Offre en laboratoire
Nom de la structure
LATMOS - UVSQ

Deep learning pour la prévision à court terme des précipitations

Deep learning pour la prévision à court terme des précipitations

  • contexte
  • LATMOS - UVSQ
  • Thématique et environnement du Stage
  • Description de l'offre

Postuler à l'offre

Partager

twlkfbml

Informations générales

Type de contrat
Stage
Durée du contrat
6 mois
Niveau d'étude
Master 2
Contact

laurent.barthes@latmos.ipsl.fr

Date de prise de poste
01-03-2024
Métier
IR
Thématique
Autre
LATMOS - UVSQ

Le Laboratoire Atmosphères, Observations Spatiales (LATMOS) est une unité mixte de recherche spécialisée dans l'étude des processus physico-chimiques régissant les atmosphères terrestre et planétaires et leurs interfaces avec la surface, l’océan, et le milieu interplanétaire. Le Laboratoire a développé une forte compétence instrumentale, construit des instruments innovants déployés depuis le sol et parfois mis en orbite ou partant à la rencontre d’autres corps du système solaire. Des modèles numériques d'atmosphère sont également développés et utilisés pour interpréter les diverses observations.

Accès par RER C, Train ligne N, Bus depuis Palaiseau

Adresse

11 Bd d'Alembert
78280 Guyancourt
France

Détail de l'offre (poste, mission, profil)
Ancre
Thématique et environnement du Stage
Corps de texte

Mots clefs

IA pour la télédétection, deep learning, prévision météorologique, précipitation, évènements extrêmes

Profil souhaité

Etudiant en cycle M2 ou équivalent

Equipe encadrante 

Cécile Mallet, Aymeric Chazottes, Nicolas Viltard, Baptiste Guigal, Laurent Barthès

Environnement de travail

Au sein de l’équipe SPACE du LATMOS le stage sera encadré de façon collégiale par une équipe composée de quatre chercheurs experts en apprentissage statistique et/ou en processus physiques des précipitations ainsi que par un doctorant en seconde année de thèse CIFRE (en collaboration avec l’entreprise BOWEN/NOVIMET spécialisée dans le développement de radars météorologiques et des traitements associés).

Moyens disponibles

Le stage est réalisé dans le cadre de l’Action stage en IA & Climat de l’EUR-IPSL, le stagiaire pourra bénéficier d’un dialogue ouvert avec le groupe de travail dédié à la communauté des chercheurs, ingénieurs et étudiants de l’IPSL qui utilisent l’IA comme outil de recherche par le biais d’un Slack dédié, ainsi que d’une journée de formation et de discussions début Avril, d’un accès au cluster GPU du mésocentre d’IPSL (environnement Pytorch), et participera à une journée de présentation de posters en fin de stage au Sorbonne Center for Artificial Intelligence (SCAI).

Rénumération

Selon les règles du CNRS, soit environ 600€ net / mois + 50% carte Navigo

 

Ancre
Description de l'offre
Corps de texte

Contexte général

La prévision à court terme des précipitations (30 min à 2 heures) encore appelée prévision immédiate des précipitations (rain nowcasting) est cruciale dans de multiples secteurs de nos sociétés. Cela est particulièrement vrai dans les domaines de la circulation autoroutière, les systèmes d'alerte précoce contre les inondations subites (flash flood), mais aussi les services d'urgence, la gestion de l'énergie, le contrôle du trafic aérien, etc. Les systèmes de prévisions immédiates se doivent de fournir des informations pertinentes avec des marges d’erreur acceptables même en présence de situations extrêmes.

Objectif du stage

Il existe de nombreux modèles de prévision immédiate des précipitations basés sur l’exploitation en quasi temps réel d’observations radars météorologiques (notamment en France le réseau ARAMIS de Météo France). Ces modèles font appel à des principes variés tels que l’assimilation de données, les méthodes de flux optiques, les méthodes d’apprentissage avec des réseaux profonds, etc. L’étude de leurs performances sur un jeu de données commun montre toutefois qu’aucun de ces modèles n’apportent une plus-value substancielle par rapport aux autres.
L’objectif du stage est de tester l’hypothèse selon laquelle l’apport de données auxiliaires permettrait d’accroitre de façon significative la prévision immédiate des précipitations.

Méthodes et Données

Dans cette optique, le stagiaire devra adapter les modèles de Deep-Learning développés par l’équipe de type Sma_Unet et Conv_LSTM afin de prendre en compte un ou plusieurs types de données auxiliaires telles que des informations de topographie (modèle numérique de terrain), des observations spatiales (MTG infrared Sounder) ou de statistiques de cumul de pluie. L’apprentissage et l’analyse des performances des modèles développés s’appuieront sur les champs précipitants fournis par Météo-France (Mosaïque Météo-France), une base de donnée qui couvre l’ensemble de la métropole sur une période de 15 ans  avec un pas d’échantillonnage de 5 minutes est disponible.

Résultats attendus

L’amélioration du modèle sera évaluée dans un premier temps pour la région île de France en considérant la précision de la prédiction en termes d’horizon de prévision et/ou de quantité d’eau précipitée et/ou de la localisation.
Une étude bibliographique relative aux méthodes de fine-tuning et à la question de la généralisation out of distribution sera réalisée afin d’évaluer la capacité du modèle à généraliser sur des régions présentant des caractéristiques météorologiques différentes (pourtour méditerranéen notamment) et/ou sur des observations de champ précipitant légèrement différentes (radar bande X de la société BOWEN).

Valorisation

En fonction des résultats obtenus le travail réalisé pourra être valorisé dans le cadre des collaborations en cours de l’équipe au sujet de la quantification et de la prévision à court terme des précipitations (entreprise BOWEN/NOVIMET, start-up HDrain, Météo-France, Advanced Radar Research Center (ARRC) University of Oklahoma (USA), Indian Institute of Technology Hyderabad (Inde)

Un article concernant le nowcasting : Ravuri et al., 2021 : https://www.nature.com/articles/s41586-021-03854-z

Possibilité de poursuite en thèse

Un dossier de demande de bourse de thèse concernant un sujet en IA appliqué à la télédétection des précipitations sera déposé par l’équipe proposante

Si vous êtes intéressé par ce stage, envoyez votre candidature à laurent.barthes@latmos.ipsl.fr