Data assimilation applied to a distributed rain-flow model for flash flood warnings - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement
Communication Dans Un Congrès Année : 2018

Data assimilation applied to a distributed rain-flow model for flash flood warnings

Résumé

Flash flood alerts in metropolitan France are provided by the SCHAPI through the Vigicrues Flash service. Vigicrues Flash is designed to work on ungauged catchments and implements the AIGA method. This method is based on a distributed hydrological model with radar rainfall observation inputs. This model takes into account spatial variabilities of the rainfall and also spatial properties of the catchment. However, the calibration of the distributed parameters at very low scale cannot be handled with common calibration procedures without facing strong equifinality issues. In order to take fully advantage of this distributed model, we suggest to use the 4DVar data assimilation procedure to calibrate parameters. With this method, the search of the optimal set of parameters is achieved by minimising an objective function under background constraints about the system (such as spatial variabilities and uncertainties). This algorithm helps to combine all available sources of information on the system and lets spatialize parameters through the catchments. This work presents the application of this method on the Gardon d'Anduze watershed. We compare distributed and uniform calibrations and we show the potential benefits of this method on ungauged catchments.
Le service opérationnel Crue Soudaine développé par le SCHAPI utilise la méthode AIGA pour l'alerte et l'anticipation des crues sur l'ensemble du territoire français. La méthode AIGA est optimisée pour prévoir les crues sur des bassins-versants de petites tailles et non jaugés. Elle repose sur un modèle de prévision pluie-débit distribués (GRD) qui fonctionne de manière continue avec les données de pluies radars. Ce type de modèle permet de prendre en compte d'une part l'hétérogénéité spatiale des pluies et d'autre part la variabilité spatiale du fonctionnement hydrologique des bassins versants. Cependant le calage spatial des paramètres du modèle reste difficile à réaliser et une paramétrisation uniforme à l'échelle des bassins-versants est utilisée dans la méthode AIGA. En effet le nombre de variables à calibrer est nettement supérieur aux nombres d'observations disponibles : un tel calage est difficilement réalisable par des techniques de calage traditionnelles (équifinalité des jeux de paramètres trouvés). Afin de valoriser pleinement la descente d'échelle opérée par un modèle distribué, nous proposons dans ce travail d'utiliser l'algorithme d'assimilation de donnée 4DVar pour réaliser une paramétrisation spatiale du modèle. La recherche des jeux de paramètres optimums s'effectue alors par la minimisation d'une fonction « objectif » sous la contrainte de connaissances à priori de l'état du système : variabilité spatiale, variance et initialisation des paramètres. La recherche du minimum de cette fonction nécessite le calcul du gradient qui peut être obtenu efficacement par la méthode "adjointe". L'utilisation de cet algorithme permet de combiner de manière optimale l'ensemble des sources d'informations disponibles sur un bassin-versant et permet ainsi de diffuser l'information vers les pixels et bassins-versants voisins en vue d'améliorer la régionalisation des paramètres. Enfin, cet algorithme peut être aussi bien appliqué pour la recherche des paramètres que pour la mise à jour en temps réel des états internes du modèle. Ce travail présente l'application de l'algorithme 4DVar avec le modèle pluie-débit distribué GRD sur le bassin-versant du Gardon d'Anduze. Il permet notamment de comparer un calage spatialement distribué par rapport à un calage spatialement homogène et de montrer l'apport potentiel d'une telle approche sur des bassins versants non jaugés.

Mots clés

Fichier non déposé

Dates et versions

hal-02608802 , version 1 (16-05-2020)

Identifiants

Citer

M. Jay-Allemand, I. Gejadze, P. Javelle, D. Organde, J.A. Fine, et al.. Data assimilation applied to a distributed rain-flow model for flash flood warnings. De la prévision des crues à la gestion de crise, Nov 2018, Avignon, France. pp.10. ⟨hal-02608802⟩
37 Consultations
0 Téléchargements

Partager

More