[Thèse] Amélioration de la résolution spatiale d’indices de confort en milieu urbain par hybridation de données thermiques, optiques et 3D
L’Onera en partenariat avec le CNES propose une thèse portant sur l’Amélioration de la résolution spatiale d’indices de confort en milieu urbain par hybridation de données thermiques, optiques et 3D. Ce sujet est en lien avec la mission Trishna et les travaux menés dans Theia sur Température de surface et émissivité.
Début de la thèse : Octobre 2023
Date limite de candidature : 01/03/2023
Profil et compétences recherchées : Master 2 ou diplôme d’ingénieur-e Télédétection, traitement du signal, machine learning, géostatistiques, programmation Python
Présentation du projet doctoral, contexte et objectif : Avec le réchauffement climatique, les vagues de chaleur sont attendues pour être plus fréquentes et plus intenses, à l’image des mois de juin et juillet 2022 [Insee, 2022]. Dans les villes, ces évènements sont amplifiés par l’effet d’Ilot de Chaleur Urbain (ICU), entraînant des risques de mortalité, de dégradation de la qualité de l’air et de l’eau ou encore une augmentation de la consommation d’énergie. Il est donc nécessaire de fournir un suivi d’indicateurs caractérisant l’impact de l’ICU pour proposer des stratégies d’adaptation des villes. La télédétection satellitaire optique réflective et thermique permet de dériver des informations telles que l’occupation du sol, l’albédo, la structure 3D (hauteur, densité du bâti), la fraction de végétation ou encore la température de surface (LST, Land Surface Temperature) qui interviennent dans la génération d’indicateurs de confort et de vulnérabilité [Hulley et al. 2019]. Au sein du projet THERMOCITY dans le cadre du Space Climate Observatory, différents indicateurs ont été générés à partir de données dérivées de Pléiades et Sentinel-2 ainsi que des données thermiques acquises par l’instrument multispectral ASTER sur la plateforme spatiale Terra (NASA) et de la caméra multispectrale ECOSTRESS à bord de la station spatiale internationale (ISS) [Lonjou et al. 2022, Michel et al. 2022]. De plus, la mission TRISHNA, fruit d’une collaboration entre le CNES (Centre National d’Etudes Spatiales) et l’ISRO (Indian Space Research
Organization) et dont le lancement est prévu en 2025, fournira des données dans l’IRT (InfraRouge
Thermique) avec une combinaison de résolution spatiale et revisite inédite (57m nadir et 2-3 jours [Lagouarde t al. 2019]).
Néanmoins, les objets urbains ayant une taille d’environ 10 m, il est primordial d’améliorer la résolution
spatiale des cartes de LST pour construire des indicateurs utiles aux gestionnaires de territoires à l’échelle
du bâti ou du quartier. Dans ce but, des méthodes de désagrégation statistiques ont été appliquées sur des données simulées TRISHNA et des données réelles ASTER pour améliorer leur résolution d’un facteur 3 [Granero-Belinchon, 2019ab, Michel et al. 2022] en se basant sur une relation empirique linéaire entre u un indice estimé dans le VNIR (Visible and Near InfraRed) et la LST. Mais des limitations persistent :
1/ l’apport d’images VNIR à 10 m de résolution spatiale n’a pas été évaluée,
2/ les traitements ont été appliqués en supposant que les images VNIR et IRT sont registrées et acquises au même moment,
3/ les méthodes de désagrégation reposent sur l’utilisation d’indices spectraux ne prenant pas en compte la structure 3D de la ville,
4/ les méthodes actuelles de désagrégation introduisent un flou sur des zones très rugueuses comme les milieux urbains.
L’objectif de cette thèse est donc de développer une méthode de désagrégation en fusionnant des données optiques, 3D et thermiques pour proposer des indicateurs de confort et vulnérabilité à fine échelle.
Le travail est organisé en plusieurs étapes. Tout d’abord, une mise à jour de l’état de l’art sera réalisée afin d’inventorier les paramètres morphologiques et physiques les plus pertinents pour expliquer la variabilité spatiale de la LST à différentes échelles spatiales. Une analyse statistique sera alors menée à partir d’images thermiques et réflectives acquises quasi simultanément sur différentes villes et différents tissus urbains pour relier les données optiques et 3D à la LST. Le ou la candidat-e s’appuiera sur différents jeux de données aéroportées disponibles qui seront utilisés pour synthétiser des images TRISHNA en haut de l’atmosphère : campagne AI4GEO (Toulouse, images multispectrales thermiques, images hyperspectrales réflectives et modèle numérique de surface), campagnes d’acquisitions JPL (villes nord-américaines, images hyperspectrales thermiques HyTES, images hyperspectrales réflectives AVIRIS).
