Régionalisation d'un modèle hydrologique distribué pour la modélisation de bassins non jaugés. Application aux vallées de la Loire et de la Durance

Regionalization of a distributed hydrological model for the modelling of ungauged basins. Application to the Loire and Durance valleys

• Auteur / Autrice : Laura Rouhier
• Direction : Pierre Ribstein, Federico Garavaglia
• Type : Thèse de doctorat
• Discipline(s) : Hydrologie
• Date : Soutenance le 22/10/2018
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Géosciences, ressources naturelles et environnement (Paris)
• Partenaire(s) de recherche : Laboratoire : Milieux environnementaux, transferts et interactions dans les hydrosystèmes et les sols (Paris ; 1997-....)
• Jury : Président / Présidente : Agnès Ducharne
• Jury : Examinateurs / Examinatrices : András Bárdossy, Isabella Zin, Matthieu Le Lay
• Jury : Rapporteurs / Rapporteuses : Isabelle Braud, Roger Moussa

Mots clés

Mots clés contrôlés

Durance (France ; cours d'eau)

Loire (France ; cours d'eau)

Hydrologie des versants

Cours d'eau -- Jaugeage

Modèles hydrologiques

Mots clés libres

Modélisation hydrologique distribuée

Régionalisation

Bassins versants non jaugés

Transposition

Prescription

Contrainte

Distributed hydrological modelling

Regionalization

Ungauges basins

Transposition

Prescription

Constraint

Résumé

Pour fournir des simulations fiables, les modèles hydrologiques nécessitent usuellement le calage de leurs paramètres sur des données de débit. Toutefois, ces dernières sont limitées et la plupart des bassins versants sont non jaugés. Des méthodes alternatives regroupées sous le terme de 'régionalisation' sont alors nécessaires pour estimer les paramètres des modèles. La thèse propose de combiner les trois méthodes les plus classiques afin de régionaliser les paramètres d'un modèle distribué sur deux grands bassins versants français : la Loire à Gien et la Durance à Cadarache. À partir des trois méthodes de régionalisation, le degré de spatialisation est adapté aux différents paramètres du modèle d'après leurs caractéristiques et leur rôle hydrologique. In fine, l'approche multi-méthode et multi-motif proposée (i) réduit considérablement le nombre de degrés de liberté du modèle, (ii) améliore la représentation de la variabilité physique du bassin et (iii) améliore très nettement les performances des simulations. En contexte non jaugé, la spatialisation des paramètres permet un gain d'environ 10 %, l'approche multi-méthode et multi-motif apportant en particulier un gain d'environ 7 % par rapport à une méthode de régionalisation unique. Malgré ces gains, l'impact de la spatialisation des forçages météorologiques demeure 6 fois plus important que spatialisation des paramètres.

To provide reliable simulations, hydrological models usually require the calibration of their parameters over streamflow data. However, the latter are limited and most of the catchments remained ungauged. Consequently, alternative methods termed ‘regionalization’ are needed to estimate model parameters. The thesis proposes to combine the three classical methods in order to regionalize the parameters of a distributed model over two large French catchments: the Loire catchment at Gien and the Durance catchment at Cadarache. On the basis of the three regionalization methods, the degree of spatialization is adapted to the different model parameters according to their characteristics and their hydrological role. In fine, the proposed multi-method and multi-pattern approach (i) significantly reduces the number of degrees of freedom, (ii) improves the representation of the catchment physical variability, and (iii) significantly improves the performance of the simulations. In the ungauged context, the parameter spatialization allows an improvement of about 10%, and in particular, the multi-method and multi-pattern povides an improvement of about 7% compared to a single regionalization method. Despite these improvements, the impact of the climatic input spatialization remains 6 times greater than th parameter spatialization.