FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2020149939> ?p ?o ?g. }

• W2020149939 endingPage "43" @default.
• W2020149939 startingPage "37" @default.
• W2020149939 abstract "AbstractCette étude présente une application de la méthode de prévision des pluies par recherche d’analogues à la prévision des crues sur le bassin de la Seine à Paris. Cette technique consiste, à partir d’une situation météorologique cible, à rechercher dans une archive les situations passées les plus similaires puis à extraire les précipitations associées. Ceci permet d’estimer de manière probabiliste les précipitations attendues pour ce jour cible. La prévision des précipitations a été réalisée, pour des échéances allant de 1 à 8 jours, à partir d’une sélection de situations analogues en deux niveaux (méthode A : champs de pression et humidité), et quatre niveaux (méthode B : en rajoutant température et vitesse verticale). Ces prévisions ont ensuite été exploitées par le modèle hydrologique GR3P pour produire des prévisions probabilistes de débits. Les performances des deux approches ont été évaluées en contexte de prévision parfaite (situations cibles extraites de réanalyses) et de prévision opérationnelle (situations prévues par un modèle météorologique). Dans le premier cas, la méthode B s’avère plus performante, en réduisant fortement les incertitudes de prévision ainsi que le taux de fausses aler-tes. En conditions opérationnelles, le gain de la méthode B n’est perceptible que sur les deux premières échéances (J+1 et J+2). Cette étude de cas montre qu’il est possible d’élargir les échéances de prévision des crues, et de mettre à disposition des services opérationnels des outils permettant d’anticiper un événement de crue jusqu’à une semaine à l’avance.This study presents the application of a precipitation forecasting technique based on analogs to forecast discharges at the Seine river basin. Given a target meteorological situation, the analog approach aims at searching in a meteorological archive a sample of past situations that are similar to the target one. From this sample, it is possible to extract the associated precipitation amounts, and then provide a probabilistic estimation of the expected daily rainfall. Precipitation forecasts were obtained up to eight days in advance through a selection of analogs based on two levels of analogy (method A : pressure fields and humidity) and four levels of analogy (method B : by adding temperature and vertical velocity). These forecasts were introduced in the hydrological model GR3P to derive probabilistic discharge forecasts. Performances were evaluated in a perfect prognosis context (target situation comes from a meteorological reanalysis) and in an op-erational forecasting context (target situation comes from weather forecasts). Results show a significant improvement of precipitation forecasts when method B is used, with reduced uncertainties and lower false alarm rates. In an operational forecasting context, the highest gain obtained by method B is observed during the two first days of lead-time. Flood cases were studied and results show that it is possible to anticipate a flood event up to one week ahead. The approach here pro-posed can contribute to the methods currently used by operational flood forecasting services, by providing quantitative precipitation forecasts for longer lead-times.KeywordsPrévision probabilisteapproche par analogieadaptation statistiquemodélisation pluie-débitprévision de cruesKeywordsProbabilistic forecastinganalog approachstatistical adaptationrainfall-runoff modelingflood forecasting" @default.
• W2020149939 created "2016-06-24" @default.
• W2020149939 creator A5040423840 @default.
• W2020149939 creator A5047518065 @default.
• W2020149939 creator A5052538906 @default.
• W2020149939 creator A5081503838 @default.
• W2020149939 date "2011-02-01" @default.
• W2020149939 modified "2023-09-26" @default.
• W2020149939 title "Peut-on étendre l’échéance de prévision des crues en optimisant la prévision de pluies par recherche d’analogues ? Application au bassin de la Seine à Paris" @default.
• W2020149939 cites W1970397180 @default.
• W2020149939 cites W1979110338 @default.
• W2020149939 cites W2025599264 @default.
• W2020149939 cites W2069993349 @default.
• W2020149939 cites W2090249381 @default.
• W2020149939 cites W2102631248 @default.
• W2020149939 cites W2135752754 @default.
• W2020149939 cites W2152135686 @default.
• W2020149939 cites W2174601942 @default.
• W2020149939 doi "https://doi.org/10.1051/lhb/2011004" @default.
• W2020149939 hasPublicationYear "2011" @default.
• W2020149939 type Work @default.
• W2020149939 sameAs 2020149939 @default.
• W2020149939 citedByCount "5" @default.
• W2020149939 countsByYear W20201499392013 @default.
• W2020149939 countsByYear W20201499392018 @default.
• W2020149939 countsByYear W20201499392019 @default.
• W2020149939 crossrefType "journal-article" @default.
• W2020149939 hasAuthorship W2020149939A5040423840 @default.
• W2020149939 hasAuthorship W2020149939A5047518065 @default.
• W2020149939 hasAuthorship W2020149939A5052538906 @default.
• W2020149939 hasAuthorship W2020149939A5081503838 @default.
• W2020149939 hasBestOaLocation W20201499392 @default.
• W2020149939 hasConcept C138885662 @default.
• W2020149939 hasConcept C142362112 @default.
• W2020149939 hasConcept C15708023 @default.
• W2020149939 hasConceptScore W2020149939C138885662 @default.
• W2020149939 hasConceptScore W2020149939C142362112 @default.
• W2020149939 hasConceptScore W2020149939C15708023 @default.
• W2020149939 hasIssue "1" @default.
• W2020149939 hasLocation W20201499391 @default.
• W2020149939 hasLocation W20201499392 @default.
• W2020149939 hasLocation W20201499393 @default.
• W2020149939 hasLocation W20201499394 @default.
• W2020149939 hasLocation W20201499395 @default.
• W2020149939 hasLocation W20201499396 @default.
• W2020149939 hasLocation W20201499397 @default.
• W2020149939 hasLocation W20201499398 @default.
• W2020149939 hasOpenAccess W2020149939 @default.
• W2020149939 hasPrimaryLocation W20201499391 @default.
• W2020149939 hasRelatedWork W1557907936 @default.
• W2020149939 hasRelatedWork W2111865594 @default.
• W2020149939 hasRelatedWork W2248387313 @default.
• W2020149939 hasRelatedWork W2748952813 @default.
• W2020149939 hasRelatedWork W2780307509 @default.
• W2020149939 hasRelatedWork W2899084033 @default.
• W2020149939 hasRelatedWork W2987111374 @default.
• W2020149939 hasRelatedWork W3120330463 @default.
• W2020149939 hasRelatedWork W3203105381 @default.
• W2020149939 hasRelatedWork W1934311404 @default.
• W2020149939 hasVolume "97" @default.
• W2020149939 isParatext "false" @default.
• W2020149939 isRetracted "false" @default.
• W2020149939 magId "2020149939" @default.
• W2020149939 workType "article" @default.