Mission : La mission associée à ce poste consiste à améliorer la simulation du Leaf Area Index (LAI) dans le modèle de surface ORCHIDEE en utilisant des techniques d'apprentissage automatique (ML). L'ingénieur(e) contribuera au développement d'un nouveau modèle de LAI basé sur des données satellitaires (GEOV2) et des approches ML, évaluera sa performance par rapport aux observations indépendantes (réseau Phenocam), et participera à l'intégration de ce nouveau modèle dans ORCHIDEE pour remplacer le modèle process-based actuel qui présente des limitations significatives pour les écosystèmes tropicaux et semi-arides. L'impact de cette nouvelle paramétrisation sur les flux de carbone, d'eau et d'énergie simulés par ORCHIDEE sera également évalué. Activités : Les activités principales de ce poste incluent : - L'amélioration du modèle ML de LAI : Contribuer au développement et à l'amélioration de la version existante du modèle de LAI basé sur l'apprentissage automatique PhenoNN (https://github.com/kardaneh/PhenoNN), en optimisant les architectures (LSTM, GRU, Transformer) et en affinant les stratégies d'entraînement avec les données satellitaires GEOV2. - L'évaluation et validation : Évaluer la performance du modèle ML de LAI en utilisant des données de validation indépendantes, notamment celles du réseau Phenocam (séries temporelles de phénologie), en analysant les métriques de qualité (RMSE, R², biais) et la fidélité des cycles saisonniers. - L'intégration dans ORCHIDEE : Participer à l'adaptation du code du modèle ML (Python/PyTorch) en vue de son couplage avec le modèle ORCHIDEE (écrit en FORTRAN90), en remplaçant le module process-based actuel de LAI par la nouvelle version ML. L'intégration sera réalisée à l'aide de la bibliothèque FTorch (https://github.com/cambridge-ICCS/FTorch), qui permet d'appeler directement des modèles PyTorch depuis Fortran. Assurer la compatibilité, la stabilité et les performances du modèle couplé. - L'évaluation de l'impact : Réaliser des simulations ORCHIDEE avec l'ancien et le nouveau module LAI pour quantifier l'impact sur les flux de carbone, d'eau et d'énergie. Analyser les améliorations dans les régions tropicales et semi-arides. - La documentation : Documenter les développements réalisés (code, architecture, paramètres) et les résultats obtenus sous forme de rapports techniques et de publications scientifiques.