Avec l'avènement de l'ère numérique, accompagnée d'une automatisation et d'une puissance de calcul toujours croissante, le devenir des interactions humains-machines est appelé à des changements inéluctables. Le domaine de l'hydrologie prévisionnelle n'est pas indifférent à cette nouvelle réalité en regard des progrès constants de l'intelligence artificielle. En effet, il existe trois catégories de systèmes distincts qui interviennent en hydrologie prévisionnelle: manuel (in-the-loop), automatisé (out-of-the-loop) et supervisé (over-the-loop). Ces systèmes se distinguent par les interactions humains-machines qui les constituent. Le premier système nécessite indispensablement des interactions à son bon fonctionnement. Le second est complètement passif pour un usager externe et totalement hermétique. Le dernier permet des interactions, comprend des indicateurs de dysfonctionnement tout en étant complètement automatisée. Cette thèse est née de la conjoncture liée à deux initiatives indépendantes : (1) une dizaine d'années de recherche et développement menant à la création de HOOPLA "HydrOlOgical Prediction LAboratory"; et (2) l'implantation d'un nouveau système de gestion de données et de prévisions et d'alertes hydrologiques à la Direction de l'Expertise Hydrique du Québec permettant d'incorporer plusieurs systèmes de prévisions. Ce projet de recherche a pour motivation première l'amélioration des outils disponibles pour effectuer des prévisions hydrologiques dans le bassin versant du Saint-Laurent tout en laissant place au savoir et aux connaissances des experts-hydrologues. Pour ce faire, un système de prévisions hydrologiques opérationnel et complètement automatisé est mis en place tout au long du projet. Ce dernier, basé sur HOOPLA, incorpore plusieurs niveaux de redondance, notamment sur les données d'entrées, les modèles hydrologiques et les méthodes d'arrimage. La redondance est un concept largement utilisé dans les domaines de l'ingénierie, de l'aviation, de la météorologie et de l'informatique. Elle consiste en la duplication de composantes partageant les mêmes fonctionnalités. Elle permet d'établir des diagnostics et d'assurer une meilleure fiabilité. En hydrologie prévisionnelle, la redondance est omniprésente à plusieurs niveaux, mais elle est peu étudiée comme telle. Les résultats montrent qu'il est avantageux de recourir à la redondance interne dans un système. Cette dernière permet de déceler les défaillances et augmente les performances des prévisions lorsque ces dernières sont cohérentes. La multiplicité de systèmes de prévisions présente un enjeu de taille en ce qui concerne les dépassements de seuils. Cette thèse met en lumière les différentes mises en oeuvre possibles de la redondance en hydrologie prévisionnelle et expose ses enjeux et avantages dans un contexte opérationnel et heuristique. / With the advent of the digital era, with ever increasing automation and computing power, the future of humanmachine interactions is bound to change. The field of predictive hydrology is not indifferent to this new reality in view of the constant progress of programmable intelligence. Indeed, there are three distinct categories of systems involved in predictive hydrology: manual (in-the-loop), automated (out-of-the-loop) and supervised (over-the-loop). These systems are distinguished by the human-machine interactions that constitute them. The first system requires interactions for its proper functioning. The second one is passive and totally independent for a user, without however ensuring its good functioning. The last one allows for interactions and includes indicators of dysfunction while being completely automated. This thesis was born from the conjunction of a decade of research and development leading to the creation of HOOPLA "HydrOlOgical Prediction LAboratory" and the implementation of a new data management system and hydrological forecasts and alerts of the Direction de l'Expertise Hydrique du Québec allowing to incorporate several forecasting systems. This research project is primarily motivated by the improvement of the tools available to make hydrological forecasts in the St. Lawrence watershed while leaving room for the knowledge of expert hydrologists. To do so, an operational and fully automated hydrological forecasting system is be implemented throughout the project. This system, based on HOOPLA, incorporates several levels of redundancy, notably on input data, hydrological models and docking methods. Redundancy is a widely used tool in the fields of engineering, aviation, meteorology and computer science. It consists in the duplication of components sharing the same functionality. It allows to establish diagnoses and to ensure a better reliability. In predictive hydrology, redundancy is ubiquitous at several levels, but it is little studied as such. The results show that there are benefits to using internal redundancy in a system. The latter allows to detect failures and increases the performance of predictions when the latter are consistent. External system redundancy presents a significant challenge with respect to threshold violations. This thesis highlights the different possible implementations of redundancy in predictive hydrology and exposes its issues and benefits in an operational and heuristic context.

Le modèle de surface Soil, Vegetation, and Snow (SVS) a été récemment mis au point par Environnement et Changement climatique Canada (ECCC) à des fins opérationnelles de prévisions météorologique et hydrologique. L’objectif principal de cette étude est d’évaluer la capacité de SVS, en mode hors ligne à l’échelle de points de grille, à simuler différents processus par rapport aux observations in situ. L’étude est divisée en deux parties: (1) une évaluation des processus de surface terrestre se produisant dans des conditions sans neige, et (2) une évaluation des processus d’accumulation et de fonte de la neige. Dans la première partie, les flux d’énergie de surface et la teneur en eau ont été évalués sous des climats arides, méditerranéens et tropicaux pour six sites sélectionnés du réseau FLUXNET ayant entre 4 et 12 ans de données. Dans une seconde partie, les principales caractéristiques de l’enneigement sont examinées pour dix sites bien instrumentés ayant entre 8 et 21 ans de données sous climats alpins, maritimes et taiga du réseau ESM-SnowMIP. Les résultats de la première partie montrent des simulations réalistes de SVS du flux de chaleur latente (NSE = 0.58 en moyenne), du flux de chaleur sensible (NSE = 0.70 en moyenne) et du rayonnement net (NSE = 0.97 en moyenne). Le flux de chaleur dans sol est raisonnablement bien simulé pour les sites arides et un site méditerranéen, et simulé sans succès pour les sites tropicaux. Pour sa part, la teneur en eau de surface a été raisonnablement bien simulée aux sites arides (NSE = 0.30 en moyenne) et méditerranéens (NSE = 0.42 en moyenne) et mal simulée aux sites tropicaux (NSE = -16.05 en moyenne). Les performances du SVS étaient comparables aux simulations du Canadian Land surface Scheme (CLASS) non seulement pour les flux d’énergie et le teneur en eau, mais aussi pour des processus plus spécifiques tels que l’évapotranspiration et le bilan en eau. Les résultats de la deuxième partie montrent que SVS est capable de reproduire de manière réaliste les principales caractéristiques de l’enneigement de ces sites. Sur la base des résultats, une distinction claire peut être faite entre les simulations aux sites ouverts et forestiers. SVS simule adéquatement l’équivalent en eau de la neige, la densité et la hauteur de la neige des sites ouverts (NSE = 0.64, 0.75 et 0.59, respectivement), mais présente des performances plus faibles aux sites forestiers (NSE = - 0.40, 0.15 et 0.56, respectivement), ce qui est principalement attribué aux limites du module de tassement et à l’absence d’un module d’interception de la neige. Les évaluations effectuées au début, au milieu et à la fin de l’hiver ont révélé une tendance à la baisse de la capacité de SVS à simuler SWE, la densité et l’épaisseur de la neige à la fin de l’hiver. Pour les sites ouverts, les températures de la neige en surface sont bien représentées (RMSE = 3.00 _C en moyenne), mais ont montré un biais négatif (PBias = - 1.6 % en moyenne), qui était dû à une mauvaise représentation du bilan énergétique de surface sous conditions stables la nuit. L’albédo a montré une représentation raisonnable (RMSE = 0.07 en moyenne), mais une tendance à surestimer les valeurs de fin d’hiver (biais = 0,04 sur la fin de l’hiver), en raison de la diminution progressive pendant les longues périodes de fonte. Enfin, un test de sensibilité a conduit à des suggestions aux développeurs du modèles. Les tests de sensibilité du processus de fonte de la neige suggèrent l’utilisation de la température de surface de la neige au lieu de la température moyenne lors du calcul. Cela permettrait d’améliorer les simulations SWE, à l’exception de deux sites ouverts et d’un site forestier. Les tests de sensibilité à la partition des précipitations permettent d’identifier une transition linéaire de la température de l’air entre 0 et 1 _C comme le meilleur choix en l’absence de partitions observées ou plus sophistiquées. / The Soil, Vegetation, and Snow (SVS) land surface model has been recently developed at Environment and Climate Change Canada (ECCC) for operational numerical weather prediction (NWP) and hydrological forecasting. The main goal of this study is to evaluate the ability of SVS, in offline point-scale mode, to simulate different processes when compared to in-situ observations. The study is divided in two parts: (1) an evaluation of land-surface processes occuring on snow-free conditions, and (2) and evaluation of the snow accumulation and melting processes. In the first part, surface heat fluxes and soil moisture were evaluated under arid, mediterranean, and tropical climates at six selected sites of the FLUXNET network having between 4 and 12 years of data. In the second part, the main characteristics of the snow cover are examined at ten well-instrumented sites having between 8 and 21 years under alpine, maritime and taiga climates from ESM-SnowMIP network. Results of the first part show SVS’s realistic simulations of latent heat flux (NSE = 0.58 on average), sensible heat flux (NSE = 0.70 on average), and net radiation (NSE = 0.97 on average). Soil heat flux is reasonably well simulated for the arid sites and one mediterranean site, and poorly simulated for the tropical sites. On the other hand, surface soil moisture was reasonably well simulated at the arid (NSE = 0.30 on average) and mediterranean sites (NSE = 0.42 on average) and poorly simulated at the tropical sites (NSE = - 16.05 on average). SVS performance was comparable to simulations of the Canadian Land Surface Scheme (CLASS) not only for energy fluxes and soil moisture, but more specific processes such as evapotranspiration and water balance. Results of the second part show that SVS is able to realistically reproduce the main characteristics of the snow cover at these sites. Based on the results, a clear distinction between simulations at open and forest sites can be made. SVS is able to simulate well snow water equivalent, density and snow depth at open sites (NSE = 0.64, 0.75 and 0.59, respectively), but exhibits lower performances over forest sites (NSE = - 0.40, 0.15 and 0.56, respectively), which is attributed mainly to the limitations of the compaction scheme and the absence of a snow interception scheme. Evaluations over early, mid and end winter periods revealed a tendency to decrease SVS’s ability to simulate SWE, density and snow depth during end winter. At open sites, SVS’ snow surface temperatures are well represented (RMSE = 3.00_C on average), but exhibited a cold bias (PBias = - 1.6% on average), which was due to a poor representation of the surface energy balance under stable conditions at nighttime. Albedo showed a reasonable representation (RMSE = 0.07 on average), but a tendency to overestimate end winter albedo (bias = 0.04 over end winter), due to the slow decreasing rate during long melting periods. Finally, sensitivity tests to the snow melting process suggest the use of surface snow temperature instead of the average temperature when computing the melting rate. This would provide the improvement of the SWE simulations, with exception of two open and one forest sites. Sensitivity tests to partition of precipitation allows to identify a linear transition of air temperature between 0 and 1_C as the best choice in the absence of observed or more sophisticated partitions

Le potentiel de l’assimilation d’un type d’observation pour la prévision hydrologique a été démontré dans certaines études. Cependant, le potentiel de l’assimilation simultanée de plusieurs types d’observations a été peu validé, particulièrement pour les données comprenant une information sur la neige au sol. De plus, l’amplitude et la durée de l’impact de l’assimilation de données peuvent dépendre du type de données assimilé, ainsi que du contenu du vecteur d’état employé pour mettre à jour les variables ou les paramètres du modèle hydrologique. La présente thèse examine l’impact de l’assimilation de données multivariées en fonction du type de données assimilé et du contenu du vecteur d’état pour la prévision hydrologique à court terme (horizon de prévision jusqu’à 5 jours) et moyen terme (horizon de prévision entre 25 et 50 jours). 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. La robustesse des scénarios d’assimilation de données est ensuite testée en introduisant un biais sur les précipitations solides. Finalement, les observations réelles sont assimilées pour vérifier l’impact réel des scénarios pour la prévision hydrologique. Les résultats montrent une amélioration variable des prévisions hydrologiques en fonction des scénarios selon plusieurs critères de performance mesurant l’exactitude, le biais et la représentativité de l’incertitude représentée par les prévisions d’ensemble. L’assimilation du débit pour la mise à jour des variables améliore principalement les prévisions à court terme, tandis que l’impact de la mise à jour de certains paramètres persiste à moyen terme. L’assimilation de l’équivalent en eau de la neige améliore les prévisions à court et moyen terme, principalement pendant la période de fonte de neige. Pour la plupart des scénarios, l’assimilation simultanée du débit et de l’équivalent en eau de la neige surpasse l’assimilation des données individuellement. Ces résultats sont cohérents entre les cadres synthétique et réel.

Ce projet de recherche a pour but d’identifier une méthode d’assimilation automatique de données qui pourrait être utilisée dans le cadre de la prévision opérationnelle de crues. Le filtre de Kalman d’ensemble (EnKF) et l’assimilation variationnelle ont ainsi été comparés en premier lieu en utilisant le modèle GR4Jneige. Les résultats ont montré que l’EnKF fournit la meilleure performance pour tous les horizons de prévision lorsque comparé à différentes implantations de la méthode variationnelle. La performance de la méthode variationnelle varie toutefois d’un bassin à un autre. Les prévisions hydrologiques déterministes émises à partir de l’EnKF produisent une performance supérieure au scénario sans assimilation, ce qui n’est pas toujours le cas pour la méthode variationnelle. L’assimilation naïve des sorties ne donne pas des bons résultats au-delà du second jour de prévision. L’EnKF a par la suite été mis en œuvre avec un modèle hydrologique semi-distribué (Hydrotel) afin d’améliorer les conditions initiales de la prévision hydrologique d’ensemble (PHE). La vérification de la qualité des PHE sur le bassin versant au Saumon, pour la période exempte de l’influence de la neige, a révélé une amélioration considérable de la performance et de la fiabilité par rapport aux résultats sans assimilation. L’assimilation manuelle fournit une performance similaire à l’EnKF, mais est beaucoup moins fiable que cette dernière. Les 1000 membres de la PHE générée par EnKF peuvent se réduire jusqu’à 50 sans perte de fiabilité ou de performance. De bons résultats ont aussi été obtenus pour la période d’accumulation et de fonte de la neige, notamment par mise à jour de l’équivalent en eau de la neige en plus des variables identifiées précédemment : la teneur en eau du sol et l’écoulement terrestre. Différents produits canadiens de prévision météorologique d’ensemble (PME) ont finalement été comparés pour évaluer l’impact de leur résolution spatiale sur la qualité de la PHE – ils ont aussi été comparés à des produits déterministes. Les résultats ont montré que la PME mène à une meilleure performance que les produits déterministes. Les PME globale et régionale partagent la même performance, par contre le produit régional s’est révélé plus fiable et a une meilleure capacité à caractériser l’incertitude de la prévision. / The aim of this research project is to identify an automatic data assimilation method that could be used in an operational flood forecasting context. The Ensemble Kalman Filter (EnKF) and the variational assimilation method were first compared on the GR4Jsnow model. Results showed that the EnKF provides the best performance for all forecast horizons when compared to various implementations of the variational method. The performance of the variational method varied from one watershed to another. The deterministic hydrological forecasts issued from the EnKF generate better performance than forecasts without assimilation, which is not always the case for the variational method. The naïve output assimilation is not recommended for forecasts beyond a 2-day horizon. The EnKF was next implemented on a semi-distributed hydrological model (Hydrotel) to improve the initial conditions of the hydrological ensemble predictions (HEP), for the snow-free flows on the au Saumon watershed. The verification of the quality of the HEP showed a considerable improvement in both performance and reliabilty in comparison to the results of model without assimilation. Manual assimilation provides performance similar to the EnKF, but with much less reliability. The 1000-member HEP obtained from the EnKF can be reduced up to 50 members without any loss of reliability or performance. Similar results were obtained for snow accumulation and melt periods, especially when updating the snow water equivalent in addition to the state variables previously identified for the snow-free flows, namely the soil water content and the land flow. Different Canadian meteorological ensemble prediction systems (EPS) were also compared to assess the impact of spatial resolution of these systems on the quality of the HEP – they were also compared to deterministic products. The results showed that EPS are superior to the deterministic products. Global and regional EPS share the same performance, in contrast the regional product that turned out more reliable and characterize the uncertainty of the forecast.

Au Canada, comme dans de nombreux pays de l'OCDE (Organisation de Coopération et de Développement Économiques), l'exploitation plus efficace des actifs hydroélectriques existants devient de plus en plus pertinente. Le fonctionnement optimal d'un système hydroélectrique est un problème de prise de décision séquentielle. Une séquence de décisions de soutirage d'eau doit être déterminée sur une période de planification donnée en tenant compte de diverses contraintes physiques et écologiques. Étant donné que cette période de planification peut s'étendre sur un futur plus ou moins lointain, les décisions de soutirage sont influencées par la disponibilité de prévisions hydrologiques fiables, y compris les systèmes de prévisions hydrologiques d'ensemble (H-EPS). Les hydrologues s'appuient souvent sur des scores statistiques pour évaluer la fiabilité et l'exactitude du H-EPS, mais ces scores ne donnent aucune indication sur la valeur économique des prévisions. Cette étude cherche à identifier les attributs les plus pertinents des prévisions hydrologiques d'ensemble en production hydroélectrique. Pour ce faire, un large ensemble de prévisions est construit à partir de 20 modèles hydrologiques et de prévisions météorologiques d'ensemble de 50 membres sur une période de 6 ans (2011-2016). De ce large ensemble, plusieurs H-EPS sont ensuite produits (configurés) et utilisés par un modèle d'optimisation hydroélectrique. La gestion du système hydrique est ensuite simulée en horizon roulant sur une période de 6 ans (2011-2016). Les résultats de la simulation indiquent qu'il existe une tendance entre la qualité globale et la valeur de la prévision en termes deproduction d'énergie, mais que cette relation n'est pas directement proportionnelle (1 :1). La configuration multimodèle fonctionne un peu mieux que les autres configurations. De plus, les résultats de la simulation montrent que les prévisions d'ensemble à court terme (CT) ont dela valeur, mais la marge d'amélioration se situe clairement dans les prévisions à moyen terme(MT, saisonnières), car un grand réservoir en amont contrôle la disponibilité de l'eau dans tout le système. Par ailleurs, les prévisions probabilistes donnent de meilleures performances que les déterministes, car elles donnent des informations sur l'incertitude du modèle d'optimisation.Enfin, les prévisions CT ont de la valeur tandis que les modèles d'optimisation CT-MT sont couplés. / In Canada, like in many OECD (Organization for Economic Co-operation and Development) countries, the more efficient use of existing hydropower assets is becoming increasingly relevant.The optimal operation of a hydroelectric system is a sequential decision making problem. A sequence of release decisions must be determined over a given planning period taking into account a variety of physical and ecological constraints. Since this planning period may extend over a more or less distant future, release decisions are influenced by the availability of reliable hydrologic forecasts, including hydrological ensemble prediction systems (H-EPS).Hydrologists often rely on statistical scores to assess the reliability and accuracy of H-EPS,but those scores do not give any indication of the economic value of the forecasts. This studyseeks to identify the most relevant attributes of ensemble hydrological forecasts in hydropower production. To do this, a large set of forecasts is built from 20 hydrological models and ensemble meteorological forecasts of 50 members over a period of 6 years (2011-2016). From this large set, several H-EPS are then produced (configured) and used by a hydroelectric optimization model. The management of the water system is then simulated on a rolling horizon over a period of 6 years (2011-2016). The simulation results indicate that there is a trend between the overall quality and the value of the forecast in terms of energy production,but that this relationship is not directly proportional (1: 1). The multi-model setup works a bit better than the other setups. In addition, the simulation results show that the ensemble forecast at short-term (ST) has value, but the room for improvement is clearly in the forecastat mid-term (MT, seasonal), as a large reservoir upstream controls the availability of water throughout the system. In addition, probabilistic forecasts give better performance than determinists, because they provide information on the uncertainty of the optimization model.Finally, ST forecasts have value while ST-MT optimization models are coupled.

La prévision hydrologique nécessite une connaissance adéquate des quantités de neige présentes sur ses bassins versants, particulièrement pour des bassins versants montagneux. Pour beaucoup de bassins, la densité du réseau de stations nivométriques est faible ou parfois même inexistante. De leur côté, les données satellitaires MODIS permettent de suivre l’évolution du couvert de neige sur de grandes superficies de façon journalière et à une résolution spatiale de 500 m. Dans ce contexte, un projet de recherche a été proposé en partenariat entre Rio Tinto Alcan (RTA) et l’Université de Sherbrooke afin d’évaluer l’apport de la télédétection du couvert de neige (MODIS) pour améliorer la prévision hydrologique en période de crue. Le bassin versant à l’étude est celui de la rivière Nechako, situé en Colombie-Britannique (Canada) et caractérisé par sa topographie montagneuse et les grandes quantités de neige s’accumulant sur son territoire. D’abord, une analyse statistique a été réalisée permettant d’obtenir une relation empirique entre l’évolution du volume de crue et la variation de la superficie du couvert de neige (SCN) tirée des images MODIS. Ensuite, les SCN MODIS ont été utilisées pour le calage du modèle hydrologique SWAT selon 9 différentes techniques de calage. Finalement, avec l’aide d’un système de prévision, assimilant d’abord les SCN MODIS pour mettre à jour les conditions initiales, la performance de 5 des 9 calages effectués a été analysée en prévision hydrologique court terme (déterministe) et moyen terme (probabiliste). À partir des résultats, il a été possible d’observer que l’assimilation des SCN MODIS permet d’améliorer les prévisions à plus long terme, particulièrement des volumes de crue. À court terme, la qualité des prévisions d’apports est sensiblement identique avec ou sans assimilation MODIS bien qu’une meilleure simulation des conditions initiales de neige soit observée avec assimilation MODIS. Finalement, la comparaison des calages en prévision hydrologique démontre qu’une légère amélioration des prévisions d’apports moyen terme (3 à 5 mois) est possible lorsque les données MODIS sont utilisées dans la procédure de calage. Cependant, les résultats sont variables dépendamment de la technique de calage utilisée.

Les prévisions hydrologiques consistent en l’évaluation du débit d’un cours d’eau pour des pas de temps futur. Les prévisions déterministes utilisées actuellement ne donnent aucune indication quant à leur incertitude ce qui peut être gênant dans une optique de prise de décision. Les prévisions d’ensemble tentent de combler ce manque. Pour ce faire, plusieurs jeux de données d’entrée sont créés en appliquant un écart au jeu de données initial afin de simuler cette incertitude et d’obtenir un résultat sous la forme d’une distribution de probabilité. Environnement Canada produit des prévisions météorologiques d’ensemble (PME) à 8 membres depuis 1996. En juillet 2007, le modèle a subi une refonte importante et ce sont désormais 20 membres qui sont produits sur une grille de l’ordre de 100 km. Pour cette Maîtrise, ces PME nouvelles ont été utilisées pour la première fois afin de produire des prévisions hydrologiques d’ensemble (PHE). Le bassin versant étudié est celui de la rivière Lièvre, au sein duquel quatre sites furent disponible pour l’évaluation des PHE. Les travaux ont porté sur une période de 17 jours en octobre 2007 comportant un évènement de crue. Les prévisions sont émises quotidiennement et sont valides pour une durée de 72h. La prévision déterministes est également disponible et sert de point de comparaison Les résultats obtenus sont encourageants. Si la prévision déterministe se comporte légèrement mieux pour des prévisions aux 48h, la PHE est meilleure à 72h, en particulier pour un site. Un autre site produit toutefois des résultats étranges et est à prendre avec mesure. L’incertitude appliquée aux données d’entrée souffre d’une légère sous-dispersion et de biais ponctuels, ce qui signifie que le score de la PHE pourrait être encore amélioré si une calibration de la dispersion était appliquée. Afin de généraliser ces résultats, il peut être intéressant d’en augmenter le nombre, en travaillant avec d’autres bassins versants, d’autres périodes ou encore d’autres modèles. / Hydrological forecasts consist in the evaluation of future streamflow. For the time being, current deterministic forecasts do not give any information concerning the uncertainty, which might be a problem in a decision-making process. Ensemble forecasts are expected to fill the gap. To do so, different input parameter sets are produced by adding a small deviation to the original set in order to evaluate the uncertainty. It results in a probability distribution of the output. Since 1996, Environnement Canada produces an 8-member meteorological ensemble forecasts (PME). In july 2007, an improved model now produces a 20-member PME on a 100 km grid. Within the framework of this study, this new PME is used for the first time so as to produce hydrological ensemble forecasts (PHE). The studied watershed is the Lièvre River (Quebec) where 4 locations are set to evaluate the PHE. The 17-day study in October 2007 contains a flood event, and forecasts are produced daily with a 3-day forecast horizon. The deterministic forecast is also available and is compared with the PHE. The results are positive. Even though the deterministic forecast behaves slightly better for a 48h forecast, the PHE is better for a 72h forecast, especially for 1 site. Meanwhile, an other site appears to behave strangely and its results must be taken carefully. The uncertainty applied to the input set is under-dispersed and biaised, which means that the performance of the PHE might be increased with an appropriate calibration. In order to generalize these results, more similar experiments have to be done, by working on other watersheds, with other model and/or other time periods.

Depuis quelques années, les prévisions probabilistes suscitent un intérêt croissant parmi les communautés météorologique et hydrologique. Cet intérêt découle en majeure partie du fait que ce type de prévision permet l'évaluation de l'incertitude associée aux prévisions. Les prévisions d'ensemble peuvent être construites à partir de réseaux de neurones. Cette méthode est avantageuse pour sa simplicité et pour sa rapidité d'exécution. L'évaluation de l'incertitude associée aux prévisions par réseaux de neurones ne peut s'effectuer analytiquement puisque l'expression mathématique du modèle est inconnue. C'est pourquoi des méthodes comme celle du rééchantillonnage avec remise (bootstrap) sont parfois employées pour déterminer l'incertitude associée à la prévision déterministe issue d'un réseau de neurones. Cette technique permet d'obtenir un ensemble de prévisions pour chaque pas de temps. Une loi de probabilité peut alors être ajustée aux prévisions d'ensemble afin d'obtenir une distribution prédictive. Cependant, à notre connaissance, la fiabilité de cette prévision probabiliste n'a pas été démontrée. La calibration de cette distribution ainsi que les mesures à prendre pour la corriger ne semble pas avoir été examinée à ce jour dans un contexte hydrologique. Ce mémoire présente différentes méthodes graphiques et numériques pour vérifier la qualité des prévisions probabilistes hydrologiques issues de réseaux de neurones. Ces méthodes ne sont pas uniquement applicables aux réseaux de neurones et pourraient être utilisées avec n'importe quel type de prévisions probabilistes de variables continues. La calibration de la distribution prédictive sera évaluée et corrigée et l'influence de la technique du rééchantillonnage avec remise sur les prévisions d'ensemble sera investiguée. / Since the last few years, there has been an increasing interest for probabilistic forecasting in the meteorological and hydrological community. This enthusiasm arises in a large extent from the possibility of uncertainty assessment that probabilistic forecasting has brought. Hydrological ensemble forecasting may be constructed using neural networks, which is a very useful tool regarding its simplicity and execution speed. Since the mathematical description the neural model remains unknown by the user, it is not possible to evaluate the forecast's uncertainty in a strict mathematical way. Some methods like the bootstrap can be used to overcome this difficulty. The bootstrap generates an ensemble of forecasts at each time step. Then, the ensemble can be used to fit a law of probability in order to obtain a predictive distribution. However, to the extent of our knowledge, the reliability of this probabilistic forecast has never been investigated. In addition, the calibration of this distribution as well as methods to correct it does not appear to have been investigated up to day in a hydrological context. This document presents graphical and numerical methods used to assess the quality of probabilistic hydrological forecasts obtained from neural networks. The methods employed here apply to any type of probabilistic forecasts of continuous variable and are not restricted to neural networks forecasting. The calibration of the predictive distribution will be evaluated and corrected, and the impact of the bootstrap will be investigated.

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.

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.