ParisTech se présente
 Evénements
 
 Etudier à ParisTech
 La coopération internationale
 Ressources documentaires
 Vivre à ParisTech
 ParisTech et les entreprises
 ParisTech Libres Savoirs
 
 

Développement de techniques de prévision de pluie basées sur les propriétés multi-échelles des données radar et satellites.

Accueil || Parcours || Recherche || S'enregistrer || Mon Compte || Contacts || Aide || Langues

Macor, Jose Luis (2007) Développement de techniques de prévision de pluie basées sur les propriétés multi-échelles des données radar et satellites. Doctorat, ENPC p.193.

Plein texte disponible en tant que :

- Couverture_These_Jose_MACOR.pdf ( 56 Kb )
- These_Jose_MACOR.pdf ( 7193 Kb )
Licence: Copyright

Résumé

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.

Type d'EPrint:Thèse (Doctorat)
Directeur de Thèse:Schertzer, Daniel et Pochat, Victor
Date:10 Octobre 2007
Jury de Thèse:Bertoni, Juan C. et de Lima, Isabel et Delrieu, Guy et Hubert, Pierre et Onof, Christian et Ribstein, Pierre et Schertzer, Daniel et Pochat, Victor
Fonds:ENPC
Institution:ENPC
Sujets:8. Sciences de la terre et génie de l'environnement
Mots-clés libres:Prévision de pluie, Prévision de pluie, Simulation multi fractale, Modèles de cascade, Prévision deterministe, Prevision stochastique, Prevision immediate, Predictibilite, Radar météorologique, Simulation multi fractale, Modèles de cascade, Rain forecast, Multifractal simulation, Cascade models, Determinist forecast, Stochastic forecast, Nowcasting, Predictability, Meteorological radar.
Code ID:3420
Déposé par :Nathalie Kieffer
Déposé le :22 Février 2008

Statistiques de consultation

Administrateurs de l'archive uniquement : éditer cet enregistrement

 
ParisTech
 
droits de reproduction et de diffusion réservés © ParisTech 2007