![Sample our Environment & Agriculture journals, sign in here to start your access, latest two full volumes FREE to you for 14 days]({"type":"image" , "src" : "/sda/5934/TOC-Subject-Sample-2021-Environment-Agriculture.jpg"})
Résumé
Abstract
The characteristics of fine time-scale rainfall are important in many hydrological applications, such as infiltration, erosion and flooding. The spatial properties of such rainfall are, however, seldom known, especially for arid and semi-arid areas. A better knowledge of fine time-scale rainfall and also comparison with daily rainfall may yield possibilities for disaggregation. For this purpose, rainfall data of different time scales, from 1-min to daily, from 25 stations during four years (1995–1998), were spatially analysed by means of spatial correlation, empirical orthogonal function (EOF) and hierarchical clustering. The results show that the spatial correlation is typically non-isotropic and varying, depending on topography and local meteorological settings. Similarly, spatial patterns of EOF are closely related to main atmospheric synoptic situations as influenced by orography and spatial dependence regarding areas with predominant convective and frontal rainfall. The clustering displayed different homogeneous sub-groups over the Tunisian Dorsal Mountains that can be used to better manage the limited water resources that often depend on fine time-scale rainfall variability.
Les caractéristiques des pluies à pas de temps fins sont déterminantes pour de nombreux phénomènes hydrologiques comme l'infiltration, l'érosion et les inondations. Leurs propriétés spatiales restent, cependant, peu connues en milieux arides et semi-arides. Une meilleure connaissance de la pluie à pas de temps fin et la comparaison avec la pluie journalière pourrait ouvrir des perspectives de désagrégation. Dans ce but, des données de pluie à différentes échelles de temps, allant de la minute à la journée, de 25 stations et couvrant une période de quatre ans (1995–1998), ont été analysées spatialement à l'aide des méthodes de corrélation spatiale, de fonction orthogonale empirique (FOE) et de classification hiérarchique. Les résultats montrent que la corrélation spatiale est typiquement anisotrope et variable, dépendant de la topographie et des conditions météorologiques locales. De même, les structures spatiales de FOE sont très liées aux principales situations atmosphériques synoptiques, sous influence de l'orographie et de la prédominance des pluies convectives ou frontales. La classification a permis d'identifier différents sous-groupes homogènes couvrant la Dorsale tunisienne, qui peuvent servir à mieux gérer les ressources en eau limitées qui dépendent généralement de la variabilité à pas de temps fin de la pluie.
