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/GMME/MC2)

Thèse encadrée par Éric Martin

INTRODUCTION

Depuis 2004, chaque jour : un système de prévisions d’ensemble de débits (ESPS) basé sur SIM (Thèse de Fabienne Rousset, 2007). sur la France entière basé sur les prévisions d’ensemble (pluie+température) du CEPMMT (ECMWF EPS) moyenne échéance (10 jours), validé (article Rousset, newsletter du CEPMMT printemps 2007)

⇒ 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

OBJECTIFS : Comparer l’impact des EPS sur les prévisions d’ensemble des débits sur 2 jours d’échéance. Améliorer le système grâce à une assimilation de débits

Plan de l’exposé

I Prévisions hydrologiques – 1) Le modèle hydro-météorologique SIM

– 2) Les prévisions d’ensemble

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

– 2) Précipitations

– 3) Débits

III Assimilation des débits– 1) Principe, but

– 2) BLUE, remplissage de la jacobienne, PALM

– 3) Premiers résultats

IV Conclusions générales et perspectives

Plan de l’exposé





– 3) Débits


– 2) BLUE, remplissage de la Jacobienne, PALM



Le modèle hydro-météorologique SIM

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 hydrologiqueNash

Habets et al. (2008)

Analyse météorologique

Hydrologie des grands bassins versants français

Produits SIM (cartes de SWI)

DCLIM/HYDRO

Suivi des ressources en eau du sol

Plan de l’exposé





– 3) Débits





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, 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 de 28 stations

- prévision de débits

- tableau d’alerte

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

Probabilité de dépassement du Q90

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

Plan de l’exposé





– 3) Débits





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

CEPMMT 51 membres Résolution homogène 10 jours (+5) 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

Exemple : l’Ardèche

CEPMMT PEARP

Plan de l’exposé





– 3) Débits





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





– 3) Débits





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.

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

BSS faibles débits (Q10)Bleu : CEPMMT meilleur (90% de certitude selon un test de ré-échantillonnage)Rouge : PEARP meilleur (90% de certitude)

Jour 1 Jour 2

CEPMMT : 98 stations

PEARP : 184 stations



BSS hauts débits (Q90)

Jour 1 Jour 2





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, Accepted.

Plan de l’exposé





– 3) Débits





Pourquoi une assimilation des débits?

Problématique : – les prévisions d’ensemble des débits sont initialisées par un run de

référence, aucune observation utilisée

– les scores statistiques sont comparés à un run de référence

⇒ Nécessité d’une assimilation de débits

Principe de l’assimilation

États jours [J-N;J-1]

- débits SIM

- humidité sol

Assimilation (BLUE)

Débits obs. [J-N;J-1]

Humidité du sol corrigée J-N

Débits SIM assimilés J

Simulation SIM [J-N;J]

Prévisions [J;J+P]

Stations à assimiler

Contraintes : stations simulées par SIM et données observées disponibles pour 2005/2006

186 stations sélectionnées sur la France : Non fortement influencées (barrages, …)Observations disponibles sur 2005/2006, voire validées(source : http://www.hydro.eaufrance.fr)

Mailles ISBA drainant les 186 stations Les 186 stations

Plan de l’exposé





– 3) Débits





Équations de l’estimateur BLUE (Best Linear Unbiased Estimator)

état analysé

ébauche

matrice de gain K

innovation

débits observés

R : matrice de covariance d’erreurs d’observation, diagonale, proportionnelle au carré de l’observation : (alpha*y0)²

B : matrice de covariance d’erreurs d’ébauche, diagonale, proportionnelle au carré de l’ébauche : (beta*xb)²

La Jacobienne

Jacobienne H :

H détermine la sensibilité des débits de SIM aux variations de l’humidité du sol

Hypothèse : linéarité du modèle

-> H calculée avec des runs de SIM avec en entrée x (l’humidité du sol) légèrement perturbée (+0.1%)

débits

x : variable de contrôle, somme des humidités du sol par bassin (couche 2 + couche 3 d’ISBA)

Étude de sensibilité (Q par rapport à w)

BLUE : hypothèse de linéarité du modèle

La perturbation appliquée pour calculer la jacobienne doit respecter la linéarité du modèle

Étude de la réaction des débits de SIM pour une gamme de pourcentages appliqués aux humidités du sol (couche 2 et 3)

Choix initial d’une perturbation de 0.1% de l’humidité

Remplissage de la jacobienne (principe)

3 stations de mesure de débits Q1, Q2 et Q3.

w1, w2 et w3 sommes des humidités du sol sur les mailles des bassins

Jacobienne :

0 0

0

0

bassins

stations

Remplissage de la jacobienne

Dans un même bassin -> perturber tous les sous-bassins un par un

(ex : Garonne à Portet, et Garonne à Tonneins : 2 itérations différentes)

Entre deux bassins disjoints (ex Loire et Seine) -> perturbations simultanées possibles

Ici : Loire=nombre max de sous-bassins (34 stations)

34 runs perturbés de SIM + 1 run de référence

Jacobiennes (ex 10-14/03/06)

Jour 1 Jour 2 Jour 3

Jour 4 Jour 5

Jacobienne (détail)

Loire

Seine

Garonne

Saône

186 bassins

186 stations

PALM : pourquoi?

PALM : coupleur dynamique de codes de calcul, CERFACS Création : 1996, projet Mercator Intérêts :

– Modulaire

– F77, F90, C et C++ supportés

– Peu de modifications à faire dans le code

– Gestion des données à différentes échéances dans un buffer

– Multi-processeur

– Interface Pre-PALM conviviale

– Outils de post-processing

– Librairies d’algèbre (BLAS, …) disponibles

Début de l’application

Initialisation

Création des 34 masques d’humidité

pour Jacobienne

34+1 runs perturbés

Assimilation

1 run simple ISBA-

MODCOU

2 runs ISBA-

MODCOU

débits

tempsassimilation

Plan de l’exposé





– 3) Débits





Premiers résultats

25 jours de simulation, les 5 premiers sans assimilation Période : du 17/02/06 au 14/03/06 Assimilation tous les 5 jours, sur une durée de 5 jours Perturbation de 0.1% pour calculer la Jacobienne État initial : 2e et 3e couches de ZWG : contenu en eau du sol

diminué de 10%. Les observations sont une simulation de référence

Le Var à Malaussène

Alpha=0.84, beta=0.071 Alpha=0.71, beta=0.071

+2.5% +3.3% +5.8% -0.1% +3.4% +7.8% +1.6% +0.2%

Le Var à Malaussène

Alpha=0.224, beta=0.071 Alpha=0.071, beta=0.071

+13.9% +1.3% +0.3% -0.01% +22.4% -2.9% +0.4% +0.1%

La Garonne à Tonneins

Alpha=0.71, beta=0.071Alpha=0.84, beta=0.071

+2.6% -0.3% -0.02% -0.01%+2.5% -0.2% -0.% +0.05%

Résultats

Alpha=0.071, beta=0.071Alpha=0.224, beta=0.071

La Garonne à Tonneins

+8.5% +0.1% -0.04% -0.1%+5.3% +0.01% -0.02% +0.03%

Conclusions de l’assimilation des débits

Système d’assimilation fonctionne Tests avec une fausse observation (simulation de référence) et un

état initial perturbé– Système plus ou moins efficace selon les stations.

– Système sensible à R : meilleurs résultats pour alpha=0.71 et 0.224 pour B fixé.

– Plusieurs comportements-types des stations : adapter R et B en conséquence?

Plan de l’exposé





– 3) Débits





Conclusions générales, perspectives

Comparaison des prévisions d’ensemble : – Impact positif à courte échéance de la PEARP pour petits bassins et

forts débits

– Améliorations futures : • Désagrégation des précipitations• État initial plus proche des observations

Assimilation des débits : – Système codé

– Fin du débuggage en cours

– Premiers résultats encourageants


Tests et réglages à effectuer : – Réglage des coefficients de R et B (équilibre entre erreur d’ébauche et

d’observation)

– Fréquence de l’assimilation (à terme celle des prévisions)

– Taille de la fenêtre d’assimilation (+ courte?)

– Modifier la valeur de la perturbation appliquée pour calculer la jacobienne?

– Autres cas tests : • Tester la réponse à une perturbation initiale différente (–5%, +5%, +10%?)• Forçage de pluie nul

Passage du système sur tori


Assimiler des vrais débits observés– Gérer les débits manquants, tardifs– Assimiler neige et hauteurs piézométriques– Ré-optimiser l’assimilation

Étudier l’apport des débits assimilés dans les prévisions d’ensemble– PEARP? CEPMMT? Les 2?

En parallèle, comparaison multi-modèle CEMAGREF/CNRM (pilotée par le SCHAPI) – CEMAGREF : modèles GR paramétrés par bassins– CNRM : SIM– Comparer les prévisions d’ensemble de débits sur une sélection de

bassins communs des modèles forcés par la PEARP

Merci de votre attention!

Documents

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