Projets

Modélisation des épisodes d’événements extrêmes sur graphes

Evénements extrêmes - Rita Maatouk

Encadrants : Thomas OPITZ (INRAE) - Mike PEREIRA (Mines Paris PSL)

L’objectif de ce projet est de développer et implémenter des modèles pour les événements extrêmes multivariés en supposant une structure de graphe (connue) représentant les liens entre les différentes variables. Le modèle sera appliqué aux événements extrêmes climatiques (températures, précipitations…) se produisant dans différents zones géographiques (départements, régions…), par exemple en choisissant un graphe représentant la structure des voisinages géographiques des régions.

Ces dernières années, les extrêmes hydrologiques, en particulier les pluies intenses et les sécheresses longues, ont été au cœur des préoccupations de nombreux secteurs (agronomie, énergie, assurances, etc). Toutefois, la grande variabilité de ces phénomènes dans le temps et dans l’espace implique une modélisation stochastique afin d’incorporer plusieurs aléas, incertitudes et d’information hétérogènes (mesures, modèles climatique, réanalyses). La thématique de la thèse est donc centrée autour des modèles stochastiques de simulation spatio-temporelles de précipitations intenses et de longues sécheresses.

Génération stochastique de précipitations par IA générative

Machine learning - François GUÉGUÉNIAT

Encadrants : Nicolas DESASSIS (Mines Paris PSL) - Thomas ROMARY (Mines Paris PSL) - Lionel BENOIT (INRAE)

L’objectif de ce projet est d’implémenter un générateur stochastique de précipitations selon une approche de type IA générative afin de simuler des champs de pluie spatio-temporels à haute résolution ressemblant autant que possible à ceux observés par des radar météorologiques.

Quantifier les événements climatiques dévastateurs sous changement climatique à l’aide de correction des biais multivariés

Evénements extrêmes - Thèse de Grégoire JACQUEMIN - Démarrée en novembre 2022.

Encadrants : Denis ALLARD (INRAE) - Xavier FREULON (Mines Paris PSL) - Mathieu VRAC

Certains des événements climatiques les plus dévastateurs des dernières décennies impliquent la combinaison de plusieurs variables climatiques à des échelles assez larges et sur une certaine période de temps. Parfois, des combinaisons d’événements climatiques élémentaires qui ne sont pas nécessairement dévastateurs lorsqu’ils sont isolés peuvent avoir des effets dévastateurs lorsqu’ils se produisent simultanément ou successivement au cours d’une courte période.

Prédiction spatio-temporelle par équations aux dérivées partielles stochastiques

Modèles spatio-temporels - Thèse de Lucia Clarotto - Démarrée en octobre 2020; soutenue le 12 juin 2023

Encadrants : Denis ALLARD (INRAE) - Thomas ROMARY (Mines Paris PSL) - Nicolas DESASSIS (Mines Paris PSL)

Dans le cadre de la prévision des champs spatio-temporels en sciences de l’environnement, l’introduction de modèles inspirés par la physique des phénomènes sous-jacents qui sont numériquement efficaces est d’un intérêt croissant en statistiques spatiales. La taille des ensembles de données spatio-temporelles nécessite de nouvelles méthodes numériques pour les traiter efficacement. L’approche par équations aux dérivées partielles stochastiques (EDPS) s’est avérée efficace pour l’estimation et la prédiction dans un contexte spatial.