Vers une réanalyse hydrométéorologique à l'échelle de la France sur les 140 dernières années par assimilation de données dans des reconstructions ensemblistes

par Alexandre Devers

Projet de thèse en Océan, Atmosphère, Hydrologie

Sous la direction de Jean-Philippe Vidal et de Claire Lauvernet.

Thèses en préparation à Grenoble Alpes , dans le cadre de Terre, Univers, Environnement , en partenariat avec IRSTEA Lyon (laboratoire) depuis le 01-11-2016 .


  • Résumé

    Les réanalyses atmosphériques globales étendues couvrant la période 1871-2014 et récemment mises à disposition de la communauté scientifique fournissent des informations inédites sur les précurseurs des événements hydrologiques historiques. Ces informations météorologiques de grandeéchelle ont été régionalisées sur la France dans la thèse en cours à Irstea de Laurie Caillouet (2013-2016) grâce à la méthode de descente d'échelle SANDHY (Stepwise ANalogue Downscaling method for Hydrology). Cette approche permet ainsi de reconstruire des pseudo-observations météorologiques spatialisées probabilistes, qui servent de forçage aux modèles hydrologiques pour la reconstruction des débits historiques. Ces pseudo-observations sont cependant entachées de larges incertitudes qui sont ensuite propagées dans lemodèle hydrologique. Ces travaux de thèse viseront à réduire et quantifier ces incertitudes en incorporant des observations météorologiques historiques indépendantes grâce à des techniques d'assimilation de données. Ce type de méthodes est classiquement utilisé en prévision météorologique ou océanique, mais c'est une approche particulièrement novatrice pour la reconstruction hydrométéorologique. On s'appuiera sur des développements récents pour la reconstruction paléoclimatique, qui visent à contraindre des modèles climatiques globaux par des proxys très espacés en temps et espace, en utilisant des méthodes offline (i.e., qui n'utilisent pas un modèle pendant le processus d'assimilation mais des simulations déjà réalisées). Le premier objectif visé est de développer une réanalyse météorologique optimale conditionnellement aux produits de la descente d'échelle et aux observations historiques disponibles sur l'ensemble de la France. Cette première partie consistera à mettre en place des méthodes d'assimilation de données pour estimer l'état des variables météorologiques sur une large fenêtre temporelle, tout en prenant en compte leur aspect spatialisé, en combinant les reconstructions météorologiques locales (précipitations et température, spatialisées), les données stations historiques (éparses et non continues), et leurs erreurs associées. On testera différentes méthodes offline, basées principalement sur un filtre particulaire et un filtre de Kalman d'ensemble. Le deuxième objectif, correspondant à la seconde partie de la thèse, consistera à établir une reconstruction hydrologique continue depuis 1871 sur l'ensemble du réseau de référence hydrométrique français, en utilisant cette réanalyse météorologique optimale comme forçage d'un modèle hydrologique. La confrontation de ces reconstructions à celles réalisées sans assimilation de données stations ainsi qu'aux données hydrologiques anciennes permettra ainsi d'estimer le gain apporté par le processus d'assimilation de données météorologiques au travers du filtre hydrologique. Cette réanalyse hydrométéorologique permettra d'étudier l'impact de la variabilité climatique et du changement climatique d'origine anthropique sur l'hydrologie en France, et de définir des événements historiques de référence pour l'adaptation aux évolutions climatiques futures.

  • Titre traduit

    Towards a 140-year hydrometeorological reanalysis over France through data assimilation in ensemble reconstructions


  • Résumé

    Extended global atmospheric reanalyses covering the 1871-2014 period and recently made available to the research community provide unprecedented information on drivers of historical hydrological events. Such large-scale meteorological information have been downscaled over France during the on-going PhD thesis of Laurie Caillouet (2013-2016) thanks to the statistical downscaling method SANDHY (Stepwise ANalogue Downscaling method for Hydrology) (Caillouet et al., 2015). This approach allows reconstructing probabilistic and spatialized meteorological pseudo-observations that serve as forcings to hydrological models to reconstruct historical streamflows. The uncertainty associated to those pseudo-observations is however very large and propagated through the hydrological model. This PhD work aims at reducing and quantifying this uncertainty by introducing independent historical meteorological observations through data assimilation methods. Data assimilation methods are commonly used in different contexts like weather or oceanic forecasting, but their application in hydrometeorological reconstruction is particularly innovative. The work will build on recent developments in the context of paleoclimatic reconstructions where global climate model simulations are constrained by scarce and sparse proxys (e.g. Matsikaris et al., 2015) through offline data assimilation methods, i.e. methods that do not require the climate model itself but only already existing simulations. The first objective is to develop a meteorological reanalysis that would be optimal with respect to downscaled reconstructions and available historical observations over the whole of France. This first part aims at implementing appropriate data assimilation methods for estimating the state of meteorological variables over a large temporal window while taking account of their spatialized nature, by combining local meteorological reconstructions (precipitation and temperature spatial fields), station-based historical observations (sparse and discontinuous), and their associated errors. Several offline methods will be tested mainly based on the particle filter and ensemble Kalman filter approaches. The second objective corresponding to the second part of the PhD work aims at building a continuous hydrological reconstruction since 1871 over the whole French reference network of hydrometric stations, by using the above meteorological reanalysis as forcings to a hydrological model. Comparing such reconstructions to raw existing reconstructions—without data assimilation—as well as to historical streamflow observations will allow estimating the added value of the meteorological data assimilation process through its impact on streamflow hydrology. This hydrometerological reanalysis will provide future opportunities for studying the hydrological impact of the climate variability and anthropogenic climate change, and for defining historical reference events for informing adaptation strategies to future climate evolutions.