Missions

Le travail proposé s'inscrit dans le cadre du projet ANR ARGONAUT qui vise une meilleure estimation des émissions anthropiques françaises à haute résolution pour les principaux polluants (oxydes d'azote - NOx, monoxyde de carbone - CO et composés organiques volatils non méthaniques - NMVOCs) et le dioxyde de carbone (CO2) par inversion atmosphérique. Ces inversions atmosphériques s'appuient sur le système de modélisation inverse variationnel CIF-CHIMERE et les images satellitaires de S5P/TROPOMI principalement. Dans ce cadre, le candidat (H/F) aura en charge les inversions des émissions de NOx à partir des observations de NO2 de TROPOMI et leur évaluation.

Activités

- Études bibliographiques sur la modélisation inverse et les observations TROPOMI
- Prise en main du système d'inversion variationnelle CIF-CHIMERE pour les gaz réactifs
- Inversion des émissions de NOx et COVs sur plusieurs périodes de tests.
- Évaluation des résultats par comparaison à d’autres inventaires ou à des observations de surface
- Présentation des résultats en réunion de projets et en conférences nationales et internationales
- Rédaction de rapports, abstracts et articles scientifiques

Compétences

Doctorat en science de l'atmosphère, de l'environnement ou disciplines proches
Expérience en modélisation de la chimie et du transport atmosphérique et en assimilation de données (notamment satellitaires) ou méthodes statistiques
Excellente connaissance en programmation scientifique (Python, Fortran)
Maitrise de l'environnement Linux
Expérience dans la manipulation de gros jeux de données
Rigueur et curiosité scientifiques
Autonomie et esprit d'initiative mais avec une bonne capacité de travail en équipe
Qualités rédactionnelles et d'expression orale, en anglais.

Contexte de travail

L’industrialisation et l’urbanisation de la société ont conduit à la dégradation de la qualité de l’air (QA) et au Changement Climatique (CC). La société est confrontée à des défis environnementaux majeurs avec le besoin de développer des politiques environnementales coordonnées au niveau des territoires aussi bien que des nations pour limiter l’impact des émissions de polluants et Gaz à Effet de Serre sur la QA et le CC. L’objectif principal du projet ANR ARGONAUT est de fournir des estimations des émissions anthropiques françaises à haute résolution pour les principaux polluants (oxydes d’azote - NOx, monoxyde de carbone - CO et composés organiques volatils non méthaniques - NMVOCs) et le dioxyde de carbone (CO2) en s’appuyant sur l’inversion atmosphérique et la nouvelle génération de satellites d'observation de la composition atmosphérique (Sentinel-5P/TROPOMI, CO2M). Pour réaliser des inversions atmosphériques performantes, l’imagerie à haute résolution est essentielle, notamment pour exploiter les corrélations locales entre les sources, séparer celles-ci, et quantifier la contribution anthropique et l’évolution de leurs émissions. Dans le cadre du projet ARGONAUT, un système d’inversion atmosphérique adapté à l'exploitation de cette imagerie à haute résolution a été développé. In fine, le projet vise à identifier la valeur ajoutée des approches d'inversion atmosphérique basée sur l'assimilation d'images satellites et des inventaires d’émissions résultants pour les services opérationnels tels que la prévision et l’évaluation de l’exposition aux polluants ou la surveillance des émissions locales de CO2.

Informations complémentaires

Le LISA (Laboratoire Interuniversitaire des Systèmes Atmosphériques), UMR CNRS 7583 est une unité mixte de l'Université Paris-Est Créteil, de l'Université Paris Cité et du CNRS. Il fait partie de l'Observatoire des Sciences de l'Univers EFLUVE et de la Fédération de recherche IPSL. Ses principaux thèmes de recherche portent sur la compréhension du fonctionnement des atmosphères terrestres et planétaires, et des impacts liés à la modification de la composition de l'atmosphère par les activités humaines. Les méthodes utilisées sont fondées sur des observations en atmosphère réelle, sur de la simulation expérimentale en laboratoire et de la modélisation numérique.