Thèse Apprentissage Automatique pour l'Étude de l'Activité Photosynthétique Continentale H/F - 75

Établissement : Université Paris-Saclay GS Géosciences, climat, environnement et planètes
École doctorale : Sciences de l'Environnement d'Ile-de-France
Laboratoire de recherche : Laboratoire des Sciences du Climat et de l'Environnement - DRF
Direction de la thèse : Fabienne MAIGNAN ORCID 0000000150245928
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-03-22T23:59:59

La production primaire brute (GPP) terrestre, qui représente la quantité de dioxyde de carbone (CO) absorbé par les écosystèmes, constitue un indicateur important de la réponse des écosystèmes au changement climatique. Sa sensibilité aux variations de température, de disponibilité en eau et de CO2 reste cependant difficile à quantifier, en raison notamment des interactions complexes entre physiologie foliaire, structure du couvert et statut hydrique, et des limites des modèles de surfaces continentales existants.

La GPP résulte de processus agissant à différentes échelles : le climat contrôle la phénologie et la dynamique de l'indice de surface foliaire (LAI) à l'échelle saisonnière, tandis qu'à l'échelle journalière le rayonnement, la température et l'eau modulent respectivement l'énergie disponible, la cinétique enzymatique et l'ouverture stomatique. Le transfert radiatif au sein du couvert gouverne l'absorption du rayonnement photosynthétiquement actif et le partage de l'énergie entre assimilation, fluorescence et dissipation thermique.

Les observations satellitaires, telles que la fluorescence chlorophyllienne induite par le soleil (SIF), le LAI, l'épaisseur optique de la végétation (VOD) ou la teneur en chlorophylle foliaire (LCC), offrent des informations complémentaires sur le fonctionnement du couvert végétal, mais leur intégration cohérente reste un défi méthodologique.

Les études récentes en apprentissage automatique, et en particulier les modèles fondamentaux géospatiaux (geo-foundation models), ont montré leur capacité à extraire des relations complexes à partir de jeux de données vastes et hétérogènes.

Dans ce contexte, cette thèse vise à développer un modèle géo-fondamental guidé par des contraintes biogéophysiques afin d'apprendre une représentation latente intégrée de l'état fonctionnel du couvert. La dynamique de cet espace latent sera analysée en relation avec les variables météorologiques pour caractériser les réponses de la GPP aux forçages climatiques. Les sorties du modèle ORCHIDEE seront projetées dans cet espace latent afin d'évaluer sa capacité à reproduire ces relations, notamment sous stress hydrique, et des paramètres du modèle seront ensuite calibrés pour mieux les reproduire. Les résultats attendus incluent une meilleure compréhension et une meilleure simulation des réponses de la GPP au changement climatique.

La production primaire brute terrestre (GPP) représente la quantité de CO fixée par les écosystèmes continentaux via la photosynthèse. Les modèles de surfaces continentales simulent cette variable mais sa sensibilité au changement climatique, en particulier aux événements extrêmes, reste cependant associée à des incertitudes importantes. Ces incertitudes tiennent à la complexité des interactions entre physiologie foliaire, structure du couvert végétal et contraintes hydriques, ainsi qu'aux limites des modèles de surfaces continentales pour représenter ces processus.

La GPP résulte de processus agissant à plusieurs échelles. À l'échelle saisonnière, le climat contrôle la phénologie et la dynamique de l'indice de surface foliaire (LAI). À l'échelle journalière, le rayonnement détermine l'énergie disponible, la température régule la cinétique enzymatique et la disponibilité en eau module l'ouverture stomatique. L'architecture du couvert gouverne le transfert radiatif et l'absorption du rayonnement photosynthétiquement actif, dont l'énergie est répartie entre assimilation, fluorescence et dissipation thermique.

Les observations satellitaires offrent des informations complémentaires sur ces différentes dimensions. L'indice foliaire (LAI) renseigne sur la structure du couvert et conditionne l'interception lumineuse et le transfert radiatif. La teneur en chlorophylle foliaire (LCC) informe sur la capacité d'absorption et le potentiel photosynthétique. L'épaisseur optique de la végétation (VOD) est sensible au contenu en eau et reflète le statut hydrique du couvert. La fluorescence chlorophyllienne induite par le soleil (SIF) constitue un indicateur direct de l'activité photosynthétique, tout en étant influencée par la structure et les propriétés optiques du couvert. Leur combinaison permet d'approcher l'état fonctionnel intégré du couvert végétal.

Cependant, l'intégration cohérente de ces jeux de données hétérogènes demeure un défi méthodologique. Les modèles fondamentaux géospatiaux, capables d'apprendre des représentations latentes à partir de grands volumes de données multimodales, offrent une opportunité pour identifier les schémas fonctionnels dominants du couvert végétal à l'échelle globale.

Dans ce contexte, la thèse propose d'utiliser ces approches pour construire une représentation intégrée et cohérente de l'état du couvert végétal. L'analyse de la dynamique de cet espace latent en relation avec les forçages climatiques conduira à caractériser la réponse de la GPP aux changements climatiques. Ce travail permettra d'évaluer et d'améliorer la capacité des modèles de surfaces continentales, tels qu'ORCHIDEE, à représenter ces réponses, notamment en conditions de stress hydrique.

Les études récentes en apprentissage automatique, et en particulier les modèles fondamentaux géospatiaux (geo-foundation models), ont démontré leur capacité à extraire des relations complexes à partir de données satellitaires vastes et hétérogènes. Dans ce contexte, cette thèse vise à développer une nouvelle génération de modèles géo-fondamentaux afin de mieux comprendre et caractériser les réponses de la production primaire brute (GPP) terrestre au changement climatique à partir de produits de télédétection disponibles.

Plus spécifiquement, les objectifs scientifiques sont les suivants :
- Développer un modèle géo-fondamental guidé par des contraintes biogéophysiques et exploiter des jeux de données satellitaires multi-capteurs décrivant des variables écophysiologiques complémentaires afin d'apprendre des représentations latentes robustes du fonctionnement du couvert végétal.
- Analyser la dynamique de cette représentation latente en relation avec les variables météorologiques afin de quantifier les réponses de la GPP aux forçages climatiques.
- Évaluer la capacité du modèle de surfaces continentales ORCHIDEE à reproduire ces relations, notamment en conditions de stress hydrique.
- Calibrer les paramètres du modèle ORCHIDEE pour améliorer la reproduction de ces relations.

La méthodologie s'articule autour des étapes suivantes.
1.Apprentissage de l'espace latent
Développement d'un modèle géo-fondamental apprenant une représentation synthétique du couvert à partir des observations satellitaires, sous contraintes biogéophysiques. Différentes combinaisons de variables (par ex. SIF-LAI, SIF-VOD, SIF-LCC) seront comparées afin d'identifier l'ensemble le plus pertinent pour caractériser l'état fonctionnel du couvert.
2. Analyse des réponses climatiques
Les champs météorologiques (e.g., rayonnement, température, précipitations) seront utilisés pour caractériser la sensibilité et la dynamique de l'espace latent, afin d'identifier les réponses structurelles et physiologiques du couvert aux variations climatiques.
3. Évaluation et assimilation dans ORCHIDEE.
Un émulateur sera développé pour projeter les sorties d'ORCHIDEE dans l'espace latent appris. Cette projection permettra de comparer états observés et simulés, puis d'ajuster les paramètres du modèle par assimilation de données afin d'améliorer la représentation des réponses du couvert au changement climatique.