From Land Cover to Land Use Systems Mapping: Detection and Characterization of Large Scale Agricultural Investments (LSAIs) from Satellite Imagery. Application to Senegal

Je m’appelle Yasmine Ngadi Scarpetta, doctorante à l’UMR Espace-Dev (IRD) et l’UMR Tetis (CIRAD) dans la Maison de la Télédétection (MTD) à Montpellier. Mon sujet porte sur la détection automatique des acquisitions (aussi appelées accaparements) de terre à grande échelle.
Bio-ingénieur en agronomie, j’ai collaboré pendant quelques années dans une unité de recherche à l’Université Libre de Bruxelles dédiée à l’exploitation et analyse de données satellitaires. Suite à cette expérience, je me suis spécialisée dans la télédétection avec un MSc spécialisé à l’Université d’Utrecht, et me suis mise en contact avec l’UMR Tetis qui m’a proposé un stage sur le sujet. L’interaction s’est tellement bien passée et le sujet est tellement intéressant, que j’ai décidé d’entreprendre une thèse.
Le projet de recherche sur lequel je travaille vise à explorer le potentiel des données satellite pour détecter et caractériser automatiquement, à différentes échelles, les acquisitions de terres à grande échelle (ATGE) agricoles. Des indicateurs directs et/ou indirects seront extraits et analysés en fonction des différents types d’ATGE recherchés. Ces travaux seront initialement menés à l’échelle nationale, au Sénégal.
Ce sujet m’intéresse car la problématique est importante dans mon pays d’origine (Colombie). Également, car c’est un sujet innovant, ‘challenging’, à fort impact social, qui combine mes différents domaines d’expertise (agronomie, télédétection, data mining). Dans cette première phase de recherche, l’utilisation de séries temporelles d’images satellites (SITS) pour la détection de changements liés à l’installation d’ATGEs apparait comme une technique prometteuse.

• Date de démarrage : 1er novembre 2020
• Université : Université de Montpellier
• Ecole doctorale : GAIA
• Discipline / Spécialité : Géomatique – Télédétection
• Directrices de thèse : Anne-Elisabeth Laques (IRD, UMR Espace-Dev), Agnès Bégué (CIRAD, UMR Tetis)
• Encadrante  : Valentine Lebourgeois (CIRAD, UMR Tetis)
• Financement : Contrat doctoral Université de Montpellier
• #DigitAg : Thèse cofinancée – Axe 5: Fouille de données, analyse de données, extraction de connaissances – Challenge 0 : sujet transversal et Challenge 6 : TIC et gestion du territoire agricole

Mots-clés : SITS, MODIS NDVI, land use and land cover change, BFASTm-L2, LSLA, unsupervised change detection, change metric

Résumé : Increasing demand for water, food and energy has led to dramatic competition for land, resulting in a global land rush in the form of large scale agricultural investments (LSAI). Due to their many potential negative impacts and the opacity surrounding them, accurate detection and characterisation of LSAIs in space and time is required. The increasing availability of dense satellite imagery time series (SITS), together with ever-improving change detection algorithms, is useful in this task. While SITS change detection algorithms are efficient at detecting abrupt and gradual changes phenological time series, there is still much room for improvement when it comes to detecting seasonal changes.
The primary objective of this research was to automatically detect, in an unsupervised manner, the implementation of LSAIs in Senegal based on remote sensing data. This work is structured around three interrelated papers. The first presents a fast and unsupervised approach (BFASTm-L2) developed to detect, in full MODIS NDVI SITS at the pixel level, the breakpoint associated with the largest pattern (i.e. mostly seasonal) change of the time series. Compared to other change detection algorithms (BFAST Lite, EDYN and BFAST monitor), BFASTm-L2 proved to be particularly sensitive to seasonal changes and efficient in highlighting LSAIs in Senegal. This supports the hypothesis that changes induced by land use systems such as LSAIs are very often of a seasonal type. The second paper sought to differentiate the contribution of LSAIs from the main drivers of change (climatic, natural and anthropogenic) at a national-scale, relying mainly on three time series-based change metrics calculated at the pixel level (magnitude of change, direction of change, dissimilarity), which, when combined into a unique composite map, provided insights into land dynamics. LSAIs were shown to have a specific ecoregional signature of change. Finally, the third paper aims to refine the detection of the deals by automatically locating potential hotspots of change related to LSAIs in two contrasting ecoregions of Senegal through the segmentation of a BFASTm-L2-based magnitude of change map combined with object-based K-means clustering. In this last study, key discriminative metrics (textural and structural) derived from higher resolution imagery (Landsat) were combined with the spectro-temporal ones coming from MODIS NDVI SITS to provide a generic characterization of LSAIs.
Through its specific focus on large-scale detection of LSAIs, this project contributed to the land change community by improving the understanding of land dynamics and the drivers of change behind the detected changes.

Composition du jury:
Damien ARVOR, CNRS, Université de Rennes, LETG, Rapporteur
Nicolas DELBART, Université Paris Cité, LIED, Rapporteur
Liam WREN-LEWIS, INRAE, Paris School of Economics (PSE), Examinateur
Carmen GERVET, IRD, Université de Montpellier, Espace-DEV, Examinatrice
Agnès BEGUE, CIRAD Montpellier, TETIS, co- Directrice de Recherche
Valentine LEBOURGEOIS, CIRAD Montpellier, TETIS, Encadrante
Anne-Elisabeth LAQUES, IRD Madagascar, Espace-DEV, co-Directrice de Recherche

Voir le mémoire de thèse

Réseaux sociaux : ResearchGate

Contact : valentine.lebourgeois[AT]cirad.fr