L’ENSG-Géomatique est une grande école, au carrefour des sciences de l’observation et de la mesure et du numérique. Elle forme des étudiants du post-bac jusqu’au doctorat sur l’ensemble du champ et des disciplines de l’information géographique et forestière et de la géomatique. Elle mène pour le compte de l’IGN et de l’ensemble de la sphère de l’information géographique et forestière, des activités de recherche pérennes, évaluées et reconnues à l’international. Ces activités sont structurées en unités de recherche ancrées dans des logiques de sites au sein de pôles d’excellence scientifique et technique académique.

Le Laboratoire d’inventaire forestier (LIF) situé à Nancy se dédie à la recherche sur les méthodes d’inventaire forestier, en collaboration avec AgroParisTech et l’INRAE, dans un objectif d’estimation de la ressource et de la dynamique forestière en France et d’évaluation de l’impact du changement climatique et des politiques publiques sur le développement forestier.

L’objectif principal de la thèse sera de contribuer au développement d’inventaires forestiers multisources en France avec un focus sur l’intérêt des séries chronologiques de modèles 3D de canopées forestières pour l’estimation des attributs forestiers standards, et des attributs de flux et de production.

-          Développer une approche pour gérer la dimension temporelle. Cela pourrait consister à 1) comparer des prédictions individuelles pour évaluer les changements ; 2) construire des séries temporelles basées sur la série temporelle complète, au détriment de la quantité de placettes de terrain disponibles pour construire les séries ; 3) en s’appuyant sur des plans d’échantillonnage à plusieurs phases (Mandalaz et al. 2013), en considérant des échantillons annuels pour la variable d’état et la série temporelle pour estimer les flux ; 4) identique à la précédente mais en considérant des paires de dates pour augmenter la taille de l’échantillon ayant une dimension temporelle au prix de séries temporelles plus courtes.
-          Comparer diverses sources de modèles 3D et les propriétés des séries chronologiques. Les sources suivantes de séries chronologiques de modèles 3D seront considérées : 1) modèles 3D à partir d’appariement dense d’images aériennes (ou ALS) à une résolution spatiale de 0,5 à 1 m, une fréquence temporelle de 3 à 4 ans et une durée totale de 6 à 9 ans ; 2) des modèles 3D issus de la combinaison de données GEDI et d’images optiques/radar, avec une résolution spatiale de 10 m, une disponibilité annuelle et une durée allant jusqu’à 10 ans (Schwartz et al 2023) ; 3) modèles 3D à partir de la combinaison de données lidar aéroportées et d’images haute résolution, avec une résolution spatiale de 1,5 m, une disponibilité annuelle et une durée allant jusqu’à 15 ans (Fogel et al 2024). La comparaison sera fondée sur une estimation de petits domaines assistée par modèle à divers niveaux administratifs et écologiques. Le cas échéant, l’estimation sur petits domaines de modèles spécifiques (c.-à-d. les perturbations) pourrait être testée.
-          Evaluer des modèles sous-jacents à des fins de cartographie. Il étendra le travail effectué avec l’enveloppe convexe pour la cartographie, l’extrapolation et la gestion des biais vers une approche plus générique basée sur des forêts aléatoires.
-    des données auxiliaires supplémentaires fournissant des informations sur les conditions de croissance locales, composées principalement de variables pédoclimatiques. Il peut également s’agir de compléter l’échantillon en intégrant des informations de terrain provenant de sources supplémentaires.

Master 2 ou ingénieur en sciences forestières, informatique, mathématiques appliquées, sciences des données, photogrammétrie ou télédétection

·         Compétences avancées en Python et/ou R

·         Compétences avancées en anglaise écrit et parlé (TOEIC)

·         Expérience apprentissage machine, voire en apprentissage profond

·         Expérience en statistiques de sondage (optionnel)

Renseignements sur le poste :

Cédric VEGA, cedric.vega@ign.fr

Jean-Pierre RENAUD, jean-pierre.renaud-02@onf.fr

Renseignements sur le recrutement :

Mélanie BARBET, chargée de développement RH, melanie.barbet[a]ign.fr

Aucune candidature transmise par mail ne sera traitée. Toutes nos offres sur ign.fr/nous-rejoindre !

Date limite de candidature : 15 novembre 2024.