Assimilation de données d'observation satellitaire d'inondation pour une meilleure paramétrisation des modèles hydrauliques à large échelle.

Assimilation of satellite earth observation-derived flood maps for a better parameterization of large scale hydraulic models.

• Auteur / Autrice : Vita Ayoub
• Direction : Carole Delenne
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'Eau
• Date : Soutenance le 02/12/2022
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : Biodiversité, Agriculture, Alimentation, Environnement, Terre, Eau
• Partenaire(s) de recherche : Laboratoire : HydroSciences (Montpellier)
• Jury : Président / Présidente : Gilles Belaud
• Jury : Examinateurs / Examinatrices : Carole Delenne, Gilles Belaud, Robert Mosé, Hélène Roux, Renaud Hostache, Sylvain Biancamaria, Laurent Pfister, Marie-Paule Bonnet
• Jury : Rapporteurs / Rapporteuses : Robert Mosé, Hélène Roux

Mots clés

Mots clés contrôlés

Inondations

Hydraulique

Assimilation de données (géophysique)

Mots clés libres

Modèle hydraulique

Assimilation de données

Cartographie d'inondation

Données satellitaires

Haute résolution

Large échelle

Hydraulic model

Data assimilation

Flood mapping

Satellite data

High-Resolution data

Large scale

Résumé

Dans le but d'évaluer les risques d'inondation à grande échelle, il existe actuellement un intérêt croissant pour les modèles d'inondation à l'échelle régionale et mondiale. Cependant, la cartographie des risques d'inondation à haute résolution et sur de grandes zones reste un défi en raison: i) du manque récurrent de données hydrologiques in situ; ii) des temps calcul souvent élevés des modèles hydrodynamiques précis lorsqu'ils sont appliqués sur de grandes zones; et iii) de l'incertitude souvent importante des modèles en raison des simplifications physiques, des approximations numériques et de l'incertitude des données d'entrée et géométriques. Dans ce contexte, la thèse se concentre sur une question de recherche principale: Comment intégrer de manière optimale de grandes collections d'informations satellitaires sur les inondations pour paramétrer et contrôler des modèles hydrauliques à grande échelle dans des zones peu instrumentées?Les travaux de thèse s'appuient d'une part, sur un cadre de modélisation hydraulique innovant qui utilise une version de SW2D basée sur une porosité variable en fonction de la profondeur, appelée SW2D-DDP (Shallow Water with Depth-Dependant Porosity). Ce modèle utilise un maillage non structuré et intègre les concepts de porosité en combinaison avec les équations traditionnelles de Barré de Saint-Venant 2D. Dans ce modèle, la définition de la porosité variable en fonction de la profondeur de l'eau permet de représenter une géométrie plus détaillée de la plaine d'inondation et du lit de la rivière, même en adoptant des tailles de cellules comparativement grandes. Ainsi, l'un des objectifs principaux de la thèse est l'évaluation de l'approche de modélisation développée pour une application à large échelle. D'autre part, le manque de méthodes efficaces en temps de calcul pour l'estimation des niveaux d'eau dans des zones inondées, motive l'exploitation de données satellitaires et topographiques, de plus en plus disponibles globalement. Les études récentes ont permis l'automatisation d'algorithmes robustes d'extraction d'étendues inondées. Néanmoins, les algorithmes d'estimation de niveaux d'eau spatialement distribués, restent limités. Ainsi, un deuxième objectif est de développer un algorithme automatique d'estimation de niveaux d'eau à partir de données satellitaires et topographiques uniquement. En outre, l'intégration efficace de ces informations de télédétection sur les inondations dans les modèles hydrauliques reste un problème crucial. Ainsi, un algorithme d'assimilation de données (de cartes d'étendues inondées) basée sur un filtre à particules à tempérage est exploité pour combiner de manière optimale les données observées et simulées par le modèle dans le but~: i) de réduire les incertitudes liées à ces deux sources d'information et ii) de réestimer la bathymétrie dans ce modèle hydraulique lorsque cette donnée n'est pas disponible.

With the objective of assessing flood hazard at a large scale, there is currently a growing interest for regional to global scale flood models. However, predicting flood hazard at high resolution and over large areas remains challenging due to (i) the recurrent lack of in situ hydrological data, (ii) the high computing demand of accurate hydrodynamic models when applied over large areas and (iii) the rather large model uncertainty due to physical simplifications, numerical approximations and uncertainty in input and geometrical data. In this context, the PhD focuses on one main research question: emph{How to optimally integrate large collections of satellite derived flood information for parameterizing and controlling large scale hydraulic models over data scarce areas?}The PhD leverages recent developements in hydrodynamic modelling and proposes an innovative hydraulic modelling framework based on the two-dimensionnal shallow water model with depth dependant porosity (SW2D-DDP). This model uses an unstructured mesh and incorporates porosity concepts in combination with the traditional 2D shallow water equations. In this model, the definition of porosity as a function of water depth allows for a more detailed representation of the floodplain and riverbed geometry, even when adopting comparatively large cell sizes. Thus, one of the main objectives of the thesis is the evaluation of the developed modelling approach for large-scale applications. Moreover, the lack of input data often required for hydraulic models, motivates the exploitation of satellite and topographic data, which are becoming increasingly globally available. Recent studies have enabled the automatic extraction of flooded areas via robust and effective algorithms. Nevertheless, automatic and efficient algorithms for estimating spatially distributed water levels are still lacking. Thus, a second objective is to develop an automatic water level estimation algorithm using satellite and topographic data only. In addition, the efficient integration of this remote sensing flood information into hydraulic models remains a crucial problem. As a matter of fact, a data assimilation algorithm (of inundation extent maps) based on a tempered particle filter is exploited to optimally combine observation and model data in order to: i) reduce the uncertainties related to these two sources of information and ii) optimally represent the bathymetry in this hydraulic model.