Hydrologic and hydraulic ensemble forecasts for flood monitoring and forecasting
Prévisions d'ensemble hydrologiques et hydrauliques pour la vigilance crues
Abstract
This PhD originates from a cooperation from CEREMA (Centre for Studies and Expertise on Risks, the Environment, Mobility and Urban Planning), EDF R&R, CERFACS (European Center for Avanced Research and Training in Computational Sciences) and SCHAPI (French national service for flood forecasting). In order to realize the twice-daily vigilance maps, the SCHAPI and the 19 SPC (Services de Prévision des Crues) distributed on the territory, use, among others, the results of numerical models generally launched with a deterministic approach (meteorological forecasts, hydrological and hydraulic modeling). The objective of the thesis is the implementation and evaluation of hydrological and hydraulic ensemble forecasts within the framework of the flood surveillance and forecast carried out by the governmental agencies in order to identify and reduce uncertainties for short to mid-term forecasts (24 hours). The originality of this work lies in the hybrid use of physics-based models and learning models on a large volume of data. For this purpose, meteorological forecasts are used to force a hydrological-hydraulic chained model to provide discharge and water level forecasts. In order to take into account the various sources of uncertainty related to the numerical models, model parameters and associated data, the limits of the deterministic are overcome by an ensemble approach; an ensemble of flow and water level forecasts is thus generated.The study basin is the Odet watershed located in Finistère (France, Brittany). The upstream part of the basin is represented by a hydrological model (GRP or MORDOR-TS). It provides a forecasted inflow for the 1D hydraulic model MASCARET that represents the dynamics of the river, and represents water heights at the downstream observing stations.First, a global sensitivity study (GSA) is carried out for the hydrological and hydraulic models. This is a prerequisite for the generation of ensemble forecasts. The GSA allows to identify the main sources of uncertainty and to perturb the significant uncertain parameters for the generation of an ensemble of forecasted discharges and water levels. The propagation of these uncertainties results in the generation of a raw ensemble for both hydrology and hydraulics, with the hydrological ensembles used to force the hydraulic ensembles. Two methods of ensemble correction are then investigated in the PhD: statistical calibration via the Quantile Regression Forest method and data assimilation calibration via an ensemble Kalman Filter (EnKF). It was shown that both approaches significantly improve the performance of the ensemble in terms of reliability and resolution. Finally, the performance of ensemble forecasts is compared for hydrology and hydraulics and recommendations are made for the operational generation of ensemble flow forecasts within SPCs
Cette thèse s’inscrit dans le cadre d’un partenariat entre le CEREMA (Centre d’Études et d’expertise sur les Risques, l’Environnement, la Mobilité et l’Aménagement), EDF R&D, le CERFACS (Centre Européen de Recherche et de Formation Avancée en Calcul Scientifique) et le SCHAPI (Service Central d'Hydrométéorologie et d’Appui à la Prévision des Inondations). Afin de réaliser les cartes de vigilance bi-quotidiennes, le SCHAPI et les 19 SPC (Services de Prévision des Crues) répartis sur le territoire utilisent entre autres des résultats de modèles numériques généralement lancés de manière déterministe (prévisions météorologiques, modélisations hydrologique et hydraulique). L’objectif de la thèse est la mise en place et l’évaluation de prévisions d’ensembles hydrologiques et hydrauliques dans le cadre de la vigilance crue-inondation réalisée par les services de l’État afin de mieux appréhender et réduire les incertitudes dans un contexte de prévision à courte et moyenne échéance (24 heures). L’originalité de ce travail réside dans l’utilisation hybride de modèles à base physique et de modèles d’apprentissage sur un important volume de données. Dans cet objectif, les prévisions météorologiques forcent un modèle chaîné hydrologie-hydraulique afin de fournir des prévisions de débit et de hauteurs d’eau. Afin de prendre en compte les diverses sources d’incertitude liées aux modèles numériques, aux paramètres des modèles et aux données associées, l’approche déterministe est remplacée par une approche ensembliste ; on fournit ainsi un ensemble de prévisions de débits et hauteurs d’eau.Le bassin d’étude est le bassin versant de l’Odet situé dans le Finistère. La partie amont du bassin est modélisée par un modèle hydrologique (GRP ou MORDOR-TS). Il fournit une prévision de débit qui sert de forçage au modèle hydraulique 1D MASCARET, qui lui prévoit des hauteurs d’eau aux stations de vigilance en aval.Dans un premier temps, une étude de sensibilité globale (GSA) est menée sur les modèles hydrologiques et hydrauliques. Ceci est un préalable à la génération des prévisions d’ensemble. La GSA permet d’identifier les sources principales d’incertitude et ainsi de perturber les paramètres incertains significatifs pour la représentation des débits et des hauteurs d’eau prévus. La propagation de ces incertitudes aboutit à la création d’un ensemble brut pour l’hydrologie et pour l’hydraulique, les ensembles hydrologiques étant utilisés pour forcer les ensembles hydrauliques. Deux méthodes de correction des ensembles sont alors investiguées dans la thèse : la calibration statistique via la méthode des forêts aléatoires « Quantile Regression Forest » et la calibration par assimilation de données via un filtre de Kalman d’ensemble (EnKF). On a montré que ces deux approches améliorent significativement les performances de l’ensemble en termes de fiabilité et résolution. Enfin la comparaison des performances des prévisions d'ensemble est finalement réalisée pour l’hydrologie et l’hydraulique et des préconisations sont émises pour la génération opérationnelle de prévisions d’ensemble au sein des SPC
Origin | Version validated by the jury (STAR) |
---|