Mesure 3D d’un champ de houle assistée par apprentissage, à l’aide d’un radar à bande X couplé à des observations aéroportées par drone

Les radars de navigation à bande X sont des instruments prometteurs pour mesurer la houle, car les images qu’ils fournissent peuvent être traitées pour obtenir une reconstruction vague-à-vague de la surface de la mer, sur des distances de plusieurs km. Cette reconstruction serait d’un intérêt immense, aussi bien à des fins de recherche et d’observation en océanographie, que pour du monitoring dans le domaine des énergies marines renouvelables, ou encore pour réaliser des prédictions en temps réel des vagues, ou du mouvement d’un navire, sur des horizons de plusieurs minutes, pour améliorer la faisabilité et la sécurité d’un grand nombre d’opérations en mer.  
En dépit de ces perspectives, les radars ne donnent qu’une mesure très indirecte de la houle, via le fouillis de mer (ou sea clutter, en anglais). Pour faire des radars de véritables capteurs distants pour l’observation de l’océan, une méthode d’inversion « vague-à-vague » et en temps réel d’images radar du fouillis de mer reste donc à inventer. Il faut pour cela une compréhension physique plus fine des mécanismes de formation et de modulation du fouillis de mer dans les différentes zones de l’image radar, et une méthode d’inversion capable d’intégrer ces mécanismes. C’est sur ces deux axes que cette thèse se proposera d’apporter une contribution, via la construction et l’exploitation d’une base de données couplant images radar et mesures directes des vagues (réalisées par drone) sur des zones d’observation concordantes. 
La thèse sera menée en partenariat avec le centre Borelli de l’ENS Paris Saclay. Elle comportera un important travail expérimental, avec la réalisation de campagnes de mesures in-situ (probablement en Irlande sur la station d’observation du projet HIGHWAVE). L’exploitation des données récoltées combinera modélisation physique et mise en œuvre d’algorithmes d’apprentissage profond, ces deux volets étant amenés à s’enrichir mutuellement. Le.la doctorant.e aura ainsi la chance de travailler dans un domaine porteur et d’une grande richesse scientifique et technique, avec une large place laissée à sa créativité.

Mots clefs : Mathématiques appliquées, traitement du signal, traitement de l’image, science des données, machine learning, probabilités et statistiques, physique ondulatoire, océanographie

• Directeurs de thèse    Prof. DIAS Frédéric, Centre Borelli, ORCID 0000-0002-5123-4929 et Dr. MOREAUD Maxime, IFPEN, ORCID 0000-0002-4908-401X
• Ecole doctorale    Ecole doctorale de mathématiques Hadamard
• Encadrant IFPEN    Dr. MERIGAUD Alexis, Département Contrôle, Signal et Système, alexis.merigaud@ifpen.fr, ORCID 0000-0002-7658-8942
• Localisation du doctorant    IFP Energies nouvelles, Rueil-Malmaison, France
• Durée et date de début    3 ans, début au cours du quatrième trimestre 2023
• Employeur    IFP Energies nouvelles, Rueil-Malmaison, France
• Qualifications    Master couvrant au moins deux des disciplines indiquées dans les mots clés
• Connaissances linguistique    Bonne maîtrise de l’anglais indispensable
• Autres qualifications    Aisance en programmation (notamment Matlab ou Python)