Modélisation spatio-temporelle des précipitations de trois régions du Royaume-Uni M.-L. Segond et...
-
Upload
adalard-proust -
Category
Documents
-
view
111 -
download
3
Transcript of Modélisation spatio-temporelle des précipitations de trois régions du Royaume-Uni M.-L. Segond et...
Modélisation spatio-temporelle des précipitations de trois régions du
Royaume-Uni
M.-L. Segond et C. Onof
Projet financé par le « DTI »
• Consortium de 14 partenaires.
• But: développer une méthode d'analyse des risques pour aider la conception et la gestion du drainage urbain.
• Trois zones pilotes: Londres, Glasgow et Bradford.
• A Imperial: modéliser des champs de pluie à pas de temps fin sur une longue période.
Plan
• Données
• Le modèle
• Résultats de calibration
• Résultats des simulations
• Discussion
Données• Données radar: 5 min, 1x1
km2 en provenance de Chenies (London), Corse Hill (Glasgow) et Hameldon Hill (Bradford)
• Jan 2003-mai 2006• Couverture de 50 km autour
du radar• Fenêtre radar de 70x70
pixels de taille 1x1 km2.• Simulation de 100 ans de
pluie en continu à Chenies, Corse Hill et Hameldon Hill
Modélisation possible des précipitations
• Modèles météorologiques décrivent entièrement la physique du phénomène
• Modèles (purement) statistiques: à point ou multisite.• Modèles stochastiques basés sur la phénoménologie:
– L’ observation qu’il y a des invariances d’ échelles de certaines caractéristiques du phénomène étudié.
– L’observation qu’à certaines échelles, on peut identifier des structures (“cells”, “storms”, “events”).
GDSTM de Northrop (1998), Cox and Isham (1988), Rodriguez-Iturbe et al. (1987)
Trois types d’organisation
Cellule(Cellules pluvieuses)
10 à 50 km2 Jusqu’à 40 min
Orage(Méso-échelle)
102-104 km2 Heures
Evènement(Echelle synoptique)
>>104 km2 Jours
Model Schematic
01/08/2005
24/01/2006
Weibull distribution of inter-event times and event durations:4 parameters
14:10 18:20 20:50
14:35 15:55 17:40
11 Parameters for the modelling of event interior
>15
1-15
<1
Rainfall rate(mm/hr)
θLθT
17 parameters in total See Northrop (98)Time
Event i
Event i+k
• La distribution des durées dans deux états (pluvieux et sec) est représentée par deux distributions de Weibull avec pour densité de probabilité:
• Les évènements sont identifiés et leur durée est définie par le temps où >15% des pixels d’une image enregistrent de la pluie.
• On modélise chaque mois indépendamment afin de représenter la saisonnalité des pluies.
• Techniques d’analyse de survie pour prendre en compte les données manquantes
• Calibration par la méthode du maximum de vraisemblance
Distribution de Weibull pour modéliser les périodes pluvieuses ou sèches
cc
x xxc
f )(exp1
C: paramètre de forme : paramètre d’échelle
Modelling the distribution of the wet and dry durations.
Wet - April Dry - April
Weibull distributions of each month: QQ plot for Chenies
(min)(min)
(min
)
(min
)
Modelling of event interiors
11 parameters:
•Rate of storm arrival (/km2/h)•Storm velocity x,y (km/hr)•Eccentricity •Orientation (degrees)•Mean storm duration (h)•Mean storm area (km2)•Mean cell duration (h)•Mean cell intensity (mm/h)•Mean cell area (km2)
The model is spatially and temporally stationary.
Snapshot of a single storm
Source: Chandler et al. (2006)
Calibration du modèle intérieur des évènements à partir d’une sélection d’événements
Pour une période minimum d’une heure• Stationnarité temporelle: on élimine les images qui correspondent
à une couverture pluvieuse inférieure à p, où p est solution de:
k est fixé à 0.3pmax est la couverture maximale de l’épisode étudié
• Stationnarité spatiale: on divise la fenêtre radar en quatre sous-carrés et pour chaque sous-carré, on retient les images pour lesquelles la couverture pluvieuse est proche de la couverture totale.
Rem: les cas de convection isolée ne sont pas identifiés selon ce critère.
max1 pppkp
Fitting the model of event interiors using a Generalised Method of Moments
A library of parameters:
Chenies 101
Corse Hill 207
Hameldon Hill 233
Fitting resultsChenies
Simulation
• Simulation: on combine les deux modèles, on choisit le set de paramètres tels que la durée observée soit proche de la durée simulée.
• θL et θT sont identifiés par la discriminante linéaire de Fisher.
Corse Hill: Observed sequence30th June 2004, time separation of the images is 30 min.
1) 2) 3)
4) 5) 6)
7) 8)
Corse Hill: simulated sequenceUsing fitted parameters for 30th June 2004
1) 2) 3)
4) 5) 6)
7) 8)
Statistics at Chenies: 1 hour x 1km2
Statistics at Chenies: 24 hours x 16km2
Statistics at Hameldon Hill: 1 hour x 1km2
Statistics at Hameldon Hill: 24 hours x 16km2
EV performance at Chenies
1 hour 3 hours
12 hours 24 hours
EV performance at Corse Hill1 hour
24 hours
3 hours
12 hours
EV performance at Hameldon Hill
1 hour 3 hours
24 hours12 hours
Conclusion
• Calibration et modélisation de 100 ans de pluie de 3 régions du Royaume-Uni
• Le modèle est capable de reproduire des caractéristiques propres aux diverses bases de données
• Résultats prometteurs concernant la reproduction de statistiques standard
• Marge de progrès concernant la reproduction des valeurs extrêmes
• Retour attendu de la modélisation hydrologique
Pour plus d’information
• http://www.ucl.ac.uk/Stats/research/Resrprts/abs00.html
• Wheater et al. (2005), Spatial-temporal rainfall modelling for flood risk estimation, Stochastic Environmental Research and Risk Assessment, 19(5):403-416
• http://www.dti-sam.co.uk/dissemination.html• Article en préparation (M.-L. Segond, E. Bellone,
C. Onof, + autres contributions.)
Remerciements
• Logiciel mis à disposition par UCL-ICL et financé par DEFRA
• Echanges fructueux E. Bellone, R. Chandler et P. Northrop