Soutenance de thèse de Maxime SOMA
Ecole Doctorale
Sciences de l'Environnement
Spécialité
Sciences de l'environnement: Géosciences
établissement
Aix-Marseille Université
Mots Clés
Surface foliaire,LiDAR terrestre,Combustible,Forêt méditerranéenne,LAI,
Keywords
Leaf area,Terrestrial LiDAR,Fuel,Mediterranean forest,Leaf area density,Remote sensing
Titre de thèse
Estimation de la distribution spatiale de surface et de biomasse foliaires de couverts forestiers méditerranéens à partir de nuages de points acquis par un LiDAR Terrestre
Estimation of spatial distribution of leaf area and biomass in mediterranean canopies from terrestrial LiDAR point clouds
Date
Mardi 16 Avril 2019
Adresse
228 route de l'Aérodrome
Domaine Saint Paul - Site Agroparc
CS 40509
84914 Avignon Cedex 9
Alvéole
Jury
Directeur de these | M. Jean-Luc DUPUY | INRA |
Rapporteur | M. Grégoire VINCENT | Institut de recherche pour le développement |
Rapporteur | M. Cédric VEGA | Institut national de l'information géographique et forestière - Laboratoire de lInventaire Forestier |
Examinateur | Mme Sylvie DURRIEU | IRSTEA |
Examinateur | M. Philippe LEJEUNE | Gembloux Agro Bio Tech - Université de Liège |
Examinateur | M. Frederic BARET | INRA |
Résumé de la thèse
Pour mieux comprendre le fonctionnement des écosystèmes forestiers à des échelles fines, les modèles écophysiologiques cherchent à intégrer localement les flux dénergie et de matière. Ces échanges dépendent directement de la distribution de la végétation. Leur modélisation nécessite donc une description de la structure de la végétation en trois dimensions (3D) à un niveau de détail que seule la télédétection est en mesure de produire à haut débit. Les LiDAR terrestre (Light Detection And Ranging) possèdent un fort potentiel pour caractériser en 3D les éléments de végétation au sein des canopées. De précédents travaux qui relient la densité de points à la quantité de végétation ont montré des résultats prometteurs. Ces approches visent à calculer des estimateurs à partir du nuage de points dans des volumes dintérêts (voxels). Elles diffèrent des approches architecturales et peuvent sappliquer sur du matériel fin, comme le feuillage, impossible à reconstruire géométriquement. Cette thèse développe ces approches statistiques, en ciblant les diverses sources derreurs. Les biais systématiques sont graduellement analysés et corrigés à léchelle de la branche, de larbre et de la placette. Ce travail sappuie à la fois sur des travaux théoriques et expérimentaux, ce qui a permis didentifier et de corriger des biais théoriques dans les formulations des estimateurs, mais aussi des biais empiriques associés à lhétérogénéité de la végétation et à son interaction avec les impulsions lasers. Dans un premier temps, nous avons évalué des estimateurs théoriques validés numériquement (TBC, pour « theoretically-bias corrected ») sur des branches au laboratoire. Sur cette végétation réelle, les estimateurs TBC se sont révélés sensibles à la taille de voxel utilisée, ainsi quà la distance de mesure pour le LiDAR à décalage de phase. Les corrections apportées sont demeurées robustes avec des voxels de 50 cm dans le cas dexpériences de terrain sur des arbres entiers. Cependant, léchantillonnage au LiDAR terrestre est limité par locclusion végétale et par le patron de tir des impulsions, ce qui engendre des erreurs supplémentaires dans les zones denses. Un travail spécifique a été conduit pour mieux comprendre ces erreurs et optimiser les estimations. Une autre approche, dordre statistique, a été développée en tirant avantage des corrélations spatiales présentes dans la végétation. Cette approche, baptisé LAD-kriging, permet daméliorer les estimations locales et de limiter les sous-estimations systématiques liées à locclusion. Lensemble des outils présentés offrent la possibilité de dresser des cartes de végétation à léchelle de la placette en fournissant des estimateurs non biaisés de la surface foliaire. Une partie de ces outils est en cours dimplémentation dans la plateforme Computree.
Thesis resume
To better understand functioning of forest ecosystems at fine scale, ecophysiological model attempt to include energy and material fluxes. Such exchanges depend directly on the distribution of vegetation. Hence, these models require a tridimensional (3D) description of vegetation structure, at a level of detail which can only be retrieve with remote sensing at large scale. Terrestrial LiDAR (Light Detection And Ranging) have a great potential to provide 3D description of vegetation elements in canopy. Previous studies established promising relations between the point density and quantity of vegetation. Such methods aims at providing estimators from point clouds within volumes of interest (voxels). They differ from architectural methods and they can be applied on fine material, as leaves, impossible to rebuild. This work develop these statistical methods, focusing on source of errors. Systematic biases are successively analyzed and corrected at branch, tree and plot scales. This study relies on both numerical simulations and field experiments, allowing to identify and correct for theoretical biases in estimators, but also for empirical biases related to vegetation heterogeneity and laser interaction with vegetation elements. First, we test theoretical estimator validated in simulations (TBC, for theoretically-bias corrected) on branches in laboratory conditions. On this natural vegetation, TBC estimators are sensitive to voxel size and distance from instrument with phase-shift LiDAR. Developed corrections from this branch experiment are valid at tree scale with 50 cm voxel size. However, difficulties arising from sampling limitations due to occlusion and instrument sampling pattern cause negative biases in dense areas. Specific investigations are conducted to identify source of errors and to optimize multiscan estimations. A statistical method called LAD-krigin, based on spatial correlation within vegetation, improves local accuracy of estimations and limits underestimations due to occlusion. The tools produced in this work allow to map vegetation at plot scale by providing unbiased estimator of leaf area. Some of these tools are currently implemented within open access Computree software.