Générateurs stochastiques de précipitations extrêmes et évaluation du risque d'inondation en milieu urbain à haute résolution spatio-temporelle

Stochastic generators of extreme precipitation and risk assessment of urban flooding at high spatiotemporal resolution

• Auteur / Autrice : Chloé Serre-combe
• Direction : Gwladys Toulemonde, Thomas Opitz
• Type : Projet de thèse
• Discipline(s) : Biostatistique
• Date : Inscription en doctorat le 30/09/2022
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : IMAG - Institut Montpelliérain Alexander Grothendieck
• Partenaire(s) de recherche : Equipe de recherche : EPS - Equipe de Probabilités et Statistique

Mots clés

Mots clés libres

Théorie des valeurs extrêmes

Statistique spatiale

Inondations urbaines

Statistique

Modèles stochastiques

Études d'impacts

Extreme value theory

Spatial statistics

Urban floods

Impact studies

Stochastic models

Statistic

Résumé

Un premier objectif est de développer un générateur stochastique spatio-temporel générique de précipitations extrêmes, à mettre en œuvre pour l'étude de la région Montpelliéraine dans le sud de la France. Le modèle doit permettre une haute résolution spatiale et sera basé sur des approches existantes, mais avec la nouveauté de combiner deux aspects cruciaux en un seul modèle : (i) une modélisation stochastique des événements extrêmes qui soit appropriée ; (ii) une haute résolution spatiale. Les scénarios de précipitations générés alimenteront un modèle numérique d'écoulement en zone urbaine, dont les sorties prennent la forme de cartes spatiales des hauteurs d'eau et des vitesses d'écoulement. Un deuxième objectif est de mener des études corrélatives entre les entrées et les sorties du modèle numérique en développant de nouveaux outils méthodologiques pour l'analyse de sensibilité et la mesure du risque dans le contexte des extrêmes spatiaux. D'un point de vue méthodologique, cette thèse s'inspirera fortement de la théorie des valeurs extrêmes et des statistiques spatiales, en exploitant et en approfondissant les outils de l'apprentissage automatique probabiliste et de l'analyse du risque, tels que les modèles additifs généralisés, les champs aléatoires trans-gaussiens, l'approche SPDE et les mesures du risque.

A first goal is to develop a generic spatiotemporal stochastic generator of extreme precipitation, to be implemented for the study region around the city of Montpellier in Southern France. The model must allow for high spatial resolution and will be based on existing approaches, but with the novelty to combine two crucial aspects into a single model: (i) appropriate stochastic modeling of extreme events; (ii) high spatial resolution. The generated precipitation scenarios will be fed to a numerical flow model for urban environments, whose outputs include spatial maps of water heights and flow velocities. A second goal is to conduct correlative studies between inputs and outputs of the numerical model by developing novel methodological tools for sensitivity analysis and measuring risk in the context of spatial extremes. From a methodological stance, this PhD project will strongly draw from extreme-value theory and spatial statistics, by leveraging and furthering tools from probabilistic machine learning and risk analysis, such as generalized additive models, trans-Gaussian random fields, the SPDE approach and risk measures.