Télédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes : aplication aux Hautes Terres, à Madagascar
Les méthodes de classification des données de télédétection pour la cartographie de l'occupation des sols reposent sur des mesures de proximité entre pixels ou objets dans un hyperespace spectral dans lequel ils sont projetés en fonction de leur réflectance dans plusieurs bandes spectrales de l'image. La projection en retour des pixels ou des objets vers l'espace géographique permet d'obtenir la carte d'occupation du sol recherchée, avec autant de classes que de régions identifiées comme significatives dans l'hyperespace. Le raisonnement qui sous-tend l'analyse dans l'hyperespace des données satellitaires est que dans ce dernier, les relations de proximité de "signatures spectrales" des objets et des pixels sont plus faciles à mettre en évidence que dans l'espace géographique. Ces méthodes sont particulièrement efficaces pour la cartographie des espaces agricoles caractérisés par de grandes parcelles et par des pratiques culturales homogènes. Cependant, pour une grande partie des Suds, les espaces agricoles sont plus complexes, avec des parcelles généralement plus petites, et une diversité d'usages et d'occupations des sols qui reflète les coutumes et leur adaptation au climat et à la géographie locale. L'efficacité des méthodes de télédétection diminue fortement pour ces systèmes agricoles plus complexes. Afin de repousser ces limites, les recherches actuelles portent sur des méthodes combinant à la fois des séries temporelles d'images satellites et des données contextuelles, tel que des indices de texture, l'altitude ou la pente, dont certaines sont basées sur l'apprentissage profond. Ces développements méthodologiques et techniques poussés utilisent principalement l'information spectrale et n'intègrent que peu les autres types de connaissances agricoles disponibles. Par exemple, on sait que certaines cultures ne poussent qu'à partir d'une altitude ou à proximité des habitations. Aisément identifiables dans l'espace géographique, ces connaissances, à la fois spatiales et temporelles, sont plus difficilement identifiables dans l'hyperespace des données. Cela suggère intuitivement qu'une meilleure prise en compte des connaissances agricoles pourrait améliorer les méthodes de classification pour obtenir des cartes de l'occupation de l'usage des sols plus cohérentes sur le plan agricole. Dans cette thèse, nous explorons la possibilité d'utiliser les connaissances en agriculture, formalisées sous forme de règles, pour améliorer une méthode de classification supervisée pour la cartographie de l'occupation et de l'usage des sols des systèmes agricoles complexes. Dans un premier temps, cette thèse propose un modèle conceptuel permettant de combiner à la fois des méthodes de classification de données de télédétection et de la modélisation spatio-temporelle. Ce modèle est décomposé en quatre modules spatiaux et temporels, chacun correspondant à une méthode visant à améliorer la caractérisation de l'occupation et de l'usage des sols, et pouvant être utilisé indépendamment. Les deux modules spatiaux du modèle sont ensuite appliqués à une zone d'étude agricole située dans la région du Vakinankaratra, sur les Hautes Terres de Madagascar afin d'évaluer l'approche développée. D'un point de vue quantitatif, l'application des deux modules spatiaux n'améliore que très peu la caractérisation des classes d'occupation et d'usage des sols de la zone d'étude, notamment du fait du manque de données de qualité supportant l'application des règles spatiales identifiées. Néanmoins, l'application des modules spatiaux permet une meilleure discrimination entre les cultures pluviales et les espaces de savanes, source de nombreuses confusions avec les méthodes utilisées en traitement de données de télédétection. L'analyse de ces résultats permet de proposer des améliorations pour le modèle conceptuel ainsi que pour son application plus générale aux systèmes agricoles complexes.
| Main Author: | |
|---|---|
| Format: | thesis biblioteca |
| Language: | fre |
| Published: |
Université de Montpellier
|
| Subjects: | U30 - Méthodes de recherche, E11 - Économie et politique foncières, F08 - Systèmes et modes de culture, télédétection, modélisation, analyse spatiale, cartographie de l'utilisation des terres, cartographie de l'occupation du sol, imagerie par satellite, structure agraire, http://aims.fao.org/aos/agrovoc/c_6498, http://aims.fao.org/aos/agrovoc/c_230ab86c, http://aims.fao.org/aos/agrovoc/c_40da9d3b, http://aims.fao.org/aos/agrovoc/c_9000100, http://aims.fao.org/aos/agrovoc/c_9000094, http://aims.fao.org/aos/agrovoc/c_36761, http://aims.fao.org/aos/agrovoc/c_7193, http://aims.fao.org/aos/agrovoc/c_4510, |
| Online Access: | http://agritrop.cirad.fr/598362/ http://agritrop.cirad.fr/598362/1/These_CRESPIN-BOUCAUD_2021_final.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Les méthodes de classification des données de télédétection pour la cartographie de l'occupation des sols reposent sur des mesures de proximité entre pixels ou objets dans un hyperespace spectral dans lequel ils sont projetés en fonction de leur réflectance dans plusieurs bandes spectrales de l'image. La projection en retour des pixels ou des objets vers l'espace géographique permet d'obtenir la carte d'occupation du sol recherchée, avec autant de classes que de régions identifiées comme significatives dans l'hyperespace. Le raisonnement qui sous-tend l'analyse dans l'hyperespace des données satellitaires est que dans ce dernier, les relations de proximité de "signatures spectrales" des objets et des pixels sont plus faciles à mettre en évidence que dans l'espace géographique. Ces méthodes sont particulièrement efficaces pour la cartographie des espaces agricoles caractérisés par de grandes parcelles et par des pratiques culturales homogènes. Cependant, pour une grande partie des Suds, les espaces agricoles sont plus complexes, avec des parcelles généralement plus petites, et une diversité d'usages et d'occupations des sols qui reflète les coutumes et leur adaptation au climat et à la géographie locale. L'efficacité des méthodes de télédétection diminue fortement pour ces systèmes agricoles plus complexes. Afin de repousser ces limites, les recherches actuelles portent sur des méthodes combinant à la fois des séries temporelles d'images satellites et des données contextuelles, tel que des indices de texture, l'altitude ou la pente, dont certaines sont basées sur l'apprentissage profond. Ces développements méthodologiques et techniques poussés utilisent principalement l'information spectrale et n'intègrent que peu les autres types de connaissances agricoles disponibles. Par exemple, on sait que certaines cultures ne poussent qu'à partir d'une altitude ou à proximité des habitations. Aisément identifiables dans l'espace géographique, ces connaissances, à la fois spatiales et temporelles, sont plus difficilement identifiables dans l'hyperespace des données. Cela suggère intuitivement qu'une meilleure prise en compte des connaissances agricoles pourrait améliorer les méthodes de classification pour obtenir des cartes de l'occupation de l'usage des sols plus cohérentes sur le plan agricole. Dans cette thèse, nous explorons la possibilité d'utiliser les connaissances en agriculture, formalisées sous forme de règles, pour améliorer une méthode de classification supervisée pour la cartographie de l'occupation et de l'usage des sols des systèmes agricoles complexes. Dans un premier temps, cette thèse propose un modèle conceptuel permettant de combiner à la fois des méthodes de classification de données de télédétection et de la modélisation spatio-temporelle. Ce modèle est décomposé en quatre modules spatiaux et temporels, chacun correspondant à une méthode visant à améliorer la caractérisation de l'occupation et de l'usage des sols, et pouvant être utilisé indépendamment. Les deux modules spatiaux du modèle sont ensuite appliqués à une zone d'étude agricole située dans la région du Vakinankaratra, sur les Hautes Terres de Madagascar afin d'évaluer l'approche développée. D'un point de vue quantitatif, l'application des deux modules spatiaux n'améliore que très peu la caractérisation des classes d'occupation et d'usage des sols de la zone d'étude, notamment du fait du manque de données de qualité supportant l'application des règles spatiales identifiées. Néanmoins, l'application des modules spatiaux permet une meilleure discrimination entre les cultures pluviales et les espaces de savanes, source de nombreuses confusions avec les méthodes utilisées en traitement de données de télédétection. L'analyse de ces résultats permet de proposer des améliorations pour le modèle conceptuel ainsi que pour son application plus générale aux systèmes agricoles complexes. |
|---|