Impact of limited streamflow data on the efficiency and the parameters of rainfallrunoff models - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement Accéder directement au contenu
Article Dans Une Revue Hydrological Sciences Journal Année : 2007

Impact of limited streamflow data on the efficiency and the parameters of rainfallrunoff models

Impact d'une limitation de données de débit sur l'efficacité et les paramètres de modèles pluie débit

Résumé

Streamflow data are essential for the calibration of continuous rainfallrunoff (RR) models. The quantity and quality of streamflow data can significantly influence parameter calibration and thus model robustness. Most existing sensitivity analysis studies on the role of streamflow data have used continuous periods to calibrate model parameters, with a minimum of one year, though ideally much longer periods are generally advised. However, in practical model applications, streamflow data series available for model calibration may be rather short or non-continuous. This study aims at assessing the sensitivity of continuous RR models to the quantity of information used during model calibration when it is randomly sampled in the observed hydrograph, i.e. using non-continuous calibration periods. This sampling provides less auto-correlated streamflow information for model calibration than continuous records. Two daily RR models with four and six free parameters were tested on a sample of 12 basins in the USA to obtain more general conclusions. The results showed that, in general, 350 calibration days sampled out of a longer data set including dry and wet conditions are sufficient to obtain robust estimates of model parameters. The more parsimonious model requires fewer calibration data to obtain stable and robust parameter values. Stable parameter values prove more difficult to reach in the driest catchments.
Les données de débit sont essentielles pour caler les modèles pluiedébit continus. La quantité et la qualité des données peuvent influencer de manière significative le calage des paramètres et donc la robustesse du modèle. La plupart des analyses de sensibilité ayant abordé le rôle des données de débit ont utilisé des périodes continues pour le calage des paramètres des modèles, avec un minimum d'une année, bien qu'idéalement des chroniques beaucoup plus longues soient généralement conseillées. Cependant, dans des applications pratiques de modélisation, les séries de données disponibles pour le calage des modèles sont courtes ou non-continues. L'objectif de cette étude est d'évaluer la sensibilité des modèles pluiedébit continus à la quantité d'information utilisée pour leur calage lorsqu'elle est échantillonnée aléatoirement dans l'hydrogramme observé, c'est-à-dire en utilisant des périodes de calage non-continues. Cet échantillonnage fournit une information de débit moins corrélée qu'une série continue pour le calage. Nous avons utilisé ici deux modèles pluiedébit avec quatre et six paramètres, et nous les avons testés sur un échantillon de 12 bassins aux Etats-Unis, pour obtenir des conclusions plus générales. Les résultats montrent qu'en général, 350 jours de calage tirés dans une série plus longue comprenant des conditions sèches et humides sont suffisants pour obtenir des valeurs robustes des jeux de paramètres. Le modèle le plus parcimonieux a besoin de moins de données pour obtenir des valeurs stables et robustes de ses paramètres. L'obtention de valeurs stables des paramètres s'est révélée plus délicate sur les bassins les plus secs.

Mots clés

Fichier non déposé

Dates et versions

hal-02588933 , version 1 (15-05-2020)

Identifiants

Citer

Charles Perrin, Ludovic Oudin, Vazken Andréassian, Claudia Rojas-Serna, Claude Michel, et al.. Impact of limited streamflow data on the efficiency and the parameters of rainfallrunoff models. Hydrological Sciences Journal, 2007, 52 (1), pp.131-151. ⟨hal-02588933⟩
21 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More