2022-04829 - Doctorant F/H Générateurs stochastiques de précipitations extrêmes et évaluation du risque d’inondation en milieu urbain à haute résolution spatio-temporelle

Type de contrat : CDD

Niveau de diplôme exigé : Bac + 5 ou équivalent

Fonction : Doctorant

A propos du centre ou de la direction fonctionnelle

Le centre Inria Sophia Antipolis - Méditerranée compte 34 équipes de recherche, ainsi que 7 services d’appui à la recherche. Le personnel du centre (500 personnes environ dont 320 salariés Inria) est composé de scientifiques de différentes nationalités (250 personnes étrangères sur 50 nationalités), d’ingénieurs, de techniciens et d’administratifs. 1/3 du personnel est fonctionnaire, les autres sont contractuels. La majorité des équipes de recherche du centre est localisée à Sophia Antipolis et Nice dans les Alpes-Maritimes. Quatre équipes sont implantées à Montpellier et deux équipes sont hébergées l'une à Bologne et l'autre à Athènes. Inria est membre fondateur d’Université Côte d'Azur et partenaire de l’I-site MUSE porté par l’Université de Montpellier.

Contexte et atouts du poste

Les générateurs météorologiques stochastiques sont des outils importants pour étudier l'impact des événements météorologiques extrêmes sur des risques tels que les inondations urbaines. Les catalogues d'observations des épisodes d'événements extrêmes sont généralement petits, ce qui motive des méthodes pour enrichir les données disponibles. Par conséquent, des modèles de générateurs stochastiques sont construits qui doivent reproduire les propriétés statistiques  des épisodes extrêmes observés. En utilisant les scénarios simulés par les générateurs stochastiques comme entrées pour les modèles numériques de l'écoulement de l'eau dans les environnements urbains, notre objectif est d'améliorer la compréhension, la prédiction et la prévention du risque d'inondation.

Le ou la doctorant.e sera basé.e à Montpellier au sein de l'équipe Inria LEMON et de l'Institut Alexander Grothendieck de Montpellier (IMAG) à l'Université de Montpellier.  Ce projet sera mené en collaboration avec le laboratoire Biostatistique et Processus Spatiaux (BioSP) de l'INRAE. Des visites régulières sur le site de l'INRAE à Avignon seront prévus et pris en charge financièrement par la direction de thèse.

 

Mission confiée

Un premier objectif est de développer un générateur stochastique spatio-temporel générique de précipitations extrêmes, à mettre en œuvre pour l’étude de la région Montpelliéraine dans le sud de la France. Le modèle doit permettre une haute résolution spatiale et sera basé sur des approches existantes, mais avec la nouveauté de combiner deux aspects cruciaux en un seul modèle : (i) une modélisation stochastique des événements extrêmes qui soit appropriée ; (ii) une haute résolution spatiale. Les scénarios de précipitations générés alimenteront un modèle numérique d'écoulement en zone urbaine, dont les sorties prennent la forme de cartes spatiales des hauteurs d'eau et des vitesses d'écoulement.

Un deuxième objectif est de mener des études corrélatives entre les entrées et les sorties du modèle numérique en développant de nouveaux outils méthodologiques pour l'analyse de sensibilité et la mesure du risque dans le contexte des extrêmes spatiaux.

D'un point de vue méthodologique, cette thèse s'inspirera fortement de la théorie des valeurs extrêmes et des statistiques spatiales, en exploitant et en approfondissant les outils de l'apprentissage automatique probabiliste et de l'analyse du risque, tels que les modèles additifs généralisés, les champs aléatoires trans-gaussiens, l'approche SPDE et les mesures du risque.

Pour une meilleure connaissance du sujet de recherche proposé :

References
Ailliot P., Allard D., Monbet V., Naveau P. (2015) Stochastic weather generators : an overview of weather type models. Journal de la SFdS, 156 (1)

Bacro, J.-N., Gaetan, C., Opitz, T., and Toulemonde, G. (2020) Hierarchical space-time modeling of asymptotically independent exceedances with an application to precipitation data, Journal of the American Statistical Association, 115 (530)

Flecher, C., Naveau, P.,  Allard, D., and Brisson, N. (2010) A stochastic daily weather generator for skewed data, Water Resources Research, 46 (7)

Opitz, T., Allard, D., and Mariethoz, G. (2021). Semi-parametric resampling with extremes. Spatial Statistics, 42, 100445.

Principales activités

Principales activités :

  • prendre connaissance des travaux existants sur ce sujet
  • développer un générateur stochastique spatio-temporel générique de précipitations extrêmes
  • mettre en œuvre ce générateur et d'autres issus de la littérature pour l’étude de la région Montpelliéraine
  • alimenter un modèle numérique d'écoulement en zone urbaine (modèle fourni) avec ces scénarios
  • mener des études corrélatives entre les entrées et les sorties du modèle numérique en développant de nouveaux outils méthodologiques pour l'analyse de sensibilité et la mesure du risque dans le contexte des extrêmes spatiaux

Les résultats de la thèse seront publiés sous forme d'articles scientifiques dans des revues internationales de premier plan et feront l'objet de présentation dans des conférences internationales.

Compétences

Nous recherchons des candidats (Master 2/Ecole d’ingénieur) ayant une solide expérience en probabilités et statistiques. Une connaissance de l'apprentissage automatique, des statistiques spatiales et de la théorie des valeurs extrêmes est souhaitée. De bonnes compétences en programmation (par exemple en R, Python) sont requises. 

Avantages

  • Restauration subventionnée
  • Transports publics remboursés partiellement
  • Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
  • Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail
  • Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
  • Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
  • Accès à la formation professionnelle
  • Sécurité sociale

Rémunération

Durée: 36 mois
Localisation: Sophia Antipolis, France
Rémunération: 1982€ brut mensuel (année 1 & 2) et 2085€ brut mensuel (année 3)