Irstea

PASI : Portail d'Accueil des Scientifiques d'Irstea

N° 3121 - Assimilation de données appliquée à un modèle hydrologique distribué : calage régional et assimilation des débits observés dans la méthode AIGA

Centres : Aix, Montpellier -  Unités de recherche : RECOVER, G-EAU  -  Thèmes de recherche : GEUSI, ARCEAU
Responsables Irstea : Arnaud Patrick et Malaterre Pierre-Olivier
Domaine d'activité : Risques naturels (crues, inondations, étiage, avalanches, coulées de boues, aléas et vulnérabilité, incendie, chute de blocs)
Disciplines : Sciences de la vie et de l'environnement, Mathématiques appliquées, modélisation, Hydrologie, hydroclimatologie
Fichier descriptif


Résumé :
L’anticipation des risques est une des trois priorités exprimées dans le RPO (Référentiel Pluriannuel d'Objectifs) du TR (Thème de Recherche) Arceau 2014-2018. Le travail de thèse proposé vise à améliorer une approche d’anticipation des crues en milieu non-jaugé, appliquée sur l’ensemble du territoire national français (méthode AIGA implantée dans le service « Crues Soudaines » du Schapi : Vigicrue Flash – début 2017). Cette approche, basée sur une modélisation hydrologique distribuée à la maille de 1 km², alimentée par l’information des radars météorologiques, présente des marges d’amélioration sur deux points particuliers que l’on veut aborder dans ce travail de thèse : - la pertinence en « descente d’échelle » ou « désagrégation spatiale », c'est-à-dire lorsque l’on applique la méthode sur des sous-bassins non-jaugés. Cela passe par un calage et une régionalisation des paramètres qui doivent être adaptés. - la possibilité de prendre en compte les erreurs de modélisation en temps réel, lors de la réalisation de prévisions : pour une prévision en sites non jaugés, cela passe par l’assimilation des informations disponibles sur les sites voisins. Ces deux points correspondent finalement à une même problématique d’assimilation de données par un modèle, pour le calage ou le recalage de ses paramètres. Ces points ont été abordés jusqu’à présent par des approches plus ou moins classiques en hydrologie. Les nouvelles compétences en assimilation de données variationnelle de type 4D-Var portées par Irstea, nous conduisent à vouloir appliquer ces méthodes à nos approches. L’objectif de cette thèse est donc de mettre en œuvre des méthodes d’assimilation de données performantes pour le traitement d’approches de grandes dimensions (modèle distribué de prévision hydrologique à l’échelle du territoire français).