Méthodes d’identification de membres issus d’ensembles de modélisations climatiques pour la modélisation représentative et parcimonieuse d’indicateurs hydrologiques

Vandal, Magali (2020). Méthodes d’identification de membres issus d’ensembles de modélisations climatiques pour la modélisation représentative et parcimonieuse d’indicateurs hydrologiques. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (13MB) | Prévisualisation

Résumé

Sachant que les changements climatiques modifieront la quantité de ressources en eau disponibles et leur gestion, de plus en plus de simulations climatiques sont mises à la disponibilité des chercheurs. Ce nombre grandissant complexifie les études d’impact de changements climatiques. Ainsi, une sélection des simulations climatiques représentatives avant l’étape de modélisation hydrologique accélèrerait le processus. Dans ce projet, des méthodes pour identifier des simulations climatiques permettant de bien échantillonner le domaine des indicateurs hydrologiques seront présentées.

Deux méthodes de sélection de simulations climatiques, la méthode de la corrélation comme prédicteur et la méthode de classement par clustering, sont testées et comparées à une méthode de sélection aléatoire. Ces deux méthodes sont appliquées à cent bassins versants nordaméricains. Comme les indicateurs climatiques affectant l’hydrologie d’un bassin versant peuvent varier d’un climat à l’autre, 79 indicateurs climatiques différents servent de prédicteurs à 34 indicateurs hydrologiques pour chaque bassin versant. Trois modèles hydrologiques globaux et conceptuels (GR4J, HMETS, MOHYSE), calibrés à l’aide du critère du KGE, sont utilisés pour la modélisation hydrologique des bassins versants. Les données climatiques (température minimale journalière, température maximale journalière et précipitation journalière) utilisées proviennent de modèles climatiques issus de trois différents projets (ClimEx, CMIP5 et CORDEX) à une résolution d’échelle variée, tous suivant le même scénario d’émission de gaz à effet de serre (RCP8.5). En tout, 57 ou 107 membres climatiques sont utilisés, selon l’emplacement du bassin versant. Avant d’être fournies aux modèles hydrologiques, les données de sorties de ces simulations sont post-traitées par une méthode de correction de biais (DBC).

Un coefficient de corrélation est calculé entre chaque combinaison d’indicateur climatique et hydrologique pour les deux méthodes de sélection. L’indicateur climatique obtenant la meilleure corrélation pour chaque bassin versant est conservé, appelé meilleur prédicteur. L’indicateur modal de ces prédicteurs a été déduit et appliqué à tous les autres bassins versants. La similitude entre les échantillons d’indicateur hydrologique, obtenus à l’aide des différentes méthodes de sélection, et les distributions complètes d’indicateurs hydrologiques est calculée à l’aide du test Kolmogorov-Smirnov.

Les résultats montrent que l’indicateur climatique à utiliser dépend grandement du modèle hydrologique et de la méthode de sélection. Cependant, un consensus est visible pour plusieurs d’entre eux. Sur la période annuelle par exemple, la précipitation totale est l’indicateur climatique qui prédit le mieux le débit moyen.

Le modèle hydrologique joue un grand rôle dans les résultats obtenus. De plus, pour bien représenter l’ensemble des évènements hydrologiques, un grand nombre de membres climatiques devraient être utilisés, puisque les membres utilisés afin d’obtenir le meilleur prédicteur ne sont pas les mêmes d’un indicateur hydrologique à l’autre.

L’utilisation des indicateurs climatiques modaux permet de réduire significativement le temps de calcul de la chaine de modélisation hydrologique lorsque l’analyse est réalisée sur des indicateurs hydrologiques spécifiques.

Titre traduit

Methods for identifying members from climate modeling ensembles for representative and parsimonious modeling of hydrological indicators

Résumé traduit

Knowing that climate change will modify the quantity of available water resources and their management, more and more climate simulations are being made available to researchers. This growing number makes climate change impact studies more complex. Thus, a selection of representative climate simulations before the hydrological modelling stage would speed up the process. In this project, methods for identifying climate simulations that can be used to properly sample the field of hydrological indicators will be presented.

Two methods for selecting climate simulations, the correlation method as a predictor and the clustering method, are tested and compared to a random selection method. These two methods are applied to one hundred North American watersheds. Since climate indicators affecting the hydrology of a watershed can vary from one climate to another, 79 different climate indicators are used as a predictor of 34 hydrological indicators for each watershed. Three global and conceptual hydrological models (GR4J, HMETS, MOHYSE), calibrated using the KGE criterion, are used for watershed hydrology modeling. The climate data (daily minimum temperature, daily maximum temperature and daily precipitation) used come from climate models from three different projects (ClimEx, CMIP5 and CORDEX) at various scale resolutions, all following the same greenhouse gas emission scenario (RCP8.5). A total of 57 or 107 climate members are used, depending on the location of the watershed. Before being provided to the hydrological models, the output data from these simulations are post-processed by a bias correction method (DBC).

A correlation coefficient is calculated between each combination of climate and hydrological indicator for the two selection methods. The climate indicator obtaining the best correlation for each watershed is retained, called the best predictor. The modal indicator for these predictors was inferred and applied to all other watersheds. The similarity between the samples of hydrological indicator, obtained using the different selection methods, and the complete distributions of hydrological indicators is calculated using the Kolmogorov-Smirnov test.

The results show that the climate indicator to be used depends greatly on the hydrological model and the selection method. However, a consensus is visible for several of them. Over the annual period, for example, total precipitation is the climate indicator that best predicts the mean discharge.

The hydrological model plays a large role in the results obtained. In addition, in order to properly represent all hydrological events, a large number of climate members should be used, since the members used to obtain the best predictor are not the same from one hydrological indicator to another.

The use of modal climate indicators significantly reduces the calculation time of the hydrological modeling chain when the analysis is performed on specific hydrological indicators.

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 avec mémoire en génie de la construction". Comprend des références bibliographiques (pages 129-134).
Mots-clés libres:	sélection, modélisation hydrologique, changement climatique, incertitude
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Arsenault, Richard
Codirecteur:	Codirecteur Huard, David
Programme:	Maîtrise en ingénierie > Génie de la construction
Date de dépôt:	25 janv. 2021 20:04
Dernière modification:	25 janv. 2021 20:04
URI:	https://espace.etsmtl.ca/id/eprint/2628

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt