Documentation technique : Analyse régionale déterministe de précipitations

Ceci est la documentation technique relative à la Analyse régionale déterministe de précipitation. La documentation fournit un aperçu de l’ensemble de données, une description de la création de l’ensemble de données, des applications potentielles, ainsi que des limitations de l’ensemble de données. Pour un aperçu des concepts liés à l’information climatique, explorez les Renseignements essentiels sur le climat.

Aperçu

La système Canadien d'Analyse de Précipitation (CaPA), dans sa configuration déterministe (ARDP) produit un estimé optimal de la quantité de précipitation sur des périodes de 6 et 24 heures. Cet estimé objectif intègre des relevés provenant de capteurs de précipitation, de radars météorologiques et de prévisions produites par le Système Régional de Prévision Déterministe (SRPD). CaPA-ARDP produit quatre analyses par jour sur des cumuls 6 heures valides aux heures synoptiques (00, 06, 12 et 18 UTC) et deux analyses 24 heures valides à 06 et 12 UTC. L’analyse est produite sur une grille à 10 km de résolution et couvre essentiellement le domaine de l’Amérique du nord (Canada, États-Unis, Mexique).

Table 1. Principales caractéristiques
Variables PR : Quantité de précipitation en mm sur 6h (24h)
CFIA : Indice de confiance de l’analyse
Couverture géographique Couvre essentiellement le domaine de l’Amérique du nord (Canada, États-Unis, Mexique).
Résolution spatiale 15 km : De 2011 à octobre 2012
10 km : De octobre 2012 à aujourd’hui
Résolution temporelle Accumulations sur des périodes de 6 et 24 heures
Longueur de la série temporelle
Disponible depuis le 6 avril 2011
Dernière mise à jour 18 septembre 2018

Variables et Formats

CaPA-ARDP produit deux variables sur grille :

  • Quantité de précipitation (variable PR) en mm durant l’intervalle de 6 heures (24h) précédent l’heure de validité de l’analyse.  Par exemple, pour l’analyse de précipitation 24 heures valides le 10 octobre 2018 à 12 UTC, la quantité de précipitation couvrira la période allant de du 9 octobre 2018 à 12 UTC jusqu’au 10 octobre 2018 à 12 UTC. 
  • Comme sous-produit, le système génère l’indice de confiance de l’analyse (variable CFIA).  Cet indice, sans unité, sert à renseigner sur le poids des observations dans la valeur de l’analyse. Les valeurs de cet indice vont de 0 à 1. Une valeur de 0 à un point de grille donnée signifie que l’analyse à cet endroit provient uniquement du champ d’essai (prévision à court terme de la précipitation du SRPD) alors qu’une valeur s’approchant de 1 signifie que la contribution des observations avoisinantes est dominante.

Chaque analyse contient ces deux variables, PR et CFIA

Applications

Des estimés quantitatives des précipitations en temps quasi-réel s’avèrent nécessaires pour de nombreuses applications, y compris les prévisions météorologiques, les prévisions de crue, la gestion des cultures, la prévention des incendies de forêt, la production hydroélectrique et la sûreté des barrages.  Des bilans d’évènements de précipitations sont régulièrement préparés à partir de CaPA pour répondre à des demandes internes et externes. L’analyse de précipitation permet également aux organismes de mesures d’urgence (OMU) de monitorer les épisodes de précipitations causant des dommages sur le territoire, ce,  même dans les endroits où les stations météos sont absentes. La représentation spatiale que permet l’analyse de précipitation sur grille offre un grand avantage par rapport aux réseaux de stations météorologiques dont la densité diminue de façon importante du sud au nord du pays. De plus l’analyse offre une couverture complète et sans discontinuité sur tout le domaine.

Méthodologie

Le système d’analyse est basé sur l’interpolation optimale (IO), aussi connue comme kriging résiduel, pour combiner toutes les sources d’information sur la précipitation : les stations de surface, les QPEs radars et un champ d’essai provenant du SRPD.   Concrètement, pour obtenir une valeur d’analyse à un point de grille, on corrige le champ d’essai selon une combinaison linéaire pondérée de la somme des innovations (différence entre les observations et le champ d’essai) aux stations voisines du point de grille. Les poids de la combinaison linéaire sont calculés de façon à minimiser l’estimé de l’erreur d’analyse. Un variogramme est requis pour calculer les matrices de covariances des erreurs d’observations et du champ d’essai qui permettront d’évaluer les poids de la combinaison linéaire. Ce variogramme bâti à partir des innovations est mis à jour à chaque production d’analyse de façon à suivre les changements saisonniers du régime atmosphérique.
Dans le système CaPA, en amont de l’IO, il y a beaucoup de traitement qui est fait pour valider la qualité des observations avant de les assimiler.  Sachant que le système CaPA est complètement automatisé et que le champ d’essai est d’une qualité raisonnable, la stratégie est de rejeter plus d’observations que nécessaire avec l’objectif de laisser passer qu’une fraction de données erronées. Pour appliquer cette stratégie relativement stricte, plusieurs modules de contrôle de qualité sont activés durant toute la durée du traitement des observations de surfaces.

Avant d’assimiler les Quantités de Précipitations Estimées (QPE) par les radars météorologiques, on applique un masque de nuage basé sur GOES pour les décontaminer davantage. Également, à l’aide de masques bâtis à partir de statistiques issues des QPEs radars,  on retire les zones d’ombre et les échos quasi-permanents. Pour chaque radar, le biais est corrigé en calculant ce qu’on appelle le « Mean Field Bias » (MFB) à partir des données de précipitations récentes et passées.  Et finalement, on limite la portée des radars à 120 km et à la précipitation liquide.

Limitations

Pour respecter les contraintes de l’interpolation optimale et produire la meilleure analyse de précipitation possible en terme d’habileté, une transformation racine cubique est appliquée sur les données de précipitation. À la fin du traitement, on applique la transformation inverse pour générer l’analyse dans l’espace réel.  Ce retour dans l’espace réel  créer un biais dans l’analyse.  Une méthode de correction a été implantée dans CaPA pour minimiser l’impact de ce type de biais.  L’autre source de biais est bien sûr causée par le champ d’essai lui-même qui contient un biais.  L’objectif de CaPA est aussi de corriger le biais du champ d’essai mais il est pratiquement impossible de l’éliminer complètement.  En clair, si l’intention est de sommer l’analyse sur de longue période, il faut garder en tête  la présence de ces sources de biais.
En hiver, plusieurs capteurs de précipitation sont affectés par un problème de sous-captage de la précipitation lors d’épisodes de neige par temps venteux.  Pour réduire l’impact de ce biais négatif dans les observations, on élimine toutes celles qui en sont affectés. Cette stratégie relativement stricte permet de maintenir la qualité de l’analyse. En contrepartie, il y a beaucoup moins de stations assimilées en hiver.

Coordonnées

Communiquez avec le Centre d’aide des Services climatiques

Références

Fortin, V., G. Roy, T. Stadnyk, K.Koenig, N. Gasset and A. Mahidjiba (2018). Ten Years of Science Based on the Canadian Precipitation Analysis: A CaPA System Overview and Literature Review, Atmosphere – Ocean, Volume 56, 2018 – Issue 2

Fortin, V., G. Roy, N. Donaldson and A. Mahidjiba (2015). Assimilation of radar quantitative precipitation estimations in the Canadian Precipitation Analysis (CaPA). Journal of Hydrology, 531(2): 296-307.

Lespinas, F., V. Fortin, G. Roy, P.F. Rasmussen,T. Stadnyk, (2015). Performance evaluation of the Canadian Precipitation Analysis (CaPA). J. Hydrometeorol., 16: 2045-2064

Signaler un problème ou une erreur sur cette page
Veuillez sélectionner toutes les cases qui s'appliquent :

Merci de votre aide!

Vous ne recevrez pas de réponse. Pour toute question, contactez-nous.

Date de modification :