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