Équifinalité, incertitude et procédures multi-modèle en prévision hydrologique aux sites non-jaugés

Résumé

L’objectif du présent projet de recherche est d’analyser diverses méthodes de prévision hydrologique sur des bassins versants non-jaugés et d'en mieux comprendre les limitations afin d’y apporter des améliorations. Ce projet est divisé en trois parties distinctes, chacune ayant contribué à au moins un article scientifique parmi les sept contenus dans cette thèse. La première partie consiste en la réduction de l’incertitude paramétrique en améliorant le calage des modèles hydrologiques. Une comparaison et une analyse de 10 méthodes d’optimisation automatiques a permis d’identifier les algorithmes les mieux adaptés aux problèmes de calage associés à ce projet. Cela a permis d’identifier des jeux de paramètres plus performants et plus robustes, ce qui s’avère être une hypothèse forte dans certaines méthodes de régionalisation. Dans la même optique, des méthodes de réduction paramétrique ont été testées et une approche de fixage de paramètres par analyse de sensibilité globale a été sélectionnée. Il a été démontré que le modèle hydrologique HSAMI pouvait, avec entre 8 et 11 paramètres fixés sur 23, conserver sa performance en validation ou en régionalisation. Cependant, malgré la réduction de l’équifinalité et l’amélioration de l’identification paramétrique, fixer des paramètres ne contribue pas à augmenter la performance des méthodes de régionalisation. Cette conclusion va à l’encontre du concept de parcimonie généralement accepté dans la communauté scientifique. La seconde partie du projet touche la modélisation multi-modèle, où il a été montré que de pondérer les hydrogrammes simulés de plusieurs modèles améliore la performance de manière significative par rapport au meilleur modèle individuel. Une comparaison des approches classiques de pondération multi-modèle ainsi que le développement d’une nouvelle méthode a permis de sélectionner le meilleur outil pour les besoins du projet. Deux essais ont été effectués en multi-modèle. Premièrement, l’approche multi-modèle a été appliquée en régionalisation avec trois modèles hydrologiques. Cependant, il a été démontré que la robustesse de deux des modèles était insuffisante pour améliorer les performances du troisième. Enfin, une approche novatrice multi-modèle dans laquelle un modèle est lancé avec plusieurs sources de données différentes a montré sa capacité à réduire les erreurs liées aux données météorologiques en simulation. La dernière partie du projet est directement liée à la régionalisation. Il y a été démontré que l’équifinalité paramétrique n’influence que très peu la qualité des prévisions aux sites nonjaugés et que la performance du modèle est plus importante que l’identifiabilité des paramètres, du moins, pour le modèle hydrologique utilisé ici. Une nouvelle approche hybride de régionalisation a également été proposée. Cette nouvelle approche a montré une meilleure performance que les approches classiques. Finalement, les approches de régionalisation ont été mises à l’épreuve dans un laboratoire numérique issu d’un modèle régional de climat. Ceci a permis de les analyser dans un environnement exempt d’erreurs de mesure sur les données météorologiques et physiographiques. La cohérence physique entre la météorologie et l’hydrologie de ce monde virtuel était également respectée. Il a été démontré que les descripteurs physiques ne sont pas suffisants pour prévoir la capacité d’une méthode de régionalisation à bien fonctionner, en plus de montrer que les incertitudes liées à ces mesures sont moins importantes que ce qui rapporté dans la littérature.

Date	15 mai 2015
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	François Brissette (Directeur(-trice)) & Daniel Caya (Codirecteur(-trice))