Prédire les sécheresses urbaines dans le contexte du changement climatique
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Zhao, Changsen
Date de soutenance : 22-12-2021

Directeur(s) de thèse : Nerry, Françoise - Li, Zhao-Liang

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Télédétection
Classification : Sciences de la terre, Sciences de l'ingénieur

Mots-clés libres : Sécheresse urbaine, Changement climatique, Eau disponible, GRACE, GLDAS
Mots-clés :
  • Télédétection
  • Sécheresse
  • Changements climatiques
  • Ressources en eau
Résumé : 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.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2021STRAD048
Type de ressource : Thèse