En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre FR636-EVEMAG-044 - Post-doctorant-(H/F), utilisation de méthodes d'apprentissage automatique pour mieux évaluer les flux de surface dans les modèles climatiques à partir d'observations long-terme.

Post-doctorant-(H/F), utilisation de méthodes d'apprentissage automatique pour mieux évaluer les flux de surface dans les modèles climatiques à partir d'observations long-terme.

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : mercredi 19 mai 2021

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : FR636-EVEMAG-044
Lieu de travail : GUYANCOURT
Date de publication : mercredi 28 avril 2021
Type de contrat : CDD Scientifique
Durée du contrat : 15 mois
Date d'embauche prévue : 1 septembre 2021
Quotité de travail : Temps complet
Rémunération : de 2728 € brut à 3881 € brut, selon expérience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : 1 à 4 années

Missions

Objectifs -Le programme international de coordination scientifique “Global Energy and Water cycle Exchanges” (GEWEX) du “World Climate Research Program” (WCRP) a insisté sur l'importance du couplage surface-atmosphère dans les modèles de prévision du temps et du climat. Une enquête récente (Fev. 2019) du groupe de travail sur l'expérimentation numérique (WGNE) sur les erreurs systématiques des modèles a conclu que les erreurs importantes dans la modélisation des flux de surface étaient le second problème le plus important. Le projet ANR français MOSAI (Models and Observations for Surface Atmosphere Interactions) a ainsi pour objectif de réduire les biais des modèles de prévision numérique du temps et de climat en se focalisant sur trois questions scientifiques majeures:
• A quel point l'utilisation d'observations locales permet d'évaluer de manière juste les simulations des échanges entre la surface continentale et l'atmosphère ?
• Peut-on proposer de nouvelles méthodes de comparaison entre les modèles et les observations ?
• Peut-on améliorer le couplage entre la surface et l'atmosphère dans les modèles ?

Le travail proposé ici concerne le deuxième point. En effet, les méthodes actuelles de comparaison des valeurs brutes des flux modélisés avec les valeurs observées localement ne permettent pas de déterminer les causes des disparités qui peuvent être multiples, notamment du fait des échelles spatiales différentes entre les deux jeux, des conditions atmosphériques et dans le sol qui ne sont pas semblables non plus, et bien sûr du fait des paramétrisations des flux imparfaites. Quelques études se sont intéressées à la dépendance entre variables pour mieux distinguer les raisons des écarts entre les flux simulés et les flux observés, mais elles se sont généralement limitées à un site, un modèle et/ou l'utilisation de critères de dépendance uniquement pour quelques variables prises 2 à 2. L'objectif de l'étude est de développer une méthode appropriée pour identifier les faiblesses des différents modèles impliqués dans le projet MOSAI en fonction des conditions atmosphériques, des échelles de temps considérées, des usages des sols variés et de quantifier la sensibilité des flux de surface aux conditions de surface, au rayonnement et autres paramètres atmosphériques pertinents.
Methodologie - L'approche se basera sur l'utilisation de modèles statistiques d'apprentissage liant les variables environnementales (e.g rayonnement, humidité des sols, vent, température, humidité) aux flux de surface. Le modèle sera construit à partir d'observations long-terme et appliqué aux sorties de modèle pour les évaluer.

Activités

La personne recrutée aura les responsabilités suivantes, à mener en collaboration avec les autres scientifiques impliqué.e.s dans le projet ainsi qu'avec l'équipe SPACE du LATMOS:
• Préparer les jeux de données observés et issus des simulations sur les différents sites MOSAI permettant cette étude
• Identifier et adapter les méthodes statistiques adéquates pour chaque site à partir des observations disponibles.
• Evaluer les simulations avec les méthodes préalablement mises en place.
• Présenter les résultats de cette étude dans une publication et au cours d'un workshop du projet MOSAI ainsi que dans une conférence internationale si possible

Compétences

- Doctorat en sciences atmosphériques avec un intérêt et une expérience dans les domaines suivants:
o Méthodes d'apprentissage automatique pour l'analyse des données
o Intéractions surface-atmosphère et flux de surface
o Modèles de prévision du temps ou modèles de climat (global ou régional)
- Bon niveau d'anglais à l'écrit et à l'oral
- Être autonome dans l'environnement linux avec des connaissances en shell, python ou R, et la manipulation des fichiers au format netcdf

Contexte de travail

Le projet MOSAI regroupe 7 laboratoires français (CESBIO, CNRM, GET, ISPA, IGE, LAero, LATMOS, LMD) avec environ 40 personnes impliquées. Sa durée est de 4 ans (2021-2025). MOSAI bénéficie des observations des infrastructures de recherche ACTRIS-FR et ICOS. Il est aussi lié au projet ANR HILIAISE, et au projet "Paris 2024".

Situation de l'emploi et conditions :
La personne recrutée sera basée au LATMOS à Guyancourt. Des missions au Laboratoire d'Aérologie à Lannemezan ou Toulouse seront possibles pour favoriser la collaboration. A noter que du fait de la situation sanitaire actuelle liée au Covid-19, le télétravail partiel peut être rendu obligatoire jusqu'à ce que la situation s'améliore.

On en parle sur Twitter !