Soutenance de thèse d’Iris Dumeur: Ouvrir la voie vers des modèles de fondation exploitant les séries temporelles d’images satellites pour le suivi des surfaces continentales

J’ai le plaisir de vous inviter à ma soutenance de thèse qui aura lieu le lundi 9 décembre à 9h30 dans la salle de conférence du CESBIO à Toulouse.

Le sujet de thèse est le suivant: « Ouvrir la voie vers des modèles de fondation exploitant les séries temporelles d’images satellites pour le suivi des surfaces continentales ».

La présentation (en anglais) sera aussi disponible en visio, un lien zoom est à venir!

Composition du jury:

Rapporteurs:
Clément MALLET                  Université Gustave Eiffel, IGN, ENSG
Nicolas COURTY                   Université Bretagne Sud / IRISA

Examinatrices:
Begüm DEMIR                      Technische Universität Berlin
Xiaoxiang ZHU                     TUM School of Engineering and Design                    

Encadrement de thèse:
Silvia VALERO     Co-directrice     CESBIO, IRD, France
Jordi INGLADA    Directeur        CESBIO, CNES, France

Résumé: La cartographie précise et à jour des surfaces continentales est un enjeu majeur pour le suivi et l’atténuation du dérèglement climatique. Depuis une dizaine d’années, des missions d’observation de la Terre (OT) fournissent fréquemment des images multispectrales à haute résolution. Pour exploiter les séries temporelles d’images satellites (STIS) qui en résultent, les réseaux de neurones profonds sont de plus en plus utilisés. Néanmoins, ces méthodes nécessitent un grand nombre de données étiquetées pour l’entraînement, limitant leur application à grande échelle. Ainsi, un intérêt croissant est porté au développement de modèles de fondation en OT. De tels modèles sont entre autres capables de fournir des représentations pertinentes pour un grand nombre de tâches souffrant d’un manque d’étiquettes. Actuellement, bien que des tentatives de modèle en OT aient été annoncées, dans la pratique, elles ne répondent pas aux besoins spécifiques du suivi des surfaces continentales ni ne prennent en compte les caractéristiques des STIS. Puisque la construction de tels modèles est complexe, cette thèse vise à ouvrir la voie à des modèles de fondation.

Mots clés: télédétection, intelligence artificielle, modèles de fondation, séries temporelles d’images satellites, surfaces continentales

Dear all,

I am pleased to invite you to my PhD defense, which will take place on Monday December 9 at 9:30 am in the conference room of the CESBIO, in Toulouse.

My subject is the following: « Paving the way towards foundation models exploiting Satellite Image Time Series for land surface monitoring ».

The defense can also be attended online, a zoom link will be provided.

Jury members:

Reviewers:
Clément MALLET                  Université Gustave Eiffel, IGN, ENSG
Nicolas COURTY                   Université Bretagne Sud / IRISA

Examiners:
Begüm DEMIR                      Technische Universität Berlin
Xiaoxiang ZHU                     TUM School of Engineering and Design                    

Supervisors:
Silvia VALERO       CESBIO, IRD, France
Jordi INGLADA      CESBIO, CNES, France

Abstract: Up-to-date and precise mapping of the Earth’s surface is critical for monitoring and mitigating the effects of global warming. For about a decade, Earth Observation (EO) missions have been providing frequently high-resolution multispectral imagery of the entire globe. To exploit the resulting Satellite Image Time Series (SITS), Deep Neural Networks have become increasingly popular. Nonetheless, these methods require large amounts of labeled data for training, limiting their scalability across diverse geographic regions and time periods. Therefore, there is growing interest in developing Foundation Models (FMs) for land monitoring. FMs aim to facilitate the processing of EO data as they are capable of providing input data representations relevant to numerous tasks suffering from a scarcity of labels. Although initial attempts of FMs for land monitoring  have been announced, in practice they do not meet the specific needs of land monitoring, nor do they take into account the specificities of the SITS. Since the construction of such models is complex, this thesis aims to pave the way for foundation models.

Keywords: remote sensing, artificial intelligence, fondation models, satellite image time series, land surface

Best regards,

Iris Dumeur