Analyse du post-traitement par transformation quantile-quantile pour le pré- et post-traitement de prévisions hydrologiques

Godmer, Lucas (2024). Analyse du post-traitement par transformation quantile-quantile pour le pré- et post-traitement de prévisions hydrologiques. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (1MB) | Prévisualisation

Résumé

Cette étude explore l'amélioration des prévisions météorologiques et hydrologiques probabilistes à court terme à travers des traitements statistiques, s'inscrivant dans l'objectif crucial de gestion optimale des ressources hydriques et de prévention des risques liés aux phénomènes extrêmes. L'étude porte sur les prévisions générées par huit modèles hydrologiques conceptuels globaux pour 42 bassins versants québécois, utilisant l'algorithme Covariance Matrix Adaptation Evolution Strategy (CMA-ES) pour la calibration. Les prévisions s'appuient sur des données météorologiques d'ensemble et sont enrichies par une assimilation de données, formant un ensemble de 1250 scénarios hydrologiques. L'accent est mis sur les pré et post-traitements des données par Quantile Mapping (QM) avec une sélection de données de calibration par fenêtre glissante, évalués via le Continuous Ranked Probability Score (CRPS).

Les résultats révèlent que le prétraitement améliore considérablement les prévisions de température, mais impacte faiblement les précipitations. De plus, les avantages du prétraitement se propagent faiblement après simulation par les modèles hydrologiques. Inversement, le post-traitement entraîne des modifications substantielles des débits simulés, avec des impacts tant positifs que négatifs. Le post-traitement au QM améliore les performances de modèles moins précis, mais peut légèrement détériorer celles des modèles les plus performants. Sur les 42 bassins étudiés, les prévisions brutes restent supérieures pour 16 d'entre eux, soulignant qu'aucune méthode de traitement ne se distingue uniformément parmi les modèles et bassins étudiés. La méthode de sélection des données utilisée pour le QM suggère que des fenêtres plus larges (±30 jours) offrent des corrections plus efficaces. Cependant, l'étude révèle aussi des limitations cruciales, notamment la quantité limitée de données disponibles. Ainsi, le choix initial d'un nombre élevé de quantiles pour le QM, par rapport aux données disponibles, met en lumière une considération méthodologique essentielle. Reconnaissant cela, un nombre réduit de quantiles aurait été plus adéquat vu la limitation des données. Cette réalisation met en évidence l'importance de l'adéquation entre les méthodes statistiques et le volume de données, et suggère que des stratégies alternatives pourraient être explorées dans des recherches futures face à de telles limitations. Bien que l'étude démontre la capacité des traitements statistiques à ajuster et améliorer les prévisions hydrologiques, elle met également en lumière la complexité inhérente à la prédiction des régimes hydriques et les défis liés aux méthodes de traitement statistique. Ces observations encouragent une approche plus ciblée et une réflexion critique sur le choix des méthodes en fonction des caractéristiques spécifiques de chaque bassin versant et des données disponibles.

Titre traduit

Analysis of quantile-quantile transformation for pre- and post-processing of hydrological forecasts

Résumé traduit

This study delves into the enhancement of short-term probabilistic meteorological and hydrological forecasts through statistical treatments, aimed at optimal water resource management and risk prevention associated with extreme events. The study focuses on forecasts produced by 8 lumped conceptual rainfall-runoff models for 42 Quebec watersheds, employing the Covariance Matrix Adaptation Evolution Strategy (CMA-ES) algorithm for calibration. The forecasts rely on ensemble meteorological data, and they are enriched through data assimilation, culminating in a set of 1250 hydrological scenarios. Emphasis is placed on the pre- and post-processing of data using Quantile Mapping (QM) with a sliding window approach for calibration data selection, assessed through the Continuous Ranked Probability Score (CRPS).

The findings show that pre-processing considerably improves temperature forecasts but has a minimal impact on precipitation. Additionally, the benefits of pre-processing weakly propagate following simulation by the hydrological models. Conversely, post-processing leads to substantial alterations in simulated flows, with both positive and negative impacts. Postprocessing with QM enhances the performance of less accurate models but can slightly degrade the performance of the most efficient models. Among the 42 basins studied, raw forecasts remain superior for 16, indicating that no single treatment method distinctly outperforms across the analysed models and basins. The data selection method used for QM indicates that wider windows (±30 days) provide more effective corrections. However, the study also uncovers critical limitations, notably the limited quantity of available data. Consequently, the initial choice of a high number of quantiles for QM, relative to the available data, underscores a crucial methodological consideration. Acknowledging this, a reduced number of quantiles would have been more appropriate given the data limitations. This realization highlights the importance of matching statistical methods with the volume of available data and suggests that alternative strategies might be explored in future research to overcome such limitations. Although the study demonstrates the ability of statistical treatments to adjust and enhance hydrological forecasts, it also sheds light on the inherent complexity of predicting hydrological regimes and the challenges associated with statistical treatment methods. These observations encourage a more targeted approach and critical reflection on the choice of methods based on the specific characteristics of each watershed and the available data.

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 105-110).
Mots-clés libres:	traitement statistique, quantile mapping, prévision d’ensemble, simulation hydrologique
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Arsenault, Richard
Codirecteur:	Codirecteur Poulin, Annie
Programme:	Maîtrise en ingénierie > Génie de la construction
Date de dépôt:	30 mai 2024 14:35
Dernière modification:	30 mai 2024 14:35
URI:	https://espace.etsmtl.ca/id/eprint/3455

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt