En savoir plus

A propos des cookies

Qu’est-ce qu’un « cookie » ?

Un "cookie" est une suite d'informations, généralement de petite taille et identifié par un nom, qui peut être transmis à votre navigateur par un site web sur lequel vous vous connectez. Votre navigateur web le conservera pendant une certaine durée, et le renverra au serveur web chaque fois que vous vous y re-connecterez.

Différents types de cookies sont déposés sur les sites :

  • Cookies strictement nécessaires au bon fonctionnement du site
  • Cookies déposés par des sites tiers pour améliorer l’interactivité du site, pour collecter des statistiques

> En savoir plus sur les cookies et leur fonctionnement

Les différents types de cookies déposés sur ce site

Cookies strictement nécessaires au site pour fonctionner

Ces cookies permettent aux services principaux du site de fonctionner de manière optimale. Vous pouvez techniquement les bloquer en utilisant les paramètres de votre navigateur mais votre expérience sur le site risque d’être dégradée.

Par ailleurs, vous avez la possibilité de vous opposer à l’utilisation des traceurs de mesure d’audience strictement nécessaires au fonctionnement et aux opérations d’administration courante du site web dans la fenêtre de gestion des cookies accessible via le lien situé dans le pied de page du site.

Cookies techniques

Nom du cookie

Finalité

Durée de conservation

Cookies de sessions CAS et PHP

Identifiants de connexion, sécurisation de session

Session

Tarteaucitron

Sauvegarde vos choix en matière de consentement des cookies

12 mois

Cookies de mesure d’audience (AT Internet)

Nom du cookie

Finalité

Durée de conservation

atid

Tracer le parcours du visiteur afin d’établir les statistiques de visites.

13 mois

atuserid

Stocker l'ID anonyme du visiteur qui se lance dès la première visite du site

13 mois

atidvisitor

Recenser les numsites (identifiants unique d'un site) vus par le visiteur et stockage des identifiants du visiteur.

13 mois

À propos de l’outil de mesure d’audience AT Internet :

L’outil de mesure d’audience Analytics d’AT Internet est déployé sur ce site afin d’obtenir des informations sur la navigation des visiteurs et d’en améliorer l’usage.

L‘autorité française de protection des données (CNIL) a accordé une exemption au cookie Web Analytics d’AT Internet. Cet outil est ainsi dispensé du recueil du consentement de l’internaute en ce qui concerne le dépôt des cookies analytics. Cependant vous pouvez refuser le dépôt de ces cookies via le panneau de gestion des cookies.

À savoir :

  • Les données collectées ne sont pas recoupées avec d’autres traitements
  • Le cookie déposé sert uniquement à la production de statistiques anonymes
  • Le cookie ne permet pas de suivre la navigation de l’internaute sur d’autres sites.

Cookies tiers destinés à améliorer l’interactivité du site

Ce site s’appuie sur certains services fournis par des tiers qui permettent :

  • de proposer des contenus interactifs ;
  • d’améliorer la convivialité et de faciliter le partage de contenu sur les réseaux sociaux ;
  • de visionner directement sur notre site des vidéos et présentations animées ;
  • de protéger les entrées des formulaires contre les robots ;
  • de surveiller les performances du site.

Ces tiers collecteront et utiliseront vos données de navigation pour des finalités qui leur sont propres.

Accepter ou refuser les cookies : comment faire ?

Lorsque vous débutez votre navigation sur un site eZpublish, l’apparition du bandeau « cookies » vous permet d’accepter ou de refuser tous les cookies que nous utilisons. Ce bandeau s’affichera tant que vous n’aurez pas effectué de choix même si vous naviguez sur une autre page du site.

Vous pouvez modifier vos choix à tout moment en cliquant sur le lien « Gestion des cookies ».

Vous pouvez gérer ces cookies au niveau de votre navigateur. Voici les procédures à suivre :

Firefox ; Chrome ; Explorer ; Safari ; Opera

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de INRAE par email à cil-dpo@inrae.fr ou par courrier à :

INRAE
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2021

Menu Logo Principal

Érosion Torrentielle, Neige et Avalanches

Guillaume EVIN

Guillaume EVIN
Chargé de recherche - Équipe MODERN

guillaume.evin@inrae.fr
+33 (0)4 76 76 28 21

cv_anglais_03_2018_full.docx

Domaine de compétence

  • Extremes and spatial extremes in mountain geophysics.
  • Stochastic modelling of geophysical processes.
  • Bayesian inference and prediction in hydrological modelling.
  • Dependence structures with copulas, Mixture distributions.
  • Bayesian spatial and spatio-temporal models, MCMC inference methods in mountain geophysics.
  • Foreign languages: fluent in English.

Encadrement

  • 2018-2021. Co-encadrement de la thèse d'Erwan Le Roux: "Changement des risques liés aux extrêmes neigeux : impact sur les infrastructures dans les Alpes françaises dans un contexte de réchauffement climatique"

Projets réalisés et en cours

Current projects:

  • 2017-2020. Contribution to Cross disciplinary program (CDP) Trajectories (Grenoble IDEX).
  • 2017-2020. Contribution to H2020 program NAIAD (Nature Insurance Value).
  • 2017-2020. Contribution to H2020 program PROSNOW (Optimization of snow in Alpine ski resorts).
  • 2015-2017. Contribution to Adamont (French Intergovernemental project on adaptation to climate change
  • 2015-2018. Contribution to C2ROP (French National project on rockfall risk).
  • 2016-2018. Contribution to EXAR (Swiss project): Hazard information for extreme flood events on the rivers Aare and Rhine.

Past projects:

  • 2014-2016: Main contributor to EDF (Electricité de France) project on rainfall extremes. Improvement of their rainfall probabilistic model (operationally applied for extreme flood estimation) using regionalization.
  • 2013-2014: Contribution to INFUZ project (incubation of a startup company in the semiconductor industry). Software development integrating advanced metrology and statistical techniques for "High-Level" data fusion.
  • 2010-2012: Contribution to BATEA project: software development of BATEA (Bayesian Total Error Analysis for hydrological models). This project aimed at providing research support for the Australian Bureau of Meteorology (BoM). I tested BATEA on hundreds of catchments in Australia, solved various parameter estimation issues and participated to the operational integration of BATEA in BoM services, including its deployment and training of BoM employees.
  • 2008-2009: Contribution to “Innovation - Production - Modelling of extreme hydrological event” project for Hydro-Québec. Development of new decision tools for flood frequency analysis. Bayesian modelling of volumes and annual peak discharges, using mixture models and Hidden-Markov chains.

Publications

Technical reports:

[1] Andres, N., Badoux, A., Steeb, N., Portmann, A., Hegg, C, Dang, V., Whealton, C, Sutter, A., Baer, P., Schwab, S., Graf, K., Irniger, A., Pfäffli, M., Hunziker, R., Müller, M., Karrer, T., Billeter, P., Sikorska, A., Staudinger, M., Viviroli, D., Seibert, J., Kauzlaric, M., Keller, L., Weingartner, R., Chardon, J., Raynaud, D., Evin, G., Nicolet, G., Favre, A.C., Hingray, B., Lugrin, T., Asadi, P., Engelke, S., Davison, A., Rajczak, J., Schär, C., Fischer, E., (2019b). EXAR – Grundlagen Extremhochwasser Aare-Rhein. Arbeitsbericht Phase B. Detailbericht A. Hydrometeorologische Grundlagen, WSL, Zurich.

Peer-reviewed papers:

[1]. Huard, D., Evin, G. and Favre, A.-C. (2006) Bayesian copula selection. Computational Statistics & Data Analysis, 51(2):809–822.

[2]. Evin, G. and Favre, A.-C. (2007) A new rainfall model based on the Neyman-Scott process using cubic copulas. Water Resources Research, 44, W03433.

[3]. Saint-Laurent, D., Mesfioui, M. and Evin, G. (2009) Hydroclimatic Variability and Relation with Flood Events (Southern Québec, Canada). Water Resources, 36(1):43–56.

[4]. Evin, G., Merleau, J. and Perreault, L. (2011) Two-component mixtures of normal, gamma, and Gumbel distributions for hydrological applications. Water Resources Research, 47, W08525.

[5]. Evin, G. and Favre, A.-C. (2012) Further developments of a transient Poisson-cluster model for rainfall. Stochastic Environmental Research and Risk Assessment, 27(4):831–847.

[6]. Evin, G., Kavetski, D., Thyer, M. and Kuczera, G. (2013) Pitfalls and improvements in the joint inference of heteroscedasticity and autocorrelation in hydrological model calibration. Water Resources Research, 49(7):4518–4524.

[7]. Evin, G., Thyer, M., Kavetski, D., McInerney, D. and Kuczera, G. (2014) Comparison of joint versus postprocessor approaches for hydrological uncertainty estimation accounting for error autocorrelation and heteroscedasticity. Water Resources Research, 50.

[8]. Evin, G., Blanchet, J., Paquet, E., Garavaglia, F. and Penot, D. (2016) A regional model for extreme rainfall based on weather patterns subsampling. Journal of Hydrology, 541(B) 1185-1198.

[9]. Evin, G., Favre, A.-C.  and Hingray, B. (2018) Stochastic generation of multi-site daily precipitation focusing on extreme events. Hydrol. Earth Syst. Sci., 22 (1): 655‑72.

[10]. Evin, G., Favre, A.-C.  and Hingray, B. (2018) Stochastic Generators of Multi-Site Daily Temperature: Comparison of Performances in Various Applications. Theoretical and Applied Climatology, 1‑14.

[11]. Evin, G., Curt, T. and Eckert, N. (2018) Has fire policy decreased the return period of the largest wildfire events in France? A Bayesian assessment based on extreme value theory. Natural Hazards and Earth System Sciences, 18 (10): 2641-51.

[12]. Evin, G.,Eckert, N., Hingray, B., Verfaillie, D., Morin, S., Lafaysse, M. and Blanchet, J. (2018) Traiter l'incertitude des projections climatiques (essai). Schweizerische Zeitschrift fur Forstwesen 169 (4), 203-209.

[13]. Evin, G., Wilhelm, B. and Jenny, J.-P. (2019) Flood Hazard Assessment of the Rhône River Revisited with Reconstructed Discharges from Lake Sediments. Global and Planetary Change.172: 114-123.

[14]. Hingray, B., Blanchet, J., Evin, G. and Vidal, J.-P. (2019) Uncertainty component estimates in transient climate projections. Climate Dynamics.1-16.

[15]. Evin, G., Hingray, B., Blanchet, J., Eckert, N., Morin, S. and Verfaillie, D. (2019) Partitioning uncertainty components of an incomplete ensemble of climate projections using data augmentation. Journal of Climate. 32, 2423-2440.

[16]. Evin, G., Eckert, N., Hingray, B., Morin, S., Verfaillie, D., Lafaysse, M. and Blanchet, J.,  (2019)  La Statistique, Une Boîte à Outils Complète Pour Quantifier l’incertitude – Application Aux Projections Climatiques En Zone de Montagne.” Revue Science Eaux & Territoires, Changement climatique : quelle stratégie d’adaptation pour les territoires de montagne ?, n°28: 90–97.

[17]. Nousu, J.-P., Lafaysse, M., Vernay, M., Bellier, J., Evin, G. and Joly, B., (2019) Statistical post-processing of ensemble forecasts of the height of new snow, Nonlinear Processes in Geophysics, In Press.

[18]. Bichet, A., Hingray, B., Evin, G., Diedhiou, A., Kebe, C., Mouhamed, F. and Anquetin, S.. (2019) “Potential Impact of Climate Change on Solar Resource in Africa for Photovoltaic Energy: Analyses from CORDEX-AFRICA Climate Experiments.” Environmental Research Letters, Accepted.