
Retrouvez tous les événements.
[Live radio] Recherche académique : indépendance TotalE
22/03/2023 19:00
Le 22 mars 2023 à 19h à la buvette de l’Académie du Climat, les étudiants participants au cycle d’initiation à la radio enregistreront leur émission intitulée Recherche académique : indépendance TotalE. L’événement est ouvert au public, venez nombreux, puis sera diffusé sur le 93.9FM puis en replay sur le site de Radio Campus Paris.
Climat : la fin des saisons ?
15/03/2023 19:00
L’hiver 2022/2023 sera-t-il le dernier ? De nombreux records de température ont été atteint en décembre 2022, après une vague de chaleur en automne. En 2021, le GIEC alertait sur des vagues de chaleur plus nombreuses dans le cadre d’un réchauffement à 1.5°. Quel effet sur les saisons ? A quoi s’attendre pour les années à venir ? Pourquoi ces phénomènes sont-ils inquiétants ?
34e Journées Scientifiques de l’Environnement (JSE)
14/03/2023 19:00
Rendez-vous pluridisciplinaire de découvertes et de débats autour de la recherche en environnement en Val-de-Marne, l’UPEC/OSU-EFLUVE et le Conseil départemental du Val-de-Marne organisent la 34e édition des Journées Scientifiques de l’Environnement (JSE) consacrée à « La sobriété dans tous ses états : définir, comprendre, agir ».
« Premier ‹ Précédent 1 13 21 22 23 24 25 33 44 Suivant › Dernier »
Retrouvez tous les séminaires.
Challenges and opportunities in building a global model of plant hydraulics
10/09/2024 11:00
Séminaire du département de Géosciences de l’ENS-PSL.
Uncertainties in monsoon projections: what’s stopping us from seeing the future?
09/07/2024 11:00
Séminaire du LGENS – Département de Géosciences de l’ENS-PSL.
New developments in tracking archeological evidence from lake sediment core analysis: A case study of the Paleo-Inuit and Thule-Inuit on Somerset Island in Nunavut, Arctic Canada
28/06/2024 13:00
Séminaire de l’UMR METIS-IPSL.
« Premier ‹ Précédent 1 23 31 32 33 34 35 43 133 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 »