Simulation and machine learning models for bias assessment and reduction in leaf area density estimators in tropical forests

Les forêts tropicales, représentant seulement 7% de la surface terrestre, sont essentielles pour la biosphère, recyclant un tiers des précipitations et influençant le climat mondial. Toutefois, la variabilité saisonnière des flux entre ces forêts et l’atmosphère nécessite davantage d’études, en particulier sur l’indice de surface foliaire (LAI), crucial pour les cycles d’eau et de carbone. Cette thèse aborde la quantification du LAI en utilisant la technologie LiDAR, confrontée à divers biais tels que la présence de bois et la distribution des feuilles. Une nouvelle méthode de segmentation sémantique, SOUL, est développée pour différencier feuilles et bois dans les données UAV Laser Scanning. La thèse utilise également des simulations pour valider les estimations du LAI, permettant une analyse plus précise des biais. Ces avancées visent à améliorer notre compréhension des écosystèmes forestiers tropicaux.

Composition du jury :
- Sylvie DURRIEU, Chercheur Senior, INRAE (Rapporteure)
- Florent LAFARGE, Directeur de recherche, Centre INRIA de l'Université Côte d'Azur (Rapporteur)
- Amini MASSIH-REZA, Professeur des universités, Université Grenoble Alpes (Examinateur)
- Nicolas BARBIER, Charge de recherche, Institut de Recherche pour le Developpement (Examinateur)
- Jean-Baptiste DURAND, Chercheur Senior, CIRAD (Directeur de thèse)
- Florence FORBES, Directeur de recherche, INRIA (Co-directeur de thèse)
- Grégoire VINCENT, Chercheur Senior, Institut de Recherche pour le Développement (Co-directeur de thèse)