Dans un contexte de changement climatique, il est nécessaire d'adapter les normes de protections contre divers aléas naturels. Ce travail 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.

Le niveau de retour est l'indicateur de niveau de risque usuel. Étant défini par sa probabilité de dépassement annuel, il n'est pas adapté pour l'étude du risque sur une période en l'absence de stationnarité. Un autre indicateur, capable de caractériser le risque sur l'ensemble d'une période d'intérêt, est nécessaire. La Fiabilité Équivalente, qui caractérise le maximum sur une période, a donc été sélectionnée car sa probabilité de dépassement sur une période est identique à la probabilité totale de dépassement sur la même période pour le niveau de retour (Liang 2016 et Hu 2018).
La Fiabilité Équivalente est estimée en adaptant la méthode statistique de Ribes (2020) et Robin (2020).
La méthode des Maxima Annuels a été utilisée avec une distribution d'extremum généralisée (GEV) non stationnaire, appliquée à des maxima quotidien de température. La non-stationnarité sur les paramètres est ici donnée par une covariable, la température moyenne annuelle européenne, qui agit comme un proxy du réchauffement effectif.
L'utilisation d'un cadre bayésien nous permet d'intégrer diverses sources d'informations. Ainsi l'incertitude sur l'évolution future du climat et des divers scénarios est intégrée en formant une distribution a-priori à partir des trajectoires des Modèles de Climat Globaux. L'information sur les conditions locales du point d'intérêt est fournie lors de la contrainte par les données de mesures météorologiques sur site. Après avoir comparé divers algorithmes de Monte-Carlo par chaînes de Markov, nous avons utilisé l'algorithme No-U-Turn Sampler (Holman 2014) implémenté par STAN pour estimer les distributions a-posteriori de nos paramètres.

L'estimateur prédictif intègre l'incertitude sur l'ensemble de la distribution pour chacun des paramètres. Il permet de prendre en compte une gamme plus large de valeurs possibles que l'estimateur médian. De plus, il permet d'obtenir une valeur unique, plus adaptée aux normes de sûreté que la notion d'intervalle de confiance. Nous l'avons ici adapté à la Fiabilité Équivalente.

Une application de notre méthode est faite pour la Vallée du Rhône, en France, sur la période de 2050 à 2100 pour divers scénarios d'émissions.