Modélisation du risque de contamination des eaux souterraines par des produits phytosanitaires avec l'apprentissage automatique

Réf. 1010520 - publié le 22 octobre 2024

Informations générales

Missions

Naomis vous propose une offre de stage dans les domaines Agriculture, agroalimentaire, environnement , Sciences, technologies, Ecologie, environnement, Energétique,... à Nantes.

Les eaux souterraines représentent une ressource cruciale pour l'approvisionnement en eau potable, l'irrigation, les processus industriels et la préservation des écosystèmes. Cependant, la contamination par des produits phytosanitaires peut rendre cette ressource inutilisable pour de nombreuses applications. Il est donc essentiel de mieux comprendre les modes de transferts de contamination des eaux souterraines, afin de permettre la prise de décisions éclairées sur leur gestion et leur utilisation.

Pour soutenir des évaluations globales de la disponibilité et de la qualité des ressources en eau à l’échelle régionale et nationale, il est impératif de développer des modèles prédictifs fiables. Toutefois, La complexité des systèmes hydrologiques peut mettre à mal les modèles basés sur des processus continus. À l'inverse, de premiers résultats prometteurs ont démontré le potentiel des méthodes de Machine Learning, basées sur l'analyse de données massives, pour modéliser la qualité et la quantité des eaux souterraines.

Les techniques d'apprentissage statistique, qui cherchent à identifier des fonctions prédictives à partir des données, suscitent un intérêt croissant et offrent une opportunité considérable pour le développement des géosciences et des sciences de l'eau (Reichstein et al., 2019; Shen, 2018).

Missions / Objet du stage :

En utilisant l’intelligence artificielle prédictive et notamment les algorithmes de Machine Learning, ce stage devra permettre aux équipes de SCE d’améliorer leur compréhension des schémas de contamination des eaux souterraines par des produits phytosanitaires. Cette recherche s’appuiera sur les données d’une zone d’étude pilote. Les modèles seront évalués sur leur capacité à modéliser correctement la contamination et leur capacité à se généraliser sur de plus vastes jeux de données afin d’étendre par suite la méthodologie à d'autres zones pour de futures analyses, voire à l’échelle nationale. L'objectif est de faciliter des décisions plus éclairées en matière de gestion, d’utilisation et de conservation des ressources en eau souterraine, en particulier dans les régions à haut risque de contamination.

Tâches attendues :

* Constitution du jeu de données, basé sur des données publiques et des données propriétaires SCE en hydrogéologie, agriculture et environnement,
* Compilation d’un état de l’art des usages du Machine Learning pour la modélisation hydrogéologique,
* Entrainement d’un ou plusieurs modèles de modélisation de la contamination des eaux souterraines par les produits phytosanitaires,
* Evaluation de ces modèles sur des critères de qualité prédictive, d’explicabilité hydrogéologique, et de capacité de généralisation,
* Publication interne à SCE des outils nécessaires à la reproductibilité de la méthodologie sur de nouvelles zones et nouvelles données.

Profil

Avoir la double compétence hydrogéologie / programmation informatique spécialisé dans les outils d’intelligence artificielle, ou plus précisément :

* Master 2 ou Ecole d’ingénieur en hydrogéologie,
* Intérêt pour la modélisation et les sciences environnementales,
* Bonnes connaissances en mathématiques appliquées et en apprentissage statistique,
* Aisance en programmation (R ou Python) et manipulation / traitement des données,
* Rigoureux(se), avez un sens critique développé, et capacité de travail en équipe multidisciplinaire.

Poste ouvert, à compétences égales, à tous les candidats. Notre processus de sélection et de recrutement se veut inclusif et promeut la diversité.

Postuler

Nom du recruteur : Naomis