Recherche
Mon travail de maîtrise utilise le deep learning sur des images satellites pour suivre les glaciers à l’échelle d’un continent. Je travaille aussi sur le suivi et la modélisation de l’environnement, avec la plateforme de stations météo et les outils libres présentés dans la page Projets.
Publications et datasets
- En évaluation
Divergent and asymmetrically reversible accumulation-zone failure across western North American glaciers
Nature Climate Change
En évaluation.
- Prépublication
Benchmarked and leakage-validated deep-learning glacier segmentation: a 42-year, five-sensor snow-fraction record for western North America
SSRN
Soumis à l’ISPRS Journal of Photogrammetry and Remote Sensing. Le code et les données sont ouverts.
Citer ce travail
@misc{tarka2026glaciersegmentation, author = {Tarka, Maxime and Bara{\"e}r, Michel and Aubry-Wake, Caroline}, title = {Benchmarked and leakage-validated deep-learning glacier segmentation: a 42-year, five-sensor snow-fraction record for western North America}, year = {2026}, publisher = {SSRN}, doi = {10.2139/ssrn.7418104}, note = {Preprint} } - Dataset publié
Data for: Benchmarked and leakage-validated deep-learning glacier segmentation: a 42-year, five-sensor snow-fraction record for western North America
Zenodo, version 1.0, CC BY 4.0
Les modèles entraînés, les 540 scènes annotées, quatre modèles de référence, les analyses et les fichiers annuels de chaque glacier, soit tout ce qui accompagne la prépublication.
Citer ce travail
@dataset{tarka2026glaciersdata, author = {Tarka, Maxime and Bara{\"e}r, Michel and Aubry-Wake, Caroline}, title = {Data for: Benchmarked and leakage-validated deep-learning glacier segmentation: a 42-year, five-sensor snow-fraction record for western North America}, year = {2026}, version = {1.0}, publisher = {Zenodo}, doi = {10.5281/zenodo.22311126}, license = {CC-BY-4.0} } - En préparation
Data article on the weather-station dataset of the Sainte-Marthe experimental catchment, Quebec, Canada
La même idée apparaît sous le nom de troncature dans la communication du Geotop, de décapitation dans le mémoire et la communication de la CGU, et de défaillance de la zone d’accumulation (accumulation-zone failure) dans le manuscrit en évaluation.
Pourquoi je découpe par glacier
Les scènes satellites d’un même glacier se ressemblent. Si l’on sépare les scènes au hasard, un même glacier peut se retrouver des deux côtés, ce qui est arrivé à 35,9 % des glaciers de mes données. Ce découpage donne 0,777 en validation contre 0,762 pour un découpage par glacier, ce qui ressemble à un gain et n’en est pas un. Dans cette même exécution, les scènes de glaciers vus à l’entraînement obtiennent 0,696 et celles de glaciers jamais vus seulement 0,575. Tous mes chiffres viennent d’un découpage par glacier, avec un score de test mis de côté de 0,705. L’analyse complète est dans la prépublication SSRN.
Mémoire de maîtrise
Mémoire par articles soutenu le 26 juin 2026, noté Excellent. Le jury l’a recommandé pour le prix d’excellence du conseil d’administration de l’ÉTS.
Décapitation glaciaire et trajectoires comportementales divergentes : segmentation U-Net multi-capteurs de 22,155 glaciers dans l’Ouest de l’Amérique du Nord (1984–2025)
Communications en conférence
- Glacier Decapitation: Three Regimes, One Climate, No Way Back?Réunion annuelle de l’Union géophysique canadienne, Halifax, 2026
- Satellite Evidence of Seasonal Glacier Truncation in Western Continental North AmericaCongrès étudiant du Geotop, 14 March 2026
- Impacts of Glacial Retreat on Proglacial Hydro-Systems: Insights from Aufeis Formation AnalysisAtelier du réseau IASC sur la glaciologie arctique, Niseko, Japon, January 2025En coauteur, présenté par B. Charonnat
Prix et financement
- Recommandé pour le prix d’excellence du conseil d’administration de l’ÉTS, réservé aux mémoires notés ExcellentJune 2026
- Bourse d’excellence, Fondation Arts et Métiers2024
- Bourse de recherche de l’ÉTS pendant toute la maîtrise2024–2026
Ce qui m’attire
- Jouer avec les données, les comprendre et les montrer
- Les problèmes techniques, chercher la cause racine puis les résoudre ou les contourner
- Ce qui passe à l’échelle, dans l’espace, dans le temps et en volume de données
- L’environnement, pour la science qui nous entoure
- Créer des systèmes qui répondent à un besoin
- La simulation, l’expérimentation, l’analyse et le traitement
- La lumière et le son, le data art, la pédagogie et la vulgarisation
Données et code open sources
Dataset sur ZenodoSSRNglacier-fsnow-unetGlacierScopeHugging FaceORCID
Me contacter
Pour une direction de thèse, une collaboration de recherche ou un poste d’ingénieur, écrivez-moi par courriel. Je réponds en français comme en anglais.