Séminaire de Probabilités et Statistique :

Le 31 mars 2025 à 13:45 - UM - Bât 09 - Salle de conférence (1er étage)

Présentée par Bai Yuchen - IRD, Montpellier

Simulation et modèle d'apprentissage automatique pour l'évaluation et la réduction des biais dans les estimateurs de densité foliaire des forêts tropicales

Les forêts tropicales, couvrant seulement 7\% de la surface terrestre, jouent un rôle vital et disproportionnel dans la biosphère. Mieux comprendre les processus fondamental au flux saisonnier dans les forêts tropicales est donc crucial pour améliorer notre capacité de prédiction de cycle biogéochimique mondial. L'indice de surface foliaire (LAI), un paramètre crucial régulant les flux d'eau et de carbone, nécessite une étude plus approfondie en utilisant les avancées dans les technologies de surveillance telles que la télédétection aérienne et terrestre (LiDAR). De nombreux facteurs introduisent des biais dans les méthodes existantes de LiDAR pour l'estimation du LAI. Lors de l'utilisation des données UAV Laser Scanning (ULS) pour l'estimation du LAI, le composant du bois est le problème principal à résoudre. La premier partie de la thèse se concentre sur le développement d'une nouvelle approche de apprentissage profond nommée SOUL (Semantic Segmentation On ULs) pour la séparation des feuilles et du bois des données ULS. L'approche repose exclusivement sur les coordonnées des points, afin de faciliter l'application à d'autres données et d'autres capteurs. La deuxième partie de la thèse se concentre sur l'analyse des autres biais qui affectent l'estimation du LAI à partir des données LiDAR. Nous utilisons le modèle DART pour simuler les caractéristiques des données ULS basées sur deux maquettes forestières : Wytham Woods et Järvselja Birch Stand de RAMI-V. Les données simulées fournissent des détails complets sur la structure de la forêt: le LAI, l'angle des feuilles, l'étiquette des feuilles/bois, etc. En appliquant SOUL pour supprimer le biais introduit par le composant du bois, puis en utilisant AMAPVox, un modèle de ray tracing, pour effectuer une analyse quantitative des biais restants, une estimation plus précise du LAI forestier est obtenue. Cette thèse contribue à l'avancement de notre compréhension de la dynamique des écosystèmes forestiers tropicaux et propose des méthodologies pratiques pour une estimation précise et fiable de la surface foliaire.

Séminaire en salle 109, également retransmis sur zoom : https://umontpellier-fr.zoom.us/j/7156708132