Le portail francophone de la géomatique

Sujet : Identification et suivi de l’artificialisation des sols

Contexte
Depuis les années 2000, la législation autour de l'urbanisme s'est renforcée avec la loi Solidarité et Renouvellement Urbain (SRU) et la création des Schémas de Cohérence Territoriale (SCOT) ; le suivi de l’artificialisation des sols et de l’étalement urbain est au centre des préoccupations à l’échelle interurbaine. Divers jeux de données existent afin de suivre l’évolution urbaine, toutefois ces données sont bien souvent trop générales, peu précises (échelle nationale vs échelle locale) et souvent datées (une ou deux années de retard). Le SCOT’Ouest des Alpes Maritimes cherche à réaliser des cartes de suivi de l’artificialisation des sols pour mieux organiser le territoire dans le cadre de la loi Climat et Résilience et l’Objectif Zéro Artificialisation Nette d’ici 2050. Ce stage propose de prolonger les travaux réalisés par deux stages successifs (M2) qui visaient à l’amélioration des méthodes d’identification et de suivi de l’artificialisation des sols en particulier en rajoutant des analyses de données d’observations par satellite (Copernicus/Sentinel-2) et en exploitant la temporalité des données pour aider à lever des ambiguïtés de classification. La méthodologie actuelle s’appuie sur des méthodes d’IA assez poussées et permet de donner une estimation des pourcentages de bâtis dans chacun des pixels des images satellites traitées. Les objectifs du stage concernent principalement l’optimisation de la méthode et sa validation. Par validation on entend la stabilité de la classification sur plusieurs époques et donc sa possible sensibilité aux artefacts liés à l’imagerie (nuages, effets d’ombrage et d’environnement…) ainsi que la précision intrinsèque de l’estimation du pourcentage bâti.

Objectifs du stage
Les attendus du stage sont plus particulièrement :
1. Un développement plus automatisé de la technique de classification mise en place lors du stage précédent.
2. Une identification et une analyse poussée des raisons des causes d’erreur (e.g. limitations inhérentes à la méthode)
3. Une application de cet algorithme à d’autres images du même satellite mais à d’autres « époques » pour apprécier la stabilité (et par conséquent l’instabilité) de cette classification dans le temps (est-ce que les différences d’une cartographie à la suivante sont imputables à des réels changements d’OS ou à des errements de la méthode ? vraisemblablement les deux).
4. Une validation sera aussi envisagée en partenariat avec une commune du SCOT’Ouest qui mettra à disposition des données terrain et sur le territoire de laquelle seront réalisés des observations sur site.

Compétences requises
Connaissances en traitement d’image
Connaissances en machine / deep learning pour la classification et segmentation d’image
Maîtrise de logiciels de système d’information géographique (QGIS) et base de données
Appétence pour le développement informatique : Linux, Python (skimage, opencv, pandas, Tensorflow, Pytorch, scikit-learn), Git
Expérience (projets scolaires ou personnels) en imagerie satellite et en science des données serait un plus

Profil recherché
Etudiant de M2 ou dernière année d'école d'ingénieur

Durée du stage :
6 mois

Gratification
Selon les règles en vigueur

Lieu du stage
ACRI-ST (Sophia Antipolis et CERGA-Grasse)

Envoi des candidatures
anne.vallette@texte-a-enlever.acri-st.fr

Le stage est fait en collaboration entre le SCOT’Ouest et la société ACRI-ST