Beschreibung

I am an atmospheric and climate modeling engineer specialized in the simulation and analysis of CO₂ fluxes, air quality, and atmospheric dynamics.

With over 3 years of experience in research and data-driven climate projects, I combine advanced numerical modeling (WRF-Chem, HYSPLIT, AERMOD, ARPÈGE) with data analysis and visualization (Python, R, QGIS) to deliver high-quality, science-based insights.

Key Expertise:

• Climate and atmospheric modeling (WRF-Chem, ARPÈGE, HYSPLIT, AERMOD)

• Data analysis and statistical modeling (Python, R, Pandas, NumPy)

• Remote sensing and CO₂ flux validation (ERA5, ICOS, LIDAR, AirCore)

• Time series analysis, spatial interpolation, and geostatistics

• Visualization of climate and environmental data (QGIS, Matplotlib, Plotly)

Branchenexpertise

Sprachen

Französisch
Muttersprachlich oder zweisprachig
Englisch
Verhandlungssicher
Arabisch
Muttersprachlich oder zweisprachig

Arbeitsortpräferenzen

Nur remote

Führt Projekte hauptsächlich remote aus

Projet Indépendant / Open Source
Data Engineer & Spécialiste Modélisation (Projet Indépendant)
UMWELT
Dezember 2025 - April 2026 (4 Monate)
Reims, Frankreich
Conception et développement intégral d'un framework d'inversion atmosphérique en Python pour quantifier les flux de CO2 à l'échelle européenne.
• Ingénierie de données complexes : Automatisation du traitement des empreintes rétrogrades HYSPLIT et intégration des données de hauteur de couche limite (BLH) issues de la réanalyse ERA5.
• Analyse de données multi-sources : Exploitation et nettoyage des séries temporelles de 25 stations du réseau ICOS (Integrated Carbon Observation System).
• Validation scientifique rigoureuse : Mise en œuvre d'un protocole de validation croisée "Leave-One-Station-Out" (LOSO), atteignant une corrélation de r=0,648 et démontrant une amélioration significative par rapport aux modèles de référence (+0,070).
• Gestion de projet et Open Source : Publication du code sous licence MIT sur GitHub et archivage pérenne sur Zenodo avec attribution d'un DOI pour garantir la reproductibilité et le partage communautaire.
• Production de livrables de haut niveau : Rédaction de rapports techniques exhaustifs (48 pages) en anglais et français, incluant une analyse critique des incertitudes et des limitations du modèle.
Python Machine learning Hysplit Dispersion atmosphérique Analyse des risques climatiques
GSMA — CNRS UMR 7331, Université de Reims Champagne-Ardenne
Ingénieur en modélisation atmosphérique & qualité de l'air
FORSCHUNG
September 2022 - Februar 2026 (3 Jahre und 5 Monate)
• • Modélisation régionale du CO2 et polluants via WRF-Chem ; évaluation des performances par confrontation aux observations terrain
• • Traitement et analyse de données multi-sources : stations ICOS, campagnes aéroportées (avion, ballon-sonde AirCore/AMULSE), télédétection
• • Contrôle qualité des données : filtrage, lissage, validation croisée (AMULSE vs AirCore), identification d'anomalies et tendances
• • Rédaction de rapports techniques détaillés pour l'aide à la décision ; contribution à des études d'impact environnemental et surveillance atmosphérique
• • Développement d'un pipeline open source d'inversion atmosphérique CO2 décomposée sur 25 stations ICOS européennes (PINN-HYSPLIT, publié sous DOI, licence MIT) Modélisation
Wrf Modélisation Télédétection PINN Python
Université de Reims Champagne-Ardenne
Stage de recherche
BILDUNG & E-LEARNING
April 2022 - September 2022 (5 Monate)
51100 Reims, France
Modélisation du CO2 en région parisienne avec validation par télédétection et données in situ ; analyse spatiale
sous SIG
QGIS WRF-chem Analyse spatiale Analyse statistique Python