Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Malgré des conditions sèches qui prédominent depuis les années 1970, l’Afrique de l’Ouest a subi au cours des deux dernières décennies des épisodes d’inondations sévères qui ont provoqué de nombreux décès et dommages socio-économiques. L’émergence de ce nouveau problème montre une nouvelle facette de la sensibilité de cette région aux changements hydro-climatiques, appelant à une meilleure caractérisation de l’aléa inondation, des processus qui le génèrent, ainsi que la mise en place de méthodes permettant de projeter les évolutions futures de cet aléa pour mieux s’en prémunir.Dans ce contexte, la thèse cherche à répondre à trois questions principales :1) L’augmentation des dommages liés aux inondations s’est-elle accompagnée d’une intensification des crues extrêmes en Afrique de l’Ouest?2) Comment modéliser les orages de mousson, premier facteur de génération du ruissellement, afin d’explorer l’impact de leurs caractéristiques sur les crues?3) Compte tenu des changements climatiques à l’œuvre dans la région, à quelles tendances hydro-climatiques peut-on s’attendre dans le futur ?Dans un premier temps, on évalue l’évolution des crues en Afrique de l’Ouest au cours des soixante dernières années en utilisant de méthodes basées sur la théorie de valeurs extrêmes. Les résultats montrent une augmentation forte des événements hydrologiques extrêmes depuis les années 1970s dans les sous-bassins Sahéliens du fleuve Niger et depuis les années 1980s dans les sous-bassins soudano-guinéens du fleuve Sénégal. Les niveaux de retour calculés à partir des modèles non-stationnaires dépassent ceux qui ont été calculés avec un modèle stationnaire avec plus de 95% de certitude pour les périodes de retour les plus courtes (<10 ans).On présente ensuite des développements récents apportés à un simulateur stochastique d’orages de mousson à meso-échelle (StochaStorm). Ils incluent: une modélisation de l’occurrence de ces orages, la représentation explicite des valeurs de pluie extrêmes et une amélioration du schéma temporel d’intensité infra-événementielle. Implémenté et évalué à partir des donnés haute-résolution de l’observatoire AMMA-CATCH, le générateur montrent de très bonnes capacités à reproduire les propriétés des orages, confirmant son potentiel pour des études d’impact hydrologique.Enfin, une chaîne de modélisation est élaborée afin de proposer des projections hydrologiques pour le futur sur un bassin sahélien de meso-échelle (Dargol, 7000 km²). L’originalité de cette chaîne provient de la prise en compte du continuum d’échelles entre climat global et impact local à travers la représentation du régime des pluies à l’échelle des orages de mousson, dont les propriétés d’occurrence et d’intensité ont des impacts majeurs sur la réponse hydrologique. La chaîne de modélisation inclut le modèle climatique CP4-Africa, unique modèle à convection explicite fournissant des simulations de long terme en Afrique ; une méthode de débiaisage statistique; le simulateur Stochastorm ; et un modèle pluie-débit spécifiquement adapté aux processus hydrologique sahéliens. La chaine est évaluée sur une période de contrôle 1997-2006 puis utilisée pour des projections futures montrant une hausse par un facteur 1,5 des débits maximum annuels et un doublement des volumes moyens annuels à l’horizon 2100.Les résultats ont des implications majeures notamment pour l’ingénierie hydrologique. Les méthodes actuellement utilisées pour appréhender les risques hydrologiques dans la région ne prennent pas en compte la non-stationnarité hydro-climatique risquant de sous-évaluer l’aléa hydrologique et sous-dimensionner les ouvrages hydrauliques utilisés pour s’en protéger. La thèse suggère aussi quelques pistes afin mieux définir les trajectoires hydrologiques passées et futures en incluant, au-delà des précipitations, les changements sociétaux et environnementaux, leurs interactions et rétroactions dans les approches de modélisation. / The semi-arid regions of West Africa are known for their dry conditions which have predominated since the 1970s. In recent years, however, West Africa has witnessed a series of severe flooding events which caused widespread fatalities and socioeconomic damages. The emergence of this new problem demonstrates the sensitivity of the region to changes in the hydroclimatic system and calls for an improved characterization of flood hazard and the mechanisms that generate it. It also signals the need to develop projections for how flood hazard may evolve in the future in order to inform appropriate adaptation measures.In this context, the following PhD thesis seeks to answer three main questions:1) Is there a significant trend in extreme streamflow in West Africa, or are the documented flooding events isolated incidences?2) How can one model mesoscale convective systems, the primary driver of runoff in the region, in order to explore the properties of precipitation that drive streamflow?3) Based on potential climate change in the region, what trends might be observed in streamflow in the future?First, changes in extreme hydrological events West Africa over the past 60 years are evaluated by applying non-stationary methods based on extreme value theory. Results show a strong increasing trend in extreme hydrological events since the 1970s in the Sahelian Niger River basin and since the 1980s in the Sudano-Guinean catchments in the Senegal River basin. Return levels calculated from non-stationary models are determined to exceed those calculated from a stationary model with over 95% certainty for shorter return periods (<10 years).Next, recent developments are presented for a stochastic precipitation simulator (Stochastorm) designed for modeling mesoscale convective storms, the main rainfall source in the Sahel. Developments include a model for storm occurrence, the explicit representation of extreme rainfall values, and an improvement in the modeling of sub-event intensities. Using high-resolution data from the AMMA-CATCH observatory, simulation outputs were confirmed to realistically represent key characteristics of MCSs, showing the simulator’s potential for use in impact studies.Finally, a modeling chain for producing future hydrological projections is developed and implemented in a Sahelian river basin (Dargol, 7000km2). The chain is original as it is the first attempt in West Africa to encompass the continuum of scales from global climate to convective storms, whose properties have major impacts on hydrological response and as a result local flood risk. The modeling chain components include the convection-permitting regional climate model (RCM) CP4-Africa, the only RCM (to date) explicitly resolving convection and providing long-term simulations in Africa; a bias correction approach; the stochastic precipitation generator Stochastorm; and a rainfall-runoff model specifically developed for Sahelian hydrological processes. The modeling chain is evaluated for a control period (1997-2006) then for future projections (ten years at the end of the 21st century). Hydrological projections show that peak annual flow may become 1.5-2 times greater and streamflow volumes may double or triple on average near the end of the 21st century compared to 1997-2006 in response to projected changes in precipitation.The results raise critical issues notably for hydrological engineering. Current methods used to evaluate flood risk in the region do not take non-stationarity into account, leading to a major risk of underestimating potential floods and undersizing the hydraulic infrastructure designed for protecting against them. It is also suggested to not only consider rainfall changes but also societal and environmental changes, interactions, and feedbacks in order to better attribute past hydrological hazards and their future trajectories to related causes.

No description available.

La maintenance du logiciel est une phase très importante du cycle de vie de celui-ci. Après les phases de développement et de déploiement, c’est celle qui dure le plus longtemps et qui accapare la majorité des coûts de l'industrie. Ces coûts sont dus en grande partie à la difficulté d’effectuer des changements dans le logiciel ainsi que de contenir les effets de ces changements. Dans cette perspective, de nombreux travaux ont ciblé l’analyse/prédiction de l’impact des changements sur les logiciels. Les approches existantes nécessitent de nombreuses informations en entrée qui sont difficiles à obtenir. Dans ce mémoire, nous utilisons une approche probabiliste. Des classificateurs bayésiens sont entraînés avec des données historiques sur les changements. Ils considèrent les relations entre les éléments (entrées) et les dépendances entre changements historiques (sorties). Plus spécifiquement, un changement complexe est divisé en des changements élémentaires. Pour chaque type de changement élémentaire, nous créons un classificateur bayésien. Pour prédire l’impact d’un changement complexe décomposé en changements élémentaires, les décisions individuelles des classificateurs sont combinées selon diverses stratégies. Notre hypothèse de travail est que notre approche peut être utilisée selon deux scénarios. Dans le premier scénario, les données d’apprentissage sont extraites des anciennes versions du logiciel sur lequel nous voulons analyser l’impact de changements. Dans le second scénario, les données d’apprentissage proviennent d’autres logiciels. Ce second scénario est intéressant, car il permet d’appliquer notre approche à des logiciels qui ne disposent pas d’historiques de changements. Nous avons réussi à prédire correctement les impacts des changements élémentaires. Les résultats ont montré que l’utilisation des classificateurs conceptuels donne les meilleurs résultats. Pour ce qui est de la prédiction des changements complexes, les méthodes de combinaison "Voting" et OR sont préférables pour prédire l’impact quand le nombre de changements à analyser est grand. En revanche, quand ce nombre est limité, l’utilisation de la méthode Noisy-Or ou de sa version modifiée est recommandée. / Software maintenance is one of the most important phases in the software life cycle. After the development and deployment phases, maintenance is a continuous phase that lasts until removing the software from operation. It is then the most costly phase. Indeed, those costs are due to the difficulty of implementing different changes in the system and to manage their impacts. In this context, much research work has targeted the problem of change impact analysis/prediction. The existent approaches require many inputs that are difficult to extract. In this Master thesis, we propose a probabilistic approach that uses Bayesian classifiers to predict the change impact. These classifiers are trained with historical data about changes. The consider the relations between the elements of a system (input), and the dependencies between the occurred changes (output). More precisely, a complex change in a system is divided into a set of elementary changes. For each type of elementary change, we create a classifier. To predict the impact of complex change, the individual decisions of each classifier are combined using different strategies. We evaluate our approach in two scenarios. In the first, we extract the learning data from the oldest versions of the same system. In the second scenario, the learn data comes from other systems to create the classifiers. This second scenario is interesting because it allows us to use our approach on systems without change histories. Our approach showed that it can predict the impact of elementary changes. The best results are obtained using the classifiers based on conceptual relations. For the prediction of complex changes by the combination of elementary decisions, the results are encouraging considering the few used inputs. More specifically, the voting method and the OR method predict better complex changes when the number of case to analyze is large. Otherwise, using the method Noisy-Or or its modified version is recommended when the number of cases is small.