Retrouvez tous les événements.
Le numérique responsable
15/04/2022 12:30
Conférence de Philippe Derouette, Architecte d’entreprise.
(In)Justice climatique : éclairages apportés par le WGIII du GIEC
12/04/2022 18:00
Cette conférence est co-organisée avec PC-Durable, l’association des étudiants de l’ESPCI traitant des sujets liés à l’environnement.
Journée scientifique du groupe SAMA-IPSL
11/04/2022 08:45
L’objectif de cette journée est de faire connaître les activités au sein de l’IPSL autour de ses axes, faire un point sur les recherches menées à l’IPSL relevant des thèmes du groupe SAMA (statistiques, assimilation de données, problèmes inverses, apprentissage automatique, etc.).
« Premier ‹ Précédent 1 23 31 32 33 34 35 43 44 Suivant › Dernier »
Retrouvez tous les séminaires.
L'attribution d'événements extrêmes, et le cas de la sécheresse au Grand Sud de Madagascar
07/01/2022 12:00
L’attribution d’événements extrêmes, qui s’est considérablement développée dans les dernières années, permet aujourd’hui d’analyser le lien entre le changement climatique et un événement spécifique. Dans ce séminaire, après avoir passé en revue l’approche générale utilisée pour l’attribution d’événements extrêmes, je détaillerai spécifiquement le cas de la grande sécheresse qui sévit à Madagascar.
Le changement climatique vu d'Afrique
10/12/2021 14:00
Nouvelle séance du séminaire « Changement Climatique : Sciences, Sociétés, Politique » co-organisé par le Centre Alexandre-Koyré (EHESS-CNRS) et l’ENS (CERES). Un vendredi sur deux de 14 h à 17h, du 17 septembre 2021 au 21 janvier 2022 à l’École Normale Supérieure.
Synergy between model and observations for studying drifting snow in Antarctica
07/12/2021 11:30
Field data are required for observational characterization of climate processes, but remain challenging to collect in wide, extreme and remote environments.
« Premier ‹ Précédent 1 23 113 121 122 123 124 125 133 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 »
