6.3 Conséquences des tendances observées sur les quantiles
Nous avons donc pour les 139 postes une tendance signicative ou non des pa-ramètres journaliers de notre générateur de pluie (voir Section 6.2). Nous pouvons alors proposer plusieurs scénarios possibles : si la tendance linéaire d'un paramètre est signicative au vu du test, nous pouvons alors estimer ce paramètre pour dié-rentes années entre 1960 et 2003 et donc évaluer les conséquences du changement climatique sur les événements pluvieux extrêmes au sens des résultats du générateur de pluie. En eet, à l'aide de notre générateur de pluie, on peut prendre en compte le changement climatique à travers l'évolution des paramètres moyens au cours des années pour en évaluer les impacts sur les distributions des pluies de durées allant d'une heure à dix jours. Nous pouvons alors regarder si une faible augmentation des paramètres moyens provoque une augmentation plus forte dans les extrêmes pour diérentes durées de pluie. Toutefois nous faisons l'hypothèse forte que le processus de la pluie ne change pas au cours du temps, c'est à dire que notre signal pluie est toujours caractérisé de la même façon par nos trois paramètres journaliers N E, µDT OT et µP J max au l des années. Cependant cette hypothèse paraît correcte car c'est le même modèle qui génére les pluies sous diérents climats. En eet ce n'est que la valeur des paramètres et non la structure du modèle qui permet de se placer dans les diérents climats (du tempéré au tropical) et donc un possible changement de climat dans une région est alors pris en compte dans l'estimation des paramètres du générateur au cours des années.
Nous notons P aram0 le jeu de paramètres sous hypothèse de stationnarité, c'est à dire en calculant la moyenne des paramètres sur la chronique entière et P aramA le jeu de paramètres sous hypothèse d'instationnarité en se plaçant à l'année A. Sur certains postes où la stationnarité pour chacun des paramètres n'est pas rejetée, nous avons P aram0 ≡P aramA. En comparant les résultats donnés par P aram2003 aux résultats donnés parP aram0, on peut alors évaluer l'importance de la prise en compte de l'évolution climatique dans la détermination des risques hydrologiques.
Nous notons par la suite P aramLoc2003 la paramétrisation donnée par les tests de ten-dance locaux etP aramRegio2003 la paramétrisation donnée par les tests de tendance faits de façon régionale.
On a deux façons de comparer deux distributions. On peut calculer les quantiles d'une période de retour donnée pour les deux distributions et en faire le ratio. Nous obtenons alors un pourcentage de hausse ou de baisse du volume associé à la période de retour. Nous pouvons alors apprécier si une évolution d'un paramètre moyen est accentuée pour les extrêmes. Soit q0T le volume de la pluie maximale en 24 heures
CemOA : archive ouverte d'Irstea / Cemagref
associé à la période de retour T donnée par la paramétrisation P aram0. Soit qTA le volume de la pluie maximale en 24 heures associé à la période de retour T don-née par la paramétrisation P aramA. Nous calculons alors le ratio RT = qT2003q0
T pour T = 2,5,10,100,1000 ans. Sur la Figure 6.4, on compare le ratio R2 aux ratios RT
avec T > 2 ans pour chaque poste. On peut alors évaluer l'augmentation des dié-rences entre la simulation P aram0 etP aramLoc2003 en fonction de la période de retour.
En eet, pour la plupart des postes, on a |RT1−1| > |RT2−1| pourT1 > T2. Il semble donc que le comportement des extrêmes soit plus inuencé que le compor-tement moyen par l'évolution climatique pour les pluies en 24 heures. On retrouve les conclusions de [56]. Cette même étude a été faite pour les pluies en 1 heure. On retrouve le même résultat mais les diérences sont moins accentuées, ce qui est du au comportement quasi exponentiel des pluies en 1 heure du générateur de pluie.
En terme de risque, nous préférons regarder l'évolution de la probabilité qu'un
évé-●
●●●
●
●
●
●
● ●● ●
●
●
●●
●●
●●
●
●●
●
●●●
●●●
●●
●● ●
●
●
●
●●
●
●●
●●
●
●
● ●
●
●
●
●
●
●
●
● ●●●●●●●
●
●
●
●
●
●
●●●●
●●
●
● ●
●
●●●●●
●
● ●
●
●
● ●
●
●●●●
●
●
●
●
●
●
●
●
● ●●●●●●●
●●
●●
●●
● ●
● ●●●●●●
●
●
●
●●
● ●●
● ●
●
0.6 0.8 1.0 1.2 1.4
0.81.01.21.4
PM24
ratio for T=2 years
ratio for T>2
●
ratio for (year) T=1000 T=100 T=10 T=5
y=x
Fig. 6.4 RT = q2003Tq0
T avecT = 5,10,100,1000ans en fonction deR2 pour les pluies maximales en 24 heures.
nement se produise. Dans un cadre stationnaire la notion de période de retour est alors utilisée et généralement interprétée comme une valeur de période de retour
CemOA : archive ouverte d'Irstea / Cemagref
6.3 Conséquences des tendances observées sur les quantiles 157
T ans est dépassée en moyenne tous les T ans. Dans un contexte d'instationnarité cette dénition n'est plus adéquate. On utilisera alors l'interprétation suivante, en considérant qu'à l'intérieur d'une même année le changement climatique est quasi-nul : le quantile de période de retour T calculé classiquement en une année t est la valeur ayant une probabilité1/T d'être dépassée au cours de l'année considérée [82].
Par exemple, si on trouve qu'en 1960 la valeur x a une période de retour T = 100 ans alors qu'en 2003 cette même valeur x a une période de retour T = 50 ans, on dit alors que cet événement est 2 fois plus probable en 2003 qu'en 1960.
Á partir des simulations données par les paramétrisations P aram0 et P aramRegio2003 , nous évaluons le décalage en fréquence des événements. Notre quantile x0 de ré-férence est le quantile donné par la paramétrisation P aram0 pour une période de retour T0 donnée. Nous pouvons alors calculer la période de retour T2003 associée à la valeur x0 avec la paramétrisation P aramRegio2003 . Les résultats sont donnés sur la Figure 6.5 pour la pluie maximale en 24 heures et pourT0 = 100ans.
La prise en compte des tendances fait augmenter le risque d'avoir des phénomènes extrêmes sur la France mis à part sur le pourtour méditéranéen. Néanmoins les chan-gements en terme de risque sont petits.
En France, les événements les plus forts se déroulent en été. Le générateur prend en compte ce phénomène et son comportement aux extrêmes est donc principalement inuencé par les paramètres de la saison été. Régionalement nous ne trouvons qua-siment aucune tendance en été, c'est pourquoi les changements sont petits car nous observons seulement des changements en hiver ce qui n'est pas le cas dans l'approche locale. Le fait d'avoir distingué deux saisons dans notre calcul de tendance permet de tenir compte réellement de l'impact climatique sur les événements extrêmes. En eet si nous avions testé une tendance sur toute l'année, nous aurions trouvé une augmentation du nombre d'événements alors qu'il s'agit seulement d'une augmenta-tion du nombre d'événements hivernaux qui sont moins intenses que les événements estivaux. Nous aurions alors trouvé des changements beaucoup plus marqués qui n'auraient pas reeté la réalité.
Globalement, le découpage en 9 ou 4 zones n'inue pas sur le changement de risque, mis à part pour les postes des zones 2 et 6 où, avec le découpage en 9 zones, aucune tendance n'est détectée. Alors qu'avec le découpage en 4 zones, on y intègre des tendances qui font changer le risque. Pour la zone 6, la diminution du risque est très faible. Par contre la zone 2 voit son risque augmenter sensiblement pour les 2 stations situées dans les alentours de Colmar : une pluie journalière de période 100 ans devient une pluie de période de retour 50 ans, ce qui implique une probabilité deux fois plus grande d'occurence d'un tel événement.
CemOA : archive ouverte d'Irstea / Cemagref
T(statio)= 100 ans pour PM24
●
●
●
●
●
● ●●
●●
●
●●
●
● ●
●●
●●
●
●
T (ans) en 2003 T=100 T<100 T<75 T<50 T>100 T>150 T>200
(a) Avec le découpage en 9 zones
T(statio)= 100 ans pour PM24
●
T (ans) en 2003 T=100 T<100 T<75 T<50 T>100 T>150 T>200
(b) Avec le découpage en 4 zones
Fig. 6.5 Décalage en fréquence de la pluie maximale en 24 heures entre l'hypothèse de stationnarité (référence) et l'hypothèse d'instationnarité (on se place en 2003) à partir des résultats des tests régionaux.
CemOA : archive ouverte d'Irstea / Cemagref
Chapitre 7
Application : Utilisation des
prévisions d'un modèle climatique global
Sommaire
7.1 Les données . . . 160 7.2 Estimation des paramètres de SHYREG . . . 161 7.3 Application de SHYREG : Estimation des quantiles sous
les diérentes périodes . . . 168 7.4 Comparaison entre données simulées et observées . . . . 170 7.5 Conclusion sur l'application . . . 171
159
CemOA : archive ouverte d'Irstea / Cemagref
Ce chapitre a pour but de montrer une application possible du générateur de pluie dans la recherche d'impact de l'évolution climatique sur les pluies extrêmes.
Nous voulons avoir une idée des conséquences de l'évolution climatique sur les pluies extrêmes sur les 100 prochaines années. Une possibilité serait d'interpoler les tendances trouvées au Chapitre 6. Sachant que ces tendances sont estimées sur envi-ron 40 années de données, il nous parait très contestable d'interpoler ces tendances sur 100 ans.
Nous proposons alors d'utiliser les données simulées par un modèle climatique global via l'utilisation de SHYREG (voir Section 2.4). L'intérêt de la méthode utilisée est de palier le problème de la simulation d'événements extrêmes dans un modèle climatique global. En eet, le fait que, dans les simulations de climats futurs, les GCM ne génèrent pas d'événements plus forts que ceux déja observés pose un réel problème dans l'étude des impacts du changement climatique sur les pluies extrêmes.
L'utilisation de SHYREG permet alors d'atténuer ce problème car le générateur permet d'estimer des quantiles de pluies à partir de caractéristiques moyennes et non extrêmes.
Tout d'abord nous présentons brièvement les données mises gracieusement à notre disposition par le CNRM. Puis, à partir de ces données, nous pouvons estimer les paramètres de notre générateur de pluies SHYREG sur les diérentes périodes étudiées. Les possibles impacts du changement climatique sur les pluies extrêmes peuvent alors être appréciés en comparant les quantiles de pluies estimés par SHY-REG à partir des climats futurs envisagés par les météorologues. Enn nous pouvons alors apprécier si le modèle climatique CNRM-CM3 reproduit bien les observés au sens de SHYREG et en conclure si les nouvelles cartes de quantiles sont utilisables pour prévoir le risque dans les années futures.
7.1 Les données
Dans le cadre du 4ème rapport du GEIC, un ensemble de scénarii ou projections climatiques (SCRATCH08) a été mis en place à partir de 15 modèles climatiques dont celui du CNRM : CNRM-CM3. Ces modèles proposent des évolutions plau-sibles du climat sur le 21ème siècle forcées par le même scénario d'évolution de gazs à eet de serre (GES), le scénario médian A1B.
L'ensemble des scénarii ou projections climatiques a été desagrégé à une résolution de 8 km sur une région couvrant la France et une partie de la Suisse. La méthodo-logie de descente d'échelle utilisée est celle développée par Julien Boé au CERFACS [12, 11]. Les jeux de données utilisés pour cette désagrégation sont entre autres l'analyse météorologique à méso-échelle SAFRAN développée à Météo-France [27].
CemOA : archive ouverte d'Irstea / Cemagref