Étudier les précipitations et leur lien avec la circulation atmosphérique augmente notre connaissance de leurs caracteristiques et aide à anticiper leur comportement futur. Des méthodes de déscente d'échelle sont développées pour fournir des informations météorologiques locales et importantes pour l'hydrologie à partir des informations issues des réanalyses ou des projections globales du climat. La méthode SANDHY (Stepwise ANalogue Downscaling method for HYdrology) est étendue à l'ensemble de la France métropolitaine en optimisant les domaines pour le prédicteur géopotentiel pour les 608 zones climatiquement homogènes en France en utilisant un algorithme qui permet de prendre en compte l'équifinalité. Une grande diversité des domaines pour le prédicteur géopotentiel a été trouvée. Trois voies pour augmenter la cohérence spatiale et diminuer l'espace des paramètres sont explorés : prendre en compte les domaines optimisés pour des zones voisines, rassembler des zones en utilisant des algorithmes d'aggregation et utiliser un preditant moins asymétrique pendant l'optimisation. Utiliser de l'information issues de zones voisines permet de compenser certaines limitations de l'algorithme d'optimisation. Une méthode de vérification spatiale (SAL) est ici adaptée pour les précipitations probabilistes simulées par SANDHY. Des mesures de performance derivées de cette version probabiliste du SAL sont ensuite utilisées pour évaluer différentes stratégies de déscente d'échelle concernant la cohérence spatiale à l'échelle d'un bassin versant. Les domains optimisés localement pour le prédicteur géopotentiel permettent de mieux localiser les précipitations dans le bassin tandis que des domains uniformes sur tout le bassin apportent une structure des précipitations plus réaliste. Les simulations de débit pour le bassin de la Durance sont le plus sensible à la localisation des précipitations ce qui souligne l'interêt d'une optimisation locale des domaines des prédicteurs. / Studying past and present day precipitation and its link to large scale circulation increases our understanding of precipitation characteristics and helps to anticipate their future behaviour. Downscaling techniques are being developed to bridge the gap between large-scale climate information from global reanalyses or GCM global projections and local meteorological information relevant for hydrology. The stepwise analogue downscaling method for hydrology (SANDHY) is extended to the whole mainland of France by optimising the geopotential predictor domains for 608 zones covering France using a multiple growing rectangular domain algorithm that allows to take equifinality into account. A high diversity of predictor domains has been found. To increase the spatial coherence three ways are explored to reduce the parameter space: assessing the skill for predictor domains found for other zones, form groups of zones using cluster algorithms and using a less skewed predictand variable during optimisation. Using information from neighbouring zones allows to counterbalance in part limitations of the optimisation algorithm. A feature based spatial verification method (SAL) is adapted for probabilistic precipitation simulation as provided by SANDHY. Skill scores derived from the probabilistic SAL are used to assess different strategies for spatially coherent precipitation downscaling at catchment scale. Locally optimised predictor domains lead to a better localisation of precipitation in the catchment and higher local skill while uniform predictor domains for the whole catchment lead to a more realistic spatial structure of the simulated precipitation. Streamflow simulations for the Durance catchment (Southern Alps) are most sensitive to the realistic localisation of precipitation which highlights the interest of locally optimising predictor domains.STAR
| Identifer | oai:union.ndltd.org:theses.fr/2014GRENU031 |
| Date | 03 November 2014 |
| Creators | Radanovics, Sabine |
| Contributors | Grenoble, Sauquet, Éric |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0016 seconds