Modélisation biophysique et contextuelle pour la télédétection des perturbations des forêts

Biophysical and contextual modeling for forest disturbances remote sensing

• Auteur / Autrice : Vitória Barbosa ferreira
• Direction : Guerric Le Maire
• Type : Projet de thèse
• Discipline(s) : EFSA-Ecologie fonctionnelle et Ecophysiologie
• Date : Inscription en doctorat le 30/09/2022
• Etablissement(s) : Montpellier, SupAgro
• Ecole(s) doctorale(s) : École Doctorale GAIA Biodiversité, agriculture, alimentation, environnement, terre, eau (Montpellier ; 2015-...)
• Partenaire(s) de recherche : Laboratoire : EcoSols - Ecologie fonctionnelle et biochimie des sols

Mots clés

Mots clés libres

Télédétection

Modèle de transfert radiatif

Série temporelle d'images

Géomatique

Images satellite

Radiative transfer model

Image time series

Geomatics

Remote sensing

Satellite images

Résumé

La thèse développera une nouvelle approche d'analyse des séries temporelles d'images satellites pour la détection des perturbations dans les forêts, dans le cadre de systèmes d'alerte rapide. Les maladies, incendies, tempêtes, sécheresses, affectent les forêts naturelles et les plantations forestières avec une tendance croissante due aux changements climatiques. Dans les plantations, les perturbations peuvent entraîner des pertes de production, mais aussi des impacts environnementaux forts. Les impacts peuvent être limités par une détection rapide et une planification de l'intervention. La quantification de la zone endommagée permet aux parties prenantes d'estimer la perte de croissance et de prendre une décision appropriée pour la fin de la rotation. Tout d'abord, la perturbation doit être observable sur la réflectance de la canopée, avec un signal suffisamment fort par rapport à la variabilité normale de la réflectance des images satellites des pixels non perturbés. Le projet développera une nouvelle méthode basée sur l'estimation préalable des caractéristiques de la canopée telles que l'indice de surface foliaire ou le contenu en chlorophylle des feuilles, basée sur l'inversion du modèle de transfert radiatif. La deuxième étape consistera à détecter les perturbations dans les séries temporelles des propriétés de la canopée obtenues, en comparant l'indicateur mesuré avec un indicateur de référence non perturbé. Le projet développera une estimation précise de la valeur de référence non perturbée de l'indicateur, en utilisant un modèle contextuel spatio-temporel, alimenté par des variables locales supplémentaires sur le peuplement forestier (âge, espèces, sol, ...), et basé sur l'apprentissage automatique. Enfin, les synergies avec les séries temporelles d'images radar seront explorées. L'étude de cas sera les plantations d'Eucalyptus au Brésil, où le CIRAD a des expériences de terrain à long terme avec l'Université de São Paulo, et un partenariat fort avec l'Instituto de Pesquisas e Estudos Florestais. Candidater UNIQUEMENT à ce lien suivant, et avant le 31/03/2022 : https://recrutement.cnes.fr/fr/annonce/1498851-196-biophysical-and-contextual-modeling-for-forest-disturbances-remote-sensing-34000-montpellier

The thesis will develop a novel satellite image time series analysis approach for forest disturbance detection, under the framework of rapid alert systems. Diseases, fires, storms, droughts, affect natural forests and forest plantations with an increasing trend due to climate change. In plantations, disturbances can cause production loss, but also environmental impacts. Impacts may be limited by rapid detection and planning of intervention. Quantification of the damaged area allow the stakeholder to estimate the growth loss, and take appropriate decision for the end of the rotation. First, the disturbance need to be observable on the canopy reflectance, with a strong enough signal compared to the normal variability of the satellite image reflectances of undisturbed pixels. The project will develop a method based on prior estimation of canopy characteristics such as leaf area index or leaf chlorophyll content, based on inversion of radiative transfer model. The second step is to detect disturbances in obtained canopy properties time-series, by comparing the measured indicator with a reference un-disturbed indicator. The project will develop a precise estimation of the reference un-disturbed value of the indicator, using a spatio-temporal contextual model, feeded with supplementary local variables on the forest stand (age, species, soil, ), and based on machine learning. Finally, synergies with radar image time-series will be explored. The case study will be Eucalyptus plantations in Brazil, where CIRAD has long term field experiments with the University of São Paulo, and a strong partnership with the Instituto de Pesquisas e Estudos Florestais. Postulate ONLY on the following link before 31/03/2022: https://recrutement.cnes.fr/fr/annonce/1498851-196-biophysical-and-contextual-modeling-for-forest-disturbances-remote-sensing-34000-montpellier