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

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

Modélisation spatio-temporelle des précipitations de trois régions du Royaume-Uni M.-L. Segond et C. Onof

Présentations similaires


Présentation au sujet: "Modélisation spatio-temporelle des précipitations de trois régions du Royaume-Uni M.-L. Segond et C. Onof"— Transcription de la présentation:

1 Modélisation spatio-temporelle des précipitations de trois régions du Royaume-Uni M.-L. Segond et C. Onof

2 Projet financé par le « DTI » Consortium de 14 partenaires. But: développer une méthode d'analyse des risques pour aider la conception et la gestion du drainage urbain. Trois zones pilotes: Londres, Glasgow et Bradford. A Imperial: modéliser des champs de pluie à pas de temps fin sur une longue période.

3 Plan Données Le modèle Résultats de calibration Résultats des simulations Discussion

4 Données Données radar: 5 min, 1x1 km 2 en provenance de Chenies (London), Corse Hill (Glasgow) et Hameldon Hill (Bradford) Jan 2003-mai 2006 Couverture de 50 km autour du radar Fenêtre radar de 70x70 pixels de taille 1x1 km 2. Simulation de 100 ans de pluie en continu à Chenies, Corse Hill et Hameldon Hill

5 Modélisation possible des précipitations Modèles météorologiques décrivent entièrement la physique du phénomène Modèles (purement) statistiques: à point ou multisite. Modèles stochastiques basés sur la phénoménologie: –L observation quil y a des invariances d échelles de certaines caractéristiques du phénomène étudié. –Lobservation quà certaines échelles, on peut identifier des structures (cells, storms, events). GDSTM de Northrop (1998), Cox and Isham (1988), Rodriguez-Iturbe et al. (1987)

6 Trois types dorganisation Cellule (Cellules pluvieuses) 10 à 50 km 2 Jusquà 40 min Orage (Méso-échelle) km 2 Heures Evènement (Echelle synoptique) >>10 4 km 2 Jours

7 Model Schematic 01/08/ /01/2006 Weibull distribution of inter-event times and event durations: 4 parameters 14:10 18:2020:50 14:35 15:55 17:40 11 Parameters for the modelling of event interior > <1 Rainfall rate (mm/hr) θLθL θTθT 17 parameters in total See Northrop (98) Time Event i Event i+k

8 La distribution des durées dans deux états (pluvieux et sec) est représentée par deux distributions de Weibull avec pour densité de probabilité: Les évènements sont identifiés et leur durée est définie par le temps où >15% des pixels dune image enregistrent de la pluie. On modélise chaque mois indépendamment afin de représenter la saisonnalité des pluies. Techniques danalyse de survie pour prendre en compte les données manquantes Calibration par la méthode du maximum de vraisemblance Distribution de Weibull pour modéliser les périodes pluvieuses ou sèches C: paramètre de forme : paramètre déchelle

9 Modelling the distribution of the wet and dry durations. Wet - AprilDry - April Weibull distributions of each month: QQ plot for Chenies (min)

10 Modelling of event interiors 11 parameters: Rate of storm arrival (/km 2 /h) Storm velocity x,y (km/hr) Eccentricity Orientation (degrees) Mean storm duration (h) Mean storm area (km2) Mean cell duration (h) Mean cell intensity (mm/h) Mean cell area (km 2 ) The model is spatially and temporally stationary. Snapshot of a single storm Source: Chandler et al. (2006)

11 Calibration du modèle intérieur des évènements à partir dune sélection dévénements Pour une période minimum dune heure Stationnarité temporelle: on élimine les images qui correspondent à une couverture pluvieuse inférieure à p, où p est solution de: k est fixé à 0.3 p max est la couverture maximale de lépisode étudié Stationnarité spatiale: on divise la fenêtre radar en quatre sous- carrés et pour chaque sous-carré, on retient les images pour lesquelles la couverture pluvieuse est proche de la couverture totale. Rem: les cas de convection isolée ne sont pas identifiés selon ce critère.

12 Fitting the model of event interiors using a Generalised Method of Moments A library of parameters: Chenies101 Corse Hill207 Hameldon Hill233

13 Fitting results Chenies

14 Simulation Simulation: on combine les deux modèles, on choisit le set de paramètres tels que la durée observée soit proche de la durée simulée. θ L et θ T sont identifiés par la discriminante linéaire de Fisher.

15 Corse Hill: Observed sequence 30 th June 2004, time separation of the images is 30 min. 1) 2) 3) 4)5)6) 7)8)

16 Corse Hill: simulated sequence Using fitted parameters for 30 th June )2)3) 4) 5)6) 7) 8)

17 Statistics at Chenies: 1 hour x 1km 2

18 Statistics at Chenies: 24 hours x 16km 2

19 Statistics at Hameldon Hill: 1 hour x 1km 2

20 Statistics at Hameldon Hill: 24 hours x 16km 2

21 EV performance at Chenies 1 hour3 hours 12 hours24 hours

22 EV performance at Corse Hill 1 hour 24 hours 3 hours 12 hours

23 EV performance at Hameldon Hill 1 hour3 hours 24 hours12 hours

24 Conclusion Calibration et modélisation de 100 ans de pluie de 3 régions du Royaume-Uni Le modèle est capable de reproduire des caractéristiques propres aux diverses bases de données Résultats prometteurs concernant la reproduction de statistiques standard Marge de progrès concernant la reproduction des valeurs extrêmes Retour attendu de la modélisation hydrologique

25 Pour plus dinformation 00.htmlhttp://www.ucl.ac.uk/Stats/research/Resrprts/abs 00.html Wheater et al. (2005), Spatial-temporal rainfall modelling for flood risk estimation, Stochastic Environmental Research and Risk Assessment, 19(5): Article en préparation (M.-L. Segond, E. Bellone, C. Onof, + autres contributions.)

26 Remerciements Logiciel mis à disposition par UCL-ICL et financé par DEFRA Echanges fructueux E. Bellone, R. Chandler et P. Northrop


Télécharger ppt "Modélisation spatio-temporelle des précipitations de trois régions du Royaume-Uni M.-L. Segond et C. Onof"

Présentations similaires


Annonces Google