Impact de la variabilité pluviométrique de méso-échelle

Présentation au sujet: "Impact de la variabilité pluviométrique de méso-échelle"— Transcription de la présentation:

1 Impact de la variabilité pluviométrique de méso-échelle
sur la réponse des systèmes hydrologiques sahéliens: modélisation, simulation et désagrégation Soutenance de thèse Théo Vischel Directeur de thèse: Thierry Lebel

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

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

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

5 INTRODUCTION Le Sahel Une région semi-aride particulièrement vulnérable 1. Courte saison des pluies 2. Forte évaporation Niamey 200 Sahel 400 600 800 1000 2000 1200 4

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

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

8 Image Radar du 20/08/1991 Aéroport de Niamey
INTRODUCTION Les systèmes convectifs de méso-échelle SCM Systèmes convectifs organisés SCO: 12% du nombre des SCM 90% pluie au Sahel au coeur de la saison Mathon et al., 2001 300 km Image Radar du 20/08/1991 Aéroport de Niamey Organisation en ligne de grain 5

9 Forte variabilité spatio-temporelle
INTRODUCTION Forte variabilité spatio-temporelle Temporellement Convective Stratiforme Mesure ponctuelle Spatialement Forts gradients locaux Forte intermittence 110 km Trace au sol d’un événement 160 km 6 Ali et al., 2003

10 …jusqu’au pas de temps annuel
INTRODUCTION Forte variabilité… …jusqu’au pas de temps annuel Cumul année 1992 Une saison des pluies: 40 à 50 événements pluvieux ~20 événements expliquant 80% du cumul saisonnier 110 km 50% de la pluie tombe en moins de 4h 160 km Cumul année 1990 Forte variabilité spatiale des événements pluvieux des cumuls annuels 7

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

12 la circulation générale
INTRODUCTION Problématique Problème d’échelle… 10000km 1000km 100km 10km 1km 100m 10m 1m Echelles de la circulation générale Echelles spatiales Plus fines 1an Méso-échelle Echelles des SCM 1mois 1 jour Echelles du ruissellement 1h 1mn Echelles temporelles Plus fines 9

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

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

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

16 I. SYSTEMES HYDROLOGIQUES ETUDIES
1. Deux grands types de systèmes hydrologiques 2. Bassins étudiés et données disponibles 3. Un point sur la modélisation hydrologique 13

17 Deux grands types de systèmes hydrologiques
SYSTEMES HYDROLOGIQUES ETUDIES Deux grands types de systèmes hydrologiques I. 1. 2. 3. II. Exoréique Endoréique III. IV. V. 14

18 Deux grands types de systèmes hydrologiques
SYSTEMES HYDROLOGIQUES ETUDIES Deux grands types de systèmes hydrologiques I. Bassins Exoréiques 1. 2. 3. Q (m3/s) t Variabilité hydrologique II. III. IV. Les écoulements sont drainés vers le fleuve V. 15

19 Deux grands types de systèmes hydrologiques
SYSTEMES HYDROLOGIQUES ETUDIES Deux grands types de systèmes hydrologiques I. Bassins Endoréiques 1. 2. 3. H (m) t Variabilité hydrologique II. III. Evaluer le ruissellement sur la multitude de petits bassins versants de quelques hectares à ~10km² IV. Aquifère V. Peugeot et al., 1997; Favreau, 2001 16

20 I. II. III. IV. V. Bassins étudiés et données disponibles 2.
SYSTEMES HYDROLOGIQUES ETUDIES Bassins étudiés et données disponibles I. 1. 2. 3. Bassins endoréiques au sein de L’Observatoire AMMA-CATCH Niger Bassins endoréiques au sein de L’Observatoire AMMA-CATCH Niger Niger II. Bassin de la Sirba III. Burkina Faso IV. V. 17

21 Bassins étudiés et données disponibles Observatoire AMMA-CATCH Niger
SYSTEMES HYDROLOGIQUES ETUDIES Bassins étudiés et données disponibles I. Observatoire AMMA-CATCH Niger Réseau de 30 pluviographes (depuis 1990) 1. 2. 3. 548 événements pluvieux de 1990 à 2002 Niger II. 2 domaines d’étude 160 x 110 km² Site 1 Site 2 Site 1 III. Site 2 Bassins du Kori de Dantiandou 1500 km² Pluviométrie Faible extension Hydrologie 227 bassins 3 ha à 50 km² (Massuel, 2005) km² Pluviométrie Finement documentée Hydrologie Non documentée Niamey IV. V. 18

22 I. II. III. IV. V. Un point sur la modélisation hydrologique
SYSTEMES HYDROLOGIQUES ETUDIES Un point sur la modélisation hydrologique I. 1. 2. 3. Systèmes hydrologiques sahéliens: Etats de surface  production de ruissellement Sols arides à faible capacité d’infiltration Casenave et Valentin, 1989 II. III. Ruissellement très majoritairement hortonien: Intensités de pluies > capacité d’infiltration du sol  Ruissellement IV. V. 19

23 I. II. III. IV. V. Un point sur la modélisation hydrologique Is Is
SYSTEMES HYDROLOGIQUES ETUDIES Un point sur la modélisation hydrologique I. Deux modèles événementiels 1 bassin endoréique = une relation pluie-ruissellement 1. 2. 3. Peugeot et al., 1997 Massuel, 2005 Hyétogramme événementiel Ruissellement I (mm/h) t I (mm/h) t Is Ph Pu Is II. III. Pluie seuillée potentiellement ruisselante Site 2 Site 1 Relation à 2 paramètres Lr (mm) IV. Lr = (Pu - Ia)² (Pu – Ia + S) Lr = P (Ph - Sr)² Ph (Ph – B) Pu (mm) ou Ph (mm) SCS:Soil Conservation Service SCS modifié V. 20

24 II. IMPACTS DE LA VARIABILITE PLUVIOMETRIQUE DE
MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES 1. Impact de la variabilité temporelle 2. Impact de la variabilité spatiale 21

25 II. I. III. V. IV. + … Impact variabilité temporelle (Pu - Ia)² Lr =
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES Impact variabilité temporelle I. Hydrologie idéalisée 3 jeux de paramètres Données 1. 2. 3. 30 stations de l’observatoire CATCH-Niger 548 événements pluvieux de 1990 à 2002 Pas de temps 5 mn 30 bassins endoréiques identiques … II. 1. 2. Peugeot et al., 1997 On considère que III. Chaque station est au centre d’un bassin endoréique Tous les bassins sont identiques Relation pluie-ruissellement de type SCS IV. Pu Lr = (Pu - Ia)² (Pu – Ia + S) + V. Is 22

26 II. I. III. V. IV. Impact variabilité temporelle
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES Impact variabilité temporelle I. 548 événements x 30 bassins 6 résolutions temporelles: Comportement similaire avec des modèles plus continus  Représentatif des processus hortoniens 1. 2. 3. Ruissellement moyen annuel sur les 30 bassins II. Is=12 mm/h 1. 2. III. Modèle hydrologique Evolution du ruissellement moyen annuel IV. V. 23

27 II. I. III. V. IV. Impact variabilité temporelle
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES Impact variabilité temporelle I. Conséquences pour la désagrégation temporelle 1. 2. 3. Cumul événementiel en un point II. Désagrégation Hyétogramme Observé 1. 2. Modèle créneau Modèle Ligne de grain III. Guillot and Lebel, 1999 Modèle hydrologique IV. Ruissellement Ruissellement Référence Ruissellement Jeu #1 Jeu #2 Jeu #3 Jeu #1 Jeu #2 Jeu #3 V. 19% 45% 65% 9% 11% 15% 24

28 II. I. III. V. IV. + Impact variabilité spatiale (Pu - Ia)² Lr = Is
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES Impact variabilité spatiale I. Hydrologie idéalisée Données 1. 2. 3. 3 jeux de paramètres Site 1 30 stations de l’observatoire CATCH Niger 548 événements pluvieux de 1990 à 2002 Pas de temps événementiel II. 1. 2. Peugeot et al., 1997 On considère que III. Chaque pixel 1 km² = 1 BV endoréique Tous les bassins sont identiques Relation pluie-ruissellement de type SCS Bassin 1 km² IV. bassins endoréiques identiques Pu Lr = (Pu - Ia)² (Pu – Ia + S) + V. Is 25

29 II. I. III. V. IV. Impact variabilité spatiale 2.
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES Impact variabilité spatiale I. Agrégation spatiale 7 résolutions: 1, 5, 10, 20, 25, 50 et 100 km ∆ t = évènement ∆ x = 1km Champ de pluie 1. 2. 3. ∆ t = évènement ∆ x = variable Désagrégation temporelle à 5 mn pour chaque bassin. Modèle « ligne de grain » ∆ t = 5 min … II. 1. 2. III. Lr … ∆ t = évènement Modèle SCS Champ de ruissellement IV. ∆ t = évènement ∆ x = 1km 3 jeux de paramètres 3 valeurs de ruissellement pour chaque bassin (1 km²) V. 26

30 II. I. III. V. IV. Impact variabilité spatiale 2. Lr spatial
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES Impact variabilité spatiale I. Exemple pour un événement P spatiale cumulée sur l’événement 1. 2. 3. 14.4 mm 14.4 mm 14.4 mm 14.4 mm II. Pluie 1. 2. III. Lr spatial 0.5 mm 0.4 mm 0.2 mm 0.0 mm IV. Ruissellement V. 27

31 II. I. III. V. IV. Impact variabilité spatiale -16% -51% 2.
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES Impact variabilité spatiale I. Ruissellement moyen annuel issu des 548 événements 1. 2. 3. -16% -51% II. % du ruissellement de référence 1. 2. III. IV. Référence Résolution spatiale Diminution du ruissellement simulé lorsque la résolution se dégrade Echelle critique Erreur<10%  ~20 km D’autant plus marquée que le coefficient de ruissellement est faible V. 28

32 II. I. III. V. IV. Bilan Impact variabilité spatiale 2. Conséquence:
IMPACT DE LA VARIABILITE PLUVIOMETRIQUE DE MESO-ECHELLE DANS LES MODELES HYDROLOGIQUES Impact variabilité spatiale I. Bilan 1. 2. 3. Forte sensibilité des systèmes hydrologiques endoréiques régionaux à la variabilité pluviométrique de méso-échelle II. Maille MCG 1. 2. Modèles hydrologiques Risque de sous estimation du ruissellement Pluie moyenne spatiale III. IV. Conséquence: il faut restituer la variabilité de méso-échelle  Simulation de champs de pluie V. 29

33 APPORTS DE LA SIMULATION DE CHAMPS DE PLUIE
III. APPORTS DE LA SIMULATION DE CHAMPS DE PLUIE 1. De la pluie… 2. …au ruissellement 30

34 Apports de la simulation de champs de pluie
De la pluie … I. Simulation de champs de pluie événementiels 1. 2. 3. Technique géostatistique utilisée Loi de proba. pluie ponctuelle Fonction de structure spatiale Variogramme (mm²) d (km) Nécessité de restituer la variabilité spatiale des intensités événementielles II. Modèle gaussien anamorphosé 1. 2. III. Onibon et al., 2004 Guillot and Lebel, 1999 Simulations stochastiques Non conditionnées Conditionnées 1. 2. Valeurs ponctuelles Moyennes spatiales IV. Modèle Climat Imagerie Satellite Pluviomètres V. 31

35 Apports de la simulation de champs de pluie
De la pluie … I. Simulation de champs de pluie événementiels 1. 2. 3. 1990 100 réalisations 100 réalisations 100 réalisations 100 réalisations 545 événements Variogramme (mm²) d (km) Loi Gamma E0 et Var0 + atome en 0 F0 Double structure exponentielle anisotrope Ali et al., 2003 II. 1991 1. 2. III. Non conditionnées Toutes les stations 1 station Valeur moyenne Pour un événement donné 1. 2. IV. 2002 Zone de simulation 60 km V. 2003 60 km 32

36 Apports de la simulation de champs de pluie
De la pluie … I. Simulation de champs de pluie événementiels 1. 2. 3. 1990 100 réalisations 100 réalisations 100 réalisations 100 réalisations II. 1991 1. 2. Pluie moyenne interannuelle 100 545 événements Non conditionnées Toutes les stations 1 station Valeur moyenne III. Non conditionnées Toutes les stations 1 station Valeur moyenne 1. 2. IV. 2002 V. 2003 32

37 Apports de la simulation de champs de pluie
De la pluie … I. Résultats de simulations Simulations Non conditionnées 1. 2. 3. Krigeage: référence Moyenne conservée Large dispersion II. Conditionnées 1. 2. Toutes les stations Moyenne conservée Faible dispersion III. 1. 2. 1 station Moyenne non conservée Dispersion moyenne Forte influence station IV. 476 Pluie moyenne annuelle (mm) Valeur moyenne Moyenne conservée Faible dispersion V. 33

38 Apports de la simulation de champs de pluie
…au ruissellement I. Impact des simulations sur le ruissellement 100 1. 2. 3. 1990 II. 1991 1. 2. Non conditionnées Toutes les stations 1 station Valeur moyenne III. Modèle hydrologique Ruissellement événementiel moyen sur le Site 2 Désagrégation temporelle 1. 2. Site 2 IV. 2002 60 km V. 60 km 2003 34

39 Apports de la simulation de champs de pluie
…au ruissellement I. Impact des simulations sur le ruissellement 100 1. 2. 3. 1990 II. 1991 1. 2. Pluie moyenne interannuelle Ruisselt moyen interannuel 100 Non conditionnées 545 événements Toutes les stations Modèle hydrologique 1 station Valeur moyenne Non conditionnées Toutes les stations 1 station Valeur moyenne III. 1. 2. IV. 2002 V. 2003 34

40 Apports de la simulation de champs de pluie
…au ruissellement I. Résultats de simulations 1. 2. 3. Krigeage Non conditionnes Conditionnées Toutes les stations Simulations II. 1. 2. III. Krigeage Simulation 1 station Forte influence station 1. 2. Problème de convergence algorithmique Valeur moyenne IV. -25% Ruissellement moyen annuel (mm) Restitution des intensités spatiales par simulation influence le ruissellement modélisé V. 35

41 III. I. II. V. IV. Bilan Apports de la simulation de champs de pluie
1. 2. 3. 1. Bonne capacité à reproduire la variabilité spatiale des champs de pluie II. 1. 2. 2. Apports bénéfiques pour le forçage pluviométrique des modèles hydrologiques III. 1. 2. IV. Utilisation des simulations pour l’élaboration de scénarios pluviométriques à l’échelle des systèmes hydrologiques sahéliens V. 36

42 ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES
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 I. Approche ponctuelle Le Barbé et al., 2002 1. 2. 3. SCM = Signature de la variabilité climatique II. Diminution du nombre d’événements pluvieux Intensité plus stable 1. 2. III. Station de Niamey 1. 2. Nécessité d’affiner cette étude par une approche spatiale: Utile pour l’étude des systèmes hydrologique à l’échelle régionale Période humide IV. Période sèche 1. 2. Nombre d’événements Hauteur moyenne V. 38

44 Modifications passées de la pluviométrie à méso-échelle
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Modifications passées de la pluviométrie à méso-échelle I. Approche spatiale Niger 1. 2. 3. Données journalières Badoplu sans lacune Burkina Faso 6 fenêtres de Méso-échelle II. 1. 2. Détecter la trace des systèmes organisés: III. Moyenne des stations > seuil 1. 2. IV. Evolution de leurs caractéristiques entre: et 1. 2. V. 39

45 Modifications passées de la pluviométrie à méso-échelle
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Modifications passées de la pluviométrie à méso-échelle I. Résultats 1. 2. 3. On retrouve… Diminution du nombre d’événements notamment les plus intenses Intensité moyenne: sans tendance marquée II. Intermittence: augmentation forte pour les événements intenses Intermittence F0 (%) Pluie journalière (mm) Plus… 1. 2. III. Changement (%) 1. 2. IV. 1. 2. Impact hydrologique…? V. 40

46 I. II. III. IV. V. 2. Scénarios pluviométriques de sensibilité
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Scénarios pluviométriques de sensibilité I. Impact sur la réponse hydrologique des systèmes sahéliens? 1. 2. 3. 1. Diminution de l’occurrence des événements pluvieux 2. Modification de caractéristiques internes II. 1. 2. Bassins Kori de Dantiandou III. Site 2 1. 2. IV. 1. 2. Evolution du ruissellement moyen annuel ? V. 41

47 I. II. III. IV. V. 2. Scénarios pluviométriques de sensibilité
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Scénarios pluviométriques de sensibilité I. Effet d’une diminution du nombre d’événements 1. 2. 3. 1. Mai Juin Juillet Août Septembre Octobre II. Critère de position Les premiers et derniers événements de la saison temporelle des sont progressivement supprimés événements 1. 2. 2. Mai Juin Juillet Août Septembre Octobre III. Les événements de juillet et août sont supprimés dans un ordre aléatoire 1. 2. 3. IV. Mai Juin Juillet Août Septembre Octobre Les événements sont supprimés dans Critère d’intensité 1. 2. l’ordre croissant de leur intensité des événements 4. V. Mai Juin Juillet Août Septembre Octobre Vieux et al., 1998 Les événements sont supprimés dans 42 l’ordre décroissant de leur intensité

48 I. II. III. IV. V. 2. Scénarios pluviométriques de sensibilité
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Scénarios pluviométriques de sensibilité I. Effet d’une diminution du nombre d’événements Série des 545 événements Simulations conditionnées par toutes les stations 1. 2. 3. Nb événements supprimés Seuil d’intensité P (mm) Seuil d’intensité P (mm) II. 4 1. 2. 1. 2 III. 2. 1. 2. 1 IV. 3. 3 1. 2. 4. V. 43

49 I. II. III. IV. V. 2. Scénarios pluviométriques de sensibilité
ELABORATION DE SCENARIOS HYDRO-CLIMATIQUES Scénarios pluviométriques de sensibilité I. Effet d’une modification des caractéristiques internes Simulations non conditionnées 1. 2. 3. Modification des paramètres de simulation Fréquence des valeurs nulles F0 Intensité moyenne E0 II. 1. 2. III. 1. 2. IV. 1. 2. V. 44

50 CONCLUSIONS ET PERSPECTIVES
45

51 Questions … éléments de réponse
CONCLUSIONS ET PERSPECTIVES I. Questions … éléments de réponse 1. 2. 3. 1. Impact de la variabilité de méso-échelle sur les écoulements des bassins? II. Forte sensibilité des modèles hydrologiques 1. 2. Résolution temporelle Intensités événementielles constantes  Erreur sur le ruissellement jusqu’à 60% III. Résolution spatiale 1. 2. De nombreux travaux ont été réalisés dans chacune des thématiques. Cette thèse fait le lien entre ces avancées afin de déterminer une stratégie d’élaboration de scénarios hydrologiques Δx = 100 km Sous estimation du ruissellement 50% IV. Nécessité de la reproduire 1. 2. Temporellement V. Spatialement Δx <20km 46

52 Questions … éléments de réponse
CONCLUSIONS ET PERSPECTIVES I. Questions … éléments de réponse 1. 2. 3. 2. Capacité à modéliser la variabilité de la pluie à méso-échelle ? II. Utilisation et développement d’un modèle géostatistique pour la simulation stochastique de champs de pluie 1. 2. III. Restitution de la variabilité spatiale des intensités Conditionnement possible: - Valeur ponctuelles (fonctionnel) - Valeurs spatiales (à affiner) 1. 2. De nombreux travaux ont été réalisés dans chacune des thématiques. Cette thèse fait le lien entre ces avancées afin de déterminer une stratégie d’élaboration de scénarios hydrologiques IV. 1. 2. Utilité pour le forçage des modèles hydrologiques des bassins hortoniens V. 47

53 Questions … éléments de réponse
CONCLUSIONS ET PERSPECTIVES I. Questions … éléments de réponse 1. 2. 3. 3. Lien entre modifications du climat et variabilité hydro-climatique? II. Déficit pluviométrique entre et 1. 2. Diminution du nombre d’événements notamment les plus intenses Relative stabilité de leur intensité moyenne Amoindrissement de l’extension moyenne des systèmes III. 1. 2. De nombreux travaux ont été réalisés dans chacune des thématiques. Cette thèse fait le lien entre ces avancées afin de déterminer une stratégie d’élaboration de scénarios hydrologiques Impact de scénarios pluviométriques IV. 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) 1. 2. V. 48

54 Aspects hydrologiques
CONCLUSIONS ET PERSPECTIVES I. A suivre… Aspects hydrologiques 1. 2. 3. Utilisation des simulations conditionnées pour la modélisation des fluctuations de la nappe du Kori de Dantiandou Forçage du modèle intégré issu de la thèse de Massuel (2005) II. 1. 2. Plus globalement: Intégration des simulations et désagrégation de champs de pluie à une chaîne complète d’élaboration de scénarios climatiques III. Modélisation de l’occurence Modèles Climatiques Globaux Réduction d’échelle Impact Evénement Pluvieux Simulation Désagrégation 1. 2. IV. 1. 2. Etats de surface V. 49

55 Merci !

56

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

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

59 Année 1967 7 400 6 1963 350 1967 5 300 4 250 -ln(1-F) 3 Debit (m3/s) 200 150 2 100 1 50 10 20 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

60 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 Pluie (mm) . 50 100 150 200 250 300 350 400 Debit (m3/s)

61 7mm/h<Is<18mm/h