Intelligence Artificielle pour le suivi et la prévision des risques de feux et de leur impact écologique

Résumé du projet

Dans un contexte de réchauffement global et accéléré, les événements extrêmes se multiplient. L’évolution des conditions de températures et de sécheresse favorise le développement des feux de forêt et de végétation autour du Bassin Méditerranéen et plus largement en France. Les modèles actuels du danger météorologique de feux ne prennent pas en compte l’aléa humain et les facteurs explicatifs des feux de végétation ne sont actuellement modélisés que de manière empirique.

L’objectif de cette thèse est d’introduire de nouvelles méthodes de prévision plus précises, faisant intervenir l’observation de la Terre et les techniques d’apprentissage automatique. On évaluera l’apport de l’apprentissage automatique et sa complémentarité avec les approches de modélisation classiques. On évaluera quelles sont les observations les plus pertinentes pour améliorer le suivi et la prévision du risque, pour divers types de paysages (forêts, cultures, zones naturelles protégées).

Appliquées à l’Occitanie et à la France métropolitaine, les méthodes seront également validées à l’échelle mondiale. Dans un premier temps, les données jugées nécessaires (in situ, satellitaires, atmosphériques, …) seront rassemblées et pré-traitées. Des modèles seront construits afin de répondre aux questions de recherche de la thèse. Ils seront spatialisés et validés sur l’Occitanie, la France métropolitaine, et l’échelle mondiale. Le travail de thèse impliquera l’analyse de données d’observations (in situ et satellitaires) et de sorties de modèles.