A stochastic generator of continuous hourly areal rainfall series applied to a wide range of French catchments
Générateur stochastique de pluies de bassin horaires continues appliqué à un large échantillon de bassins versants français
Résumé
This study introduces a stochastic continuous hourly areal rainfall generator designed to simulate rainfall time series for hydrological risk management. This generator, named SCHYPRE for Simulation of Continuous HYetographs for Predictive Risk Estimation, was calibrated using 28.5 years of high-resolution radar rainfall data across 2,108 watersheds in France, covering diverse climatic regimes from continental to Mediterranean and mountainous.
Validation results demonstrate SCHYPRE's ability to faithfully reproduce observed rainfall statistics, including mean and extreme values, seasonality, autocorrelation, and intermittency. Comparative analyses reveal relative errors below 10% for monthly mean rainfall, standard deviation, and dry-day proportions, and seasonnal confirms accurate representation of climatic variability. Frequency analyses for durations ranging from 1 hour to 1 year show strong agreement between simulated and observed quantiles, with minimal bias for extreme values.
A key strength of SCHYPRE is its stability in extreme value estimation. Unlike traditional probabilistic methods, which are sensitive to sampling variability, SCHYPRE's Monte Carlo-based approach, calibrated on extensive observational samples, ensures stable quantile estimates even for high return periods. Additionally, the generator inherently avoids quantile crossing inconsistencies, a common issue in independent duration-based probabilistic modeling. SCHYPRE's operational performance makes it a valuable tool for hydrological applications, including flood simulation, risk assessment, and infrastructure design. Its ability to generate long, coherent, and realistic rainfall time series-without restrictive assumptions-positions it as a reliable framework for contemporary water management challenges. Future work will explore coupling with spatial disaggregation model (GRAFFAS) and distributed hydrological models.
Cette étude présente un générateur stochastique continu de précipitations horaires par zone, conçu pour simuler des séries chronologiques de précipitations à des fins de gestion des risques hydrologiques. Ce générateur, baptisé SCHYPRE (Simulation of Continuous HYetographs for Predictive Risk Estimation), a été calibré à partir de 28,5 années de données radar haute résolution sur les précipitations sur 2 108 bassins versants en France, couvrant divers régimes climatiques, du continental au méditerranéen en passant par le montagnard. Les résultats de validation démontrent la capacité de SCHYPRE à reproduire fidèlement les statistiques pluviométriques observées, y compris les valeurs moyennes et extrêmes, la saisonnalité, l'autocorrélation et l'intermittence. Des analyses comparatives révèlent des erreurs relatives inférieures à 10 % pour les précipitations mensuelles moyennes, l'écart type et les proportions de jours secs, et la saisonnalité confirme une représentation précise de la variabilité climatique. Les analyses de fréquence pour des durées allant de 1 heure à 1 an montrent une forte concordance entre les quantiles simulés et observés, avec un biais minimal pour les valeurs extrêmes. L'un des principaux atouts de SCHYPRE est sa stabilité dans l'estimation des valeurs extrêmes. Contrairement aux méthodes probabilistes traditionnelles, qui sont sensibles à la variabilité de l'échantillonnage, l'approche de SCHYPRE basée sur Monte Carlo, calibrée sur des échantillons d'observation étendus, garantit des estimations de quantiles stables, même pour des périodes de retour élevées. De plus, le générateur évite intrinsèquement les incohérences de croisement des quantiles, un problème courant dans la modélisation probabiliste indépendante basée sur la durée.
Domaines
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |