VERS UNE PREVISION D ENSEMBLE DES DEBITS A L ECHELLE DES GRANDS BASSINS FRANÇAIS

Transcription

1 VERS UNE PREVISION D ENSEMBLE DES DEBITS A L ECHELLE DES GRANDS BASSINS FRANÇAIS Toward an ensemble streamflow prediction system at the scale of the major French catchments Eric Martin, Guillaume Thirel, Fabienne Regimbeau, Joël Noilhan, Laurent Franchistéguy, Jean-Michel Soubeyroux CNRM-GAME (Météo-France, CNRS) et Direction de la Climatologie (Météo-France) 42, avenue Coriolis, 31057, Toulouse CEDEX 1 Tél: +33 (0) , Fax: +33 (0) , Eric.Martin@meteo.fr Florence Habets UMR SISYPHE ENSMP Centre de géoscience, équipe SHR, 35 rue Saint Honoré, Fontainebleau Tél: +33 (0) , Fax: +33 (0) , Florence.Habets@ensmp.fr Un système de prévisions d ensemble hydrologiques à 10 jours sur la France a été construit à partir de la chaîne SAFRAN-ISBA-MODCOU et des sorties du modèle de prévision du CEPMMT. Dans une première étape, les données météorologiques sont désagrégées sur la grille de calcul du modèle de surface. Ensuite, un ensemble de prévisions hydrologiques est calculé. Le comportement du modèle a été testé sur une année par comparaison avec une simulation de référence, montrant de bons résultats globaux. Des travaux de recherches sont poursuivis en vue d améliorer le système, en parallèle de tests utilisateurs. Ces travaux ont montré que l utilisation d une source de prévisions météorologiques d ensemble adaptée à la courte échéance améliore nettement les scores hydrologiques à ces échéances. Enfin, un système d assimilation des débits passés est en cours de développement afin de permettre de fournir un état initial plus réaliste au système de prévision. Toward an ensemble streamflow prediction system at the scale of the major French catchments A ten day hydrological ensemble prediction system based on the SAFRAN-ISBA-MODCOU chain and the ECMWF model outputs has been built over France. In a first step, meteorological data are disaggregated over the surface grid. Then the performance of the system was evaluated over a year by comparison to a reference run, showing good results. Further research works are being performed, in parallel with tests with end users. These works showed that the use of a meteorological source adapted to short ranges improved significantly the performances at this time range. Finally, an assimilation system using past discharges to produce a better initial state of the model is under development. I INTRODUCTION Les techniques de prévisions d ensemble ont prouvé en météorologie qu elles pouvaient être utiles d une part pour étendre l échéance des prévisions et d autre part pour fournir une estimation de l incertitude associée à une prévision. Il s agit de proposer non pas la meilleure prévision météorologique possible, mais de proposer un ensemble de prévisions, ce qui permet de faire des traitements statistiques sur les résultats et de prendre en compte la notion d incertitude dans les applications de la météorologie, même à court terme. Le Centre européen de prévisions météorologiques à moyen terme (CEPMMT) diffuse depuis de nombreuses années des prévisions d ensemble à 10 (et maintenant 15) jours d échéance. Météo-France a mis au point un système de prévision d ensemble à plus courte échéance, ciblé sur l Europe, basé sur son modèle global de prévision ARPEGE (PEARP). Ce système sera progressivement amélioré dans les années à venir. Ces techniques sont en train de se développer dans le domaine des prévisions hydrologiques. On peut noter en particulier le projet européen EFAS (European flood alert system ) de la commission européenne et l initiative HEPEX ( Hydrologic ensemble prediction experiment), effort international pour bâtir un projet de recherche centré sur les prévisions d ensemble. Ces dernières années, un effort de construction d une chaîne de prévision d ensemble basée sur la chaîne Safran-Isba-Modcou [1] a été réalisé à Météo-France. La chaîne Safran-Isba-Modcou est le couplage entre une analyse météorologique, un modèle de surface décrivant les échanges d eau et d énergie entre le sol

2 superficiel, l atmosphère et le modèle hydrogéologique MODCOU, simulant les transferts d eau vers et dans les rivières, ainsi que l évolution des principales nappes du bassin de la Seine et de la nappe alluviale du Rhône. Une première chaîne utilisant les prévisions d ensemble météorologiques du CEPMMT à 10 jours a été mise en place et validée [2]. Cette chaîne est mise en œuvre quotidiennement en mode pré-opérationnel. Des travaux de recherche sont poursuivis afin d améliorer les résultats de la chaîne en vue d une utilisation opérationnelle. L objet de cet article est tout d abord de décrire le système mis en place, les résultats de validation, ainsi que son fonctionnement quotidien. Dans une deuxième partie, seront décrits des travaux de recherche visant à l amélioration de ce système. Il s agit d une part de l utilisation de prévisions d ensemble à courte échéance, et d autre part de recherches visant à améliorer l état initial de la prévision de débit. II LA CHAINE SAFRAN-ISBA-MODCOU Tous les travaux menés ici sont basés sur la chaîne hydrométéorologique SAFRAN-ISBA-MODCOU (SIM), qui permet de simuler les bilans d eau et d énergie du sol de manière distribuée sur la France, et de calculer des débits cohérents avec ces bilans. SAFRAN [3,4] utilise des observations de surface, combinées à des données d analyse de modèles météorologiques pour produire les paramètres horaires nécessaires au fonctionnement d'isba au pas de temps horaire. Ces paramètres (température, humidité, vent, précipitations solides et liquides, rayonnement solaire et infrarouge incident), sont analysés pour chaque zone de calcul (615 zones sur la France), par pas de 300m d'altitude. Ils sont ensuite interpolés sur une grille de calcul régulière (8x8 km). Les deux premières étapes de l'analyse sont consacrées d'une part à l'analyse de la température, de l'humidité, du vent et de la nébulosité toutes les 6 heures ; d'autre part à l'analyse des quantités quotidiennes de précipitation. La troisième étape est l'interpolation horaire de ces paramètres (y compris la phase des précipitations), ainsi que le calcul des termes de rayonnement. En mode prévision, les paramètres météorologiques, y compris les quantités de précipitation sont simplement interpolées à partir des valeurs prévues par les modèles numérique de prévision du temps. ISBA (Interaction sol-biosphère-atmosphère) [5] simule les échanges d'eau et d'énergie entre le sol et l'atmosphère. La version utilisée dans la chaîne SIM utilise 3 couches de sol (surface, zone racinaire, zone profonde), et deux températures (température de surface globale du continuum sol-végétation et température profonde). ISBA simule l'ensemble des flux d'eau avec l'atmosphère (interception, évaporation, transpiration) et avec le sol (ruissellement des précipitations et drainage dans le sol). Son pas de temps est de 5 minutes. MODCOU [6], est un modèle hydrologique distribué. Il utilise en entrée les ruissellement et drainage d'isba pour calculer l'évolution des nappes (actuellement seules les nappes de la Seine et du Rhône sont représentées) et le débit des rivières (900 points simulés actuellement). Sa maille de calcul varie de 64 à 1 km en fonction de la limite des bassins versants et du réseau hydrographique. Son pas de temps est de trois heures. L ensemble de la chaîne a été validée sur une période de 10 ans [1], par comparaison avec des hauteur de nappe, hauteur de neige et débits des rivières. Il apparaît que globalement SIM restitue bien la dynamique du bilan hydrologique et des débits. Les limitations principales du modèle sont liées à la non prise en compte de certains systèmes importants, comme les nappes (par exemple celle de la Somme) qui influencent fortement la temporalité des débits. Dans le cas de bassins très anthropisés, comme celui du Rhône et de certains de ses affluents, la comparaison avec les débits observés ne permet pas de mesurer réellement la qualité de la simulation, qui ne tient pas compte de la présence des barrages. Les bassins simulés dans SIM ont des surfaces allant de 250 à plus de km². On constate qu en moyenne l efficacité (critère de Nash) augmente avec la taille des bassin. Mais pour une taille de bassin donnée, la dispersion est plus forte pour les bassins les plus petits, logiquement plus difficiles à appréhender par un système construit de manière globale comme SIM. III LES PRINCIPES DE LA PREVISION HYDROLOGIQUE D ENSEMBLE BASEE SUR SIM La première application en prévision d ensemble basée sur SIM s est focalisée sur la prévision à moyen terme, permettant d anticiper les crues dans les bassins les plus grands, ou de fournir des informations intéressantes sur l évolution des débits les plus faibles, pour lesquels les réponses hydrographiques dépendent des niveaux de nappe. Le principe de l enchaînement de modèles est décrit dans la figure 1. Les

3 caractéristiques de la prévision d ensemble du CEPMMT sont rappelées dans le tableau 1. A partir de l analyse de la situation météorologique, sont recherchées les perturbations des champs atmosphériques qui s amplifieront le plus au bout de 2 jours (méthode des vecteurs singuliers). 51 prévisions sont faites avec des états initiaux perturbés. Ces prévisions alimentent le modèle ISBA-MODCOU, qui produit ainsi des prévisions d'ensemble hydrologiques sur toutes les stations simulées. Les conditions initiales hydrologiques sont fournies par la chaîne SIM analyse activée quotidiennement. Figure 1 : schéma de principe de la prévision d ensemble hydrologique basé sur SIM. CEPMMT ARPEGE Nombre de membres Résolution Homogène Zoomée sur la France Échéance de prévision 240H 60H Méthodes d'initialisation Vecteurs singuliers globaux, temps caractéristique : 2 jours Vecteurs singuliers sur l'europe temps caractéristique : 12 H Résolution dans les bases de données opérationnelles Heure de début des prévisions 0 UTC 18 UTC Tableau 1 : principales caractéristiques des prévisions d'ensembles des modèles du CEPMMT et d'arpege à la date de cette étude. IV ADAPTATIONS DU MODELE SIM ET DESAGREGATION DES SORTIES DE PREVISIONS Un certain nombre d adaptations ont dû être effectuées sur le code en raison de la lourdeur informatique du système : - le pas de temps du modèle de surface ISBA a été augmenté, passant de 5 à 20 mn, - seules les prévisions de température et précipitations ont été utilisées (paramètres disponibles en temps réels dans les bases opérationnelles de Météo-France). Les autres paramètres d entrée d ISBA ont été tirés d une climatologie sur 10 ans. Des tests préliminaires ont vérifié le faible impact de ces simplifications sur la restitution des débits à 10 jours d échéance. Une autre action capitale pour une bonne utilisation des prévisions météorologiques a été la mise au point d une méthode de désagrégation des sorties de modèles météorologiques. Cette étape a en effet pour but de produire des champs compatibles avec les échelles caractéristiques de SIM, ainsi que de corriger des biais éventuels du modèle de prévision. A ce stade, la méthode utilisée consiste simplement en une interpolation des prévisions du modèle du CEPMMT sur les zones utilisées par SAFRAN, puis une prise en compte des effets d altitude en prenant en compte la différence d altitude entre celle du modèle météorologique et celle

4 de la grille de surface de SIM. Pour la température, le gradient standard (-0.65 C / 100 m) a été utilisé. Pour les précipitations, un gradient assez proche de celui de SAFRAN a été adopté (0.7 mm an -1 m -1 ) après différents essais. La phase des précipitations a été déterminée de manière cohérente avec la température en utilisant une température critique. V RESULTATS Les prévisions d ensemble étant de nature probabiliste, l interprétation doit en être faite avec des scores adaptés. On ne reprendra ici qu une partie de ces scores. La moyenne de l ensemble (non probabiliste) donne un meilleur résultat déterministe que chacun des membres. Elle est utile pour évaluer les biais de l ensemble. La dispersion de l ensemble (écart-type des différents membres), caractérise la façon dont les différents membres couvrent l espace des possibles et est à comparer à la moyenne de l erreur de prévision. Le score de Brier [7] et le «skill score» associé est très largement utilisé. Il qualifie les performances d un système probabiliste par rapport à un événement binaire (dépassement de seuil). Le skill score associé (BSS) varie entre - et 1 et compare le score de Brier à un score de référence pour lequel le BSS vaut 0. V.1 Précipitations Des tests sur près d une année (septembre 2004 juillet 2005) ont permis d évaluer la performance des précipitations d ensemble désagrégées. La moyenne de l ensemble varie de 2.1 mm j -1 (premier jour) à 2.4 mm j -1 (dixième jour, voir tableau 2). Ces valeurs sont très légèrement supérieures à l analyse SAFRAN et ont tendance à augmenter avec l échéance. L écart quadratique moyen de la moyenne des 51 prévisions de l ensemble est inférieur à l écart quadratique moyen calculé pour la prévision de contrôle déterministe dès le deuxième jour. L écart ne présente pas de cycle annuel sur cette période. La dispersion de l ensemble est faible le premier jour, et augmente régulièrement jusqu au dernier jour, tout en restant légèrement inférieur à l écart quadratique moyen de la moyenne de l ensemble. Ainsi le système balaie insuffisamment l univers des possibles à courte échéance (c est une caractéristique fréquente des prévisions d ensemble, et d autant plus ici que le système du CEPMMT est orienté vers la moyenne échéance). Analyse SAFRAN Moyenne de l ensemble Ecart quadratique moyen Moyenne de l ensemble Ecart quadratique moyen Prévision de contrôle (déterministe) Dispersion de l ensemble Jour Jour Tableau 2 : Performances des prévisions de précipitations à 10 jours par le modèle du CEPMMT désagrégé, comparé à l analyse SAFRAN à 8 km sur la France. L étude n a pas montré de cycle annuel de l erreur ou de différence de scores sur les grands bassins français. Des études plus détaillées ont montré que l ensemble avait tendance à surestimer les faibles pluies et sous estimer les fortes pluies. Enfin, la prévision d ensemble constitue une meilleure prévision que la climatologie à toutes les échéances et pour tous les seuils de pluie. Depuis cette étude, la résolution des prévisions d ensemble du CEPMMT a été augmentée, et la PEARP a bénéficié d améliorations (nombre de membres, initialisation et augmentation de l échéance. Les résultats de comparaison obtenus ci-dessus auront pu évoluer. V.2 Débits Des tests ont été menés sur la période septembre 2004 juillet 2005, ainsi que sur certains épisodes du passé. La figure 2 illustre l utilité potentielle des prévisions d ensemble à 10 jours pour la gestion prévisionnelle d une crue (crue de la Seine à Paris de mars crue décennale). Cette figure montre les observations (source banque Hydro), la simulation de référence de SIM (forcée par les analyses SAFRAN), et, pour chaque jour le faisceau des 51 prévisions hydrologiques. L information à 10 jours peut être clairement utile pour un gestionnaire, même si les incertitudes associées augmentent avec l échéance. Dans

5 ce cas, on remarquera qu il existe parfois un décalage entre la simulation SIM analyse et les observations. Dans cette partie, on ne comparera les scores de la prévision d ensemble qu avec les simulations SIM analyse. La question de l amélioration de l état initial des prévisions sera abordée dans la partie suivante. Un certain nombre de développements ont été faits pour présenter les résultats sous forme graphique pour chaque station : évolution des 51 membres, analyse sous forme statistique pour chaque jour (médiane, quintiles, extrêmes) ou tableaux de dépassement de seuil (figure3). Figure 2 : Exemple de résultats de la prévision d ensemble sur la crue de mars 2001 pour la Seine à Paris. Croix : observations, ligne continue : simulation de référence SIM, faisceaux de courbes : prévision d ensembles quotidiennes. Figure 3 : exemple de tableau de dépassement du seuil Q90 pour une station. Les abscisses représentent les échéances de prévision, les ordonnées le jour de début de la prévision. Le chiffre associé à chaque jour de prévision indique le pourcentage de membre supérieur à ce seuil. Les performances du système hydrologique ont été évaluées sur la période septembre 2004 juillet On y retrouve des conclusions similaires à celles obtenues sur les précipitations. La dispersion de l ensemble est en général faible (par comparaison à l écart quadratique moyen), à toutes les échéances. Plusieurs hypothèses peuvent expliquer ce comportement, sans que l on puisse les hiérarchiser. Il s agit tout d abord d une conséquence logique des mêmes caractéristiques pour la pluie. Cette sous dispersion est accentuée aussi par l inertie des systèmes hydrologiques, avec des temps de réponses plus longs, surtout pour les grands bassins. Enfin, une des causes possibles de sous-estimation de la dispersion peut être liée au fait que seule un partie de la variabilité météorologique est prise en compte dans le système (actuellement seules sont perturbées les précipitations et températures).

6 Néanmoins, les scores probabilistes calculés restent raisonnablement bons : les prévisions sont plus informatives qu une climatologie pour 99% des stations. Ils augmentent avec la surface des bassins versants. Durant cette période test, les scores se sont avérés meilleurs pour la prévision des faibles débits (Q10) que pour les forts débits (Q90). Il est vrai que la période test étant très sèche, on ne peut accorder trop de confiance aux résultats obtenus sur les forts débits. VI ACTIONS D AMELIORATION EN COURS Les actions menées pour la construction de la chaîne [2] ont démontré la faisabilité et la pertinence d une chaîne hydrologique basée sur SIM. Cette chaîne est maintenant activée quotidiennement et est utilisée en mode test, afin d évaluer ses performances avec différents utilisateurs. Des travaux de recherche sont actuellement poursuivis afin d en améliorer la qualité et de mieux caractériser ses performances, en particulier en relation avec l échéance et la taille des bassins notamment. VI.1 Impact de la prévision d ensemble à courte échéance ARPEGE La prévision d ensemble à courte échéance du modèle ARPEGE de Météo-France (PEARP, prévision d ensemble ARPEGE) a pour objectif de fournir des prévisions d ensemble à courte échéance sur l Europe de l ouest. Même si les grands principes sont les mêmes que ceux vus précédemment, certains paramètres divergent (tableau 1) pour tenir compte de ces différences d objectifs. Une intercomparaison [8] a été faite sur les deux premiers jours de simulation avec les données du CEPMMT (soit des échéances 6 à 54H de la PEARP). Une désagrégation des paramètres météorologiques a dû être adoptée pour la PEARP. En effet la méthode utilisant un gradient altitudinal n a pas donné de bons résultats et c est un débiaisage points par points sur la grille SAFRAN qui a été utilisé. Cette méthode a été calibrée sur une année et validée sur 6 mois non utilisés pour la calibration. CEPMMT > PEARP PEARP > CEPMMT Pas de différences significatives Jour Jour Tableau 3 : comparaison des performances (BSS pour le seuil Q90) des deux prévisions d ensemble sur les 881 stations simulées par SIM. Les performances des deux systèmes ont été comparées au moyen du BSS sur l ensemble des stations. Un test de significativité (ré-échantillonage, avec un seuil à 90%) a été appliqué. Pour le seuil Q90 (tableau 3), la PEARP a des performances nettement meilleures : au deuxième jour, plus de la moitié des stations ont un score significativement supérieur à celui du CEPMMT. Ces stations sont réparties assez régulièrement sur la France, avec une exception pour le bassin de la Seine où l inertie due à l aquifère fait que les scores des deux prévisions d ensemble sont très voisins. Pour les faibles débits, la différence est moins nette, et beaucoup de scores ne sont pas significativement différents. Figure 4 : Performance statistique (BSS) en fonction de la taille du bassin versant pour le dépassement du seuil Q90. A gauche : jour 1, à droite jour 2. Continu : PEARP, pointillés : CEPMMT (ECMWF).

7 La figure 4 montre une augmentation générale des performances (pour le seuil Q90) avec la taille du bassin versant. On constate que les scores du CEPMMT sont meilleurs que ceux d ARPEGE pour les bassins les plus grands (> 4000 km² pour le jour 1 et > km² pour le jour 2). Cette dépendance avec la taille du bassin est difficile à expliquer. Une hypothèse est que les champs de pluie plus variables d ARPEGE introduisent des non linéarités dans des paramétrisations sous mailles des modèles hydrologiques. On constate que du jour 1 au jour 2 les scores d ARPEGE se dégradent moins que les scores du CEPMMT. Il apparaît donc que la prévision d ensemble ARPEGE apporte un gain net en terme de performance sur les petits bassins versants (quelques centaines de km²). VI.2 Amélioration de l état initial des prévisions Toutes les scores de prévision ont été jusqu à présent calculés en utilisant une simulation de référence SIM comme «pseudo» observation. Cela a permis de valider l impact des prévisions sur un modèle «parfait». L examen de la figure 2 montre que dans certains cas l erreur faite sur le débit initial de la prévision est supérieur aux variations de débits prévues. Dans le cadre d une utilisation opérationnelle, ce point est critique. Des travaux de recherche en cours visent à développer un système d assimilation des débits passés, permettant de se rapprocher du débit observé, et de fournir un meilleur état initial à la prévision. Concrètement, on utilise la dépendance du débit simulé à l humidité du sol simulée par ISBA. Ainsi, en diminuant l humidité du sol d ISBA, le débit à l exutoire est diminué (ou l inverse en cas d augmentation). Un certain nombre de stations de la banque hydro ayant des observation de bonne qualité et n étant pas ou peu influencées par les activités humaines ont été sélectionnées (186 au total). Certains de ces bassins étant emboîtés, cela introduit une dépendance entre stations (pour les débits et les humidités du sol). Actuellement, on effectue une assimilation sur une fenêtre de 5 jours, c est-à-dire que l on cherchera l humidité initiale qui permettra de minimiser globalement l erreur du modèle sur l ensemble de la période. Les principales étapes d une assimilation sont les suivantes : - Calcul de la sensibilité du débit à l humidité initiale du sol. Cette sensibilité est calculée à partir de simulations effectuées avec des humidités du sol perturbées pour chaque bassins et sous-bassins. - Calcul de l humidité du sol permettant de minimiser les écarts à l observation. Ces calculs sont faits avec une méthode classique en assimilation : BLUE (best linear unbiased estimation), qui est intégrée au logiciel PALM, développé par le CERFACS (Centre européen de recherche, formation avancées au calcul scientifique). Ces calculs tiennent compte d erreurs fixées a priori pour les observations et les simulations, et des sensibilités calculées précédemment. - Simulation SIM avec les nouvelles humidités du sol. Le résultat de cette simulation peut fournir un état initial des prévisions plus proches des observations que la simulation SIM classique. Cette approche est en cours de test et son impact sur les scores de prévision de débits sera évaluée. VII CONCLUSIONS ET PERSPECTIVES La chaîne de prévision d ensemble basée sur SAFRAN-ISBA-MODCOU est maintenant mise en place et fonctionne quotidiennement. Dans la construction de la chaîne, la question de la désagrégation des prévisions météorologiques est une question cruciale. Elle doit être adaptée au modèle météorologique. Ainsi, dans notre cas, des méthodes de désagrégation différentes ont été développées pour les deux modèles météorologiques utilisés. Les tests de comportement de l ensemble, montrent un comportement satisfaisant. Mais on constate une dispersion trop faible de l ensemble aux premières échéances : l ensemble ne décrit donc pas suffisamment l espace des possibles. Le test fait avec la prévision d ensemble à courte échéance ARPEGE montre qu il est possible d obtenir une amélioration des scores à un ou deux jours (voire plus) en utilisant une prévision météorologique adaptée. Cet outil apportera une information intéressante lorsque le rôle de la météorologie dans les prévisions hydrologiques est significatif [9]. C est le cas pour les grands bassins à longue échéance (5-10 jours), mais ce peut être le cas pour des bassins plus petits (500/1000 km²), à un, deux ou trois jours, en particulier en présence de fortes précipitations. Mais pour des échéances inférieures ou égales à la journée, se

8 posent des questions de désagrégation à échelle fine des précipitations et de bonne simulation des débits qui n ont pas encore été abordées avec ces outils. Les perspectives sont nombreuses pour le développement de cet outil. Tout d abord, un test avec des utilisateurs particuliers sera mis en place en collaboration avec le SCHAPI (Service central d hydrométéorologie et d appui à la prévision des inondations) et les services de prévision des crues. Ces tests permettront d avoir un premier retour sur l utilisation de ce type de modèle dans des services opérationnels, et pourront orienter certains travaux de recherche. Pour ce qui concerne les aspects scientifiques, l objectif principal est d améliorer l état initial pour l hydrologie en assimilant les données des débits passés. Cette assimilation permettra de passer d une prévision sur des dépassement de seuil «modèle» à de réelles prévisions de débits. Mais d autre sujets devront être abordés, en particulier la question de la désagrégation. En effet, les techniques utilisées ici restent assez simples (gradient verticaux ou simple débiaisage). Outre ce sujet, les travaux présentés ne prennent en compte actuellement qu une partie de l incertitude, celle associée aux prévisions de température et de précipitation. Il reste à évaluer l apport de l incertitude liée aux autres variables météorologiques et à la modélisation hydrologique elle-même. Ce dernier point est abordé actuellement avec le Cémagref et le SCHAPI avec une approche multimodèle (comparaison des résultats SIM et des modèles conceptuels de la famille GR), mais il pourra aussi être traité à partir d un modèle, en modifiant certains paramètres clés. VIII REFERENCES ET CITATIONS [1] Habets F., Boone, A., Champeaux, J.-L., Etchevers, P., Franchistéguy, L., Leblois, E., Ledoux, E., Le Moigne, P., Martin, E., Morel, S., Noilhan, J., Quintan Seguí, P., Rousset-Regimbeau, F. & Viennot, P. (2008) The Safran-Isba-Modcou hydrometeorological model applied over France, Journal of Geophysical Research, 113, D06113, doi: /2007/jd [2] Rousset, F., Habets, F., Martin, E., Noilhan, J. (2007) Ensemble streamflow forecast over France. ECMWF Newsletter No Spring 2007, [3] Durand, Y., Brun, E., Mérindol, L., Guyomarc'h, G., Lesaffre, B. & Martin E. (1993). A meteorological estimation of relevant parameters for snow models, Annals of Glaciol., 18, [4] Quintana-Seguí, P., Le Moigne, P., Durand, Y., Martin, E., Habets, F., Baillon, M., Canellas C., Franchistéguy L., & Morel, S. (2008) Analysis of Near-Surface Atmospheric Variables: Validation of the SAFRAN Analysis over France. J. Appl. Meteor. Climatol., 47, [5] Noilhan, J., & Planton, S. (1989) A simple parameterization of land surface processes for meteorological models, Mon. Weather Rev., 117, [6] Ledoux, E., Girard, G., De Marsily, G. & Deschenes, J. (1989) Spatially distributed modeling : Conceptual approach, coupling surface water and ground-water, in Unsaturated Flow Hydrologic Modeling : Theory and Practice, NATO ASI Series C, 275, H. J. Morel-Seytoux eds, Kluwer Acad., Norwell, Mass., [7] Brier, G. (1950) Verification of forecasts expressed in terms of probability. Mon. Wea. Rev., 78, 1-3. [8] Thirel, G., Rousset-Regimbeau, F., Martin, E., Habets, F. (2007) On the differences between the shortrange forecasts of two Ensemble Streamflow Prediction Systems, J. of Hydromet, Sous presse. [9] Habets, F., Le Moigne, P., Noilhan, J. (2004) On the utility of operational precipitation forecasts to serve as input for streamflow forecasting. J. Hydrol., 293,