ORACLE Kick-Off Meeting1 Régionalisation statistique de variables à grande échelle pour évaluer les risques et les incertitudes P. Yiou & M. Vrac LSCE.

Présentation au sujet: "ORACLE Kick-Off Meeting1 Régionalisation statistique de variables à grande échelle pour évaluer les risques et les incertitudes P. Yiou & M. Vrac LSCE."— Transcription de la présentation:

1 ORACLE Kick-Off Meeting1 Régionalisation statistique de variables à grande échelle pour évaluer les risques et les incertitudes P. Yiou & M. Vrac LSCE

2 ORACLE Kick-Off Meeting2 Objet de l’étude Utilisation de techniques de régionalisation statistique pour obtenir des caractéristiques locales de précipitation (en particulier les extrêmes) en fonction de grandeurs à grande échelle –Quantile matching (méthode développée pour le vent, Vrac et al. 2009) –Correlation clustering model (méthode développée pour les précipitations, Vrac et al. 2010)

3 ORACLE Kick-Off Meeting3 Pourquoi? Détermination du « risque » climatique pour l’agriculture Utilisation d’un paradigme statistique de l’assurance (Embrechts et al. 1997)

4 ORACLE Kick-Off Meeting4 L’équation de l’Assurance « Productivité » « Résilience » « Evénements climatiques »

5 ORACLE Kick-Off Meeting5 Probabilité de « ruine » Connaissant l’aléa climatique X (et ses propriétés stats), on peut déterminer le risque de « ruine » pour un type de « résilience » et un « investissement initial » donné. Moyennant des hypothèses simples, nous voulons déterminer les propriétés de la somme aléatoire des X, dans un contexte de changement climatique (à partir de projections numériques).

6 ORACLE Kick-Off Meeting6 Modélisation de variables non gaussiennes Cas du vent –Rectification de la PDF Cas des précipitations –Modéliser le champ central et les extrêmes –Modéliser les périodes sans précipitation –Mixture de distributions

7 ORACLE Kick-Off Meeting7 Rectification de la PDF Disponibilité de données représentatives de la grande échelle (e.g. vent moyen quotidien sur une région), et de quelques données à fine échelle (e.g. données sub-quotidiennes sur une station météo) Relier la grande échelle à la petite « Prévoir » la petite échelle à partir de la grande échelle

8 ORACLE Kick-Off Meeting8 Relier grande et petite échelles

9 ORACLE Kick-Off Meeting9 Relier grande et petite échelles Méthode de « Quantile matching » Problème majeur: quand les distributions de la grande échelle évoluent dans le temps Distribution de proba de X: Relation entre petite (S) et grande (G) échelles: Déduire la petite échelle de la grande par rectification:

10 ORACLE Kick-Off Meeting10 CDF-t matching F G et F S sont connues sur une période « historique » (h) et sont reliées par: On sait comment se déforme F G au cours d’une période « future » (f). On peut alors estimer la déformation de F S pendant la période f: Estimation empirique à partir des observations de:

11 ORACLE Kick-Off Meeting11 Projections of the IPSL GCM wind intensities Colors: changes in mean w10m Radius: Cramer von Mises (CvM) similarity test between present and future (anomaly) CDFs  Michelangeli et al., Geophys. Res. Lett., 2009  R package (“CDFt”) developed and freely available Projected wind decrease over France from IPSL model under SRESA2 scenario

12 ORACLE Kick-Off Meeting12 Vent régional Décroissance de la vitesse moyenne du vent au cours du prochain siècle Forte dépendence de la qualité du prédicteur (sortie de modèle climatique)

13 ORACLE Kick-Off Meeting13 Relation entre grande et petite échelle Classification en régimes de temps/précipitation de données de pression synoptiques et de précipitation locale

14 ORACLE Kick-Off Meeting14 Classification circulation/précipitation

15 ORACLE Kick-Off Meeting15 Dépendence de la précipitation au régime