Retrouvez tous les événements.
Journée des stagiaires de l'IPSL
12/06/2025 09:00
Chaque année la Climate Graduate School (CGS) de l’IPSL propose entre 30 et 40 stages de recherche à travers tous les laboratoires de l’IPSL. L’idée est de réunir un maximum de ces stagiaires de M1 et M2 (parfois L3) sur une demi-journée pour présenter les stages, la CGS et d’échanger sur les thématiques de recherche de la CGS.
ICOLMDZ Limited Area Model (LAM) Day
03/06/2025 09:30
One-day workshop on regional configurations with ICOLMDZ (the « LAM »).
Au cœur de l'actualité du monde de la recherche : libertés académiques et engagements publics des chercheur·es
23/05/2025 10:00
Séance exceptionnelle d’information et d’échanges sur les libertés académiques et l’engagement public des chercheur·es organisée par me comité d’éthique et la référente à l’intégrité scientifique de l’Ined, Olivia Samuel.
« Premier ‹ Précédent 1 2 3 4 12 44 Suivant › Dernier »
Retrouvez tous les séminaires.
Intégration du climat et de l'eau dans les études de transition énergétique aux États-Unis
20/11/2024 14:00
Les systèmes électriques dépendent de plus en plus des énergies renouvelables et la prise en compte de la non-stationnarité des conditions aux frontières extrarégionales s’avère fondamentale. Nous avons démontré que la variabilité interannuelle de l’eau seule pouvait entraîner une variation des coûts d’exploitation du système de +/-10 %…
Climate Change Isn’t Everything: Liberating Climate Politics from Alarmism
20/11/2024 14:00
Cycle de séminaires sur l’éthique et la responsabilité de l’engagement public des scientifiques.
Near-field pollutant dispersion in the urban environment
19/11/2024 15:00
Dr. Chao Lin is an Assistant Professor at the Institute of Industrial Science, The University of Tokyo. His primary focus is pollutant dispersion modeling in urban settings, utilizing computational fluid dynamics (CFD) tools and wind tunnel experiments to study complex pollutant behaviors around buildings.
« Premier ‹ Précédent 1 16 24 25 26 27 28 36 126 134 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 »
