Estimation de la Biomasse aérienne des mangroves du delta du Mékong au Viêt-Nam à partir des images satellites et des algorithmes de l’Intelligence Artificielle

^{Il est nécessaire d'améliorer les estimations de la biomasse aérienne afin de mieux comprendre la productivité des forêts de mangroves et de favoriser la conservation à long terme de ces écosystèmes fragiles, menacés par de nombreuses pressions naturelles et anthropiques. Des efforts ont été déployés à l'échelle mondiale pour mettre au point des méthodes précises et efficaces permettant de quantifier le carbone aérien (mesuré en biomasse) dans les mangroves. Une gamme de technologies de télédétection (TD) permet de déduire indirectement la biomasse forestière, mais des données de terrain sont nécessaires pour calibrer et valider les produits. Le développement de techniques SAR multiparamétriques telles que le SAR polarimétrique (POLSAR) et le SAR interférométrique polarimétrique (POLinSAR) progresse rapidement, et ces nouvelles technologies radar élargissent sans cesse de manière décisive le champ d'application du radar dans la télédétection.}

^{La recherche proposée pour ce stage consiste dans la mise en œuvre d’une chaîne méthodologique d’exploitation des données SAR Sentinel-1 (Single Look Complex (SLC) Dat) afin d’optimiser l’estimation de la biomasse aérienne (y compris du carbone aérien). Les satellites Sentinel sont une famille de satellite d’observation de la terre développée par l’Agence spatiale européenne (ESA) dans le cadre du programme Copernicus. Ces images, disponibles gratuitement et à une fréquence de 5 à 12 jours permettent d’observer un territoire de façon constante dans le temps et d’étudier son évolution. Dans le cas présent, la période d’étude s’établit sur 2-3 années consécutives (Janvier 2023 - Mai 2026) à partir d’un bouquet d’images satellites radar.}

1. ^{La première étape de traitement et analyse d’images satellites sera la réalisation du prétraitement des images SAR Sentinel-1 par le biais du logiciel SNAP 13.0.0.}
2. ^{La deuxième étape sera l’exploration du nouveau logiciel PolSARpro v6.0 (édition Biomasse) qui offre la possibilité de traiter et de convertir les données polarimétriques provenant du SENTINEL-1A & B (Compatibilité avec Sentinel-1 Toolbox : un pont dédié a été créé entre les deux logiciels). Boîte à outils spécialement conçue pour traiter : Pol-SAR / Traitement et analyse des données SAR polarimétriques. Grâce au POlSARPro on obtiendra les décompositions polarimétriques (C3 covariance matrix). Plusieurs méthodes de décomposition polarimétrique (Aghababaee, H/A/Alpha, Eigenvalue Set Parameters, Freeman, Diversity Indices, Zhang, Singh, Touzi, Van Zyl, Yamaguchi, Huynen) seront appliquées à la matrice de covariance C3, permettant l'extraction des caractéristiques clés qui caractérisent les différents mécanismes de diffusion.}
3. ^{La troisième étape - Machine Learning et Evaluation. Pour évaluer l'efficacité de différentes décompositions SAR polarimétriques dans l'estimation de la biomasse aérienne des mangroves, nous proposons d’utiliser plusieurs modèles d'apprentissage automatique. Le stagiaire choisira le modèle le plus adapté à cette thématique et zone d’étude.}
4. ^{La biomasse fournira des cartes de la quantité de carbone stockée dans ces forêts des mangroves et de son évolution au fil du temps.}

^{Il est nécessaire d'améliorer les estimations de la biomasse aérienne afin de mieux comprendre la productivité des forêts de mangroves et de favoriser la conservation à long terme de ces écosystèmes fragiles, menacés par de nombreuses pressions naturelles et anthropiques. Des efforts ont été déployés à l'échelle mondiale pour mettre au point des méthodes précises et efficaces permettant de quantifier le carbone aérien (mesuré en biomasse) dans les mangroves. Une gamme de technologies de télédétection (TD) permet de déduire indirectement la biomasse forestière, mais des données de terrain sont nécessaires pour calibrer et valider les produits. Le développement de techniques SAR multiparamétriques telles que le SAR polarimétrique (POLSAR) et le SAR interférométrique polarimétrique (POLinSAR) progresse rapidement, et ces nouvelles technologies radar élargissent sans cesse de manière décisive le champ d'application du radar dans la télédétection.}

^{La recherche proposée pour ce stage consiste dans la mise en œuvre d’une chaîne méthodologique d’exploitation des données SAR Sentinel-1 (Single Look Complex (SLC) Dat) afin d’optimiser l’estimation de la biomasse aérienne (y compris du carbone aérien). Les satellites Sentinel sont une famille de satellite d’observation de la terre développée par l’Agence spatiale européenne (ESA) dans le cadre du programme Copernicus. Ces images, disponibles gratuitement et à une fréquence de 5 à 12 jours permettent d’observer un territoire de façon constante dans le temps et d’étudier son évolution. Dans le cas présent, la période d’étude s’établit sur 2-3 années consécutives (Janvier 2023 - Mai 2026) à partir d’un bouquet d’images satellites radar.}

1. ^{La première étape de traitement et analyse d’images satellites sera la réalisation du prétraitement des images SAR Sentinel-1 par le biais du logiciel SNAP 13.0.0.}
2. ^{La deuxième étape sera l’exploration du nouveau logiciel PolSARpro v6.0 (édition Biomasse) qui offre la possibilité de traiter et de convertir les données polarimétriques provenant du SENTINEL-1A & B (Compatibilité avec Sentinel-1 Toolbox : un pont dédié a été créé entre les deux logiciels). Boîte à outils spécialement conçue pour traiter : Pol-SAR / Traitement et analyse des données SAR polarimétriques. Grâce au POlSARPro on obtiendra les décompositions polarimétriques (C3 covariance matrix). Plusieurs méthodes de décomposition polarimétrique (Aghababaee, H/A/Alpha, Eigenvalue Set Parameters, Freeman, Diversity Indices, Zhang, Singh, Touzi, Van Zyl, Yamaguchi, Huynen) seront appliquées à la matrice de covariance C3, permettant l'extraction des caractéristiques clés qui caractérisent les différents mécanismes de diffusion.}
3. ^{La troisième étape - Machine Learning et Evaluation. Pour évaluer l'efficacité de différentes décompositions SAR polarimétriques dans l'estimation de la biomasse aérienne des mangroves, nous proposons d’utiliser plusieurs modèles d'apprentissage automatique. Le stagiaire choisira le modèle le plus adapté à cette thématique et zone d’étude.}
4. ^{La biomasse fournira des cartes de la quantité de carbone stockée dans ces forêts des mangroves et de son évolution au fil du temps.}

• ^{Étudiant(e) en master 2 ou ingénieur en 3e année, dans les domaines de la géomatique / télédétection/ traitement des images avec des connaissances en informatique ;}
• ^{Connaissances approfondies en télédétection, traitement d’images Sentinel -1 et Sentinel-2 ;}
• ^{Connaissances d’apprentissage automatique (structure peu profonde et profonde) ;}
• ^{Expériences de programmation ;}
• ^{Capacité de travailler en anglais.}