Modélisation des séries de taux de pluie haute résolution par des processus multiplicatifs intégrés Louis de Montera LATMOS (Laboratoire Atmosphères Milieux.

Slides:



Advertisements
Présentations similaires
Traitement d’images : concepts avancés
Advertisements

L’analyse du risque par les sensibilités aux facteurs
Champs de Markov en Vision par Ordinateur
Stage effectué au CERFACS, sous la direction de Laurent Terray
Evénements W,Z au LHC: Mesures et applications N.Besson, M.Boonekamp
Estimations de biomasse de civelles dAnguille dans lestuaire de lAdour : Saisons 1998/1999 et 1999/2000 Noëlle BRU, Rémy DROUILHET Gérard dAUBIGNY & Catherine.
3. Analyse et estimation du mouvement dans la vidéo
A Pyramid Approach to Subpixel Registration Based on Intensity
Module SIG-Santé 15. Modélisation Marc SOURIS
T1.6 – (Mid-latitudes) Caractérisation (1) de laccumulation de glace dans les systèmes à lorigine dinondations (Hymex), (2) de la variabilité de la couverture.
Traitement de données socio-économiques et techniques d’analyse :
QTLmap et les données ayant une distribution non gaussienne
Société Française de Thermique
Etude longitudinale d’essais multilocaux: apports du modèle mixte
Modélisation numérique de la dynamique glaciaire
Prédiction multi-step de la volatilité : le modèle ARIMA-GARCH appliqué aux séries temporelles d’affaiblissement par la pluie sur les liaisons Terre-Satellite.
Projet DEPHY ( ) Laboratoires : IPSL, LSCE, LGGE, LA, LOCEAN, LATMOS, LMD, CNRM-GAME, CEA, SISYPHE Le projet DEPHY visait à regrouper et coordonner.
Objectifs Chapitre 8: Mesure en psychologie
La recherche scientifique
électroencéphalographie Estimation des conductivités in vivo
électroencéphalographie Estimation des conductivités in vivo
Régression linéaire multiple : hypothèses & interprétation
STRUCTURES TOURBILLONNAIRES ET DISSIPATION D'ENERGIE
Reconstruction de paramètres environnementaux à l’aide des GNSS: une opportunité pour les entreprises ? R. Warnant Professeur Université de Liège Géodésie.
Turbulence Homogène et Isotrope
PROPRIETES DE LA TURBULENCE
Couche limite atmosphérique
Thermodynamique à la surface de jour humidité relative à 2m ~ niveau de condensation « lifté » ~ proxi de base de nuages et donc de couche mélangée atmosphérique.
J’espère qu’il vise bien… Arrière les nuages se cache Cupidon.
Couche limite atmosphérique
H. AUBERT* et D.L. JAGGARD**
Couche limite atmosphérique
Simulations LES du cycle diurne des nuages stratocumulus avec Méso-NH Méso-NH in configuration LES Schema microphysique bulk pour les Sc (Khairoutdinov.
Les processus métiers : concepts, modèles et systèmes Claude Godart Université de lorraine. Esstin
Toulouse Réunion des Utilisateurs Méso-NH mars 2005 Simulations LES d’une couche limite convective: variabilité de la vapeur d’eau PLAN  Objectifs de.
Thermiques résolus et paramétrés: un diagnostic pour évaluer et améliorer les schémas en flux de masse F. Couvreux, C. Rio, F. Hourdin ARM cumulus r v.
Galileo ? Bien plus qu’un système de navigation ! R. Warnant Professeur Université de Liège Géodésie et positionnement par satellites Chef de section ff.
La turbulence est le problème majeur de la physique classique
TNS et Analyse Spectrale
Fusion de paramètres en classification Parole/Musique Julie Mauclair – Equipe Parole Julien Pinquier – Equipe SAMoVA.
TRANSFERT COUPLE DE CHALEUR ET DE MASSE
Étude de l’écoulement moyen
Couche limite atmosphérique
Calorimètres électromagnétiques et hadroniques
Principales distributions théoriques
Couche limite atmosphérique
Atelier PNST – Autrans 2004 La Turbulence UBF dans la Magnétogaine Spectres Spatiaux : Résultats & Implications Fouad Sahraoui 1, G. Belmont 1, L. Rezeau.
S. Allain, L. Ferro-Famil and E. Pottier
STATISTIQUE INFERENTIELLE LES TESTS STATISTIQUES
Couche limite et micrométéorologie Le problème de fermeture Fermeture d’ordre 0 : Couche neutre Couche convective Couche nocturne stable.
Méthode des moindres carrés (1)
Rappels sur les fonctions et les suites aléatoires
Evaluation des performances des tests diagnostiques en absence de Gold Standard Christophe Combescure Laboratoire de Biostatistique, IURC.
Approximation des équations de la magnéto-hydrodynamique
Couche limite et micrométéorologie Application de la similitude de M-O Application de la similitude de M-O : Extrapolation des vents à Cabauw.
Circulation de grande échelle Circulation de petite échelle
Traitement de la turbulence
Etude de l’héritabilité de la fertilité
M.D., PNC, paramètres cosmo 18/01/ Paramètres cosmologiques par Combinaisons Marian Douspis (IAS), Alain Blanchard (LATT) Nabila Aghanim (IAS), Jim.
Comparaison multi-échelle des précipitations du modèle Méso-NH et des données radar Colloque CNFSH – Ecole des Ponts ParisTech – 11/12 juin 2009 A., Gires.
PROGRAMMATION SCIENTIFIQUE EN C PRO Résolution de système d’équations non-linéaires (racines d’équations) u Introduction u Méthode de recherche.
Modélisation du signal de télédétection
Validation d’une méthode d’analyse
1_Introduction Toute mesure est entachée d’erreur. Il est impossible d’effectuer des mesures rigoureusement exactes. Pour rendre compte du degré d’approximation.
Application des équations primitives à l’écoulement turbulent
Couche limite atmosphérique Micrométéorologie. Équations de Reynolds 7 équations et 16 inconnues...
Couche limite atmosphérique Micrométéorologie. Exemples de paramétrisations de K Contraintes: K=0 quand il n ’y a pas de turbulence K=0 au sol (z=0) K.
Couche limite atmosphérique et micrométéorologie Hiv 2008 : 08/01 à 24/04 Semaine de relâche : 25/02-03/03.
Etude expérimentale des montées de pression dans des canaux d’hélium chauffés Olivier Chapouly Stage au CEA Saclay (SACM) Avril-juillet 2010 Encadrement.
Processus ponctuels Caractéristiques et Modèles de répartitions spatiales.
Transcription de la présentation:

Modélisation des séries de taux de pluie haute résolution par des processus multiplicatifs intégrés Louis de Montera LATMOS (Laboratoire Atmosphères Milieux et Observations Spatiales) 10-12 avenue de l’Europe, 78140 Vélizy-Villacoublay louis.demontera@latmos.ipsl.fr

Énergie répartie uniformément I/a Turbulences et cycle de l’eau La pluie est fortement liée aux turbulences: Soleil Énergie répartie uniformément Vapeur d’eau Énergie Localisée Nuages Énergie Localisée + Pluie Énergie Localisée ++ Turbulences Modèle phénoménologique (Richardson 1922) : L’énergie injectée à grande échelle est transférée aux échelles plus petites par une hiérarchie de tourbillons de plus en plus petits, jusqu’à l’échelle de dissipation. Éruption du Mont Saint Helens (Mai1980) => Modélisation de l’intensité de la pluie par des cascades multiplicatives

I/a Cascades multiplicatives : formalisation La méthode de construction est indépendante de l'échelle. Cascade multiplicative: 1/ Distribuer une quantité Φ uniformément 2/ Découper en sous-intervalles 3/ Multiplier par un poids wn/n+1 aléatoire 4/ Répéter 2 et 3 avec des résolutions λ de + en + fine => Propriétés d'invariance d'échelle

Vérification expérimentale et estimation de K(q) I/a Cascades multiplicatives: invariance d'échelle des moments Loi d’invariance d’échelle des moments (multifractale): Fonction d'échelle des moments Moment d'ordre q (pas nécessairement entier) Cascade à la résolution λ Résolution 10 s. 10 h. q=0 q=3 q=2 10 mn Vérification expérimentale et estimation de K(q)

I/a Cascades multiplicatives: Multifractales Universelles On suppose un processus continu: une infinité de ‘pas multiplicatifs’ entre deux échelles (Schertzer & Lovejoy, 1987, 1997). => Il existe un attracteur universel Distributions de Lévy (Gaussienne en noir)

I/a Cascades multiplicatives: Flux Intégré Fractionnairement (FIF) Cascade continue Φλ (H=0) Multifractales Universelles: α, 0->2, degré de multifractalité C1,0->1, normalisation, codimension fractale moyenne Intégration fractionnaire (H=0.5) De plus, comme en turbulence, la cascade est intégrée: Taux de pluie R (FIF) H : dépendance à long-terme, lissage Loi de Kolmogorov (1941): En turbulence, seuls les gradients ont un sens. temps,s.

I/b Données haute résolution: le spectropluviomètre bi-faisceau (DBS) Le Dual-Beam Spectropluviometer (DBS) permet de mesurer le diamètre, la vitesse de chute et le temps d’arrivée des gouttes de pluie. Grande Surface de collecte (100cm2) Restitution précise de la vitesse de chute Peu sensible aux fausses détections dues aux turbulences

I/b Données haute résolution: les séries de taux de pluie 3 bases des données expérimentales (résolution≈30s): Expérience Lieu Durée Période de mesure SIRTA Paris, France 3 mois Du 01/04/2000 au 30/06/2000 DEVEX Iowa, USA 4 mois Du 01/04/2002 au 31/07/2002 AMMA Djougou, Benin 2 mois Du 15/07/2006 au 15/09/2006

I/b Données haute résolution: analyse Paramètres proposés dans la littérature (séries complètes, résolution=1h) : α≈0.4, C1≈0.55, H≈0 Analyse évènement par évènement (pas de données à zéro, résolution=30s) : Experiment α C1 H SIRTA 1.740 ±0.090 0.131 ±0.051 0.421 ±0.130 DEVEX 1.683 ±0.075 0.130 ±0.024 0.537 ±0.105 AMMA 1.687 ±0.082 0.127 ±0.022 0.645 ±0.107 All data α=1.703 ±0.084 C1=0.129 ±0.034 H=0.534 ±0.144 => Les paramètres obtenus à basse et haute résolution sont différents

I/c L'intermittence: un effet sous-estimé? Deux lois d’échelle différentes à basse et haute résolution? Pas de justification précise pour H=0 La turbulence est une cascade intégrée, or si H=0, le taux de pluie est une cascade pure stationnaire... Un processus peut-il être intégré ou non-intégré selon la résolution? Un artefact à basse résolution dû à l’intermittence ‘on-off’? Les valeurs à 0 représentent 95% des données. Le modèle FIF n'est pas fait pour générer des périodes sans pluie. L'analyse multifractale a-t-elle un sens sur une période sans pluie? => Hypothèse difficilement soutenable => Hypothèse plus vraisemblable

I/c L'intermittence: effet sur les paramètres Présence d’intermittence: => Cassure des relations d'invariance d'échelle des moments À une résolution suffisamment faible, le changement de résolution correspond à la dégénérescence d'une fonction créneau: => On montre que α→0, C1→1 et H→0

I/d Modèle de séries de taux de pluie: FIF 'à seuil' Est-il possible de reproduire artificiellement la loi d’échelle à basse résolution? 1/ Simulation d'un FIF avec les paramètres à haute résolution 2/ Introduction de l'intermittence à l'aide d'un seuil α≈1.75, C1≈0.15,H≈0.6 (Gagnon et al. 2006) Simulation d’image radar 2D Simulation série temporelle de taux de pluie

I/d Dimension fractale: les poussières de Cantor (1882) Facteur de changement d’échelle = 3 Résolution à l’échelle n: 3n Nb segments noirs à l’échelle n: 2n Définition de la dimension et de la codimension fractale: 13

I/d Modèle de séries de taux de pluie: validation On choisit le seuil afin de reproduire précisément l'intermittence de la pluie. ‘Box-counting’ Lavergnat & Golé (1998) Df=0.82 => Le modèle reproduit la cassure et les paramètres basse et haute résolution

I/e Conclusions L'intermittence peut biaiser l'analyse multifractale. L'analyse évènement par évènement donne des nouveaux paramètres α=1.7, C1=0.13, H=0.53. Un FIF synthétique et un simple seuil permettent de simuler des séries de taux de pluie. Simulateur de série de taux de pluie valable à des échelles temporelles très fines. Lien avec les turbulences Validation expérimentale Un seul processus pour générer le support et le taux de pluie L. de Montera, L. Barthès, C. Mallet and P. Golé : The effect of rain-no rain intermittency on the estimation of the Universal Multifractal model parameters, J. of Hydrometeorology (in press).