Thèse Utilisation d'Observations Satellite et de Machine Learning pour la Prévision du Risque d'Avalanche à Haute Résolution Spatiale H/F

Description

Détail du poste Établissement : Institut National Polytechnique de Toulouse École doctorale : SDU2E - Sciences de l'Univers, de l'Environnement et de l'Espace Laboratoire de recherche : CNRM - Centre National de Recherches Météorologiques Direction de la thèse : Matthieu LAFAYSSE ORCID 0009000800954660 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-06-01T23:59:59 Les avalanches représentent un défi pour les habitants et les infrastructures des zones de montagnes. Une des actions pour réduire le risque associé est l'information préventive du public et des autorités. Pour cela, nous avons besoin de connaître l'activité avalancheuse passée comme future. L'objectif de cette thèse est de tirer profit de l'observation satellite et de la modélisation du manteau neigeux à haute résolution pour la prévision du risque d'avalanche. Il s'agit de valoriser les images de rétrodiffusion SAR, permettant d'identifier les zones de dépôt d'avalanche avec une excellente couverture spatiale, en se basant sur les travaux de Kaushi et al., 2026. A partir des zones de dépôt et de la topographie, les zones de départ d'avalanche seront identifiées. Ces informations seront ensuite croisées avec d'autres sources de données sur l'activité avalancheuse pour construire une base de données de l'activité avalancheuse observée et bénéficier d'une connaissance fine, à haute résolution spatio-temporelle de l'activité avalancheuse passée. Ces informations seront mises en regard de la modélisation numérique à haute résolution spatiale (250 m) développée au Centre d'Études de la Neige. Un algorithme d'apprentissage automatique permettra de relier les conditions d'enneigement modélisées aux caractéristiques de l'activité avalancheuse attendue. Ce travail servira à concevoir un modèle de prévision solide et fiable de l'activité avalancheuse et approfondira notre compréhension des événements avalancheux historiques. L'enjeu est également d'améliorer et d'étendre notre capacité à anticiper