Contexte
Les trames vertes en ville revêtent un intérêt particulier car elles aident au maintien de la biodiversité et des services écosystémiques associés, tout en contribuant à la végétalisation des villes. Ces trames vertes constituent un des apports majeurs de l’écologie du paysage en aménagement du territoire car elles correspondent à l’application concrète du concept de connectivité. Ce dernier traduit la nécessité de maintenir le mouvement des organismes au sein des paysages [1] afin qu’ils puissent y réaliser leur cycle de vie et que les espèces s’y maintiennent malgré la fragmentation de leurs habitats.
La modélisation de la connectivité fonctionnelle (basée sur le mouvement) offre l’avantage d’aller plus loin que la production de cartes d’habitat [2, 3] – qui reflètent surtout la connectivité structurale (basée sur la contiguïté des habitats). Historiquement, les modèles de connectivité basés sur l’imagerie satellitaire ou aérienne en 2D ont permis de nombreuses avancées en écologie des paysages et en aménagement des territoires, mais n’ont pas réussi à saisir les aspects en 3D des paysages, tels que les strates verticales et la structure interne de la végétation, ou encore les éléments verticaux comme les bâtiments et les infrastructures de transport. Ces caractéristiques 3D influencent pourtant de manière significative les mouvements et la survie des organismes, en particulier en milieu urbain.
Les avancées de la technologie 3D LiDAR (Light Détection and Ranging) révolutionne la description des paysages, en fournissant notamment ces informations sur la structure interne de la végétation et les profils verticaux des éléments des paysages [4]. Les données 3D permettent ainsi d’améliorer la caractérisation des habitats de la faune [5], mais elles restent toutefois sous-utilisées pour modéliser la connectivité au sein des paysages, en particulier en contexte urbain [6, 7]. Pour ces raisons, en partenariat avec Rennes Métropole et Bretagne Vivante, le projet Bio3DiverCité (financement IRIS-E : https://iris-e.univ-rennes.fr/) au sein duquel aura lieu cette thèse vise à évaluer l’apport de ces données 3D LiDAR pour modéliser la connectivité fonctionnelle au sein des paysages urbains, et ce, en associant à des modèles de connectivité des méthodes de description des habitats des espèces en 3D basées sur des réseaux de neurones spécialement conçus pour traiter de telles données 3D.
Objectifs et problématiques
En particulier, la thèse a pour objectifs d’évaluer l’apport des données de télédétection LiDAR 3D pour (i) caractériser les habitats d’espèces cibles sur la base de leur répartition en ville, (ii) modéliser la connectivité fonctionnelle au sein des paysages urbains pour ces modèles d’études en comparaison à des données 2D classiques, et (iii) développer des méthodes permettant de coupler les données 3D sur les paysages aux données écologiques ; afin in fine d’identifier les continuités écologiques ou trames vertes urbaines écologiquement fonctionnelles pour les intégrer dans des projets de planification urbaine fonctionnels et durables.
Le 1er objectif consistera à identifier et caractériser les habitats des modèles biologiques étudiés par la mise en relation i) de données biologiques de répartition ou de suivis de mouvements d’animaux (déjà acquises : oiseaux principalement, hérissons, chiroptères, etc.) avec ii) des variables paysagères et des variables de végétation issues de cartographies 2D ou 3D (nature, surface, structure interne, profil vertical, etc.). En parallèle à cette thèse, un post-doctorat travaillera sur la caractérisation des nuages de points 3D par des méthodes de réseaux de neurones profonds et les résultats de ses travaux pourront être directement utilisés ici.
Le 2nd objectif visera à modéliser la connectivité fonctionnelle entre les habitats pour chacun des modèles biologiques à partir de sources cartographiques soit 2D soit 3D et de comparer leur pertinence par rapport à la répartition connue de la faune. Jusqu’à présent, la modélisation de la connectivité des paysages ne prend pas réellement en compte la dimension 3D des paysages, nous évaluerons donc ces modèles au regard de ces données 3D LiDAR (Ex. Graphab, Conefor, Circuitscape, etc.).
Du point de vue méthodologique, tout au long de cette thèse, le traitement des données 3D sera nécessaire. Bien que des méthodes avancées existent, elles présentent encore plusieurs défis en raison de leur nature non structurée (contrairement aux pixels organisés en grilles régulières) et souvent hétérogène (par exemple, les nuages de points et la photogrammétrie). Le 3ème objectif de cette thèse sera d’ordre méthodologique et consistera à s’appuyer sur les avancées les plus récentes en matière de traitement de données 3D (convolutions spécifiques, Graphes) et sur leur mise en relation avec des données écologiques.
Mots clefs :
Biodiversité, LiDAR, Connectivité, Écologie du Paysage, Écologie Urbaine, Intelligence artificielle, Réseaux de Neurones, Modélisation, Trame Verte.
Date de début de thèse : Octobre 2024
Date limite de candidature : 15 avril 2024 à midi
Structures d’accueil
Cette thèse se déroulera au sein du Laboratoire LETG « Littoral – Environnement – Télédétection – Géomatique » (UMR CNRS 6554, https://letg.cnrs.fr/) et de Rennes Métropole. Côté académique, elle sera encadrée par Solène Croci (CR CNRS) et Thomas Corpetti (DR CNRS) du laboratoire LETG, et côté collectivité, par Charlotte Vincent (Chargée de mission Biodiversité, Direction des Jardins et de la Biodiversité) de Rennes Métropole.
Compétences scientifiques et techniques requises pour le candidat
Ce projet de thèse est à l’interface de plusieurs disciplines : Télédétection, Informatique, Écologie et Modélisation. Il requiert en effet des compétences en traitement de données (statistiques), modélisation, système d’information géographique et/ou écologie du paysage.
Par conséquent, les titulaires d’un master dans l’un de ces domaines montrant déjà des compétences, ou bien une forte appétence et motivation, pour un ou plusieurs autres domaines cités sont les bienvenus pour candidater.
Une première expérience en modélisation ou sur les méthodes d’analyses non supervisées sera un plus, et/ou de même qu’une expérience de terrain en écologie ou géographie ou des connaissances naturalistes.
Il sera demandé au candidat de savoir faire une synthèse bibliographique, communiquer à l’oral comme à l’écrit (en français et en anglais), et de savoir s’intégrer dans une dynamique collective. Des capacités organisationnelles et de la rigueur au travail seront également fortement appréciées.
Modalités de candidatures
Les documents ci-dessous sont à envoyer à Thomas Corpetti (thomas.corpetti@univ-rennes2.fr), Solène Croci (solene.croci@univ-rennes2.fr) et Charlotte Vincent (ch.vincent@rennesmetropole.fr) au plus tard le 15 avril 2024 à midi :
• Un CV détaillé (parcours universitaire et expériences de recherche)
• Une lettre de motivation
• Le relevé de notes de M1
• Le relevé de notes du premier semestre de M2
• Le classement en M1 et M2 (ou une attestation d’absence de classement mentionnant la moyenne du candidat par le responsable de la formation pour les formations au niveau Master pour lesquelles il n’y a pas de classement)
• Lettre(s) de référence si possible
N’hésitez pas à nous contacter – Solène Croci, Thomas Corpetti et Charlotte Vincent – pour de plus amples informations.
Références
[1] Taylor et al. 1993. Oikos. https://doi.org/10.2307/3544927 [2] Minor and Urban 2008. Conservation Biology. https://doi.org/10.1111/j.1523-1739.2007.00871.x [3] Balbi et al. 2019. Journal of Environmental Management. https://doi.org/10.1016/j.jenvman.2019.04.124 [4] Davies and Asner 2014. Trends in Ecology & Evolution. https://doi.org/10.1016/j.tree.2014.10.005 [5] Ficetola et al. 2014. Journal of Geographical Information Science. https://doi.org/10.1080/13658816.2014.891222 [6] Kong et al. 2021. Conservation Biology. https://doi.org/10.1111/cobi.13682 [7] Choi et al. 2021. Landscape Ecol. https://doi.org/10.1007/s10980-020-01165-8
Commentaires récents