Description
Date depot: 8 décembre 2023
Titre: Enhancing Atmospheric GHG Estimation through Machine Learning and Satellite Spectral Analysis
Directeur de thèse:
Maurizio FILIPPONE (Eurecom)
Encadrant :
Motonobu KANAGAWA (Eurecom)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé: This thesis aims to advance the estimation of atmospheric greenhouse gases (GHGs) by applying machine learning techniques to satellite spectral data. The research is focused on creating algorithms that enhance the precision in detecting and quantifying GHGs, improving the overall accuracy and resolution of environmental monitoring. This refined methodology is expected to provide critical data for climate change studies and policy formulation. Additionally, it offers a scalable and efficient approach to global GHG monitoring, potentially impacting a wide range of environmental and scientific applications.
Résumé dans une autre langue: Cette thèse vise à perfectionner l'estimation des gaz à effet de serre (GES) atmosphériques en appliquant des techniques d'apprentissage automatique aux données spectrales satellitaires.
La recherche est axée sur la création d'algorithmes qui améliorent la précision dans la détection et la quantification des GES, augmentant ainsi l'exactitude et la résolution de la surveillance environnementale. Cette méthodologie affinée devrait fournir des données essentielles pour les études sur le changement climatique et la formulation des politiques. De plus, elle offre une approche évolutive et efficace pour la surveillance mondiale des GES, ayant un impact potentiel sur un large éventail d'applications environnementales et scientifiques.
Doctorant.e: Gognadze Nugzar