Le modèle SPARSE (Soil Plant Atmosphere Remote Sensing Evapotranspiration) est un outil scientifique conçu pour calculer les composantes du bilan énergétique entre le sol, la végétation et l'atmosphère. Il permet d'estimer l'évapotranspiration des cultures et d'évaluer leur niveau de stress hydrique à partir de données de télédétection thermique et de paramètres météorologiques. Utilisé principalement en agriculture et en gestion de l'eau, il aide à optimiser les pratiques culturales et à anticiper les besoins en irrigation.

Bibliothèque Python développée par Météo-France pour concevoir et entraîner des modèles d'intelligence artificielle dédiés à l'analyse et la prévision des données météorologiques. Elle propose des architectures de réseaux de neurones adaptées (CNN, transformers, modèles multimodaux) pour des tâches comme la segmentation d'images satellite, la génération de texte à partir de données météo ou la détection d'artefacts sur les images radar. Les modèles sont optimisés pour des applications opérationnelles en météorologie.

Le projet WAPE (Wide Angle Parabolic Equation) est un modèle numérique conçu pour simuler la propagation des ondes sonores dans l'atmosphère. Il permet d'étudier l'impact des conditions météorologiques, du relief et des propriétés du sol sur la transmission du son à longue distance. Utilisé principalement en acoustique environnementale, il aide à évaluer les nuisances sonores, optimiser les installations industrielles ou énergétiques, et comprendre les phénomènes de propagation dans des milieux complexes.

RobustInv est un package R développé par l'IRSN pour l'estimation de paramètres d'un modèle de corrélation et le calcul de la matrice de corrélation inverse. Il utilise des méthodes robustes pour faire face aux données aberrantes et fournit des fonctionnalités d'optimisation pour trouver les paramètres optimaux. RobustInv est utilisé pour l'interpolation spatiale robuste et peut être utilisé dans divers domaines tels que la sûreté nucléaire, l'environnement, la météorologie, etc.

Ce projet open source permet de transformer et structurer des données météorologiques brutes en formats adaptés pour des analyses scientifiques et agricoles. Il facilite l'utilisation de ces données dans des environnements Python et OpenAlea, notamment pour des applications en modélisation climatique, recherche agronomique ou gestion des ressources naturelles. Les données sont optimisées pour une intégration fluide dans des workflows de recherche ou des outils de décision.