La caractérisation des forêts est cruciale afin de comprendre le cycle du carbone. Le radar à synthèse d'ouverture (RSO) en bande P est un moyen particulièrement efficace pour identifier les descripteurs forestiers tropicaux ou tempérés grâce à sa capacité de pénétration dans les environnements forestiers denses, et pour mesurer la biomasse. Dans ce contexte, l'ESA va lancer la mission BIOMASS, qui disposera du premier capteur spatial RSO en bande P dédié à l'étude des forêts.
La tomographie RSO est un outil puissant pour déterminer la structure 3D des forêts en fonction de leur réponse électromagnétique. Les techniques employées séparent les réflexions du couvert forestier et du sol à l'aide de la tomographie RSO et de la diversité polarimétrique ainsi que par des méthodes de traitement avancées.
Cette thèse a montré que des performances comparables, avec une stabilité améliorée, pouvaient être obtenues en utilisant des données en polarisation unique et une tomographique paramétrique. Elle propose une modélisation simplifiée mais suffisante des forêts, grâce à l'utilisation de modèles à faible dimensionnalité.
La densité de réflectivité verticale des forêts tropicales et tempérées est modélisée en bande P par une fonction Dirac pour la composante de sol, tandis que le volume est représenté par une fonction à pic étroit.
Les performances de cette méthode de tomographie paramétrique à faible dimensionnalité sont évaluées en utilisant des données tomographiques en bande P, telles que la campagne TropiSAR pour caractériser la forêt tropicale, et la campagne TomoSense pour représenter la forêt tempérée. Les résultats montrent que cette méthode permet d'estimer de manière précise et fiable les paramètres clés définissant la structure des forêts tropicales et tempérées. Un jeu de données à faible résolution, représentant un échantillon des futures données BIOMASS, est employé. La méthode proposée améliore les estimations des descripteurs forestiers par rapport aux méthodes actuelles.
L'approche définie est également évaluée dans une configuration tomographique à deux baselines, correspondant à la phase la plus longue de la mission BIOMASS. Les descripteurs sont adéquats et bien estimés.
La précision des estimateurs issus de cette configuration tomographique minimale a été améliorée grâce à l'utilisation synergique des deux modes tomographiques, au travers d'une méthode de régularisation. |
The characterization of forests is crucial for understanding the carbon cycle. P-band Synthetic Aperture Radar (SAR) is a particularly effective means of identifying key descriptors of tropical or temperate forests, thanks to its ability to penetrate dense volumetric environments and measure their biomass. In this context, ESA is launching the BIOMASS mission, which features the first P-band spaceborne SAR sensor dedicated to the study of forests.
SAR tomography is a powerful tool for determining the 3D structure of forests based on their electromagnetic response. Existing techniques often separate canopy and ground reflections using SAR tomography and polarimetric diversity as well as advanced processing methods.
This thesis demonstrates that comparable performance, with improved stability, can be achieved using single-polarization data and parametric tomographic focusing. This thesis proposes a simple and sufficient modeling of forests using a low-dimensional representation.
The vertical reflectivity density of tropical and temperate forests is modeled at P-band, with a ground component represented by a Dirac function and volume associated with a narrow peak.
The performance of this low-dimensional parametric tomographic approach is assessed using P-band data collected during the TropiSAR campaign over a tropical forest, and using the TomoSense dataset acquired over the temperate forest. Results show that this approach can accurately and reliably estimate key structural parameters of the observed tropical and temperate forests. A low resolution dataset is simulated from the TropiSAR data in order to provide a representative sample of the future BIOMASS data, yielding better performances than those from methods that will be used in its upcoming acquisition phase.
The proposed approach has been extended to the dual-baseline interferometric configuration, which is the longest phase of the mission, providing adequate and well-designed estimates of the structure of the forest.
The estimate accuracy from this minimal tomographic configuration has been improved using the synergy between the two modes of the BIOMASS mission through a regularization method. |