[Job] [STAGE]Teledetection des glissements de terrain au Rwanda (35)

Annonce postée par : Damien Arvor (damien.arvor(a)univ-rennes2.fr) ---------------------------------------- Sujet de stage : Cartographie des glissements de terrain au Rwanda à partir de séries temporelles d’images satellitaires Période de stage : 6 mois dans la période février à septembre 2023 (M2) Responsable(s) de stage : Damien Arvor (CNRS UMR LETG), Marc Jolivet (CNRS UMR Géosciences) et Olivier Dauteuil (CNRS UMR Géosciences). Pour candidater: envoyer CV et lettre de motivation aux mails ci-dessous pour le 8/12/2023 Courriel : damien.arvor(a)univ-rennes2.fr; marc.jolivet@univ-rennes.fr,olivier.dauteuil@univ-rennes.fr Tél. : D. Arvor 02 99 14 18 68 Laboratoire d’accueil : Université Rennes 2, UMR LETG Directeur du Laboratoire : Thomas Corpetti (LETG Rennes) Résumé (contexte, problématique, méthodes, programme de travail, etc.) : Problématique Au Rwanda, pays le plus densément peuplé d’Afrique (500 ha/km2), le climat humide, les fortes pentes, la sismicité associée au rift est-africain et l’intense déforestation liée à l’activité agricole génèrent un aléa gravitaire majeur. Si des cartes d’aléa existent, le suivi des glissements actifs et la caractérisation du risque sont inexistants. Pourtant ils ont un impact majeur sur les infrastructures, l’agriculture et donc l’économie et les populations. Il est indispensable, dans le contexte actuel de déforestation, de dégradation avancée des sols et d’une population dense, de documenter les glissements actifs et d’évaluer les risques associés afin de proposer des solutions de remédiation ou de minimisation des impacts anthropiques. Dans ce contexte, la télédétection spatiale est appelée à jouer un rôle crucial afin de localiser les glissements de terrain et de suivre certains facteurs potentiellement à l’origine de ces glissements (changements d’occupation des sols, événements climatiques extrêmes). Ainsi, l’objectif du stage est de développer une méthode de cartographie des glissements de terrain au Rwanda à partir de séries temporelles harmonisées Landsat et Sentinel 2. Pour ce faire, la méthode s’appuiera sur des pré-classifications automatiques proposées par Arvor et al. (2021) et intégrera une analyse des ruptures dans les séries temporelles d’indices de végétation. Plus concrètement, le/a stagiaire sera amené(e) à travailler sur les points suivants: 1. Analyse bibliographique sur : - les glissements de terrain au Rwanda - les outils et méthodes développés en télédétection pour cartographier les glissements de terrain - les techniques d’analyse des séries temporelles denses pour caractériser les changements dans les milieux tropicaux. 2. Elaboration d’une méthode de cartographie des glissements de terrain à partir de séries temporelles Landsat et Sentinel 2 (données HLS, Harmonized Landsat Sentinel-2) incluant: - Pré-classifications d’images HLS selon la méthode proposée dans Arvor et al. 2021. - Identification de polygones potentiels correspondant à des glissements de terrain - Post-traitements à partir de l’analyse de séries temporelles d’indices de végétation extraites pour ces polygones. -Validation par comparaison avec des données de photo-interprétation 3. Analyse des facteurs explicatifs de ces glissements de terrain - Analyse de l’évolution de l’occupation du sol - Analyse de variables climatiques (notamment précipitations) Compétences - Etudiant/e de Master en SIG/télédétection, géographie physique, géosciences, environnement - Maîtrise des outils et techniques de télédétection optiques - Maîtrise des outils d’analyses statistiques - Connaissance des SIG - Compétences en programmation R - Autonomie et motivation pour le travail en équipe Conditions de stage Le stage s’effectuera à Rennes, université Rennes 2 au sein de l’UMR LETG, en interaction avec UMR Géosciences de l’université de Rennes. Le stage vient en appui à une thèse en cours et il y aura donc des interactions avec le doctorant. Pour toute la durée du stage, le stagiaire recevra une indemnité de 600,60 €/mois. Références Arvor et al. 2021. Towards user-adaptive remote sensing: Knowledge-driven automatic classification of Sentinel-2 time series. Remote Sensing of Environment: https://www.sciencedirect.com/science/article/pii/S0034425721003357 ---------------------------------------- L'annonce est située https://georezo.net/forum/viewtopic.php?pid=363769#p363769 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)