Snabbfakta

    • Strasbourg

Ansök senast: 2025-01-14

PhD Candidate (M/ F): Calibration of a Hydrogeological Model

Publicerad 2024-11-15

Informations générales

Intitulé de l'offre : Doctorant H/F : Calibration d’un modèle hydrogéologique
Référence : UMR7063-NOLLES-003
Nombre de Postes : 1
Lieu de travail : STRASBOURG
Date de publication : mercredi 6 novembre 2024
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 2 décembre 2024
Quotité de travail : Temps complet
Rémunération : La rémunération est d'un minimum de 2135,00 € mensuel
Section(s) CN : Interactions, particules, noyaux du laboratoire au cosmos

Description du sujet de thèse

Calibration d’un modèle hydrogéologique par assimilation de données géophysiques
Objectifs : Les modèles hydrologiques distribués (MHD) sont particulièrement adaptés pour fournir des estimations fiables des changements futurs du stock d’eaux souterraines à l'échelle du bassin versant. Cependant, modéliser de manière fiable les processus est particulièrement difficile en raison d'observations limitées des processus ayant lieu dans le milieu souterrain. Un défi important est de définir la variabilité spatiale des paramètres souterrains qui alimentent les paramètres du MHD. La thèse aura pour objectif de développer un solveur numérique robuste du problème inverse hydrogéologique permettant d’intégrer des données géophysiques adaptées aux applications à l'échelle du bassin versant. Ces données sont des mesures de résonance magnétique protonique et de gravimétrie qui détectent respectivement le stockage d'eau variant spatialement et la dynamique temporelle des masses d'eau souterraines. Des outils d’assimilations basés sur le filtre de Kalman d’ensemble seront adaptés au modèle hydrologique et au jeu de données géophysiques à ajuster.

Résultats attendus :
La thèse consistera à développer et valider la fiabilité d’un outil d'assimilation de données couplant un MHD appliqué à l'échelle du bassin versant à des données géophysiques. L’outil sera testé sur des bassins versants numériques avant d’être appliqué à un bassin versant réel, le Strengbach. L’application de l’outil développé permettra d’estimer les paramètres du MHD de ce bassin versant et de fournir une estimation des variations spatiales et temporelles du stock d'eau souterraine dans ce bassin versant.

Contexte de travail

La thèse est financée par le projet Prime 80 du CNRS via la Mission pour les Initiatives Transverses et Interdisciplinaires du CNRS. La thèse sera en co-tutelle entre l’Institut Terre et Environnement de Strasbourg (ITES) et le Laboratoire Jean Kuntzmann (LJK) de Grenoble. Il s’agira d’une thèse au cours de laquelle des outils mathématiques développés au LJK seront adaptés pour calibrer un modèle hydrologique développé à l’ITES. L’étudiant·e sera basé à Strasbourg et effectuera des séjours à Grenoble pour s’approprier les outils mathématiques. L’étudiant·e aura l’opportunité de participer à des événements scientifiques organisés notamment par l’infrastructure de recherche OZCAR et le réseau de recherche sur la quantification d’incertitude.
Inscription en doctorat : Université de Strasbourg
Détachements universitaires et industriels : Université Grenoble Alpes

Contraintes et risques

Non

Informations complémentaires

Compétences :
•Enthousiasme et motivation pour travailler sur des codes numériques.
•Intérêt pour la recherche collaborative, la science ouverte et l’implémentation de codes réutilisables pour une utilisation par une communauté scientifique élargie.
•Master ou équivalent en Hydrologie, Géophysique, Data Science, Mathématiques Appliqués, Informatique ou autres disciplines en lien. Compréhension de l’hydrologie des bassins versants appréciée.
•Anglais niveau B2, aptitudes à communiquer, la pratique du français est un atout mais non essentiel.
Une expérience en développement de modèle, d’analyse de sensibilité ou de calibration de modèle via des méthodes de résolution de problèmes inverses sera fortement appréciée.

Liknande jobb

Publicerad: 2024-11-07
  • London
Publicerad: 2024-11-11
  • Manchester