Thèse Année : 2025

Contribution of multi-angular satellite remote sensing and deep learning methods to cliff erosion monitoring

Contribution de la télédétection spatiale multiangulaire et des méthodes d'apprentissage profond pour le suivi de l'érosion des falaises

Résumé

On a synoptic scale, cliffs account for between 27% and 52% of the global coastline, and one third of the population lives near the coast. Under the effect of climate change and sea level rise, coastal erosion is tending to intensify, threatening nearby assets. Focusing on three complementary study areas (France and Greece), this thesis explores the contribution of satellite remote sensing and AI methods to monitoring cliff erosion. The originality of this work lies in the use of oblique Pléiades images, acquired in stereoscopic configuration, with very high spatial and temporal resolution. These images allow the cliff face to be observed over large areas and can be used in photogrammetry to reconstruct the cliff face in 3D. The retreat rates and the eroded volumes can thus be estimated and compared with 2D measurements from the cliff top. To automate the processing of this data, two AI approaches (object detection and change detection) are evaluated to locate mass movements in Pléiades images and point clouds. This research highlights the potential of Pléiades imagery and AI methods for quantifying cliff retreat and detecting plurimetric mass movements. It also emphasises the need to build annotated datasets specific to cliff coasts and proposes methodologies adapted to their multiscale monitoring, opening up new perspectives for observing and understanding their evolution.

À l’échelle synoptique, les falaises représentent entre 27 % et 52 % du trait de côte mondial, et un tiers de la population vit à proximité du littoral. Sous l’effet du changement climatique et de l’élévation du niveau marin, l’érosion côtière tend à s’intensifier, menaçant les enjeux à proximité. À partir de trois zones d’étude complémentaires (en France et en Grèce), cette thèse explore l’apport de la télédétection spatiale et des méthodes d’IA pour le suivi de l’érosion des falaises. L’originalité de ce travail réside dans l’utilisation des images Pléiades obliques, acquises en configuration stéréoscopique, à très haute résolution spatiale et temporelle. Elles permettent d’observer le front de falaise sur de vastes emprises et peuvent être exploitées en photogrammétrie pour reconstruire en 3D le front de falaise. Les vitesses de recul et les volumes érodés peuvent ainsi être estimés et comparés aux mesures 2D du haut de falaise. Pour automatiser le traitement de ces données, deux approches d’IA (détection d’objets et détection de changements) sont évaluées pour localiser les mouvements de masse dans les images Pléiades et les nuages de points. Cette recherche met en évidence le potentiel de l’imagerie Pléiades et des méthodes d’IA pour quantifier le recul des falaises et détecter des mouvements de masse plurimétriques. Elle souligne également la nécessité de constituer des jeux de données annotés spécifiques aux côtes à falaises et propose des méthodologies adaptées à leur suivi multiéchelle, ouvrant la voie à de nouvelles perspectives pour l’observation et la compréhension de leur évolution.

Fichier principal
Vignette du fichier
These-2025-SML-Geographie-BESSIN_Zoe.pdf (47.1 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)
Licence

Dates et versions

tel-05584512 , version 1 (08-04-2026)

Licence

Identifiants

  • HAL Id : tel-05584512 , version 1

Citer

Zoé Bessin. Contribution de la télédétection spatiale multiangulaire et des méthodes d'apprentissage profond pour le suivi de l'érosion des falaises. Géographie. Université de Brest, 2025. Français. ⟨NNT : 2025BRUN0086⟩. ⟨tel-05584512⟩
139 Consultations
4 Téléchargements

Partager

  • More