Actes - Climato.be

25 ème Colloque de l’Association Internationale de Climatologie, Grenoble 2012VARIABILITÉ SPATIALE DU POUVOIR EXPLICATIF DEDIFFÉRENTS PRÉDICTEURS ATMOSPHÉRIQUES POURL’ESTIMATION DES PRÉCIPITATIONS JOURNALIÈRES SUR LETERRITOIRE FRANÇAISAbdelkader MEZGHANI 1 , Benoit HINGRAY 1 et Matthieu LAFAYSSE 21LTHE/HMCI, 1025 rue de la piscine, 38400 Saint-Martin d’Hères, France.abdelkader.mezghani@ujf-grenoble.fr2Météo-France, CNRM-GAME/CEN, 1441 rue de la Piscine, 38400 Saint Martin d’Hères, France.Résumé : Les variations spatiales de la performance du lien d’échelle statistique estimé entre les séries deprécipitations journalières issues des réanalyses SAFRAN et celles estimées sur la base de prédicteursatmosphériques issues des réanalyses ERA40, sont représentées sur tout le territoire français. Les cartesobtenues montrent une très bonne cohérence spatiale de ces performances. Elles permettent, entre autres, 1) dedistinguer différents types de régions - les zones de reliefs et les plaines en particulier - ayant un comportementclimatologique de nature distincte et 2) de montrer que le pouvoir explicatif de chaque indice atmosphériquedépend de la localisation géographique de la région étudiée. Par exemple, la composante méridienne du vent à700 hPa a un pouvoir explicatif prépondérant sur le pourtour méditerranéen, alors que la composante zonale duvent à 700 hPa joue un rôle important sur le reste du territoire.Mots-clés : Régionalisation, descente d’échelle statistique, précipitation, prédicteurs atmosphériques.Abstract: Spatial variability of the explanatory power of atmospheric predictors for estimating dailyprecipitation over the French territory.Spatial variations of the statistical link robustness, estimated between the series of daily precipitation from theSAFRAN reanalysis and those estimated from atmospheric predictors, are depicted throughout the Frenchterritory. The resulting maps show a very good spatial coherence of these performances. In particular, they 1)allow distinguishing different types of regions - areas of mountains and plains in particular - having differentclimate behaviours and 2) show that the explanatory power of each atmospheric index depends on thegeographical location. For example, the meridional component of the wind at 700 hPa has a dominantexplanatory power in the Mediterranean region, while the zonal component of the wind at 700 hPa plays animportant role elsewhere.Keywords: Regionalization, Statistical downscaling, precipitation, atmospheric indices.IntroductionLes scénarios hydrologiques requis pour les analyses hydrologiques courantes, visant parexemple à estimer ou à mieux gérer la ressource en eau et les risques hydrologiques, sont deplus en plus souvent obtenus par simulation. La simulation est réalisée au moyen d’un modèlede transformation pluie-débit alimenté par divers scénarios météorologiques adaptés aucontexte climatique considéré : présent, passé ou futur.Les scénarios météorologiques sont généralement fournis par des générateurs stochastiques(Wilks et Wilby, 1999). Parmi les générateurs proposés récemment, les méthodes de descented’échelle statistiques (MDES) sont particulièrement intéressantes dans un contexte de climatmodifié (Fowler et al., 2007). Ces méthodes cherchent à décrire un lien d’échelle f entre lesvariables atmosphériques à l’échelle synoptique X (prédicteurs) et les variablesmétéorologiques à l’échelle locale ou régionale Y (prédictants). Ce lien d’échelle peuts’exprimer sous la forme :Y = f (X ) + e , où e est l’erreur liée au modèle.Les MDES peuvent en théorie produire des scénarios pour diverses variablesmétéorologiques locales requises par les modèles d’impact. C’est le cas pour les variables peufiables simulées par les modèles climatiques telles les précipitations. Les MDES peuvent529