DÉTECTION À HAUTE RÉSOLUTION SPATIALE DE LA DESSERTE FORESTIÈRE EN MILIEU MONTAGNEUX

En milieu montagneux et forestier, la localisation de la route et ses caractéristiques géométriques sont des informations cruciale pour de nombreuses applications écologiques et liées à la gestion forestière. Par ailleurs, le lidar aéroporté topographique est devenu une technique de télédétection reconnue pour la caractérisation fine de la surface terrestre : les Modèles Numériques de Terrain (MNT) en sont le produit standard.Cet article aborde le problème de la détection de routes sur de grandes surfaces (>1000 km2) dans de tels environnements. Pour cela, nous avons proposé une méthode fondée sur l’hypothèse que les routes peuvent être modélisées par des objets planaires suivant une direction privilégiée et avec de fortes variations du relief dans la direction orthogonale. La connaissance seule du MNT lidar à 1 m de résolution est suffisante dans notre processus, qui ne requiert donc pas le traitement supplémentaire des nuages de points 3D lidar ni de données à retour d’onde complète. L’intégralité de l’analyse se fait donc en deux dimensions. Tout d’abord, trois attributs morphologiques sont extraits du MNT et introduits dans une classification supervisée par Forêts Aléatoires des zones potentiellement "routes". Ensuite, un graphe est créé à partir de ce masque de focalisation afin de combler les éventuels manques et occlusions dus principalement à la végétation. En particulier, les noeuds sont sélectionnés avec un Processus Ponctuel, puis le graphe est élagué en suivant le modèle de route initial. Enfin, la largeur et la pente des routes sont estimées grâce au MNT avec une analyse orientée-objet. D’une part, on obtient une qualité de détection convaincante, tant au niveau de l’exhaustivité (>80%) que de la précision géométrique, supérieure à celle des bases de données topographiques 2D existantes. De plus, de nouvelles routes sont détectées grâce à la capacité du lidar à restituer le terrain sous le couvert végétal. Cependant, en présence d’un trop faible nombre de mesures lidar au niveau du sol, des routes peuvent ne pas être restituées. Enfin, nous montrons que notre méthode est adaptée à une analyse sur de grandes surfaces puisqu’elle permet des rendements de moins de 2 minutes par km2.

La combinaison d'indicateurs de changement pour le suivi de l'évolution de l'occupation du sol à partir d'imagerie satellitales

L'apparition de capteurs d'observation de la terre ayant une haute résolution spatiale a permis la réalisation de beaucoup d'applications liées à l'analyse de la surface terrestre ou de l'environnement comme le suivi de la végétation, la mise à jour de la cartographie et aussi la gestion des risques.Il existe plusieurs approches pour la détection de changement en imagerie : des méthodes qui se sont fondées sur l'analyse par vecteurs de changement, les détecteurs simples et la régression, des méthodes d'analyse de texture, d'analyse en composantes principales, d'analyse de formes, de différence de l'indice de végétation, et des ondelettes et finalement les méthodes de classification multi-dates directes, de comparaison post classification et de comparaison post classification flou, d'intelligence artificielle, de réseaux artificiels de neurones et des systèmes experts.\\ La détection de changement peut se faire entre deux images ayant différentes dates, tandis que le suivi de l'évolution de l'occupation du sol se fait à partir d'une multitude d'images multidates.L'application de l'approche a contrario en traitement d'images, repose sur la détection de structures non attendues. Ainsi, on peut détecter des "évènements" sans faire d'hypothèse sur la forme de ces événements, ce qui justifie le qualitatif de détection a contrario.Au cours de ce travail, nous avons appliqué l'approche a contrario pour faire le suivi de l'évolution de l'occupation du sol en combinant plusieurs indicateurs de changement.