Traitement du Signal LiDAR : Apport de laTechnologie LiDAR dans la Modélisation du Microclimat Sous Couvert Forestier – Stage M2

Contexte

La technologie LiDAR (Light Detection And Ranging) est aujourd’hui très utilisée en écologie forestière car elle permet d’obtenir des images très détaillées de la structure tridimensionnelle du système étudié, surtout lorsque celui-ci est complexe. C’est notamment le cas des sylvosystèmes (écosystèmes forestiers gérés par la main de l’homme)dont la complexité de la structure verticale du couvert végétal (points classés végétation) s’ajoute à la complexité du modelé du terrain (points classés sol). Les signaux enregistrés lors d’un relevé LiDAR, qu’il soit aéroporté type ALS (Airborne Laser Scanning) ou terrestre type TLS (Terrestrial Laser Scanning), sont des nuages de points géoréférencés dans un espace à 3 dimensions et dont la densité de points projeté au sol varie de 5 à plus de 50 par m2. Le LiDAR aéroporté (ALS) permet d’obtenir des images couvrant plusieurs centaines de km2 mais dont la densité de points sera beaucoup plus faible que les images issues d’un LiDAR terrestre (TLS) couvrant une zone beaucoup plus restreinte (e.g. 4000 m2).

Figure 1 : LiDAR aéroporté sur drone (en haut à gauche) et extrait du nuage de points associé (en haut à droite). LiDAR terrestre (en bas à gauche) et extrait du nuage de points associé (en bas à droite). Les images sont issues d’une campagne de relevés LiDAR sur la placette HET 30 du réseau RENECOFOR. Images et photos : Sylvie Durrieu & Samuel Alleaume.

Les exploitations numériques de ces images à très haute définition sont potentiellement très nombreuses et avec des applications directes et très concrètes. Citons, par exemple, la modélisation du microclimat sous couvert forestier (Lenoir et al., 2017). Le réchauffement climatique mesuré par les stations météo (c.-à-d.macroclimat) ne correspond pas nécessairement au réchauffement ressenti (c.-à-d. microclimat) par les organismes vivant au sein de leur habitat naturel, car le microclimat y est bien souvent découplé des fluctuations du macroclimat extérieur. Le stade de régénération des principales essences forestières à forte valeur commerciale dépend du microclimat dans le sous étage. La modélisation de celui-ci constitue donc un enjeu commercial et un défi de taille tant sur le plan numérique que calculatoire car elle nécessite d’importantes quantités de données à fines résolutions spatiale et temporelle. Les avancées technologiques en matière de télédétection et de miniaturisation des sondes à haute résolution/fréquence spatiale et temporelle (e.g. LiDAR et microsondes météo) permettent aujourd’hui de relever ce type de défi. En parallèle, le développement récent d’algorithmes numériques, déterministes ou non, utilisantdes techniques d’algèbre linéaire numérique est considérable et préside à nombre de méthodes de traitement automatique des données.

Objectif

Le stage proposé a pour objectif d’appliquer les méthodes numériques modernes adaptées à l’analyse fine des points classés végétation pour calculer des indices de densité foliaire comme le LAI (Leaf Area Index) (Bouvier et al., 2015) ou bien la reconstruction d’images hémisphériques (cf. photos hémisphériques avec objectif fish-eye) pour estimer la fermeture du couvert (Alexander et al., 2013). Ce type d’indice sert d’indicateur de pénétration de la lumière dans le sous-étage forestier et pourra notamment être utilisé en tant que variable explicative du microclimat sous couvert forestier. Afin d’atteindre ces objectifs, le ou la stagiaire disposera d’un ensemble de jeux de données, dont des images LiDAR à très haute définition (12 points par m2) ainsi que des données de température sous couvert forestier issue d’un réseau de 180 sondes installées sur l’ensemble du massif de la forêt domaniale de Compiègne. L’analyse des données pourra se faire sous le logiciel libre R au sein duquel il existe déjà des librairies permettant l’analyse de données issues du LiDAR.

Figure 2 : Exemple de librairie R pouvant être utilisé pour le traitement des images issues du LiDAR en vue de calculer des indices de fermeture du couvert.

Profil recherché

Nous recherchons un(e) étudiant(e) intéressé(e) et motivé(e), au profil recherche et/ou ingénieur(e). Le candidat ou la candidate retenu(e) sera principalement encadré(e) par Jonathan Lenoir (CR CNRS) et en collaboration avec plusieurs membres écologues et pédologues de l’unité de recherche EDYSAN (Hélène Horen, Boris Brasseur, Guillaume Decocq, Emilie Gallet-Moron, Fabien Spicher) ainsi que Jean-Paul Chehab du LAMFA. Le candidat ou la candidate retenu(e) pourra également bénéficier de collaborations en cours avec Sylvie Durrieu et Samuel Alleaume de l’unité de recherche TETIS. Un fort intérêt pour les biostatistiques, la foresterie, les mathématiques, la programmation sous le logiciel libre R et la télédétection est recommandé. De bonnes bases et connaissances dans un ou plusieurs de ces domaines sont souhaitées mais non obligatoires car ces compétences pourront être acquises ou renforcées au cours du stage.

Période de stage

Stage recherche/ingénieur de 6 mois pouvant démarrer dès Janvier 2019 ou Février 2019.

Financement

Une gratification de stage de 577 EUR/mois est assurée dans le cadre du projet ALLIANcE piloté par le Professeur Jean-Paul Chehab. Ce projet a pour ambition de réunir écologues et pédologues d’EDYSAN (UPJV, UMR) avec les spécialistes en mathématiques appliqués du LAMFA (UPJV, UMR) et du LMPA (ULCO,EA). L’objectif d’ALLIANcE est d’identifier et appliquer des méthodes numériques modernes pour une analyse fine de données forestières issues du LiDAR.

Institution d’accueil

EDYSAN (UMR 7058 CNRS-UPJV).

Encadrant principal

Jonathan Lenoir (CR CNRS) 

Candidature

Pour candidater, envoyez un CV et une lettre de motivation adressée par mail à Jonathan Lenoir : jonathan.lenoir@u-picardie.fr