Stage Ingénieur : Amélioration Du Système De Détection D'Anomalie Des Données De Satellites Altimétriques Sur Océan : Spline, Filtrage Itératif, Ia - H/F - Cls

L’équipe Mésoéchelle de la Business Unit BU « Environnement et Climat » du pôle « Performance & Validation des Observations Spatiales » de CLS, recherche un(e) stagiaire pour évoluer et développer ses compétences autour du sujet suivant :

« Amélioration du système de détection d’anomalie des données de satellites altimétriques sur Océan : Spline, Filtrage Itératif, IA »

Contexte du stage :

Les satellites altimétriques mesurent principalement la hauteur des surfaces d’eau mais également la hauteur significative des vagues, et le vent de surface. Ces données sont essentielles pour la communauté scientifique dans le cadre de la surveillance des effets du dérèglement climatique : GMSL (Global Mean Sea Level), intensification des évènements extrêmes, étude des courants océaniques, etc

Ces données altimétriques sont bruitées et donnent parfois une information aberrante. Elles peuvent être perturbées par exemple près des côtes ou des surfaces glacées, lors du passage d’une cellule de pluie ou durant des tempêtes. Afin de fournir des données fiables à la communauté scientifique, il est essentiel de détecter les données aberrantes sans supprimer trop de signal potentiellement exploitable.

Un système automatique de détection de ces anomalies (editing) est déjà en place pour l’ensemble des missions. L’objectif de ce stage est d’étudier et de comparer des approches statistiques (Spline, Filtrage Itératif) et des approches basées sur du machine learning afin d’améliorer l’editing des données altimétriques.

Tes missions si tu nous rejoins :

- Prendre en main la thématique de l’altimétrie et les outils d’analyses qui y sont rattachés.

- Faire une bibliographie sur l’état de l’art de la détection d’anomalie dans le contexte de l’altimétrie satellitaire.

- Collaborer avec l’ensemble des responsables de missions altimétriques afin de bien cerner les enjeux.

- Mettre en place une méthode de détection d’anomalie sur des données altimétriques basée sur du machine learning.

- Construire une méthodologie pour comparer les différentes techniques de détection d’anomalies.

- Mettre en œuvre cette méthodologie et évaluer les améliorations apportées au système.

L’environnement technique que nous utilisons :

- Langages : Python (avec une bibliothèque d’analyse des données altimétriques)

- Outils : VSCode, GIT, Linux, cluster de calcul

- Etudiant(e) en Master 2 ou dernière année d’école d’ingénieur en Observation de la Terre, analyse des données, traitement du signal ou géosciences, tu souhaites développer et/ou approfondir tes compétences en traitement de données, altimétrie spatiale et océanographie.

- Compétences requises : Bonne maîtrise de Python et des bibliothèques d’analyse scientifique (Numpy, Xarray, Scikit-Learn, Matplotlib (ou autres)).

Qualités recherchées :

- Rigueur scientifique

- Autonomie, esprit d’initiative

- Aisance relationnelle, capacité à communiquer clairement des résultats

Le petit plus :

- Des connaissances en parallélisation des tâches informatiques serait un plus : Dask (librairie Python), SLURM, ou autres

Tu aimes les challenges, tu as l’esprit d’équipe, alors, demain avec l’ensemble des équipes de CLS, nous rendrons nos systèmes plus efficients et utilisés par le plus grand nombre, viens rejoindre l’aventure !