Annonce

Les commentaires sont clos.

Offre de thèse

28 Mai 2022


Catégorie : Doctorant


L’ISEN propose un sujet de thèse sur « La prévision spatio-temporelle comme outil d'extraction de connaissances dans la modélisation des changements du sol » sous la direction de Marwa EL BOUZ et l’encadrement de Gaëtan PALKA.

Les candidatures sont à envoyer d’ici le 30 juin.

 

Détails du poste :

 

Objet de la thèse

Cette thèse vise à développer des méthodes d’extraction de connaissance à partir d’approches innovantes issues de l’apprentissage automatique (machine learning, deep learning) à partir de données géographique afin de créer et de mettre-à-jour une base de données spatiales adaptée à la calibration de modèle de changement d’usage et d’occupation du sol. Les données alimentant cette base de données sont multi-sources, hétérogènes et volumineuses.

 

Descriptif de la thèse

La modélisation et la simulation spatiale sont des outils utilisés de longue date en recherche scientifique, notamment pour anticiper l'évolution de l'occupation et de l'usage du sol. Cependant, son usage dans le domaine de la géoprospective reste limité. Les recherches récentes sur la modélisation prospective en Bretagne (Interreg ALICE, SAD MOPEPBZH) ont permis de mettre en évidence plusieurs verrous scientifiques à résoudre pour favoriser l'utilisation de tels outils par les acteurs du développement territorial. Parmi ces verrous, deux apparaissent comme particulièrement importants à solutionner pour répondre aux contraintes du développement territorial dans un contexte supra-local tel que le contexte régional breton. Le premier verrou est la prise en compte des caractéristiques paysagères permettant d'intégrer les dynamiques locales aux dynamiques globales du territoire d'étude. Le deuxième verrou est l'association des services écologiques, agronomiques et sociaux à chaque occupation et usage du sol afin de produire des données pertinentes et utilisables dans des

indicateurs territoriaux.

Ce projet vise à résoudre ces verrous à travers deux objectifs de recherche :

• Développer des méthodes de complétion des données spatiales imparfaites pour obtenir une base de données spatiales capable de soutenir l'extraction et l'analyse de patterns. La complétion des données portera sur (1) la correction des classifications issues des images satellitaires partiellement couvertes par les nuages, et (2) la complétion des étiquetages manquants pour les paysages agricoles dont une partie n'est pas informée car hors du Référentiel Parcellaire Graphique. Ces méthodes reposeront sur l'utilisation de données satellitaires présentant des périodes de disponibilité et des résolutions différentes (par exemple Sentinel-2 : depuis 2015, résolution de 10m à 60m, 13 bandes de longueurs d'ondes ; et Landsat : depuis 1984, résolution de 30 à 120m, 4 à 11 bandes) et nécessitera de lever des sous-verrous relatifs aux résolutions multiples (down sampling et up sampling) et à la fusion de données [1].

• Développer une méthode de calibration prenant en compte les structures spatio-temporelles qui caractérisent le paysage de la zone d'étude afin de prendre en compte les particularités locales comme la forme des parcelles ou les variations dans la durée des rotations culturales. Ces deux objectifs reposeront sur la prédiction spatio-temporelle [2, 3, 4] et nécessiteront le développement d'outils reposant sur l'intelligence artificielle [5, 6, 7]. La qualité des méthodes développées sera évaluée sur des jeux de données tests et la vérification auprès des acteurs de terrains.

Les avancées scientifiques issues de ce projet pourront être valorisées par une intégration dans le modèle de changement d'occupation et d'usage du sol FORESCEM [8] et une mise à disposition sur une plateforme de diffusion de l’information géographique.

 

[1] Aval J., Fabre S., Zenou E., Sheeren D., Fauvel M., Briottet X. (2019) Object-based fusion for urban tree species classification from hyperspectral, panchromatic and nDSM data, International Journal of Remote Sensing, 40:14, 5339-5365, DOI: 10.1080/01431161.2019.1579937

[2] Aburas, M. M., Ahamad, M. S. S., & Omar, N. Q. (2019). Spatio-temporal simulation and prediction of land-use change using conventional and machine learning models: a review. Environmental monitoring and assessment, 191(4), 1-28.

[3]Koehler, J., & Kuenzer, C. (2020). Forecasting spatio-temporal dynamics on the land surface using earth observation data—A review. Remote Sensing, 12(21), 3513.

[4] Comber, A., & Wulder, M. (2019). Considering spatiotemporal processes in big data analysis: Insights from remote sensing of land cover and land use. Transactions in GIS, 23(5), 879-891.

[5] Aung, H. L., Uzkent, B., Burke, M., Lobell, D., & Ermon, S. (2020). Farm parcel delineation using spatio-temporal convolutional networks. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (pp. 76-77).

[6] Crommelinck, S., Koeva, M., Yang, M. Y., & Vosselman, G. (2019). Application of deep learning for delineation of visible cadastral boundaries from remote sensing imagery. Remote sensing, 11(21), 2505.

[7] Xu, L., Ming, D., Du, T., Chen, Y., Dong, D., & Zhou, C. (2022). Delineation of cultivated land parcels based on deep convolutional networks and geographical thematic scene division of remotely sensed images. Computers and Electronics in Agriculture, 192, 106611.

[8] Palka G., Vacquié LA., Forget Y., Houet T. (in progress) Simulating interactions and feedbacks between land-use and land-cover changes for fine scale prospective scenarios with FORESCEM.

 

Modalités pratiques

• Les travaux se dérouleront dans les locaux du L@BISEN à Brest (29). Les contrat doctoral, de trois ans, pourra être réalisé avec ou sans charge d’enseignement, selon le profil du candidat et les besoins de l’ISEN. La thèse sera dirigée par Marwa EL BOUZ, et co-encadrée par Gaëtan PALKA

• Profil recherché : titulaire d’un master ou d’un diplôme d’ingénieur, avec de solides bases dans au moins deux des champs suivants et une appétence pour les autres : télédétection, informatique, géomatique, intelligence artificielle, apprentissage automatique, big data, analyse spatiale.

• L’ISEN promeut l’égalité homme-femme au sein de ces équipes.

• Date limite de candidature : 30 juin 2022 (la sélection des candidats débutera en juillet).

• Les dossiers de candidature doivent comprendre un CV, une lettre de motivation, des relevés de notes ou à défaut une ou plusieurs lettre de recommandation et les contacts de leurs rédacteurs. Ils doivent être envoyés par courriel dont l’objet est « SPATEKL Candidature votre Nom» sous forme d’un unique fichier pdf selon l’ordre listé précédemment aux adresses suivantes :

marwa.el-bouz@isen-ouest.yncrea.fr ; gaetan.palka@isen-ouest.yncrea.fr