Vers une capacité de prévision des crues sur le plan mondial

par D.P. Lettenmaier1, A. de Roo2 et R. Lawford3

Les activités de l’OMM relatives aux crues ont pour but d’appliquer la modélisation hydrologique et les techniques de prévision, d’évaluation des risques et de gestion intégrée des crues à la prévention des catastrophes tout en portant à leur maximum les effets bénéfiques des crues. Cela implique d’analyser les besoins opérationnels en matière de prévisions et d’avis et de se tenir au courant des derniers progrès de la technique, comme la mise au point et la promotion de systèmes intégrés d’observation terrestre et satellitaire.

On s’efforce de plus en plus de faire en sorte que les Services hydrologiques nationaux offrent aux collectivités des prévisions de crues rapides, précises et utiles. Il faut pour cela réaliser d’importantes activités de recherche et resserrer la collaboration entre services météorologiques et services hydrologiques. On obtiendra ainsi une amélioration sensible des systèmes d’annonce de crues et des informations précieuses pour la gestion des catastrophes.

Les inondations sont un phénomène naturel omniprésent. Selon le Service météorologique national des États-Unis, de 1990 à 2004, le coût des crues dans ce pays a été en moyenne de 6,1 milliards de dollars des états-Unis (dollars de 2004) par an. Une étude récente de l’Université des Nations Unies indique que les inondations touchent chaque année plus de 500 millions de personnes dans le monde, dont un nombre disproportionné vit en Asie (44 % de toutes les catastrophes dues aux crues dans la monde et 93 % des décès liés aux crues entre 1988 et 1997). Selon un rapport de 2003 du Conseil mondial de l’eau, à l’échelle planétaire, les pertes dues aux crues et à la sécheresse se sont multipliées par 10 (compte tenu de l’inflation) pendant la deuxième moitié du XXe siècle pour atteindre un total d’environ 300 milliards de dollars des états-Unis dans les années 90.

Cet accroissement des pertes est imputable à une augmentation du nombre d’événements et de l’importance des pertes par événement. Le premier motif est peut-être d’ordre climatique — une accélération du cycle hydrologique mondial étant susceptible de conduire à un plus grand nombre d’extrêmes hydrologiques —, bien que Pielke et al. (2000) aient constaté que la majeure partie de l’augmentation des pertes économiques dues aux crues est associée à un accroissement général de la prospérité, qui sensibilise davantage les sociétés aux extrêmes climatiques.

Malgré la gravité des conséquences socioéconomiques des crues, il n’existe actuellement aucun système mondial permettant de les prévoir ou même de les identifier de façon cohérente. La plupart des pays développés disposent de systèmes suffisamment perfectionnés de prévision des crues qui sont fondées sur une observation en temps réel des précipitations extrêmes associée à d’autres variables météorologiques de surface recueillies in situ, par radar et, dans certains cas, par satellite, ou obtenues par modélisation. Un tel perfectionnement n’existe cependant pas dans les pays en développement. Au Mozambique, par exemple, lors des inondations de 2000, seules quelques stations de mesure des précipitations du pays transmettaient des données sur le Système mondial de télécommunications de l’OMM, ce qui aurait rendu impossible l’utilisation des modèles de prévision employés dans la plupart des systèmes de prévision des crues du monde développé.

Nous pensons qu’en remplacement des systèmes de prévision des crues fondés essentiellement sur des observations in situ, les progrès de la modélisation hydrologique à grande échelle, la télédétection et l’assimilation des données permettent désormais de mettre au point un système mondial de prévision et de prévision immédiate. Grâce aux progrès des systèmes d’assimilation de données terrestres, comme le système nord-américain d’assimilation de données à la surface des terres émergées
(N-LDAS)) (voir Mitchell et al., 2004) et un système européen semblable (E-LDAS) (voir Van den Hurk, 2002), on a démontré la capacité des modèles des terres émergées de produire des estimations utiles des conditions hydrologiques en surface (humidité du sol, superficie enneigée et équivalent en eau, écoulement fluvial) sur des zones étendues. À ce jour, cependant, ces activités portent essentiellement sur l’amélioration des conditions initiales des variables relatives à l’état du sol employées pour la prévision météorologique.

Nous estimons qu’il est possible de miser sur l’expérience des systèmes N-LDAS et E-LDAS pour produire des prévisions immédiates et des prévisions d’ensemble des conditions d’apparition de crues sur le plan mondial. On effectuerait des prévisions en diffusant des prévisions immédiates semblables à celles produites par les systèmes LDAS à un moment ultérieur (à la suite de l’assimilation au moment d’une prévision de jeux de données satellitaires et in situ sélectionnés pouvant porter sur la quantité de neige, l’équivalent en eau de la neige, l’humidité du sol en surface et éventuellement la température en surface (pelliculaire)) en employant des techniques de prévision d’ensemble par des modèles de prévision du temps et du climat à courte échéance (15 jours environ au maximum). Nous allons parler brièvement des activités déployées aux États-Unis et en Europe qui font appel à des prévisions climatiques à courte échéance et à des prévisions météorologiques à moyenne échéance des précipitations et d’autres variables relatives aux terres émergées pour faire tourner des modèles hydrologiques. Nous allons aussi présenter quelques idées sur la généralisation de ces techniques à l’échelle du globe.

Pour les grands bassins fluviaux, la précision de la prévision des crues dépend d’un ensemble d’éléments: a) la capacité de prévoir avec précision le déplacement de l’eau dans le réseau de cours d’eau; b) la capacité de traduire les précipitations et d’autres conditions météorologiques de surface en débit de l’eau qui pénètre dans le réseau fluvial; c) la précision avec laquelle on peut prévoir les conditions météorologiques pendant la période de prévision. L’importance relative de ces trois éléments qui contribuent à la précision de la prévision des crues dépend de divers facteurs: géométrie et étendue du réseau fluvial, nombre et emplacement des stations de jaugeage, conditions hydrologiques antérieures (y compris, en particulier, l’humidité du sol et les conditions d’enneigement, le cas échéant) et facteurs qui influent sur la réaction hydrologique du bassin hydrographique (sols, topographie, végétation et géologie). Parmi ces facteurs, l’humidité antérieure du sol et les conditions hydrodynamiques des cours d’eau sont les plus dynamiques, donc susceptibles d’observations et/ou de prévisions. Nous allons parler brièvement des stratégies permettant d’utiliser des informations dans le cadre de la modélisation actuelle et du potentiel d’avenir de ces stratégies.

Nous présentons ici des expériences précoces effectuées à l’aide de deux systèmes de prévision en temps réel destinés à une application sur de vastes zones et à l’assimilation de données hydrologiques qui souvent ne sont pas employées dans la prévision hydrologique opérationnelle. Le système de prévision hydrologique Westside de l’Université de l’État de Washington (Wood et Lettenmaier, 2006) est conçu essentiellement pour produire des prévisions hydrologiques saisonnières concernant l’ouest des États-Unis, mais il a été appliqué à des délais de prévision ne dépassant pas deux semaines.

La figure 1 présente conceptuellement le mode de fonctionnement du système tandis que la figure 2 en indique le domaine d’application.
Le modèle tourne jusqu’au moment de la prévision à partir d’observations aux points de grille des précipitations et de la température ainsi que d’autres forçages radiatifs et météorologiques de surface qui, en pratique, sont déduits des précipitations et de la température. Au moment de la prévision, les variables de l’état hydrologique (et notamment l’équivalent en eau de la neige et la superficie enneigée, variables essentielles qui régissent l’écoulement dans une grande partie de l’ouest des États-Unis) sont mises à jour au moyen d’observations in situ et/ou de télédétection. Ensuite, pendant la période de prévision, le modèle est forcé par les précipitations, la température de l’air en surface et d’autres variables notées ci-dessus, déduites soit du rééchantillonnage d’observations d’archives (grâce aux techniques présentées par Twedt et al., 1977), soit de prévisions climatiques d’ensemble (dont l’échelle est réduite et dont les erreurs systématiques sont corrigées selon les techniques décrites par Wood et al. (2004)). Dans le cadre de la procédure de prévision, des prévisions immédiates de l’humidité du sol (à diverses profondeurs), de l’équivalent en eau de la neige, de l’écoulement et d’autres variables hydrologiques sont produites sur une base répartie dans l’espace, avec des prévisions d’ensemble de l’écoulement fluvial en une centaine de points de l’ouest des États-Unis.

Figure 1 — Schéma du système Westside de l’Université de l’État de Washington indiquant les sources de données d’entrée constamment actualisées, la mise à jour de la variable d’état et les principales variables de prévision

Il existe un aspect important du système de l’Université de l’État de Washington: c’est qu’il a pour vocation de servir de banc d’essai pour l’évaluation, en mode quasi opérationnel, de techniques de prévision nouvelles et en évolution. Un point essentiel est l’assimilation des données, qui, largement utilisée dans les prévisions météorologiques et climatiques, commence à peine à être employée en hydrologie en tant qu’outil opérationnel.

McGuire et al. (2006) présentent une expérience réalisée sur la Snake River, dans le domaine de prévision de l’ouest des États-Unis, en actualisant des prévisions à échéance de deux semaines au moyen d’un produit de télédétection (MODIS) de la superficie enneigée (SCA). Comme l’indiquent McGuire et al. (2006), lorsque le produit MODIS SCA a relevé une absence de neige là où le modèle l’avait indiquée au moment de la prévision, on a actualisé l’équivalent en eau de la neige signalé par le modèle en le mettant à zéro. Aux endroits où le MODIS SCA avait indiqué de la neige non simulée par le modèle, on a ajouté au modèle une légère quantité d’équivalent en eau de la neige. Cet ajustement s’est ajouté à la mise à jour de l’équivalent en eau de la neige au moyen d’observations ponctuelles émanant du réseau NRCS SNOTEL de coussins à neige à la suite d’une procédure présentée par Wood et Lettenmaier (2006). McGuire et al. (2006) indiquent qu’en général, la mise à jour du MODIS a réduit l’erreur moyenne absolue de la prévision de l’écoulement fluvial à échéance de deux semaines dans le bassin de la Snake River.

Figure 2 — Domaine d’application du système de prévision hydrologique Westside de l’Université de l’État de Washington

Le Centre commun de recherche de la Commission européenne exploite le Système européen d’alerte aux inondations (EFAS), (De Roo et al., 2003), qui a pour vocation de démontrer le potentiel de prévision des crues à des échéances (en général trois-quatre jours ou davantage) plus longues que celles des prévisions diffusées sur le plan opérationnel par les services nationaux de prévision d’Europe. Ce système a des points en commun avec le système Westside de l’Université de l’État de Washington présenté ci-dessus. Il fait appel en particulier à des prévisions météorologiques d’ensemble à moyenne échéance (plutôt qu’à des prévisions climatiques d’ensemble dans le cas du système Westside) et il est fondé sur un modèle hydrologique à macro-échelle perfectionné.

Le modèle hydrologique associé au système EFAS est le LISFLOOD (De Roo et al., 2000 et 2002), modèle de l’atmosphère terrestre ayant une conception générale relativement semblable à celle du modèle Variable Infiltration Capacity (VIC). Le modèle LISFLOOD simule l’écoulement et l’inondation de grands bassins fluviaux à la suite de précipitations extrêmes. Il s’agit d’un modèle des précipitations et de l’écoulement réparti dans l’espace qui tient compte de l’influence de la topographie, de la hauteur et de l’intensité des précipitations, de l’humidité antérieure des sols, du type d’utilisation des sols et du type de sol. Ce modèle simule des inondations ou tourne en continu dans les bassins versants à diverses résolutions (de 1 km ou moins jusqu’à 5 km) et divers pas (de 1 heure ou moins à 1 jour).

Le bassin du Danube est l’un des bassins pilotes du système EFAS; l’expérience de celui-ci est instructive quant aux problèmes que posent et aux possibilités qu’offrent des prévisions coordonnées de crues sur de vastes superficies. Le Danube possède un bassin hydrographique d’environ 800 000 km2, qui appartient à 18 pays. Par sa longueur, c’est le deuxième cours d’eau d’Europe et le 19e du monde. Son débit moyen, à proximité de son embouchure, située à Galaçi (Roumanie), est de 5 600 m3/s et sa crue maximale sur 100 ans est d’environ 16 000 m3/s.

Le modèle LISFLOOD a été appliqué au bassin du Danube avec une résolution spatiale de 5 km (qu’on fait actuellement passer à 1 km pour une partie du bassin). Sur le plan conceptuel, l’emploi de ce modèle pour la prévision de crues est semblable à celui du modèle VIC illustré par la figure 1, qui tourne jusqu’au moment de la prévision, les observations, obtenues en temps quasi réel, étant effectuées aux points de grille. Les observations du modèle principal, qui forcent les variables représentant les précipitations et la température, sont produites en temps réel par les Services météorologiques et hydrologiques nationaux et les services hydrologiques de 14 des 18 pays du bassin du Danube. Le grand nombre d’autorités chargées de la collecte et de la diffusion de données dans le bassin complique la mise en œuvre du modèle en temps réel: il a fallu pour cela contacter plus de 50 administrations. En outre, l’expérience a démontré que les données transmises ont en général une présentation et un contenu très divers. Certaines données ne sont carrément pas disponibles sous forme numérique, d’où la nécessité d’un effort important pour garantir l’assurance de la qualité en temps quasi réel.

Le modèle est testé par le personnel du Centre commun de recherche de la Commission européenne, qui collabore avec des experts nationaux autrichiens, tchèques, allemands, hongrois et slovaques. L’étalonnage et la validation, qui font appel à des observations rétrospectives, sont en cours ou achevés pour le cours supérieur du Danube, la Morava, le cours supérieur de la Sava, le Hron, la Drava et la Tisza avec une résolution spatiale de 1 km. L’essai en temps réel de la mise en œuvre du modèle pour le Danube avec une résolution de 1 km (actuellement 5 km) va commencer à l’été 2006.

Un aspect essentiel du système EFAS, intéressant en vue d’une mise en œuvre ailleurs (voir ci-après), est le forçage de données issues de prévisions du Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT). Actuellement, le système fait appel à des prévisions déterministes sur 10 jours du Centre (pour une résolution spatiale de 40 km) ainsi qu’à son système de prévision d’ensemble, composé de 51 membres. Les inondations du printemps 2006 dans les bassins du cours supérieur du Danube et de l’Elbe permettent une étude de cas intéressante sur le potentiel des prévisions de crues à échéance intermédiaire.

La figure 3 illustre une suite de prévisions d’ensemble à échéance de 10 jours concernant le cours supérieur de la Vlatva, en République tchèque (bassin hydrographique de 2 550 km2 en amont), affluent de l’Elbe. La figure indique que le 20 mars 2006, déjà, 31 membres sur 51 du système de prévision d’ensemble (ce qu’on peut comparer à une probabilité de 60 %) prévoyaient une hauteur d’eau supérieure au niveau supérieur d’alerte pour le 29 mars. En fait, les 28 et 29 mars, les inondations ont commencé, entraînant ultérieurement des problèmes en aval sur l’Elbe et le Danube. Avec le temps, le signal est devenu encore plus fort et, le 23 mars, l’équipe EFAS a transmis aux autorités tchèques une alerte précoce aux inondations.

Figure 3 — Séquence d’alerte prévue pour le cours supérieur de la Vlatva (affluent de l’Elbe), commençant le 20 mars 2006, calculée par incréments de 12 heures pour un délai de 1 à 10 jours. Les nombres inscrits dans les cellules indiquent le nombre de membres de l’ensemble (sur 51) pour lesquels une inondation a été prévue.

Les systèmes Westside et EFAS sont testés dans des régions où les réseaux de données in situ sont suffisamment denses, mais nous estimons qu’ils ont des possibilités considérables d’application dans des parties moins développées du monde où les observations in situ des précipitations sont peu nombreuses. Dans les cas où il faut des délais de prévision excédant la durée caractéristique de déplacement dans le réseau fluvial, une évaluation précise des conditions hydrologiques initiales est primordiale; actuellement, les techniques les plus viables sont fondées sur une simulation continue qui exige une mesure précise des précipitations pendant la période de démarrage (voir la figure 1).

Mis à part les observations in situ dans les zones où les données sont rares, il existe deux possibilités principales: l’évaluation des précipitations par satellite et les champs d’analyse des modèles numériques de prévision du temps. Des activités intenses ont lieu dans ces deux secteurs, dont l’étude dépasserait de loin la portée du présent article. Quoi qu’il en soit, les informations émanant de sources de données telles que les réanalyses ERA-40 (réanalyses sur 40 ans) du CEPMMT, produites en refaisant tourner une version «figée» du modèle de prévision du temps au moyen de techniques de pointe d’assimilation de données, sont encourageantes.

La figure 4 présente des moyennes saisonnières à long terme des précipitations dans le bassin de trois grands affluents du Río de la Plata, en Amérique du Sud, par comparaison avec des observations effectuées aux points de grille. Pour l’essentiel, les estimations d’ERA-40 (qui sont indépendantes des observations, les précipitations n’étant pas assimilées par les réanalyses ERA-40) donnent des résultats remarquablement proches. Un examen plus attentif (les figures correspondantes n’apparaissant pas ici) indique l’existence de différences entre les deux sources de données pour ce qui est de la répartition dans l’espace, mais les résultats sont néanmoins encourageants.

Figure 4 — Précipitations moyennes mensuelles ERA-40 et observées (d’après des données de stations présentées sous la forme de valeurs aux points de grille) pour l’Uruguay, le Parana et le Paraguay, affluents du Río de la Plata, 1979-1999 (avec l’aimable autorisation de Fengge Su, de l’Université de l’État de Washington)

Une autre source évolutive de données qui va faciliter la prévision des crues sur le plan mondial est l’observation par satellite du niveau de l’eau en surface. Des altimètres embarqués à bord de satellites sont utilisés depuis les années 80 pour déterminer le niveau des océans. En général, la technique et les algorithmes de traitement des données ayant favorisé la précision verticale au détriment de la résolution spatiale, les observations n’ont été utiles que pour des nappes d’eau très importantes. Toutefois, comme l’indiquent Alsdorf et al. (2004), l’altimétrie dans des couloirs, susceptible de calculer avec une précision de quelques centimètres à la verticale le niveau moyen de l’eau en surface sur une superficie de moins de 1 km2, est maintenant réalisable. Cette technique est actuellement planifiée tant en Europe qu’aux États-Unis. On peut facilement envisager des systèmes d’assimilation des données où les modèles hydrologiques, forcés par des champs d’analyse de la prévision numérique du temps, effectueraient le forçage d’un modèle hydraulique de cours d’eau qui serait mis à jour pour produire des valeurs du débit en temps réel par assimilation des profils de la surface de l’eau observés par satellite, modèle lui-même forcé par des séquences météorologiques et climatiques d’ensemble jusqu’à la période de prévision. De telles stratégies pourraient être notablement facilitées par une approche centralisée de la prévision, où des ressources pourraient être affectées à une manipulation massive des données, au contrôle de la qualité et à une simulation d’ensemble qui seraient nécessaires.

Les deux projets présentés dans cet article, qui contribuent à la mise au point de systèmes macro-échelle répartis de prévision hydrologique, reposent sur des prévisions d’ensemble faisant appel à des techniques conçues dans le cadre de l’Expérience sur les prévisions hydrologiques d’ensemble (HEPEX) (Franz et al., 2005). Comme l’indiquent Sorooshian et al. (2005), nombre de ces activités sont coordonnées par les responsables de l’Expérience mondiale sur les cycles de l’énergie et de l’eau (GEWEX) relevant du Programme mondial de recherche sur le climat (coparrainé par l’OMM, la Commission océanographique intergouvernementale de l’UNESCO et le Conseil international pour la science).

Bien que l’expérience GEWEX ait été axée sur la mise au point de ces systèmes, ses responsables ne se sont pas occupés des applications particulières de ces outils à la prévision des crues. On prévoit, cependant, que comme le sujet des extrêmes fait l’objet d’une plus grande attention de la part des climatologues, des activités plus importantes seront consacrées à la conception de systèmes mondiaux de prévision et de surveillance des crues dans le cadre de l’expérience GEWEX et d’autres programmes de recherche et d’observation hydrologiques.

Bibliographie

Alsdorf, D., D.P. Lettenmaier, et C.V. Vorosmarty, 2003: The need for global, satellite-based observations of terrestrial surface waters, Eos, Transactions of the American Geophysical Union, 84, N° 29.

De Roo, A.P.J., C.G. Wesseling et W.P.A. Van Deursen, 2000: Physically-based river basin modelling within a GIS: the LISFLOOD model. Hydrological Processes, 14, 1981-1992.

De Roo, A.P.J., J. Thielen et B. Gouweleeuw, 2002: LISFLOOD, a distributed water balance, flood simulation and flood inundation model. User manual. Version 1.0. Rapport de la Commission européenne, Centre commun de recherche, Publications spéciales, N° I.02.131

De Roo, A.P.J., B. Gouweleeuw, J. Thielen, P. Bates, A. Hollingsworth, et al., 2003: Development of a European flood forecasting system, International Journal of River Basin Management¸ 1, 49-59.

Franz, K., N. Ajami et J.C. Schaake, Jr., 2005: Hydrological Ensemble Prediction Experiment focuses on reliable forecasts, EOS, Transactions of the American Geophysical Union, 86, 239.

Mcguire M., A.W. Wood A.F. Hamlet et
D.P. Lettenmaier, 2006: Use of satellite data for streamflow and reservoir storage forecasts in the Snake River Basin, ID, J. Water Res. Planning and Mgt., ASCE, 132, 97-110.

Mitchell, K E., D. Lohmann, P.R. Houser, E.F. Wood, J.C. Schaake, A. Robock, B.A. Cosgrove, J. Sheffield, Q. Duan, L. Luo, R.W. Higgins, R.T. Pinker, J.D. Tarpley, D.P. Lettenmaier, C.H. Marshall, J.K. Entin, M. Pan, W. Shi, V. Koren, J. Meng, B.H. Ramsay et A.A. Bailey, 2004:  The multi-institution North American Land Data Assimilation System (NLDAS): Utilizing multiple GCIP products and partners in a continental distributed hydrological modeling system, J. Geophys. Res., 109, Art. No. D07S9010.1029/2003JD003823.

OMM, 2006. WMO statement on the status of the global climate in 2005, OMM-N° 998, Genève.

Pielke, R.A., Jr. et M. Downton, 2000: Precipitation and damaging floods: Trends in the United States 1932-97, J. Climate, 13, 3625-3637.

Sorooshian, S., R. Lawford, P. Try, W. Rossow, J. Roads, J. Polcher, G. Sommeria et R. Schiffer, 2005: Les liens entre les cycles de l’eau et de l’énergie, Bulletin de l’OMM, 54, 2, 58-64.

Twedt, T.M., J.C. Schaake et E.L. Peck, 1977: National Weather Service Extended Streamflow Prediction, Proc. Western Snow Conf., Albuquerque, Nouveau-Mexique.

Van den Hurk B., 2002: European LDAS established, GEWEX News, 12/2, 9-9.

Wood, A.W., L.R. Leung, V. Sridhar et D.P. Lettenmaier, 2004: Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs, Climatic Change, 62, 189-216.

1 Department of Civil and Environmental Engineering, University of Washington, Seattle, WA, USA

2 European Commission DG Joint Research Centre, Ispra, Italy

3 International GEWEX Project Office, Silver Spring, MD, USA