HAL Id: hal-02599236
https://hal.inrae.fr/hal-02599236
Submitted on 16 May 2020
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Impacts du changement climatique sur les crues :
utilisation de projections climatiques dans l’estimation
de débits extrêmes par la méthode SHYREG
P. Cantet
To cite this version:
P. Cantet. Impacts du changement climatique sur les crues : utilisation de projections climatiques dans l’estimation de débits extrêmes par la méthode SHYREG. [Rapport de recherche] irstea. 2013, pp.25. �hal-02599236�
Impacts du Changement
Climatique sur les Crues :
Utilisation de Projections Climatiques dans l'Estimation
de Débits Extrêmes par la Méthode SHYREG
Étude réalisée dans le cadre de la convention IRSTEA-DGPR 2013 : Développement de la méthode SHYREG
Cantet Philippe
4 décembre 2013
IRSTEA, Groupement d'Aix-en-Provence Groupe de Recherche en Hydrologie (RHAX)
3275, route Cézanne - CS 40061 13 182 Aix-en-Provence Cedex 5
Résumé
Nous présentons une approche originale dans l'impact du changement climatique sur les crues. Nous couplons des projections climatiques à résolution de 8km et la méthode SHYREG pour estimer l'évolution possible des quantiles de débits au cours du 21e siècle. Pour cela nous évaluons l'impact de l'évolution des pluies sur l'estimation de quantiles de débits spéci ques estimés à partir de représentations de climats présent et futur(s) sur l'ensemble de la France. Des hypothèses simpli catrices ont été admises a n de faire un premier état des lieux des conséquences d'une évolution climatique. Les tendances divergent selon les scénarii, la période et les zones étudiés. Cependant, quelques tendances se dégagent : à la hausse dans le Nord-Ouest et les Alpes et à la baisse sur les cotes de la Manche, le Sud-ouest et la Corse. Les écarts sont d'autant plus importants que la période de retour est grande. Puis nous jugeons également d'une possible évolution dans la relation pluie-débit dans l'estimation de quantiles de débits spéci ques. Celle-ci in ue de manière importante sur l'estimation de quantile de débit de pointe spéci que selon le scénario d'évolution et la période de retour
Table des matières
Introduction 2
1 Les données et l'approche SHYREG 3
1.1 Les données du modèle climatique . . . 3
1.2 L'approche SHYREG . . . 3
2 Mise en place des données et comparaison avec observations 9
2.1 Mise en place des données . . . 9
2.2 Comparaison avec les observations . . . 9
3 Impacts d'une évolution possible des pluies sur l'estimation des
quantiles de crues 11
4 Impact d'une évolution du paramètre de production du modèle
pluie-débit dans l'estimation des quantiles de crues 16
Conclusion & Perspectives 19
Annexes 20
A Cartes d'évolution des quantiles pour chaque scénario SRES. 20
Introduction
Ce rapport a pour but de montrer une application possible de la méthode SHY-REG dans la recherche d'impacts de l'évolution climatique sur les débits extrêmes. Des hypothèses simpli catrices ont été admises a n de faire un premier état des lieux des conséquences d'une évolution climatique. Ce travail rentre dans le cadre de la convention IRSTEA-DGPR 2013 sur le développement de la méthode SHYREG. Nous voulons avoir une idée des conséquences de l'évolution climatique sur les débits extrêmes sur les 100 prochaines années sur l'ensemble de la France métro-politaine. Une possibilité serait d'interpoler les tendances que l'on observe sur les chroniques de pluies [6] ou débits observés [11]. Sachant que ces tendances sont prin-cipalement estimées sur environ 40 années de données, il nous parait très contestable d'interpoler ces tendances sur les 100 prochaines années.
Nous proposons alors de coupler les données simulées par un modèle climatique global et la méthode SHYREG. L'intérêt de la méthode est de palier le problème de la simulation d'événements extrêmes dans un modèle climatique global. En eet, de manière générale, dans les simulations de climats futurs, les GCM ne génèrent pas d'événements plus forts que ceux déja observés ce qui pose un réel problème dans l'étude des impacts du changement climatique sur les extrêmes hydrologiques. L'utilisation de SHYREG permet alors d'atténuer ce problème puisque le généra-teur permet d'estimer des quantiles de pluies et de débits à partir de caractéristiques moyennes et non extrêmes.
Tout d'abord nous présentons brièvement les données mises gracieusement à notre disposition par le CNRM et l'approche SHYREG (voir 1). Ces données donnent une représentation du climat de la n du 20e siècle et des climats futurs possibles (milieu et n du 21e siècle) à une résolution de 8km.
Nous montrons comment utiliser ces simulations de climat dans l'approche SHY-REG a n d'y estimer des quantiles de pluies et de débits spéci ques dans le futur. Dans un premier temps, nous jugerons la capacité du modèle climatique global à re-produire le climat actuel au sens de SHYREG : savoir si les quantiles estimés à partir du modèle climatique sont en concordance avec ceux estimés par les observations (voir 2).
Puis, en faisant l'hypothèse de stationnarité au cours du temps du paramètre ser-vant à transformer la pluie en débit, les possibles impacts du changement climatique sur les débits extrêmes peuvent alors être appréciés en comparant les quantiles de dé-bits estimés par SHYREG à partir des climats futurs envisagés par les météorologues (voir 3).
En n, nous apprécieront les conséquences d'un changement dans le temps du paramètre du modèle pluie-débit en proposant diérents scénarios possibles (voir 4).
1 Les données et l'approche SHYREG
1.1 Les données du modèle climatique
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 : ARPEGE-Climat. Ces modèles proposent des évolutions plausibles
du climat sur le 21ème siècle forcées par plusieurs scénarii d'évolution de gazs à eet
de serre (GES) (voir Fig. 1) : B1 (optimiste), A1B (médian), A2 (pessimiste) (voir [8] pour plus de détails).
L'ensemble des scénarii ou projections climatiques a été désagrégé à une résolution de
8km sur une région couvrant la France et une partie de la Suisse. La méthodologie de
descente d'échelle utilisée est celle développée par Julien Boé au CERFACS [5, 4]. Les jeux de données utilisés pour cette désagrégation sont entre autres l'analyse météorologique à méso-échelle SAFRAN développée à Météo-France [7]. L'analyse SAFRAN couvre la France sur une période allant de 1970 à 2005 à une résolution spatiale de 8 km [9, 10] comportant 7 paramètres dont les précipitations journalières liquides et solides.
Notre étude se limite seulement aux données simulées par le modèle climatique ARPEGE-Climat. Nous avons donc à notre disposition les pluies journalières à une
résolution de 8 km issues de ce modèle sur 3 périodes : 1960-20011 (limitée à
1980-2001), 2046-2066 et 2081-2100. Seules les précipitations liquides ont été prises en compte. Nous avons donc 7 jeux de chroniques de pluies journalières générés par le modèle climatique correspondant à des états diérents de l'atmosphère :
1. un jeu de référence : période 1981-2000 correspondant à une modèlisation du climat présent
2. 2 jeux pour le scénario optimiste : périodes 2046-2065 et 2081-2100 3. 2 jeux pour le scénario médian : périodes 2046-2065 et 2081-2100 4. 2 jeux pour le scénario pessimiste : périodes 2046-2065 et 2081-2100
Nous avons à notre disposition des chroniques de 20 ans de pluies
journalières sur toute la France à une résolution 8 × 8km2 issues
du modèle climatique ARPEGE-Climat et d'une descente d'échelle via les données SAFRAN. En plus d'une simulation de référence représentant le climat présent, le modèle a été forcé par 3 diérents scénarii d'évolution de gazs à eet de serre pour simuler les climats
possibles du milieu et de la n du 21e siècle.
1.2 L'approche SHYREG
Cette Section a pour but d'introduire la méthode SHYREG et son principe dans l'estimation de quantiles de débits sur la France. Dans cette étude, nous nous
limi-tons à l'estimation de quantiles de débits spéci ques2. Pour plus d'informations sur
1. forcé sur les GES observés
Figure 1 Émissions mondiales de GES (en Gt équiv.-CO2) en l'absence de po-litiques climatiques : six scénarios illustratifs de référence (SRES, lignes colorées)
et intervalle au 80ème percentile des scénarios publiés depuis le SRES (post-SRES,
partie ombrée). Les lignes en pointillé délimitent la plage complète des scénarios post-SRES. Les GES sont le CO2, le CH4, le N2O et gazs uorés. Figure issue de [8].
la méthode SHYREG, voir [1, 6] sur l'aspect pluie et [3] pour l'aspect débit.
La méthode SHYREG est basée sur la simulation d'évènement pluvieux indépen-dants et d'une transformation pluie-débit à l'aide d'un modèle hydrologique du type GR (www://cemagref.fr/webgr/).
Au sens de SHYREG, un événement pluvieux est une succession de pluies journa-lières supérieures à 4mm comprenant au moins un cumul journalier supérieur à 20 mm. Les évènements pluvieux sont générés au pas de temps horaire à l'aide de 3 × 2
paramètres estimés à partir d'observations3 :
NE, appelé l'occurence des événements, est le nombre moyen d'événements par année,
µP Jmax, appelé l'intensité des événements, est la moyenne de la pluie jour-nalière maximale des événements,
µDT OT , appelé la durée des événements, est la durée moyenne (en jours) d'un événement.
Ces 3×2 paramètres ont été régionalisés à la maille du km2 (voir Fig. 2) permettant
ainsi la génération d'un grand nombre d'évènements pluvieux sur chaque maille du territoire français.
Pour estimer des quantiles de crue à la maille du pixel (1km2), ces pluies simulées
au pas de temps horaires sont alors transformés en évènements de crues indépen-dants. Pour cela on utilise un modèle hydrologique de type GR (voir Fig. 3) utilisé en mode événementiel pour transformer les scénarii de pluies horaires en scénarii de crues. Pour, entre autres, pouvoir utiliser un tel modèle sur l'ensemble des pixels, les paramètres de ce modèle sont xés, sauf le niveau de remplissage initial du premier réservoir. La pluie entrant dans le modèle transite d'abord dans un hydrogramme
3. 3 paramètres par saison (hiver entre décembre et mai et été entre juin et novembre) 4
unitaire simple qui la répartit suivant deux pas de temps d'une heure : 70% au pre-mier pas de temps et 30% au second pas de temps. Cet opérateur permet un lissage des intensités horaires de pluie. La capacité du premier réservoir (A) a été imposée en fonction des grandes classes hydrogéologiques déterminées sur le territoire ([3]).
L'étude de 12 petits bassins versants de l'ordre de 1 km2 a conduit a xé la capacité
du second réservoir (B) à 50 mm, et son niveau de remplissage (R) initial est im-posé à 30% de la capacité de B [2]. Ce réservoir est un opérateur de transfert. Il est
supposé unique pour modéliser le transfert se produisant sur des pixels de 1 km2. Le
taux de remplissage initial du réservoir A (S0/A), qui a un rôle de production, est donc le seul paramètre variable (entre 0 et 1). La seule connaissance de ce paramètre permet donc de faire tourner le modèle GR a n de transformer les chroniques de pluies horaires simulées en débits à plusieurs pas de temps (débit de pointes, moyen en 24h,...). Une régionalisation de ce paramètre a été eectuée sur toute la France permettant alors une connaissance de celui-ci sur tout le territoire français à une
résolution de 1km2 (voir Fig. 4) pour chacune des deux saisons considérées dans
SHYREG. Notons que cette régionalisation prend en compte les endroits urbains,
péri-urbains et les plans d'eau4 où le paramètre de production est xé à une valeur
par défaut (par exemple sur les pixels considérés comme urbain la valeur est xée à 0.9).
La méthode SHYREG est basée sur la simulation d'évènement plu-vieux indépendants et d'une transformation pluie-débit à l'aide d'un modèle hydrologique utilisé en mode événementiel. Pour chacune des deux saisons (hiver et été) la seule connaissance de 3 pa-ramètres liés à la pluie journalière permet de simuler des pluies horaires qui sont transformées en débit via un modèle GR simpli- é paramétré seulement par un paramètre de production (S0/A). La génération d'une multitude d'évènements permet alors d'estimer empiriquement des quantiles de crues de diérentes durées et pé-riodes de retour (jusqu'à 1000ans). La connaissance des paramètres sur toute la France permet alors l'estimation de quantiles de pluies
et de débits à la maille du pixel (1km2) (voir Fig. 5).
(a) Hiver (b) Été
Figure 2 Cartographie des paramètres de SHYREG pour la saison hiver (NEH,
µDT OTH et µP JmaxH) et la saison été (NEE, µDT OTE et µP JmaxE) à la
résolution du kilomètre.
Figure 3 Structure du modèle GR au pixel. Issue de [3] 1800000 2000000 2200000 2400000 2600000 200000 400000 600000 800000 1000000 S0A.hiver S0A.ete 0.2 0.4 0.6 0.8 1.0
Figure 4 Cartographie du paramètre de production du modèle GR (S0/A) pour les 2 saisons à la résolution du kilomètre.
2e+05 4e+05 6e+05 8e+05 1e+06 1600000 1800000 2000000 2200000 2400000 2600000 quantile centennal de PM24h estimés par SHYREG
100 200 300 400 500
(a) Pluie maximale en 24h
200000 400000 600000 800000 1000000 1200000 6000000 6200000 6400000 6600000 6800000 7000000
quantile centennal de QP (spécifique) estimés par SHYREG
5 10 15 20 25
(b) Débits de pointes spéci ques
Figure 5 Cartographie des quantiles centennaux (pluie maximale en 24h et débit de pointe spéci que) proposés
par SHYREG (résolution 1km2).
2 Mise en place des données et comparaison avec
observations
Cette Section a pour but d'estimer les écarts entre la modélisation du climat via ARPEGE-Climat et les observations.
2.1 Mise en place des données
Les sorties du modèle climatique5 fournissent des données à une résolution de
8 × 8km2. L'estimation des paramètres de SHYREG (les 3 × 2 pour générer la
pluie) est alors possible à l'aide de ces données à cette résolution. Or, les cartes
des paramètres issues des observations sont à une échelle plus ne (1km2). Pour
pouvoir les comparer, nous avons donc transformé nos cartes d'observations à une échelle plus grossière en faisant la moyenne des 64 pixels. Pour le paramètre de production (S0/A) du modèle pluie-débit, nous avons aecté la valeur majoritaire sur les 64 pixels pour, entre autres, garder les pixels urbains, péri-urbains et plans d'eau. Cette transformation nous permet alors d'avoir les paramètres de SHYREG issus des observations à une même échelle spatiale que ceux estimés par les sorties d'ARPEGE-Climat désagrégées.
Remarque : Les pluies SAFRAN peuvent être assimilées à des pluies de bassins alors
que nos paramètres dits observés (cartes au km2) sont estimés en interpolant des
données ponctuelles. Cette diérence doit impliquer une sous-estimation des pluies SAFRAN par rapport aux observées et donc diminuer les quantiles résultants.
2.2 Comparaison avec les observations
Nous comparons ici les quantiles SHYREG estimés avec une paramétrisation à l'aide des pluies journalières simulés par ARPEGE-Climat sur la période 1981-2000
notés qARP(T )et ceux estimés à partir d'une paramétrisation issues des observations
(mis à une résolution 8 × 8km2, voir Sec. 2.1) noté q
OBS(T ). Le paramètre de
pro-duction du modèle hydrologique reste inchangé, donc seuls les paramètres de pluie diérent entre les 2 jeux de quantiles.
La Figure 6 montre le ratio qARP(T )
qOBS(T ) pour T = 2, 10, 100, 1000 ans pour la pluie
maximale en 24h et le débit de pointe (spéci que). Nous avons séparés les pixels en 4 groupes en fonction de leur paramètre de production de S0/A en été.
Pour la pluie (Fig. 6(a)), les quantiles fournis par ARPEGE qARP(T )sont en moyenne
de ∼ 15 − 20% (ratio médian ∼ 0.85 − 0.8) plus faible que les quantiles fournis par
les observations qOBS(T ) quelque soit T . La dispersion entre la valeur médiane du
ratio grandit légèrement avec T ce qui est due aux postes où les pluies ont un com-portement sur-exponentiel. Cette sous-estimation était attendue (voir Remarque n 2.1).
Par contre, pour les débits de pointes, ces écarts s'accentuent avec T d'autant plus que le paramètre de production est faible. Ceci est dû est comportement non linéaire
du modèle hydrologique. En eet les pluies étant plus faibles, la liaison entre le com-portement asymptotique de la pluie et du débit est retardée (le réservoir A a du mal à se remplir durant un évènement pluvieux). Pour les pixels où le S0/A est fort, les écarts varient peu avec la période de retour car le réservoir A est quasi à saturation au début des évènements pluvieux. Cependant les écarts sont plus grands qu'avec les pluies (∼ −30%).
Pour palier à cette sous-estimation des quantiles de débits, un changement dans le paramètre S0/A serait envisageable a n de retrouver les quantiles de crues issus des observations. Ce travail n'a pas été eectué dans cette étude car nous travaille-rons par la suite en relatif (comparaison de quantiles de débits issus des pluies de ARPEGE de diérentes périodes).
(0,0.25] (0.25,0.5] (0.5,0.75] (0.75,2] 0.0 0.5 1.0 1.5 2.0
ratio arpege_ref / obs8X8 pour différentes périodes de retour et 4 groupes choisis en fonction du S0/A
Valeurs du S0/A été T= 0002 T= 0010 T= 0100 T= 1000 (a) PM24 (0,0.25] (0.25,0.5] (0.5,0.75] (0.75,2] 0.0 0.5 1.0 1.5 2.0
ratio arpege_ref / obs pour différentes périodes de retour et 4 groupes choisis en fonction du S0/A
Valeurs du S0/A été T= 2
T= 10 T= 100 T= 1000
(b) Débits de pointes spéci ques
Figure 6 Boxplots de qARP(T )
qOBS(T ) pour la pluie maximale en 24h et le débit de pointe spéci que. il y a 4 × 4
boxplots correspondant à 4 périodes de retour (T = 2, 10, 100, 1000ans, en bleu, violet, cyan et vert) et à 4 groupes de pixels regroupés en fonction de la valeur du S0/A en été (séparé par la ligne verticale en gris).
Le paramétrisation de SHYREG via les pluies journalières issues du modèle climatique implique une sous-estimation des quantiles de pluies de l'ordre de ∼ 15 − 20% par rapport à une paramétri-sation via les observations quelque soit la période de retour. Pour les débits, cette sous-estimation s'accentue (∼ 30% pour T = 2ans) avec la période de retour sur les pixels où le paramétre S0/A est faible. Bien que cet écart soit mis en évidence, il n'in uence pas les résultats présentés par la suite, car nous allons travailler en valeurs relatives, par rapport à la même source d'information (les pluies journalières issues des simulations du modèle climatique).
3 Impacts d'une évolution possible des pluies sur
l'estimation des quantiles de crues
Dans les précédentes parties, nous avons montré qu'il est possible d'estimer des quantiles de débits spéci ques sur l'ensemble du territoire français à l'aide des pluies journalières issues d'un modèle climatique via l'approche SHYREG.
Dans cette Section, nous utilisons les projections climatiques décrites dans 1.1 a n d'estimer l'évolution possible des quantiles de débits spéci ques dans le futur par rapport à la période de référence (1981-2000). Nous montrons seulement des écarts (ratio) entre les quantiles donnés par une paramétrisation par les pluies futurs
four-nies par ARPEGE-Climat (par exemple6 celles de 2046-2065 pour le scénario a1b)
et ceux donnés par une paramétrisation par les pluies d'ARPEGE-Climat de la pé-riode de référence 1981-2000.
Le paramètre de production du modèle pluie-débit est considéré comme constant au l du temps pour se concentrer seulement sur l'impact de l'évolution des pluies sur les quantiles de débits (spéci ques).
Soient qSCN(T ) le quantile (pluie ou débit) de période de retour T ans estimé
par SHYREG avec la paramétrisation issue des pluies journalières du scénario SCN (Ref, b1, a1b ou a2).
L'utilisation de boxplots sur les ratios qSCN(T )
qRef(T )
7 avec SCN = b1, a1b ou a2 illustrés
sur la Figure 7 pour chaque période (2046-2065 ou 2081-2100) montre l'évolution de la distribution des ratios sur tous les pixels pour les pluies et les débits par rapport à la période de retour.
On retrouve les résultats du 2.2 : les écarts sur les quantiles de débits sont ampli- és par rapport à ceux des pluies. Le scénario A1B sur la période 2046-2065 est la simulation, parmi les 5 autres, donnant les plus gros écarts par rapport à la période de référence 1981-2000. En eet on observe une hausse moyenne sur l'ensemble de la France du quantile millénal du débit de pointe spéci que de l'ordre de +18% (13% pour le centennal). Sinon pour les autres simulations, les écarts moyens sont proches de 1 (-ie- pas d'évolution). Pour la majorité des pixels, les écarts sont de l'ordre de
[−20%, +20%]. Le quantile millénal semble avoir une tendance à la hausse pour tous
les scénarii.
Pour localiser les régions soumises à un changement, la cartographie des ratios
qSCN(100)
qRef(100) sur les pluies maximales en 24h et les débits de pointe spéci ques ont
été mises en Annexe A pour les 3 scénarii et les 2 périodes futures (voir Figures 12 à 14).
La multitude des simulations (6 en tout) rend di cile une interprétation. Pour 6. il y 6 choix : 3 scénarii (B1 , A1B, A2) × 2 périodes : 2046-2065 et 2081-2100.
7. Pour une meilleure lisibilité, les ratios présentés ont été bornés entre 0.5 et 2 pour éviter des ratios trop élevés qui n'ont pas de véritables intérêts. En eet, les ratios dépassant ces bornes sont liés à des quantiles de débits spéci ques faibles (∼ 0.1), par exemple un débit passant de 0.1 à 0.5 a un ratio de 5.
T..2.ans T..10.ans T..100.ans T..1000.ans
0.5
1.0
1.5
2.0
ratio arpege_b1_2050 / arpege_ref pour différentes période de retour PM24
QP
T..2.ans T..10.ans T..100.ans T..1000.ans
0.5
1.0
1.5
2.0
ratio arpege_a1b_2050 / arpege_ref pour différentes période de retour PM24
QP
T..2.ans T..10.ans T..100.ans T..1000.ans
0.5
1.0
1.5
2.0
ratio arpege_a2_2050 / arpege_ref pour différentes période de retour PM24
QP
(a) Période 2046-2065
T..2.ans T..10.ans T..100.ans T..1000.ans
0.5
1.0
1.5
2.0
ratio arpege_b1_2100 / arpege_ref pour différentes période de retour PM24
QP
T..2.ans T..10.ans T..100.ans T..1000.ans
0.5
1.0
1.5
2.0
ratio arpege_a1b_2100 / arpege_ref pour différentes période de retour PM24
QP
T..2.ans T..10.ans T..100.ans T..1000.ans
0.5
1.0
1.5
2.0
ratio arpege_a2_2100 / arpege_ref pour différentes période de retour PM24
QP
(b) Période 2081-2100
Figure 7 Boxplots du ratio qSCN(T )
qRef(T ) avec SCN = b1, a1b, a2 (de gauche à droite). Pour chaque scénario
(un graphe) 4 × 2 boxplots sont construits pour 4 périodes de retour T = 2, 10, 100, 1000ans (de gauche à droite) pour la pluie maximale en 24h (en bleu) et le débit de pointe spéci que (en rouge). En haut ratio entre la période 2046-2065 et 1981-2000 et en bas ratio entre la période 2081-2100 et 1981-2000.
synthétiser ces diérentes simulations, nous avons aggloméré les scénarii d'une même période en calculant, sur chaque pixel, le quantile minimum, médian et maximum
parmi les trois possibles, noté qagglo(T )pour la période de retour T ans avec agglo =
min, median, max. Par exemple, qmin(100) = min{qb1(100), qa1b(100), qa2(100)}pour
une période donnée. A partir de cette agglomération de scénarii (voir Ann. A), une interprétation est alors possible :
1. si le ratio qmin(T )
qRef(T ) > 1, alors le quantile de période de retour T ans a augmenté
pour les 3 scénarios : par exemple sur les cartes les plus à gauche de la Figure 15, les zones en bleu signi ent que sur ces pixels le quantile est à la hausse pour les 3 scénarii.
2. si le ratio qmax(T )
qRef(T ) < 1, alors le quantile de période de retour T ans a diminué
pour les 3 scénarios : par exemple sur les cartes les plus à droite de la Figure 15, les zones en rouge signi ent que sur ces pixels le quantile est à la baisse pour les 3 scénarii.
3. l'écart entre qmin(T )
qRef(T ) et
qmax(T )
qRef(T ) donne une information sur l'incertitude de
lution des quantiles par rapport aux scénarii.
Á partir de cette agglomération, on peut alors estimer le pourcentage de pixels qui ont une tendance à la hausse ou à la baisse pour les 3 scénarii (voir Tab 1) ainsi que l'importance de cette évolution (voir Fig. 8). Une cartographie résumant l'évolution des quantiles sur l'ensemble des scénarios est également possible (voir Fig. 9) : les pixels en rouge (resp. bleu) signi ent que l'évolution du quantile de débit de pointe spéci que sur ces pixels est à la baisse (resp. à la hausse) pour les 3 scénarii (la
va-leur indiquée est la moyenne des 3 scénarii : qmean(T )
qRef(T ) ). Les pixels en blanc indiquent
que les scénarii ont une tendance contradictoire sur ces pixels. Ces cartes ont été construites pour les ratios de quantiles de période de retour T = 2, 10, 100, 1000ans. En règle générale, les écarts grandissent avec la période de retour. Les tendances ne sont pas forcément similaires entre le milieu et la n du 21e siècle. On observe même une baisse plus importante des quantiles de débits pour la n du 21e siècle que pour le milieu (baisse moyenne de −20% contre −13%) alors que l'intensité des hausses est en moyenne similaire pour les deux périodes (> +20%). Globalement, plus de la moitié des pixels ont une tendance contradictoire selon le scénario retenu. Cependant certaines zones peuvent être dégagées où la réponse des projections par rapport aux diérents scénarii sont en concordance. Par exemple, le quart Nord-Ouest (hormis les cotes de la Manche) et les Alpes sont soumis à une hausse quel que soit le scénario et la période de projection. Les Pyrénées orientales subissent une hausse pour la période 2046-2065 mais pas pour la période 2081-2100. Á l'inverse, les cotes de la Manche, les Ardennes, la Corse et le Sud-ouest (hormis les Pyrénées) ont tendance à avoir leurs quantiles de débits à la baisse dans les projections (avec ampli cation de la baisse en 2100 pour Sud-ouset et Corse).
Même si la relation pluie/débit est supposée constante dans le temps, les écarts prédits sur les pluies sont ampli és sur les débits (à la hausse ou à la baisse) : voir Fig. 7. Ces écarts sont d'autant plus importants que la période de retour est grande (surtout pour les hausses) : voir Fig. 7 et 8. Les tendances divergent selon les scéna-rii, la période et les zones étudiés. Cependant, quelques tendances se dégagent : à la hausse dans le Nord-Ouest (hormis les cotes de la Manche) et les Alpes et à la baisse sur les cotes de la Manche, le Sud-ouest et la Corse : voir Fig. 9.
Tendance 2046-2065 2081-2100 T = 2ans % 12% 6% & 15% 35% ∼ 73% 59% T = 10ans % 19% 11% & 12.5% 26% ∼ 68.5% 63% T = 100ans % 27.5% 19% & 10.5% 21% ∼ 62% 60% T = 1000ans % 30.5% 24% & 9% 20% ∼ 60.5% 56%
Table 1 Pourcentage de pixels sur l'ensemble de la France où le quantile du débit de pointe spéci que à une tendance à la hausse (%), à la baisse (&) pour les 3 scénarii. ∼ signi e que les tendances sont contradictoires selon les scénarii.
T= 2 ans T= 10 ans T= 100 ans T= 1000 ans
0.5 0.6 0.7 0.8 0.9 1.0
QP ratio des pixels à la baisse pour tous les scénarios / à arpege_ref
Période 2046−2065 2081−2100
(a) Pixels à la baisse pour tous les scénarii
T= 2 ans T= 10 ans T= 100 ans T= 1000 ans
1.0 1.2 1.4 1.6 1.8 2.0
QP ratio des pixels à la baisse pour tous les scénarios / à arpege_ref Période
2046−2065 2081−2100
(b) Pixels à la hausse pour tous les scénarii
Figure 8 Boxplots des ratios qmean(T )
qRef(T ) qui ont une même tendance (soit à la baisse à gauche et soit à la
hausse à droite) pour les 3 scénarii.
ratio QP multi−scenarios (2050) / à arpege_ref pour différentes période de retour ●●●● ●●●●● ●● ● ●●●●● ●●●●● ●●● ● ●● ● ● ●●●● ●●● ●● ●●●●● ●● ●●● ●● ● ● ● ●●●●●●●●● ● ●● ●●●● ● ● ● ●● ● ● ●● ● ● ●● ●● ● ● ●● ● ●● ●●● ● ● ●● ● ●●● ● ● ●● ●●●● ● ●●●●● ●●●●● ●●● ●●● ●● ●● ● ● ●●● ●● ● ●● ● ● ● ● ● ●●● ●●●● ●● ●●● ●●● ●● ● ●● ● ●●●●● ● ●● ● ● ● ●● ● ●●● ●● ● ● ●●● ● ● ● ●● ● ● ●●● ● ● ●● ● ●● ● ● ● ●● ● ●● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●●●● ● ● ● ●● ● ●● ●● ● ● ● ●● ●● ●● ● ● ●●● ●● ● ● ● ●● ● ●● ● ● ●●●● ● ● ●● ● ● ● ● ●● ●● ●● ● ● ●● ● ● ● ● ●● ●● ● ●● ● ●● ●●●● ●● ●●● ●●● ●● ● ● ●●● ●● ● ● ● ●●●●● ● ● ●●● ● ● ● ● ●● ● ●● ● ● ●●●●●●●● ●●● ●●● ● ● ● ● ● ● ● ● ● ●●● ●● ● ●● ●● ● ● ● ●●●● ● ● ● ●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ●●●●●●●●●●●●●●●●●●● ●●●● ● ●●●●● ●●● ●●●●●●●●●●●●● ●●●●●● ●●● ●●●● ●●●●●● ●● ●● ●● ● ● ●●●● ●●●●● ●● ● ●● ● ●● ●● ● ●●● ●●●●●●●●●● ●●●● ● ● ●●● ● ●●●●●●● ●●●●●● ●● ●●● ● ●●●●● ●●● ●●● ●●●● ●● ● ● ●●●●●●●●●●●●●● ●●●●●●● ●● ●●●●●●●●●●●●●●●●●●● ●● ●●●●●●●●●●●●●●●●●● ●●● ●●●●● ●●●●●● ●●●●●● ●● ●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●● ●●●●● ●●●●● ●●●●●●●●●●● ●●● ●●● ●●●●●● ●● T..2.ans ●●● ● ●●●●● ●● ● ●●●●● ●●●●● ●●● ● ●● ● ● ●●●● ●●● ●● ●●●●● ●● ●●● ●● ● ● ● ●●●●●●●●● ● ●● ●●●● ● ● ● ●● ● ● ●● ● ● ●● ●● ● ● ●● ● ●● ●●● ● ● ●● ● ●●● ● ● ●● ● ●●● ● ●●●●●●●●●● ●●● ●●● ●● ●● ● ● ●●● ●● ● ●● ● ●● ● ●●●● ●●●● ●● ●●● ●●● ●● ● ●● ● ●●●●● ● ●● ● ● ● ● ●● ●●● ● ● ● ● ●●● ●● ● ●● ● ● ●●● ● ● ● ●● ●● ● ● ● ●● ● ●● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●●●● ● ● ● ●● ● ●● ●● ● ● ●●● ● ● ●● ● ● ●●● ●● ● ●● ● ● ● ● ● ● ● ●● ●● ● ● ●● ● ● ● ● ●● ●● ● ●● ● ● ●● ● ● ● ●● ●● ●●● ● ● ● ●●● ●● ●●●● ● ●● ●● ● ● ●●● ●● ● ● ● ●●●●● ● ● ●● ● ● ● ● ● ●● ● ●● ● ●●●●●●●●● ●●● ●●● ● ● ● ● ● ● ● ● ● ●●● ●● ● ●● ●● ● ● ● ●●●● ● ● ● ●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ●●●●●●●●●●●●●●●●●●● ●●●● ● ●●●●● ●●● ●●●●●●●●●●●●● ●●●●●● ●●● ●●●● ●●●●●● ●● ●● ●● ● ● ● ●●● ●●●●● ●● ● ●● ● ●● ●● ● ●●● ●●●●●●●●●● ●●●● ● ● ●●● ● ●●●●●●● ●●●●●● ●● ●●● ● ●●●●● ●●● ●●●●●●● ●● ● ● ●●●●●●●●●●●●● ●●●●●●●● ●● ●●●●●●●●●●●●●●●●●●● ●● ●●●●●●●●●●●●●●●●● ●● ●●●●●●●●●●●●● ●●●●● ●●● ●●●● ●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●● ●●●●● ●●●●● ●●●●●●●●●● ●●●● ●●● ●●●●●● ● ● T..10.ans ● ●●● ●●●●● ●● ● ●●●●● ●●●●● ● ●● ● ●● ● ●●●● ●●● ● ●● ●●●●● ●● ●●● ●● ● ● ●●●●●●●●●● ● ●● ●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ● ● ● ● ●● ● ●● ●●●● ● ●● ● ● ●● ● ● ●● ●●●● ● ●●●●● ●●●●● ●●● ●●● ●● ●● ● ● ●●● ● ● ● ● ● ● ● ● ● ● ●●● ●●●●● ● ● ●● ●●● ●●● ● ● ● ●●●●● ● ●● ●● ● ●● ● ●● ● ●● ● ● ●●● ● ● ● ●● ● ● ●●● ● ● ●● ● ●● ● ● ● ●● ● ●● ● ● ●● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ●●● ●● ● ● ● ●● ● ●● ●● ● ● ● ●● ●● ●● ● ● ●●● ●● ● ● ● ● ● ● ●● ● ● ●●● ● ● ● ●● ● ● ● ● ● ● ●● ●● ● ● ● ● ● ● ● ● ●● ●● ● ●●● ●● ●●●● ●● ●●●●● ● ● ● ● ●●●● ●● ● ● ● ● ●●●● ● ● ●●● ● ● ● ● ● ● ● ● ●● ● ●●●●●●●●●●●●●●●● ● ● ● ● ● ● ● ●●● ● ● ● ●● ●● ● ● ● ●●●● ● ● ● ●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ●●●●●●●●●●●●●●●●●●● ●● ●● ● ●●●●● ●●● ●●●●●●●●●●●●●●●●●●●●●● ●●●● ●●●●●● ●● ●● ●● ● ● ●●●● ●●●●● ●● ● ●●● ●● ●● ● ●●● ●●●●●●● ●●●●●●● ●● ●●● ● ●●●●●●● ●●●●●● ●● ●● ● ● ●●●●● ●●● ●●● ●●●● ●● ● ● ●●●●●●●●●●●●●● ●●●●●●● ●● ●●●●●●●●●●●●●●●●●●● ●● ●●●●●●●●●●●●●●●●●● ●●● ●●●●● ●●●●●● ●●●●●● ●● ●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●● ●●●●● ●●●●● ●●●●●●●●●●● ●●● ●●● ●●●●●● ●● T..100.ans ● ●● ● ●●●●● ●● ● ●●●●● ●●●●● ● ●● ● ●● ● ●●●● ●●● ● ●● ●●●●● ●● ●●● ●● ● ● ●●●●●●●●●● ● ●● ●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ● ● ● ● ●● ● ●● ●●●● ● ●● ● ● ●● ● ● ●● ● ●●● ● ●●●●●●●●●● ●●● ●●● ●● ●● ● ● ●●● ● ● ● ● ● ● ●● ● ●●●● ●●●●● ● ● ●● ●●● ●●● ● ● ● ●●●●● ● ●● ●● ● ● ●● ●● ● ● ● ● ● ●●● ●● ● ●● ● ● ●●● ● ● ● ●● ●● ● ● ● ●● ● ●● ● ● ●● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ●●● ●● ● ● ● ●● ● ●● ●● ● ● ●●● ● ● ●● ● ● ●●● ●● ● ●● ● ● ● ● ● ● ● ●● ● ● ● ● ●● ● ● ● ● ● ● ●● ● ●● ● ● ●● ● ● ● ●● ●● ●●●● ● ● ●●● ●● ●●●●●● ● ● ● ● ●●●● ●● ● ● ● ● ●●●● ● ● ●● ● ● ● ● ● ● ● ● ● ●● ● ●●●●●●●●●●●●●●●● ● ● ● ● ● ● ● ●●● ●● ● ●● ●● ● ● ● ●●●● ● ● ● ●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ●●●●●●●●●●●●●●●●●●● ●● ●● ● ●●●●● ●●● ●●●●●●●●●●●●●●●●●●●●●● ●●●● ●●●●●● ●● ●● ●● ● ● ● ●●● ●●●●● ●● ● ●●● ●● ●● ● ●●● ●●●●●●● ●●●●●●● ●● ●●● ● ●●●●●●● ●●●●●● ●● ●● ● ● ●●●●● ●●● ●●●●●●● ●● ● ● ●●●●●●●●●●●●● ●●●●●●●● ●● ●●●●●●●●●●●●●●●●●●● ●● ●●●●●●●●●●●●●●●●● ●● ●●●●●●●●●●●●● ●●●●● ●●● ●●●● ●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●● ●●●●● ●●●●● ●●●●●●●●●● ●●●● ●●● ●●●●●● ● ● T..1000.ans 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 (a) Période 2046-2065
ratio QP multi−scenarios (2100) / à arpege_ref pour différentes période de retour
●●●● ●●●●● ●● ● ●●●●● ●●●●● ●●● ● ●● ● ● ●●●● ●●● ●● ●●●●● ●● ●●● ●● ● ● ● ●●●●●●●●● ● ●● ●●●● ● ● ● ●● ● ● ●● ● ● ●● ●● ● ● ●● ● ●● ●●● ● ● ●● ● ●●● ● ● ●● ●●●● ● ●●●●●●●●●● ●●● ●●● ●● ●● ● ● ●●● ●● ● ●● ● ●● ● ●●●● ●●●● ●● ●●● ●●● ●● ● ●● ● ●●●●● ● ●● ● ● ● ●● ● ●●● ●● ● ● ●●● ●● ● ●● ● ● ●●● ● ● ●● ● ●● ● ● ● ●● ● ●● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●●●● ● ● ● ●● ● ●● ●● ● ● ● ●● ●● ●● ● ● ●●● ●● ● ●● ● ● ● ● ● ● ● ●● ●● ● ● ●● ● ● ● ● ●● ●● ●● ● ● ●● ● ● ● ● ●● ●● ●●● ● ● ● ●●●● ● ●●●● ●●● ●● ● ● ●●● ●● ● ● ● ●●●●● ● ● ●●● ● ● ● ● ●● ● ●● ● ● ●●●●●●●● ●●● ●●● ● ● ● ● ● ● ● ● ● ●●● ●● ● ●● ●● ● ● ● ●●●● ● ● ● ●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ●●●●●●●●●●●●●●●●●●● ●●●● ● ●●●●● ●●● ●●●●●●●●●●●●● ●●●●●● ●●● ●●●● ●●●●●● ●● ●● ●● ● ● ●●●● ●●●●● ●● ● ●● ● ●● ●● ● ●●● ●●●●●●●●●● ●●●● ● ● ●●● ● ●●●●●●● ●●●●●● ●● ●●● ● ●●●●● ●●● ●●● ●●●● ●● ● ● ●●●●●●●●●●●●●● ●●●●●●● ●● ●●●●●●●●●●●●●●●●●●● ●● ●●●●●●●●●●●●●●●●● ●● ●● ●●●●●●●●●●● ●●●●●● ●● ●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●● ●●●●● ●●●●● ●●●●●●●●●●● ●●● ●●● ●●●●●● ●● T..2.ans ●●● ● ●●●●● ●● ● ●●●●● ●●●●● ●●● ● ●● ● ● ●●●● ●●● ●● ●●●●● ●● ●●● ●● ● ● ● ●●●●●●●●● ● ●● ●●●● ● ● ● ●● ● ● ●● ● ● ●● ●● ● ● ●● ● ● ●●●● ● ● ● ● ● ●●● ● ● ●● ● ●●● ● ●●●●●●●●●● ●●● ●●● ●● ●● ● ● ●●● ●● ● ●● ● ●● ● ●●●● ●●●● ●● ●●● ●●● ●● ● ●● ● ●●●●● ● ●● ● ● ● ● ●● ●●● ● ● ● ● ●●● ●● ● ●● ● ● ●●● ● ● ● ●● ●● ● ● ● ●● ● ●● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●●●● ● ● ● ●● ● ●● ●● ● ● ●●● ● ● ●● ● ● ●●● ●● ● ●● ● ● ● ● ● ● ● ●● ●● ● ● ●● ● ● ● ● ●● ●● ● ●● ● ● ●● ● ● ● ●● ●● ●●● ● ● ● ●●● ●● ●●●● ● ●● ●● ● ● ●●● ●● ● ● ● ●●●●● ● ● ●● ● ● ● ● ● ●● ● ●● ● ●●●●●●●●● ●●● ●●● ● ● ● ● ● ● ● ● ● ●●● ●● ● ● ●●● ● ● ● ●●●● ● ● ● ●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ●●●●●●●●●●●●●●●●●●● ●●●● ● ●●●●● ●●● ●●●●●●●●●●●●● ●●●●●● ●●● ●●●● ●●●●●● ●● ●● ●● ● ● ● ●●● ●●●●● ●● ● ●● ● ●● ●● ● ●●● ●●●●●●●●●● ●●●● ● ● ●●● ● ●●●●●●● ●●●●●● ●● ●●● ● ●●●●● ●●● ●●●●●●● ●● ● ● ●●●●●●●●●●●●● ●●●●●● ●● ●● ●●●●●●●●●●●●●●●●●●● ● ●●●●●●●●●●●●●●●●●● ●● ●●●●●●●●●●●●● ●●●●● ●●● ●●●● ●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●● ●●●●● ●●●●● ●●●●●●●●●● ●●●● ●●● ●●●●●● ● ● T..10.ans ● ●●● ●●●●● ●● ● ●●●●● ●●●●● ● ●● ● ●● ● ●●●● ●●● ● ●● ●●●●● ●● ●●● ●● ● ● ●●●●●●●●●● ● ●● ●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ● ● ● ● ●● ● ●● ●●●● ● ●● ● ● ●● ● ● ●● ●●●● ● ●●●●●●●●●● ●●● ●●● ●● ●● ● ● ●●● ● ● ● ● ● ● ●● ● ●●●● ●●●●● ● ● ●● ●●● ●●● ● ● ● ●●●●● ● ●● ●● ● ●● ● ●● ● ●● ● ● ●●● ●● ● ●● ● ● ●●● ● ● ●● ● ●● ● ● ● ●● ● ●● ● ● ●● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ●●● ●● ● ● ● ●● ● ●● ●● ● ● ● ●● ●● ●● ● ● ●●● ●● ● ●● ● ● ● ● ● ● ● ●● ● ● ● ● ●● ● ● ● ● ● ● ●● ●● ● ● ● ● ● ● ● ● ●● ●● ●●●● ● ● ●●●● ● ●●●●●● ● ● ● ● ●●●● ●● ● ● ● ● ●●●● ● ● ●●● ● ● ● ● ● ● ● ● ●● ● ●●●●●●●●●●●●●●●● ● ● ● ● ● ● ● ●●● ● ● ● ●● ●● ● ● ● ●●●● ● ● ● ●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ●●●●●●●●●●●●●●●●●●● ●● ●● ● ●●●●● ●●● ●●●●●●●●●●●●●●●●●●●●●● ●●●● ●●●●●● ●● ●● ●● ● ● ●●●● ●●●●● ●● ● ●●● ●● ●● ● ●●● ●●●●●●● ●●●●●●● ●● ●●● ● ●●●●●●● ●●●●●● ●● ●● ● ● ●●●●● ●●● ●●● ●●●● ●● ● ● ●●●●●●●●●●●●●● ●●●●●●● ●● ●●●●●●●●●●●●●●●●●●● ●● ●●●●●●●●●●●●●●●●● ●● ●● ●●●●●●●●●●● ●●●●●● ●● ●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●● ●●●●● ●●●●● ●●●●●●●●●●● ●●● ●●● ●●●●●● ●● T..100.ans ● ●● ● ●●●●● ●● ● ●●●●● ●●●●● ● ●● ● ●● ● ●●●● ●●● ● ●● ●●●●● ●● ●●● ●● ● ● ●●●●●●●●●● ● ●● ●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ● ● ● ● ●● ● ● ●●●● ● ● ● ● ● ● ●● ● ● ●● ● ●●●● ●●●●●●●●●● ●●● ●●● ●● ●● ● ● ●●● ● ● ● ● ● ● ●● ● ●●●● ●●●●● ● ● ●● ●●● ●●● ● ● ● ●●●●● ● ●● ●● ● ● ●● ●● ● ● ● ● ● ●●● ●● ● ●● ● ● ●●● ● ● ● ●● ●● ● ● ● ●● ● ●● ● ● ●● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ●●● ●● ● ● ● ●● ● ●● ●● ● ● ●●● ● ● ●● ● ● ●●● ●● ● ●● ● ● ● ● ● ● ● ●● ● ● ● ● ●● ● ● ● ● ● ● ●● ● ●● ● ● ●● ● ● ● ●● ●● ●●●● ● ● ●●● ●● ●●●●●● ● ● ● ● ●●●● ●● ● ● ● ● ●●●● ● ● ●● ● ● ● ● ● ● ● ● ● ●● ● ●●●●●●●●●●●●●●●● ● ● ● ● ● ● ● ●●● ●● ● ● ●●● ● ● ● ●●●● ● ● ● ●● ● ● ● ● ● ●● ● ● ●● ● ● ●● ●●●●●●●●●●●●●●●●●●● ●● ●● ● ●●●●● ●●● ●●●●●●●●●●●●●●●●●●●●●● ●●●● ●●●●●● ●● ●● ●● ● ● ● ●●● ●●●●● ●● ● ●●● ●● ●● ● ●●● ●●●●●●● ●●●●●●● ●● ●●● ● ●●●●●●● ●●●●●● ●● ●● ● ● ●●●●● ●●● ●●●●●●● ●● ● ● ●●●●●●●●●●●●● ●●●●●● ●● ●● ●●●●●●●●●●●●●●●●●●● ● ●●●●●●●●●●●●●●●●●● ●● ●●●●●●●●●●●●● ●●●●● ●●● ●●●● ●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●●●●●●●● ●●●●● ●●●●● ●●●●●●●●●● ●●●● ●●● ●●●●●● ● ● T..1000.ans 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 (b) Période 2081-2100
Figure 9 Cartographie du ratio qmean(T )
qRef(T ) pour le débit de pointe spéci que pour T = 2, 10, 100, 1000ans ;
période 2046-2065 (à gauche) et 2081-2100 (à droite) par rapport à 1981-2000. Les pixels en rouge (resp. bleu) signi ent que l'évolution du quantile débit de pointe spéci que sur ces pixels sont à la baisse (resp. à la hausse) pour les 3 scénarii (la valeur indiquée est la moyenne des 3 scénarii). Les pixels en blanc indiquent que les scénarii ont une tendance contradictoire sur ces pixels.
4 Impact d'une évolution du paramètre de
produc-tion du modèle pluie-débit dans l'estimaproduc-tion des
quantiles de crues
Dans le 3, nous avons illustré l'impact d'une évolution des pluies sur l'estimation des quantiles de débits en faisant l'hypothèse que la relation pluie-débit reste inchan-gée au cours du temps. Dans cette partie, nous faisons l'inverse : les paramètres pluies de SHYREG sont supposés constants temporellement (paramétrisation à l'aide des pluies journalières simulés par ARPEGE-Climat sur la période 1981-2000) et seule la relation pluie-débit via le paramètre de production S0/A (voir 1.2) évolue. Ici,
le paramètre S0/A est considéré identique sur toute la France. On note qS0/A=s
Ref (T )
le quantile de débit de pointe spéci que de période de retour T estimé à partir d'un S0/A égal à s.
Nous étudions alors 3 scénarios possibles d'évolution du paramètre S0/A :
évolution due à la démographie : les zones péri-urbaines deviennent des zones urbaines : le S0/A passe de 0.7 à 0.9,
évolution due à une légère augmentation des occurrences des évènements plu-vieux : le S0/A passe de 0.5 à 0.6,
évolution due à une grande augmentation des occurrences des évènements plu-vieux : le S0/A passe de 0.5 à 0.7.
De tels évolutions du paramètre de production provoque une augmentation consé-quente du quantile de débits (voir Fig. 10) allant de 60% à 150% selon le scénario choisi. Contrairement à l'évolution des pluies, l'évolution du S0/A ne provoquent pas forcément une augmentation des écarts avec la période de retour. En eet, pour le scénario S0/A : 0.5 → 0.7, les écarts augmentent jusqu'à T = 10ans mais diminuent pour T = 100, 1000ans. Ceci est dû au comportement non linéaire du modèle de pluie : à partir d'un niveau de remplissage du réservoir A (atteint lors d'une très forte pluie), le comportement asymptotique du débit est similaire à celui de la pluie. Même si les évolutions du S0/A du type (0.6 → 0.7 ou 0.5 → 0.7) sont subjectives et hypothétiques, elles permettent d'avoir une idée du seul impact de la satura-tion du sol sur les débits extrêmes. Une solusatura-tion d'avoir des scénarii plus probables sur l'évolution de ce paramètre serait d'utiliser un modèle continu qui proposerait une évolution de l'état hydrique initial des bassins versants (fourni par la méthode LOIEAU par exemple).
Dans la méthode SHYREG, les zones urbaines (resp. péri-urbaines) sont prises
en compte en y xant la valeur du paramètre de production S0/A à 0.9 (resp. 0.7)8.
A n de voir quel régime de pluie serait le plus in uencé par un passage du péri-urbain à l'péri-urbain, on a découpé la France en 5 zones ayant toute le même nombre de pixels (voir Fig. 11(a)) en fonction du quantile 2 ans de la pluie maximale en 24h. Globalement, plus le quantile de pluie 2 ans est faible, plus l'impact du passage péri-urbain - urbain est grand sur le quantile de débit spéci que. On retrouve là 8. Même si ces valeurs sont xées arbitrairement, il y a une cohérence avec les études d'ingénierie (coe cient de ruissellement généralement xé à 0.9 pour l'urbain), le 0.7 du péri-urbain vient d'un travail d'expertise.
encore le comportement non-linéaire du modèle pluie-débit (de même que l'écart diminue avec les périodes de retour).
Par exemple aux alentours de Lyon où la pluie maximale en 24h biennale est com-pris entre 70 et 90mm (groupe 4), on peut s'attendre à une augmentation de > 100% des quantiles de débits spéci ques de pointe si les zones péri-urbaines se développent en zones urbaines. Cependant ce n'est pas pour ça que les quantiles de débits du Rhône seront impactés de la même façon. En eet, ici nous travaillons en débit
spé-ci que9. Pour voir un réel impact sur le débit du Rhône, il faudrait accumuler les
dé-bits spéci ques de toutes les pixels correspondant au bassin versant du Rhône. Dans ce cas, les pixels passant du péri-urbain en urbain seraient largement minoritaires par rapport aux autres pixels ce qui in uencerait au nal très peu les quantiles de
débit de pointe du Rhône. Par contre pour Marseille (qpluie
Ref (2ans) > 93mm, groupe
5) où le bassin versant de l'Huveaune est recouvert en bonne partie par des zones péri-urbaines ou urbaines, on peut s'attendre à une augmentation nette du quantile de débit.
Une évolution dans le paramètre du production du modèle pluie-débit in ue de manière importante sur l'estimation de quantile de débit de pointe spéci que de +60% à +150% selon le scénario d'évo-lution et la période de retour (voir Fig 10). Le passage d'une zone péri-urbaine à une zone urbaine augmente fortement les débits de pointes spéci ques. Cette évolution est d'autant plus grande que la pluie biennale est petite (voir Fig. 11).
T= 2 ans T= 10 ans T= 100 ans T= 1000 ans
1.5
2.0
2.5
3.0
Impacts du changement de S0A sur quantiles de débits de pointe spécifiques
Evolution du S0/A 0.5−>0.6 0.5−>0.7 0.7−>0.9
Figure 10 Impact (qRefS0/Anew(T )
qS0/AoldRef (T )) d'une évolution du paramètre de production du
modèle pluie-débit (S0A : 0.5 → 0.6, 0.5 → 0.7, 0.7 → 0.9) dans l'estimation des quantiles de débits de pointes spéci ques pour plusieurs périodes de retour T =
2, 10, 100, 1000ans.
5 groupes choisis en fonction du quantiles 2ans de PM24 39 grp 1 57.8 grp 2 63.7 grp 3 71.98 grp 4 92.24 grp 5 346.1 ● ● ● ● ● ● ● ● ● ● ● ● PARIS BORDEAUX MARSEILLE LILLE LYON RENNES STRASBOURG TOULOUSE CLERMONT−FERRAND NANTES BIARRITZ NICE
(a) Zonage en fonction du quantile 2 ans de la pluie
maxi-male en 24h (qRef(2)) (39,58] (58,64] (64,72] (72,92] (92,346] 1.5 2.0 2.5 3.0
ratio arpege_ref_S0A09 / arpege_ref_S0A07 pour différentes périodes de retour 5 groupes choisis en fonction du quantiles 2ans de PM24
quantiles 2ans pour PM24 T= 2
T= 10 T= 100 T= 1000
(b) Boxplots des ratios qS0/A=0.9Ref (T ) qS0/A=0.7Ref (T )
Figure 11 Impacts du passage d'une zone peri-urbaine en une zone urbaine sur les quantiles de débits de pointes spéci ques pour plusieurs périodes de retour T = 2, 10, 100, 1000ans. Les ratios sont regroupés en 5 zones dé nies par le quantile 2 ans de la pluie maximale en 24h.
Conclusion & Perspectives
Nous avons présenté une approche originale dans l'étude du changement clima-tique sur les crues. Nous avons couplé des projections climaclima-tiques à résolution de 8km et la méthode SHYREG pour estimer l'évolution possible des quantiles de dé-bits au cours du 21e siècle. Pour cela nous avons jugé de l'impact de l'évolution des pluies sur l'estimation de quantiles de débits spéci ques estimés à partir de repré-sentations de climats présent et futur(s) sur l'ensemble de la France. En n plusieurs scénarii d'évolution dans la relation pluie-débit ont permis de juger l'impact d'un tel changement dans l'estimation de quantiles de débits spéci ques. Même si ce pre-mier travail de prospection admet des hypothèses simpli catrices sur l'estimation de quantiles de crues et l'utilisation de projections climatiques, il permet d'avoir une idée des enjeux liés à l'estimation des extrêmes hydrologiques dans un contexte non-stationnaire.
Tout d'abord, nous avons montré que les sorties du modèle sur le climat présent sous-estiment les quantiles de pluies par rapport à ceux estimés via les observations de ∼ −20%. Cette sous-estimation est ampli ée pour l'estimation des quantiles de débits de pointe spéci ques. Il paraît donc contestable d'utiliser ces projections cli-matiques pour construire des cartes de quantiles re étant un futur probable. Cepen-dant, en comparant les sorties d'un même modèle sur 2 périodes (présent et futur), on peut avoir une idée des changements possibles sur l'estimation de quantiles dus seulement à une évolution des pluies.
Trois diérents scénarii, menant à 3 diérentes visions du climat futur, ont été étudiés dans ce rapport. Même si la relation pluie/débit est supposée constante dans le temps, les écarts prédits sur les pluies sont ampli és sur les débits (à la hausse ou à la baisse). Les tendances entre les climats présent et futurs divergent selon les scénarii, la période et les zones étudiés. Cependant, quelques tendances se dégagent : à la hausse dans le Nord-Ouest et les Alpes et à la baisse sur les cotes de la Manche, le Sud-ouest et la Corse. Les écarts qui varient globalement entre [−20%, 20%] sont d'autant plus importants que la période de retour est grande.
Ensuite nous avons proposé trois scénarii (subjectifs) d'évolution dans la relation pluie-débit : évolution du paramètre de production dans le temps tout en gardant les pluies inchangées. Celle-ci in ue de manière importante sur l'estimation de quantile de débit de pointe spéci que (entre [+60%, +150%]) selon le scénario et la période de retour. Par exemple, le passage d'une zone péri-urbaine en une zone urbaine peut doubler l'estimation d'un quantile de débit spéci que produit par cette zone.
Dans cette étude, nous avons travaillé indépendamment sur les deux principales causes d'évolution possibles du quantile de crues : évolution due à la pluie (change-ment climatique) ou évolution due à la relation pluie-débit (change(change-ment climatique + démographique). Dans l'approche SHYREG, la relation pluie-débit est paramétré seulement par le paramètre de production S0/A. Celui-ci devrait évoluer dans le temps : si il y a de plus en plus (resp. moins en moins) d'évènements pluvieux (pas forcément extrêmes), on peut s'attendre à une augmentation (resp. diminution) du paramètre. Une façon de juger une évolution possible du S0/A dans le futur serait
d'utiliser une méthode régionale d'estimation de la ressource en eau (par exemple LOIEAU). Après avoir mis en évidence une relation entre le S0/A et les variables du modèle LOIEAU, on pourrait coupler les projections climatiques et le modèle LOIEAU pour en déduire une évolution du S0/A. Une carte de S0/A et des para-mètres SHYREG (pluie) seraient alors disponibles pour n'importe quel scénario et l'estimation de quantile de débits dans le futur tiendrait compte conjointement des deux causes d'évolution.
De plus, nous n'avons travaillé que sur des débits spéci ques. Pour avoir une idée plus précise des évolutions de débits de crues, il faudrait travailler plus particulière-ment sur les débits aux exutoires en accumulant les pixels issus d'un même bassin versant.
Un zoom sur les Alpes serait également envisageable a n de mieux estimer les risques d'inondation dus à une fonte des neiges plus précoce.
Annexes
A Cartes d'évolution des quantiles pour chaque
scé-nario SRES.
Pour une meilleure lisibilité sur les cartes, les ratios présentés dans les Figures 12 à 14 ont été bornés entre 0.5 et 2 pour éviter des ratios trop élevés qui n'ont pas de véritables intérêts. En eet, les ratios dépassant ces bornes sont liés à des quantiles de débits spéci ques faibles (∼ 0.1), par exemple un débit passant de 0.1 à 0.5 a un ratio de 5.
Soient qSCN(T ) le quantile (pluie ou débit) de période de retour T ans estimé par
SHYREG avec la paramétrisation issue des pluies journalières du scénario SCN (Ref, b1, a1b ou a2).
Les ratios qSCN(T )
qRef(T ) avec SCN = b1, a1b ou a2 sont illustrés par 2 graphes (celui de
gauche pour le quantile de la pluie maximale en 24h noté PM24 et celui de droite pour le débit de pointe spéci que noté QP) pour chaque période (2046-2065 ou 2081-2100).
Les ratios pour le scénario optimiste B1 : qb1(100)
qRef(100) sont illustrés sur la Figure 12.
Les ratios pour le scénario optimiste A1B : qa1b(100)
qRef(100) sont illustrés sur la Figure 13.
Les ratios pour le scénario optimiste A2 : qa2(100)
qRef(100) sont illustrés sur la Figure 14.
Les ratios (T = 100ans)et les boxplots (T = 2, 10, 100, 1000ans) sur l'ensemble des
pixels pour l'agglomération des scénarii : qagglo(T )
qRef(T ) avec agglo = min, median, max
sont illustrés sur la Figure 15.
