R EVUE DE STATISTIQUE APPLIQUÉE
J. DE R EFFYE
Étude phénoménologique des précipitations
pluvieuses. Modélisation mathématique des intensités de pluie en un point du sol
Revue de statistique appliquée, tome 30, n
o3 (1982), p. 39-63
<http://www.numdam.org/item?id=RSA_1982__30_3_39_0>
© Société française de statistique, 1982, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (http://www.
sfds.asso.fr/publicat/rsa.htm) implique l’accord avec les conditions générales d’uti- lisation (http://www.numdam.org/conditions). Toute utilisation commerciale ou im- pression systématique est constitutive d’une infraction pénale. Toute copie ou im- pression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme
39
ETUDE PHENOMENOLOGIQUE DES PRECIPITATIONS PLUVIEUSES
MODELISATION MATHEMATIQUE DES INTENSITES
DE PLUIE EN UN POINT DU SOL
J.DE REFFYE
THOMSON - CSF DRS/STS/TA
1, rue des Mathurins, 92223 - Bagneux - Cedex.
RESUME
Cette étude est avant tout une analyse
théorique
des intensités deprécipitation
en un point du sol au moyen d’un modèlemathématique.
Le but est de trouver larépartition
statis- tique desprécipitations
pluvieuses au cours du temps, et non d’ajuster empiriquement une loide
probabilité
sur une courbeexpérimentale.
SUMMARY
This study is at first a rainfall intensity theorical analysis on the pound by means of a mathematical model. The purpose is to find statistical distribution of rainfall during the time, and no to fit a probability distribution on an experimental curve.
1. PRESENTATION DU PHENOMENE
PHYSIQUE
1.1. Introduction
L’étude
statistique
de l’intensité de lapluie
intéressedepuis longtemps
lesgéophysiciens qui
veulentcomprendre
lesphénomènes naturels,
mais aussi lesingé-
nieurs des transmissions
radioélectriques,
car l’interaction des ondeshyperfré-
quences avec les
gouttes
depluie
provoque desaffaiblissements
depropagations notables,
croissant avec l’intensité deprécipitation
et lafréquence
de l’onde por- teuse. Avec ledéveloppement
des faisceaux hertziens et l’avènement des télécom- .munications
spatiales
parsatellites,
l’étude des lois desprécipitations pluvieuses
estdonc très
importante.
Malheureusement onpeut
dire que ceproblème
n’est tou-jours
pas résolu à l’heureactuelle, puisque
l’on constate un désaccord au niveauinternational sur les lois
proposées
pour décrire lephénomène
depluie.
En
effet,
lesphysiciens américains,
enparticulier
S.H. LIN[1], affirment, d’après
leurs mesures, que l’intensité de lapluie
suit une loilognormale
car, consta-Revue de Statistique Appliquée, 1982, vol. XXX, n° 3
tent-ils,
cette lois’ajuste
bien pour lespetites
valeurs de l’intensité de lapluie,
tan-dis que l’erreur sur les
grandes
valeurs de l’intensité de lapluie peut
fort bien êtremise sur le
compte
d’un biais dû à la mesure.Au contraire les
physiciens japonais,
dont MM. MORITA et HIGUTI[2], proposent
une loi gamma pour décrire lastatistique
de l’intensité desprécipitations pluvieuses,
car cette lois’ajuste
bien sur les valeursexpérimentales. Dernièrement,
on a constaté au Canada
(SEGAL [3])
que la fonctionpuissance
inverse(loi
dePareto)
caractérise bien les intensités moyennes de lapluie.
Or, à la suite d’une étude
comparative
sur des lois derépartition expérimen-
tales de différents
climats,
M.L. BOITHIAS a constaté que la loi gammas’ajuste
bien pour les
grandes
valeurs de l’intensité de lapluie,
maisqu’elle
s’écarte de la dis- tributionexpérimentale
dès que la valeur desprécipitations
descend en-desous d’un certain seuil. Parexemple,
auJapon,
le seuil est faible(une
dizaine demm/h),
tan-dis
qu’en France,
il est dequelques
dizaines demm/h.
D’autrepart,
on sait que, pour les très faibles valeurs de l’intensité de lapluie,
lesprécipitations
suivent uneloi
lognormale
dont la moyenne se situe entre 0 et 2mm/h,
et quel’approximation lognormale peut
être admise tant que la valeur desprécipitations
n’excède pas un certain seuil(de
l’ordre de 50mm/h).
Si bien que, dans l’état actuel des
connaissances,
il semble que les loislog-
normale et gamma soient des lois
asymptotiques (selon
une remarque de M.L.BOITHIAS), qui approximent
valablement etrespectivement
lespetites
et lesgrandes
valeurs de larépartition statistique
desprécipitations pluvieuses.
Or, parallèlement,
l’auteur travailledepuis
1978 sur la modélisation mathéma-tique
de certainsphénomènes physiques aléatoires,
et, enparticulier,
sur le compor- tementstatistique
de cesphénomènes quand
letemps d’analyse
devient infini[4].
Et on est amené à poser la définition suivante :
Soit
X(t)
la fonction aléatoire décrivant lephénomène
étudié. Celui-ci admetune loi de
probabilité
stationnaire si l’on a:où:
(Rappelons
que~x(t) (u)
est la fonctioncaractéristique
de la variable aléatoireX(t)).
Dans ces
conditions,
la transformée de Fourier inverse de~x(~) (u)
définit laloi de
probabilité
stationnaire du processus aléatoireX(t).
En affinant la
représentation générale
desphénomènes
aléatoiresphysiques
modélisés par des processus
ponctuels,
pour tenircompte
desprincipaux paramètres
associés à l’évolution
temporelle
de la distribution desprécipitations pluvieuses,
onmontre que la loi de
probabilité
stationnaire de lapluie
au cours dutemps
depluie
suit une loi
lognormale
pour les faibles valeurs desprécipitations,
etqu’elle
est dis-tribuée selon une loi gamma pour les
grandes
valeurs desprécipitations.
Par cons-truction ce modèle met en évidence deux
systèmes
nuageux associés à deuxtypes
depluie :
- Un
système
de nuages stratifiés en couchesmultiples
etrépartis
sur unegrande surface, qui
fournit lesprécipitations
faibles et moyennes. Ce modèle regroupe essentiellement lespluies
frontales:Nuages
detype
stratiforme et cumu- lifonne.- Un
système
de nuagesisolés,
non recouvrants,qui
fournit lespluies
forteset moyennes. Sa
projection
sur le sol estcomposée
"d’aires depluie" séparées
lesunes des autres, chacune d’elles
représentant
une "cellule depluie".
Il estproduit principalement
par lesphénomènes convectifs, qui engendrent
surtout des nuages dutype
CumulusCongestus
et Cumulo-nimbus.Bien
entendu,
ces deuxconcepts
ne sont pas, engénéral,
aussi nettementdistingués
dans la réalité desphénomènes physiques:
on passe insensiblement de l’un à l’autrequand
le taux desprécipitations augmente.
D’autrepart,
certains climats favorisent telsystème plutôt
que tel autre car les stratificationsengendrent
des fluctuations
qui
rendent la loi deprobabilité
de l’intensité de lapluie lognor- male,
tandis que des nuagesqui
fournissent despluies régulières
favorisent le carac-tère "loi
gamma"
de larépartition statistique
desprécipitations pluvieuses.
1.2.
Description
duphénomène physique
mesuré en unpoint
du solNous allons maintenant nous
placer
en unpoint
déterminé de la surface ter- restre et observer l’évolution de l’état du ciel. Celui-ci varie constamment et sa teneur en nuages estgraduée
en huitièmes : L’état0/8
définit le ciel bleu et l’état8/8
définit le ciel entièrement couvert de nuages.Pourtant,
le fait d’avoir un ciel contenant desnuages 2013même
entièrement couvert de nuages- nesignifie
pas nécessairementqu’il pleut.
Par contre, il est nécessaire d’avoir des nuages pourespérer
observer desprécipitations.
Dansl’hypothèse
où l’on constatequ’il pleut
les
précipitations
ne sontjamais
continues au cours dutemps.
"Il vapleuvoir"
et"Il -va s’arrêter de
pleuvoir"
sont desexpressions
dulangage
courantqui
nous mon-trent bien que la
pluie
est unphénomène
discontinu. Cettedescription
alternative desphénomènes permet
alors de définir la variable indicatriceWo
duphénomène
"pluie",
définie par:quand
ilpleut quand
il nepleut
pasLa
représentation temporelle
définit un processus aléatoireX(t, 03C9)
à deuxétats 0 et
1,
dont unetrajectoire
estreprésentée
par lafigure suivante,
l’état 1 étant défini par l’existence deprécipitations pluvieuses.
Bien
entendu,
dans laréalité,
letemps
depluie
est très faible parrapport
autemps total,
si bien que lapluie peut
être considérée comme un événement rare. A titred’exemple,
pour laFrance,
lerapport
entre letemps
depluie
et letemps
totalest de l’ordre de
5.10-2 (ce rapport
estgénéralement compris
entre10-2
et10-1),
Figure 2. -
Répartition
de la pluie à Paris-Montsouris.et nous dirons que la
probabilité
stationnairequ’il pleuve,
enFrance,
est de5.10-2.
On a donc
pris l’habitude,
engénéral,
de ne considérer que letemps
depluie,
etles
graphiques
décrivant la loi derépartition ont,
parconséquent,
leursprobabi-
lités définies relativement au
temps
depluie. (On
a divisé lesprobabilités
mesuréespar la
probabilité Po qu’il pleuve).
De
plus,
parconvention,
on trace la loi deprobabilité
cumulée inverse. A titred’exemple,
lafigure
2 nous montre larépartition statistique
de l’intensité de lapluie
mesurée à la stationmétéorologique
de Montsouris(Paris) pendant
14ans. On pourra remarquer que la
probabilité Po
est,ici,
de2,5.10-2.
En divisant les
probabilités
mesurées par laprobabilité qu’il pleuve,
on intro-duit le conditionnement par le fait
qu’il pleuve,
et ceci va influencer surtout la loi des faiblespluies.
Eneffet,
dans cesconditions, quand
la valeur deprécipitation
tend vers
zéro,
lephénomène, conditionné,
doit tendre vers unphénomène
continu.On pourra remarquer
également
que le conditionnement par letemps
effectif depluie
nepermet plus
de suivre l’événement au cours dutemps
réel. On s’intéresse à la réalisation d’un ou deplusieurs phénomènes
durant un certaintemps
et, dansces
conditions,
treprésente
une durée et non untemps.
13. Analyse
des fluctuations de l’intensité depluie pendant
desprécipitations plu-
vieuses en un
point
du sol.Il est bien connu que l’intensité des
précipitations
varie constamment au cours dutemps
depluie.
Ilpeut
mêmepleuvoir
parintermittences,
si bien que l’on est amené à définir la notion d’événement depluie.
Pourcela,
nous allons formulerquelques hypothèses
sur laphysique
desphénomènes
étudiés. Ceshypothèses
neseront pas
justifiées expérimentalement,
mais elles sont admissibles pour deux rai- sons : d’abord les résultats du modèlemathématique
ainsi élaboré sont tout à fait sensésphysiquement,
et, d’autrepart,
ceshypothèses
ne sont niinfirmées,
ni confir-mées dans l’état actuel des connaissances
géophysiques.
Nous supposerons que la
pluie
estproduite
d’unefaçon discontinue,
en cesens que, si l’on considère un certain nuage
produisant
desprécipitations,
celles-cin’occupent qu’une partie
du volume du nuage. Nous admettrons donc que lesphases
deproduction
d’eau et deprécipitation
desgouttes
d’eau vers le sol sont successives. Le nuagegénère
desgouttes
d’eauqui
tombent ensuite sous forme deprécipitations.
Puis ilgénère
d’autresgouttes
d’eauqui
forment d’autresprécipi- tations,
et ainsi de suitejusqu’au
moment où le nuagedégénère.
Bienentendu,
les deux
phénomènes
deproduction
et deprécipitation peuvent
se chevaucher.Ceci
représente
uneexplication
très rudimentaire duphénomène réel,
mais suffi- sante pour le modéliser.Nous
appellerons
événement élémentaire depluie,
l’effet aupoint
de mesurede la
précipitation
desgouttes
d’eau issues d’un nuagependant
unephase
depré- cipitation.
Les nuagespouvant
sechevaucher,
un événement élémentaire depluie peut
se réaliser sans que leprécédent
événement élémentaire soit fini. Onpeut
donc très bien avoir unphénomène
continu au niveau dusol,
alors que cephénomène
est constitué par l’arrivée successive d’événements élémentaires.
Toutefois,
on constate, au niveau dusol,
l’absence ou laprésence
depluie.
C’est
pourquoi
nous dironsqu’il
s’estproduit
un événement depluie,
s’il aplu
sansintermption pendant
un certain intervalle detemps.
Durant la réalisation d’un événement depluie,
on constate donc unphénomène
continu au niveau dusol,
alorsqu’il
est constitué par un processusrégénératif
d’événements élémentaires.Nous allons maintenant étudier
plus précisément
un événement élémen-taire de
pluie.
Nous savonsqu’il
est constitué degouttes
d’eau. Pendant l’inter- valle detemps (to, tl) considéré,
oncompte
lesgouttes
d’eau au cours dutemps,
et la hauteur d’eau recueillie
da%s
lecylindre
de mesure est une fonction en esca-lier du
temps: chaque
sautcorrespond
à l’arrivée d’unegoutte
d’eau de l’événe- ment élémentaireconsidéré,
et la hauteur du saut estégale
au volume d’eau de cettegoutte
divisé par la surfacecaptatrice
ducylindre
demesure,
cette hauteur étantune variable essentiellement aléatoire.
Chaque palier correspond
autemps
inter-arrivées
entre deuxgouttes
d’eau. Si nous dérivons cette fonction au sens des distri-butions,
on obtient une somme de distributions deDirac,
cequi
est assezgênant
aupoint
de vuephysique.
Enréalité,
lesappareils
de mesure de l’intensité de lapluie, appelés pluviomètres
effectuent unlissage
dû à l’étalement de lagoutte
d’eau sur lecône,
dupluviomètre,
cequi peut
être considéré comme la "fonction deréponse"
de
l’appareil
de mesure àl’impulsion
dûe à lagoutte
depluie.
Ainsi,
la distribution de Diraccorrespondant
à unegoutte
depluie
et "filtrée"par ie pluviomètre, peut
se modéliser par la fonction aléatoire :où T est l’instant d’arrivée de la
goutte
d’eau considérée et oú 03A9 et X sont desvariables
aléatoires dont onexplicitera
la loi deprobabilité.
D’autrepart,
la surface durectangle
ainsi définicorrespond
au volume d’eau fourni par lagoutte
consi-dérée,
divisé par la surface decaptation
del’appareil
de mesure.Nous avons maintenant tous les éléments nécessaires pour décrire le
phéno-
mène de
pluie
et construire un modèlemathématique
associé.2. MODELISATION
MATHEMATIQUE
DE L’INTENSITE DES PRECIPITATIONS PLUVIEUSES MESUREES EN UN POINT DELA SURFACE TERRESTRE
2.1. Introduction à la modélisation de certains
phénomènes physiques
discontinusLa
représentation
de certainssignaux
aléatoires nous a amenés à étudier la modélisationmathématique
desphénomènes
aléatoires basés sur un processus ponc- tuel[5].
Eneffet,
on pourra remarquer quebeaucoup
dephénomènes physiques
sont
engendrés
par une succession de causes élémentaires dont l’arrivéepeut
êtrereprésentée
par un processus decomptage.
Comme
exemples
de telsphénomènes,
onpeut
citer lesparasites d’origine électromagnétiques,
les échosmultiples
dans la détection de cibles parRadar,
lesbruits
radioastronomiques,
les bruitsindustriels,
desphénomènes
de file d’attenteet certains
systèmes.
Si l’onreprésente
parN (t)
le processus decomptage,
l’état n de ce processusreprésente
l’arrivée successive de nphénomènes aléatoires,
ensupposant
que deuxphénomènes
élémentaires nepuissent
pas arriver simulta- nément.Le
nième phénomène
élémentaire sera décrit par la fonction aléatoireoù:
* t
représente
letemps;
* Tn
représente
l’instant d’arrivée de cephénomène;
*
Yn représente
un ouplusieurs paramètres,
aléatoires ou non.Le
phénomène général
est alorsreprésenté
par la fonction aléatoireR(t)
suivante :
Le cas le
plus simple
est celui oùN(t)
estpoissonien. Malheureusement,
cecas n’est pas suffisant pour décrire l’intensité des
précipitations pluvieuses
au coursdu temps ;
le modèlemathématique
devra êtreplus
élaboré etR(t) représentera,
dans la
suite,
l’évolution de l’intensité de lapluie
au cours dutemps.
2.2. Etude de l’anivée des événements élémentaires de
pluie
Il est, en
effet,
peuprobable
que l’arrivée des événements élémentaires depluie
suive un processus dePoisson, puisqu’elle
est lacomposition
deplusieurs
pro-cessus différents. Si l’on veut rendre
compte
de la réalité desphénomènes,
il nousfaut
considérer, d’après
cequi précède,
trois niveaux d’arrivée :1)
L’arrivée dessystèmes
nuageux,qui
conditionnel’apparition
de lapluie.
2)
L’arrivée des événements depluie.
.3)
L’arrivée des événements élémentaires depluie, pendant
la réalisation d’un événement depluie.
Ainsi,
le processus d’arrivée des événements depluie
est conditionné par laprésence
d’unsystème
nuageux, et l’arrivée des événements élémentaires depluie
est conditionnée par la réalisation d’un événement de
pluie.
Nous supposerons que
l’hypothèse
suivante est réalisée :Hypothèse
Soit
N1 (t)
le processus decomptage
del’arrivée
dessystèmes
nuageux.Soit
N2 (t)
le processus decomptage
de l’arrivée des événements depluie, quand
on est enprésence
desystèmes
nuageux,et soit
N3 (t)
le processus decomptage
desévénements
élémentaires depluie, quand
on est enprésence
d’un événement depluie.
Alors
NI (t), N2 (t)
etN3 (t)
sont des processus de Poissonhomogènes
deparamètres respectifs XI, À2, À3-
2.3. Modélisation d’un événement élémentaire de
pluie
et d’un événement depluie
Un événement élémentaire de
pluie
est donc constitué par l’arrivée degouttes
d’eau "filtrées" par lepluviomètre.
L’arrivée de cesgouttes
ne seraitpoissonienne
que si la surface decaptation
del’appareil
était suffisammentpetite
pour que deuxgouttes
nepuissent
pas arriver simultanément. Or la sensibilité de cetappareil dépend
évidemment de cette surface. C’estpourquoi
nous supposons que l’arrivée desgouttes
s’effectue par grappes, oupaquets
de lafaçon
suivante :Nous supposerons que les
gouttes
d’eaupeuvent s’agglomérer
ou se diviserpour former soit des
gouttes plus
grosses soit desgouttes plus petites.
On observed’ailleurs ce genre de
phénomène
durant la chute desgouttes
d’eau. On admettra que cephénomène
de division etd’agglomération engendre
unepartition
dans laclassification
desgouttes
d’eau. Si cephénomène
n’existait pas, un événement élé- mentaire depluie
sereprésenterait par la
fonction aléatoire suivante :Si le
phénomène
departition
n’avait que deuxétats,
la fonction aléatoireZ(t)
se mettrait sous la forme :Comme nous n’avons aucune connaissance
préalable
sur le nombre de classes constituant lapartition
décriteci-dessus,
nous supposerons que ce nombre suit unprocessus aléatoire
M(t),
si bien que lareprésentation
laplus générale
d’un événe- ment élémentaire depluie
est la suivante :où les variables aléatoires
S2im dépendent,
apriori,
de l’état du processusM(t):
Et nous supposerons que :
telles que l’on
puisse
poser :où
z(t)
est parconstruction,
pour tout tfixé,
une variable aléatoire de moyenne 1.Et nous admettrons
l’hypothèse
suivante :Les différents niveaux de fluctuation
correspondant
aux différentes classes de lapartition
de l’ensemble desgouttes d’eau,
constituent des événementsindépen-
dants et
identiquement
distribués.La fonction aléatoire
Z(t)
d’un événement élémentaire s’écrit alors:D’autre
part
nous supposerons queM (t)
est un processus denaissance-mort,
qui
est un processus aléatoire à états discrets ettemps continu,
et défini par les pro- babilités de transition infinitésimales suivantes(7 -
tome1) :
Et nous supposerons que :
M(t)
est alors un processusd’immigration-mort,
et ce cascorrespond
à desniveaux de fluctuation
indépendants.
Nous ne considérerons
plus,
dans cequi suit,
que letemps
effectif depluie.
Par
conséquent,
on supposeratoujours qu’on
est enprésence
desystèmes
nuageux.En
conséquence,
n’interviennent que les processusN2 (t)
etN3 (t)
dans la modélisa- tion de l’intensité de lapluie
durant letemps
effectif depluie.
SoitWo (x,
t -T)
lavariable indicatrice de durée d’un événement élémentaire de
pluie.
Un événementde
pluie
est doncreprésenté
par la fonction aléatoire :Et nous poserons:
où
y (t)
est une fonction aléatoire telle que :Ao
étant une constante et M une variable aléatoire.L’intensité de la
pluie
au cours dutemps
effectif depluie
est doncreprésentée
par la fonction aléatoire
R(t)
suivante :où
Wo (Yi,
t- Ti)
est la variable indicatrice de durée d’un évènement depluie.
Nous effectuons le
changement
d’indice suivant :On obtient donc :
On supposera les
hypothèses
suivantes réalisées :1)
Les fonctions aléatoiresyi(t 2013 Ti)
sont la réalisation d’une même fonction aléatoire y(t
-Ti)
et l’activité des événements depluie
nedépend
pas de leur durée d’activité.La fonction aléatoire
R(t)
s’écrit donc :ou:
2)
Les fonctions aléatoiresZj(t 2013 03C4j)
sont la réalisation d’une même fonction aléatoirez(t - Tj)
et l’activité desévénements
élémentaires depluie
nedépend
pas de leur duréed’activité.
Et la fonction aléatoire
y(t)
s’écrit :3)
Les fonctions aléatoires :sont
identiquement
distribuées etindépendantes
parrapport
à la fonction aléatoire :On identifie donc la réalisation d’un événement élémentaire de
pluie
et laréalisation des différentes classes de
gouttes d’eau,
ou, si l’on veut, un événement élémentaire depluie
est admis commeproduisant
desgouttes
d’eau de taille homo-gène.
On suppose, deplus,
que les processus aléatoires{m(t)}m~1
admettentla même loi
temporelle
que le processus aléatoireN2 (t).
Dans ces
conditions,
la fonction aléatoirey(t) s’écrit, d’après (0), (1), (5):
Un événement de
pluie
esttoujours
défini comme la réalisation continue deprécipitations pluvieuses. Toutefois,
il faut noter que les événements depluie peuvent
se chevaucher dans letemps,
et que le passage d’un événement depluie
àun autre événement de
pluie
est caractérisé par la variation de l’intensité moyenne de lapluie
durant sa réalisation.Chaque
événement depluie
est donc défini commela durée maximum d’une réalisation continue du
phénomène
depluie pendant
laquelle
l’intensité de lapluie peut
sedécomposer
en sa valeur moyenne durant la réalisation de l’événement deplus multipliée
par leproduit
d’un nombre aléatoire de fluctuations élémentaires.Et en ne considérant que le
temps
effectif depluie,
le processus aléatoireR(t)
modélisant l’intensité de lapluie pendant
letemps
effectif depluie
se factorised’après (4), (6) :
sous la forme suivante :où:
avec:
Le processus
RI (t)
est le processus d’arrivée des événements depluie.
Durantla réalisation d’un événement de
pluie,
ilgarde
une valeur constante(égale
àAo
jn;pour le
ième
événement depluie) qui
définit la valeur moyenne desprécipitations pendant
la réalisation de cet événement. Ce processus suit donc la variation de la valeur moyenne de l’intensité de lapluie
fournie par les événements depluie,
d’unévénement à l’autre. Par
définition,
nousappellerons
"valeurmoyenne"
de l’inten- sité de lapluie,
le processusRI (t).
Au
contraire,
le processusR2 (t), indépendant
par construction du processusRI (t),
définit les fluctuations(multiplicatives)
de l’intensité de lapluie pendant
laréalisation de
chaque
événement depluie, puisque
sa valeur moyenne estégale
à 1.Nous
appellerons
"fluctuations" de l’intensité de lapluie,
le processusR2(t).
Nous allons étudier la loi de
probabilité
stationnaire de la "valeurmoyenne"
de l’intensité de la
pluie
et celle de ses "fluctuations".3. LOI
STATIONNAIRE’DE
LA "VALEUR MOYENNE" ET DES"FLUCTUATIONS" DE L’INTENSITE DE LA PLUIE
Nous supposons, par
hypothèse,
que les variables aléatoiresYi
suivent une loiri ,
deparamètre 03BCi
en étant
indépendantes.
De
même,
les variablesaléatoires 03BCi
sontsupposées indépendantes
et identi-Par
construction, chaque
événement depluie
a une valeur moyenne cons- tante,égale
àAo .
En
supposant
queNI (t)
est un processus de Poisson deparamètre 03BB1,
la fonc-tion
caractéristique asymptotique
deRI (t)
estégale
à:et l’on
obtient,
pour la fonctioncaractéristique asymptotique
dulogarithme
deRI (t):
La loi stationnaire de la "valeur
moyenne"
de l’intensité de lapluie
est uneloi gamma, de
paramètres 03B1/Ao
etÀI
a.L’espérance
deRI
estégale
à:La valeur moyenne vraie de l’intensité de la
pluie
au cours dutemps
estégale
à la valeur moyenne de la
quantité
d’eau fournie par un événement depluie, Ao,
divisée par le
temps
moyenqui sépare
l’arrivée de deux événements depluis
succes-sifs,
03BB-1 1.D’autre
part,
la variance deRt
estégale
à:Elle est obtenue par la valeur moyenne vraie de l’intensité de la
pluie
au coursdu
temps
totalmultipliée
par la valeur moyenne vraie de l’intensité de lapluie.
La loi des "fluctuations" de l’intensité des
précipitations
est obtenue par une transformationlogarithmique :
avec:
On pose :
car
E(R2 (t))
=1,
et on suppose que les fonctions aléatoiresR2 (t)
sont indé-pendanteinet identiquement
distribuées avec :où 03BCi
est une variable aléatoirequi
suit une loi03931,
deparamètre j3,
de densité de-probante :
Rappelons
queM(t)
est un processusd’Immigration
-mort deparamètres
À et v, et que
N2 (t)
est un processus de Poisson deparamètre 03BB2, M(t)
etN2 (t)
étant des processus aléatoires
indépendants
entre eux etindépendants
des fonctionsaléatoires
R2m(t).
. En
supposant,
deplus,
que les "fluctuations" de l’intensité de lapluie
sontfactorisées sous la forme du
produit
d’un nombre infini de fluctuations élémen-taires,
la fonction aléatoireLog R2(t)
admet comme fonctioncaractéristique asymptotique :
La loi de
probabilité
stationnaire limite est uneloi lognormale
dont la loi nor-male associée est centrée et de variance
1 Iva.
4. LOIS DE PROBABILITE RESPECTIVES DES PETITES PRECIPITATIONS ET DES GROSSES PRECIPITATIONS
Nous allons étudier la loi des
précipitations
dulogarithme
de l’intensité de lapluie,
car l’on a la somme de deux variablesindépendantes :
4
On en déduit la loi stationnaire de
R(t)
parchangement
de variable.On
obtient,
tous calculseffectués,
la loi stationnaire deLog R(t)
sous laforme de la densité de
probabilité
suivante :Cette formule est peu commode à utiliser. C’est
pourquoi
nous allonsétudier
les lois
asymptotiques
de l’intensité de lapluie
pour lespetites précipitations
etpour les grosses
précipitations.
Pour les faibles
précipitations,
la loi deprobabilité
de la "valeurmoyenne"
de la
pluie
tend vers sa valeur moyenne, et l’on obtient :Par
conséquent,
l’intensité de lapluie
suit alors une loilognormale,
dont lesAu
contraire,
pour les grossesprécipitations,
la durée de viel/v
des événe-ments de
pluie
tend verszéro,
si bien que les "fluctuations" del’intensité
de lapluie s’estompent.
Celle-ci suit alors une loi gamma dont lesparamètres
sont ceuxde la loi de
probabilité
de la "valeurmoyenne"
de l’intensité de lapluie
au coursdu
temps.
5.
CONSEQUENCES
DU MODELE PROPOSESUR LA FORME DES SYSTEMES NUAGEUX
Si l’on admet que les
précipitations
fournies par un nuage sont une fonction croissante del’épaisseur
de ce nuage, et si l’on admet que la durée d’un événement depluie
est une fonction croissante des dimensions horizontales du nuage, alors:- Les nuages fournissant les
petites pluies
sont très étendus dans leur lon-gueur et leur
largeur,
maischaque
nuage est peudéveloppé
enépaisseur.
Verticale-ment, tous ces nuages d’un même
système
nuageux sontrépartis
en couches mul-tiples,
en formant des strates. On obtient les nuages stratifonnes: stratus, strato-cumulus,
nimbostratus.- Les nuages fournissent les grosses
pluies
sont peu étendus dans leur dimen- sionshorizontales,
mais trèsdéveloppés
verticalement. Deplus, chaque
nuage est isolé des autres dansl’espace.
On obtient ainsi les nuages cumuliformes : cumuluscongestus,
cumulo - nimbus.6. COMMENTAIRES SUR LA STABILITE DU MODELE PROPOSE - INFLUENCE DE LA MESURE
Si l’on réalise des
ajustements
de la loi gamma sur des courbesexpérimen-
tales donnant l’intensité de
précipitation
en fonction de laprobabilité
dedépas-
sement, on doit constater un bon accord pour les
grandes précipitations
et un écar-tement croissant entre la courbe
théorique
et la courbeexpérimentale
au fur et àmesure que l’intensité des
précipitations
décroît. C’est bien ce que l’on remarque dans lesapproximations
gamma réalisées dans lafigure
3.Au
contraire,
unajustement
de la loilognormale
doit être d’autantplus précis
que l’on se
rapproche
des faiblesprécipitations,
et devenir de moins en moins exactquand
l’intensité desprécipitations augmente.
C’est ce que l’on observe dans lesfigures
4 et 5.Figure 3. - Exemples d’approximation gamma.
D’une
façon générale,
si le modèle défini ci-dessus est correct, on doitpouvoir ajuster
correctement, sur une courbeexpérimentale,
une loilognormale
pour les faibles valeurs de l’intensité de lapluie,
etfune loi gamma pour lesgrandes
valeurs del’intensité de la
pluie.
C’est bien ce que l’on observe dans la réalitéphysique. Voici,
à titre
d’exemple,
larépartition expérimentale
des intensités depluie
mesurées pen- dant 13 ans à Paris(station météorologique
deMontsouris). (Fig. 6).
Le seuil depassage de la loi
lognormale
à la loi gamma est de 50mm/h.
Cette valeur pourra d’ailleurs être communément admise comme seuil de transition. L’inconvénient d’utiliserconjointement
deux loisasymptotiques
réside dans la nécessité d’estimer .quatre paramètres
au lieu des troisparamètres
de la loigénérale.
La
question, maintenant,
est de savoir si le seuil de transition entre la loilognormale
et la loi gammapeut
être nul ou infini. En d’autres termes, existe-t-il destypes
de climat où lapluie
seraitpratiquement "lognormale"
ou"gamma" ?
Une
pluie
dont l’intensité suit seulement une loi gamma suppose desprécipi-
Figure 4. - Distribution cumulative de l’intensité de la pluie
Figure 5. - Distribution cumulative de l’intensité de la pluie
Figure 6. - Statistique de la pluie Paris - Montsouris 1965-1978
toujours
fortes. Parconséquent,
le climat detype
méditerranéen et le climat demousson doivent favoriser le caractère "loi
gamma"
de larépartition statistique
de la
pluie.
Une loi
purement lognormale
pour décrire larépartition statistique
de lapluie
suppose des variations de l’intensité de
pluie pouvant
êtrethéoriquement infinies,
car, dans ces conditions:
03B2 ~
oo.Mathématiquement,
le modèle admetparfaitement
cetype
deloi,
car, théori-quement
les fluctuations infinitésimales de l’intensité de lapluie
sont définies parune série de distributions de
Dirac,
dont lesamplitudes
sont infinies.En
fait,
ceci n’aguère
de sensphysique,
car nous avons dérivé la loi de laquantité
d’eau fournie par lessystèmes nuageux
au sens des distributions et non ausens des fonctions
puisque,
étantune
fonction enescalier,
elle n’admet pas de dérivée au sens des fonctions(on
ne dérive que des fonctionscontinues).
La seule
façon
de définirphysiquement
une intensité depluie
instantanée(Nombre
degouttes
parseconde)
x(Volume
desgouttes)
x 3 600(surface équivalente
decaptation).
-Il est évident que, ni le nombre de
gouttes
parsecondes,
ni la taille desgouttes
nepeuvent
devenir infinis.Par
conséquent,
on pourra trouver des climats àgrande
variabilité deprécipi- tations, mais,
il existetoujours
un seuil au-delàduquel
la loi de lapluie
tend versune loi gamma.
Toutefois,
les fluctuations desprécipitations peuvent
être réduites par les instruments de mesure. Eneffet,
lespluviomètres possèdent
tous cequ’on appelle
un
"temps d’intégration" qui correspond
à la borne inférieuretemporelle
du rap-port :
où OQ
est laquantité
d’eau fourniependant
At.Il est clair que,
plus
At estgrand
etplus
l’on a :où
dQ/dt
définit l’intensité deprécipitation
instantanée de lapluie.
Par
conséquent,
si letemps d’intégration
esttrop grand,
les fluctuationsdisparaissent
et la loi de lapluie apparente
suit une loi gamma.Par
exemple,
dans la courbe ci-dessous(Fig. 7)
décrivant larépartition
statis-tique
de lapluie
sur une année avec unpluviomètre ayant
untemps d’intégration
de6 mn, on ne
peut
pas dire sil’ajustement
très correct d’une loi gamma est dû autype
du climatconsidéré,
ou autemps d’intégration
dupluviomètre.
Il sera intéressant d’utiliser le
pluviomètre développé
auC.N.E.T., possédant
un
temps d’intégration
de 10 s, pour observer les variations du seuil de transition enfonction du
temps d’intégration
dupluviomètre.
On
peut
remarquer, d’autrepart, l’avantage
indéniable quereprésente
lamodélisation d’un
phénomène physique
par une fonction aléatoire unidimension- nelle. En seplaçant
en unpoint
dusol,
et enregardant
l’évolution duphénomène
au cours du
temps,
on a pu s’abstraire de toutehypothèse
sur la naturegéophysique
des
phénomènes,
et sur leshypothèses thermodynamiques
pouranalyser
lephéno-
mène tridimensionnel. Les seules
hypothèses
nécessaires au modèle considéré sont pour le moinsrudimentaires,
et, de cefait,
trèsgénérales, (au point
de vue de laconnaissance
physique
desphénomènes).
Il est tout de même ennuyeux de devoir admettre que la
pluie
admet deuxtypes
de loi deprobabilité
pour décrire sarépartition statistique.
C’estpourquoi
nous allons proposer un modèle
simplifié
dont la lois’ajuste
bien avec la loilog-
normale pour les faibles valeurs et avec la loi gamma pour les
grandes
valeurs.Figure 7
7. MODELE SIMPLIFIE POUR LA DESCRIPTION DE LA REPARTITION
STATISTIQUE
DES INTENSITES DE PLUIEDans le
précédent modèle,
si nousnégligeons
lesfluctuations,
nous avons unesuccession de fonctions aléatoires
d’amplitude constante,
celle-ci suivant une loiexponentielle.
Nous supposerons que les fluctuations rendent aléatoire le
paramètre
decette
loi,
et nous supposerons, deplus,
que la fonction aléatoirereprésentant
ceparamètre,
suit un modèleanalogue
à celui d’une fluctuation.Par
conséquent,
on suppose que larépartition statistique
de lapluie
suitapproximativement
une loiri
àparamètre
variable au cours dutemps.
D’autre
part,
comme nous voulons construire un modèleproche
de la courbeexpérimentale,
on doit tenircompte
du fait que les intensités depluie
sontmesurées à
partir
d’un certain seuil. SoitRo
ceseuil,
et soitg(t)
leparamètre
aléatoire de la loi de l’intensité de
pluie R(t).
Dans ces
conditions,
nous avons :Bien
entendu, jn(t)
est une f.a.positive. Comme,
dans cemodèle,
l’intensité de lapluie
nepeut
pas êtrenulle,
leparamètre qui
donne le caractère aléatoire auxamplitudes
de la f.a.R(t),
nepeut
êtrenul,
et nous supposons:Ces
hypothèses
sont, en fait très liées au modèlegénéral.
Eneffet,
on sait queles
précipitations
en un lieu donné sont dues à l’intersection deplusieurs
événe-ments élémentaires
indépendants.
Si bien que, si l’on étudie l’intensité deprécipi-
tation
R(t)
au dessus d’un niveau donnéRo,
onpeut
écrire :Nous supposons que l’intensité de
précipitation
d’un événement élémentaire depluie,
durant saréalisation,
est distribuée selon une loi03931,
au-dessus du seuilRo:
D’où l’intensité de la
pluie, R(t)
au dessus du seuilRo,
etpendant
letemps
effec- tif depluie :
Pour une
longue
duréed’observation,
onpeut
admettre que :On obtient donc la fonction de
répartition
de l’intensité de lapluie
durant letemps
effectif de nluie :
Soit
x(t)
le processus aléatoire défini par:x(t)
est donc de la forme suivante :où
N(t)
est un processus de Poisson deparamètre
X et où :On
peut
montrer que la loi deprobabilité asymptotique
dex(t)
est une loigamma, dont la densité de
probabilité
est :On obtient pour la fonction de
répartition F (R)
de la loi deprobabilité
sta-tionnaire de
R(t), l’expression
suivante:avec:
On pourra remarquer que cette loi de
probabilité, appelée
loi de Paretogéné- ralisée, dépend
dequatre paramètres.
Ceci est suffisantpuisque
la loigénérale dépend
de troisparamètres.
B.Segal [3]
aessayé d’ajuster
lasimple
loi de Pareto(ao
= Ilo =0)
sur desrépartitions statistiques expérimentales
de l’intensité desprécipitations,
et il a constaté querajustement
n’est valable que dans unpetit
domaine des valeurs
prises
par l’intensité de lapluie (20
R 80mm/h).
Ceci nous prouve
qu’il
faut au moins troisparamètres
pour réaliser unajuste-
ment correct.
La
densitéf(x)
de cette loi secomporte
auxgrandes
valeurs commeAx-lJ
e
cequi est le comportement asymptotique
de la loi gamma.D’autre