« amélioration des prévisions d’ensemble des débits sur la france de safran-isba-modcou »
DESCRIPTION
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). - PowerPoint PPT PresentationTRANSCRIPT
« 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 : [email protected] 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