CDD Télédétection et apprentissage profond pour l'estimation d'attributs forestiers H/F

Missions :
- Traitement des données, mise en œuvre et optimisation de modèles d'apprentissage profond pour cartographier la composition et les caractéristiques des forêts.
- Échanges avec les experts de l'équipe (sur les propriétés des jeux de données lidar, les séries chronologiques d'images satellites et les modèles d'apprentissage profond).
- Rédaction d'articles dans des revues à comité de lecture et de rapports techniques
Activités :
Vous extrairez des informations pertinentes sur la structure et les caractéristiques fonctionnelles des forêts en tirant parti de la complémentarité entre différents capteurs satellitaires (Sentinel-1, Sentinel-2, CO3D, NiSAR). Au sein de l'équipe MAPS (Machine Learning Methods for Spatial Information), vous développerez des méthodes de traitement des données à l'aide de l'apprentissage profond.
Contexte de travail :
Le CESBIO (Centre d’études spatiales de la biosphère) est une unité mixte de recherche associant l’Université de Toulouse, le CNES, le CNRS et l’IRD ; il est une unité contractuelle de l’INRAE depuis 2018. Les recherches menées au CESBIO visent à étudier le fonctionnement et la dynamique de la biosphère continentale sous l’effet des pressions climatiques et anthropiques, en recourant largement à la télédétection spatiale. Elles comportent un volet méthodologique visant à extraire et à valider les informations pertinentes issues de la télédétection, ainsi qu’un volet thématique destiné à comprendre les causes et la dynamique de ces changements. Vous serez affecté(e) à l’équipe MAPS (Méthodes physiques et statistiques pour l’information spatialisée), qui travaille au développement de modèles d’analyse de données satellitaires massives provenant de multiples sources.