Ingénieur(e) d'études pour l'amélioration de la simulation du Leaf Area Index

Le Centre national de la recherche scientifique est un organisme public de recherche pluridisciplinaire placé sous la tutelle du ministère de l’Enseignement supérieure et de la Recherche. Créé en 1939 et dirigé par des scientifiques, il a pour mission de faire progresser la connaissance et être utile à la société dans le respect des règles d’éthique, de déontologie et d’intégrité scientifique.

Missions :
La mission associée à ce poste consiste à améliorer la simulation du Leaf Area Index (LAI) dans le modèle de surface ORCHIDEE en utilisant des techniques d'apprentissage automatique (ML). L'ingénieur(e) contribuera au développement d'un nouveau modèle de LAI basé sur des données satellitaires (GEOV2) et des approches ML, évaluera sa performance par rapport aux observations indépendantes (réseau Phenocam), et participera à l'intégration de ce nouveau modèle dans ORCHIDEE pour remplacer le modèle process-based actuel qui présente des limitations significatives pour les écosystèmes tropicaux et semi-arides. L'impact de cette nouvelle paramétrisation sur les flux de carbone, d'eau et d'énergie simulés par ORCHIDEE sera également évalué.
Activités :
Les activités principales de ce poste incluent :
● L'amélioration du modèle ML de LAI : Contribuer au développement et à l'amélioration de la version existante du modèle de LAI basé sur l'apprentissage automatique PhenoNN (https://github.com/kardaneh/PhenoNN), en optimisant les architectures (LSTM, GRU, Transformer) et en affinant les stratégies d'entraînement avec les données satellitaires GEOV2.
● L'évaluation et validation : Évaluer la performance du modèle ML de LAI en utilisant des données de validation indépendantes, notamment celles du réseau Phenocam (séries temporelles de phénologie), en analysant les métriques de qualité (RMSE, R², biais) et la fidélité des cycles saisonniers.
● L'intégration dans ORCHIDEE : Participer à l'adaptation du code du modèle ML (Python/PyTorch) en vue de son couplage avec le modèle ORCHIDEE (écrit en FORTRAN90), en remplaçant le module process-based actuel de LAI par la nouvelle version ML. L'intégration sera réalisée à l'aide de la bibliothèque FTorch (https://github.com/cambridge-ICCS/FTorch), qui permet d'appeler directement des modèles PyTorch depuis Fortran. Assurer la compatibilité, la stabilité et les performances du modèle couplé.
● L'évaluation de l'impact : Réaliser des simulations ORCHIDEE avec l'ancien et le nouveau module LAI pour quantifier l'impact sur les flux de carbone, d'eau et d'énergie. Analyser les améliorations dans les régions tropicales et semi-arides.
● La documentation : Documenter les développements réalisés (code, architecture, paramètres) et les résultats obtenus sous forme de rapports techniques et de publications scientifiques.

Contexte de travail :
Le poste est basé au LSCE/IPSL (Laboratoire des Sciences du Climat et de l’Environnement / Institut Pierre-Simon Laplace). L’IPSL est un institut de renommée mondiale, reconnu pour ses recherches de pointe en sciences du climat, de l’environnement et des systèmes terrestres à travers la modélisation.
Les conditions de travail incluent une possibilité de télétravail partiel, un accès à des équipements informatiques de haute performance, et des formations professionnelles CNRS. Le salaire est basé sur l'expérience du candidat et
Voir plus sur le site emploi.cnrs.fr...

Le Centre national de la recherche scientifique est l’une des plus importantes institutions publiques au monde : 34 000 femmes et hommes (plus de 1 000 laboratoires et 200 métiers), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l’Univers et le fonctionnement des sociétés humaines. Depuis plus de 80 ans, y sont développées des recherches pluri et interdisciplinaires sur tout le territoire national, en Europe et à l’international. Le lien étroit que le CNRS tisse entre ses missions de recherche et le transfert vers la société fait de lui un acteur clé de l’innovation en France et dans le monde. Le partenariat qui le lie avec les entreprises est le socle de sa politique de valorisation et les start-ups issues de ses laboratoires (près de 100 chaque année) témoignent du potentiel économique de ses travaux de recherche.

Competences :
Formation :
● Master (Bac +5) ou diplôme d'ingénieur en Sciences de l'Environnement, Biologie Végétale, Sciences du Climat, Informatique, ou domaine connexe.
Compétences Techniques Requises :
● Apprentissage automatique : Connaissance solide des techniques de ML (réseaux de neurones, LSTM, Transformers) et expérience pratique avec des frameworks tels que PyTorch.
● Programmation : Maîtrise de Python pour le développement scientifique (numpy, pandas, xarray) et compétences en FORTRAN90 pour l'intégration dans ORCHIDEE. Une expérience avec FTorch ou des bibliothèques similaires est un atout majeur.
● Sciences de l'environnement : Connaissance du fonctionnement des écosystèmes, de la phénologie végétale, et des cycles biogéochimiques (carbone, eau).
● Traitement de données : Expérience dans le traitement de données satellitaires (indices de végétation, LAI) et de séries temporelles.
Atouts Majeurs :
● Expérience avec les modèles de surface (ORCHIDEE, CLM, JULES) ou les modèles de végétation.
● Connaissance des produits satellitaires (GEOV2, MODIS, Sentinel) et des réseaux d'observation (Phenocam, FLUXNET).
● Expérience en calcul haute performance (HPC) et environnements Linux.
● Une expérience ou une connaissance de la librairie FTorch sera considérée comme un atout significatif.
Qualités Personnelles :
● Autonomie et capacité à mener un projet de recherche de manière indépendante.
● Rigueur scientifique et souci de la validation des résultats.
● Bonnes compétences rédactionnelles en anglais pour la documentation technique et les publications.
● Esprit d'équipe et capacité à collaborer avec une équipe pluridisciplinaire (modélisateurs, écologues, spécialistes ML).
● Capacité d'adaptation pour travailler sur une base de code existante complexe (ORCHIDEE).

Contraintes et risques :
Risques lié au travail sur écran