Session 3 : Etat de l’art du couplage et perspectives des hyperfréquences
390
est probable même si l’humidité moyenne d’une couche superficielle de quelques centimètres
recouvrant l’ensemble du bassin n’a guère de sens qu’au sein du modèle.
Une approche spatialisée est sans doute plus porteuse d’espoirs. Certains paramètres
contrôlant la capacité et la vidange des réservoirs du modèle conceptuel MC (Girard et al., 1981)
sont par exemple déterminables à partir des propriétés hydrodynamiques des sols et des courbes
de tarissement non influencé (Perrin et al., 1990; Ambroise et al., 1995). Aussi, l’utilisation des
données radar, qui permet une segmentation de l’espace davantage basée sur l’organisation
spatiale des processus hydrologiques, pourrait peut-être fournir de précieuses indications sur le
ressuyage superficiel des réservoirs ainsi définis.
TOPMODEL
Les zones saturées sont l’information spatialisée de base que gère TOPMODEL. Si l’on peut en
suivre l’extension par télédétection, on peut alors envisager de modifier localement les valeurs de
l’indice contrôlant la saturation potentielle pour une meilleure adéquation avec l’observation
spatiale.
Modification de la couche d’indice
Déduit de simples considérations de drainage, l’indice qui exprime la propension relative de tel ou
tel endroit du bassin à se saturer dépend non seulement de la topographie mais également de la
transmissivité latérale du sol. Cette transmissivité, qui peut varier de deux ordres de grandeur sur
un même bassin, est souvent omise dans le calcul, c’est-à-dire qu’on la considère uniforme par
nécessité.
Aussi serait-il judicieux d’essayer d’intégrer cette information par un ajustement local de
l’indice, ce qui ne peut cependant s’envisager que sur les parties effectivement saturées du bassin.
L’observation de l’extension des zones saturées permettrait donc de lever partiellement
l’hypothèse de l’uniformité des sols, à condition néanmoins de pouvoir valider les prévisions
spatialisées résultantes sur la base de nouvelles observations, c’est-à-dire de pouvoir vérifier la
stabilité temporelle des modifications apportées. Cette perspective importante est néanmoins
subordonnée à la possibilité de simuler approximativement l’extension des zones saturées sur la
base initiale de la topographie, ce que le calage du modèle sur les seuls débits à l’exutoire ne
semble pas permettre (Gineste, partie I).
Intégration de l’information « zones saturées » dans le processus de calibration du modèle
Le développement des approches spatialisées a révélé l’ampleur des incertitudes associées aux
prédictions des modèles. Si le concept d’un jeu de paramètres optimum n’apparaît plus valable,
d’autres stratégies de calibration sont possibles, telle la méthode GLUE (Generalized Likelihood
Uncertainty Estimation), développée par Beven et Binley (1992).
GLUE est une méthode bayésienne basée sur des simulations de Monte-Carlo qui gère
explicitement la multiplicité possible des jeux de paramètres acceptables en les classant selon une
mesure subjective traduisant l’ajustement aux données observées, tel le critère de Nash et
Sutcliffe (1970). La méthode permet ainsi d’assortir les prédictions de débit d’un intervalle de
confiance; elle permet également, lorsque davantage d’observations deviennent disponibles,
d’ajuster la vraisemblance des diverses paramétrisations en utilisant l’équation de Bayes.
390
est probable même si l’humidité moyenne d’une couche superficielle de quelques centimètres
recouvrant l’ensemble du bassin n’a guère de sens qu’au sein du modèle.
Une approche spatialisée est sans doute plus porteuse d’espoirs. Certains paramètres
contrôlant la capacité et la vidange des réservoirs du modèle conceptuel MC (Girard et al., 1981)
sont par exemple déterminables à partir des propriétés hydrodynamiques des sols et des courbes
de tarissement non influencé (Perrin et al., 1990; Ambroise et al., 1995). Aussi, l’utilisation des
données radar, qui permet une segmentation de l’espace davantage basée sur l’organisation
spatiale des processus hydrologiques, pourrait peut-être fournir de précieuses indications sur le
ressuyage superficiel des réservoirs ainsi définis.
TOPMODEL
Les zones saturées sont l’information spatialisée de base que gère TOPMODEL. Si l’on peut en
suivre l’extension par télédétection, on peut alors envisager de modifier localement les valeurs de
l’indice contrôlant la saturation potentielle pour une meilleure adéquation avec l’observation
spatiale.
Modification de la couche d’indice
Déduit de simples considérations de drainage, l’indice qui exprime la propension relative de tel ou
tel endroit du bassin à se saturer dépend non seulement de la topographie mais également de la
transmissivité latérale du sol. Cette transmissivité, qui peut varier de deux ordres de grandeur sur
un même bassin, est souvent omise dans le calcul, c’est-à-dire qu’on la considère uniforme par
nécessité.
Aussi serait-il judicieux d’essayer d’intégrer cette information par un ajustement local de
l’indice, ce qui ne peut cependant s’envisager que sur les parties effectivement saturées du bassin.
L’observation de l’extension des zones saturées permettrait donc de lever partiellement
l’hypothèse de l’uniformité des sols, à condition néanmoins de pouvoir valider les prévisions
spatialisées résultantes sur la base de nouvelles observations, c’est-à-dire de pouvoir vérifier la
stabilité temporelle des modifications apportées. Cette perspective importante est néanmoins
subordonnée à la possibilité de simuler approximativement l’extension des zones saturées sur la
base initiale de la topographie, ce que le calage du modèle sur les seuls débits à l’exutoire ne
semble pas permettre (Gineste, partie I).
Intégration de l’information « zones saturées » dans le processus de calibration du modèle
Le développement des approches spatialisées a révélé l’ampleur des incertitudes associées aux
prédictions des modèles. Si le concept d’un jeu de paramètres optimum n’apparaît plus valable,
d’autres stratégies de calibration sont possibles, telle la méthode GLUE (Generalized Likelihood
Uncertainty Estimation), développée par Beven et Binley (1992).
GLUE est une méthode bayésienne basée sur des simulations de Monte-Carlo qui gère
explicitement la multiplicité possible des jeux de paramètres acceptables en les classant selon une
mesure subjective traduisant l’ajustement aux données observées, tel le critère de Nash et
Sutcliffe (1970). La méthode permet ainsi d’assortir les prédictions de débit d’un intervalle de
confiance; elle permet également, lorsque davantage d’observations deviennent disponibles,
d’ajuster la vraisemblance des diverses paramétrisations en utilisant l’équation de Bayes.