Post-traitement stochastique des précipitations journalières issues de réanalyses: application à la réanalyse CFSR au Canada.

Khedhaouiria, Dikra (2018). Post-traitement stochastique des précipitations journalières issues de réanalyses: application à la réanalyse CFSR au Canada. Thèse. Québec, Université du Québec, Institut national de la recherche scientifique, Doctorat en sciences de l'eau, 212 p.

Prévisualisation

PDF Télécharger (16MB) | Prévisualisation

Résumé

Il est communément admis que la disponibilité de séries journalières de précipitations observées est indispensable pour plusieurs applications. Au Canada, comme pour beaucoup d’autres pays, la densité des stations de mesure est faible et les historiques sont courts. Le développement des modèles numériques de temps performants au cours de ces dernières décennies offre la possibilité de se tourner vers de nouveaux jeux de données. Les réanalyses, en particulier, présentent l’avantage d’assimiler tout au long d’une période donnée divers types d’observations, offrant ainsi un contrôle continu de la dynamique de l’atmosphère et donc une bonne représentation de la météorologie. Ces dernières, disponibles sur des grilles couvrant l’ensemble du globe avec une résolution spatio-temporelle donnée, peuvent présenter des erreurs de diverses natures (p.ex., biais, erreur de représentativité). Il est alors difficile d’utiliser directement ces données comme proxy pour des applications nécessitant des données locales. Dans ce contexte, le présent projet s’intéresse à post-traiter les données de précipitations journalières issues d’une réanalyse nommée Climate Forecast System Reanalysis (CFSR), afin de proposer des séries non biaisées, ayant des caractéristiques locales (par opposition au point de grille) et ce notamment aux endroits dépourvus d’observations. Le projet s’articule autour de trois axes principaux: i) analyser un modèle probabiliste basé sur des approches de régression afin de post-traiter les précipitations journalières de la réanalyse CFSR en se basant sur des stations d’observation; ii) intégrer la structure spatio-temporelle du processus de précipitations dans ces mêmes modèles pour améliorer l’estimation des séries post-traitées; iii) et proposer des champs journaliers de précipitations en combinant les modèles du second axe à des modèles spatiaux. Le post-traitement développé donne des résultats très encourageants quant à la correction systématique du biais des sorties de réanalyses, mais aussi concernant la représentation de plusieurs caractéristiques locales des précipitations. Cette étude ouvre, par ailleurs, des perspectives très intéressantes à la fois méthodologique (p.ex: implémentation pour les précipitations extrêmes), mais aussi en termes de champs d’utilisation avec l’application de ces approches aux scénarios de modèles climatiques pour l’analyse de l’évolution des précipitations locales sous un climat changeant.

It is widely recognized that the availability of observed daily precipitation series is essential for several applications. The most important challenge that many countries face, including Canada, is to characterize historical precipitation considering the low station density in many of their regions and the short sample size. Reanalysis, generated by Numerical Weather Prediction methods assimilating past observations, is an attractive alternative as they provide coherent, spatially and temporally continuous meteorological fields for a specific period and domain. However, reanalysis, available on grids covering the whole globe, present errors of various natures (e.g., bias, representativeness error) that prevent from their direct use as a proxy for applications that require local data. In this context, the present project is interested in post-processing the daily precipitation data from one reanalysis, Climate Forecast System Reanalysis (CFSR), in order to propose unbiased series, with local characteristics (as opposed to grid points), even at places without observations. The project conducted here was organized around three major axes: i) to analyze a probabilistic model based on regression approaches in order to post-treat the daily CFSR precipitation at sites with observations; ii) to consider the spatio-temporal structure of the precipitation process into these same models to improve the estimation of post-processed series at the daily scale; and (iii) to propose daily precipitation fields by combining the second-axis models with spatial models so that to propose posttreated daily series at each grid point of the domain. The developed stochastically based post-treatment bring very encouraging results by systematically correcting CFSR biases but also by providing good representation of several local characteristics of the precipitation process. This study also opens very interesting perspectives, as regards the improvement of the methodology (e.g., explicit implementation of the extreme precipitation) but also concerning the enlargement of the application fields. For example, the current approach could be applied to climate model scenarios to provide analysis of the evolution of local precipitation in a changing climate.

Type de document:	Thèse Thèse
Directeur de mémoire/thèse:	Mailhot, Alain
Co-directeurs de mémoire/thèse:	Favre, Anne-Catherine
Mots-clés libres:	réanalyses; descente d’échelle statistique; modèle spatio-temporel; modèle régional; simulation aléatoire des précipitations; reanalyses; statistical downscaling; spatio-temporal model; regional model; random simulation of precipitation
Centre:	Centre Eau Terre Environnement
Date de dépôt:	19 oct. 2018 15:24
Dernière modification:	09 nov. 2021 19:47
URI:	https://espace.inrs.ca/id/eprint/7608

Gestion Actions (Identification requise)

Modifier la notice