Amélioration des prévisions hydrologiques d’ensemble dans un contexte de modélisation multi-modèle

Résumé

Que ce soit en contexte de gestion de réservoirs hydroélectrique, gestion des inondations ou toutes autres opérations visant à contrôler des afflux d’eau, les hydrologues se servent de prévisions hydrologiques afin de prendre leurs décisions opérationnelles. Pour ce faire, ils doivent considérer les risques financiers, environnementaux et avant tout, ceux liés à la sécurité du public. La prévision d’ensemble est un type de prévision hydrologique qui permet d’évaluer le risque en tenant compte des incertitudes de ces prévisions. Toutefois, les prévisions hydrologiques d’ensemble sont souvent biaisées et leur distribution est souvent sous dispersée lorsqu’elles sont comparées aux observations. Cette problématique provient principalement de l’incertitude des prévisions météorologiques d’ensemble servant à alimenter des modèles hydrologiques pour en obtenir des prévisions de débits en rivières, et aussi du ou des modèles utilisés. Ces prévisions erronées peuvent ainsi contribuer à des prises de décisions opérationnelles pouvant mettre en danger le public et les infrastructures. Ce projet de recherche présente une nouvelle méthodologie qui vise à améliorer la précision des prévisions hydrologiques d’ensemble utilisées en gestion des ressources hydriques. Cette méthodologie a été évaluée sur cinq bassins versants du partenaire industriel Rio Tinto dans la région du Lac-Saint-Jean, au Québec. Les prévisions météorologiques d’ensemble (50 membres) de l’ECMWF de 2015 à 2019 ont été utilisées afin de renseigner huit modèles hydrologiques globaux sur un horizon de neuf jours. Suite à la calibration des modèles hydrologiques, une méthode d’assimilation de données basée sur les filtres d’ensemble de Kalman (EnKF) est employée afin de modifier les conditions initiales de chaque modèle hydrologique dans le but de représenter les différentes sources d’incertitudes au niveau des observations. Ensuite, un post-traitement des ensembles hydrologiques de chaque modèle est effectué en utilisant la méthode de correction de biais par quantiles (QM). Ces mêmes ensembles hydrologiques sont finalement regroupés en un grand ensemble multi-modèle dans l’objectif d’avoir un meilleur échantillonnage de l’incertitude totale, et ainsi uniformiser sa distribution. Afin d’évaluer les résultats obtenus par la méthodologie et de ses différentes étapes, plusieurs critères de performance sont employés. Les diagrammes de Talagrand, deux métriques de quantification de la fiabilité et de la précision, ainsi que le test statistique de Kolmogorov- Smirnov, servent à évaluer la robustesse de la méthodologie. Cette évaluation est effectuée sur quatre périodes distinctes, représentant différents régimes hydrologiques sur les bassins versants. Malgré des difficultés durant la période de la crue printanière, les résultats obtenus indiquent que chaque étape de la méthodologie permet d’améliorer la précision des prévisions hydrologiques d’ensemble sur les cinq bassins versants à l’étude. Finalement, l’utilisation du multi-modèle améliore significativement la précision et l’étendue des ensembles hydrologiques sur un horizon de neuf jours. Ce projet démontre qu’il est donc possible de corriger les biais et d’améliorer la fiabilité des prévisions hydrologiques d’ensemble.

Date	11 déc. 2020
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Richard Arsenault (Directeur(-trice)) & Jean-Luc Martel (Codirecteur(-trice))