Comparaison de deux scénarios (statistique et dynamique) concernant les précipitations hivernales en Grèce

Comparison of two scenarios (statistical and dynamical) for the estimation of the future changes of precipitation in Greece

¹ Département de Météorologie et de Climatologie, Université de Thessaloniki, 54124, Thessaloniki, Grèce
² Division Hydraulique, Faculté de Technologie, Université de Thessaloniki, 54124, Thessaloniki, Grèce

^* Tel. 00.30.2310.998471 ; Fax. 00.30.2310.995392 ; maheras@geo.auth.gr

Résumé

Le but de ce travail est l’évaluation de deux techniques de « désagrégation d’échelle » (statistique et dynamique) pour la simulation des précipitations hivernales en Grèce. La méthode statistique se base sur l’utilisation du principe des réseaux de neurones artificiels (RNA). Pour la construction du modèle statistique, sept prédicteurs sont utilisé. Les meilleurs résultats ont été obtenus par le prédicteur suivant : géopotentiels au niveau 500 hPa combiné avec l’humidité spécifique et les précipitations. Les données de la méthode dynamique proviennent d’un modèle climatique régional (RCM). La comparaison des résultats obtenus par les deux techniques (statistique et dynamique) a été faite en comparant les valeurs des pluies de chaque station simulées par la méthode statistique avec les valeurs moyennes (précipitations simulées par le modèle HadRM3P) de quatre points de grille entourant la station. D’après les résultats obtenus, les deux méthodes s’avèrent efficaces pour la simulation des précipitations hivernales en Grèce. Leurs totaux semblent être en réduction jusqu’à la fin du 21^ème siècle (la réduction, selon les scénarios, varie entre 14 et 35%).

Abstract

The present study focuses on the evaluation of a statistical and a dynamical downscaling technique for the simulation of winter precipitation totals in the Greek area. The statistical method is based on an artificial neural network technique, with one hidden layer and twelve nodes, and the dynamical downscaling data are derived from a regional climate model (RCM). In the case of the statistical downscaling model, from a set of seven predictors, the most optimal results were found by using a circulation based predictor and a more complex one applying also specific humidity and precipitation data. The simulated results are compared to the observational time-series of rainfall for each station under study. Especially in the case of the dynamical downscaling, four grid points are selected, the ones closest to each station. The analysis showed that both methods are quite efficient in simulating winter rainfall in Greece. Both the statistical and the dynamical approach agree that a decrease of the precipitation totals is expected generally in the study region, during the future period at the end of the 21^rst century. However, the magnitude of this change differs.