Relevance of an at-site flood frequency analysis method for extreme events based on stochastic simulation of hourly rainfall.

Pertinence d’une méthode de prédétermination des crues basée sur la simulation stochastique de pluies horaires.

Arnaud, P. ; Cantet, P. ; Aubert, Y.

Type de document
Article de revue scientifique à comité de lecture
Langue
Anglais
Affiliation de l'auteur
IRSTEA AIX EN PROVENCE UR RECOVER FRA ; IRSTEA AIX EN PROVENCE UR RECOVER FRA ; HYDRIS HYDROLOGIE FRA
Année
2016
Résumé / Abstract
Les événements extrêmes sont par nature rarement observés, c’est pourquoi leur estimation est généralement basée sur l’observation de valeurs plus courantes. La pertinence d’une méthode de prédétermination des événements extrêmes dépend donc de sa capacité à raisonnablement extrapoler les distributions de fréquences vers les valeurs extrêmes. Dans cette étude, une méthode de prédétermination de crues basée sur la simulation de scénarios de pluies horaires, est évaluée sur sa capacité à produire des estimations justes et stables. Cette évaluation s’appuie sur différents tests d’échantillonnage sur les périodes de calage et de validation, appliqués sur un jeu de données conséquent (plus de 1000 stations). Nous montrons que la méthode est capable de fournir une estimation pertinente sur les événements extrêmes bien que ceux-ci soit systématiquement ôtés de la période de calage. La méthode montre aussi une grande stabilité face à l’échantillonnage. Cette caractéristique est liée à l’utilisation d’une information statistique régionale sur la pluie et à la simplicité de la modélisation hydrologique paramétrée par un seul paramètre.
Extreme events are rarely observed, so their analysis is generally based on observations of more frequent values. The relevance of flood frequency analysis (FFA) method depends on its capability to estimate the frequency of extreme values with reasonable accuracy using extrapolation. A FFA method based on stochastic simulation of flood event is assessed based on its reliability and stability. For such an assessment, different training/testing decompositions are performed for a set of data from more than 1,000 gauging stations. We showed that the method enables relevant “predictive” estimates, e.g. by assigning correct return periods to the record values that are systematically absent in calibration data sets. The model is also highly stable vis-a-vis the sampling. This characteristic is linked to the use of regional statistical rainfall data and a simple rainfall-runoff model that requires calibrating only one parameter
Source
Hydrological Sciences Journal-Journal des Sciences Hydrologiques, vol. 61, num. 1, p. 36 - 49

puce  Accés à la notice sur le site Irstea Publications / Display bibliographic record on Irstea Publications website

  Texte intégral / Full text

  Liste complète des notices de CemOA