Comparaison multi-échelle des
précipitations du modèle Méso-NH et des données radar
Colloque CNFSH – Ecole des Ponts ParisTech – 11/12 juin 2009
A., Gires D., Schertzer I., Tchiguirinskaia
S., Lovejoy
2
Introduction
/ Données / Méthodologie / Résultats/ Zéros / ConclusionExtrême variabilité des précipitations sur une large gamme d’échelle (Projet MHYM)
Contribution au développement d’une méthodologie
d’analyse à travers les échelles et non pas à une échelle donnée Quantifier l’évolution des précipitations à des échelles pertinentes pour l’hydrologie dans le contexte du changement climatique (Projet GARP-3C)
Validation des descentes d’échelle multifractale par Méso-NH
A l’intersection de 3 modes d’évaluation / représentation des précipitations :
- données radar
- modèles déterministes de météorologie
- modèles stochastiques de précipitation
3
Introduction /
Données
/ Méthodologie / Résultats/ Zéros / ConclusionCas d’étude : orage cévenol du 5-9 sept 2005
Données gracieusement fournies par Météo-France Stage de formation Méso-NH à Toulouse
Simulations Méso-NH
- Résolution : 2.5km *3 km* 15 min - Zone étudiée : 256*256 pixels
Données Radar
- Résolution : 1 km*1km* 15 min - Zone étudiée : 512*512 pixels
Hauteur cumulée de pluie (mm) pendant 18 heures à partir du 06/09 00h00
Zone étudiée avec les données radar
4
Évolution temporelle du taux moyen de pluie (mm/h)
- 7 simulations démarrant toutes les 12 heures et durant 18 heures - Pas de pluie au début de chaque simulation
- Comportement similaire des deux courbes
(Attention : seulement une estimation globale en espace)
Simulation de 18h #1
Simulation de 18h #2
Données manquantes
Introduction /
Données
/ Méthodologie / Résultats/ Zéros / Conclusionetc …
5
= 4
!
""==21>=
< R1q >=
<<RR4qq >=
(
2 # 2$)
=Pr
(
R2 # 4$)
=PrPr
(
RR41 #1$)
=( )
( )Pr < R R
""q# >& "
$" &
K("
q)%c $Principe général de l’analyse multifractale :
Introduction / Données /
Méthodologie
/ Résultats/ Zéros / ConclusionSi multifractal, lois d’échelles :
Étude des propriétés statistiques à différentes échelles de Rλ, le taux de pluie
maille échelle
ext échelle
l L
_
= _
! =
Résolution =
6
Quantifier la variabilité à travers les échelles
Dans le cadre des multifractals universels :
Trois paramètres seulement (basés sur le comportement du champ moyen) - H: degré de non conservation (K(1)=H)
- C1: intermittence moyenne (K’(1)=C1+H, mesure le degré de concentration du champ moyen , C1=0 pour un champ homogène)
- α : indice de multifractalité (K’’(1)=α.C1)
Conséquences immédiates sur les extrêmes - α et C1 grands extrêmes forts
- α et C1 petits extrêmes faibles
Détermination des trois exposants à l’aide de la méthode du Double Moment Trace (DTM) (Lavallée, D. ,1991)
!"
! #
$
= +
% +
&
&
=
1 ln
1 )
1 ( )
(
1 1
' ' '
'
Hq q
q C
Hq q
C q q
K
) (q q K
R
!>" !
<
Introduction / Données /
Méthodologie
/ Résultats/ Zéros / Conclusion7
Données spatio-temporelles
Chaque pas de temps : analyse spatiale
Introduction / Données /
Méthodologie
/ Résultats/ Zéros / ConclusionChaque pixel : analyse temporelle
8
) (q q K
R
!>" !
<
Analyse spatiale : une rupture de comportement scalant
Illustration de la définition de la fonction d’échelle des moments, pour q=1.5
- Un bon comportement scalant (R2)
- Une rupture :
- ? Résolution temporelle ? - Méso-NH: 40 km
- Radar: 16 km
) log( !
(
< R!q >)
log
R2=0.9 5
R2=0.95
R2=0.91
R2=0.97
+ Meso-NH + Radar
( ) ( ) log( )
log < R
!q> " K q !
Introduction / Données / Méthodologie /
Résultats
/ Zéros / Conclusion9
Meso-NH : Evolution temporelle de α and C
1- Stabilité des paramètres
- Pour les pas de temps où les simulations se superposent, les estimées sont comparables
fiabilité des exposants d’échelle
- Petites vs. grandes échelles : - α est plus grand pour les petites échelles
- C1 est plus petit pour les petites échelles
Moy : 0.87 ; CV=18%
Moy=0.44; CV=27%
Moy=0.90; CV=26%
Moy=0.28; CV=28%
Introduction / Données / Méthodologie /
Résultats
/ Zéros / Conclusion10
Radar : évolution temporelle de α et C
1- Même comportement qualitatif que les simulations Méso-NH :
- Stabilité
- Différence entre les petites et les grandes échelles
- Méso-NH vs. Radar
- Petites échelles : en accord avec la littérature
- Grandes échelles : Interprétation difficile / mauvaise statistique
Moy=1.35; CV=17%
Moy=0.58; CV=23%
Moy=0.55; CV=20%
Moy=0.17; CV=42%
Introduction / Données / Méthodologie /
Résultats
/ Zéros / Conclusion11
Analyse temporelle
Introduction / Données / Méthodologie /
Résultats
/ Zéros / ConclusionTopographie vs. α et C1 (Méso-NH - 08/09; 00h)
Statistiques
Régime scalant unique
-- -0.44 --
-0.60 -0.25
0.48 Corrélation avec
relief
32 26 32
36 42
61 Coefficient de
variation (%)
0.13 0.12 0.19
0.19 0.42
Ecart-type 0.27
0.39 0.45 0.61
0.53 1.0
Moyenne 0.44
C1 C1 α
α
Données radar Simulation Méso-NH
- Analyse temporelle vs.
spatiale : différence de α et C1
- Grands coefficients de variation de Méso-NH - Anti-corrélation de C1 avec le relief
12
Des corrélations intrigantes… (RADAR)
Analyse spatiale : évolution temporelle du % de zéros et de C1
Introduction / Données / Méthodologie / Résultats/
Zéros
/ ConclusionAnalyse temporelle : % de zéros, α, et C1
Corrélation entre le % de zéros et : - α grande échelle : -0.46
- α petite échelle : - 0.62 - C1 grande échelle : 0.83 - C1 petite échelle : 0.83
- α échelle : -0.79 - C1 échelle : 0.80 Corrélation entre le % de zéros et :
13
La chasse aux zéros est ouverte !
Encerclez les zéros !
Introduction / Données / Méthodologie / Résultats/
Zéros
/ Conclusion= 4
! "
"==21>=
< R
1q>=
<
<R
R42qq >=) (q q K
R
"># "
<
< >
< >
Les zéros interviennent dans:
- le processus de dégradation - le calcul des moments
14
La chasse aux zéros est ouverte !
La pondération
Introduction / Données / Méthodologie / Résultats/
Zéros
/ Conclusion0 0 0 0
0 1 1 1
0 0 0 1
0 0 1
1 Pixel à la résolution d ’étude !
Pixels à la résolution maximale "
1: présence de pluie 0: absence de pluie
t
!=
Nombre de pixels o ù il pleut à la résolution maximale "
Nombre de pixels à la résolution maximale "
On affecte à chaque pixel un coefficient de pondération:
Propriétés
(i) S’il y a de la pluie
partout, cela revient à faire la méthode classique
(ii) Il y a une prise en
compte graduelle et basée sur un raisonnement
physique des zéros
(iii) La méthode est conservative
Une version duale de cette méthode a été développée pour le calcul de la fonction co-dimension.
On n’étudie plus directement la pluie, mais plutôt la pluie pondérée
p
λ15
« Avec » VS « Sans » traitement des zéros
Courbe de détermination de α (Méthode DTM) : petites et grandes échelles
Introduction / Données / Méthodologie / Résultats/
Zéros
/ ConclusionComportement similaire pour les fortes intensités
Comportement très différent pour les intensités moyennes
Mise en lumière de propriétés masquées Influence des zéros
16
Avec traitement des zéros
Un régime scalant unique (illustration avec Radar)
Comportement scalant Evolution de α, et C1
Introduction / Données / Méthodologie / Résultats/
Zéros
/ ConclusionR2=0.95
R2=0.91 R2=0.87
R2=0.98
R2=0.95
R2=0.93 Pluie normale
Pluie pond érée
17
Avec traitement des zéros
Introduction / Données / Méthodologie / Résultats/
Zéros
/ ConclusionDiminution des corrélations avec le % de zéros
Unification des estimations Méso-NH / Radar et spatiales/temporelles α ~ 2
C1~ 0.15
- Une claire diminution de C1
- α atteint presque la valeur limite 2
- L’évolution contrasté de α et C1 préserve le comportement des extrêmes
18
Introduction / Données / Méthodologie / Résultats/ Zéros / Conclusion
Radar vs. Méso-NH
- Un comportement multifractal qualitatif similaire : - Rupture de comportement aux alentours de 15-40Km
- Relative stabilité des paramètres caractérisant la variabilité à travers les échelles - α plus grand et C1 plus petit pour les petites échelles que pour les grandes
- Des différences dans les estimations des valeurs des paramètres
- Perspectives : d’autres analyses spatio-temporelles , d’autres événements, 2D3D
Traitement des zéros
- Analyse de la pluie pondérée / concentrée sur son support.
- Mise en lumière de propriétés cachées pour les intensités moyennes : - Un unique comportement scalant sur toute la gamme d’échelle
- Intensités modérées : α=2 et C1=0.15
- Perspectives : consolider la méthode, influence du seuil de détection
Perspectives complémentaires (projet de thèse):
- Simuler la pluie à des échelles plus fines
- Intégrer cette pluie à des modèles d’hydrologie urbaine ou péri-urbaine (ex : multi- hydro ou URBS)