Modèles statistiques pour simuler des périodes de pluies intenses et de longues sécheresses

Statistical models for simulation of heavy rainfalls and long drougth.

• Auteur / Autrice : Antoine Doize
• Direction : Olivier Wintenberger, Philippe Naveau
• Type : Projet de thèse
• Discipline(s) : Mathématiques
• Date : Inscription en doctorat le 01/09/2023
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de probabilités, statistique et modélisation (Paris ; 2018-....)

Mots clés

Mots clés libres

Statistiques

Valeurs extrêmes

Modélisation

Précipitation

Sécheresse

Climat

Statistics

Extreme Values

Modeling

Precipitations

Drougth

Climate

Résumé

L'objectif général du projet de thèse est de développer une approche probabiliste pour modéliser la distribution des précipitations, allant des sécheresses intenses aux épisodes de fortes pluies, dans le climat actuel et futur. Un des buts est d'améliorer la compréhension des impacts de ce type d'événements en réduisant les principales incertitudes dans les projections climatiques. Un aspect méthodologique clé est de développer des techniques des sciences des données basées sur les dernières avancées de la modélisation spatio-temporelle, en particulier la théorie des valeurs extrêmes multivariée, l'agrégation d'experts (au sens qu'un modèle climatique donné peut être considéré comme un expert particulier), la géostatistique et l'analyse de séries temporelles multivariées. D'un point de vue applicatif, une étude des précipitations horaires à l'échelle de l'Europe sera menée, ainsi qu'un focus sur les grands secteurs agricoles français et les régions sensibles à la sécheresse. Cela se fera grâce à une modélisation des générateurs stochastiques spatiotemporels

The general objective of the thesis project is to develop a probabilistic approach to model the distribution of precipitation, ranging from intense droughts to heavy rainfall events, in the present and future climate. One of the aims is to improve understanding of the impacts of such events by reducing the main uncertainties in climate projections. A key methodological aspect is to develop data science techniques based on the latest advances in spatio-temporal modelling modelling, in particular multivariate extreme value theory, expert aggregation (in the sense that a given that a given climate model can be considered as a particular expert), geostatistics and multivariate time-series multivariate time series analysis. From an application point of view, a study of hourly precipitation across will be carried out, as well as a focus on major French agricultural sectors and drought-sensitive regions sensitive to drought. This will be achieved by modeling spatiotemporal stochastic generators.