Thèse Estimation Multimodale des Champs de Déplacement du Sol à l'Aide de la Télédétection et de l'Intelligence Artificielle Application aux Séismes H/F - Doctorat.Gouv.Fr

Établissement : Université Grenoble Alpes École doctorale : STEP - Sciences de la Terre de l'Environnement et des Planètes Laboratoire de recherche : Institut des Sciences de la Terre Direction de la thèse : Sophie GIFFARD ROISIN ORCID 000000015606145X Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-09T23:59:59 Motivation : Il est essentiel d'estimer avec précision l'étendue et la répartition spatiale des déformations induites par les séismes, tant pour la planification en cas de catastrophe que pour faire progresser les connaissances scientifiques. Les techniques actuelles de télédétection s'appuient soit sur le radar satellitaire, par exemple l'interférométrie, qui mesure le décalage de phase entre deux acquisitions radar, soit sur l'imagerie optique satellitaire, qui compare deux acquisitions optiques séparées de plusieurs semaines ou mois. Bien qu'elles soient complémentaires, leur traitement reste jusqu'à présent indépendant. Il serait avantageux de fusionner ces différentes modalités dans un cadre unique, plutôt que d'estimer la déformation séparément. La télédétection permet une estimation dense en produisant des champs de déformation, mais la tâche est difficile : 1) les déplacements sont faibles (
Objectif : Dans le cadre de ce doctorat, nous souhaitons développer une nouvelle méthode multimodale d'estimation des déformations par télédétection basée sur l'IA, qui combine des modèles multimodaux récents et des architectures de deep learning de flux optique. Le doctorant intégrera d'abord des modèles numériques d'élévation afin de pallier les variations d'éclairage. Ensuite, un modèle optique + SAR d'amplitude sera construit, le défi résidant ici dans la différence de géométrie d'acquisition. La fusion avec l'InSAR constituera l'objectif final. Bien que plus précis, l'InSAR souffre d'ambiguïtés de phase : le déballage de phase, crucial, bénéficiera donc d'une estimation conjointe. Différentes techniques d'apprentissage automatique pourraient être développées, dérivées des architectures convolutives U-net, des modèles de flux optique ML (RAFT, SEA-RAFT) et des fondements de la télédétection. cf. résumé ci dessus

Nous recherchons un candidat titulaire d'un master en télédétection ou en géosciences, motivé et ayant une expérience en programmation et en intelligence artificielle, ou d'un master en traitement d'images / apprentissage automatique, présentant un intérêt marqué pour la télédétection et ses applications en géosciences. Compte tenu du caractère interdisciplinaire de ce projet de recherche, nous recherchons un candidat mature et autonome, capable de comprendre les enjeux géoscientifiques tout en s'intéressant aux développements techniques. Pour plus de détails, veuillez contacter Sophie Giffard-Roisin (****@****.**). Les candidatures doivent être envoyées par e-mail dès que possible et comporter un CV, une brève lettre de motivation dans le corps de l'e-mail, ainsi que les relevés de notes et les coordonnées de références, si disponibles.