En savoir plus

Apports de la rétrodiffusion radar au suivi de la déforestation en forêt tropicale

 Suite à mes trois années au sein de l’UMR ISPA, j’ai l’honneur de vous inviter à ma soutenance de thèse intitulée « Apports de la rétrodiffusion radar au suivi de la déforestation en forêt tropicale ». La soutenance aura lieu le mercredi 14 Décembre à 14 heures. Elle se déroulera de manière hybride : 

• En présentiel, dans la salle de réunion du nouveau bâtiment C1 au site de La Grande Ferrade à Villenave d’Ornon (même salle que l’assemblée générale de la veille)
• En visioconférence sur la plateforme Zoom : https://inrae-fr.zoom.us/j/6427971008

 Date : 14 décembre, 14h00, salle de réunion du nouveau bâtiment

 Directeur : WIGNERON Jean-Pierre

Co-directeurs : FRAPPART Frédéric, RIAZANOFF Serge (directeur de l’entreprise VisioTerra)

JURY : DARROZES José, MOUGIN Eric, BAUP Frédéric, PORTE Annabel

Résumé :

La télédétection spatiale est de plus en plus employée dans la surveillance des problèmes environnementaux. Son intérêt principal réside dans la capacité des capteurs embarqués sur satellites de fournir des informations aux échelles mondiale, régionale et locale. La télédétection optique a montré son potentiel dans le suivi des changements de couvert forestier. Jusqu’à récemment, les systèmes de suivi de la déforestation étaient basés sur l’imagerie satellitaire optique. Dans la bande intertropicale, l’emploi de ce type d’image rencontre des limites liées à la temporalité du couvert nuageux. Ce couvert nuageux, fréquent, entraîne des délais de détection voir des manquements à cause du manque de disponibilité de nouvelles images non-contaminées par les nuages. En effet, des ouvertures d’origine humaine dans la canopée peuvent être refermées par la repousse entre deux images optiques non-contaminées.

Les nouveaux systèmes de Radar à Ouverture Synthétique (RSO, SAR) ont ouvert de nouvelles perspectives dans le domaine de la surveillance des changements de couvert forestier dans les forêts tropicales humides (Sentinel-1, PALSAR-2). Ces capteurs actifs ont la capacité de pénétrer le couvert nuageux. La disponibilité des images Sentinel-1 en bande C à haute résolution spatiale (5x20m) comme temporelle (6 à 12 jours de revisite) en fait un substitut potentiel / complémentaire des systèmes optiques dans le suivi des perturbations du couvert forestier.

Cette thèse s’articule autour de trois parties. La première consiste à développer une nouvelle méthode de détection des changements basée sur le Cumulative Sum algorithm (CuSum) combiné avec une analyse de bootstrap, appliquée au suivi des changements du couvert forestier. La méthode a été appliquée à des séries temporelles d’images Sentinel-1 Ground-Range-Detected (GRD) en polarisation double (VV, VH) obtenues dans une concession forestière légale près de Kisangani, en République Démocratique du Congo. Les améliorations apportées consistent en l’intersection des cartes de résultats de VV et de VH pour créer la carte de résultats VV x VH. Une recombinaison spatiale d’un seuil critique (T_c) haut avec un seuil critique bas a également été réalisée, appelée cross-T_c. Le deuxième axe de la thèse est constitué par le développement de la méthode ReCuSum. Ce développement se traduit par l’application du CuSum cross-T_c de manière itérative pour changer la nature ‘single breakpoint’ du CuSum en ‘multiple breakpoints’. Cette amélioration a été réalisée dans l’objectif d’améliorer la capacité du CuSum cross-T_c à détecter et qualifier les changements du couvert forestier. Le développement se base dans la région du Parà, dans la forêt amazonienne brésilienne. Le troisième et dernier axe de cette thèse consiste à développer une version quasi-temp-réelle du CuSum cross-T_c.

Mots clefs : Déforestation, Sentinel-1, Télédétection radar, Cumulative Sum algorithm, Détection de changement, Forêts tropicales.

Abstract:

Earth Observations are increasingly used to monitor environmental problems. Its interests lie in the ability of sensors aboard satellites to provide information at global, regional and local scales. Optical remote sensing has shown great potential for the monitoring of forest disturbances. Until recently, deforestation monitoring systems were mainly based on remotely sensed optical images. In the intertropical latitudes, such images often face limitations of frequent cloud cover, leading to late detection or misdetections due to the temporal availability of new images uncontaminated by clouds. In tropical humid forests, regrowth can close canopy gaps between two non-cloud-contaminated optical images used for detection.

New SAR (Synthetic Aperture Radar) systems have opened new perspectives for forest disturbance monitoring in tropical humid forests (Sentinel-1, PALSAR-2). These active sensors penetrate the clouds. The availability of Sentinel-1 C-band images at high spatial and temporal resolutions makes it a potential substitute / complementary of optical systems for monitoring disturbances in forest cover.

This work revolves around three parts. The first part consists in the development of a new change detection method for monitoring disturbances in forest cover, based on the Cumulative Sum algorithm (CuSum) combined with a bootstrap analysis. The method was applied to time-series of Sentinel-1 Ground-Range Detected (GRD) dual polarization (VV, VH) images obtained in a legal forest concession near Kisangani in the Democratic Republic of the Congo. The results from VV and VH polarization were intersected in VV x VH result map, and a spatial recombination of a high Critical Threshold (T_c) with a low critical threshold was performed. The second part of this work is to develop a multiple-breakpoints version of the CuSum cross-T_c called ReCuSum to further enhance the ability to monitor changes in forest cover. The development was made by applying the CuSum cross-T_c over a time-series in an iterative manner, in the State of Parà, Brazilian Amazon. The third axis of this thesis is to develop a Near-Real-Time (NRT) version of the CuSum cross-T_c.

Keywords: Deforestation, Sentinel-1, Radar remote sensing, Cumulative Sum algorithm, Change detection, Tropical forests.