Offre N° : PRS-26-359
Estimation de densités foliaires à l’échelle individuelle par LiDAR
Mots clefs :Modélisation spatiale
Champ de Markov caché
Inférence approchée
Forêt tropicale
LiDAR
Type d'accueil : These
Lieu d'accueil : AMAP Montpellier ou MIA Toulouse
Période d'accueil : Octobre 2026- Octobre 2029 Durée d'accueil : 3 ans
Profil recherché : M2 en statistique / science des données avec un intérêt prononcé pour la modélisation et ses applications.
Des compétences en programmation python / R / grappes de calcul sont un plus.
Lieu d'accueil : AMAP Montpellier ou MIA Toulouse
Période d'accueil : Octobre 2026- Octobre 2029 Durée d'accueil : 3 ans
Profil recherché : M2 en statistique / science des données avec un intérêt prononcé pour la modélisation et ses applications.
Des compétences en programmation python / R / grappes de calcul sont un plus.
Laboratoire d'accueil :
UMR AMAP "botAnique et Modélisation de l'Archtecture des Plantes et des végétations", Université Montpellier, CIRAD, CNRS, INRA, IRD
Descriptif détaillé de l'offre :
Objet de l'offre :
Ce projet de thèse vise à développer des modèles statistiques et les méthodes computationnelles associées pour l’estimation de densités foliaires en forêts tropicales à partir de relevés LiDAR. Ces modèles apporteront des améliorations aux méthodes utilisées aujourd’hui en routine à travers une approche centrée sur les individus et la prise en compte de leur structure spatiale, plus particulièrement les phénomènes d’agrégation des feuilles et de distributions structurées d’angles foliaires. De nouvelles méthodes pour les champs de Markov cachés seront développées afin de permettre leur utilisation pour intégrer ces aspects structurels et, à partir de la segmentation induite par ces modèles, de construire des discrétisations adaptatives de l’espace favorisant l’homogénéité des densités et orientations foliaires.
Intérêt scientifique :
Les forêts tropicales comptent pour le tiers de l’activité métabolique terrestre et on estime que 40-75% des espèces terrestres vivent dans ces forêts (http://www.rainforests.net/index.htm). Cependant le fonctionnement de ce biome d’importance globale est très mal connu. Une meilleure compréhension des mécanismes qui contrôlent les flux de carbone et d’eau est critique pour prédire la réponse de ces forêts au changement climatique en cours.
La prédiction de la réponse des forêts au climat est rendue plus incertaine par l’extrême diversité floristique et fonctionnelle de ces forêts. Ainsi il y a tout lieu de penser que la réponse des espèces aux variations climatiques sera différenciée. Prédire cette réponse nécessite donc de caractériser la diversité inter-spécifique des patrons de phénologie foliaire et leur variabilité intra-spécifique en relation avec les conditions locales d’alimentation hydrique.
A cette fin, il est nécessaire de disposer de méthodes d’estimation et de suivi de surfaces foliaires non pas seulement à l’échelle d’une parcelle, mais à l’échelle individuelle, intégrant les gradients intra-couronne des propriétés foliaires liés à l’auto-ombrage.
En dépit de dizaines d’années de recherche, d’importantes incertitudes subsistent quant à l'estimation de surfaces foliaires en forêts tropicales, à des échelles allant de l’individu au paysage. Le LiDAR offre aujourd’hui la solution la plus prometteuse, dans la mesure où il pénètre la canopée et permet une caractérisation en 3D de la structure de la végétation. Cependant, les estimateurs actuels basés sur le LiDAR demeurent biaisés, limitant ainsi leur application dans des modèles de fonctionnement de la végétation et plus généralement en écologie.
Intérêt pédagogique :
En s’intéressant explicitement à l’agrégation foliaire et à la variabilité de l’orientation foliaire, ce projet réduira deux sources d’incertitude qui persistent depuis longtemps dans l’estimation de surfaces foliaires par LiDAR. Parmi les résultats attendus figurent :
• Une méthode robuste et intégrant les sources d’incertitude pour estimer des LAD et indices de surface foliaire (surface de feuille par unité de surface au sol) à des échelles allant de l’arbre au paysage
• L’accroissement de la qualité des séries temporelles de LAD à la limite supérieure de la canopée, dans le cadre du réseau des suivis réalisés par le réseau CANOBS pour les forêts tropicales.
• Des relevés 3D et haute résolution de LAD adaptés à une utilisation dans des modèles forestiers basés sur les processus et à la modélisation de systèmes agroforestiers
Techniques, méthodes et matériel biologique :
Données
• Jeux de données LiDAR sur drone et terrestre collectés dans des forêts tropicales en Guyane française à l’aide de différents types de capteurs.
• Simulation d’acquisitions LiDAR basées sur le modèle physique et logiciel DART appliqués à des scènes forestières réalistes, à des fins de calibration et de validation de modèles.
Cadre méthodologique
- Approches par voxel, segmentation spatiale, modèle de transmittance
- champ de Markov caché, modélisation bayésienne non paramétrique, algorithme Variational Bayes
Publications de l'équipe en rapport avec le sujet :
Bai, Y., Durand, J.-B., Vincent, G.L., Forbes, F., 2023. Semantic segmentation of sparse irregular point clouds for leaf/wood discrimination. Proceedings of the 37th Conference on Neural Information Processing Systems (NeurIPS 2023), pp.1-21, Dec 2023, New Orleans, United States.
Badouard, V., Verley, P., Bai, Y., Sellan, G., Françoise, L., Marcon, E., Derroire, G., Vincent, G., 2025. Using high penetration airborne LiDAR and dense UAV scanning to produce accurate 3D maps of light availability in dense tropical forest. Agric. For. Meteorol. 373, 110713. https://doi.org/10.1016/j.agrformet.2025.110713
UMR AMAP "botAnique et Modélisation de l'Archtecture des Plantes et des végétations", Université Montpellier, CIRAD, CNRS, INRA, IRD
Descriptif détaillé de l'offre :
Objet de l'offre :
Ce projet de thèse vise à développer des modèles statistiques et les méthodes computationnelles associées pour l’estimation de densités foliaires en forêts tropicales à partir de relevés LiDAR. Ces modèles apporteront des améliorations aux méthodes utilisées aujourd’hui en routine à travers une approche centrée sur les individus et la prise en compte de leur structure spatiale, plus particulièrement les phénomènes d’agrégation des feuilles et de distributions structurées d’angles foliaires. De nouvelles méthodes pour les champs de Markov cachés seront développées afin de permettre leur utilisation pour intégrer ces aspects structurels et, à partir de la segmentation induite par ces modèles, de construire des discrétisations adaptatives de l’espace favorisant l’homogénéité des densités et orientations foliaires.
Intérêt scientifique :
Les forêts tropicales comptent pour le tiers de l’activité métabolique terrestre et on estime que 40-75% des espèces terrestres vivent dans ces forêts (http://www.rainforests.net/index.htm). Cependant le fonctionnement de ce biome d’importance globale est très mal connu. Une meilleure compréhension des mécanismes qui contrôlent les flux de carbone et d’eau est critique pour prédire la réponse de ces forêts au changement climatique en cours.
La prédiction de la réponse des forêts au climat est rendue plus incertaine par l’extrême diversité floristique et fonctionnelle de ces forêts. Ainsi il y a tout lieu de penser que la réponse des espèces aux variations climatiques sera différenciée. Prédire cette réponse nécessite donc de caractériser la diversité inter-spécifique des patrons de phénologie foliaire et leur variabilité intra-spécifique en relation avec les conditions locales d’alimentation hydrique.
A cette fin, il est nécessaire de disposer de méthodes d’estimation et de suivi de surfaces foliaires non pas seulement à l’échelle d’une parcelle, mais à l’échelle individuelle, intégrant les gradients intra-couronne des propriétés foliaires liés à l’auto-ombrage.
En dépit de dizaines d’années de recherche, d’importantes incertitudes subsistent quant à l'estimation de surfaces foliaires en forêts tropicales, à des échelles allant de l’individu au paysage. Le LiDAR offre aujourd’hui la solution la plus prometteuse, dans la mesure où il pénètre la canopée et permet une caractérisation en 3D de la structure de la végétation. Cependant, les estimateurs actuels basés sur le LiDAR demeurent biaisés, limitant ainsi leur application dans des modèles de fonctionnement de la végétation et plus généralement en écologie.
Intérêt pédagogique :
En s’intéressant explicitement à l’agrégation foliaire et à la variabilité de l’orientation foliaire, ce projet réduira deux sources d’incertitude qui persistent depuis longtemps dans l’estimation de surfaces foliaires par LiDAR. Parmi les résultats attendus figurent :
• Une méthode robuste et intégrant les sources d’incertitude pour estimer des LAD et indices de surface foliaire (surface de feuille par unité de surface au sol) à des échelles allant de l’arbre au paysage
• L’accroissement de la qualité des séries temporelles de LAD à la limite supérieure de la canopée, dans le cadre du réseau des suivis réalisés par le réseau CANOBS pour les forêts tropicales.
• Des relevés 3D et haute résolution de LAD adaptés à une utilisation dans des modèles forestiers basés sur les processus et à la modélisation de systèmes agroforestiers
Techniques, méthodes et matériel biologique :
Données
• Jeux de données LiDAR sur drone et terrestre collectés dans des forêts tropicales en Guyane française à l’aide de différents types de capteurs.
• Simulation d’acquisitions LiDAR basées sur le modèle physique et logiciel DART appliqués à des scènes forestières réalistes, à des fins de calibration et de validation de modèles.
Cadre méthodologique
- Approches par voxel, segmentation spatiale, modèle de transmittance
- champ de Markov caché, modélisation bayésienne non paramétrique, algorithme Variational Bayes
Publications de l'équipe en rapport avec le sujet :
Bai, Y., Durand, J.-B., Vincent, G.L., Forbes, F., 2023. Semantic segmentation of sparse irregular point clouds for leaf/wood discrimination. Proceedings of the 37th Conference on Neural Information Processing Systems (NeurIPS 2023), pp.1-21, Dec 2023, New Orleans, United States.
Badouard, V., Verley, P., Bai, Y., Sellan, G., Françoise, L., Marcon, E., Derroire, G., Vincent, G., 2025. Using high penetration airborne LiDAR and dense UAV scanning to produce accurate 3D maps of light availability in dense tropical forest. Agric. For. Meteorol. 373, 110713. https://doi.org/10.1016/j.agrformet.2025.110713