L'assimilation de données multivariées pour la prévision hydrologique
- Date :
- Cet événement est passé.
- Type :
- Soutenance de thèse
- Lieu :
- Local C1-3114 de la Faculté de génie
Directeur de recherche : Robert Leconte
Président du jury : à être confirmé
Résumé :
La présente thèse examine l’impact de l’assimilation de données multivariées pour la prévision hydrologique à court et moyen terme. Le filtre de Kalman d’ensemble est employé pour assimiler les observations de l’équivalent en eau de la neige à trois endroits sur le bassin versant de la rivière Nechako, ainsi que le débit à l’exutoire, dans le modèle hydrologique CEQUEAU. Les scénarios d’assimilation sont premièrement testés dans un cadre synthétique afin d’identifier les variables les plus susceptibles à l’assimilation des données pour la prévision hydrologique, ainsi que pour tester la robustesse des scénarios en présence de biais sur les précipitations. Les observations réelles sont ensuite assimilées pour vérifier l’impact réel des scénarios pour la prévision hydrologique. Les résultats montrent que l’assimilation du débit améliore principalement les prévisions à court terme, tandis que l’assimilation de l’équivalent en eau de la neige améliore les prévisions à court et moyen terme. L’assimilation simultanée du débit et de l’équivalent en eau de la neige surpasse l’assimilation des données individuellement.