Offre en lien avec l’Action/le Réseau : – — –/– — –
Laboratoire/Entreprise : CNRS – Laboratoire d’écologie alpine (LECA)
Durée : 6 mois
Contact : camille.masson@univ-grenoble-alpes.fr
Date limite de publication : 2026-11-30
Contexte :
En Europe, le pastoralisme est étroitement associé aux espaces de montagne, où l’exploitation saisonnière des ressources fourragères d’altitude constitue une composante majeure des systèmes d’élevage. Ces espaces forment un socio-écosystème complexe où se concentrent à la fois des enjeux de production agricole, de conservation de la biodiversité et de partage des usages.
Au cours des dernières décennies, le retour du loup a marqué un point de bascule dans la conduite pastorale, avec le passage de systèmes où le troupeau était relativement peu contraint à des troupeaux davantage gardés et regroupés la nuit dans un « parc de nuit ».
Malgré les enjeux associés à cette pratique (piétinement, concentration de nutriments, pression sur la biodiversité), l’emprise spatiale des parcs de nuit et leur évolution au cours du temps restent encore peu documentées à grande échelle. La télédétection offre aujourd’hui la possibilité d’identifier ces structures, d’en suivre l’apparition, la persistance ou le déplacement au cours du temps.
Sujet :
L’essor de la télédétection satellitaire permet aujourd’hui de suivre l’évolution des surfaces terrestres à des résolutions spatiale et temporelle fines. L’objectif du stage sera d’exploiter les séries temporelles d’images Sentinel-2 entre 2016 et 2026 afin de développer une méthode de détection et de cartographie automatique des parcs de nuit.
La présence répétée des troupeaux génère au sein de ces parcs une signature spectro-temporelle particulière, dont l’expression varie au cours de la saison avec la dynamique de la végétation. L’enjeu méthodologique sera donc de considérer chaque parc non pas à partir d’une image donnée, mais à partir de l’ensemble de sa trajectoire spectrale annuelle. Le stage consistera à développer un modèle d’apprentissage supervisé pour la détection d’objets (parcs) dans des tenseurs temporels. Le modèle permettra de réaliser une détection et une segmentation de ces structures pastorales. Le caractère rare des parcs dans le paysage constituera également un enjeu méthodologique important pour l’apprentissage et l’évaluation des modèles (problème de balancing).
Les données nécessaires à l’entraînement des modèles seront immédiatement mises à disposition dès le début du stage. Les modèles développés seront ensuite appliqués à l’ensemble de la série Sentinel-2 afin de produire des cartographies annuelles à l’échelle des Alpes et de reconstruire la dynamique spatiale et temporelle des parcs au cours de la période 2016–2026.
Profil du candidat :
• Étudiant·e en Master 2 ou en année de césure, avec une formation en informatique, data science, traitement d’images, télédétection ou géomatique ;
• Bonne compréhension globale des méthodes d’intelligence artificielle, en particulier pour la vision par ordinateur (détection d’objets, CNN et Transformers, etc.) ;
• Bonne maîtrise de Python et, si possible, de frameworks d’apprentissage automatique ;
• Une expérience dans l’analyse d’images satellitaires ou de données multispectrales constituerait un atout ;
• Intérêt pour les applications aux problématiques écologiques et environnementales.
Formation et compétences requises :
Adresse d’emploi :
Laboratoire d’Ecologie Alpine (LECA)
Domaine Universitaire de Grenoble
2233 RUE DE LA PISCINE UMR 5533
Bat D – Biologie
38400 SAINT MARTIN D’HERES
Le ou la stagiaire sera accueilli·e au LECA, laboratoire de pointe dans l’étude des écosystèmes alpins. Dans ce laboratoire, plusieurs collègues chercheur·ses, ingénieur·es et/ou étudiant·es sont spécialisé·es dans l’apprentissage automatique, en particulier pour la vision par ordinateur (ex. : projet DeepFaune). Les compétences autour des données satellitaires sont également fortement représentées. Le ou la stagiaire profitera donc d’un environnement stimulant au carrefour de l’écologie, de l’informatique et des mathématiques.