Return to search

Estimation des coûts économiques des inondations par des approches de type physique sur exposition / Estimation of the economic costs of floods pairing physical models with exposure through damage curves

Les travaux de cette thèse se situent dans le cadre de l'élargissement du périmètre des impacts estimés par le modèle inondation de la Caisse Centrale de Réassurance (CCR). Le premier chapitre nous a permis de comprendre les différents impacts d'une inondation, leurs interdépendances et d'en conclure une classification des impacts. A partir de cela, nous proposons un modèle global construit par chaînage de modélisation des impacts où les outputs des différents modèles servent d'inputs pour les modèles suivants. Cette démarche permettra d'avoir une répartition des impacts par poste et une compréhension des effets en cascade des dommages directs vers les effets macro-économiques. Le chapitre 2 s'intéresse à la modélisation des dommages aux véhicules sous le cahier des charges de CCR. Les différentes conditions à respecter sont : la modélisation pour le péril inondation seul et du risque automobile seul, la modélisation pour un événement particulier et pour la charge totale annuelle. L'étude de ce risque, nous a permis de décrire, d'implémenter, d'identifier les problèmes et possibles améliorations de différentes approches de modélisation, à savoir : - une régression linéaire, la méthodologie aujourd'hui utilisée par CCR, - une modélisation fréquence x sévérité associée à la théorie des valeurs extrêmes, très utilisée dans le monde de l'assurance, - une modélisation physique sur exposition, démarche déjà adoptée à CCR pour les dommages au bâti. Nous nous sommes donc appuyés sur le modèle d'aléa inondation CCR et avons développé les modules de vulnérabilité et de dommages propres à ce risque. CCR étant chargée de la gestion comptable et financière du Fonds National de Gestion des Risques en Agriculture pour le compte de l'Etat, les travaux se sont poursuivi, dans le chapitre 3, par la modélisation du risque agricole. A partir d'un état de l'art sur la modélisation des conséquences agricoles des inondations, une modélisation de ce risque est proposée et implémentée. Le modèle s'intègre dans la démarche de modélisation physique sur exposition développée à CCR. Le travail a porté sur le développement des modules de vulnérabilité et de dommages spécifiques à l'agriculture. Le modèle de vulnérabilité a été développé à partir du registre parcellaire graphique et le module de dommages a été développé à partir des courbes de dommages à l'agriculture développées par le groupe de travail national Analyse Multi-Critères inondation à travers les travaux de l'IRSTEA. Le modèle d'aléa utilisé est le modèle développé par CCR depuis 2003. Le dernier chapitre est pensé comme une base technique pour CCR afin de pouvoir continuer les travaux d'élargissement du périmètre des impacts modélisés. Tout d'abord, un état des lieux des travaux réalisés (risques automobile et agricole) et en cours (pertes d'exploitations consécutives à un dommage direct) est réalisé et replacé dans le contexte de la modélisation globale des impacts proposée à CCR. Pour les impacts non traités, nous présenterons les problématiques de modélisation, un court état de l'art et les conclusions que nous en avons tirées en terme de modé / This research was conducted within the framework of the Caisse Centrale de Réassurance's (CCR) R&D objective - to widen the scope of impacts estimated by its flood impact model. In chapter one, we study the various impacts of a flood and their interdependencies in order to create a classification of impacts. This classification allows us to design the architecture of a global impact model built from linking specific impacts models where the outputs of one model are the inputs of the following one. This approach generates an estimation with a breakdown by type of impact. It also allows us to understand the domino effects from the direct damage to the macroeconomic impacts. In chapter two, we study models for car damages according to CCR's specifications. The requirements are: the model should be independent from other natural catastrophes and impacts estimations and it should be able to model both a specific event and the total annual load. Through this work we describe, implement, and identify issues with possible improvements of three modelling approaches: - a simple linear regression, CCR's presently used method, - a frequency x severity model associated to the extreme value theory, widely used in the insurance business sector, - a model that pairs a physical model with exposure through damage curves. CCR already uses this approach to estimate damage to buildings. Hence, we are using CCR's flood hazard model and develop an exposure model and a damage model specific to cars. CCR is in charge of the accounting management of the Agricultural National Risk Management Fund on behalf of the State. Hence, chapter three contains state of the art modeling solutions for this risk and description of the designed model and its implementation. A vulnerability model and a damage model specific to the agricultural risk are developed and paired with CCR's flood hazard model. The vulnerability model uses the Graphic Parcel Register database. The damage model is based on the damage curves developed by IRSTEA for the national think tank on flood cost-benefit analysis. Chapter four is a technical document that will allow CCR to continue the development of the global model. It presents a situational analysis of what has been done (cars and agricultural risks) and of ongoing works (business interruption due to direct damage). For the remaining impacts, it presents the modeling issues, a short research review and the conclusions reached in terms of modeling

Identiferoai:union.ndltd.org:theses.fr/2019LYSE1192
Date21 October 2019
CreatorsMao, Gwladys
ContributorsLyon, Robert, Christian Yann
Source SetsDépôt national des thèses électroniques françaises
LanguageFrench
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.002 seconds