Objectifs
Dans le cadre du changement climatique et de la réforme du système français d'assurance, la question du critère définissant une catastrophe naturelle occupe une place centrale. La définition d'un critère objectif et quantifié n'est possible qu'en présence d'un réseau de mesure suffisamment dense, permettant une bonne modélisation probabiliste des événements extrêmes.
Le projet PEPER visait à optimiser ces réseaux de mesure et à proposer des outils concrets d'aide à la décision. L'objectif était de concevoir, en s'appuyant sur l'expertise de trois communautés (mathématiques, climatologie et économie), des réseaux de mesure réalistes dans le but de détecter, mesurer, et prévoir les évènements extrêmes dans un cadre probabiliste et décisionnel.

Résultats majeurs
Le projet PEPER visait à mettre en lumière l'importance du design des réseaux de mesure. La question était la suivante : « Où faut-il retirer des stations météorologiques pour perdre  le moins d'informations ? » Le jeu de données utilisé comprenait 331 stations pluviométriques de Météo-France pour la période 1980 à 2010. Concernant les extrêmes de pluie et, au regard à la forte densité du réseau dans la région méditerranéenne, l'équipe du projet s'est demandé s'il était préférable d'enlever des stations dans une région de forte densité du réseau où les précipitations sont très abondantes ou dans un endroit isolé où les précipitations sont moins fortes ?
La clef pour répondre à cette question était l'estimation des incertitudes liées aux paramètres décrivant la densité de probabilité des pluies extrêmes. Rietsch et al., 2013 présente la modélisation des précipitations fortes en traitant d'abord la théorie des valeurs extrêmes et en particulier la distribution de Pareto généralisée (GP) modélisant les valeurs au-dessus d'un seuil élevé. Le but était d'enlever quatorze stations du réseau. Les résultats ont montré qu'il était préférable d'enlever des stations au nord, bien que la densité du réseau soit faible, plutôt que dans le sud où la densité est bien plus forte. Ces conclusions ont ensuite été expliquées à la fois par des arguments statistiques et climatiques.

Thèse
Théorie des valeurs extrêmes et applications en environnement.
Thèse soutenue par Théo Rietsch en novembre 2013.

Dimension interdisciplinaire
Trois communautés (mathématiques, climatologie et théorie de l'optimisation) ont été nécessaires pour explorer le problème proposé. La théorie probabiliste de l'analyse des valeurs extrêmes a permis d'avoir un socle mathématique solide. Une expertise en climatologie a été requise pour analyser les exemples traités (pluies et températures extrêmes). Et des techniques d'optimisation ont été invoquées pour trouver le meilleur design spatial. 

Figure clé
peper



Localisation de 331 stations de mesures météorologiques de surface en France. Source: Météo-France.
Le jeu de données χO représenté par des «o» correspond aux 147 stations météorologiques de meilleure qualité. Le second groupe χΔ représenté par des «Δ» correspond aux 110 stations météorologiques de qualité suffisante pour les procédures de validation et test. Le dernier groupe χ+ représenté par des «+» correspond aux 74 stations météorologiques de moins bonne qualité et contient les stations susceptibles d'être supprimées.
Source : Rietsch et al. (2013).