Pexe rencontre ecotechnologique littoral 5-brgm bobwa-idierPEXE
Le réseau PEXE en partenariat avec l'Association des instituts Carnot a organisé le 2 juillet 2015 une Rencontre écotechnologique labellisée COP21 « Littoral et adaptation au changement climatique - gestion des risques et écoconception d’aménagements côtiers ».
12 laboratoires de recherche, engagés dans la recherche partenariale avec les PME, sont venus présenter leurs technologies et plateformes de test.
Pexe rencontre ecotechnologique littoral 5-brgm bobwa-idierPEXE
Le réseau PEXE en partenariat avec l'Association des instituts Carnot a organisé le 2 juillet 2015 une Rencontre écotechnologique labellisée COP21 « Littoral et adaptation au changement climatique - gestion des risques et écoconception d’aménagements côtiers ».
12 laboratoires de recherche, engagés dans la recherche partenariale avec les PME, sont venus présenter leurs technologies et plateformes de test.
Qu'est-ce qu'un îlot de chaleur urbain ? Quels facteurs interviennent dans ce phénomène ? Quelles conséquences ? Quels enjeux ? Au-delà de ces questions, ce diaporama donne un aperçu de la prise en compte de l’ICU par la planification régionale en Île-de-France.
Les données tridimensionnelles en géomorphologie fluviale: K.Michelkmichel69
Dans le domaine de la géomorphologie fluviale, la donnée tridimensionnelle est nécessaire pour comprendre les changements qui s’opèrent, en lien généralement avec les aménagements humains, afin de mieux anticiper les changements à venir.
Évolutions climatiques attendues en France selon les scénarios du GIEC et impacts du changement climatique sur les phénomènes hydrométéorologiques (enneigement, vagues de chaleur, sécheresses, feux de forêts, hausse du niveau de la mer, épisodes méditerranéens, tempêtes, cyclones)
Chers mercatoriens,
Les stagiaires de Mercator sont à l'honneur dans cette
lettre trimestrielle! Leur travail a permis d'apporter des
réponses à trois interrogations clefs qui ne manqueront
pas de vous intéresser:
Quid de l'impact du réseau PIRATA assimilé dans la
configuration opérationnelle PSY1v2? Une comparaison
avec des données hydrographiques mais aussi avec des
données indépendantes de vitesse issues d'ADCP nous
offre plusieurs éléments de réponse. Ce premier article
permet d'appréhender l'importance des données in situ
assimilées pour les modèles opérationnels : un appel
réitéré pour ce besoin crucial d'information de terrain!
Et si on jouait à mettre des boîtes dans des boîtes? Cette question pourrait être le sous-titre du deuxième article. L'imbrication d'un
modèle haute résolution régional dans un modèle basse résolution global demeure un enjeu de taille pour l'océanographie. Il s'agit,
par exemple, de pouvoir offrir des conditions aux limites satisfaisantes à un modèle côtier mais aussi de pouvoir affiner la grille
localement pour fournir des modèles régionaux ponctuels en fonction des besoins exprimés. Mercator commence à plancher sur la
question! Le troisième article nous plonge dans les eaux troubles. Ce sont en effet les risques de pollution marine qui sont passés au
crible. Dans ce cadre, l’utilité des modèles de prévisions de courants marins est apparue ces dernières années. Mercator offre
aujourd’hui cette gamme de produits. Afin d’améliorer le service rendu aux agences en charge de la lutte contre les pollutions
marines, notamment Météo-France, ce travail analyse la faisabilité d’un outil qui contribuerait à quantifier les risques d’arrivée de
marées noires sur les côtes européennes atlantiques. Une lettre trimestrielle variée donc et un grand merci aux stagiaires ! Bonne
lecture à tous.
Analyse De La Relation Pluie-Débit Dans Un Contexte De Variabilité Climatique...inventionjournals
In Ivory Coast, climate change observed impacted river flows and change rainfall-runoff relationship. Katiola area located on the watershed of the Bandama river, is affected by the effects of climate change and it impacts on water resources. The aim of this work is to study the rain off-runoff relationship in katiola area, in a climate variability context. We use as methods hydro-climatic index of Nicholson, order 2 lowpass, of Hanning to analyse rainfall and characterise climate variability. The simple relationship between rainfall and flow was studied through graphs connecting the water sheet to the runoff. The results showed a temporal rainfall variability in the chronic studied. Two great periods are visible from the analysis, a wet period (from 1949 to 1970) and a dry period (from 1971 to 2000). Analysis of the rainfall-runoff relationship showed a synchronous trend of the annual mean runoff fluctuation and the annual mean rainfall fluctuation.
La vulnérabilité des îlots urbains à la chaleur à partir du système de classi...L'Institut Paris Region
Metropolis - Centre régional de formation Paris Île-de-France
"Adaptabilité et résilience des villes face au changement climatique"
Erwan Cordeau (IAU île-de-France) - 22 juin 2015
Description des données que le SHOM (Service Hydrographique et Océanographique de la Marine) pourrait passer en #opendata lors des événements #archipelmolene organisés par la Cantine numérique brestoise
Qu'est-ce qu'un îlot de chaleur urbain ? Quels facteurs interviennent dans ce phénomène ? Quelles conséquences ? Quels enjeux ? Au-delà de ces questions, ce diaporama donne un aperçu de la prise en compte de l’ICU par la planification régionale en Île-de-France.
Les données tridimensionnelles en géomorphologie fluviale: K.Michelkmichel69
Dans le domaine de la géomorphologie fluviale, la donnée tridimensionnelle est nécessaire pour comprendre les changements qui s’opèrent, en lien généralement avec les aménagements humains, afin de mieux anticiper les changements à venir.
Évolutions climatiques attendues en France selon les scénarios du GIEC et impacts du changement climatique sur les phénomènes hydrométéorologiques (enneigement, vagues de chaleur, sécheresses, feux de forêts, hausse du niveau de la mer, épisodes méditerranéens, tempêtes, cyclones)
Chers mercatoriens,
Les stagiaires de Mercator sont à l'honneur dans cette
lettre trimestrielle! Leur travail a permis d'apporter des
réponses à trois interrogations clefs qui ne manqueront
pas de vous intéresser:
Quid de l'impact du réseau PIRATA assimilé dans la
configuration opérationnelle PSY1v2? Une comparaison
avec des données hydrographiques mais aussi avec des
données indépendantes de vitesse issues d'ADCP nous
offre plusieurs éléments de réponse. Ce premier article
permet d'appréhender l'importance des données in situ
assimilées pour les modèles opérationnels : un appel
réitéré pour ce besoin crucial d'information de terrain!
Et si on jouait à mettre des boîtes dans des boîtes? Cette question pourrait être le sous-titre du deuxième article. L'imbrication d'un
modèle haute résolution régional dans un modèle basse résolution global demeure un enjeu de taille pour l'océanographie. Il s'agit,
par exemple, de pouvoir offrir des conditions aux limites satisfaisantes à un modèle côtier mais aussi de pouvoir affiner la grille
localement pour fournir des modèles régionaux ponctuels en fonction des besoins exprimés. Mercator commence à plancher sur la
question! Le troisième article nous plonge dans les eaux troubles. Ce sont en effet les risques de pollution marine qui sont passés au
crible. Dans ce cadre, l’utilité des modèles de prévisions de courants marins est apparue ces dernières années. Mercator offre
aujourd’hui cette gamme de produits. Afin d’améliorer le service rendu aux agences en charge de la lutte contre les pollutions
marines, notamment Météo-France, ce travail analyse la faisabilité d’un outil qui contribuerait à quantifier les risques d’arrivée de
marées noires sur les côtes européennes atlantiques. Une lettre trimestrielle variée donc et un grand merci aux stagiaires ! Bonne
lecture à tous.
Analyse De La Relation Pluie-Débit Dans Un Contexte De Variabilité Climatique...inventionjournals
In Ivory Coast, climate change observed impacted river flows and change rainfall-runoff relationship. Katiola area located on the watershed of the Bandama river, is affected by the effects of climate change and it impacts on water resources. The aim of this work is to study the rain off-runoff relationship in katiola area, in a climate variability context. We use as methods hydro-climatic index of Nicholson, order 2 lowpass, of Hanning to analyse rainfall and characterise climate variability. The simple relationship between rainfall and flow was studied through graphs connecting the water sheet to the runoff. The results showed a temporal rainfall variability in the chronic studied. Two great periods are visible from the analysis, a wet period (from 1949 to 1970) and a dry period (from 1971 to 2000). Analysis of the rainfall-runoff relationship showed a synchronous trend of the annual mean runoff fluctuation and the annual mean rainfall fluctuation.
La vulnérabilité des îlots urbains à la chaleur à partir du système de classi...L'Institut Paris Region
Metropolis - Centre régional de formation Paris Île-de-France
"Adaptabilité et résilience des villes face au changement climatique"
Erwan Cordeau (IAU île-de-France) - 22 juin 2015
Description des données que le SHOM (Service Hydrographique et Océanographique de la Marine) pourrait passer en #opendata lors des événements #archipelmolene organisés par la Cantine numérique brestoise
1. Lien entre l’efficacit´e de collecte et le type de
pr´ecipitation
Flora Viale
Universit´e du Qu´ebec `a Montr´eal
sous la supervision de Julie M. Th´eriault
Summer 2013
1 / 19
2. Motivation
Chaque ann´ee les tempˆetes de neige surprennent les m´et´eorologues, ainsi
que la population : neige, gr´esil, vergal, slush. Comment pr´evenir les
transports (voiture, train, avion) de ce qui les attends ?
2 / 19
3. Introduction
Lorsque l’on veut savoir quelle a ´et´e l’accumulation de neige, la mesure
de la neige au sol est notre premier outil.
Geonor dans single Alter dans DFIR
From Marshall Site
3 / 19
4. Introduction
Performance de la jauge : efficacit´e de collecte
Variabilit´e dans les mesures : vent
Th´eriault et al. 2012 4 / 19
6. Introduction
Donc, varie selon la vitesse terminale de la pr´ecipitation.
0 0.005 0.01 0.015 0.02
0
5
10
15
Real diameter (m)
vT(m/s)
SNOW
WET SNOW
SLUSH
RAIN
6 / 19
7. Objectifs et approches
´Etant donn´e que la pr´ecipitation est fortement d´ependante de la
temp´erature et de ses variations, il est difficile de mesurer et de pr´evoir
les pr´ecipitations en hiver.
Ainsi, l’objectif de ce travail est d’´etablir un lien entre l’efficacit´e de
collecte, la vitesse du vent et le type de pr´ecipitations `a la surface `a des
temp´eratures autour de 0◦
C.
Premi`ere approche : mod`ele de nuage 1D qui pr´edit les pr´ecipitations
hivernales
Deuxi`eme approche : Mod`ele lagrangien pour calculer les trajectoires et
efficacit´e de collecte
7 / 19
8. M´ethode : mod`ele nuage
Obtenir diff´erents types de
pr´ecipitations (neige, neige
mouill´ee, slush et pluie), pour
diff´erents profils de
temp´erature (-2◦
C `a 5◦
C).
Distribution de taille
−10 −5 0
0
0.5
1
1.5
2
T (o
C)
Height(km)
T
Td
0 1 2 3 4 5
x 10
−3
10
0
10
5
D (m)
N(m
−4
)
8 / 19
9. M´ethode : mod`ele Lagrangien
Initialis´e avec : l’´ecoulement autour de la jauge et les donn´ees de
pr´ecipitation
Calcul des trajectoires de la pr´ecipitation
Calcul d’efficacit´e de collecte
Th´eriault et al. 2012
9 / 19
10. R´esultat : p´ecipitation `a la surface
−2 −1 0 1 2 3 4 5
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
T (o
C)
PrecipitationRate(mm/h)
r
s
sl
IRws
SIP
10 / 19
11. R´esultat : ´efficacit´e de collecte
0 2 4 6 8 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
wind velocity in m/s
ratioofcollectionefficiency
−2
−1 C
0 C
1 C
2 C
3 C
4 C
5 C
11 / 19
12. R´esultat
−2 −1 0 1 2 3 4 5
0
0.5
1
1.5
T(
o
C)
precipitationrate(mm/h) r
s
sl
IRws
SIP
−2 −1 0 1 2 3 4 5
0
0.2
0.4
0.6
0.8
1
T (
o
C)
Ratioofcollectionefficiency
2m/s
7m/s
12 / 19
13. R´esultat : ´efficacit´e de collecte
−2 0 2 4
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
T (
o
C)
ratioofcollectionefficiency
1m/s
2m/s
3m/s
4m/s
5m/s
6m/s
7m/s
8m/s
9m/s
10m/s
13 / 19
14. Conclusion et discussion
Forte corr´elation entre la vitesse de vent, les diff´erents types de
pr´ecipitations et l’efficacit´e de collecte.
Lorsque la temp´erature augmente et/ou que la vitesse de vent diminue,
l’efficacit´e de collecte augmente.
Cependant, nous remarquons une augmentation dans l’efficacit´e de
collecte pour les grandes vitesse de vent (sup´erieures `a 7m/s).
14 / 19
15. Travaux futurs
Comprendre pourquoi il y a une augmentation pour les grandes vitesses
de vents.
Comparer avec les observations (Brandes et al. 2007 : disdrometer dans DFIR)
0 030000 060000 090000
−5
0
5
T(C)
0 030000 060000 090000
0
5
10
WindSpeed(m/s)
0 030000 060000 090000
0
1
2
3
vT(m/s)
Time (hhmmss)
15 / 19
16. FIN
Slush : neige qui a presque compl`etement fondu, mais qui a toujours un
noyau de glace, sa taille a fortement diminu´e.
Neige mouill´e : neige qui a fondu tr`es l´eg`erement, et dont la taille n’a pas
vari´e.
L’efficacit´e de collection : ratio de la pr´ecipitation mesur´ee par la jauge et la
pr´ecipitation mesur´ee par la jauge de r´ef´erence.
Precipitation trajectory : The Lagrangian model compute the snowflakes
trajectory around the gauge. The relation from Rasmussen et al. is use :
Y (Dx) = aY ∗ DxbY
Where aY and bY represent parameters for Y (can be velocity, density,
volume, area) and Dx represents the real diameter for each X (type of
precipitation : rain (r), slush (sl), wet snow (ws), snow(s))
16 / 19
17. FIN
−2 −1 0 1 2 3 4 5
10
−4
10
−3
10
−2
10
−1
10
0
temperature in degree celsius
ratioofcollectionefficiency(log)
1m/s
2m/s
3m/s
4m/s
5m/s
6m/s
7m/s
8m/s
9m/s
10m/s
Figure 1 : Ratio of collection efficiency as a function of temperature, for each wind speed. y-axis-log-scale
17 / 19
18. FIN
1 2 3 4 5 6 7 8 9 10
10
−4
10
−3
10
−2
10
−1
10
0
wind speed (m/s)
ratioofcollectionefficiency(log)
−2 C
−1 C
0 C
1 C
2 C
3 C
4 C
5 C
Figure 2 : Ratio of collection efficiency as a function of wind speed, for each surface temperature
(corresponding to a vertical profile of temperature) using bar with y-axis-log-scale
18 / 19
19. FIN
0 2 4 6 8 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
wind velocity in m/s
ratioofcollectionefficiency
snowfall terminal velocity
−1
−2
0 2 4 6 8 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
rain terminal velocity
1 C
2 C
3 C
4 C
5 C
0 2 4 6 8 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
wind velocity in m/s
ratioofcollectionefficiency
slush terminal velocity
1 C
2 C
3 C
4 C
0 2 4 6 8 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
wet snow terminal velocity
0 C
1 C
2 C
3 C
Figure 3 : Ratio of collection efficiency as a function of temperature, for each wind speed and for each kind of precipitaion. All ’o’ represents ratio
we calculated before with the collection efficiency matlab script, and curves are the Lagrange form of the interpolation polynomial. This graphic was
used to compare the with the results 19 / 19