A multi-hazard cyclone risk framework to enable resilience-informed decision

Saviz Naeini, Saeed (2026). A multi-hazard cyclone risk framework to enable resilience-informed decision. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (22MB) | Prévisualisation

Résumé

Tropical cyclones (TCs) represent one of the most destructive natural hazards, generating extreme winds, storm surge, waves, and coastal flooding that threaten major urban centers across the eastern United States and Canada. These hazards are projected to intensify under climate change as rising sea levels, increasing atmospheric moisture, and shifting storm tracks alter the frequency and severity of these cyclonic events. Traditionally, high-fidelity numerical models have been used to simulate TC-induced hazards such as storm surge and waves; however, their substantial computational demands limit their applicability for real-time predictions or probabilistic risk assessments. To address this challenge, this thesis develops novel hybrid data-driven models capable of efficiently simulating TC-induced hazards, including wind, storm surge and waves. These hazard models are then applied to perform a probabilistic risk assessment for both current and future climates. Specifically, large ensembles of synthetic tracks are generated to capture a broad range of storm trajectories, incorporating projected changes in storm characteristics and sea-level rise. These synthetic storms are then coupled with the hazard modules to perform probabilistic hazard analyses for both current and future climate scenarios. The resulting probabilistic hazard simulations are then combined with exposure and vulnerability modules to quantify TCs-induced coastal risk. Finally, the resulting risk products are incorporated into a deep reinforcement learning (DRL)-based optimization framework to identify adaptive and cost-effective protection strategies under changing climate conditions. The resulting findings and modeling tools enable effective capabilities for emergency preparedness, coastal resilience planning, and evidence-based decision-making to enhance long-term risk management across vulnerable Canadian coastal regions.

Titre traduit

Un cadre de risque cyclonique multi-aléas pour permettre une prise de décision fondée sur la résilience

Résumé traduit

Les cyclones tropicaux (CT) représentent l’un des aléas naturels les plus destructeurs, générant des vents extrêmes, des ondes de tempête, des vagues et des inondations côtières qui menacent les principaux centres urbains de l’est des États-Unis et du Canada. Ces aléas devraient s’intensifier sous l’effet du changement climatique, car l’élévation du niveau de la mer, l’augmentation de l’humidité atmosphérique et le déplacement des trajectoires des tempêtes modifient la fréquence et l’intensité de ces événements cycloniques. Traditionnellement, des modèles numériques haute-fidélité ont été utilisés pour simuler les aléas induits par les CT, tels que les ondes de tempête et les vagues ; cependant, leurs besoins computationnels importants limitent leur applicabilité pour des prévisions en temps réel ou des évaluations probabilistes du risque. Pour relever ce défi, cette thèse développe de nouveaux modèles hybrides basés sur les données, capables de simuler efficacement les aléas induits par les CT, notamment le vent, les ondes de tempête et les vagues. Ces modèles sont ensuite utilisés pour réaliser une évaluation probabiliste du risque pour les climats actuel et futur. À cette fin, de grands ensembles de trajectoires synthétiques sont générés pour couvrir une large gamme de tempêtes, en intégrant les changements projetés de leurs caractéristiques et l'élévation du niveau de la mer. Ces tempêtes synthétiques sont ensuite couplées aux modules d’aléas pour réaliser des analyses probabilistes des aléas pour les scénarios climatiques actuels et futurs. Les simulations probabilistes des aléas ainsi obtenues sont ensuite combinées avec des modules d’exposition et de vulnérabilité afin de quantifier le risque côtier induit par les CT. Enfin, les produits de risque résultants sont intégrés dans un cadre d’optimisation basé sur l’apprentissage par renforcement profond pour identifier des stratégies de protection adaptatives et rentables dans un contexte de changement climatique. Les résultats obtenus et les outils de modélisation développés permettent de renforcer les capacités en matière de préparation aux situations d’urgence, de planification de la résilience côtière et de prise de décision basée sur des preuves, contribuant ainsi à une meilleure gestion à long terme du risque dans les régions côtières vulnérables du Canada.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Manuscript-based thesis presented to École de technologie supérieure in partial fulfillment for the degree of Doctor of Philosophy". Comprend des références bibliographiques (pages 207-244).
Mots-clés français:	cyclones tropicaux, évaluation du risque, apprentissage automatique, changement climatique, adaptation
Directeur de mémoire/thèse:	Directeur(-trice) Snaiki, Reda
Programme:	Doctorat en génie > Génie
Date de dépôt:	04 mai 2026 19:29
Dernière modification:	04 mai 2026 19:29
URI:	https://espace.etsmtl.ca/id/eprint/3888

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt