![Bouramtane Tarik Bouramtane Tarik](https://g-eau.fr/images/comprofiler/2467_66c5daa1e04bc.jpg)
Contact Info
Tarik Bouramtane est un chercheur de l'université Mohammed V de Rabat au Maroc, spécialisé en hydrologie, hydrogéologie et géostatistique. Son intérêt pour la recherche a commencé en 2014 quand il a intégré un Master de recherche en géologie, océanologie, eau et SIG a la faculté des sciences de Rabat, où il s’est intéressé à l’hydrologie des bassins versants et plus particulièrement aux problématiques liées au ressources en eau. De cette expérience, il a appris le rôle primordial que jouent les hydrologues et hydrogéologues dans la protection et gestion des ressources en eau. Ceci, par la suite, l’a motivé pour intégrer le Laboratoire de Géosciences, Eau et Environnement à la même Faculté, en tant que doctorant et en collaboration avec l’Université d’Avignon en France. Il a obtenu son doctorat en 2020 pour son travail sur une approche statistique multivariée pour étudier et déterminer les facteurs qui contrôlent le développement des types de réseaux de drainage dans différentes conditions climatiques, hydrologiques et géologiques.
Tarik Bouramtane est actuellement en post-doctorat à l'université Mohammed V de Rabat et à l’IWRI dans l’équipe du Professeur Ilias Kacimi. Il travaille en partenariat avec l’IRD (UMR G-EAU) et l’Université d’Avignon (UMR EMMAH). Ses recherches consistent à développer une approche innovante combinant télédétection, et intelligence artificielle (IA) pour prédire l'évolution des variables quantitatives et qualitatives des eaux souterraines. Cet outil apportera une aide précieuse à la gestion des eaux souterraines et devrait notamment permettre aux agences et autorités de bassin d'anticiper les conséquences de la sécheresse sur les ressources en eaux souterraines. D'autres domaines d'intérêt pour ses futures recherches découlent de son objectif de prévoir et de modéliser les risques naturels tels que les inondations, les glissements de terrain, et d'identifier leurs zones de susceptibilité à l'aide des méthodes d'analyse multivariée et de machine Learning.