Soutenance

Ce travail porte sur le développement de méthodes statistiques pour la détection de ruptures dans des séries climatiques et pour l’analyse de l’incertitude sur la sensibilité climatique.


La détection de ruptures instrumentales est abordée dans le cadre de la théorie de la décision bayésienne, utilisé ici pour développer une méthode de segmentation optimale permettant d’exploiter de l’information a priori sur les ruptures tout en gardant une faible complexité algorithmique. Une procédure d’homogénéisation exploite alors les distributions a posteriori des ruptures obtenues pour automatiser, à nouveau par un critère de décision bayésien, deux étapes clés de ce traitement habituellement réalisées par inspection visuelle à un coût en temps humain élevé. Cette procédure est appliquée à des séries de température en Argentine, l’analyse des séries homogénéisées révèlant des tendances de réchauffement plus fortes que celles des séries brutes.


Une nouvelle pénalité adaptée à l’inférence du nombre de ruptures par maximisation de vraisemblance, problème général et ouvert en statistique, est construite grâce à un modèle hiérarchique d’inspiration bayésienne dans lequel un processus de renouvellement décrit l’occurence des ruptures.


La détection de ruptures associées au changement et à la variabilité climatique est abordée dans le cadre géostatistique à travers un modèle de ruptures dans la structure de dépendance d’un champ spatio-temporel, résolu par une approche récente reposant sur la validation croisée. L’application de ce modèle aux séries argentines révèle une variabilité interdécadale des précipitations caractérisée par une alternance de phases de forte puis de faible dépendance spatiale à l’échelle annuelle.


La dispersion des modèles de circulation générale sur la sensibilité climatique est finalement abordée par la propagation de l’incertitude sur les feedbacks vers celle sur la sensibilité. La formalisation apportée par cette méthode, malgré sa grande simplicité, permet d’éclairer et de remettre en question des hypothèses et résultats largement répandus dans le débat actuel sur les causes de l’incertitude sur la sensibilité.