Defourny, PierreDelhez, BaptisteCalderon Enamorado, JorgeJorgeCalderon Enamorado2025-06-302025-06-302025-06-1020252025-06-10https://hdl.handle.net/2078.2/43201Tropical forests are being lost at an alarming rate, primarily driven by the expansion of agriculture and commodity-related land use changes, posing a serious threat to biodiversity, ecosystem services, and overall global climate regulation. In response, the European Union Deforestation Regulation (EUDR) was enacted to guarantee products entering the EU market are not linked to deforestation, emphasizing the importance of developing effective, timely, and scalable tools for monitoring and compliance. This research explores Synthetic Aperture Radar (SAR) data from Sentinel-1 to develop an automated system for detecting forest loss in tropical regions between 2021 and 2024. The approach is applied across seven study areas, each representing a different deforestation-linked commodity: cattle, timber, soy, palm oil, cacao, rubber, and coffee. The methodology applies a threshold-difference technique based on quantile segmentation to identify deforestation patches on a quarterly basis. The workflow includes the selection and validation of forest masks, in addition to accuracy assessments through confusion matrices using optical reference data. The results show a strong detection performance, with an overall F1-score of 0.92 for identifying crop-induced forest loss. Temporally, the system detected changes with an average delay of only 14 days. Likewise, high deforestation events were observed to align with dry seasons, indicating the system’s sensitivity to seasonal patterns. These findings emphasize the potential of SAR-based monitoring to support the EUDR. The proposed method allows for scalable, regular, and near real-time detection of deforestation, contributing to more transparent commodity supply chains.Les forêts tropicales se dégradent à un rythme alarmant, principalement en raison de l'expansion agricole, impliquant des changements d'utilisation de sol en vue de produire divers produits d’exportation. Cette réalité constitue une menace sérieuse pour la biodiversité, les services écosystémiques et la régulation globale du climat. En réponse, le Règlement de l'Union Européenne sur la Déforestation (en anglais : EUDR) a été adopté pour garantir l’importation de produits entrant sur le marché de l'UE : ces produits ne peuvent désormais pas être issus de la déforestation. Cette démarche qui souligne l'importance de développer des outils efficaces et adaptables pour le contrôle et la conformité. Ce travail explore les données du radar à synthèse d'ouverture (SAR) de Sentinel-1 (S1) pour développer un système automatisé de détection de dégradation forestière dans les régions tropicales entre 2021 et 2024. L'approche est appliquée à sept zones d'étude, chacune représentant un produit différent lié à la déforestation : le bétail, l’exploitation de bois, le soja, l’huile de palme, le cacao, le caoutchouc et le café. La méthodologie applique une technique de différence de seuil basée sur la segmentation par quantile pour identifier les parcelles déforestées sur base trimestrielle. Le flux de travail comprend la sélection et la validation des masques forestiers, ainsi que l'évaluation de l’exactitude au moyen de matrices de confusion utilisant des données de référence optiques. Les résultats montrent une bonne performance de détection, avec un F1-score global de 0,92 pour l'identification de la perte de forêt induite par les cultures. Sur le plan temporel, le système a détecté les changements avec un retard moyen de seulement 14 jours. De même, il a été observé que les événements de forte déforestation s'alignaient sur les saisons sèches, ce qui illustre la récurrence des coupes sur des schémas saisonniers. Ces résultats soulignent le potentiel d’une méthode basée sur les données SAR pour soutenir l'EUDR. La méthode proposée permet une détection évolutive, régulière et en temps quasi réel de la déforestation, contribuant ainsi à une plus grande transparence des chaînes d'approvisionnement en matières premières.Los bosques tropicales se están perdiendo a un ritmo alarmante, principalmente debido a la expansión de la agricultura y a los cambios en el uso de la tierra relacionados con los productos procedentes de regiones forestales, lo que supone una grave amenaza para la biodiversidad, los servicios ecosistémicos y la regulación global del clima. En respuesta, se promulgó el Reglamento de la Unión Europea sobre deforestación (EUDR) para garantizar que los productos que entran en el mercado de la UE no están vinculados a la deforestación, lo que subraya la importancia de desarrollar herramientas eficaces, oportunas y escalables para el seguimiento y el cumplimiento. Este trabajo explora los datos del radar de apertura sintética (SAR) Sentinel-1 (S1) para desarrollar un sistema automatizado de detección de la degradación forestal en regiones tropicales entre 2021 y 2024. El enfoque se aplica a siete áreas de estudio, cada una de las cuales representa un producto diferente vinculado a la deforestación: ganado, madera, soja, aceite de palma, cacao, caucho y café. La metodología aplica una técnica de diferencia de umbrales basada en la segmentación cuantílica para identificar trimestralmente las parcelas deforestadas. El flujo de trabajo incluye la selección y validación de máscaras forestales, así como la evaluación de la precisión mediante matrices de confusión utilizando datos ópticos de referencia. Los resultados muestran un buen rendimiento de detección, con una puntuación F1 global de 0,92 para identificar la pérdida de bosques inducida por cultivos. En términos de tiempo, el sistema detectó cambios con un retraso medio de sólo 14 días. Asimismo, se observó que los episodios de deforestación elevada coincidían con las estaciones secas, lo que ilustra la recurrencia de la tala en patrones estacionales. Estos resultados ponen de relieve el potencial de un método basado en datos SAR para apoyar la EUDR. El método propuesto permite la detección escalable, regular y casi en tiempo real de la deforestación, contribuyendo así a una mayor transparencia en las cadenas de suministro de materias primas.EUDRSentinel-1Synthetic Aperture Radar (SAR)threshold-based change detectiondeforestationtropical foreststext::thesis::master thesis