L’Institut national de recherche pour l’agriculture, l’alimentation et l’environnement (INRAE) est un établissement public de recherche rassemblant une communauté de travail de 12 000 personnes, avec 272 unités de recherche, de service et expérimentales, implantées dans 18 centres sur toute la France. INRAE se positionne parmi les tout premiers leaders mondiaux en sciences agricoles et alimentaires, en sciences du végétal et de l’animal. Ses recherches visent à construire des solutions pour des agricultures multi-performantes, une alimentation de qualité et une gestion durable des ressources et des écosystèmes.

Vous exercerez votre activité au sein du Laboratoire ÉcoSystèmes et Sociétés En Montagne (LESSEM), un laboratoire interdisciplinaire de INRAE qui étudie le fonctionnement et la dynamique des socio-écosystèmes, notamment en montagne.

Vous intégrerez l’équipe DYNAMICS (Dynamique et gestion durable des écosystèmes terrestres dans un contexte de changement global), dont l’objectif est de développer des connaissances et des outils (ex. modèles, méthodes, indicateurs…) pour comprendre et prédire la dynamique de communautés ou d’écosystèmes terrestres, en particulier les forêts de montagne. L’équipe s’intéresse également à la gestion de ces écosystèmes et aux services qu’ils rendent à la société. Plus précisément, vous travaillerez sur l’utilisation de modèles d’intelligence artificielle (IA) pour la télédétection appliquée aux écosystèmes forestiers.

Votre mission s’inscrit dans le cadre de deux projets.

INRAE est engagé dans la production d’une carte nationale de sensibilité aux feux de forêt. Ce projet repose notamment sur une cartographie du combustible à partir de profils de végétation calculés sur les données de la campagne nationale LiDAR HD. Ces données présentent une hétérogénéité due aux différentes saisons d’acquisition et matériels utilisés. L’une des missions de l’IE sera de développer et évaluer une méthode d’IA pour corriger l’effet de la saison d’acquisition dans l’estimation des variables de combustible utilisées dans la carte nationale de sensibilité aux feux de forêts.

Dans ce cadre vous serez plus particulièrement en charge de :

• Prendre en main et structurer un jeu de données de test comportant des profils de végétation (et métriques de combustible associées) calculés dans différentes conditions d’acquisition,
• Développer et entraîner une architecture d’IA adaptée aux données d’entrée et aux sorties attendues du modèle de correction de la saisonnalité d’acquisition des données LiDAR ; évaluer les facteurs qui influence sa performance (structure forestière, caractéristiques des données d’entrée),
• Réévaluer la méthode avec le jeu de données final et valider le modèle qui servira à l’inférence en vue de la production de la carte nationale.

Le deuxième projet porte sur l’utilisation de méthodes d’IA pour reconstruire la hauteur des peuplements forestiers à partir d’archives de photographies aériennes. Ces dernières années, des méthodes d’IA ont été publiées et mises en œuvre pour cartographier la hauteur de la végétation à partir de données de télédétection optique. Ces méthodes s’appliquent principalement à des données issues de capteurs satellite récents. La seconde mission de l’IE est d’adapter ou développer des méthodes pour reconstruire des séries historiques de hauteur de végétation à partir des archives de photos aériennes, notamment celles mises en ligne par l’IGN.

Dans ce cadre vous serez en charge de :

• Prendre en main un jeu de données comportant des images aériennes et modèles de hauteur LiDAR échantillonnés sur les Alpes françaises,
• Adapter ou développer une méthode d’IA, et l’évaluer sur le jeu de données, avec un focus particulier sur la question de la transférabilité sur des images anciennes, pour lesquelles aucune donnée de référence n’est disponible,
• Effectuer une analyse exploratoire des facteurs qui influence l’erreur d’estimation : capteurs utilisés, configuration d’acquisition, topographie, structure forestière,
• Proposer des métriques permettant de quantifier l’évolution de la structure forestières à partir des séries de hauteur de végétation reconstruites par IA, en veillant à leur robustesse par rapport aux facteurs identifiés précédemment,
• Participer à des cas d’études thématiques d’utilisation de ces métriques, en lien avec d’autres chercheurs du LESSEM ou des organismes partenaires.
• Valoriser les résultats sous forme de  publications scientifiques.

Formation recommandée : Bac + 5 : Master / Ingénieur en informatique, data‑science, IA, télédétection.

Connaissances souhaitées :

• Connaissance des méthodes, et pratique des outils d’IA appliqués à la télédétection (CNN, Vision-transformers, ...)
• Manipulation de données LiDAR aéroporté et d’images aériennes,
• Méthodes d’analyse statistiques,
• Bon niveau en programmation (R et/ou python)
• Des connaissances en écologie du paysage ou dynamique des écosystèmes forestiers seraient un plus.

Expérience appréciée : une expérience professionnelle sur un poste similaire, ou un stage de fin d’études dans le même domaine, est appréciée.

Aptitudes recherchées :

• Rigueur scientifique et esprit d’analyse,
• Autonomie, curiosité, capacité à travailler en équipe…