Construction et évaluation de signatures hydrologiques pour le diagnostic et l'amélioration d'un modèle hydrologique distribué - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

Design and evaluation of hydrological signatures for the diagnostic and improvement of a process-based distributed hydrological model

Construction et évaluation de signatures hydrologiques pour le diagnostic et l'amélioration d'un modèle hydrologique distribué

Résumé

The evaluation of hydrological models is typically based on comparisons of observed and sim-ulated streamflow time series using performance metrics such as the Nash-Sutcli˙e Eÿciency. Although it provides relevant measures of the predictive performance of a model, this type of approach provides very little information on the reasons behind good or bad performance. Instead, Gupta et al. (2008) proposed to use hydrological signatures which are indicators that characterize catchment behaviors. Because they can be related to hydrological processes, using them when comparing observation with simulation enable the evaluation of the model while o˙ering diagnostics, i.e. indications on the hydrological processes that are well or badly repre-sented in the model.In this PhD thesis, we focus on the interpretations and diagnostic power of hydrological signatures and how they can be used to guide the improvement of a distributed model. We present the building of a set of hydrological signatures, using only widely available data – pre-cipitation, streamflow and air temperature – to characterize the hydrological functioning of 4 Ardèche sub-catchments (South East of France) and 10 snow dominated catchments of the Southern Sierra mountains (California, USA). Already existing and new hydrological signatures are selected and/or designed. Collectively, they can characterize catchment behavior in a wide variety of hydro-climatic contexts. We demonstrate the value of additional snow measurements to evaluate the information content of snow dedicated hydrological signatures. In the context of the Ardèche catchment, we set up the J2000 distributed model and use a sensitivity analysis to understand how the hydrological signatures are linked to the model parameters. This provides insights into how they are to be interpreted in the context of the J2000 Ardèche model and allows the assessment of their diagnostic power. Finally, combining the results of the sensi-tivity analysis with comparisons between observed and simulated hydrological signatures, we undertake an in-depth diagnostic of the model to provide and test recommendations for its improvement. Deficiencies of the model functioning are identified, mainly related to soil and groundwater storage and fluxes, highlighting issues in the spatial representation of soil and geological properties.
L’évaluation des modèles hydrologiques est généralement basée sur des comparaisons des séries de débit observées et simulées à l’aide de critères de performance tels que le Nash-Sutcliffe Efficientcy. Bien que cette approach fournisse des mesures pertinentes de la performance prédictive d’un modèle, elle ne fournit que très peu d’informations sur les raisons d’une bonne ou d’une mauvaise performance. Gupta et al. (2008) ont proposé d’utiliser plutôt des signatures hydrologiques, des indicateurs qui caractérisent le comportement d’un bassin versant. Étant donné que les signatures hydrologiques peuvent être liées aux processus hydrologiques, la comparaison des signatures hydrologiques observées et simulées permet l’évaluation du modèle tout en offrant des diagnostics, i.e. des indications sur les processus hydrologiques qui y sont bien ou mal représentés.Dans cette thèse de doctorat, nous nous concentrons sur l’interprétation et le pouvoir diagnostique des signatures hydrologiques et comment celles-ci peuvent être utilisées pour guider l’amélioration d’un modèle distribué. Nous présentons la construction d’un jeu de signatures hydrologiques, utilisant uniquement des données largement disponibles – précipitations, débit et température de l’air – pour caractériser le fonctionnement hydrologique de 4 sous-bassins versants (Sud-Est de la France) et 10 bassins versants de montagne à influence nival (Southern Sierra, Californie, États-Unis). Des signatures hydrologiques existantes et des nouvelles sont sélectionnées et/ou développées. Collectivement, elles permettent de caractériser le comportement de bassins versants dans une grande variété de contextes hydro-climatiques. En nous concentrant sur les processus de neige, des mesures de neige supplémentaires nous permettent d’évaluer la pertinence des signatures hydrologiques dédiées aux processus nivaux. Par ailleurs, le modèle J2000 est déployé sur le bassin versant de l’Ardèche et une analyse de sensibilité est réalisée afin de comprendre comment les signatures hydrologiques sont liées aux paramètres du modèle. Cela nous permet de déterminer la façon dont elles doivent être interprétées dans le contexte du modèle J2000 de l’Ardèche et permet l’évaluation de leur pouvoir diagnostic. Enfin, en combinant les résultats de l’analyse de sensibilité avec des comparaisons entre signatures observées et simulées, nous entreprenons un diagnostic approfondi du modèle afin de dériver et tester des recommandations pour son amélioration. Nous identifions des déficiences du modèle, principalement liées au stockage de l’eau souterraine et des sols, mettant en évidence des problèmes de représentation spatiale des propriétés géologiques et pédologiques.
Fichier principal
Vignette du fichier
HORNER_2020_diffusion.pdf (40.04 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-02928272 , version 1 (02-09-2020)

Identifiants

  • HAL Id : tel-02928272 , version 1

Citer

Ivan Horner. Construction et évaluation de signatures hydrologiques pour le diagnostic et l'amélioration d'un modèle hydrologique distribué. Hydrologie. Université Grenoble Alpes [2020-..], 2020. Français. ⟨NNT : 2020GRALU014⟩. ⟨tel-02928272⟩
296 Consultations
36 Téléchargements

Partager

Gmail Facebook X LinkedIn More