Estimation de cartes d'aléa pluviométrique en Afrique de l'Ouest : comparaison de différentes approches

Mapping rainfall return level in West Africa: comparison of different approaches

¹ LTHE (UMR 5564), Grenoble 1, IRD, Grenoble, France
² Centre Régional AGRHYMET, Niamey, Niger

^* theo.vischel@ujf-grenoble.fr

Résumé

Dans un monde où la population est de plus en plus exposée aux risques naturels, l'évaluation des aléas hydro-météorologiques est un sujet sociétal majeur. La cartographie de l'aléa pluviométrique est nécessaire à la fois pour la gestion du risque inondation et pour le dimensionnement d'ouvrages hydrauliques. La principale problématique lors de l'estimation de telles cartes est de prendre en compte l'information locale fournie par les séries pluviométriques ponctuelles mais aussi de respecter une certaine cohérence régionale.

Deux approches basées sur la théorie des valeurs extrêmes sont comparées ici, avec une application à la cartographie des précipitations extrêmes en Afrique de l'Ouest. Les deux approches se basent sur la loi GEV (Generalized Extreme Value) utilisée pour modéliser les pluies maximales journalières annuelles. La première approche (LFI, Local Fit and Interpolation) consiste en une interpolation des paramètres de la loi GEV estimés séparément à chaque station. La seconde approche (SMLE, Spatial Maximum Likelihood Estimation) estime par maximum de vraisemblance directement les paramètres de la loi GEV spatialement sur toute la région en utilisant des covariables spatiales.

En utilisant l'information de 126 pluviomètres journaliers sur la période 1950-1990, 5 méthodes LFI et 3 méthodes SMLE sont comparées. Les différentes méthodes sont d'abord évaluées en calibration. Puis, la capacité prédictive et la robustesse des méthodes sont évaluées par une validation croisée et par une validation indépendante en sous réseaux. L'approche SMLE - en particulier lorsque le cumul pluviométrique inter-annuel moyen est utilisé comme covariable - produit de meilleurs résultats pour les différents scores calculés.

Grâce à la série de Niamey, pour laquelle on dispose de 104 ans de données, il est également montré que l'approche SMLE est beaucoup moins sensible à l'effet d'échantillonnage temporel grâce à l'utilisation de l'information spatiale fourni par les stations alentours.

Abstract

In a world of increasing exposure of populations to natural hazards, the mapping of extreme rainfall remains a key subject of study. Such maps are required for both flood risk management and civil engineering structure design, the challenge being to take into account the local information provided by point rainfall series as well as the necessity of some regional coherency.

Two approaches based on the extreme value theory are compared here, with an application to extreme rainfall mapping in West Africa. The first approach is a local fit and interpolation (LFI) consisting of a spatial interpolation of the generalized extreme value (GEV) distribution parameters estimated independently at each station. The second approach is a spatial maximum likelihood estimation (SMLE); it directly estimates the GEV distribution over the entire region by a single maximum likelihood fit using jointly all measurements combined with spatial covariates.

Five LFI and three SMLE methods are considered, using the information provided by 126 daily rainfall series covering the period 1950-1990. The methods are first evaluated in calibration. Then the predictive skills and the robustness are assessed through a cross-validation and an independent network validation process. The SMLE approach, especially when using the mean annual rainfall as covariate, appears to perform better for most of the scores computed. Using the Niamey 104 year time series, it is also shown that the SMLE approach has the capacity to deal more efficiently with the effect of local outliers by using the spatial information provided by nearby stations.