Expertise humaine des prévisions hydrométéorologiques et communication de leurs incertitudes dans un contexte décisionnel

Human assessment of hydrometeorological forecasts and communication of their uncertainties in a decision making context

EDF-DTG 21, Avenue de l'Europe 38040 GRENOBLE ; Tél : +33 04 76 20 20 71, Fax : +33 04 76 20 20 45

Auteur de correspondance : remy.garcon@edf.fr

Résumé

Les performances actuelles de la modélisation en hydrologie comme en météorologie ne permettent pas, dans la plupart des problèmes opérationnels, une prise de décision en avenir certain. Le rôle du maillon humain reste essentiel dans la difficile synthèse de l'ensemble des informations disponibles, sorties de modèles incluses, et dans la perpétuelle remise à jour des prévisions. La communication aux décideurs des incertitudes de ces projections est également d'une grande utilité et le prévisionniste est, là encore, incontournable. Mais l'autoévaluation, par l'humain, de sa propre marge d'erreur dresse des obstacles sur la route de l'élaboration d'une idéale prévision probabiliste. Peut-on pallier certains de ces problèmes par la fourniture automatique, au prévisionniste, d'une prévision hydrométéorologique d'ensemble ? Est-il suffisant de faire varier les données d'entrée des modèles ou bien doit-on considérer aussi le modèle lui-même comme une source d'erreur " aléatoire " ? Dans le second cas, peut-on se contenter de traduire l'incertitude sur les paramètres du modèle ou doit-on se préoccuper - et de quelle manière ? - de la sensibilité de la prévision automatique à la structure du modèle ?

Abstract

In operational conditions, the actual quality of meteorological and hydrological forecasts do not allow decision-making in a certain future. In this context, meteorological and hydrological probabilistic forecasts allow a better representation of forecasts uncertainties. Compared to classical deterministic forecasts, probabilistic forecasts improve the human expertise of hydrological forecasts, which is essential to synthesize available informations, coming from different meteorological and hydrological models and human experience. Probabilistic forecasts and its human expertise are also necessary to ensure a good communication of hydrometeorological forecasts uncertainties to end-users. However, probabilistic forecasts must be statistically calibrated and our experienced have revealed that forecasters tend to under-estimate forecasts uncertainties. To achieve a better statistical calibration of ensemble forecasts, recent development made at EDF try to take into account the automatic generation of meteorological ensembles and rainfall-runoff uncertainties