Valoriser les grandes masses de données spatio-temporelles dans le champs de l’environnement est crucial. Ceci nécessite de concevoir et développer de nouvelles approches aptes à traiter conjointement les aspects spatiaux et les aspects temporels. Si les graphes, outils puissants à la fois théoriquement et méthodologiquement, sont utilisés pour modéliser des phénomènes temporels ou spatiaux, les méthodes actuelles de fouille, d’analyse et d’extraction de connaissances n’exploitent, en général, qu’une seule dimension de l’information, spatiale versus temporelle. Afin d’extraire des connaissances pertinentes de données telles que les images satellites ou des données environnementales (suivi de de l’état des rivières, par exemple), en combinant à la fois les aspects spatiaux et temporels, nous nous intéressons au modèle des graphes spatio-temporels. L'objectif général de la thèse est alors d'étudier et développer des techniques pour extraire des connaissances à partir de grands graphes spatio-temporels. Différentes questions devront être abordées de manière itérative : la simplification des graphes, la recherche de motifs spatio-temporels, la construction d’une synthèse interprétable par les experts, et la généralisation des graphes. Le pipeline générique développé visera à répondre à des problématiques actuelles liées à la valorisation de grandes masses de données spatio-temporelles en télédétection et hydroécologie.