Retrouvez tous les événements.
The Dynamics of the Arctic Ocean
21/11/2022 14:00
Gianluca Meneghello, researcher at MIT, will present a seminar at the Ecole Normale Supérieure on the 21st of November at 2p.m
Toward eliminating and understanding a decades-old bias in climate models
14/11/2022 11:00
Sebastian Schemm, researcher at ETH Zurich, will present his work at the Ecole Normale Supérieure on the 14th of November at 11a.m
Le climat change, la météo aussi ?
08/11/2022 12:45
Le COSI (Café Ouvert Sciences et Ingénierie) est un rendez-vous convivial destiné à tous les personnels. N’hésitez pas à y participer !
« Premier ‹ Précédent 1 16 24 25 26 27 28 36 44 Suivant › Dernier »
Retrouvez tous les séminaires.
Observation par satellite des nuages de glace perturbés
19/07/2023 14:00
L’exposé de Johannes Quaas combine des études sur les perturbations des nuages de glace en analysant les observations par satellite. The talk combines studies of perturbations to ice clouds by analysing satellite observations.
The art of climate model evaluation : example of ENSO
18/07/2023 11:00
Climate models help us understand the complexity of Earth’s climate, forecast the next seasons and predict the influence of anthropogenic forcings. It is therefore important to evaluate the performance of these models relative to observational datasets, to build confidence and to improve them.
Sea level extremes and compounding marine heatwaves in coastal Indonesia
18/07/2023 11:00
Low-lying island nations like Indonesia are vulnerable to sea level Height EXtremes (HEXs). When compounded by marine heatwaves, HEXs have larger ecological and societal impact. Here we combine observations with model simulations, to investigate the HEXs and Compound Height-Heat Extremes (CHHEXs) along the Indian Ocean coast of Indonesia in recent decades.
« Premier ‹ Précédent 1 63 71 72 73 74 75 83 134 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 »
