L’Institut de Recherche en Géographie recrute un(e) stagiaire
 |
 |
Offre de stage de recherche M2
Détection, cartographie et inventaire des formes d’érosion ravinante dans les bassins versants des Hautes Terres Malgaches par télédétection et machine learning
Limite de candidature : 01/03/2022
Mots Clefs : érosion ravinante; Google Earth Engine; géomorphologie; télédétection; machine learning; deep learning; Madagascar
Encadrement : François Mialhe (UMR 5600 CNRS – EVS, Lyon) | Yanni Gunnell (UMR 5600 CNRS – EVS, Lyon) | Stéphane Chrétien (EA3083 ERIC, Lyon) | Serge Miguet (UMR 5205 LIRIS, Lyon)
Cadrage général
La dégradation et l’érosion des sols sont un problème mondial, avec de graves conséquences pour l’environnement, l’économie et les communautés, par exemple à travers les inondations, la pollution, ou une réduction de la fertilité des terres agricoles (Morgan 2009). L’érosion des sols est d’abord un phénomène physique, déclenché ou bien par une saturation des sols en eau, ou bien par ruissellement concentré des eaux en surface par impossibilité pour l’eau de s’infiltrer, mais des facteurs anthropiques contribuent à augmenter la susceptibilité des sols à l’érosion. Dans un certain nombre de cas, les mesures de conservation des sols visent à limiter les taux d’érosion, mais les mesures de restauration sont en général plus coûteuses que la prévention.
Ce projet porte sur une forme spectaculaire et généralisée d’érosion ravinante rencontrée sur les Ferralsols (« sols ferrallitiques ») de Madagascar, catégorie de sol qui couvre l’ensemble des hautes terres de l’île. Ces ravinements sont appelés « lavaka », signifiant « trou » en malgache. La littérature scientifique sur les lavakas est soit très spécifique (études locales) soit très générale, mais les ravines – qui se comptent par dizaines de milliers – semblent se produire principalement dans les régions où l’incision par le réseau hydrographique est active, peut-être en réponse à un soulèvement tectonique régional (Mietton et al., 2018, 2020) et à des phénomènes multifactoriels impliquant la mise en charge des nappes phréatiques et le sapement par les sources, déstabilisant in fine les pentes (à profil généralement convexe) lors de brefs événements d’effondrement des versants. Bien que des facteurs anthropiques soient susceptibles de contribuer au développement des lavakas (par exemple, après déforestation, surpâturage, feux de brousse : Petit et Bourgeat, 1965), des études de datation des dépôts sédimentaires issus des lavakas dans les réseaux fluviaux montrent que les lavakas existaient bien avant l’établissement de l’homme dans les hauts plateaux de Madagascar (Cox et al., 2009). Certains « points chauds » de lavaka sur l’île ont également été corrélés avec des zones d’activité sismique plus forte (Cox et al. 2010). Les impacts de l’implantation humaine ont néanmoins également été soulignés, et il a été suggéré que des accélérations du phénomène ont eu lieu dans certaines zones au cours des ~1000 dernières années, et plus encore au cours des 400 dernières (Brosens et al. 2022). Les variations de forme et de volume des lavakas ont également été analysées en utilisant des critères morphométriques et topographiques sur de petits échantillons (Wells et al., 1991). La comparaison de plusieurs modèles numériques de terrain (MNT) a également permis d’évaluer les taux d’érosion à partir de TanDEM-X (Brosens et al. 2021).
Afin de contribuer aux investigations et débats en cours, nous proposons de réaliser une cartographie à grande échelle de ces ravines en abordant les questions suivantes : comment les lavakas (qu’ils soient actifs ou revégétalisés) sont-ils répartis spatialement dans les bassins versants du centre de Madagascar ? Quelles sont leurs caractéristiques morphométriques et topographiques ?
Ce travail est considéré comme une première étape vers un projet de recherche plus ambitieux qui combinera ces résultats de cartographie avec d’autres données (par exemple, les précipitations, le réseau hydrographique, les cartes d’occupation des sols, les cartes géologiques, les connaissances locales), contribuant ainsi au débat sur l’hypothèse de l’influence anthropique par rapport à la théorie alternative du caractère très largement naturel et endémique du ravinement dans les hautes terres centrales de Madagascar. L’enjeu global est de mieux comprendre le phénomène pour que les acteurs locaux, parmi lesquels les attitudes vis-à-vis des lavakas sont apparemment variées, soient en mesure de mieux gérer les causes et les conséquences du ravinement.
Méthodologie
Alors que la plupart des études abordant l’érosion des sols et les instabilités de versant sont menées à l’échelle de sites individuels ou sur de petites zones d’étude, une originalité de ce travail sera de couvrir une zone géographique étendue, potentiellement tous les hauts plateaux du centre de Madagascar. Cette approche à large échelle sera possible grâce à l’utilisation de Google Earth Engine (GEE). GEE est une plate-forme adaptée à l’étude des phénomènes biophysiques se produisant sur de grandes étendues du fait de la diversité des jeux de données et des algorithmes de traitement intégrés à la plateforme, et du caractère en accès libre des images (Feiziadeh et al. 2021). Ces grands volumes de données nécessitent des algorithmes puissants qui tirent parti des récentes découvertes révolutionnaires autour de l’intelligence artificielle, ce qui explique l’utilisation de plus en plus fréquente de l’apprentissage automatique (machine learning, ML).
Dans ce projet, nous utiliserons les données Sentinel-1 et Sentinel-2 (résolution spatiale de 10 m) disponibles sur la plateforme GEE et testerons plusieurs traitements, en machine learning (Random Forest, SVM, etc.) et en deep learning (CNN, U-net). Le travail de terrain ne sera pas nécessaire : la base de données de vérité terrain sera générée à partir de l’interprétation visuelle des images de Google Earth. En commençant par des ensembles de formation dans de petites zones bien documentées de la littérature, l’objectif est d’étendre la cartographie automatisée des ravines sur une zone la plus large possible, c’est-à-dire potentiellement l’ensemble des bassins versants des hautes terres du centre de Madagascar où les Ferralsols sont répandus.
Calendrier prévisionnel
Les mois de mars et avril seront consacrés à la génération des ensembles d’apprentissage machine et à la validation de la base de données. Les mois de mai à juillet se concentreront sur la construction, le test et l’application de plusieurs modèles de reconnaissance de lavaka à la plus large échelle possible. Août sera dédié à l’extraction des principaux résultats et à la rédaction du mémoire.
Profil du / de la candidat/e
- Compétences et/ou expérience en télédétection et en machine learning
- Compétences en lien avec, ou intérêt pour, GoogleEarthEngine
- Compétences autour des modèles numériques de terrain
- Intérêt pour la géomorphologie
- Capacité de lecture d’articles scientifiques en anglais
- Goût prononcé pour les problématiques environnementales
- Formations visées : géographie, data science, sciences de la terre
Lieu du stage, conditions d’accueil
Le (la) candidat(e) aura comme structure d’accueil le laboratoire IRG (Institut de Recherche en Géographie), situé sur le campus Porte de Alpes (Bron) de l’université Lumière Lyon 2 et composante de l’unité mixte de recherche (UMR) Environnement Ville Société (multiples tutelles, dont le CNRS). Le stage a une durée de 6 mois entre le 01/03/2022 et le 31/08/2022. La gratification mensuelle est alignée sur les bases réglementaires.
Ce travail est financé et labellisé par l’Ecole Universitaire de Recherche H2O’Lyon (ANR-17-EURE-0018), une structure de formation par la recherche coordonnée par l’Université de Lyon (UdL) dans le cadre du Programme d’Investissements d’Avenir géré par l’Agence Nationale de la Recherche (ANR).
Procédure de recrutement Stage érosion ravinante
Date limite de candidature : 17/02/2022
Référence de cette offre de stage cartographie d’érosion dans le Rhône : OE-171221-3