Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Résumé

La description des processus de transformation des précipitations (pluie et neige) en débit dans un bassin versant passe par le choix d’un modèle hydrologique adéquat. Les modèles hydrologiques conceptuels servent à prédire les débits dans les rivières à l’aide de plusieurs paramètres, qui n’ont pas toujours une signification physique. Les débits doivent être déterminés par calibration. Le choix d’une tel modèle repose sur son efficacité, c’est-à-dire sa capacité à fournir des jeux de paramètres permettant au modèle de donner des simulations satisfaisantes. (Perrin, 2002). La validation est l’étape qui suit la calibration où on s'assure que le modèle peut faire des prédictions exactes et reproductibles en dehors de la période sur laquelle il a été calibré (Vogel, 2003). La méthode la plus courante pour valider un modèle hydrologique sur un bassin versant est d’ajuster les données simulées avec les mesures de terrain. La structure de modèle et leurs paramètres associés ne sont pas uniques. Il peut exister plusieurs représentations mathématiques, ce qui risque d’influencer la précision des résultats fournis par le modèle. Dans la plupart des applications de modèles hydrologiques, les réponses simulées du bassin versant, autres que le débit, restent internes (des variables d’état) au modèle. Ceci peut rendre discutable la validité de la description du modèle au processus interne du bassin versant. Il existe plusieurs méthodes pour valider un modèle hydrologique (Seibert, 1997) mais il n'existe pas encore de méthode ou de critère quantitatif définitif pour rejeter un modèle de bassin versant (Vogel & Sankarasubramanian, 2003). La méthode de covariance-variance proposée par Vogel offre une méthodologie quantitative pour accepter ou rejeter un modèle de bassin versant. L’objectif de cette étude est de s’assurer de la capacité du modèle à décrire les échanges dans un bassin versant. La méthode de covariance-variance est basée sur l’aptitude du modèle à représenter la covariance des données métrologiques avec les données de sortie (débit) sans passer par l’étape de calibration. La calibration du modèle génère une erreur inévitable (Vogel & Sankarasubramanian, 2003). Afin de vérifier la pertinence de la méthode de la covariance et sa fiabilité, nous l’avons appliquée sur 125 bassins hydrographiques québécois jaugés par le département de l’expertise hydraulique du Québec (DEHQ), en nous servant des modèles hydrologiques GR4J (Perrin, Michel, & Andréassian, Improvement of a parsimonious model for streamflow simulation, 2003) à quatre paramètres, qui est couplé avec le module de neige CemaNeige (Valery, 2010), HBV (Lindstrom, Johansson, Persson, Gardelin, & Bergstrom, 1997) à dix paramètres, MOHYSE (Fortin & Turcotte, 2007) à dix paramètres et HMETS (Martel, Demeester, & Brissette, HMETS- A simple and efficient model for flow forecasting, climate studies and teaching hydrological modelling, 2014) à vingt et un paramètres. Pour chaque bassin, une période de 16 ans située entre 1980 et 2015 a été sélectionnée. La démarche consiste à effectuer un grand nombre de simulations (Monte Carlo) et s’appuie sur les données observées disponibles (débits, précipitations, température…) afin d’explorer exhaustivement l’espace des valeurs acceptables de débits obtenues par les quatre modèles. Le but est de réussir à tirer l’information des données disponibles pour un bassin et d’en déduire la structure du modèle la plus adaptée. Nos résultats montrent que les modèle GR4J et HMETS ont pu établir une relation entre un ensemble de données simulées obtenues par la méthode de Monte-Carlo et l’observation pour tous les bassins, alors que les modèles hydrologiques MOHYSE et HBV n’ont pas pu établir cette relation pour la majorité des bassins versants étudiés. Ces deux derniers modèles ont représenté les bassins versants moins bien que les autres modèles.