Quantifier les changements de la probabilité d’occurrence des événements climatiques extrêmes est une étape essentielle pour l’évaluation des risques. Les records revêtent une importance particulière en tant qu’événements extrêmes en raison de leur caractère sans précédent. Bien qu’ils soient théoriquement rares, ils sont battus de manière régulière de nos jours. Une caractéristique notable des records est leur dépendance à une référence. En tirant parti de leur nature relative, cette thèse développe des modèles et des méthodologies qui comblent les lacunes dans la manière dont les records sont actuellement analysés, avec un accent particulier sur le traitement exhaustif de la non-stationnarité.

Dans la première partie de cette thèse, nous proposons une méthodologie pour l’attribution des événements extrêmes (EEA) basée sur la comparaison de la probabilité des événements records. Contrairement aux approches existantes, qui reposent souvent sur des hypothèses stationnaires ou des calculs de périodes de retour contraints, cette méthodologie prend pleinement en compte la nature non stationnaire du système climatique. Cette approche a été appliquée au modèle climatique IPSL-CM6A-LR, révélant des signaux significatifs d’origine humaine dans les maxima annuels des précipitations journalières.

La deuxième partie de cette thèse présente un modèle pour les probabilités de records spatiotemporels, fondé sur la théorie des valeurs extrêmes multivariées. Ce modèle capture efficacement les dépendances complexes entre plusieurs variables et tient compte de la non-stationnarité de leurs distributions. En utilisant ce nouveau modèle et des techniques statistiques avancées, nous proposons une méthodologie qui quantifie les changements d’une année à l’autre dans le taux de records locaux en se basant uniquement sur les données météorologiques historiques, tout en traitant les dépendances spatiales et la non-stationnarité temporelle. Cette approche surmonte également les défis de l’ajustement des modèles de processus max- stables aux données spatialement dépendantes, offrant une solution flexible pour évaluer les événements climatiques extrêmes. Nous appliquons cette méthode à l’analyse des maxima annuels des températures maximales journalières des stations météorologiques en France.

Dans l’ensemble, cette thèse propose des méthodologies novatrices qui vont au-delà des limites des approches traditionnelles pour quantifier la probabilité d’occurrence des événements records à une échelle annuelle sans avoir besoin d’observer directement les records, tout en prenant en compte la non-stationnarité. Sur cette base, nous explorons l’application des records dans deux domaines clés : l’attribution des événements extrêmes (EEA) et l’évaluation des risques.

Lieu
LSCE (salle 1129, bâtiment 714)
Site de l’Orme des Merisiers
91191 Gif-sur-Yvette

Visio
https://cnrs.zoom.us/j/94728398261?pwd=a7gmWCH74Fa7JX064yVNOqhRGICajN.1

• Pierre RIBEREAU, Maître de conférence (HDR), Université Claude Bernard Lyon 1, rapporteur
• Henning RUST, Professor für Statistische Meteorologie, Freie Universität Berlin, rapporteur
• Juliette BLANCHET, Directrice de recherche, Université Grenoble Alpes, examinatrice
• Daniela CASTRO-CAMILO, Senior Lecturer, University of Glasgow, examinatrice
• Ester MARIUCCI, Professeure des universités, Université Paris-Saclay, UVSQ, examinatrice
• Mathieu RIBATET, Professeur des universités, Université de Nantes, examinateur
• Gwladys TOULEMONDE, Professeure des universités, Université de Montpellier, examinatrice