206 - Modélisation des événements hydrométéorologiques extrêmes dans un contexte de changement climatique et de dégradation environnementale

Conférencier invité

Conférencier invité

• Communication orale 09 h 00
  Changements climatiques et ses extrêmes : Comment bien les anticiper à l’échelle régionale voire locale et à quoi s’attendre ?
  Philippe Gachon (UQAM - Université du Québec à Montréal)

  Le système climatique de notre planète change rapidement et irrémédiablement, alors que le taux de réchauffement planétaire s’est amplifié au cours des dernières décennies. Le cycle hydrologique est ainsi profondément modifié et s’intensifie, ainsi que les aléas et les extrêmes météorologiques associés, en particulier au Canada qui se réchauffe à un taux 2 à 3 fois plus élevé que celui à l’échelle globale. Afin de bien identifier et évaluer les changements, par exemple dans les précipitations et les vents les plus extrêmes, la prise en compte des processus physiques à l’origine de leur occurrence, durée et intensité à des échelles spatiales fines (ex. bassin versant) est nécessaire. Cela requiert des outils de modélisation météorologique et climatique à très haute résolution tels que développés au centre ESCER (Étude et Simulation du Climat à l’Échelle Régionale) de l’UQAM.

  Cette présentation permettra de dresser un portrait des changements anticipés des extrêmes de précipitation et de vents, associés aux tempêtes les plus sévères qui affectent le Québec. Certains résultats du projet ARRIMÉ (Aléas, Risques et Résilience des Infrastructures Minières et Électriques) seront présentés. Les résultats présentés intégreront notamment les simulations du nouveau modèle régional du climat développé à très haute résolution (12 et 2,5 km) au centre ESCER.

Extrêmes hydrométéorologiques et non-stationnarité

Estimation des extrêmes hydrométéorologiques dans un contexte de non-stationnarité

• Communication orale 09 h 30
  Dimensionnement des ponts et ponceaux en Nouvelle-Écosse : Estimation des débits de pointe dans un contexte de changement climatique
  Rémi Crausaz (Haute école d’ingénierie et d’architecture de Fribourg), Anne-Marie Laroche (Université de Moncton), Ève Larose (École Polytechnique de Montréal)

  Depuis deux décennies, le ministère de l’Environnement et des Changements climatiques de Nouvelle-Écosse utilise un outil de conception pour les traversées de cours d'eau, applicable à différents types de franchissements et à divers terrains, pour des bassins versants d’une superficie maximale de 20 km². Cependant, cet outil ne correspond plus aux conditions hydrologiques et climatiques actuelles de la province. Cette étude vise à présenter une méthode alternative pour estimer les débits de pointe nécessaires au dimensionnement d’infrastructures en Nouvelle-Écosse. Pour ce faire, nous avons adopté une approche en deux étapes : une méthode empirique pour les bassins versants de moins de 8,8 km² et une méthode probabiliste pour ceux de plus de 8,8 km². La méthode rationnelle a été choisie pour le calcul empirique.
  La province a été subdivisée en 1525 sections, chacune ayant une intensité de précipitation calculée à l’aide d’une distribution GEV, grâce aux données recueillies dans 24 stations météorologiques provinciales. Cette méthode a permis de créer des courbes IDF spécifiques à chaque cellule.
  Pour intégrer les effets des changements climatiques, nous avons examiné les méthodes utilisées dans l'est du Canada. Cette étude propose une méthodologie mise à jour et fiable pour le calcul des débits de pointe de conception des petites structures hydrauliques en Nouvelle-Écosse, tout en prenant en considération les nouvelles réalités climatiques et environnementales.

• Communication orale 09 h 50
  Distributions multivariées optimales pour l'analyse des crues au Canada dans un contexte de changements climatiques
  Fateh Chebana (INRS), Dorsaf Goutali (INRS - Institut national de la recherche scientifique)

  Les crues représentent le risque naturel le plus fréquent au Canada, menaçant les populations et les écosystèmes. Les modèles stationnaires traditionnels peinent à saisir la variabilité croissante des crues, exacerbée par les changements climatiques. Cette étude explore les modèles stationnaires et non stationnaires (NS) privilégiés pour caractériser la pointe et le volume des crues, ainsi que leur dépendance modélisée par une copule, à travers 169 bassins versants canadiens entre 1970 et 2019. Nous avons évalué plusieurs distributions marginales et copules, intégrant des covariables linéaires et quadratiques pour modéliser la dynamique temporelle des paramètres. La sélection des modèles optimaux repose sur une approche rigoureuse combinant analyses graphiques, critères d’information et tests de tendance. Nos résultats montrent que le choix du modèle dépend non seulement du caractère stationnaire ou non de la série, mais aussi des spécificités hydro-climatiques des régions canadiennes. Ces résultats soulignent la nécessité d’approches de modélisation adaptées aux spécificités locales pour une meilleure estimation du risque de crue.

• Communication orale 10 h 10
  Étude du risque hydrologique dans un contexte multivarié non stationnaire
  Fateh Chebana (INRS), Amira Fredj (INRS - Institut national de la recherche scientifique), Dorsaf Goutali (INRS)

  Les crues constituent une menace majeure pour les infrastructures, les écosystèmes et les populations. Pour évaluer les risques associés à ces évènements, on fait appel à l’analyse fréquentielle (AF). L'AF univariée traditionnelle se concentre sur une seule variable, tandis que l'AF multivariée intègre plusieurs variables corrélées. Cette dernière prend en compte leurs dépendances à travers des copules, offrant ainsi une représentation plus claire des phénomènes. Cependant, généralement l'AF suppose la stationnarité, une condition souvent perturbée par le changement climatique. Cela conduit à des évaluations potentiellement erronées du risque. Dans un contexte multivarié non stationnaire, les quantiles varient dans le temps, ce qui entraîne la formation de plusieurs courbes de quantiles pour une même période de retour T. Cette étude explore la quantification de quantiles multivariés non stationnaires à l'aide des approches de sélection de combinaisons. Les résultats soulignent la nécessité d'utiliser des approches avancées en matière d'évaluation des risques pour soutenir une conception robuste des infrastructures et une gestion efficace des ressources en eau, surtout face au changement climatique.

Modélisation, homogénéité et gestion des ressources

• Communication orale 10 h 45
  Modélisation combinatoire décrivant certaines situations physiques
  Amel Kaouche (Université de Moncton)

  Les mathématiques représentent un pont entre plusieurs domaines des sciences, tel que la physique des particules et la mécanique statistique. Ce qui nous ramène à confirmer le rôle important des mathématiques à pouvoir résoudre des problèmes (situations) de la vie quotidienne.
  Dans cet exposé, je présente une modélisation mathématique (combinatoire) décrivant certains modèles (situations) physiques d'interaction entre des particules issus de la mécanique statistique. Dans mes travaux, je m’intéresse à l'étude des gaz imparfaits qui fait appel à de nombreux domaines des sciences (physiques de particules, mécanique statistique, combinatoire, théorie des graphes, mathématiques expérimentales,...). Je porte une attention particulière aux poids de Mayer et de Ree-Hoover de graphes. Ces poids sont des invariants de graphes et leur calcul exact ou asymptotique est difficile et recèle beaucoup de mystères au niveau combinatoire.
  Objectifs généraux : Développer des outils mathématiques essentiels pour résoudre des problèmes de nature combinatoire issus de la mécanique statistique, de la chimie organique, et de la physique. Le besoin de tels développements a été soulevée dans divers rencontres internationales.

• Communication orale 11 h 05
  Délimitation de régions homogènes à l'aide de l'analyse des points de changement de pente pour les téléconnexions climat-hydrologie
  Carlos Rosas Cabello (Université d’Ottawa), Ousmane Seidou (Université d'Ottawa)

  Les téléconnexions océaniques-atmosphériques affectent de manière significative la prévisibilité des précipitations, soulignant l'importance de délimiter avec précision des régions hydrologiques homogènes. Ces régions partagent des comportements climatiques et hydrologiques similaires. Les méthodes statiques ou linéaires conventionnelles ne tiennent souvent pas compte de l'évolution de la variabilité hydroclimatique. Il est important de disposer de cadres adaptatifs pour traiter les dynamiques complexes et non linéaires. En réponse, nous présentons un cadre de regroupement basé sur la PS pour détecter les signaux de téléconnexion cohérents dans les zones continentales et océaniques. La métrique PS intègre la détection bayésienne des points de changement et l'analyse des tendances, en saisissant les relations non linéaires et non stationnaires entre les prédicteurs climatiques tels que les anomalies de température de surface de la mer et les variables hydrologiques. Nous démontrons cette approche en examinant les précipitations en Californie de 1982 à 2021 en réponse au Niño 3.4 en utilisant les anomalies de température de surface de la mer. Cette application permet d'obtenir des groupes saisonniers distincts avec des limites bien définies. Les résultats révèlent comment les oscillations à long terme façonnent les régimes de précipitations régionales, en particulier pour l'hiver et l'automne, offrant des possibilités d'amélioration de la précision des prévisions saisonnières.

• Communication orale 11 h 25
  Évaluation du risque hydrologique en absence de l’homogénéité des données : Cas des crues
  Fateh Chebana (INRS), Emna Gontara (INRS - Institut national de la recherche scientifique)

  Pour évaluer le risque associé aux événements hydrologiques, tels que les crues et les sécheresses, l'analyse fréquentielle hydrologique est souvent l’outil statistique adapté à cet effet. D'une part, ce processus repose sur certaines hypothèses, notamment l'homogénéité des séries de données. Cependant, l'homogénéité n'est pas toujours valide pour diverses raisons telles que les activités humaines et les changements naturels. Cette invalidité se manifeste souvent par des points de changement (CP) qui marquent une rupture dans la série de données. Il est donc crucial de vérifier cette hypothèse, ou bien de développer des modèles qui tiennent compte de l'hétérogénéité dans un nouveau cadre d'évaluation des risques. D'autre part, la plupart des phénomènes hydrologiques sont caractérisés par plusieurs variables corrélées. Les copules sont l'outil le plus couramment utilisé pour modéliser la structure de dépendance entre ces variables hydrologiques. L'objectif de notre étude est de construire un modèle qui intègre simultanément les aspects multivariés et d'hétérogénéité combinés aux tests d’hypothèses. Pour la partie copule, nous considérons des versions appelées copules mixtes souvent considérées dans le cadre des CPs détectés. Pour sélectionner les copules/marges les mieux ajustées pour chaque sous-échantillon avant et après le CP, le test d'ajustement (GOF) des copules de Cramér Von Mises (GOF) et les versions adaptées du critère AIC sont utilisés.

• Communication orale 11 h 45
  Modélisation par Agent pour la Gestion des Ressources Transfrontalières
  Roger Niyongira (Université d’Ottawa), Ousmane Seidou (Université d'Ottawa)

  Les méthodes traditionnelles pour modéliser les ressources en eau sont généralement appliquées à l’échelle locale ou au niveau d’un bassin versant. Elles prennent en compte les aspects physiques et hydrologiques, tout en négligeant l’impact des facteurs socio-économiques et des interactions entre différents acteurs. Pour les ressources transfrontalières, il est important d’avoir une approche intégrative capable de modéliser les interactions entre les différents bassins versants partageant une même ressource.
  La modélisation par agent permet de répondre à ce défi en simulant des systèmes dynamiques où chaque agent représente une entité autonome, tels que les bassins versants ou usagers, prenant des décisions en fonction de règles prédéfinies et de son environnement. Que se passe-t-il lorsque chaque région cherche à maximiser son profit sans tenir compte des impacts sur les autres utilisateurs de la ressource commune? Nous explorons plusieurs scénarios : partage d’information entre les acteurs, absence de coopération menant à la surexploitation ou au conflit entre les différents investissements, et accès limité à l’information engendrant des incertitudes et asymétries souvent rencontrées dans les cas des ressources transfrontalières.
  Cette étude vise à démontrer que la coopération et le partage d’information permettent non seulement d’optimiser l’utilisation des ressources, mais aussi de réduire les conflits et d’assurer une gestion durable des ressources transfrontalières.

Changements climatiques, données massives et IA

• Communication orale 13 h 30
  Régression Huber adaptative pour l'inférence causale : Algorithme de sélection des variables confondantes.
  Ismaila Baldé (Université de Moncton), Salah El Adlouni (Université de Moncton), Fatim Ka (Université de Moncton)

  L’abondance des informations ainsi que leurs diversités nécessite l’emploi d’approches efficaces pour le traitement de données de grandes dimensions. Ces données proviennent généralement de divers domaines d'application de la statistique, notamment l'environnement, la santé et l'administration. L’analyse de données en grande dimension nécessite le développement d’approches robustes pour la sélection des variables. GOAL (generalized outcome-adaptive lasso) est un algorithme très performant de sélection des variables pour l’inférence causale en grande dimension. En particulier, GOAL a la capacité de résoudre simultanément les problèmes de corrélation et le fléau de la dimension (curse of dimensionality). Cependant, étant donné que la méthode GOAL est basée sur la moyenne, elle peut rencontrer des limites lorsqu'elle est confrontée à des valeurs extrêmes. Pour surmonter cette limitation potentielle, nous proposons le développement d'une méthode combinant la régression Huber adaptatif et l’algorithme GOAL. Cette approche vise à créer un algorithme robuste capable de traiter efficacement les valeurs extrêmes tout en conservant les propriétés de résolution de la corrélation et de réduction de la dimension de GOAL.

• Communication orale 13 h 50
  Apprentissage Profond Informé par Clausius-Clapeyron pour l'Augmentation de Résolution de Simulations de Précipitation
  Julie Carreau (Polytechnique Montréal), Pierre-Louis Lemaire (Polytechnique Montréal)

  Les risques hydrométéorologiques peuvent déclencher une cascade d'impacts économiques et sociaux. Le changement climatique intensifiant ces risques, les études d'impact de haute qualité sont cruciales. En raison de la grande complexité des Modèles Climatiques Régionaux, la production de ces simulations s'accompagne de coûts importants de calcul, ce qui limite les applications potentielles. Les modèles d'apprentissage profond sont des outils prometteurs pour la réduction d'échelle du climat, qui surpassent les méthodes statistiques standard de réduction d'échelle. Néanmoins, les réseaux de neurones souffrent de défauts affectant grandement l'utilisation potentielle de leurs simulations à haute résolution. Une famille de méthodes permettant de surmonter ces difficultés dans le cas des phénomènes physiques, consiste à encoder des a priori physiques dans le modèle, sous la forme d'architectures inspirées de la physique ou de fonctions objectives sous contraintes. Une hypothèse courante en science atmosphérique est que les précipitations extrêmes augmentent avec la température de surface de l'air suivant l'équation de Clausius-Clapeyron, qui stipule que la saturation en vapeur d'eau augmente de ~7%/K. Nous proposons de contraindre un réseau de neurones en utilisant cet a priori physique dans le but d'améliorer la capacité de généralisation du modèle dans un climat non stationnaire, ainsi que d'améliorer sa performance prédictive pour les valeurs de précipitations extrêmes.

• Communication orale 14 h 10
  Régression sur motifs spatiaux pour les données météorologiques spatialisées
  Julie Carreau (Polytechnique Montréal), Vihotogbé Houssou (Polytechnique Montréal)

  Les ressources en eau sont fortement affectées par les changements climatiques, notamment à travers l’apparition croissante d’événements météorologiques extrêmes (comme les inondations). Pour étudier les impacts de ces changements, des modèles hydrologiques souvent alimentés par des données de précipitations et de température spatialisées (c’est-à-dire disponibles sur une grille régulière) sont utilisés. Une façon courante d’obtenir ce type de données qui doivent tenir compte des événements extrêmes et de l’hétérogénéité spatiale est d’utiliser des méthodes d’interpolation spatiale. Les méthodes d’interpolation spatiale les plus courantes utilisées telles que la pondération inverse de la distance et le krigeage ordinaire sont limitées par des effets isotropes qui ne leur permettent pas de prendre en compte la variabilité spatiale. Certaines extensions de ces méthodes (krigeage avec dérive externe) utilisent des informations auxiliaires (altitude, climatologie) pour compenser la faible densité du réseau de stations. Dans ce travail, nous proposons une nouvelle méthode pour estimer des données météorologiques spatialisées. Dénommée Spatial Pattern Regression (SPR), elle exploite exclusivement et systématiquement les motifs spatiaux pour interpoler les observations. Les motifs spatiaux sont extraits des données des modèles climatiques régionaux en utilisant l’analyse en composantes principales. Cette méthode permet de garantir la cohérence des informations spatiales.

• Communication orale 14 h 30
  Régions climatiques de Köppen et informations a priori sur les extrêmes hydrologiques
  Salah El Adlouni (Université de Moncton), Ghali Kabbaj (Université de Moncton)

  La distribution généralisée des valeurs extrêmes (GEV) couvre plusieurs modèles aux caractéristiques complètement différentes avec la présence d’une borne supérieure ou inférieure. L'approche du maximum de vraisemblance généralisée (GML) a apporté des solutions aux problèmes de convergence des approches classiques vers des solutions non-acceptables. L’approche GML considère la même distribution a priori pour restreindre l’intervalle des solutions du paramètre de forme de la GEV. L'objectif de cette étude est de caractériser la queue de la distribution des crues extrêmes en fonction des régions climatiques de Köppen sur la base de plus de 4000 stations hydrométriques. Des distributions a priori ont été considérées pour proposer une extension (EGML) de l’approche GML et tenir compte des réponses hydrologiques pour quatre principales régions climatiques. Nous présenterons les différentes étapes d’apprentissage pour déterminer les régions homogènes et les distributions a priori associées. Les résultats montrent l’importance d’un choix adéquat de la région climatique pour une estimation efficace des quantiles extrêmes.

Table ronde

Développement, adaptation, gestion des risques et résilience des communautés face aux événements hydrométéorologiques extrêmes.