Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Bien que la prévision saisonnière soit opérationnelle depuis quelques années, son application à l’hydrologie reste encore aujourd’hui moins développée. La prévision saisonnière hydrologique peut pourtant se révéler être un outil potentiellement utile pour prévoir quelques mois à l’avance les caractéristiques hydrologiques, comme les conditions d’humidité des sols ou les débits des rivières. L’objectif de cette thèse est d’évaluer le potentiel de la chaîne hydrométéorologique Hydro-SF pour prévoir les débits et l’humidité des sols à l’échelle de la saison en France métropolitaine pour la gestion des ressources en eau, et plus particulièrement l’anticipation de sécheresses et des basses eaux. Pour cela, dans un premier temps, les différentes sources de prévisibilité du système hydrologique, ainsi que l’apport de la prévision saisonnière par rapport à une prévision climatologique, sont évaluées sur la période de 1960 à 2005 au printemps (trimestre Mars-Avril-Mai). Ces résultats, qui font l’objet d’un article publié, montrent alors qu’une part importante de la prévisibilité du système hydrologique provient : de la neige pour les bassins de montagne, de la nappe souterraine modélisée dans le bassin de la Seine, et du forçage atmosphérique pour les plaines en France. De plus, plusieurs forçages du modèle de climat ARPEGE sont comparés, et l’apport de la prévision saisonnière par rapport à la climatologie est constaté sur le Nord-Est de la France. Ensuite, compte-tenu de l’importance des forçages atmosphériques dans les résultats obtenus précédemment en zone de plaine, un travail spécifique sur la descente d’échelle des prévisions saisonnières météorologiques est réalisé. Les températures et les précipitations issues des prévisions saisonnières sont désagrégées grâce à une méthode statistique complexe : la classification par type de temps et analogues avec DSCLIM. Cette désagrégation est ainsi comparée à la méthode implémentée jusqu’à présente, basée sur une simple interpolation spatiale et des calculs d’anomalies standardisées. Ce travail sur la descente d’échelle s’effectue toujours sur la période du printemps, et permet ainsi de constater que son apport par rapport à la descente d’échelle simple auparavant utilisée reste mitigé autant pour les paramètres de surface du forçage atmosphérique que pour les variables hydrologiques. Quelques pistes d’études plus poussées sur la descente d’échelle des prévisions saisonnières sont ainsi proposées pour l’avenir. Enfin, des prévisions saisonnières hydrologiques sont réalisées pour la saison de l’été (Juin-Juillet-Août), période où ont lieu les plus fortes tensions sur les différents usages de l’eau du fait des faibles débits et des sécheresses. Ce thème est alors documenté à l’aide de quatre expériences de prévisions avec des dates d’initialisations différentes (de Février à Mai) pour évaluer la chaîne Hydro-SF sur la période de débits estivaux en France, mais aussi pour connaître la date optimale d’initialisation des prévisions et permettre la meilleure anticipation d’éventuelles sécheresses. Les résultats sont intéressants puisqu’ils montrent des scores significatifs à partir des prévisions initialisées au mois d’Avril, surtout pour les bassins en aval des montagnes dont la prévisibilité dépend de la couverture neigeuse, et le bassin de la Seine où l’influence de la nappe modélisée sur les débits des rivières augmente par rapport au printemps. Comme pour le printemps, l’apport de la prévision saisonnière pour le système hydrologique est évalué et montre une valeur ajoutée sur le Sud de la France. / Although seasonal meteorological forecasts are operational for several years, their application to hydrology remain less developed. However, seasonal hydrological forecasts can be a useful tool to forecast a few months in advance hydrological characteristics like soil moisture or river flow. The aim of this thesis is thus to evaluate the potential of the Hydro-SF hydrometeorological forecasting suite to forecast river flow and soil moisture at seasonal time scale over France, for the water resources management, especially for the anticipation of droughts and low flows. To address this goal, the different sources of predictability of the hydrologic system, and the added value of seasonal forecasts compared with climatologic forecasts, are evaluated for the spring season (March-April-May) from 1960 to 2005. The results, already published, show that an important part of the predictability comes from : the snow cover over high mountains, the large and complex aquifer simulated for the Seine catchment, and the atmospheric forcing over most plains. Moreover, differents atmospheric forcings from the climate model ARPEGE are confronted, and the added value of seasonal forecasts compared with climatologic forecasts is observed over the North-East of France. Secondly, as the importance of atmospheric forcing over most plains is seen with the precedent results, a specific work is done on downscaling. The meteorological surface parameters from seasonal forecasts are disaggregated using a complex statistic method : weather types classification and analogs with DSCLIM. This disaggregation is compared with the method implemented before with a simple spatial interpolation and calculation of standardized anomalies. This work is always realized for the spring season, and bring out that the contribution of DSCLIM compared with the simple method used before, is ambivalent for atmospheric forcing and hydrological variables. Several others investigations about downscaling of seasonal forecast are thus needed, and suggestions are done for future work. Finally, in the context of water resources management, seasonal hydrological forecasts are done for summer (June-July-August), when water uses conflicts are at a maximum because of low flows and droughts. This topic is addressed using four forecasting experiments with differents initializations (from February to May), in order to assess the potential of the Hydro-SF suite over the period of summer low flow over France, but also in order to determine the optimal initialization forecast for the best anticipation of possible droughts. Results are interesting as they show significant scores with an initialization of seasonal forecasts from April, especially for : catchment located downstream from mountains where the hydrological predictability depends on snow cover, and the Seine catchment where the importance of the contribution of the groundwater for river flow increase in summer compared with spring. In the same way that for spring, the added value of seasonal forecasting for the hydrological system is evaluated and located, for summer, in the South of France.

.

L'objectif de cette thèse était d'améliorer les performances des prévisions d'ensemble hydrologiques du modèle SAFRAN-ISBA-MODCOU (SIM) de Météo-France. D'abord, la Prévision d'Ensemble ARPEGE (PEARP) a été utilisée (en remplacement de l'EPS à 10 jours du CEPMMT). Une étude statistique comparative à courte échéance des deux forçages météorologiques désagrégés et prévisions de débits a été réalisée. Ensuite, les états initiaux des prévisions d'ensemble de débits ont été améliorés par une assimilation des débits dans SIM-analyse (qui initialise le système ensembliste). Le but est d'améliorer les simulations de débits en modifiant l'humidité du sol avec la méthode du Best Linear Unbiased Estimator (BLUE). Plusieurs configurations ont été testées et ont montré une nette amélioration des simulations de débits. Enfin, on a quantifié l'impact de cette assimilation de débits sur les deux systèmes de prévisions d'ensemble des débits. L'amélioration est significative, même à moyenne échéance.

La dernière décennie a vu l'émergence de la prévision probabiliste de débits en tant qu'approche plus adaptée pour l'anticipation des risques et la mise en vigilance pour lasécurité des personnes et des biens. Cependant, au delà du gain en sécurité, la valeur ajoutée de l'information probabiliste se traduit également en gains économiques ou en une gestion optimale de la ressource en eau disponible pour les activités économiques qui en dépendent. Dans la chaîne de prévision de débits, l'incertitude des modèles météorologiques de prévision de pluies joue un rôle important. Pour pouvoir aller au-delà des limites de prévisibilité classiques, les services météorologiques font appel aux systèmes de prévision d'ensemble,générés sur la base de variations imposées dans les conditions initiales des modèlesnumériques et de variations stochastiques de leur paramétrisation. Des scénarioséquiprobables de l'évolution de l'atmosphère pour des horizons de prévision pouvant aller jusqu'à 10-15 jours sont ainsi proposés. L'intégration des prévisions météorologiques d'ensemble dans la chaîne de prévision hydrologique se présente comme une approche séduisante pour produire des prévisions probabilistes de débits et quantifier l'incertitude prédictive totale en hydrologie. / The last decade has seen the emergence of streamflow probabilistic forecasting as the most suitable approach to anticipate risks and provide warnings for public safety and property protection. However, beyond the gains in security, the added‐value of probabilistic information also translates into economic benefits or an optimal management of water resources for economic activities that depend on it.In streamflow forecasting, the uncertainty associated with rainfall predictions from numerical weather prediction models plays an important role. To go beyond the limits of classical predictability, meteorological services developed ensemble prediction systems, which are generated on the basis of perturbations of the initial conditions of the models and stochastic variations in their parameterization. Equally probable scenarios of the evolution of the atmosphere are proposed for forecasting horizons up to 10‐15 days.The integration of weather ensemble predictions in the hydrological forecasting chain is an interesting approach to produce probabilistic streamflow forecasts and quantify the total predictive uncertainty in hydrology. Last and final summary in the thesis.

Dans cette thèse, nous nous intéressons à la représentation et à la prise en compte des incertitudes dans les systèmes de prévision hydrologique probabilistes à moyen-terme. Ces incertitudes proviennent principalement de deux sources : (1) de l’imperfection des prévisions météorologiques (utilisées en intrant de ces systèmes) et (2) de l’imperfection de la représentation du processus hydrologique par le simulateur pluie-débit (SPQ) (au coeur de ces systèmes).La performance d’un système de prévision probabiliste s’évalue par la précision de ses prévisions conditionnellement à sa fiabilité. L’approche statistique que nous suivons procure une garantie de fiabilité à condition que les hypothèses qu’elle implique soient réalistes. Nous cherchons de plus à gagner en précision en incorporant des informations auxiliaires.Nous proposons, pour chacune des sources d’incertitudes, une méthode permettant cette incorporation : (1) un post-traitement des prévisions météorologiques s’appuyant sur la propriété statistique d’échangeabilité et permettant la prise en compte de plusieurs sources de prévisions, ensemblistes ou déterministes ; (2) un post-traitement hydrologique utilisant les variables d’état des SPQ par le biais d’un modèle Probit arbitrant entre deux régimes hydrologiques interprétables et permettant ainsi de représenter une incertitude à variance hétérogène.Ces deux méthodes montrent de bonnes capacités d’adaptation aux cas d’application variés fournis par EDF et Hydro-Québec, partenaires et financeurs du projet. Elles présentent de plus un gain en simplicité et en formalisme par rapport aux méthodes opérationnelles tout en montrant des performances similaires. / In this thesis, we are interested in representing and taking into account uncertainties in medium term probabilistic hydrological prediction systems.These uncertainties mainly come from two sources: (1) from the imperfection of meteorological forecasts (used as inputs to these systems) and (2) from the imperfection of the representation of the hydrological process by the rainfall-runoff simulator (RRS) (at the heart of these systems).The performance of a probabilistic forecasting system is assessed by the sharpness of its predictions conditional on its reliability. The statistical approach we follow provides a guarantee of reliability if the assumptions it implies are complied with. We are also seeking to incorporate auxilary information to get sharper.We propose, for each source of uncertainty, a method enabling this incorporation: (1) a meteorological post-processor based on the statistical property of exchangeability and enabling to take into account several (ensemble or determistic) forecasts; (2) a hydrological post-processor using the RRS state variables through a Probit model arbitrating between two interpretable hydrological regimes and thus representing an uncertainty with heterogeneous variance.These two methods demonstrate adaptability on the various application cases provided by EDF and Hydro-Québec, which are partners and funders of the project. Those methods are moreover simpler and more formal than the operational methods while demonstrating similar performances.

Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal.

La glace de mer Arctique connaît actuellement de profondes mutations dans sa structure et sa variabilité. Le déclin récent de la couverture estivale de glace de mer Arctique, qui a atteint un nouveau record en septembre 2012, a relancé l'intérêt stratégique de cette région longtemps oubliée. La prévision de glace de mer à l'échelle saisonnière est ainsi un problème d'océanographie opérationnelle qui pourrait intéresser nombre d'acteurs économiques (pêche, énergie, recherche, tourisme). De plus, en tant que conditions aux limites pour l'atmosphère, la glace de mer peut induire une prévisibilité de l'atmosphère à l'échelle saisonnière, au même titre que les anomalies de température de surface de l'océan sous les tropiques. Nous présentons dans cette thèse la construction d'un système de prévisions saisonnières dédié à la glace de mer Arctique avec le modèle couplé CNRM-CM5.1, développé conjointement par le CNRM-GAME et le CERFACS. Nous passons en revue la stratégie d'initialisation, la réalisation et l'évaluation des hindcasts (ou rétro-prévisions). La communauté dispose d'observations de concentration de glace de mer, mais de très peu de données d'épaisseur à l'échelle du bassin. Afin d'initialiser la glace de mer et l'océan dynamiquement et thermodynamiquement, nous avons choisi d'utiliser la composante océan-glace de mer de CNRM-CM5.1, NEMO-GELATO. L'initialisation consiste à forcer NEMO-GELATO avec les champs météorologiques issus de la réanalyse ERA-Interim, sur la période 1990-2010. Des corrections appliquées aux forçages basées sur des observations satellitaires et in-situ nous permettent d'obtenir une bonne simulation de l'océan et de la glace de mer en terme d'état moyen et de variabilité interannuelle. L'épaisseur reste néanmoins sous-estimée. Quelques propriétés de prévisibilité intrinsèque de la glace de mer Arctique sont ensuite présentées. Une étude de prévisibilité potentielle diagnostique nous a permis de distinguer deux modes de prévisibilité de la glace de mer à l'aide du volume et de la structure sous-maille d'épaisseur. Un « mode de persistance » concerne la prévisibilité de la couverture d'hiver. La surface de glace de mars est potentiellement prévisible à 3 mois à l'avance par la seule persistance, et dans une moindre mesure à l'aide des surfaces couvertes par la glace relativement fine. Un « mode de mémoire » concerne la prévisibilité de la couverture estivale. La surface de glace de septembre est potentiellement prévisible jusqu'à 6 mois à l'avance à l'aide du volume et surtout de la surface couverte par la glace relativement épaisse. Ces résultats suggèrent donc qu'une bonne initialisation du volume et de la structure d'épaisseur en fin d'hiver permettrait une bonne prévisibilité des étendues de fin d'été. Les prévisions d'été et d'hiver présentent des scores particulièrement encourageants, que ce soit en anomalies brutes ou en anomalies par rapport à la tendance linéaire. Cela suggère une prévisibilité liée à l'état initial et non aux forçages externes imposés. L'analyse des prévisions d'été montre que le volume et les structures d'épaisseur de l'état initial expliquent l'essentiel des différentes prévisions, ce qui confirme l'existence du « mode de mémoire » malgré un fort biais radiatif. L'analyse des prévisions d'hiver suggère que l'étendue initiale explique une partie des différentes prévisions, un indice du « mode de persistance » des prévisions hivernales. Une analyse régionale des prévisions d'hiver permet de préciser le rôle de l'océan dans ces prévisions, et montre dans quelle mesure nos prévisions pourraient être utilisées de manière opérationnelle, notamment en mer de Barents / Sea ice experiences some major changes in the early 21st century. The recent decline of the summer Arctic sea ice extent, reaching an all-time record low in September 2012, has woken renewed interest in this remote marine area. Sea ice seasonal forecasting is a challenge of operational oceanography that could benefit to several stakeholders : fishing, energy, research, tourism. Moreover, sea ice is a boundary condition of the atmosphere. As such, as tropical sea surface temperature, it may drive some atmosphere seasonal predictability. The goal of this PhD work was to set up a dedicated Arctic sea ice seasonal forecasting system, using CNRM-CM5.1 coupled climate model. We address the initialization strategy, the creation and the evaluation of the hindcasts (or re-forecasts). In contrast to sea ice concentration, very few thickness data are available over the whole Arctic ocean. In order to initialize sea ice and the ocean dynamically and thermodynamically, we used the ocean-sea ice component of CNRM-CM5.1, named NEMO-GELATO, in forced mode. The initialization run is a forced simulation driven by ERA-Interim forcing over the period 1990-2010. Corrections based on satellite data and in-situ measurements leads to skilful simulation of the ocean and sea ice mean state and interannual variability. Sea ice thickness seems overall underestimated, based on the most recent estimates. Some characteristics of sea ice inherent predictability are then addressed. A diagnostic potential predictability study allowed us to identify two regimes of predictability using sea ice volume and the ice thickness distribution. The first one is the 'persistence regime', for winter sea ice area. March sea ice area is potentially predictable up to 3 months in advance using simple persistence, and surface covered by thin ice to a lesser extent. The second one is the 'memory regime', for summer sea ice area. September sea ice area is potentially predictable up to 6 months in advance using volume and to a greater extent the area covered by relatively thick ice. These results suggest that a comprehensive winter volume and thickness initialization could improve the summer forecasts. Summer and winter seasonal hindcasts shows very encouraging skills, in terms of raw and detrended anomalies. These skills suggest a predicatibility from initial conditions besides predictability due to the trend. Summer forecasts analysis shows that the volume and the ice thickess distribution explains a high fraction of the variance of predicted sea ice extent, which confirms the existence of the 'memory regime'. Winter forecasts also suggest the 'persistence regime'. A regional investigation of the winter hindcast helps precising the role of the ocean in the forecasts, and shows to what extent our system predictions could be used operationally, especially in the Barents Sea

Aujourd'hui, La Poste se trouve dans une situation particulièrement délicate au regard des mutations de son environnement économique. Pour répondre à ses nouveaux enjeux, elle doit développer sa planification stratégique, dans laquelle la prévision de son chiffre d'affaires joue un rôle particulièrement crucial. Or, à l'heure actuelle, les méthodes utilisées par la Direction Stratégique, notamment pour traiter la question de l'effet jours ouvrables, ne sont pas optimales et l'entreprise cherche à les améliorer. Notre thèse, réalisée en convention CIFRE avec la Direction Marketing Stratégique de La Poste, s'inscrit dans ce questionnement. Notre recherche vise plus spécifiquement à déterminer quels sont les meilleurs modèles économétriques pour la prévision du chiffre d'affaires du courrier. On se penche dans un premier temps sur la question de l'effet jours ouvrables que l'on traite à l'aide de méthodes de prévision, afin d'en obtenir une analyse approfondie. Puis on cherche à déterminer des modèles de prévisions adaptés à chaque type de clientèle et, enfin, au chiffre d'affaires totales. Pour l'entreprise, cette recherche vise à élaborer un outil fiable de prévision et d'aide à la décision. Au point de vue théorique, le principal apport de notre travail réside dans l'utilisation de modèles de prévision pour analyser l'effet jours ouvrables, à la place de l'utilisation d'outils de détection automatique. / Nowadays, La Poste is facing a particularly complex situation, related to the many changes of its economic environment. In order to respond to the new issues, it must develop strategic planning, in which income prediction plays a crucial part. Yet, to this day, the methods used by the Strategy Department are not optimal and the company is working at their improvement. Our research,conducted in the framework of a CIFRE partnership with the Strategic Marketing Department in La Poste, is anchored in this questioning. Our work is specifically aimed at determining the best econometric models to predict income of the Mail activity. We first focus on the issue of the "Trading days effect", that we examine using prediction methods, in order to get an in-depth view of it. Then we engage in determining prediction models adapted to each type of customers and, finally, a model for total income. For the company, this research is aimed at elaborating a reliable prediction and decision-making tool. From the theoretical point of view, the main contribution of our work lies in our using prediction models to analyze "Trading days effect", instead of automatic detection tools.

Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal