Sujets de thèses en télédétection proposés par le laboratoire Dynafor
Cette année, le laboratoire Dynafor propose deux thèses en télédétection.
La première thèse porte sur la caractérisation écologique des haies par fusion de données de télédétection multi-capteurs.
Elle vise à développer une méthodologie et des outils opérationnels pour évaluer la qualité écologique des haies, cruciales dans les paysages agricoles pour leur biodiversité et leurs services écosystémiques. Elle s'appuie sur des données de télédétection, combinant LiDAR HD et images satellites, pour identifier des descripteurs clés de la structure, du fonctionnement et de la composition spécifique des haies. Ces descripteurs seront utilisés pour prédire la qualité écologique des haies, en s'inspirant du Plan de Gestion Durable des Haies (PGDH) pour définir des critères. Les résultats attendus incluent une méthodologie pour mettre en œuvre cette évaluation, ainsi que des spécifications sur son domaine de validité. Enfin, des cartes prédisant la qualité écologique des haies sur différents territoires seront produites. Cette approche contribuera à combler le manque actuel de solutions pour évaluer la qualité des haies à large échelle, permettant ainsi de mieux comprendre leur rôle comme support de la biodiversité, et d'orienter les politiques publiques en conséquence.
La thèse débutera début octobre 2024 et sera encadrée par David Sheeren et Marc Lang.
Le sujet se trouve en ligne ici
La deuxième porte sur le suivi spatio-temporel d’infrastructures agroécologiques dans les agroécosystèmes par combinaison d’images 2D et 3D historiques et actuelles.
Les infrastructures agroécologiques (IAE) sont cruciales pour les agroécosystèmes, offrant divers services écologiques et soutenant la biodiversité. Cependant, leur cartographie reste limitée, notamment pour les éléments linéaires tels que les haies, les bandes enherbées, les talus et les fossés. Les données historiques font défaut, entravant la compréhension de l'évolution temporelle de ces structures et de leur impact sur la biodiversité. Cette thèse vise à développer une méthodologie pour cartographier automatiquement les IAE actuelles et passées, ainsi qu'à analyser l'évolution structurelle de ces réseaux à différentes échelles spatiales et temporelles. Pour la cartographie actuelle, l'apprentissage profond sera utilisé en combinant des données d'orthophotographie infrarouge couleur (IRC) et de LiDAR HD. Pour le passé, des modèles numériques de surface seront reconstruits à partir de photos aériennes fournies par l’IGN, puis adaptés pour correspondre aux données actuelles. L'analyse de l'évolution des réseaux se fera par une analyse post-classification basée sur des indicateurs de connectivité. Les contributions incluront des méthodes de cartographie pour les données actuelles et passées, ainsi que des produits cartographiques et des analyses historiques. Les perspectives incluent la corrélation des évolutions avec des données écologiques pour mieux comprendre leur impact sur la biodiversité actuelle.
La thèse débutera début octobre 2024 et sera encadrée par David Sheeren, Yousra Hamrouni, Fabrice Vinatier et Jean-Stéphane Bailly.
