Hydrologie du bassin amazonien : compréhension et prévision fondées sur la modélisation hydrologique-hydrodynamique et la télédétection

par Rodrigo Cauduro Dias de Paiva

Thèse de doctorat en Hydrologie, hydrochimie, sol, environnement

Soutenue en 2013

à Toulouse 3 en cotutelle avec l'Universidade Federal do Rio Grande do Sul .


  • Résumé

    Le bassin Amazonien est connu comme le plus grand système hydrologique du monde et pour son rôle important sur le système terre, influençant le cycle du carbone et le climat global. Les pressions anthropiques récentes, telles que la déforestation, les changements climatiques, la construction de barrage hydro-électriques, ainsi que l'augmentation des crues et sècheresse extrêmes qui se produisent dans cette région, motivent l'étude de l'hydrologie du bassin Amazonien. Dans le même temps, des méthodes hydrologiques de modélisation et de surveillance par observation satellitaire ont été développées qui peuvent fournir les bases techniques à cette fin. Ce travail a eu pour objectif la compréhension et la prévision du régime hydrologique du bassin Amazonien. Nous avons développé et évaluer des techniques de modélisation hydrologique-hydrodynamique de grande échelle, d'assimilation de données in situ et spatiales et de prévision hydrologique. L'ensemble de ces techniques nous a permis d'explorer le fonctionnement du bassin Amazonien en terme de processus physiques et de prévisibilité hydrologique. Nous avons utilisé le modèle hydrologique-hydrodynamique de grande échelle MGB-IPH pour simuler le bassin, le forçage précipitation étant fourni par l'observation spatiale. Les résultats de la modélisation sont satisfaisants lorsque validés à partir de données in situ de débit et de hauteurs d'eau mais également de données dérivées de l'observation spatiale incluant les niveaux d'eau déduits de l'altimètrie radar, le contenu en eau total issu de la gravimétrie satellitaire, l'extension des zones inondées. Nous avons montré que les eaux superficielles sont responsables en grande partie de la variation du stock total d'eau, l'influence des grands plans d'eau sur la variabilité spatiale des précipitations et l'influence des plaines d'inondation et des effets de remous sur la propagation des ondes de crues. Nos analyses ont montré le rôle prépondérant des conditions initiales, en particulier des eaux superficielles, pour la prévisibilité des grands fleuves Amazoniens, la connaissance des précipitations futures n'ayant qu'une influence secondaire. Ainsi, pour améliorer l'estimation des variables d'état hydrologiques, nous avons développé, pour la première fois, un schéma d'assimilation de données pour un modèle hydrologique-hydrodynamique de grande échelle, pour l'assimilation de donnèes de jaugeages in situ et dérivées de l'altimètrie radar (dèbit et hauteur d'eau), dont les résultats se sont montrés satisfaisants. Nous avons également développé un prototype de système de prévision des débits pour le bassin Amazonien, basé sur le modèle initialisé avec les conditions initiales optimales fournies par le schéma d'assimilation de données, et en utilisant la pluie estimée par satellite disponible en temps réel. Les résultats ont été prometteurs, le modèle étant capable de prévoir les débits dans les principaux fleuves Amazoniens avec une antécédence importante (entre 1 et 3 mois), permettant d'anticiper, par exemple, la sècheresse extrême de 2005. Ces résultats démontrent le potentiel de la modélisation hydrologique appuyé par l'observation spatiale pour la prévision des débits avec une grande antécédence dans les grands bassins versant mondiaux.

  • Titre traduit

    Hydrology of the Amazon basin : understanding and forecasting based on hydrologic-hydrodynamic modelling and remote sensing


  • Résumé

    The Amazon basin is known as the world's main hydrological system and by its important role in the earth system, carbon cycle and global climate. Recent anthropogenic pressure, such as deforestation, climate change and the construction of hydropower dams, together with increasing extreme floods and droughts, encourage the research on the hydrology of the Amazon basin. On the other hand, hydrological methods for modeling and remotely sensed observation are being developed, and can be used for this goal. This work aimed at understanding and forecasting the hydrology of the Amazon River basin. We developed and evaluated techniques for large scale hydrologic-hydrodynamic modeling, data assimilation of both in situ and remote sensing data and hydrological forecasting. By means of these techniques, we explored the functioning of the Amazon River basin, in terms of its physical processes and its hydrological predictability. We used the MGB-IPH large scale hydrologichydrodynamic model forced by satellite-based precipitation. The model had a good performance when extensively validated against in situ discharge and stage measurements and also remotely sensed data, including radar altimetry-based water levels, gravimetric-based terrestrial water storage and flood inundation extent. We showed that surface waters governs most of the terrestrial water storage changes, the influence of large water bodies on precipitation spatial variability and the importance of the floodplains and backwater effects on the routing of the Amazon floodwaves. Analyses showed the dominant role of hydrological initial conditions, mainly surface waters, on hydrological predictability on the main Amazon Rivers, while the knowledge of future precipitation may be secondary. Aiming at the optimal estimation of these hydrological states, we developed, for the first time, a data assimilation scheme for both gauged and satellite altimetry-based discharge and water levels into a large scale hydrologic-hydrodynamic model, and it showed a good performance. We also developed a forecast system prototype, where the model is based on initial conditions gathered by the data assimilation scheme and forced by satellite-based precipitation. Results are promising and the model was able to provide accurate discharge forecasts in the main Amazon rivers even for very large lead times (~1 to 3 months), predicting, for example, the historical 2005 drought. These results point to the potential of large scale hydrological models supported with remote sensing information for providing hydrological forecasts well in advance at world's large rivers and poorly monitored regions.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (153 p.)
  • Annexes : Bibliogr. p. 130-134

Où se trouve cette thèse ?

  • Bibliothèque : Université Paul Sabatier. Bibliothèque universitaire de sciences.
  • Disponible pour le PEB
  • Cote : 2013 TOU3 0040

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Université Pierre et Marie Curie. Bibliothèque Universitaire Pierre et Marie Curie. Section Sciences de la Terre Recherche - cartothèque - CADIST.
  • Disponible pour le PEB
  • Cote : 13 TOU3 0040
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.