Homogénéisation des séries de précipitations: identification des techniques les plus prometteuses et nouveaux développements.

Le terme homogénéisation désigne la correction de séries de données climatiques contaminées \npar des ruptures artificielles dues à des modifications dans les réseaux d’observations (déplacement \nde station, changement d’instrument de mesure, changement dans l’environnement immédiat d’une \nstation, changement d’observateur, etc.). Ces ruptures artificielles sont présentes dans la plupart des \nenregistrements climatiques et peuvent interférer avec les variations réelles du climat. La détection et \nla correction de ces ruptures est nécessaire pour construire des bases de données climatiques qui \nserviront ultérieurement à analyser le signal climatique et suivre son évolution dans le temps. \nOmettre de corriger ces ruptures artificielles implique de risquer que les projections futures basées \nsur les observations passées soient biaisées. \nDans cette thèse, deux objectifs généraux sont visés : déterminer les techniques les plus \nprometteuses pour l’homogénéisation des précipitations totales dans la province de Québec et ses \nalentours et proposer de nouvelles méthodes plus flexibles et/ou plus performantes que celles qui \nexistent. La flexibilité additionnelle recherchée inclut entre autres la détection simultanée de plusieurs \nsauts, la relaxation de l’hypothèse de normalité sous-jacente à la plupart des méthodes existantes et \nl’inclusion de l’information additionnelle provenant des métadonnées et du jugement de l’expert dans \nl’analyse possible avec l’approche bayésienne. \nDifférentes techniques ont été comparées dans une étude de simulation de Monte Carlo afin \nd’identifier celles qui semblent prometteuses pour homogénéiser les séries de précipitations totales \nannuelles de la province de Québec, au Canada, et ses alentours, compte-tenu de leurs \ncaractéristiques spatiales et temporelles. Cette comparaison a été effectuée sur des séries synthétiques \nhomogènes et inhomogènes. Les séries synthétiques ont été générées à partir des caractéristiques \nstatistiques des enregistrements d’un ensemble de stations situées dans la province de Québec et ses \nalentours. Parmi les techniques classiques, celles basées sur le test du rapport de vraisemblance ont \ndonné les meilleurs résultats. \nTrois méthodes bayésiennes de détection de rupture ont été adaptées et appliquées au \nproblème. La première est une technique de régression bayésienne qui a une formulation plus \ngénérale que les autres modèles de régression utilisés auparavant pour vérifier l’homogénéité d’une \nsérie. La deuxième est une autre approche régressive bayésienne qui permet de détecter un nombre \ninconnu de sauts et leurs positions simultanément. La troisième méthode bayésienne est un test \nd’homogénéité permettant de détecter un changement dans les paramètres d’une distribution \nappartenant à la famille exponentielle. Dans le cas où les observations sont normales, le test permet \nde vérifier la présence d’un changement de moyenne et de déterminer sa position. Le cas normal de \nce test a été utilisé. Ces trois techniques ont été comparées aux précédentes sur les mêmes séries \nsynthétiques. La méthode bayésienne qui permet de détecter un nombre inconnu de sauts et celle du \ntest d’homogénéité bayésien se sont montrées très prometteuses pour détecter des inhomogénéités \ndans des séries de précipitations totales annuelles. \nUne technique plus générale qui permet de détecter des inhomogénéités dans des séries de \nprécipitations totales a été proposée. Le cas gamma du test permettant de détecter un changement \ndans les paramètres d’une distribution appartenant à la famille exponentielle a été repris. L’avantage \nest que la distribution gamma est plus flexible que la normale. Elle permet de représenter différents \nniveaux d’asymétrie et en même temps, d’approximer la distribution normale. Un cas d’étude a été \nréalisé et montre que cette technique est appropriée pour détecter des inhomogénéités dans les \nprécipitations à différents pas de temps. Enfin, cette technique de détection de changement a une \nformulation générale qui peut s’étendre à plusieurs variables climatiques ayant une distribution qui \nappartient à la famille exponentielle (loi normale, gamma, Poisson, …).

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.