Detection of Stage‐Discharge Rating Shifts Using Gaugings: A Recursive Segmentation Procedure Accounting for Observational and Model Uncertainties - Archive ouverte HAL
Article Dans Une Revue Water Resources Research Année : 2021

Detection of Stage‐Discharge Rating Shifts Using Gaugings: A Recursive Segmentation Procedure Accounting for Observational and Model Uncertainties

Détection de détarages à l'aide de jaugeages : procédure récursive de segmentation tenant compte des incertitudes liées aux mesures de débit et la modélisation de la courbe de tarage

Résumé

The stage-discharge rating curve is subject at many hydrometric stations to sudden changes (shifts) typically caused by morphogenic floods. We propose an original method for estimating shift times using the stage-discharge observations, also known as gaugings. This method is based on a recursive segmentation procedure that accounts for both gaugings and rating curve uncertainties through a Bayesian framework. It starts with the estimation of a baseline rating curve using all available gaugings. Then it computes the residuals between the gaugings and this rating curve with uncertainties. It proceeds with the segmentation of the time series of residuals through a multi-change point Bayesian estimation accounting for residuals uncertainties. Once the first set of shift times is identified, the same procedure is recursively applied to each sub-period through a “top-down” approach searching for all effective shifts. The proposed method is illustrated using the Ardèche River at Meyras in France (a typical hydrometric site subject to river bed degradation) and evaluated using several synthetic data sets for which the true shift times are known. The applications confirm the added value of the recursive segmentation compared with a “single-pass” approach and highlight the importance of properly accounting for uncertainties in the segmented data. The recursive procedure effectively disentangles rating changes from observational and rating curve uncertainties.
La relation hauteur-débit est sujette, pour de nombreuses stations hydrométriques, à des détarages brusques généralement causés par des crues morphogènes. Nous proposons une méthode originale pour estimer les dates de détarage à partir des données de jaugeage. Cette méthode est basée sur une procédure de segmentation récursive bayésienne, qui tient compte des incertitudes liées aux jaugeages et aux courbes de tarage. Elle commence par l'estimation d'une courbe de tarage de base en utilisant tous les jaugeages disponibles. Ensuite, on calcule les résidus entre les jaugeages et cette courbe de tarage avec incertitudes. La segmentation de la série temporelle des résidus est réalisée par une estimation bayésienne des dates de changement, en tenant compte des incertitudes des résidus. Une fois que la première série de détarages est identifiée, la même procédure est appliquée de manière récursive à chaque sous-période par une approche descendante en recherchant tous les détarages effectifs. La méthode proposée est illustrée pour la rivière Ardèche à Meyras en France, site hydrométrique sujet aux changements morphologiques du lit de la rivière. Elle est ensuite évaluée en utilisant plusieurs jeux de données synthétiques pour lesquels les dates de détarages sont connues. Les applications confirment la valeur ajoutée de la segmentation récursive par rapport à une approche "simple sans itération" et soulignent l'importance de bien prendre en compte les incertitudes dans les données segmentées. La procédure récursive permet de trouver efficacement les dates de détarage, en exploitant les incertitudes liées aux jaugeages et au calage de la courbe de tarage.
Fichier principal
Vignette du fichier
DarienzoWRR2021.pdf (1.36 Mo) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-03318630 , version 1 (10-08-2021)

Identifiants

Citer

M. Darienzo, Benjamin Renard, Jérôme Le Coz, Michel Lang. Detection of Stage‐Discharge Rating Shifts Using Gaugings: A Recursive Segmentation Procedure Accounting for Observational and Model Uncertainties. Water Resources Research, 2021, 57 (4), ⟨10.1029/2020WR028607⟩. ⟨hal-03318630⟩
49 Consultations
109 Téléchargements

Altmetric

Partager

More