Description
Date depot: 26 mars 2021
Titre: Downscaling of ocean fields by fusion of heterogeneous observations using Deep Learning algorithms
Directeur de thèse:
Dominique BÉREZIAT (LIP6)
Encadrant :
Anastase CHARANTONIS (LAMME)
Domaine scientifique: Sciences pour l'ingénieur
Thématique CNRS : Intelligence artificielle
Resumé: Les capteurs embarqués sur les satellites permettent l’observation des champs géophysiques qui jouent un rôle crucial pour analyser la réponse des océans face au réchauffement climatique. Dans ce sujet de thèse nous souhaitons étudier le problème des échelles dans l’observation de ces champs, lesquelles sont acquises à différentes résolutions (selon la nature des capteurs). Or la physique sous-jacente diffère selon l’échelle employée. Une solution est de reconstruire et fusionner les données aux échelles les plus fines en utilisant des techniques de type super-résolution et l’apprentissage profond tout en préservant les caractéristiques physiques au fur et à mesure que l’on descend en échelle. La thèse est donc bidiplicinaire, elle se propose de contribuer méthodologiquement aux problèmes de super-résolution avec une application forte en océanographie.
Doctorant.e: Archambault Théo