La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Improvements of statistical downscaling methods and evaluation of their contributions to the uncertainty of hydrologic impacts in a changing climate

Chen, Jie (2011). Improvements of statistical downscaling methods and evaluation of their contributions to the uncertainty of hydrologic impacts in a changing climate. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

[img]
Prévisualisation
PDF
Télécharger (7MB) | Prévisualisation
[img]
Prévisualisation
PDF
Télécharger (1MB) | Prévisualisation

Résumé

The most important impacts of climate change will likely be linked to water resources. Hydropower companies throughout the world increasingly realize that they must deal with future climate change. To evaluate future impacts, realistic climate projections that encompass the uncertainty linked to climate change are needed. Given the relatively large biases of General Circulation Model (GCM) outputs, particularly for precipitation and to a lesser extent for temperatures at the regional scale, it is necessary to perform some postprocessing to improve these global-scale models for hydrologic and water resource management studies. The two most commonly used approaches, dynamical and statistical downscaling, each have significant advantages and drawbacks. It is not a simple task to select one over the other.

This work aims at coupling global and regional climate models and statistical downscaling into a new hybrid method by merging stochastic weather generators with climate models that quantify the hydrological impacts of climate change for a Canadian river basin. The performances of stochastic weather generators were first improved. A statistical downscaling method combining attributes of both stochastic weather generator and change factor (CF) methods was then developed. Several aspects of statistical downscaling were also evaluated. Moreover, global uncertainty and the downscaling uncertainty were outlined in quantifying the hydrological impacts of climate change.

A spectral correction method and integration scheme resulted in a weather generator that can accurately produce the low-frequency variability of precipitation and temperatures, as well as the auto- and cross-correlations of and between maximum and minimum temperature (Tmax and Tmin).

A large number of atmospheric predictors were used to assess the ability of statistical methods to downscale precipitation to the station scale. The downscaling of daily precipitation occurrence was mostly unsuccessful with both linear regression methods and using discriminant analysis, even though the latter was much better. Explained variances were very low for regression-based downscaling of precipitation, although results were consistently improved as the climate model resolution was made progressively finer. Even when going to the 15-km resolution Canadian Reginal Climate Model (CRCM), the predictors still explained less than 50% of the total site precipitation variance. Despite the added complexity, the weather typing approach was not much better at downscaling precipitation than the approaches without classification.

The weather generator was used as a downscaling tool to downscale outputs of the CRCM (45km scale) to catchment scale. Its performance was further compared with the CF method for quantifying the hydrological impacts of climate change. Both downscaling methods suggested increases in annual and seasonal discharges for the 2025-2084 period. The weather generator-based method predicts more increase in spring (AMJ) discharge, as well as smaller increases in summer-autumn (JASON) and winter (DJFM) discharges than the CF method. Moreover, both methods indicated increases in mean annual and seasonal low flows, while there are considerable differences between their predictions.

All downscaling methods including dynamical and statistical approaches suggested general increases in winter discharge (November - April) and decreases in summer discharge for the 2071-2099 horizon. Winter flows would be especially large for regression-based methods, which also predicted the largest temperature increases in autumn and winter. Peak discharges would appear earlier for all downscaling methods, but their timing varies according to the downscaling method.

A GCM was consistently a major uncertainty contributor when quantifying the hydrological impacts of climate change. However, other sources of uncertainty such as the choice of downscaling method and natural variability, as represented by GCM ensemble runs, also had a comparable and even larger uncertainty affect depending on the criteria. For example, the downscaling method was the largest source of uncertainty with respect to spring discharge magnitude, annual low flow and peak discharge; while GCM initial conditions (which were a member of the ensemble runs) dominated the uncertainty for the time to peak discharge and the time to the end of flood. Uncertainties linked to greenhouse gase emission scenarios (GGES) and hydrological model structure also played an important role in hydrological predictions, but these were somewhat less than those related to GCMs and the downscaling method. Uncertainties due to the hydrological model parameters had less impact than those of the other five sources.

Overall, combining Regional Climate Models (RCMs) and statistical downscaling in a unified approach appeared to have significant advantages in quantifying the hydrological impacts of climate change. Any management and adaptation of water resource systems should consider the effects of future climate change, as well as all sources of uncertainty.

Résumé traduit

Les plus importants impacts dus aux changements climatiques seront vraisemblablement liées aux ressources en eau. Les producteurs d’hydroélectricité réalisent maintenant qu’ils doivent tenir compte de ces changements. Pour évaluer adéquatement les impacts futurs, il existe un besoin pour des projections climatiques réalistes qui encadrent l’incertitude liée aux changements climatiques. Compte tenu des biais liés aux simulations des modèles climatiques, et ce particulièrement pour les précipitations, il est nécessaire de traiter les sorties de ces modèles pour les besoins d’études d’impacts en hydrologie ou en gestion des ressources hydriques. Les deux approches couramment utilisées à cet effet (approches de mise à l’échelle dynamique et statistique) ont chacune leurs avantages et inconvénients, et il est difficile de les départager.

Ce travail vise à coupler les sorties de modèles climatiques globaux et régionaux avec une approche statistique de mise à l’échelle basée sur un générateur stochastique de climat, et de quantifier les impacts hydrologiques des changements climatiques sur deux bassins versants québécois (Manicouagan 5 et Ceizur). La performance d’un générateur stochastique de climat fut d’abord améliorée et une approche hybride combinant le générateur de climat et la méthode de mise à l’échelle ‘des deltas’ a été développée. L’incertitude liée au choix d’une méthode de mise à l’échelle a été quantifiée dans le cas d’études hydrologiques.

Une approche de correction spectrale et un schéma intégré pour la génération des températures a résulté en un générateur de climat capable de reproduire la variabilité interannuelle des précipitations et températures, de même que l’autocorrélation et les corrélations croisées des températures maximales et minimales.

Le générateur de climat ainsi amélioré a été utilisé comme outil de mise à l’échelle sur deux bassins versants, et a été comparé à la méthode des deltas pour la quantification des impacts de changements climatiques. Les deux méthodes suggèrent des augmentations de débits annuels et saisonniers pour la période 2025-2084. L’approche du générateur stochastique suggère toutefois des augmentations de débits plus grandes au printemps et plus faibles l’été.

Un grand nombre de prédicteurs atmosphériques a été utilisé pour valider l’habileté des approches de régressions linéaires, couramment utilisées. La mise à l’échelle de l’occurrence des précipitations a résulté en un faible taux de succès.

Le pourcentage de variance expliqué pour la mise à l’échelle des quantités de précipitation est très bas, et ce pour l’ensemble des stations testées et modèles climatiques utilisés. Bien que globalement médiocre, la performance de ces approches augmente avec l’augmentation de la résolution des modèles climatiques utilisées (300km, 45km, 15km). Une étape additionnelle de classification en types de climat n’a pas amélioré la performance de manière significative.

Toutes les méthodes de mise à l’échelle utilisées/développées dans le cadre de cette étude prévoient une augmentation des débits hivernaux et une diminution des débits d’été pour la période 2071-2099. L’augmentation des débits hivernaux est particulièrement grande pour les méthodes basées sur les régressions linéaires, qui prédisent aussi les plus grandes augmentations de température pour l’automne et l’été. La pointe de crue printanière est devancée pour toutes les méthodes testées mais les résultats varient en fonction de la méthode.

Les modèles climatiques contribuent à l’incertitude globale du changement climatique de façon majeure peu importe le critère utilisé. Toutefois, d’autres sources d’incertitude telles que les approches de mise à l’échelle et la variabilité naturelle (telle que représenté par les simulations d’ensemble des modèles climatiques) peuvent contribuer à l’incertitude globale de manière similaire (et même plus) dépendant du critère choisi. Par exemple, le choix d’une méthode de mise à l’échelle est la principale source d’incertitude pour la pointe de la crue printanière et les débits d’étiage, alors que la variabilité naturelle domine l’incertitude pour les dates d’occurrence de la crue printanière et de la fin de la crue. L’incertitude liée au scénario d’émission et au modèle hydrologique est aussi importante, mais moins que les sources mentionnées ci-haut. L’incertitude liée au choix de paramètres du modèle hydrologique était la moins importante pour tous les critères choisis.

De façon globale, la combinaison de méthodes dynamique et statistique de mise à l’échelle présente des avantages dans la quantification des impacts hydrologiques du changement climatique, notamment dans la détermination de l’incertitude future.

Type de document: Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires: "Manuscript-based thesis presented to l'École de technologie supérieure in partial fulfillment of the requirements for the degree of doctor of philosophy". Bibliogr. : f. [280]-294.
Mots-clés libres: Climat Changements. Hydrologie. Climat Modèles. Incertitude. Climat, Dynamique, Échelle, Générateur, Mise, Statistique Climatique
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Brissette, François
Programme: Doctorat en génie > Génie
Date de dépôt: 15 sept. 2011 16:33
Dernière modification: 17 févr. 2017 20:52
URI: http://espace.etsmtl.ca/id/eprint/906

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt

Statistique

Plus de statistique...