Renforcer la résilience des communautés côtières par de meilleures prévisions et projections des risques d'inondations cumulées

Les approches "douces", telles que les systèmes d'alerte et d'action anticipés, la gestion des situations d'urgence en temps réel, les assurances et les mécanismes de couverture des risques financiers en cas de catastrophes, sont des exemples de solutions à court terme pour améliorer la résilience des communautés côtières face au changement climatique. Les solutions à long terme pour la protection de ces populations et l'amélioration de leur résilience reposent quant à elles généralement sur des mesures "dures". Parmi elles, figurent la construction de structures de protection côtière, notamment des barrières, des digues et des revêtements ; le renforcement des habitations et des infrastructures ; et enfin la mise en œuvre de solutions basées sur la nature, telles que l'aménagement du territoire pour réduire les surfaces imperméables et restaurer les écosystèmes côtiers.

Ces infrastructures et ces solutions naturelles, bien qu'efficaces, se heurtent à des difficultés de mise en oeuvre. Elles nécessitent des investissements énormes et risqués tout en étant soumises à une incertitude importante concernant le risque climatique, la capacité financière des gouvernements, les décisions d'investissements et la réglementation locale en matière d'utilisation des sols. Ces difficultés peuvent être surmontées en modulant les investissements dans le temps, en associant des mesures "dures" avec des solutions "douces" telles que des mécanismes de couverture, en utilisant des méthodes d'analyse décisionnelle et des données climatiques pour identifier les pistes efficaces et optimales.

Les services climatiques (SC) fournissent des prévisions et des projections des risques d'inondations pour appuyer ces mesures qui visent à accroître la résilience des communautés côtières à court et à long terme. Cependant, de nombreux obstacles entravent l'utilisation des services climatiques actuels pour élaborer des stratégies et prendre des décisions, en particulier les incertitudes liées aux prévisions et aux projections, la fiabilité limitée des prévisions ou le manque de connaissances sur la précision des modèles existants et les données, les barrières institutionnelles, et enfin les limites techniques locales.

Dans le cadre de sa bourse postdoctorale AXA à l’Ecole polytechnique de Milan (Italie), le Dr Andrea Ficchì utilisera l'apprentissage automatique pour résoudre ces différents problèmes et ainsi mieux prévoir les risques d'inondations et identifier les zones les plus exposées. Ses recherches porteront principalement sur le Mozambique, l'un des pays du monde les plus exposés aux catastrophes naturelles et qui présente un risque élevé d'inondations causées par des cyclones tropicaux. Une base de données multi-sources sur l'étendue et l'impact des inondations sera utilisée pour mesurer la qualité des prévisions actuelles et ajuster les algorithmes d'apprentissage automatique en vue de les optimiser. La valeur réelle des services climatiques existants et des prévisions optimisées sera évaluée en se focalisant sur leur capacité à soutenir la gestion des urgences humanitaires et les assurances basées sur la météo, ceci en tenant compte des besoins et des préférences des acteurs locaux et des usagers des services climatiques.

Améliorer la prévision des inondations cumulées et mieux comprendre les incertitudes des projections futures permettra de soutenir l'action humanitaire, d'atténuer et de mieux gérer les risques de catastrophes naturelles, et ainsi de rendre les communautés côtières plus résilientes face au risque climatique.

Novembre 2022