Ingénieur·e d’étude pour la détection d’anomalies du couvert végétal à partir d’images sate

La Plateforme ESV contribue à améliorer la surveillance de la santé des végétaux en France, en appui aux politiques publiques et aux acteurs chargés de l’épidémiosurveillance. Dans ce cadre, le poste s’inscrit dans un contexte de renforcement de la surveillance du dépérissement des végétaux, avec une application prioritaire à la détection d’anomalies potentiellement liées au dépérissement dû à des micro-organismes pathogènes. La mission sera effectuée dans le cadre d’un travail d’équipe, incluant ingénieur.e.s et chercheur.e.s.

Le travail portera sur l’exploitation de séries temporelles d’images satellitaires Sentinel-2 pour détecter des anomalies de couvert végétal pérenne, avec comme cas d’étude durant le contrat le dépérissement lié au nématode du pin. L’objectif n’est pas de produire un diagnostic direct de présence du nématode, mais de développer et évaluer une méthode permettant de repérer des arbres ou peuplements présentant des signaux spectraux anormaux, afin d’orienter la surveillance de terrain.

La personne recrutée aura pour mission de développer, adapter et évaluer une chaîne de traitement de séries temporelles Sentinel-2 pour la détection non supervisée d’anomalies de végétation sur couvert végétal pérenne, avec des données de validation issues du terrain.

Le travail visera notamment à adapter les méthodes et les outils sous-jacents à des approches de détection d'anomalies telles que celle implémentée dans le package fordead (de Boissieu, F., Fernandez, É., Dutrieux, R., Ose, K., & Féret, J.-B. (2026). Fordead: A python package for vegetation anomalies detection from SENTINEL-2 images (v2.1.1). Zenodo. https://doi.org/10.5281/zenodo.18980991). 

La personne recrutée sera chargée de :

• délimiter les zones de pins en croisant les données satellitaires avec des données d’occupation du sol ou des données forestières ;
• récupérer, organiser et prétraiter des séries temporelles d’images Sentinel-2 sur les zones d’étude en mettant en œuvre une chaîne reproductible de traitement des images : sélection des bandes spectrales, masquage des nuages, correction/filtrage temporel ;
• construire des séries temporelles de variables spectrales et autres indices pertinents pour le suivi du dépérissement des végétaux ;
• développer et tester une approche (non supervisée ou calibrée sur des données négatives) de détection d’anomalies, en tenant compte de la saisonnalité, de la variabilité interannuelle et autres caractéristiques pertinentes ;
• évaluer les performances de détection : sensibilité, spécificité, précision, taux de fausses alertes, capacité de détection à l’échelle du pixel à l’aide de données de validation ;
• produire des cartes d’anomalies facilement exploitables par les acteurs de la surveillance et de la prospection ;
• documenter les méthodes, les scripts, les jeux de paramètres et les limites d’utilisation ;
• contribuer à la mise en place d’une chaîne de traitement opérationnelle intégrée au système d’information de la Plateforme ESV.