MGC-921: MODÉLISATION

HYDROLOGIQUE

COURS 6 : INTRODUCTION –
MODÉLISATION HYDROLOGIQUE

Annie Poulin
Professeure, ÉTS

09/04/2013 École de technologie supérieure

Plan de la séance

 Modélisation hydrologique

 Fonte de neige
Introduction à la modélisation
hydrologique
Introduction à la modélisation
hydrologique
Introduction à la modélisation
hydrologique

 Perception, en hydrologie
 Différents processus peuvent dominer dans des
environnements différents EXEMPLE ???
 Conceptualisation, en hydrologie = modèle quantitatif
 Spécification des hypothèses et simplifications
 Complexité variable
 Finalement, modèle procédural (“codé”)

Beven (2012)
Introduction à la modélisation hydrologique –
différences de conceptualisation

Relation de proportionnalité
par rapport à sol_min,
suivant
taux_vigange_sol_min
Introduction à la modélisation hydrologique –
différences de conceptualisation

“Description
plus physique”
des processus
 Introduction à la modélisation
hydrologique – types de modèles

Base physique Empirique

o Description des processus basées o Description des processus basées sur des
sur des “principes” physiques : équations empiriques et des analogies
- Conservation masse (bilan) + E
o Paramètres et variables d’état pas de sens
o Paramètres et variables d’état
physique
observales (en théorie)
 Introduction à la modélisation
hydrologique – types de modèles

Base physique Empirique

 Avec base plus physique viennent 2 choses:

  complexité : équations différentielles et résolution
numérique  TEMPS DE CALCUL
 Besoin en données (occupation territoire, types sols, …)
 Exemple de cas où ce type de modèle serait à priviliégier ?

 Autre aspect : transférabilité, robustesse d’un modèle

 Introduction à la modélisation
hydrologique – types de modèles

Globaux Distribués (spatialisés)

Nécessitent de
l’information
Font fi de toute physiographique
hétégogénéité permettant de
spatiale définir les “unités”
élémentaires
- MNE (pentes, sens
écoulement)
- Réseau hydro
(tronçons)

Pré-traitement
laborieux !
Introduction à la modélisation
hydrologique – paramètres

 Les paramètres sont là !

 Permettent un ajustement raisonnable via le calage
 … mais pas la solution à tout non plus

 Représentent tout ce qu’on ne peut mesurer

 Aucun sens physique
 Pas les moyens
Introduction à la modélisation
hydrologique – calage

Relation de proportionnalité
par rapport à sol_min,
suivant
taux_vigange_sol_min
Introduction à la modélisation
hydrologique – paramètres

 Les paramètres sont là !

 Permettent un ajustement raisonnable via le calage
 … mais pas la solution à tout non plus

 Représentent tout ce qu’on ne peut mesurer

 Aucun sens physique
 Pas les moyens

 Spatialisation des paramètres

 Par sous-bassin, secteurs du territoire
 Augmente leur nombre !
 Introduction à la modélisation
hydrologique – calage

Ajustement des paramètres

de façon à produire le
meilleur ajustement
“possible” entre réponse
hydrologique simulée et
observations
 Donées typiquement
utilisées : débits à
l’exutoire d’un bassin
 Problème inverse,
plusieurs solutions
possibles
Introduction à la modélisation
hydrologique – calage

 Différentes métriques ou fonctions objetifs

Information
Métrique Équation Commentaires
donnée
n
Ajustement des
∑ (S i − Oi ) Ne pas utiliser seul:
i=1 volumes annuels
Biais relatif n Attention au biais
∑
i
=1
Oi (bon si s’approche
nul !
de 0)

 n 
2
Ne pas utiliser seul:
R2  ∑ (O i − O )(S i − S )  Synchronisme
  Attention aux
Coefficient de  n i =1
 (varie entre 0 et 1;
n
erreurs
 ∑ i
 O O ∑ (S i − S )2 
2
détermination ( − ) bon si proche de 1)
=  i 1=i 1  systématiques !

O = valeurs observées; S = valeurs simulées; n = nombre de valeurs des séries

Introduction à la modélisation
hydrologique – calage

R2 = 1
Introduction à la modélisation
hydrologique – calage

 Différentes métriques (suite)

Information
Métrique Équation Commentaires
donnée
Dispersion entre
RMSE
1 n valeurs simulées et
Racine carrée de ∑ (S i
n i
− O i )2
observées
Sensible aux
l’erreur =1
erreurs sur les
(varie de 0 à
quadratique grandes valeurs
l’infini; bon si
moyenne
proche de 0)

n
Bon indicateur des Si négatif, la
∑ (S i − O i )2 écarts sur les moyenne est un
Coefficient de 1− i=1 pointes meilleur
n
Nash-Sutcliffe (varie entre -∞ et “prédicteur” que la
∑
i
(O i
=1
− O )2
1; bon si simulation
s’approche de 1)