Vers une approche ensembliste de la prévision des crues - Université Toulouse 3 Accéder directement au contenu
Communication Dans Un Congrès Année : 2018

Ensemble flood forecasting with an integrated rainfall-hydrology-hydraulic approach

Vers une approche ensembliste de la prévision des crues

Résumé

SCHAPI and SPC (i.e. flood forecasting services) use day-to-day deterministic models, while taking into account rain forecasts and running hydrological and hydraulic forecast models. Each modelling step is affected by uncertainties, which impact the reliability of a deterministic forecast. An ensemble approach is an efficient way to understand forecast uncertainties. A PhD currently underway aims at implementing an ensemble prediction chain from rain forecasting to discharge forecasting, using Meteo France AROME ensemble rain forecast. We describe first the main characteristics that an ensemble forecast should verify to be valuable and the associated tools for assessing it. Raw ensembles from weather forecasting models tend to be underdispersive and biased. Thus they must be post-processed before using them as input of a hydrological model. According to Taillardat et al. (2016), four post-processing methods are used: a non-parametric method based on Quantile Regression Forests (QRF), a semi-parametric one (QRF_TAIL) and two parametric methods EMOS (CNORM and CGAMMA). The analysis of the raw ensemble and post-processed ensembles show that the raw ensemble has yet good qualities. The better results are provided by the QRF methods (QRF and QRF_TAIL).
Afin de réaliser les cartes de vigilance bi-quotidiennes, le SCHAPI (Service Central d’Hydrométéorologie et d’Appui à la Prévision des Inondations) et les 19 SPC (Services de Prévision des Crues) utilisent entre autres des résultats de modèles numériques généralement lancés de manière déterministe (prévisions de pluie et de débit hydrologique ou hydraulique). Étant donné le niveau d’incertitudes sur les trois modélisations en jeu, une prévision déterministe chaînée des trois modèles est peu fiable. Une thèse actuellement en cours a pour objectif de mettre en place une chaîne de prévision des crues ensembliste en utilisant les prévisions ensemblistes de pluie AROME. Cette approche devrait permettre de mieux appréhender les incertitudes et de fournir une prévision probabiliste à même de les représenter. Les prévisions brutes issues des modèles de prévision du temps étant le plus souvent sous-dispersives et biaisées, il est nécessaire de les post-traiter avant leur utilisation pour la prévision hydrologique. L’article présente les post-traitements effectués sur les PEAROME selon la méthodologie décrite dans Taillardat et al. (2016). Quatre méthodes de post-traitement sont testées : méthode non-paramétrique basée sur les Quantile Regression Forest (QRF), méthode semi-paramétrique (QRF_TAIL) et deux méthodes paramétriques EMOS (CNORM et CGAMMA). L’analyse des différents ensembles obtenus montre que les prévisions brutes présentent de relativement bonnes caractéristiques. Les méthodes de post-traitement qui donnent les meilleurs résultats sont les méthodes dites QRF.
Fichier principal
Vignette du fichier
2018-11_Tiberi_et_al_v3.pdf (984.5 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03250002 , version 1 (04-06-2021)

Identifiants

  • HAL Id : hal-03250002 , version 1

Citer

Anne-Laure Tiberi-Wadier, Maxime Taillardat, Nicole Goutal, Sophie Ricci, Philippe Sergent, et al.. Vers une approche ensembliste de la prévision des crues. De la prévision des crues à la gestion de crise, SHF, Nov 2018, Avignon, France. ⟨hal-03250002⟩
98 Consultations
90 Téléchargements

Partager

Gmail Facebook X LinkedIn More