Classification et mise à jour de données d'usage du sol : une approche multi-source et multi-modale par apprentissage automatique

Classification and update of Land Use data: a multi-source and multi-modal machine learning approach

• Auteur / Autrice : Martin Cubaud
• Direction : Ana-Maria Olteanu raimond
• Type : Projet de thèse
• Discipline(s) : Sciences et Technologies de l'Information Géographique
• Date : Inscription en doctorat le 15/09/2022
• Etablissement(s) : Université Gustave Eiffel
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication
• Partenaire(s) de recherche : Laboratoire : LASTIG -Laboratoire en Sciences et Technologies de l'Information Géographique

Mots clés

Mots clés libres

Usage du sol

Apprentissage automatique

Mise à jour

Fusion de données

Détection de changements

Land Use

Machine Learning

Update

Data Fusion

Change Detection

Résumé

Une cartographie précise de l'usage du sol (US) joue un rôle clé, avec celle de la couverture du sol (CS) dans l'analyse des dynamiques des activités humaines sur un territoire donné et dans l'évaluation de leurs conséquences environnementales. Bien qu'il soit maintenant possible de classifier avec précision la CS et dans une moindre mesure d'en détecter les changements à partir d'images de télédétection, la classification de l'US reste difficile car elle nécessite des informations socio-économiques qui ne sont pas observables dans ces images. De plus, la détection des changements d'US est encore plus complexe et n'a été encore que peu étudiée dans la recherche actuelle. Cette thèse cherche donc à combler ces deux manques, afin de produire et de mettre à jour des données d'US de qualité à échelle locale. Ses deux objectifs principaux sont la classification automatique de l'US et la détection de ses changements, à travers une approche d'apprentissage automatique vectorielle, multisource et multimodale. En effet, notre hypothèse de recherche est que plusieurs sources de données (incluant des cartes de CS, des bases de données topographiques faisant autorité ou issues de l'information géographique volontaire (VGI), des orthophotographies aériennes à haute résolution, des données cadastrales, des statistiques sociodémographiques, ainsi que la géométrie des polygones) contiennent de l'information en lien avec l'US qui peut être extraite et utilisée par des modèles d'apprentissage automatique pour attribuer une unique classe d'usage à chaque unité cartographique, correspondant à des polygones pré-construits. Pour atteindre notre premier objectif de recherche, à savoir la classification des US, nous proposons un processus qui d'abord transforme chaque source de données d'entrée en plusieurs attributs descriptifs calculés pour chaque unité de cartographie. L'US des polygones est ensuite classifiée à l'aide d'un processus d'apprentissage automatique reposant sur le modèle XGBoost. Les expériences ont été conduites sur la couche US de la base de données française OCS GE, dont la nomenclature de 19 classes est conforme à INSPIRE. La méthode proposée a été validée sur plusieurs zones d'étude, les départements de l'Essonne, du Gers et du Rhône, chacune atteignant un score F1 moyen entre à 82% et 86% et une OA entre 88% et 94%. La transférabilité du modèle entre ces zones a aussi été examinée afin d'évaluer sa robustesse et son adaptabilité dans des contextes géographiques variés. Le second objectif, la détection des changements d'US, est abordé à l'aide d'un second modèle d'apprentissage automatique, appliqué aux attributs dérivés de deux dates. Plusieurs modèles (XGBoost, réseaux de neurones) et architectures (fusion précoce ou tardive, post classification) ont été comparées. Cependant, nos premiers résultats (un F1 score maximal de 50% pour la classe changement) montre que cette tâche demeure difficile, et ouvrent de nouvelles perspectives de recherche pour mieux prendre en compte le fort déséquilibre entre les classes et la nature hétérogène des changements dans les différentes sources de données. Enfin, une contribution importante de la thèse est l'étude de l'interprétabilité des méthodes proposées, en utilisant les valeurs SHAP (SHapley Additive exPlanations) pour fournir des éclairages sur le fonctionnement des modèles et sur l'influence et l'importance relative des sources de données et des attributs. Dans l'ensemble, ce travail met en évidence à la fois le potentiel et les limites des approches d'apprentissage automatique pour la classification et la détection des changements d'US. Il souligne l'importance de l'intégration de sources de données multiples pour une cartographie efficace de l'US, offrant ainsi une base solide pour de futures recherches et applications dans ce domaine.

Accurate Land Use (LU) mapping plays a key role along with Land Cover (LC) mapping in analyzing the dynamics of human activities in a given area and assessing their environmental consequences. While LC classification and to a lesser extent LC change detection can now be accurately performed from remote sensing imagery, LU classification remains difficult because it requires socio-economic information not observable from imagery. Moreover, LU change detection is even more challenging and still little studied in current research. This thesis aims to address both of these gaps, in order to produce and update accurate LU data at local scale. It has two main objectives: 1) automatic LU classification and 2) LU change detection, through a multi-source, multi-modal, object-based machine learning approach. Indeed, our research hypothesis is that multiple data sources (including land cover maps, authoritative and volunteered geographic information (VGI) topographic databases, high-resolution aerial orthoimagery, cadastral data, sociodemographic statistics, and polygon geometry) contain LU related information, that can be extracted and input to machine learning models to provide a single LU class for each mapping unit, corresponding to predefined polygons. To address the first research goal, i.e. LU classification, we propose a workflow that first translates each input data source into several descriptive attributes calculated for each pre-existing vector mapping unit. The LU of the mapping units is then classified using a proposed machine learning workflow based on the XGBoost model. Experiments were performed on the LU layer of the French “OCS GE” database, the LU nomenclature containing 19 classes which is INSPIRE compliant. The proposed method was validated across several study areas, the French departments of Essonne, Gers and Rhône, each achieving a mean F1 score between 82% and 86%, and an OA between 88% and 94%. The model's transferability between these areas was also examined to assess its robustness and adaptability in varied geographical contexts. The second goal, i.e. LU change detection is addressed using a second machine learning workflow applied to the attributes derived from two dates, with several models (XGBoost, Neural Networks) and architectures compared (early fusion, embedding level fusion, post-classification). However, our first results (a maximum F1 for the change class of 50%) show that this task remains challenging. These results open new research avenues to better handle the severe class imbalance and the heterogeneous nature of changes across data sources. Finally, an important contribution of the thesis is the study of the interpretability of the proposed methods using SHAP (SHapley Additive exPlanations) values. It provides insights into the models' functioning and the influence and relative importance of the data sources and of the constructed attributes. Overall, this work demonstrates both the potential and limitations of machine learning approaches for LU classification and change detection. It highlights the importance of integrating multiple data sources for effective LU mapping, offering a robust foundation for future research and applications in this field.