Méthodes de Machine Learning pour le suivi de l'occupation du sol des deltas du Viêt-Nam
Auteur / Autrice : | Chi-Nguyen Lam |
Direction : | Simona Niculescu, Bernard Pottier |
Type : | Thèse de doctorat |
Discipline(s) : | Géomatique |
Date : | Soutenance le 07/10/2021 |
Etablissement(s) : | Brest |
Ecole(s) doctorale(s) : | École doctorale Sciences de la mer et du littoral (Plouzané) |
Partenaire(s) de recherche : | Laboratoire : Littoral, environnement, télédétection, géomatique (Plouzané, Finistère) |
Jury : | Président / Présidente : Vincent Rodin |
Examinateurs / Examinatrices : Simona Niculescu, Bernard Pottier, Vincent Rodin, Sébastien J.-P. Gadal, Thomas Corpetti, Dominique Lavenier, Hiep Xuan Huynh | |
Rapporteurs / Rapporteuses : Sébastien J.-P. Gadal, Thomas Corpetti |
Mots clés
Mots clés contrôlés
Résumé
Le développement socio-économique au Vietnam est associé à l'existence des grands deltas fluviaux. En outre, les facteurs environnementaux tels que la sécheresse et l’inondation jouent un rôle important dans le changement de l’occupation du sol au niveau de ces deltas. Ces changements ne sont pas sans impact sur l’équilibre naturel et économique du pays. Dans cette optique, cette thèse a pour objectifs de proposer des méthodes de traitement des données satellites pour une cartographie et suivi efficaces de l’occupation du sol au niveau des deux principaux deltas du Viêt- Nam, fleuve rouge et du Mékong. En effet, un travail expérimental a été effectué en vérifiant et évaluant l’apport du traitement d’images multi-capteurs par de nombreuses approches de segmentation d’image et d’apprentissage automatique peu profond et profond. Ainsi, un modèle de Convolutional Neural Network (CNN) adapté au contexte de l’étude, a démontré sa robustesse pour la détection et la cartographie de l’occupation du sol afin de caractériser l’aléa de l’inondation et d’analyser les enjeux.