amélioration d’une méthode IA de Suivi des zones Humides par
l’intégRation de séries temporelles thErmiQues satellitaires

Résumé du projet

Déployer et adapter une méthode IA de suivi des zones humides issue du projet REAUZOH pour cartographier les zones potentiellement humides de la Haute-Garonne. Amélioration de la méthode en intégrant des séries temporelles d’images satellite thermiques et en testant un nouveau modèle de deep learning appliqué à l’occupation des sols afin d’affiner la détection.

Description et problématique

Les zones humides, écosystèmes critiques dans l’atténuation des effets du changement climatique, la préservation de la biodiversité, la captation du carbone et de l’équilibre des cycles hydrologiques connaissent un déclin de plus en plus rapide (50% des ZH disparues en France entre 1960 et 1990). Leur détection précise, leur cartographie fine et le suivi de leur évolution sont indispensables pour une gestion adaptée et efficace. Pour ce faire, le développement des données d’observation de la Terre apporte de nouveaux outils pour atteindre cet objectif. Fort de ces premières études, une méthodologie innovante basée sur l’exploitation d’images satellites multispectrales et radar, couplée à de l’IA, a été développée par le Cerema dans le cadre du projet REAUZOH (REcensement, cArtographie et sUivi de l’évolution des Zones pOtentiellement Humides) pour recenser et suivre l’évolution de zones humides dans la communauté d’agglomération de Béthune-Bruay, Artois-Lys Romane (CABBALR).

Objectifs

• 1. Appliquer la méthode REAUZOH sur le département de la Haute-Garonne. Comme données terrain, nous pourrions nous baser dans un premier temps sur un inventaire datant de 2016 provenant du Conservatoire départemental des zones humides.
• 2. Améliorer le modèle d’apprentissage REAUZOH en intégrant des images thermiques (ASTER, LANDSAT et ECOSTRESS) sur la région de la CABBALR pour essayer de mieux prendre en compte les changements de l’état de surface (stress hydrique des plantes, ou variabilité de la teneur en humidité du sol).
• 3. Optimiser la méthode REAUZOH en intégrant d’autres types de données satellitaires comme les radars à bandes L et des données de réanalyses climatiques (provenant du Service Copernicus pour le Changement Climatique) d’humidité du sol.
• 4. Tester un nouveau modèle deep learning d’occupation du sol récemment développé par le pôle satellite.

Méthodes

La méthodologie pressentie sera ainsi celle du projet REAUZOH, avec le test d’un modèle de deep learning d’occupation des sols développé récemment par le pôle satellite du Cerema.
Les tâches confiées au stagiaire concerneront principalement :
● Prise en main de la méthodologie REAUZOH et son application à la Haute-Garonne avec réentrainement local (données conservatoire départemental – 2016).
● Amélioration des performances de la méthode avec l’ajout de données thermiques (et autres) et l’utilisation du nouveau modèle d’OCS du pôle sur la CABBALR.
● Benchmark des données d’inventaires zones humides disponibles sur la Haute-Garonne pour améliorer la qualité des prévisions et produire plusieurs millésimes de cartographie des zones potentiellement humides avec la méthode sélectionnée.
● Documentation des travaux, historisation des tests et développement d’un outil opérationnel.