event_img

Soutenance de thèse

Bastien François

LSCE

Approches statistiques multivariées pour l'ajustement des biais des simulations climatiques et l'analyse des événements composés

Date 23/09/2022 10:00
Diplôme Université Paris-Saclay
Lieu LSCE

Résumé

Le climat est un système complexe qui est le résultat de multiples interactions entre ses différentes composantes et ses multiples variables. Cette thèse a pour but d’évaluer si et comment l’utilisation d’approches statistiques multivariées pour l’étude des simulations climatiques peut contribuer à une compréhension plus approfondie du changement climatique et des événements climatiques à forts impacts sur la société. Pour répondre à ces questions, je propose et applique de nouveaux outils statistiques multivariés pour, d’une part, la correction de biais des simulations climatiques, et d’autre part, l’étude des changements de probabilités d’événements conjoints à forts impacts. Le travail s’articule autour de trois objectifs : (i) comparer des méthodes de correction de biais multivariés (MBC) déjà existantes, (ii) développer une nouvelle méthode MBC pour l’ajustement des dépendances spatiales des simulations climatiques, (iii) évaluer la période d’émergence des probabilités d’événements conjoints et quantifier la contribution des propriétés univariées et multivariées aux changements de ces probabilités.

La comparaison de méthodes de correction de biais a permis d’une part d’informer les utilisateurs de leurs avantages et leurs inconvénients mais aussi d’identifier des pistes de développements pour de nouvelles méthodes. Une nouvelle méthode, basée sur une technique de Machine Learning appelée réseaux adverses génératifs (CycleGAN), a été développée. Elle donne des résultats satisfaisants, montrant ainsi le potentiel des techniques de Machine Learning pour la correction de biais multivariés. L’évaluation de la période d’émergence des probabilités d’événements conjoints, ainsi que la quantification de la contribution des propriétés univariées et multivariées aux changements de ces probabilités se révèlent être une procédure pertinente pour améliorer la compréhension de tels phénomènes climatiques. Il est trouvé que la non-stationnarité de la structure de dépendance inter-variable dans un contexte de changement climatique peut jouer un rôle important dans les probabilités futures d’événements conjoints.

Les travaux réalisés dans cette thèse ouvrent des perspectives pertinentes en termes méthodologiques mais participent aussi à une amélioration de la compréhension du climat et de ses évolutions en fournissant des outils statistiques adaptés à la nature intrinsèquement multivariée du système climatique.

Informations supplémentaires

Thèse soutenue :

– en présentiel : LSCE – Salle 1129 – CEA Saclay, Bat 714 Site de l’Orme des Merisiers Chemin de Saint Aubin, Gif-sur-Yvette

– en ligne : https://bbb.lsce.ipsl.fr/b/bas-huz-2zu

Composition du jury

Sylvie Joussaume, Directrice de recherche, CNRS LSCE-IPSL, Gif-sur-Yvette – Présidente
Juliette Blanchet, Chargée de recherche, CNRS Université Grenoble Alpes – Rapporteur & Examinatrice
José Manuel Gutiérrez, Professeur, Université de Cantabria, Santander – Rapporteur & Examinateur
Sylvie Parey, Ingénieure de recherche, EDF/R&D, Palaiseau – Examinatrice
Jakob Zscheischler, Professeur assistant, UFZ, Leipzig – Examinateur
Mathieu Vrac, Directeur de recherche, CNRS LSCE-IPSL, Gif-sur-Yvette – Directeur de thèse