« Amélioration des prévisions d’ensemble des débits sur la France de SAFRAN-ISBA-MODCOU »

« Amélioration des prévisions d’ensemble des débits sur la France de

SAFRAN-ISBA-MODCOU »

Guillaume Thirel (CNRM-GAME/GMME/MOSAYC)

Thèse encadrée par Éric Martin

Collaborations : S. Ricci, S. Massart et B. Bouriquet (CERFACS)

J.-F. Mahfouf (CNRM-GAME/GMME/TURBAU)

F. Regimbeau (Météo-France/DCLIM/HYDRO)

F. Habets (UMR Sisyphe, Mines ParisTech)

Contexte

Nécessité d’anticiper les évènements de crues : pertes humaines, coûts énormes -> prévisions de débits

Modèles hydrologiques permettent ces prévisions

Inconvénients des modèles hydrologiques : – Modélisation imparfaite

– Forçage météorologique entaché d’erreur

Solutions possibles : – Estimation de l’incertitude : prévisions d’ensemble

– Se rapprocher des observations : assimilation de données

Contexte

Projets de prévisions d’ensemble de débits :

– HEPEX : réunit les communautés hydrologique et météorologique, bassins test

– EFAS : système européen d’alerte des crues

– MAP D-PHASE : évènements sévères dans les Alpes, plate-forme de visualisation

– PE de débits en France : Météo-France, CEMAGREF

ISBA

Données physiographiques pour le sol et la végétation

+

MODCOU

QrQi

E

H

G

Aquifère

Débits journaliers

Schéma de surface

Neige

SAFRANObservations + modèles NWP

Précipitation, température, humidité, vent, radiations

Modèle hydrologique

Analyse météorologique

Le modèle hydro-météorologique SIM

Simulation cohérente des flux d’eau et d’énergiesur l’ensemble :• Atmosphère• Surface/végétation/sol superficiel• Hydrologie de surface et souterraine

Validation des simulations par desvariables météorologiques ethydrologiques• Campagnes de mesure• Neige• Débits des rivières et hauteur de nappe

Maillage de surface : 8x8 km

→ Coopération Mines Paris Tech /SISYPHECoopération Mines Paris Tech /SISYPHE

Validations et valorisation de SIM

Principales applications :• Suivi de l’état hydrique des sols, pluie efficace, enneigement• Impact des changements climatiques• Prévision des crues (humidité du sol, débits)

Indice d’humidité du sol superficiel le 16/11/2008 Direction de la climatologie

Schéma des ESPS basés sur SIM

ObservationsMeteor. models

ANALYSIS RUN (daily)

SAFRAN10-year

climatology Wind, Rad.,

Humidity

SOIL WAT. TABLES

RIVERS FINAL STATE

ECMWF/PEARP Ensemble forecasts51/11 members, 10/2-day forecasts

ENSEMBLE FORECASTS

T+ Precip Spatial

DESAGGREGATION

ISBA MODCOU

ENSEMBLE FORECAST

SOIL WAT. TABLES

RIVERS FINAL STATES

ISBA MODCOU

SOIL WAT. TABLES

RIVERS STATE

La Seine à Paris, crue de mars 2001 (crue décennale)

Q90

Q50Q10

• Prévision correcte de l’intensité et de la temporalité de la crue (montée, date du pic de crue, décrue)• Dispersion correctePrévision de la crue dès le 11-12 mars : pré-alerte, alerte

Visualisation des sorties en temps réel

Site intramet : http://intra.cnrm.meteo.fr/pedeb/

Sélection d’environ 100 stations

- prévision de débits

- tableau d’alerte

=> Visualisation du risque + de la persistance (ou non) de la prévision

Probabilité de dépassement du seuil d’alerte

INTRODUCTION

Depuis 2004, chaque jour : un système de prévisions d’ensemble de débits (ESPS) basé sur SIM (Thèse de Fabienne Rousset-Regimbeau, 2007). basé sur les prévisions d’ensemble (pluie+température) du CEPMMT

(ECMWF EPS) sur la France entière, moyenne échéance (10 jours)

Analyse statistique des précipitations et débits Article Rousset, newsletter du CEPMMT printemps 2007 Désagrégation des pluies de manière simple, mais efficace Débits comparés à l’analyse SIM : bons scores, dispersion faible

Étude de cas sur des grandes crues récentes

INTRODUCTION

⇒ De plus en plus de besoins pour les prévisions de crues rapides (SCHAPI)

un ESPS à courte échéance basé sur la PEARP (prévision d’ensemble ARPEGE) courte échéance : 60H, meilleure résolution

Nécessité d’être proche des observations pour le prévisionniste

OBJECTIFS : Comparer l’impact des EPS sur les prévisions d’ensemble des

débits à 2 jours d’échéance. Améliorer le système grâce à une assimilation de débits passés

Plan de l’exposé

I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM– 1) Les EPS

– 2) Précipitations

– 3) Débits

II Assimilation des débits– 1) Principe, but

– 2) BLUE, remplissage de la jacobienne, PALM

– 3) Validation de l’assimilation

– 4) Impact sur les prévisions d’ensemble

III Conclusions générales et perspectives

Plan de l’exposé

I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM– 1) Les EPS

– 2) Précipitations

– 3) Débits

II Assimilation des débits– 1) Principe, but

– 2) BLUE, remplissage de la Jacobienne, PALM

– 3) Validation de l’assimilation

– 4) Impact sur les prévisions d’ensemble

III Conclusions générales et perspectives

Prévisions d’ensemble des débits basées sur 2 EPS très différents

CEPMMT 51 membres Résolution homogène 10 jours de prévisions Vecteurs singuliers,

– Optimisation en 2 jours Résolution dans la base de

données opérationnelle : 1.5°

PEARP 11 membres Version zoomée 60 H de prévisions Vecteurs singuliers

– Optimisation en 12H

– Sur l’Europe Résolution dans la base de données

opérationnelle : 0.25°

-> Objectif : moyenne échéance -> Objectif : courte échéance

La comparaison est faite sur 48H communes aux deux systèmes

Plan de l’exposé

I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM– 1) Les EPS

– 2) Précipitations

– 3) Débits

II Assimilation des débits– 1) Principe, but

– 2) BLUE, remplissage de la Jacobienne, PALM

– 3) Validation de l’assimilation

– 4) Impact sur les prévisions d’ensemble

III Conclusions générales et perspectives

Désagrégation des précipitations

Interpolation sur les zones SAFRAN en fonction de la distance, puis :

CEPMMT : gradient d’altitude de 2 mm/m/an là où l’altitude ISBA est < 800m et 0.7 mm/m/an là où l’altitude ISBA est > 800m

PEARP : application d’un biais point par point étalonné sur un an de simulation

SAFRAN CEPMMT (Jour 1)

PEARP (Jour 1)

Cumuls de précipitations 11 mars 2005 / 30 septembre 2006

Tous les scores statistiques sont meilleurs pour la PEARP

Plan de l’exposé

I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM– 1) Les EPS

– 2) Précipitations

– 3) Débits

II Assimilation des débits– 1) Principe, but

– 2) BLUE, remplissage de la Jacobienne, PALM

– 3) Validation de l’assimilation

– 4) Impact sur les prévisions d’ensemble

III Conclusions générales et perspectives

BSS hauts débits (Q90)

Jour 1 Jour 2

CEPMMT : 49 stations

PEARP : 338 stations

CEPMMT : 19 stations

PEARP : 486 stations

Bleu : CEPMMT meilleur (90% de certitude selon un test de ré-échantillonnage)Rouge : PEARP meilleur (90% de certitude)

Distribution par taille de bassin (BSS)

Q10 Jour 1

Q10 Jour 2

Q90 Jour 2

Q90 Jour 1

CEPMMT

PEARPTailles des bassins Tailles des bassins

Tailles des bassinsTailles des bassins

Conclusions de la comparaison

Les précipitations désagrégées de la PEARP sont meilleures que celles du CEPMMT

– mais méthode de désagrégation différente (adaptée au modèle météorologique)

L’ESPS basé sur la PEARP a montré une amélioration (à courte échéance) sur les petits bassins et les forts débits

– Résultats confirmés par un panel varié de scores statistiques (RPSS, diagramme de fiabilité, taux de fausses alarmes et détection, étude par saison)

– Intérêt pour la prévision de crues rapides en France (SCHAPI)

Détails de l’étude dans On the impacts of short-range meteorological forecasts for ensemble streamflow predictions, G. Thirel, F. Rousset-Regimbeau, E. Martin, F. Habets, Journal of Hydrometeorology, 2008.

Plan de l’exposé

I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM– 1) Les EPS

– 2) Précipitations

– 3) Débits

II Assimilation des débits– 1) Principe, but

– 2) BLUE, remplissage de la Jacobienne, PALM

– 3) Validation de l’assimilation

– 4) Impact sur les prévisions d’ensemble

III Conclusions générales et perspectives

The SIM based ESPS

ObservationsMeteor. models

ANALYSIS RUN (daily)

SAFRAN10-year

climatology Wind, Rad.,

Humidity

SOIL WAT. TABLES

RIVERS FINAL STATE

ECMWF/PEARP Ensemble forecasts51/11 members, 10/2-day forecasts

ENSEMBLE FORECASTS

T+ Precip Spatial

DESAGGREGATION

ISBA MODCOU

ENSEMBLE FORECAST

SOIL WAT. TABLES

RIVERS FINAL STATES

ISBA MODCOU

SOIL WAT. TABLES

RIVERS STATE

Etats initiaux des ESPS à améliorer

Ajusté par le BLUE

Stratégie

186 stations assimilées sur la France– Influence humaine faible

– Bonne qualité des observations

– Simulations de SIM cohérentes

Principe : utiliser les débits observés

pour améliorer les simulations de

débits, en ajustant l’humidité du sol

dans ISBA

Plan de l’exposé

I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM– 1) Les EPS

– 2) Précipitations

– 3) Débits

II Assimilation des débits– 1) Principe, but

– 2) BLUE, remplissage de la Jacobienne, PALM

– 3) Validation de l’assimilation

– 4) Impact sur les prévisions d’ensemble

III Conclusions générales et perspectives

Les équations du BLUE

Etat analysé

Ebauche Vecteur innovation

Débits observés

Choix du BLUE car :

Possibilité de calculer la solution exacte

Dimensions du problème faibles

On ajuste l’humidité dans ISBA car variable impactant le plus les débits

Liste choses à faire

Observations = débits

Définir la variable d’état : humidité du sol ISBA, mais laquelle?

Estimer la Jacobienne H

Estimer les erreurs d’observations (R) et d’ébauche (B) et calibrer ces 2 matrices entre elles

Variable d’état

Moyenne pondérée des 2 couches : w2+w3(ruissellement + drainage)

Uniquement couche 2 : w2(ruissellement)

Couches 2 et 3 séparées : (w2,w3)(ruissellement et drainage séparément)

Remplissage de la matrice jacobienne

3 stations de mesure Q1, Q2 et Q3.

w1, w2 et w3 humidités du sol sommées sur les bassins

0

0 0

0

bassins

stations

Jacobienne H :

H détermine la sensibilité des débits à des variations d’humidité du sol

Hypothèse : linéarité du modèle

-> H est calculé grâce à des simulations de SIM initialisées par des états d’humidité du sol perturbés (perturbation de 0.1%)

débits

humidité

Sensibilité et jacobienne

On a choisi une perturbation de ±0.1% à appliquer.Peu de modification selon le signe de la perturbation, donc perturbation positive.

Nette évolution temporelle : on va re-calculer la jacobienne à chaque assimilation

Répartition spatiale de la variance d’erreur d’ébauche

Moyenne pondérée des 2 couches

Couche 3 uniquementCouche 2 uniquement

B et R diagonales

B estimée en perturbant l’analyse météorologique SAFRAN, puis comparaison de l’humidité obtenue avec l’humidité de référence

R estimée selon les débits observés

R et B calibrées grâce à un unique coefficient

Principe de l’assimilation

Le coupleur PALM (CERFACS)

Coupleur dynamique de codes de calcul, créé pour le projet Mercator (océanographie)

Interface conviviale Logiciel modulaire Couplage multi-processeur simple Gestion des échanges des données intuitif, stockage dans un buffer Outils de post-processing Bonne exploitation du supercalculateur de Météo-France

Plan de l’exposé

I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM– 1) Les EPS

– 2) Précipitations

– 3) Débits

II Assimilation des débits– 1) Principe, but

– 2) BLUE, remplissage de la Jacobienne, PALM

– 3) Validation de l’assimilation

– 4) Impact sur les prévisions d’ensemble

III Conclusions générales et perspectives

Expériences (10 mars 2005 / 30 septembre 2006, 186 stations)

6 expériences : 3 variables d’état * 2 physiques du modèle

Assimilation quotidienne, observations journalières

IS2 sera retenu

IS2 combine le meilleur Nash et RMSE, ainsi que les plus faibles incréments

Le Doubs à Besançon

Scores pour une sélection de 148 stations

Plan de l’exposé

I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM– 1) Conditions

– 2) Précipitations

– 3) Débits

II Assimilation des débits– 1) Principe, but

– 2) BLUE, remplissage de la Jacobienne, PALM

– 3) Validation de l’assimilation

– 4) Impact sur les prévisions d’ensemble

III Conclusions générales et perspectives

Un exemple de l’impact sur les prévisions d’ensemble des débits

IS2

IS1

Sans assimilation

Quelques scores statistiques

Scores pour une sélection de 148 stations assimilées, pour SIM-CEPMMT à 10 jours d’échéance

Dispersion de l’ensemble

RMSE

Scores calculés par rapport aux observations

Brier Skill Score jour 1

Brier Skill Score jour 10

Conclusion sur l’assimilation

Première fois que des débits observés sont assimilés dans SIM– Apport positif de PALM : gain de temps (couplage et NEC), modularité

Validation de l’assimilation– Système validé, même si présence de quelques non-linéarités (expériences

synthétiques)

– Assimilation d’observations réelles : plusieurs configurations testées, amélioration significative des scores, incréments faibles

Impacts sur les prévisions d’ensemble– Apport de l’assimilation significatif les premiers jours

– Ensuite, seule une amélioration de la physique améliore vraiment

– Caractéristiques intrinsèques des prévisions d’ensemble peu modifiées

– Utilisation par les prévisionnistes facilitée

Perspectives d’amélioration de l’assimilation

Estimations des erreurs grossières– Calibrage à effectuer station par station

Réduire le nombre de sous-bassins dans un bassin– Moins de simulations pour calculer H

Tests d’autres méthodes d’assimilation– EnKF limiterait les problèmes de non-linéarités?

– Boucle externe?

Assimilation d’autres variables– Hauteurs de nappes (Sisyphe, thèse Alexandra Stouls)

– Hauteurs de neige?

Plan de l’exposé

I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM– 1) Les EPS

– 2) Précipitations

– 3) Débits

II Assimilation des débits– 1) Principe, but

– 2) BLUE, remplissage de la Jacobienne, PALM

– 3) Validation de l’assimilation

– 4) Impact sur les prévisions d’ensemble

III Conclusions générales et perspectives

Conclusions générales et perspectives

Deux systèmes de prévisions d’ensemble de débits basés sur SIM– Apport de la PEARP à courte échéance et sur les petits bassins

Système d’assimilation des débits implémenté dans SIM– Validation : impact significatif sur SIM-analyse

– Prévisions d’ensemble : impact fort à courte échéance, ensuite faible, mais le profil exponentiel améliore les prévisions

Perspectives : – Assimilation des hauteurs de nappes (thèse SISYPHE Alexandra Stouls)– Passer l’assimilation en opérationnel pour initialiser la chaîne SIM-CEPMMT

en temps réel– Amélioration de la prise en compte de l’incertitude météorologique et de

l’erreur modèle

Merci de votre attention!

Références

Comparaison SIM-PEARP et SIM-CEPMMT par rapport à une référence : – G. Thirel, F. Rousset-Regimbeau, E. Martin and F. Habets, On the Impacts of

Short-Range Meteorological Forecasts for Ensemble Streamflow Predictions, Journal of HydroMeteorology, 9, 1301-1317, 2008.

Description et validation du système d’assimilation des débits : – G. Thirel, E. Martin, J.-F. Mahfouf, S. Massart, S. Ricci and F. Habets, A

streamflow assimilation system for ensemble streamflow forecast over France, Submitted to the Journal of Hydrology, 2009.

Impact de l’assimilation sur les prévisions d’ensemble de débits : – G. Thirel, E. Martin, J.-F. Mahfouf, S. Massart, S. Ricci, F. Regimbeau and F.

Habets, Improvement of medium-range ensemble streamflow forecasts by assimilation of past discharges, en préparation

Me contacter : guillaume.thirel@meteo.fr jusque fin novembre

Scores statistiques

Brier Skill Score (BSS) : qualifie la capacité d’un système de prévisions d’ensemble à prévoir le dépassement (ou non) d’un seuil, comparaison à la simulation de référence (pas aux observations de débits ici).

Tailles des ensembles différentes (51 et 11 membres) : – BSS biaisé négativement quand le nombre de membres diminue– Utilisation du débiaisage introduit par Weigel (Weigel et al. 2006)

Comparer 2 prévisions d’ensemble : tests de significativité de la différence : – Précipitations : test de Wilcoxon et t-test (Hamill, 1999)– Débits : test de ré-échantillonnage (Hamill, 1999) -> car dépendance

temporelle des débits

Variance d’erreur d’observations

Erreurs des mesures des stations indépendantes : matrice diagonale

Tests sur des cas synthétiques : 2e méthode meilleure (Nash) et donc retenue

Expériences jumelles

Variable d’état = moyenne pondérée des humidités des 2 couchesAssimilation sur une période de 3 mois, tous les 5 jours, fenêtre d’assimilation de 5 joursEtat initial modifié, obs = simulation de référence

Convergence assez rapide malgré les non-linéarités

La Garonne à Portet-sur-Garonne

Ranked Probability Skill Score

RMSE par taille de bassin

Jour 1 Jour 10

Résolution

Fiabilité

Incertitude

Taux de fausses alarmes

Bonnes prévisions