Intelligence artificielle et géomatique appliquées à la détection de feux de forêts à l'aide d'image satelllitaires

Description

Les feux de forêt constituent une menace majeure pour les écosystèmes, les infrastructures et les populations. Avec l'aggravation des changements climatiques, leur fréquence et leur intensité augmentent, nécessitant des solutions compte tenu des risques qu'ils font encourir à la population et des coûts financiers importants qu'ils engendrent. Le Canada a connu plusieurs catastrophes marquantes où les feux de forêts ont ravagés plusieurs villes (ex. Fort McMurray, Jasper). Les images satellitaires offrent une couverture étendue et des données acquises fréquemment, selon plusieurs bandes spectrales. Mais leur exploitation repose sur des approches robustes capables de traiter des volumes massifs de données hétérogènes.

Les modèles de fondation (foundation models), comme Prithvi, sont des réseaux neuronaux profonds pré-entraînés sur des ensembles de données massifs. Ils ont récemment démontré leur capacité à exceller dans diverses tâches complexes, y compris l'analyse d'images. Ces modèles offrent un potentiel prometteur pour la détection des feux de forêt, notamment en termes de généralisation, de contextualisation, et de détection dans des environnements variés.

L'objectif principal de cette recherche est de concevoir une solution, basée sur les modèles de fondation, pour la détection des feux de forêt dans les images satellitaires. Il s'agira notamment de déterminer le ou les modèles présentant le plus de potentiel pour l'imagerie multispectrale et les techniques requises pour les adapter à ce contexte spécifique. Les performances obtenues par ces modèles adaptés seront comparées à celles produites par les approches traditionnelles. On visera notamment à limiter la quantité de données étiquetées requises au moment d'analyser les performances.

Financement disponible pour ce projet (associé à une subvention du programme FONCER DOTS).

Exigences et conditions

Formation et compétences attendues:
-Intérêt et goût prononcés pour la recherche
-De solides compétences en informatique, notamment en programmation Python; une bonne connaissance de Linux serait un atout
-Des compétences en apprentissage automatique et en apprentissage profond
-Des connaissances en télédétection satellitaire et en traitement d'images multispectrales
-De solides connaissances et rigueur scientifiques
-Une bonne aptitude à la communication, tant orale qu'écrite, en particulier à la rédaction scientifique
-Une bonne capacité à travailler à la fois de manière autonome et en équipe
-Langue: maîtrise du français à l'oral comme à l'écrit

Fournir aussi le nom de deux personnes de référence.

Date limite pour postuler

30 avril 2025