Soutenance mémoire
Prévision en Hydrométéorologie
En hydrologie et en météorologie, le besoin de connaitre les comportements futurs des variables est lié à la nécessité de leur bon suivi, au besoin d’anticiper sur les événements que pourraient engendrer les aléas de telles variables. Plusieurs structures nationales (Météo-France, ANACIM, OMVS) et internationales (OMM) se sont appropriées cette tâche de prévision desdites variables. Ces structures, en collaboration avec les chercheurs, essaient de trouver des modèles de prévision de plus en plus fiables pour un meilleur suivi hydrométéorologique. Par exemple, une bonne prévision hydrométéorologique permettrait une meilleure anticipation sur d’éventuels événements extrêmes.
Cette anticipation se caractérise des mesures prises en amont dans le but d’épargner des vies humaines et de protéger des biens matériels. Parallèlement, une bonne prévision contribuerait à une meilleure gestion de la ressource en eau qui constitue l’élément fondamental de plusieurs secteurs clés d’activité économie (Hydroélectricité, Approvisionnement en Eau Potable, Irrigation, Navigation, etc.). Cependant, le problème qui se pose est celui des limites des méthodes classiques de prévision liées à la non-exhaustivité des connaissances sur des déterminants des variables hydroclimatiques et à l’imperfection des modèles de prévision. Ces difficultés nourrissent la question de prévisibilité en hydrométéorologie ; question qui est animée par un grand nombre de chercheurs du domaine. La notion de prévisibilité va au-delà des capacités des modèles de prévision. Elle s’occupe de la question de savoir quel phénomène est passible de prévision ? Autrement dit, par rapport à la nature de certains phénomènes peut-on faire confiance aux prévisions ? Malgré tous les progrès de la science, les modèles ne pourront jamais tous prévoir. En effet, bien que la prévisibilité atmosphérique fasse l’objet d’étude et de progrès depuis plus de 30 ans, elle connaît actuellement un regain d’intérêt du fait que la qualité et les performances des modèles aient peu progressé ces dernières années en dépit des efforts consentis pour leur perfectionnement (Lorenz, 1963).
Prévision hydrométéorologique en Afrique
En Afrique, les experts en météorologie et en hydrologie s’activent aussi dans le domaine de la prévision pour traiter également des questions d’ordres économiques, sociales et environnementales (ACMAD, 2007 et 2008). Le centre Africain pour l’Application de la Météorologie au Développement (ACMAD) en collaboration avec WASCAL ( »West African Science Service Center on Climate Change and Adapted Land Use »), avec le centre régional AGRHYMET, les agences hydrologiques et les autorités des fleuves de la sous-région donnent des prévisions saisonnières avec un modèle retenu de façon consensuelle. De plus, ils s’accordent sur les états des surfaces océaniques et sur celles du climat actuel de la sous-région sur la base de mêmes méthodes d’estimation. Le système de prévision retenu par l’ensemble de ces organisations donne une tendance des précipitations cumulées sur les périodes de Juin-Juillet-Aout et JuilletAout-Septembre. Le système fourni également des informations sur les débuts et fins des saisons de pluie. Il donne une estimation de la durée des séquences sèches au cours des différentes saisons de pluie de la sous région ainsi que les moyennes maximales des débits de charge des bassins versants. Cette collaboration s’intéresse aussi au volet agricole pour des raisons de sécurité alimentaire. A cet effet, les collaborateurs donnent les séquences sèches durant la campagne agricole, mais aussi durant la période de floraison des cultures. Il faut noter que cette organisation bénéficie de l’expérience technique de l’IRI ( »International Research Institute for Climate and Society ») qui intervient au Sénégal dans le cadre de la prévision des inondations (IRI, 2005b), mais aussi des bureaux de météorologie du royaume Uni (UKMO) et de MétéoFrance.
Prévision hydrométéorologique au Sénégal et gestion de la ressource en eau
L’hydrologie et la météorologie au Sénégal souffrent d’insuffisances en ressources humaines et en logistiques pour un bon traitement exhaustif des aspects qui détermineraient le bon fonctionnement du secteur. Ce secteur est donc, caractérisé par une moindre capacité de concevoir des modèles et d’encadrer les activités subséquentes. Il faut noter qu’au Sénégal, les réseaux de collecte des données météorologiques et hydrologiques sont de manière générale équipés d’enregistreurs classiques vétustes, avec un suivi insuffisant, occasionnant beaucoup de lacunes qui privent les chercheurs de données en temps réel et fiables pour certaines applications. (République du Sénégal, GFCS, ANACIM, OMM, CNSC, 2016 ; PNUD, 2016). Néanmoins, des efforts considérables sont faits dans le secteur, notamment avec le Laboratoire d’Hydraulique et de Mécanique des Fluides (LHMF) et le Laboratoire de Physique de l’Atmosphère (LPA) de l’université Cheikh Anta Diop de Dakar, mais aussi avec l’Agence Nationale de l’Aviation Civile et de la Météorologie (ANACIM), l’Organisation pour la Mise en Valeur du fleuve Sénégal (OMVS) et l’Organisation pour la Mise en Valeur du fleuve Gambie (OMVG).
Au Sénégal, la prévision de débits de cours d’eau est principalement orientée vers les zones inondables et les zones d’exploitation. Elle est principalement axée, sur le suivi des décrues et des phénomènes de tarissement. Par exemple, les niveaux de décrue ainsi que les phases de tarissement sont captés par un dispositif satellitaire et transmis à Yoff (Dakar-Sénégal) depuis Kounghani près de Bakel. Le balayage met un délai de 18 à 25 jours pour avoir les données de Dagana et d’un mois pour accéder à celles de Diawara. Ce dispositif a permis de trouver que le transfert de débit est de l’ordre de 200 à 300 m3/s entre la station de Bakel et le point le plus avale du fleuve Sénégal (Olivry, 1983).
Pour une exploitation rationnelle des eaux du fleuve Sénégal, l’OMVS propose un programme d’infrastructures modernes pouvant fournir annuellement et sur une période transitoire, une crue artificielle permettant l’agriculture de décrue. Ces infrastructures permettent également l’écrêtement des crues naturelles et la réduction des impacts des catastrophes qui seraient liés aux inondations en cas de crues fortes. Le programme vise à améliorer les conditions de remplissage des lacs, des dépressions et défluents alimentés par le fleuve Sénégal (Rôle et enjeux du barrage de Diama dans la problématique du développement du bassin du fleuve Sénégal, OMVS/SOGED). L’OMVS, par la CPE (Commission Permanente des Eau) assure la gestion et le suivi des crues au sein du bassin du fleuve Sénégal.
Par ailleurs, en zones urbaines, un comité de gestions des inondations et des catastrophes a été mise en place sous la coordination du ministère de l’intérieur qui, en même temps est chargé de l’organisation des secours (Plan ORSEC). Du point de vue institutionnel, la gestion des eaux du Sénégal est encadrée par un texte juridique qui définit le code de l’eau. Le respect de ce code pour la bonne gestion des eaux sur le territoire du Sénégal est assuré par la police de l’eau. Des reformes ont été faites en 2006 dans le but de mieux encadrer l’hydraulique urbaine, l’hydraulique rurale et la météorologie nationale, afin de permettre une meilleure implication des populations dans la gestion de la ressource. Ces réformes vont donner plus d’efficacité aux services nationaux de l’eau et de la météorologie. Cependant, le cadre institutionnel de l’eau du Sénégal est toujours jugé ambigu et mériterait d’être renforcé pour une application plus rigoureuse des textes qui promettent une exploitation durable des ressources en eau du Sénégal. En effet, l’exploitation durable de ces ressources requiert le respect des textes qui la régissent, mais aussi des moyens financiers très importants pour son suivi. Cependant, les moyens financiers attribués au suivi sont jugés insuffisants, probablement du fait de l’état de sous-développement du Sénégal. Une alternative serait de trouver des fonds à la hauteur des exigences du secteur à travers une meilleure participation des usagers au financement des activités de suivi climatologique et hydrologique. Une autre alternative serait aussi, d’œuvrer pour une meilleure contribution des agences de bassins à l’équipement et au renforcement de capacité des pays en charge de la gestion des ressources en eau partagées entre différents états comme le cas du fleuve Sénégal (OMM, 2008 ; IPCC, 2007 ; Fink et al., 2011).
Incertitudes et sources d’incertitude en prévision d’ensemble
La prévision en météorologie et en hydrologie est une activité scientifique qui fait appel à des outils mathématiques, physiques, informatiques etc.. Dans la littérature, on parle de prévision numérique du temps pour ce qui concerne la météorologie ( »Numerical Weather Prediction »). La prévision numérique du temps consiste à prévoir le temps à l’aide de modèles numériques déterministes sur la base d’estimation d’états initiaux de l’atmosphère mais aussi, de lois de la mécanique des fluides et de la thermodynamique entre autres déterminant les phénomènes atmosphériques. En effet, dans l’atmosphère, se passe des phénomènes très difficiles à modéliser et à prévoir tels que les déterminants des précipitations, les circulations de mousson, les perturbations et structures frontales à petites échelles, les systèmes convectifs et les déclanchements orographiques. La complexité des phénomènes atmosphériques, hydrologiques et hydrauliques font que la prévision des variables associées reste sous l’influence de nombreuses sources d’erreurs. En effet, ce sont ces sources d’erreurs qui posent problème en prévision hydrométéorologique. D’ailleurs, les incertitudes inspirent les méthodes de prévision d’ensemble. Du fait du caractère anisotrope de ses variables en plus de ses états chaotiques, l’atmosphère (Comportement) ne peut être modélisée de façon parfaite. Néanmoins, des innovations dans la prise de mesure et dans la recherche sur les processus atmosphériques ont permis une réduction graduelle desdites sources d’incertitude. Cependant, les incertitudes d’ordre physique persistent encore en raison des états de l’atmosphère qui évoluent de façon aléatoire. En hydrologie, les incertitudes inhérentes à l’estimation des précipitations futures restent prédominantes, même si leurs contributions respectives varient d’une situation à une autre (Krzysztofowicz, 2001).
|
Table des matières
Introduction Générale
Chapitre I : Prévision d’ensembles
Introduction
I.1 Prévision en Hydrométéorologie
I.1.1 Prévision hydrométéorologique en Afrique
I.1.2 Prévision hydrométéorologique au Sénégal et gestion de la ressource en eau
I.2 Incertitudes et sources d’incertitude en prévision d’ensemble
I.2.1 Incertitudes sur les observations
I.2.2 Incertitudes sur les conditions initiales et conditions aux limites
I.2.3 Erreurs sur la formulation mathématique des équations dynamiques
I.2.4 Prise en compte des incertitudes et correction des biais
I.2.5 Quantification des incertitudes
I.3 La prévision probabiliste
I.4 Système de prévision d’ensemble
I.4.1 Prévision météorologique d’ensemble
I.4.2 Echelles de systèmes météorologiques de prévision d’ensemble
I.4.2.1 Les systèmes de prévision d’ensemble à échelle mondiale
I.4.2.2 Les systèmes prévision d’ensemble à échelle régionale
I.4.2.3 Les systèmes de prévision d’ensemble à échelle convective
I.5 Prévision hydrologique d’ensemble
I.5.1 Eléments d’une chaine de prévision hydrologique d’ensemble
I.6 Système de prévision opérationnel
I.6.1 Système de prévision opérationnel en Afrique
I.7 Limites des systèmes de prévision d’ensemble
Conclusion
Chapitre II : Etude de synthèse bibliographique
Introduction
II.1 Schéma de prévision d’ensemble
II.1.1. Approches multi-modèles
II.1.1.1 Prévision d’ensemble »du pauvre » ( »Poor man method »)
II.1.2 Méthode des analogues
II.1.2.1 Méthode des moyennes décalées ( »Lagged Average Forecasting »)
II.1.3 Méthode de perturbation
II.1.3.1 Méthode des erreurs croissantes ( »Breeding of Growing Modes » (BGM))
II.1.3.2 Self-Breeding of growing modes
II.1.3.3 Méthode du meilleur membre ( » Best member method » (BMM))
II.1.3.4 Méthode de ponderation des membres ( »Weighted member method »)
II.2 Etude de synthèse bibliographique de systèmes de prévision d’ensemble
Conclusion
Chapitre III: Prévision quantitative
Introduction
III.1 Prévision météorologique
III.1.1 Prévision de précipitation
III.1.2 Limites de prévision météorologique
III.2 Prévision hydrologique
III.2.1 Prévision d’hydrogramme de crue
III.3 Prévision déterministe
III.4 Méthode déterministe et stochastique de prévision
III.4.1 Etude de tendance
III.4.2 Analyse harmonique d’une série chronologique
III.4.2.1 Périodicité des séries chronologiques
III.4.2.2 Autocorrélogramme et périodicité des observations
III.4.2.3 Procédure de simulation de composante périodique
III.4.2.4 Spectre de la composante périodique
III.4.2.5 Identification de processus stochastique adéquat
III.4.2.6 Processus ARIMA
III.5 Principe de modélisation et Prévision hydrologique
III.5.1 Modèles hydrologiques de transformation pluies–débits
III.5.1.1 Fonction de production et fonction de transfert (routage)
III.5.1.2 Structure, paramètres et variables d’un modèle hydrologique
III.5.2 Le modèle hydrologique GR4J
III.5.2.1 Critère d’évaluation du GR4J (Nash)
III.5.3 Le model HBV-Light
III.5.3.1 Critères d’évaluation des sorties du HBV-Light
Conclusion
Chapitre IV: Approches d’implémentation et vérification d’ensembles
Introduction
IV.1 Habillage de prévision déterministe par une loi de probabilité des erreurs
IV.1.1 Transformation Box-Cox
IV.2 Post-traitement des ensembles ( »dressing method »)
IV.3 Vérification et évaluation de prévisions hydrométéorologiques
IV.3.1 Régression linéaire multiple
IV.3.2 Dispersion des prévisions d’ensemble
IV.3.3 L’erreur moyenne absolue (MAE)
IV.3.4 Moyenne des carrés des erreurs et sa racine carrée (MSE, RMSE)
IV.4 Scores d’évaluation
IV.4.1 Score de Brier
IV.4.2 Décomposition du Score de Brier
IV.4.3 Score d’habileté de Brier (BSS)
IV.4.4 Score de probabilité ordonnée (RPS)
IV.4.5 Score d’habileté de probabilités ordonnées (RPSS)
IV.4.6 Score des probabilités ordonnées dans le cas continu (CRPS)
IV.4.7 Score d’habileté des probabilités ordonnées dans le cas continu (CRPSS)
IV.5 Diagrammes de vérification
IV.5.1 Histogramme des rangs ou diagramme de Talagrand
IV.5.2 Diagramme des attributs « Attribute diagram »
IV.5.2.1 Résolution dans le diagramme de fiabilité
IV.5.2.2 L’habileté d’un système de prévision d’ensemble
IV.5.2.3 Incertitude dans le diagramme des attributs
IV.5.3 Diagramme du ROC
IV.5.3.1 Aire sous la courbe de ROC
Conclusion
Conclusion Générale
