Missions

Le chercheur postdoctoral fera partie de l'équipe du CECI et sera responsable du développement et de l'évaluation d'un système d'assimilation de données adapté à la simulation du comportement des feux de forêt et de végétation. Il/elle travaillera sous la supervision de Mélanie Rochoux dans le cadre du projet ANR FIREFLY. Il/elle sera membre de la collaboration avec le CNRM/Météo-France, l'Université de Corse, l'Université Polytechnique de Catalogne et le Worcester Polytechnic Institute, liée à la quantification et la réduction des incertitudes dans la modélisation couplée atmosphère-incendie.

Activités

Contexte
Anticiper le comportement des incendies de forêt et de végétation est récemment devenue une question opérationnelle et scientifique essentielle en raison de l'émergence d'incendies extrêmes dans de nombreux écosystèmes à travers le monde et en particulier dans les écosystèmes forestiers méditerranéens qui sont particulièrement exposés au changement climatique. Le comportement des incendies extrêmes résulte des effets combinés de la topographie, de la météorologie et de la complexité des combustibles sur un large éventail d'échelles spatiales et temporelles. Pour faciliter la gestion de crises, il est nécessaire de développer une capacité de simulation à la demande capable de représenter la complexité du comportement des incendies, tant au niveau de la propagation en surface que du panache du feu, et d'estimer les scénarios d'incendie plausibles à l'échelle d'un événement. Une telle capacité nécessite la fusion (ou l'assimilation) de toutes les sources d'informations disponibles sur un incendie donné, c'est-à-dire les meilleurs modèles physiques et les données d’images infrarouges disponibles.

Outil de modélisation couplée atmosphère-feu
En étroite collaboration avec le CNRM, le CECI travaille depuis 2020 au développement du modèle couplé atmosphère-feu Meso-NH/BLAZE (Costes et al. 2021) pour explorer les interactions feu-atmosphère aux échelles géographiques et météorologiques. Un tel modèle couple simule la propagation du front de feu et la micro-météorologie au voisinage de l’incendie (en particulier, le vent induit par le feu en surface).

Objectifs
Ce qui est innovant dans ce travail postdoctoral est le développement d’une approche d’assimilation de données d’ensemble efficace et robuste, capable de corriger les paramètres de combustibles incertains et la position du front de feu, et de traiter les erreurs de position de front de manière adéquate. Ceci afin de produire des simulations plus précises avec le modèle couplé atmosphère-feu pour un évènement d’incendie donné.

Ce travail postdoctoral est organisé en 4 étapes de travail :

1) Analyse de sensibilité pour identifier les paramètres de combustibles les plus influents sur la propagation du feu et le vent induit par le feu, qui seront les plus importants à inférer par assimilation de données (Rochoux et al. 2014, Allaire et al. 2020). La collaboration avec Patrick Le Moigne et Margaux Peyrot (doctorante) du CNRM sera utile pour cette partie, sur la base des travaux en cours sur la modélisation des combustibles.

2) Émulation statistique du modèle couplé Meso-NH/BLAZE à partir de techniques d’apprentissage automatique adaptées de Lumet et al. (2025). L’émulateur sera entraîné à apprendre la réponse du modèle couplé à des variations des paramètres de combustibles incertains sélectionnés à l’étape 1.

3) Mise en place du système d’assimilation de données autour de l’émulateur construit à l’étape 2 pour accélérer l’étape d’estimation de paramètres et évaluation à l’aide d’expériences d’assimilation de données idéalisées. La meilleure façon de représenter les observations dans le processus d’assimilation de données sera étudiée (positions de front versus temps d’arrivée).

4) Application à un feu expérimental dans un environnement forestier mixte dans la “New Jersey Pinelands National Reserve » réalisée par le Worcester Polytechnic Institute et pour lequel des images infrarouges sont disponibles à haute résolution (Mueller et al. 2017).

Références
- Allaire et al. (2020), Generation and evaluation of an ensemble of wildland fire simulations, International Journal of Wildland Fire http://dx.doi.org/10.1071/WF19073
- Costes et al. (2021), Subgrid-scale fire front reconstruction for ensemble coupled atmosphere-fire simulations of the FireFlux I experiment, Fire Safety Journal, http://dx.doi.org/10.1016/j.firesaf.2021.103475
- Lumet et al. (2025), Uncertainty-aware surrogate modeling for urban air pollutant dispersion prediction, Building and Environment, http://dx.doi.org/10.1016/j.buildenv.2024.112287
- Mueller et al. (2017), Utilization of remote sensing techniques for the quantification of fire behavior in two pine stands, Fire Safety Journal, https://doi.org/10.1016/j.firesaf.2017.03.076
- Rochoux et al. (2014), Towards predictive data-driven simulations of wildfire spread – Part I: Reduced-cost Ensemble Kalman Filter based on a Polynomial Chaos surrogate model for parameter estimation, Natural Hazards and Earth System Sciences, http://dx.doi.org/10.5194/nhess-14-2951-2014

Compétences

Nous recherchons un jeune chercheur dynamique et enthousiaste pour rejoindre notre équipe au CECI/Cerfacs et faire progresser la modélisation des incendies de forêt et de végétation via l’assimilation de données.

Les candidats doivent être titulaires d'un doctorat récent en sciences de l'atmosphère ou dans une discipline proche avec une expérience en mathématiques appliquées, ou d'un doctorat récent sur l’apprentissage ou l’assimilation de données avec un intérêt marqué pour les questions relatives aux sciences de l'atmosphère et des incendies.
Les candidats doivent avoir des compétences avérées en matière de recherche, attestées par au moins une publication en tant que premier auteur en lien avec le sujet ou les activités du projet. D'autres critères essentiels pour ce poste sont une bonne connaissance de l'informatique et de la modélisation numérique.

Les candidats doivent être à l’aise pour le travail en équipe. La maîtrise de l'anglais, tant à l'oral qu'à l'écrit, est indispensable.

Les candidats sont invités à envoyer un CV, une lettre de motivation et les noms et adresses électroniques de deux références professionnelles via le portail emploi du CNRS (emploi.cnrs.fr). Une première phase de sélection sera effectuée sur la base du dossier de candidature. Les candidats sélectionnés seront ensuite contactés pour un entretien début septembre 2025.

Contexte de travail

L'unité de recherche CECI est un laboratoire commun entre le Centre européen de recherche et de formation avancée en calcul scientifique (Cerfacs), le Centre national de la recherche scientifique (CNRS) et l'Institut de recherche pour le développement (IRD).

Le CECI comprend une trentaine de chercheurs avec une forte expertise sur les modèles climatiques et environnementaux, le calcul de haute performance, les workflows de simulation et la gestion des données. Nous menons des recherches de pointe sur la variabilité du climat et les prévisions climatiques, l'océanographie et les sciences polaires, l'interaction air-mer, la détection et l'attribution du changement climatique et ses impacts, les événements extrêmes tels que les vagues de chaleur, les précipitations intenses et les sécheresses, ainsi que les risques environnementaux tels que la dispersion des polluants atmosphériques, les incendies de forêt et les inondations. Nous utilisons un large éventail de modèles numériques, de la simulation aux grandes échelles de tourbillon aux modèles globaux du système terrestre, ainsi que les algorithmes associés (assimilation de données, quantification des incertitudes, apprentissage, couplage de codes) pour relever nos défis scientifiques.

Sur le thème des feux de forêt, le CECI travaille en étroite collaboration avec le CNRM (Centre national de recherches météorologiques), unité de recherche de Météo-France et du CNRS, et plus récemment avec le CNES. Le CECI bénéficie également de collaborations avec l'Université de Corse, l'Université polytechnique de Catalogne (UPC), le Worcester Polytechnic Institute (WPI), l'INRAE et le CESBIO (Observatoire Midi-Pyrénées).