Automatic mapping of urban tree species based on multi-source remotely sensed data
Cartographie automatique des espèces d'arbes en milieu urbain à partir de données multi-sources de télédétection
Résumé
With the expansion of urban areas, air pollution and heat island effects are increasing, leading to state of health issues for the inhabitants and global climate changes. In this context, urban trees are a valuable resource for both improving air quality and promoting freshness islands. On the other hand, canopies are subject to specific conditions in the urban environment, causing the spread of diseases and life expectancy decreases among the trees.
This thesis explores the potential of remote sensing for the automatic urban tree mapping, from the detection of the individual tree crowns to their species estimation. This is an essential preliminary task for designing the future green cities, and for an effective vegetation monitoring. Based on airborne hyperspectral, panchromatic and Digital Surface Model data, the first objective of this thesis consists in taking advantage of several data sources for improving the existing urban tree maps, by testing different fusion strategies (feature and decision level fusion). The nature of the results led us to optimize the complementarity of the sources.
In particular, the second objective is to investigate deeply the richness of the hyperspectral data, by developing an ensemble classifier approach based on species specific classifiers. The features are built owing to vegetation indices selection, specific for each species.
Finally, the first part highlighted to interest of discriminating the street trees from the other structures of urban trees. In a Marked Point Process framework, the third objective is to detect trees in urban alignment. Through the first objective, this thesis demonstrates that the hyperspectral data (especially the VNIR) are the main driver of the species prediction accuracy. The decision level fusion strategy is the most appropriate one for improving the performance in comparison the hyperspectral data alone, but slight improvements are obtained (a few percent) due to the low complementarity of textural and structural features in addition to the spectral ones.
The ensemble classifier approach developed in the second part allows the tree species to be classified from ground-based spectral references (leaf and canopy levels), with significant improvements in comparison to a standard feature level classification approach. Finally, the street trees can be mapped thanks to the proposed model integrating contextual features (alignment and similar heights). This work could be extended to the phenological monitoring of urban vegetation and the analysis of the state of health.
Avec l'expansion des zones urbaines, la pollution de l'air et les effets des îlots de chaleur augmentent, entraînant des problèmes d'état de santé pour les habitants et des changements climatiques globaux. Dans ce contexte, les arbres urbains sont une ressource précieuse à la fois pour améliorer la qualité de l'air et promouvoir les îlots de fraîcheur. D'autre part, les canopées sont soumises à des conditions spécifiques dans l'environnement urbain, provoquant la propagation de maladies et une diminution de l'espérance de vie parmi les arbres.
Cette thèse explore le potentiel de la télédétection pour la cartographie automatique des arbres urbains, depuis la détection des couronnes d'arbres jusqu'à l'estimation de leur espèce. C'est une tâche préliminaire essentielle pour la conception des futures villes vertes et pour un suivi efficace de la végétation. Fondé sur des données hyperspectrales aéroportées, panchromatiques et Digital Surface Model, le premier objectif de cette thèse consiste à exploiter plusieurs sources de données pour améliorer les cartes urbaines existantes, en testant différentes stratégies de fusion (fusion de caractéristiques et de décision). La nature des résultats nous a conduit à optimiser la complémentarité des sources.
En particulier, le second objectif est d'étudier en profondeur la richesse des données hyperspectrales, en développant un ensemble de classifieurs fondé sur des classifieurs spécifiques aux espèces. Les caractéristiques sont construites grâce à une sélection d'indices de végétation, spécifique à chaque espèce.
Enfin, la première partie a mis en évidence l'intérêt de discriminer les arbres d'alignement des autres structures d'arbres urbains. Dans un cadre de processus de points marqués, le troisième objectif est de détecter les arbres appar¬tenant à un alignement. Grâce au premier objectif, cette thèse démontre que les données hyperspectrales (en particulier le VNIR) sont le principal moteur de la précision de la prédiction de l'espèce. La stratégie de fusion au niveau de la décision est la plus appropriée pour améliorer les performances par rapport aux données hyperspectrales seules, mais de légères améliorations sont obtenues (quelques pourcents) en raison de la faible complémentarité des caractéristiques texturales et structurales en plus des caractéristiques spectrales.
L'approche d'ensemble développée dans la seconde partie permet de classer les espèces d'arbres à partir de mesures spectrales terrain (à l'échelle de la feuille ou de la canopée), avec des améliorations significatives par rapport à une approche standard de classification au niveau des caractéristiques. Enfin, les arbres d'alignement peuvent être cartographiés grâce au modèle proposé intégrant des caractéristiques contextuelles (alignement et hauteurs similaires). Ce travail pourrait être étendu au suivi phénologique de la végétation urbaine et à l'analyse de l'état de santé.
Mots clés
Origine : Fichiers produits par l'(les) auteur(s)
Loading...