Dans la nature, l'eau existe sous toutes ses formes, gazeuse dans l'atmosphère, liquide dans les rivières ou les nuages et solide dans les glaciers par exemple. L'étude du cycle de l'eau permet d'estimer les évolutions de la ressource en eau sur terre dans le passé et d'essayer de les prévoir dans le futur. La modélisation du climat passé repose sur des systèmes complexes qui peuvent combiner en cascade réanalyse de variables atmosphériques, modèle de surface et modèle hydrologique. C'est cette approche qui est appliquée à Météo-France pour le suivi des ressources en eau et des sécheresses. Un des éléments essentiels est la reconstruction du champ de précipitations à la surface du sol et de la végétation, qui génère localement ruissellement de surface et infiltration dans les couches profondes. Cependant, les précipitations ont un caractère spatio-temporel fortement variable, il est donc compliqué de les modéliser et les mesurer. L'objectif de cette thèse consiste à proposer une réanalyse à haute résolution des variables de surface pour les modèles d'impact. Un effort particulier a été mis sur l'analyse des précipitations, qui combine un état a priori de l'atmosphère à des observations. Différentes méthodes, plus ou moins complexes, sont explorées et évaluées par rapport à des sources d'information indépendantes. Tout d'abord, les analyses sont comparées à des observations de précipitations n'ayant pas participé au calcul de l'état analysé. Ensuite, elles sont évaluées par rapport à des mesures de débits sur la France grâce à une chaîne hydrologique. Les résultats principaux montrent que l'analyse améliore le champ de précipitations du modèle météorologique, que la méthode novatrice d'analyse basée sur la transformation de Box-Cox avec correction de biais est capable de rivaliser avec les réanalyses existantes, et enfin que les simulations hydrologiques sont réalistes et comparables à celles de la chaîne hydrologique opérationnelle de Météo-France, même si la profondeur temporelle est limitée. |
In nature, water exists in all its forms, gaseous in the atmosphere, liquid or solid in rivers or clouds and solid in glaciers for example. The study of the water cycle allows us to estimate the evolution of water resources on earth in the past and to try to predict them in the future. The modeling of past climate is based on complex systems that can combine the reanalysis of atmospheric variables, surface schemes and hydrological models in a cascade. This approach is applied at Météo-France for monitoring water resources and droughts. One of the essential elements is the reconstruction of the precipitation field at the surface of the soil and vegetation, where it can generate local surface runoff and infiltration in sub-surface soil layers. However, precipitation has a highly variable spatio-temporal character, so it is complicated to both model and measure. The objective of this thesis is to propose a high resolution reanalysis of surface variables for impact models. A particular effort has been put on the analysis of precipitation which combines an a priori atmospheric state with observations. Different methods, more or less complex, are explored and evaluated against independent information sources. First, the analyses are compared to observations of precipitation that did not contribute to the calculation of the analyzed state. Second, they are evaluated against river discharge measurements over France using a hydrological modeling chain. The main results show that the analysis is improved compared to the meteorological model predicted precipitation field, that the innovative analysis method based on the Box-Cox transformation with bias correction is able to compete with existing reanalyses, and, finally, that the hydrological simulations are realistic and comparable to those made by the Meteo-France operational hydrological modeling chain, even if the temporal length is limited. |