10. Previsions hydrologiques en periode de crue
467
analogues. Le principe de la methode est de rechercher dans Ie passe des conditions meteorologiques similaires it celles qui sont prevues jusqu'it 8 ou 10 jours
d'avance, puis d'identifier les precipitations observees correspondantes sur les
bassins versants concernes. Ces conditions meteorologiques sont caracterisees,
par exemple, par la distribution spatiale des geopotentiels (courbes de niveau
representant l'altitude pour une valeur de pression atmospherique donnee),
dont la prevision est plus fiable et plus robuste que celIe des precipitations
[120, 176]. Cette technique connait un regain d'interet grace notamment au developpement de re-analyses meteorologiques de qualite sur de longues periodes
(NCEP NCAR: 1948-2008 et ERA40 : 1958-2002), it la demande des climatologues, pour l'analyse du changement climatique. Si la technique est encore peu
utilisee aux pas de temps infra-journaliers, c'est plus du fait de la limitation de
disponibilite d'archives pluviometriques que de la methode [269, 110].
10.3.3 Tester un modele de prevision et croiser l'information
L'argument decisif est l'adequation du modele aux conditions operationnelles. Plus que sa complexite, au-delit meme de sa precision moyenne, c'est sa
fiabilite operationnelle qui guide ce choix.
II faut une grande prudence et nombre de contr6les prealables pour declarer
qu'un modele est operationnel : il est hors de question pour un service de se
decredibiliser par des fausses alertes trop nombreuses. II ne suffit pas d'avoir
un modele performant dans l'absolu, encore faut-il que les donnees disponibles
soient suffisantes, fiables, et bien representatives des phenomenes et du bassin.
La robustesse d'un modele est une qualite essentielle, et bien des modeles tres
simples sont, pour cette raison, encore utilises aujourd'hui.
Pour tester les modeles, la comparaison a posteriori sur un episode reel est
indispensable. Des tests recents, comme ceux effectues sur la Seine [228, 329],
montrent que les reponses ne sont pas uniformes : certains modeles sont plus
performants it l'amont des bassins versants ou pour des bassins assez reguliers
(modeles it reservoirs) et d'autres it l'aval de bassins versants it configurations
assez heterogenes ou sensibles it des pluies intenses spatialement heterogenes
(modeles distribues par exemple), etc.
Ces tests met tent aussi en evidence que la montee de crue (tres dependante
de l'etat du sol) n'est pas la seule difficulte et que des sous-estimations des
volumes ecoules affectent les previsions en cours de crue, ou peuvent degrader
la qualite de la prevision it l'aval de la confluence suivante. Les causes de ces
sous-estimations de volumes peuvent etre multiples: donnees amont, modelisation, etc., mais l'une d'elles revient assez souvent : Ie caractere exceptionnel du
phenomene pour lequelles «reglages» n'ont pas ete faits. Au-delit du probleme
de calage de modele, c'est Ie caractere it seuil de certains phenomenes (<< bar-
467
analogues. Le principe de la methode est de rechercher dans Ie passe des conditions meteorologiques similaires it celles qui sont prevues jusqu'it 8 ou 10 jours
d'avance, puis d'identifier les precipitations observees correspondantes sur les
bassins versants concernes. Ces conditions meteorologiques sont caracterisees,
par exemple, par la distribution spatiale des geopotentiels (courbes de niveau
representant l'altitude pour une valeur de pression atmospherique donnee),
dont la prevision est plus fiable et plus robuste que celIe des precipitations
[120, 176]. Cette technique connait un regain d'interet grace notamment au developpement de re-analyses meteorologiques de qualite sur de longues periodes
(NCEP NCAR: 1948-2008 et ERA40 : 1958-2002), it la demande des climatologues, pour l'analyse du changement climatique. Si la technique est encore peu
utilisee aux pas de temps infra-journaliers, c'est plus du fait de la limitation de
disponibilite d'archives pluviometriques que de la methode [269, 110].
10.3.3 Tester un modele de prevision et croiser l'information
L'argument decisif est l'adequation du modele aux conditions operationnelles. Plus que sa complexite, au-delit meme de sa precision moyenne, c'est sa
fiabilite operationnelle qui guide ce choix.
II faut une grande prudence et nombre de contr6les prealables pour declarer
qu'un modele est operationnel : il est hors de question pour un service de se
decredibiliser par des fausses alertes trop nombreuses. II ne suffit pas d'avoir
un modele performant dans l'absolu, encore faut-il que les donnees disponibles
soient suffisantes, fiables, et bien representatives des phenomenes et du bassin.
La robustesse d'un modele est une qualite essentielle, et bien des modeles tres
simples sont, pour cette raison, encore utilises aujourd'hui.
Pour tester les modeles, la comparaison a posteriori sur un episode reel est
indispensable. Des tests recents, comme ceux effectues sur la Seine [228, 329],
montrent que les reponses ne sont pas uniformes : certains modeles sont plus
performants it l'amont des bassins versants ou pour des bassins assez reguliers
(modeles it reservoirs) et d'autres it l'aval de bassins versants it configurations
assez heterogenes ou sensibles it des pluies intenses spatialement heterogenes
(modeles distribues par exemple), etc.
Ces tests met tent aussi en evidence que la montee de crue (tres dependante
de l'etat du sol) n'est pas la seule difficulte et que des sous-estimations des
volumes ecoules affectent les previsions en cours de crue, ou peuvent degrader
la qualite de la prevision it l'aval de la confluence suivante. Les causes de ces
sous-estimations de volumes peuvent etre multiples: donnees amont, modelisation, etc., mais l'une d'elles revient assez souvent : Ie caractere exceptionnel du
phenomene pour lequelles «reglages» n'ont pas ete faits. Au-delit du probleme
de calage de modele, c'est Ie caractere it seuil de certains phenomenes (<< bar-