Ce travail de thèse concerne la caractérisation de la structure spatio-temporelle des fortes précipitations dans la région Cévennes-Vivarais. La région est soumise à des événements de pluie catastrophiques dont la magnitude gouverne les conséquences à différentes échelles de temps et d'espace. La détermination de la probabilité d'occurrence des orages est problématique à cause du caractère extrême des ces événements, de leur dimension spatio-temporelle et du manque de données pluviométriques aux échelles d'intérêt. Nous proposons d'adopter des approches d'invariance d'échelles afin d'estimer la fréquence d'occurrence de ces événements. Ces approches permettent d'extrapoler la distribution de la pluie à haute résolution à partir de données d'intensité pluvieuse à plus faible résolution. La paramétrisation de ces modèles étant fortement dépendante de l'incertitude de la mesure, nous avons d'abord caractérisé l'erreur commise dans la mesure de la pluie par un réseau de pluviomètres à augets. Nous avons ensuite exploré le comportement des pluies extrêmes dans la région d'étude, identifiant les gammes d'invariance d'échelles des extrêmes. Dans cette gamme d'échelles, nous présentons un modèle régional Intensité-Durée-Fréquence qui prend en considération l'hétérogénéité spatiale des extrêmes dans la région. Étant donné que le réseau pluviométrique ne permet pas de détecter les propriétés d'invariance d'échelle spatiale des champs de pluie, nous avons adopté une méthode semi-empirique pour modéliser des intensités de pluie intégrés sur des surfaces données (pluie surfacique) sur la base du concept de la mise en échelle dynamique (« dynamic scaling »). Cette modélisation permet la construction d'un modèle régional Intensité-Durée-Fréquence-Surface. Enfin, nous avons appliqué ce modèle à la construction des diagrammes de sévérité pour trois événements marquants en région Cévennes-Vivarais, afin d'identifier les échelles spatio-temporelles critiques pour chaque événement. Grâce aux diagrammes de sévérité, nous avons pu évaluer, pour ces mêmes événements, la performance d'un modèle météorologique de méso-échelle. / The thesis is devoted to the characterization of the space-time structure of heavy rainfall events in the Cévennes-Vivarais area (France). The region is prone to catastrophic storms whose magnitude governs social and economic consequences at different space and time scales. The magnitude of an event cannot be univocally related to a probability of occurrence. The determination of the occurrence probability of storms is problematic because of their extreme character, of their complex space-time development and of the lack of rainfall data at the spatial and temporal scales of interest. We propose to adopt scale-invariant approaches in order to estimate the heavy rainfall frequency assessment. These approaches allow to extrapolate the high resolution rainfall distribution based on low resolution rainfall intensity data. The model estimation being heavily dependent of the data accuracy, the first step consists in the characterization of the error committed in the point and spatial rainfall estimated by tipping-bucket raingage networks. We then explore the extreme rainfall behavior in the region, detecting the range where extremes are scale-invariant. In this range, we present a regional Intensity-Duration-Frequency model for point rainfall maxima taking into account the heterogeneity of extremes in the region. We demonstrate that the rainfall network does not allow to detect scale-invariant properties of extreme rainfall fields, and then we adopt a semi-empirical method based on the concept of « dynamic scaling » to build regional Intensity-Duration-Area-Frequency curves. Finally, we apply this model for the determination of the severity diagrams for three significant storms in the Cévennes-Vivarais region, with the aim to identify the critical space-time scales of each event. Based on severity diagrams, we then evaluate, for the same events, the performances of a mesoscale meteorological model.

Ces dernières années, de nombreux efforts ont été entrepris pour mieux comprendre les phénomènes précipitants parfois à l’origine de crues de cours d’eau et d’inondations ravageuses. Courant 2009, un consortium auvergnat a été mis en place pour notamment surveiller et prévoir ces événements. Les travaux menés dans cette thèse visent d’une part à améliorer les estimations quantitatives des précipitations (QPE) et d’autre part à vérifier les prévisions issues de modèles numériques sur de petites zones d’étude telles qu’une agglomération. L’observation des précipitations peut être réalisée à l’aide soit d’un pluviomètre qui fournit une mesure directe et précise de la quantité de pluie tombée au sol mais ne renseigne pas sur la variabilité spatiale des pluies soit d'un RADAR météorologique qui donne une représentation détaillée de la structure spatiale des précipitations mais dont les estimations sont sujettes à diverses erreurs d’autant plus prononcées en régions montagneuses. Le premier défit de cette thèse a été de trouver la meilleure façon de combiner ces deux informations complémentaires. Deux techniques géostatistiques ont été sélectionnées pour obtenir la meilleur QPE : le krigeage avec dérive externe (KED) et la fusion conditionnée (MERG). Les performances de ces deux méthodes ont été comparées au travers de deux domaines d’étude qui présentent des résolutions spatio-temporelles différentes. La seconde partie de cette thèse est consacrée à la mise en place d’une méthodologie fiable permettant de comparer spatialement les champs de QPE alors reconstruits et les prévisions quantitatives des précipitations (QPF). L’effort fut porté sur le modèle « Weather Research et Forcasting » (WRF). Une étude préliminaire a été réalisée pour tester les capacités du modèle et plus particulièrement des schémas de microphysique à reproduire la pluie. Cette étude assure ainsi l’obtention de prévisions réalistes pour une application sur des cas réels. L’appréciation de la qualité des QPF s’est focalisée sur la quantification spatiale des erreurs de prévision en termes de structure, d’intensité et de localisation des systèmes précipitants (SAL : Wernli et al. 2008, 2009). / In the last decades, many efforts were made to better understand the origins of rain that sometimes lead to rivers runoff or devastating floods. In 2009, a consortium took place in Auvergne in order to observe and predict these events. These works were focused on the improvement of quantitative precipitation estimations (QPE) and the verification of numerical weather models over small areas such as urban environment. Rainfall measurement could be operated either by rain gauges which provides direct and precise rainfall estimations but unfortunately cannot capture the spatial variability or by using weather RADAR which provides a detailed spatial representation of precipitation but estimates are derived indirectly and are subject to a combination of errors which are most pronounced over complex terrain. The main issue of these works was to find the best way to combine both observational systems which are complementary as well. In order to obtain the more truthful fields of QPE, two geostatistical techniques were selected: the kriging with external drift (KED) and the conditional merging (MERG). The performances of these two methods have been experienced on two catchments with different spatial and temporal resolutions. The second part of these works is focused on a reliable method for QPE comparison and quantitative precipitation forecast (QPF). The main effort was focused on the “Weather Research and Forecasting” (WRF) model. A preliminary study was made to check the performances of the microphysics schemes of the model to ensure realistic forecasts for an application on real cases. The spatial verification of the model set up contains three distinct components that consider aspects of the structure, amplitude and location of the precipitation field (SAL : Wernli et al. 2008, 2009).

L'AMÉLIORATION DES TECHNIQUES D'OBSERVATION DES PRÉCIPITATIONS À L'ÉCHELLE RÉGIONALE EST L'UN DES ENJEUX FORTS DE L'OBSERVATOIRE HYDROMÉTÉOROLOGIQUE MÉDITERRANÉEN CÉVENNES-VIVARAIS. SUITE À UNE PREMIÈRE EXPÉRIMENTATION RÉALISÉE À BOLLÈNE À L'AUTOMNE 2002, LES DONNÉES RECUEILLIES PAR LE RADAR MÉTÉOROLOGIQUE OPÉRATIONNEL DE BOLLÈNE DU RÉSEAU ARAMIS ONT SERVI DE SUPPORT À UNE CHAÎNE D'ALGORITHMES MISE AU POINT POUR L'ESTIMATION QUANTITATIVE DES PRÉCIPITATIONS AU SOL. <br />NOTRE CONTRIBUTION À CES TRAITEMENTS CONCERNE PARTICULIÈREMENT UNE SOURCE D'ERREUR POUR LA MESURE DES PRÉCIPITATIONS PAR RADAR MÉTÉOROLOGIQUE : L'HÉTÉROGÉNÉITÉ VERTICALE DES PRÉCIPITATIONS. NOUS NOUS PLAÇONS DANS LA CONTINUITÉ DE LA MÉTHODE À BASE STATISTIQUE D'IDENTIFICATION DU PROFIL VERTICAL DE RÉFLECTIVITÉ PAR INVERSION PROPOSÉE PAR ANDRIEU ET CREUTIN (1995). NOUS AVONS ÉTENDU CETTE MÉTHODE AU CAS DE SUPPORTS GÉOGRAPHIQUES ÉVOLUTIFS DANS LE TEMPS AFIN DE CONSIDÉRER LE TYPE DE PRÉCIPITATIONS (CONVECTIF, STRATIFORME). <br />L'ÉVALUATION DES TRAITEMENTS, PAR LA CARACTÉRISATION DE L'INCERTITUDE DE L'ESTIMATION DE PLUIE PAR RADAR, EST UN ASPECT IMPORTANT DU TRAVAIL. NOUS AVONS DÉVELOPPÉ UNE TECHNIQUE BASÉE SUR LA GÉOSTATISTIQUE POUR ÉTABLIR UNE PLUIE DE RÉFÉRENCE À PARTIR DE DONNÉES PLUVIOMÉTRIQUES. NOUS AVONS ÉGALEMENT DÉVELOPPÉ UN MODÈLE POUR CARACTÉRISER LA STRUCTURE STATISTIQUE DES ERREURS AINSI QUE LEUR STRUCTURE SPATIO-TEMPORELLE. <br />NOUS AVONS ENFIN DÉVELOPPÉ UNE APPROCHE D'IDENTIFICATION DU PVR À BASE PHYSIQUE. EN DIMINUANT LE NOMBRE DE PARAMÈTRE PAR RAPPORT À LA MÉTHODE INITIALE ET EN INTRODUISANT DES CONTRAINTES PLUS PHYSIQUES, CETTE APPROCHE VISE À AMÉLIORER LA ROBUSTESSE D'IDENTIFICATION DU PVR.

Ces dernières années, de nombreux efforts ont été entrepris pour mieux comprendre les phénomènes précipitants parfois à l'origine de crues de cours d'eau et d'inondations ravageuses. Courant 2009, un consortium auvergnat a été mis en place pour notamment surveiller et prévoir ces événements. Les travaux menés dans cette thèse visent d'une part à améliorer les estimations quantitatives des précipitations (QPE) et d'autre part à vérifier les prévisions issues de modèles numériques sur de petites zones d'étude telles qu'une agglomération. L'observation des précipitations peut être réalisée à l'aide soit d'un pluviomètre qui fournit une mesure directe et précise de la quantité de pluie tombée au sol mais ne renseigne pas sur la variabilité spatiale des pluies soit d'un RADAR météorologique qui donne une représentation détaillée de la structure spatiale des précipitations mais dont les estimations sont sujettes à diverses erreurs d'autant plus prononcées en régions montagneuses. Le premier défit de cette thèse a été de trouver la meilleure façon de combiner ces deux informations complémentaires. Deux techniques géostatistiques ont été sélectionnées pour obtenir la meilleur QPE : le krigeage avec dérive externe (KED) et la fusion conditionnée (MERG). Les performances de ces deux méthodes ont été comparées au travers de deux domaines d'étude qui présentent des résolutions spatio-temporelles différentes. La seconde partie de cette thèse est consacrée à la mise en place d'une méthodologie fiable permettant de comparer spatialement les champs de QPE alors reconstruits et les prévisions quantitatives des précipitations (QPF). L'effort fut porté sur le modèle " Weather Research et Forcasting " (WRF). Une étude préliminaire a été réalisée pour tester les capacités du modèle et plus particulièrement des schémas de microphysique à reproduire la pluie. Cette étude assure ainsi l'obtention de prévisions réalistes pour une application sur des cas réels. L'appréciation de la qualité des QPF s'est focalisée sur la quantification spatiale des erreurs de prévision en termes de structure, d'intensité et de localisation des systèmes précipitants (SAL : Wernli et al. 2008, 2009).

Il est connu qu’avoir un système d’observation de la pluie de haute résolution spatio – temporelle est crucial pour obtenir de bons résultats dans la modélisation pluie – écoulement. Le radar est un outil qui donne des estimations quantitatives de precipitation avec une très bonne résolution. Lorsqu’il est fusionné avec un réseau des pluviomètres les avantages des deux systèmes sont obtenus. Cependant, les estimations fournies par le radar ont des incertitudes différentes à celles qui sont obtenus avec les pluviomètres. Dans le processus de calcul pluie – écoulement l'incertitude des précipitations interagit avec l'incertitude du modèle hydrologique. L’objectif de ce travail est d’étudier les méthodes utilisées pour quantifier l'incertitude dans l'estimation des précipitations par fusion radar – pluviomètres et de l'incertitude dans la modélisation hydrologique, afin de développer une méthodologie d'analyse de leurs contributions individuelles au traitement pluie - écoulement.Le travail est divisé en deux parties, la première cherche à évaluer: Comment peut-on quantifier l'incertitude de l'estimation des précipitations par radar? Pour répondre à la question, l'approche géostatistique par Krigeage avec Dérive Externe (KED) et Génération Stochastique de la précipitation a été utilisée, qui permet de modéliser la structure spatio – temporaire de l’erreur. La méthode a été appliquée dans la région des Cévennes - Vivarais (France), où il y a un système très dense d'observation. La deuxième partie explique: Comment pourrais être quantifiée l'incertitude de la simulation hydrologique qui provient de l'estimation de précipitation par radar et du processus de modélisation hydrologique? Dans ce point, l'outil de calcul hydrologique à Mesoéchelle (HCHM) a été développé, c’est un logiciel hydrologique distribuée et temps continu, basé sur le Numéro de Courbe et l’Hydrographe Unitaire. Il a été appliqué dans 20 résolutions spatio - temporelles allant de 10 à 300 km2 et 1 à 6 heures dans les bassins de l’Ardèche (~ 1971 km2) et le Gardon (1810 km2). Apres une analyse de sensibilité, le modèle a été simplifié avec 4 paramètres et l’incertitude de la chaîne de processus a été analysée: 1) Estimation de precipitation; 2) Modélisation hydrologique; et 3) Traitement pluie - écoulement, par l’utilisation du coefficient de variation de l'écoulement simulé.Il a été montré que KED est une méthode qui fournit l’écart type de l’estimation des précipitations, lequel peut être transformé dans une estimation stochastique de l’erreur locale. Dans la chaîne des processus: 1) L'incertitude dans l'estimation de précipitation augmente avec la réduction de l’échelle spatio – temporelle, et son effet est atténué par la modélisation hydrologique, vraisemblablement par les propriétés de stockage et de transport du bassin ; 2) L'incertitude de la modélisation hydrologique dépend de la simplification des processus hydrologiques et pas de la surface du bassin ; 3) L'incertitude dans le traitement pluie - écoulement est le résultat de la combinaison amplifiée des incertitudes de la précipitation et la modélisation hydrologique. / It is known that having a precipitation observation system at high space - time resolution is crucial to obtain good results in rainfall - runoff modeling. Radar is a tool that offers quantitative precipitation estimates with very good resolution. When it is merged with a rain gauge network the advantages of both systems are achieved. However, radars estimates have different uncertainties than those obtained with the rain gauge. In the modeling process, uncertainty of precipitation interacts with uncertainty of the hydrological model. The objective of this work is: To study methods used to quantify the uncertainty in radar – raingauge merge precipitation estimation and uncertainty in hydrological modeling, in order to develop a methodology for the analysis of their individual contributions in the uncertainty of rainfall - runoff estimation.The work is divided in two parts, the first one evaluates: How the uncertainty of radar precipitation estimation can be quantified? To address the question, the geostatistical approach by Kriging with External Drift (KED) and Stochastic Generation of Precipitation was used, which allows to model the spatio - temporal structure of errors. The method was applied in the Cévennes - Vivarais region (France), where there is a very rich observation system. The second part explains: How can it be quantified the uncertainty of the hydrological simulation coming from the radar precipitation estimates and hydrological modeling process? In this point, the hydrological mesoscale computation tool was developed; it is distributed hydrological software in time continuous, within the basis of the Curve Number and the Unit Hydrograph. It was applied in 20 spatio-temporal resolutions ranging from 10 to 300 km2 and 1 to 6 hours in the Ardèche (~ 1971 km2) and the Gardon (1810 km2) basins. After a sensitivity analysis, the model was simplified with 4 parameters and the uncertainty of the chain of process was analyzed: 1) Precipitation estimation; 2) Hydrological modeling; and 3) Rainfall - runoff estimation, by using the coefficient of variation of the simulated flow.It has been shown that KED is a method that provides the standard deviation of the precipitation estimation, which can be transformed into a stochastic estimation of the local error. In the chain of processes: 1) Uncertainty in precipitation estimation increases with decreasing spatio-temporal scale, and its effect is attenuated by hydrological modeling, probably due by storage and transport properties of the basin; 2) The uncertainty of hydrological modeling depends on the simplification of hydrological processes and not on the surface of the basin; 3) Uncertainty in rainfall - runoff treatment is the result of the amplified combination of precipitation and hydrologic modeling uncertainties.