Spatial disaggregation of rainfall data

Use of output from global Circulation Models (GCMs) by regional or small scale rainfall-runoff models necessitates the disaggregation of the hydrological information available from GCMs to smaller scales. The hydrological processes of interest commonly occur at much smaller scales than those being modelled by GCMs. The present work examines the disaggregation of areally averaged monthly rainfall values of a basin or a region into point rainfall values. It uses some statistical methods based on a frequency analysis approach, a correlation approach and a disaggregation approach. A total of ten different methods have been tried and their relative performances compared based on some error criteria evaluated from observed and disaggregated point rainfall and mean areal rainfall values and their statistics. The results show the superiority of methods based on disaggregation techniques over other methods. The methods presented and discussed in the paper may very well be applied to disaggregate mean areal rainfall values into point rainfall values and also for infilling missing rainfall records. Désagrégation spatiale de données de précipitations Résumé L'utilisation à l'échelle locale ou régionale, dans des modèles pluies débits, des résultats de modèles de circulation générale, nécessite la désagrégation de l'information hydrologique de ces modèles à une échelle plus fine. Les phénomènes hydrologiques les plus intéressants se déroulent en effet à une échelle beaucoup plus petite que celle des phénomènes modélisés par les modèles de circulation générale. Ce papier s'intéresse à la désagrégation de valeurs mensuelles de précipitations moyennées sur un bassin ou une région en précipitations ponctuelles. Il utilise certaines méthodes statistiques fondées sur l'analyse fréquentielle, l'analyse des corrélations et la désagrégation. Un total de dix méthodes différentes ont été expérimentées et leurs performances respectives ont été comparées sur la base de critères d'erreur calculés à partir des données observées et des données obtenues par désagrégation ainsi que de leurs statistiques. Les résultats montrent la supériorité des méthodes fondées sur la désagrégation. Les méthodes présentées et discutées ici peuvent parfaitement être appliquées pour désagréger des valeurs surfaciques moyennes en valeurs ponctuelles comme pour reconstituer des valeurs manquantes dans des enregistrements pluviométriques.