description projet

Author: ThomasBouche

README.md

@@ -1,2 +1,95 @@
-# hackathon_climat_donnees
-Le hackathon “Le climat en données” est un événement de 4 demi-journées (du 2 décembre après-midi au 4 décembre matin)
+# 🌍 Période de retour vers le futur
+**Projet : Analyse des pluies extrêmes et périodes de retour dans un contexte de réchauffement climatique**
+
+---
+
+## 📌 Contexte  
+Selon **Météo-France**, *le réchauffement climatique ne bouleverse pas seulement les températures : il modifie aussi la fréquence, l’intensité et la répartition des précipitations en France.*  
+Dans une France à **+4 °C**, les pluies intenses se renforceraient, avec **+15 % en moyenne** et jusqu’à **+20 % sur la moitié nord**, aggravant le risque d’inondation, notamment en zones urbaines.
+
+Ce projet s’inscrit dans le cadre du **Hackathon 2025 : “Le climat en données”**.
+
+---
+
+## 🔍 Problématiques scientifiques  
+1. **Identification des pluies extrêmes sur la période historique**  
+   - Analyse de l’apport des données **CPRCM** et comparaison avec différents modèles et les observations **COMEPHORE** et **SAFRAN**.  
+2. **Analyse des données horaires vs quotidiennes**  
+   - Comparaison des occurrences de pluies extrêmes avec les observations historiques.  
+3. **Impact du réchauffement climatique sur les intensités à période de retour équivalente**  
+   - Évaluation pour différents horizons de la **TRACC** et comparaison des résultats avec les données CPRCM (1h / 24h / quotidien).  
+
+---
+
+## 💼 Problématique métier  
+- **Question clé :**  
+  À quel type de pluies faut-il se préparer dans le futur ?  
+
+- **Proposition de valeur :**  
+  Aider et accompagner les territoires à renforcer leur résilience et assurer la pérennité du système assurantiel.
+
+---
+
+## ✅ Solution proposée  
+### **Description et fonctionnalités**  
+- Offre d’accompagnement **Territoires et Prévention**, enrichie d’un diagnostic du risque de ruissellement en fonction des scénarios climatiques.  
+- Offre de **formation** pour les élus et agents.  
+
+### **Usage des données**  
+- Estimation des **périodes de retour** des pluies extrêmes.  
+- **Sources et nature des données :** *(à compléter)*.  
+
+### **Méthodologie**  
+- Extraction des **maxima annuels**.  
+- Ajustement via une loi de probabilité **GEV (Gumbel)**.
+
+---
+
+## 🌱 Impact envisagé  
+- **Objectifs :**  
+  - Renforcer la collaboration entre assureurs et collectivités.  
+  - Intégrer le changement climatique dans les politiques d’urbanisation.  
+  - Améliorer la connaissance des impacts climatiques.  
+
+- **Usagers visés :**  
+  Collectivités, élus, agents → **Sensibilisation et résilience territoriale**.
+
+---
+
+## 📂 Ressources
+### Les données
+Les données sout fournies via un S3. 
+Toutes les informations pour le téléchargement sont [ici](https://guides.data.gouv.fr/guide-du-participant-au-hackathon-le-climat-en-donnees/ressources-du-hackathon/donnees)
+
+Pour les télécharger en python, il est possible d'utiliser les librairies `requests` ou `wget`
+
+### Préparation des données
+Pour le calcul des périodes de retours, il faut extraire le max annuel des précipitations.
+A partir des données fournies, du code SQL ou pandas basique permet d'obtenir ces informations. 
+
+### Calcul de la période de retour
+En entrée de ces calculs, il faut avoir 2 colonnes :
+- l'année
+- le max de précipitation en mm
+
+Ensuite, une loi de Gumbel est ajustée à partir de ces données pour calculer la période de retour.
+
+Les calculs ont été réalisés à l'aide d'un fichier Excel, disponible [ici](/home/thomas/hackathon_climat_donnees/src/calculateur_periode_retour.xlsx)
+A noter, que ce sont des formules simples qui pourraient être codés en Python.
+
+
+### Résultats
+Tableaux des périodes de retour selon :
+- Types de modèles
+- Scénarios climatiques / Historique
+- Pas de temps (horaire / quotidien)
+
+Graphiques de visualisation des périodes de retour :
+
+
+
+
+---
+
+
+

maps/toulouse.html

@@ -3,7 +3,7 @@ requires = ["setuptools"]
 build-backend = "setuptools.build_meta"
 
 [project]
-name = "hackaton_climat_donnees"
+name = "pr_verslefutur"
 version = "0.0.0"
 requires-python = ">3.8.0"
 description = ""