SAX (Symbolic Aggregate approXimation) est une des techniques majeures de symbolisation des séries temporelles. La non prise en compte des tendances dans la symbolisation est une limitation bien connue de SAX. Cet article présente 1d-SAX, une méthode pour représenter une série temporelle par une séquence de symboles contenant des informations sur la moyenne et la tendance des fenêtres successives de la série segmentée. Nous comparons l'efficacité de 1d-SAX vs SAX dans une tâche de classification de séries temporelles d'images satellites. Les résultats montrent que 1d-SAX améliore les taux de classification pour une quantité d'information identique utilisée.