Direction de recherche : Dominique BÉRÉZIAT

Co-encadrement : CHARANTONIS Anastase

Apprentissage profond pour reconstruire la hauteur de la surface océanique à partir d’observations satellites multivariées

Cette thèse de doctorat porte sur la reconstruction d’images satellites de la surface de l’océan à partir de mesures éparses et bruitées. Son objectif est l’estimation de la hauteur de la mer (SSH), une variable importante pour approximer les courants de surface. Elle est actuellement mesurée par des altimètres pointant au nadir, laissant de nombreuses zones non observées. Les cartes complètes de SSH sont produites en utilisant des interpolations optimales linéaires présentant une faible résolution effective. D’autre part, la température de surface de la mer (SST) est observée sur des zones plus étendues et est physiquement liée aux courants géostrophiques à travers l’advection.
Cette thèse explore quelques algorithmes d’apprentissage profond pour estimer les champs de SSH. En s’appuyant sur des années de données de simulation et d’observations, les réseaux neuronaux profonds sont capables d’apprendre des relations complexes entre les variables SSH et SST. Nous utilisons ces algorithmes ainsi que les observations de température, pour reconstruire la SSH d’abord dans une perspective de réduction d’échelle sur une simulation physique. Ensuite, nous déconsidérons le problème de son interpolation sur des données de simulation et d’observation, en nous concentrant particulièrement sur la manière de transférer l’apprentissage dans des contextes opérationnels. Enfin, nous adaptons notre méthode pour produire des estimations en temps réel et des prévisions.

Publications 2022-2024

• 2024
  • Th. Archambault : “Downscaling of oceans fields by fusion of heterogeneous observations using Deep Learning Algorithms”, soutenance de thèse, soutenance 04/10/2024, direction de recherche Béréziat, Dominique, co-encadrement : Charantonis, Anastase (2024)
  • P. Garcia, Th. Archambault, H. Bull, A. Charantonis, D. Béréziat : “Transfer-learning and data fusion for forecasting ocean surface currents”, RFIAP 2024, Lille, France (2024)
  • Th. Archambault, A. Filoche, A. Charantonis, D. Béréziat : “Pre-training and Fine-tuning Attention Based Encoder Decoder Improves Sea Surface Height Multi-variate Inpainting”, VISAPP 2024 - 19^th International Conference on Computer Vision Theory and Applications, Roma, Italy (2024)
  • Th. Archambault, P. Garcia, A. Charantonis, D. Béréziat : “Deep Sea Surface Height Multivariate Interpolation”, European Geosciences Union General Assembly 2024 (EGU24), Vienne, Austria (2024)
  • Th. Archambault, A. Filoche, A. Charantonis, D. Béréziat, S. Thiria : “Learning Sea Surface Height Interpolation from Multi-variate Simulated Satellite Observations”, James, Journal of Advancing in Modeling Earth Syst, vol. 16 (6), pp. e2023ms004047, (AGU) (2024)
• 2023
  • S. Thiria, Ch. Sorror, Th. Archambault, A. Charantonis, D. Béréziat, C. Mejia, J.‑M. Molines, M. Crépon : “Downscaling of ocean fields by fusion of heterogeneous observations using Deep Learning algorithms”, Ocean Modelling, vol. 182, pp. 102174, (Elsevier) (2023)
  • Th. Archambault, A. Filoche, A. Charantonis, D. Béréziat : “Multimodal Unsupervised Spatio-Temporal Interpolation of satellite ocean altimetry maps”, Proceedings of the 18^th International Conference on Computer Vision Theory and Applications, Lisboa, Portugal (2023)
• 2022
  • A. Filoche, Th. Archambault, A. Charantonis, D. Béréziat : “Statistics-free interpolation of ocean observations with deep spatio-temporal prior”, ECML/PKDD Workshop on Machine Learning for Earth Observation and Prediction (MACLEAN), Grenoble, France (2022)
  • Th. Archambault, A. Charantonis, D. Béréziat, C. Mejia, S. Thiria : “SSH Super-Resolution using high resolution SST with a Subpixel Convolutional Residual Network”, Climate Informatics, Asheville, NC, United States (2022)
  • Th. Archambault, A. Filoche, A. Charantonis, D. Béréziat : “Unlearned Downscaling of sea surface height with Deep Image Prior”, IA for Earth Sciences Workshop The International Conference on Learning Representations (ICLR), Virtual conference, United States (2022)