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 / Maxime Soma ; sous la direction de Jean-Luc Dupuy et de François Pimont

Date :

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : français / French

Langue / Language : anglais / English

Catalogue Worldcat

Écologie des forêts

Modélisation tridimensionnelle

Lidar

Dupuy, Jean-Luc (1967-....) (Directeur de thèse / thesis advisor)

Pimont, François (1978-....) (Directeur de thèse / thesis advisor)

Lejeune, Philippe (Président du jury de soutenance / praeses)

Vincent, Grégoire (1965-.... ; chercheur IRD) (Rapporteur de la thèse / thesis reporter)

Vega, Cédric (Rapporteur de la thèse / thesis reporter)

Durrieu, Sylvie (Membre du jury / opponent)

Baret, Frédéric (19..-....) (Membre du jury / opponent)

Saudreau, Marc (Membre du jury / opponent)

Aix-Marseille Université (Organisme de soutenance / degree-grantor)

Ecole Doctorale Sciences de l'Environnement (Aix-en-Provence) (Ecole doctorale associée à la thèse / doctoral school)

Ecologie des Forêts méditerranéennes (Avignon) (Laboratoire associé à la thèse / thesis associated laboratory)

Résumé / Abstract : Pour mieux comprendre le fonctionnement des écosystèmes forestiers à échelle fine, les modèles écophysiologiques cherchent à intégrer les flux d’énergie et de matière. Ces échanges dépendent 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 peut produire à haut débit. Les LiDAR terrestre (Light Detection And Ranging) possèdent un fort potentiel pour caractériser en 3D la végétation au sein des canopées. De précédents travaux qui relient la densité de points à la quantité de végétation ont montré des résultats prometteurs. Cette thèse développe ces approches en explorant les diverses sources d’erreurs. Les biais systématiques sont corrigés à l’échelle de la branche, de l’arbre et de la placette. Ce travail s’appuie à la fois sur des travaux théoriques et expérimentaux. Nous avons d’abord évalué des estimateurs théoriques sur des branches. Sur cette végétation réelle, les estimateurs se sont révélés sensibles à la taille de voxel utilisée et à la distance de mesure. Les corrections apportées sont demeurées robustes sur des arbres entiers. Cependant, l’échantillonnage au LiDAR terrestre est limité par l’occlusion végétale. Un travail spécifique a été conduit pour optimiser les estimations en tirant avantage des corrélations spatiales présentes dans la végétation. Cette approche permet de limiter les sous-estimations systématiques liées à l’occlusion. L’ensemble des outils présentés offrent la possibilité de dresser des cartes de végétation à l’échelle de la placette en fournissant des estimateurs non biaisés de la surface foliaire

Résumé / Abstract : To better understand functioning of forest ecosystems at fine scale, ecophysiological model attempt to include energy and material fluxes. Such exchanges depend 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. This work develop these statistical methods, focusing on source of errors. Systematic biases are corrected at branch, tree and plot scales. This study relies on both numerical simulations and field experiments. First, we test estimators on branches in laboratory conditions. On this natural vegetation, 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. 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-kriging, 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