Msilini, Amina; Charron, Christian; Ouarda, Taha B. M. J. ORCID: https://orcid.org/0000-0002-0969-063X et Masselot, Pierre
(2022).
Flood frequency analysis at ungauged catchments with the GAM and MARS approaches in the Montreal region, Canada.
Canadian Water Resources Journal / Revue canadienne des ressources hydriques
, vol. 47
, nº 2-3.
pp. 111-121.
DOI: 10.1080/07011784.2022.2044385.
Prévisualisation |
PDF
Télécharger (950kB) | Prévisualisation |
Résumé
L'analyse fréquentielle régionale (AFR) vise à estimer les quantiles de variables hydrologiques extrêmes (par exemple, les crues ou les étiages) sur des sites avec peu ou aucune information hydrologique de disponible. Ces informations sont intéressantes pour la planification et la gestion optimales des ressources en eau. Un certain nombre de modèles d'estimation régionale ont été évalués et comparés dans cette étude, puis utilisés pour l'estimation régionale des quantiles de crue dans des bassins versants non jaugés situés dans la région de Montréal dans le sud du Québec, Canada. Dans cette étude, deux approches d’identification de voisinage utilisant l'analyse canonique de corrélation (CCA) et la méthode de la région d'influence (ROI) sont appliquées pour délimiter des régions homogènes. Trois méthodes de régression, à savoir le modèle de régression log-linéaire (LLRM), les modèles additifs généralisés (GAM) et la régression multivariée par spline adaptative (MARS), récemment introduite dans le contexte de l’AFR, sont prises en compte pour l'estimation régionale. Ces modèles sont également appliqués en considérant toutes les stations (ALL). Les modèles considérés, en particulier MARS, n'ont jamais été utilisés auparavant dans une application concrète. Les résultats indiquent que MARS et GAM ont des performances prédictives comparables, en particulier lorsqu'ils sont appliqués à l'ensemble de la base de données. Les résultats montrent également que MARS utilisé en combinaison avec l'approche de CCA offre de meilleures performances par rapport à toutes les approches régionales considérées. Cela peut refléter la flexibilité de la combinaison de ces deux approches, leur robustesse et leur capacité à mieux reproduire les phénomènes hydrologiques, en particulier dans des conditions réelles lorsque des données limitées sont disponibles.
Abstract
Regional frequency analysis (RFA) aims to estimate quantiles of extreme hydrological variables (e.g. floods or low-flows) at sites where little or no hydrological data is available. This information is of interest for the optimal planning and management of water resources. A number of regional estimation models are evaluated and compared in this study and then used for regional estimation of flood quantiles at ungauged catchments located in the Montreal region in southern Quebec, Canada. In this study, two neighborhood approaches using canonical correlation analysis (CCA) and the region of influence (ROI) method are applied to delineate homogenous regions. Three regression methods namely log-linear regression model (LLRM), generalized additive models (GAM), and multivariate adaptive regression splines (MARS), recently introduced in the RFA context, are considered for regional estimation. These models are also applied considering all stations (ALL). The considered models, especially MARS, have never been used previously in a concrete application. Results indicate that MARS and GAM have comparable predictive performances, especially when applied with the whole dataset. Results also show that MARS used in combination with the CCA approach provide improved performances compared to all considered regional approaches. This may reflect the flexibility of the combination of these two approaches, their robustness, and their ability to better reproduce the hydrological phenomena, especially in real-world conditions when limited data are available.Type de document: | Article |
---|---|
Mots-clés libres: | ungauged basin; regional frequency analysis (RFA); Montreal region, Canada |
Centre: | Centre Eau Terre Environnement |
Date de dépôt: | 28 mars 2022 17:38 |
Dernière modification: | 10 mars 2023 05:00 |
URI: | https://espace.inrs.ca/id/eprint/12544 |
Gestion Actions (Identification requise)
![]() |
Modifier la notice |