La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Mesure et modélisation d'équivalents en eau de la neige dans un contexte de prévision hydrologique

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Lafontaine-Préfontaine, Jonathan (2019). Mesure et modélisation d'équivalents en eau de la neige dans un contexte de prévision hydrologique. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

[img]
Prévisualisation
PDF
Télécharger (4MB) | Prévisualisation
[img]
Prévisualisation
PDF
Télécharger (732kB) | Prévisualisation

Résumé

La mesure de l’équivalent en eau de la neige (EEN), une variable importante en hydrologie des régions nordiques, est traditionnellement faite avec des relevés manuels par carottage. Dans l’objectif de les remplacer par une méthode automatisée et plus performante, Rio Tinto Aluminium (RTA), a récemment fait l’acquisition de 9 GMON, instruments qui mesurent en temps réel les équivalents en eau de la neige (EEN) à partir de l’atténuation de la radioactivité naturelle du sol. Ces instruments ont été installés sur une partie de ses stations météorologiques dans le bassin versant du Lac Saint-Jean.

Dans ce contexte, le premier objectif de cette étude est d’évaluer la qualité des données de GMON pour leur fiabilité et leur précision en les comparant avec d’autres types de données nivométriques (relevés manuels et hauteur de neige provenant de SR-50). Le deuxième objectif est d’étudier la possibilité d’utiliser des modèles de neige à partir de données météorologiques afin de générer les données d’EEN pour des stations non équipées de GMON. Pour ce faire, l’inventaire des données utilisables a été créé pour sélectionner les modèles les plus appropriés. Les résultats d’analyses montrent que les mesures de GMON ne sont pas produites de manière continue et la présence de valeurs aberrantes, incluant des épisodes de bruit excessif, a étéobservée. Toutes les séries de GMON considérées comme utilisables (16 sur les 21 séries totales) présentent un retard systématique de détection de la date de disparition du manteau neigeux par rapport aux données de hauteur de neige, avec une valeur médiane de 6 jours. Lorsque comparées aux valeurs d’EEN des relevés manuels, les données d’au moins une GMON présentent un biais supérieur à 15%. En ce qui concerne la modélisation de manteau neigeux, l’hétérogénéité des capteurs météorologiques et la qualité inégale des données disponibles limitent le choix des modèles. Seuls les modèles simples basés sur des relations empiriques ont pu être utilisés. En raison du taux d’utilisabilité restreint des données, l’exercice de modélisation n’a pas pu permettre d’évaluer à quel niveau la modélisation du manteau neigeux pourrait être utile pour générer des données d’EEN aux sites non équipés de GMON.

Au terme de cette étude, une série de recommandations opérationnelles ont été suggérées dans le but d’améliorer la mesure et la modélisation d’EEN. Premièrement, bien que les GMON fournissent de l’information de valeur sur l’évolution du manteau neigeux, un programme de suivi et de vérification et de recalibration devra être mis en place. Deuxièmement, la portée de la modélisation nivale peut être augmentée d’une part, avec la mise en place d’un programme de contrôle de qualité des données météorologiques, et d’une autre part avec l’installation uniforme d’anémomètres et de capteurs d’humidité relative sur l’ensemble des stations. Ces améliorations permettront l’utilisation de modèles plus robustes sur l’ensemble du bassin versant. Finalement, cette étude ouvre la porte à de nouvelles voies de recherche. La chaîne de modélisation pourrait être améliorée en tenant compte de facteurs additionnels tels que la sous-estimation des mesures de précipitations solides et l’influence de la canopée sur le manteau neigeux. De plus, l’intégration d’éléments additionnels tels que la nature des sols pourrait être explorée en vue de réduire l’incertitude dans les calculs d’atténuation des GMON.

Titre traduit

Snow water equivalent measurement and simulation in the context of hydrological forecasting

Résumé traduit

Snow water equivalent (SWE) is an important hydrological parameter in Nordic regions which has traditionally been measured manually by core sampling. In order to replace this manual survey by an automated solution, Rio Tinto Aluminum (RTA) has recently acquired nine GMON, sensors allowing real-time SWE acquisition from attenuation of natural soil radioactivity and installed them at several weather stations in the Lac St-Jean watershed.

In this context, the first objective of this study is to evaluate the quality of GMON data concerning its precision and reliability by comparing it against other types of snow measurements such as manual snow survey and snow height derived from sonic sensors. The second objective is to investigate the possibility of utilizing the weather data in order to generate SWE for stations non-equipped with GMON. To this end, usable data inventory is created in order to select the most appropriate snow models. Our results show that the GMON data measurements are not performed continuously and a non-negligible number of outliers, periods with excessive noise and missing data are observed. All the usable GMON series (16 out of 21) show a systematic delay in the detection of the disappearance of snowpack as compared to the reference (measure of the snow height), with its median of 6 days. Moreover, in comparison to the manually acquired SWE data, at least one of the GMON shows a bias of more than 15%. Regarding the snowpack modeling, the lack of homogeneity among the stations in the types of measured parameters and the data quality results in limiting the number of snow models. Solely simple models based on the empirical relations can be tested and it was thus challenging to evaluate the extent to which numerical simulations can generate SWE data for non-GMON equipped stations.

The following series of operational recommendations are suggested in order to improve the measurements and the numerical simulations of SWE. Firstly, despite the valuable information that can be derived from GMON, it is strongly recommended to implement a monitoring system that verifies the GMON data prior to further deployments of GMON. Secondly, the potential of numerical simulations can be further extended by developing a program that controls the quality of the collected data and by uniformly installing the instruments such as anemometers and relative humidity sensors covering the whole watershed. Finally, this study also sheds light on future research directions. For instance, numerical simulations of SWE could be improved when one takes into consideration of additional factors such as catch efficiency of snow and interception by the forest canopy. Moreover, alternative ways of utilizing the soil radioactivity for SWE measurement could be explored.

Type de document: Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires: "Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise en génie de l'environnement". Comprend des références bibliographiques (pages 75-84).
Mots-clés libres: modélisation, neige, EEN, GMON, CS725
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Baraër, Michel
Codirecteur:
Codirecteur
Arsenault, Richard
Programme: Maîtrise en ingénierie > Génie de l'environnement
Date de dépôt: 07 févr. 2020 17:24
Dernière modification: 07 févr. 2020 17:24
URI: http://espace.etsmtl.ca/id/eprint/2446

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt