Incertitudes et modélisation de la propagation des coûts indirect du changement climatique via les chaînes d'approvisionnement

Uncertainties and modeling the propagation of indirect climate change costs via supply chains

• Auteur / Autrice : Samuel Juhel
• Direction : Fabio D'andrea, Vincent Viguie
• Type : Projet de thèse
• Discipline(s) : Sciences du climat, de l'atmosphère et des océans, terrestres et planétaire
• Date : Inscription en doctorat le ; Soutenance le 23/01/2025
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale des sciences de l'environnement d'Île-de-France
• Partenaire(s) de recherche : Laboratoire : LMD - Laboratoire de Météorologie Dynamique
• Partenaire(s) de recherche : établissement opérateur d'inscription : Ecole normale supérieure
• Jury : Président / Présidente : Alessandra Giannini
• Jury : Examinateurs / Examinatrices : Fabio D'andrea, Elco Koks, Christian Otto, David Bresch, Vincent Viguie
• Jury : Rapporteurs / Rapporteuses : Elco Koks, Christian Otto

Mots clés

Mots clés libres

Changement Climatique

Adaptation

Extrêmes climatique

Risques

Chaines d'approvisionnement

Modèles

Climate Change

Adaptation

Climate extremes

Risks

Supply Chains

Model

Résumé

Cette thèse examine l’évaluation des impacts économiques indirects des catastrophes naturelles, en mettant l’accent sur les incertitudes liées à la modélisation. L'évaluation des coûts indirects est essentielle pour concevoir des politiques efficaces de gestion des risques. Cependant, les complexités inhérentes aux systèmes économiques et la dépendance aux hypothèses de modélisation nécessitent une d'evaluer les incertitudes associees. Pour répondre à ces enjeux, la thèse propose une analyse détaillée du modèle Adaptive Regional Input-Output (ARIO). Cette recherche explore les mécanismes clés à l’origine des impacts économiques indirects et evalue la fiabilité du modèle ARIO dans divers contextes. Le chapitre 1 introduit les risques croissants associés aux catastrophes météorologiques et climatiques et souligne l’importance d’une évaluation systémique des risques, prenant en compte les impacts économiques directs et indirects. Le chapitre 2 passe en revue les méthodologies d’évaluation des coûts indirects, notamment les méthodes économétriques, les modèles Input-Output, les modèles d’équilibre général et les modèles agents-bases. Ce chapitre discute également des enjeux de la modelisation des impacts indirects. Le chapitre 3 décrit le modèle ARIO, central a cette thèse. Il detail la structure, le fonctionnement, les hypothèses et les limites du modèle, ainsi que de la littérature associée. Il presente également BoARIO, une implémentation open-source en Python du modèle, développée pendant la thèse. Le chapitre 4 évalue la robustesse du modèle ARIO à travers une étude de cas sur les inondations de 2021 en Allemagne. Il analyse la sensibilité du modèle à différents paramètres et montre comment la consideration de la reconstruction influence profondément les résultats. Ce chapitre met également en évidence la sensibilité des résultats au choix des données économiques utilisées en entrée, soulignant la nécessité de tester plusieurs configurations et source de donnees pour garantir la robustesse des resultats. Le chapitre 5 évalue le modèle ARIO pour estimer les coûts indirects à l’échelle mondiale. En s’appuyant sur un ensemble d’événements d’inondation modélisés pour des périodes historiques et futures, ce chapitre compare l’influence de différents scénarios de reconstruction. Ce chapitre insiste encore sur l’importance d’explorer différents scénarios et paramètres, ainsi que sur la nécessité d’examiner les variations sectorielles et régionales et de ne pas se limiter à des indicateurs agrégés. Le chapitre 6 explore les effets en cascade de catastrophes multiples. Il révèle que des événements successifs peuvent amplifier ou atténuer les impacts indirects selon les conditions économiques et les hypothèses de modélisation. Dans des scénarios optimistes, les efforts de reconstruction génèrent des stimuli qui réduisent les impacts ultérieurs. À l’inverse, dans des scénarios pessimistes, la succession d'evenements aggrave les impacts indirect totaux. Dans l’ensemble, la thèse met en évidence la sensibilité du modèle ARIO aux nombreux choix de modelisation. Et souligne la nécessité d’évaluer plusieurs scénarios, paramètres et sources de données pour tirer des conclusions robustes. Dans cet esprit, en tant que modèle hybride combinant simplicité et complexité, le modèle ARIO semble particulièrement adapté à de telles études exploratoires. Ce travail met en lumière le rôle crucial d'approches de modélisation transparentes et flexibles dans l’amélioration de la compréhension des impacts économiques indirects et la mise en place de stratégies robustes de gestion des risques liés aux catastrophes naturelles.

This thesis examines the evaluation of indirect economic impacts from natural disasters, focusing on the uncertainties that arise in modeling these impacts. Accurate assessment of indirect costs is critical for designing effective risk management policies. However, the inherent complexities of economic systems and the reliance on diverse modeling assumptions necessitate a deeper understanding of the uncertainties involved. To address this, the thesis conducts an in-depth analysis of the Adaptive Regional Input-Output (ARIO) model, a hybrid approach bridging Input-Output (IO) and Agent-Based Modeling techniques. This research provides insights into key mechanisms driving indirect economic impacts and explores the ARIO model's reliability across various applications. Chapter 1 provides a general introduction to the increasing risks associated with weather and climate-related disasters. It highlights the importance of shifting towards systemic risk evaluation, considering both direct and indirect economic impacts of natural disasters. Chapter 2 reviews various methodologies for evaluating indirect costs, including econometric methods, Input-Output (IO) models, Computable General Equilibrium (CGE) models, and hybrid/Agent-Based Models (ABM). It also discusses current challenges in disaster impact evaluation using economic models. Chapter 3 describes the Adaptive Regional Input-Output (ARIO) model, which is central to this thesis. It provides a detailed overview of the model's structure, behavior, hypotheses, and limitations, as well as its associated literature. The chapter also introduces BoARIO, a open-source Python implementation of the ARIO model developed during the thesis. Chapter 4 evaluates the robustness of the ARIO model using a case study of the 2021 flooding in Germany. It analyzes the model's sensitivity to various parameters. In this chapter, we demonstrate how reconstruction demand profoundly influences outcomes. If reconstruction is factored in, outcomes vary significantly depending on parameters like recovery pace. The chapter also shows that results are sensitive to the choice of the economic data used as input (Multi-Regional Input-Output Tables), underlining the necessity of testing multiple configurations to ensure robustness. Chapter 5 assesses the reliability of the ARIO model to evaluate indirect costs of river floods at a global scale. It uses a worldwide dataset of modelled flood events for historical and future periods considering effects of climate change and compares the influence of different recovery scenario. In addition to presenting results found for different regions and economic sectors, this chapter further emphasizes the need to explore different scenarios and parameters and the importance of examining sectoral and regional variations rather than relying solely on aggregated indicators. Chapter 6 explores the cascading effects of multiple disasters. It reveals that sequential events can amplify or mitigate impacts, depending on economic conditions and model assumptions. In optimistic scenarios, reconstruction efforts generate stimuli that reduce subsequent impacts. Conversely, under pessimistic scenarios, resource shortages exacerbate cumulative economic stress. Overall, the thesis highlights the ARIO model's sensitivity to parameter choices, reconstruction dynamics, and economic data. These findings underscore the need to evaluate multiple scenarios, parameters, and data sources to derive reliable conclusions. However, as the ARIO model effectively bridges simplicity and complexity, it is also well-suited for such exploratory studies. This work emphasizes the critical role of transparent and flexible modeling approaches in advancing the understanding of indirect economic impacts and supporting robust disaster risk management strategies.