Modélisation statistique de précipitations urbaines à fine échelle spatio-temporelle - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Modélisation statistique de précipitations urbaines à fine échelle spatio-temporelle

Résumé

For flood risk analysis, precipitation modeling is of great interest. We propose modeling the distribution of rainfall measured at a high spatial and temporal resolution by the urban observatory of Montpellier since 2019. To our knowledge, there has been no such study in France concerning Mediterranean episodes at such a fine spatio-temporal scale and in an urban environment. For our modeling approach, we consider moderate and intense rainfall. To avoid the explicit threshold selection that is often delicate in statistics of extremes, we use the Extended Generalized Pareto distribution for our modeling. This family of distributions also allows us to limit the number of parameters to be estimated. Finally, an analysis of the extremal dependence between the different rain gauges of the measurement network via indices of extremal autocorrelation shows its variability between the sites in relation to their spatial distances and to the temporality of the measurements.
Pour l'analyse du risque d'inondation, la modélisation des précipitations s'avère être d'un grand intérêt. On propose une modélisation de la distribution des pluies mesurées, à une haute résolution spatiale et temporelle, par l'observatoire urbain de Montpellier depuis 2019. À notre connaissance, il n'y a pas eu d'études de ce type en France concernant les épisodes méditerranéens à une échelle spatio-temporelle aussi fine, en milieu urbain. Pour cette modélisation, nous considérons les pluies modérées et intenses. Pour contourner le choix d'un seuil souvent délicat en statistique des extrêmes, on utilise une loi univariée de type Extended Generalized Pareto pour notre modélisation. Cette famille de distribution permet aussi de limiter le nombre de paramètres à estimer. Enfn, une analyse de la dépendance entre les différents pluviomètres du réseau de mesures montre, via des indices d'autocorrélation extrémale, sa variabilité entre les sites en lien avec leur localisation et avec la temporalité des mesures.
Fichier principal
Vignette du fichier
jds.pdf (1.19 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04374113 , version 1 (08-01-2024)

Identifiants

  • HAL Id : hal-04374113 , version 1

Citer

Chloé Serre-Combe, Nicolas Meyer, Thomas Opitz, Gwladys Toulemonde. Modélisation statistique de précipitations urbaines à fine échelle spatio-temporelle. JDS 2023 - 54e Journées de Statistique de la SFds, SFdS, Jul 2023, Bruxelles, Belgium. ⟨hal-04374113⟩
60 Consultations
16 Téléchargements

Partager

Gmail Facebook X LinkedIn More