Modélisation combinée de la biodiversité et de la biomasse des pâturages africains (Maroc et Sénégal): utilisation d’imageries satellitaire et d’intelligence artificielle.

Contexte
Le pastoralisme constitue une pratique d’élevage reposant principalement sur des écosystèmes naturels, caractérisés par une grande diversité végétale. Cependant, ces écosystèmes subissent des pressions croissantes, notamment en raison du changement climatique et de l’intensification des activités humaines.
La modélisation représente un outil essentiel pour prédire l’évolution de ces milieux et proposer des scénarios de gestion adaptés aux conditions futures. Parallèlement, le suivi des ressources pastorales par télédétection, combiné à des mesures de terrain pour le calibrage, permet d’obtenir des données précieuses à grande échelle.
Dans ce cadre, ce projet propose de coupler un modèle de croissance de l’herbe (ModVege) avec des données satellitaires. L’objectif est de développer des outils capables d’appuyer les décisions en matière de gestion pastorale, notamment pour répondre aux défis posés par le manque de données sur les paramètres nécessaires à la modélisation. Des approches basées sur l’intelligence artificielle (machine learning et deep learning) seront mobilisées pour pallier ces lacunes.
Ce travail s’inscrit dans les recherches menées au sein de L’UMR SELMET et de l’UMR UREP de l’INRAE (Clermont-Ferrand) sur des prairies tempérées. Le stage vise à adapter ces outils à des contextes spécifiques, en exploitant les données disponibles au Maroc et au Sénégal. Il s’agira d’évaluer la pertinence de ces outils pour une gestion optimisée des pâturages en Afrique.
________________________________________
Objectifs et missions du stagiaire
Objectifs :
• Adapter et tester les outils de modélisation de la dynamique des pâturages dans des contextes africains.
• Développer des méthodologies combinant modélisation écologique et intelligence artificielle pour améliorer les prévisions des crises pastorales.
Missions :
1. Réaliser une bibliographie approfondie pour s’approprier les concepts et outils existants.
2. Structurer des bases de données sur la végétation au Sénégal et au Maroc, en les associant à des données climatiques issues d’imageries satellitaires.
3. Paramétrer le modèle ModVege à l’aide de ces données en utilisant des approches d’intelligence artificielle (machine learning).
4. Exploiter le modèle paramétré pour réaliser des prédictions de dynamique de végétation, comparables aux outils d’évaluation basés sur l’imagerie satellitaire.
5. Rédiger un rapport de stage documentant les résultats obtenus et les perspectives.
________________________________________
Profil recherché
• Niveau requis : Master 2 ou élève ingénieur agronome (bac+5).
• Connaissances et compétences :
o Solide bagage en écologie et modélisation.
o Maîtrise des outils d’analyse de données et en télédétection
o Sens de l’autonomie, rigueur scientifique et capacité d’innovation.
o Bonnes capacités rédactionnelles et analytiques.
o Niveau avancé en anglais, à l’écrit et à l’oral.
________________________________________
Informations pratiques
• Durée : 6 mois, entre mars et septembre 2025.
• Localisation : Montpellier, Clermont-Ferrand, et éventuellement Rabat (Maroc) et/ou Dakar (Sénégal).
• Conditions :
o Gratification selon la réglementation française en vigueur.
o Mise à disposition d’un bureau et d’un ordinateur
________________________________________
Encadrement
• Responsable principal : Simon Taugourdeau (CIRAD, UMR Selmet).
• Modalités de candidature :
Envoyer CV et lettre de motivation à Simon Taugourdeau (simon.taugourdeau@cirad.fr) avant le 15 janvier 2025.