[Job] [THESE] Le suivi des zones humides littorales de Bretagne - Brest (29)

Annonce postée par : GuanyaoXie (guanyaoxie(a)gmail.com) ---------------------------------------- Titre : Approche Machine Learning pour le suivi des changements de l’occupation /utilisation du sol des Zones humides littorales de Bretagne Directrices : Directrice de thèse en co-tutelle internationale : Dr. HDR Simona Niculescu (UBO) et Pr. Christiane Schmullius (l’Université Friedrich-Schiller, Institut de Géographie, Jena, Allemagne) Résumé du projet (4000 caractères maxi espaces compris) : Le littoral est un territoire à fort enjeu, sous l’effet des pressions des activités humaines et du changement climatique, rendant les milieux humides côtiers de plus en plus vulnérables. Les milieux humides littoraux comptent parmi les écosystèmes les plus productifs, les plus précieux et pourtant les plus menacés au monde (Millennium Ecosystem Assessment, 2005). À l'échelle de temps actuelle, les zones humides à marée sont des écosystèmes biologiquement productifs d'une grande biodiversité fournissant de multiples services écosystémiques. Et pourtant, les bénéfices de ces zones humides ne sont pas encore totalement reconnus, ni même précisément connus. On sait que ces bénéfices sont parfois déterminants en matière d’atténuation de l’impact des inondations, de retardement des effets de la sécheresse, de production biologique pour la pêche et la conchyliculture, de réservoirs de biodiversité, d’amélioration de la qualité des eaux et de régulateur du cycle de l’eau, du stockage du carbone dans les sols des mangroves, de maintien de zones vertes aux portes des agglomérations. La recherche proposée pour ce projet concerne l’approche Machine Learning du changement de l’occupation / utilisation du sol de la zone littorale de la Bretagne. La frange littorale atlantique (la Bretagne, France), constitue un point névralgique de convergence de multiples enjeux démographiques, économiques et écologiques forts. Le présent projet vise à caractériser les changements qui ont affecté les zones humides littorales dans les premières décennies du XXIème siècle. Il analyse l’évolution de l’occupation / utilisation du sol au sein d’un échantillon de zones humides littorales, en caractérisant les tendances des habitats humides naturels et artificiels, des habitats naturels terrestres adjacents, ainsi que des espaces agricoles et urbanisés considérés comme facteurs de pression sur les zones humides. Les objectifs méthodologiques généraux du projet visent à produire une méthodologie robuste, spécifique et reproductible qui se concentre sur une approche comparative des méthodes et techniques concernant le développement de nouveaux outils et méthodes de Machine Learning pour la surveillance rentable de l'occupation /utilisation du sol et l'évaluation des changements ayant un impact sur les services écosystémiques des zones humides littorales. Une phase importante de l'approche proposée est la comparaison de différents types de données pertinentes pour ce type d'analyse, à savoir les données des satellites optiques et radar des derniers capteurs européens (Sentinel-1, Sentinel-2, Pléïades, SPOT) et des images issues de deux type de capteurs complémentaires (hyperspectral et LiDAR). Une évaluation comparative des méthodes d’apprentissage à structure peu profonde (Random Forest et Rotation forests avec Canonical Correlation Forests) avec les méthodes d’apprentissage à structure profonde (Réseau neuronal artificiel (ANN) et le Réseau neuronal convolutif (CNN)) est envisagée dans ce projet. Un élément méthodologique innovateur est proposé : la combinaison du CNN avec OBIA (Object based-image analysis). Une méthodologie peu utilisée pour le moment. Cette méthodologie (l’OCNN) s'appuie sur des objets segmentés comme unités fonctionnelles plutôt que des processus convolutionnels au niveau du pixel, et les réseaux CNN sont utilisés pour analyser et étiqueter des objets tels que les variations intra-objet et inter-objets. Candidatures ouvertes jusqu'au 14 mai 2022 Plus de détails et pour se candidater pour cette thèse : https://theses.doctorat-bretagneloire.fr/sml/theses-2022/approche-machine-l… Contact : simona.niculescu(a)univ-brest.fr ---------------------------------------- L'annonce est située https://georezo.net/forum/viewtopic.php?pid=350784#p350784 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)