Mission
Les capteurs SAR (Synthetic Aperture Radar), et en particulier l'instrument KARIN du satellite SWOT développé par NASA/CNES, permettent d'obtenir des nuages 3D de points dans l'eau et au sol à partir de techniques d'interférométrie. Ces nuages de points ont des caractéristiques (résolution spatiale, revisite temporelle, précision altimétrique,…) qui varient selon les zones d'acquisition (différents angles de visée, caractéristiques du terrain et pentes). L'usage principal des nuages de points 3D est la création de Modèles Numériques de Surface (MNS) qui décrivent l'altitude de l'eau et du sursol en endroit donné sur le globe. La modélisation 3D de la surface terrestre sert un large panel d'applications en aval. Par exemple, en hydrologie, les MNS sont essentiels pour étudier la morphologie la zone environnante de lacs et rivières, et plus en particulière, l’élévation du terrain dans la zone inondable (bathymétrie). Ceci permet une meilleure compréhension du cycle hydrologique local, et mieux anticiper les inondations.
Le service TPA de Campus de la Donnée a développé un système de représentation 3D sur l’évolution de l'état de lacs/réservoirs à partir de séries temporelles SWOT. Ceci inclut l'estimation de la bathymétrie 3D, le niveau remplissage, surface en eau, changement de volume et ses incertitudes en exploitant de techniques de représentation implicite sur réseaux de neurones. Ce type de représentation permet la prise en compte des incertitudes de mesures en entrée et en sortie du modèle, ainsi qu'un traitement massif efficace des séries temporelles SWOT.
Suite à une première publication scientifique, le stage consistera à étendre cette méthode à l’estimation bathymétrique des rivières et à l’analyse des variations intersaisonnières de la bathymétrie. La flexibilité de la méthode de représentation implicite permettra au stagiaire de proposer des améliorations en fonction de ses compétences (mathématiques, traitement du signal, expertise PyTorch/IA ou hydrologie).
Plus d'information sur le contexte et solution (dernière partie de la présentation) :
Profil
Étudiant·e en université ou en dernière année d'école d'ingénieur ou de Master, spécialité informatique, mathématiques appliquées, apprentissage automatique, ou en télédétection
1. Bonne connaissance apprentissage automatique / apprentissage profond, et en programmation (de préférence PyTorch)
2. Connaissances en mathématiques appliquées
3. Des compétences en télédétection et la capacité à développer sous Linux seraient appréciées
Le/la candidat·e devra faire preuve d’un bon sens de l’organisation dans son activité quotidienne.
Compétences
Mathématiques Appliquées Pytorch SAR Traitement d'image
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.