L’objectif de ce stage s’inscrit dans l’usage de l’IA pour l’exploitation des observations du système Terre, pour contribuer aux développement des systèmes de modélisation du climat et des services climatiques associés. Il s’agit de mettre au point une méthode de fusion de données pour l’ensemble des variables du cycle de l’eau de l’atmosphère (vapeur, nuage et pluie) en combinant des mesures satellites (radars multi-fréquences, radiomètres micro-ondes et satellites géostationnaires pour la haute résolution temporelle) et des mesures au sol issues du réseau ACTRIS, et notamment en France (métropolitaine et Outre-Mer). La méthode de fusion de ces données hétérogènes et multi-variées devra respecter les contraintes suivantes : (i) prendre en compte la résolution spatiale native des différentes sources d’observations leurs incertitudes et leur propagation dans le processus et de fusion (ii) préserver les dépendances (physiques) inter-variables du cycle de l’eau et la cohérence entre différentes échelles spatiales et temporelles présentes dans les jeux d’observations. Nous commencerons par explorer le cadre de la modélisation bayésienne hiérarchique pour la fusion de données (de Carvalho et al., 2026). Elle présente une flexibilité qui permet de représenter le lien entre différentes observations et les processus physiques sous-jacents, tout en permettant d’exprimer les sources d’incertitudes. Dans ce cadre, nous exploiterons la flexibilité des réseaux de neurones pour établir des liens complexes et non linéaires entre les paramètres et variables du modèles grâce à une représentation dans un espace latent

• Niveaux d’étude
• Stage Bac+5