[Thèse soutenue] Arthur Crespin-Boucaud: Télédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes

Télédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes : Application aux Hautes Terres, à Madagascar

Après un cursus en en géographie physique à Grenoble et des stages portant principalement sur la climatologie en Afrique de l’Ouest et Centrale, j’ai commencé ce doctorat au Cirad. Rattaché à l’UMR TETIS et encadré par Valentine Lebourgeois et Danny Lo-Seen, mon sujet a pour but le couplage télédétection-modélisation spatiale afin d’améliorer la caractérisation et la cartographie des systèmes de cultures à Madagascar.

• Date de démarrage : Octobre 2017
• Université : AgroParisTech
• Ecole doctorale : GAIA
• Discipline / Spécialité : Télédétection, modélisation spatiale, géomatique
• Directeur de thèse : Agnès Bégué, UMR Tetis, Cirad
• Encadrant(es)  : Valentine Lebourgeois, Danny Lo-Seen, Mathieu Castets, UMR Tetis, Cirad
• Financement : Cirad – CNES
• Projet en lien : SAMSAM (Satellite time-series Analysus and Modelling for Small Agriculture Mapping)
•  #DigitAg : Thèse labellisée – Axe 6 – Challenge 6

Mots-clés: Télédétection, Modélisation spatio-temporelle, Agriculture familiale, Cartographie de l’occupation et de l’usage des sols

Résumé : 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.

Composition du jury:

Agnès BÉGUÉ, Ingénieure-chercheuse, CIRAD  –  Directrice de thèse
Delphine BURGER-LEENHARDT, Directrice de Recherche, INRAE – Rapporteur
Samuel CORGNE, Professeur des Universités, Université Rennes 2   –  Rapporteur
Carmen GERVET, Professeur des Universités, Université de Montpellier   –  Membre du jury
Valentine LEBOURGEOIS, Ingénieure-chercheuse, CIRAD   –  Membre du jury
David SHEEREN, Maître de conférences, INP-ENSAT   –  Membre du jury
Danny LO SEEN, Ingénieur-chercheur, CIRAD   –  Invité

Contact : agnes.begue [AT] cirad.fr– Tél: 04.67.55.86.45

Télécharger le mémoire de thèse

Publications dans revues internationales

Crespin-Boucaud, A.; Lebourgeois, V.; Lo Seen, D.; Castets, M.; Bégué, A. Agriculturally consistent mappingof smallholder farming systems using remote sensing and spatial modelling, ISPRS—Int. Arch. Photogramm.Remote Sens. Spat. Inf. Sci.2020,XLII-3/W11, 35–42

Bélières   Jean-François   (dir.),   Dianah   Randriamitantsoa,   Harimandranto   Randrianirina,Noroseheno Ralisoa, Arthur Crespin-Boucaud, 2020, Étude chaîne de valeur pomme de terre.Partie 1: Importance de la culture de la pomme de terre pour les exploitations agricoles etrentabilité de la production de plants de semence et de consommations.  CASEF,  MAEP