Appels 2025
Les appels MAIA à cofinancement de thèse, financement de postdocs et financement d'actions innovantes sont sortis : Financement d'initiatives innovantes. Financement de Post-Doctorant(e)....
Environnement
Ce WP couvre toutes les dimensions de l'environnement, en abordant des questions importantes basées sur l'IA concernant l'océan, l'atmosphère et le milieu terrestre. Notre objectif est de mener une recherche intégrée consacrée à l'analyse des données générées par diverses techniques de détection (à distance et in situ) qui sont actuellement utilisées pour évaluer et surveiller l'état de la biodiversité et de la santé des écosystèmes.
La disponibilité croissante des données de détection offre à la fois des opportunités (c'est-à-dire une richesse d'informations) et des défis (c'est-à-dire le traitement et l'analyse des données) pour étudier les changements environnementaux à différentes échelles temporelles et spatiales. Ceux-ci englobent les changements locaux (par exemple, la pollution focale des sols, les phénomènes météorologiques locaux), régionaux (par exemple, la pollution marine, l'invasion végétale) et mondiaux (par exemple, le réchauffement climatique, les dépôts atmosphériques). Il est intéressant de noter que l'IA offre la possibilité d'un saut technologique pour l'exploitation de données provenant de différents contextes environnementaux. Les défis sont difficiles à relever, mais les questions sous-jacentes à traiter sont bien identifiées et correspondent aux thèmes centraux de l'initiative MAIA, à savoir
- la qualité et la fiabilité des données dans le temps (interopérabilité, complétude, fusion de données hétérogènes) ; certaines de ces notions étant liées à l'acceptabilité ;
- la robustesse des modèles en couplant, combinant et calibrant efficacement des approches (modèles) issues de la physique, des mathématiques et des systèmes basés sur l'IA ; l'IA hybride et explicable sera ici en jeu.
Trois objectifs principaux seront abordés
- exploiter l'analyse d'images basée sur l'IA pour améliorer la télédétection de la couleur des océans. L'utilisation de satellites pour surveiller la couleur de l'océan nécessite un certain traitement du signal. Avec l'IA, une étape importante peut être franchie dans diverses tâches de classification, d'analyse d'images (par exemple, la fusion d'images satellites avec différentes résolutions spectrales et spatiales), et d'analyse de séries temporelles (tout en prédisant des variables biogéochimiques clés).
- combiner ML et des principes physiques fondamentaux tels que les lois hydrothermodynamiques, la dynamique moléculaire de premier principe et la spectroscopie rotationnelle-vibrationnelle à haute résolution pour étudier la dynamique atmosphérique, la composition de l'air pour différentes applications, y compris l'analyse de l'haleine pour le diagnostic médical, la surveillance des polluants et les mesures des échanges de phases gazeuses à l'interface atmosphère-océan.
- surveiller l'état de santé des forêts et des terres agricoles à grande échelle spatiale en combinant la télédétection et les données de terrain. Il s'agit d'une question d'actualité pour détecter les réponses compositionnelles et physiologiques aux changements environnementaux. Outre leur intérêt inhérent pour l'évaluation de la santé et de la résilience des écosystèmes, ces réponses peuvent servir d'indicateurs de l'exposition humaine à des polluants particuliers. Cela nécessite l'automatisation de certaines tâches, telles que la reconnaissance des formes, l'identification des espèces et la détection des maladies des plantes.
