[Job] [Stage] Teledetection hyperspectrale, vegetation en ville (31)

Annonce postée par : David Sheeren (david.sheeren(a)ensat.fr) ---------------------------------------- Offre de stage de Master 2 Reconnaissance automatique d’essences arborées à partir d’images hyperspectrales multitemporelles 1. Contexte Les arbres plantés en ville participent à l’amélioration de la qualité de vie des citadins. Ils jouent un rôle important pour l’amélioration de la qualité de l’air en absorbant certains gaz et réduisant la concentration des particules polluantes et des particules fines présentes dans l’air et les sols. Ils sont néanmoins plus vulnérables en ville que dans leur milieu naturel à cause des vecteurs de stress urbains (air plus sec, sols moins riches et tassés, manque d’espace pour les racines ...). Dans un contexte de changement climatique, la fréquence et l’intensité des sécheresses devraient augmenter. Les arbres de rue pourraient ainsi être exposés à un risque croissant de mortalité lié au stress hydrique, exacerbé par les phénomènes d’îlots de chaleur en ville. Dans ce contexte, les collectivités cherchent à aménager et préserver les espaces verts urbains par des actions de planification et de gestion. Elles sont notamment en demande d’out ils pour faire un état précis du patrimoine arboré. La télédétection offre un potentiel pour y répondre. 2. Sujet L'objectif de ce stage est de mettre en place une méthodologie de cartographie automatique des essences arborées en milieu urbain à partir d'images hyperspectrales acquises à différentes dates. Il s'inscrit dans le projet TOSCA HyperU financé par le CNES. La discrimination des essences arborées est complexe en milieu urbain en raison de la grande diversité des espèces entre les zones publiques et privées et d’autres facteurs (faible occurrence de certaines espèces, développements très différents d’une même espèce suivant leurs emplacements dans l’architecture urbaine comme les arbres de rue en comparaison aux arbres de parc, pratiques de gestion comme la taille...). Cela conduit à augmenter la variabilité intraspécifique et diminuer la variabilité interspécifique. La combinaison des informations spectrale et temporelle est une solution possible pour améliorer la classification des essences arborées dans un milieu complexe. Depuis 2012, l’ONERA réalise des acquisitions d’images hyperspectrales sur la ville de Toulouse. Ce jeu de données unique présente l’avantage de couvrir deux saisons suivant les années (hiver / début automne) et plusieurs années à la même saison. Des relevés terrain de 15 essences ont été réalisés sur deux sites d’étude. Ces acquisitions ont été complétées par une image hyperspectrale en 2021 acquise sur la zone de L’Union pour laquelle un jeu de références terrain très important est disponible (plus de 2300 arbres renseignés). Les données de cette dernière campagne ont été prétraitées pour générer des images en réflectances spectrales orthorectifiées. Le principal travail à réaliser dans le cadre du stage sera de mettre en oeuvre une chaîne de traitements pour réaliser la classification automatique des images disponibles. Plusieurs scénarios seront testés : classification mono-date uni-année, bi-date uni-année, classification multi-dates et multi-années. Des méthodes de réduction de dimension seront opérées sur les jeux de données pour diminuer le nombre de variables, améliorer les performances de classification et identifier les variables les plus discriminantes. Un travail de recalage d'images sera également à réaliser afin de rendre la série temporelle spatialement cohérente. Par ailleurs, des simulations d'images hyperspectrales aux caractéristiques différentes pourront être réalisées avec le simulateur HYPXIM-BIODIVERSITY de l'ONERA. Selon les besoins, il est envisagé de compléter les références déjà disponibles par des relevés terrain supplémentaires. 3. Profil et compétences attendues Le/la candidat(e) sera en Master 2 (Géomatique, Télédétection, Signal et Image) ou en 3ème année d'école d'ingénieur (type ENSG...). Il devra maîtriser les concepts fondamentaux de la télédétection et avoir déjà une expérience dans le traitement d'images. Les compétences attendues sont les suivantes : - Bonne connaissance en télédétection optique - Bonne connaissance en statistique et apprentissage machine - Bonne maîtrise d'un langage de programmation (Python de préférence) - Bonne maîtrise des logiciels de type QGIS, OTB, EnMAPBox - Rigueur, autonomie, ouverture d'esprit, prise d'initiatives - Aptitude à s'intégrer dans une équipe pluridisciplinaire - Bonne capacité de rédaction et de synthèse - Maîtrise de l'anglais scientifique 4. Conditions de réalisation Durée du stage : 6 mois (à partir de Mars 2023) Indemnité de stage : selon barème en vigueur (autour de 570 euros/mois) Lieu de stage : ONERA - The French Aerospace Lab - Centre de Toulouse 2, avenue Edouard Belin - BP 74025 - 31055 Toulouse Cedex Encadrement : S. Fabre, ONERA/DOTA X. Briottet, ONERA/DOTA D. Sheeren, Toulouse INP/DYNAFOR Pour faire acte de candidature, envoyez une lettre de motivation et un CV détaillé à david.sheeren[(a)]ensat.fr ---------------------------------------- L'annonce est située https://georezo.net/forum/viewtopic.php?pid=357510#p357510 Pour vous désabonner connectez-vous sur le forum puis Profil / Abonnement -- Association GeoRezo - le portail géomatique https://georezo.net (Message généré automatiquement. Ne pas répondre à ce message, utiliser les coordonnées contenues dans l'annonce)