Return to search

Améliorations et développements d'une méthode de prévision probabiliste des pluies par analogie. Application à la prévision hydrologique sur les grands bassins fluviaux de la Saône et de la Seine.

Cette thèse porte sur l'amélioration d'une méthode de prévision probabiliste des précipitations adaptée par analogie, appliquée aux grands bassins versants de la Saône et de la Seine. En considérant un jour cible dont on souhaite prévoir les précipitations, cette méthode permet de rechercher dans une archive les situations météorologiques passées les plus similaires. Les cumuls pluviométriques des journées analogues sont ensuite exploités pour estimer de manière probabiliste la quantité de précipitations attendue pour le jour cible. Une étape préliminaire consiste à construire et à choisir les archives nécessaires à l'application de ce type de méthode. A partir de l'algorithme de sélection d'analogues développé par Bontron (2004) sur des bassins du Sud-Est de la France, la méthode de prévision est ensuite améliorée en introduisant deux nouvelles variables : la température, qui permet de prendre en compte les effets saisonniers ; et la vitesse verticale, qui vise à mieux caractériser les mouvements atmosphériques verticaux. Finalement, la méthode est appliquée en contexte de prévision parfaite (situations cibles extraites de réanalyses) sur la plus longue période possible, puis en contexte opérationnel (situations cibles générées par un modèle de prévision) sur une durée de trois ans. Les scénarios de prévision de précipitations sont également exploités par le modèle pluie-débit GR3P pour la prévision des débits sur les bassins de la Saône et de la Seine. De manière générale, les résultats montrent qu'avec ce type d'approche, il est possible d'obtenir une prévision de débit utile, sur les grands bassins tests, pour une échéance de l'ordre de la semaine.

Identiferoai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00483080
Date10 February 2010
CreatorsBen Daoud, Aurélien
PublisherUniversité de Grenoble
Source SetsCCSD theses-EN-ligne, France
LanguageFrench
Detected LanguageFrench
TypePhD thesis

Page generated in 0.2196 seconds