Soutenance HDR de David Sheeren le 4 octobre 2024

David Sheeren a soutenu brillamment son habilitation à diriger des recherches le 4 octobre 2024. Elle s'intitulait "Paysage et biodiversité : de l’observation par télédétection à la modélisation. Une hybridation disciplinaire".

Veuillez trouver ci-dessous le lien à la vidéo de son exposé.

Vendredi 4 octobre 2024 à 13h30, INRAE, Centre Occitanie-Toulouse, salle de conférence Marc Ridet

Jury

Agnès BÉGUÉ, Directrice de Recherche CIRAD, Montpellier : Rapportrice

Thomas CORPETTI, Directeur de Recherche CNRS, Rennes : Rapporteur

Anne PUISSANT, Professeure des Universités, Strasbourg : Rapportrice

Laurent BERGÈS, Ingénieur-chercheur (HDR) INRAE, Grenoble : Examinateur

Philippe LEJEUNE, Professeur, Gembloux Agro-Bio Tech, ULiège : Examinateur

Claude MONTEIL, Maître de conférences (HDR), Toulouse INP : Garant

Résumé

Ce mémoire d’HDR fait état d’une partie des contributions scientifiques en géomatique que j’ai pu apporter depuis 2006 en tant qu’enseignant-chercheur à l’ENSAT et au sein du laboratoire DYNAFOR. Il présente mes activités en trois parties. La première porte sur la modélisation des relations image-paysage. Elle relate les différentes approches méthodologiques développées en télédétection pour automatiser la cartographie des petits objets semi-naturels que sont les arbres hors forêts et en particulier les haies dans les paysages ruraux. La seconde concerne la modélisation des relations paysage-biodiversité. Elle témoigne de l’intérêt de la télédétection pour diversifier les formes de représentation du paysage en s’appuyant sur l’hétérogénéité spatiale de l’information spectrale pour prédire la diversité taxonomique de communautés d’oiseaux. La troisième partie concerne la modélisation des relations image-biodiversité. Elle présente les résultats obtenus sur la reconnaissance des essences forestières à partir de séries temporelles d’images multispectrales ou d’images hyperspectrales. Elle évoque aussi des travaux sur le suivi de la phénologie, le passage à large échelle et la prise en compte de l’autocorrélation spatiale des données pour évaluer les performances prédictives de manière non biaisée. Ces activités de recherche ont été nourries par le contexte interdisciplinaire dans lesquelles elles ont été menées. Elles sont le fruit d’interactions et de collaborations avec des collègues et étudiant·e·s que j’ai pu encadrer. La dernière partie du mémoire présente différentes perspectives de recherche qui concernent la caractérisation de la qualité des habitats forestiers et des linéaires arborés. Elles s’appuient sur la prise en compte de traits structuraux, en plus des traits spectraux, à partir de données LiDAR. Elles reposent aussi sur l’intégration de la dimension temporelle à partir d’images historiques.

Mots-clés : Télédétection ; Géomatique ; Interdisciplinarité ; Représentation spatiale ; Modélisation ; Hétérogénéité ; Paysage ; Biodiversité ; Habitat ; Arbre hors forêt ; Apprentissage automatique ; Classification ; Série temporelle ; Image hyperspectrale ; Autocorrélation spatiale.