Introduction à la prévision hydrologique déterministe

Prévision hydrologique 

La prévision hydrologique permet de faire une estimation des conditions hydrologiques futures afin de planifier la gestion des ressources en eaux. Généralement, l’objectif en prévision hydrologique est de prévoir les périodes d’étiages et de crues ainsi que leur amplitude. Ces informations permettent, entre autres, d’assurer une gestion efficace et sécuritaire de l’eau des réservoirs hydroélectriques et ainsi optimiser la production d’énergie en minimisant les pertes par évacuation des eaux (Arsenault, Latraverse, et al., 2016). Les prévisions hydrologiques sont réalisées en fournissant des séries d’informations météorologiques d’un bassin versant (précipitations, températures, etc.) à un modèle hydrologique. Les données fournies peuvent être historiques, prévisionnelles ou synthétisées par un générateur de climat par exemple. Avec ces informations, le modèle hydrologique simulera des débits à l’exutoire du bassin versant, ce qui permet de créer des hydrogrammes et de calculer le volume d’eau à prévoir.

Dans un premier lieu, les modèles sont calés, c’est-à-dire que les paramètres optimaux des modèles sont déterminés afin de déterminer ceux permettant de reproduire au mieux les données observées. Ces paramètres sont ensuite vérifiés sur une autre portion des données observées afin de valider la performance des paramètres du calage. Ensuite, les états initiaux des modèles pour le jour à partir duquel la simulation débute sont assimilés de façon à ce que ces états concordent avec l’état réel observé du bassin versant.

Introduction à la prévision hydrologique déterministe 

Les prévisions hydrologiques peuvent être déterministes ou probabilistes. Dans le cas des prévisions déterministes, celles-ci visent à estimer le débit, ou le volume d’eau comme dans le cas du présent projet, avec une seule simulation. Les prévisions déterministes sont souvent utilisées à court terme (24 à 48 heures) en raison de la forte confiance que les hydrologues ont par rapport à la qualité des prévisions météorologiques sur cet horizon. Cela cadre davantage dans la gestion en temps réel des ressources en eaux (Coulibaly et al., 2005). De plus, les prévisions de courte durée sont plus sensibles à la performance du calage des paramètres du ou des modèles utilisés. Cela est également vrai pour les états initiaux qui doivent concorder adéquatement avec les données météorologiques et hydrologiques de départ lors de l’émission d’une prévision. Cette sensibilité vient du fait que l’état initial du bassin versant a une grande importance sur les premiers jours ou premières semaines des prévisions puisque les modèles n’ont pas suffisamment de temps pour retrouver un état d’équilibre s’ils démarrent avec un biais. Dans le cas des plus longues périodes prévisionnelles, l’impact de l’état initial devient marginal par rapport à la simulation du processus hydrologique par le modèle imparfait. L’art de trouver des états initiaux des modèles qui reflètent le mieux possible les états hydrologiques s’appelle « l’assimilation des données ».

Introduction à la prévision hydrologique probabiliste

Lorsque l’on s’intéresse aux prévisions hydrologiques à moyen terme ou long terme (de quelques jours à quelques mois), comme dans le présent projet, il est davantage question de prévisions probabilistes. Celles-ci définissent un ensemble de probabilités de scénarios hydrologiques. Le penchant vers ce type de prévisions s’explique par la confiance envers la qualité des prévisions météorologiques qui diminue au-delà de quelques jours. Il est alors plus difficile de faire ressortir un seul scénario hydrologique de toute l’incertitude reliée, entre autres, aux données météorologiques. Par ailleurs, des prévisions hydrologiques à court terme peuvent aussi être probabilistes pour les mêmes raisons que pour celles à plus long terme.

Les prévisions d’ensemble permettent de représenter plusieurs scénarios hydrologiques plausibles, contrairement à une prévision unique. De cette façon, il est alors possible de représenter un panache d’incertitudes. Un ensemble de prévisions comporte alors un certain nombre de membres, soit un pour chaque prévision. Chaque prévision est produite par un modèle hydrologique en fournissant à celui-ci un scénario de météo future possible. Les données utilisées sont celles de la météo climatologique, puisque les prévisions sont générées sur le long terme et que les prévisions météorologiques ne sont pas précises sur cette durée.

Il faut cependant noter que l’éventail des probabilités des prévisions comporte plusieurs sources d’incertitudes (Pechlivanidis et al., 2011). Selon le modèle utilisé et la qualité des données météorologiques employées (section 1.1.3), cet ensemble de valeurs peut ne pas représenter adéquatement l’ensemble des probabilités d’occurrence de la future réalisation des apports. Ce phénomène est connu sous le nom de la « sous-dispersion » (Velázquez et al., 2011; Arsenault, Latraverse, et al., 2016). La sous-dispersion est une sous-représentation des probabilités des prévisions. L’éventail prévisionnel est alors trop faible et les événements extrêmes ne sont pas, ou sont insuffisamment ,La forme caractéristique est un « U ». Les boîtes extrêmes sont alors plus fortement représentées car l’intervalle des probabilités est trop faible. Si la variabilité du panache est très faible, on s’attend à ce que tous les membres de l’ensemble, soit tous au-dessus ou soit tous en-dessous de l’observation. Cela engendre une surreprésentation des 0e et 100e centiles. l’observation se trouvera toujours dans le centre du panache et représentera plus souvent le 50e centile. La correction de la sous-dispersion a déjà été abordée dans la littérature, en modifiant certains paramètres du modèle hydrologique utilisé (Liu & Gupta, 2007; Pagano et al., 2013) ou en  combinant plusieurs modèles hydrologiques, comme dans le cas du présent projet (Velázquez et al., 2011).

Sources de scénarios météorologiques

Les données météorologiques utilisées dans les prévisions hydrologiques sont fondamentales. Elles constituent la base de la modélisation puisque ce sont les principales informations que les modèles hydrologiques utilisent pour produire les prévisions hydrologiques. Cependant, l’incertitude qui y est reliée est un élément important à considérer dans le choix de ces données. Elles peuvent provenir des observations météorologiques du passé, comme ce qui a été utilisé pour cette étude, ou encore de scénarios météorologiques produits par des modèles de prévision numérique du temps. Le choix d’utiliser un type de données ou un autre implique la considération de plusieurs facteurs, tel que la disponibilité des données historiques ou futures, la qualité de celles-ci, la quantité de données disponible et les besoins pour atteindre les objectifs fixés. Dans tous les cas, il faut également évaluer l’incertitude reliée à ces données (DeChant & Moradkhani, 2014a).