Vos missions en quelques mots Contexte Les inondations fluviales constituent une menace importante pour les communautés et les infrastructures en France, réclamant des méthodes précises pour l’évaluation des risques. Une approche classique consiste à combiner des générateurs stochastiques de précipitations (SPGs, Stochastic Precipitation Generators en anglais) avec des modèles hydrologiques. Les SPGs visent à générer des champs de précipitations réalistes, qui peuvent ensuite être transformés en débits fluviaux grâce à des modèles hydrologiques. Les inondations extrêmes résultent de la combinaison de différents facteurs, dont les plus déterminants sont l'occurrence d'un épisode de précipitations extrêmes et le fait que le bassin versant soit dans un état humide lorsque l'événement se produit. Il est donc capital de disposer de SPGs capables de reproduire la distribution complète des champs de précipitations à différentes échelles d'agrégation spatio-temporelle, y compris la queue de distribution contrôlant les valeurs extrêmes. Dans ce contexte, le projet de recherche réunit des spécialistes en statistique et hydrologie afin de progresser sur les propriétés mathématiques de champs spatiaux-temporels agrégés dans l’espace et dans le temps, et d’intégrer ces propriétés dans des SPGs réalistes. Les modèles probabilistes et les SPGs développés seront soumis à des exercices de validation approfondis et rigoureux à l'aide de grands jeux de données de précipitations et de débits en France. Objectifs L’objectif principal sera de développer et de valider un générateur stochastique de précipitations en accord avec la théorie des valeurs extrêmes et les propriétés d'agrégation à différentes échelles spatiales et temporelles. Plus spécifiquement, il s'agit d'échelles spatiales allant de quelques km² pour les petits cours d'eau à plusieurs milliers de km² pour les grandes rivières, et d'échelles temporelles allant des événements extrêmes horaires aux accumulations saisonnières de précipitations. Le générateur sera initialement basé sur le principe des champs meta-Gaussiens développés par Paschalis et al. (2013), Vaittinada Ayar et al. (2020) et Cantet et al. (2025). Les développement ultérieurs du générateur viseront à intégrer des processus importants pour la génération des pluies extrêmes et des crues (advection par exemple) et à assurer la cohérence avec les développements théoriques des partenaires statisticiens du projet. Des développements spécifiques seront effectués pour mettre en place une stratégie de validation exigeante et rigoureuse des précipitations simulées, de façon directe (en les comparant à des précipitations observées) ou indirect (en les comparant à des débits observés après transformation par un modèle hydrologique). Travail demandé Les principales tâches seront les suivantes : Développement du simulateur (sous R et potentiellement Fortran) Mise place d’une stratégie de validation sur la base de grands jeux de données en France Participation aux activités du projet SHARE (réunions de projets, séminaires, communication etc.) Rédaction d’articles scientifiques Présentation des résultats dans des conférences nationales et internationales Diffusion du simulateur (dépôt Git public, package R) Profil recherché Hydro-climatologue avec une solide expérience en statistiques et machine learning, ou statisticien(ne) ayant exercé dans le domaine de l’hydro-climatologie. Une thèse de doctorat dans un de ces deux domaines est requise, ainsi que les qualifications suivantes : Expérience dans la simulation stochastique de champs spatiaux-temporels. Une expérience spécifique dans l’approche meta-gaussienne serait un plus Expérience dans l’analyse de grands jeux de données hydro-climatiques Maîtrise du langage de programmation R, Fortran serait un plus Maîtrise de la communication scientifique en anglais (articles, conférences) Rigueur scientifique et autonomie dans la conduite des travaux Goût pour le travail inter-disciplinaire Niveau d'études minimum requis Niveau Niveau 5 Diplômes de niveau bac 2
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.