Sélection de variables pour la régionalisation statistique du climat destinée à l’étude des risques hydrologiques

Retour à la liste des résultats

Présentation INRAE

L’Institut national de recherche pour l’agriculture, l’alimentation et l’environnement (INRAE) est un établissement public de recherche rassemblant une communauté de travail de 12 000 personnes, avec 272 unités de recherche, de service et expérimentales, implantées dans 18 centres sur toute la France. INRAE se positionne parmi les tout premiers leaders mondiaux en sciences agricoles et alimentaires, en sciences du végétal et de l’animal. Ses recherches visent à construire des solutions pour des agricultures multi-performantes, une alimentation de qualité et une gestion durable des ressources et des écosystèmes.

L'UMR RECOVER (Risques, Ecosystèmes, Vulnérabilité, Environnement, Résilience) est une unité mixte INRAE - Aix-Marseille université centrée sur le fonctionnement des écosystèmes et les risques naturels. Ses objectifs sont :

• d’une part de développer la connaissance régionale pour les risques liés aux incendies, à l’hydrologie, au bon fonctionnement des ouvrages hydrauliques, ainsi que l’aide à la décision dans ce domaine
• d’autre part d’étudier la dynamique des écosystèmes aquatiques et forestiers sous la contrainte du changement global, la problématique de la restauration des écosystèmes et de développer des outils et méthodes pour l’évaluation de l’état des écosystèmes.

Environnement de travail, missions et activités

Contexte

L’information liée au changement climatique est disponible grâce aux simulations de modèles de climat planétaire. Cette information est usuellement trop grossière pour analyser les impacts et risques du changement climatique et nécessite une étape de « régionalisation » du climat. Une façon de faire cela consiste à construire une relation statistique entre ces simulations qui donnent l’information dite grande échelle et les données d’observations locales – par exemple les précipitations.

Pour cela, il faut d’abord choisir les variables à grande échelle expliquant le mieux les variables d’intérêt à l’échelle locale des risques. Ce choix doit se faire de façon à caractériser les processus physiques impliqués dans les variations des variables locales. Il n’existe que très peu d’études systématiques pour cela et la pertinence des variables à grande échelle dans un contexte de changements climatiques n’est que rarement abordée.

Objectifs

Ce stage sélectionnera les variables grande échelle expliquant le mieux les variations des précipitations par une approche en deux étapes. Une première étape consiste à réduire la dimensionnalité du problème permettant de résumer l’information pour la variabilité des précipitations. Cet espace de faible dimension (ou espace latent) peut être construit avec des méthodes classiques en statistiques (analyse en corrélations canoniques, CCA) ou avec des méthodes d’apprentissage profond (variational auto-encoder, VAE). La seconde étape permettra de valider la pertinence des variables choisies par une analyse des régimes pluviométriques par classifications et/ou par des simulations des précipitations. Dans le cas du VAE ces deux étapes pourront être réalisées simultanément.

L'objectif principal du stage est d’implémenter une méthode statistique robuste et versatile qui permette de choisir les meilleures variables caractérisant les relations physiques dominantes entre les variables grande échelle et les précipitations dans un contexte de changement climatique. La région d’intérêt sera d’abord la méditerranée française afin de
nous appuyer sur des expériences antérieures et des jeux de données bien connus. La robustesse de la méthode pourra être testée par son adaptation à d’autre régions climatiques.

Travail demandé

Les principales activités à mener durant le stage seront les suivantes :

1. Revue bibliographique des données, méthodes statistiques et du climat de la région d’intérêt.
2. Prise en main et pré-traitement des jeux de données.
3. Mise en place d’une première méthode en utilisant un cadre de modélisation existant (par ex. CCA/VAE + classification/simulation).
4. Évaluation et amélioration de la méthode dans un contexte de climat historique et de changement climatique.
5. Test de robustesse de la méthode à différentes régions climatiques en particulier sur les outres-mers français.
    

Le stage s’inscrit dans l’équipe RHAX (Risques Hydrométéorologiques) localisée sur le site d’Aix-Le Tholonet où se déroulera le stage.

Des réunions et/ou déplacements en région parisienne pourront être envisagées pour travailler avec les climatologues du laboratoire des sciences du climat et de l’environnement (LSCE).

Formations et compétences recherchées

Master 2 en modélisation statistique ou école d’ingénieur

Maîtrise d’un langage de programmation (idéalement R, Python possible).

Connaissance de l'environnement unix et d’un langage shell souhaitable.

Intérêt pour le changement climatique et l’analyse de grands jeux de données.

Votre qualité de vie à INRAE

En rejoignant INRAE, vous bénéficiez (selon le type de contrat et sa durée) :

- jusqu'à 30 jours de congés + 15 RTT par an (pour un temps plein)
- de dispositifs de développement des compétences : formation, conseil en orientation professionnelle ;
- de la prise en charge à 50 % de votre cotisation à la complémentaire santé collective ;
- d'un soutien à la parentalité : CESU garde d'enfants, prestations pour les loisirs ;
- d'un accompagnement social : conseil et écoute, aides et prêts sociaux ;
- de prestations vacances et loisirs : chèque-vacances, hébergements à tarif préférentiel ;
- d'activités sportives et culturelles ;
- d'une restauration collective.

Modalités pour postuler

J'envoie mon CV et ma lettre de motivation