Retrouvez ici l'ensemble des publications scientifiques et documents relatifs au programme JUNON.
Articles scientifiques
-
H. Abdallah, B. Markhoff, M. Ovide, L. Parkin, et A. Soulet, « Rankingdom: A cooperative architecture for the on-demand analysis of Wikidata », Data & Knowledge Engineering, vol. 164, p. 102564, juill. 2026, doi: 10.1016/j.datak.2026.102564.
-
C. Ania, T. J. Bandosz, D. Cazorla-Amorós, et M. F. R. Pereira, « Advancing Porous Carbons: Understanding the Importance of Surface Chemistry for the Energy–Environment Nexus », Chem. Rev., vol. 126, no 4, p. 2678 2800, févr. 2026, doi: 10.1021/acs.chemre
-
El. M. El. Baramoussi et al., « Nearly five-year continuous atmospheric measurements of black carbon over a suburban area in central France », Science of the Total Environment, vol. 858, p. 159905, 2022, doi: 10.1016/j.scitotenv.2022.159905.
-
R. Bou Melhem et al., « Rewetting is not enough: Sphagnum transplants promote lowering of greenhouse-gas emissions in peatlands », Restoration Ecology, vol. 34, no 1, p. e70224, 2026, doi: 10.1111/rec.70224.
-
M. Cai et al., « Ambient BTEX Concentrations during the COVID-19 Lockdown in a Peri-Urban Environment (Orléans, France) », Atmosphere, vol. 13, no 1, p. 10, déc. 2021, doi: 10.3390/atmos13010010.
-
S. Gogo et al., « The information system of the French Peatland Observation Service: Service National d’Observation Tourbières – A valuable tool to assess the impact of global changes on the hydrology and biogeochemistry of temperate peatlands through lon
-
F. Iglesias et al., « A conceptual architecture for AI-assisted Digital Twins in natural resource management », Ecological Informatics, p. 103635, janv. 2026, doi: 10.1016/j.ecoinf.2026.103635.
-
P. Lemenkova, « Coastal Sustainability and Environmental Resilience in France: A Decadal Assessment of Littoral Dynamics Using Satellite Images », Coasts, vol. 6, no 3, p. 27, sept. 2026, doi: 10.3390/coasts6030027.
-
P. Lemenkova, « Distributed Deep Learning and Intelligent Soil–Water Analytics in Precision Agriculture: A Comprehensive Review », Land, vol. 15, no 7, p. 1125, juill. 2026, doi: 10.3390/land15071125.
-
P. Lemenkova, « Python-Powered Environmental Intelligence: Computational Workflows for Soil Pollution Assessment Using ML Methods », Environmental Remediation, vol. 1, no 2, p. 6, sept. 2026, doi: 10.3390/environremediat1020006.
-
P. Lemenkova, « Statistical analysis in R for environmental monitoring using FAO dataset », JAG, no 5, avr. 2026, doi: 10.65652/jag.1777704.
-
A. Lhosmot et al., « Biotic and Abiotic Control Over Diurnal CH4 Fluxes in a Temperate Transitional Poor Fen Ecosystem », Ecosystems, vol. 26, no 5, p. 951 968, août 2023, doi: 10.1007/s10021-022-00809-x.
-
L. Liu et al., « Assessing CO2 Fluxes for European Peatlands in ORCHIDEE-PEAT With Multiple Plant Functional Types », Journal of Advances in Modeling Earth Systems, vol. 17, no 6, p. e2025MS004940, 2025, doi: 10.1029/2025MS004940.
-
M. Ovide, B. Markhoff, et A. Soulet, « De l’importance des termes dans les graphes de connaissances et comment les trouver », Revue Ouverte d’Intelligence Artificielle, vol. 6, no 1 2, p. 131 155, nov. 2025, doi: 10.5802/roia.96.
-
V. Veselská et al., « Synergistic pharmaceutical interactions with nanoscale iron nitrides and natural organic matter », Chemical Engineering Journal, vol. 523, p. 168285, nov. 2025, doi: 10.1016/j.cej.2025.168285.
-
P. Wang et al., « Development of a Relative Rate Technique to Measure Criegee Intermediate Reactivity », Environmental Science and Technology Letters, vol. 12, no 7, p. 842, 2025, doi: 10.1021/acs.estlett.5c00372.
-
C. Xue et al., « A study on wildfire impacts on greenhouse gas emissions and regional air quality in South of Orléans, France », Journal of Environmental Sciences, vol. 135, p. 521 533, janv. 2024, doi: 10.1016/j.jes.2022.08.032.
Communications scientifiques
-
H. Abdallah, B. Markhoff, M. Ovide, L. Parkin, et A. Soulet, « A Decentralized Visual Interactive Tool to Analyze Entities in Wikidata », in The Semantic Web: ESWC 2025 Satellite Events, E. Curry, V. Presutti, J. McCrae, M. Alam, P. Colpaert, J. Xavier Pa
-
H. O. Ali, A. Crosnier, R. Abraham, B. Combelles, F. Jégou, et B. Galerne, « Self-Supervised Super-Resolution for Sentinel-5P Hyperspectral Images », arXiv.org.
-
P. Audigane, E. Lehembre, T. B. H. Dao, V. Nguyen, et C. Vrain, « Développement d’un modèle de réseau de neurones influencé par la physique (PINNs) pour la prédiction de chroniques piézométriques de l’aquifère de la Beauce, Région Centre, France »
-
P. Audigane, E. Lehembre, H. Breuillard, T.-B.-H. Dao, V. Nguyen, et C. Vrain, « Integrating physical constraints into neural networks for piezometric time series modeling: application to the Beauce limestone aquifer », Copernicus Meetings, EGU26
-
P. Audigane, E. Lehembre, H. Breuillard, T.-B.-H. Dao, V. Nguyen, et C. Vrain, « Prédictions de chroniques piézométriques de l’aquifère de la nappe de Beauce (Région Centre, France) par un modèle de réseau de neurones influencé par la physique (PINNs) »
-
L. Baulon, H. Breuillard, A Novel Machine Learning-based Method for Groundwater Modelling: Application to Similarity Analysis of Aquifer Rainfall Time Response Based on a New Reference Dataset of Groundwater Wells, atelier SiDoS : similarité de donn
-
Q. Besnard, Apprentissage Continu appliqué à la Prédiction de Séries Temporelles. Journée Informatique en Région Centre, 7-8/11/24, Bourges
-
Q. Besnard, E. Doumard, N. Labroche, N. Ragot and N. Ringuet, Challenges of Explainability in Continual Learning for Time Series Forecasting - Conférence XAI4Science2026 Workshop EDBT/ICDT, 24/03/2026, Tampere, Finland
-
Q. Besnard, N. Ragot, Attention-based Experience Replay Framework for Continual Learning of Agnostic Time Series Forecasting Models - Conférence CAp & RFIAP, 6-8/07/2026, Montpellier, France
-
Q. Besnard et N. Ragot, « Continual Learning for Time Series Forecasting: A First Survey », Engineering Proceedings, vol. 68, no 1, p. 49, 2024, doi: 10.3390/engproc2024068049
-
Q. Besnard, N. Ragot, Empreinte carbone des IA : regards croisés entre performances et nécessité d’adaptation, Colloque Sociétés en Transition à l'ère de l'Intelligence Artificielle (TransIA 2026), 12-13/03/2026, Tours, France
-
H. Breuillard, M. Laurencelle, S. Wang, C. Mato, S. Dupraz, et Y. Dantal, « A Novel Machine Learning-based Method for Groundwater Modelling involving Aquifer Rainfall Time Response Analysis and Clustering of Groundwater Wells », Copernicus Meetings, EGU25
-
H. Breuillard, Présentation du Data Workflow and Forecasting Strategies for the JUNON Digital Twin lors de l’événement Digital Twins: From Creation to Communication, le 11 décembre 2024
-
J. Chabin, M. Halfeld Ferrari, et N. Hiot, « Bridging Textual Data and Conceptual Models: A Model-Agnostic Structuring Approach », in Gestion de Données - Principes, Technologies et Applications (BDA), Toulouse, France, oct. 2025. Consulté le: 1 juillet 2
-
E. Crum et al., « Enriching Ontologies with Disjointness Axioms using Large Language Models », 2 décembre 2024, arXiv: arXiv:2410.03235. doi: 10.48550/arXiv.2410.03235.
-
E. Doumard, J. Aligon, P. Monsarrat, N. Labroche, et A. Chanson, « Exploring Local Feature Influences with Hierarchical Explanation Trees », in Advances in Databases and Information Systems, P. K. Chrysanthis, K. Nørvåg, K. Stefanidis, et Z. Zhang, Éd., C
-
F. E. Outa et A. Sharma, « Conversational Storytelling Agent with Satellite Data: Adapting to User Profiles ».
-
F. I. Vázquez, L. H. V. Thuy, L. Gourcy, A. D. Filippis, J.-S. Moquet, et F. Ros, « Digital Twins of Natural Resources in the Loire Valley ». other-227127-1.pdf
-
P. Wang et al., « Development of a Relative Rate Technique to Measure Criegee Intermediate Reactivity », Environmental Science and Technology Letters, vol. 12, no 7, p. 842, 2025, doi: 10.1021/acs.estlett.5c00372.
Oraux, présentations, démonstrations
P. Audigane, E. Lehembre, T.-B.-H. Dao, V. Nguyen, C. Vrain, Développement d'un modèle de réseau de neurones influencé par la physique (PINNs) pour la prédiction de chroniques piézométriques de l'aquifère de la Beauce, 29ème Réunion des Sciences de la Terre, Montpellier, 27-31/10/25, France
P. Audigane, E. Lehembre, T.-B.-H. Dao, V. Nguyen, C. Vrain, Prédictions de chroniques piézométriques de l'aquifère de la nappe de Beauce (Région Centre, France) par un modèle de réseau de neurones influencé par la physique (PINNs), Congrès national "Eau & IA", 4 - 6 mars 2026, Grenoble France
Q. Besnard, Prédiction du niveau des nappes phréatiques avec l’IA, Fête de la science, Tours, 2025
N. Labroche, Explainable Artificial Intelligence: definitions, contributions and challenges, Séminaire lors des Journées Scientifiques du Consortium en mathématiques appliquées CIROQUO, 17-18 Novembre 2022, BRGM Orléans
E. Lehembre, T.-B.-H. Dao, V. Nguyen, C. Vrain, P. Audigane, Prédiction sur les nappes phréatiques : utilisation d'équations physiques et variables non observables, Journée Apprentissage informé par la Physique et grands modèles, 10/06/2025, GDR IASIS, Paris, France
H. Omar-Abbass-Ali, Super resolution of Sentinel5 images with supervised/unsupervised learning for atmospheric pollution, GT Deep Learning, IDP Orléans
H. Omar-Abbass-Ali, Depth Separable Architecture for Sentinel-5P Super-Resolution, journée Cascimodot, 19/10/2025, Orléans