traitement de signaux satellitaires de couleur de l’océan : modélisation et optimisation

Traitement de signaux satellitaires de couleur de l’océan :

Modélisation et optimisation

Section 7 : Sciences et technologies de l’information (informatique, automatique, signal et communication)

Julien Brajard

Julien BrajardParcoursParcours:

1998 - 2000 : classe préparatoires (MPSI/MP* option informatique)

2001 : licence de mathématiques

2003 : Diplôme d’ingénieur en télécommunications (Institut National des Télécommunications)

Master TRIED (Traitement de l’information et exploitation des données)

Dernier diplôme obtenu : Doctorat à Paris 6 (2006)Dernier diplôme obtenu : Doctorat à Paris 6 (2006)

Titre : Méthodologie neuronale pour l’inversion des signaux satellitaires de l’océan. Traitement des aérosols absorbants et restitution de la concentration en chlorophylle-a

Spécialité : télédétection et méthodes statistiques

Préparé au LOCEAN dans l’équipe Modélisation et méthodes statistiques avancées sous la direction de Sylvie THIRIA

Situation actuelle : postdoc CNES à ULCOSituation actuelle : postdoc CNES à ULCO

Télédétection, modélisation et inversion des images des eaux du cas 2

IntroductionContexte :Contexte :

Analyse de signaux satellitaires de couleur de l’eau

Objectif :Objectif :

Développement d’algorithmes et de méthodes pour le traitement de masse données complexes

Ma contribution :Ma contribution :

•Comparaison de bases de données

•Développement de méthodes neuronales (Kohonen, perceptrons)

•Développement d’une méthode de contrôle optimale

Résultats :Résultats :

Chaîne de traitement de la couleur de l’eau en présence d’aérosols absorbants

Les bases de données (hétérogènes)

Mesures :

Données synthétiques (taille : 106)

• codes de calcul à partir de modèles

• satellitaires (taille : 108)

• in-situ (taille : 102-103)

14 Septembre 1998

Image SeaWiFS

ENVISAT

Marion Dufresne

glider

chl-a (SeaWiFS)

''),',',().,,,',',().,(),,,(),,,(

).cos( 0

ddLPLd

dL

mr mi s v d A t C b0 W

Comparaison des bases de données

In-situ

Synthétique

chl-a

b0 chl-a b0

mi i

RNRN RNRNRNRN

A

w t

x

+

cor simulé

cor mesuré

mi

i

Modèle adjoint

J

• Erreurs sur les mesures• Connaissances a priori sur les paramètres• Connaissances expertes du processus physique

Appris avec les bases

synthétiques

Bases de données

Des observations

Traitements

SeaWiFS – 14 Septembre 1998

chl-a

NeuroVariaNeuroVariaSeaWiFSSeaWiFS

Publications

Revues internationales (4)

2007 IJRS (International Journal of Remote Sensing)2006 NN (Neural Networks)2006 ASR (Advances in Space Research)

2007 JMS (Journal of Marine Systems)

Conférences internationales (4)

2007 : ICANN (soumis)2005 : IJCNN (International Joint Conference on Neural Networks).2004 : Ocean Optics XVII.2004 : 35th COSPAR scientific assembly.

Conférences nationales (1)

2003 : Journée d'Etude sur les Méthodes pour les Signaux Complexes en Traitement d'Image (INRIA).)

Projet à 3 ans

Chaîne de traitement développée :Chaîne de traitement développée :

Eaux du cas 1 + Aérosols absorbants

Méthodes : Réseaux de Neurones, Optimisation

Nouveaux développements algorithmiques :Nouveaux développements algorithmiques :

Eaux du cas 2 , glitter• Optimisation sous contrainte• Statistiques• Classification• Contraintes spatiales

Eaux du cas 2 Glitter

Cadre de développement

Schémas sous forme de graphe modulaire :Schémas sous forme de graphe modulaire :

YAOYAO

http://www.ipsl.jussieu.fr/groupes/NEURATEL/documents/Yao/YaoAbstract.htm

x2,1

x2,2

x2,3

x1,1

x1,2

x1,3

x3,1

x3,2

y2=F2(x2)y2,1

y2,2

F2

y3=F3(x3)y3,1

y3,2

F3

y1=F1(x1) y1,1

F1

Fonctionnalités :Fonctionnalités :

• Génération de code

• Paramétrisation de l’optimisation

• Intégration des réseaux de neurones dans un algorithme gobal

Thématiques du LOCEAN

Laboratoire d’Océanographie et du Climat : Expérimentation et Approches Numériques

Domaines de recherche :

• la variabilité du système climatique terrestre et ses impacts • l'évolution naturelle et forcée du système climatique et ses conséquences aux échelles globales et régionales • la compréhension et le couplage des processus physiques et biogéochimiques océaniques • l'évolution de l'environnement océanique (hydrologie et chimie) et de ses ressources biologiques (biodiversité, ressources halieutiques) aux échelles régionales en relation avec la variabilité du système naturelle ou forcé

Méthodes :

• Activité expérimentale avec une implication forte dans les campagnes océanographiques, avec une part de développement instrumental • Interprétation conjointe des données spatiales et des observations in situ • Travaux de modélisation théorique, conceptuelle et statistique avancée liée à l'interprétation des données (observations spatiales et in situ, réanalyses, sorties de modèles, ...) • Activité de modélisation numérique 'réaliste' (notamment le développement du système OPA) et d'assimilation des données

Méthodes de modélisation :

•Assimilation de données

Domaines de recherche :•Couplage des processus physiques et biogéochimiques océaniques

Méthodes de modélisation :

•Comparaison de données spatiales et in-situ

• Contrôle optimal, inversion

•Modélisation statistique liée à l’interprétation des données

Domaines de recherche :

•Variabilité et évolution du système climatique

•Evolution de l’environnement océanique

Equipe : Modélisations et méthodes statistiques avancéesEquipe : Modélisations et méthodes statistiques avancées

Perspectives à long terme

Phosphate

Ammonium

Nitrate

Fer

Silicium

Nanophytoplancton

Matière organique dissoute

chl-a

satellitaire

zooplancton

Energie solaire

Production

Mortalité Broutage

Sédimentation

Diatomés

Assim

ilatio

nCO2