Environnement de travail

L’équipe d’accueil est un groupe de tout premier plan en hydrologie satellitaire, reconnu pour son expertise sur SWOT ainsi que sur l’estimation des débits et de la bathymétrie à partir de SWOT et de l’altimétrie multi-missions. Les membres permanents font partie de la SWOT Science Team depuis 2016 et ont contribué à la préparation de la mission et à la conception des produits, en particulier aux algorithmes d’estimation du débit ; la PI du projet est actuellement SWOT Hydrology Lead. Cet investissement de long terme a abouti à quatre atouts clés qui rendent directement possible le présent projet : (i) des méthodes robustes d’estimation du débit, opérationnelles à l’échelle globale et intégrées au produit officiel de la mission ; (ii) une approximation de la bathymétrie des fleuves à partir des observations SWOT et/ou de modèles numériques d’élévation, applicable à l’échelle mondiale ; (iii) des outils de traitement et de filtrage des produits SWOT sur les fleuves; (iv) une approche de densification spatio-temporelle augmentant l’échantillonnage spatio-temporel effectif des observations satellitaires. Les compétences plus larges de l’équipe couvrent la modélisation hydraulique, l’assimilation de données, le traitement de données à grande échelle et l’analyse statistique, et s’appuient sur des collaborations internationales établies avec le CNES et la NASA/JPL (traitement SWOT et densification), l’Université de Stuttgart ainsi que les équipes DAHITI et Hydroweb (séries temporelles d’altimétrie), l’USGS et le GRDC (archives de stations), et Météo-France (forçages météorologiques). 

Description sommaire du projet

Ce projet mesurera et expliquera comment les grands modes climatiques (El Niño/La Niña (ENSO), le dipôle de l’océan Indien (IOD), l’oscillation nord‑atlantique (NAO) et l’oscillation de Madden–Julian (MJO)) modifient les fleuves à l’échelle mondiale. Nous utiliserons les observations du satellite SWOT, ainsi que l’altimétrie nadir multi‑missions, pour produire des séries temporelles denses et des cartes du niveau d’eau et du débit des fleuves. Les observations SWOT seront traitées avec via une chaine de pré-traitement (filtrage qualité et « densification » bayésienne), et le débit sera estimé à l’aide de l’algorithme SIC4DVAR. Pour étendre les séries temporelles, nous construirons une reconstruction pré‑SWOT qui transforme de longues séries d’altimétrie en profils fluviaux « de type SWOT », permettant des analyses sur 10 à 30 ans et à travers plusieurs événements climatiques. Sur cette base, nous quantifierons l’effet distinct de chaque mode climatique par saison et par tronçon de fleuve, et analyserons les extrêmes (crues et étiages). Les principaux résultats seront des jeux de données validés à long terme, des cartes du mode climatique dominant pour chaque tronçon, et des métriques quantifiant le risque conditionné par le climat que les gestionnaires de l’eau pourront utiliser pour la préparation aux crues et aux sécheresses. Le projet fournira également du code reproductible et des publications scientifiques.  

Mission principale

Utiliser des données satellitaires (principalement SWOT, complétées par d’autres missions d’altimétrie) pour mesurer comment les grands modes climatiques (El Niño/La Niña, dipôle de l’océan Indien, oscillation nord‑atlantique, oscillation de Madden–Julian) affectent les fleuves. Produire des séries temporelles à long terme améliorées et reconstruites ainsi que des cartes du niveau d’eau et du débit des fleuves, expliquer l’impact de ces modes climatiques sur les bassins versants, et convertir les résultats en informations simples sur le risque de crues et étiages pouvant être utiles aux gestionnaires de l’eau. 

Activités

Définition des tâches à accomplir :

• Traiter les données SWOT avec des contrôles qualité rigoureux et appliquer notre méthode de densification multi-temporelle pour réduire les lacunes et améliorer la couverture.
• Estimer le débit des fleuves pour les bassins sélectionnés à l’aide de l’algorithme SIC4DVAR, et valider les résultats à partir des mesures in situ disponibles.
• Construire des anomalies désaisonnalisées de WSE et de débit, définir des fenêtres saisonnières appropriées et des décalages de réponse par bassin, et ajuster des modèles statistiques incluant plusieurs indices climatiques (ENSO, IOD, NAO, MJO) et des covariables météorologiques (précipitations, température, humidité du sol) afin d’isoler l’effet partiel de chaque mode. Explorer des approches d’apprentissage profond.
• Produire une réanalyse pré-SWOT de WSE, largeur et pente à partir de longues séries temporelles d’altimétrie en utilisant le catalogue de dynamique SWOT conjointement avec l’approche de densification ; dériver le débit de réanalyse à partir de ces profils « type SWOT » avec SIC4DVAR, et valider à l’aide des archives historiques de stations.
• Analyser les extrêmes (crues et étiages) avec des méthodes permettant au risque de varier dans le temps et selon la phase climatique ; générer des cartes du facteur dominant et des métriques d’aléa conditionnées au climat pour l’aide à la décision.
• Diffuser les résultats, y compris au moins un article, une courte note technique / guide utilisateur, et du code et des jeux de données reproductibles et bien documentés.

Pour atteindre ces objectifs, la/le candidat(e) utilisera et améliorera les outils internes développés pour les études SWOT. Cela inclut la maintenance et l’extension de la chaîne de pré-traitement ; l’application et l’amélioration de l’algorithme SIC4DVAR pour l’estimation des débits ; et son adaptation en une version « réanalyse » capable d’ingérer efficacement des séries temporelles longues d’altimétrie multi-missions. La/le candidat(e) mettra en œuvre des méthodes statistiques d’attribution et d’analyse des extrêmes et développera des workflows adaptés aux grands volumes de données. Elle/il produira également des visualisations du bassin au global à l’aide d’outils SIG (p. ex. QGIS) et collaborera avec les partenaires de mission si nécessaire.

Le poste se termine lorsque des outils et des produits complets, vérifiables et livrables sont remis :

(1) des jeux de données améliorés et validés de hauteur de surface de l’eau (WSE), largeur, pente et débit pour les bassins d’étude.

(2) une réanalyse « type SWOT » couvrant environ 10 à 30 ans pour au moins deux bassins pilotes, comparée aux archives historiques de stations hydrométriques.

(3) un atlas des effets des modes climatiques, avec des cartes au niveau des tronçons et des saisons, des intervalles de confiance, ainsi que des produits de risque crue/étiage conditionnés par la phase climatique.

(4) au moins un article scientifique soumis à une revue à comité de lecture.

(5) un guide utilisateur pour les algorithmes implémentés.  

Compétences / qualifications (connaissances, savoir-faire, savoir-être…)

• Doctorat (PhD) en sciences de l’environnement (hydrologie ou sciences de l’atmosphère), avec de solides bases sur le fonctionnement des systèmes environnementaux.
• À l’aise avec l’analyse statistique de séries temporelles (modèles multi‑prédicteurs, méthodes de base en théorie des valeurs extrêmes) et la quantification des incertitudes. 
• Très bonnes compétences en Python (NumPy, pandas, xarray, statsmodels, matplotlib ; PyTorch/JAX est un plus), maîtrise de Git, et des environnements reproductibles (p. ex. Docker). 
• Une expérience en altimétrie satellitaire (SWOT, Sentinel‑3/Jason ; Hydroweb/DAHITI) est souhaitable mais non indispensable. 
• Compétences de base en SIG (QGIS). 
• Excellentes capacités de rédaction scientifique et de communication en anglais (le français est un plus) et aptitude à travailler efficacement au sein d’une équipe internationale (p. ex. CNES/NASA/JPL, universités, centres de données).     

Contact : Hind Oubanas - Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.