Les jeux de données mis à disposition du doctorant pour les simulations optiques et radar seront prétraités (incluant correction d’images radiométriques et géométriques, modèles urbains).

Le candidat participera à des campagnes expérimentales ponctuelles pour acquérir les données nécessaires à sa thèse, ainsi qu’au projet MONI-TREE dans son ensemble.

La thèse se déroulera au LETG-Rennes, avec des missions prévues à Palaiseau de l’ONERA pour des travaux sur le modèle EMPRISE

Dans un contexte de changement climatique mondial, les modifications en cours provoquent déjà des événements météorologiques extrêmes tels que des tempêtes, des vagues de chaleur et des sécheresses prolongées, posant des défis majeurs aux zones urbaines. Selon la Banque mondiale, 54 % de la population mondiale vit en zone urbaine, et ce chiffre devrait atteindre 80 % d’ici 2050. Face à ces changements environnementaux majeurs et à leurs impacts potentiels, il est crucial de développer des politiques et des outils visant à à renforcer la résilience des villes et à les adapter à ces profondes transformations. Il est désormais bien établi que la végétation, et les arbres en particulier, constituent des solutions efficaces pour atténuer les impacts du changement climatique. Les arbres peuvent contribuer à rafraîchir les villes, à améliorer la qualité de l’air et à promouvoir la biodiversité. Cependant, pour jouer un rôle positif, les arbres doivent survivre et maintenir leur santé dans un environnement qui subit des transformations drastiques, notamment un stress hydrique et thermique accru et des contraintes en matière de ressources. Les étés 2022 et 2023 ont révélé les conséquences néfastes de longues périodes de stress hydrique et de températures élevées, entraînant la mort de nombreux arbres. Néanmoins, certains d’entre eux ont réussi à survivre malgré ces conditions environnementales hostiles. Ce constat surprenant intéresse les gestionnaires municipaux et nécessite de comprendre l’influence de l’environnement sur l’état des arbres, en vue d’orienter les futures stratégies de plantation en matière de gestion du territoire.

L’objectif du projet MONI-TREE, financé par l’Agence Nationale de la Recherche (ANR), est de mieux comprendre comment les arbres réagissent à un stress extrême, de détecter précocement la sénescence et de créer des cartes de bien-être des arbres en milieu naturel. environnements urbains, accompagnés de systèmes d’alerte. Pour y parvenir, le projet vise à collecter une large gamme de données physiologiques sur les arbres (mesurées et simulées) en conditions réelles (urbaines) et contrôlées (serre expérimentale), ainsi que des données sur leur environnement (modèle urbain 3D, conditions climatiques, etc.). Des techniques d’apprentissage automatique seront ensuite utilisées pour identifier les différentes relations entre ces données et produire des cartes d’informations globales sur l’état physiologique des arbres en ville.

La télédétection par satellite est un outil essentiel pour surveiller la végétation à l’échelle mondiale, fournissant des données essentielles à la gestion des ressources naturelles. L’un des défis majeurs pour les chercheurs est de comprendre les paramètres physiologiques sensibles aux différentes technologies d’acquisition de capteurs. D’une part, la télédétection optique, basée sur la lumière visible et proche infrarouge, permet d’évaluer, entre autres, la couverture spatiale et les espèces végétales, la densité des feuilles, les pigments des feuilles impliqués dans l’activité photosynthétique (par exemple les chlorophylles), les teneurs en eau et en matière sèche qui peuvent être liées au stress hydrique et à la biomasse vivante. Cependant, les capteurs optiques peuvent être gênés par la couverture nuageuse ou par des conditions de faible luminosité affectant le signal acquis au niveau du détecteur optique. En revanche, la télédétection radar, utilisant les micro-ondes, peut pénétrer dans les nuages ​​et fonctionner de jour comme de nuit. Il peut fournir des informations sur la morphologie tridimensionnelle de la végétation, notamment la hauteur et la densité, ainsi que l’humidité. Cependant, l’interprétation de ces données radar n’a pas encore été validée pour l’estimation de ces paramètres de végétation. L’exploration de la complémentarité, voire de la fusion, des données optiques/radar a rarement été étudiée pour autant de paramètres physiologiques de la végétation arborescente, notamment en milieu urbain. environnements, du fait de la complexité du relief 3D et de la récurrence des pixels mixtes (mélangant l’apport des arbres avec leur environnement) pour des observations par télédétection satellitaire avec des résolutions spatiales généralement faibles (de l’ordre décamétrique).
L’objectif principal de cette thèse est d’établir des liens entre les observations recueillies par ces deux technologies d’acquisition de télédétection (optique et radar) et les paramètres physiologiques spécifiques aux arbres relatifs à leur biomasse, leur croissance, leurs propriétés structurelles et biochimiques. Pour atteindre cet objectif, nous prévoyons de concevoir des algorithmes avancés de modélisation et d’apprentissage profond qui intégreront les images optiques et radar du programme Copernicus (Sentinel-1 et Sentinel-2), ainsi que des mesures in situ, afin de réaliser des estimations précises. de ces paramètres physiologiques.

Le travail de thèse sera divisé en trois parties :

1) Analyse prospective de la sensibilité du signal radar pour quantifier l’état fonctionnel des arbres

Nous examinerons quels paramètres de la centrale sont les plus sensibles aux variations du signal radar. Pour ce faire, nous utiliserons le code EMPRISE de l’ONERA ( https://www.emprise-em.fr/ ) [Lebarbu et al., 2021] pour créer des bases de données d’images simulées, comprenant des maquettes urbaines 3D représentant des scènes avec différents arbres physiologiques. conditions (humidité/stress hydrique, structure) et configurations instrumentales (angles de vision et résolutions), y compris les configurations de Sentinel-1. Une étude de sensibilité permettra d’identifier les paramètres les plus influents, afin de les sélectionner pour une estimation ultérieure à l’aide de méthodes d’inversion hybrides (entraînement/test de méthodes machine/deep learning sur bases de données simulées et application sur l’image). Nous adapterons un code d’inversion déjà utilisé dans le domaine optique pour évoluer vers une approche optique/radar commune. Une évaluation des performances d’estimation pour chaque paramètre sélectionné sera réalisée, ainsi que la meilleure méthode d’estimation.

2) Caractérisation plus approfondie des arbres à l’aide de signaux optiques

En utilisant les mêmes modèles 3D de la scène que les études radar précédentes, et des paramètres électromagnétiques communs pour chaque élément présent dans la scène urbaine, nous générerons des bases d’images optiques simulées à l’aide du code DART [Zhen et al. 2023]. Comme pour le radar, une étude de sensibilité sera réalisée, suivie d’une étape d’estimation d’inversion. Ceux-ci s’appuieront en grande partie sur des travaux en cours en collaboration avec le LETG et l’ONERA, qui ont déjà obtenu des résultats préliminaires avec une hypothèse de modélisation urbaine basée sur la définition de Zones Climatiques Locales (LCZ) [Stewart & Oke, 2012] pour des arbres isolés et alignés. . En particulier, ces travaux ont montré que seuls le LAI (indice de surface foliaire) et la teneur en chlorophylle des feuilles sont accessibles avec les données Sentinel-2 à 10 m de résolution spatiale pour certains indices spectraux de végétation et configurations géométriques [Le Saint et al., 2023]. Dans ce qui suit, les premiers résultats d’inversion montrent des performances encourageantes et restent à approfondir. Nous évaluerons si ces résultats peuvent être reproduits dans d’autres contextes, notamment dans la modélisation conjointe optique/radar et la méthodologie d’inversion.

3) Fusion de données optiques/radar

Les bases de données d’images optiques et radar seront fusionnées et les méthodes d’estimation seront recherchées conjointement pour tous les paramètres physiologiques accessibles en optique et en radar. Des méthodes innovantes d’apprentissage profond et de transfert seront étudiées. Les performances d’estimation des paramètres de végétation obtenues par le radar seul (étape 1), l’optique seule (étape 2) et la combinaison des deux dans cette étape seront évaluées. En particulier, deux variables accessibles à la fois du point de vue optique et radar, la teneur en humidité des feuilles et le LAI, seront examinées. Une analyse sera menée pour déterminer comment l’apport de l’optique ou du radar peut être utilisé pour affiner leur estimation.

Les références :

Elise Colin et Laetitia Thirion-Lefevre (2023) : Modéliser la rétrodiffusion radar par les forêts : une première étape pour inverser, dans Yajing Yan (dir.), Inversion et Assimilation de données de données de télédétection, Wiley,, 2023, p. 237-269. , DOI : 10.51926/ISTE.9142.ch7.
Di Martino, T., Guinvarc’h, R., Thirion-Lefevre, L. et Colin E. (2021, juillet). Auto-encodeur convolutif pour l’apprentissage par représentation non supervisé des séries temporelles PolSAR. En 2021, Symposium international de géoscience et de télédétection de l’IEEE, IGARSS (pp. 3506-3509). IEEE.
Lebarbu, C., Ceotto, E., Cochin, C., Jouade, A., Everaere, E. et Trouve, N. (mars 2021). Chaîne complète de simulation radar : Application à la surveillance des patrouilles maritimes utilisant les modes SAR/ISAR. Dans EUSAR 2021 ; 13e Conférence européenne sur les radars à synthèse d’ouverture (pp. 1-6). VDE.
Zhen, Z., Benromdhane, N., Kallel, A., Wang, Y., Regaieg, O., Boitard, P., … & Gastellu-Etchegorry, JP (2023, mai). DART : un modèle 3D de transfert radiatif pour les études urbaines. En 2023, événement conjoint de télédétection urbaine (JURSE) (pp. 1-4). IEEE.
ID Stewart et TR Oke, « Zones climatiques locales pour les études de température urbaine », Bulletin de l’American Mogenic Society, vol. 93, n° 12, p. 1879 1900, déc. 2012, est ce que je : 10.1175/BAMS-D-11-00019.1.
Le Saint T., Adeline K., Lefebvre S., Nabucet J. & Hubert-Moy L. (2023) Analyse de sensibilité du satellite Sentinel-2 pour la caractérisation des arbres en milieu urbain, TEMU (télédétection en milieu urbain), Montpellier, France (oral trouvé sur : https://www.theia-land.fr/urbain/2023-urbain/ ).