Home > About us

About us

Team presentation

Head : Philippe ARBOGAST

Equipe RECYF   (CNRM  /GMAP  )
Meteo-France
Centre National de Recherches Météorologiques
42 avenue Gustave Coriolis
31057 Toulouse Cedex
tél: 05 61 07 96 39
e-mail: webrecyf(AT)cnrm  .meteo.fr

The RECYF   team is a research unit that is part of the CNRM   (UMR 3589). It is composed of permanent staff from Meteo-France. It regularly hosts students from the National School of Meteorology for a training course during their last year schooling, Master and PhD students.


Research topics


Staff members

Joly Alain

Chef d'unité / Recherche

Plu Matthieu

Chef d'équipe

Doerenbecher Alexis

Observation Adaptative

Michel Yann

Assimilation de données

Joly Bruno

Prévisibilité

Descamps Laurent

Prévision d'ensemble Arpege

Labadie Carole

Prévision d'ensemble Arpege

Cebron Pierrick

Prévision d'ensemble Arpege

Raynaud Laure

Prévision d'ensemble Arome

Rottner Lucie

Prévision d'ensemble Arome

Raynaud Pascal

Développements informatiques

Beck Stéphane

Prévision d'ensemble Arome




non permanents

Ponzano Matteo Thèse
Prévisibilité des épisodes méditerranéens de pluies intenses, validation d'éléments diagnostiques pour la pré-alerte
Aleksovska Ivana Thèse
Améliorer les prévisions à court et moyen termes des modèles agronomiques en prenant mieux en compte l'incertitude des prévisions météorologiques
Hamidi Yamina Thèse
Post-traitement des sorties de modèles météorologiques en objets flous
Mazoyer Marie Post-Doc
Analyse des processus diabatiques dans les bandes transporteuses chaudes à travers des études de cas observés sur l'atlantique nord durant la campagne de mesure NAWDEX.
Wimmer Meryl Thèse
Représentation des erreurs de modélisation dans le système de prévision d'ensemble régional PEARO
Warnan Adrien CDD
Détection d'objets probabilistes de convection au dessus de l'Europe basée sur le système de prévision d'nsemble PEARP pour le projet SESAR 2020.
Amore Cédric CDD
Mise en production d'un indice de prévision extrême (EFI)
Mounier Arnaud FCPLR
Synthèse de la PEARO par scénarios physiquement cohérents. Mise en pratique au moyen d'approches objets et d'apprentissage statistique