Search

Your search keyword '"Charantonis, Anastase Alexandre"' showing total 23 results
Start Over Author "Charantonis, Anastase Alexandre"

Refine your results

23 results on '"Charantonis, Anastase Alexandre"'

1. Reconstruction of Sub-Surface Velocities from Satellite Observations Using Iterative Self-Organizing Maps

Author

Chapman, Christopher and Charantonis, Anastase Alexandre

Subjects
Physics - Atmospheric and Oceanic Physics, Physics - Data Analysis, Statistics and Probability, Physics - Geophysics
Abstract

In this letter a new method based on modified self-organizing maps is presented for the reconstruction of deep ocean current velocities from surface information provided by satellites. This method takes advantage of local correlations in the data-space to improve the accuracy of the reconstructed deep velocities. Unlike previous attempts to reconstruct deep velocities from surface data, our method makes no assumptions regarding the structure of the water column, nor the underlying dynamics of the flow field. Using satellite observations of surface velocity, sea-surface height and sea-surface temperature, as well as observations of the deep current velocity from autonomous Argo floats to train the map, we are able to reconstruct realistic high--resolution velocity fields at a depth of 1000m. Validation reveals extremely promising results, with a speed root mean squared error of ~2.8cm/s, a factor more than a factor of two smaller than competing methods, and direction errors consistently smaller than 30 degrees. Finally, we discuss the merits and shortcomings of this methodology and its possible future applications., Comment: Submitted to IEEE geoscience and remote sensing letters

Published
2016
Full Text
View/download PDF

2. Statistics-free interpolation of ocean observations with deep spatio-temporal prior

Author

Filoche, Arthur, Archambault, Théo, Charantonis, Anastase Alexandre, Béréziat, Dominique, Performance et Qualité des Algorithmes Numériques (PEQUAN), LIP6, Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité), and Béréziat, Dominique

Subjects
[INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], inverse problem, deep prior, satellite altimetry, space-time interpolation, sea surface height
Abstract

International audience; Interpolating sea surface height satellite measurements is a challenging inverse problem as altimeter observation can be very sparse in space and time. Operational methods rely on second-order statistics of ocean evolution which are difficult to estimate due to the high dimensionality of the studied system. In this work, we investigate a statistics-free and unsupervised variational method using a deep spatio-temporal prior, a neural network optimized on only one observational window. Results are aligned with state-of-the-art operational methods.

Published
2022

3. Deep prior in variational assimilation to estimate ocean circulation without explicit regularization

Author

Filoche, Arthur, Béréziat, Dominique, Charantonis, Anastase Alexandre, Performance et Qualité des Algorithmes Numériques (PEQUAN), LIP6, Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Océan et variabilité du climat (VARCLIM), Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité)-Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité), and Ecole Nationale Supérieure d'Informatique pour l'Industrie et l'Entreprise (ENSIIE)

Subjects
regularization, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [SDE.IE]Environmental Sciences/Environmental Engineering, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], variational data assimilation, ocean circulation, deep prior, [MATH.MATH-OC]Mathematics [math]/Optimization and Control [math.OC], twin experiment
Abstract

International audience; Many applications in geosciences require solving inverse problems to estimate the state of a physical system. Data assimilation provides a strong framework to do so when the system is partially observed and its underlying dynamics is known to some extent. In the variational flavor, it can be seen as an optimal control problem where initial conditions are the control parameters. Such problems being often ill-posed, regularization may be needed using explicit prior knowledge to enforce satisfying solution. In this work we propose to use a deep prior, a neural architecture that generates potential solution and acts as implicit regularization. The architecture is trained in an fully-unsupervised manner using the variational data assimilation cost so that gradients are backpropagated through the dynamical model and then through the neural network. To demonstrate its use, we set a twin experiment using a shallow-water toy model, where we test various variational assimilation algorithms on a ocean-like circulation estimation.

Published
2022

4. SSH Super-Resolution using high resolution SST with a Subpixel Convolutional Residual Network

Author

Archambault, Théo, Charantonis, Anastase Alexandre, Béréziat, Dominique, Mejia, Carlos, Thiria, Sylvie, Performance et Qualité des Algorithmes Numériques (PEQUAN), LIP6, Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Ecole Nationale Supérieure d'Informatique pour l'Industrie et l'Entreprise (ENSIIE), Océan et variabilité du climat (VARCLIM), Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité)-Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité), and Béréziat, Dominique

Subjects
[SDE] Environmental Sciences, [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], Super-Resolution, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Satellite Image, [SDE]Environmental Sciences, Subpixel convolution, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract

International audience; The oceans have a very important role in climate regulation due to its massive heat storage capacity. Thus, for the past decades oceans have been observed by satellites in order to better understand its dynamics. Satellites retrieve several data with various spatial resolution. For instance Sea Surface Height (SSH) is a low-resolution data field where Sea Surface Temperature (SST) can be retrieved in a much higher one. These two physical parameters are linked by a physical relation that can be learned by a Super-Resolution machine learning algorithm. In this work we present a Subpixel Convolutional Deep learning model that takes advantage of the higher resolution SST field to guide the downscaling of the SSH one. The data fields that we use are simulated by a physic based ocean model at a higher sampling rate than the satellites provide. We compared our approach with a convolutional neural network (CNN) model. Our architecture generalized well with validation performances of 3.94 cm RMSE and training performances of 2.65 cm RMSE.

Published
2022

5. Unlearned Downscaling of sea surface height with Deep Image Prior

Author

Archambault, Théo, Filoche, Arthur, Charantonis, Anastase Alexandre, Béréziat, Dominique, Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité), Performance et Qualité des Algorithmes Numériques (PEQUAN), LIP6, and Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [SDE.ES]Environmental Sciences/Environmental and Society, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract

International audience

Published
2022

6. Variational assimilation of Geophysical images leveraging deep learning tools

Author

Filoche, Arthur, Béréziat, Dominique, Charantonis, Anastase Alexandre, Brajard, Julien, Performance et Qualité des Algorithmes Numériques (PEQUAN), LIP6, Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité), Nansen Environmental and Remote Sensing Center [Bergen] (NERSC), Centre National de la Recherche Scientifique [CNRS], Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université de Paris (UP)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université de Paris (UP)-Institut de Recherche pour le Développement (IRD)-Muséum national d'Histoire naturelle (MNHN)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Université (SU), Sorbonne Université (SU)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université de Paris (UP), Ecole Nationale Supérieure d'Informatique pour l'Industrie et l'Entreprise (ENSIIE), and Sciencesconf.org, CCSD

Subjects
[INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], geoscience informatics, variational data assimilation, deep learning, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO]Computer Science [cs], [INFO] Computer Science [cs], automatic differentiation
Abstract

International audience; Many applications in Earth Sciences require the estimation of a physical system state. Data Assimilation provides a strong framework to do so when knowledge about a governing dynamics and observations of such system are available. If this kind of inverse problem is solved in a variational form, the optimization process involves the adjoint state method for efficient gradient computing. From a computational perspective, this method is equivalent to the backpropagation algorithm and is implemented using automatic differentiation. The ongoing development of deep learning tools allows flexible implementation of such methods and opens the door to hybrid data-knowledge driven modeling. This is illustrated on two geophysical image assimilation problems.; De nombreuses applications en géoscience nécessitent d'estimer l'état d'un système physique. L'assimilation de données fournit un cadre rigoureux pour le faire lorsque des connaissances de la dynamique qui régit le système et des observations de ce système sont disponibles. Quand ce type de problème inverse est résolu sous une forme variationnelle, le processus d'optimisation implique la méthode de l'état adjoint pour un calcul efficace du gradient. D'un point de vue informatique, cette méthode est équivalente à l'algorithme de rétropropagation et est mise en oeuvre en utilisant la différenciation automatique. Le récent développement des outils d'apprentissage profond permet une mise en oeuvre flexible de ces méthodes et ouvre la porte à une modélisation hybride axée sur les données et la connaissance. Ceci est illustré sur deux problèmes d'assimilation d'images géophysiques.

Published
2021

7. Inversion of Phytoplankton Pigment Vertical Profiles from Satellite Data Using Machine Learning

Author

Puissant, Agathe, El Hourany, Roy, Charantonis, Anastase Alexandre, Bowler, Chris, Thiria, Sylvie, Puissant, Agathe, El Hourany, Roy, Charantonis, Anastase Alexandre, Bowler, Chris, and Thiria, Sylvie

Abstract

Observing the vertical dynamic of phytoplankton in the water column is essential to understand the evolution of the ocean primary productivity under climate change and the efficiency of the CO2 biological pump. This is usually made through in-situ measurements. In this paper, we propose a machine learning methodology to infer the vertical distribution of phytoplankton pigments from surface satellite observations, allowing their global estimation with a high spatial and temporal resolution. After imputing missing values through iterative completion Self-Organizing Maps, smoothing and reducing the vertical distributions through principal component analysis, we used a Self-Organizing Map to cluster the reduced profiles with satellite observations. These referent vector clusters were then used to invert the vertical profiles of phytoplankton pigments. The methodology was trained and validated on the MAREDAT dataset and tested on the Tara Oceans dataset. The different regression coefficients R2 between observed and estimated vertical profiles of pigment concentration are, on average, greater than 0.7. We could expect to monitor the vertical distribution of phytoplankton types in the global ocean.

Published
2021
Full Text
View/download PDF

9. Tropical Atlantic dynamics as inferred from statistics and satellite

Author

Arnault, Sabine, Parard, Gaëlle, Charantonis, Anastase Alexandre, Kaly, François, Thiria, Sylvie, Mélice, Jean-Luc, Variabilité de l'Océan et de la Glace de mer (VOG), Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité)-Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité), Océan et variabilité du climat (VARCLIM), and CNES

Subjects
[SDE]Environmental Sciences
Abstract

International audience

Published
2019

10. Can a neural network learn a numerical model ?

Author

Brajard, Julien, Charantonis, Anastase Alexandre, Sirven, Jérôme, Océan et variabilité du climat (VARCLIM), Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université de Paris (UP)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université de Paris (UP)-Institut de Recherche pour le Développement (IRD)-Muséum national d'Histoire naturelle (MNHN)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Université (SU)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université de Paris (UP)-Institut de Recherche pour le Développement (IRD)-Muséum national d'Histoire naturelle (MNHN)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Université (SU), Ecole Nationale Supérieure d'Informatique pour l'Industrie et l'Entreprise (ENSIIE), Austral, Boréal et Carbone (ABC), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité)-Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité)

Subjects
[SDU.OCEAN]Sciences of the Universe [physics]/Ocean, Atmosphere, [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract

International audience; Numerical models are used to simulate the evolution of atmosphere or ocean dynamics. They are implemented through a computer code, that contains predefined rules specifying how to compute the evolution of some outputs (e.g sea surface height) from inputs (e.g. previous states of the model, satellite or in situ observations of other parameters). A machine learning approach, in contrast, infers its internal set of rules from a large amount of data. In many fields (image recognition, automatic translation, speech recognition, ...), the more traditional methods, which rely on predefined rules, have been outperformed by machine learning algorithms. This performance was made possible by advances in Convolutional and Recurrent Neural Networks. This work addresses the question of the application and the usefulness of machine learning for numerical modeling in Geophysics. Results are presented using a demonstration model : A shallow-water model including a forcing by the wind, a diffusive term and a dissipation term. We evaluate the ability of a neural network to reproduce the numerical model "rules" given only the output fields of the model. We also investigate the ability of this neural network to simulate only some specific parts of the numerical model (e.g. diffusion or dissipation) and discuss the potential combination of approaches.

Published
2018

11. The potential of using remote sensing data to estimate air-sea CO2 exchange in the Baltic Sea

Author

Parard, Gaëlle, Rutgersson, Anna, Raj Parampil, Sindu, and Charantonis, Anastase Alexandre

Subjects
Climate Research, Klimatforskning
Abstract

In this article, we present the first climatological map of air–sea CO2 flux over the Baltic Sea based on remote sensing data: estimates of pCO2 derived from satellite imaging using self-organizing map classifications along with class-specific linear regressions (SOMLO methodology) and remotely sensed wind estimates. The estimates have a spatial resolution of 4 km both in latitude and longitude and a monthly temporal resolution from 1998 to 2011. The CO2 fluxes are estimated using two types of wind products, i.e. reanalysis winds and satellite wind products, the higher-resolution wind product generally leading to higher-amplitude flux estimations. Furthermore, the CO2 fluxes were also estimated using two methods: the method of Wanninkhof et al. (2013) and the method of Rutgersson and Smedman (2009). The seasonal variation in fluxes reflects the seasonal variation in pCO2 unvaryingly over the whole Baltic Sea, with high winter CO2 emissions and high pCO2 uptakes. All basins act as a source for the atmosphere, with a higher degree of emission in the southern regions (mean source of 1.6 mmol m−2 d−1 for the South Basin and 0.9 for the Central Basin) than in the northern regions (mean source of 0.1 mmol m−2 d−1) and the coastal areas act as a larger sink (annual uptake of −4.2 mmol m−2 d−1) than does the open sea (−4 mmol m−2 d−1). In its entirety, the Baltic Sea acts as a small source of 1.2 mmol m−2 d−1 on average and this annual uptake has increased from 1998 to 2012.

Published
2017

12. Hydrographical and dynamical reconstruction of the Warm Core Cyprus Eddy from gliders data

Author

Bosse, Anthony, Testor, Pierre, Hayes, Daniel, Ruiz, Simón, Mauri, Elena, Charantonis, Anastase Alexandre, d'Ortenzio, Fabrizio, Mortier, Laurent, Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Variabilité de l'Océan et de la Glace de mer (VOG), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), Cyprus Oceanography Center, University of Cyprus [Nicosia] (UCY), Institut Mediterrani d'Estudis Avancats (IMEDEA), Consejo Superior de Investigaciones Científicas [Madrid] (CSIC)-Universidad de las Islas Baleares (UIB), Processus de la variabilité climatique tropicale et impacts (PARVATI), Laboratoire d'océanographie de Villefranche (LOV), Observatoire océanologique de Villefranche-sur-mer (OOVM), Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS), EGU, Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Muséum national d'Histoire naturelle (MNHN)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Muséum national d'Histoire naturelle (MNHN)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), University of Cyprus (UCY), and Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[PHYS.PHYS.PHYS-GEO-PH]Physics [physics]/Physics [physics]/Geophysics [physics.geo-ph]
Abstract

International audience; In the 80s, the POEM (Physical Oceanography of the Eastern Mediterranean) cruises in the Levantine Basin first revealed the presence of a very pronounced dynamical structure off Cyprus: The Cyprus Warm Core Eddy. Since then, a large amount of data have been collected thanks to the use of autonomous oceanic gliders (+8000 profiles since 2009). Part of those profiles were carried out in the upper layers down to 200 m, and we take benefit of a novel approach named ITCOMP SOM that uses a statistical approach to extend them down to 1000 m (see [1] for more details). This dataset have a particularly good spatio-temporal coverage in 2009 for about a month, thanks to simultaneous deployments of several gliders (up to 6). In this study, we present a set of 3D reconstruction of the dynamical and hydrographical characteristics of the Warm Core Cyprus Eddy between 2009 and 2015. Moreover, chlorophyll-a fluorescence data measured by the gliders give evidence to strong vertical velocities at the edge of the eddy. We discuss possible mechanisms (frontogenesis, symmetric instability) that could generate such signals and provide an assessment of the role of this peculiar circulation feature on the circulation and biogeochemistry of the Levantine basin. Reference: [1] Charantonis, A., P. Testor, L. Mortier, F. D'Ortenzio, S. Thiria (2015): Completion of a sparse GLIDER database using multi-iterative Self-Organizing Maps (ITCOMP SOM), Procedia Computer Science, 51(1):2198-2206. DOI: 10.1016/j.procs.2015.05.496

Published
2016

13. Using satellite data to estimate partial pressure of CO2 in the Baltic Sea

Author

Parard, Gaëlle, Charantonis, Anastase Alexandre, Rutgersson, Anna, Department of Earth Sciences [Uppsala], Uppsala University, Processus de la variabilité climatique tropicale et impacts (PARVATI), Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Muséum national d'Histoire naturelle (MNHN)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Muséum national d'Histoire naturelle (MNHN)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS-PSL), and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636))

Subjects
[PHYS.PHYS.PHYS-GEO-PH]Physics [physics]/Physics [physics]/Geophysics [physics.geo-ph]
Abstract

International audience; In this study we focused on estimating the pressure partial of CO2 (pCO2) in the entire Baltic Sea which can be considered a coastal area in its entirety. We used the self-organizing multiple linear output (SOMLO) method to estimate the ocean surface pCO2 in the Baltic Sea from the remotely sensed sea surface temperature, chlorophyll a, colored dissolved organic matter, net primary production, and mixed-layer depth. Uncertainties in the estimates include sparsity of in situ data used to train the algorithms, in particular, for some sectors and seasons. For this application we divided the Baltic Sea in four basins. When comparing the results obtained with this division to those obtained in previous studies, we notice a decrease in the root-mean-square error (2 and their corresponding in situ measurements, as well as an increase of the correlation coefficient (> 0.96) between them. The outputs of this research have a horizontal resolution of 4 km and cover the 1998–2011 period. For the first time, a climatological mean distribution of surface water pCO2 over the Baltic Sea was calculated based on the SOMLO method with a mean pCO2 of 368.3±100 μatm, and a range of 234–514 μatm. The seasonal variability is similar throughout the Baltic Sea, being high in winter and low in summer.

Published
2016

16. Remote sensing the sea surface CO2 of the Baltic Sea using the SOMLO methodology

Author

Parard, Gaëlle, Charantonis, Anastase Alexandre, Rutgerson, A., Department of Earth Sciences [Uppsala], Uppsala University, Processus de la variabilité climatique tropicale et impacts (PARVATI), Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Centre d'enseignement Cnam Paris (CNAM Paris), Conservatoire National des Arts et Métiers [CNAM] (CNAM), HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM)-HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM), Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Muséum national d'Histoire naturelle (MNHN)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS Paris), and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Muséum national d'Histoire naturelle (MNHN)-Institut Pierre-Simon-Laplace (IPSL (FR_636))

Subjects
[SDE]Environmental Sciences, Geovetenskap och miljövetenskap, [PHYS.PHYS.PHYS-GEO-PH]Physics [physics]/Physics [physics]/Geophysics [physics.geo-ph], Earth and Related Environmental Sciences
Abstract

International audience; Studies of coastal seas in Europe have noted the high variability of the CO2 system. This high variability, generated by the complex mechanisms driving the CO2 fluxes, complicates the accurate estimation of these mechanisms. This is particularly pronounced in the Baltic Sea, where the mechanisms driving the fluxes have not been characterized in as much detail as in the open oceans. In addition, the joint availability of in situ measurements of CO2 and of sea-surface satellite data is limited in the area. In this paper, we used the SOMLO (self-organizing multiple linear output; Sasse et al., 2013) methodology, which combines two existing methods (i.e. self-organizing maps and multiple linear regression) to estimate the ocean surface partial pressure of CO2 (pCO2) in the Baltic Sea from the remotely sensed sea surface temperature, chlorophyll, coloured dissolved organic matter, net primary production, and mixed-layer depth. The outputs of this research have a horizontal resolution of 4 km and cover the 1998–2011 period. These outputs give a monthly map of the Baltic Sea at a very fine spatial resolution. The reconstructed pCO2 values over the validation data set have a correlation of 0.93 with the in situ measurements and a root mean square error of 36 μatm. Removing any of the satellite parameters degraded this reconstructed CO2 flux, so we chose to supply any missing data using statistical imputation. The pCO2 maps produced using this method also provide a confidence level of the reconstruction at each grid point. The results obtained are encouraging given the sparsity of available data, and we expect to be able to produce even more accurate reconstructions in coming years, given the predicted acquisition of new data.

Published
2015

17. Hidden Markov Models: a data assimilation-like approach for Geosciences

Author

Charantonis, Anastase Alexandre, Thiria, Sylvie, Arnault, Sabine, Badran, Fouad, Processus de la variabilité climatique tropicale et impacts (PARVATI), Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Muséum national d'Histoire naturelle (MNHN)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Muséum national d'Histoire naturelle (MNHN)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Variabilité de l'Océan et de la Glace de mer (VOG), Centre d'études et de recherche en informatique et communications (CEDRIC), Ecole Nationale Supérieure d'Informatique pour l'Industrie et l'Entreprise (ENSIIE)-Conservatoire National des Arts et Métiers [CNAM] (CNAM), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), and HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM)-HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM)

Subjects
[PHYS.PHYS.PHYS-GEO-PH]Physics [physics]/Physics [physics]/Geophysics [physics.geo-ph], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2014

18. Infering the Chlorophyll-A Vertical Distribution in the Ocean From Satellite Data by Using Hidden Markov Models and Self Organizing Maps

Author

Charantonis, Anastase Alexandre, Thiria, Sylvie, Moulin, Cyril, Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Muséum national d'Histoire naturelle (MNHN)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Laboratoire des Sciences du Climat et de l'Environnement [Gif-sur-Yvette] (LSCE), Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS-PSL), and Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SDU.STU.GP]Sciences of the Universe [physics]/Earth Sciences/Geophysics [physics.geo-ph], [SDE.MCG]Environmental Sciences/Global Changes, [PHYS.PHYS.PHYS-GEO-PH]Physics [physics]/Physics [physics]/Geophysics [physics.geo-ph]
Published
2012

19. Inverse method for the retrieval of ocean vertical profiles using self-organizing maps and hidden Markov models - Application on Ocean Colour Satellite Image Inversion

Author

Charantonis, Anastase Alexandre, Brajard, Julien, Moulin, Cyril, Badran, Fouad, Thiria, Sylvie, Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Muséum national d'Histoire naturelle (MNHN)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Université Pierre et Marie Curie - Paris 6 (UPMC), Laboratoire des Sciences du Climat et de l'Environnement [Gif-sur-Yvette] (LSCE), Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ), Centre d'études et de recherche en informatique et communications (CEDRIC), Ecole Nationale Supérieure d'Informatique pour l'Industrie et l'Entreprise (ENSIIE)-Conservatoire National des Arts et Métiers [CNAM] (CNAM), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS-PSL), Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS), and HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM)-HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM)

Subjects
[SDU.STU.GP]Sciences of the Universe [physics]/Earth Sciences/Geophysics [physics.geo-ph], [SDE.MCG]Environmental Sciences/Global Changes, [PHYS.PHYS.PHYS-GEO-PH]Physics [physics]/Physics [physics]/Geophysics [physics.geo-ph]
Published
2011

20. Inversion of sea surface data to retrieve the vertical distribution of phytoplankton using a statistical methodology

Author

Charantonis, Anastase Alexandre, Thiria, Sylvie, Moulin, Cyril, Brajard, Julien, Laboratoire d'Océanographie et du Climat : Expérimentations et Approches Numériques (LOCEAN), Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Muséum national d'Histoire naturelle (MNHN)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Laboratoire des Sciences du Climat et de l'Environnement [Gif-sur-Yvette] (LSCE), Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ), Université Pierre et Marie Curie - Paris 6 (UPMC), Muséum national d'Histoire naturelle (MNHN)-Institut de Recherche pour le Développement (IRD)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Institut Pierre-Simon-Laplace (IPSL (FR_636)), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-École polytechnique (X)-Centre National d'Études Spatiales [Toulouse] (CNES)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS-PSL), and Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SDU.STU.GP]Sciences of the Universe [physics]/Earth Sciences/Geophysics [physics.geo-ph], [PHYS.PHYS.PHYS-GEO-PH]Physics [physics]/Physics [physics]/Geophysics [physics.geo-ph]
Published
2011

23. Reconstructing 3D data from 2D observations with deep learning.

Author

Charantonis, Anastase Alexandre

Subjects
*DEEP learning, *METEOROLOGY, *HIDDEN Markov models, *OCEAN dynamics, *REMOTE-sensing images
Abstract

Dynamical numerical models have, over the span of the past decades, provided ever more accurate predictions of the evolution of environmental variables such as temperature and pressure in meteorology, and sea currents in oceanography. However, the chaotic nature of natural processes, combined with sub-scale phenomena that are not fully incorporated in present-day models, make accurate long-term predictions impossible. In effect, these models are periodically re-initialized close the observed evolution of the monitored parameters before being re-used for forecasting. A multitude of approaches have, in the past been developed to attempt to perform this, such as the field of data assimilation. Such techniques have their advantages and inconveniences but in general can be quite computationally expensive. Synchronizing observed data (such as those issued from satellite imaging) with numerical models, remains an optimizable endeavor.In the past we have shown (such as in Charantonis et al. 2015) that a combination of machine learning with Hidden Markov models has essentially provided a cost-efficient method to simulate the temporal evolution of vertical profiles of physical parameters such as Chlorophyll-A and Temperature that dynamical numerical model would forecast, given a concordant sequence of satellite data at a given location.The CNN and LSTM deep learning architectures have, over the past years have been highly performing. They can address some essential issues of the previous approach, namely the ability to modulate your profile reconstructions, the ability to simultaneously train the spatial and temporal aspects of your model and the ability to expand the predictions to a 4D field reconstruction of the ocean's dynamics from sea-surface images.In this work, we compared a "shallow-learning" and deep-learning aproach for spatio-temporal reconstuctions. It showed that the performance of the methods are dependent on the size and nature of the parameters being forcasted. [ABSTRACT FROM AUTHOR]

Published
2019

Catalog

Books, media, physical & digital resources
See catalog results