utilisable à la pluie cumulée sur un pas de temps.
dans certains endroits ce qui tombe en plusieurs années à
Paris. La raison est d'ordre météorologique et topogra-
phique.
encore de temps de retour associé à cette probabilité. On
dira ainsi que la pluie décennale journalière à Grenoble est
de l'ordre de 100 mm ; cela signifie qu'il y a une chance sur
10 soit 10 % que la pluie maximale journalière d'une année
prise au hasard dépasse cette valeur. On dit que son temps
de retour est de 10 ans, ce qui ne signifie nullement que
cette pluie revienne tous les dix ans. De la même façon, le
temps de retour du 1 sur un dé à jouer est de 6 car le 1
revient «en moyenne» tous les 6 coups.
tenant compte du climat et de ses variations saisonnières,
les séries historiques ajustées avec des modèles probabi-
listes de valeurs extrêmes. Pour synthétiser ces études, on
en tire depuis quelque temps des cartes d'aléa pluviomé-
trique, car les caractéristiques statistiques de la pluie ont
une certaine structure spatiale. A titre d'exemple nous
présentons figure 2 (voir pages couleur) la carte des
pluies décennales de 24 heures dans la région Cévennes
Vivarais. Ainsi dans la zone IV, on observe en moyenne
sur 10 ans une pluie maximale comprise entre 230 et 259
mm sur 24 heures. On remarquera sur cette carte
l'importance des reliefs, auxquels de plus fortes pluies
sont attachées.
dans le temps
importante. La variabilité temporelle l'est également : en
un point, les pluies fortes sont très différentes d'une
année à l'autre. Par contre, et cela conforte les études
probabilistes, la variabilité temporelle des caractéristiques
statistiques des pluies est faible. Autrement dit, la loi de
probabilité des pluies diffère beaucoup d'un point à
l'autre mais peu dans le temps, du moins à l'échelle de
quelques générations humaines. L'exemple suivant
montre que si l'on découpe en deux séries les données
des pluies maximales journalières annuelles à Marseille,
les résultats sont très voisins entre eux et très différents de
ceux de Coursegoules, station près de Nice (figure 3)
pluie de chaque année dépassant un certain seuil ; on ne
décèle ni à l'oeil, ni par des méthodes statistiques d'évolu-
tion significative (figure 4).
cative notoire sur les caractéristiques des pluies extrêmes,
given would need several years to accumulate in Paris owing
to meteorology and topography.
ity, or in the return period associated with this probability.
One speaks of a daily 10 years return rainfall of the order of
100 mm in Grenoble : this means that there is one chance in
ten, i.e., 10 % chance, that the maximum daily rainfall of
any given year exceeds this value. One says that its return
period is 10 years which does not mean that this rainfall
occurs regularly every ten years ... ! Similarly the return time
of a one when playing dice is 6, since the one appears on
average every 6 tosses.
series by fitting probabilistic models that take into account the
local climate and its seasonal variations. Such studies are cur-
rently synthesised into rainfall maps of given return periods,
since the statistical characteristic of rainfalls, or the rainfall haz-
ard, is reasonably structured in space. For example, figure 2
(see colour pages) displays the map of the daily 10-yr return
rainfall over the Cévennes - Vivarais region. In zone IV, one
rainfall larger than 230 to 259 mm over 24 hours occurs over
an average of 10 years. This map illustrates the role of the
relief, which coincides with the highest rainfalls.
fall is very large. The same is true for the temporal variabil-
ity of rainfall at a given point: from one year to another,
intense rainfall values vary significantly. However the tempo-
ral variability of the rainfall statistics remains small. In other
words, the probability distribution of rainfalls may differ sig-
nificantly from one point to another, but changes very little
with time, if at all, at least at the scale of a few human gen-
erations. Experience shows that if the long series of annual
maximum daily rainfalls at Marseille is split into two parts,
the results remain very similar for both, but very different
from those of Coursegoules, a station near Nice (Figure 3).
Coursegoules.