directeur de thèse: thierry lebel soutenance de thèse théo vischel
TRANSCRIPT
Directeur de thèse: Thierry LebelDirecteur de thèse: Thierry Lebel
Soutenance de thèseSoutenance de thèseThéo VischelThéo Vischel
1
INTRODUCTIONINTRODUCTION
Afrique de l’Ouest
Equateur
10°N
20°NUne sécheresse sans équivalent…
Forte variabilité pluviométrique
Années
Indi
ce d
e pl
uie
(Ali et al. - AGRHYMET, 2006)
Période Humide
Période Sèche
Forte variabilité
Une des plus vastes régions tropicales
2
Afrique de l’Ouest
Ressources en eau: un problème majeur
• Forte croissance démographique
• Agriculture dépendante de la pluviométrie
INTRODUCTIONINTRODUCTION
Forte vulnérabilité aux aléas climatiques
Sénégal- 60%
Niger Niamey- 40%
Lebel et al., 2003
Période HumidePériode Humide
Période SèchePériode Sèche
Années
Forte variabilité
PluviométriePluviométrie- 20%- 20%
3
Impact sur le débit des grands fleuves
INTRODUCTIONINTRODUCTION
Le SahelUne région semi-aride particulièrement vulnérable
1. Courte saison des pluies
400600
Sahel200
8001000
1200
2000
INTRODUCTIONINTRODUCTION
2. Forte évaporation
Niamey J F M A M J J A S O N D
250
200
150
100
50
0
Plu
ie (
mm
) ETPETP
4
1. Courte saison des pluies
3. Pluie par intermittence
INTRODUCTIONINTRODUCTION
systèmes convectifs de méso- échellesystèmes convectifs de méso- échelle
Essentiels pour caractériser la variabilité pluviométrique
Essentiels pour caractériser la variabilité hydrologique?
2. Forte évaporation
4
Le SahelUne région semi-aride particulièrement vulnérable
Les systèmes convectifs de méso-échelle SCM
Berry and Thorncroft ©Temps réel: 3 jours
INTRODUCTIONINTRODUCTION
5
Mathon et al., 2001
5
Les systèmes convectifs de méso-échelle SCM
INTRODUCTIONINTRODUCTION
Organisation en ligne de grain
Image Radar du 20/08/1991
Aéroport de Niamey
300
km
Systèmes convectifs organisés SCO:
• 12% du nombre des SCM
• 90% pluie au Sahel au coeur de la saison
0
20
40
60
80
100
120
0 50 100 150 200 250 300 350 400Temps (mn)
Inte
nsi
té p
luie
(mm
/h)
0
20
40
60
80
100
120
0 50 100 150 200 250 300 350 400Temps (mn)
Inte
nsi
té p
luie
(mm
/h)
Spatialement
Temporellement
Forte intermittence
Forts gradients locaux
Ali et al., 2003 6
ConvectiveStratiforme
Trace au sol d’un événement
Mesureponctuelle
Forte variabilité spatio-temporelle
110
km
160 km
INTRODUCTIONINTRODUCTION
Forte variabilité……jusqu’au pas de temps annuel
Une saison des pluies:
• 40 à 50 événements pluvieux
• ~20 événements expliquant 80% du cumul saisonnier
• 50% de la pluie tombe en moins de 4h
Forte variabilité spatiale des événements pluvieux
Forte variabilité spatiale des cumuls annuels
Cumul année 1992
Cumul année 1990
110
km
160 km
INTRODUCTIONINTRODUCTION
7
Echelles spatialesPlus fines
Grande échelle
Echelles temporellesPlus fines
INTRODUCTIONINTRODUCTION
8
Nécessité de connaître l’évolution locale du changement climatique global
Modificationglobale
Impact local
1m10m100m1km10km100km1000km10000km
Echelles spatialesPlus fines
Echelles temporellesPlus fines
1an
1mois
1 jour
1h
1mn
Echelles du ruissellement
Echelles de la circulation générale
Echellesdes SCM
Méso-échelle
ProblématiqueProblématique
INTRODUCTIONINTRODUCTION
9
Problème d’échelle…
Modèles Climatiques GlobauxMCG
Exemple sur le Sahel
Donnée moyenne spatiale
Résolutions minimum100*100 km²…
INTRODUCTIONINTRODUCTION
Une telle variabilité est-elle représentée en sortie des modèles climatiques
globaux?
Trace événement
110
km
160 km
Résolution spatiale trop grossièrepour rendre compte de
la variabilité de la pluie à méso-échelle
10
Impact de la variabilité de la pluiesur le ruissellement
des bassins versants sahéliens?
Restituer la variabilité pluviométrique
de méso-échelle?
Impact modification du climat sur la variabilité hydro-climatique
?
INTRODUCTIONINTRODUCTION
Questions posées…
Modèles Climatiques GlobauxMCG
Exemple sur le Sahel
Donnée moyenne spatiale
Modélisation hydrologique
Modélisation pluviométrique
Tester des scénarios pluviométriques à l’échelle
des bassins sahéliens 11
Résolutions minimum100*100 km²…
PLAN DE L’EXPOSEPLAN DE L’EXPOSE
II.II. IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUESMESO-ECHELLE DANS LES MODELES HYDROLOGIQUES
IIIIII. . APPORTS DE LA SIMULATION DE CHAMPS DE PLUIEAPPORTS DE LA SIMULATION DE CHAMPS DE PLUIE
IV.IV. ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES
V.V. CONCLUSIONS ET PERSPECTIVESCONCLUSIONS ET PERSPECTIVES
I.I. SYSTEMES HYDROLOGIQUES ETUDIES
12
I.SYSTEMES HYDROLOGIQUES ETUDIESSYSTEMES HYDROLOGIQUES ETUDIES
2. Bassins étudiés et données disponibles
1. Deux grands types de systèmes hydrologiques
13
3. Un point sur la modélisation hydrologique
SYSTEMES HYDROLOGIQUES ETUDIESSYSTEMES HYDROLOGIQUES ETUDIES
Deux grands types de systèmes hydrologiquesDeux grands types de systèmes hydrologiques
14
IV.
V.
II.
III.
I.I. 1.1.2.3.
Exoréique
Endoréique
Exoréique
Bassins Exoréiques
Les écoulements sont drainés vers le fleuve
Deux grands types de systèmes hydrologiquesDeux grands types de systèmes hydrologiques
SYSTEMES HYDROLOGIQUES ETUDIESSYSTEMES HYDROLOGIQUES ETUDIES
15
Q (m3/s)
t
Variabilité hydrologique
IV.
V.
II.
III.
I.I. 1.1.2.3.
Endoréique
Aquifère
Bassins Endoréiques
Peugeot et al., 1997; Favreau, 2001
Evaluer le ruissellement sur la multitude
de petits bassins versantsde quelques hectares à ~10km²
Deux grands types de systèmes hydrologiquesDeux grands types de systèmes hydrologiques
H (m)
t
Variabilité hydrologique
SYSTEMES HYDROLOGIQUES ETUDIESSYSTEMES HYDROLOGIQUES ETUDIES
16
IV.
V.
II.
III.
I.I. 1.1.2.3.
Niger
Burkina Faso
Bassin de la Sirba
Bassins endoréiques au sein de L’Observatoire AMMA-CATCH Niger
SYSTEMES HYDROLOGIQUES ETUDIESSYSTEMES HYDROLOGIQUES ETUDIES
Bassins endoréiques au sein de L’Observatoire AMMA-CATCH Niger
Bassins étudiés et données disponiblesBassins étudiés et données disponibles
17
IV.
V.
II.
III.
I.I. 1.2.2.3.
Niger
Site 2
Bassins duKori de Dantiandou
Réseau de 30 pluviographes (depuis 1990)
2 domaines d’étude
Site 1
• 10 000 km²
• Pluviométrie Finement documentée
• Hydrologie Non documentée
Bassins étudiés et données disponiblesBassins étudiés et données disponibles
Observatoire AMMA-CATCH Niger
SYSTEMES HYDROLOGIQUES ETUDIESSYSTEMES HYDROLOGIQUES ETUDIES
18
Site 1
Niamey
Site 2
• 1500 km²
• Pluviométrie Faible extension
• Hydrologie 227 bassins3 ha à 50 km²(Massuel, 2005)
160 x 110 km²
548 événements pluvieux de 1990 à 2002
IV.
V.
II.
III.
I.I. 1.2.2.3.
Systèmes hydrologiques sahéliens:
Etats de surface production de ruissellementSols arides à faible capacité d’infiltration
Casenave et Valentin, 1989
Un point sur la modélisation hydrologiqueUn point sur la modélisation hydrologique
19
Ruissellement très majoritairement hortonien:
Intensités de pluies > capacité d’infiltration du sol Ruissellement
SYSTEMES HYDROLOGIQUES ETUDIESSYSTEMES HYDROLOGIQUES ETUDIES
IV.
V.
II.
III.
I.I. 1.2.3.3.
I (mm/h)
t
I (mm/h)
t
1 bassin endoréique = une relation pluie-ruissellement
Lr = (Pu - Ia)²
(Pu – Ia + S)Lr =
P (Ph - Sr)²
Ph (Ph – B)
Peugeot et al., 1997 Massuel, 2005Hyétogrammeévénementiel
Ruissellementévénementiel
Relation à 2 paramètres
Pu (mm)
Ph (mm)ou
Un point sur la modélisation hydrologiqueUn point sur la modélisation hydrologique
Lr (mm)
Site 1 Site 2
Deux modèles événementiels
Pluie seuillée potentiellement ruisselante
Pu
Is Is
Ph
20
SCS:Soil Conservation Service
SYSTEMES HYDROLOGIQUES ETUDIESSYSTEMES HYDROLOGIQUES ETUDIES
SCS modifié
IV.
V.
II.
III.
I.I. 1.2.3.3.
II.IMPACTS DE LA VARIABILITE PLUVIOMETRIQUE DE IMPACTS DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUESMESO-ECHELLE DANS LES MODELES HYDROLOGIQUES
1. Impact de la variabilité temporelle
21
2. Impact de la variabilité spatiale
Impact Impact variabilité temporellevariabilité temporelle
• 30 stations de l’observatoire CATCH-Niger
• 548 événements pluvieux de 1990 à 2002
• Pas de temps 5 mn
Données
• Chaque station est au centre d’un bassin
endoréique
• Tous les bassins sont identiques
• Relation pluie-ruissellement de type SCS
On considère que
30 bassins endoréiques identiques
…
Hydrologie idéalisée
Is
Pu
Lr = (Pu - Ia)²
(Pu – Ia + S)
0
10
20
30
40
50
60
70
80
0 20 40 60 80 100 120
Pluie événementielle (mm)
Ru
iss
elle
me
nt
év
én
em
en
tie
l (m
m)
Jeu #1 Kr=25.1%Jeu #2 Kr=9.3%
Jeu #3 Kr=4.1%
3 jeux de paramètres
22
+
Peugeot et al., 1997
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUESDANS LES MODELES HYDROLOGIQUES
IV.
V.
III.
I.
1.1.2.
1.2.3.
II.II.
Impact variabilité temporelleImpact variabilité temporelle
548 événements x 30 bassins6 résolutions temporelles:
Modèlehydrologique
Evolution du ruissellement
moyen annuel
Is=12 mm/h
Ruissellement moyen annuelsur les 30 bassins
Comportement similaire avec des modèles plus continus
Représentatif des processus hortoniens
23
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUESDANS LES MODELES HYDROLOGIQUES
IV.
V.
III.
I.
1.1.2.
1.2.3.
II.II.
Impact variabilité temporelleImpact variabilité temporelle
Cumul événementiel en un point
HyétogrammeObservé
Désagrégation
Modèle hydrologiqu
e
Ruissellement
Modèle créneau Modèle Ligne de grain
Guillot and Lebel, 1999
RuissellementJeu #1 Jeu #2 Jeu #3 Jeu #1 Jeu #2 Jeu #3
9% 11% 15%19% 45% 65%
Ruissellement Référence
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUESDANS LES MODELES HYDROLOGIQUES
Conséquences pour la désagrégation temporelle
24
IV.
V.
III.
I.
1.1.2.
1.2.3.
II.II.
Impact Impact variabilité spatialevariabilité spatiale
• 30 stations de l’observatoire CATCH Niger
• 548 événements pluvieux de 1990 à 2002
• Pas de temps événementiel
Données
• Chaque pixel 1 km² = 1 BV endoréique
• Tous les bassins sont identiques
• Relation pluie-ruissellement de type SCS
On considère que
Hydrologie idéalisée
Is
Pu
Lr = (Pu - Ia)²
(Pu – Ia + S)
Site 1
10 000 bassins endoréiques identiques
Bassin 1 km²
0
10
20
30
40
50
60
70
80
0 20 40 60 80 100 120
Pluie événementielle (mm)
Ru
iss
elle
me
nt
év
én
em
en
tie
l (m
m)
Jeu #1 Kr=25.1%Jeu #2 Kr=9.3%
Jeu #3 Kr=4.1%
3 jeux de paramètres
25
+
Peugeot et al., 1997
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUESDANS LES MODELES HYDROLOGIQUES
IV.
V.
III.
I.
1.2.2.
1.2.3.
II.II.
Agrégation spatiale7 résolutions:
1, 5, 10, 20, 25, 50 et 100 km
∆ t = évènement∆ x = variable
Impact variabilité spatialeImpact variabilité spatiale
∆ t = 5 min
…
Désagrégation temporelleà 5 mn
pour chaque bassin.Modèle « ligne de grain »
3 jeux de paramètres
3 valeurs de ruissellement pour chaque bassin (1 km²)
Lr
Lr
Lr
…
∆ t = évènement
Modèle SCS
26
∆ t = évènement∆ x = 1km
Champ de pluie
Champ de ruissellement
∆ t = évènement∆ x = 1km
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUESDANS LES MODELES HYDROLOGIQUES
IV.
V.
III.
I.
1.2.2.
1.2.3.
II.II.
Impact variabilité spatialeImpact variabilité spatiale
P spatiale cumulée sur l’événement
Lr spatial
14.4 mm 14.4 mm14.4 mm 14.4 mm
0.5 mm 0.4 mm 0.2 mm 0.0 mm
Plu
ieR
uiss
elle
men
t
Exemple pour un événement
27
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUESDANS LES MODELES HYDROLOGIQUES
IV.
V.
III.
I.
1.2.2.
1.2.3.
II.II.
0
10
20
30
40
50
60
70
80
90
100
1 10 100
Spatial resolution (km)
% o
f to
tal r
un
off
Set #1
Set #2
Set #3
(b)
Impact variabilité spatialeImpact variabilité spatiale
Ruissellement moyen annuel issu des 548 événements
• Diminution du ruissellement simulé lorsque la résolution se dégrade
• D’autant plus marquée que le coefficient de ruissellement est faible
Echelle critique Erreur<10% ~20 km
-16%
-51%
28
% d
u r
uis
selle
men
t d
e ré
fére
nce
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUESDANS LES MODELES HYDROLOGIQUES
Référence Résolution spatialeIV.
V.
III.
I.
1.2.2.
1.2.3.
II.II.
29
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUESDANS LES MODELES HYDROLOGIQUES
Risque de sous estimationdu ruissellement
Modèles hydrologiques
Forte sensibilité des systèmes hydrologiques endoréiques régionaux à la variabilité pluviométrique de méso-échelle
Conséquence: il faut restituer la variabilité de méso-échelle
Simulation de champs de pluie
Maille MCG
Impact variabilité spatialeImpact variabilité spatiale
Bilan
Pluie moyenne spatiale
IV.
V.
III.
I.
1.2.2.
1.2.3.
II.II.
III.APPORTS DE LA SIMULATION DE CHAMPS DE PLUIEAPPORTS DE LA SIMULATION DE CHAMPS DE PLUIE
1. De la pluie…
30
2. …au ruissellement
Technique géostatistique utilisée
Onibon et al., 2004Guillot and Lebel, 1999
Simulationsstochastiques
Non conditionnéesConditionnées Conditionnées
Nécessité de restituer la variabilité spatiale des intensités événementielles
Loi de proba. pluie ponctuelle Fonction de structure spatiale
F0
1Fréquence
0 10050P (mm) V
ario
gram
me
(m
m²)
d (km)
Moyennes spatialesValeurs ponctuelles
Modèle gaussienanamorphosé
31
PluviomètresModèle Climat
Imagerie Satellite
Simulation de champs de pluie événementiels
Apports de la simulation de champs de pluieApports de la simulation de champs de pluie
De la pluie …De la pluie …
IV.
V.
III.III.
I.
1.2.
1.2.3.
II.
1.1.2.
F0
1Fréquence
0 10050P (mm)
Var
iogr
amm
e (m
m²)
d (km)
Loi GammaE0 et Var0
+atome en 0
F0
Double structureexponentielle
anisotrope
Ali et al., 2003
1990
1991
2002
200360
km
60 km
545 événements
Pour un événement donné
100 réalisations
Non conditionnées Toutes les stations 1 station Valeur moyenne
100 réalisations
100 réalisations
100 réalisations
32
Zone de simulation
Simulation de champs de pluie événementiels
De la pluie …De la pluie …
Apports de la simulation de champs de pluieApports de la simulation de champs de pluie
IV.
V.
III.III.
I.
1.2.
1.2.3.
II.
1.1.2.
1990
1991
2002
2003
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
100Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
545 événements
545 événements
545 événements
545 événements
Non conditionnées Toutes les stations 1 station Valeur moyenne
100 réalisations
Non conditionnées Toutes les stations 1 station Valeur moyenne
100 réalisations
100 réalisations
100 réalisations
Simulation de champs de pluie événementiels
De la pluie …De la pluie …
Apports de la simulation de champs de pluieApports de la simulation de champs de pluie
32
IV.
V.
III.III.
I.
1.2.
1.2.3.
II.
1.1.2.
Résultats de simulations
Pluie moyenne annuelle (mm)
Krigeage: référence
• Moyenne conservée • Large dispersion
Toutes les stations• Moyenne conservée • Faible dispersion
1 station• Moyenne non conservée • Dispersion moyenne• Forte influence station
Valeur moyenne
• Moyenne conservée • Faible dispersion 33
Simulations
Non conditionnées
Conditionnées
476
De la pluie …De la pluie …
Apports de la simulation de champs de pluieApports de la simulation de champs de pluie
IV.
V.
III.III.
I.
1.2.
1.2.3.
II.
1.1.2.
1990
1991
2002
2003
Non conditionnées Toutes les stations 1 station Valeur moyenne
Impact des simulations sur le ruissellement100
Site 2
60 k
m
60 km
Modèle hydrologique
Ruissellementévénementiel
moyen sur le Site 2
Désagrégation temporelle
……au ruissellementau ruissellement
Apports de la simulation de champs de pluieApports de la simulation de champs de pluie
34
IV.
V.
I.
1.2.
1.2.3.
II.
1.2.2.
III.III.
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Ruisselt moyeninterannuel
100
Non conditionnées
545 événements
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Ruisselt moyeninterannuel
Toutes les stations
545 événements
Modèle hydrologique
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Ruisselt moyeninterannuel
1 station
545 événements
Modèle hydrologique
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Pluie moyenneinterannuelle
Ruisselt moyeninterannuel
Valeur moyenne
545 événements
Modèle hydrologique
Modèle hydrologique
1990
1991
2002
2003
Impact des simulations sur le ruissellement
Non conditionnées Toutes les stations 1 station Valeur moyenne
100
……au ruissellementau ruissellement
Apports de la simulation de champs de pluieApports de la simulation de champs de pluie
34
IV.
V.
I.
1.2.
1.2.3.
II.
1.2.2.
III.III.
Ruissellement moyen annuel (mm)
Krigeage
Restitution des intensités spatiales par simulation influence le ruissellement modélisé
35
1 station
Forte influence station
Problème de convergence algorithmique
Valeur moyenne
Non conditionnes
Conditionnées
Toutes les stations
Simulations
-25%
Krigeage Simulation
Résultats de simulations
……au ruissellementau ruissellement
Apports de la simulation de champs de pluieApports de la simulation de champs de pluie
IV.
V.
I.
1.2.
1.2.3.
II.
1.2.2.
III.III.
Bilan
1. Bonne capacité à reproduire
la variabilité spatiale des champs de pluie
2.Apports bénéfiques pour le forçage pluviométrique
des modèles hydrologiques
Utilisation des simulations pour l’élaboration de scénarios pluviométriquesà l’échelle des systèmes hydrologiques sahéliens
Apports de la simulation de champs de pluieApports de la simulation de champs de pluie
36
IV.
V.
I.
1.2.
1.2.3.
II.
1.2.2.
III.III.
IV.ELABORATION DE SCENARIOS HYDRO-CLIMATIQUESELABORATION DE SCENARIOS HYDRO-CLIMATIQUES
1. Modifications passées de la pluviométrie à méso-échelle
2. Scénarios pluviométriques de sensibilité
37
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUESELABORATION DE SCENARIOS HYDRO-CLIMATIQUES
Modifications passées de la pluviométrie à méso-échelleModifications passées de la pluviométrie à méso-échelle
Nombre d’événements Hauteur moyenne
Le Barbé et al., 2002
Station de Niamey
Période humide1950-1969
Période sèche1970-1989
SCM = Signature de la variabilité climatique
• Diminution du nombre d’événements pluvieux
• Intensité plus stable
Approche ponctuelle
Nécessité d’affiner cette étude par une approche spatiale:
Utile pour l’étude des systèmes hydrologique à l’échelle régionale
Période HumidePériode Humide
Période SèchePériode Sèche
Années
Forte variabilité
II.
III.
V.
I.
1.2.
1.2.
1.2.3.
1.1.2.
IV.IV.
38
Approche spatiale
Données journalières Badoplu sans lacune 1950-1989
Niger
Burkina Faso6 fenêtres de Méso-échelle
•Détecter la trace des systèmes organisés:
• Evolution de leurs caractéristiques entre: 1950-1969 et 1970-1989
Moyenne des stations > seuil
IV.IV.
39V.
1.1.2.
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUESELABORATION DE SCENARIOS HYDRO-CLIMATIQUES
Modifications passées de la pluviométrie à méso-échelleModifications passées de la pluviométrie à méso-échelle
II.
III.
I.
1.2.
1.2.
1.2.3.
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUESELABORATION DE SCENARIOS HYDRO-CLIMATIQUES
Résultats
Modifications passées de la pluviométrie à méso-échelleModifications passées de la pluviométrie à méso-échelle
• Diminution du nombre d’événements notamment les plus intenses
• Intensité moyenne: sans tendance marquée
40
IV.IV.
V.
1.1.2.
On retrouve…
0
20
40
60
80
100
0 5 10 15 20 25
-20-1001020304050607080
(%)
• Intermittence: augmentation forte pour les événements intenses
Inte
rmitt
ence
F0
(%)
Pluie journalière (mm)
Plus…
Impact hydrologique…?
II.
III.
I.
1.2.
1.2.
1.2.3.
1950-19691970-1989Changement (%)
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUESELABORATION DE SCENARIOS HYDRO-CLIMATIQUES
Scénarios pluviométriques de sensibilitéScénarios pluviométriques de sensibilité
1. Diminution de l’occurrence des événements pluvieux
2. Modification de caractéristiques internes
Evolution du ruissellementmoyen annuel ?
Bassins Kori de Dantiandou
Impact sur la réponse hydrologique des systèmes sahéliens?
Site 2
41
IV.IV.
V.
1.
2.2.
II.
III.
I.
1.2.
1.2.
1.2.3.
Mai Juin Juillet Août Septembre
Mai Juin Juillet Août Septembre
Mai Juin Juillet Août Septembre
Les événementsde juillet et aoûtsont supprimésdans un ordre aléatoire
Les événementssont supprimésdansl’ordre croissant de leur intensité
Les événementssont supprimésdansl’ordre décroissantde leur intensité
Octobre
Octobre
Octobre
Critère de position temporelledes
événements
Critère d’intensitédes événements
Mai Juin Juillet Août Septembre
Les premiers et derniers événementsde la saisonsont progressivementsupprimés
Octobre
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUESELABORATION DE SCENARIOS HYDRO-CLIMATIQUES
Scénarios pluviométriques de sensibilitéScénarios pluviométriques de sensibilité
Effet d’une diminution du nombre d’événements
42
1.
2.
3.
4.
Vieux et al., 1998
IV.IV.
V.
1.
2.2.
II.
III.
I.
1.2.
1.2.
1.2.3.
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUESELABORATION DE SCENARIOS HYDRO-CLIMATIQUES
Scénarios pluviométriques de sensibilitéScénarios pluviométriques de sensibilité
Seu
il d’
inte
nsité
P (
mm
)S
euil
d’in
tens
ité P
(m
m)
Nb
évén
emen
ts s
uppr
imés
Effet d’une diminution du nombre d’événements
Mai Juin Juillet Août Septembre
Mai Juin Juillet Août Septembre
Mai Juin Juillet Août Septembre Octobre
Octobre
Octobre
Mai Juin Juillet Août Septembre Octobre
Mai Juin Juillet Août Septembre
Mai Juin Juillet Août Septembre
Mai Juin Juillet Août Septembre Octobre
Octobre
Octobre
Mai Juin Juillet Août Septembre Octobre
Série des 545 événements 1990-2002Simulations conditionnées par toutes les stations
43
Toutes les stationsToutes les stations
IV.IV.
V.
1.
2.2.
1
1.
2.
3.
4.
2
3
4II.
III.
I.
1.2.
1.2.
1.2.3.
Effet d’une modification des caractéristiques internes
Simulations non conditionnéesModification des paramètres de simulation
Fréquence des valeurs nullesF0
Intensité moyenneE0
44
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUESELABORATION DE SCENARIOS HYDRO-CLIMATIQUES
Scénarios pluviométriques de sensibilitéScénarios pluviométriques de sensibilité
IV.IV.
V.
1.
2.2.
II.
III.
I.
1.2.
1.2.
1.2.3.
V.CONCLUSIONS ET PERSPECTIVESCONCLUSIONS ET PERSPECTIVES
45
1. Impact de la variabilité de méso-échelle sur les écoulements des bassins?
Forte sensibilité des modèles hydrologiques
• Résolution temporelle
IV.
V.V.
1.2.
46
II.
III.
I.
1.2.
1.2.
1.2.3.
Δx = 100 km Sous estimation du ruissellement 50%
CONCLUSIONS ET PERSPECTIVESCONCLUSIONS ET PERSPECTIVES
Questions … éléments de réponse
Spatialement Δx <20km
• Résolution spatiale
Nécessité de la reproduire
Temporellement
Intensités événementielles constantes Erreur sur le ruissellement jusqu’à 60%
2. Capacité à modéliser la variabilité de la pluie à méso-échelle ?
Utilité pour le forçage des modèles hydrologiques des bassins hortoniens
• Restitution de la variabilité spatiale des intensités
• Conditionnement possible:
- Valeur ponctuelles (fonctionnel)
- Valeurs spatiales (à affiner)IV.
V.V.
1.2.
47
II.
III.
I.
1.2.
1.2.
1.2.3.
CONCLUSIONS ET PERSPECTIVESCONCLUSIONS ET PERSPECTIVES
Questions … éléments de réponse
Utilisation et développement d’un modèle géostatistique pour la simulation stochastique de champs de pluie
3. Lien entre modifications du climat et variabilité hydro-climatique?
Déficit pluviométrique entre 1950-1969 et 1970-1989
• Diminution du nombre d’événements
notamment les plus intenses
• Relative stabilité de leur intensité moyenne
• Amoindrissement de l’extension moyenne des systèmes
Impact de scénarios pluviométriques
• Fort préjudice d’une diminution potentielle
des événements les plus intenses à échelle régionale
• Sensibilité forte à des modifications des caractéristiques
internes des événements (Intermittence, Intensité)
IV.
V.V.
1.2.
48
II.
III.
I.
1.2.
1.2.
1.2.3.
CONCLUSIONS ET PERSPECTIVESCONCLUSIONS ET PERSPECTIVES
Questions … éléments de réponse
• Utilisation des simulations conditionnées pour la modélisation des fluctuations de la nappe du Kori de Dantiandou
Plus globalement:
Intégration des simulations et désagrégation de champs de pluie à une chaîne complète d’élaboration de scénarios climatiques
Forçage du modèle intégré issu de la thèse de Massuel (2005)
Modélisation de l’occurence
Modèles Climatiques
Globaux
Réduction d’échelle
ImpactEvénementPluvieux
SimulationDésagrégation
IV.
V.V.
1.2.
49
Aspects hydrologiques
Etats de surface
II.
III.
I.
1.2.
1.2.
1.2.3.
CONCLUSIONS ET PERSPECTIVESCONCLUSIONS ET PERSPECTIVES
A suivre…
Merci !Merci !
SCO
Tirage aléatoire
seuil
Jours
P (mm)
Loi de Poisson Nb Jours E0 F01950-1969 1531 12.6 34%1970-1989 1270 11.9 37%chge (%) -17% -5.70% 8.80%
Seuil 1 mm
Nb Jours E0 F01950-1969 1398 13.5 34%1970-1989 1163 12.6 38%chge (%) -17% -6.20% 10.70%
Méthode spatiale
EvolutionGaz à effet de serre?
Capacité à modéliser le climat
Capacité à retranscrire à petite échelle
les modifications de grande échelle
Capacité à modéliser l’hydrologie
• Plusieurs MCG Dispersion
• Plusieurs méthodes• Stochastiques Dispersion
• Formulation modèle• Paramètres constantsDispersion
01-mars 31-mars 30-avr 30-mai 29-juin 29-juil 28-août 27-sept 27-oct 26-nov 26-déc 25-janv 24-févr
0
50
100
150
200
250
300
350
400
Deb
it (
m3/
s)
.
Année 1967
0
1
2
3
4
5
6
7
0 10 20
-ln
(1-F
)
1963
1967
0
2
4
6
8
10
12
01-mars 31-mars 30-avr 30-mai 29-juin 29-juil 28-août 27-sept 27-oct 26-nov 26-déc 25-janv 24-févr
Plu
ie (
mm
)
.
0
50
100
150
200
250
300
350
400
De
bit
(m
3/s
)
.
0
10
20
30
40
50
60
70
80
90
100
1 10 100
Spatial resolution (km)
% o
f to
tal r
un
off
Set #1
Set #2
Set #3
(b)
7mm/h<Is<18mm/h