Représentation de l’ensemble des HPE simulés, indépendamment de

On considère à présent l’ensemble des HPE simulés par FRA12-corr, FRA50-corr et DSCLIM (qu’ils correspondent ou non à des HPE effectivement observés) avec des valeurs de seuil conduisant à des fréquences d’occurrence proches de celle issue de la liste de dates de référence des HPE observés (annexe D). D’après la figure 4.28, ce seuil est égal à 110 mm/jour pour FRA12-corr et à 100 mm/jour pour FRA50-corr. Pour DSCLIM, ces deux valeurs conviennent. Le seuil de 110 mm/jour étant également celui pour lequel on aboutit à une fréquence correcte d’événements dans SAFRAN (par rapport aux 102 HPE de la liste figurant à l’annexe D), c’est celui que nous retiendrons ici.

Aperçu général

Examinons en premier aperçu les composites des précipitations modélisées lors des HPE simulés par FRA12-corr, FRA50-corr et DSCLIM (figure 4.32) et la différence de chacun de ces champs à la moyennes des précipitations de SAFRAN lors des HPE observés dans la réalité (figure 4.33).

On constate qu’en moyenne, les HPE de FRA12-corr et DSCLIM produisent des cumuls de pluies assez proches de ceux de SAFRAN pour les HPE réellement observés, alors que le biais de FRA50-corr est plus prononcé.

Le tableau 4.14 donne la répartition géographique des HPE simulés par chaque expérience. Il reprend les sous-régions définies à la section 4.2.3 : Cévennes, Languedoc-Roussillon et P.A.C.A. Comme précédemment, un événement est considéré comme appartenant à une sous-région donnée lorsque le critère de défintion des HPE simulés s’applique aux points contenus dans celle-ci (les épisodes concernant plusieurs sous-région sont ainsi comptés plusieurs fois).

Les résultats du tableau 4.14 montrent que les HPE de FRA12-corr se répartissent correc- tement dans les trois sous-régions, alors que FRA50-corr simule un trop petit nombre de cas en région PACA (ce qui rejoint les résultats obtenus en 4.4.1). DSCLIM, quant à elle, produit un trop grand nombre d’épisodes affectant le relief Cévenol et trop peu d’événe- ments dans la région Languedoc-Roussillon.

Section 4.5 : Reproduction chronologique de l’occurrence d’HPE et

représentation HPE dans les simulations corrigées selon un second critère de définition des HPE simulés : comparaison à DSCLIM 141

(a) FRA12-corr (b) FRA50-corr (c) DSCLIM

(d) SAFRAN (HPE)

Fig. _{4.32 – Composites de précipitations quotidiennes (mm/jour) observées et simulées lors HPE dans}

chaque simulation avec un seuil de dépassement de 110 mm/jour. (a) : FRA12-corr ; (b) : FRA50-corr ; (c) : DSCLIM ; (d) : SAFRAN.

(a) FRA12-corr (b) FRA50-corr (c) DSCLIM

Fig. 4.33 – _{Biais moyen de précipitations quotidiennes lors des HPE dans chaque simulation avec un}

seuil de dépassement de 110 mm/jour : Différences des composites de précipitations simulés au composite des précipitations SAFRAN lors des HPE.

Cévennes Languedoc-Roussillon P.A.C.A. Total

Référence (liste des HPE) 62 (60%) 30 (29%) 25 (24%) 103

FRA12-corr 64 (63%) 33 (32%) 25 (24%) 102

FRA50-corr 52 (62%) 26 (31%) 15 (18%) 84

DSCLIM 73 (76%) 23 (24%) 26 (27%) 96

Tab. _{4.14 – Répartition géographique des HPE simulés avec un seuil de 110 mm/jour dans chaque}

simulation : nombre de cas par région et pourcentage par rapport au nombre total de cas.

Représentation des HPE simulés, par sous-régions

En distinguant les événements simulés selon leur localisation (dans le modèle), on peut à présent comparer les caractéristiques des champs de pluies intenses simulées dans chaque

sous-région avec celles observées dans la réalité lors des HPE s’étant produit dans la même sous-région : intensité maximale des pluies, étendue de la zone de forte pluies, biais moyen aux précipitations observées.

(a) FRA12-corr (b) FRA50-corr (c) DSCLIM

(d) SAFRAN (HPE)

Fig. _{4.34 – Identique à 4.32 pour les Cévennes.}

La figure 4.34 présente les composites de précipitations simulées lors des événements tou- chant les Cévennes, par comparaison au composite de pluies de SAFRAN pour les HPE observés dans cette même région.

Les biais correspondants sont représentées à la figure 4.35.

Ces cartes montrent que FRA12-corr et DSCLIM simulent des HPE assez réalistes sur les Cévennes : les biais moyens restent globalement inférieurs à 10 mm/jour, avec toutefois une surestimation plus marquée de FRA12-corr sur une petite partie du relief. Dans FRA50- corr, la surestimation est plus importante, avec des biais compris entre 10 et 30 mm/jour sur une bonne partie de la zone.

(a) FRA12-corr (b) FRA50-corr (c) DSCLIM

Fig. 4.35 –_{Identique à 4.33 pour les Cévennes.}

D’après les tableaux 4.15, 4.16 et 4.17 – indiquant, pour chaque sous-région, les valeurs moyennes de l’intensité maximale des événements simulés et observés et l’extension

Section 4.5 : Reproduction chronologique de l’occurrence d’HPE et

représentation HPE dans les simulations corrigées selon un second critère de définition des HPE simulés : comparaison à DSCLIM 143

Cévennes Langedoc-Roussillon P.A.C.A. Total

SAFRAN 162 162 132 159

FRA12-corr 176 168 160 171

FRA50-corr 176 175 150 168

DSCLIM 173 167 157 166

Tab. _{4.15 – Intensité maximale des HPE observés et des HPE simulés par chaque modèle, selon leur}

localisation : moyenne du maximum spatial de pluie quotidienne (mm/jour).

Cévennes Langedoc-Roussillon P.A.C.A.

SAFRAN 2.4 1.9 2

FRA12-corr 2.4 (+3%) 1.8 (-7%) 2.5 (+22%)

FRA50-corr 3.3 (+41%) 2.6 (+33%) 3.2 (+56%)

DSCLIM 2.9 (+24%) 2.9 (+50%) 2.9 (+41%)

Tab._{4.16 –Etendue des HPE simulés par chaque modèle, selon leur localisation : surface de la zone où}

le cumul de précipitation excède 100 mm/jour (103

km2₎

Cévennes Langedoc-Roussillon P.A.C.A.

SAFRAN 9.6 8.1 11.9

FRA12-corr 12.6 (+30%) 8.6 (+6%) 19 (+60%)

FRA50-corr 16.4 (+70%) 10.5 (+29%) 21.6 (+81%)

DSCLIM 13.5 (+40%) 11.5 (+41%) 16.2 (+36%)

Tab._{4.17 – Etendue des HPE simulés par chaque modèle, selon leur localisation : moyenne du nombre}

de points de grille SAFRAN où le cumul de précipitation excède 50 mm/jour (103

km2_).

spatiale moyenne de la zone de fortes pluies – cette différence ne semble pas due à une trop forte intensité des précipitations maximales mais plutôt à une tendance de FRA50-corr à simuler une structure trop étendue des fortes pluies.

Dans le Languedoc-Roussillon (figures 4.36 et 4.37), c’est FRA12-corr qui offre les meilleures performances.

Pour FRA50-corr, on retrouve un biais positif de précipitation pour les HPE simulés par FRA50-corr, que l’on peut cette fois expliquer par l’effet conjoint de maxima trop important et d’une trop grande extension de la zone de fortes pluies (tableaux 4.15, 4.16 et 4.17).

DSCLIM présente un dipôle traduisant une sous-estimation des pluies au Sud de la région et une surestimation au Nord, c’est-à-dire une tendance à situer trop au Nord la zone de précipitations intenses. Et de même FRA50-corr, DSCLIM simule par ailleurs des événements trop étendus et des valeurs maximales de pluies trop intenses.

Enfin, dans la région P.A.C.A, les trois simulations présentent des biais plus ou moins marqués (voir figures 4.38 et 4.39). C’est à nouveau dans FRA50-corr que le biais (positif) est le plus important, atteignant des valeurs supérieures à 20 mm/jour sur toute la partie Est de la zone, en raison de maxima de pluie trop importants et d’événements trop étendus.

(a) FRA12-corr (b) FRA50-corr (c) DSCLIM

(d) SAFRAN (HPE)

Fig. _{4.36 –Comme 4.32 pour le Languedoc-Roussillon.}

(a) FRA12-corr (b) FRA50-corr (c) DSCLIM

Fig. 4.37 –_{Comme 4.33 pour le Languedoc-Roussillon.}

Dans FRA12-corr et DSCLIM, les biais sont plus modérés. Les erreurs de FRA12-corr sont un peu plus faibles que celles de DSCLIM et se concentrent essentiellement au Sud des Cévennes, ce qui indique en fait une tendance à étendre la zone de pluies fortes à modérées sur une bonne partie du Sud-Est de la France lors des cas affectant la région P.A.C.A. (voir la carte de composites correspondantes à la figure 4.38). Dans DSCLIM en revanche, la surestimation des précipitations se concentre sur les Alpes Maritimes.

Variabilité interannuelle

Pour conclure cette analyse statistique des épisodes de précipitations intenses dans le Sud-Est de la France simulés par FRA50-corr, FRA12-corr et DSCLIM, on s’intéresse à la variabilité interannuelle de ces événements dans chaque simulation.

Le tableau 4.18 indique les valeurs simulées et observées des diagnostics suivants : nombre moyen d’HPE par année, moyenne annuelle des maxima d’intensité de précipitations at- teints lors de chaque événement, et écarts-type correspondants. On constate alors que

Section 4.5 : Reproduction chronologique de l’occurrence d’HPE et

représentation HPE dans les simulations corrigées selon un second critère de définition des HPE simulés : comparaison à DSCLIM 145

(a) FRA12-corr (b) FRA50-corr (c) DSCLIM

(d) SAFRAN (HPE)

Fig. _{4.38 –Comme 4.32 pour P.A.C.A.}

(a) FRA12-corr (b) FRA50-corr (c) DSCLIM

Fig. _{4.39 –Comme 4.33 pour P.A.C.A.}

FRA12-corr est très proche de la référence observée pour ces 4 paramètres ; FRA50-corr sous-estime d’environ 25% l’écart type du nombre d’événements et de leur intensité maxi- male ; et DSCLIM surestime de la variabilité interanuelle du nombre d’événements (+20%) et sous-estime celle du maximum d’intensité de -35%.

C’est donc FRA12-corr qui présente la meilleure variabilité interannuelle.

4.5.4 Conclusions

Grâce à l’application de la correction « quantile-quantile » définie en 4.3, un nouveau critère de définition des HPE simulés a pu être défini. Il présente l’avantage d’être plus simple et plus lisible, dans la mesure où il se base uniquement sur seuil de dépassement de pluie en mm/jour. Nous avons pu vérifier que ce critère conduisait à des scores de « détection » d’HPE identiques à ceux obtenus précédemment sur les simulations non-corrigées, c’est-à-dire à une amélioration de la bonne reproduction de ces événements dans FRA12.

Nombre d’HPE par an Maximum annuel du cumul quotidien de precipitations intenses (mm/jour)

Moyenne Ecart-type Moyenne Ecart-type

Référence 4.3 2.8 218 73

FRA12-corr 4.3 2.8 219 71

FRA50-corr 3.4 2.1 206 54

DSCLIM 4.1 3.4 212 46

Tab.4.18 –_{Variabilité interannuelle des événements précipitants intenses observés et simulés : moyennes}

et écarts type du nombre d’événements par an et du maximum annuel de précipitations quotidiennes (mm/jour) survenant lors des HPE.

Ces résultats ont par ailleurs été comparés à ceux de la méthode de désagrégation statistique DSCLIM qui s’est révélée nettement moins satisfaisante qu’ALADIN-Climat au regard de la bonne reproduction des HPE observés.

A l’issue de la première partie de ce chapitre, il était apparu que la proportion d’HPE que le modèle était susceptible de reproduire demeurait trop faible (moins de 30% de cas reproduits, pour un taux de fausse alerte acceptable) pour ne pas envisager l’analyse des performances de FRA12 et FRA50 sous un angle statistique – c’est-à-dire indépendamment du respect de la chronologie observée – dans la perspective d’une utilisation du modèle dans un scénario de changement climatique. Je me suis donc attachée à comparer la représentation des HPE dans les deux simulations ALADIN-Climat selon cette perspective, en considérant les précipitations corrigées en quantiles afin de ne pas avantager a priori FRA12. Pour ce faire, le seuil de dépassement a été fixé à 110 mm/jour, valeur conduisant dans les simulations à une fréquence d’occurrence des HPE proche de celle observée. Si l’augmentation de résolution s’était avérée avantageuse dans la bonne reproduction des HPE, il n’était pas certain que le bénéfice s’étende aussi à la représentation des événements pris dans leur globalité. Les résultats ont montré que c’était le cas : même après correction « quantile-quantile », FRA12 simule des événements de pluies intenses plus réalistes que FRA50 dans le Sud-Est de la France, et ce dans chacune des trois sous-régions d’occurrence considérées (Cévennes, Languedoc-Roussillon et P.A.C.A.). Le passage d’une résolution de 50 km à 12.5 km apporte donc une valeur ajoutée supérieure à l’amélioration que l’on peut obtenir dans une simulation à 50 km à laquelle on applique une correction statistique spatialisée, que ce soit du point de vue de reproduction chronologique des HPE ou de celui représentation de l’ensemble des HPE simulés. En d’autres termes, le bénéfice de la haute résolution ne se résume pas à une spatialisation plus fine du champ de pluie mais rend les performances du modèle intrinsèquement meilleures.

Cette valeur ajoutée a été appréciée au regard des résultats obtenus avec DSCLIM. L’analyse a alors montré que dès lors que l’on ne considérait plus la reproduction de la chronologie observée de leurs occurrence DSCLIM fournissait une meilleure description des HPE que FRA50-corr, tandis que FRA12-corr présentait à cet égard des résultats globalement équivalents à ceux de DSCLIM.

Avant de conclure cette partie de l’étude, il reste à déterminer si la valeur ajoutée de la haute résolution mise en évidence au travers de l’analyse des simulations FRA12 et FRA50 est comprise ou non dans la plage de variabilité interne du modèle. Car si tel est

Section 4.5 : Reproduction chronologique de l’occurrence d’HPE et

représentation HPE dans les simulations corrigées selon un second critère de définition des HPE simulés : comparaison à DSCLIM 147

le cas, cela signifie que les différences observées entre FRA12 et FRA50 ne peuvent en fait pas être interprétées en termes de valeur ajoutée de l’augmentation de résolution, dans la mesure où le signal peut résulter du degré de liberté interne du modèle.