« Amélioration des prévisions d’ensemble des débits sur la France de SAFRAN-ISBA-MODCOU »

1. Guillaume Thirel (CNRM-GAME/GMME/MOSAYC) Thèse encadrée par Éric Martin Collaborations : S. Ricci, S. Massart et B. Bouriquet (CERFACS) J.-F. Mahfouf (CNRM-GAME/GMME/TURBAU) F. Regimbeau (Météo-France/DCLIM/HYDRO) F. Habets (UMR Sisyphe, Mines ParisTech) « Amélioration des prévisions d’ensemble des débits sur la France de SAFRAN-ISBA-MODCOU »

2. Contexte • Nécessité d’anticiper les évènements de crues : pertes humaines, coûts énormes -> prévisions de débits • Modèles hydrologiques permettent ces prévisions • Inconvénients des modèles hydrologiques : • Modélisation imparfaite • Forçage météorologique entaché d’erreur • Solutions possibles : • Estimation de l’incertitude : prévisions d’ensemble • Se rapprocher des observations : assimilation de données

3. Contexte • Projets de prévisions d’ensemble de débits : • HEPEX : réunit les communautés hydrologique et météorologique, bassins test • EFAS : système européen d’alerte des crues • MAP D-PHASE : évènements sévères dans les Alpes, plate-forme de visualisation • PE de débits en France : Météo-France, CEMAGREF

4. Le modèle hydro-météorologique SIM Analyse météorologique Simulation cohérente des flux d’eau et d’énergie sur l’ensemble : • Atmosphère • Surface/végétation/sol superficiel • Hydrologie de surface et souterraine Validation des simulations par desvariables météorologiques et hydrologiques • Campagnes de mesure • Neige • Débits des rivières et hauteur de nappe SAFRAN Observations + modèles NWP Précipitation, température, humidité, vent, radiations E Schéma de surface H ISBA + G Neige Données physiographiques pour le sol et la végétation Qr Qi Débits journaliers Modèle hydrologique MODCOU Aquifère Maillage de surface : 8x8 km → Coopération Mines Paris Tech /SISYPHE

5. Validations et valorisation de SIM Principales applications : • Suivi de l’état hydrique des sols, pluie efficace, enneigement • Impact des changements climatiques • Prévision des crues (humidité du sol, débits) Indice d’humidité du sol superficiel le 16/11/2008 Direction de la climatologie

6. ENSEMBLE FORECASTS ECMWF/PEARP Ensemble forecasts 51/11 members, 10/2-day forecasts T+ Precip Spatial DESAGGREGATION ENSEMBLE FORECAST SOIL ISBA MODCOU WAT. TABLES RIVERS FINAL STATES Schéma des ESPS basés sur SIM ANALYSIS RUN (daily) Observations Meteor. models 10-year climatology Wind, Rad., Humidity SAFRAN SOIL WAT. TABLES RIVERS STATE SOIL WAT. TABLES RIVERS FINAL STATE ISBA MODCOU

7. La Seine à Paris, crue de mars 2001 (crue décennale) Q90 Q50 Q10 • Prévision correcte de l’intensité et de la temporalité de la crue (montée, date du pic de crue, décrue) • Dispersion correcte • Prévision de la crue dès le 11-12 mars : pré-alerte, alerte

8. Visualisation des sorties en temps réel • Site intramet : http://intra.cnrm.meteo.fr/pedeb/ • Sélection d’environ 100 stations • prévision de débits • tableau d’alerte • => Visualisation du risque + de la persistance (ou non) de la prévision Probabilité de dépassement du seuil d’alerte

9. INTRODUCTION Depuis 2004, chaque jour : un système de prévisions d’ensemble de débits (ESPS) basé sur SIM (Thèse de FabienneRousset-Regimbeau, 2007). basé sur les prévisions d’ensemble (pluie+température) du CEPMMT (ECMWF EPS) sur la France entière, moyenne échéance (10 jours) Analyse statistique des précipitations et débits Article Rousset, newsletter du CEPMMT printemps 2007 Désagrégation des pluies de manière simple, mais efficace Débits comparés à l’analyse SIM : bons scores, dispersion faible Étude de cas sur des grandes crues récentes

10. INTRODUCTION ⇒ De plus en plus de besoins pour les prévisions de crues rapides (SCHAPI) • un ESPS à courte échéance basé sur la PEARP (prévision d’ensemble ARPEGE) • courte échéance : 60H, meilleure résolution • Nécessité d’être proche des observations pour le prévisionniste OBJECTIFS : • Comparer l’impact des EPS sur les prévisions d’ensemble des débits à 2 jours d’échéance. • Améliorer le système grâce à une assimilation de débits passés

11. Plan de l’exposé I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM 1) Les EPS 2) Précipitations 3) Débits II Assimilation des débits 1) Principe, but 2) BLUE, remplissage de la jacobienne, PALM 3) Validation de l’assimilation 4) Impact sur les prévisions d’ensemble III Conclusions générales et perspectives

12. Plan de l’exposé I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM 1) Les EPS 2) Précipitations 3) Débits II Assimilation des débits 1) Principe, but 2) BLUE, remplissage de la Jacobienne, PALM 3) Validation de l’assimilation 4) Impact sur les prévisions d’ensemble III Conclusions générales et perspectives

13. Prévisions d’ensemble des débits basées sur 2 EPS très différents CEPMMT 51 membres Résolution homogène 10 jours de prévisions Vecteurs singuliers, Optimisation en 2 jours Résolution dans la base de données opérationnelle : 1.5° PEARP 11 membres Version zoomée 60 H de prévisions Vecteurs singuliers Optimisation en 12H Sur l’Europe Résolution dans la base de données opérationnelle : 0.25° -> Objectif : moyenne échéance -> Objectif : courte échéance La comparaison est faite sur 48H communes aux deux systèmes

14. Plan de l’exposé I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM 1) Les EPS 2) Précipitations 3) Débits II Assimilation des débits 1) Principe, but 2) BLUE, remplissage de la Jacobienne, PALM 3) Validation de l’assimilation 4) Impact sur les prévisions d’ensemble III Conclusions générales et perspectives

15. Désagrégation des précipitations Interpolation sur les zones SAFRAN en fonction de la distance, puis : • CEPMMT : gradient d’altitude de 2 mm/m/an là où l’altitude ISBA est < 800m et 0.7 mm/m/an là où l’altitude ISBA est > 800m • PEARP : application d’un biais point par point étalonné sur un an de simulation Cumuls de précipitations 11 mars 2005 / 30 septembre 2006 SAFRAN CEPMMT (Jour 1) PEARP (Jour 1) Tous les scores statistiques sont meilleurs pour la PEARP

16. Plan de l’exposé I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM 1) Les EPS 2) Précipitations 3) Débits II Assimilation des débits 1) Principe, but 2) BLUE, remplissage de la Jacobienne, PALM 3) Validation de l’assimilation 4) Impact sur les prévisions d’ensemble III Conclusions générales et perspectives

17. BSS hauts débits (Q90) Bleu : CEPMMT meilleur (90% de certitude selon un test de ré-échantillonnage) Rouge : PEARP meilleur (90% de certitude) CEPMMT : 49 stations PEARP : 338 stations CEPMMT : 19 stations PEARP : 486 stations Jour 2 Jour 1

18. Distribution par taille de bassin (BSS) Q10 Jour 1 Q90 Jour 1 CEPMMT PEARP Tailles des bassins Tailles des bassins Q10 Jour 2 Q90 Jour 2 Tailles des bassins Tailles des bassins

19. Conclusions de la comparaison Les précipitations désagrégées de la PEARP sont meilleures que celles du CEPMMT mais méthode de désagrégation différente (adaptée au modèle météorologique) L’ESPS basé sur la PEARP a montré une amélioration (à courte échéance) sur les petits bassins et les forts débits Résultats confirmés par un panel varié de scores statistiques (RPSS, diagramme de fiabilité, taux de fausses alarmes et détection, étude par saison) Intérêt pour la prévision de crues rapides en France (SCHAPI) Détails de l’étude dans On the impacts of short-range meteorological forecasts for ensemble streamflow predictions, G. Thirel, F. Rousset-Regimbeau, E. Martin, F. Habets, Journal of Hydrometeorology, 2008.

20. Plan de l’exposé I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM 1) Les EPS 2) Précipitations 3) Débits II Assimilation des débits 1) Principe, but 2) BLUE, remplissage de la Jacobienne, PALM 3) Validation de l’assimilation 4) Impact sur les prévisions d’ensemble III Conclusions générales et perspectives

21. ENSEMBLE FORECASTS ECMWF/PEARP Ensemble forecasts 51/11 members, 10/2-day forecasts T+ Precip Spatial DESAGGREGATION ENSEMBLE FORECAST SOIL ISBA MODCOU WAT. TABLES RIVERS FINAL STATES Ajusté par le BLUE Etats initiaux des ESPS à améliorer The SIM based ESPS ANALYSIS RUN (daily) Observations Meteor. models 10-year climatology Wind, Rad., Humidity SAFRAN SOIL WAT. TABLES RIVERS STATE SOIL WAT. TABLES RIVERS FINAL STATE ISBA MODCOU

22. Stratégie 186 stations assimilées sur la France Influence humaine faible Bonne qualité des observations Simulations de SIM cohérentes Principe : utiliser les débits observés pour améliorer les simulations de débits, en ajustant l’humidité du sol dans ISBA

23. Plan de l’exposé • I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM • 1) Les EPS • 2) Précipitations • 3) Débits • II Assimilation des débits • 1) Principe, but • 2) BLUE, remplissage de la Jacobienne, PALM • 3) Validation de l’assimilation • 4) Impact sur les prévisions d’ensemble • III Conclusions générales et perspectives

24. Les équations du BLUE • Choix du BLUE car : • Possibilité de calculer la solution exacte • Dimensions du problème faibles • On ajuste l’humidité dans ISBA car variable impactant le plus les débits Débits observés Etat analysé Ebauche Vecteur innovation

25. Liste choses à faire • Observations = débits • Définir la variable d’état : humidité du sol ISBA, mais laquelle? • Estimer la Jacobienne H • Estimer les erreurs d’observations (R) et d’ébauche (B) et calibrer ces 2 matrices entre elles

26. Variable d’état Moyenne pondérée des 2 couches : w2+w3 (ruissellement + drainage) Uniquement couche 2 : w2 (ruissellement) Couches 2 et 3 séparées : (w2,w3) (ruissellement et drainage séparément)

27. Remplissage de la matrice jacobienne Jacobienne H : H détermine la sensibilité des débits à des variations d’humidité du sol débits humidité Hypothèse : linéarité du modèle -> H est calculé grâce à des simulations de SIM initialisées par des états d’humidité du sol perturbés (perturbation de 0.1%) stations 0 0 3 stations de mesure Q1, Q2 et Q3. w1, w2 et w3 humidités du sol sommées sur les bassins 0 0 bassins

28. Sensibilité et jacobienne On a choisi une perturbation de ±0.1% à appliquer. Peu de modification selon le signe de la perturbation, donc perturbation positive. Nette évolution temporelle : on va re-calculer la jacobienne à chaque assimilation

29. Répartition spatiale de la variance d’erreur d’ébauche B et R diagonales B estimée en perturbant l’analyse météorologique SAFRAN, puis comparaison de l’humidité obtenue avec l’humidité de référence R estimée selon les débits observés R et B calibrées grâce à un unique coefficient Moyenne pondérée des 2 couches Couche 3 uniquement Couche 2 uniquement

30. Principe de l’assimilation

31. Le coupleur PALM (CERFACS) • Coupleur dynamique de codes de calcul, créé pour le projet Mercator (océanographie) • Interface conviviale • Logiciel modulaire • Couplage multi-processeur simple • Gestion des échanges des données intuitif, stockage dans un buffer • Outils de post-processing • Bonne exploitation du supercalculateur de Météo-France

32. Plan de l’exposé • I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM • 1) Les EPS • 2) Précipitations • 3) Débits • II Assimilation des débits • 1) Principe, but • 2) BLUE, remplissage de la Jacobienne, PALM • 3) Validation de l’assimilation • 4) Impact sur les prévisions d’ensemble • III Conclusions générales et perspectives

33. Expériences (10 mars 2005 / 30 septembre 2006, 186 stations) 6 expériences : 3 variables d’état * 2 physiques du modèle Assimilation quotidienne, observations journalières

34. Scores pour une sélection de 148 stations IS2 sera retenu IS2 combine le meilleur Nash et RMSE, ainsi que les plus faibles incréments Le Doubs à Besançon

35. Plan de l’exposé • I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM • 1) Conditions • 2) Précipitations • 3) Débits • II Assimilation des débits • 1) Principe, but • 2) BLUE, remplissage de la Jacobienne, PALM • 3) Validation de l’assimilation • 4) Impact sur les prévisions d’ensemble • III Conclusions générales et perspectives

36. Un exemple de l’impact sur les prévisions d’ensemble des débits IS1 Sans assimilation IS2

37. Quelques scores statistiques Scores pour une sélection de 148 stations assimilées, pour SIM-CEPMMT à 10 jours d’échéance Dispersion de l’ensemble

38. RMSE Scores calculés par rapport aux observations

39. Brier Skill Score jour 1

40. Brier Skill Score jour 10

41. Conclusion sur l’assimilation • Première fois que des débits observés sont assimilés dans SIM • Apport positif de PALM : gain de temps (couplage et NEC), modularité • Validation de l’assimilation • Système validé, même si présence de quelques non-linéarités (expériences synthétiques) • Assimilation d’observations réelles : plusieurs configurations testées, amélioration significative des scores, incréments faibles • Impacts sur les prévisions d’ensemble • Apport de l’assimilation significatif les premiers jours • Ensuite, seule une amélioration de la physique améliore vraiment • Caractéristiques intrinsèques des prévisions d’ensemble peu modifiées • Utilisation par les prévisionnistes facilitée

42. Perspectives d’amélioration de l’assimilation • Estimations des erreurs grossières • Calibrage à effectuer station par station • Réduire le nombre de sous-bassins dans un bassin • Moins de simulations pour calculer H • Tests d’autres méthodes d’assimilation • EnKF limiterait les problèmes de non-linéarités? • Boucle externe? • Assimilation d’autres variables • Hauteurs de nappes (Sisyphe, thèse Alexandra Stouls) • Hauteurs de neige?

43. Plan de l’exposé • I Étude : comparaison de l’impact de 2 EPS dans le système de prévisions d’ensemble basé sur SIM • 1) Les EPS • 2) Précipitations • 3) Débits • II Assimilation des débits • 1) Principe, but • 2) BLUE, remplissage de la Jacobienne, PALM • 3) Validation de l’assimilation • 4) Impact sur les prévisions d’ensemble • III Conclusions générales et perspectives

44. Conclusions générales et perspectives Deux systèmes de prévisions d’ensemble de débits basés sur SIM Apport de la PEARP à courte échéance et sur les petits bassins Système d’assimilation des débits implémenté dans SIM Validation : impact significatif sur SIM-analyse Prévisions d’ensemble : impact fort à courte échéance, ensuite faible, mais le profil exponentiel améliore les prévisions Perspectives : Assimilation des hauteurs de nappes (thèse SISYPHE Alexandra Stouls) Passer l’assimilation en opérationnel pour initialiser la chaîne SIM-CEPMMT en temps réel Amélioration de la prise en compte de l’incertitude météorologique et de l’erreur modèle

45. Merci de votre attention!

46. Références • Comparaison SIM-PEARP et SIM-CEPMMT par rapport à une référence : • G. Thirel, F. Rousset-Regimbeau, E. Martin and F. Habets, On the Impacts of Short-Range Meteorological Forecasts for Ensemble Streamflow Predictions, Journal of HydroMeteorology, 9, 1301-1317, 2008. • Description et validation du système d’assimilation des débits : • G. Thirel, E. Martin, J.-F. Mahfouf, S. Massart, S. Ricci and F. Habets, A streamflow assimilation system for ensemble streamflow forecast over France, Submitted to the Journal of Hydrology, 2009. • Impact de l’assimilation sur les prévisions d’ensemble de débits : • G. Thirel, E. Martin, J.-F. Mahfouf, S. Massart, S. Ricci, F. Regimbeau and F. Habets, Improvement of medium-range ensemble streamflow forecasts by assimilation of past discharges, en préparation • Me contacter : guillaume.thirel@meteo.fr jusque fin novembre

47. Scores statistiques Brier Skill Score (BSS) : qualifie la capacité d’un système de prévisions d’ensemble à prévoir le dépassement (ou non) d’un seuil, comparaison à la simulation de référence (pas aux observations de débits ici). Tailles des ensembles différentes (51 et 11 membres) : BSS biaisé négativement quand le nombre de membres diminue Utilisation du débiaisage introduit par Weigel (Weigel et al. 2006) Comparer 2 prévisions d’ensemble : tests de significativité de la différence : Précipitations : test de Wilcoxon et t-test (Hamill, 1999) Débits : test de ré-échantillonnage (Hamill, 1999) -> car dépendance temporelle des débits

48. Variance d’erreur d’observations Erreurs des mesures des stations indépendantes : matrice diagonale Tests sur des cas synthétiques : 2e méthode meilleure (Nash) et donc retenue

50. Expériences jumelles Variable d’état = moyenne pondérée des humidités des 2 couches Assimilation sur une période de 3 mois, tous les 5 jours, fenêtre d’assimilation de 5 jours Etat initial modifié, obs = simulation de référence Convergence assez rapide malgré les non-linéarités