Thèse : Machine Learning et Phytoplancton nuisible (H/F) - Boulogne-sur-Mer, Hauts-de-France, FR - IFREMER

Publiée le: 2/22/2021

Résumé de l'offre

Description de l'offre

Poste à pourvoir: Thèse : Machine Learning et Phytoplancton nuisible (H/F)

Référence du poste : PV-2021-901

Structure d'accueil : Département Oceanographie et Dynamique des Ecosystemes

Unité Littoral

Laboratoire Environnement Ressources Boulogne-sur-Mer

Localisation :  Boulogne-sur-Mer, Hauts-de-France, FR

Durée du contrat : 3 ans

 

Date de clôture de réception de candidatures : 02/05/2021

 

 

L’Ifremer

Reconnu dans le monde entier comme l’un des tout premiers instituts en sciences et technologies marines, l’Ifremer s’inscrit dans une double perspective de développement durable et de science ouverte. Il mène des recherches, innove, produit des expertises pour protéger et restaurer l’océan, exploiter ses ressources de manière responsable, et partager les connaissances et les données marines afin de créer de nouvelles opportunités pour une croissance économique respectueuse du milieu marin.

Présents sur toutes les façades maritimes de l’hexagone et des outremers, ses laboratoires sont implantés sur une vingtaine de sites dans les trois grands océans : l’océan Indien, l’Atlantique et le Pacifique. Pour le compte de l’Etat, il opère la Flotte océanographique française au bénéfice de la communauté scientifique nationale. Il conçoit ses propres engins et équipements de pointe pour explorer et observer l’océan, du littoral au grand large et des abysses à l’interface avec l’atmosphère.

Ouverts sur la communauté scientifique internationale, ses 1500 chercheurs, ingénieurs et techniciens font progresser les connaissances sur l’une des dernières frontières inexplorées de notre planète ; ils contribuent à éclairer les politiques publiques et à l’innovation pour une économie bleue durable. Leur mission consiste aussi à sensibiliser le grand public aux enjeux maritimes.

Fondé en 1984, l'Ifremer est un établissement public à caractère industriel et commercial (EPIC), dont le budget avoisine 240 millions d’Euros. Il est placé sous la tutelle conjointe des ministères de l'Enseignement supérieur, de la Recherche et de l’Innovation (MESRI), de la Transition écologique et solidaire (MTES), de l’Agriculture et de l’Alimentation (MAA).

 

Description de l'offre:

Le Laboratoire Environnement Ressources de Boulogne-sur-Mer (LER-BL) joue un rôle important dans l’Observation et la Surveillance des écosystèmes littoraux et des ressources exploitées en Manche orientale et dans la baie sud de la mer du Nord, afin d’améliorer les connaissances sur la qualité, la structures et les fonctions des écosystèmes et en appui aux politiques publiques. Les activités de recherches et d’expertises du LER-BL sont centrées sur les processus d’eutrophisation et leurs conséquences directes ou indirectes sur l’état des écosystèmes considérés, notamment sur la dynamique et la diversité phytoplanctonique, en lien avec les impacts anthropiques et les effets des changements climatiques. Le LER-BL est membre de la Structure Fédérative « Campus de la Mer », de l’Infrastructure de Recherche Littorale et Côtière (IR ILICO). Il est particulièrement impliqué dans les projets InterReg S3 EUROHAB, H2020 JERICO S3 et CPER MARCO. Il apporte son expertise au Ministère en charge de l’Environnement pour les directives européennes et les conventions des mers régionales.

 



Résumé de la thèse

Machine Learning et Phytoplancton nuisible : définition des états environnementaux favorables aux efflorescences et de leurs dynamiques, et développement d’un système numérique expert de prévision, d’alerte et d’aide à la décision.

Les écosystèmes marins côtiers évoluent considérablement en réponse aux changements de modalités et d’intensité des pressions anthropiques qui s’y exercent depuis des décennies. Les trajectoires de dégradation et de restauration ne correspondent plus forcément aux schémas attendus, ce qui rend très complexe la définition des mesures de gestion. Cette thèse vise à caractériser la dynamique de l’environnement côtier, et plus particulièrement celle du phytoplancton (incluant les efflorescences nuisibles ou toxiques) en réponse à ces forçages à différentes échelles de temps et d’espaces, des événements récurrent aux évènements extrêmes, afin de comprendre les processus associés et de hiérarchiser un ensemble de facteurs de contrôle et de définir des indicateurs, des scénarios permettant d’évaluer cette réponse. L’approche vise l’intégration de différentes méthodes issues du Machine Learning dans un méta-programme permettant (i) d’optimiser les données d’Observation multi-sources et multi-échelles via l’application de méthode de complétion de données, (ii) de définir au mieux les états environnementaux et de constituer une base d’apprentissage via une approche profonde (classification spectrale multi-niveaux) qui conduira (iii) au développement d’un modèle qui sera le cœur du Système Numérique Expert de prévision, d’alerte et d’aide à la décision.

L’originalité de ce travail de thèse réside dans la mise en œuvre de méthodes optimisées issues du Machine Learning couplée à une approche multi-source, multi-paramètre et multi-échelle anticipant les besoins des systèmes Intégrés d’Observation de demain. L’approche numérique proposée présente l’avantage d’optimiser la phase de prétraitement des données afin d’exploiter le maximum d’information disponible, voire permet de proposer à l’expert des séries inutilisables en l’état. Au-delà de l’amélioration des connaissances quant à la dynamique des efflorescences du phytoplancton, des efflorescences d’algues nuisibles ou toxiques, en particulier et de l’eutrophisation, ce travail de thèse devrait constituer une étape importante d’adaptation aux évolutions technologiques en lien avec la Surveillance et l’Observation de l’Environnement Marin et devrait permettre de proposer un système numérique complet innovant combinant (i) classification d’états environnementaux multicritères, (ii) alerte et (iii) prédiction. Cette définition des états environnementaux et de leurs dynamiques devrait également permettre d’améliorer l’expertise lors des phases d’évaluation de l’état écologique ou environnemental tel que défini par les directives européennes ou les conventions de mers régionales. Les outils développés et les résultats acquis contribueront à une meilleure définition des objectifs environnementaux et des programmes de mesures de gestion afin de limiter les effets directs et indirects de l’eutrophisation en tenant compte des évolutions passées et en cours en termes de pressions anthropiques et face au changement climatique.



Mots-clés

Machine Learning, phytoplancton, algues nuisibles, eutrophisation, observation intégrée, alerte, prédiction, expertise, appui à la politique publique.

 

 

Profil recherché

  • Formation de type Master 2 à l’Université ou en Ecole d’Ingénieur, le(la) candidat(e) devra avoir des compétences en océanologie biologique avec des connaissances renforcées en hydrologie côtière et écologie du phytoplancton, incluant notamment celle des algues nuisibles.
  • Une expérience en traitement du signal, mathématiques appliquées et/ou analyse de données et/ou modélisation est nécessaire.
  • Compétence en programmation R nécessaire.
 

 



Conditions de travail

  • Temps complet sur le site Ifremer de Boulogne sur mer.
  • Déplacements en France et dans l’Union Européenne principalement, groupes de travail et colloques à l’étranger.

 

Véritable opportunité de travailler sur les thématiques prioritaires de l’Ifremer, les contrats doctoraux proposés par l’Ifremer ouvrent droit, pour une durée de 3 ans, à une rémunération forfaitaire mensuelle brute égale à 1900 euros, non cumulable avec d’autres bourses d’étude.

 



Comment postuler ?

Le dossier de candidature doit comprendre :

  • un CV
  • une lettre de motivation
  • une lettre de référence
  • un relevé de notes (Licence + Master 1 et premier semestre Master 2)

L’ensemble des documents doit être déposé sur ce site sous la forme de 2 documents.PDF. Chaque document pouvant aller jusqu'à 1.5 MB.

Si vous rencontrez un problème pour joindre vos documents, merci de déposer votre CV sur ce site (Pour que nous puissions assurer le suivi, cette démarche est obligatoire pour la prise en compte de votre candidature) et d’envoyer votre dossier par messagerie au directeur de thèse : alain.lefebvre@ifremer.fr

La date limite pour la remise des candidatures est le 2 mai 2021. Néanmoins, nous vous engageons fortement à faire part dès que possible de votre intention de postuler, en prenant contact avec le responsable de sujet.

Les contrats des doctorants démarreront à compter du 1er octobre 2021, sous réserve de la production par le doctorant des documents administratifs autorisant son recrutement par l’Ifremer (attestation de réussite au master 2 ou diplôme d’ingénieur + visa pour les doctorants étrangers hors U.E.).

 

 

 

Pour postuler

Date de clôture de réception de candidatures : 02/05/2021

Toutes nos candidatures sont traitées exclusivement via notre site Carrières.