Hydatis
Hydatis
Centre Urbain Nord

Clim-02 Evaluating Basis Risk in Index-Based Agricultural Insurance: A Comparative Study Using Satellite vs. Ground Weather Data PFE

ClimateTechAgriTechRemote Sensing

Publié il y a 6 mois

Stage
⏱️3-6 mois
💼Hybride
📅Expiré il y a 6 mois
Reste lisible (ATS friendly).

Description du poste

Résumé du projet

  • Étudier et quantifier le basis risk (risque de base) dans les assurances agricoles indexées sur des indices météo.
  • Comparaison systématique entre indices dérivés de données satellitaires (ex. Sentinel-2 / NDVI via GEE) et données météo au sol (ex. CHIRPS) pour évaluer l'impact sur l'indemnisation.

Objectifs et tâches principales

  • Prétraitement et assemblage des séries temporelles météo et indices de végétation pour zones agricoles ciblées.
  • Calcul d'indices agroclimatiques pertinents et construction d'indices d'assurance basés sur seuils ou modèles statistiques.
  • Estimation du basis risk via corrélations, erreurs d'indemnisation simulées et comparaisons spatiales/temporales.
  • Validation statistique et sensibilité : tests de corrélation, rééchantillonnage, études de robustesse.

Environnement technique et outils

  • Langages et bibliothèques : Python (pandas, matplotlib, geopandas), scikit-learn pour modélisation et analyses statistiques.
  • Traitement d'imagerie et indices : Google Earth Engine pour Sentinel-2 / NDVI.
  • Visualisation et cartographie : GeoPandas, Folium pour visualisation géospatiale interactive.
  • Reporting interactif : Jupyter Notebook pour analyses reproductibles et visualisations intégrées.
  • Stockage / base de données : SQLite ou PostgreSQL avec PostGIS pour gestion spatiale et requêtes.

Sources de données

  • Données météo : CHIRPS (pluviométrie et séries temporelles).
  • Données satellite : Sentinel-2 / NDVI via Google Earth Engine.
  • Données agronomiques / rendements : FAOStat si disponibles pour calibration/validation des indices.

Livrables attendus et compétences développées

  • Livrables : notebooks Jupyter explicatifs, scripts Python réutilisables, base de données spatiale (SQLite/PostGIS), cartes interactives et rapport final détaillant le niveau de basis risk et recommandations.
  • Compétences : traitement de données géospatiales, télédétection sur GEE, modélisation statistique de risque, visualisation cartographique, gestion de bases spatiales.

Modalités de candidature

  • Pour postuler, envoyez votre candidature par email à stages@hydatis.fr en précisant en objet la référence du sujet (Clim-02) et joignez CV + projet de mémoire / lettre de motivation.
  • Vous pouvez aussi candidater via le site : https://www.hydatis.com
Hydatis - Clim-02 Evaluating Basis Risk in Index-Based Agricultural Insurance: A Comparative Study Using Satellite vs. Ground Weather Data PFE | Hi Interns | Hi Interns