HRVIR:26 jours
passage VGT:1 jour VGT :1jour
Tab.1.1.:Caratéristiquesdes satellitesSPOT.
d'observations par an. Par ailleurs, en ouvrant une surfae au sol d'environ
60 × 60
km2
parimage, esapteurssontplusappropriéspour desétudes loales quenationales ou globales.
L'instrument Végétation (VGT), embarqué sur les satellites SPOT 4 et SPOT 5, est
un apteur grand hamp omplémentaire à HRVIR. En eet, e apteur est programmé pour
l'analysedelavégétationàuneéhelleglobale.Ilbénéiedond'unefauhéede
2 250
kmausolaudétrimentdelarésolutionspatialequiestalorsde
1
km2
.Cetteongurationpermetunefréquenetemporelled'aquisition journalière,propriété essentielle pour le suivide lasurfae terrestre, bien
qu'elle soitassoiéeàunerésolutionspatialegrossière (
1
km).Parailleurs, larésolutionspetraledes apteursVGT est identique à elledesapteurs HRVIR, àl'exeption de lapremièrebande
(bandeB0àlaplaedeXS1,f.tableau1.1).Remarquonsqueettepropriétéprésenteunavantage
importantpour l'utilisationomplémentairede esdeux apteurs,d'autant plusqu'ils bénéient
des mêmesonditionsd'aquisition (élairement,heure, et). L'interétalonnageentre lesdonnées
provenantde esdeux apteursest alorstrès simple.
Les satellites de la famille SPOT apportent don simultanément des mesures à haute
résolutionspatiale (HRVIR)et àhaute fréquene temporelle(VGT). Lespropriétés spetraleset
temporellesduapteurVGTenfontuninstrumentpartiulièrementadaptépourlasurveillanede
la surfaeterrestreet l'analyse de lavégétation, bien qu'ilne permette pas laloalisationpréise
des élémentsgéographiques observés.
Le apteur superspetral MERIS
Lanéle1erMars2002etembarquéàborddusatelliteEnvisat,lespetromètreimageur
à résolution moyenne (MeRIS) a été développé par l'Agene Spatiale Européenne. Le satellite
Envisat fait partie d'un grand programme européen onçu pour suivre l'évolutionde la planète
et l'impatdes ativités humaines : ilvise notament à ontrler le respet des engagements des
signataires du Protoole de Kyoto sur la rédution des gaz à eet de serre. Diérents apteurs
à bord du satellite apportent des informationspréises et omplémentaires, notamment dans les
domainesbiophysiquess'intéressantàlasurfaeontinentale,àlavapeurd'eauetàlaomposition
himique des eaux. L'objetif initial de MeRIS est l'observation des surfaes marines et tières
et, en partiulier, la mesure de la onentration en phytoplanton ou le ontrle de la pollution
marine.
Satelliteplaé(àunealtitudemoyennede
800
km)enorbitehéliosynhronequasi-polaire, Envisat a un yle de 35 jours. Le spetromètre MeRIS mesure le rayonnement solairerééhipar la Terre (et éventuellement les nuages) dans 15 bandes spetrales situées dans le visible et
l'infrarouge, dont les entres et la largeur sont programmables. Il permet, ave une résolution
spatiale de 300 mètresau sol,unefauhéede
650
km. Ave unerésolutionspatialeplusgrossière(
1.2
km),iloreaussilapossibilitéd'aquérirdesimagesreprésentantunesurfaeausolde1150× 1150
km2
.Unemêmesène peutalorsêtre revisitéetousles troisjours, quelquesoitsasituationgéographique.
Par la nesse de son spetre, l'instrument MeRIS permet de nombreuses appliations
liéesnonseulement àl'analysedessurfaesmaritimeset tières(ativitébiophysique,qualité de
l'eau,et)maisaussiàl'analysedelavégétationterrestre.Eneet,sahauterépétitivitétemporelle
assoiée à la nesse de son spetre en font un outil partiulièrement adapté pour le suivi de la
végétation [Justie et Townshend, 2002 ℄. Ces propriétés onstituent un avantage important par
rapport aux autresapteursoptiques.
D'autressatellitessontdédiésàl'analysedelasurfaeterrestre.Enpartiulier,lesatellite
amériainLandsat7fournitdesdonnéesmultispetralessurlasurfaeterrestreaveunerésolution
spatiale de 30m et un yle de 16 jours. Le apteur amériain NOAA/AVHRR, initialement
dédié aux études oéanographiqueset atmosphériques (NationalOeanographi and Atmospheri
Administration),peutaussiêtreutilisépourl'analysedelasurfaeontinentaleoude lavégétation
à une éhelle globale. En eet, ses aratéristiques spetrales et temporelles en font un outil
adapté aussi pour l'analyse de la végétation aux éhelles globale et régionale,omme le apteur
SPOT/VGT,notammentpourl'étude deshangements desaison:ilpermetd'aquérirdeuxfois
parjour desimages de lamêmesène aveune résolutionde
1.1
km.1.3. Spéiités liées à la végétation
Depuisplusieursdéennies, latélédétetionestutiliséepourlalassiationetlesuivide
lavégétationainsiquepourdesanalysesplusspéiquesdansleadre,notamment,del'agriulture
de préision ou de lasurveillane des forêts.Cependant, les enjeux sont diérents selon la taille
de la zone étudiée : si l'agriulture de préision onsiste souvent à analyser les hétérogénéités
intra-parellaires dans l'objetif d'adapter les pratiques agrioles aux besoins sous-parellaires et
d'optimiserainsi laprodution,les étudesàl'éhelle nationale,européenne ou globale néessitent
unniveaumoinsnd'analyse de lavégétationmaissurune surfaeplusvaste.L'analyse estalors
liée simplementà ladistintion des prinipaux types d'oupation dusol plutt qu'aux variations
au seind'un typede ulture ou d'uneparelle.
Dans ette setion, nous présentons les prinipales aratéristiques spetrales de la vé-
gétation avant d'introduire quelques indies de végétation très utilisés dans la littérature pour
disriminerlesdiérentesespèesvégétalesetévoquonsl'importanedel'aspettemporelpoure
type d'appliations.
1.3.1. Les propriétés spetrales
Avant de préiser lesbandes spetraleslesplusadaptéespourl'analysede lavégétation,
rappelonslesbasesdesinterations entrelasurfaeterrestreetlaanopée 6
.Ensupposantqu'une
ouhe de végétationreouvrelesol,les rayonslumineuxquiatteignentlaanopée sontpartielle-
ment rééhis parlavégétation maisaussipartiellementtransmis et diusésparlavégétation en
diretion dusol,oùilssontrééhis.Les rayonsrééhis parle solsont,àleurtour, partiellement
transmis par la végétation et partiellement rééhis par la végétation vers le sol. La gure 1.3
représenteles diérents as de transmissionetde réetionparle solet lavégétation d'un rayon
solaire.
De nombreux modèles de transfert radiatif dans l'éosystème terrestre proposent une
formulation des relations entre les mesures de télédétetion et les aratéristiques biophysiques
de la végétation. Ils permettent de relier un ensemble de paramètres biophysiques aux mesures
multispetralesaquises partélédétetion.Notamment,les modèlesSAIL(f.[Verhoef,1984 ℄)ou
Adding (f. [Cooperetal.,1982 ℄) sont tous les deux fondés sur la théorie du transfert radiatif
de [Chandrasekhar, 1950 ℄ qui fournit une bonne approximation des proessus de diusion quand
les diuseurs sont grands devant la longueur d'onde. L'inversion de e type de modèles permet
d'aéder àdes paramètresde végétationà partirdes mesuresde télédétetion.
Les propriétés optiques des sols sont liées essentiellement à leur omposition minérale.
En eet, le spetre de réetane d'un sol orrespond à la superpositiondes spetres de haque
omposanteminéraledusol.Commelesminéraux,lessolsontuneréetaneroissanteduvisible
au proheinfrarouge, avedesbandes d'absorption autour de
1.4µ
m etde1.9µ
m. L'humidité du6
Etagesupérieurdelavégétation,enontatavel'atmosphère.
R v
T v T v
T v R s R s
R v Rayon solaire
Végétation
Sol
Fig. 1.3.:Interations entre la ouhe de végétation et lasurfae terrestre.Les rayons lumineux
notés
R v
,R s
etT v
désignent,respetivement,lesrayonsréehisparlavégétation,par le solet transmisparlavégétation.sol onstitue aussi un fateur aetant les propriétés optiques des sols, ainsi que le ontenu en
matière organique. Cedernier a uneet sur les propriétés optiques dans les bandes inférieures à
1.8µ
m.Pourl'étudedelavégétation,ilestessentieldepouvoiraratériserlesprinipauxaspets
de laanopée :
l'absorptionparlahlorophylle,
leontenu en eau,et
lespropriétés struturelles.
La gure 1.4 présente de manière shématique les réponses spetrales typiques de la végétation
et dusolnu.Elleindique égalementlesbandes spetralesrouge,vert,proheinfrarougeetmoyen
infrarouge. Les bandes spetrales d'aquisitionles plus utilisées sont labande rouge, entréesur
le pi d'absorption de lahlorophylle (
0.665 µ
m) et la bande prohe infrarouge, orrespondant à la réetane maximum de la végétation et reliée aux propriétés struturelles de la anopée etdu pourentagede sol nuouvert de végétation. L'utilisationsupplémentaire d'unebande moyen
infrarouge entrée autour de
1.65µ
m permet de prendre en ompte le ontenu en eau des om-posants de la anopée. La bande spetrale orrespondant au moyen infrarouge (1.58 - 1.75
µ
mpour SPOT)est partiulièrement adaptée pouraratériser laouverturevégétale. Les feuilleset
le sol ont despropriétésoptiques partiulièresqui setraduisent par de trèsfaibles valeurs dansle
visible. En eet, les pigments présentsdans les feuilles absorbent fortement les rayons provenant
de labanderouge.Dans leproheinfrarouge,lephénomène d'absorption estabsentet lesvaleurs
observéessontalorssaturées.Lemoyeninfrarouge,enrevanhe,onduitàl'observationdemesures
de réetane intermédiaires dontlavariabilitépermet unemeilleuredisrimination desdiérents
types de végétation. Il est très sensible aux variations struturelles du ouvert végétal. De plus,
l'atmosphère apparaîtomme trèstransparentedansette bande.Les perturbationsassoiéesàla
variabilitédesonditions atmosphériques sontalorsmoindres.
Fig. 1.4.:Les réponses spetrales de lavégétation (f. [CCT, 2001℄) :mesure de réetane en
fontionde lalongueur d'ondes (ennanomètres).
Notons que la résolution spetrale requise est étroitement liée à l'appliation et, en
partiulier,àlapréisionsouhaitéepourlesuividelavégétation:lesétudesàl'éhelledelaparelle
agriole (par exemple pour l'agriulture de préision, qui néessitede disriminer desparamètres
biophysiquesde lavégétationau seind'unemême ulture)exigent,en général,unene résolution
spetrale alors quel'objetifd'une analysede lasurfae à l'éhelle nationale ou globale néessite
une résolution spetrale moindre. En eet, il sut alors généralement de disriminer les grands
typesde végétation.
1.3.2. Les indies de végétation
Les réetanes mesuréesdiretementparunapteur dansdiérentes bandesspetrales
orent des informations redondantes pour l'analyse de la végétation. Les indies de végétation
proposent des ombinaisons (linéaires ou non) des réetanes mesurées dans plusieurs bandes
spetrales, en partiulier dans les bandes rouge (R) et prohe infrarouge (PIR), iblées pour la
aratérisationduouvertvégétal. Ilspermettent de réduireles eetsdesonditions d'aquisition
(élairementsolaire,propriétésoptiquesdusol,et)parrapportàlavaleurradiométriqueobservée.
La littératureproposede nombreux indies spéiqueset sensibles aux aratéristiques du sol et,
plus oumoins, aux onditions atmosphériques.
Unindiedevégétationestonstruitdansl'objetifderéduirelesmesuresmultispetrales
àuneseulevaleurinformativepourlapréditionetl'évaluationdearatéristiquesdevégétation.Il
existediérentesformulesd'indiesdevégétation,généralementempiriques.Engénéral,esindies
orrespondent à la ombinaison des mesures aquises dans le anal rouge (R), ondes absorbées
parlahlorophyllepourlaphotosynthèse, etdansleproheinfrarouge(PIR),ondes rééhiespar
la surfaedesfeuilles.
L'indie de végétation le plus anien est le RVI (Ratio Vegetation Index), introduit
par[Pearson etMiller, 1972 ℄.Il est dénipar
RVI
=
PIRR
,
où PIR représentelaréetanedanslabandeproheinfrarouge etRorrespondàlaréetane
dans la bande rouge (visible). Lorsquela surfae de végétation verte augmente, le dénominateur
diminue et le numérateur augmente. Cet indie varie globalement de
1
pour les sols nus à plusde
20
pour lavégétation dense (f.[Knipling, 1970℄). Cetindie permetd'aentuer le ontrasteentre lavégétationetlesol,ilest peuaetéparlesonditions d'illumination.Enrevanhe, ilest
sensible aux eetsatmosphériques ettrèspeu sensibleaux faibles tauxde ouverture. Engénéral,
il sembledonpluttadapté àlavégétationdense.
D'autres indies ont été proposés dans la littérature, fondés sur la diérene entre les
réetanesobtenuesdanslesbandesPIRetRandeompenserlesdiérentseetsdelalumière
entrante. Ilssontsouvent normalisésde manièreàfournirunindie omprisentre
0
et1
.L'indie le plus ourament utilisé pour l'imagerie satellite est le NDVI (Normalized
Dierene Vegetation Index), lié à la fration du rayonnement atif pour la photosynthèse et
don à la produtivité et à la biomasse de la végétation. Cet indie a été introduit en 1973
par [Rouse etal.,1973 ℄ pour identier rapidement et simplement les surfaes végétales. Depuis,
divers travaux justient expérimentalement son utilisation dans diérents as d'appliation. En
partiulier,[Vignolles,1996 ℄ étudieson eaitépour les appliationsagrioles.Il est déni par
NDVI
=
PIR−
RPIR
+
R.
Le NDVI vaut,typiquement,0.1pourles solsnus et0.9pourlavégétationdense.Il estonsidéré
omme plus sensible aux faibles niveaux de végétation qu'à la végétation dense, ontrairement
au RVI quiest plussensible aux variations de lavégétation lorsqu'elle est dense. En revanhe, le
NDVIestsensible,ommeleRVI,auxonditionsd'illuminationpourlesfaiblesdensitésdeouvert,
aux eets atmosphériques et à l'angle de visée. Cependant, il est très utilisé en télédétetion et
souvent onsidéré omme pertinent pour aratériser les diérents types de végétation, grâe à
son évolution temporelle. En eet, l'évolution de e type d'indie de végétation orrespond au
développementphénologique desespèesvégétales observées.
Ce type d'indie est onstruit de manière à obtenir de fortes valeurs pour les surfaes
de plantes vertes. En eet, lahlorophylle (pigment vert) absorbe le rayonnement inident de la
partie visible du spetre alors que la struture des feuilles et la teneur en eau onduisent à de
fortes valeurs de réetane dans la bande PIR. De nombreux dérivés ou alternatives au NDVI
ont été proposés dans lalittérature pour outrepasserses limites,en partiulieren tenant ompte
de propriétés géologiquesdes solspourréer unindie orrigé deseets dûs autype de sol. Plus
préisément, la droite des sols orrespond à une représentationdu sol dans le plan (R,PIR). La