Votre recherche

Les troubles anxieux apparaissent très tôt chez les jeunes. Les études corrélationnelles suggèrent que plusieurs facteurs, tels que le stress prénatal maternel (SPM) et la surimplication maternelle contribueraient à leur développement et à leur maintien. L’objectif de l’étude est de mieux comprendre si la surimplication maternelle est une cause ou une conséquence de l’anxiété chez l’enfant, le tout dans un contexte de stress prénatal maternel causé par un désastre naturel. L’échantillon fait partie d’un projet plus grand dans lequel les stress objectif et subjectif ont été mesurés chez les femmes enceintes lors de l’inondation en 2011 à Queensland en Australie. L’échantillon de l’étude inclut 72 dyades mère-enfant, ayant complété une tâche difficile de casse-tête, d’une durée de 5 minutes, lorsque les enfants étaient âgés de 4 ans. À partir des vidéos, les observateurs ont évalué le comportement maternel (la surimplication) et le comportement de l’enfant (l’anxiété) en continu. Des techniques d’analyse séquentielle ont été utilisées pour déterminer la probabilité qu’un comportement maternel de surimplication se produise avant ou après un comportement anxieux et vice versa. Les corrélations obtenues entre le SPM (objectif et subjectif), le comportement anxieux de l’enfant et le comportement de surimplication maternelle n’ont pas été significatives. Le comportement de surimplication n’est pas un médiateur entre le SPM (objectif et subjectif) et le comportement anxieux de l’enfant. Toutefois, les chances qu’un comportement maternel de surimplication suive un comportement anxieux chez l’enfant étaient plus grandes que les chances qu’un comportement anxieux suive un comportement maternel de surimplication. Nos résultats suggèrent que le stress prénatal maternel n’est pas associé avec le comportement de surimplication maternelle, ni avec le comportement anxieux de l’enfant. La surimplication maternelle est plutôt une réaction au comportement anxieux de l’enfant. Il est essentiel, pour de futures recherches, de se rappeler que l’enfant est un participant actif dans la relation mère-enfant et qu’il est important d’étudier la bidirectionnalité de la relation pour mieux comprendre et pour mieux intervenir.

<p>Les études portant sur les évènements hydrologiques extrêmes sont d’une grande importance vu leurs nombreux impacts socio-économiques. Ces études reposent dans une large mesure sur la capacité à estimer adéquatement les risques associés à ces évènements. Dans ce cadre, l’analyse fréquentielle (AF) est une des approches les plus utilisées pour la modélisation et l’estimation des risques associés aux évènements extrêmes. Généralement, ces évènements sont caractérisés par plusieurs variables dépendantes, comme le volume, la pointe et la durée pour les crues. Par conséquent, l'analyse de chacune de ces variables séparément ne peut pas fournir une évaluation complète des risques et peut engendrer des pertes de vies humaines ou de biens associés à une sous estimation, ou une augmentation des coûts des ouvrages hydrauliques associés à une surestimation. L’AF multivariée (AFM) permet de pallier ce problème en considérant simultanément ces variables. L’AF classique est basée sur trois hypothèses à savoir l’homogénéité, la stationnarité et l’indépendance. Par ailleurs, différentes conditions non standards telles que la complexité topographique, les perturbations par les aménagements urbains et les changements climatiques peuvent influencer la réponse hydrologique. De telles conditions rendent la prédétermination des crues, par les méthodes classiques d’AFM, un exercice non efficace et mal adapté à de tels contextes. L’objectif de cette thèse consiste à proposer de nouvelles méthodes plus prometteuses pour l'analyse et la modélisation des variables hydrologiques à la fois dans un cadre multivarié et en l’absence de l’hypothèse d’homogénéité. Ces méthodes visent à contourner les limites de celles utilisées dans la littérature. Ces nouvelles méthodes, basées sur les copules, permettent une meilleure estimation des risques des extrêmes hydrologiques en tenant compte des interactions et es dépendances entre les différentes variables. Par conséquent, les gestionnaires des ressources hydriques peuvent prendre des décisions éclairées et mieux adaptées au contexte actuel. Précisément, nous nous intéressons dans une première partie à tester l’homogénéité des séries hydrologiques multivariées. Pour ce faire, nous avons proposé un nouveau test, basé sur les L moments multivariés, capable de détecter la rupture dans la structure de dépendance des variables hydrologiques. Les résultats obtenus montrent la bonne performance du test proposé sous différents scénarios. Par la suite, dans le but de modéliser l’hétérogénéité des séries hydrologiques multivariées, un modèle de mélange de copules a été mis au point. Dans ce cadre, nous avons proposé une nouvelle méthode pour l’estimation des différents paramètres du modèle. La méthode proposée est basée sur l’utilisation des algorithmes génétiques. Sa performance est illustrée sur des séries simulées. Les résultats obtenus montrent que la méthode proposée est un outil efficace capable de fournir de bonnes estimations, en particulier dans un contexte hydrologique. Finalement, deux nouveaux tests d’adéquation pour les copules multiparamètres ont été développés. Le but de ces tests est de vérifier la qualité de l’ajustement de la copule aux données et améliorer ainsi l’estimation des risques associés aux évènements extrêmes. Les résultats révèlent que les tests proposés performent bien dans le contexte hydrologique.<br /><br /> Studies of hydrological extreme events are of great importance given their many socio-economic impacts. These studies rely on the ability to adequately estimate the associated risk. In this context, frequency analysis (FA) is one of the most widely used approaches for modeling and estimating the risks associated with extreme events. Generally, these events are characterized by several correlated random variables. Therefore, analyzing each of these variables separately cannot provide a complete risk assessment and may result in loss of life or property associated with an underestimation, or an increase in the costs of hydraulic structure associated with an overestimation. Multivariate FA (MFA) overcomes this problem by simultaneously considering these variables. Classical FA is based on three assumptions namely homogeneity, stationarity and independence. However, different non-standard conditions such as topographic complexity, disturbances by urban development and climate change can influence the hydrological response. Such conditions make flood predetermination, by conventional MFA methods, an ineffective exercise and unsuitable to such contexts. The main objective of this thesis is to propose new and more promising methods for the analysis and modeling of hydrological variables both in a multivariate framework and in the lack of the homogeneity assumption. These methods aim to overcome the limitations of classical methods used in the literature. These new proposed methods, based on copulas, allow a better estimation of the risks associated to hydrological extremes by taking into account the dependence between the different variables. As a result, water resource managers can make informed decisions that are better suited to the current context. In the first part, we propose a novel statistical test for multivariate heterogeneity detection, based on copula and multivariate L-moments. A simulation study is conducted to evaluate the performance of the proposed test and to compare it with those of existing tests. Results show the ability of the proposed test to discriminate homogeneous and inhomogeneous series. In the second part, we propose a new model based on mixtures of copulas that take into account the heterogeneity of multivariate hydrological series. To estimate the components of this model, we propose a new parameter estimation approach, based on the maximum pseudo-likelihood using genetic algorithms. Results indicate that the proposed method estimates more accurately the parameters even with small sample sizes compared to the existing classical EM method. In the last part, we introduce new goodness of fit (GOF) tests specifically for multiparameter copulas and adapted to hydrometeorological context. More precisely, the proposed GOF tests are based on multivariate L moments. A simulation study is conducted to evaluate and compare the performances of the proposed tests. The results confirm the usefulness of the new GOF tests in comparison with some well-established ones.</p>

Les inondations présentent une grande menace à la sécurité humaine et matérielle. Les effets associés à ces phénomènes naturels risquent d'augmenter encore plus avec les tendances liées aux changements climatiques. Il est donc important de disposer d'outils de prévision et de prévention des crues fiables afin de mitiger les conséquences dévastatrices reliées. La mise en œuvre de ces outils implique des processus physiques assez complexes et nécessite beaucoup de données avec toute l'incertitude associée. Dans cette thèse, on explore les différentes sources d'incertitudes liée à la détermination des niveaux d'eau en rivières principalement dans un contexte de prévision où l'incertitude liée aux données de forçage est très importante. Les analyses conduites sont appliquées à la rivière Chaudière au Québec. En premier lieu, nous avons exploré les différentes sources paramétriques d'incertitude associées à la modélisation hydraulique dans un contexte de simulation avec un accent sur l'amélioration de la calibration du modèle hydraulique. Par la suite, dans un contexte de prévision opérationnel, on a évalué la propagation des sources d'incertitude de la prévision atmosphérique au modèle de rivière en passant par les prévisions hydrologiques avec des techniques probabilistes d'ensemble. La quantification de l'incertitude a montré que les données de forçage sont celles qui contribuent le plus à la description de l'incertitude dans la détermination des niveaux d'eau. L'incertitude paramétrique, dans un contexte de prévision, est quant à elle négligeable. Le recours à des prévisions d'ensemble a permis de produire une prévision de niveau d'eau assez fiable et a montré que celle-ci est fortement liée à la qualité des données qui proviennent de la chaine de prévision hydrométéorologique à l'amont du système de prévision proposé.

Cette thèse vise à améliorer notre compréhension du modèle hédonique et de son application sur les données des biens immobiliers afin d'étudier l'impact d'un événement / externalité / environnementale liée à la présence d'inondation sur la valeur des propriétés résidentielles. Étant donné que les données immobilières sont réparties dans l'espace et dans le temps, des "corrections" temporelles et spatiales sont nécessaires dans le processus de modélisation économétrique. La recherche prend appui sur l’équation de prix hédonique. L’analyse empirique recours également à l’estimateur de type différence de différences spatio-temporelles (STDID) afin d’étudier l’effet d’une inondation survenue en 1998 sur le prix des résidences dans la ville de Laval au Canada entre 1995-2007. Les résultats suggèrent que l’utilisation des informations sur les zones inondables dans le but d’évaluer l’impact des inondations sur les valeurs résidentielles n’est pas une approche nécessairement appropriée. Les conclusions suggèrent que la grande hétérogénéité des résultats notés dans la littérature n’est probablement pas étrangère à la façon de définir les résidences touchées par les inondations. Cela signifie que les recherches empiriques sur les effets des inondations sur la valeur immobilière mesurent en réalité la valeur liée à la perception du risque d'inondation et non l’effet réel de l'inondation. Les résultats suggèrent que les applications futures dans la littérature devront porter une attention particulière à la manière de définir les zones inondables et d’identifier les résidences réellement touchées.

Abstract Climate change in the Middle East has intensified with rising temperatures, shifting rainfall patterns, and more frequent extreme events. This study introduces the Stacking-EML framework, which merges five machine learning models three meta-learners to predict maximum temperature, minimum temperature, and precipitation using CMIP6 data under SSP1-2.6, SSP2-4.5, and SSP5-8.5. The results indicate that Stacking-EML not only significantly improves prediction accuracy compared to individual models and traditional CMIP6 outputs but also enhances climate projections by integrating multiple ML models, offering more reliable, regionally refined forecasts. Findings show R² improvements to 0.99 for maximum temperature, 0.98 for minimum temperature, and 0.82 for precipitation. Under SSP5-8.5, summer temperatures in southern regions are expected to exceed 45 °C, exacerbating drought conditions due to reduced rainfall. Spatial analysis reveals that Saudi Arabia, Oman, Yemen, and Iran face the greatest heat and drought impacts, while Turkey and northern Iran may experience increased precipitation and flood risks.

Abstract. Dissolved organic carbon (DOC) trends, predominantly showing long-term increases in concentration, have been observed across many regions of the Northern Hemisphere. Elevated DOC concentrations are a major concern for drinking water treatment plants, owing to the effects of disinfection byproduct formation, the risk of bacterial regrowth in water distribution systems, and treatment cost increases. Using a unique 30-year data set encompassing both extreme wet and dry conditions in a eutrophic drinking water reservoir in the Great Plains of North America, we investigate the effects of changing source-water and in-lake water chemistry on DOC. We employ novel wavelet coherence analyses to explore the coherence of changes in DOC with other environmental variables and apply a generalized additive model to understand predictor–DOC responses. We found that the DOC concentration was significantly coherent with (and lagging behind) flow from a large upstream mesotrophic reservoir at long (> 18-month) timescales. DOC was also coherent with (lagging behind) sulfate and in phase with total phosphorus, ammonium, and chlorophyll a concentrations at short (≤ 18-month) timescales across the 30-year record. These variables accounted for 56 % of the deviance in DOC from 1990 to 2019, suggesting that water-source and in-lake nutrient and solute chemistry are effective predictors of the DOC concentration. Clearly, climate and changes in water and catchment management will influence source-water quality in this already water-scarce region. Our results highlight the importance of flow management to shallow eutrophic reservoirs; wet periods can exacerbate water quality issues, and these effects can be compounded by reducing inflows from systems with lower DOC. These flow management decisions address water level and flood risk concerns but also have important impacts on drinking water treatability.

Abstract Fluvial biogeomorphology has proven to be efficient in understanding the evolution of rivers in terms of vegetation succession and channel adjustment. The role of floods as the primary disturbance regime factor has been widely studied, and our knowledge of their effects on vegetation and channel adjustment has grown significantly in the last two decades. However, cold rivers experiencing ice dynamics (e.g., ice jams and mechanical breakups) as an additional disturbance regime have not yet been studied within a biogeomorphological scope. This study investigated the long‐term effects of ice dynamics on channel adjustments and vegetation trajectories in two rivers with different geomorphological behaviours, one laterally confined (Matapédia River) and one mobile (Petite‐Cascapédia River), in Quebec, Canada. Using dendrochronological analysis, historical data and aerial photographs from 1963 to 2016, this study reconstructed ice jam chronologies, characterized flood regimes and analysed vegetation and channel changes through a photointerpretation approach. The main findings of this study indicate that geomorphological impacts of mechanical ice breakups are not significant at the decadal and reach scales and that they might not be the primary factors of long‐term geomorphological control. However, results have shown that vegetation was more sensitive to ice dynamics. Reaches presenting frequent ice jams depicted high regression rates and turnovers even during years with very low floods, suggesting that ice dynamics significantly increase shear stress on plant patches. This study also highlights the high resiliency of both rivers to ice jam disturbances, with vegetation communities and channel forms recovering within a decade. With the uncertainties following the reach/corridor and decadal scales, future research should focus on long‐term monitoring and refined spatial scales to better understand the mechanisms behind the complex interactions among ice dynamics, vegetation and hydrogeomorphological processes in cold rivers.

ABSTRACT Flood risk management (FRM) involves planning proactively for flooding in high‐risk areas to reduce its impacts on people and property. A key challenge for governments pursuing FRM is to pinpoint assets that are highly economically exposed and vulnerable to flood hazards in order to prioritize them in policy and planning. This paper presents a novel flood risk assessment, making use of a dataset that identifies the location, dwelling type, property characteristics, and potential economic losses of Canadian residential properties. The findings reveal that the average annual costs are $1.4B, but most of the risks are concentrated in high‐risk areas. Data gaps are uncovered that justify replication through local validation studies. The results provide a novel evidence base for specific reforms in Canada's approach to FRM, with a focus on insurance that improves both implementation and effectiveness.

Abstract The flood-prone Saint John River (SJR, Wolastoq), which lies within a drainage basin of 55 110 km 2 , flows a length of 673 km from its source in northern Maine, United States, to its mouth in southern New Brunswick, Canada. Major industries in the basin include forestry, agriculture, and hydroelectric power. During the 1991–2020 reference period, the SJR basin (SJRB) experienced major spring flood events in 2008, 2018, and 2019. As part of the Saint John River Experiment on Cold Season Storms, the objective of this research is to characterize and contrast these three major spring flood events. Given that the floods all occurred during spring, the hypothesis being tested is that rapid snowmelt alone is the dominant driver of flooding in the SJRB. There were commonalities and differences regarding the contributing factors of the three flood years. When averaged across the upper basin, they showed consistency in terms of positive winter and spring total precipitation anomalies, positive snow water equivalent anomalies, and steep increases in April cumulative runoff. Rain-on-snow events were a prominent feature of all three flood years. However, differences between flood years were also evident, including inconsistencies with respect to ice jams and high tides. Certain factors were present in only one or two of the three flood years, including positive total precipitation anomalies in spring, positive heavy liquid precipitation anomalies in spring, positive heavy solid precipitation anomalies in winter, and positive temperature anomalies in spring. The dominant factor contributing to peak water levels was rapid snowmelt.

Abstract Global warming is causing glaciers in the Caucasus Mountains and around the world to lose mass at an accelerated pace. As a result of this rapid retreat, significant parts of the glacierized surface area can be covered with debris deposits, often making them indistinguishable from the surrounding land surface by optical remote-sensing systems. Here, we present the DebCovG-carto toolbox to delineate debris-covered and debris-free glacier surfaces from non-glacierized regions. The algorithm uses synthetic aperture radar-derived coherence images and the normalized difference snow index applied to optical satellite data. Validating the remotely-sensed boundaries of Ushba and Chalaati glaciers using field GPS data demonstrates that the use of pairs of Sentinel-1 images (2019) from identical ascending and descending orbits can substantially improve debris-covered glacier surface detection. The DebCovG-carto toolbox leverages multiple orbits to automate the mapping of debris-covered glacier surfaces. This new automatic method offers the possibility of quickly correcting glacier mapping errors caused by the presence of debris and makes automatic mapping of glacierized surfaces considerably faster than the use of other subjective methods.

In the tropical environment such as Brazil, the frequency of rainfall-induced landslides is particularly high because of the rugged terrain, heavy rainfall, increasing urbanization, and the orographic effect of mountain ranges. Since such landslides repeatedly interfere with human activities and infrastructures, improved knowledge related to spatial and temporal prediction of the phenomenon is of interest for risk management. This study is an analysis of empirical rainfall thresholds, which aims to establish local and regional scale correlations between rainfall and the triggering of landslides in Angra dos Reis in the State of Rio de Janeiro. A statistical analysis combining quantile regression and binary logistic regression was performed on 1640 and 526 landslides triggered by daily rainfall over a 6-year period in the municipality and the urban center of Angra dos Reis, in order to establish probabilistic rainfall duration thresholds and assess the role of antecedent rainfall. The results show that the frequency of landslides is highly correlated with rainfall events, and surprisingly the thresholds in dry season are lower than those in wet season. The aspect of the slopes also seems to play an important role as demonstrated by the different thresholds between the southern and northern regions. Finally, the results presented in this study provide new insight into the spatial and temporal dynamics of landslides and rainfall conditions leading to their activation in this tropical and mountainous environment.