Evaluating climate model ensembles design for hydrological impact assessment: uncertainty attribution, transferability, and weighting

Résumé

Comprendre les impacts des changements climatiques sur la disponibilité en eau et les extrêmes hydrologiques est essentiel pour une planification efficace des ressources hydriques. Les évaluations d’impact hydrologique reposent largement sur des ensembles de modèles climatiques globaux (GCM) pour quantifier les changements futurs et leurs incertitudes. L’utilisation d’ensembles multi-modèles (MME) pose toutefois plusieurs défis méthodologiques : choix des modèles, attribution des incertitudes et pondération des modèles constituant l’ensemble. L’utilisation d’un sous-ensemble réduit de GCMs implique des compromis entre faisabilité computationnelle et représentativité. De même, la pondération des modèles selon leur performance ou leur indépendance influence les résultats et les limites d’incertitude. Pourtant, malgré l’importance de ces choix, il existe peu de consensus sur les meilleures pratiques, et leur influence sur les projections hydrologiques demeure peu explorée. Pour y répondre, trois objectifs guident cette thèse : (1) quantifier l’impact de la sélection de GCM basée sur des indices climatiques sur le transfert d’incertitude vers les projections hydrologiques ; (2) examiner les effets hydrologiques de l’inclusion ou exclusion de modèles à forte sensibilité climatique ; (3) comparer l’effet de différentes pondérations sur l’incertitude des projections de débits futurs. L’objectif n’est pas de promouvoir une stratégie unique, mais de comprendre comment les choix de conception d’ensembles influencent la propagation de l’incertitude climatique dans l’espace hydrologique. La première analyse étudie le transfert d’incertitude climatique vers les sorties hydrologiques via des méthodes d’échantillonnage (ex. : algorithme KKZ) pour sélectionner des modèles selon des indices de température et de précipitation. L’expérience, menée sur 3 540 bassins nord-américains avec 20 GCM de l’ensemble CMIP5, deux approches de corrections de biais et trois modèles hydrologiques, montre que des ensembles réduits bien conçus peuvent conserver l’essentiel de la dispersion observée. Toutefois, ce transfert est non uniforme et non linéaire : de petites variations de précipitations peuvent produire de fortes différences de débits, surtout aux extrêmes, influencées par la structure du modèle hydrologique et les caractéristiques du bassin. La deuxième analyse évalue l’exclusion des modèles à forte sensibilité climatique (« modèles chauds ») sur 3107 bassins nord-américains, en utilisant 19 GCM de l’ensemble CMIP6 dont cinq « modèles chauds ». Leur retrait réduit l’incertitude dans certaines régions (Alaska, sudouest des É.-U., parties du Canada) mais l’augmente ailleurs, soulignant l’importance d’évaluer les GCM sur des critères régionaux, et pas seulement globaux. Enfin, la thèse teste plusieurs schémas de pondération via une expérience dans une pseudoréalité, où chaque GCM est traité comme la « vraie » réalité future. Six méthodes sont appliquées à 22 GCM couplés à un modèle hydrologique sur 3 107 bassins. Les pondérations inégales basées sur les observations historiques améliorent les projections climatiques, mais l’effet sur les débits est atténué, surtout après correction de biais, laquelle réduit la sensibilité aux choix de pondération. Cette thèse apporte des perspectives nouvelles sur la conception des ensembles de modèles climatiques pour les évaluations d’impact hydrologique. Elle souligne que la construction d’ensembles doit intégrer le comportement pertinent pour l’impact (variabilité, saisonnalité des débits) et trouver un équilibre entre diversité, efficacité computationnelle et pertinence pour l’application visée.

Date	18 nov. 2025
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	François Brissette (Directeur(-trice))