Prévisibilité des épisodes méditerranéens de pluies intenses
Transcription
Prévisibilité des épisodes méditerranéens de pluies intenses
Proposition de Sujet de thèse 2016 Laboratoire (et n° de l’unité) dans lequel se déroulera la thèse : CNRM – UMR 3589 Titre du sujet proposé : Prévisibilité des épisodes méditerranéens de pluies intenses, validation d'éléments diagnostiques pour la pré-alerte Nom et statut (PR, DR, MCf, CR, …) du (des) responsable(s) de thèse (préciser si HDR) : Dr Philippe Arbogast Dr Laurent Dezileau (HDR) Bruno Joly Coordonnées (téléphone et e-mail) du (des) responsable(s) de thèse : Bruno Joly [email protected] , tél : 05.61.07.99.09 Philippe Arbogast [email protected], tel : 05.61.07.96.39 Résumé du sujet de la thèse Contexte de l’étude : Les épisodes de pluies intenses en Méditerranée font partie des phénomènes climatiques impactant l'Europe occidentale dont l'impact sur la société est le plus important. Les cumuls répertoriés lors de ces épisodes peuvent atteindre des valeurs équivalentes à des cumuls annuels en une seule journée. Les crues torrentielles associées sont responsables de dégâts humains et matériels considérables (Aude 1999, Gard 2002, Côte d'Azur 2015). Les progrès de la société à se protéger de ces épisodes passent à la fois par, à long terme, une meilleure adaptation du territoire à ce risque et par une anticipation de plus en plus fiable de l'alerte. La prévision météorologique couplée à la prévision de l'impact hydrologique est la première source d'information dans les dispositifs d'alerte. Or l'expérience montre que des sources importantes d'incertitude liées à la prévision météorologique subsistent. Cela affecte la qualité de la prévision (notamment au-delà des premières 24 h couvert parla vigilance météorologique), et finalement l'ensemble de la chaîne d'alerte. Or la mise en condition qui précède le processus de décision à 24h est fondée sur une analyse bien en amont de cette échéance, entre 4 et 2 jours précédent l'émission de la vigilance. Une meilleure compréhension des sources d'incertitudes des modèles météorologiques à ces échéances représente donc une source première d'amélioration du fonctionnement de l'alerte. Les prévisions des cumuls de précipitation ont progressé de manière spectaculaire ces 10 dernières années jusqu'à produire des cartes de cumul au réalisme saisissant. Néanmoins des incertitudes liées autant à la détermination des conditions initiales qu'à la modélisation des processus physiques demeurent rendant à terme l'approche probabiliste basée sur des ensembles de prévisions indispensable pour prévoir notamment les phénomènes météorologiques extrêmes. Cependant l'apport de la prévision d'ensemble dans la gestion de l'alerte n'est aujourd'hui pas démontré. Objectifs : Par ailleurs, des études systématiques des environnements météorologiques de grande échelle favorisant l'occurrence des épisodes de pluies méditerranéens montre un déterminisme climatologique entre certaines variables de grande échelle et pluies intenses (Nuissier 2011). De manière expérimentale, un indice basé sur cette étude appliqué au modèle de prévision d'ensemble opérationnel à Météo France, a montré qu'on pouvait détecter avec fiabilité ces environnements quelque soit l'échéance. Des résultats identiques ont été obtenus avec le modèle du European Center for Medium range Weather Forecasts(ECMWF) à des échéances allant jusqu'à 10 jours. Un important potentiel de prévisibilité semble donc bien exister au-delà des échéances où la prévision quantitative de pluies est supérieure. Le sujet de cette thèse serait donc d'évaluer et de valider ce potentiel. Nature du travail attendu et compétences souhaitées En premier lieu, on tirera parti des résultats d'une étude plus récente au sein de l'équipe, qui a permis de définir de nouvelles structures de grande échelle dont le lien avec les pluies intenses a pu être régionalisé (Pyrénées Orientales, Hérault, Cévénnes plaine et montagne, PACA). Mais le sujet bénéficiera surtout d'une base de simulations couvrant les 30 dernières années d'une version simplifiée de la prévision d'ensemble développée à Météo-France PEARP (Descamps et al, 2015). Ce jeu de données va permettre d'examiner la distribution complète des prévisions d'ensemble des événements de pluies intenses des 35 dernières années. Le caractère exceptionnel des pluies prévues par le système ensembliste sera alors estimé à partir de la dissimilarité au climat de l'ensemble. On concentrera nos efforts sur les événements intenses de plus faible prévisibilité. L'objectif est de quantifier l'apport des indicateurs de grande échelle dans la prévision de pluie en fonction de l’échéance de prévision. L'analyse de erreurs systématiques, fonction de la formulation du modèle utilisé dans la prévision d'ensemble sera également effectuée. La perspective de caractériser de façon robuste le caractère intense des événements précipitants plusieurs jours à l'avance constitue pour un service météorologique, aussi bien que pour ses usagers un enjeu majeur. Par conséquent, on tentera d'étendre la méthodologie mise en place aux échéances de prévision de 4 à 10 jours voire au-delà en s'appuyant sur la base de données TIGGE comprenant les principaux systèmes de prévision d'ensemble. L'objectif est de mettre en évidence une gamme d’échéance pour laquelle les indicateurs de grande échelle surpassent d'une manière systématique la prévision de la pluie. Références bibliographiques Nuissier, O., Joly, B., Joly, A., Ducrocq, V., & Arbogast, P. (2011). A statistical downscaling to identify the large‐scale circulation patterns associated with heavy precipitation events over southern France. Quarterly Journal of the Royal Meteorological Society, 137(660), 1812-1827. Descamps, L., Labadie, C., Joly, A., Bazile, E., Arbogast, P., & Cébron, P. (2015). PEARP, the Météo‐France short‐range ensemble prediction system. Quarterly Journal of the Royal Meteorological Society, 141(690), 1671-1685. Boisserie, M., Descamps, L., & Arbogast, P. (2015). Calibrated forecasts of extreme windstorms using Extreme Forecast Index (EFI) and Shift Of Tails (SOT). Weather and Forecasting, (2015).