De la neige au débit: de l'intérêt d'une meilleure contrainte et représentation de la neige dans les modèles - Archive ouverte HAL Accéder directement au contenu
Thèse Année : 2018

From snow to river flow : on the interest of a better constrain and representation of snow in the models

De la neige au débit: de l'intérêt d'une meilleure contrainte et représentation de la neige dans les modèles

Résumé

Snow models are often dependent on the hydrological model they are coupled with, which can promote higher performance on runoff simulation at the expense of snow state simulations performances. The objective of this thesis is to make the calibration of the snow model more independent from the calibration of the hydrological model, while remaining easily usable for runoff forecasting. Calibrating snow model on observed snow data would on one hand improve the robustness of the snow model parameters and on the other hand improve the snowpack modelling. In the first part of this manuscript, we modified the semi-distributed CemaNeige degree-day model so that it can explicitly simulate the watershed snow cover area. This modification coupled with the calibration of the model on snow cover area data and on river runoff data significantly improved the simulation of the snow cover area by the model without significantly deteriorating the runoff performances. Then we started the development of a new point scale snow model. It is based on a radiation model, which simulates incoming radiations from daily temperature range data, and a snowpack model. The snowpack model solves the heat equations within the snowpack by using a spectral representation of the temperature profile. This representation simulates the temperature profile and gradients using fewer state variables than a vertical discretization of the snowpack. In order to be able to use point scale snow observations in the model, it should be distributed on the watershed.
Les bassins de montagne ont la particularité d’accumuler les précipitations sous forme solide ce qui provoque souvent une forte hausse des débits lors de la fonte printanière. Pour les hydrologues, la particularité de ces bassins nécessite l’utilisation d’un modèle de neige en plus du modèle hydrologique afin de simuler correctement les débits. Le plus souvent, les paramètres du modèle de neige sont calés sur les données de débits en même temps que les paramètres du modèle hydrologique. Le modèle de neige est ainsi dépendant du modèle hydrologique avec lequel il est couplé, ce qui peut favoriser la représentation du débit au détriment de celle de la neige. L’objectif de cette thèse est de rendre le calage du modèle de neige plus indépendant de celui du modèle hydrologique, tout en restant facilement utilisable en opérationnel. Ceci implique une exécution rapide du modèle et l’utilisation de variables de forçages simples. Dans cette optique, un modèle contraint sur des données d’observations de la neige permettrait d’améliorer d’une part la robustesse des paramètres du modèle de neige et d’autre part la simulation de l’état du manteau neigeux. Un modèle de neige ayant la capacité de simuler de manière explicite l’état du manteau neigeux conduirait à une meilleure gestion des ressources en eau, que ce soit en prévision (gestion des barrages, des cours d’eau) ou bien dans le cas des études d’impact du changement climatique (meilleure extrapolation temporelle et spatiale). Plusieurs études ont montré que la représentation de la neige était améliorée par l’utilisation des données satellites de surface d’enneigement MODIS conjointement aux données de débits. Dans la première partie de cette thèse, nous avons étudié et modifié le modèle degrés-jour semi-distribué CemaNeige afin qu’il puisse simuler de manière plus réaliste la variable de surface d’enneigement du bassin versant. Cette modification, couplée au calage du modèle sur des données de surface enneigée et sur le débit, a permis d’améliorer la simulation de l’enneigement par le modèle sans détériorer significativement les performances en débits. Les paramètres ainsi calés ont rendu le modèle de neige plus robuste en simulation de périodes passées et moins dépendant du modèle hydrologique utilisé. Cependant, l’échelle spatiale de modélisation du modèle degrés-jour est trop grande et ne permet pas la comparaison avec des mesures d’équivalent en eau de la neige ponctuelles. Afin d’obtenir des simulations du volume de neige qui puissent être comparées à des données ponctuelles, il est nécessaire de distribuer la modélisation de la neige sur le bassin versant. Nous alors avons débuté le développement d’un nouveau modèle de neige à l’échelle ponctuelle, basé sur la résolution du bilan de masse et du bilan d’énergie. L’utilisation de données de forçage identiques à celles du modèle degrés-jour (températures et précipitations journalières) est la contrainte principale imposée au modèle. Ainsi, un modèle de rayonnements a été créé afin de simuler les rayonnements solaires et atmosphériques incidents à partir de données d’amplitude de températures journalières. Ce modèle de rayonnements est capable de fournir des données de forçage à un modèle de neige résolvant les équations de la chaleur au sein du manteau neigeux à l’aide d’une représentation spectrale du profil de température. Cette représentation permet de simuler les profils et gradients de températures en utilisant moins de variables d’état qu’une discrétisation verticale par couches. La modélisation du changement de phase et de l’évolution du contenu en eau au sein du manteau reste à développer.
Fichier principal
Vignette du fichier
These_PR.pdf (15.67 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-02108942 , version 1 (11-04-2018)
tel-02108942 , version 2 (24-04-2019)

Identifiants

  • HAL Id : tel-02108942 , version 1

Citer

Philippe Riboust. De la neige au débit: de l'intérêt d'une meilleure contrainte et représentation de la neige dans les modèles. Hydrologie. Sorbonne Université UPMC, 2018. Français. ⟨NNT : ⟩. ⟨tel-02108942v1⟩
336 Consultations
96 Téléchargements

Partager

Gmail Facebook X LinkedIn More