Intégration des pluies prévues du système COSMO-DE-EPS dans le système AIGA

Cette étude a été réalisée pour le SCHAPI (Service Central d'Hydrométéorologie et d'Appui à la Prévision des Inondations) pour analyser l’amélioration du système d’avertissement aux crues rapides AIGA en prenant en compte les incertitudes des pluies futures et des paramètres du modèle hydrologique calibré et régionalisé. Le SCHAPI développe actuellement un service d’avertissement automatisé valable sur l’ensemble de la France, qui sera complété par un service expertisé d’avertissement sur des bassins dits prioritaires. Ce service expertisé concerne les bassins avec des temps de réaction courts compris entre 2h et 6h et avec des enjeux particuliers. Pour améliorer la caractérisation et l’anticipation des crues soudaines, l’objectif est d’intégrer des prévisions d’ensemble de pluie à haute résolution spatio-temporelle, notamment les prévisions d’ensemble multi-modèles COSMO-DE-EPS. Ces prévisions sont produites par l’agence allemande Deutscher Wetterdienst (DWD) sur le tiers Nord-Est de la France. Le modèle atmosphérique COSMO-DE permet une modélisation physique des processus convectifs à la résolution de 2,8 km. Il quantifie l’incertitude des prévisions de pluie en produisant, toutes les 3 heures et 8 fois par jour, 20 membres pour une échéance maximale de 21 heures. Les grilles de prévision d’ensemble de pluie ont été mises à disposition par le SPC (Service de Prévision des Crues) Meuse-Moselle sur la zone du SPC au format et dans le système de projection tels qu’utilisés sur la plateforme opérationnelle LARSIM. L’intégration de ces grilles de prévision a nécessité leur reprojection dans le système Lambert 2 étendu et leur interpolation sur une grille régulière à la résolution de 1 km2 (cette étape est décrite dans l’étude de Demargne 2014a). L’analyse de l’apport des prévisions d’ensemble de débit a porté sur 7 événements de crue entre décembre 2010 et décembre 2012 pour des bassins de la Meuse et de la Moselle de surfaces inférieures à 1000 km2. Les 20 ensembles de pluie COSMO-DE-EPS sont intégrés dans la modélisation hydrologique pour obtenir 20 prévisions d’ensemble de débit et produire ainsi des alertes probabilisées de dépassement de seuil de débit. L’incertitude paramétrique du modèle horaire semi-distribué a également été considéré en utilisant 5 jeux de paramètres différents, qui ont été testés lors de la régionalisation par Organde (2014). Ces 5 jeux de paramètres sont considérés comme équiprobables, même si seul le jeu de paramètres finaux a été optimisé pour la détection des dépassements de quantiles de débit. Les 5 jeux de paramètres sont couplés aux 20 ensembles de pluie pour produire 100 ensembles de débit qui prennent en compte l’incertitude de pluie future et l’incertitude paramétrique du modèle semi-distribué. L’apport des prévisions d’ensemble COSMO-DE-EPS est analysé vis-à-vis de prévisions de référence : la prévision de débit générée avec la pluie persistante issue de la dernière heure de pluie observée au moment de l’initialisation de la prévision, la prévision probabiliste climatologique définie par la distribution empirique des observations de 2009-2012, ainsi que la prévision de débit issue de la pluie « parfaite » (i.e. pluie observée) pour montrer l’impact des erreurs et des incertitudes des prévisions d’ensemble de pluie. La vérification des prévisions d’ensemble de pluie et de débit est réalisée avec le système de vérification EVS (Brown et al. 2010) en sélectionnant des critères pour décrire le biais relatif et la corrélation des moyennes des ensembles avec les observations, ainsi que le gain en termes d’erreur en probabilité et de discrimination des dépassements de quantiles observés. L’analyse de la qualité des alertes inclut différents critères pour décrire notamment la fiabilité, le biais en fréquence et l’anticipation des alertes. Les cartes d’alerte probabilisées issues des prévisions d’ensemble de débit sont présentées et complétées avec les cartes de performance des alertes pour offrir une visualisation spatiale de la qualité des alertes sur les bassins jaugés. De telles cartes peuvent renseigner sur la qualité potentielle des alertes sur les bassins non jaugés voisins. L’évaluation des ensembles de débit a montré une bonne corrélation des moyennes des ensembles avec les observations mais une sous-estimation significative pour les débits les plus forts, à cause du biais négatif du modèle hydrologique et, dans une moindre mesure, du biais des ensembles de pluie COSMO-DE-EPS. Cependant, certaines surestimations des pluies moyennes peuvent compenser les erreurs de sous-estimation du modèle hydrologique. Les ensembles de pluie et de débit ont une bonne capacité pour discriminer les dépassements des quantiles observés 75% et 90%. En comparaison de la prévision probabiliste climatologique et de la prévision persistante, les ensembles ont de meilleures performances, notamment en termes d’erreur en probabilité. L’évaluation pour les alertes de dépassement du quantile de débit biennal a montré une amélioration significative en termes de détection, fiabilité et anticipation en comparaison au système AIGA actuel (qui n’intègre pas de prévision de pluie) et aux alertes issues de la prévision de pluie persistante. L’utilisation de 5 jeux de paramètres pour le modèle hydrologique semi-distribué pour prendre en compte l’incertitude paramétrique n’a pas permis d’améliorer les performances. Ceci s’explique par le fait qu’un seul des 5 jeux de paramètres a été optimisé pour augmenter la réactivité du modèle hydrologique et mieux différencier les dépassements des différents quantiles de débit. Des pistes d’amélioration pour l’intégration de prévisions immédiates (nowcasts), la prise en compte des incertitudes de source hydrologique et l’utilisation des informations post-crue de dégâts notamment pour les bassins non jaugés, sont également présentées. Le présent rapport constitue le livrable 00050 de la commande n°4500253337 du 16/09/2014 du marché « Mise en oeuvre de la méthode AIGA » n°2014-01-16, conclu entre IRSTEA et Hydris Hydrologie.