Jeune Equipe Associée à l’IRD (JEAI)

Modélisation et Traitement de données environnementales

(MTE)

Responsable : Awa NIANG
ESP/UCAD BP :5085 Dakar Fann
e-mail: awaniang@ucad.sn, awa@lodyc.jussieu.fr,
tél : + (221) 77 642 55 16

fax : + (221)33 825 61 64

Membres permanents de l'équipe

Dr. Salam Sawadogo, Maître de Conférences, ESP/ UCAD.

Dr. Mbaye DIOP, Maître de Recherche, ISRA.

Dr. Awa NIANG, Maître de Conférences, ESP/UCAD

Membres non permanents : 3 étudiants (Thèse, Master 2 recherche)
Partenariats de recherche : LOCEAN/IPSL/UPMC , LISE/ULCO

Problématique et objectifs de recherche
Les sciences de l’environnement font face à des problèmes complexes tant du point de vue théorique (inter-actions de phénomènes complexes d’échelles différentes) qu’expérimental dû au nombre considérable de données recueillies par les satellites.

Notre objectif est de développer à l’UCAD une expertise dans le domaine  des méthodologies de traitement et de modélisation statistiques permettant une exploitation optimale de ces données.

La JEAI a pour vocation d’appréhender les impacts des modifications climatiques sur l’environnement dans la région du Sénégal et plus généralement dans le Sahel, ceci dans une problématique de développement durable. Nos études s’organisent autour de trois axes de recherche dans le traitement des données  d’environnement :

1 : Techniques Avancées en Mathématiques,

2 : Océanographie et impacts ( Espaces Littoraux, Ecosystèmes,…),

3 : Météorologie et impacts (Pluviométrie et hydrologie).

Méthodologie et résultats attendus

Dans le domaine de la couleur de l'océan nous visons à développer plusieurs méthodologies neuronales pour inverser les mesures satellitaires de couleur de l’océan, dans le but d’investiguer la variabilité de la productivité océanique au large du Sénégal et des phénomènes océaniques qui la conditionnent (upwelling, doming …).

Pour l’étude sur le climat nous projetons de mettre en place un modèle de prévision de la pluviométrie journalière du Sénégal à partir des données régionales. Ceci permettra de régler les problèmes (1) de l'anisotropie observée dans la distribution des stations et (2) du passage d'échelle à la fois spatiale et temporelle. L’objectif est dans un premier temps de réaliser le passage de la grande échelle vers l’échelle fine (downscalling) à partir de méthodes de désagrégation statistique basées sur les réseaux de neurones et ensuite de simuler les précipitations journalières locales.

Activités de formation à la recherche par la recherche

Les membres de la JEAI encadrent des étudiants du Master de Recherche de l’ESP. Cette année deux étudiants effectuent leur stage sur les deux thèmes ci-dessus. Des sujets de thèse ont été définis et nous espérons pouvoir encadrer en 2007 deux thèses en cotutelle avec le LOCEAN. D’autre part dans le cadre d’une convention de Master établie entre l’UVSQ et l’ESP, des missions d’enseignement et de recherche sont prévus, à partir de 2007 à l’ESP .

Activités de transfert auprès des utilisateurs potentiels :

Etant donné notre problématique d’études d’impacts pour le développement durable, les résultats de nos travaux sont destinés à long terme aux utilisateurs pour une meilleure gestion des ressources halieutiques et des ressources en eau.

Difficultés rencontrées

La faiblesse de l’équipe pourrait peut être venir du nombre assez réduit de chercheurs permanents (3) de l’équipe , due à la difficulté d’établir un véritable contact avec d’autres chercheurs intéressés.

Cependant l’équipe aura accès à un vivier d’étudiants formés dans le cadre du Master de Recherche de l’ESP.

Apport du partenariat IRD
La jeune équipe s’appuiera fortement sur les équipes IRD partenaires pour acquérir et développer des méthodologies pertinentes appliquées aux sciences de l’environnement, grâce notamment aux missions. Le partenariat nous permettra également de participer au programme international AMMA avec une thématique originale qui est la compréhension de l’intermittence spatiale et temporelle des pluies sur les régions africaines.

Illustration (non nécessaire)

Exemple de classification neuronale d’une image couleur de l’océan