Aller au contenu Aller au menu principal Aller à la recherche

l'article du mois (avril 2014)

alt

Spatial interpolation of daily rainfall stochastic generation parameters over East Africa

Par Pierre Camberlin, Wilson Gitau, Pascal Oettli, Laban Ogallo, Benjamin Bois

Paru dans Climate Research (2014), 59, 39:60.
Downscaling seasonal rainfall predictions to daily time-scale, for crop yield simulation
for instance, can be performed using stochastic generators (SGs). The spatial interpolation of
the SG parameters is required to generate rainfall time-series at ungauged places. A methodology
is defined which makes use of topography to interpolate these parameters, in a region with a
rugged terrain covering Kenya and north-eastern Tanzania. A first-order Markov chain was used
to model rainfall occurrence, and a gamma distribution was used to model amounts. The 2 para -
meters of the Markov models, p01 and p11, and the 2 parameters of the gamma distribution are
computed at 121 stations. The Kolmogorov −Smirnov test for goodness-of-fit shows that 88%
(99%) of the stations and months have their dry (wet) spell frequencies successfully reproduced
by first-order Markov chains, and two-third of the stations have their daily amounts satisfactorily
fitted by the gamma distribution. Local regression, using elevation as the predictor and weighting
stations according to distance from the target pixel and to environmental variables, is used to
interpolate the 4 SG para meters. Cross-validation indicates that distance-weighted regression
provides good estimates, but the inclusion of topographical variables (aspect in particular)
improves the results further. The final maps show a strong orographic control of both the Markov
and gamma parameters. However, while elevation has an effect on rainfall occurrence, rainfall
intensity is more strongly related to local slope aspect, with eastward to southeastward oriented
foothills and coastlines displaying the highest gamma scale values. These results suggest that a
statistical disaggregation of daily rainfall is improved by taking explicitly into account topography
through its effect on the spatial distribution of SG parameters.

Présentation rapide

Le Centre de Recherches de Climatologie (CRC) est une équipe de recherche de l'UMR6282 Biogéosciences (CNRS / Université de Bourgogne). Le CRC travaille sur la détection, l'attribution et la prévision du signal climatique et de ses impacts dans l'actuel et le futur. Ses activités sont centrées autour de la régionalisation du climat observé et simulé.

Le CRC est structuré en deux axes thématiques qui mettent en œuvre des méthodes permettant de passer de l'information large échelle (objet des travaux de l'équipe « Dynamique du Climat ») à une information d'échelle plus fine permettant d'évaluer les impacts (équipe « Impacts Climatiques »). Cette méthodologie relève de la statistique (méthodes statistico-dynamiques sur les sorties de modèles; statistiques spatiales;  désagrégation), de l'analyse spatiale (SIG opérateurs d'analyse spatiale vecteur et raster; interpolation spatiale mécaniste ou statistique), ou de la modélisation numérique du climat (modèles régionaux MM5 et WRF, modèle global Arpege-Climat).

Appli Clim

L'Appli Clim du CRC

Analysez l’évolution climatique des 50 dernières années !

APPLI_CRC_small


bandeau-labo4
cnrs
Université de Bourgogne