Analyse fréquentielle régionale des précipitations journalières maximales annuelles dans le bassin hydrographique - Chéliff, Algérie

Résumé Fr En

L’estimation locale des pluies extrêmes et de leur période de retour est souvent peu précise du fait de données peu nombreuses. Le regroupement de données d’une même région permet souvent d’améliorer la précision de cette estimation. Cet article propose une approche régionale pour l’estimation des pluies journalières de fréquence rare, pour le bassin hydrographique du Cheliff (nord-ouest de l´Algérie). La première étape consiste à définir et à valider les régions homogènes de la zone d’étude. Le test d'homogénéité est basé sur la statistique H, qui compare les rapports des L-moments calculés localement à chaque station à leur moyenne sur la région considérée. La deuxième étape consiste à identifier la distribution régionale et à estimer ses paramètres par analyse du diagramme des L-moments et/ou calcul de la statistique Zdist, qui compare les rapports des L-moments régionaux à ceux de la distribution candidate. La loi GEV (« General Extreme Value »), qui a été utilisée dans plusieurs études antérieures de régionalisation des précipitations extrêmes, a été identifiée comme distribution régionale adéquate. Les paramètres de la GEV ont été calculés à l’aide de la définition des L-CV, L-CS et L-CK régionaux. La troisième étape consiste à déterminer localement les quantiles de pluie associés aux différentes périodes de retour, par multiplication du L-coefficient de variation régionale L-CV par la moyenne des précipitations journalières maximales annuelles observées au site considéré. Les pluies calculées par cette méthode, qui peut être appliquée à toute station de la zone étudiée, peuvent être significativement différentes de celles calculées par ajustement local. Les valeurs de l’erreur quadratique moyenne entre les quantiles calculés par approche régionale ou locale sont égales à 10 % pour la pluie journalière maximale annuelle décennale, et à 35 % pour la pluie journalière maximale annuelle centennale. Cette erreur diminue quand la longueur de la série locale augmente, ce qui suggère que l’approche régionale consolide effectivement l’estimation des quantiles de pluie.

Local extreme rainfall estimates are often inaccurate because of the short duration of the observed series. Regional aggregation of data can greatly improve these estimates. This article shows a regional approach for the estimation of daily rainfall frequency rare, in the Cheliff basin (northwestern Algeria). The first step consists of defining and validating the homogeneous regions of the study area. The homogeneity test is based on the H-statistic, which compares the ratios of L-moments calculated locally at each station to their average over the region. The second step is to identify the regional distribution and estimate its parameters by analyzing the diagram of the L-moments and/or calculation of the Z-statistic which compares the ratios of regional L-moments with those of the candidate distribution. GEV ("General Extreme Value"), which has been used in several studies of regionalization of extreme rainfall, has been identified as a suitable regional distribution. The parameters of the GEV were calculated using the definition of regional L-CV, L-CS and L-CK. The third step is to determine locally the quantiles of rain associated with different return periods by multiplying the regional L-coefficient of variation L-CV by the mean annual maximum daily rainfall observed at the considered site. Rainfalls calculated by this method, which can be applied to any station in the study area, are significantly higher than those calculated by local fit. The values of the mean square error (REQM) between quantiles derived from regional or local methods are 10% for the decennial annual maximum daily rainfall, and 35% for the centennial annual maximum daily rainfall. This error decreases when the length of the local series increases, suggesting that the regional method leads indeed to more reliable assessments of the rain quantiles.