Assimilation de données d'humidité des sols pour la prévision de crues : comparaison d'un modèle pluie-débit conceptuel et d'un modèle intégrant une interface sol-végétation-atmosphère
Notice bibliographique
Résumé
Le but de cet article est de présenter une méthodologie de mise à jour des paramètres de modèles pluie-débit en période de crue. Elle a été mise au point afin d'améliorer un des aspects de la gestion des réservoirs dans un contexte opérationnel de protection contre les crues: la réduction des incertitudes sur la prévision des débits. L'originalité de la méthode proposée réside dans le fait que l'on utilise non seulement une information sur les débits mais aussi une information sur l'humidité du sol. L'objectif de l'étude est d'évaluer l'intérêt de l'introduction de cette information supplémentaire. Pour cela, les données d'humidité du sol sont introduites au sein du modèle par l'intermédiaire d'une relation de passage établie entre l'humidité mesurée in situ et l'humidité calculée implicitement ou explicitement par les modèles. Cette méthodologie a été testée dans le cadre du projet européen AIMWATER sur quatre sous-bassins de la Seine en amont de Paris (France). Deux modèles pluie-débit sont utilisés dans cette étude, un modèle conceptuel semi-emprique et un modèle conceptuel couplé à un schéma de surface simulant une interface sol-végétation-atmosphère et permettant de calculer l'évolution de l'humidité du sol à différentes profondeurs. Cette approche comparative étudie l'intérêt d'un tel modèle couplé par rapport au modèle conceptuel semi-empirique sans représentation explicite des phénomènes se produisant à l'interface sol-végétation-atmosphère.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».