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

Evènements 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.

Ces événements climatiques extrêmes, appelés événements composés (EC, Zscheischler et al., 2020) correspondent à des combinaisons particulières des variables climatiques présentant des patterns de dépendances spatio-temporelles et entre les variables. Ces événements peuvent être extraits des données de réanalyse (de la période passée à la période actuelle) ainsi que des modèles de climat.

En raison des effets de discrétisation, de la faible résolution spatiale ou des simplifications mises en œuvre, les modèles climatiques présentent divers biais dans leurs propriétés marginales, spatiales et inter-variables, qui affectent nécessairement la représentativité des événements composés. Ces biais doivent être corrigés à l’aide de méthodes de correction de biais. L’objectif de ce projet de thèse est d’établir une relation statistique entre les événements composés catastrophiques à fort impact et les structures à grande échelle qui sont leurs déclencheurs, d’abord sur les données de réanalyse dans le passé proche, puis de projeter cette relation dans le futur pour évaluer ces événements catastrophiques en termes de fréquence, d’amplitude et d’impact. Compte tenu des insuffisances des corrections de biais actuels, plusieurs méthodes de correction de biais multivariées seront testées et comparées dans le passé proche (ainsi que comparées à la correction univariée, en tant que référence) et la meilleure méthode de correction sera sélectionnée pour la projection.