Description

La biomasse est une quantité critique pour le changement climatique. Sa mesure est donc utile pour évaluer l'état du changement climatique, l'(in)efficacité des actions visant à le contrôler, la manière dont les crédits carbone sont utilisés, etc. Elle permet également d'acquérir une connaissance plus générale de la forêt, qui peut être utilisée pour diverses applications (détection des incendies, lutte contre les maladies, détection des cibles, etc.)
). Il est toutefois difficile de la mesurer à l'aide de satellites, ce qui est le seul moyen de la mesurer à grande échelle. L'autre moyen est la mesure de la vérité au sol, qui peut fournir des centaines de paramètres pour un seul peuplement, mais qui n'est réalisable qu'à très peu d'endroits. La biomasse peut être directement déduite des mesures ou estimée à partir de différents paramètres forestiers.
Dans une récente thèse de doctorat (T Di Martino [1]), nous avons développé une approche non supervisée utilisant des séries temporelles SAR (CAE) pour cartographier les paramètres forestiers en utilisant seulement quelques points de vérité terrain. Cette approche a été testée sur des données SAR en bande C. Elle a été évaluée pour certains paramètres (pourcentage de conifères, par exemple). Cette évaluation a été réalisée en collaboration avec Ressources naturelles Canada (qui a fourni la vérité au sol).
La basse fréquence est bien connue pour mieux pénétrer les forêts, alors que la bande C est limitée à la canopée. En outre, ces travaux ont également démontré la capacité de l'approche à détecter des anomalies, avec des applications réussies pour les incendies (en bande C) [3] et la détection de cibles sous couvert (en bande L avec des données aéroportées au-dessus de forêts tropicales) [12].

SONDRA est un laboratoire commun entre la France et Singapour, situé à CentraleSupélec, Paris, dédié à la télédétection radar. L'équipe ' physique et la modélisation' visent à utiliser notre compréhension physique des interactions entre les ondes radar et leur environnement pour améliorer les outils de détection classiques ou proposer de nouvelles approches mieux adaptées à nos besoins spécifiques [5]. Nous travaillons depuis vingt ans sur la signature radar de différentes forêts (tropicales, boréales et tempérées) [1-4, 6-7] en utilisant diverses techniques radar telles que la radiométrie, la polarimétrie et l'interférométrie [7,8] dans des configurations bistatiques [9-11], et récemment des algorithmes d'apprentissage automatique non supervisés [3].
Dans cette thèse de doctorat, nous proposons d'analyser les séries temporelles SAR pour mieux comprendre comment relier la réponse temporelle des forêts tropicales à leur composition, leur structure et leur environnement. Nous continuerons avec l'approche non supervisée (CAE, Visual Trnasformer), en utilisant le satellite SAR pour cartographier à grande échelle, et la vérité au sol servira de validation. L'objectif est d'utiliser des données à plus basse fréquence pour pénétrer la forêt tropicale, en combinaison avec le SAR en bande C (les images Sentinel-1 de l'ESA sont gratuites).
Nous voulons étendre l'algorithme développé précédemment à un algorithme hiérarchique. L'idée est d'utiliser les paramètres de la forêt qui ont été bien récupérés lors de la première exécution comme données d'entrée pour l'exécution suivante.
Nous voulons également tester d'autres approches (Visual Transformer, par exemple).

Compétences requises

Ce travail de recherche requiert : - des compétences en machine learning, idéalement en non supervisé - des compétences en informatique (Python, Java script, Matlab, ...) - un goût pour la physique Ces connaissances et compétences peuvent être acquises en cours de thèse.

Bibliographie

[1] T. Taillade, L. Thirion-Lefevre and R. Guinvarc’h, « L-band Polarimetric Change
Detection on Car Images : Fire Burn Scars in California, » IGARSS 2019 - 2019 IEEE
International Geoscience and Remote Sensing Symposium
[2] R. Guinvarc'h, L. Thirion-Lefevre, « Using a Single SAR Image at P Band for
Deforestation Detection in Tropical Forest, » ESA Living Planet Symposium, 2019, Milan,
Italy. ⟨hal-02492680⟩
[3] T. Di Martino, B. Le Saux, R. Guinvarc’h, L. Thirion-Lefevre, E. Colin, « Detection of
Forest Fires through Deep Unsupervised Learning Modeling of Sentinel-1 Time Series, »
ISPRS International Journal of Geo-Information, 2023, 12 (8), pp.332.
⟨10.3390/ijgi12080332⟩. ⟨hal-04215824⟩
[4] L. Mousset, A. Beaudoin, R. Guinvarc'h, L. Thirion-Lefevre, « Analysis of the temporal
variation of the backscattering coefficients over a boreal forest and their link with ground
truth data - the case of Les Grands Jardins, Québec, » IGARSS 2023 - 2023 IEEE
International Geoscience and Remote Sensing Symposium
[5] E. Colin, L. Thirion-Lefevre, « Modéliser la rétrodiffusion radar par les forêts : une
première étape pour inverser, » dans « Inversion et assimilation de données de
télédétection, » sous la direction de Y. Yan, ISTE, 2023, Imagerie et télédétection,
9781789481426. ⟨hal-04161580⟩ (english version to be released soon)
[6] M. Lesturgie, L. Thirion-Lefevre, S. Saillant, P. Dorey, « A new technique to characterize
foliage attenuation using passive radar in the L-band, » Comptes Rendus. Physique, 2016,
Probing matter with electromagnetic waves/Sonder la matière par les ondes
électromagnétiques URSI-France 2015 scientific days – Paris, CNAM, 24 & 25 March
2015, 17, pp.1003-101
[7] L. Thirion, E. Colin, C. Dahon, « Capabilities of a forest scattering model applied to
radiometry, interferometry, and polarimetric at P- and L- band, » IEEE Transactions on
Geoscience and Remote Sensing, 2006, 44 (4), pp.849-862.
⟨10.1109/TGRS.2005.862523⟩. ⟨hal-00278350⟩
[8] L. Thirion-Lefevre, E. Colin-Koeniguer, « Investigating about attenuation, scattering
phase center and total height using simulated interferometric SAR images of forested
areas, » IEEE Transactions on Geoscience and Remote Sensing, 2007, 45 (10), pp.3172-
3179. ⟨10.1109/TGRS.2007.904921⟩. ⟨hal-00272112⟩
[9] E. Everaere, E. Colin Koeniguer, L. Thirion-Lefevre, J. Tran, C. Sorin Cojocaru, et al.,
« Optical Scale Polarimetric Device for Nanotube Forest Measurement: An Opportunity to
Anticipate Bistatic Polarimetric SAR Images of Tree Trunk Forests at P-Band, ». IEEE
Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9
(16), pp. 3249 - 3258. ⟨10.1109/JSTARS.2016.2532802⟩. ⟨hal-01460076⟩
[10] L. Thirion-Lefevre, E. Colin-Koeniguer, C. Dahon, « Bistatic scattering from forest
components. Part I: coherent polarimetric modelling and analysis of simulated results, »
Waves in Random and Complex Media, 2010, 20 (1), pp.36-61.
⟨10.1080/17455030903499680⟩. ⟨hal-00556648⟩
[11] E. Colin Koeniguer, L. Thirion-Lefevre, « Bistatic scattering from forest components.
Part II: First validation of a bistatic polarimetric forest model at VHF UHF band [225-475
MHz] using indoor measurements, » Waves in Random and Complex Media, 2010, 20 (1),
pp. 62-85. ⟨10.1080/17455030903334853⟩. ⟨hal-00556645⟩
[12] Thomas Di Martino PhD thesis, University of ParisSaclay, defended on 16 Jan 2024.
[13] T. Di Martino, R. Guinvarc’h, L. Thirion-Lefevre and É. C. Koeniguer, 'Beets or Cotton?
Blind Extraction of Fine Agricultural Classes Using a Convolutional Autoencoder Applied
to Temporal SAR Signatures,' in IEEE Transactions on Geoscience and Remote Sensing,
vol. 60, pp. 1-18, 2022, Art no. 5212018, doi: 10.1109/TGRS.2021.3100637.

Mots clés

Forêt, Apprentissage non-supervisé, SAR