Dépôt numérique
RECHERCHER

Évaluation de diverses techniques de mise à l'échelle statistique des indices qui caractérisent le débit d'étiage de trois rivières de l'est du Canada.

Joshi, Deepti (2014). Évaluation de diverses techniques de mise à l'échelle statistique des indices qui caractérisent le débit d'étiage de trois rivières de l'est du Canada. Thèse. Québec, Université du Québec, Institut national de la recherche scientifique, Doctorat en sciences de l'eau, 256 p.

[img]
Prévisualisation
PDF
Télécharger (12MB) | Prévisualisation

Résumé

L'étiage est une période de l'année hydrologique pouvant s'avérer critique sur divers plans, notamment en ce qui a trait aux pêcheries, à la capacité d'assimilation des plans d'eau, à la disponibilité de l'eau potable et à la navigation. Toutefois, malgré l'importance évidente que revêt le facteur climatique relativement à la variabilité des débits d'étiage, bien peu d'études portent sur cette question. La plupart des études de mise à l'échelle de données hydro climatiques qui portent sur les étiages présentent une approche à deux étapes: (1) les sorties issues d'un modèle de circulation générale (MCG) ou d'un modèle climatique régional sont utilisées pour la mise à l'échelle des variables climatiques locales, dont les précipitations et la température; puis (2) les variables ainsi ramenées à l'échelle locale sont insérées dans un modèle hydrologique afin de procéder à une simulation des débits qui peuvent ensuite servir à calculer des indices descripteurs du débit d'étiage. Le cadre de mise à l'échelle utilisant un modèle hydrologique (ou approche indirecte de mise à l'échelle) est entravé par certains écarts entre les sorties du MCG et les entrées requises au modèle hydrologique, les incertitudes relatives à la mise à l'échelle des variables climatiques et à l'estimation des paramètres du modèle, de même que par la propagation d'erreurs à travers les modèles de mise à l'échelle et hydrologique. Pour contourner ces contraintes, certaines études ont tenté d'établir un lien directe entre les variables climatiques à grande échelle et le débit. Toutefois, ces liens directs n'ont pas été explorés de façon aussi exhaustive que les approches indirectes de mise à l'échelle. La présente étude vise ainsi à comparer les approches directe (AD) et indirecte (AI) de mise à l'échelle en vue de caractériser le régime d'étiage de trois rivières de l'est du Canada, soit les rivières Moisie, Romaine et Ouelle. Le régime d'étiage des rivières est caractérisé par le calcul d'indices hydrologiques (IH). En plus de ces approches, une troisième méthode a été mise en oeuvre, laquelle comprend l'introduction de variables météorologiques observées dans le modèle hydrologique choisi en vue de simuler des débits qui serviront ensuite à calculer les IH. Cette approche a été appelée « Approche de validation partielle» (AVP). Les modèles statistiques utilisés pour la mise à l'échelle des IH selon l'AD et des variables climatiques locales selon la AI sont un modèle stochastique d'apprentissage bayésien (MSAB) et la régression linéaire multiple (RLM). D'un côté, le MSAB permet de définir des relations non linéaires entre les variables climatiques à grande échelle (prédicteurs) et la variable mise à l'échelle (prédictant) à l'aide d'un cadre probabiliste qui désavantage les modèles complexes en définissant une fonction de probabilité a priori associée aux coefficients de pondération. Ultimement, l'algorithme conduit à un modèle dans lequel la valeur de la plupart des coefficients de pondération est de zéro. Les paramètres correspondants sont alors exclus du modèle prédictif, ce qui assure la parcimonie de la méthode. De l'autre côté, la RLM s'appuie sur les relations linéaires entre les prédicteurs et le prédictant. Le MSAB a été mis en oeuvre sous forme d'une machine à vecteur de pertinence (MVP, ou 'Relevant Vector Machine') alors que la RLM a été mise en oeuvre à l'aide de l'outil mise à l'échelle statistique automatique ASD. Le choix des prédicteurs pour la MVP a été fait à l'aide de l'analyse de corrélation canonique (ACC) alors que l'ASD utilise la régression multiple pas à pas descendante (RMD). En plus de l'ACC et de la régression pas à pas qui sont des constituantes de l'approche indirecte, un algorithme de programmation génétique (PG) a été testé pour la sélection des prédicteurs. Ce type d'algorithme fait évoluer un modèle mathématique à partir de fonctions non-linéaires d'ordre peu élevé qui transforment les variables d'entrée. Les prévisions des IH à partir de deux modèles (ECHAM5 (MCG) et le Modèle régional canadien du climat, MRCC) de 2021 à 2050 et de 2051 à 2070 ont également été analysées. Les trois rivières sélectionnées sont hôtes de populations de saumon atlantique (Salmo salar), espèce qui est sensible aux conditions hydrologiques et thermiques associées aux étiages sévères. Les rivières Moisie et Romaine se situent sur la rive nord du fleuve Saint-Laurent alors que la rivière Ouelle est située sur la rive sud. Les régimes d'étiage de la Moisie et de la Romaine se caractérisent par des débits hivernaux très faibles attribuables à de basses températures prolongées. Ces conditions sont attribuées à l'occurrence de précipitations sou form de neige et des periods prolongée de temperature froide. Quant à la rivière Ouelle, elle se caractérise par des débits estivaux très faibles, probablement en raison des faibles précipitations et de l'évaporation relativement élevée ainsi que du faible afflux d'eaux souterraines. Les trois rivières qui nous intéressent ont été caractérisées par six indices hydrologiques appartenant à quatre catégories principales: l'amplitude, la temporalité, la variabilité et la durée. Les indices choisis sont: • Les valeurs minimales du débit observées au mois de mars pour chaque année (AMP1); le rapport entre le débit le plus faible observé au cours de l'année et le débit annuel moyen (indice de débit de base, AMP2); • le jour julien moyen des sept journées au cours desquelles les débits les plus faibles ont été observés au cours de l'année (T); • l'écart type du jour julien de ces sept journées (V); • le débit le plus faible observé sur une durée de 90 jours divisé par la valeur médiane de toute la période d'enregistrement (D1); • le débit le plus faible observé sur une durée de 90 jours, de juillet à octobre, divisé par la valeur médiane de toute la période d'enregistrement (D2). Comparativement à ceux des rivières Moisie et Romaine, les indices observés à la rivière Ouelle présentent de plus fortes variations. Les résultats obtenus ont permis de démontrer que l'approche directe de mise à l'échelle statistique (AD) à l'aide du MVP (AD1) surpasse toutes les autres approches et ce, à de nombreux égards. En effet, les indices de performance obtenus à partir de l'AD1 présentaient des différences marquées par rapport à ceux des autres approches. La parcimonie de la méthode a été assurée en choisissant un faible nombre de paramètres dans le modèle prédictif. La grande capacité de généralisation du modèle, AD1 s'est traduite par une similitude des valeurs des indices de performance lors des étapes d'étalonnage et de validation. Malgré les bons résultats obtenus, il s'avère que les approches d'AD dépendent de la capacité de modélisation de l'approche statistique sélectionnée pour la mise à l'échelle des indices de débit d'étiage. La principale raison qui explique cette conclusion est que pour certains indices (p. ex.: l'indice V pour la rivière Ouelle), de meilleurs résultats ont été obtenus à partir des AI et AVP qu'à partir de l'AD à l'aide de l'ASD. Ainsi, les approches de mise à l'échelle directe s'avèrent grandement influencées par le modèle statistique utilisé. Les résultats obtenus à partir de la AI sont potentiellement entachés de deux sources d'incertitude: celles associées à la mise à l'échelle des variables climatiques et celles associées au modèle hydrologique. MVP a donné de meilleurs résultats que ASD pour la mise à l'échelle de la température. En contraste, les deux approches ont performé de manière sensiblement égale pour la mise à l'échelle des précipitations. Cependant, les résultats étaient plus probants pour ce qui est de la température (coefficient de corrélation (R) > 0,9) que pour la précipitation (R de l'ordre de 0,3 à 0,7). La combinaison de PG et MVP (MVPPG) améliore les résultats de mise à l'échelle des précipitations tandis que l'utilisation de PG et RLM (RLMPG) ne donne pas de meilleurs résultats que la même méthode sans algorithme génétique. Dans certains cas, ASD performe mieux que RLMPG pour la classification des jours avec et sans pluie, de même que pour l'estimation des quantités de pluie. Par la suite, les variables climatiques mises à l'échelle locale ont été utilisées comme intrants dans le modèle SSARR en vue de simuler le débit. Cette fois encore, les indices de débit d'étiage (IH) calculés à partir des résultats de la simulation se sont avérés comparables pour les deux approches indirectes de mise à l'échelle. Pour certains indices, l'AVP a été surpassée par les AI (indice V pour la Romaine) et ce, malgré l'utilisation des valeurs observées de précipitation et de température. Les prévisions des IH sur les périodes 2021 à 2050 et 2051 à 2070 ont révélé un changement marqué de leur moyenne et de leur variabilité. Toutefois, aucune tendance croissante ou décroissante n'a été observée chez aucun des indices.

Type de document: Thèse
Directeur de mémoire/thèse: St-Hilaire, André
Co-directeurs de mémoire/thèse: Ouarda, Taha B.M.J.; Daigle, Anik
Mots-clés libres: indices de débit d'étiage; méthode stochastique d'apprentissage bayésien; régression linéaire multiple; analyse de corrélation canonique; mise à l'échelle statistique
Centre: Centre Eau Terre Environnement
Date de dépôt: 25 févr. 2014 22:41
Dernière modification: 20 nov. 2015 18:54
URI: http://espace.inrs.ca/id/eprint/2077

Actions (Identification requise)

Modifier la notice Modifier la notice