Missions

Développer des méthodes statistiques innovantes afin d’améliorer la qualité des données BGC-Argo dans Copernicus Marine Service.

Activités

- Concevoir et développer des méthodes statistiques innovantes pour le traitement et l'analyse des données océaniques.
- Utiliser des techniques avancées de machine learning pour améliorer la précision des estimations des paramètres bio-optiques.
- Collaborer avec les autres membres de l'équipe pour valider et affiner les modèles développés.
- Rédiger des rapports techniques sur les résultats des recherches.
- Présenter les travaux lors de conférences et de réunions scientifiques.
- Contribuer à l’élaboration de nouvelles stratégies pour l’intégration et l’exploitation des données océaniques biogéochimiques dans le cadre du Copernicus Marine Service.

Compétences

Connaissances requises :
- Connaissances en océanographie et biogéochimie marine.
- Mathématiques, statistiques.
- Techniques de machine learning et d'analyse de données.
- Expertise en langages de programmation (Python, R, Shell).
- Langue anglaise : B2 (cadre européen commun de référence pour les langues).

Savoir-faire requis :
- Capacité à développer et implémenter des algorithmes complexes pour l’analyse des données océaniques.
- Solide maîtrise du langage de programmation Python.
- Compétence en gestion et traitement de grandes bases de données hétérogènes.
- Être capable de créer des visualisations claires et informatives.
- Capacité à rédiger des documents scientifiques et techniques de haute qualité.
- Expérience en collaboration avec des équipes de recherche.

Savoir être :
- Bon relationnel et sens du travail en équipe.
- Disponibilité et réactivité.
- Sens de l’analyse et force de proposition.
- Adaptabilité et autonomie.
- Organisation et rigueur.

Contexte de travail

Le poste est à pourvoir au sein du Laboratoire d'Océanographie de Villefranche (LOV; https://lov.imev-mer.fr/web/), plus précisément dans l’équipe OMTAB (Optique Marine, Télédétection et Applications Biogéochimiques; https://lov.imev-mer.fr/web/team-omtab/). Le LOV est un institut de recherche renommé situé à Villefranche-sur-Mer (06), spécialisé dans l'étude des processus océanographiques et biogéochimiques.

L'équipe OMTAB et le programme BGC-Argo
L'équipe OMTAB joue un rôle crucial dans le programme BGC-Argo (Biogeochemical-Argo; https://biogeochemical-argo.org/). BGC-Argo est une des composantes du programme international Argo, qui utilise un réseau mondial de 3 500 flotteurs autonomes pour mesurer des paramètres océaniques et les transmettre par satellite. Les données BGC-Argo se concentrent sur six variables biogéochimiques clés : trois variables bio-optiques que sont la concentration en chlorophylle-a, la concentration en particules ainsi que l’irradiance, mais aussi des variables chimiques comme la concentration en nitrates, l’oxygène dissous et le pH. Bien que récent, le programme BGC-Argo a connu une croissance exponentielle et représente aujourd'hui l'une des plus grandes bases de données sur la biogéochimie océanique.

L’équipe OMTAB et le Copernicus Marine Service
À partir des données collectées par les flotteurs BGC-Argo, l'équipe OMTAB développe et met à disposition des produits supérieurs, tels que des champs globaux 3D de la concentration en chlorophylle-a, utiles notamment aux modélisateurs (https://data.marine.copernicus.eu/product/MULTIOBS_GLO_BIO_BGC_3D_REP_015_010/description). Ces produits sont distribués de manière opérationnelle via le Thematic Assembly Center (TAC) MULTIOBS du service européen Copernicus Marine Service (https://marine.copernicus.eu/fr).

Contexte : projet BGC-OptiQ
Lancé en 2016, le réseau BioGeoChemical (BGC)-Argo a déjà collecté la plus grande base de données à ce jour pour les Variables Océaniques Essentielles (EOVs). Cependant, un défi majeur demeure : garantir la livraison en temps voulu de données de haute qualité aux utilisateurs finaux.
Pour répondre à ce défi, le projet BGC-OptiQ (pour BioGeoChemical-Argo Optimization of data Quality, projet porté par le LOV et ACRI-ST), vise à améliorer la qualité de trois EOVs optiques acquises à la fois par BGC-Argo et par la radiométrie de la couleur de l'océan satellitaire (OCR). Ces variables incluent la concentration de Chlorophylle-a (Chla) qui est un estimateur de la biomasse phytoplanctonique, le coefficient de rétrodiffusion des particules qui est un estimateur du carbone organique particulaire (POC), ainsi que l’irradiance descendante.

Les objectifs principaux du projet BGC-OptiQ sont:
Amélioration de la précision de la Chla (LOV) : Utilisation d'une approche basée sur le machine learning pour quantifier l’amélioration de la qualité des données de Chla dans la base de données BGC-Argo. Cette approche repose sur une base de données de référence globale in situ issue de la chromatographie liquide à haute performance (HPLC).
Développement statistique pour qualifier les données optiques (LOV) : Développement de méthodes statistiques utilisant les produits livrés par Copernicus Marine Service comme référence, pour qualifier et améliorer de manière quasi automatique les données BGC-Argo des trois EOVs optiques.
Quantification des incertitudes (ACRI-ST) : Affiner les méthodes pour quantifier les incertitudes associées à chaque EOV.
Dans l'ensemble, BGC-OptiQ devrait compléter les efforts existants de gestion et de qualification des données menés par le Global Data Assembly Center (GDAC) d'Argo et améliorer la diffusion des données BGC-Argo par le Copernicus Marine Service (dans le cadre des Thematic Assembly Center INSITU et MULTIOBS).

Les missions de la personne recruté(e) s'inscrivent principalement dans les objectifs 1) et 2) du projet BGC-OptiQ.

Contraintes et risques

néant

Informations complémentaires

Pour plus d'information sur le poste, ne pas hésiter à contacter Raphaëlle Sauzède (raphaelle.sauzede@imev-mer.fr)