Connaître la probabilité d'occurrence des aléas océano-météorologiques extrêmes est fondamental pour prévenir les risques de submersion marine en zone côtière ou concevoir des aménagements côtiers, portuaires ou des plate-formes offshore. Notamment, le concept de niveau de retour est fréquemment utilisé en ingénierie côtière pour dimensionner des ouvrages de protection. Ces niveaux, dont les périodes de retour d'intérêt se situent généralement entre 100 et 1000 ans, sont habituellement estimés par une analyse statistique locale, à partir de données observées en un site unique. Cependant, la période d'observation est généralement limitée, de sorte que les incertitudes associées aux niveaux de retour élevés sont importantes. L'analyse régionale représente une solution possible pour réduire les incertitudes inhérentes aux analyses locales. Le principe est d'exploiter l'information de sites d'observation provenant d'une région homogène, où les extrêmes sont supposés avoir un comportement probabiliste similaire. L'analyse régionale peut ainsi estimer les niveaux de retour de manière plus fiable qu'une analyse locale. Cependant, son application dans le domaine maritime étant relativement limitée et récente, différentes questions méthodologiques de meurent non-Résolues, comme la formation des régions homogènes ou le traitement de la dépendance entre sites. L'objectif scientifique de la thèse est donc d'approfondir certains points méthodologiques de l'analyse régionale, dans le cadre des aléas maritimes extrêmes. Les points suivants sont abordés en particulier :• Échantillonnage des extrêmes pour l'analyse régionale, à partir des tempêtes détectées via une procédure de declustering spatio-Temporel.• Formation de régions homogènes à partir d'une méthode basée sur l'identification des empreintes typiques des tempêtes.• Prise en compte de la dépendance entre sites d'observation, à travers la construction d'un modèle permettant par exemple d'évaluer la durée effective régionale d'observation ou la période de retour régionale d'une tempête.• Spécification et estimation de la loi régionale, avec incorporation des co-variables influentes, comme la saison d'occurrence ou la direction de provenance pour les vagues.• Comparaison entre analyses locale et régionale, notamment à travers les incertitudes sur les estimations des extrêmes et la capacité à modéliser les horsains présumés.Ces aspects sont illustrés sur des données de hauteurs significatives de vagues et de surcotes de pleine mer, dans la zone Atlantique Nord-Est, Manche et Mer du Nord.Parallèlement, l'objectif applicatif de ces travaux est de contribuer à garantir la sûreté des ouvrages EDF contre le risque de submersion marine. Ceci peut être réalisé grâce à l'exploration de nouvelles techniques d'estimation des aléas maritimes extrêmes telles que l'analyse régionale, qui permet notamment une meilleure prise en compte des horsains. / The knowledge of the probability of occurrence of oceano-Meteorological extremes is essential to prevent risks of coastal flooding or to build coastal protections or off-Shore structures. In particular, the concept of return level is frequently used in coastal engineering to design protection structures. These levels, whose return periods of interest generally lie between 100 and 1000 years, are usually estimated by a local statistical analysis, from data observed at a unique site. However, the period of observation is generally limited, which can imply high uncertainties for high return levels. Regional frequency analysis is a possible solution to reduce uncertainties inherent to local analyses. The principle is to exploit the information of sites of observation from a homogeneous region, where extremes are supposed to share a similar probabilistic behavior. Thus, regional frequency analysis can estimate return levels more accurately than a local analysis. However, its application to the marine field being relatively limited and recent, several methodological questions are still unsolved, such as the formation of homogeneous regions or the dependence between sites. The scientific objective of this thesis is thus to develop some methodological points of regional frequency analysis, in the framework of extreme marine hazards. The following questions are tackled:• Sampling of extremes for regional analysis, from the storms detected through a spatiotemporal declustering procedure.• Formation of homogeneous regions from a method based on the identification of the typical storms footprints.• Consideration of the dependence between sites of observation, through the building of a model allowing, for example, to assess the regional effective duration or the regional return period of a storm.• Specification and estimation of the regional distribution, with the incorporation of influent covariables, such as the season of occurrence or the direction for waves.• Comparison between regional and local analyses, especially through the uncertainties on the estimated extremes and the ability to model the potential outliers. These aspects are illustrated on significant wave height data and skew surge data located in the Northeast Atlantic, the Eastern Channel and the North Sea. At the same time, the industrial objective of this work is to contribute to guarantee the safety of EDF structures against the risk of coastal flooding. This can be achieved through the exploration of new techniques of estimation of extreme marine hazards such as regional frequency analysis, which allows in particular a better representation of outliers

Les événements de pluies extrêmes et les inondations qui en résultent constituent une préoccupation majeure en France comme dans le monde. Dans le domaine de l'ingénierie, les méthodes d'analyse probabiliste sont pratiquement utilisées pour prédire les risques, dimensionner des ouvrages hydrauliques et préparer l'atténuation. Ces méthodes sont classiquement basées sur l'hypothèse que les observations sont identiquement distribuées. Il y a aujourd'hui de plus en plus d'éléments montrant que des variabilités climatiques à grande échelle (par exemple les oscillations El Niño - La Niña, cf. indice ENSO) ont une influence significative sur les précipitations dans le monde. Par ailleurs, les effets attendus du changement climatique sur le cycle de l'eau remettent en question l'hypothèse de variables aléatoires "identiquement distribuées" dans le temps. Il est ainsi important de comprendre et de prédire l'impact de la variabilité et du changement climatique sur l'intensité et la fréquence des événements hydrologiques, surtout les extrêmes. Cette thèse propose une étape importante vers cet objectif, en développant un cadre spatio-temporel d'analyse probabiliste régionale qui prend en compte les effets de la variabilité climatique sur les événements hydrologiques. Les données sont supposées suivre une distribution, dont les paramètres sont liés à des variables temporelles et/ou spatiales à l'aide de modèles de régression. Les paramètres sont estimés avec une méthode de Monte-Carlo par Chaînes de Markov dans un cadre Bayésien. La dépendance spatiale des données est modélisée par des copules. Les outils de comparaison de modèles sont aussi intégrés. L'élaboration de ce cadre général de modélisation est complétée par des simulations Monte-Carlo pour évaluer sa fiabilité. Deux études de cas sont effectuées pour confirmer la généralité, la flexibilité et l'utilité du cadre de modélisation pour comprendre et prédire l'impact de la variabilité climatique sur les événements hydrologiques. Ces cas d'études sont réalisés à deux échelles spatiales distinctes: * Echelle régionale: les pluies d'été dans le sud-est du Queensland (Australie). Ce cas d'étude analyse l'impact de l'oscillation ENSO sur la pluie totale et la pluie maximale d'été. En utilisant un modèle régional, l'impact asymétrique de l'ENSO est souligné: une phase La Niña induit une augmentation significative sur la pluie totale et maximale, alors qu'une phase El Niño n'a pas d'influence significative. * Echelle mondiale: une nouvelle base de données mondiale des précipitations extrêmes composée de 11588 stations pluviométriques est utilisée pour analyser l'impact des oscillations ENSO sur les précipitations extrêmes mondiales. Cette analyse permet d'apprécier les secteurs où ENSO a un impact sur les précipitations à l'échelle mondiale et de quantifier son impact sur les estimations de quantiles extrêmes. Par ailleurs, l'asymétrie de l'impact ENSO et son caractère saisonnier sont également évalués.

Les événements de pluies extrêmes et les inondations qui en résultent constituent une préoccupation majeure en France comme dans le monde. Dans le domaine de l'ingénierie, les méthodes d'analyse probabiliste sont pratiquement utilisées pour prédire les risques, dimensionner des ouvrages hydrauliques et préparer l'atténuation. Ces méthodes sont classiquement basées sur l'hypothèse que les observations sont identiquement distribuées. Il y a aujourd'hui de plus en plus d'éléments montrant que des variabilités climatiques à grande échelle (par exemple les oscillations El Niño – La Niña, cf. indice ENSO) ont une influence significative sur les précipitations dans le monde. Par ailleurs, les effets attendus du changement climatique sur le cycle de l'eau remettent en question l'hypothèse de variables aléatoires "identiquement distribuées" dans le temps. Il est ainsi important de comprendre et de prédire l'impact de la variabilité et du changement climatique sur l'intensité et la fréquence des événements hydrologiques, surtout les extrêmes. Cette thèse propose une étape importante vers cet objectif, en développant un cadre spatio-temporel d'analyse probabiliste régionale qui prend en compte les effets de la variabilité climatique sur les événements hydrologiques. Les données sont supposées suivre une distribution, dont les paramètres sont liés à des variables temporelles et/ou spatiales à l'aide de modèles de régression. Les paramètres sont estimés avec une méthode de Monte-Carlo par Chaînes de Markov dans un cadre Bayésien. La dépendance spatiale des données est modélisée par des copules. Les outils de comparaison de modèles sont aussi intégrés. L'élaboration de ce cadre général de modélisation est complétée par des simulations Monte-Carlo pour évaluer sa fiabilité. Deux études de cas sont effectuées pour confirmer la généralité, la flexibilité et l'utilité du cadre de modélisation pour comprendre et prédire l'impact de la variabilité climatique sur les événements hydrologiques. Ces cas d'études sont réalisés à deux échelles spatiales distinctes: • Echelle régionale: les pluies d'été dans le sud-est du Queensland (Australie). Ce cas d'étude analyse l'impact de l'oscillation ENSO sur la pluie totale et la pluie maximale d'été. En utilisant un modèle régional, l'impact asymétrique de l'ENSO est souligné: une phase La Niña induit une augmentation significative sur la pluie totale et maximale, alors qu'une phase El Niño n'a pas d'influence significative. • Echelle mondiale: une nouvelle base de données mondiale des précipitations extrêmes composée de 11588 stations pluviométriques est utilisée pour analyser l'impact des oscillations ENSO sur les précipitations extrêmes mondiales. Cette analyse permet d'apprécier les secteurs où ENSO a un impact sur les précipitations à l'échelle mondiale et de quantifier son impact sur les estimations de quantiles extrêmes. Par ailleurs, l'asymétrie de l'impact ENSO et son caractère saisonnier sont également évalués. / Extreme precipitations and their consequences (floods) are one of the most threatening natural disasters for human beings. In engineering design, Frequency Analysis (FA) techniques are an integral part of risk assessment and mitigation. FA uses statistical models to estimate the probability of extreme hydrological events which provides information for designing hydraulic structures. However, standard FA methods commonly rely on the assumption that the distribution of observations is identically distributed. However, there is now a substantial body of evidence that large-scale modes of climate variability (e.g. El-Niño Southern Oscillation, ENSO; Indian Ocean Dipole, IOD; etc.) exert a significant influence on precipitation in various regions worldwide. Furthermore, climate change is likely to have an influence on hydrology, thus further challenging the “identically distributed” assumption. Therefore, FA techniques need to move beyond this assumption. In order to provide a more accurate risk assessment, it is important to understand and predict the impact of climate variability/change on the severity and frequency of hydrological events (especially extremes). This thesis provides an important step towards this goal, by developing a rigorous general climate-informed spatio-temporal regional frequency analysis (RFA) framework for incorporating the effects of climate variability on hydrological events. This framework brings together several components (in particular spatio-temporal regression models, copula-based modeling of spatial dependence, Bayesian inference, model comparison tools) to derive a general and flexible modeling platform. In this framework, data are assumed to follow a distribution, whose parameters are linked to temporal or/and spatial covariates using regression models. Parameters are estimated with a Monte Carlo Markov Chain method under the Bayesian framework. Spatial dependency of data is considered with copulas. Model comparison tools are integrated. The development of this general modeling framework is complemented with various Monte-Carlo experiments aimed at assessing its reliability, along with real data case studies. Two case studies are performed to confirm the generality, flexibility and usefulness of the framework for understanding and predicting the impact of climate variability on hydrological events. These case studies are carried out at two distinct spatial scales: • Regional scale: Summer rainfall in Southeast Queensland (Australia): this case study analyzes the impact of ENSO on the summer rainfall totals and summer rainfall maxima. A regional model allows highlighting the asymmetric impact of ENSO: while La Niña episodes induce a significant increase in both the summer rainfall totals and maxima, the impact of El Niño episodes is found to be not significant. • Global scale: a new global dataset of extreme precipitation including 11588 rainfall stations worldwide is used to describe the impact of ENSO on extreme precipitations in the world. This is achieved by applying the regional modeling framework to 5x5 degrees cells covering all continental areas. This analysis allows describing the pattern of ENSO impact at the global scale and quantifying its impact on extreme quantiles estimates. Moreover, the asymmetry of ENSO impact and its seasonal pattern are also evaluated.