Félicitation pour la soutenance de thèse de Valentine Bellet, Jeudi 29 Février 2024: « L’intelligence artificielle pour la surveillance des écosystèmes à partir de séries temporelles d’images satellites »
[English below]
Bonjour à tou.te.s,
J’ai le plaisir de vous inviter à ma soutenance de thèse qui aura lieu le jeudi 29 février à 9h30 dans la salle de conférence du CESBIO à Toulouse.
Le sujet de thèse est le suivant: « L’intelligence artificielle pour la surveillance des écosystèmes à partir de series temporelles d’images satellites ».
La présentation (en anglais) sera aussi disponible en visio, un lien zoom est à venir!
Composition du jury:
Rapporteur.es:
Francesca BOVOLO University of Trento, Italy
Dino IENCO UMR Tetis, INRAE, France
Examinatrices:
Marie CHABERT IRIT, INP-ENSEEIHT, France
Charlotte PELLETIER UMR IRISA, UBS, France
Anne PUISSANT UMR LIVE, UNISTRA, France
Directeurs de thèse:
Mathieu FAUVEL CESBIO, INRAE, France
Jordi INGLADA CESBIO, CNES, France
Invité:
Mickaël SAVINAUD CS-Group, France
Résumé: Dans un contexte de changement climatique, la surveillance des écosystèmes est une mission essentielle. En effet, cela permet de mieux comprendre les changements qui peuvent affecter les écosystèmes mais aussi de prendre des décisions en conséquence afin de préserver les générations actuelles et futures. Les cartes d’occupations du sol sont un outil indispensable en fournissant des informations sur les différents types de couverture physique de la surface de la Terre (e.g. forêts, prairies, terres agricoles). Actuellement, un nombre accru de missions satellites fournissent un volume important de données gratuites et librement accessibles. Les séries temporelles d’images satellites (SITS), dont celles de Sentinel-2, notamment grâce à leurs très hautes résolutions, informent sur la dynamique de la végétation. Des algorithmes d’apprentissage automatique permettent de produire de manière fréquente et régulière des cartes d’occupations du sol à partir de SITS. L’objectif de cette thèse est le développement d’algorithmes de classification supervisée pour la production de cartes d’occupations du sol à grande échelle.
Mots clés: télédétection, intelligence artificielle, ecosystèmes, classification grande échelle, processus gaussiens, séries temporelles d’images satellites
En espérant vous y voir nombreux,
Bonne journée et à bientôt
Valentine
Dear all,
I am pleased to invite you to my PhD defense, which will take place on Thursday, February 29 at 9:30 am in the conference room of the CESBIO, in Toulouse.
My subject is the following: « Artificial intelligence for ecosystem monitoring using satellite image time series ».
The defense can also be attended online, a zoom link will be provided.
Abstract: In the context of climate change, ecosystem monitoring is a crucial task. It allows to better understand the changes that affect them and also enables decision-making to preserve them for current and future generations. Land use and land cover (LULC) maps are an essential tool in ecosystem monitoring providing information on different types of physical cover of the Earth’s surface (e.g. forests, grasslands, croplands). Nowadays, an increasing number of satellite missions generate huge amounts of free and open data. In particular, satellite image time series (SITS), such as the ones produced by Sentinel-2, offer high temporal, spectral and spatial resolutions and provide relevant information about vegetation dynamics. Combined with machine learning algorithms, they allow the production of frequent and accurate LULC maps. This thesis is focused on the development of pixel-based supervised classification algorithms for the production of LULC maps at large scale.
Keywords: remote sensing, artificial intelligence, ecosystems, large scale classification, Gaussian Processes, satellite image time series
