In mountainous areas orographic effects create strong horizontal gradients of various rainfall statistics such as the frequency of occurrence, the distribution of intensity and the structure of spatial correlation.
To account for these non-stationary statistics this paper presents a non-stationary trans-Gaussian model tailored for daily rainfall over complex topography.
Géostatistique, événements extrêmes et Machine Learning pour la transition climatique
Un projet au cœur de deux transitions
Une transition numérique
Des données environnementales, massives et hétérogènes, rendant nécessaire de nouvelles méthodes géostatistiques et de Machine Learning.
Une transition climatique
En réponse à des changements affectant l’air, l’eau, le sol et la biodiversité, sans précédent par leur amplitude, leur vitesse, et leur caractère simultané.
Les objectifs de la chaire en trois axes de recherche
Développer des méthodes et des outils efficaces pour traiter les données spatialisées et temporelles afin d’évaluer les impacts et quantifier les risques associés aux changements climatiques en cours.
Des méthodes prédictives
Développer des méthodes prédictives pour les phénomènes spatiaux et spatio-temporels, capables de traiter des jeux de données de grandes tailles.
Une boîte à outils
Développer des méthodes de simulation innovantes pour les événements extrêmes et l’évaluation des risques et les diffuser librement.
Des approches hybrides
Hybrider la capacité de la géostatistique à interpoler dans l’espace et le temps et celle du Machine Learning à extraire des liens et des connaissances.
Les publications
Spline interpolation is a widely used class of methods for solving interpolation problems by constructing smooth interpolants that minimize a regularized energy functional involving the Laplacian operator. While many existing approaches focus on Euclidean domains or the sphere, relying on the spectral properties of the Laplacian, this work introduces a method for spline interpolation on general manifolds by exploiting its equivalence with kriging.
Événements
Conférence sur les générateurs stochastiques de météo
La Chaire Geolearning contribue à l’organisation de la conférence sur les générateurs stochastiques de météo (Stochastic Weather Generators) qui se tiendra à Grenoble du 2 au 4 décembre 2025. Ce workshop international a pour but d’explorer les méthodes de pointe et les défis émergents pour simuler les variables météo : précipitations, températures, etc.
Deux présentations de la chaire Geolearning aux JDS 2025
Mike Pereira et Thomas Romary ont présenté leurs travaux lors des dernières Journées de Statistique, organisées par la SFDS.