Inversion des formes d'ondes LiDAR pour l'estimation des caractéristiques des cultures et des forêts par des techniques probabilistes et variationnelles

Lidar full waveform inversion for crop and forest caracteristics estimation by probabilistic and variational techniques

• Auteur / Autrice : Sahar Ben Hmida
• Direction : Jean-Philippe Gastellu-Etchegorry, Abdelaziz Kallel
• Type : Thèse de doctorat
• Discipline(s) : Surfaces et interfaces continentales, Hydrologie
• Date : Soutenance le 21/12/2018
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Sciences de l’univers, de l’environnement et de l’espace (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Centre d'études spatiales de la biosphère (Toulouse ; 2001-....)

Mots clés

Mots clés contrôlés

Forêts

Végétation -- Télédétection

Lidar

Mots clés libres

LiDAR

Couvert végétal

Propriétés biophysiques

DART

Inversion

Formes d'onde

LUT

LAI

LiDAR

Vegetation cover

Biophysical properties

DART

Inversion

Waveform

LUT

LAI

Résumé

L'utilisation du LiDAR en télédétection permet une description précise de l'architecture du couvert végétal. L'objet de cette thèse est le développement des approches d'inversion de mesures LiDAR à l'aide d'une modélisation physique et statistique du signal dans le but d'estimer des propriétés biophysiques de cultures dominantes (blé, maïs) du Sud-Ouest de la France et d'un couvert forestier en Chine. Le travail a tout d'abord porté sur l'estimation du LAI et la hauteur des cultures par inversion de formes d'onde LiDAR à faible empreinte. Une base de données de simulations de formes d'onde réalistes des cultures est réalisée à l'aide du modèle de transfert radiatif (MTR) DART. L'inversion consiste à utiliser la technique de table de correspondance qui consiste à chercher la simulation la plus proche de l'observation réelle. Le travail a ensuite porté sur l'estimation du profil de LAI des arbres de la forêt. Une approche variationnelle d'estimation du profil de LAI par inversion de formes d'ondes est proposée. Elle repose sur un MTR simplifié et une technique de lissage du profil de LAI s'appuyant sur les chaines de Markov. La formulation bayésienne du problème, nous amène à une fonction de coût non-linéaire. Elle est minimisée à l'aide d'une nouvelle technique de gradient multi-échelle. Les approches développées montrent bien leurs performances en les appliquant sur des données réelles de cultures (maïs et blé) et de milieu forestier.

The use of LiDAR in remote sensing allows a precise description of the vegetation cover architecture. The aim of this thesis is the development of LiDAR data inversion approaches using physical and statistical signal modeling in order to estimate the biophysical properties of dominant crops (wheat, maize) of the South-West of France and a forest cover in China. The work firstly focused on estimating LAI and crop height by small footprint LiDAR waveforms inversion. A realistic crop waveform simulations database is performed using the Radiative Transfer Model (MTR) DART. The inversion consists in using the Look up Table technique which consists of looking for the closest simulation to the actual observation. The second inversion approach focused on LAI profile estimation of the forest trees. A variational approach to estimate LAI by waveform inversion is proposed. It relies on a simplified MTR and LAI profile smoothing technique based on Markov chains. The Bayesian formulation of the problem leads us to a non-linear cost function. It is minimized using a new multi-scale gradient technique. The developed approaches show clearly their performance by applying them to real crop data (corn and wheat) and forest.