• Aucun résultat trouvé

Caractérisation des observations pluviométriques en île de France entre 2007 et 2015

N/A
N/A
Protected

Academic year: 2021

Partager "Caractérisation des observations pluviométriques en île de France entre 2007 et 2015"

Copied!
2
0
0

Texte intégral

(1)

HAL Id: insu-01405422

https://hal-insu.archives-ouvertes.fr/insu-01405422

Submitted on 29 Nov 2016

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.

Caractérisation des observations pluviométriques en île

de France entre 2007 et 2015

Djallel Dilmi, Laurent Barthès, Aymeric Chazottes, Cécile Mallet

To cite this version:

Djallel Dilmi, Laurent Barthès, Aymeric Chazottes, Cécile Mallet. Caractérisation des observations

pluviométriques en île de France entre 2007 et 2015. Journée Scientifique SIRTA 2016, Jun 2016,

Palaiseau, France. �insu-01405422�

(2)

Caractérisation des observations pluviométriques

en île de France entre 2007 et 2015

Caractérisation des observations pluviométriques

en île de France entre 2007 et 2015

M. D. Dilmi*, L. Barthes, A. Chazottes, C. Mallet

LATMOS/IPSL, UVSQ Université Paris-Saclay, UPMC Univ. Paris 06, CNRS, Guyancourt, France

*djallel.dilmi@latmos.ipsl.fr

Contexte

Dans le cadre de la constitution d’un GT précipitation autour du SIRTA. Les données recueillies au SIRTA au moyen de pluviomètres et de disdromètres sont analysées à différentes résolutions et comparées à celles des différentes stations de Météo France situées en île de France.

Mesure des précipitations au sol

La mesure précise de la quantité d’eau précipitée est réalisée à l’aide de pluviomètres. La plupart sont des pluviomètres à augets (notamment ceux de Météo France). Le volume des augets correspond à une hauteur de pluie de 0,1 mm ou 0,2 mm. Un basculement a lieu chaque fois qu’un auget est plein. Un compteur permet de connaitre le nombre de basculements par unité de temps. La quantité d’eau mesurée est donc discrétisée.

La pluie est un phénomène météorologique très hétérogène tant du point de vue spatial que temporel.

=> Intensité ainsi que la durée des précipitations sont très dépendantes de la résolution spatiale /temporelle considérée

Cette discrétisation a-t-elle une conséquence sur la qualité des séries temporelles mesurées ?

En présence de précipitations faibles le remplissage d’un auget prend du temps. Un phénomène de seuil apparaît (non linéarités). Ce phénomène est plus ou moins gênant suivant la résolution temporelle considérée.

En considérant des précipitations d’intensité constante égale à 1 mm/h observée avec un pluviomètre à auget de 0,2 mm on obtiendrait 1 basculement toutes les 12 mn. Pour une durée totale d’une heure on observera donc 5 basculements.

• A la résolution de 5 min la durée de pluie est de 25 min avec une intensité de 0,2x(60/5)= 2,4 mm/h. La lame d’eau est de 1 mm en une heure (25*2,4/60)

• A la résolution de 1 min la durée de pluie est de 5 min avec une intensité de 0,2(60/1) = 12 mm/h. . La lame d’eau est de 1 mm en une heure (5*12/60)

Qu’elle est la « bonne » échelle d’observation ?

Pour quantifier l’effet de seuil des séries temporelles de « pseudo pluviomètres » (PP) ont été calculées à partir de séries temporelles d’un disdromètre du SIRTA (les disdromètres mesurent directement les gouttes d’eau, pas de phénomènes de seuil).

Principe : on cumule dans le temps le volume d’eau apporté par chaque goutte. Dès que ce dernier atteint une

hauteur équivalente de 0,1 mm (ou 0,2 mm) on génère une impulsion. On compare les distributions de hauteur d’eau issues des 2 pseudo pluviomètres et du disdromètre pour 4 résolutions temporelles (1 min, 6min, 1 heure et un jour).

Tab1 : L’écart se réduit mais reste significatif au fur et à mesure que le temps d’intégration augmente.

Quelle que soit la résolution les pseudo pluviomètres sous estiment les probabilités d’occurrence de la pluie, PP0.1sous estime légèrement moins que PP0.2.

Fig. 3 : A la résolution d’1 min PP0.2surestiment les probabilités de hauteur d’eau d’un facteur 16 et PP0.1 d’un facteur 8. A la résolution de 6 min ce facteur vaut respectivement 3,4 et 2,15. A la résolution horaire il est de 1,78 et 1,57 et vaut 1,27 et 1,22 à la résolution journalière.

Le tableau et la figure montrent que la sous estimation de la probabilité d’occurrence s’accompagne d’une

surestimation des hauteurs d’eau.

L’utilisation de pluviomètres à auget pour des temps d’intégration inférieurs à 1 heure n’est pas recommandée

pour réaliser des statistiques fiables.

=>Accroissement artificiel de l’intensité de pluie suivant l’échelle temporelle considérée

Fig. 3 : Distribution des hauteurs d’eau pour les 3 types d’appareil et pour 4 résolutions temporelles : 1 min ( ), 1 heure () et 1 jour ()

1 min 6 min 1 heure 1 jour

Disdromètre 5.48 % 7.09 % 14.07 % 54.04 %

Pseudo pluvio 1 (0.1 mm) 0.76 % 2.86 % 8.77 % 45.55 %

Pseudo pluvio 2 (0.2 mm) 0.41 % 1.88 % 7.76 % 42.45 %

Tab 1 : Probabilité de pluie pour les 3 types d’appareil et pour 4 résolutions temporelles : 1 min, 6 min, 1 heure et 1 jour

Pluviométrie en Ile de France

Fig. 4 : Un gradient orienté du Sud-Ouest vers le Nord-Ouest est visible : A la

résolution horaire le secteur Sud-Ouest fait apparaitre une probabilité de pluie supérieure à 8%. Cette probabilité semble diminuer à proximité de Paris ainsi que dans la proche banlieue Nord Est. Elle ré-augmente ensuite pour reprendre une valeur supérieure à 8%. A la résolution de 6 min le phénomène inverse se produit laissant supposer qu’il y aurait moins d’évènement de courtes durées dans le Nord-Ouest parisien (ilot de chaleur, orographie, foret Fontainebleau & Rambouillet) ? La dimension fractale est presque constante (moyenne 0,46 et un écart type de 0,01).

Fig. 5 : Les statistiques de probabilités de hauteur d’eau réalisées à 3 résolutions

ne montrent pas de différences significatives entre les différentes stations.

Fig 5 : Probabilités des hauteurs d’eau pour les 10 stations et pour 3 résolutions temporelles 6min, 1 heure, 1 jour. Bleu foncé : stations Météo France, rouge : SIRTA

10-1 100 101 102 10-4 10-2 100 Hauteur d'eau [mm] p d f

La comparaison des précipitations mesurées avec différents moyens d’observation (pluviomètres, radar, radiomètres spatiaux) ou fournies par des modèles numériques est de ce fait difficile.

Singularité maximale presque jamais dépasséeγs: (R0intensité moyenne , RM(λ) maximum d’intensité à la résolution λ) Modèle multifractal (2 paramètres C1 etα) :

Plusieurs gammes d’invariance d’échelle :

• Gamme 1 min – 32 min : γs= 0,4 =>

En doublant la résolution on multipliera le maximum observé par un facteur de 1,3 • Gamme 32 min – 1 à 2 semaines : γs= 0,7 =>

En doublant la résolution on multipliera le maximum observé par un facteur de 1,6 • Au-delà de l’échelle synoptique : γs= 0,24 ?

Passage d’une gamme à une autre :

s

R

R

M

(

λ

)

=

0

×

λ

γ 98.5% 7.81% 0,44 Magnanvillle 99.40 % 2.34% 0,45 99.48% 8.60% 0,48 Villacoublay 97.43% 2.36% 0,46 96.07% 8.32% 0,47 Orly98.90% 2.28% 0.45 97.85% 8.16% 0,46 Pontoise 97.53% 2.29% 0,46 94.14% 7.98% 0,47 Le Bourget98.41% 2.23% 0,46 97.57% 7.68% 0,47 SIRTA 98.5 % 2,54% 0,47 98.45% 8,43% 0,48 2.0° E 2.5° E 3.0° E Trappes 97.22% 2.5% 0,47 97.27% 8.44% 0,48 Roissy 99.25% 2.57% 0,48 99.14% 5.78% 0,48 Creil 96.16% 2.46% 0,47 95.04% 8.65% 0,48 Longchamp 99.32% 2.15% 0,44 N           −       − = − α α α γ α α 1 1 1 1 1 C D C s

1 an6mois 3 mois 1,5 mois ~1 semaine ~1 jour 256 min ~1h32 min 16 min 8 min 4 min 2 min1 min -1 0 1 2 3 4 5 6 7 8 Résolution lo g(R M / R 0) Disdrometre SIRTA γs = 0.40 γs =0.83

~ 6 ans ~ 1 an et demi 68 jours ~17 jours ~1 jour 48 min 6 min

-1 0 1 2 3 4 5 6 7 8 Résolution lo g (R M / R 0)

Station Météo France de Roissy γs = 0.77 γs = 0.24 Rm(λ2)= Rm(λ1)× λ2 λ1       0.4 7 . 0 1 2 1 2) ( ) (       × = λ λ λ λ m m R R 4 . 0 1 30 7 . 0 30 2 1 2) ( ) (             × = λ λ λ λ λ λ mn mn m m R R

Conclusion

Les données pluviomètriques présentent une incertitude importante pour des résolutions inférieures à 1 heure.

Une variabilité spatiale de l’occurrence de pluie est observée avec un gradient du Sud-Ouest au Nort-Est de l’ile de France. L’origine reste à déterminer.

Les relations d’échelles sont semblables pour toutes les stations analysées. Trois gammes d’échelles sont mises en évidence.

1910 1920 1930 1940 1950 1960 1970 1980 1 990 2 000 20 10 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1 lo g(RM /R0 ) Tem ps [année] 1910 192 0 1930 1940 1 950 1960 197 0 1980 1990 2 000 2010 0 .74 0 .75 0 .76 0 .77 0 .78 0 .79 0.8 Tem ps [année] Df

Fig. 4 : Taux de disponibilité, Occurrence de pluie, dimension fractale pour les 2 résolutions (6 min, 1 heure) des 10 stations utilisées dans l’étude période 2007 - 2015. Série journalière de 1900 à 2010 observée à la station de Paris Montsouris. Evolutions de la singularité maximale γs et de la dimension fractale du support Dfà l’aide d’une

fenêtre glissante de 20 ans

Références

Documents relatifs

Les contributions de cet article sont donc les suivantes : nous proposons deux mesures de ressemblance basées sur la forme pour la comparaison de séries temporelles.. Nous montrons

Ce sont des objets de classe mts (abréviation de multiple time series ) qui représentent simultanément plusieurs séries temporelles dont les observations correspondent

ﺔﺒﺴﻨﻟﺎﺒ ﻬﻓ ﺏﻁﻠﻟ ﻲ ﺀﺎﺒﻋﻷﺍ ﻥﻤ ﺭﻴﺜﻜﻟﺍ ﻪﻨﻋ ﻊﻓﺭﺘ ﻰﻟﺇ لﻭﺼﻭﻟﺍ ﻥﻭﺩ لﻭﺤﺘ ﻲﺘﻟﺍ ﺘﻟﺍ ﺔﻴﻠﻤﻋ ﻥﻋ ﺔﺠﺘﺎﻨﻟﺍ ﺓﻭﺍﺩﻌﻟﺍ ﻲﻀﺎﻘ 2. ﺇ ﺔﻴﺩﺭﻔﻟﺍ لﻤﻌﻟﺍ ﺕﺎﻋﺯﺎﻨﻤﻟ ﺔﻴﺩﻭﻟﺍ ﺔﻴﻭﺴﺘﻟﺍ ﺔﻤﻬﻤ ﻥ ﺔﺒﺴﻨﻟﺎﺒ

d ˆ = 0.32376552, cette valeur de "d" confirme que notre série suit un processus ARFIMA puisque d ∈ [−1/2, 1/2], après avoir différencier notre série, nous avons suit

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des

Notre méthode de sélection de contraintes repose sur plusieurs résultats de clus- tering, afin de les réaliser, nous avons sélectionné trois algorithmes de clustering les

Pour répondre au second problème d’anticipation d’un pic de consommation, nous avons divisé les séries en deux catégories : celles qui ont une consommation forte sur la

Les méthodes d’apprentissage automatique dans des séries temporelles sont gé- néralement confrontées à deux obstacles : la haute dimension des séries temporelles (une série