Flood forecasting describes the rainfall-runoff transformation using simplified representations. These representations are based on either empirical descriptions, or on equations of classical mechanics of the involved physical processes. The performances of the existing flood predictions are affected by several sources of uncertainties coming not only from the approximations involved but also from imperfect knowledge of input data, initial conditions of the river basin, and model parameters. Quantifying these uncertainties enables the decision maker to better interpret the predictions and constitute a valuable decision-making tool for flood risk management. Uncertainty analysis on existing rainfall-runoff models are often performed using Monte Carlo (MC)- simulations. The implementation of this type of techniques requires a large number of simulations and consequently a potentially important calculation time. Therefore, quantifying uncertainties of real-time hydrological models is challenging. In this project, we develop a methodology for flood prediction based on Bayesian networks (BNs). BNs are directed acyclic graphs where the nodes correspond to the variables characterizing the modelled system and the arcs represent the probabilistic dependencies between these variables. The presented methodology suggests to build the RBs from the main hydrological factors controlling the flood generation, using both the available observations of the system response and the deterministic equations describing the processes involved. It is, thus, designed to take into account the time variability of different involved variables. The conditional probability tables (parameters), can be specified using observed data, existing hydrological models or expert opinion. Thanks to their inference algorithms, BN are able to rapidly propagate, through the graph, different sources of uncertainty in order to estimate their effect on the model output (e.g. riverflow). Several case studies are tested. The first case study is the Salat river basin, located in the south-west of France, where a BN is used to simulate the discharge at a given station from the streamflow observations at 3 hydrometric stations located upstream. The model showed good performances estimating the discharge at the outlet. Used in a reverse way, the model showed also satisfactory results when characterising the discharges at an upstream station by propagating back discharge observations of some downstream stations. The second case study is the Sagelva basin, located in Norway, where a BN is used to simulate the accumulation of snow water equivalent (SWE) given available weather data observations. The performances of the model are affected by the learning dataset used to train the BN parameters. In the absence of relevant observation data for learning, a methodology for learning the BN-parameters from deterministic models is proposed and tested. The resulted BN can be used to perform uncertainty analysis without any MC-simulations to be performed in real-time. From these case studies, it appears that BNs are a relevant decisionsupport tool for flood risk management.

Dans des conditions de climat humide et lorsque les sols sont peu perméables, les systèmes de drainage souterrains sont généralement utilisés pour contrôler le niveau de la nappe phréatique et améliorer la production agricole. Cependant, les drains souterrains modifient à la fois les voies d'écoulement hydrologique et les taux de transport des nutriments des terres cultivées vers les eaux de surface, pouvant détériorer la qualité des eaux souterraines et de surface. De plus, des macropores sont souvent présents dans les sols composés de till argileux, ce qui génère un flux d'eau rapide et riche en nutriments de la surface du sol vers les drains souterrains. Une approche rentable pour réduire le lessivage des nutriments provenant de l'agriculture consiste à imposer des restrictions uniquement dans les zones vulnérables à la contamination de l'eau. Ces zones peuvent être identifiées à l'aide de modèles hydrologiques distribués. Les résultats obtenus sur de petits bassins versants expérimentaux doivent être simplifiés pour être appliqués à des échelles plus grandes, généralement requises pour l'élaboration de politiques. L'objectif de cette étude était d'examiner les avancées et les limitations de l'inclusion des drains souterrains dans les modèles d'écoulement de surface et souterrain. Les objectifs spécifiques étaient de i) démontrer l'utilisation des estimations de conductivité électrique spécifique (CE), pour améliorer les simulations hydrologiques dans un champ drainé, ii) étudier l'efficacité d'un modèle hydrologique et de transport de soluté tridimensionnel pour simuler un test de traçage de bromure (Br) dans un champ drainé et iii) évaluer différents modèles conceptuels de drains souterrains et d'hétérogénéité du sol pour la simulation numérique du drainage dans un bassin versant agricole au Danemark. Les résultats suggèrent que la simulation de la profondeur de la nappe phréatique peut être améliorée par l'inclusion d'hétérogénéités basées sur des estimations de la CE. L'approche des seepage nodes était appropriée pour simuler les débits de drainage, cependant la précision des simulations était meilleure pour les modèles à l'échelle du terrain. À l'échelle du bassin versant, le fait de ne représenter que les drains principaux est approprié pour pouvoir utiliser des maillages plus grossiers et pour simuler le débit des cours d'eau et les faibles profondeurs des eaux de surface dans les zones drainées. Des résultats similaires ont été obtenus lorsque les seepage nodes ont été appliqués sur l'ensemble des zones agricoles, sans tenir compte de l'emplacement spécifique des drains souterrains. Cette dernière approche peut être appliquée lorsque les drains souterrains ne sont pas cartographiés, ce qui est généralement le cas. Une représentation simplifiée de l'hétérogénéité et de la macroporosité peut expliquer les différences entre ls valeurs observées et simulées des charges hydrauliques, débits de drainage et processus de transport de solutés. Les approches de modélisation étudiées dans cette thèse peuvent améliorer la représentation de la dynamique de l'écoulement souterrain et les simulations du transport de substances agrochimiques lessivées des champs cultivés, telles que le nitrate et phosphate. / Under humid climate conditions and for low-permeability soils, subsurface tile drains are usually employed to lower the water table and enhance agricultural production. However, tile drains alter both the hydrologic flow pathways in agricultural catchments and the rates of nutrient transport from cropland to surface water bodies, potentially impairing the groundwater and surface water quality. Furthermore, macropores are often present in clayey till soils, generating rapid and nutrient-rich water flow from the ground surface to the tile drains. A cost-effective approach to reduce nutrient leaching from agriculture is to impose restrictions only in vulnerable areas to water contamination, which can be identified using distributed hydrological models. Results on small experimental catchments need to be simplified for application on larger scales, usually required for policy-making purposes. The objective of this study was to investigate the outcomes and limitations of including tile drains in surface and subsurface flow models. Specific objectives were to i) demonstrate the use of electrical conductivity (EC) estimates to improve hydrological simulations in a tile-drained field, ii) investigate the efficiency of a three-dimensional hydrological and solute transport model to simulate a bromide (Br) tracer test in a tile-drained field and iii) assess different conceptual models for tile drains and soil heterogeneity for the numerical simulation of tile drainage in an agricultural catchment in Denmark. The results suggest that the simulation of the water table depth can be improved by the inclusion of heterogeneities based on EC estimates. The seepage nodes approach was suitable to simulate drain discharge, however the accuracy of the simulations was better for the field-scale models. At the catchment scale, representing only the main drains was suitable to reduce the mesh refinement and simulate stream flow and low surface water depths in drained areas. Similar results were obtained when seepage nodes were applied all over the agricultural areas, without considering the specific location of tile drains. The later approach can be applied when tile drains are not mapped, which is usually the case. The misrepresentation of heterogeneity and macroporosity may explain the differences between observed and simulated hydraulic heads, drain discharge and solute transport processes. The modeling approaches investigated in this dissertation can improve subsequent simulations of tile drainage and the transport and fate of leached agrochemicals such as nitrate or phosphate.

La prévision hydrologique consiste à évaluer quelle sera l'évolution du débit au cours des prochains pas de temps. En utilisant les systèmes actuels de prévisions hydrologiques déterministes, il est impossible d'apprécier simplement l'incertitude associée à ce type de prévision, ce que peut nuire à la prise de décisions. La prévision hydrologique d'ensemble (PHE) cherche à étayer cette incertitude en proposant, à chaque pas de temps, une distribution de probabilité, la prévision probabiliste, en place et lieu d'une estimation unique du débit, la prévision déterministe. La PHE offre de nombreux bénéfices : elle informe l'utilisateur de l'incertitude; elle permet aux autorités qui prennent des décisions de déterminer des critères d'alerte et de mettre en place des scénarios d'urgence; elle fournit les informations nécessaires à la prise de décisions tenant compte du risque. L'objectif principal de cette thèse est l'évaluation de prévisions hydrologiques d'ensemble, en mettant l'accent sur la performance et la fiabilité de celles-ci. Deux techniques pour construire des ensembles sont explorées: a) une première reposant sur des prévisions météorologiques d'ensemble (PME) et b) une seconde exploitant simultanément un ensemble de modèles hydrologiques (multimodèle). En termes généraux, les objectifs de la thèse ont été établis afin d'évaluer : a) les incertitudes associées à la structure du modèle : une étude qui repose sur des simulations journalières issues de dix-sept modèles hydrologiques globaux, pour plus de mille bassins versants français; b) les incertitudes associées à la prévision météorologique : une étude qui exploite la PME du Service Météorologique du Canada et un modèle hydrologique opérationnel semi-distribué, pour un horizon de 3 jours sur douze bassins versants québécois; c) les incertitudes associées à la fois à la structure du modèle et à la prévision météorologique : une étude qui repose à la fois sur la PME issue du ECMWF (European Centre for Medium-Range Weather Forecasts) et seize modèles hydrologiques globaux, pour un horizon de 9 jours sur 29 bassins versants français. Les résultats mets en évidence les avantages des systèmes probabilistes par rapport aux les déterministes. Les prévisions probabilistes sont toutefois souvent affectées par une sous dispersion de leur distribution prédictive. Elles exigent alors un post traitement avant d'être intégrées dans un processus de prise de décision. Plus intéressant encore, les résultats ont également montré le grand potentiel de combiner plusieurs sources d'incertitude, notamment celle associée à la prévision météorologique et celle associée à la structure des modèles hydrologiques. Il nous semble donc prioritaire de continuer à explorer davantage cette approche combinatoire.

L’objectif de ce projet est d’évaluer, en utilisant le bassin versant de la prise d’eau potable de la Ville de Québec sur la rivière Saint-Charles comme cas d’étude, les temps de parcours obtenus par modélisation hydrologique dans une optique de protection de sources d’eau potable. Préalablement à la modélisation, une analyse cartographique des occupations du territoire et des contaminants pouvant être relâchés a été faite afin de mieux comprendre les risques à la qualité de l’eau potable brute. Une méthodologie de modélisation hydrologique articulée autour du cas d’étude est développée en utilisant le Soil and Water Assessment Tools, SWAT, pour déterminer les temps de parcours de l’eau dans les rivières principales du bassin versant. Cette méthodologie s’appuie principalement sur les données climatiques, l’occupation du territoire, les types de sols et la topographie du territoire à l’étude. Le modèle est validé de façon à reproduire l’ordre de grandeur et les mêmes tendances que les débits observés aux stations débitmétriques actives sur le bassin versant. Pour différents scénarios de précipitations (sec, médian ou pluvieux) ainsi que différentes périodes de retour (hebdomadaire, mensuelle ou estivale), une analyse statistique permet de dégager les temps de parcours les plus probables pour chaque cas. Ces derniers sont comparés aux aires de protection des prises d’eau potable telles que définies par le Guide d’analyse de la vulnérabilité MDDELCC (2016). En comparant ces temps de parcours aux aires de protection des prises d’eau potable, il est possible de faire ressortir la grande variabilité dans les temps de parcours obtenus par modélisation hydrologique pour une même distance géographique tout dépendamment du scénario de précipitation et de la période de retour. Avec ces mêmes temps de parcours, une analyse qualitative de l’impact des changements climatiques sur les temps de parcours permet de faire ressortir une augmentation de la vulnérabilité de la prise d’eau aux aléas climatiques et anthropiques.

La prévision d’ensemble hydrologique est devenue un élément clé pour atténuer les effets des catastrophes naturelles (crues et sécheresses) et pour aider à la gestion des barrages (gestion du risque et de la ressource). Une approche probabiliste permet de représenter l’incertitude de prévision et de faciliter la prise de décision. Dans cette étude, un système automatique de prévision d’ensemble du débit tenant compte des principales sources d’incertitude est utilisé. L’incertitude météorologique est décrite en utilisant des prévisions d’ensemble météorologiques (MEPS) qui, malgré des améliorations constantes, peuvent rester localement biaisées et/ou peu fiables. Ces deux problèmes peuvent affecter la qualité de la prévision du débit et les décisions qui en résultent. Cette étude vise à évaluer si un post-traitement de la prévision météorologique est utile pour améliorer la prévision du débit produite par un système quantifiant les principales sources d’incertitude. Deux techniques de post-traitement météorologique sont utilisées pour corriger des prévisions de précipitation ECMWF : “Censored, Shifted Gamma Distribution” (CSGD) et “Distribution-based scaling” (DBS). Les prévisions de précipitations brutes et post-traitées sont utilisées pour forcer 20 modèles hydrologiques et obtenir des prévisions d’ensemble de débits. L’incertitude liée aux conditions initiales sont décrites par une assimilation de données (filtre d’ensemble de Kalman). Le post-traitement de la prévision de précipitation est évalué sur les sous-bassins de la rivière Gatineau au Québec en utilisant une évaluation multi-critères (diagramme de fiabilité, MCRPS...). Les résultats montrent une amélioration de la prévision météorologique en termes de fiabilité pour tous les bassins. Cette amélioration dépend de la quantité de précipitations, de l’horizon de prévision et de la saison. Les améliorations en termes d’exactitude sont plus modérées. Cependant, l’amélioration de la qualité de la prévision de précipitation a un impact faible sur la prévision du débit. / Ensemble streamflow forecast has become a key element to mitigate the effects of natural disasters such as floods and droughts and to help dam management (risk and resource management). A probabilistic framework allows to represent the uncertainty linked to the forecast and in this way help the decision making. In this study, an automatic streamflow ensemble prediction system that accounts for three sources of uncertainty is used. Meteorological uncertainty is accounted for by using a meteorological ensemble prediction systems (MEPS) which despite constant improvements remain locally biased and/or unreliable. These problems can affect the quality of the streamflow forecast and consequently, the resulting decision. This study aims at evaluating if a MEPS post-processing is useful to improve streamflow forecasts issued by a modeling chain that quantifies the main sources of uncertainty. Two MEPS postprocessing techniques were used to correct the ECMWF precipitation forecast: Censored, Shifted Gamma Distribution (CSGD) and Distribution-based scaling (DBS). The raw and post-processed ensemble precipitation forecasts are used as forcing variables to 20 rainfallrunoff models to produce ensemble streamflow forecasts. To consider the uncertainty arising from the initial conditions, the hydrological models benefit from data assimilation (Ensemble Kalman Filter). The post-processing of precipitation forecast is assessed over Gatineau’s sub-basins in Quebec using a multi-criteria evaluation (reliability diagram, MCRPS...). The results show an improvement in the meteorological forecast in terms of reliability for all the basins. This improvement varies by amount of precipitation, forecast lead time and season. The improvements in terms of accuracy were more moderate. However, the use of a meteorological post-processing technique did not lead to an improvement of the streamflow forecast.

Selon l'UNESCO, la moitié des pays du monde sont confrontés à la problématique de l'aridité. Environ un tiers de la surface de la planète est localisé dans les régions arides ou semi-arides. D'après le GIEC, l'impact du changement climatique sur les ressources en eau est potentiellement plus important dans ces régions, dans le monde entier, ou les ressources en eau sont limitées. Il y existe une grande pression due à l'expansion des populations, l'augmentation de la consommation d'eau par habitant et l'irrigation. Il est clair que la bonne et efficace gestion de l'eau dans les régions semi-arides nécessite des systèmes d'aide à la décision appropriés, y compris des outils de la modélisation hydrologique. L'objectif principal de ce mémoire est d'étudier l'applicabilité de la modélisation hydrologique multi-modèle globale (développe à l'origine pour les climats humides) sous climats arides et semi-arides. La recherche porte sur l'étude des phénomènes hydrologiques, en particulier les débits du cours d'eau de la base de données MOPEX pour les bassins arides et semi-arides. Pour répondre à cet objectif, treize modèles hydrologiques globaux conceptuels ont été testés. Pour cela, une procédure de calage/validation a été mise en place, s'appuyant sur la méthode SST. Ensuite, une analyse de performance a été réalisée selon le critère de Nash, dans un premier temps, pour quantifier l'efficacité des modèles pris individuellement. Dans un deuxième temps, pour analyser l'intérêt de l'approche multi-modèle, trois méthodes de combinaison sont évaluées, l'une basée sur la moyenne simple des débits simulés (SM), utilisant une pondération pour chaque modèle (PM) et la méthode Backward Greedy (BG). Finalement, une étude comparative entre les trois méthodes de combinaison multi-modèle a été réalisée afin d'établir la valeur ajoutée de l'attribution des poids sur chaque modèle. En conclusion les résultats ont nettement montré que l'avantage de la méthode multi-modèle. Dans l'application des trois méthodes multi-modèles : la Moyenne Simple (MS), la Moyenne Pondérée (MP) et Backward Greedy (BG), dans la majorité des bassins les valeurs de la performance de ces méthodes sont supérieurs aux valeurs des modèles individuels. / According to UNESCO half the world's countries are facing the problem of aridity. About a third of the surface of the planet is located in arid or semi-arid regions. According to the IPCC, the impact of climate change on water resources is potentially more important in arid and semi-arid in the world. In arid and semi-arid areas of the world, water resources are limited. There are a lot of pressure due to the expansion of the population, the increase in per capita water consumption and irrigation. It is clear that good and efficient water management in semi-arid regions requires appropriate decision support systems, including hydrological modeling tools. The main objective of this thesis is to study the applicability of the global hydrological modeling multiple model (originally developed for humid climates) in arid and semi-arid. The research focuses on the study of hydrological phenomena, especially the water course flows in the MOPEX database for arid and semi-arid basins. To meet this goal thirteen overall conceptual hydrologic models were tested. For this, a calibration / validation procedure was put in place, based on the SST method. Then, a performance analysis was conducted using the Nash criteria, at first, to quantify the effectiveness of the models individually. Secondly, to analyze the interest of the multi-model approach, three combination methods are evaluated, one based on the simple average of the simulated flow (SM), using a weighting for each model (PM) and method Greedy backward (BG). Finally, a comparative study between the three methods of combining multiple model was performed to determine the added value of the allocation of weight on each model. In conclusion, the results showed the advantage of multi-model method is net of the results. In applying the three multi model methods : Simple Average (MS), the Weighted Average (MP) and Backward Greedy (BG), in most basins values of the performance of these methods are superior to the values of individual models.

Nous abordons la prévision probabiliste des débits à partir de deux perspectives basées sur la complémentarité de multiples modèles hydrologiques (diversité). La première exploite une méthodologie hybride basée sur l’évaluation de plusieurs modèles hydrologiques globaux et d’outils d’apprentissage automatique pour la sélection optimale des prédicteurs, alors que la seconde fait recourt à la construction d’ensembles de réseaux de neurones en forçant la diversité. Cette thèse repose sur le concept de la diversité pour développer des méthodologies différentes autour de deux problèmes pouvant être considérés comme complémentaires. La première approche a pour objet la simplification d’un système complexe de prévisions hydrologiques d’ensemble (dont l’acronyme anglais est HEPS) qui dispose de 800 scénarios quotidiens, correspondant à la combinaison d’un modèle de 50 prédictions météorologiques probabilistes et de 16 modèles hydrologiques globaux. Pour la simplification, nous avons exploré quatre techniques: la Linear Correlation Elimination, la Mutual Information, la Backward Greedy Selection et le Nondominated Sorting Genetic Algorithm II (NSGA-II). Nous avons plus particulièrement développé la notion de participation optimale des modèles hydrologiques qui nous renseigne sur le nombre de membres météorologiques représentatifs à utiliser pour chacun des modèles hydrologiques. La seconde approche consiste principalement en la sélection stratifiée des données qui sont à la base de l’élaboration d’un ensemble de réseaux de neurones qui agissent comme autant de prédicteurs. Ainsi, chacun d’entre eux est entraîné avec des entrées tirées de l’application d’une sélection de variables pour différents échantillons stratifiés. Pour cela, nous utilisons la base de données du deuxième et troisième ateliers du projet international MOdel Parameter Estimation eXperiment (MOPEX). En résumé, nous démontrons par ces deux approches que la diversité implicite est efficace dans la configuration d’un HEPS de haute performance. / In this thesis, we tackle the problem of streamflow probabilistic forecasting from two different perspectives based on multiple hydrological models collaboration (diversity). The first one favours a hybrid approach for the evaluation of multiple global hydrological models and tools of machine learning for predictors selection, while the second one constructs Artificial Neural Network (ANN) ensembles, forcing diversity within. This thesis is based on the concept of diversity for developing different methodologies around two complementary problems. The first one focused on simplifying, via members selection, a complex Hydrological Ensemble Prediction System (HEPS) that has 800 daily forecast scenarios originating from the combination of 50 meteorological precipitation members and 16 global hydrological models. We explore in depth four techniques: Linear Correlation Elimination, Mutual Information, Backward Greedy Selection, and Nondominated Sorting Genetic Algorithm II (NSGA-II). We propose the optimal hydrological model participation concept that identifies the number of meteorological representative members to propagate into each hydrological model in the simplified HEPS scheme. The second problem consists in the stratified selection of data patterns that are used for training an ANN ensemble or stack. For instance, taken from the database of the second and third MOdel Parameter Estimation eXperiment (MOPEX) workshops, we promoted an ANN prediction stack in which each predictor is trained on input spaces defined by the Input Variable Selection application on different stratified sub-samples. In summary, we demonstrated that implicit diversity in the configuration of a HEPS is efficient in the search for a HEPS of high performance.

Plusieurs modèles hydrologiques ont été développés au cours des dernières décennies. Un modèle hydrologique devrait être capable de représenter tous les bassins versants. Les performances des modèles dépendent des caractéristiques du bassin versant étudié; aucun modèle ne convient à toutes les tâches de modélisation. Cette thèse de doctorat a pour but de proposer une méthode de sélection de modèles parmi un grand nombre de candidats. Elle prend en compte : l'identification d'une banque de modèles performants pour des conditions climatiques différentes et la sélection de modèles appropriés selon les conditions climatiques du bassin versant (aride, tempéré ou continentale) et les objectifs de modélisation (débits élevés, moyens ou faibles). La recherche est basée sur 1446 modèles construits en utilisant l‘approche multistructure empirique (Ensemble Multistructure Framework, EMF) et 100 bassins versants états-uniens aux conditions climatiques diversifiées. L'objectif de cette étude est de valoriser les approches flexibles afin d'identifier des modèles performants pour une diversité de climats. La sélection des modèles est ainsi basée sur les performances individuelles de 1446 modèles en les comparant avec un modèle de référence (GR4J). Sur la base de cette étude, une banque de 80 modèles diversifiés, issus des 1446 modèles initiaux, a été proposée pour d‘autres applications. Pour évaluer l'impact du climat et de la métrique sur la performance du modèle, les 80 modèles présélectionnés ont été évalués sur les trois types de climat et sur les trois objectifs de modélisation. Cette étude propose au final quatre nouveaux modèles hydrologiques conceptuels, adaptés à des conditions climatiques et hydrologiques spécifiques. La modélisation hydrologique demeure imparfaite en raison d'un grand nombre d'incertitudes liées notamment à la description de la transformation pluie-débit par les structures du modèle hydrologique. L'approche multimodèle est une solution alternative, parce que la combinaison de modèles existants peut mener à de meilleurs résultats par rapport aux modèles individuels. La diversité des structures des modèles constitue souvent un des premiers principes du fonctionnement d‘un multimodèle de manière à compenser les erreurs et à améliorer les performances. Les 80 modèles présélectionnés et l'algorithme Backward Greedy Selection (BGS) sont ainsi utilisés afin de sélectionner l‘ensemble des modèles à combiner. Les tests ont été effectués sur six critères (MCRPS, KGEsqrt, Mlogs, NRD, PIT et RDmse). Les résultats montrent que l'optimisation par MCRPS est la plus intéressante. / Many hydrologic models were developed in the last few decades. They should be capable of simulating all of the catchments but, in practice, their performance is dependent on the geology and climate, so no model structure is suitable for all modeling tasks. This doctoral thesis aims at proposing a model selection method, from a grand pool of candidates, which accounts for the identification of a pool of successful models in diversified climates conditions and the selection of appropriate models for the catchment climatic conditions (arid, humid, and continental) and modeling objectives (high, medium and low flows). It is based on 1446 models constructed using the Ensemble Multistructure Framework (EMF) and 100 climatically diversified American catchments. The focus of this study is to value flexible modeling approaches to identify successful models for a variety of climates. The model selection is first based on the individual performance of the 1446 models, comparing them to a reference model (GR4J). A pool of 80 diversified models is then identified for further investigation. To evaluate the impact of climate and metric on model performance, the 80 preselected models are evaluated on the three types of climates and three modeling objectives. At the end, four new lumped conceptual hydrologic models are tailored for specific climate and flow conditions. Hydrological modeling remains imperfect due to a large number of uncertainties, particularly related to the description of rainfall-flow transformation by hydrological model structures. The multimodel approach is an alternative solution, because the combination of existing models gives better results than individual ones. The diversity of model structures touches one of the first principles of the operation of a multimodel is the compensation of the errors to improve the performances. The 80 preselected models and the Backward Greedy Selection (BGS) algorithm are then used to select the models set to combine. Tests are performed on six optimizations (MCRPS, KGEsqrt, Mlogs, NRD, PIT and RDmse). Results show that, the optimization by the MCRPS is most interesting when compare to other criterions.

Ce travail est la fusion de deux projets de recherche complémentaires et contribue à l'approfondissement des connaissances dans les domaines des mesures de précipitation solide et dans la stratégie de modélisation hydrologique en milieu forestier boréal. Toutes les données utilisées pour ces travaux proviennent de la forêt Montmorency, qui est la forêt d’enseignement et de recherche de l’Université Laval située à Québec. Les incertitudes liées aux simulations des débits des bassins versants par les outils de modélisation hydrologiques dépendent du choix du modèle considéré, mais sont aussi liées à la qualité des données météorologiques entrantes. Il est question ici de tout d’abord quantifier les incertitudes reliées aux mesures de précipitation solide, ensuite proposer une méthode d’ajustement novatrice, et enfin une stratégie de modélisation hydrologique en milieu forestier boréal. L’élaboration d’une base de données météorologique regroupant 15 types de précipitomètres, dont deux référents mondiaux, a été réalisée grâce notamment à la mise en place du site météorologique Neige, déployé depuis 2014. Concernant les incertitudes des mesures liées au phénomène de sous-captation de précipitation solide, des approches déterministes historiques de débiaisage des données sont tout d’abord évaluées. Les résultats démontrent un biais initial moyen d’environ 30%, et une surestimation rémanente des quantités de précipitation après ajustement. Une approche probabiliste est ensuite proposée, et les résultats montrent un biais moyen divisé par 5 après application de la méthode. Enfin, des analyses de sensibilités des paramètres des modèles hydrologiques ainsi que de leurs performances face aux variations des données de précipitation solide sont réalisées sur un ensemble de 20 modèles conceptuels à partir de la base de données hydrologique du bassin versant appelé le Haut Montmorency. Cette étude permet finalement de mettre en évidence que le biais de mesure d’équivalent en eau du manteau nival pourrait influencer la qualité des bilans hydriques des bassins versants dans certaines conditions. Ainsi, une analyse de sensibilité des modèles hydrologiques rigoureuse a permis de mettre en évidence qu’un ajustement des données de précipitation solide est nécessaire en amont de la calibration conjointement à l’utilisation des modèles. L’originalité de ces travaux dépend principalement de l’exceptionnalité des sites d’études mais aussi de la qualité du travail des techniciens en observation météorologique et la coopération d’un grand nombre de partenaires privés et publics. / This work joins two complementary research projects and contributes to improve the knowledge on solid precipitation measurements and hydrological modelling strategy in the boreal forest environment. All the data used in this work comes from the Montmorency Forest, which is the teaching and research forest of Université Laval located in Quebec. The uncertainty related to flows forecast by hydrological models depends on the choice of the model, but are also linked to the quality of incoming meteorological data. This work aims first to quantify uncertainties related to solid precipitation measurements, then to propose an innovative method of adjustment and finally to establish a hydrological modelling strategy for the boreal forest environment. The development of a large meteorological database, including data from two world reference instruments, was done thanks to the Neige site deployed since 2014. Regarding uncertainties related to the solid precipitation undercatch phenomenon, five deterministic approaches from the literature are first evaluated. Results show that the initial bias is 30% on average and there is still an overestimation of the solid precipitation quantity after a deterministic adjustment. A probabilistic approach is developed and results show that the bias is divided by 5 on average. Finally, sensitivity analysis of hydrological models’ parameters, and their performance facing different solid precipitation quantities, is done on a set of 20 conceptual models based on the hydrological database of the catchment area called the HautMontmorency. This study highlights that the snow water equivalent measurement bias of the snowpack could influence the quality of water balances in the catchment under certain conditions. A deep sensitivity analysis of hydrological models showed that an adjustment of the solid precipitation was required prior to their calibration. The originality of this thesis depends on the exceptional studied sites, the quality of technicians work and the collaboration of numerous public and private partners.

Dans des conditions de climat humide et lorsque les sols sont peu perméables, les systèmes de drainage souterrains sont généralement utilisés pour contrôler le niveau de la nappe phréatique et améliorer la production agricole. Cependant, les drains souterrains modifient à la fois les voies d'écoulement hydrologique et les taux de transport des nutriments des terres cultivées vers les eaux de surface, pouvant détériorer la qualité des eaux souterraines et de surface. De plus, des macropores sont souvent présents dans les sols composés de till argileux, ce qui génère un flux d'eau rapide et riche en nutriments de la surface du sol vers les drains souterrains. Une approche rentable pour réduire le lessivage des nutriments provenant de l'agriculture consiste à imposer des restrictions uniquement dans les zones vulnérables à la contamination de l'eau. Ces zones peuvent être identifiées à l'aide de modèles hydrologiques distribués. Les résultats obtenus sur de petits bassins versants expérimentaux doivent être simplifiés pour être appliqués à des échelles plus grandes, généralement requises pour l'élaboration de politiques. L'objectif de cette étude était d'examiner les avancées et les limitations de l'inclusion des drains souterrains dans les modèles d'écoulement de surface et souterrain. Les objectifs spécifiques étaient de i) démontrer l'utilisation des estimations de conductivité électrique spécifique (CE), pour améliorer les simulations hydrologiques dans un champ drainé, ii) étudier l'efficacité d'un modèle hydrologique et de transport de soluté tridimensionnel pour simuler un test de traçage de bromure (Br) dans un champ drainé et iii) évaluer différents modèles conceptuels de drains souterrains et d'hétérogénéité du sol pour la simulation numérique du drainage dans un bassin versant agricole au Danemark. Les résultats suggèrent que la simulation de la profondeur de la nappe phréatique peut être améliorée par l'inclusion d'hétérogénéités basées sur des estimations de la CE. L'approche des seepage nodes était appropriée pour simuler les débits de drainage, cependant la précision des simulations était meilleure pour les modèles à l'échelle du terrain. À l'échelle du bassin versant, le fait de ne représenter que les drains principaux est approprié pour pouvoir utiliser des maillages plus grossiers et pour simuler le débit des cours d'eau et les faibles profondeurs des eaux de surface dans les zones drainées. Des résultats similaires ont été obtenus lorsque les seepage nodes ont été appliqués sur l'ensemble des zones agricoles, sans tenir compte de l'emplacement spécifique des drains souterrains. Cette dernière approche peut être appliquée lorsque les drains souterrains ne sont pas cartographiés, ce qui est généralement le cas. Une représentation simplifiée de l'hétérogénéité et de la macroporosité peut expliquer les différences entre ls valeurs observées et simulées des charges hydrauliques, débits de drainage et processus de transport de solutés. Les approches de modélisation étudiées dans cette thèse peuvent améliorer la représentation de la dynamique de l'écoulement souterrain et les simulations du transport de substances agrochimiques lessivées des champs cultivés, telles que le nitrate et phosphate. / Under humid climate conditions and for low-permeability soils, subsurface tile drains are usually employed to lower the water table and enhance agricultural production. However, tile drains alter both the hydrologic flow pathways in agricultural catchments and the rates of nutrient transport from cropland to surface water bodies, potentially impairing the groundwater and surface water quality. Furthermore, macropores are often present in clayey till soils, generating rapid and nutrient-rich water flow from the ground surface to the tile drains. A cost-effective approach to reduce nutrient leaching from agriculture is to impose restrictions only in vulnerable areas to water contamination, which can be identified using distributed hydrological models. Results on small experimental catchments need to be simplified for application on larger scales, usually required for policy-making purposes. The objective of this study was to investigate the outcomes and limitations of including tile drains in surface and subsurface flow models. Specific objectives were to i) demonstrate the use of electrical conductivity (EC) estimates to improve hydrological simulations in a tile-drained field, ii) investigate the efficiency of a three-dimensional hydrological and solute transport model to simulate a bromide (Br) tracer test in a tile-drained field and iii) assess different conceptual models for tile drains and soil heterogeneity for the numerical simulation of tile drainage in an agricultural catchment in Denmark. The results suggest that the simulation of the water table depth can be improved by the inclusion of heterogeneities based on EC estimates. The seepage nodes approach was suitable to simulate drain discharge, however the accuracy of the simulations was better for the field-scale models. At the catchment scale, representing only the main drains was suitable to reduce the mesh refinement and simulate stream flow and low surface water depths in drained areas. Similar results were obtained when seepage nodes were applied all over the agricultural areas, without considering the specific location of tile drains. The later approach can be applied when tile drains are not mapped, which is usually the case. The misrepresentation of heterogeneity and macroporosity may explain the differences between observed and simulated hydraulic heads, drain discharge and solute transport processes. The modeling approaches investigated in this dissertation can improve subsequent simulations of tile drainage and the transport and fate of leached agrochemicals such as nitrate or phosphate.