Le portail francophone de la géomatique

Développement d’un indice de télédétection pour le suivi de l’état hydrique de la végétation par le satellite Sentinel-2 (https://jobs.inrae.fr/ot-19271)

Contexte
L’augmentation de la fréquence et de la durée des épisodes de sécheresse en lien avec le changement climatique résultent en un stress hydrique qui limite le fonctionnement des espèces forestières pouvant conduire à leur dépérissement voire leur mortalité. De plus, cette diminution de la teneur en eau de la végétation résulte en un risque incendie plus élevé. Le stress hydrique a donc des conséquences à long terme sur les écosystèmes forestiers, et il convient de pouvoir cartographier son évolution spatio-temporelle.

L’exposition des forêts à un stress hydrique est associée à des changements de propriétés optiques de la végétation (réflectance) (Feret et al. 2008), qui peuvent être détectés par les satellites optiques. Cependant, le seuillage des indices spectraux utilisés pour détecter une anomalie dans le signal mesuré par le satellite demeure une étape délicate. Typiquement, des sur-détections ou des sous-détections de zones exposées peuvent survenir si les seuillages ne sont pas robustes entre types de végétation, si l’indice se corrèle mal au phénomène mesuré, ou si les variations de réflectance sont trop fines (Chuvieco et al. 2019).

La sensibilité à l’état hydrique de la végétation du capteur multispectral embarqué sur le satellite Sentinel-2 a donné des résultats prometteurs (Tanase et al. 2022), mais des développements et des validations des indices sont encore nécessaires, notamment pour des estimations à des échelles fines (pixels).

Objectifs du stage
Le stage propose d’explorer le suivi temporel d’indicateurs biophysiques comme la teneur en eau de la végétation et le taux d’humidité du combustible (Fuel Moisture Content, FMC)  à l’aide de méthodes hybrides combinant un modèle physique et une méthode d’apprentissage automatique. En appui aux développements d’indices et de méthodes de télédétection, le projet prévoit l’acquisition de données terrain de référence. L’objectif à terme est d’obtenir un indice de télédétection Sentinel2 corrélé à la teneur en eau, et de tester / valider cet indice sur les placettes de référence pour détecter un éventuel stress hydrique.
Travail demandé

L’étudiant.e effectuera dans un premier temps une synthèse bibliographique sur l’estimation de la teneur en eau dans les peuplements forestiers par télédétection.

En parallèle, les images Sentinel-2 des zones suivies devront être extraites et prétraitées. Ensuite, l’étudiant.e se formera à l’utilisation de la Sentinel-2 Toolbox et au modèle physique physique PROSAIL, un modèle relativement simple et rapide d’exécution avec un paramétrage parcimonieux, qui permettra de générer des simulations de réflectance de canopée en suivant différentes stratégies d’échantillonnage ajustées en fonction du contexte et du type de milieu. Ces simulations seront ensuite utilisées afin d’entrainer des modèles de régression utilisant l’algorithme Support Vector Regression (SVR), pour déterminer notamment l’indice de surface foliaire (Leaf Area Index, LAI), la teneur en eau de la végétation (Equivalent Water Thickness, EWT) et la masse surfacique foliaire (Leaf Mass per Area, LMA), qui permettront d’estimer la densité de couvert et le FMC. Pour toutes ces étapes, l’étudiant.e bénéficiera des compétences de l’équipe d’accueil en traitement des données télédétection ainsi que des collaborations avec l’UMR TETIS.

Tout au long de son stage, l’étudiant.e participera à la mesure de trente placettes de validation terrain pour le suivi de la teneur en eau. Selon les conditions, il pourra aussi participer à des acquisitions au drone multispectral sur ces mêmes placettes en vue d’une calibration du satellite.

Formations et compétences recherchées
Master/Ingénieur (Bac+5)

Etudiant.e en master 2 ou en école d’ingénieur dans le domaine du traitement des données de télédétection
    Bonne maitrise des logiciels et librairies utilisés en télédétection satellitaire (R, Python)
    Maitrise des outils de SIG (QGis en particulier)
    Autonomie
    Bonne capacité rédactionnelle

Lieu du stage
UMR RECOVER, Centre INRAE d'Aix-en-Provence, France

Rémunération:
Environ 600 euros par mois

Contact:
maxime.soma@texte-a-enlever.inrae.fr
fabien.guerra@texte-a-enlever.inrae.fr