- Développement d’une chaîne de traitement de données issues de ministations basée sur des outils libres
Des réseaux de ministations d’évaluation de la qualité de l’air sont apparus un peu partout en Wallonie ces dernières années et contribuent à cartographier plus finement la pollution atmosphérique. À l’heure actuelle plus d’une centaine de ministations transmettent toutes les trente minutes leurs mesures et remplissent nos bases de données. La chaîne de traitement actuelle fait appel à des outils Microsoft (MS SQL Server, logiciels en C# avec le framework .NET et WPF pour les aspects visuels) et R pour réaliser un certain nombre d’étapes. Pour s’épargner des coûts de licence, nous cherchons à mettre en place une alternative libre utilisant principalement le langage bash, le système de gestion de données PostgreSQL/PostGIS et R.
Si vous êtes familiers avec ces outils ou souhaitez les découvrir et si vous êtes intéressés par ce travail, faites-nous en part via microcapteur@issep.be
- Détection de plantes invasives à partir d’images acquises par mini drones
Imaginez un monde où les mini drones, ces petits espions volants de moins de 250g, se transforment en gardiens de notre écosystème. Voici une offre de stage qui pourrait bien être le scénario d’un film de science-fiction, mais qui est bel et bien réelle ! Le protagoniste ? Un mini drone agile, capable de zigzaguer entre les réglementations, tout en capturant des images haute définition de notre ennemi vert : la renouée du Japon. Grâce à l’intelligence artificielle et au deep learning, ce drone sera entraîné à reconnaître et à traquer ces plantes invasives qui, telles des conquérants, étendent leur territoire sans invitation. Le but de ce stage n’est pas seulement d’explorer le potentiel du deep learning, mais de transformer ces images en une carte détaillée de l’invasion végétale, permettant ainsi d’élaborer des stratégies de contre-attaque. Alors, prêt à piloter ce projet et à devenir le héros de la biodiversité?
Le stage inclurait :
- Une revue de la littérature sur les méthodes, données et outils existants ;
- La familiarisation aux données acquises par drone (acquisition et traitement) ;
- Le développement d’une méthode de détection utilisant le deep learning sur ces données ;
- Le développement d’un prototype et sa validation.
Si vous êtes intéressés, manifestez-vous via c.wyard@issep.be et b.palmaerts@issep.be
- Développement d’un prototype de détection automatique de parcelles agricoles non exploitées grâce à la télédétection
La Politique Agricole Commune (PAC) de l’Union Européenne impose de répertorier les parcelles agricoles qui ne sont plus exploitées. Ces parcelles, qu’elles soient des prairies, des cultures ou des terres arables, se caractérisent par le développement d’une végétation basse et/ou ligneuse. Le stage propose de développer un prototype de détection de ces parcelles qui prendra en compte leur évolution sur plusieurs années. Différents types de données spatiales et d’observation de la terre (e.g. Sentinel) seront utilisées et différentes méthodes pourront être considérées, depuis l’analyse d’indices spectraux jusqu’à l’utilisation de l’intelligence artificielle.
Le stage inclurait :
- Une revue de la littérature sur les méthodes, données et outils existants ;
- La familiarisation aux données d’observation de la Terre et la sélection des données appropriées à la problématique ;
- L’application ou le développement de méthodes d’analyse, en ce compris le ML ou le DL, sur ces données ;
- Le développement d’un prototype sur une plateforme en ligne.
Si vous êtes intéressés, manifestez-vous via b.palmaerts@issep.be et y.loozen@issep.be
- Apport de l’observation de la Terre dans la gestion des conséquences d’inondations
L’imagerie satellitaire est un précieux outil pour suivre des catastrophes naturelles, en particulier les inondations. Le stage propose une analyse du potentiel des données d’observation de la Terre (radar ou optique) et de différentes méthodes dans le cadre de la gestion d’inondations en Wallonie. Par exemple, le stage pourra se focaliser sur l’estimation de l’impact des inondations en détectant notamment des dégâts causés par celles-ci (bâtiments, voiries, cultures, etc.). A cette fin, différents types de données seront utilisées, notamment celles récoltées lors des inondations de juillet 2021, et des méthodes de Deep Learning (DL) seront développées et testées.
Le stage inclurait :
- Une revue de la littérature sur les méthodes, données et outils existants ;
- La familiarisation aux données d’observation de la Terre et la sélection des données appropriées à la problématique ;
- L’application ou le développement de méthodes d’analyse, en ce compris le ML ou le DL, sur ces données ;
Si vous êtes intéressés, manifestez-vous via b.palmaerts@issep.be
- Contribution au projet TIREX : Température de surface
Dans le contexte des changements climatiques, les projections prévoient une augmentation de la fréquence des événements climatiques extrêmes, tels que les vagues de chaleur. Lors de tels évènements, la santé des citoyens est négativement impactée. Afin de planifier et d’objectiver les actions visant à rendre le territoire plus résilient face à ces évènements, le projet TIREX (Thermal Imagery for Regional thermal hazard EXposure mapping), a pour objectif d’explorer le potentiel de l’imagerie satellitaire thermique et de la température de surface (Land Surface Temperature, LST) afin de cartographier les risques pour la population. Une des étapes du projet consiste en la constitution d’une archive régionale de données satellitaire thermiques (Landsat, Sentinel 3, ASTER) et de la comparaison de ces données avec des mesures de température de l’air.
En fonction de ses compétences, la·e stagiaire participera à l’élaboration de l’archive satellitaire. Cela inclura un inventaire des données satellitaires disponibles, une collecte de celles-ci à travers des API dédiées, une revue bibliographique de l’utilisation des LST versus température de l’air, la mise en place de scripts de traitement des données collectées ainsi qu’une analyse statistique de ces données, sous environnement python.
Le stage inclurait :
- Une revue de la littérature sur les méthodes, données et outils existants ;
- La familiarisation aux données d’observation de la Terre et la sélection des données appropriées à la problématique ;
- L’application ou le développement de méthodes d’analyse, en ce compris le ML ou le DL, sur ces données ;
Si vous êtes intéressés, manifestez-vous via y.loozen@issep.be
- Cartographie de la distribution des îlots de chaleur urbain à l’aide de méthodes statistiques multivariées
L’objectif de ce stage passionnant est de cartographier les îlots de chaleur urbains, ce phénomène qui amplifie la chaleur dans les villes. Ces îlots sont générés par divers facteurs, tels que les émissions de chaleur dues aux activités humaines, la morphologie urbaine ou encore les matériaux de construction qui absorbent et réémettent la chaleur. Pour aider les villes à mettre en place des politiques d’atténuation et d’adaptation, il est essentiel de disposer de cartes ultra-précises de ces phénomènes. Le stage en question va mettre à l’épreuve des méthodes statistiques multivariées, y compris la régression linéaire multiple et le machine learning, pour modéliser ces points chauds à partir de données géographiques. Et pour s’assurer que ces méthodes fonctionnent, les résultats seront comparés avec ceux du modèle de climat urbain UrbClim. Votre travail minutieux aidera à rafraîchir nos villes !
Le stage inclurait :
– Une revue de la littérature sur les méthodes, données et outils existants ;
– La familiarisation aux données d’observation de la Terre, la sélection des données appropriées à la problématique et leur préparation ;
– La familiarisation aux logiciels de traitement de géodonnées ;
– L’application ou le développement de méthodes d’analyse, en ce compris le ML ou le DL, sur ces données ;
– Le développement d’un prototype.
Si vous êtes intéressés, manifestez-vous via c.wyard@issep.be
- Évaluation et modélisation de la pollution atmosphérique en NO2 et particules fines générée par le trafic fluvial
La pollution de l’air liée aux péniches est méconnue. Dans la biblio on trouve principalement des évaluations de leurs émissions mais rarement des valeurs des concentrations à proximité directe. Dans le cadre de ce travail, nous souhaitons réaliser une étude bibliographique, évaluer l’impact par une campagne de mesure en bord de Meuse et en confronter les résultats à des simulations de dispersion. Les mesures du NO2 et des PMx seraient faites avec des ministations économes “Saïga”, utilisant des capteurs électrochimique et optique. Le responsable de cette étude devra déterminer une stratégie de placement des appareils le long des voies navigables et placer ceux-ci avec l’aide de l’équipe. Il sera aussi chargé de collecter les informations topographiques et météorologiques nécessaires pour alimenter le modèle lagrangien Austal ou GRAL, puis une fois les simulations réalisées avec l’aide de l’équipe là aussi, il devra analyser les résultats.
Si vous êtes intéressés, manifestez-vous via microcapteur@issep.be.
