Le changement climatique accroît la fréquence et l’intensité des perturbations forestières (sécheresses, incendies, tempêtes, pullulations d’insectes, etc.), qui sont souvent localisées et évoluent rapidement dans l’espace et le temps. Si les technologies de télédétection permettent de détecter ces perturbations avec précision, elles ne mesurent pas directement des variables essentielles telles que le volume de bois affecté. À l’inverse, les inventaires forestiers nationaux fournissent des estimations fiables à grande échelle, mais manquent de précision pour caractériser des événements localisés.
Cette thèse vise à développer de nouvelles méthodes statistiques pour le suivi à haute résolution des perturbations forestières à partir des données de l’Inventaire forestier national (IFN). Financé par l’Institut national de l’information géographique et forestière (IGN), le projet s’appuiera sur les méthodes bayésiennes d’estimation sur petits domaines (Small Area Estimation) afin de produire des estimations robustes en combinant les données de terrain de l’IFN et les observations issues de la télédétection.
En s’appuyant sur près de vingt années de données de l’IFN français, le projet développera des modèles spatio-temporels fondés sur le modèle de Fay-Herriot et ses extensions, avec une inférence réalisée à l’aide de la méthode Integrated Nested Laplace Approximation (INLA). Une attention particulière sera portée au développement de méthodes compatibles avec les estimations officielles de l’IFN, notamment pour estimer les caractéristiques de zones perturbées identifiées par télédétection, même lorsque ces zones évoluent au cours du temps.
Les travaux seront menés au Laboratoire d’Inventaire Forestier (LIF) à Nancy. Ils aboutiront au développement de méthodes, de logiciels et d’une application interactive permettant la production opérationnelle de cartes à haute résolution des perturbations forestières.
Pour plus d’informations :
https://lif-geodata.github.io/LIF/phd-xrisks.html
Commentaires récents