Modélisation de la variabilité spatiale et temporelle des précipitations à la sub-mésoéchelle par une approche multifractale

La représentation de la variabilité des précipitations peut être abordée sous l angle des statistiques mais les approches usuelles ne sont pas invariantes par changement d échelle. Des approches alternatives existent : les cascades multifractales, physiquement cohérentes avec les propriétés scalantes de la turbulence (loi de Kolmogorov), permettent la description multi-échelle de nombreux champs géophysiques. Dans cette étude, nous avons appliqué des outils d analyse multifractale à des jeux de données de précipitations représentatifs de la variabilité à la sub-mésoéchelle (cartes radar, séries pluviométriques de haute résolution) et identifié les gammes d invariance d échelle dans lesquelles des propriétés multifractales prédominent. Une paramétrisation multifractale robuste vis-à-vis de la présence de nombreux zéros dans les enregistrements de pluie a pu être proposée, ainsi qu un nouvel algorithme de downscaling des précipitations respectant cette paramétrisation.Modelling of rainfall variability may be studied in a statistical framework, however usual approaches are not invariant through scale transformations. Alternative tools, such as multifractal cascades, which are physically coherent with scaling properties of turbulence (Kolmogorov s law), enable more pertinent multiscale description of various geophysical fields. In this study, multifractal analysis tools have been applied to rainfall datasets representative of submesoscale variability (radar maps, high-resolution time series). Scaling ranges , i.e. ranges of scales dominated by multifractal symmetries, are identified. We proposed a new multifractal parameterization that is robust to the presence of numerous zeros in rainfall datasets. An original algorithm for disaggregating rain fields is described, based on the latter parameterization.VERSAILLES-BU Sciences et IUT (786462101) / SudocSudocFranceF