Période de retour vers le futur

Projet : Analyse des pluies extrêmes et périodes de retour dans un contexte de réchauffement climatique

Contexte
Selon Météo-France, le réchauffement climatique ne bouleverse pas seulement les températures : il modifie aussi la fréquence, l’intensité et la répartition des précipitations en France.
Dans une France à +4 °C, l’impact de ces changements des régimes de pluies peut aggraver le risque d’inondation par ruissellement en zones urbaines.

Cette réutilisation s’inscrit dans le cadre du Hackathon 2025 : “Le climat en données”.

Problématiques scientifiques

1. Estimations des pluies extrêmes sur la période historique ?

   • Analyse de l'apport des données CPRCM et comparaison de plusieurs sources de données : modélisations et réanalyses.

2. Quel apport des données horaires pour estimer les pluies 24h par rapport aux données quotidiennes ?

3. Évolution des intensités de précipitations par période de retour pour l’horizon TRACC 2.7 °C ?

   • Résultats des données CPRCM (1h / 3h / 6h / 12h / 24h / quotidien).

Problématique métier

• Question clé :
  À quel type de pluies faut-il se préparer dans le futur ?

• Proposition de valeur :
  Aider et accompagner les territoires à renforcer leur résilience et assurer la pérennité du système assurantiel.

Solution proposée

• Description et fonctionnalités :

  • Offre d’accompagnement Territoires et Prévention enrichie d’un diagnostic du risque de ruissellement en fonction des scénarios de réchauffement climatique.

  • Offre de formation pour les élus et agents.

• Usage des données :

  • Les données permettent d’estimer les périodes de retour des pluies extrêmes.

  • Sources des données :

    • Modèles CPRCM haute résolution (CNRM-AROME, HCLIM).

    • Réanalyses COMEPHORE et données SAFRAN.

Tableau des données utilisées :

Différents jeux de données ont été utilisés, des jeux d'historiques, des jeux de projections futurs, des jeux au pas de temps horaire. Pour avoir une aperçu sous forme de tableau, dans le readme du projet : https://github.com/MAIF/pr_verslefutur

Les données SAFRAN et COMEPHORE ont également été utilisées.

Méthodologie
Extraction des maxima annuels et ajustement via une loi de probabilité de type GEV (Gumbel).

Impact envisagé

• Objectifs :

  • Accompagner les territoires en enrichissant les collaborations entre assureurs et collectivités.

  • Contribuer à la résilience et à l’intégration du changement climatique dans les politiques d’urbanisation.

  • Améliorer la connaissance des impacts climatiques.

• Usagers visés et bénéfices :
  Collectivités, élus, agents : sensibilisation et renforcement de la résilience territoriale.

Ressources

• Livrables :

  • Tableaux des périodes de retour selon :

    • Types de modèles

    • Scénarios climatiques / Historique

    • Pas de temps (horaire / quotidien)

  • Graphiques de visualisation des périodes de retour.

• Dépôt de code :
  https://github.com/MAIF/pr_verslefutur

Quelles erreurs, incohérences ou anomalies identifiées ? (techniques et scientifiques) ?

• Il existe un écart important entre Comephore et Safran pour la journée du 22/09/2003 qui impacte fortement les périodes de retour

• Au sein d’une même méthode de descente d’échelle, notamment les émulateurs, on observe une forte dispersion des périodes de retour

• Les émulateurs utilisant une simulation HR de type ALADIN, restent assez éloignés du RCM à partir duquel ils ont été émulés

• Bien que corrigés par les données climatiques de référence Safran, les RCM, émulateurs et CPRCM que nous avons étudiés, présentent des périodes de retour là encore assez différentes de celles calculées sur les données de référence Safran

• Les périodes de retours issues du CPRCM sont plutôt dans la fourchette haute

• Sur les données horaires CPRCM, les outils de référence que l'on utilise ne sont pas toujours homogènes (Comephore, Montana, analyses ponctuelles pluviomètre)

Quelles difficultés d’exploitation ? Quelles pistes de résolution ?

• difficulté d'exploitation de la base de données Comephore sur data.gouv (projection, pas de temps mensuel)

• de manière générale, il serait intéressant de pouvoir télécharger des masques géographiques de données

Quelles limites pour le cas d’usage traité ? Les données proposées sont-elles adaptées aux exigences de votre domaine sectoriel ou géographique d’application (résolution spatiale et temporelle, couverture spatiale et temporelle, etc.) ?

• pour les données horaires, avoir une meilleure visibilité de la dispersion

• avoir une idée de préconisation des modèles à utiliser pour différents cas d'usage

• faciliter le lien entre les jeux de données et les périodes de référence pour la TRACC