Estimation et interpolation des courbes d'intensité-durée-fréquence des précipitations en Colombie-Britannique

Les évènements de précipitations extrêmes représentent un enjeu d’une importance croissante, dans un contexte de changement climatique. Les risques de crues et d’inondations augmentent d’année en année, à mesure que le climat se dérègle. Le Canada, de part sa grande superficie et ses importantes réserves en eau douce dont dépendent notamment la production hydro-électrique, se voit donc de plus en plus exposé à ces aléas hydriques. L’étendue du pays, sa faible densité de population et sa disparité d’infrastructures par ailleurs font qu’il est plus difficile d’estimer ces précipitations dans des zones moins peuplées, dépourvues de relevés. Les courbes d’intensité-durée-fréquence (IDF) sont un outil permettant aux ingénieurs de dimensionner les infrastructures civiles. Actuellement, ce sont les courbes d’Environnement Changement Climatique Canada (ECCC) qui sont utilisées par les ingénieurs, mais elles ne sont pour l’instant que calculées en leur stations de relevés météorologiques et présentes plusieurs hypothèses simplificatrices. L’objectif de ce projet est donc d’une part de proposer un modèle d’estimation spatiale de ces courbes IDF, et d’autre part de se focaliser sur la Colombie-Britannique. Pour rendre compte des particularités de cette région, plusieurs variables environnementales sont incorporées simultanément dans l’estimation spatiale des précipitations extrêmes, avec notamment comme fer de lance d’une part une réanalyse des précipitations journalières, et d’autre part l’élévation par rapport au niveau de la mer, pour traduire les disparités de relief à travers la côte ouest canadienne. Ensuite, pour rendre compte de la dépendance spatiale des extrêmes, un modèle bayésien hiérarchique combiné à un champ markovien gaussien intrinsèque (iGMRF) d’ordre 1 a été mis en œuvre. Le calcul numérique à partir des données fournies d’une part par ECCC, et par une réanalyse simulée de Canadian Surface Prediction Archive (CaSPAr), appelée Système Régional de Reprédiction Déterministe (Region Deterministic Reforecasting System, RDRS), a été effectué à l’aide des méthodes Monte-Carlo par Chaînes de Markov (Monte-Carlo Markov Chains, MCMC), et ce sur différentes associations de variables environnementales. Par validation croisée des résultats, on en déduit que l’altitude et la réanalyse RDRS permettent d’interpoler les courbes IDF sur tout le territoire, sont des variables significatives pour les précipitations extrêmes, et permettent ainsi de rendre compte plus efficacement des différences entre les zones côtières et les zones montagneuses de la Colombie-Britannique. Un dashboard interactif a également été mis en place, pour présenter à la fois les données et les résultats de manière intuitive.

Abstract

Extreme rainfall events represent a growing matter issue, in our current context of climate change. Flood risks are getting worse from year to year, as forth the deregulation of climate is going on. Canada, because of its large superficy and relying its hydroelectric production on massive fresh water reserves, therefore becomes more and more exposed to these water hazards. As it’s a large country, and having a scarce population density outside of the American border and a lack of infrastructures makes it so the rainfalls are harder to estimate in less populated zones. Then, intensity-duration-frequency (IDF) curves are a tool used be engineers to size civilian infrastructures. Currently, Environment Climate Change Canada (ECCC) is the main source providing these curves. However, their current way of being computed still overshadow some simplifications, and are computed only in weather stations. This project has the goal of introducing a spatial model in order to estimate IDF curves throughout the country, and also to focus on a province somehow left behind by the laboratory "Extremes" from Polytechnique Montreal : British Columbia. In order to acknowledge the features of this province in front of the Eastern Coast, several environmental covariates are integrated in the spatial model ; on one hand, a new reanalysis from the precipitations across British Columbia, and on the other hand, the elevation, allowing to introduce the influence of the Rocky Mountains on extreme rainfalls. Then, a combination of a Hierarchical Bayesian Model (HBM) with an intrisinc Gaussion Markov Random Field (iGMRF) of first order was put together to create the spatial model. The computation, yielded by both data provided by both ECCC and a reanalysis from Canadian Surface Prediction Archive (CaSPAr), named Regional Deterministic Reforecasting System (RDRS), was implemented with Markov Chains Monte Carlo (MCMC), with different combinations of covariates. Following a cross-validation of results, we show the importance of elevation and the RDRS reanalysis for extreme rainfalls, allowing to interpolate IDF curves across the entire province, thus highlighting the differences between coastal zones and mountain zones of British Columbia. An interactive dahsboard was also created, to explain datasets and results in a intuitive way.