L'analyse spatiale des extrêmes à partir d'une unique réalisation : un point de vue géostatistique

Spatial extremes with a single realization : a geostatistical point of view

• Auteur / Autrice : Marine Demangeot
• Direction : Hans Wackernagel
• Type : Thèse de doctorat
• Discipline(s) : Géostatistique et probabilités appliquées
• Date : Soutenance le 05/10/2020
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique (Paris)
• Partenaire(s) de recherche : Laboratoire : Centre de géosciences (Fontainebleau, Seine et Marne)
• Partenaire(s) de recherche : établissement de préparation de la thèse : École nationale supérieure des mines (Paris ; 1783-....)
• Jury : Président / Présidente : Liliane Bel
• Jury : Examinateurs / Examinatrices : Hans Wackernagel, Jean-Noël Bacro, Gwladys Toulemonde, Erwan Koch, Emilie Chautru
• Jury : Rapporteurs / Rapporteuses : Clément Dombry, Marco Oesting

Mots clés

Mots clés contrôlés

Valeurs extrêmes, Théorie des

Géostatistique

Mots clés libres

Théorie spatiale des valeurs extrêmes

Fonction coefficient extrémal

Géostatistique

Portée intégrale

Unique réalisation

Algorithme de simulation

Spatial extreme value theory

Extremal coefficient function

Geostatistics

Integral range

Single realization

Simulation algorithm

Résumé

La théorie spatiale des valeurs extrêmes permet de modéliser et prédire la fréquence d'évènements extrêmes ayant une étendue spatiale comme, par exemple, des pluies ou des températures extrêmes, ou encore de fortes concentrations de pollution atmosphérique. Elle s'adapte bien aux données temporelles, lorsque le phénomène spatial étudié est observé plusieurs fois dans le temps. Cependant, nous n'avons parfois pas accès à de telles données: seulement un ou quelques enregistrements sont disponibles. C'est le cas, par exemple, des études sur l'estimation des ressources minières ou sur l'évaluation de la pollution des sols et plus généralement de toute recherche dont l'objet d'étude varie très peu au cours du temps ou pour lequel le coût d'échantillonnage est trop élevé. Ce cas de figure est très peu abordé par la communauté des extrêmes. Au contraire, c'est un cadre d'analyse auquel la Géostatistique s'intéresse particulièrement. Les travaux réalisés au cours de cette thèse ont pour objectif d'établir des connexions mathématiques entre ces deux disciplines afin de mieux appréhender les évènements extrêmes, lorsque le phénomène spatial sous-jacent n'est observé qu'une seule fois.Nous nous intéressons, dans un premier temps, au concept de portée intégrale. Intrinsèquement lié aux propriétés d'ergodicité et de mélange, ce paramètre issu de la théorie géostatistique caractérise les fluctuations statistiques, à large échelle, d'un champ aléatoire stationnaire. Lorsque ce dernier est un champ max-stable, nous montrons que sa fonction coefficient extrémal (ECF) est fortement liée à la portée intégrale du champ des excès, au dessus d'un certain seuil, correspondant. Cette approche permet de retrouver et de compléter des résultats précédemment établis dans un contexte de risque spatialisé. Elle met également en évidence une nouvelle expression de la fonction coefficient extrémal qui dépend du variogramme du champ des excès.À partir de cette formule, nous proposons un nouvel estimateur non-paramétrique de l'ECF. Ses propriétés asymptotiques sont établies lorsqu'il est évalué à partir d'une unique réalisation, partiellement observée, d'un champ stationnaire max-stable. En particulier, lorsque le nombre d'observations se densifie en même temps que le champ d'observation grandit, et sous certaines hypothèses concernant la portée intégrale susmentionnée, nous montrons qu'il est consistent et asymptotiquement normal. Il est donc pertinent d'utiliser les outils géostatistiques pour enrichir l'analyse des valeurs extrêmes. Finalement, nous développons un nouvel algorithme permettant de simuler, en continu, des processus aléatoires tempête pour lesquels la fonction de forme est déterministe. Il se distingue donc de la plupart des algorithmes existants qui s'utilisent exclusivement lorsque le domaine de simulation est composé d'un nombre fini de points. À cet égard, il permet d'étudier plus facilement la géométrie des réalisations de tels processus. Cela est particulièrement intéressant quand la caractéristique géométrique étudiée mêle différentes échelles d'observation.

Spatial extreme value theory helps model and predict the frequency of extreme events in a spatial context like, for instance, extreme precipitations, extreme temperatures. It is well adapted to time series. However, in some cases, such types of data cannot be accessed: only one or just a few records are made available. This is the case, for instance in soil contamination evaluation. This situation is rarely addressed in the spatial extremes community, contrary to Geostatistics,which typically deals with such issues. The aim of this thesis is to make some connections between both disciplines,in order to better handle the study of spatial extreme events, and especially their spatial dependence structure, when having only one set of spatial observations. A link is first established through the concept of integral range. It is a geostatistical parameter that characterizes the statistical fluctuations of a stationary random field at large scale. When the latter is max-stable, we show that its extremal coefficient function (ECF), which is a measure of spatial dependence, is closely related to the integral range of the corresponding exceedance field above a threshold. From this, we move toproposing a new nonparametric estimator of the ECF. Its asymptotic properties are derived when it is computed from a single and partially observed realization of a stationary max-stable random field. Specifically, under some assumptions on the aforementioned integral range, we prove that it is consistent and asymptotically normal. Finally, we develop a novel algorithm to perform exact simulations in a continuous domain of storm processes with deterministic shape function. It distinguishes itself from most existing procedures, which apply to simulation domains made of a finite number of points. Most part of the algorithm are designed to be parallelizable