Zamo Michaël

Michaël Zamo

Météo-France - CNRM UMR 3589

Groupe de Modélisation et d’Assimilation pour la Prévision

Recherche et Expérimentations sur les Cyclogenèses et les Fronts

Tél. +33 (0) 5 61 07 86 36

michael dot zamo at meteo dot fr

Linkedin
ORCID
Google Scholar
Publons
ResearchGate

 Thèmes de recherche

Également ingénieur dans l’équipe opérationnelle Contrôle, Monitoring et Prévision Statistique de Météo-France qui s’occupe du post-traitement statistique des sorties des modèles numériques.

Mes axes de recherche concernent la science de la donnée appliquée à la Météorologie :

- Post-traitement statistique des prévisions d’ensemble

- Vérification des prévisions d’ensemble et probabilistes

- Hybridation des connaissances météorologiques et de l’apprentissage machine

  Parcours

- 2013 - 2016 : Doctorat en Statistiques Appliquées, Université Paris-Saclay, Versailles, France :
Statistical Post-processing of Deterministic and Ensemble Wind Speed Forecasts on a Grid
sous la direction de Liliane Bel et Olivier Mestre

- 2009 - 2012 : Ingénieur de l’Ecole Nationale de la Météorologie (spécialisation Statistiques Appliquées et Apprentissage Machine à l’INSA Toulouse), Ecole Nationale de la Météorologie, Toulouse, France.

- 2005 - 2007 : Technicien Supérieur d’Exploitation en Météorologie, Ecole Nationale de la Météorologie, Toulouse, France.

 Projets en cours

- 2019 - 2021 : Commission Européenne - Horizon 2020, projet "EoCoE 2", coordonné par le CEA (Saclay)

 Projets passés

- 2018 - 2020 : Deep4Cast, hybridation des méthodes d’apprentissage machine et des sorties de modèle numérique de prévision du temps, chef de projet, en partenariat avec l’IRT Saint-Exupéry, le CERFACS et l’IRIT

- 2015 - 2018 : Commission Européenne - Horizon 2020, projet "EoCoE", coordonné par le CEA (Saclay)

 Publications

Travaux pré-publiés ou acceptés

Publications dans revues avec comité de lecture

2021
- Evin, Guillaume, Matthieu Lafaysse, Maxime Taillardat, and Michaël Zamo. Calibrated ensemble forecasts of the height of new snow using quantile regression forests and Ensemble Model Output Statistics. Nonlinear Processes in Geophysics 28.3 (2021) : 467-480.

- Zamo, Michaël, Liliane Bel, and Olivier Mestre. Sequential aggregation of probabilistic forecasts—application to wind speed ensemble forecasts. Journal of the Royal Statistical Society : Series C (Applied Statistics) 70.1 (2021) : 202-225

2018

- Zamo, M., & Naveau, P. (2018). Estimation of the continuous ranked probability score with limited information and applications to ensemble weather forecasts.Mathematical Geosciences, 50(2), 209-234.

2016

- Taillardat, M., Mestre, O., Zamo, M., & Naveau, P. Calibrated ensemble forecasts using quantile regression forests and ensemble model output statistics. Monthly Weather Review, 144(6), 2375-2393.

- Zamo, M., Bel, L., Mestre, O., & Stein, J. (2016). Improved gridded wind speed forecasts by statistical postprocessing of numerical models with block regression. Weather and Forecasting, 31(6), 1929-1945.

2014

- M. Zamo, O. Mestre, P. Arbogast, O. Pannekoucke. A benchmark of statistical regression methods for short-term forecasting of photovoltaic electricity production, part I : deterministic forecast of hourly production. Solar Energy 105 (2014), 792-803.

- M. Zamo, O. Mestre, P. Arbogast, O. Pannekoucke. A benchmark of statistical regression methods for short-term forecasting of photovoltaic electricity production, part II : probabilistic forecast of daily production. Solar Energy 105 (2014), 804-816.

 Activités professionnelles

- Éditeur associé du journal Artificial Intelligence for the Earth Systems (AIES) de l’American Meteorological Society

- Animateur (avec Gwennaëlle Larvor, Olivier Pannekoucke et Thomas Rieutord) du Groupe de travail IA et machine learning du CNRM

- Membre de la Société française de Statistiques

- Membre de l’European Geosciences Union

- Rapporteur pour Monthly Weather review, Meteorological Applications, Quarterly Journal of the Royal Meteorological Society, Meteorologische Zeitschrift, Computers and Electrical Engineering, International Conference on Energy Engineering and Environmental Protection, International Journal of Forecasting, Non-Linear Processess in Geophysics, Journal of the Operational Research Society, Austrian Academy of Sciences, Water Resources Research, Annals of Applied Statistics, Applied Energy, Solar Energy, Weather and Climate Extremes

 Communications en tant qu’invité

2020

- VALPRED II Workshop (Aussois, France)

2019

- VALPRED Workshop (Aussois, France)

2018

- Statistical methods for data fusion, Journées techniques de l’air, 04-05 octobre 2018 Besançon, France

2016

- Comparison of methods to combine probabilistic windspeed forecasts for operational purposes, M. Zamo, L. Bel, O. Mestre. GeoEnv 2016, 5-8 juillet 2017, Lisbonne.

2015

- Zamo M., Bel L., Mestre O., Improved gridded wind forecasts with statistical post-processing of numerical models with functional and/or block regressions (poster), EGU Meeting, 12-17 avril 2015. Vienna, Austria.

- M. Zamo, M. Taillardat, O. Mestre, L. Bel, P. Naveau. Gridding and calibrating wind speed forecasts in the boundary layer. Spatial Statistics 2015. 06/2015. Avignon, France.

 Enseignement

2013-2017 : Vérification des prévisions probabilistes, Ecole Nationale de la Météorologie, Toulouse, France

2013-2017 : Géostatistique, Ecole Nationale de la Météorologie, Toulouse, France

 Divers



Le contenu de cette page n’engage que son auteur et en aucune manière la responsabilité du CNRM. - Last update : 04/2021.