La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Directeur de thèse: Thierry Lebel Soutenance de thèse Théo Vischel.

Présentations similaires


Présentation au sujet: "Directeur de thèse: Thierry Lebel Soutenance de thèse Théo Vischel."— Transcription de la présentation:

1 Directeur de thèse: Thierry Lebel Soutenance de thèse Théo Vischel

2 1 INTRODUCTION Afrique de lOuest Equateur 10°N 20°N Une sécheresse sans équivalent… Forte variabilité pluviométrique Années Indice de pluie (Ali et al. - AGRHYMET, 2006) Période Humide Période Sèche Forte variabilité Une des plus vastes régions tropicales

3 2 Afrique de lOuest Ressources en eau: un problème majeur Forte croissance démographique Agriculture dépendante de la pluviométrie INTRODUCTION Forte vulnérabilité aux aléas climatiques

4 Sénégal - 60% Niger Niamey - 40% Lebel et al., 2003 Pluviométrie - 20% 3 Impact sur le débit des grands fleuves INTRODUCTION

5 Le Sahel Une région semi-aride particulièrement vulnérable 1. Courte saison des pluies Sahel INTRODUCTION 2. Forte évaporation Niamey 4

6 1. Courte saison des pluies 3. Pluie par intermittence INTRODUCTION systèmes convectifs de méso- échelle Essentiels pour caractériser la variabilité pluviométrique Essentiels pour caractériser la variabilité hydrologique? 2. Forte évaporation 4 Le Sahel Une région semi-aride particulièrement vulnérable

7 Les systèmes convectifs de méso-échelle SCM Berry and Thorncroft © Temps réel: 3 jours INTRODUCTION 5

8 Mathon et al., Les systèmes convectifs de méso-échelle SCM INTRODUCTION 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

9 Spatialement Temporellement Forte intermittence Forts gradients locaux Ali et al., ConvectiveStratiforme Trace au sol dun événement Mesure ponctuelle Forte variabilité spatio-temporelle 110 km 160 km INTRODUCTION

10 Forte variabilité… …jusquau 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 km 160 km INTRODUCTION 7

11 Echelles spatiales Plus fines Grande échelle Echelles temporelles Plus fines INTRODUCTION 8 Nécessité de connaître lévolution locale du changement climatique global Modification globale Impact local

12 1m 10m 100m1km10km100km1000km 10000km Echelles spatiales Plus fines Echelles temporelles Plus fines 1an 1mois 1 jour 1h 1mn Echelles du ruissellement Echelles de la circulation générale Echelles des SCM Méso-échelle Problématique INTRODUCTION 9 Problème déchelle…

13 Modèles Climatiques Globaux MCG Exemple sur le Sahel Donnée moyenne spatiale Résolutions minimum 100*100 km²… INTRODUCTION Une telle variabilité est-elle représentée en sortie des modèles climatiques globaux? Trace événement 110 km 160 km Résolution spatiale trop grossière pour rendre compte de la variabilité de la pluie à méso-échelle 10

14 Impact de la variabilité de la pluie sur le ruissellement des bassins versants sahéliens ? Restituer la variabilité pluviométrique de méso-échelle ? Impact modification du climat sur la variabilité hydro-climatique ? INTRODUCTION Questions posées… Modèles Climatiques Globaux MCG Exemple sur le Sahel Donnée moyenne spatiale Modélisation hydrologique Modélisation pluviométrique Tester des scénarios pluviométriques à léchelle des bassins sahéliens 11 Résolutions minimum 100*100 km²…

15 PLAN DE LEXPOSE II. IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES III. APPORTS DE LA SIMULATION DE CHAMPS DE PLUIE IV. IV. ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES V. CONCLUSIONS ET PERSPECTIVES I. I. SYSTEMES HYDROLOGIQUES ETUDIES 12

16 I. SYSTEMES HYDROLOGIQUES ETUDIES 2. Bassins étudiés et données disponibles 1. Deux grands types de systèmes hydrologiques Un point sur la modélisation hydrologique

17 SYSTEMES HYDROLOGIQUES ETUDIES Deux grands types de systèmes hydrologiques 14 IV. V. II. III. I Exoréique Endoréique

18 Bassins Exoréiques Les écoulements sont drainés vers le fleuve Deux grands types de systèmes hydrologiques SYSTEMES HYDROLOGIQUES ETUDIES 15 Q (m 3 /s) t Variabilité hydrologique IV. V. II. III. I

19 Aquifère Bassins Endoréiques Peugeot et al., 1997; Favreau, 2001 Evaluer le ruissellement sur la multitude de petits bassins versants de quelques hectares à ~10km² Deux grands types de systèmes hydrologiques H (m) t Variabilité hydrologique SYSTEMES HYDROLOGIQUES ETUDIES 16 IV. V. II. III. I

20 Niger Burkina Faso Bassin de la Sirba Bassins endoréiques au sein de LObservatoire AMMA-CATCH Niger SYSTEMES HYDROLOGIQUES ETUDIES Bassins endoréiques au sein de LObservatoire AMMA-CATCH Niger Bassins étudiés et données disponibles 17 IV. V. II. III. I

21 Niger Site 2 Bassins du Kori de Dantiandou Réseau de 30 pluviographes (depuis 1990) 2 domaines détude Site km² Pluviométrie Finement documentée Hydrologie Non documentée Bassins étudiés et données disponibles Observatoire AMMA-CATCH Niger SYSTEMES HYDROLOGIQUES ETUDIES 18 Site 1 Niamey Site km² Pluviométrie Faible extension Hydrologie 227 bassins 3 ha à 50 km² (Massuel, 2005) 160 x 110 km² 548 événements pluvieux de 1990 à 2002 IV. V. II. III. I

22 Systèmes hydrologiques sahéliens: Etats de surface production de ruissellement Sols arides à faible capacité dinfiltration Casenave et Valentin, 1989 Un point sur la modélisation hydrologique 19 Ruissellement très majoritairement hortonien: Intensités de pluies > capacité dinfiltration du sol Ruissellement SYSTEMES HYDROLOGIQUES ETUDIES IV. V. II. III. I

23 I (mm/h) t 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, 2005 Hyétogramme événementiel Ruissellement événementiel Relation à 2 paramètres Pu (mm) Ph (mm) ou Un point sur la modélisation hydrologique Lr (mm) Site 1 Site 2 Deux modèles événementiels Pluie seuillée potentiellement ruisselante Pu Is Ph 20 SCS:Soil Conservation Service SYSTEMES HYDROLOGIQUES ETUDIES SCS modifié IV. V. II. III. I

24 II. IMPACTS DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES 1. Impact de la variabilité temporelle Impact de la variabilité spatiale

25 Impact variabilité temporelle 30 stations de lobservatoire CATCH-Niger 548 événements pluvieux de 1990 à 2002 Pas de temps 5 mn Données Chaque station est au centre dun 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) 3 jeux de paramètres 22 + Peugeot et al., 1997 IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES IV. V. III. I II.

26 Impact variabilité temporelle 548 événements x 30 bassins 6 résolutions temporelles: Modèle hydrologique Evolution du ruissellement moyen annuel Is=12 mm/h Ruissellement moyen annuel sur les 30 bassins Comportement similaire avec des modèles plus continus Représentatif des processus hortoniens 23 IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES IV. V. III. I II.

27 Impact variabilité temporelle Cumul événementiel en un point Hyétogramme Observé Désagrégation Modèle hydrologiqu e Ruissellement Modèle créneau Modèle Ligne de grain Guillot and Lebel, 1999 Ruissellement Jeu #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 DANS LES MODELES HYDROLOGIQUES Conséquences pour la désagrégation temporelle 24 IV. V. III. I II.

28 Impact variabilité spatiale 30 stations de lobservatoire 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 bassins endoréiques identiques Bassin 1 km² 3 jeux de paramètres 25 + Peugeot et al., 1997 IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES IV. V. III. I II.

29 Agrégation spatiale 7 résolutions: 1, 5, 10, 20, 25, 50 et 100 km t = évènement x = variable Impact variabilité spatiale t = 5 min … Désagrégation temporelle à 5 mn pour chaque bassin. Modèle « ligne de grain » 3 jeux de paramètres 3 valeurs de ruissellement pour chaque bassin (1 km²) 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 DANS LES MODELES HYDROLOGIQUES IV. V. III. I II.

30 Impact variabilité spatiale P spatiale cumulée sur lévénement Lr spatial 14.4 mm 0.5 mm 0.4 mm 0.2 mm 0.0 mm Pluie Ruissellement Exemple pour un événement 27 IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES IV. V. III. I II.

31 Impact variabilité spatiale Ruissellement moyen annuel issu des 548 événements Diminution du ruissellement simulé lorsque la résolution se dégrade Dautant plus marquée que le coefficient de ruissellement est faible Echelle critique Erreur<10% ~20 km -16% -51% 28 % du ruissellement de référence IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES Référence Résolution spatiale IV. V. III. I II.

32 29 IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES Risque de sous estimation du 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 spatiale Bilan Pluie moyenne spatiale IV. V. III. I II.

33 III. APPORTS DE LA SIMULATION DE CHAMPS DE PLUIE 1. De la pluie… …au ruissellement

34 Technique géostatistique utilisée Onibon et al., 2004Guillot and Lebel, 1999 Simulations stochastiques Non conditionnées Conditionnées Nécessité de restituer la variabilité spatiale des intensités événementielles Loi de proba. pluie ponctuelle Fonction de structure spatiale Variogramme (mm²) d (km) Moyennes spatialesValeurs ponctuelles Modèle gaussien anamorphosé 31 Pluviomètres Modèle Climat Imagerie Satellite Simulation de champs de pluie événementiels Apports de la simulation de champs de pluie De la pluie … IV. V. III. I II

35 Variogramme (mm²) d (km) Loi Gamma E 0 et Var 0 + atome en 0 F 0 Double structure exponentielle anisotrope Ali et al., km 545 événements Pour un événement donné 100 réalisations Non conditionnées Toutes les stations 1 stationValeur moyenne 100 réalisations 100 réalisations 100 réalisations 32 Zone de simulation Simulation de champs de pluie événementiels De la pluie … Apports de la simulation de champs de pluie IV. V. III. I II

36 Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle 100 Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle 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 stationValeur moyenne 100 réalisations 100 réalisations 100 réalisations Simulation de champs de pluie événementiels De la pluie … Apports de la simulation de champs de pluie 32 IV. V. III. I II

37 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 … Apports de la simulation de champs de pluie IV. V. III. I II

38 Non conditionnées Toutes les stations 1 stationValeur moyenne Impact des simulations sur le ruissellement 100 Site 2 60 km Modèle hydrologique Ruissellement événementiel moyen sur le Site 2 Désagrégation temporelle …au ruissellement Apports de la simulation de champs de pluie 34 IV. V. I II III.

39 Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Ruissel t moyen interannuel 100 Non conditionnées 545 événements Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Ruissel t moyen interannuel Toutes les stations 545 événements Modèle hydrologique Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Ruissel t moyen interannuel 1 station 545 événements Modèle hydrologique Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Pluie moyenne interannuelle Ruissel t moyen interannuel Valeur moyenne 545 événements Modèle hydrologique Modèle hydrologique Impact des simulations sur le ruissellement Non conditionnées Toutes les stations 1 station Valeur moyenne 100 …au ruissellement Apports de la simulation de champs de pluie 34 IV. V. I II III.

40 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% KrigeageSimulation Résultats de simulations …au ruissellement Apports de la simulation de champs de pluie IV. V. I II III.

41 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 lélaboration de scénarios pluviométriques à léchelle des systèmes hydrologiques sahéliens Apports de la simulation de champs de pluie 36 IV. V. I II III.

42 IV. ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES 1. Modifications passées de la pluviométrie à méso-échelle 2. Scénarios pluviométriques de sensibilité 37

43 ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Modifications passées de la pluviométrie à méso-échelle Nombre dévénements Hauteur moyenne Le Barbé et al., 2002 Station de Niamey Période humide Période sèche SCM = Signature de la variabilité climatique Diminution du nombre dévénements pluvieux Intensité plus stable Approche ponctuelle Nécessité daffiner cette étude par une approche spatiale: Utile pour létude des systèmes hydrologique à léchelle régionale II. III. V. I IV. 38

44 Approche spatiale Données journalières Badoplu sans lacune Niger Burkina Faso 6 fenêtres de Méso-échelle Détecter la trace des systèmes organisés: Evolution de leurs caractéristiques entre: et Moyenne des stations > seuil IV. 39 V ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Modifications passées de la pluviométrie à méso-échelle II. III. I

45 ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Résultats Modifications passées de la pluviométrie à méso-échelle Diminution du nombre dévénements notamment les plus intenses Intensité moyenne: sans tendance marquée 40 IV. V On retrouve… Intermittence: augmentation forte pour les événements intenses Intermittence F 0 (%) Pluie journalière (mm) Plus… Impact hydrologique…? II. III. I Changement (%)

46 ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Scénarios pluviométriques de sensibilité 1. Diminution de loccurrence des événements pluvieux 2. Modification de caractéristiques internes Evolution du ruissellement moyen annuel ? Bassins Kori de Dantiandou Impact sur la réponse hydrologique des systèmes sahéliens? Site 2 41 IV. V II. III. I

47 Mai Juin Juillet AoûtSeptembre Mai Juin Juillet AoûtSeptembre Mai Juin Juillet AoûtSeptembre Lesévénementsdejuilletetaoût sontsupprimésdansunordrealéatoire Lesévénementssontsupprimésdans lordrecroissant deleurintensité Lesévénementssontsupprimésdans lordredécroissantdeleurintensité Octobre Critèrede position temporelledes événements Critèredintensité desévénements Mai JuinJuilletAoût Septembre Les premiers etderniersévénementsde lasaison sontprogressivementsupprimés Octobre ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Scénarios pluviométriques de sensibilité Effet dune diminution du nombre dévénements Vieux et al., 1998 IV. V II. III. I

48 ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Scénarios pluviométriques de sensibilité Seuil dintensité P (mm) Nb événements supprimés Effet dune diminution du nombre dévénements Série des 545 événements Simulations conditionnées par toutes les stations 43 IV. V II. III. I

49 Effet dune modification des caractéristiques internes Simulations non conditionnées Modification des paramètres de simulation Fréquence des valeurs nulles F 0 Intensité moyenne E 0 44 ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Scénarios pluviométriques de sensibilité IV. V II. III. I

50 V. CONCLUSIONS ET PERSPECTIVES 45

51 1. Impact de la variabilité de méso-échelle sur les écoulements des bassins? Forte sensibilité des modèles hydrologiques Résolution temporelle IV. V II. III. I Δx = 100 km Sous estimation du ruissellement 50% CONCLUSIONS ET PERSPECTIVES Questions … éléments de réponse Spatialement Δx <20km Résolution spatiale Nécessité de la reproduire Temporellement Intensités événementielles constantes Erreur sur le ruissellement jusquà 60%

52 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 II. III. I CONCLUSIONS ET PERSPECTIVES Questions … éléments de réponse Utilisation et développement dun modèle géostatistique pour la simulation stochastique de champs de pluie

53 3. Lien entre modifications du climat et variabilité hydro-climatique? Déficit pluviométrique entre et Diminution du nombre dévénements notamment les plus intenses Relative stabilité de leur intensité moyenne Amoindrissement de lextension moyenne des systèmes Impact de scénarios pluviométriques Fort préjudice dune diminution potentielle des événements les plus intenses à échelle régionale Sensibilité forte à des modifications des caractéristiques internes des événements (Intermittence, Intensité) IV. V II. III. I CONCLUSIONS ET PERSPECTIVES Questions … éléments de réponse

54 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 délaboration de scénarios climatiques Forçage du modèle intégré issu de la thèse de Massuel (2005) Modélisation de loccurence Modèles Climatiques Globaux Réduction déchelle Impact Evénement Pluvieux Simulation Désagrégation IV. V Aspects hydrologiques Etats de surface II. III. I CONCLUSIONS ET PERSPECTIVES A suivre…

55 Merci !

56

57 SCO Tirage aléatoire seuil Jours P (mm) Loi de Poisson Seuil 1 mm Méthode spatiale

58 Evolution Gaz à effet de serre? Capacité à modéliser le climat Capacité à retranscrire à petite échelle les modifications de grande échelle Capacité à modéliser lhydrologie Plusieurs MCG Dispersion Plusieurs méthodes Stochastiques Dispersion Formulation modèle Paramètres constants Dispersion

59 01-mars31-mars30-avr30-mai29-juin29-juil28-août27-sept27-oct26-nov26-déc25-janv24-févr Debit (m3/s). Année ln(1-F)

60 mars31-mars30-avr30-mai29-juin29-juil28-août27-sept27-oct26-nov26-déc25-janv24-févr Pluie (mm) Debit (m3/s).

61 7 mm/h


Télécharger ppt "Directeur de thèse: Thierry Lebel Soutenance de thèse Théo Vischel."

Présentations similaires


Annonces Google