en prévision quantitative des précipitations.
plus), les modèles dynamiques (contrairement à la phy-
sique des phénomènes associés) sont encore capables de
prédire de manière satisfaisante les grandes circulations.
On peut donc être tenté de combiner les techniques : uti-
liser la partie robuste de ces sorties de modèles, (la circu-
lation générale, exprimée dans les grands champs synop-
tiques), et l'adapter localement par des méthodes de type
statistique. Celles-ci s'appuient sur de longues archives
passées, afin d'utiliser la partie robuste des modèles déter-
ministes mais d'en compenser les faiblesses.
sion de précipitation sur un bassin donné (cette " cible "
peut être la situation en cours, aujourd'hui, ou la situation
prévue pour dans 3 ou 5 jours). On recherche d'abord,
dans le passé, les situations analogues, en terme de situa-
tion synoptique, (circulation atmosphérique semblable) à
la situation cible. Puis on considère les précipitations qui
ont été observées localement, pour ces journées ana-
logues, sur chacun des bassins cibles. Cela fournit, pour
un bassin considéré, un historique (dates et quantités) des
précipitations journalières observées dans des conditions
météorologiques voisines de la situation en cours, et qui
garde la trace de la réaction spécifique de chaque bassin.
observées sur le bassin fournit donc une idée de la distri-
bution des pluies à attendre pour la situation en cours :
Ces situations analogues représentent la loi de probabilité
des précipitations, conditionnée par la situation météoro-
logique présente et par la localisation géographique du
bassin. On exprime cette distribution sous la forme d'une
bande de confiance : autrement dit on affiche les cumuls,
ou quantiles, Q20, Q60 et Q90 qui ont respectivement
80 %, 40 % et 10 % de chance d'être observés ou dépas-
sés. La séquence complète est résumée dans la figure 1.
repose sur de nombreux ingrédients, en terme de don-
nées d'abord et de choix algorithmiques ensuite. Il faut :
possible),
sus de la zone d'intérêt : en fait il faut trouver com-
ment reconnaître que deux cartes en relief (ici des sur-
often exceeds 400 or 500 km
els are still able to forecast rather correctly the large-scale
circulation, even if they may become less and less reliable for
the physics of small-scale variables such as precipitation.
One may therefore be led to combine different techniques:
using the robust part of these model outputs (the large-scale
circulation displayed in the synoptic fields), while adapting it
locally by statistical methods for variables like precipitation.
This requires extended archives, to complement the robust
parts of deterministic models and compensate their weak-
nesses by the locally observed past.
tion forecast is required on a given catchment (this target situa-
tion may be either the current synoptical situation of today, or
the large scale situation expected for 3 or 5 day ahead). These
latter may be taken from the forecast proposed at synoptic scale
by a numerical weather prediction model. The idea is to retrieve
situations in the observed past that are analogueous to the tar-
get one in terms of synoptic pattern ( i.e. with a similar atmos-
pheric circulation). For this subset of past situations, one consid-
ers the precipitation that has been collected locally on each of
the catchments of interest. This provides a collection of daily
precipitation (dates and amounts) for each catchment, observed
in meteorological conditions close to those of the target situa-
tion, which carry with them the memory of the specific reaction
of each individual catchment to this kind of situation.
on each given catchment gives an idea of the distribution of
rainfalls to be expected for the current target situation: it gives
the probability distribution of the precipitation, conditional to
the current meteorological situation and specific to the geo-
graphical environment of the catchment. This distribution may
be issued as a confidence interval, i.e. giving the totals corre-
sponding to the percentiles Q20, Q60 and Q90 which have
respectively 80 %, 40 % and 10 % chance of being exceeded.
The complete sequence of the procedure is displayed in figure 1.
in terms of data collection and in the choice of appropriate
algorithms. It requires:
over the domain of interest: it is like recognising that two