PhD Position: Monitoring of multi-annual vegetation dynamics by high spatial resolution multi-source satellite time series

Ce sujet de thèse est ouvert au concours pour un contrat doctoral à l’école doctorale SDU2E et sera conduit au CESBIO sur Toulouse. La réussite au concours conditionne le financement ministériel.

Date limite de manifestation d’intérêt auprès des encadrants : 31 mars 2023
Date limite de soumission du dossier de candidature à SDU2E : 12 mai 2023

Résumé:

Dans un contexte de changement global, l’étude pluriannuelle des cycles de végétation revêt une grande importance pour quantifier l’adaptation et la résilience des écosystèmes au fil des ans. La
télédétection satellitaire, avec l’avènement des missions Copernicus Sentinel-1 &-2, permet de suivre précisément ces écosystèmes depuis 2016.

Cependant, l’analyse de ces images est rendue délicate par la grande dimension temporelle des données et le caractère multivarié de la dimension spectrale et spatiale. Pour que ces données soient utiles aux applications thématiques et afin d’en tirer un maximum de bénéfice applicatif, il est nécessaire de développer de nouvelles méthodes adaptées.

L’objectif de cette thèse est de développer des modèles d’apprentissage statistique de suivi de la dynamique pluriannuelle de la végétation. Ce suivi comprendra les différents cycles phénologiques
intra-annuel ainsi que leur évolution au cours de plusieurs années successives. Pour cela, il est prévu d’utiliser conjointement des séries temporelles satellites massives optique (e.g. Sentinel-2) et
radar (e.g. Sentinel-1). Le cadre statistique de traitements de ces séries temporelles considéré dans cette thèse est le ‘filtrage de tendance’ (trend filtering). Ce type de problème s’écrit sous la forme
d’un problème d’optimisation convexe avec de bonne propriété de passage à l’échelle (parallélisation et parcimonie notamment). Des premiers travaux ont donné de bons résultats pour un indice de
végétation. Cela a permis notamment de gérer des séries temporelles irrégulièrement échantillonnées et non-alignées. Le premier objectif de la thèse sera d’étendre la formulation au cas des données
multivariés et multi-source, avec des résolution spatiales possiblement différente. Le second objectif de la thèse sera d’évaluer les performances de l’algorithme pour le suivit des cycles de végétation de différent milieux (prairies et cultures en particulier) sur la France métropolitaine. Les méthodes développées seront comparés aux différentes approches de fusion multi-capteurs développés au
laboratoire CESBIO.

Lien vers l’offre complète et les contacts : ICI