Méthode bayésienne de mise à l'échelle (Downscaling) spatiale.

Ben Alaya, Mohamed Ali (2012). Méthode bayésienne de mise à l'échelle (Downscaling) spatiale. Mémoire. Québec, Université du Québec, Institut national de la recherche scientifique, Maîtrise en sciences de l'eau, 57 p.

Prévisualisation

PDF Télécharger (9MB) | Prévisualisation

Résumé

Les sorties des modèles couplés de circulation générale Atmosphère-Océan, AOGCM (Atmosphere-Ocean General Circulation Models) sont largement utilisées pour établir des projections du climat futur. Malheureusement, le maillage grossier de ces modèles ne permet pas de fournir les informations nécessaires pour les études d'impact en hydrologie ou pour les applications de modélisation ou d'adaptations. Dans ce contexte, diverses techniques de réduction d'échelle «Downscaling» (voir Benestad et al. 2008) ont été développées afin d'affiner les données AOGCM à des échelles plus pertinentes. Parmi ces techniques, les méthodes basées sur la régression sont couramment utilisées en raison de leur faible temps de calcul. Cependant, un inconvénient majeur de ces méthodes est que l'estimation est généralement reproduite seulement sur les sites mesurés. Dans ce mémoire, un modèle spatial bayésien, présenté dans un travail antérieur, est adapté et appliqué pour la réduction d'échelle des données AOGCM aux températures maximale et minimale quotidiennes dans la province de Québec. Le modèle est proposé en vue de contourner l'incapacité des méthodes de régression classiques de produire des estimations spatiales à des sites non jaugés. Dans cette méthode, la distribution de la moyenne à priori est estimée en utilisant les caractéristiques locales dans un modèle de régression géographique (GRM). L'approche employée repose sur un cadre bayé sien afin de combiner un modèle spatial mensuel commun pour les températures minimales et maximales avec les fluctuations quotidiennes induites par les prédicteurs atmosphériques. Les produits des réanalyses sont utilisés dans ce travail afin d'évaluer le potentiel.de la méthode proposée. Les résultats de l'application de cette procédure bayésienne ont été satisfaisants par rapport à une méthode classique fondée sur la régression.

Type de document:	Thèse Mémoire
Directeur de mémoire/thèse:	Ouarda, Taha B. M. J.
Mots-clés libres:	méthode bayésienne; régression géographique; spatial; température; GRMAO; GCM; AOGCM
Centre:	Centre Eau Terre Environnement
Date de dépôt:	18 juin 2013 15:51
Dernière modification:	15 mai 2023 17:11
URI:	https://espace.inrs.ca/id/eprint/1447

Gestion Actions (Identification requise)

Modifier la notice