Nous rejoindre
Offre d’emploi
Les parcs éoliens en mer sont conçus pour fonctionner plusieurs décennies, mais sont généralement dimensionnés à partir des conditions océaniques observées dans le passé. Or le changement climatique modifie l’océan : élévation du niveau de la mer, réchauffement des eaux et renforcement de la stratification, évolution de la circulation et des courants (Fox-Kemper et al., 2021). Ces paramètres interviennent dans la conception et l’exploitation des parcs : vagues et courants pour les charges hydrodynamiques et l’affouillement, température et salinité pour la corrosion, la colonisation biologique des structures ou l’échauffement des câbles. Par ailleurs, les zones littorales, où se concentrent d’autres usages comme l’aquaculture, sont de plus en plus fréquemment exposées aux évènements extrêmes comme les vagues de chaleur marines qui correspondent à des épisodes prolongés de températures anormalement élevées de l’océan (Hobday et al., 2016, Oliver et al., 2018). Ces extrêmes peuvent fortement impacter les sites et la production aquacole (Smith et al., 2021). Afin d’adapter ces secteurs socio-économiques côtiers vulnérables au changement climatique, il est nécessaire d’anticiper ces changements et de caractériser non seulement les tendances moyennes, mais aussi l’évolution des événements extrêmes à des échelles spatiales adaptées aux sites étudiés.
Les projections climatiques, notamment celles issues de l’exercice CMIP6 (Eyring et al., 2016) utilisées dans les rapports du GIEC, constituent une source essentielle d’information sur l’évolution future du climat. Cependant, leur faible résolution spatiale et la représentation simplifiée sous-maille de certains processus océaniques limitent leur capacité à décrire finement les conditions locales, en particulier dans les zones côtières (Holt et al., 2017). Des simulations régionales à plus haute résolution, obtenues par descente d’échelle dynamique, permettent d’affiner ces projections climatiques à une échelle locale, mais elles ont un coût numérique élevé et ne sont donc disponibles que pour un nombre limité de configurations qui ne permettent pas de quantifier systématiquement l’ensemble des sources d’incertitudes. La descente d’échelle statistique, qui repose sur l’apprentissage statistique de la relation entre la grande échelle et l’échelle locale à partir de différents jeux de données de simulations, y compris les réanalyses et les observations, constitue une alternative bien moins coûteuse (Hobeichi et al., 2023), mais dont la performance a été jusqu’ici relativement peu évaluée pour les variables océaniques et leurs extrêmes. Les mérites respectifs de ces deux approches pour décrire les extrêmes océaniques en zone littorale restent donc à établir.
Dans ce contexte, ce stage visera à répondre à deux questions scientifiques :
Porté par France Energies Marines, le stage proposé s’inscrit dans deux projets de recherche :
Le stage portera sur l’analyse et l’amélioration des projections climatiques océaniques à l’échelle locale pour l’adaptation des secteurs socio-économiques littoraux concernés. Les variables d’étude se focaliseront sur la température, les courants et la salinité. Les travaux s’appuieront sur des chaînes de traitement Python existantes, développées au sein des équipes et de leurs partenaires, que le ou la stagiaire prendra en main, adaptera et complétera.
Le stage se déroulera en deux parties. La première partie, à dominante appliquée, consistera à analyser les projections climatiques disponibles et à caractériser les évolutions futures des variables océaniques. Elle comprendra les étapes suivantes :
La seconde partie, davantage exploratoire, consistera à étudier l’apport de méthodes statistiques à la projection climatique de variables océaniques et de leurs extrêmes à l’échelle locale et s’appuiera sur les étapes suivantes :
Un encadrement scientifique de qualité sera proposé en étroite collaboration entre France Energies Marines et le Laboratoire d’Océanographie Physique et Spatiale (CNRS). Des collaborations sont également prévues avec le Laboratoire des Sciences du Climat et de l’Environnement (CNRS) sur la seconde partie du stage. Le ou la stagiaire évoluera au sein de deux consortiums et aura la possibilité de contribuer à des publications scientifiques ou communications. Ce stage permettra de développer des compétences en analyse de données climatiques et océaniques, en programmation scientifique, en méthodes statistiques, en évaluation des incertitudes climatiques, et en production d’indicateurs d’aide à la décision pour les énergies marines renouvelables et l’aquaculture.
Dernière année d’école d’ingénieur ou Master 2 avec spécialisation en océanographie, météorologie, climat, mathématiques appliquées, statistique, machine learning ou équivalent
Des connaissances en statistiques, machine learning, descente d’échelle ou en correction de biais, une pratique des bibliothèques Pandas, Xarray et Dask, ainsi qu’un intérêt pour les énergies marines renouvelables et les écosystèmes littoraux seraient un plus
Conformément à la règlementation, à compétences égales, la priorité sera donnée aux personnes en situation de handicap.
