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).