Défense publique de thèse du Dr Joël Jaffrain le 17 février 2012

Des estimations fiables des précipitations sont d’une importance capitale afin de mieux comprendre et éventuellement de mieux prévenir les évènements extrêmes liés à l’eau (inondations, glissements de terrain, avalanches, ...). Du fait de la variabilité des précipitations dans le temps et dans l’espace, la mesure et la prévision des pluies sont des taches complexes, d’autant que la variabilité des pluies est toujours mal connue à petite échelle (par exemple, à l’échelle de la maille radar). Une meilleure connaissance de la variabilité de la granulométrie des pluies (DSD en anglais) est cruciale pour les estimations des pluies par les radars météorologiques.
Afin de mieux comprendre la variabilité de la granulométrie des pluies à petite échelle, un réseau de disdromètres optiques (Parsivel) a été développé et construit. Les instruments sont totalement autonomes en terme d’alimentation et de transfert de données. Le réseau de 16 instruments a été déployé à Lausanne, Suisse, couvrant une surface d’environ 1x1 km² correspondant à une maille de radar opérationnel. Le réseau a collecté des mesures de la granulométrie des pluies à haute résolution temporelle (30 s) pendant 16 mois.
Afin d’obtenir des analyses fiables, l’incertitude d’échantillonnage associée à la mesure du Parsivel a été quantifié à partir d’un jeu de donnée collecté par deux instruments co-localisés sur une durée de 15 mois.

Basée sur une approche géostatistique, les analyses soulignent la présence d'une struture spatiale de la DSD, i.e., les champs de DSD sont organisés dans l'espace et non pas distribués aléatoirement. Cette structure spatiale est significative pour des résolutions temporelles inférieure à 30 min à partir de laquelle il est difficile de distinguer la variabilité naturelle de celle induite par le processus de mesure (incertitude).
Enfin, l'impact de cette variabilité sur les estimateurs radars est analysé en focalisant sur 2 lois puissances. Ce type de loi est en général ajusté en utilisant des données collectées par un instrument deployé au sol. Cette approche “mono-instrumental” fournit des données ayant une représentativité spatiale très limitée (quelques m²). Des analyses effectuées à différentes échelles (instrument, moyenne des 16 instruments) montrent que le fait de négliger la structure spatiale de la DSD lors de l'ajustement de telles lois peut provoquer des biais de l'ordre de -5 à +15% sur les estimations de pluie par les radars météorologiques.