Mission :
Ce projet de recherche fait appel aux outils mathématiques pour le traitement et l'analyse d'images et la télédétection spatiale de la neige, avec la mise en œuvre de méthodes de segmentation d'images. La segmentation est utilisée dans de nombreux domaines (télédétection, imagerie médicale, communication vidéo,…) et consiste à découper une image en régions homogènes sur la base d'un ensemble de critères. Dans ce projet, cette approche sera appliquée aux images des satellites Sentinel-1 pour le suivi de la neige en montagne. Les satellites Sentinel-1 opérés par l'Agence spatiale européenne permettent d'observer les surfaces terrestres à des résolutions spatiales et un temps de revisite compatible avec les zones de montagne. Les images Sentinel-1 sont acquises par télédétection active en bande C. Des produits satellitaires d'enneigement existent comme les fractions neigeuses (produit FSC Theia/Copernicus, Gascoin et al. 2019), les étendues de neige humide (produits Copernicus SWS, Nagler et al. 2016) et les produits neige humide/neige sèche (produits WDS Copernicus). Pour les produits dérivés de Sentinel-1, les algorithmes de détection reposent sur des méthodes de seuillage fixe présentant des incertitudes dans des environnements complexes de montagnes ou un seuil fixe pourrait ne pas permettre de séparer les contributions de la neige de celle du sol sous-jacent ou de la canopée. Les zones de forêts sont par exemple masquées dans ces produits.
Activités :
Des méthodes récentes ont montré un fort potentiel d'amélioration des produits de neige humide existants par le biais d'utilisation d'une méthode de segmentation dans l'espace des couleurs (Karbou et al. 2022) ou par le développement de méthodes dynamiques (James et al. 2024) permettant de tenir compte des caractéristiques du relief pour détecter la neige (altitudes, pentes, orientations).
L'objet de ce projet est de tester une nouvelle approche basée sur les résultats de Karbou et al. (2022) et de James et al. 2024 pour dériver des produits de neige humide (et à terme de neige sèche) à partir des observations de Sentinel-1 et de Sentinel-2. L'enjeu est d'opérer un changement de variable d'état en entrée du système dynamique décrit dans James et al. 2024 (notée DYN par la suite) et d'exploiter l'approche décrite dans Karbou et al. 2022 (noté Magenta par la suite) pour segmenter de façon efficace les pixels de neige humide. L'exploitation d'un système dynamique nous permettra également d'optimiser les détections non seulement en fonction du relief mais aussi en fonction des types de surface. Un autre volet d'intérêt pourrait être l'examen du potentiel de cette approche pour réaliser un “gap-filling” plus physique des produits neige issus des capteurs optiques nous permettant ainsi de séparer la neige sèche de la neige humide.
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.