Développement d'une méthode de post-traitement adaptée aux valeurs extrêmes pour les précipitations simulées par un modèle climatique

RÉSUMÉ: Les événements de précipitations intenses sont susceptibles d'augmenter en intensité et en fréquence au Canada. Au Québec, cette augmentation aura des impacts considérables sur l'ensemble des secteurs d'activité, tels l'agriculture, l'énergie et l'aménagement du territoire. La quantification de cette augmentation ainsi que l'étude de ces impacts se font généralement à l'aide des précipitations simulées par les modèles climatiques. Les précipitations simulées comportent toutefois des biais par rapport aux observations qu'il est nécessaire de corriger avant de les utiliser. Les méthodes de post-traitement actuellement utilisées pour corriger ces biais modifient la distribution des précipitations simulées en fonction d'une distribution de référence. Les distributions sont généralement estimées de façon non-paramétrique et la précision de l'estimation diminue dans les queues de la distribution. Pour bien modéliser les extrêmes, des méthodes paramétriques sont requises. En général, celles-ci divisent artificiellement les précipitations en deux parties, soit les grandes intensités et le reste, ce qui impose d'utiliser des modèles statistiques différents pour corriger les biais de chaque gamme. Ainsi, l'objectif de ce projet de recherche consiste à développer une méthode de post-traitement paramétrique adaptée pour les valeurs extrêmes et le cœur de la distribution. Pour atteindre cet objectif, les familles de distributions paramétriques développées par Na-veau et al. (2016), familles de lois modélisant à la fois le cœur et les queues de la distribution en accord avec la théorie des valeurs extrêmes, ont été adaptées au contexte du post-traitement. Ces familles de modèles ont été ajustées sur les précipitations journalières observées à Mont-réal et sur les précipitations journalières simulées de l'ensemble ClimEx entre 1980 et 2009. Il a été déterminé qu'une de ces familles était adéquate pour modéliser les observations et les simulations. Une extension non stationnaire a été développée pour ce modèle afin de prendre en compte la non-stationnarité des précipitations simulées sur la période 1955-2099. Puis, la mise en correspondance de ces modèles paramétriques a permis le développement d'une méthode d'ajustement de biais adéquate autant pour le cœur de la distribution que pour les queues. La méthode a été validée sur les observations par le calcul d'indices adaptés pour le cœur et les extrêmes. Les résultats montrent une amélioration par rapport aux simulations brutes. En somme, la réalisation de ce projet a permis d'ajouter une composante non stationnaire à un modèle de Naveau et al. (2016) et son adaptation au contexte du post-traitement des précipitations simulées. La méthode développée pourra servir à post-traiter les précipitations simulées strictement positives. ABSTRACT: Intense precipitation events are likely to increase in intensity and frequency in Canada. In Quebec, this increase will have considerable impacts on all sectors of activity, such as agriculture, energy and land use. The quantification of this increase and the study of these impacts are generally done using precipitation simulated by climate models. However, simulated precipitation has biases with respect to observations that need to be corrected before it can be used. The post-processing methods currently used to correct these biases modify the distribution of simulated precipitation based on a reference distribution. The distributions are usually estimated non-parametrically and the accuracy of the estimate decreases in the tails of the distribution. To properly model the extremes, parametric methods are required. In general, these methods artificially divide the precipitation into two parts, i.e. the high intensities and the rest, which requires the use of different statistical models to correct the biases of each range. Thus, the objective of this research project is to develop a parametric post-processing method adapted for extreme values and the core of the distribution. To achieve this goal, the families of parametric distributions developed by Naveau et al.(2016), families of laws modeling both the core and tails of the distribution in line with extreme value theory, were adapted to the post-processing context. These families of models were fitted to observed daily precipitation in Montreal and to simulated daily precipitation from the ClimEx ensemble between 1980 and 2009. It was determined that one of these families was adequate to model the observations and simulations. A non-stationary extension was developed for this model to take into account the non-stationarity of the simulated precipitation over the period [1955, 2099]. Then, the mapping of these parametric models allowed the development of an adequate bias adjustment method for both the core and the tails of the distribution. The method was validated on the observations by computing suitable indices for the core and the tails. The results show an improvement compared to the raw simulations. In sum, the completion of this project added a non-stationary component to a model of Naveau et al. (2016) and its adaptation to the context of post-processing simulated precipitation. The developed method can be used to post-process strictly positive simulated precipitation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.