Post-doc H/F : Sur la détermination de la structure verticale des systèmes nuageux à partir d’une synergie d’observations spatiales et techniques d’intelligence artificielle

     
Employer
Published
WorkplaceParis, Ile-de-France, France
Category
Position

Description

CNRS - Portail emploi recrutement

  • Français
  • English


  • Portail > Offres > Offre UMR8539-ISARIC-021 - Post-doc H/F : Sur la détermination de la structure verticale des systèmes nuageux à partir d'une synergie d'observations spatiales et techniques d'intelligence artificielle

    Post-doc H/F : Sur la détermination de la structure verticale des systèmes nuageux à partir d’une synergie d’observations spatiales et techniques d’intelligence artificielle

    Cette offre est disponible dans les langues suivantes :
    Français - Anglais

    Faites connaître cette offre !

    Informations générales

    Référence : UMR8539-ISARIC-021
    Lieu de travail : PARIS 05
    Date de publication : jeudi 5 septembre 2019
    Type de contrat : CDD Scientifique
    Durée du contrat : 13 mois
    Date d’embauche prévue : 1 novembre 2019
    Quotité de travail : Temps complet
    Rémunération : Selon expérience - Grille CNRS
    Niveau d’études souhaité : Bac+5
    Expérience souhaitée : Indifférent

    Missions

    Le Laboratoire de Météorologie Dynamique recherche une personne pour la détermination de la structure verticale (étendu vertical et propriétés microphysique) ainsi que des taux de chauffage des systèmes nuageux hauts et leur environnement. En associant multiples observations spatiales, des ré-analyses météorologiques et des techniques d’intelligence artificielle, le but est de créer une description complète des systèmes convectifs, nécessaire pour avancer notre compréhension de leur rétroaction à un changement climatique.

    Activités

    - construction d’un jeu de données 3D des systèmes nuageux tropicaux et de leur environnement à partir de différentes données spatiales (AIRS, IASI, TRMM, CALIPSO-CloudSat) et reanalyses ERA5, en utilisant des techniques d’intelligence artificielle (deep learning)
    - évaluation des taux de chauffage reconstruits avec les données in situ (ARM)
    - analyse de ces données climatiques
    - utilisation de ces données pour l’évaluation des paramétrisations dans le GCM du LMDZ

    Compétences

    - techniques d’intelligence artificielle (deep learning)
    - programmation fortran et python
    - traitement et analyse de grand jeux de données (spatiales et réanalyses)

    Contexte de travail

    Le LMD est l’un des principaux instituts français de recherche atmosphérique et fait partie de l’Institut Pierre Simon Laplace (IPSL). Avec 150 personnes, le LMD est composé de cinq équipes. Le travail proposé se fera au sein de l’équipe ABC (t) (Atmosphère-Biosphère-Climat par télédétection), en forte collaboration avec les équipes EMC3 (Étude et Modélisation du climat et du changement climatique) et DPAO (Dynamique et Physique de l’Atmosphère et de l’Océan). Le travail s’intègre dans les projets EECLAT (Expecting Earth-Care, Learning from A-Train) et IASI (Interféromètre Atmosphérique de Sondage Infrarouge), financés par le CNES (Centre National d’Etudes Spatiales).
    Le concept d’analyse en systèmes nuageux hauts permet de créer un lien entre les propriétés des enclumes et la convection. Ce nouveau diagnostic portant sur les processus a déjà porté ses fruits dans le développement et l’évaluation d’un nouveau schéma de cristaux dans le modèle LMDZ. La nouvelle base de données sera également utilisé dans le cadre du programme international GEWEX (Global Energy and Water Exchanges), à travers du groupe de travail UTCC PROES (PROcess Evaluation Study on Upper Tropospheric Clouds & Convection, ?url=https%3A%2F%2Fgewex-utcc-proes.aeris-data.fr%2F&module=jobs&id=16668" target="_blank" rel="nofollow">https://gewex-utcc-proes.aeris-data.fr/).

    Contraintes et risques

    Web

    In your application, please refer to myScience.fr and reference JobID 16668.

    Related News



    This site uses cookies and analysis tools to improve the usability of the site. More information. |