HOMOGENEISATON DE L'ESTIMATION DES PRÉCIPITATIONS À L'ÉCHELLE GLOBALE : APPROCHE PAR MODELE HYBRIDE DIFFUSION-DETERMINISTE // HOMOGENISATION OF GLOBAL PRECIPITATION ESTIMATES: A HYBRID DIFFUSION-DETERMINISTIC MODEL APPROACH

L'exploitation synergique des missions spatiales internationales constitue l'atout majeur : la couverture géostationnaire continue visible-infrarouge assurée par Meteosat MSG/MTG (Europe), GOES (USA) et Himawari (Asie-Pacifique), combinée aux mesures hyperfréquences de référence de la constellation GPM (orbite basse), offre la précision, la résolution spatio-temporelle nécessaire. Un des objectifs de la thèse est d'assurer dans un contexte multi-satellite la continuité de la précision et du biais d'estimation des précipitations indispensable pour caractériser l'impact du changement climatique sur les régimes de pluie planétaires. La thèse vise à développer et valider une architecture hybride diffusion-déterministe pour l'estimation des précipitations globales avec quantification des incertitudes. Les étapes spécifiques sont : (1) développer l'architecture hybride et l'entraîner sur 5 ans de données globales (2019-2023), (2) caractériser la variabilité spatio-temporelle des précipitations avec attention particulière aux événements extrêmes, et (3) établir un cadre méthodologique pour la propagation des incertitudes dans les études d'impacts climatiques.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The synergistic exploitation of international space missions is a major asset: continuous geostationary visible-infrared coverage provided by Meteosat MSG/MTG (Europe), GOES (USA) and Himawari (Asia-Pacific), combined with reference microwave measurements from the GPM constellation (low orbit), provides the necessary accuracy and spatio-temporal resolution. One of the objectives of the thesis is to ensure, in a multi-satellite context, the continuity of the accuracy and bias of precipitation estimates, which is essential for characterising the impact of climate change on global rainfall patterns. The thesis aims to develop and validate a hybrid diffusion-deterministic architecture for global precipitation estimation with quantification of uncertainties. The specific steps are: (1) develop the hybrid architecture and train it on 5 years of global data (2019-2023), (2) characterize spatio-temporal precipitation variability with particular focus on extreme events, and (3) establish a methodological framework for uncertainty propagation in climate impact studies.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Contrats ED : Programme blanc GS-GCE

Université Paris-Saclay GS Géosciences, climat, environnement et planètes

129 Sciences de l'Environnement d'Ile-de-France

Intérêt pour les applications de l'IA à la télédétection spatiale, à l'observation de la terre et à la climatologie. Connaissances et Intérêt pour l'apprentissage profond et les modèles génératifs (PyTorch).
Interest in AI applications for space remote sensing, Earth observation and climatology. Knowledge of and interest in deep learning and generative models (PyTorch).