login
english version rss feed
Detailed view pastel-00003420, version 1
Développement de techniques de prévision de pluie basées sur les propriétés multi-échelles des données radar et satellites
Les précipitations, notamment la pluie, constituent un phénomène naturel qui a un très fort impact socio-économique, surtout lorsqu'elles ont un caractère torrentiel. Pour prendre en compte cet aspect, les systèmes hydrologiques d'alerte et de prévision ont besoin d'une information spatio-temporelle plus détaillée et des prévisions fiables de précipitation à très court terme. Ceci a une importance particulière dans de situations d'urgence (crues éclair, gestion de réseaux d'assainissement urbain, des barrages, etc.). Les champs de nuages et de précipitations demeurent les champs les plus difficiles a simuler pour les actuels modèles de prévision météorologiques. En effet, les échelles spatiotemporelles de ces modèles restent largement supérieures a celles qui sont pertinentes pour les précipitations : les mécanismes des précipitations sont essentiellement parametrisés et les pluies ne sont estimées que sur des échelles relativement grossières. De plus, le temps de mise en route de ces modèles est souvent prohibitif pour des prévisions à court terme. Différentes méthodes statistiques de traitement des images satellites et radar ont été développées pour combler ce déficit de prévision. Ces méthodes prennent en compte un grand nombre d'information à petite échelle, mais elles n'ont pas de base physique, en particulier elles ne prennent pas en compte la dynamique fortement non linéaire des cellules orageuses. Une alternative permettant a priori de dépasser, à l'aide des méthodes multi fractales, les limites des précédentes méthodes a été récemment considérée. Elle est fondée sur les modèles de cascade et prend en compte la hiérarchie des structures ainsi que leurs interactions non linéaires sur une grande gamme d'échelle spatio-temporelles, l'anisotropie entre espace et temps, et causalité. Fondamentalement, les processus de cascade développent des gradients de contenu en eau des plus en plus grands sur des fractions de plus en plus petites de l'espace physique. Ce type de modèles a l'avantage d'avoir un nombre limite de paramètres qui ont une signification physique forte et peuvent être évalues soit théoriquement, soit empiriquement. Dans cette thèse on présente la mise en oeuvre d'une procédure correspondant à cette alternative et son application à l'événement du 8-9 septembre 2002 a Nîmes, en utilisant des données radar fourni par la Direction de la Climatologie de Meteo-France, pour déterminer leurs caractéristiques multi fractales. On présente aussi la mise en oeuvre d'une procédure pour la simulation et prévision de champs de pluie multifractale et l'étude de la loi de perte de prédictibilité attendue.

2007-10-10
Sciences de la terre et génie de l'environnement
Ecole des Ponts ParisTech
Prévision de pluie – Prévision de pluie – Simulation multi fractale – Modèles de cascade – Prévision deterministe – Prevision stochastique – Prevision immediate – Predictibilite – Radar météorologique
Development of rain prediction techniques based on the multi-scale properties of radar and satellite data
Precipitations, in particular the rain, constitute a natural phenomenon which has a very strong socio-economical impact, especially when they are torrential feature. To take into account this aspect, the hydrological systems of alert and forecast need more detailed spacetime information and reliable forecast for precipitations in the very short term. This has a particular importance in emergencies (flash flood, urban drainage network management, dam management, etc.). The fields of clouds and precipitations remain the fields most difficult to simulate for the current weather forecasting models. Indeed, the space-time scales of these models remain largely higher than those which are relevant for precipitations: the mechanisms of precipitations are mostly parameterised and the rains are estimated only on relatively large scales. Furthermore, the long spin-up time of these models impede to deliver short-term forecasts. Various statistical methods of processing of satellite and radar images have been developed to make up this deficit of forecast. These methods take into account a great number of information on a small scale, but they do not have a physical base, in particular they do not take into account the strongly nonlinear dynamics of the stormy cells. An alternative which allow a priori to exceed, using the multifractal methods, the limits of the preceding methods was recently considered. It is based on the cascade models and takes into account the hierarchy of the structures as well as their nonlinear interactions over a wide range of space-time scales, the anisotropy between space and time, and causality. Basically, the cascade processes develop gradients of more and more great water contents on more and more small fractions of physical space. This type of models empirically has the advantage of to have a very limited number of parameters which have a strong physical significance and can be evaluated either theoretically or empirically. In this thesis we present the implementation of a procedure corresponding to this alternative and its application to the event from September 8-9, 2002 in Nimes, using radar data provided by the Direction of Climatology of Meteo-France, to determinate their multifractal characteristics. We present also the implementation of a procedure for simulation and forecast of multifractal rain fields and the study of the law or predictability loss.
Rain forecast – Multifractal simulation – Cascade models – Determinist forecast – Stochastic forecast – Nowcasting – Predictability – Meteorological radar.
Attached file list to this document: 
PDF
These_Jose_MACOR.pdf(7.1 MB)
Couverture_These_Jose_MACOR.pdf(82.6 KB)
all articles on CCSd database...