evaluer le risque en situation de changement climatique mission impossible sama 19 janvier 2007 n.
Skip this Video
Loading SlideShow in 5 Seconds..
Eric Parent 1 , Jacques Bernier 1 et Vincent Fortin 2 PowerPoint Presentation
Download Presentation
Eric Parent 1 , Jacques Bernier 1 et Vincent Fortin 2

play fullscreen
1 / 13
Download Presentation

Eric Parent 1 , Jacques Bernier 1 et Vincent Fortin 2 - PowerPoint PPT Presentation

thanh
91 Views
Download Presentation

Eric Parent 1 , Jacques Bernier 1 et Vincent Fortin 2

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Evaluer le risque en situation de changement climatique : mission impossible ?SAMA, 19 Janvier 2007 Eric Parent1, Jacques Bernier1 et Vincent Fortin2 1Equipe MOdélisation, Risque, Statistique, Environnementde l 'UMR MIA 518 INRA/AgoParisTech 2 Recherche en prévision numérique, Service météorologique du Canada

  2. Durée de Retour T d’un événement dommageable E * définition probabiliste (unité de temps t) * contexte environnemental - processus stationnaire - I I D Des valeurs critiques spécifient le dimensionnement Ex. ; événement décennal, centenal, millénal,... Fondamentalement --> Concept fréquentiste

  3. Conception Décisionnelle du Risque Demande la définition d ’une « situation de risque » Exemple : cas du contexte IID fondant la durée de retour : W1 = Dp (i.e prime d ’assurance) W2 = C

  4. * La conception fréquentiste (T) est très dépendante du contexte particulier IID. *La conception décisionnelle est générale mais doit s’adapter aux cas spécifiques : Nécessaire en Environnement Changeant Exemple : Dimensionnement d’une structure de protection (garantie minimale a) contre une « secheresse »

  5. Le Modèle « Shifting Level » (MSL) Le coût prédictif de MSL généralisant W(a,q) est aisément calculable par simulation intégrée à un algorithme de Gibbs ou préférentiel étendu (Population Monte Carlo proposée par C. Robert) pour l’inférence des paramètres

  6. REMARQUE Le modèle MSL est théoriquement stationnaire mais : * Au niveau phénoménologique il peut représenter des comportements changeants à long, moyen ou court terme en adaptant les paramètres h et w * Mais compte tenu des séries trop courtes observées, il faut distinguer entre : - le problème d’inférence sur h et w qui ne permet pas d’estimer des valeurs crédibles trop petites. - le problème de sensibilité du risque (fonction W) à ces valeurs caractéristiques de changts à long terme

  7. Cas de la rivière SENEGAL à Bakel (1903 - 1986)

  8. Modèle de changements à dates fixes Distributions a posteriori des dates Date moyenne 1967

  9. Modèle avec changements aléatoires MSL

  10. Coût total moyen sur 100 ans (IID en noir, MSL en rouge) Critères de risque IID et MSL Fréqences moyennes de non-dépassement sur 100 ans (IID en noir, MSL en rouge)

  11. Influence des conditions initiales m0= 460 m3/s â (optimum) = 324 m3/s

  12. Coût total moyen sur 100 ans (IID en noir, MSL en rouge) Sensibilité aux changements à long terme h = 0.03 w = 0.60 sm =199 m3/s autres paramètres identiques à ceux estimés sur 1903 - 1986 Fréqences moyennes de non-dépassement sur 100 ans (IID en noir, MSL en rouge) â = 404 m3/s

  13. BIBLIOGRAPHIE * Bernier J (2001) : Décisions et comportement des décideurs face au risque hydrologique, Rev. Sciences Hydrol. AISH. *Cemagref (1998) : Guide pratique de la méthode "Inondabilité". *Fortin V, Perreault L and Salas J.D.(2003) : Retrospective Analysis and Forecasting of Streamflows Using a Shifting Level Model *Guillin A, Marin J M, Robert C P (2005) : Estimation bayesienne approximative par échantillonnage préférentiel, Rev de Stat. Appli., LIII (1) . *Renard B, Garetta V, Lang M (2006) : An empirical comparison of MCMC methods used in Bayesian inference. Application for regional trend estimation.