Actes - Climato.be

Actes du XXIVème Colloque de l'Association Internationale de Climatologie
EFFICACITE DES ANALYSES DE GUMBEL POUR DETERMINER LES
PRECIPITATIONS JOURNALIERES EXTREMES EN SUISSE
FALLOT J.-M.
Institut de Géographie, Université de Lausanne, CH-1015 Lausanne, Jean-Michel.Fallot@unil.ch
Résumé : Les précipitations journalières extrêmes centennales ont été estimées à partir d’analyses de Gumbel effectuées sur
des séries de mesures pluviométriques à 151 endroits en Suisse pour 4 périodes de 30 ans différentes. Ces estimations ont été
comparées avec les valeurs journalières maximales mesurées durant les 100 dernières années (1911-2010) afin de tester
l’efficacité de ces analyses. Cette comparaison révèle que ces dernières aboutissent à de bons résultats pour 50 à 60% des
stations de ce pays à partir des séries de mesures pluviométriques de 1961-1990 et de 1981-2010. Par contre, les
précipitations journalières centennales estimées à partir des séries de mesures de 1931-1960 et surtout de 1911-1940 sont
sous-estimées pour la plupart des stations. Cette sous-estimation résulte de l’augmentation des précipitations journalières
maximales mesurées de 1911 à 2010 pour 90% des stations en Suisse.
Mots clés : précipitations centennales, séries de mesures, analyses statistiques, Suisse.
Abstract : Efficiency of Gumbel analyses for determining extreme daily precipitation in Switzerland.
Gumbel analyses were carried out on rainfall time-series at 151 locations in Switzerland for 4 different periods of 30 years in
order to estimate daily extreme precipitation with a return time of 100 years. Those estimations were compared with maximal
daily values measured during the last 100 years (1911-2010) to test the efficiency of these analyses. This comparison shows
that these analyses provide good results for 50 to 60% locations in this country from rainfall time-series 1961-1990 and
1980-2010. On the other hand, daily precipitation with a return period of 100 years is underestimated at most locations from
time-series 1931-1960 and especially 1911-1940. Such underestimation results from the increase of maximal daily
precipitation recorded from 1911 to 2010 at 90% locations in Switzerland.
Keywords : precipitation with a return time of 100 years, time series, statistical analyses, Switzerland.
Introduction
Les intempéries et les crues représentent les dangers naturels qui occasionnent le plus de
dégâts en Suisse. Pour éviter de tels dégâts, il convient de dimensionner les ouvrages de
protection contre les crues sur la base des précipitations extrêmes avec un temps de retour
d’au moins 500 ans. Or, les séries de mesures pluviométriques disponibles ne dépassent pas
150 ans en Suisse. Il est nécessaire de recourir à des méthodes statistiques comme les analyses
de Gumbel ou à des modélisations pour estimer ces précipitations extrêmes avec un temps de
retour aussi long.
Des études précédentes ont démontré que ces analyses aboutissent globalement à de bons
résultats en Suisse et en Europe centrale pour de telles estimations (Zeller et al., 1980 ;
Trömel et Schönwiese, 2007 ; Fallot et Hertig, 2009). Toutefois, ces analyses peuvent sousestimer
(ou surestimer) les précipitations extrêmes dans certains cas (Livada et al., 2008 ;
Koutsoyiannis, 2004). Afin de vérifier avec plus de précision l’efficacité de ces analyses, nous
avons estimé les précipitations journalières avec un temps de retour de 100 ans
(= précipitations centennales) à partir de mesures couvrant 4 périodes de 30 ans différentes à
151 endroits de la Suisse où nous disposons de mesures en continu de 1911 à 2010. Les
précipitations centennales ainsi estimées ont été comparées avec la valeur journalière
maximale mesurée durant les 100 dernières années (1911-2010) à ces 151 endroits.
1. Méthodes
La loi Généralisée des Valeurs Extrêmes (GEV : Generalised Extreme Value Distribution)
constitue une méthode statistique souvent utilisée en météorologie pour rechercher les valeurs
extrêmes pour les précipitations ou les vents (Jenkinson, 1955). La loi GEV permet d’ajuster
une courbe de régression en fonction de la fréquence d’apparition des événements dans le
passé et de prévoir la probabilité d’apparition d’un événement de plus grande ampleur avec
243