Soutenance de thèse de Mme Laurane CHARRIER : Estimation et fusion de vitesses d’écoulement de surface de glaciers multi-temporelles multi-capteurs

Publié le lun 21 Nov 2022
le jeudi 24 novembre 2022 à 14h00
Madame Laurane CHARRIER, LISTIC Traitement de l’Information, soutiendra publiquement ses travaux de thèse
dirigés par Monsieur Emmanuel TROUVE, Madame Yajing YAN et Madame Elise COLIN
Lieu : Polytech, 5 Chemin de Bellevue, 74940 Annecy
Salle : B014
 
Estimation et fusion de vitesses d’écoulement de surface de glaciers multi-temporelles multi-capteurs
Résumé :
Les vitesses d’écoulement de surface des glaciers sont des données cruciales pour chiffrer la contribution des glaciers à l’augmentation du niveau des mers, mieux évaluer les processus sous glaciaires et les aléas naturels. L’échantillonnage temporel et spatial des images SAR et optiques ayant fortement augmenté depuis les années 1970, il est désormais possible d’observer les vitesses d’écoulement de surface des glaciers avec un échantillonnage spatial et temporel allant jusqu’à 50 m et 2 jours respectivement. De nombreux jeux de données de vitesse sont aujourd’hui disponibles en ligne. Cependant, ces données contiennent du bruit, des artefacts et des trous lorsque les données aberrantes ont été supprimées. Elles restent, par ailleurs, difficiles à interpréter car mesurées par différentes méthodes à partir d’images SAR et/ou optiques séparées par différents intervalles de temps et issues de différents capteurs. Cela limite grandement la compréhension de la dynamique glaciaire, en particulier de la dynamique intra-annuelle. Afin de palier ces limitations, il s’agit de développer des méthodes permettant d’extraire des séries temporelles de vitesses faciles à interpréter, avec une incertitude réduite en tirant partie de l’ensemble des jeux de données disponibles. Dans ce contexte, nous nous sommes intéressés à l’estimation puis à la fusion de vitesses d’écoulement de surface multitemporelles et multi-capteurs. Les méthodes opérationnelles de mesure de déplacement reposant majoritairement sur le principe de corrélation
d’image, nous avons exploré l’application de deux méthodes d’estimation de déplacement denses et rapides, venant de la vision par ordinateur : l’algorithme de flot optique GeFolki et l’algorithme de réseau de neurone profond PWCNet multi-modal. Ces premiers travaux ont montré que GeFolki possède une précision de l’ordre de grandeur des approches traditionnelles mais avec un temps de calcul réduit. Nous nous sommes ensuite plus longuement focalisés sur la fusion des jeux de données déjà disponibles. Dans la littérature, les auteurs n’utilisaient, pour étudier la dynamique intra-annuelle, que des vitesses mesurées sur des intervalles de temps courts ou faisaient des hypothèses fortes sur l’allure de la vitesse, en la supposant, par exemple, sinusoïdale, du fait des variations saisonnières. Afin de fusionner des vitesses mesurées sur tous les intervalles de temps possibles, sans hypothèse forte, nous avons proposé une nouvelle formulation de la fermeture temporelle du réseau de déplacements permettant d’obtenir des séries temporelles de vitesses ayant un échantillonnage temporel optimal. Cet échantillonnage temporel, consistant un compromis entre incertitude et échantillonnage temporel, est sélectionné via deux critères. Par ailleurs, afin de prendre en compte l’incertitude des données qui n’est pas nécessairement connue avec précision, l’inversion est réalisée par une méthode des moindres carrés repondérée de manière itérative, en utilisant la fonction de pondération Tukey’s Biweight. Nous avons ensuite étendu cette méthode à des données multi-capteurs trouées pour lesquelles les vitesses sont mesurées sur des grilles temporelles différentes en chaque pixel. Deux approches ont été proposées : la première établit un système d’équations linéaires entre des combinaisons d’observations de déplacements et des déplacements fractionnés. La seconde combine la fermeture temporelle avec une interpolation temporelle et s’avère plus appropriée pour extraire des vitesses avec un échantillonnage temporel supérieur au mois.

Rapporteure :

-Mme Marie-Odile BERGER, INRIA Nancy Grand Est

Rapporteur :

-M. Etienne BERTHIER, LEGOS, Université Paul Sabatier

Examinatrice :

-Mme Marie-Pierre DOIN, ISTerre, Université Grenoble Alpes

Examinateurs :

-M. Bas ALTENA, Utrecht University

-M. Jérome MARS, GIPSA Lab, Université Grenoble Alpes

Codirectrices de théses :

-Mme Yajing YAN, LISTIC, Université Savoie Mont-Blanc

-Mme Colin ELISE, ONERA, Paris

Codirecteur de thèse :

-M. Emmanuel TROUVE, LISTIC, Université Savoie Mont-Blanc