Estimation de densités foliaires à l'échelle individuelle par LiDAR // Estimation of Leaf Area from LiDAR at the Individual Tree Scale

Ce projet de thèse vise à développer des modèles statistiques et les méthodes computationnelles associées pour l'estimation de densités foliaires en forêts tropicales à partir de relevés LiDAR. Ces modèles apporteront des améliorations aux méthodes utilisées aujourd'hui en routine à travers une approche centrée sur les individus et la prise en compte de leur structure spatiale, plus particulièrement les phénomènes d'agrégation des feuilles et de distributions structurées d'angles foliaires. De nouvelles méthodes pour les champs de Markov cachés seront développées afin de permettre leur utilisation pour intégrer ces aspects structurels et, à partir de la segmentation induite par ces modèles, de construire des discrétisations adaptatives de l'espace favorisant l'homogénéité des densités et orientations foliaires.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This PhD project aims at developing statistical models and associated computational methods for estimating leaf area densities in tropical forests from LiDAR measurements. These models are intended to improve current methods with an individual-centered approach, accounting for their spatial organization and particularly, leaf aggregation and heterogeneous leaf angle distributions. New methods for hidden Markov random fields will be developed and used to integrate such structural aspects into models and, from the segmentation obtained by these models, to build adaptive discretizations of space ensuring more intra-voxel homogeneous leaf densities and orientations.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026
WEB : https://cv.hal.science/jean-baptiste-durand

Public funding alone (i.e. government, region, European, international organization research grant)

Concours pour un contrat doctoral

Université de Montpellier

166 I2S - Information, Structures, Systèmes

Profil recherché : M2 en statistique / science des données avec un intérêt prononcé pour la modélisation et ses applications. Des compétences en programmation python / R / grappes de calcul sont un plus. Compétences non-techniques : rigueur, travail en équipe, motivation pour la modélisation en écologie
Profil recherché : M2 en statistique / science des données avec un intérêt prononcé pour la modélisation et ses applications. Des compétences en programmation python / R / grappes de calcul sont un plus. Compétences non-techniques : rigueur, travail en équipe, motivation pour la modélisation en écologie