3ème séminaire du réseau Télédétection INRAE
Le troisième séminaire du réseau Télédétection se tiendra à Orléans les 7 et 8 octobre 2026.
Lieu du séminaire :
Hôtel Dupanloup 1 rue Dupanloup - 45000 ORLÉANS
PLAN ICI
Le lieu du séminaire est accessible :
- depuis la gare d'Orléans
- depuis la gare des Aubrais, au nord de l'Agglomération orléanaise (7-8 mn de tram pour rejoindre la gare d'Orléans)
Retrouver toutes les informations sur le tram et les bus sur TAO
----------------------------------------------------
Programme provisoire du séminaire :
JOUR 1 : 7 octobre 2026
8h30-9h30 : Accueil & café
9h30-12h30 : Formations
12h30-14h30 : repas sur place
14h30-17h30 : Formations (suite)
Formations proposées (sous réserve d'un nombre suffisant de participants) :
JOUR 2 : 8 octobre 2026
8h30-9h30 : Accueil & café
9h30-12h : séminaire en salle plénière
- Information sur le réseau
- Présentation de la cartographie Télédétection à INRAE
- Session posters
12h-13h : repas sur place
13h-15h : session posters
15h-16h : discussion sur le réseau
- Recommandations sur le recrutement futur
- Renouvellement du bureau du réseau
- La télédétection à INRAE
----------------------------------------------------
Inscriptions :
A venir
Modèle pour la soumission d'une communication (poster) :
----------------------------------------------------
Description des formations proposées le 7 octobre :
Pour ces formations, les PC ne seront pas fournis. Merci de venir avec votre PC portable.
Formation "Centre de Données et de Services du pôle THEIA MTD"
Durée : 3h
La formation vise à interagir avec des données géospatiales fournies par le CDS THEIA MTD (localisé à Montpellier) : découverte, recherche, visualisation, manipulation, etc. Les interactions avec les catalogues et les données comprendront une partie sous QGIS (un logiciel de SIG) et une partie Python, sous forme de notebooks. Il est conseillé d’avoir une expérience minimale avec un logiciel de SIG comme QGIS, et une expérience niveau débutant de python.
Le CDS THEIA MTD s’appuie sur le Centre de Données Géospatiales de la Maison de la Télédétection (CDG-MTD), une infrastructure numérique fournissant les services de catalogage, d’accès aux données, fondée sur les standards STAC (Spatio-Temporal Assets Catalogs) et des formats de données natifs pour le cloud (comme par exemple le Cloud-Optimized Geotiff), qui permettent de manipuler les données géospatiales sans les télécharger. La formation débutera par une introduction à STAC, adressée à un utilisateur qui n’est pas un expert en développement informatique. Ensuite, la formation adressera de façon progressive les aspects techniques liés à STAC, aux formats de données natifs pour le cloud, à l’écosystème open-source accompagnant ces nouveaux paradigmes, et aux APIs ouverts fournis par le CDS THEIA MTD et le CDG-MTD.
Intervenants : Rémi Cresson (INRAE, UMR TETIS) et Pablo Boizeau (IRD, Data-Terra)
Pré-requis :
- Connaissance du langage python (débutant),
- Connaissance de qgis (optionnel)
- Le logiciel QGIS doit être installé (dernière version LTR)
- Un navigateur web fonctionnel
----------------------------------------------------
Formation "CO3D"
Formation de 6h (3h le matin + 3h l'après-midi).
Cette formation pratique présente un workflow complet en open-source pour générer et analyser des données géospatiales 3D à partir d'images stéréo satellites (Pléiades HR et CO3D). Elle commence par les fondements théoriques essentiels, tels que les principes de la photogrammétrie, avant d'introduire quatre logiciels développés au CNES : CARS, Bulldozer, xDEM et SLURP. Un focus particulier sera également donné sur la mission CO3D et ses produits.
Public cible :
Cette formation s'adresse à un large public : les doctorants, les chercheurs et les professionnels intéressés par l'observation de la Terre, la photogrammétrie et la cartographie 3D. Elle offre une introduction accessible aux techniques avancées de télédétection utilisant des outils open-source et des données réelles.
Prérequis :
Aucune expérience préalable n'est requise pour participer à ce tutoriel. Une connaissance de base de Python est utile mais non obligatoire.
Programme :
À l'aide de notebooks Python interactifs, les participants apprendront à :
- Générer un Modèle Numérique de Surface (MNS) avec CARS, créant une représentation 3D de la surface terrestre ;
- Extraire un Modèle Numérique de Terrain (MNT) avec Bulldozer, isolant le sol nu du MNS. Les participants pourront également dériver un Modèle Numérique de Hauteur (MNH) pour mettre en évidence les caractéristiques au-dessus du sol, telles que les bâtiments et la végétation, permettant des applications comme l'estimation de la hauteur des bâtiments.
- Produire des cartes d'occupation du sol avec SLURP à partir d'images à très haute résolution (VHR), améliorant la précision des reconstructions 3D, notamment en permettant d’aplanir les surfaces en eau ;
- Analyser les produits 3D avec xDEM, en effectuant des tâches de post-traitement telles que la co-registration et la détection détaillée des changements.
Objectifs pédagogiques :
À la fin de cette formation, les participants sauront produire et interpréter les produits MNS, MNT et MNH, appliquer les concepts de photogrammétrie et réaliser des analyses spatiales avancées à partir de données 3D dérivées de satellites. Les participants pourront également manipuler des premières données CO3D.
----------------------------------------------------
Formation "Initiation au traitement des données lidar"
Intervenants : Samuel Alleaume, Florian De Boissieu, Sylvie Durrieu, Olivier Matte
Les données lidar aéroportés sont longtemps restées assez difficilement abordables car coûteuses. Avec le programme lidar HD piloté par l'IGN ce type de données devient accessible sur l'ensemble du territoire national. Par ailleurs de plus en plus d’unités de recherche s’équipent de systèmes lidar légers embarqués sur drones. Il est donc important de comprendre comment gérer, traiter et analyser les nuages de points afin de développer des modèles de prédiction robustes.
Cette formation se décline en 2 sessions :
Session 1 (3h) matin :
Prérequis : être familier avec le langage R.
Cette première session a pour objectif de vous aider à vous familiariser avec des nuages de points 3D acquis par lidar aéroporté (avion ou drone) et à faire vos premiers pas pour manipuler, visualiser et analyser ces nuages de points. Quelques exemples d'analyses seront proposés pour illustrer plus spécifiquement l'intérêt de ces données par rapport à des données 3D photogrammétriques.
Session 2 (3h) après-midi :
Prérequis : être déjà familier avec la manipulation de nuages de points 3D avec le langage R (soit au travers de la session 1 soit par d’autres voies).
Dans cette session les applications seront proposées sur l’étude des milieux forestiers. Cette session vise à donner les bases pour i) développer un modèle de prédiction d'attributs de peuplements forestiers à l'aide de données Lidar et de données de référence terrain, ii) mobiliser ce modèle pour aboutir à une cartographie de ces attributs. Il fait appel aux méthodes dites surfaciques (Area Based Approach ou ABA en anglais) : le modèle est établi au niveau peuplement. Des méthodes de segmentation des couronnes seront aussi présentées.
----------------------------------------------------
Formation "L’estimation de l’évapotranspiration dans TRISHNA"
Intervenants : Emmanuelle Sarrazin (CESBIO)
Description
Formation de 6h (3h le matin + 3h l'après-midi).
Contexte
L'évapotranspiration (ET) est le processus biophysique de transfert d’une quantité d’eau vers l’atmosphère par évaporation au niveau du sol et par transpiration des plantes. Elle joue un rôle clé dans le cycle de l'eau. À l'échelle mondiale, près des deux tiers des précipitations sur les terres émergées sont restitués à l'atmosphère par ET. La distribution spatio-temporelle de l'ET est une information essentielle pour déterminer la consommation d'eau agricole, évaluer les conditions de sécheresse, surveiller les cultures et les bilans carbone.
C’est dans ce contexte qu’est née la mission TRISHNA (Thermal infraRed Imaging Satellite for High-resolution Natural resource Assessment). Il s’agit d’une collaboration entre le CNES et l’Indian Space Research Organization. L’objectif de la mission TRISHNA est de fournir des images optiques et thermiques d'une résolution spatiale de 60 m sur l’ensemble des terres émergées avec une fréquence de revisite de 3 jours. Pour chaque acquisition, TRISHNA calculera plusieurs produits d'ET. De plus, pour répondre aux besoins dans le secteur agricole, TRISHNA produira des séries temporelles d’ET afin de fournir une information d’ET même les jours sans acquisition satellite.
Objectifs
Cette formation à la fois théorique et pratique a pour objectifs :
- de présenter la mission TRISHNA et ses futurs produits notamment les produits estimant les variables biophysiques
- d’illustrer au travers de notebooks les algorithmes pour l’estimation de l’évapotranspiration.
Public cible
Cette formation s'adresse à un large public : les doctorants, les chercheurs et les professionnels intéressés par l’estimation et l’utilisation des variables biophysiques issues des satellites d’observation de la Terre.
Programme
- Présentation de la mission TRISHNA : caractéristiques, description des instruments.
- Description des produits distribués notamment des produits pour l’estimation des variables biophysiques (albédo, rayonnement, variables végétation, évapotranspiration).
- Description des algorithmes d'évapotranspiration retenus pour la mission TRISHNA : STIC (Surface Temperature Initiated Closure) et EVASPA (EVapotranspiration Assessment from SPAce). Il s’agit de détailler ces deux modèles retenuset d’expliquer leurs avantages et inconvénients. Différents notebooks permettront aux participants d’apprendre à utiliser et interpréter les résultats de ces algorithmes.
- Description du calcul de séries temporelles d’évapotranspiration. Il s’agit de présenter l’algorithme utilisé pour l’interpolation/l’extrapolation et de l’illustrer à travers des notebooks.
- Présentation des approches et outils développés dans le cadre du groupe TRISHNA Ecosystem Stress pour l’estimation du stress hydrique dans les écosystèmes.
Pré-requis
----------------------------------------------------
Formation à RasterLearn (ex. IOTA2)
Intervenants : Mathieu Fauvel, Guillaume Guebin et Vincent Thierion
Description :
Formation de 6h (3h le matin + 3h l'après-midi).
L’objectif de cette formation est de présenter les possibilités offertes par RasterLearn (l’évolution de la chaîne de traitements iota2) pour le traitement de données massive d’observation de la terre, de type Sentinel. La bibliothèque propose des outils pour réaliser des apprentissages et des inférences de modèle d’IA en python sur des données géospatiales massives. Elle permet d’intégrer rapidement des modèles développés en dehors de la chaîne pour les faire passer à l’échelle.
La formation abordera les trois étapes clefs de la mise en œuvre d’une méthode d’IA appliquée à des données géospatiales :
- Construction d’une base de références d’entraînement d’un modèle d’IA à l’aide de données multi-sources.
- Entraînement d’un modèle d’IA pour différentes taches (classification, estimation, etc ...).
- Prédiction / inférence du modèle sur plusieurs zones, en utilisant des modèles appris lors de l’étape précédente, ou des modèles déjà pré-entraînés.
La formation utilisera des notebooks pour les différentes étapes.
À l’issue de la formation, le/la participant(e) sera familiarisé(e) avec la bibliothèque et pourra la tester sur ses zones d’études et ses jeux de données, si le temps le permet. L’ensemble des codes de la formation, ainsi que des données seront disponibles en libre accès.
Pré-requis :
- Utilisation de python et jupyter notebook
- Connaissances sur les données de télédétection, séries sentinel 2
- Base en machine learning, deep learning.
- Avoir installé la librairie avant la formation sur son ordinateur personnel.
