Offer N° : PRS-25-353
Data analyst in Remote sensing
Keywords :Hyperspectral
Forêt tropicale
Lidar aéroporté
Type :
Place : Montpellier
Period : mai-juin 2025 - avril-mai 2026 Duration: 1 an
Level required : Profil recherché : spécialiste traitement du signal/ télédétection
• Compétences solides en programmation (maîtrise de Python, R et Git indispensable).
• Connaissances en analyse de données et apprentissage profond.
• Expérience en traitement de données hyperspectrales et/ou lidar serait un atout.
• Capacité à travailler en équipe et à s’intégrer dans un projet interdisciplinaire.
Conditions
• Poste basé à Montpellier au sein du laboratoire AMAP.
• CDD d’un an à pourvoir dès que possible avec possibilité d’extension (avec nouvelle mission dans le domaine du traitement de données de télédétection en milieu forestier)
• Rémunération selon grille de salaire en vigueur, en fonction de l’expérience.
Candidature
Les candidat·e·s sont invité·e·s à envoyer leur CV, lettre de motivation et références à l’adresse suivante : gregoire.vincent@ird.fr.
Date limite de candidature : 30/04/2025.
Place : Montpellier
Period : mai-juin 2025 - avril-mai 2026 Duration: 1 an
Level required : Profil recherché : spécialiste traitement du signal/ télédétection
• Compétences solides en programmation (maîtrise de Python, R et Git indispensable).
• Connaissances en analyse de données et apprentissage profond.
• Expérience en traitement de données hyperspectrales et/ou lidar serait un atout.
• Capacité à travailler en équipe et à s’intégrer dans un projet interdisciplinaire.
Conditions
• Poste basé à Montpellier au sein du laboratoire AMAP.
• CDD d’un an à pourvoir dès que possible avec possibilité d’extension (avec nouvelle mission dans le domaine du traitement de données de télédétection en milieu forestier)
• Rémunération selon grille de salaire en vigueur, en fonction de l’expérience.
Candidature
Les candidat·e·s sont invité·e·s à envoyer leur CV, lettre de motivation et références à l’adresse suivante : gregoire.vincent@ird.fr.
Date limite de candidature : 30/04/2025.
Laboratory:
UMR AMAP "botAnique et Modélisation de l'Archtecture des Plantes et des végétations", Université Montpellier, CIRAD, CNRS, INRA, IRD
Job description:
Purpose :
Le laboratoire AMAP (Montpellier) recrute un·e ingénieur·e / post-doctorant en CDD d’un an pour contribuer au projet IFIHSA (Inventaire Forestier par Imagerie Hyperspectrale et Aéroportée), développé en collaboration avec l’ONF en Guyane Française. Ce projet vise à mettre au point des méthodes d’inventaire forestier par télédétection aéroportée, en combinant des données hyperspectrales et lidar.
Mission
Sous la responsabilité de Grégoire Vincent, la personne recrutée aura pour mission principale de :
• Prétraiter des données hyperspectrales aéroportées, notamment en réalisant la coregistration fine avec les données lidar acquises simultanément et l’extraction de métadonnées spatialisées.
• Développer et documenter un classifieur multidate/multisite (type LDA) pour la reconnaissance d’espèces (1,2).
• Explorer l’adaptation de domaine pour améliorer les gains de performance du classifieur sur de nouveaux sites.
• Mettre en œuvre et évaluer des modèles de deep learning développés dans le cadre d’une thèse de doctorat (3,4) financée par l’Institut des Mathématiques pour la Planète Terre (thèse se terminant en septembre 2025).
• Rédiger un article scientifique établissant l’intérêt et les limites des modèles testés/explorés.
1. Laybros, A. et al. Quantitative Airborne Inventories in Dense Tropical Forest Using Imaging Spectroscopy. Remote Sensing 12, 1577 (2020).
2. Laybros, A. et al. Across Date Species Detection Using Airborne Imaging Spectroscopy. Remote Sensing 11, 789 (2019).
3. Prieur, C. et al. Investigating Abiotic Sources of Spectral Variability From Multitemporal Hyperspectral Airborne Acquisitions Over the French Guyana Canopy. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 17, 18751–18768 (2024).
4. Prieur, C., Ait Ali Braham, N., Tresson, P., Vincent, G. & Chanussot, J. Prospects for Mitigating Spectral Variability in Tropical Species Classification Using Self-Supervised
Rejoignez une équipe dynamique et contribuez à un projet innovant au service de la gestion durable des forêts tropicales !
AMAP – Laboratoire de Botanique et Modélisation de l’Architecture des Plantes et des Végétations est une unité pluridisciplinaire, menant des recherches en modélisation des végétations identification des espèces de plantes par l’image (avec par exemple le projet Pl@ntNet). Au sein de l'équipe, vous contribuerez au développement de l’application de la télédétection et de l'IA aux grands enjeux de l’écologie tropicale.
Other details : Doc_67e1388cee4f5.pdf
Scientific interest :
IFIHSA – Projet en partenariat avec l’ONF Guyane (https://amap.cirad.fr/fr/edit-projet.php?projet_id=304)
Teaching interest :
Learning. in (Helsinki, 2024).
Publications related to the subject:
IFIHSA – Projet en partenariat avec l’ONF Guyane (https://amap.cirad.fr/fr/edit-projet.php?projet_id=304)
UMR AMAP "botAnique et Modélisation de l'Archtecture des Plantes et des végétations", Université Montpellier, CIRAD, CNRS, INRA, IRD
Job description:
Purpose :
Le laboratoire AMAP (Montpellier) recrute un·e ingénieur·e / post-doctorant en CDD d’un an pour contribuer au projet IFIHSA (Inventaire Forestier par Imagerie Hyperspectrale et Aéroportée), développé en collaboration avec l’ONF en Guyane Française. Ce projet vise à mettre au point des méthodes d’inventaire forestier par télédétection aéroportée, en combinant des données hyperspectrales et lidar.
Mission
Sous la responsabilité de Grégoire Vincent, la personne recrutée aura pour mission principale de :
• Prétraiter des données hyperspectrales aéroportées, notamment en réalisant la coregistration fine avec les données lidar acquises simultanément et l’extraction de métadonnées spatialisées.
• Développer et documenter un classifieur multidate/multisite (type LDA) pour la reconnaissance d’espèces (1,2).
• Explorer l’adaptation de domaine pour améliorer les gains de performance du classifieur sur de nouveaux sites.
• Mettre en œuvre et évaluer des modèles de deep learning développés dans le cadre d’une thèse de doctorat (3,4) financée par l’Institut des Mathématiques pour la Planète Terre (thèse se terminant en septembre 2025).
• Rédiger un article scientifique établissant l’intérêt et les limites des modèles testés/explorés.
1. Laybros, A. et al. Quantitative Airborne Inventories in Dense Tropical Forest Using Imaging Spectroscopy. Remote Sensing 12, 1577 (2020).
2. Laybros, A. et al. Across Date Species Detection Using Airborne Imaging Spectroscopy. Remote Sensing 11, 789 (2019).
3. Prieur, C. et al. Investigating Abiotic Sources of Spectral Variability From Multitemporal Hyperspectral Airborne Acquisitions Over the French Guyana Canopy. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 17, 18751–18768 (2024).
4. Prieur, C., Ait Ali Braham, N., Tresson, P., Vincent, G. & Chanussot, J. Prospects for Mitigating Spectral Variability in Tropical Species Classification Using Self-Supervised
Rejoignez une équipe dynamique et contribuez à un projet innovant au service de la gestion durable des forêts tropicales !
AMAP – Laboratoire de Botanique et Modélisation de l’Architecture des Plantes et des Végétations est une unité pluridisciplinaire, menant des recherches en modélisation des végétations identification des espèces de plantes par l’image (avec par exemple le projet Pl@ntNet). Au sein de l'équipe, vous contribuerez au développement de l’application de la télédétection et de l'IA aux grands enjeux de l’écologie tropicale.
Other details : Doc_67e1388cee4f5.pdf
Scientific interest :
IFIHSA – Projet en partenariat avec l’ONF Guyane (https://amap.cirad.fr/fr/edit-projet.php?projet_id=304)
Teaching interest :
Learning. in (Helsinki, 2024).
Publications related to the subject:
IFIHSA – Projet en partenariat avec l’ONF Guyane (https://amap.cirad.fr/fr/edit-projet.php?projet_id=304)
Knowledge required
Compétences solides en programmation (maîtrise de Python, R et Git indispensable).
Additional comments
Date limite de candidature 30 avril 2025