Régionalisation d'un modèle hydrologique distribué pour la modélisation de bassins non jaugés. Application aux vallées de la Loire et de la Durance
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 |
Examinateurs / Examinatrices : András Bárdossy, Isabella Zin, Matthieu Le Lay | |
Rapporteurs / Rapporteuses : Isabelle Braud, Roger Moussa |
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.