Prévisions hydrologiques d’ensemble : développements pour améliorer la qualité des prévisions et estimer leur utilité

Hydrological ensemble forecasts : developments to improve their quality and estimate their utility.

• Auteur / Autrice : Ioanna Zalachori
• Direction : Cécile Loumagne, Maria Héléna Domingues Ramos
• Type : Thèse de doctorat
• Discipline(s) : Hydrologie
• Date : Soutenance le 19/04/2013
• Etablissement(s) : Paris, AgroParisTech
• Ecole(s) doctorale(s) : École doctorale Géosciences, ressources naturelles et environnement (Paris)
• Partenaire(s) de recherche : Laboratoire : Hydrosystèmes et bioprocédés (2005-2019)
• Jury : Président / Présidente : Cyril Kao
• Jury : Examinateurs / Examinatrices : Maria Héléna Domingues Ramos, Cyril Kao, Jocelyn Gaudet, Éric Martin, Rémy Garçon
• Jury : Rapporteurs / Rapporteuses : Anne-Catherine Favre Pugin, Massimiliano Zappa

Mots clés

Mots clés contrôlés

Mathématiques

Méthodes statistiques

Hydrologie

Modèles hydrologiques

Prévision hydrologique

Mots clés libres

Prévisions probabilistes d'ensemble

Modèle hydrologique

Evaluation

Incertitude

Traitement statistique

Valorisation des prévisions

Ensemble probabilistic forecasting

Hydrological model

Evaluation

Uncertainty

Statistical treatment

Forecast valorisation

Résumé

La dernière décennie a vu l'émergence de la prévision probabiliste de débits en tant qu'approche plus adaptée pour l'anticipation des risques et la mise en vigilance pour lasécurité des personnes et des biens. Cependant, au delà du gain en sécurité, la valeur ajoutée de l'information probabiliste se traduit également en gains économiques ou en une gestion optimale de la ressource en eau disponible pour les activités économiques qui en dépendent. Dans la chaîne de prévision de débits, l'incertitude des modèles météorologiques de prévision de pluies joue un rôle important. Pour pouvoir aller au-delà des limites de prévisibilité classiques, les services météorologiques font appel aux systèmes de prévision d'ensemble,générés sur la base de variations imposées dans les conditions initiales des modèlesnumériques et de variations stochastiques de leur paramétrisation. Des scénarioséquiprobables de l'évolution de l'atmosphère pour des horizons de prévision pouvant aller jusqu'à 10-15 jours sont ainsi proposés. L'intégration des prévisions météorologiques d'ensemble dans la chaîne de prévision hydrologique se présente comme une approche séduisante pour produire des prévisions probabilistes de débits et quantifier l'incertitude prédictive totale en hydrologie.

The last decade has seen the emergence of streamflow probabilistic forecasting as the most suitable approach to anticipate risks and provide warnings for public safety and property protection. However, beyond the gains in security, the added‐value of probabilistic information also translates into economic benefits or an optimal management of water resources for economic activities that depend on it.In streamflow forecasting, the uncertainty associated with rainfall predictions from numerical weather prediction models plays an important role. To go beyond the limits of classical predictability, meteorological services developed ensemble prediction systems, which are generated on the basis of perturbations of the initial conditions of the models and stochastic variations in their parameterization. Equally probable scenarios of the evolution of the atmosphere are proposed for forecasting horizons up to 10‐15 days.The integration of weather ensemble predictions in the hydrological forecasting chain is an interesting approach to produce probabilistic streamflow forecasts and quantify the total predictive uncertainty in hydrology. Last and final summary in the thesis.