Seasonal cycles deformation of climate variables
Déformation des cycles saisonniers de variables climatiques
Résumé
Climate normals are usually calculated as averages over a 30-year observational period. In the context of a changing climate, these normals, even re-evaluated frequently, are "lagging behind" the current climate. The primary objective of this thesis is the estimation of non- stationary normals, in order to acquire an unbiased reference of the present climate. A good property for such normals, which are considered at the daily timescale, is to possess a certain regularity, both on the seasonal component and the secular change. For this reason, normal estimation shall be based on smoothing spline techniques such as proposed by Azaïs et Ribes (2016). The proposed modeling, inspired by a "pattern scaling" assumption, enables the study of the seasonal drift due to climate change. Beyond the mean value (normals), climate considered at a given date and location can be characterized by its distribution of possible values. A natural extension of normal estimation, would be to estimate the entire distribution with regularity constraints on its shape. We thus propose to address this question in a regularized quantile regression framework. In that respect and for a given climate variable, we obtain a detailed description of climate, at a given localization, and of its annual cycle. Both of these aspects lead to a re-examination of the RKHS (Reproducing Kernel Hilbert Space) and quantile regression theories. The complexity of the considered models is equally considered for normals and distribution and is meticulously examined. Lastly, we propose to exploit the preceding results to revisit and improve the description of future and past changes in climate, for example via the use of climate analogues.
Les normales climatiques sont habituellement calculées comme des moyennes sur une période observée de 30 ans. Dans un contexte de changement climatique, ces normales, même ré- évaluées régulièrement, sont "en retard" sur le climat présent. Le premier objectif de ce travail de thèse est d'estimer des normales climatiques non-stationnaires, dans le but de disposer d'une référence non-biaisée pour le climat présent. Une bonne propriété pour de telles normales, considérées au pas de temps quotidien, est de présenter une certaine régularité, à la fois en terme de cycle annuel et vis-à-vis du changement climatique. Pour cette raison, l'estimation de ces normales sera basée sur des techniques de lissage spline telles que proposées dans Azaïs et Ribes (2016). La modélisation proposée, inspirée d'une hypothèse de "pattern scaling", permettra l'étude de la dérive saisonnière due au changement climatique. Au-delà de la seule valeur moyenne (normale), le climat - considéré à un site et à une date donnés - se caractérise par une distribution de valeurs possibles. Un prolongement naturel de l'estimation de normales consiste à estimer l'ensemble de cette distribution, avec une contrainte de régularité sur la forme de celle-ci. Il s'agit alors de proposer une forme de régression quantile régularisée. On obtient ainsi, pour un paramètre donné, une description fine du climat en un site donné, et de son cycle annuel. Ces deux aspects, nous amènent à ré-examiner la théorie des RKHS (Espace de Hilbert à noyau reproduisant) ainsi que celle de la régression quantile. La complexité des modèles considérés, autant dans le cas des normales que des distributions, fait l'objet d'un examen minutieux.?Enfin, nous proposons d'utiliser ces résultats pour revisiter et améliorer la description des changements climatiques passés et futurs, par exemple via l'utilisation d'analogues climatiques.
Origine : Version validée par le jury (STAR)