| Titre de série : |
Thèse en Sciences et Technologies de l'Eau, de l'Energie et de l’Environnement |
| Titre : |
Exploration of Non-Linear and Non-Stationary Approaches to Statistical Seasonal Forecasting in the Sahel |
| Type de document : |
texte imprimé |
| Auteurs : |
Abdouramane GADO DJIBO |
| Année de publication : |
2016 |
| Importance : |
303p. |
| Langues : |
Français (fre) |
| Résumé : |
La gestion des ressources en eau dans la région du Sahel, en Afrique de l'Ouest, est extrêmement difficile en raison de la forte variabilité interannuelle des précipitations ainsi que de la dégradation générale de la disponibilité de l'eau dans la région. Les changements observés dans les débits perturbent directement les activités socio-économiques clés telles que l'agriculture, une des principales sources de subsistance pour la population ouest-africaine. La prévision saisonnière des précipitations offre la possibilité d'accroître la résilience à la variabilité climatique en fournissant des informations à l'avance sur la quantité de pluie qu'on peut espérer pour la saison des pluies à venir. De plus, la disponibilité d'informations fiables sur la quantité des écoulements quelques mois avant la saison des pluies serait immensément bénéfiques pour les utilisateurs de l'eau qui pourront ainsi planifier leurs activités. Depuis les années 90, plusieurs études ont tenté d'évaluer la prévisibilité des caractéristiques de la pluviométrie sahélienne, et de développer des modèles de prévision saisonnière de précipitations et de débits pour aider les parties prenantes à prendre de meilleures décisions. Malheureusement, deux décennies plus tard, les méthodes de prévision saisonnière sont encore peu fiables et les prévisions ont une valeur pratique limitée pour la prise de décision. La faible performance dans la prévision saisonnière serait partiellement due aux limitations des prédicteurs et des approches de prévisions couramment utilisées pour cette région. Dans cette thèse, des nouvelles approches de prévision saisonnière ont été développées et des nouveaux prédicteurs sont testés avec pour objectif de prédire la quantité de précipitations saisonnières sur le bassin versant de la Sirba, un cours d'eau situé à cheval entre le Niger et le Burkina Faso, en Afrique occidentale. Un groupe de 84 prédicteurs ayant des liens physiques avec la mousson ouest-africaine et avec sa dynamique ont été sélectionnés. Le chopix de ces prédicteurs est aussi basé sur le temps de latence optimal entre leur observation et la saison des pluies estimé en utilisant une combinaison de méthodes statistiques. La dimension des vecteurs de prédicteurs a d'abord été réduite grâce à une analyse de corrélation linéaire avec des précipitations estimées par satellite sur la région ouest-africaine. L'analyse de corrélation et l‘analyse en composantes principales ont été utilisées pour ne retenir que les composantes principales prédictives élevées. Un modèle de régression linéaire a été utilisé pour obtenir des prévisions saisonnières et le modèle a été évalué afin de classer les prédicteurs par ordre de performance. Les trois meilleurs prédicteurs, soient la température de l'air (du Pacifique tropical Nord), la pression du niveau de la mer (de l'Atlantique tropical sud) et l'humidité relative (à partir de la Méditerranée orientale) ont été retenus et utilisés ensemble comme entrées pour les modèles de prévision des précipitations saisonnières.
Dans cette thèse, des hypothèses de stationnarité et de linéarité ne sont pas émises comme c'est le cas dans la plupart des méthodes de prévision saisonnière:
1. Deux méthodes probabilistes non stationnaires basées sur la détection de ruptures ont été développées et ensuite testées. Chaque méthode utilise un des trois prédicteurs sélectionnés. Le modèle M1 permet un changement de valeur des paramètres du modèle linéaire en fonction de l'amplitude des précipitations annuelles, tandis que M2 permet des changements de valeurs des paramètres du modèle linéaire avec le temps. M1 et M2 ont été comparés au modèle linéaire classique avec paramètres constants (M3) et à la climatologie (M4). Le modèle qui permet un changement dans la relation pluie-prédicteur selon l‘amplitude des précipitations (M1), et utilisant AirTemp comme prédicteur a obtenu le meilleur score pour la prévision saisonnière des précipitations dans la zone d'étude.
2. Des modèles non-linéaires, y compris les arbres de régression, le réseau de neurones, et l‘analyse en composantes principales non-linéaire ont été mises en oeuvre et testées pour prévoir les précipitations saisonnières en utilisant les mêmes prédicteurs. Les performances en prévision ont été comparées en utilisant le coefficient de détermination, le coefficient de Nash-Sutcliffe et le score de taux de succès. L'analyse en composantes principales non-linéaire était le meilleur modèle non-linéaire (R2: 0,46; Nash: 0,45; HIT: 60,7), tandis que le réseau de neurones et les modèles d'arbres de régression ont de résultats médiocres.
Toutes les méthodes de prévision des précipitations développées ont ensuite été utilisées pour la prévision des débits annuels moyens saisonniers et des débits maximum mensuels en introduisant les précipitations prédites dans un modèle SWAT du bassin versant de la Sirba. Les résultats sont résumés comme suit:
1. Modèles non stationnaires: Les modèles M1 et M2 ont été comparés aux modèles M3 et M4. Les résultats obtenus ont révélé que le modèle M3 en utilisant RHUM comme prédicteur avec un temps de latence de 8 mois a obtenu le meilleur score pour les prévisions des débits annuels moyens saisonniers. Le modèle M1 en utilisant AirTemp comme prédicteur à un temps de latence de 4 mois est le meilleur modèle pour prédire les débits mensuels maximaux dans le bassin versant de la Sirba. En outre, le modèle SWAT calibré atteint une valeur NASH de 0,83.
2. Modèles non-linéaires: Les précipitations saisonnières obtenues à partir du modèle d'analyse en composantes principales non-linéaire ont été désagrégées au pas de temps journalier en utilisant la méthode du fragment, puis introduites dans le modèle hydrologique SWAT pour générer des débits. Cette prévision était assez acceptable avec une valeur Nash de 0,58.
L'évaluation du niveau de risque associé à chaque prévision saisonnière a été réalisée en utilisant une mesure simple de risque: la probabilité de débordement des digues de protection contre les inondations à Niamey, au Niger. Un modèle hydro-dynamique HEC-RAS du fleuve Niger de part et d'autre de Niamey a été développé en utilisant les données de débit de la période 1980-2014; une analyse de copules a été utilisée pour modéliser la structure de dépendance entre les débits et de prédire la répartition des débits à Niamey compte tenu de l'écoulement prévu sur le bassin versant de la Sirba. Finalement, les probabilités de déversement au-dessus des digues ont été estimées pour chaque année de la période 1980-2014. Les résultats de cette étude peuvent être utilisés comme un moyen d'évaluer et d'améliorer la performance de la prévision saisonnière au Sahel. Les travaux ont confirmé clairement la possibilité d‘améliorer la prévision des précipitations et débits dans le bassin versant de la Sirba à l'échelle de temps saisonnière en utilisant des prédicteurs autres que les températures à la surface des mers.
Abstract : Water resources management in the Sahel region, West Africa, is extremely difficult because of high inter-annual rainfall variability as well as a general degradation of water availability in the region. Observed changes in streamflow directly disturb key socioeconomic activities such as agriculture sector which constitutes one of the main survival pillars of West African population. Seasonal rainfall forecasting is considered as one possible way to increase resilience to climate variability by providing information in advance about the amount of rainfall expected in each upcoming rainy season. Moreover, availability of reliable information about streamflow magnitude a few months before a rainy season will immensely benefit water users who want to plan their activities. However, since the 90s, several studies attempted to evaluate the predictability of Sahelian characteristics and develop seasonal rainfall and streamflow forecasts models to help stakeholders take better decisions. Unfortunately, two decades later, forecasting skills are still low and forecasts have a limited value for decision making. It is believed that the low performance in seasonal forecasting is due to the limit of commonly used predictors and forecast approaches for this region. In this study, new seasonal forecasting approaches were developed and new predictors tested in an attempt to predict the upcoming seasonal rainfall amount over the Sirba watershed located in between Niger and Burkina Faso, West Africa. A pool of 84 predictors having physical link with the West African monsoon and its dynamics were selected with their optimal lag time using combined statistical methods. They were first reduced through a screening using linear correlation with satellite rainfall over the West African region. Correlation analysis, principal component analysis were used to keep the high predictive principal components. A linear regression was used to get synthetic forecasts and the model was assessed to rank the tested predictors. The three best predictors, air temperature (from Pacific Tropical North), sea level pressure (from Atlantic Tropical South) and relative humidity (from Mediterranean East) were retained and tested as inputs for seasonal rainfall forecasting models. In this thesis it is chosen to depart from the stationarity and linearity assumptions used in most seasonal forecasting methods:
1. Two probabilistic non stationary methods based on change point detection were then developed and tested. Each method uses one of the three best predictors. Model M1 allows for change in model parameters according to annual rainfall magnitude, while M2 allows for changes in model parameters with time. M1 and M2 were compared to the classical linear model with constant parameters (M3) and to the climatology (M4). The model that allows a change in the predictand-predictor relationship according to rainfall amplitude (M1) and using AirTemp as predictor was the best model for seasonal rainfall forecasting in the study area.
2. Non-linear models including regression trees, feedforward neural network and non-linear principal component analysis were implemented and tested to forecast seasonal rainfall using the same predictors. Forecast performances were compared using coefficient of determination, Nash-Sutcliffe coefficient and hit rate score. The non-linear principal component analysis was the best non-linear model (R2: 0.46; Nash: 0.45; HIT: 60.7) while feedforward neural network and the regression tree models performed poorly.
All the developed rainfall forecasting methods were subsequently used to forecast seasonal annual mean streamflow and maximum monthly streamflow by feeding the rainfall forecasted in a SWAT model of the Sirba watershed. The results are summarized as follow:
1. Non-stationary models: Models M1 and M2 were compared to models M3 and M4. The obtained results revealed that model M3 using RHUM as predictor at a lag time of 8 months was the best method for seasonal annual mean streamflow forecast. Whereas, model M1 using air temperature as predictor at a lag time of 4 months is the best model to predict maximum monthly streamflow in the Sirba watershed. Moreover, the calibrated SWAT model achieved a NASH value of 0.83.
2. Non-linear models: The seasonal rainfall obtained from the non-linear principal component analysis model was disaggregated into daily rainfall using the method of fragment, and then fed into the SWAT hydrological model to produce streamflow. This forecast was fairly acceptable with a Nash value of 0.58.
The evaluation of the level of risk associated with each seasonal forecast was carried out using a simple risk measure: the probability of overtopping of the flood protection dykes in Niamey, Niger. A HEC-RAS hydro-dynamical model of the Niger River around Niamey was developed for the 1980-2014 period; a copula analysis was used to model the dependence structure of streamflows and predict the distribution of streamflow in Niamey given the predicted streamflow on the Sirba watershed. Finally, the probabilities of overtopping of the flood protection dykes were estimated for each year in the 1980-2014 period. The finding of this study can be used as a guideline to improve the performance of seasonal forecasting in the Sahel. This research clearly confirmed the possibility of rainfall and streamflows forecasting in the Sirba watershed at seasonal time scale using other potential predictors rather than sea surface temperature. |
Thèse en Sciences et Technologies de l'Eau, de l'Energie et de l’Environnement. Exploration of Non-Linear and Non-Stationary Approaches to Statistical Seasonal Forecasting in the Sahel [texte imprimé] / Abdouramane GADO DJIBO . - 2016 . - 303p. Langues : Français ( fre)
| Résumé : |
La gestion des ressources en eau dans la région du Sahel, en Afrique de l'Ouest, est extrêmement difficile en raison de la forte variabilité interannuelle des précipitations ainsi que de la dégradation générale de la disponibilité de l'eau dans la région. Les changements observés dans les débits perturbent directement les activités socio-économiques clés telles que l'agriculture, une des principales sources de subsistance pour la population ouest-africaine. La prévision saisonnière des précipitations offre la possibilité d'accroître la résilience à la variabilité climatique en fournissant des informations à l'avance sur la quantité de pluie qu'on peut espérer pour la saison des pluies à venir. De plus, la disponibilité d'informations fiables sur la quantité des écoulements quelques mois avant la saison des pluies serait immensément bénéfiques pour les utilisateurs de l'eau qui pourront ainsi planifier leurs activités. Depuis les années 90, plusieurs études ont tenté d'évaluer la prévisibilité des caractéristiques de la pluviométrie sahélienne, et de développer des modèles de prévision saisonnière de précipitations et de débits pour aider les parties prenantes à prendre de meilleures décisions. Malheureusement, deux décennies plus tard, les méthodes de prévision saisonnière sont encore peu fiables et les prévisions ont une valeur pratique limitée pour la prise de décision. La faible performance dans la prévision saisonnière serait partiellement due aux limitations des prédicteurs et des approches de prévisions couramment utilisées pour cette région. Dans cette thèse, des nouvelles approches de prévision saisonnière ont été développées et des nouveaux prédicteurs sont testés avec pour objectif de prédire la quantité de précipitations saisonnières sur le bassin versant de la Sirba, un cours d'eau situé à cheval entre le Niger et le Burkina Faso, en Afrique occidentale. Un groupe de 84 prédicteurs ayant des liens physiques avec la mousson ouest-africaine et avec sa dynamique ont été sélectionnés. Le chopix de ces prédicteurs est aussi basé sur le temps de latence optimal entre leur observation et la saison des pluies estimé en utilisant une combinaison de méthodes statistiques. La dimension des vecteurs de prédicteurs a d'abord été réduite grâce à une analyse de corrélation linéaire avec des précipitations estimées par satellite sur la région ouest-africaine. L'analyse de corrélation et l‘analyse en composantes principales ont été utilisées pour ne retenir que les composantes principales prédictives élevées. Un modèle de régression linéaire a été utilisé pour obtenir des prévisions saisonnières et le modèle a été évalué afin de classer les prédicteurs par ordre de performance. Les trois meilleurs prédicteurs, soient la température de l'air (du Pacifique tropical Nord), la pression du niveau de la mer (de l'Atlantique tropical sud) et l'humidité relative (à partir de la Méditerranée orientale) ont été retenus et utilisés ensemble comme entrées pour les modèles de prévision des précipitations saisonnières.
Dans cette thèse, des hypothèses de stationnarité et de linéarité ne sont pas émises comme c'est le cas dans la plupart des méthodes de prévision saisonnière:
1. Deux méthodes probabilistes non stationnaires basées sur la détection de ruptures ont été développées et ensuite testées. Chaque méthode utilise un des trois prédicteurs sélectionnés. Le modèle M1 permet un changement de valeur des paramètres du modèle linéaire en fonction de l'amplitude des précipitations annuelles, tandis que M2 permet des changements de valeurs des paramètres du modèle linéaire avec le temps. M1 et M2 ont été comparés au modèle linéaire classique avec paramètres constants (M3) et à la climatologie (M4). Le modèle qui permet un changement dans la relation pluie-prédicteur selon l‘amplitude des précipitations (M1), et utilisant AirTemp comme prédicteur a obtenu le meilleur score pour la prévision saisonnière des précipitations dans la zone d'étude.
2. Des modèles non-linéaires, y compris les arbres de régression, le réseau de neurones, et l‘analyse en composantes principales non-linéaire ont été mises en oeuvre et testées pour prévoir les précipitations saisonnières en utilisant les mêmes prédicteurs. Les performances en prévision ont été comparées en utilisant le coefficient de détermination, le coefficient de Nash-Sutcliffe et le score de taux de succès. L'analyse en composantes principales non-linéaire était le meilleur modèle non-linéaire (R2: 0,46; Nash: 0,45; HIT: 60,7), tandis que le réseau de neurones et les modèles d'arbres de régression ont de résultats médiocres.
Toutes les méthodes de prévision des précipitations développées ont ensuite été utilisées pour la prévision des débits annuels moyens saisonniers et des débits maximum mensuels en introduisant les précipitations prédites dans un modèle SWAT du bassin versant de la Sirba. Les résultats sont résumés comme suit:
1. Modèles non stationnaires: Les modèles M1 et M2 ont été comparés aux modèles M3 et M4. Les résultats obtenus ont révélé que le modèle M3 en utilisant RHUM comme prédicteur avec un temps de latence de 8 mois a obtenu le meilleur score pour les prévisions des débits annuels moyens saisonniers. Le modèle M1 en utilisant AirTemp comme prédicteur à un temps de latence de 4 mois est le meilleur modèle pour prédire les débits mensuels maximaux dans le bassin versant de la Sirba. En outre, le modèle SWAT calibré atteint une valeur NASH de 0,83.
2. Modèles non-linéaires: Les précipitations saisonnières obtenues à partir du modèle d'analyse en composantes principales non-linéaire ont été désagrégées au pas de temps journalier en utilisant la méthode du fragment, puis introduites dans le modèle hydrologique SWAT pour générer des débits. Cette prévision était assez acceptable avec une valeur Nash de 0,58.
L'évaluation du niveau de risque associé à chaque prévision saisonnière a été réalisée en utilisant une mesure simple de risque: la probabilité de débordement des digues de protection contre les inondations à Niamey, au Niger. Un modèle hydro-dynamique HEC-RAS du fleuve Niger de part et d'autre de Niamey a été développé en utilisant les données de débit de la période 1980-2014; une analyse de copules a été utilisée pour modéliser la structure de dépendance entre les débits et de prédire la répartition des débits à Niamey compte tenu de l'écoulement prévu sur le bassin versant de la Sirba. Finalement, les probabilités de déversement au-dessus des digues ont été estimées pour chaque année de la période 1980-2014. Les résultats de cette étude peuvent être utilisés comme un moyen d'évaluer et d'améliorer la performance de la prévision saisonnière au Sahel. Les travaux ont confirmé clairement la possibilité d‘améliorer la prévision des précipitations et débits dans le bassin versant de la Sirba à l'échelle de temps saisonnière en utilisant des prédicteurs autres que les températures à la surface des mers.
Abstract : Water resources management in the Sahel region, West Africa, is extremely difficult because of high inter-annual rainfall variability as well as a general degradation of water availability in the region. Observed changes in streamflow directly disturb key socioeconomic activities such as agriculture sector which constitutes one of the main survival pillars of West African population. Seasonal rainfall forecasting is considered as one possible way to increase resilience to climate variability by providing information in advance about the amount of rainfall expected in each upcoming rainy season. Moreover, availability of reliable information about streamflow magnitude a few months before a rainy season will immensely benefit water users who want to plan their activities. However, since the 90s, several studies attempted to evaluate the predictability of Sahelian characteristics and develop seasonal rainfall and streamflow forecasts models to help stakeholders take better decisions. Unfortunately, two decades later, forecasting skills are still low and forecasts have a limited value for decision making. It is believed that the low performance in seasonal forecasting is due to the limit of commonly used predictors and forecast approaches for this region. In this study, new seasonal forecasting approaches were developed and new predictors tested in an attempt to predict the upcoming seasonal rainfall amount over the Sirba watershed located in between Niger and Burkina Faso, West Africa. A pool of 84 predictors having physical link with the West African monsoon and its dynamics were selected with their optimal lag time using combined statistical methods. They were first reduced through a screening using linear correlation with satellite rainfall over the West African region. Correlation analysis, principal component analysis were used to keep the high predictive principal components. A linear regression was used to get synthetic forecasts and the model was assessed to rank the tested predictors. The three best predictors, air temperature (from Pacific Tropical North), sea level pressure (from Atlantic Tropical South) and relative humidity (from Mediterranean East) were retained and tested as inputs for seasonal rainfall forecasting models. In this thesis it is chosen to depart from the stationarity and linearity assumptions used in most seasonal forecasting methods:
1. Two probabilistic non stationary methods based on change point detection were then developed and tested. Each method uses one of the three best predictors. Model M1 allows for change in model parameters according to annual rainfall magnitude, while M2 allows for changes in model parameters with time. M1 and M2 were compared to the classical linear model with constant parameters (M3) and to the climatology (M4). The model that allows a change in the predictand-predictor relationship according to rainfall amplitude (M1) and using AirTemp as predictor was the best model for seasonal rainfall forecasting in the study area.
2. Non-linear models including regression trees, feedforward neural network and non-linear principal component analysis were implemented and tested to forecast seasonal rainfall using the same predictors. Forecast performances were compared using coefficient of determination, Nash-Sutcliffe coefficient and hit rate score. The non-linear principal component analysis was the best non-linear model (R2: 0.46; Nash: 0.45; HIT: 60.7) while feedforward neural network and the regression tree models performed poorly.
All the developed rainfall forecasting methods were subsequently used to forecast seasonal annual mean streamflow and maximum monthly streamflow by feeding the rainfall forecasted in a SWAT model of the Sirba watershed. The results are summarized as follow:
1. Non-stationary models: Models M1 and M2 were compared to models M3 and M4. The obtained results revealed that model M3 using RHUM as predictor at a lag time of 8 months was the best method for seasonal annual mean streamflow forecast. Whereas, model M1 using air temperature as predictor at a lag time of 4 months is the best model to predict maximum monthly streamflow in the Sirba watershed. Moreover, the calibrated SWAT model achieved a NASH value of 0.83.
2. Non-linear models: The seasonal rainfall obtained from the non-linear principal component analysis model was disaggregated into daily rainfall using the method of fragment, and then fed into the SWAT hydrological model to produce streamflow. This forecast was fairly acceptable with a Nash value of 0.58.
The evaluation of the level of risk associated with each seasonal forecast was carried out using a simple risk measure: the probability of overtopping of the flood protection dykes in Niamey, Niger. A HEC-RAS hydro-dynamical model of the Niger River around Niamey was developed for the 1980-2014 period; a copula analysis was used to model the dependence structure of streamflows and predict the distribution of streamflow in Niamey given the predicted streamflow on the Sirba watershed. Finally, the probabilities of overtopping of the flood protection dykes were estimated for each year in the 1980-2014 period. The finding of this study can be used as a guideline to improve the performance of seasonal forecasting in the Sahel. This research clearly confirmed the possibility of rainfall and streamflows forecasting in the Sirba watershed at seasonal time scale using other potential predictors rather than sea surface temperature. |
|  |
Faire une suggestion Affiner la rechercheMémoire FPL Master Spécialisé GIRE. Homogénéisation des données hydrométéorologiques des bassins versants du sud-ouest du Burkina-Faso / Abdouramane GADO DJIBO
