Au Canada, on a toujours estimé les valeurs extrêmes de précipitation en appliquant la distribution de Gumbel aux maxima enregistrés à des emplacements particuliers à l’aide de la méthode des moments (MOM). Cependant, des études ont montré que les analyses fréquentielles régionales (AFR) pouvaient s’avérer plus fiables que les méthodes sur le terrain. De plus, il semble que la distribution généralisée des valeurs extrêmes (GEV) de type Fréchet décrit mieux la distribution des extrêmes annuels que celle de type Gumbel. Dans la présente étude, la MOM de Gumbel et les analyses de la GEV sur le terrain, basées sur le moment L et sur les estimateurs de probabilité maximale (EPM) et de probabilité maximale généralisée (EPMG), sont comparées aux méthodes des AFR basées sur le moment L, dans des stations du sud de la Colombie-Britannique, au Canada, par validation croisée et à l’aide de simulations de Monte Carlo. Les paramètres de forme de la GEV sont principalement négatifs et font peu apparaître, sur le plan qualitatif, la GEV de type Fréchet et l’on n’observe pas sur le terrain de différences importantes avec la distribution de Gumbel dans la région considérée. Les AFR entraînent une nette réduction des erreurs, comparativement aux méthodes sur le terrain, en particulièrement dans le cas de la GEV et des petits échantillons. Bien que les estimateurs de Gumbel présentent une variance plus faible que ceux de la GEV, ils sont également plus biaisés et sous-estiment les niveaux de retour centennaux. Parmi les estimateurs de la GEV sur le terrain, les EPMG semblent être plus efficaces que l’estimateur basé sur le moment L, s’approchant parfois de l’efficacité des AFR. Les EPM sont quant à eux les estimateurs les plus inefficaces, notamment dans le cas des échantillons de petite taille. [Traduit par la Rédaction]

Rainfall extreme value estimates in Canada have historically been based on fitting the Gumbel distribution to annual maxima at individual sites by the method of moments (MOM). Studies have, however, shown that regional frequency analyses (RFA) may perform better than at-site methods. Also, the Fréchet rather than Gumbel form of the generalized extreme value (GEV) distribution may better describe the distribution of annual extremes. In this study, at-site Gumbel MOM and GEV extreme value analyses based on L-moment, maximum likelihood (MLE), and generalized maximum likelihood (GML) estimators are compared against RFA with L-moment methods at stations in southern British Columbia, Canada via cross-validation and Monte Carlo simulations. While GEV shape parameter estimates are predominately negative, qualitatively showing weak evidence for the Fréchet form of the GEV distribution, field significant differences from the Gumbel distribution in the region are not found. Regional frequency analysis leads to substantial reductions in error relative to at-site methods, especially for the GEV distribution and small samples. While Gumbel estimators exhibit lower variance than GEV estimators, they are also more biased, underestimating 100 year return levels. Of the at-site GEV estimators, GML tended to perform better than the L-moment estimator, in some cases nearing performance of RFA. Maximum likelihood performed worst, especially for small samples sizes.