Offre N° : PRS-22-320

Traitement d'images hyperspectrales aéroportées pour l'exploitation soutenable des forêts tropicales

Mots clefs :
Forêt tropicale
Lidar
Imagerie hyperspectrale
Deep learning


Type d'accueil : CDD
Lieu d'accueil : Montpellier
Période d'accueil : 01/10/2022-31/09/2025    Durée d'accueil : 3 ans
Profil recherché : Le(la) candidat(e) devra être titulaire d'un diplôme d'ingénieur et/ou d'un master en analyse de données avec des compétences en apprentissage profond éprouvées lors de stages. Une bonne connaissance des techniques de télédétection serait un atout supplémentaire, de même que la conduite, au cours de la formation d'ingénieur, de projets d'étude en relation avec les sciences de l'environnement.
De bonnes aptitudes de communication orale et écrite (français et anglais nécessaires) pour présenter aux congrès et rédiger des articles dans des revues scientifiques. Nous recherchons un(e) candidat(e) qui saura s'impliquer dans son projet pluridisciplinaire, curieux(se), ayant une certaine autonomie et une forte motivation à travailler en équipe. De fréquents déplacements sur Grenoble (GIPSA lab) sont à prévoir.
Laboratoire d'accueil :
UMR CIRAD-CNRS (5120)-INRA (931)-IRD (123)- Université Montpellier, "botAnique et Modélisation de l'Archtecture des Plantes et des végétations"

Descriptif détaillé de l'offre :

Objet de l'offre :
Contexte L'exploitation soutenable des forêts tropicales nécessite de géolocaliser, quantifier, et qualifier la ressource avant prélèvement. Ce projet vise à développer une méthode permettant la réalisation des inventaires à haut débit par télédétection aéroportée couplant lidar et imagerie hyperspectrale.
Les capteurs hyperspectraux enregistrent la radiance de la canopée dans une large gamme spectrale allant du visible à l'infrarouge moyen (400-2500 nm). La très haute résolution spectrale (quelques nm) permet de caractériser des différences de radiance ténues et notamment de distinguer les espèces.
Problématique de recherche La radiance mesurée est affectée par les conditions atmosphériques et les conditions d'éclairement. Ces distorsions du signal ne sont que partiellement corrigées par l'application de codes de transfert radiatif utilisés pour convertir les mesures de radiance en réflectance de surface. Notre projet consiste à développer une réflexion méthodologique et des traitements mathématiques/ statistiques du signal hyperspectral afin d'améliorer la généricité de la caractérisation spectrale des canopées forestières à partir d'imagerie hyperspectrale.

Techniques, méthodes et matériel biologique
:
Méthodologie : On aura recours à des acquisitions répétées conjointes lidar et imagerie hyperspectrale sur 4 sites expérimentaux en Guyane française. Le lidar permet notamment de décrire les caractéristiques de rugosité et de porosité de la canopée.
Des modèles de correction spectrale utilisant les informations de prise de vue (angle de vue capteur, position solaire) et les propriétés de surface (modèle de surface de la canopée, densité de la végétation des houppiers) seront développés pour aboutir à des signatures spectrales standardisées corrigeant les effets d'anisotropie de la réflectance. Des tests préliminaires suggèrent que les approches de type réseau de neurones sont à tester prioritairement.
La généricité des méthodes de correction proposées sera éprouvée à l'aide du simulateur DART (Gastellu-Etchegorry et al., 2015) couplé à AMAPvox (Vincent et al., 2017). DART permet de simuler le transfert radiatif dans des scènes complexes avec des profils atmosphériques contrôlés. AMAPVox produit des maquettes tridimensionnelles détaillées de canopée forestière à partir de levés lidar aéroportés. La simulation de différentes configurations angulaires soleil-capteur permettra d'étudier la stabilité des corrections dans des conditions extrêmes (non échantillonnées par les prises de vue réelles) et de caractériser le niveau d'information minimum (gamme des conditions d'acquisition et de caractéristiques de surface) nécessaire au développement d'un modèle de correction généralisable.
Sur les sites imagés des observations de terrain (segmentation et étiquetage des houppiers par nom d'espèce) permettront d'éprouver le gain de stabilité obtenu à l'étape de standardisation spectrale par validation croisée de classifieurs spécifiques entre dates et entre sites. Une approche de type adaptation de domaine sera également évaluée pour déterminer le gain de performance des classifieurs en cas de données partiellement étiquetées dans le domaine cible (inventaire de terrain partiel préalable).

Publications de l'équipe en rapport avec le sujet :
Vous serez accuelli(e) au laboratoire AMAP. Le laboratoire AMAP est localisé à Montpellier, compte 85 personnels permanents (dont 48 chercheurs) et une trentaine de doctorants/post-doctorants.

Le programme de recherche d'AMAP recoupe plusieurs grands enjeux sociétaux et environnementaux actuels, tels que relayés par l'IPBES (https://www.ipbes.ne), le GIECC (https://www.ipcc.ch/) et les Objectifs du Développement Durable (https://www.un.org/sustainabledevelopment/fr/). Sur le plan des questions scientifiques, il s'agit de caractériser, comprendre et prévoir la diversité et la variabilité végétales, les interactions entre le programme morphogénétique de développement des plantes et sa régulation environnementale, leurs implications dans la structure et la dynamique des peuplements, pour en évaluer les conséquences agronomiques et écologiques dans les écosystèmes naturels ou cultivés sous forçage environnemental. Ces recherches se situent au confluent d'évolutions rapides concernant la biologie, l'écologie et l'agronomie, autour des thèmes comme diversité biologique, biologie intégrative, agriculture et foresterie durables, agroécologie, changements globaux, thèmes qui se déclinent aujourd'hui dans un contexte d'augmentation extrêmement rapide des quantités et des flux de données (e.g. science participative, télédétection) et des moyens de calcul (GPU, calcul distribué, etc.). De leur côté, l'informatique et les mathématiques appliquées sont aussi impactées par les nouvelles questions émanant des sciences du vivant : prise en compte des enjeux et des connaissances thématiques dans les approches de gestion et de fouille de données massives (éco-informatique) ; modélisation des systèmes complexes qui pose la question de la nécessaire synergie entre analyses mathématiques des phénomènes observés et simulations prédictives. Ces questions font l'objet d'un intérêt accru de la part des communautés des sciences du numérique, qui sont à la recherche de partenaires dans les domaines du vivant et de l'environnement pour le développement de projets interdisciplinaires.

Vous serez rattaché(e) au groupe TeTroFor Télédétection des végétations tropicales .

Le projet de thèse sera développé en étroite collaboration avec le GIPSA lab (dont le codirecteur de thèse est membre) et qui apportera l'expertise en traitement du signal. Des déplacements réguliers à Grenoble sont à prévoir.
Connaissances requises
Le(la) candidat(e) devra être titulaire d'un diplôme d'ingénieur et/ou d'un master en analyse de données avec des compétences en apprentissage profond éprouvées lors de stages. Une bonne connaissance des techniques de télédétection serait un atout supplémentaire, de même que la conduite, au cours de la formation d'ingénieur, de projets d'étude en relation avec les sciences de l'environnement.
De bonnes aptitudes de communication orale et écrite (français et anglais nécessaires) pour présenter aux congrès et rédiger des articles dans des revues scientifiques. Nous recherchons un(e) candidat(e) qui saura s'impliquer dans son projet pluridisciplinaire, curieux(se), ayant une certaine autonomie et une forte motivation à travailler en équipe. De fréquents déplacements sur Grenoble (GIPSA lab) sont à prévoir.

Commentaires complémentaires
https://emploi.cnrs.fr/Offres/Doctorant/UMR5120-GREVIN-001/Default.aspx