MétaCan
Menu
← Retour à la cohorte
Enregistrement W4393737789

Modélisation précipitations débit sous influence nivale : Elaboration d'un module neige et évaluation sur 380 bassins versants

2010· preprint· en· W4393737789 sur OpenAlexaboutno aff
Audrey Valéry

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2010
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSnowElaborationPrecipitationFlow (mathematics)Environmental scienceHydrology (agriculture)MeteorologyGeographyEngineeringMathematicsGeotechnical engineeringHumanitiesArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The level at which snow accumulation and melt impacts streamflow varies from one catchment to another. The main objective of this research was to improve the accounting of snow influences in lumped precipitation-runoff models, by developing simple, parsimonious and general tools to efficiently simulate discharge at the outlet of catchments heavily or lowly influenced by snow processes. Our work was based on a set of 380 catchments spread over four countries (Canada, France, Sweden and Switzerland) and on systematic tests of ideas proposed in the literature. We focused on two main issues. On the one hand, we developed a spatialization method for estimating model input data (precipitation and air temperature) at the catchment scale. On the other hand, we developed a new snow accumulation and melt routine to account for the dynamics of snow at the catchment scale and to improve the quality of discharge simulations. \nThe results of the spatialization method highlighted the usefulness of introducing altitude corrections to estimate precipitation and air temperature fields in zones with strong relief. Besides, the comparison of this approach with a more classical one that does not use altitude information, showed a significant improvement in the quality of discharge simulated by the hydrological models. \nStarting from a very simple snow routine structure that we tried to complexify provided that the additions to the module would improve model efficiency, we ended up with a parsimonious (two free parameters) and general snow module, called CemaNeige. Tested on our catchment set, it showed better performances than five of the seven existing snow module tested as references. On the Swedish catchments, it also performed better than the two modules that showed the best performances on average on the total catchment set. However, CemaNeige can still be improved on mountainous catchments (France and Switzerland) where the lumped versions of the MORDOR routine outperformed CemaNeige. Also tested on an independent set of French catchments where the level of influence by snow is low, CemaNeige showed satisfactory results. Last, CemaNeige can easily be adapted for simulation on ungauged catchments, as it shows an acceptable level of performance with default parameter values. / L'influence de la neige sur les écoulements des bassins versants est très variable d'un environnement à l'autre. L'objectif principal de cette thèse est l'amélioration de la prise en compte de la neige dans les modèles précipitations débit globaux, à travers le développement d'outils simples, parcimonieux et généraux permettant de simuler le débit efficacement aussi bien sur des bassins fortement influencés par la neige que sur des bassins où le phénomène apparaît de façon plus épisodique. La démarche que nous avons adoptée s'appuie sur un large échantillon de 380 bassins versants répartis dans quatre pays (Canada, France, Suède et Suisse) ainsi que sur des tests systématiques permettant d'évaluer un grand nombre d'idées issues de la littérature. Deux questions essentielles ont été traitées. D'une part, la problématique de l'estimation des données d'entrée (précipitations et températures de l'air) des modèles hydrologiques nous a conduit à développer une méthode de spatialisation. D'autre part, la prise en compte de la dynamique du manteau neigeux à l'échelle du bassin versant pour améliorer la qualité de simulation des débits s'est traduite par le développement d'un module neige. Les résultats du travail de spatialisation soulignent l'intérêt d'introduire des corrections altitudinales pour estimer les précipitations et les températures de l'air dans des zones de relief. De plus, la confrontation des données issues de la méthode développée et d'une approche sans prise en compte de l'altitude, montre une amélioration significative de la qualité des simulations dès lors que l'altitude est considérée. Partant d'une structure très simple que nous enrichissons à la seule condition d'un gain de performance significatif, nos travaux de modélisation se sont achevés par la mise au point d'un module neige parcimonieux (deux paramètres libres) et général (baptisé CemaNeige). Testé sur notre échantillon de 380 bassins, CemaNeige est plus performant que cinq des sept modules neige existants testés au cours de nos travaux comme référence externe. Il est aussi meilleur que les deux derniers modules sur notre échantillon de bassins scandinaves. En revanche, CemaNeige présente encore une marge de progression par rapport aux approches globales du module neige MORDOR sur les bassins de forts reliefs (Suisse et France). Testé également sur un échantillon indépendant de bassins versants français faiblement influencés par la neige, CemaNeige a montré des résultats satisfaisants. Enfin il peut aussi être appliqué à des bassins versants non jaugés, dans la mesure où il fonctionne honorablement sans calage.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,230
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)→Même sujetHydrology and Watershed Management Studies→Travaux en français237 207→