Soutenance de thèse de Maxime JAY-ALLEMAND

Le calage d'un modèle hydrologique distribué et conceptuel est une étape difficile. En effet, des incertitudes significatives quant à la modélisation des processus hydrologiques existent, le nombre de paramètres à déterminer est très grand et les méthodes de calage classiques ne sont pas adaptées pour converger vers les valeurs des paramètres du modèle. Le but de ces travaux est d'expérimenter l'utilisation d'une méthode d'estimation variationnelle pour calibrer les paramètres d'un modèle hydrologique distribué conçu pour la modélisation des crues éclairs. Ce modèle est défini sur une grille rectangulaire de 1 km2 de résolution sur laquelle trois paramètres sont associés à chaque cellule. 23 bassins-versants "aval" et un total 118 sous-bassins emboîtés "amont", essentiellement situés en région méditerranéenne, ont été étudiés. Pour chaque bassin-versant, on dispose des données de débits au niveau de plusieurs stations de jaugeage, des observations de pluies combinant pluviomètres au sol et radars météorologiques et des données d'estimation de l'évapotranspiration de manière continue entre 2007 et 2018 au pas de temps horaire. Le calage variationnel des paramètres du modèle dépend d'une fonction objectif quadratique qui pénalise l'écart entre les variables observées et simulées. Celle-ci est minimisée sous des contraintes additionnelles à priori. Le gradient de la fonction coût est calculé de manière efficace par le modèle adjoint. Des expériences numériques de calage-validation sont réalisées. Les bénéfices d'un calage distribué par rapport à un calage uniforme des paramètres est évalué en terme de performances prédictives en validation temporelle, spatiale et spatio-temporelle. Le calage distribué des paramètres sur les bassins "aval" permet au modèle de fournir de meilleures prédictions des débits aux exutoires "amont" utilisés pour la validation. La variabilité spatiale des paramètres optimisés semble permettre de représenter certaines caractéristiques hydrologiques des bassins-versants étudiés. Des expériences numériques complémentaires de calage-validation ont été menées. Parmi ces expériences, certaines intègrent des contraintes spatiales fournies par des descripteurs physiques dans le but d'améliorer les performances prédictives du modèle et la robustesse du calage distribué. D'autres utilisent une fonction objectif dérivant des méthodes d'estimation robuste. Ces dernières expériences explorent des directions de recherches futures. Les résultats sont positifs et les perspectives sont encourageantes notamment pour développer dans le futur des approches permettant de régionaliser les valeurs des paramètres ou bien d'assimiler des observations en temps réel pour faire de la prévision.

Calibration of a conceptual hydrological and distributed model is challenging due to a number of reasons, which include fundamental (model adequacy, identifiability) and algorithmic (e.g. local-search versus global-search) issues. The aim of thisresearch work is to investigate the potential of the variational approach for calibrating a simple continuous hydrological model (GRD) involved in several flash-flood modelling applications. This model is defined on a rectangular 1 km2 resolution grid, with three parameters being associated to each cell. 23 watersheds are chosen as the study benchmark. These watersheds are all located in the metropolitain France and present various hydrological characteristics (shapes, surfaces, bedrock). Twenty-two of them belong to the Mediterranean region and one spreads over the South-East of Paris. For these watersheds, the discharge observations at several gauging stations, gridded rainfall and potential evapotranspiration estimates are continuously available for the 2007-2018 period at an hourly time step. In the variational approach one looks for the optimal solution by minimizing the standard quadratic cost-function which penalizes the misfit between the observed and predicted values, under some additional a-priori constraints. The cost-function gradient is efficiently computed using the adjoint model. In numerical experiments, the benefits of using the distributed against the uniform calibration are measured in terms of the model predictive performance, in temporal, spatial and spatio-temporal validation. Overall, distributed calibration shows encouraging results, providing better model predictions and relevant spatial distribution of some parameters. Some complementary numerical calibration experiments have been performed. Some of them integrates several environmental descriptors to improve the robustness of the calibrated parameters and the model predictive performances. Others use a new cost function which derive from the concepts of the robust estimation theory. These latter experiments explore future research directions. Future perspectives are identified, such as the development of a regionalisation approach for the model parameters or real-time assimilation of observations in order to produce forecasts.