slideshow 1 slideshow 2 slideshow 3 slideshow 3 slideshow 3 slideshow 6 slideshow 7 slideshow 8 slideshow 9 slideshow 10 slideshow 11 slideshow 12 slideshow 13 slideshow 14 slideshow 15 slideshow 16

Vous êtes ici

√ Niveau requis: 
√ Début du stage: 
01-02-2018
√ Durée: 
5 à 6 mois
√ Indemnité: 
€554
√ Contact: 
Jean-Stéphane Bailly > téléphone : +33 (0)4 99 61 28 09 > email : bailly@agroparistech.fr
Cécile Gomez > téléphone : +33 (0)4 99 61 28 41 > email : cecile.gomez@ird.fr
√ Description: 

Analyse du parcellaire par traitement de données multi-temporelles S2 à l'aide d'une méthode de fouille de données

Contexte :
Les sols agricoles cultivés en pluvial représentent 80 % des terres cultivées dans le monde et assurent 70 % des ressources alimentaires mondiales, jouant ainsi un rôle crucial sur la sécurité alimentaire mondiale face au changement global [1]. Dans nombres de régions du monde la géométrie du parcellaire cultural évolue d'une saison (d'un cycle) à l'autre, suivant de nombreuses règles individuelles et collectives des agriculteurs. Et la géométrie du parcellaire cultural suit une dynamique qui ne peut pas être déduite de la seule connaissance des parcellaires fonciers (ces derniers pouvant par surcroît être difficiles à obtenir selon les contextes). La délimitation géométrique du parcellaire cultural est pourtant essentielle car cette segmentation de l'espace reste le grain auquel de nombreuses variables bio-physiques (e.g., l'infiltrabilité ou le rendement de culture) sont quasi-homogènes.


Objectif et Taches :
Le stage sera focalisé sur l'analyse des séries temporelles optiques (données Sentinel-2 et/ou LANDSAT) pour aider à construire une cartographie de la géométrie du parcellaire cultural. Il s’agira de faire face à la géstion et à l'analyse de gros volume des données produites à partir d'images satellitaires à travers des méthodes de fouille de données.

En particulier, l'étudiant sera amené à utiliser une méthode précédemment proposée au sein de l'UMR TETIS [3] qui permet de modéliser et décrire des façon automatique des phénomenes spatio-temporels. Cette méthode s'appuie sur une analyse des images orientée objet. De façon plus précise, il s'agira d'appliquer cette méthode sur les données concernant une période temporelle réduite (correspondant à une saison de culture) pour ensuite traiter des séries de données pluri annuelles. Une analyse en profondeur, menée conjointement avec les experts, permettra de mettre en évidence les points faibles et forts de la méthode et de positionner les premières pistes d'amélioration à apporter si nécessaire. Ce travail s’appuiera sur un site d’étude (200 km2) situé en Tunisie dans la région pluviale du Cap Bon pour lequel nous disposons de données Sentinel-2 et d’une sous-zone (4 km2) avec un parcellaire de référence.

Le stage est associé au projet TOSCA A-Muse, projet multidisciplinaire coordonné par le laboratoire LISAH (SupAgro) en partenariat avec plusieurs laboratoires dont l'UMR TETIS.


L'étudiant sera amené à discuter avec des experts dans les domaines de l'informatique, de la télédétection, de l'agronomie et de l'hydrologie.

Le stagiaire sera localisé à l'UMR TETIS, à Montpellier. Il travaillera avec :
Dr. Maguelonne Teisseire, Directrice de Recherche Irstea, UMR TETIS (maguelonne.teisseire@irstea.fr)

Dr. Dino Ienco, Chargé de Recherche Irstea, UMR TETIS (dino.ienco@irstea.fr)

Dr. Cécile Gomez, Chargé de Recherche IRD, UMR LISAH.


Profil: Géomatique ou Informatique avec de compétences en programmation. Langage de programmation:
Python et librairie GDAL pour le traitement des images. Outils en géomatique: QGIS

 

√ Références: 
[1] Rockstrom J., Karlberg L., Wani S.P., Barron J., Hatibu N., Oweis T., Bruggeman A., Farahani J., Qiang Z. Managing water in rainfed agriculture—The need for a paradigm shift. Agricultural Water Management, 97:543–55 (2010) [2] Tighe, M., Muñoz‐Robles, C., Reid, N., Wilson, B., & Briggs, S. V.: Hydrological thresholds of soil surface properties identified using conditional inference tree analysis.Earth Surface Processes and Landforms, 37(6):620-632 (2012). [3] F. Guttler, D. Ienco, J. Nin, M. Teisseire and P. Poncelet: A graph-based approach to detect spatiotemporal dynamics in satellite image time series. ISPRS Journal of Photogrammetry and Remote Sensing - 130:92-107 (2017)
Statut stage: