Ingénieur d’étude qualité de l’air et modélisation f/h

L’unité de Modélisation atmosphérique et cartographie environnementale (MOCA) développe et utilise des outils de gestion de la qualité de l’air dans le cadre de ses activités de recherche, de soutien aux pouvoirs publics, et en appui à des demandes émanant de clients privés, que ce soit en France, en Europe ou à l’international. Les applications incluent des évaluations d’exposition (chronique ou accidentelle), des prévisions à court terme, ou des projections à long terme (prospectif ou rétrospectif) en aide à la décision. Les échelles spatiales couvertes peuvent concerner un site industriel, une agglomération, un pays ou un continent (en Europe ou au-delà).

L’expertise de l’Ineris dans ce domaine est largement reconnue à travers nombre de projets de recherche et opérationnels en soutien aux décideurs (Ministère en charge de l’Ecologie, commission européenne, Agence européenne de l’environnement ou Nations unies).



Au sein de cette unité, composée d’une dizaine d’ingénieurs, vous contribuerez à des études dans le domaine de la qualité de l’air dans le cadre de programmes de recherche, d’expertise et d’appui de l’Institut auprès des décideurs publics mais aussi en lien avec le développement commercial de l’unité (y compris à l’international).

Vous serez amené(e) à participer à l’activité de modélisation de la qualité de l’air à travers plusieurs axes de travail relatifs à l’utilisation du modèle de chimie-transport à l’échelle régionale CHIMERE[1] et à ses post-traitements. Votre mission s’articulera notamment autour de la consolidation des chaînes de modélisation opérationnelle de la plateforme nationale Prev’air et des prévisions européennes pour le service Copernicus de surveillance de l’atmosphère.

Ces activités s’articuleront autour des priorités suivantes :

- Assurer le suivi des simulations du modèle CHIMERE dans un contexte de calcul opérationnel haute performance (préparation, exécution, post-traitements) ;

- Evaluer les performances des modèles de qualité de l’air en regard d’observations réglementaires de qualité de l’air ;

- Implémenter des algorithmes de post-traitement par machine learning incluant divers traitements cartographiques, calcul d’indicateurs, etc ;

- Assurer l’opérationnalité des traitements et optimiser leur configuration, y compris en termes de coût de calcul ;

- Valoriser les résultats acquis en contribuant aux rapports d’études.


[1]