SCD-Universite de Rennes 1 Evaluation of time-series SAR and optical images for the study of winter land-use Évaluation de séries temporelles d’images RSO et optiques pour l’étude de l’utilisation des sols en période hivernale TélédétectionAgricultureSentinel-1 and -2Radarsat-2Alos-2Classification Remote sensingAgricultureSentinel-1 and -2Radarsat-2Alos-2Classification Agriculture Télédétection Radar à antenne synthétique L'étude de l'utilisation hivernale du sol représente un enjeu majeur afin de préserver et d'améliorer la qualité des sols et des eaux de surfaces. Cependant la connaissance des dynamiques spatio-temporelles associées à l'utilisation du sol en période hivernale demeure aujourd'hui encore un défi pour la communauté scientifique. C'est dans ce contexte que s'inscrivent ces travaux de thèse dont l'objectif est d'évaluer le potentiel de séries temporelles d'images optiques et RSO à haute résolution spatiale pour l'étude de l'utilisation des sols en période hivernale à une échelle locale et régionale. Pour se faire, une méthodologie a été établie afin : (i) de déterminer la méthode de classification la plus adaptée pour identifier l'usage des sols en hiver; (ii) de comparer des images  RSO Sentinel-1 et optiques Sentinel-2; (iii) de définir la configuration RSO la plus adaptée en comparant trois séries temporelles d'images (Alos-2, Radarsat-2 et Sentinel-1).Les résultats ont tout d'abord mis en évidence l'intérêt de l'algorithme de classification Random Forest pour discriminer à une échelle fine les types d'usage des sols en hiver qui sont très variés. Dans un second temps, ils ont souligné l'intérêt des données Sentinel-2 pour cartographier l'utilisation hivernale des sols à une échelle locale et régionale. Enfin, ils ont permis de déterminer qu'une série temporelle dense d'images Sentinel-1 était la configuration RSO la plus adaptée afin d'identifier l'utilisation hivernale du sol. De manière générale, si cette thèse a permis de montrer que les données Sentinel-2 sont les plus adaptées pour étudier l'utilisation du sol en période  hivernale, les images RSO ont tout leur intérêt dans les régions où le couvert nuageux est important, les  séries temporelles  denses Sentinel- 1 ayant été définies comme les plus performantes. The study of winter land-use is a major challenge in order to preserve and improve the quality of soils and surface water. However, knowledge of the spatio-temporal dynamics associated with winter land-use remains a challenge for the scientific community. In this context, the objective of this study is to evaluate the potential of time series of high spatial resolution optical and SAR images for the study of winter land-use at a local and regional scale. For that purpose, a methodology has been established to: (i) determine the most suitable classification method for identifying winter land-use ; (ii) compare Sentinel-1 SAR and Sentinel-2 optical images; (iii) define the most suitable SAR configuration by comparing three image time-series (Alos-2, Radarsat-2 and Sentinel-1).The results first of all highlighted the interest of the Random Forest classification algorithm to discriminate at a fine scale the different types of land use in winter. Secondly, they showed the value of Sentinel-2 data for mapping winter land-use at a local and regional scale. Finally, they determined that a dense time series of Sentinel-1 images was the most appropriate SAR configuration to identify winter land-use. In general, while this thesis has shown that Sentinel-2 data are best suited to studying land use in winter, SAR images are of great interest in regions with significant cloud cover, dense Sentinel-1 time-series having being defined as the most efficient. Electronic Thesis or DissertationText en application/pdf1 : 14642 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/574a79e0-8266-4219-adc6-c18f90930f7a Denize Julien 1992-07-21 FR 24297242X denize.julien@gmail.com 2019REN1S062 http://www.theses.fr/2019REN1S062 2019-11-13 Signal, image, vision Universite de Rennes 1thesis.degree.grantor_1 02778715X Doctorat Universite Bretagne LoirepartenaireRecherche_1 191639044 non ouiPottierÉricintervenant_1075883112Hubert-MoyLaurenceintervenant_2084108452 MATHSTICecoleDoctorale_1 204770424 IETR partenaireRecherche_2 149256035 ddc:620 PottierÉricHubert-MoyLaurenceUniversite de Rennes 1Sciences et technologie, medecine, pharmacie, odontologie, droit, economie, gestion, philosophieMATHSTICÉcole doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)Universite Bretagne Loire Communaute des etablissements d enseignement superieur et de recherche (ComuE) IETR ASCII PDF 14993707