Températures maximales en France au 21ème siècle

La thèse, qui s'inscrit dans le cadre du traitement de la question « Comment mieux caractériser et modéliser les contraintes générées sur l'installation par des sollicitations ou agressions internes et externes (y compris naturelles) et qui pourraient impacter la sûreté ? » et qui se rattache à l'enjeu « Définir des stratégies pour l'évaluation statistique des aléas hydrométéorologiques extrêmes » de la stratégie scientifique de l’IRSN, vise à quantifier le risque de dépassement de niveaux élevés de température, à l'échelle d'un site d'intérêt et à l'horizon 2100.

Dans un contexte normal, la caractérisation de cet aléa repose généralement sur une approche probabiliste. Les méthodes utilisées sont généralement adaptées au cadre non-stationnaire, donc sans changement climatique. Dans ce cas, la quantité d'intérêt est le niveau de retour, qui est équivalent à une température dont la probabilité annuelle de dépassement est fixée (par exemple 50 ans).

Pour prendre en compte la non-stationnarité provoquée par le changement climatique, il est nécessaire de définir une quantité d'intérêt adaptée à la définition d'un niveau de sûreté représentatif de toute une période.

De plus, il est nécessaire de prendre en compte l'incertitude liée à l'évolution du climat futur. La piste choisie pour cette thèse est l'intégration de l'information fournie par les modèles de climat. Ces modèles reposent sur une base physique et fournissent donc une source d'information indépendante des observations locales. Cette solution permet aussi d'estimer l'évolution de la température conditionnellement à un scénario d'émissions futures.

Enfin, la quantité d'intérêt est caractérisée par sa faible probabilité, nécessitant l'utilisation de distributions « GEV » tirées de la statistique des valeurs extrêmes.

La méthode statistique d'estimation (Ribes 2020) choisie repose sur une construction bayésienne pour intégrer l'information des modèles climatiques sous forme d'une a-priori, qui est ensuite contraint par des observations.

Une première application consiste donc à appliquer cette méthode sur les trajectoires fournies par les modèles climatiques globaux en contraignant par les observations de stations météorologiques de bonne qualité. Il est aussi envisagé d'intégrer les données sur site, de qualité plus dégradée.

Cette première application permettra d'illustrer les difficultés liées à l'application locale d'une méthode reposant sur des outils créés pour l'échelle globale. Il sera ensuite utile d'explorer des méthodes permettant de mieux modéliser la composante locale, ou d'appliquer une correction des biais sur les données. Il est aussi prévu d'explorer des alternatives statistiques pour l'estimation des intervalles de confiance et la construction de l'a-priori.