Land monitoring by advanced Earth Observation

Enseignants

Bontemps Sophie; Defourny Pierre (coordinateur(trice));

Langue
d'enseignement

Anglais

Préalables

LBIRE2102 Géomatique appliquée ou cours d'introduction équivalent à la télédétection
Compétences en programmation (R, python)
Cours connexes :
LBRAT2102 Modélisation spatiale des dynamiques territoriales
LBRES2101 Technologies intelligentes pour l'ingénierie environnementale
LBRAI2221 Agriculture de précision, géomatique agricole et mécanisation

Thèmes abordés

Ce cours vise à développer une compréhension approfondie et des compétences professionnelles pour traiter et interpréter des images UAV (drones) à très haute résolution et des séries temporelles de satellites d'observation de la Terre. Des concepts avancés liés à l'acquisition du signal, au contrôle de la qualité des séries chronologiques et à la caractérisation des incertitudes sont introduits. La modélisation du transfert radiatif et les méthodes d'estimation des variables biophysiques (indice de surface foliaire, biomasse, teneur en azonte, température de surface, évapotranspiration, humidité du sol, hauteur, etc.) et les méthodes de détection des changements sont expliquées et illustrées à travers des applications pratiques et les services européens de Copernicus. Enfin, les outils et systèmes open source soutenant les systèmes de suivi déjà opérationnels et à venir, y compris la suivi des inondations, la surveillance des incendies, la suivi des forêts et la suivi des cultures sont discutés en détail. L'objectif de ce cours est de développer les connaissances et les compétences techniques nécessaires pour utiliser des méthodes avancées de traitement d'image (y compris l'apprentissage automatique et l'intelligence artificielle) et pour mettre en place une chaîne de traitement pour les applications de suivi par drone ou par satellite dans le domaine de l'agriculture, de la foresterie, du changement de l'occupation des sols et de la gestion des ressources en eau.

Contenu

Le cours est composé d'un enseignement magistral et de travaux pratiques en salle informatique principalement basés sur des logiciels open source utilisés pour la réalisation d'une étude de cas au choix de niveau professionnel. Les leçons abordent les sujets suivants: - les étapes d'acquisition et de prétraitement du signal, y compris les indicateurs de qualité et la gestion de l'incertitude; - modélisation du transfert radiatif et estimatioin de variables biophysiques; - analyse de séries temporelles optiques et SAR, extraction de caractéristiques et métriques basées à l'échelle du pixel ou par objet ; - traitement avancé des séries temporelles radar, y compris au niveau polarimétrique et interférométrique; - introduction aux algorithmes d'apprentissage automatique et d'intelligence artificielle pour la cartographie, le suivi et la détection des changements; - revue critique des systèmes de suivi opérationnel (sécheresse, inondations, incendies, forêts, cultures, criquets) et des services Copernicus disponibles gratuitement. - applications de l'observation de la terre liées à l'environnement, à l'agriculture, à la foresterie, aux ressources en eau et à l'aménagement du territoire.

Méthodes d'enseignement

Le cours introduit les concepts et les méthodes avancées tandis que les travaux pratiques en salle informatique les mobilisent dans le cadre d'applications spécifiques. Les leçons sont interactives et l'apprentissage pratique repose largement sur une approche inductive à partir d'une étude de cas à réaliser. Le cours vise à développer d'une part des compétences techniques avancées dans le traitement des données d'observation de la Terre et d'autre part, la capacité d'analyse critique des solutions, services et produits existants. L'étudiant apprend non seulement à utiliser des packages open source et l'environnement Google Earth Engine, mais également à évaluer la qualité et à examiner la validité des algorithmes et des ensembles de données proposés pour une application donnée. La formation pratique est étroitement liée au cours et comprend l'utilisation de plusieurs librairies open source (y compris QGIS, SNAP, GDAL, ORFEO, Sen4CAP), l'exploitation de l'environnement de Jupyter notebook pour le contrôle qualité et l'analyse des séries chronologiques, et le codage de chaînes de traitement en Python ou R.

Ouvrir dans Google Traduction

Commentaires

Résultat Web avec des liens annexes

Modes d'évaluation
des acquis des étudiants

Evaluation sur base d'une étude de cas (application concrète au choix) réalisée de A à Z tout au long du quadrimestre et présentée sous la forme d'un poster scientifique.

Autres infos

Ce cours fait partie du Certificat universitaire en géomatique appliquée accessible aux professionnels dans le cadre de la formation continue. Le cours peut être dispensé en anglais.

Ressources
en ligne

Matériel de formation sur Moodle et les bibliothèques open source disponibles dans le laboratoire informatique.

Faculté ou entité
en charge

AGRO