MACLEAN

Action MACLEAN

MAChine LEarning for EArth observatioN

Responsables

Thématiques

observation de la terre, environnement, suivi de l’occupation et de l’usage des sols, analyse du milieu urbain, analyse des milieux naturels.

Données concernées

Télédétection à haute et très haute résolution, séries temporelles d’images satellitaires radar/optique (i.e. Sentinel-2/Sentinel-1), imagerie LiDAR, imagerie hyperspectrale, données INSITU pour la calibration des modèles

Mots clés

observation de la Terre, apprentissage automatique, apprentissage profond deep learning, fusion de données multi-capteurs, analyse d’image, analyse de séries temporelles

Contexte scientifique

Avec le nombre croissant d’images et de données satellitaires disponibles associé à une augmentation des fréquences d’acquisition, l’interprétation automatique des données de télédétection et observation de la Terre est un domaine très actif. Les capteurs sont aujourd’hui capables d’offrir des images à (très) haute résolution avec des fréquences d’acquisition jamais atteintes. Du fait de cette révolution technologique, il est de plus en plus difficile de concevoir des méthodes capables de traiter efficacement ces données et de tirer partie des complémentarités des différentes sources de données (i.e. multi-modalités). Aujourd’hui, nous pouvons avoir plusieurs observations, issu de différents capteurs, qui décrivent la même zone géographique au même moment. Par exemple, pour une même zone d’étude il est possible de disposer de l’imagerie optique à différentes résolutions (i.e. Sentinel-2 à 10m, Spot-6/7 à 1.5m), de l’information radar (i.e. Sentinel-1), de l’information 2.5D (i.e. Modèle Numérique de Surface) ainsi 3D sous forme de nuages de points (i.e. LiDAR, reconstruction stéréo) ou encore de l’information très résolue au niveau spectrale (i.e. hyperspectrale). Bien que des techniques avancées existent pour traiter chaque source de donnée, la combinaison de ces sources afin d’exploiter efficacement leur complémentarité pour des tâches spécifiques (i.e. estimation du rendement, occupation du sol, urbanisation, détection du parcellaire, surveillances des forêts, etc..) est encore un verrou majeur dans la communauté de télédétection et observation de la Terre..

Un autre verrou émergent dans le domaine de la télédétection est lié à l’exploitation de séries temporelles d’image satellitaires (STIS). Les STIS représentent un ensemble d’acquisitions temporellement successives d’imagerie satellitaire sur une même zone. Ce type d’information nous permet de suivre, tout au long du temps, des territoires pour en comprendre leur évolution. Les STIS peuvent être utilisées pour distinguer différents types d’occupation du sol (i.e. différent type de cultures) à partir de leur profil temporel ainsi que permettre d’analyser le changement de dynamique sur une zone observée. La problématique de l’analyse des séries temporelles est encore ouverte aujourd’hui car l’accès à des SITS possédant une échelle spatiale suffisamment fine pour étudier ces phénomènes n’est que récent. Enfin, la profusion d’informations ouvre d’autres questions liées à l’analyse du contenu (retrouver les contours géométriques d’objets d’intérêt) et au transfert/à l’adaptation de modèles/données afin d’exploiter les connaissances apprises sur un territoire (ou à une certaine date) à un autre territoire (ou à une autre date).

Dans ce contexte, les méthodes modernes d’apprentissage automatique (i.e. apprentissage profond, adaptation de domaine, approche semi-supervisée, analyse de séries temporelles, apprentissage actif) peuvent jouer un rôle fondamental mais, malheureusement, la communauté de science de l’environnement et télédétection et la communauté en analyse de données n’arrivent pas encore à se structurer autour de ces problématiques à cause de manque de connaissance réciproque. Notre objectif, dans cette action sera de pouvoir faciliter cette échange, d’identifier des problématiques fondamentales d’observation de la Terre et de supporter des dynamiques d’échange autour de ces verrous.

En plus de la communauté scientifique, les questions liés à l’exploitation des données d’observation de la terre sont de plus en plus proches du monde industriel. Plusieurs entreprises aujourd’hui travaillent dans le domaine spatial et utilisent de l’imagerie satellitaire pour améliorer leur business (i.e. support à l’agriculture, support aux politiques publiques d’aménagement, exploitation sylvicole et forestale, etc.). Le monde industriel (dans le domaine du spatiale, de la télédétection et de l’observation de la Terre) n’a jamais été aussi attentif aux nouvelles technologies et méthodes issues du monde scientifique. Cette action a pour objectif principal d’animer la communauté scientifique mais possède aussi la vocation de permettre des échanges entre chercheurs et industrie.

Site de l’Action MACLEAN en cours de construction…


Évènements à venir