STRATfinder est un outil scientifique dédié à l'analyse fine de la structure verticale de l'atmosphère, notamment la détection des hauteurs de la couche limite atmosphérique (ABLH et MLH) et du mélange turbulent. Il exploite des données lidar haute résolution pour tracer des couches atmosphériques avec une précision temporelle d'une minute, en utilisant des algorithmes avancés comme le 'pathfinder'. Développé par des chercheurs du CNRS et de l'IPSL, il est utilisé dans des programmes de recherche internationaux comme ACTRIS et ICOS pour améliorer la compréhension des processus atmosphériques.

Outil dédié à la visualisation et à l'analyse de données lidar atmosphériques, notamment pour étudier les profils verticaux de l'atmosphère. Il permet de charger, manipuler et sauvegarder des données issues de différents formats (netCDF, ALS, etc.) et d'ajuster les paramètres d'affichage pour une analyse précise. Utilisé principalement dans le cadre de recherches météorologiques et climatiques.

Outil pédagogique et de recherche permettant de visualiser et analyser des données lidar issues de mesures atmosphériques. Destiné aux étudiants et chercheurs, il facilite l'exploration interactive des profils de particules en suspension dans l'air. Le projet s'intègre dans un environnement Jupyter pour une utilisation simplifiée et collaborative.

Ce projet développe des algorithmes pour corriger les biais de recouvrement (overlap) des ceilomètres CHM15k utilisés en observations atmosphériques. Basé sur des méthodes statistiques et des modèles de température, il permet d'améliorer la précision des données lidar sous des conditions de couche limite bien mélangée. Les outils générés aident à analyser l'impact des corrections sur les gradients de température et à détecter les artefacts dans les modèles, notamment pour des sites comme Aosta, Magurele-Rado ou Cabauw.

Outil dédié à la transformation de données brutes issues de capteurs LIDAR en fichiers normalisés au format netCDF. Il permet aux chercheurs et scientifiques de traiter des données atmosphériques pour des analyses météorologiques ou environnementales. Le projet prend en charge plusieurs types d'instruments et propose des options pour un traitement en temps réel, facilitant ainsi l'intégration dans des workflows de recherche ou de surveillance.

Collection d'outils dédiés au traitement et à l'analyse des données issues du lidar IPRAL (IPRAL est un instrument de télédétection atmosphérique). Ces scripts permettent de corriger les signaux lidar, de filtrer les profils contenant des nuages, et d'extraire des métadonnées essentielles pour la recherche en sciences de l'atmosphère. Utilisé principalement par des laboratoires et centres de recherche spécialisés en observation de l'atmosphère.

Ce projet permet de corriger les données de signal lidar issues de fichiers netCDF 1a. Il remplace les variables de signal corrigé en portée (RCS) par des signaux corrigés en portée et en fond, améliorant ainsi la qualité des données pour l'analyse atmosphérique. Utilisé dans le cadre de recherches scientifiques sur le climat et l'atmosphère.

Outil open source conçu pour transformer les données brutes issues de capteurs LIDAR en fichiers netCDF standardisés, facilitant leur analyse et leur partage dans le cadre de recherches atmosphériques. Il permet de traiter des données provenant de divers instruments (VAISALA, JENOPTIK, CAMPBELL SCIENTIFIC) et offre des fonctionnalités pour un traitement en temps réel ou différé, adapté aux besoins des réseaux de surveillance environnementale comme ACTRIS ou TOPROF.

Ce projet permet de convertir des données brutes issues de l'instrument IPRAL (lidar atmosphérique) en un format standardisé (netCDF) pour faciliter leur analyse et leur partage. Il traite différents types de fichiers générés par IPRAL et les transforme en données structurées exploitables par les scientifiques et les outils de visualisation.

Ce projet permet de convertir les données brutes issues d'un lidar CHM15k en un format compatible avec le logiciel QLS. Il facilite l'analyse des mesures atmosphériques et environnementales en standardisant les données pour une exploitation optimale par les utilisateurs finaux.