Éditeur(s) : HAL CCSD
Résumé :   Diffusion du document : INRA Antilles-Guyane, UMR ECOFOG, F97387 Kourou, Guyane (France) Diplôme : DEA
il s'agit d'un type de produit dont les métadonnées ne correspondent pas aux métadonnées attendues dans les autres types de produit : DISSERTATION
This work on tropic al humid forest of Paracou includes 16 permanent sample plots covering a total surface of 119 hectares. Ten hectares of them are taken up by floodplains which characteristic is a continuous no-deep underground water level with phases of strong surface water logging. Three items have been studied : (i) Checking that during dry season the maps of the underground water level including its limits are reliable, (ii) Characterising the most suitable ecological niches for certain species, (iii) Additional updating the floodplains characterisation by precisely analysing the chemical soil content as well as the physiological reaction of the Symphonia Globulifera . Checking the underground water level in dry season enabled to put down to a quite good measurement reliability by GIS. The classification ecological of species proposed in this work is based on the relative density in floodplain and drain soil very similar to that which concerns a surface located ten or more kilometres further. This lets us assess that this classification is of a good reliability as long as the climate conditions are quite similar to ours in Paracou. Furthermore the presence of pneumatophores in the Symphonia Globulifera is a good biological criterion as long as it shows a long time ground moisture saturation. By analysing the life litter and the soil we mentioned that the leaf content and the soil content indicate a better nutritional value (phosphorus, calcium and potassium) in the floodplains. For phosphorus the relation between the life litter and the soil results put forward that the Olsen method gives a better explanation of the real phosphorus availability for the trees.
Le dispositif de recherche sur la forêt tropicale humide de Paracou est composé de 16 parcelles permanentes couvrant au total 119 ha, dont 10 ha sont occupés par des bas-fonds, caractérisés par l'existence permanente d'une nappe peu profonde et par des périodes de fort engorgement en surface. Notre étude avait trois objectifs : (i) vérifier la fiabilité des cartes de la profondeur de nappe en saison sèche, qui délimitent ces bas-fonds, (ii) caractériser les préférences écologiques de quelques espèces et (iii) compléter la caractérisation des bas-fonds par l'analyse de la richesse chimique du sol et l'étude de la réaction physiologique du Symphonia globulifera. La vérification sur la profondeur de nappe en saison sèche a montré que les imprécisions des cartes étaient d'ampleur limitée, sans incidence forte par rapport à l'ensemble des données. Le classement écologique des espèces proposé dans cette étude, basé sur leurs densités relatives dans les bas-fonds et hors des bas-fonds, est très similaire à celui présenté par une autre étude, dans un dispositif situé à plusieurs dizaines de kilomètres. Cela suggère que ce classement a une bonne validité, tant que les conditions climatiques ne diffèrent pas trop de celles rencontrées à Paracou. Par ailleurs, la présence des pneumatophores du Symphonia globulifera est un bon critère biologique signalant un engorgement hydrique prolongé du sol. Au niveau des analyses de la litière et du sol, les teneurs foliaires et les teneurs dans le sol semblent indiquer que la nutrition en phosphore, calcium et potassium est meilleure en bas-fonds. Au niveau de la méthode de mesure du phosphore assimilable, les relations entre les résultats de la litière et celles du sol suggèrent que la méthode d'Olsen rend mieux compte de la disponibilité effective du phosphore pour les arbres de la forêt tropicale humide que la méthode de Duchaufour.
https://hal.archives-ouvertes.fr/hal-01189229

hal-01189229
https://hal.archives-ouvertes.fr/hal-01189229
PRODINRA : 17050

Éditeur(s) : HAL CCSD
Résumé : International audience
Le nombre de satellites et de capteurs pour la télédétection dédiés à l'observation de la Terre ne cesse d'augmenter, permettant ainsi d'avoir une masse de données importante en particulier en matière d'images. Parallèlement, un effort permanent vise, d'une part, à améliorer l'accès à ces données et, d'autre part, à développer d'avantages d'outils pour les manipuler. De tels efforts sont particulièrement utiles dans des contextes socio-environnementaux très dynamiques spatialement et temporellement, pour lesquels il est nécessaire de suivre et de prédire les événements environnementaux et sociétaux. En revanche, en présence d'un tel flux de données, nous avons besoin de méthodes automatiques d'interprétation d'images. Une solution envisageable pour répondre à ce besoin est de bénéficier des atouts de l'intelligence artificielle pour l'obtention de cartes d'occupation du sol issues d'une classification des régions des images. Afin de contribuer à l'automatisation de la classification, nous proposons une méthode d'induction de règles interprétables par des non-experts et mettant en évidence, explicitement, des connaissances structurelles. Cette méthode s'appuie sur la programmation logique inductive (PLI) et en particulier sur le système inductif ”Aleph”. L'application de la méthode de classification Multi-class Rule Set Intersection (MRSI) permet ensuite de classifier tout nouvel objet au regard des ses caractéristiques intrinsèques et de celles des objets environnants. Nous avons appliqué notre méthodologie à l'étude de la dynamique du littoral de la Guyane Française. Suite à ce travail, nous avons induit 136 règles de classification pour 38 classes d'occupation du sol. Ces règles sont intelligibles et simples à interpréter de par l'utilisation de la logique du premier ordre. Les performances du système ont été évaluées par la validation croisée. En moyenne, la précision, la spécificité et la sensibilité sont, respectivement, égales à 84,62%, 99,57% et 77,22%. Ces résultats quantitatifs montrent une bonne performance de la méthodologie pour la mise à jour automatique de cartes d'occupation du sol et/ou l'assistance aux opérateurs utilisant l'analyse d'image orientée-objet.
11èmes Rencontres des Jeunes Chercheurs en Intelligence Artificielle
Lille, France

hal-01376400
https://hal.archives-ouvertes.fr/hal-01376400
https://hal.archives-ouvertes.fr/hal-01376400/document
https://hal.archives-ouvertes.fr/hal-01376400/file/Bayoudh_RJCIA2013.pdf

Résumé : Les méthodes classiques d'analyse d'images satellites sont inadaptées au volume actuel du flux de données. L'automatisation de l'interprétation de ces images devient donc cruciale pour l'analyse et la gestion des phénomènes observables par satellite et évoluant dans le temps et l'espace. Ce travail vise à automatiser la cartographie dynamique de l'occupation du sol à partir d'images satellites, par des mécanismes expressifs, facilement interprétables en prenant en compte les aspects structurels de l'information géographique. Il s'inscrit dans le cadre de l'analyse d'images basée objet. Ainsi, un paramétrage supervisé d'un algorithme de segmentation d'images est proposé. Dans un deuxième temps, une méthode de classification supervisée d'objets géographiques est présentée combinant apprentissage automatique par programmation logique inductive et classement par l'approche multi-class rule set intersection. Ces approches sont appliquées à la cartographie de la bande côtière Guyanaise. Les résultats démontrent la faisabilité du paramétrage de la segmentation, mais également sa variabilité en fonction des classes de la carte de référence et des données d'entrée. Les résultats de la classification supervisée montrent qu'il est possible d'induire des règles de classification expressives, véhiculant des informations cohérentes et structurelles dans un contexte applicatif donnée et conduisant à des valeurs satisfaisantes de précision et de KAPPA (respectivement 84,6% et 0,7). Ce travail de thèse contribue ainsi à l'automatisation de la cartographie dynamique à partir d'images de télédétection et propose des perspectives originales et prometteuses.
Classical methods for satellite image analysis are inadequate for the current bulky data flow. Thus, automate the interpretation of such images becomes crucial for the analysis and management of phenomena changing in time and space, observable by satellite. Thus, this work aims at automating land cover cartography from satellite images, by expressive and easily interpretable mechanism, and by explicitly taking into account structural aspects of geographic information. It is part of the object-based image analysis framework, and assumes that it is possible to extract useful contextual knowledge from maps. Thus, a supervised parameterization methods of a segmentation algorithm is proposed. Secondly, a supervised classification of geographical objects is presented. It combines machine learning by inductive logic programming and the multi-class rule set intersection approach. These approaches are applied to the French Guiana coastline cartography. The results demonstrate the feasibility of the segmentation parameterization, but also its variability as a function of the reference map classes and of the input data. Yet, methodological developments allow to consider an operational implementation of such an approach. The results of the object supervised classification show that it is possible to induce expressive classification rules that convey consistent and structural information in a given application context and lead to reliable predictions, with overall accuracy and Kappa values equal to, respectively, 84,6% and 0,7. In conclusion, this work contributes to the automation of the dynamic cartography from remotely sensed images and proposes original and promising perpectives

http://www.theses.fr/2013AGUY0671/document