Thèse soutenue

Prédire les sécheresses urbaines dans le contexte du changement climatique
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Changsen Zhao
Direction : Françoise NerryZhao-Liang Li
Type : Thèse de doctorat
Discipline(s) : Télédétection
Date : Soutenance le 22/12/2021
Etablissement(s) : Strasbourg
Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg)
Jury : Président / Présidente : José Antonio Sobrino Rodriguez
Examinateurs / Examinatrices : Guangjian Yan, Hervé Yésou
Rapporteurs / Rapporteuses : José Antonio Sobrino Rodriguez, Hua Wu

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

De nombreuses villes du monde manquent de données et ne peuvent donc pas prévoir avec précision les sécheresses urbaines futures (UD) dans le contexte des changements climatiques. Par conséquent, cette thèse a mis en avant un nouveau cadre pour prédire l’UD future. En couplant des images de satellites et de drones, nous avons présenté deux ensembles de nouvelles méthodes pour l’estimation des eaux de surface disponibles ; en couplant les données issues du satellite GRACE de la NASA et l’ensemble de données GLDAS, nous avons proposé une nouvelle méthode de prévision des eaux souterraines disponibles. Toutes les méthodes ont été vérifiées en utilisant des observations au sol et des données fournies par GRACE dans trois grandes villes du bassin du fleuve Jaune, en Chine. Avec ces méthodes, nous avons reconstitué des séries de données sur les eaux de surface et souterraines disponibles pour les trois villes au cours de la période 1948-2001, lorsque les données disponibles sur l’eau sont manquantes. Avec ces données reconstituées sur la disponibilité de l’eau et les projections de consommation d’eau, nous avons prédit l’UD de trois grandes villes en Chine en 2030 et 2050 en exploitant un réseau neuronal artificiel sur la base de scénarios climatiques CMIP5. Les résultats montrent que l'UD sera plus sévère en 2030 qu'en 2050.