Ces tempêtes extrêmes que l'histoire ne nous a pas encore dévoilées

Abstract

RÉSUMÉ. -Les études d'aléa de submersion marine s'attachent à définir des valeurs extrêmes pour les niveaux marins et les houles et à combiner ces valeurs afin de produire un aléa de référence à la côte. Pourtant, ces phénomènes résultent souvent d'un même événement météorologique générateur : les tempêtes. Météo-France, le Cetmef et le Shom ont uni leurs efforts pour étudier les tempêtes menaçant le littoral breton et déterminer des événements extrêmes, dont on dédui-rait les paramètres hydrodynamiques pour l'étude des risques de submersion marine. En combinant analyse de données d'archives et ré-analyses numériques (ERA-Intérim), on documente chaque tempête comme on le ferait d'un cyclone et on en dresse une typologie afin d'identifier, au sein de chaque famille, la ou les tempêtes les plus représentatives, ainsi que le rapport d'intensité entre membres fréquents et rares. Le modèle Arpège permet de reconstituer les tempêtes historiques les plus représentatives, puis, la Prévision d'Ensemble du modèle Arpège (PEARP) fournit des tempêtes fictives plausibles qu'on peut rendre concomitantes avec des conditions défavorables de marée. Cette méthode, qui permet d'étudier des événements extrêmes plausibles que l'histoire ne nous a pas encore dévoilés, pose le problème de la probabilité des évènements fictifs. Elle est néanmoins innovante et pertinente dans l'appréhension des événements extrêmes permettant de mettre à l'épreuve les stratégies d'adaptation de nos territoires littoraux, comme cela est notamment demandé dans le cadre de l'application de la Directive européenne « Inondation » pour l'événement extrême. Mots-clés : modèle de prévision, ré-analyses, tempêtes historiques, tempêtes fictives plausibles These extreme storms that history has not revealed yetABSTRACT. -Risk studies of coastline flooding strive to define extreme values for sea level and the surf and then combine them to determine a threat index for the seaboard. However, these phenomenona are often generated by the same type of weather event: the storms. Meteo-France, the Cetmef and the Shom got together to study the storms threatening the coast of Brittany and to determine the extreme events the associated hydrodynamic parameters of which would allow to study the risk of coastline flooding. By combining archives and re-analysis (ERA-Intérim), each storm is documented; then a typology is implemented to establish within each cluster, which elements are the most representative. The Arpege model enables us to restore the most typical historical storms, then the Ensemble Prevision supplies data on fictitious but plausible storms that can be afterwards combined with unfavourable tide conditions. This method which enables us to study plausible extreme events not yet revealed to us, creates the problem of the likelihood of these fictitious events. It is nonetheless an innovative technique, relevant for the understanding of extreme events so that the strategies used to adapt our shorelines, as it is demanded by the 2007/60/CE European Directive in the case...

Storm-induced marine flooding: Lessons from a multidisciplinary approach

“…Once validated, archives, coming from atmospheric re-analyses (ERA-Intérim, Meteo-France), tidal and water levels measurements (SHOM) and waves and coastal damage (CEREMA) were collected to strengthen and refine statistical laws for computing highest sea level occurrence periods (return period). From these archives, 137 events were analyzed and classified into a typology, consisting of 25 families of storms (Goutx et al, 2014). Each family was characterized by similar criteria as atmospheric storm trajectory, pressure gradient, concomitance with large tidal amplitude.…”

Data rescue process in the context of sea level reconstructions: An overview of the methodology, lessons learned, up‐to‐date best practices and recommendations

“…Moreover, estimates of sea level rise also inform studies of vertical land motion (Spada & Galassi, 2012). This is partly why detailed historical data stored in a collective database have a direct positive impact for research in several disciplines, including climate science, marine submersion (Goutx et al, 2014), geology and understanding of oceanic variability.…”