Exploitation des séries temporelles d'images satellite à haute résolution spatiale par fusion d'informations multi-sources pour le suivi des opérations culturales : application à la détection des coupes de canne à sucre à la Réunion

Processing of time series of high spatial resolution satellite images through multi-source information fusion for monitoring agricultural practices : the case of sugarcane harvest on Reunion island

• Auteur / Autrice : Mahmoud El Hajj
• Direction : Agnès Bégué
• Type : Thèse de doctorat
• Discipline(s) : Télédétection
• Date : Soutenance en 2008
• Etablissement(s) : Institut national agronomique Paris-Grignon (1971-2006)

Mots clés

Mots clés contrôlés

La Réunion (France ; île)

Cultures

Canne à sucre

Imagerie satellitaire

Mots clés libres

Modéle de culture

Résumé

Les séries temporelles d'images satellite acquises à haute résolution spatiale sont une source d'information importante pour le suivi des changements sur des grandes surfaces. Ces données sont particulièrement intéressantes pour les applications agricoles car elles permettent d’appréhender à l’échelle parcellaire les changements d’état de surface induits par les pratiques culturales. Cependant, le traitement des séries temporelles est souvent limité par l’irrégularité des acquisitions et par la nécessité d���une intervention experte récurrente. Cette thèse présente une méthodologie innovante qui répond à cette problématique. L’application agricole considérée est le suivi des coupes de canne à sucre à La Réunion à partir d’images SPOT (Kalideos ISLERéunion ©). Afin d’assurer la comparabilité des images, nous avons tout d’abord développé une méthode de normalisation radiométrique relative basée sur une technique de sélection automatique de cibles invariantes. Ensuite, nous avons conçu et développé un système qui exploite, en temps réel, le contenu informatif des séries temporelles en s’appuyant sur des simulations faites à partir d’un modèle de culture et sur des connaissances expertes. Le formalisme de fusion d’informations utilisé est basé sur la modélisation linguistique et sur la logique floue. Il permet de manipuler des données imprécises, incertaines et de nature hétérogène. Il permet également de construire des règles de décision interprétables qui reproduisent, en partie, le raisonnement humain. Deux méthodes de construction des règles sont proposées : la première repose sur des règles définies par l’expert et la deuxième sur une induction automatique des règles par apprentissage. Les performances du système ont été évaluées sur différents sites et sur différentes années. Les résultats obtenus sont satisfaisants : la précision globale atteint 98,8% et le pourcentage de bonne détection des coupes atteint 96,1%. L’analyse de la contribution des différentes sources d’informations a montré, entre autres, que le modèle de culture apporte 6,4% de précision supplémentaire dans la détection des coupes. L’apport de l’expertise a été difficile à évaluer car elle intervient dans différentes parties du système. La méthodologie présentée dans cette thèse est très prometteuse. Elle est applicable à d’autres cultures et transférable à d’autres applications telle que la cartographie dynamique de l’occupation du sol

Time series of satellite images acquired at high spatial resolution constitute an important source of information for monitoring changes over large areas. These data are particularly interesting for agricultural applications. They can be used to track field scale changes of land surface induced by farming practices. However, operational processing of the time series is often limited by the irregularity of acquisitions and the recurring need for expert intervention. This thesis presents an innovative methodology that addresses this issue. The studied application concerns the sugarcane harvest detection on Reunion Island using SPOT images (Kalideos ISLE-Réunion©). To ensure the comparability of the images, we first developed a method for relative radiometric normalization based on an automatic technique of invariant targets selection. Then, we designed and developed a real-time decision system that processes the time series by integrating information from crop growth modeling and expert knowledge. The information fusion formalism we used is based on linguistic modeling and fuzzy logic. This formalism copes with the imprecision, the uncertainty and the heterogeneous nature of the data. It also allows building interpretable decision rules that implement human reasoning. Two methods of rule generation are proposed: the first is manual and relies on expert knowledge, whereas the second is automatic and requires learning data. System performances were evaluated on different study sites and different years. Results are satisfactory: the overall accuracy reaches 98. 8 % and the percentage of good harvest detections is 96. 1%. The analysis of the contribution of the different sources showed, among other things, that the crop model provides up to 6. 4 % of additional precision of harvest detection. The contribution of expert knowledge was difficult to assess because this source is involved in different parts of the system. The methodology presented in this thesis is very promising. It can be applied to other crops and transferred to other agricultural applications like the dynamic mapping of land cover