Analyse et modélisation non-déterministe de la superficie horaire des refuges thermiques potentiels : étude de cas de la rivière Sainte-Marguerite (Québec, Canada).

Hani, Ilias (2022). Analyse et modélisation non-déterministe de la superficie horaire des refuges thermiques potentiels : étude de cas de la rivière Sainte-Marguerite (Québec, Canada). Mémoire. Québec, Maîtrise en sciences de l'eau, Université du Québec, Institut national de la recherche scientifique, 76 p.

Prévisualisation

PDF Télécharger (2MB) | Prévisualisation

Résumé

En raison des températures élevées des rivières en été, de nombreux efforts sont déployés pour améliorer les conditions environnementales des espèces poïkilothermes, tels que les salmonidés. Pour éviter le stress causé par l’augmentation de la température des cours d’eau, ces poissons s’abritent dans des zones d’eau froide, appelées refuges thermiques. Les panaches de confluence des tributaires froids avec un cours d’eau plus chaud représentent des écosystèmes ou la dynamique des cours d’eau est très complexe. Ces affluents ont tendance à être considérés comme une zone d'eau froide relativement constante au fil du temps, ce qui les rend très propice à la formation de potentiels refuges thermiques. Dans la présente étude, deux confluences de tributaires de la rivière Ste Marguerite Québec, (Canada) ont été instrumentées durant deux étés consécutifs, afin d’estimer la superficie horaire des refuges thermiques potentiels et analyser sa variabilité temporelle à l’aide de méthodes non déterministes. L’aire des refuges thermiques potentiels (ARTP) est estimée par une méthode d’interpolation déterministe nommée la Pondération Inverse à la Distance (PID) appliquée aux températures maximales horaires de l'eau. Par la suite, différents modèles d'apprentissage automatique sont proposés pour prédire la superficie maximale horaire des refuges soit :

(i) Le modèle additif général (GAM),

(ii) Le modèle de régression multivariée par splines adaptatifs (MARS),

(iii) La régression par machine à vecteur de support (SVM),

(iv) La régression par forêt aléatoire (RF).

Les modèles ont été développés en utilisant entre trois et cinq variables hydrométéorologiques explicatives. Les critères utilisées pour évaluer la performance des algorithmes proposés dans la présente étude sont L’erreur moyenne quadratique relative (rRMSE) et le critère de Nash-Sutcliffe (NASH). Le modèle RF a indiqué les meilleures performances et a démontré une grande précision aux deux stations étudiées (rRMSE ≤ 15 % et NASH ≈ 93 %). Les modèles SVM et RF ont démontré une forte capacité à fournir des estimations précises des ARTP comparés aux deux modèles de référence GAM et MARS; une étude antérieure connexe traitant des prévisions quotidiennes moyennes de l’ARTP. D’autre part, la variabilité diurne et intra-saisonnière de l'ARTP a été étudiée en calculant le coefficient de variation (CV) sur différentes périodes de la journée avec une emphase sur l’étiage extrême de l’été 2021. Les résultats montrent un inversement de tendance dans la variabilité des superficies de refuges entre les mois de juillet et août à travers les deux étés. Les niveaux d’eau du mois d’août 2021 ont atteint des seuils critiques et les résultats montrent une distribution de données homogène (CV ≤ 13%) avec des valeurs élevées et quasi constantes de l’ARTP. Les outils d’interaction du modèle GAM ont été utilisés dans le but de modéliser le cycle diurne de l’ARTP en fonction des composantes horaires et journalière (jour julien). Durant les conditions de faible débit, les résultats illustrent des fenêtres temporelles spécifiques pour les valeurs extrêmes quotidiennes des aires de refuges thermiques potentiels. Les modèles considérés dans cette étude s’avèrent d’une grande utilité pour améliorer les stratégies de gestion de pêches et aussi pour la conservation les habitats de certaines espèces de salmonidés qui subissent des pressions de plus en plus critiques.

Type de document:	Thèse Mémoire
Directeur de mémoire/thèse:	St-Hilaire, André
Co-directeurs de mémoire/thèse:	Ouarda, Taha B. M. J.
Mots-clés libres:	l’aire des refuges thermiques potentiels; température horaire de l’eau; variabilité temporelle; modèles de régressions; apprentissage automatique
Centre:	Centre Eau Terre Environnement
Date de dépôt:	30 mars 2023 19:02
Dernière modification:	31 déc. 2023 05:00
URI:	https://espace.inrs.ca/id/eprint/13191

Gestion Actions (Identification requise)

Modifier la notice