Fusion Multicapteurs/Méthodes pour l'Estimation de la Bathymétrie Côtière et de son Incertitude // Multisensor/Method Fusion for Coastal Bathymetry Estimation

Mission
La bathymétrie côtière est essentielle pour la recherche, l'aménagement, la gestion des risques et l'analyse climatique, mais les données restent rares en raison du coût et des contraintes logistiques des levés traditionnels. Cette thèse vise à développer des méthodes innovantes de fusion multicapteurs pour estimer la bathymétrie et son incertitude à partir de données satellites (Sentinel-1/2, Pléiades, CO3D).
Objectifs clés :

Fusion de méthodes (cinématique des vagues, méthodes spectrales) pour une bathymétrie optimisée.
Estimation de l'incertitude intrinsèque pour chaque méthode.
Validation sur scènes synthétiques (modèle CROCO) avant application aux données réelles.
Contribution à un atlas global de bathymétrie côtière, avec perspectives d'analyse morphodynamique.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Bathymetry is essential for coastal research, infrastructure, resource management, and climate analysis, yet comprehensive data remains scarce due to the high cost and logistical challenges of traditional surveys. This PhD project aims to develop innovative multisensor/method fusion techniques to estimate coastal bathymetry and its intrinsic uncertainty using satellite data (e.g., Sentinel-1/2, Pléiades, CO3D). The work will focus on:

Wave kinematics inversion and color methods for shallow waters.
Fusion of multiple satellite sensors to overcome noisy, sparse, or irregular data.
Uncertainty estimation and integration into a unified bathymetric product.
Synthetic scene generation using the CROCO numerical model for controlled development and validation.
The thesis will contribute to a new global atlas of bathymetric data, with potential for morphodynamic analysis using Kalman filters and multimethod fusion.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026
WEB : https://recrutement.cnes.fr/fr/annonce/4149037-26-215-multisensormethod-fusion-to-estimate-bathymetry-and-intrinsic-certainty-31400-toulouse

Financement d'un établissement public Français

Université de Toulouse

173 SDU2E - Sciences de l'Univers, de l'Environnement et de l'Espace

Profil Recherché Formation : Master en Océanographie, Génie Côttier, Mathématiques ou domaine connexe. Solides connaissances en océanographie physique ou processus côtiers. Compétences Techniques : Expérience en télédétection et analyse de données satellites (Sentinel, Pléiades). Maîtrise de Python pour le traitement de données. Compétences en statistiques et analyse des vagues. Qualités : Capacité à synthétiser des jeux de données variés. Excellente rédaction scientifique et communication. Autonomie, organisation et esprit collaboratif. Modalités de Candidature Contact : Pour plus d'informations, écrire à rafael.almar@ird.fr. Dossier à préparer : CV détaillé Relevé de notes récent Lettre de recommandation (M2 ou directeur d'école d'ingénieurs) Postuler en ligne avant le 13 mars 2026 (minuit, heure de Paris). En savoir plus : Thèses et Post-Docs CNES Rejoignez-nous pour innover en science côtière et technologie spatiale ! Besoin de précisions sur le sujet ou le processus de candidature ? N'hésitez pas à poser vos questions !
Educational Background: Master's degree in Oceanography, Coastal Engineering/Science, Mathematics, or a related field. Strong foundation in physical oceanography, coastal processes, or computational sciences. Technical Skills: Experience with remote sensing and satellite data analysis (e.g., Sentinel, Pléiades). Proficiency in Python for data processing and analysis. Strong statistical and wave analysis skills. Attributes: Ability to synthesize large, diverse datasets. Excellent scientific writing and communication skills. Self-motivated, organized, and able to work both independently and collaboratively.