Retrouvez tous les événements.
Avec la communauté scientifique française sur le 7e rapport d’évaluation du GIEC
28/06/2024 09:30
Une journée de réflexion collective de la communauté scientifique française impliquée dans la recherche sur le changement climatique est organisée dans le cadre des travaux de son 7e cycle engagés par le Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC).
Journée scientifique SIRTA 2024
12/06/2024 09:30
Le SIRTA, Observatoire de Recherche Atmosphérique de l’Institut Pierre-Simon Laplace, organise cette année sa 23e Journée Scientifique.
Forum International de la Météo et du Climat 2024 / L’exposition Grand Public
31/05/2024 09:00
La 21e édition du Forum de la Météo et du Climat revient au printemps avec 3 temps forts pour le grand public et les professionnels !
« Premier ‹ Précédent 1 4 12 13 14 15 16 24 44 Suivant › Dernier »
Retrouvez tous les séminaires.
Phytoplankton community response to atmospheric dust addition in the Arabian Sea under different CO2 levels : An experimental Approach
28/06/2023 11:00
The Indian Ocean receives nearly one-fourth of the global atmospheric dust deposition which is about 113 Mt. yr− 1 and the Arabian Sea is vulnerable to dust supply which can potentially modulate its surface water biogeochemical processes, particularly, phytoplankton communities.
Mathematical perspectives on the study of the Gulf Stream separation problem
27/06/2023 11:00
The work presented on this poster is the very beginning of the research I will be carrying out during my PhD thesis on the Gulf Stream separation. We present here some ideas to draw a mathematical formalism to study this oceanography problem.
Unravelling the air quality puzzle in emerging markets – driving science-based policy to clean air in the developing world
23/06/2023 14:00
Stuart Piketh, Professeur à l’Université de North-West en Afrique du Sud et invité à l’IPSL en 2023, est spécialiste des questions de pollution atmosphérique (émission, transport et impact).
« Premier ‹ Précédent 1 65 73 74 75 76 77 85 134 Suivant › Dernier »
Retrouvez toutes les soutenances de thèses et de HDR.
Conception de modèles d'apprentissage profond pour les inversions de surface et atmosphériques à partir du sondeur infrarouge IASI
02/07/2024 10:00
L’observation de la Terre est essentielle pour comprendre et surveiller le comportement complexe de notre planète. Les satellites, équipés d’un certain nombre de capteurs sophistiqués, constituent une plateforme clé à cet égard, offrant une opportunité d’observer la Terre à l’échelle globale et de manière continue. Les tech- niques d’apprentissage automatique (ML) sont utilisées depuis plusieurs décennies, dans la communauté de la télédétection, pour traiter la grande quantité de données générées quotidiennement par les systèmes d’observation de la Terre. La révolution apportée par les nouvelles techniques de Deep Learning (DL) a toute- fois ouvert de nouvelles possibilités pour l’exploitation des observations satellitaires.
Cette thèse vise à montrer que des techniques de traitement d’images telles que les réseaux neuronaux convolutifs (CNN), à condition qu’elles soient bien maîtrisées, ont le potentiel d’améliorer l’estimation des paramètres atmosphériques et de surface de la Terre. En considérant les observations à l’échelle de l’image plutôt qu’à l’échelle du pixel, les dépendances spatiales peuvent être prises en compte. De telles techniques sont utilisées dans cette thèse pour l’estimation des tempéra- tures de surface et atmosphériques, ainsi que pour la détection et la classification des nuages à partir des observations de l’Interféromètre Atmosphérique de Sondage dans l’Infrarouge (IASI). IASI, qui est placé à bord des satellites en orbite polaire Metop, est un sondeur hyperspectral collectant des données sur une large gamme de longueurs d’onde dans l’infrarouge. Chacune est adaptée à l’identification des constituants atmosphériques à différents niveaux de l’atmosphère, ou de paramètres de surface.
En plus d’améliorer la qualité des restitutions, de telles méthodes d’Intelligence Artificielle (IA) sont capables de traiter des images contenant des données manquantes, de mieux estimer les événements extrêmes (souvent négligés par les techniques statistiques traditionnelles) et d’estimer les incertitudes des restitutions. Cette thèse montre pourquoi les méthodes d’IA, et en particulier les CNN avec convolutions partielles, devraient constituer l’approche privilégiée pour l’exploitation des observations provenant de nouvelles missions satellitaires telles que IASI-NG ou MTG-S IRS.
L’eau souterraine, une ressource en eau critique pour les forêts et les sociétés humaines en état de stress hydrique
26/06/2024 14:00
- Frédéric NGUYEN, PR, Université de Liège
- Nathalie BREDA, DR, INRAE – UMR SILVA
- Patrick LACHASSAGNE, DR, IRD – UMR HSM
- Isabelle BRAUD, DR, INRAE – UR RiverLy
- Roger MOUSSA, DR, INRAE – UMR LISAH
- Valérie PLAGNES, PR, Sorbonne Université – UMR METIS
- Damien JOUGNOT, DR, CNRS – UMR METIS
« Premier ‹ Précédent 1 8 16 17 18 19 20 28 54 Suivant › Dernier »
