titre du resume etendu aic 2012, 4 a 6 pages - RIFF

UNE NOUVELLE APPLICATION DES PREVISIONS SAISONNIERES
EN FRANCE POUR LA GESTION DE LA RESSOURCE EN EAU
BEAULANT A-L.1, VIEL C.1, SOUBEYROUX J-M. 1, DEMERLIAC S.2,CERON J-P.1
1
Meteo France, Direction de la Climatologie et des Services Climatiques, 42 av. G. Coriolis 31257 TOULOUSE,
[email protected], [email protected], [email protected], [email protected]
2
Etablissement Public Territorial de Bassin Seine Grands Lacs, 8 rue Villiot- 75012 Paris,
[email protected]
Résumé : Météo France a développé dans le cadre du projet EUPORIAS un prototype de service climatique au
pas de temps saisonnier à destination des gestionnaires de la ressource en eau. Il s’appuie sur un système de
prévision saisonnière hydrologique composé d'un modèle d'impact hydrologique (SIM) alimenté par des
prévisions saisonnières (Arpège Climat). Le prototype a été conçu en lien étroit avec les utilisateurs dont
l’EPTB Seine Grands Lacs, pour la prise de décision en matière de gestion des étiages. Des produits spécifiques
ont été définis ainsi qu’une méthode originale dénommée Placébo permettant d’évaluer l’apport du service pour
l’utilisateur. Malgré une prévisibilité saisonnière limitée sous nos latitudes, les premiers résultats confirment
l’apport potentiel du prototype pour améliorer la prise de décision. Des travaux sont prévus dans les prochains
mois pour préparer une future mise en œuvre opérationnelle.
Mots-Clés : prévision saisonnière hydrologique, ressource en eau, services climatiques.
Abstract: A new seasonal forecast application for water resource management in France Météo France has
developed in the project EUPORIAS a prototype of seasonal climate service for water resources managers. It
relies on a seasonal hydrological forecast system consisting of a hydrological impact model (SIM) powered by
seasonal forecasts (Arpège Climat). The prototype was designed with stakeholders (as EPTB Seine Grands
Lacs) in charge of low flow management through an analysis of their decision making process. Specific products
have been tailored and assessed by users thanks to an original method called Placebo. Despite limited seasonal
predictability in our latitudes, the first results confirm the potential contribution of the prototype to improve
decision making. Work is planned in the coming months to prepare for a future operational implementation.
Keywords: hydrological seasonal forecast, water resource, climate services
Introduction
La prévision saisonnière, élément du Cadre Mondial pour les Services Climatologiques
(Organisation Mondiale de la Météorologie, 2009) est un outil précieux dans la perspective
d'adaptation aux changements climatiques, notamment pour la ressource en eau (Ludwig et al,
2012). A ce jour, la gestion des étiages en France s’appuie principalement sur des systèmes
de prévisions basés sur des informations climatologiques utilisées en entrée de modèles
hydrologiques d’impacts (Pushpalatha, 2013). L’hypothèse sous-jacente est celle d’un climat
stationnaire et de la répétition dans le futur proche de saisons climatiques déjà rencontrées
dans le passé récent, ce qui peut être discutable compte-tenu de la rapidité du changement
climatique actuel (rapport de synthèse GIEC, 2014). Les prévisions saisonnières peuvent
constituer une alternative pour mieux prendre en compte l’évolution du climat (Vitart et al,
2012). Dans certains pays tropicaux où la prévisibilité à l’échelle saisonnière est très forte
(Australie, Brésil…), l’utilisation des prévisions saisonnières est courante et à remplacer
l’ancienne stratégie. C’est le cas par exemple, en Australie, au Brésil et en Afrique dans le
secteur de l’agriculture (Meinke and Hochman, 2000, Lemos et al., 2002), ou dans celui de la
gestion de l’eau (Bader et al., 2006). En Europe, de telles applications de la prévision
saisonnière sont beaucoup plus rares notamment du fait de la faible prévisibilité à l’échelle
saisonnière (Doblas-Reyes, 2010)
Le projet européen FP7 EUPORIAS (http://www.euporias.eu), auquel Météo-France
participe, est entièrement dédié au développement de services climatiques aux échelles
saisonnières à décennales. L’objectif est de valoriser l’information de prévision saisonnière en
l’intégrant dans le processus de décision d’utilisateurs spécifiques. Dans ce contexte, Météo
France a proposé un prototype de service climatique qui s’adresse aux gestionnaires de la
ressource en eau. Il est basé sur l’adaptation d’un système de prévision saisonnière
hydrologique sur la France (Singla et al., 2012), aux besoins des organismes confrontés aux
enjeux de la prise de décision à échéance saisonnière, notamment pour des besoins de gestion
de barrages réservoirs servant au soutien d’étiage.
Le prototype, dénommé RIFF (River Flow Forecasts for France http://riff.predictia.es/fr), a
été développé en lien étroit avec plusieurs utilisateurs et notamment l’EPTB Seine Grands
Lacs. La première partie du résumé présentera le processus de décision de SGL pour la
gestion des étiages et les produits spécifiques de prévision saisonnière préparés à leur
intention. La deuxième partie s’appuiera sur une méthode spécifique d’évaluation du
prototype (le concept Placébo) pour en mesurer la plus-value en mode rejeu passé. Les étapes
vers la mise en œuvre opérationnelle du service seront discutées en conclusion.
1. Le prototype de service climatique RIFF pour la gestion de la ressource en eau
1.1. Enjeux et processus de décision pour la gestion saisonnière des étiages
Le secteur de la ressource en eau est un secteur climato-sensible dont les échéances
d’anticipation sont en adéquation avec celles de la prévision saisonnière notamment pour
optimiser la gestion du stock d’eau disponible dans les réservoirs amont.
Ainsi, pour assurer au mieux ses missions, l’EPTB Seine Grands Lacs (SGL) doit
programmer les valeurs de remplissage des réservoirs et les restitutions d’eau plusieurs mois à
l’avance. Ces programmations pouvant être réajustées en cours de saison
(http://www.seinegrandslacs.fr/).
L'EPTB gère plusieurs lacréservoirs en amont de la Seine dont
le réservoir Marne auquel nous nous
sommes particulièrement intéressés
(Fig.1). Construit en 1974, il peut
stocker 350 Mm3 d’eau. Ce lacréservoir, plus grand lac artificiel de
France. Il est alimenté par un bassin
versant de 2 900 km² .
Figure 1 : Territoire d'emprise de l'EPTB Seine Grands Lacs
Pour assurer sa mission de soutien de l’étiage, principalement de juillet à octobre, SGL est en
charge de la programmation des restitutions d’eau visant à maintenir des débits minimum sur
la Seine et ses affluents, servant à la fois pour l’alimentation en eau potable de la région
parisienne, la dilution des effluents des stations d'épuration et les différents usages
économiques (industries, navigation …). Ces restitutions doivent prendre en compte aussi le
besoin de vidange des réservoirs avant l’hiver pour les besoins de lutte contre les crues. La
programmation, préparée à partir de mai, consiste en l'adaptation des courbes de délestage,
approuvées lors de réunion de son Comité Technique de Coordination. Ces courbes peuvent
être ajustées au cours de la période en fonction des besoins. Pour leur élaboration, SGL a
défini une méthode basée sur la connaissance des conditions initiales (état de remplissage du
lac, hydrologie des rivières en amont alimentant le réservoir), et des outils simples
d’extrapolation de l’évolution des débits avals basés sur l’expérience des années passées et
l'étude statistique de 100 ans de données reconstituées.
Dans un contexte de forte tension sur le partage de la ressource et les impacts attendus du
changement climatique sur le bassin (Habets et al, 2013), les gestionnaires sont en attente de
nouveaux outils permettant d’optimiser la prise de décision à l’échelle saisonnière.
1.2. La chaîne de prévisions saisonnières hydrologiques : SIM-PS
Le prototype RIFF est basé sur l’utilisation de la chaîne de prévision saisonnière
hydrologique SIM-PS. Cette chaîne, destinée initialement à l’évaluation de la prévisibilité
saisonnière hydrologique en France (Céron et al, 2010), fournit des prévisions probabilistes de
débits sur presque 900 stations hydrologiques en France (Fig.2).
Cette chaîne intègre un
schéma de surface appelé
ISBA de type SVAT (Soil
Vegetation
Atmosphere
Transfert) qui simule les
échanges d’eau et d’énergie
entre le sol, la végétation et
l’atmosphère, couplé à un
modèle
hydrogéologique
appelé MODCOU (Habets et
al., 2008) assurant le transfert
le routage vers les rivières et
les nappes
Figure 2 : Schéma de la chaîne de prévision saisonnière hydrologique SIM-PS
Cette chaîne hydrologique est utilisée de manière opérationnelle à Météo France depuis
2004 pour le suivi en temps réel de la ressource en eau (Soubeyroux et al, 2008)
Dans le cadre du projet EUPORIAS, ISBA-MODCOU est forcé par des prévisions
saisonnières issues du modèle ARPEGE-Système 3 de Météo-France (Déqué et al, 1999),
disposant d’un rejeu sur la période 1979-2007, pour produire un ensemble de prévisions
saisonnières de débits. Ce travail s’inspire de la méthodologie utilisée pour les prévisions
d’ensemble de débits à moyenne échéance (Rousset-Regimbeau, 2007).
1.3. Les produits
Un travail spécifique de conception conjointe avec SGL a été nécessaire pour spécifier des
produits adaptés aux besoins de l’utilisateur et à la prévisibilité saisonnière sur le bassin,
réputée pour être faible contrairement aux latitudes tropicales (Kim et al., 2012).
La Figure 3 présente deux exemples de produits probabilistes définis avec l’utilisateur. Le
graphique 3a compare au pas de temps mensuel la prévision des débits en aval du barrage à la
climatologie. Le graphique 3b est un produit intégré qui représente pour la prévision et la
climatologie, le nombre de jours avec un débit inférieur à un seuil critique, défini par
l’utilisateur.
Différents scores statistiques sur la performance des produits proposés ont été calculées sur
la période historique et explicités à l’utilisateur pour recommandation d’usage. Ainsi sur la
Figure 4, les scores pour les prévisions initialisées en mai indiquent qu’il y a de la
prévisibilité jusqu’au mois d’août mais pas au-delà.
a.
b.
Figure 3 : Exemple de produits. a. les prévisions de débits mensuels (boîtes à moustaches grises) sont fournies
pour les 7 mois à venir, et sont mises en regard des climatologies mensuelles de débits (en jaune). b. la boîte à
moustaches en gris donne les prévisions du nombre de jour d’étiage sur la période (en gris) en comparaison du
nombre de jours d’étiage fournis par la climatologie (boîte à moustaches jaune).
Figure 4 : Courbes ROC pour les prévisions mensuelles de mai à novembre (graphes individuels de gauche à
droite) du tercile inférieur de débit à la station de Gournay à partir du système de prévision saisonnière SIM
initialisé au 1er mai
2. Evaluation du prototype pour l’anticipation des étiages
2.1. Une méthode d’évaluation originale : le Placébo
L’évaluation de l’utilité de l’information apportée par la prévision saisonnière est un
objectif ambitieux du projet EUPORIAS. Pour réaliser cette évaluation, Météo France a
proposé un protocole spécifique appelé protocole Placébo, basé sur le principe du placébo
utilisé en médecine.
Le principe de ce protocole est de fournir deux jeux de prévisions d’impacts : le premier
issu réellement de la prévision saisonnière c’est-à-dire issu du forçage de la chaîne SIM par
des prévisions saisonnières tel que décrit précédemment, et le second issu de cette même
chaîne SIM (partant d’un même état initial) cette fois, forcée par des conditions
atmosphériques tirées aléatoirement dans la climatologie couvrant 1979-2007. Ces deux jeux
sont exploités à l’aveugle par l’utilisateur, ignorant s’il utilise de vraies prévisions
saisonnières ou une prévision basée sur la climatologie. A partir de ces deux jeux de produits,
l’utilisateur simule sa prise de décision sur l’ensemble des situations passées.
L’avantage majeur de ce protocole est d’assurer une parfaite objectivité entre les décisions
prises avec le jeu placébo et celles prises avec la prévision saisonnière.
2.2. Premiers résultats
Ce protocole a été appliqué par SGL pour sa programmation de gestion de l’étiage du mois
de mai, pour 29 situations passées correspondant à la période de rétro-prévisions 1979-2007
du modèle de prévisions saisonnières.
Pour chaque situation, en plus des prévisions, SGL dispose d’information sur le contexte
hydrologique et notamment l’état de remplissage du réservoir. La décision consiste à proposer
la courbe de restitution la plus appropriée compte tenu du contexte et des prévisions. Pour
compléter l’expérience, SGL a aussi rejoué les situations passées en n’utilisant aucune
information de prévision c’est-à-dire en utilisant ni le placébo ni la prévision saisonnière, ce
qui correspond plus ou moins à leur pratique habituelle.
Une métrique a été définie en commun pour mesurer la qualité de la courbe proposée,
basée sur le nombre de jours pour lesquels le débit est inférieur au seuil critique. Le débit
simulé est estimée en considérant le débit pseudo-naturel et celui déduit de la courbe de
restitution. La Figure 5 montre les résultats pour une station particulière avec le nombre de
jours de dépassement en fonction du type de prévision utilisé.
On constate une
légère
plus-value
apportée
par
la
prévision saisonnière
par rapport au placébo.
Mais ces premiers
résultats établis sur une
seule station nécessitent
d’être
validés
sur
d’autres stations.
Figure 5 : Evaluation de la qualité des prévisions initialisées avec les conditions de Mai. La métrique est
appliquée pour différentes périodes d’intégration allant de 1 mois (Mai) à 4 mois (MJJA).
Il apparaît également que l’expérience « sans information » est celle qui donne les scores
les plus faibles, confirmant la plus-value potentielle de la chaîne hydrologique pour
l’utilisateur.
Discussion et conclusion
Ce travail réalisé dans le cadre du projet EUPORIAS est un exemple prometteur
d’application de la prévision saisonnière en Europe. Nos interactions avec SGL pour le bassin
de la Seine et avec d’autres institutions françaises comme le SMEAG (www.smeag.fr) pour le
bassin de la Garonne, montre les enjeux existants aux échéances saisonnières et l’intérêt d’une
démarche de mise en forme des informations climatiques pour une application directe dans les
processus de décision. Le protocole Placebo expérimenté dans ce projet permet ainsi de
mesurer de manière objective et pertinente (métrique adaptée) l’impact de l’information
climatique sur les prises de décision des utilisateurs.
La mise en place d’un service climatique opérationnel reste cependant à consolider. Au
cours de l’été 2016, une expérimentation temps réel sera menée en s’appuyant sur des
versions opérationnelles des modèles utilisés (en prévisions saisonnière et modélisation
hydrologique) et une plateforme web pour l’accompagnement des utilisateurs et la mise à
disposition des données. D’autres applications du prototype en matière de prévision
d’humidité des sols ou de stock nival sont aussi envisagées pour répondre aux besoins
d’autres utilisateurs tels que le Comité de Suivi Hydrologique National.
Bibliographie
Bader, J.C., J-P. Piedelièvre and J-P. Lamagat, 2006. Prévision saisonnière du volume de crue du fleuve Sénégal
: utilisation des résultats du modèle Arpège Climat. Hydrological Sciences Journal, 51, no. 3, pp. 406-417
Céron J. P., Tanguy G., Franchistéguy L.,Martin E., Regimbeau F., Vidal J. P., 2010. Hydrological seasonal
forecast over France: feasibility and prospects. Atmospheric Science Letters, 18: 78-82.
Déqué, M., Braun, A., Pidelièvre, J.-P., Marquet, P., Dandin, P., Guérémy, J.-F., Geleyn, J.-F., Bazile, E., Piriou,
J.-M., Yessad, K., Courtier, P. and Rochas, P. , 1999, Arpege version 3, documentation algorithmique et mode
d’emploi, www.cnrm.meteo.fr
Doblas-Reyes, F. J., 2010, ECMWF Seminar on Predictability in the European and Atlantic regions, 6 to 9
September 2010
Habets, F., Boone, A., Champeaux, J. L., Etchevers, P., Franchisteguy, L., Leblois, E., ... & Noilhan, J., 2008.
The SAFRAN-ISBA-MODCOU hydrometeorological model applied over France. Journal of Geophysical
Research: Atmospheres (1984–2012), 113(D6).
Habets, F., Boe, J, Déqué, M., Ducharne, A., Gascoin, S. et al, 2013, Impact of climate change on the
hydrogeology of two basins in Northern France. Climatic Change, Springer Verlag, 2013, 121 (4), pp.771-785.
Kim, H.-M., P. Webster, and J. Curry, 2012. Seasonal prediction skill of ECMWF System 4 and NCEP CFSv2
retrospective forecast for the Northern Hemisphere winter, Clim. Dyn. ,23, doi:10.1007/s00382-012-1364-6.
Lemos, M. C., Finan, T. J., Fox, R. W., Nelson, D. R. & Tucker, J. 2002. The use of seasonal climate forecasting
in policymaking: lessons from Northeast Brazil. Climatic Change, 55 , 479-507
Ludwig, F., Kabat P., Van Schaik, H., Van der Valk, M., 2012, Climate Change Adaptation in the Water Sector
- 304 pages
Meinke H, Hochman Z. 2000. Using seasonal climate forecasts to manage dryland crops in northern
Australia. In Applications of Seasonal Climate Forecasting in Agricultural and Natural Ecosystems: The
Australian Experience, Hammer GL, Nicholls N, Mitchell C (eds). Kluwer Academic Publishers: Dordrecht;
149 – 165.
Pushpalatha R., 2013, Simulation et prévision des étiages sur des bassins versants français : approche fondée sur
la modélisation hydrologique, AgroParisTech (Paris), Irstea (Antony), 230 pp.
Rousset-Regimbeau, F., 2007. Modélisation des bilans de surface et des débits sur la France, application à la
prévision d'ensemble des débits. PhD thesis, Université Paul Sabatier, Toulouse, France.
Singla, S., Céron, J.-P., Martin, E., Regimbeau, F., Déqué, M., Habets, F., and Vidal, J.-P., 2012. Predictability
of soil moisture and river flows over France for the spring season, Hydrol. Earth Syst. Sci., 16, 201-216,
doi:10.5194/hess-16-201-2012.
Soubeyroux, J.-M., Martin, E., Franchistéguy, L., Habets, F., Noilhan,J., Baillon, M., Regimbeau, F., Vidal, J.P., Le Moigne, P. et Morel, S. (2008), Safran–Isba–Modcou (SIM) – Un outil pour le suivi hydrométéorologique
opérationnel et les études, La Météorologie, 63, 40-45
Vitart, F., Robertson, A. W., Anderson, D. L., 2012, Projet de prévision infra-saisonnière à saisonnière : faire la
soudure entre le temps et le climat, Bulletin de l’OMM 61 (2), 23-28