[Job] [STAGE] L'étude de la répartition spatiale des Jussies - Brest (29)

Annonce postée par : GuanyaoXie (guanyaoxie(a)gmail.com) ---------------------------------------- Sujet: L’étude de la répartition spatiale des Jussies dans le Finistère et les Côtes d’Armor par Télédétection (Offre de stage M1 ou M2 du 1er avril au 1er août 2021) Detail : D’après l’évaluation des écosystèmes du millénaire (PNUE, 2005), les espèces exotiques envahissantes sont reconnues comme l’une des principales causes d’érosion de la biodiversité mondiale. Elles constituent ainsi la troisième pression pesant sur les espèces menacées au niveau mondial après la destruction des habitats et la surexploitation des espèces (Centre des ressources : espèces exotiques envahissantes, 2020). Les Jussies : Ludwigia peploides et Ludwigia grandiflora sont des plantes exotiques dont l’introduction, volontaire ou fortuite, mais surtout à prolifération dans des milieux naturels ou semi-naturels provoque, ou est susceptible de provoquer, des changements significatifs de composition, de structure et/ou de fonctionnement de l’écosystème dans lequel elle ont été introduites. Les jussies sont des plantes aquatiques à amphibies, colonisant de préférence les zones d'eau stagnante ou à faible courant telles que plans d’eau, fossés, et rivières calmes. Cependant, leur très large amplitude écologique leur permet de se développer également en milieu terrestre, notamment sur les berges des cours d'eau, mais aussi en prairies humides. Lorsqu'elles sont bien implantées dans un endroit donné, elles sont capables de former de véritables radeaux constitués d'un réseau dense de tiges solidement entrelacées. Les Jussies sont caractérisées par une croissance rapide et une forte propagation. Elles provoquent des impacts négatifs aux niveaux écologique, économique et sanitaire. Pour le monde agricole, un impact économique important correspond aux pertes de surface fourragère des prairies envahies. Dans le Finistère et les Côtes d'Armor bien que leur présence soit encore relativement ponctuelle des opérations de surveillance, d'information et de gestion s’imposent afin d'éviter une propagation massive de ces espèces. À l’échelle du bassin hydrographique de la Vilaine (Ile-et-Vilaine) le sujet a été largement traité par le collectif des chercheurs d’AgroCampus Rennes notamment par la télédétection optique et la télédétection acoustique. Les progrès actuels réalisés dans la conception des capteurs à distance et les techniques d'analyse des données satellitaires apportent des améliorations significatives pour l'étude et la cartographie des plantes macrophytiques aquatiques invasives. Les caractéristiques spatiales peuvent augmenter la précision des informations spectrales et peuvent contribuer ainsi au succès de la cartographie de ces plantes invasives. En outre, la classification basée uniquement sur des caractéristiques spatiales entraîne des résultats insuffisants de classification dans la plupart des cas et une faible capacité de généralisation (Zhao et Du, 2016). Plus récemment, Deep Learning (DL), un outil d'apprentissage profond, a été mis en spotlight dans le domaine de la vision par ordinateur et, par la suite, dans celui de la télédétection (LeCun et al., 2015). En effet, ces algorithmes avancés d'apprentissage machine s'attaquent aux principales limites des outils d'apprentissage machine conventionnels à structure peu profonde, telles que la machine à vecteur (SVM) et la forêt aléatoire (RF) (Ball et al., 2017). Parmi ces nouvelles méthodes de Machine Learning qui seront appliquées pendant ce stage on mentionne : méthodes d’apprentissage à structure peu profonde - Random Forest (RF); et méthodes d’apprentissage à structure profonde - Réseau neuronal artificiel (ANN) et Réseau neuronal convolutif (CNN). On rajoute à ces méthodes la fusion d'images multicapteurs, multirésolution et multitemporelles. Ces méthodes de Machine Learning seront appliquées à des séries de données à haute (Sentinel-1 et Sentinel-2) et très haute résolution spatiale (SPOT 6/7 et Pléïades). Profil recherché : Étudiant en master 1 ou 2 ou ingénieur en 3ème année, dans les domaines de la géomatique / télédétection/ traitement des images et avec forte connaissance en informatique ; Connaissances approfondies en télédétection, traitement d’images ; Savoir utiliser les logiciels de traitement de données satellites ; Expériences élémentaires de programmation (Python, R, Matlab……) ; Capacité de rédaction ; Bon niveau d’anglais. Encadrement : Simona Niculescu, Enseignant chercheur HDR, UMR6554 LETG, Université de Bretagne Occidentale simona.niculescu(a)univ-brest.fr doctorante Guanyao Xie, UMR6554 LETG, Université de Bretagne Occidentale Guanyao.Xie(a)univ-brest.fr. Agnès Lieurade et Marion Hardegen, Conservatoire National Botanique de Brest. Durée du stage : 4 mois à partir du début avril 2021. Lieu : Institut Universitaire Européen de la Mer / Technopôle Brest-Iroise, Rue Dumont d'Urville, 29280 Plouzané Gratification : Selon barème légal. Pour déposer votre candidature, merci d’envoyer votre CV et lettre de motivation à simona.niculescu(a)univ-brest.fr et Guanyao.Xie(a)univ-brest.fr avant le 15 février 2021 ---------------------------------------- L'annonce est située https://georezo.net/forum/viewtopic.php?pid=339127#p339127 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)