Cartographie des pluies extrêmes du département de l’Isère

(1)

Cartographie

des pluies extrêmes du département de

l’Isère

Par A. DJERBOUA,

avec la collaboration de Ch. OBLED et Ph. BOIS

Etude financée sur les crédits du MEDD à la demande de la MISE de l'Isère et du Service Départemental RTM de l'Isère

2005

INPG-LTHE BP 53 38041 Grenoble Cedex 9

(2)

2

(3)

3

Cartographie des pluies extrêmes du département de l’Isère

Ce document a été élaboré à la demande du Service RTM (Restauration des Terrains en Montagne) du département de l’Isère et du Pôle Grenoblois Risques Naturels.

Il s’agit en quelque sorte d’un « zoom », sur le département de l’Isère, réalisé à partir de la cartographie proposée par Abdelatif DJERBOUA dans sa thèse (2001), à l’échelle des Alpes franco-italiennes. Pour ce faire, on a collecté un certain nombre de données complémentaires évoquées ci après.

Ce document est accompagné par un disque DVD qui contient les cartes du rapport, ainsi qu’un certain nombre de cartes complémentaires donnant notamment les incertitudes associées. On y trouvera aussi les grilles de valeurs numériques qui ont servi à les tracer et qui peuvent être reprises au besoin par un autre système d’information géographique.

I. Données des pluies

Pour toute étude sur les pluies extrêmes, on s’appuie sur des données ponctuelles mesurées à des stations. On dispose pour cela de deux types de mesure de précipitations :

- Pluviomètres : données de pluie au pas de temps 24 heures

- Pluviographes : données de pluie « en continu », généralement au pas de temps horaire.

Ces mesures de précipitations sont fournies principalement par - MétéoFrance

- Electricité De France (EDF)

- Direction Régionale de l’Environnement (DIREN), anciennement Service Régional d’Aménagement des Eaux Provence-Alpes-Côte d’Azur (SRAE PACA)

I.1 Réseau des pluviographes :

Dans ce réseau, la majorité des stations sont des appareils munies d’un système d’augets basculeurs permettant, à chaque basculement, de déplacer un stylet sur un papier enregistreur. Par contre, seulement les trois dernières stations sont automatisées.

Cependant, nous ne disposons pas des informations supplémentaires sur : - le changement éventuel de site de mesure pour la même station - la date d’installation d’un système chauffant s’il en existe - le changement d’appareils de mesure

Les données de pluies non automatisées ont été dépouillées dans le cadre du X^ème plan Etat-Région (EDF-DTG Cemagref, 1995). Elles sont fournies aux pas de temps de 1, 2, 3, 6, 12 et 24h. Cependant, elles ne sont disponibles qu’en max. hebdomadaires non datés, donc on dispose (pour chaque station) de 52 valeurs par an pour toute la période d’observation. Un

(4)

4 nouveau travail de critique de ces données était très délicat à faire, puisque on ne dispose pas des séries continues et qu’il manque la date de cette pluie observée. Pour cela, on a seulement vérifié la cohérence des valeurs entre elles, en comparant plusieurs stations proches.

Pour des raisons pratiques, ces données et celles que l’on a ajoutées, ont été dépouillées à pas de temps fixe, c’est à dire selon un découpage administratif, tel que :

- la pluie de 24h , déduite de ces pluviographes, est le cumul sur la période 00- 24h

- 00-12 et 12-24 pour la pluie de 12 heures - 00-06, 06-12, 12-18 et 18-24 pour 6 heures - 00-03, 03-06,…, 18-24 pour 3 heures - 00-02, 02-04,…, 22-24 pour 2 heures

- et les pluies d’une heure ont été calculées sur une heure ronde.

Par contre, pour les stations automatisées (les trois dernières du tableau ci-dessous), nous avons récupéré toutes les pluies horaires (données Météo France fournies à partir de la

« Banque PLUVIO »).

Code

Dépt NOMS DES STATIONS Altitude

(m) Période Durée

(ans) X (km) Y (km) Provenance 05 Champoleon Les Borels 1270 1959-1990 32 910.9 1976.7EDF 1804 05 Le Chazelet 1780 1956-1990 35 911.0 2013.6EDF 1732 05 Molines 1240 1953-1990 38 899.9 1979.0EDF 1814 05 Pelvoux Les Claux 1250 1952-1990 38 927.4 1994.8EDF 2420 05 St Bonnet 1020 1984-1995 12 896.3 1971.9EDF 1812 26 Bouvante Forêt de Lente 1080 1986-1995 10 835.8 1999.4EDF 1954 26 La Chaup 1390 1977-1990 14 879.6 1971.9SRAE PACA 26 La Joue Du Loup 1616 1977-1990 12 882.0 1970.8SRAE PACA 26 Lus La Croix Haute 1035 1963-1990 28 867.3 1968.8EDF 2520 26 St Etienne En Devoluy 1265 1959-1990 31 885.8 1972.3EDF 1832 38 Allevard 495 1980-1990 11 892.4 2050.8EDF 1706 38 Charavines Les Vannes 510 1962-1990 29 848.9 2053.2EDF 1911 38 Eybens 220 1952-1967 16 867.0 2022.3Meteo France 38 Fond de France 1085 1984-1995 12 893.3 2037.9EDF 1702 38 Pellafol Le Sautet 800 1963-1990 28 882.5 1986.1EDF 1844 38 Pont Escoffier 770 1961-1990 30 889.3 2011.1EDF 1178 38 St Etienne St Geoirs 384 1967-1987 21 834.2 2044.6EDF 1945 38 St Martin D'Heres 210 1968-1989 22 870.0 2027.9Meteo France 38 Valbonnais 785 1963-1990 25 881.9 1995.2EDF 1857 38 Varces Rochefort 250 1957-1990 33 864.3 2016.9EDF 1886 38 Villard De Lans 1050 1960-1990 29 853.6 2013.4EDF 1940 73 Aillon Le Jeune 900 1960-1990 31 891.8 2075.3EDF 1422 73 Challes Les Eaux 291 1963-1987 25 883.6 2069.3Meteo France 73 Le Chatelard 740 1983-1990 8 924.9 2032.1EDF 1633 73 Le Glandon Ste Marie 545 1960-1990 28 909.8 2044.6EDF 1664 69 Lyon-Bron 198 1993-2003 11 802.3 2083.7 Meteo France

73 Chambery-Aix 235 1992-2003 12 876.6 2076.6 Meteo France 26 Marsaz 218 1993-2003 11 805.1 2015.9 Meteo France

(5)

5 Ce réseau de mesure couvre principalement le département de l’Isère. Pour que les cartes restent valables même au frontières du département, on a bordé ce réseau par des stations des départements des Hautes Alpes, de la Drôme, de la Savoie et du Rhône. Au total, on a donc collecté 28 pluviographes.

En ce qui concerne ces données infra-journalières, on prêtera une grande attention à l’Avertissement donné en fin du rapport (p. 16 et 17)

I.2 Réseau des pluviomètres :

Dans cette partie, les données ont été fournies principalement par EDF et Météo France. On rappelle que, pour les pluviomètres, la pluie du jour J est mesurée entre 6h TU du jour J et 6h TU du jour J+1 (au lieu de 00-24h pour les pluviographes ).

Les séries de données disponibles n’étaient fournies qu’en max. mensuels (12 valeurs par an). Pour la critique des données, nous n’avions guère la possibilité d’aller plus loin, mais néanmoins on a détecté un problème de redondance de station. On a remarqué que trois stations (tableau ci-dessous) appartenaient à EDF et en même temps à Météo France. Ces stations présentent des périodes communes, dont les séries sont quasiment identiques sur une première période, mais différentes sur le reste. On suppose que cette différence est due principalement aux méthodes de critique des données, et à la façon de les constituer par les différents services.

Code

Dépt Nom du pluviomètre Altitude

(m) Période Durée

(ans) X (km) Y (km) Numéro 38 ST-PIERRE-DE-CHARTREUSE 945 1947-1998 49 870.8 2046.2 Météo France 38 GRANDE CHARTREUSE 945 1948-1994 49 870.3 2046.4 EDF 1460 38 VAUJANY 772 1949-1995 48 891.7 2023.4 Météo France 38 LE VERNEY 770 1948-1994 48 891.8 2023.4 EDF 1752 73 ST-JEAN D'ARVES 1285 1949-1995 48 910.1 2029.0 Météo France 73 ST JEAN D'ARVE 1285 1948-1994 48 910.2 2028.9 EDF 1652

Le nombre total des pluviomètres utilisés dans la cartographie des pluies est de 100.

Ce réseau peut être considéré comme suffisamment dense pour faire une bonne cartographie des pluies journalières.

(6)

6

II. Estimation des pluies extrêmes

Pour l’estimation des risques extrêmes, nous avons établi une méthode de travail divisée en deux étapes (cf. Thèse de A. Djerboua 2001):

- identification/définition de la saison à plus fort risque

- estimation robuste des paramètres statistiques caractérisant cette saison à risque.

II.1 Calcul des risques :

La première estimation des risques, à partir des données max. mensuels, nous a permis d’obtenir les résultats suivants :

- une saison constituée de juin à septembre pour les pas de temps 1, 2 et 3h - une de juillet à octobre pour le pas de temps 6h

- et une autre de septembre à novembre pour 12 et 24h.

A partir de ces premières explorations, nous avons défini deux saisons principales : - Eté : de juin à août, elle caractérise les plus forts risques pour les pas de temps

de 1 à 6h

- Automne : de septembre à novembre, elle définit les risques prédominants pour les pas de temps 12 et 24h.

Le but de notre travail est de trouver la meilleure estimation possible des risques extrêmes. Pour cela, nous avons adapté notre méthode d’estimation en fonction de type de données disponible.

Pour les pluviomètres, nous disposons que des données journalières max. mensuels.

Donc, pour le calcul de risque nous avons suivi la méthode suivante :

- tout d’abord, nous avons constitué la série des données, et cela en prenant les max. de septembre, octobre et novembre pour l’automne (juin, juillet et août pour l’été). On prend donc 3 valeurs par an, ce qui fait que pour une station de n années d’observation, on obtient un échantillon de taille 3.n.

- ensuite, on ajuste une loi de gumbel sur la série de la saison (automne et été).

Cependant, les pluviographes présentent une information plus riche que les pluviomètres (max. hebdomadaire), mais une durée d’observation plus courte (période d’observation inférieure à 30 ans). Donc, pour l’estimation des risques, on a suivi les mêmes étapes que présentées ci-dessus :

- constituer la série des données à partir des max. hebdomadaires. On obtient un échantillon de taille 4*3*n (4 semaines par mois, 3 mois par saisons, et n pour le nombre d’années d’observation)

- on a choisi dans ce cas une loi de « Gumbel seuillée », après un travail de validation.

Le travail de validation sur la loi d’ajustement a été fait :

- sur 45 stations de pluies journalières (cf. Thèse A. Djerboua, sur les bassins de l’Arc à Bramans, Stura di Lanzo, Orco, Dora Riparia, Sésia et Toce)

- et sur 3 stations de pluies horaires : Lyon-Bron, Chambery-Aix et Marsaz.

(7)

7 On présente ci-contre un exemple d’ajustement sur des pluies journalières d’automne à Grand Scala. A partir de ce calcul sur les 45 stations disponibles, nous avons conclu (Thèse Djerboua 2001) d’ajuster la loi de Gumbel seuillée sur les données hebdomadaires, avec un choix judicieux du seuil.

Ce dernier ajustement nous permettra dans la suite de déterminer la loi de distribution des max. saisonniers. Pour déterminer la distribution de ces max., on suppose que l’on a un échantillon complet (hebdomadaire) de valeurs indépendantes : F(x) est la loi de distribution de cet échantillon. On écrit ensuite la probabilité du max. de l’échantillon sur n tirages (ici sur 3 mois donc 12 semaines) soit F

( )

x ⁿ. Cette formulation est valable pour les distributions à décroissance exponentielle (elle est une approximation pour les autres types de distribution).

Pour obtenir la distribution des max. saisonnier sur le même papier de Gumbel (−ln

(

−ln

( )

F

)

) que la distribution de l’échantillon complet, on applique donc une translation de −ln

( )

n sur la distribution de l’échantillon total, avec dans notre cas n =12, c’est à dire un maximum toutes les 12 semaines de la saison d’été (juin, juillet et août) ou d’automne (septembre, octobre et novembre).

Figure 1 : Distribution des pluies d’automne (Sept., Oct. et Nov.) à Grand Scala Comparaison des différents modes d’échantillonnage

(8)

8 Avant de généraliser le résultat présenté ci-dessus, nous avons calculé l’autocorrélation des pluies. L’autocorrélation la plus forte obtenue est présentée sur la figure suivante :

- autocorrélation des valeurs horaires pour toute les heures successives.

- autocorrélation entre la valeur horaire maximale sur une période de 6 h et la valeur horaire maximale sur la période de 6 h suivante (dans ce cas, il arrive que le premier max. corresponde à la fin de la première période et que le second max. corresponde au début de la seconde période : ces deux max. ne sont pas séparés de 6h !)

- autocorrélation entre la valeur horaire maximale sur une période de 24 h et la valeur horaire maximale sur la période de 24 h suivante

- autocorrélation entre la valeur horaire maximale hebdomadaire et la valeur horaire maximale sur la période hebdomadaire suivante

- autocorrélation entre la valeur horaire maximale sur un mois et la valeur horaire maximale sur le mois suivant

On remarque que l’autocorrélation des pluies max. hebdomadaires est déjà très faible.

Cela peut permettre d’utiliser la loi de Gumbel seuillée sur des séries peu corrélées.

Evolution de l'autocorrélation des pluies d'une heure échantillonnées sur différentes périodes

-0.1 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7

1h 6h 1 Jour 7 Jours 1 Mois

Temps

Autocorrélation

Chambery

Figure 2 : Autocorrélation des pluies d’une heure max.

sur différentes périodes : 1h, 6h, 1 jour, 7 jours et 1 Mois.

(9)

9 On donne un exemple de différents modes d’échantillonnage des pluies au pas de temps d’une heure de la station « Bron » dans la figure ci-dessous. Les distributions et leurs ajustements présentés sont, de droite à gauche :

- distribution de toutes les pluies horaires successives, avec la loi somme de deux exponentielles et la loi gamma

- pluie d’une heure, maximale sur une période de 6 heures, et la loi somme de deux exponentielles et la loi gamma

- pluie d’une heure maximale sur une période de 24 heures - pluie de 1h max. hebdomadaires, et la loi Gumbel seuillée

- pluies de 1h max. mensuels, et la loi de Gumbel (trait tireté rouge) et l’extrapolation de l’ajustement des max. hebdomadaires aux max.

mensuels(trait tireté bleu).

- extrapolation de l’ajustement des max. hebdomadaires aux max. saisonniers.

Figure 3 : Distribution des pluies d’été de 1h à Bron.

Comparaison des différents modes d’échantillonnage

On remarque bien ici que le gradex en 1h (la pente de la droite ajoutée) est biaisé pour les 2 premières périodes (toutes les valeurs en 1h et une par période de 6h), parce que l’autocorrélation est forte. Cependant, à partir des max. journaliers, on obtient des gradients stables et comparables pour les autres modes d’échantillonnage.

(10)

10 Afin de montrer l’utilité de tout ce travail, nous avons appliqué la même procédure de calcul sur les 28 pluviographes disponibles. On donne un exemple d’ajustement des pluies de la station de « Saint Martin d’Hères », et cela pour les différents pas de temps 1h, 2h, 3h, 6h, 12 et 24h pour la saison d’automne. On présente les distributions suivantes, de droite à gauche :

- distribution des max. hebdomadaires - distribution des max. de 15 jours - distribution des max. mensuels - distributions des max. annuels

On distingue bien le biais introduit par l’utilisation de l’échantillonnage annuel, qui mélange toutes les saisons. Pour cela, on conseille d’étudier les risques par saison à risque.

Sur les différents graphes présentés dans cette partie de l’étude, nous retrouvons le parallélisme des distributions de différents modes d’échantillonnage qu’on a l’habitude d’utiliser pour déduire la distribution du plus fort risque. Ce qui conforte nos hypothèses de départ.

Figure 4 : Distribution des pluies d’automne à Saint Martin d’Hères pour les différents pas de temps 1h, 2h, 3h, 6h, 12h et 24h

II.2 Intervalles de confiance :

Pour le calcul des intervalles de confiance, on a utilisé la formulation mathématique de Colin (1977), qui est une approximation des abaques de Bernier (Bernier et Veron 1964).

(11)

11 Notons que ces intervalles de confiance sont dissymétriques. On donne l’équation suivante (cf. Thèses de M. Lang 1995, A. Djerboua 2001) :

( ) ( )

2

2 / 2 1 2 1

1 2 2 2 1 2 1 2 1 2

1 1 2 2

, 1

2 4

α

α α

α

δ

δ γ δ

γ δ

γ

u N

H u H H

H H N u H H

u

T −



 



 



 

 −

− +

+ +

+

±

=

T1 : intervalle de confiance supérieur T2 : intervalle de confiance inférieur Tel que :

(

p

)

H

x_p = µ,σ, : un quantile en fonction de sa probabilité et ses premiers moments.

µ

∂

= ∂H

H₁ ;

σ

∂

=∂H H₂

( )

₂ ¹^/²

2 µ

γ_i₋ = µⁱ ;

(

1

)

4 1

2 −

= γ

δ

uα : est la variable de « Gauss » qui correspond à une probabilité de α

Une fois que tous les paramètres sont définis, on peut écrire les intervalles de confiance suivants :

(

x ⁻T2^σ ^< x^< x ⁺T1^σ

)

⁼^α

P _p _p

Pour l’estimation de ces intervalles, on remplace les moments par leurs estimateurs.

II.3 Correction de Weiss :

Comme on l’a indiqué au chapitre I, les données collectées ont été dépouillées à pas de temps fixe, pour simplifier la tache de dépouillement. Normalement, pour maximiser le risque, on devrait travailler avec un pas de temps mobile, ou une fenêtre glissante. Afin de prendre en considération cette différence, on applique donc la correction proposée par Weiss (L. L. Weiss, 1964) :

8 /

−1

=t

K_w t t est en heure

Cette correction n’est qu’une approximation. En réalité, ce coefficient varie selon la saison. J.P. Laborde (1984) donne des résultats de calcul différent en hiver (Kw=1.14) et en été (Kw=1.07) sur des pluies journalières (Région Alsace Loraine). La différence des résultats vient de ce que les pluies d’été sont des orages qui ne durent pas une journée, mais quelques heures seulement, et sont donc compris aussi bien (ou presque aussi bien !) dans une pluie journalière prise de 00 à 24 h ou de 06h à 06 h…

(12)

III. Cartographie des pluies extrêmes

Pour construire les cartes de pluies extrêmes au pas de temps journalier, nous avons appliqué la technique du krigeage (cf. Ch. Obled - cours ENSHMG). Cela est suffisant pour les pluies de journalières, puisque la densité du réseau est importante.

Par contre, pour les pas de temps inférieurs à la journée, notre réseau présente certaines faiblesses. Afin de remédier à ce problème, il faut injecter des informations complémentaires. Des essais nombreux mais assez peu fructueux ont cherché à utiliser des paramètres caractéristiques du relief et de sa morphologie. Ici, nous utiliserons plutôt l’information journalière pour compléter et renforcer les zones de faible densité.

Donc, la procédure retenue est la suivante :

Calcul de corrélation entre chacun des paramètres au pas de 24h et les paramètres homologues au pas de temps inférieurs à la journée : par exemple, on présente sur la figure ci-dessous la comparaison entre les gradex de 24h et les pas de temps horaires, et cela en été et automne. On remarque que les pluies de 12h sont mieux corrélées avec les pluies de 24h en automne par rapport à celles de l’été. Par contre, les pluies inférieures à 6h donnent des meilleures corrélation en été (ou la valeur journalière est souvent un orage de quelques heures) qu’en automne. Cela s’explique par le type de processus dominant dans chaque saison. En été, les pluies sont majoritairement des orages, qui durent que quelques heures. Cependant, en automne, les pluies extrêmes horaires et journalières ne représentent pas les mêmes processus (on donne le détail des résultats de calcul en Annexes).

Comparaison de la corrélation, été et automne,

entre les Gradex de 24h et les pas de temps inférieur à la journée

0.4 0.5 0.6 0.7 0.8 0.9 1.0

1 2 3 6 12

Temps (heures)

Corrélation (R)

Automne Eté

Figure 5 : Evolution de la corrélation entre pas de 24 h et les autres pas du temps selon la saison de risque (été et automne)

(13)

13 A partir des corrélations obtenues dans l’étape précédente, on calcule, pour chaque poste pluviographique, les résidus entre la valeur obtenue directement par ajustement Y et celle, Y’, déduite de la valeur journalière grâce à la corrélation par la formule suivante :

ε ε = + +

+

×

= A X B Y' Y

on en déduit : ε =Y −Y'=Y −

(

A×X +B

)

Y : représente le paramètre à pas de temps inférieur à 24 heures X : est le paramètre à pas de temps journalier

Y’ : représente l’estimation du paramètre à pas de temps inférieur à 24 heures à partir de la valeur X en 24h.

Ensuite, on calcule le variogramme de ces résidus . Celui-ci permet alors de cartographier ces résidus.

Figure 6 : Variogramme du résidu de la corrélation de la pluie décennale de 1h et la pluie décennale journalière

(14)

14 Figure 7 : exemple de cartographie du résidu de la corrélation de la pluie décennale de 1h

à partir de la carte krigée du paramètre journalier X, et de la relation de corrélation, on peut calculer une première estimation du paramètres à pas de temps inférieurs Y’.

on somme alors la carte krigée des résidus avec cette carte calculée à partir de la corrélation , pour obtenir une estimation qui utilise à la fois :

• les valeurs estimées à ce pas de temps (sur les postes pluviographiques),

• mais aussi la relation plus ou moins forte existant avec les valeurs journalières là où il y a un pluviomètre

• ainsi que la liaison spatiale au sein de ces deux champs (là où il n’y a ni pluviographe ni pluviomètre)

• la relation de la corrélation : à partir de la carte de 24h, on déduit la carte à un pas de temps par la relation A×X +Bcorrespondante à ce pas de temps (X étant le paramètre de 24h).

• la carte des résidus

La carte finale, pour chaque paramètre, est la somme de ces deux cartes (correspondant au même paramètre).

Cependant, l’écart d’estimation de chaque paramètre (lié à l’échantillonnage, c’est à dire la densité du réseau) est estimé, toujours, à partir de la corrélation. Pour cela, on applique les principes de la probabilité. On a A et B sont des constantes pour chaque relation, X et ε sont par définition indépendants. Donc, on estime la variance de Y par la relation suivante :

(15)

15

( )

Y Var

(

A X

)

Var

( )

B Var

( )

ε

Var = × + +

B est une constante, donc Var(B) est égale à 0. Avec A constante, on obtient :

( )

Y A Var

( )

X Var

( )

ε

Var = ²× +

C’est cette relation qui est utilisée pour déterminer l’écart-type d’estimation de chaque paramètre au pas de temps infra-journaliers.

On en donne un exemple ci –après. Ces cartes d’incertitudes (écart-type d’estimation) sont fournies pour tous les pas de temps (1, 2, 3, 6, 12 et 24h) et pour tous les paramètres (P5 ans, P10 ans , P20 ans , P50 ans, P100 ans et gradex), dans le disque DVD joint à ce rapport.

Figure 8 : Ecart-type d’estimation de la pluie décennale de 1h d’automne

(16)

16

P(t= 6h, T= 10 ans)

750 850 950 1050 1150

1800 1900 2000 2100 2200

30 50 70 90 110 130 150

Figure 9 : Cartographie des P10 de 6 heures à l'aide de la carte krigée de P10 de 24 heures

(17)

17

AVERTISSEMENT IMPORTANT :

On met en garde l’utilisateur qui serait tenté d’accorder une trop grande confiance à ces cartes, et notamment celles correspondant à un pas de temps inférieur à la journée.

On rappelle que celles–ci s’appuient d’abord sur des pluviographes, et que nous disposions initialement de 90 séries pluviographiques dépouillées sur les Alpes françaises. Parmi celles- ci 25 ont été utilisées pour la cartographie du département de l’Isère, et nous en avons ajouté 3 pour réaliser les cartes ci- jointes.

Or nous donnons ci-contre, à titre d’exemple, une carte plus globale (Figure 9) tirée de la thèse de A. Djerboua (2001) et tracée à l’échelle de tout le massif des Alpes franco- italiennes. On constate, sur la partie italienne, une texture des isohyètes beaucoup plus fine et une organisation plus cohérente, par exemple sur la périphérie du bassin du Pô. Par contre, l’organisation est un peu moins convaincante sur la partie française. En fait, cela ne vient pas de la climatologie mais bien de la différence de densité des réseaux respectifs entre les parties françaises et italiennes : là où nous disposons de 90 pluviographes, les italiens en totalisent 254 sur le Piémont et la Ligurie…

Certes, l’utilisation complémentaire des pluviomètres a permis, (de part et d’autres : 463 côté français et 318 côté italien) d’affiner la cartographie et de compenser un peu, surtout côté français, le manque d’informations horaires. Toutefois, l’apport de cette information journalière est surtout significatif pour les pas de temps 6 ou 12h, mais moindre pour les pas plus petits. De même ces pluies journalières se révèlent plus informatives pour la saison d’été (car le cumul journalier correspond souvent à une pluie localisée et de courte durée). En automne, les pluies durent généralement plus longtemps et le cumul journalier correspond alors à une succession de systèmes convectifs dont les caractéristiques, à pas de temps fins (1 à 6h) se perdent dans le cumul en 24h.

Donc, on gardera à l’esprit cette différence de texture pour : d’une part

relativiser la qualité et la précision des cartes de 1 à 3h, notamment en été, que nous proposons sur l’Isère, et qui sont affectées de ce manque de données typique des Alpes françaises.

d’autre part,

rappeler l’intérêt qu’il y aurait à hisser notre réseau à un niveau de densité comparable à celui que maintienne nos voisins, et ce depuis des décennies…

C’est sur ce vœu que nous terminerons ce rapport…

(18)

18

(19)

19

Références Bibliographiques :

BERNIER J. & VERON R., 1964 : Sur quelques difficultés rencontrées dans l’estimation d’un débit de crue de probabilité donnée.

Revue de Statistique Appliquée, 1964 - Vol XII - N°1, pp25-46

COLLIN, 1977 : Quelques applications sur la distribution d'échantillonnage - Etude N°21 Cemagref Antony, nov., 21p.

DJERBOUA A., 2001 : Prédétermination des Pluies et Crues Extrêmes dans les Alpes franco- italiennes. Prévision Quantitative des Pluies Journalières par la Méthode des Analogues.

Thèse Docteur de l’INPG, LTHE – INPG, Grenoble, 11 Mai 2001, 214p

KIEFFER WEISSE A., 1998 : Etude des précipitations exceptionnelles de pas de temps court en relief accidenté (Alpes françaises), Méthode de cartographie des précipitations extrêmes, Relations avec le contexte topographique. Utilisation de l’information au pas de temps de la journée.

Thèse Docteur de l’INPG, LTHE – INPG, Grenoble, 3 Juillet 1998, 314p

KIEFFER A. & BOIS PH., 1997 : Variabilité des caractéristiques statistiques des pluies extrêmes dans les Alpes françaises.

Revue des Sciences de l'Eau, 1997, pp199-216

LABORDE J. P., 1984 : Analyse des données et cartographie automatique en Hydrologie : Eléments d'hydrologie lorraine.

Thèse Docteur - Es-Sciences, Institut National Polytechnique de Lorraine, Ecole Nationale Supérieure de Géologie Appliquée et de Prospection Minière de Nancy, 22 Octobre 1984

LANG M., 1995 : Les chroniques en hydrologie: Modélisation comparée par un système de gestion de bases de données relationnel et orienté-objet. Traitements de base et intervalles de confiances des quantiles de crues. Techniques d'échantillonnage par la méthode du renouvellement.

Thèse Docteur de l’UJF, Université Joseph Fourier de Grenoble, 2 mai 1995, pp125-158

OBLED CH., 2001 : Cours de géostatistique appliquée à l’hydrologie. Notes ronéotées ENSHMG.

WEISS L. L., 1964 : Ratio of true to fixed-interval maximum rainfall.

Journal of the Hydraulics Division Proceedings of the American Society of Civil Engineers, January 1964, pp77-81

(20)

20 BOIS PH.,OBLED CH.,& DE SAINTIGNON M.F.,1997 : Atlas expérimental des risques de pluies intenses en Cévennes Vivarais. Publication du Pôle Grenoblois d’Etudes et de Recherche pour la Prévention des Risques Naturels, Février 1997.

(21)

21

Annexes

(22)

22

(23)

23 Liste des pluviomètres utilisés dans la cartographie des pluies extrêmes

du département de l’Isère

Code

(m) Période Durée

(ans) X (km) Y (km) Provenance

01 BALAN 197 1968-1991 24 813.3 2096.2 1027001 01 BELLEY 277 1933-1995 59 860.6 2089.4 1034001

01 LHUIS 225 1928-1989 55 848.7 2086.4 1216001 01 MONTAGNIEU 220 1949-1975 27 843.5 2092.9 1255001

01 MONTLUEL 195 1929-1983 36 811.1 2098.2 1262001 01 VIRIEU-LE-GRAND 284 1950-1986 37 857.3 2097.9 1452001

05 VILLAR-LOUBIERE 1033 1928-1995 68 901.0 1987.7 5182001 05

LA CHAPELLE

VALGAUDEMAR 1265 1948-1994 47 904.7 1986.4 EDF 1820 05 LE MONETIER LES BS 1430 1958-1994 24 929.0 2005.8 EDF 2412 05 ST FIRMIN 940 1959-1994 36 891.3 1982.6 EDF 1824 05 ST JULIEN EN BEAUCHENE 922 1959-1975 17 867.9 1963.0 EDF 2522 26 CHATILLON-EN-DIOIS 565 1929-1995 53 849.4 1970.8 26086003

26 DIE 418 1929-1990 50 839.9 1977.3 26113001 26 GLANDAGE 1000 1967-1995 29 859.9 1969.2 26142001

26 MARSAZ 218 1971-1995 25 805.1 2015.9 26177001 26 MONTRIGAUD 480 1959-1982 24 819.3 2028.2 26210001

26 ST-JEAN-EN-ROYANS 280 1929-1995 51 832.9 2005.2 26307001 26 ST-JULIEN-EN-QUINT 550 1961-1986 26 833.5 1985.9 26308001

26 ST-SORLIN-EN-VALLOIRE 245 1949-1995 47 803.4 2033.4 26330001 26 CHATUZANGE PIZANCON 165 1959-1994 36 816.7 2008.1 EDF 1925 26 STE EULALIE-PT EN ROYANS 205 1948-1994 47 836.4 2011.1 EDF 1952 38 AUTRANS 1090 1950-1995 46 852.5 2024.9 38021001

38 BEAUREPAIRE 260 1949-1995 47 813.0 2040.8 38034001 38 BOURGOIN-JALLIEU 254 1947-1995 49 829.4 2069.9 38053001

38 CHANTELOUVE 1000 1947-1995 48 885.5 2003.1 38073001 38 CHAPAREILLAN 270 1949-1995 46 885.2 2058.0 38075001

38 CHATEAU-BERNARD 800 1948-1990 39 855.1 2002.3 38090001 38 CHATELUS 309 1952-1978 26 839.2 2010.9 38092001

38 CHICHILIANNE 990 1962-1995 34 856.4 1984.0 38103001 38 CHIRENS 463 1949-1995 47 852.9 2053.2 38105001

38 CLELLES 815 1955-1995 39 859.6 1985.7 38113001 38 CORENC 227 1963-1988 25 869.2 2030.3 38126001

38 CORPS 935 1947-1995 46 885.5 1986.1 38128001 38 (LA)COTE-ST-ANDRE 340 1947-1995 48 828.8 2044.5 38130001

38 FAVERGES-DE-LA-TOUR 394 1948-1995 47 848.4 2070.7 38162001 38 (LA)FERRIERE 904 1955-1995 41 893.5 2042.4 38163002

38 FONTANIL-CORNILLON 204 1953-1995 43 861.2 2033.9 38170001 38 (LA)GARDE 1080 1948-1974 27 892.0 2014.3 38177001

38 GRESSE-EN-VERCORS 1220 1950-1995 41 855.1 1994.0 38186001

(24)

24

Code

(ans) X (km) Y (km) Provenance

38 LALLEY 850 1969-1995 27 864.3 1978.4 38204001 38 LAVALDENS 1110 1950-1995 43 879.5 2007.3 38207001

38 LEYRIEU 210 1956-1980 25 827.0 2088.4 38210001 38 MENS 780 1950-1995 45 869.9 1985.4 38226002

38 MOIRANS 196 1948-1978 30 853.2 2041.5 38239001 38 (LA)MOTTE-D'AVEILLANS 937 1949-1994 45 868.6 2001.1 38265001

38 (LE)PIN 530 1950-1977 27 847.8 2055.8 38305001 38 POMMIER-DE-BEAUREPAIRE 480 1970-1995 26 818.3 2049.1 38311001

38 (LE)PONT-DE-BEAUVOISIN 230 1948-1989 38 860.2 2064.7 38315001 38 PROVEYSIEUX 600 1961-1995 34 864.3 2036.1 38325001

38 ROISSARD 770 1949-1995 43 860.9 1992.4 38342001 38 ROYBON 640 1956-1995 40 829.2 2028.4 38347001

38 ST-GERVAIS 249 1950-1981 31 847.1 2027.3 38390001 38 ST-LAURENT-DU-PONT 415 1949-1995 45 865.9 2049.2 38412001

38 ST-MARCELLIN 281 1948-1986 39 834.8 2020.8 38416001 38 ST-PIERRE-D'ENTREMONT 644 1948-1995 46 874.9 2052.0 38446001

38 (LA)SALETTE-FALLAVAUX 1770 1970-1995 26 887.8 1991.0 38469001 38 TENCIN 236 1950-1995 45 884.0 2040.9 38501001

38 (LA)TERRASSE 234 1949-1976 27 881.7 2042.6 38503001 38 THEYS 615 1949-1995 46 886.8 2040.1 38504001

38 (LA)TOUR-DU-PIN 339 1949-1991 42 843.3 2067.5 38509001 38 TREMINIS 900 1948-1969 21 871.7 1977.6 38514001

38 TULLINS 190 1950-1995 44 847.0 2038.0 38517001 38 VALJOUFFREY 980 1950-1995 45 890.8 1993.3 38522001

38 (LE)VERSOUD 220 1973-1995 23 876.4 2029.6 38538001 38 ALLEMOND LE RIVIER 1270 1959-1994 36 891.0 2029.5 EDF 1750

38 BESSE 1470 1923-1994 71 901.9 2015.4 EDF 1736 38 BOURG D'OISANS 720 1907-1989 82 891.3 2012.9 EDF 1740

38 BOURNE 670 1979-1994 16 843.1 2011.6 EDF 1943 38 ENGINS 850 1959-1994 35 857.4 2025.0 EDF 1900

38 ENTRAIGUES 810 1959-1994 36 884.7 1995.7 EDF 1856 38 GRANDE CHARTREUSE 945 1948-1994 49 870.3 2046.4 EDF 1460

38 LE VERNEY 770 1948-1994 48 891.8 2023.4 EDF 1752 38 MONESTIER DE CLERMONT 810 1948-1994 47 860.1 1996.9 EDF 1870 38 MONT DE LANS LE

CHAMBON 1050 1959-1975 17 898.9 2011.2 EDF 1734 38 MONTAUD VIF DE LA CLE 800 1948-1994 47 852.8 2033.6 EDF 1916 38 ORNON LA PALUD 950 1959-1994 36 887.7 2012.4 EDF 1744 38 REVEL 630 1958-1994 37 877.0 2026.8 EDF 1724 38 ST CHRISTOPHE EN OISANS 1560 1950-1994 45 904.0 2001.3 EDF 1772 38 ST HILLAIRE DU TOUVET 910 1948-1994 45 878.7 2042.5 EDF 1722 38 ST JEAN DE BOURNAY 370 1958-1994 37 819.0 2059.4 EDF 1918 69 VILLEURBANNE 182 1959-1994 36 800.7 2088.4 EDF 1063

(25)

25

Code

(ans) X (km) Y (km) Provenance 69 LYON BRON 200 1946-1993 48 800.2 2084.7 EDF 1062 69 ST GENIS LAVAL 300 1901-1973 73 790.6 2080.1 EDF 1061 73 AIGUEBELETTE-LE-LAC 400 1941-1966 17 871.4 2067.2 73001001 73 AIX-LES-BS 365 1947-1971 25 878.1 2083.4 73008001

73 ARGENTINE 419 1948-1973 26 910.7 2062.6 73019001 73 CHAVANNE(LA) 318 1959-1995 37 892.0 2061.7 73082001

73 DESERTS(LES) 1030 1947-1995 46 886.2 2075.5 73098001 73 MONTGELLAFREY 1080 1950-1995 46 911.6 2051.3 73167001

73 MOTTE-SERVOLEX(LA) 300 1959-1995 28 875.1 2072.4 73179001 73 NOVALAISE 450 1955-1995 41 867.9 2071.9 73191001

73 ROCHETTE(LA) 350 1949-1995 47 895.0 2057.1 73215001 73 ST-JEAN-D ARVES 1285 1949-1995 48 910.1 2029.0 73242001

73 STE-MARIE-DE-CUINES 543 1948-1995 48 910.1 2044.4 73255001 73 VOGLANS 235 1973-1995 23 875.5 2076.5 73329001

73 YENNE 230 1947-1995 44 865.9 2083.9 73330001 73 MONTPASCAL 1420 1959-1988 30 914.8 2045.9 EDF 1656

73 ST ALBAN D'HURTIERES 620 1949-1982 33 906.9 2060.8 EDF 1680 73 ST ALBAN DES VILLARDS 1100 1958-1992 35 905.5 2040.1 EDF 1660 73 ST SORLIN D'ARVE 1550 1959-1994 34 905.8 2032.1 EDF 1650

(26)

26 Corrélation des paramètres statistiques horaires et 24h de la saison d’automne :

Corrélation entre les paramètres de 24h et 1h

Période de retout (ans) A B R

Gradex 0.15 1.05 0.589

Mode 0.15 3.67 0.561

Intervalle de Confiance Inférieur 5 0.14 5.38 0.541

Quantile 5 0.15 5.35 0.565

Intervalle de Confiance Supérieur 5 0.17 4.54 0.628 Intervalle de Confiance Inférieur 10 0.14 6.18 0.541

Quantile 10 0.15 6.16 0.567

Quantile 20 0.15 6.93 0.569

Quantile 50 0.15 7.92 0.571

Quantile 100 0.15 8.66 0.573

Intervalle de Confiance Supérieur 100 0.18 6.66 0.663

Gradex 0.20 1.74 0.663

Mode 0.22 4.97 0.638

Quantile 5 0.21 7.69 0.643

Quantile 10 0.21 9.02 0.645

Quantile 20 0.21 10.30 0.646

Quantile 50 0.21 11.94 0.648

Quantile 100 0.20 13.17 0.649

(27)

27

Gradex 0.30 1.38 0.754

Mode 0.31 4.67 0.730

Quantile 5 0.30 6.87 0.734

Quantile 10 0.30 7.94 0.736

Quantile 20 0.30 8.95 0.738

Quantile 50 0.30 10.26 0.740

Quantile 100 0.30 11.24 0.741

Gradex 0.48 1.27 0.915

Mode 0.51 3.57 0.896

Quantile 5 0.50 5.52 0.902

Quantile 10 0.49 6.49 0.904

Quantile 20 0.49 7.41 0.906

Quantile 50 0.49 8.60 0.907

Quantile 100 0.49 9.50 0.908

(28)

28

Gradex 0.65 1.72 0.953

Mode 0.68 4.29 0.951

Quantile 5 0.66 7.04 0.951

Quantile 10 0.66 8.38 0.951

Quantile 20 0.66 9.65 0.951

Quantile 50 0.66 11.28 0.951

Quantile 100 0.66 12.50 0.951

Corrélation des paramètres statistiques horaires et 24h de la saison d’été :

Gradex 0.43 -0.32 0.702

Mode 0.40 0.22 0.783

Quantile 5 0.42 -0.48 0.756

Intervalle de Confiance Supérieur 5 0.43 -1.32 0.779 Intervalle de Confiance Inférieur 10 0.41 -0.09 0.743

Quantile 10 0.42 -0.80 0.748

Quantile 20 0.42 -1.08 0.742

Quantile 50 0.43 -1.44 0.737

Quantile 100 0.43 -1.70 0.733

Intervalle de Confiance Supérieur 100 0.44 -3.16 0.780

(29)

29

Gradex 0.53 -0.38 0.751

Mode 0.49 0.33 0.830

Intervalle de Confiance Inférieur 5 0.50 -0.05 0.805

Quantile 5 0.51 -0.49 0.803

Quantile 10 0.51 -0.86 0.795

Quantile 20 0.52 -1.19 0.790

Quantile 50 0.52 -1.62 0.784

Quantile 100 0.52 -1.94 0.781

Gradex 0.60 -0.35 0.755

Mode 0.55 0.96 0.842

Quantile 5 0.56 0.57 0.808

Intervalle de Confiance Supérieur 5 0.59 -0.85 0.827 Intervalle de Confiance Inférieur 10 0.55 1.21 0.798

Quantile 10 0.57 0.33 0.799

Quantile 20 0.57 0.09 0.793

Quantile 50 0.57 -0.22 0.787

Quantile 100 0.58 -0.46 0.784

(30)

30

Gradex 0.63 0.61 0.817

Mode 0.59 3.37 0.886

Quantile 5 0.60 4.49 0.860

Quantile 10 0.60 5.00 0.852

Quantile 20 0.61 5.48 0.847

Quantile 50 0.61 6.07 0.843

Quantile 100 0.61 6.51 0.840

Gradex 0.84 -0.06 0.928

Mode 0.80 1.29 0.958

Quantile 5 0.81 1.38 0.946

Quantile 10 0.81 1.40 0.943

Quantile 20 0.82 1.39 0.941

Quantile 50 0.82 1.35 0.939

Quantile 100 0.82 1.32 0.938