Le Québec est le théâtre de nombreux glissements de terrain chaque année. Ces glissements de terrain peuvent être une menace pour les vies humaines ainsi que pour les infrastructures comme l'ont démontré l'évènement de Saint-Jean-Vianney en 1971 ayant causé la mort de 31 personnes ainsi que celui de Saint-Jude en 2010 ayant causé la mort de quatre personnes. Les glissements de terrain peuvent être influencés par le climat, mais des études récentes démontrent que le lien entre climat et stabilité des pentes est encore flou et méconnu. Une meilleure compréhension entre les évènements climatiques et les glissements de terrain est donc nécessaire. L'objectif de la présente étude est d'évaluer, par modélisation numérique, les conséquences de la variation des précipitations sur l'écoulement de l'eau souterraine et la stabilité d'une pente argileuse située dans le secteur de Saint-Luc-de-Vincennes dans un contexte de changements climatiques. Ces conséquences sont la variation de la recharge en sommet de talus, la variation du niveau d'eau dans la rivière Champlain à la base de la pente ainsi que l'érosion par cette même rivière à la base de la pente. Pour ce faire, une pente du secteur a été modélisée à l'aide des logiciels SEEP/W et SLOPE/W en régimes permanent et transitoire de manière à obtenir des charges hydrauliques semblables à celles observées sur le terrain. Les données de charges hydrauliques sur le terrain ont été mesurées à partir de trois nids de piézomètres contenant chacun quatre piézomètres à différentes profondeurs. Une fois le modèle de base bien calibré, les trois conséquences à l'étude ont pu être évaluées en modifiant les conditions limites et la géométrie du modèle. La variation de la recharge a été évaluée en faisant varier la condition de recharge en sommet de talus et dans la pente, la variation du niveau d'eau dans la rivière a été testée en faisant varier la condition de charge à la base de la pente au niveau de la rivière et l'érosion a été testée via deux géométries d'érosion. Les résultats de cette étude montrent que l'augmentation de la recharge ainsi que l'érosion ont un effet négatif sur la stabilité de la pente, tandis que la variation du niveau d'eau dans la rivière a un effet qui peut être positif et négatif. C'est cette dernière variable qui a d'ailleurs le plus d'effet sur la stabilité de la pente, suivi par l'érosion et la variation de la recharge. De récentes études indiquent que les précipitations et les évènements de précipitation devraient augmenter dans les années à venir dans l'est du Canada tandis que les débits moyens des rivières du sud du Québec devraient augmenter en hiver et diminuer au printemps, en été et à l'automne. Ces changements influenceront les dynamiques de recharge, de variation du niveau d'eau dans les rivières et d'érosion. Il est donc attendu que la stabilité de la pente à l'étude en soit influencée négativement.

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 croissance démographique récente au Nunavik a amené l'expansion de certains villages nordiques près de zones de relief propice au déclenchement d'avalanches de neige tant à l'hiver qu'au printemps. Dans l'optique de développer une méthode de prévision précoce des avalanches au Nunavik, la surveillance des versants en contexte périglaciaire est primordiale. Les objectifs principaux de cette recherche sont donc de caractériser les événements avalancheux survenus de 2017 à 2020 sur le versant sud-ouest de la vallée Tasiapik (Umiujaq, Nunavik) et d'identifier les conditions météorologiques favorables à leur déclenchement. Pour ce faire, nous avons utilisé des appareils photographiques automatisés qui affichent une valeur de température sur chaque image capturée. Les données de température extraites sur près de 39 500 photographies ont été comparées aux données de température de deux stations météorologiques à proximité. Les résultats ont démontré que les appareils photographiques sont précis pour la mesure de la température à la fin de l'automne et à l'hiver. Au printemps et en été, ils ont une grande propension à surestimer la température. Les erreurs de mesure de température des appareils photographiques ont été statistiquement liées à la couverture nuageuse et à la radiation solaire incidente moyenne journalière. Par ailleurs, les photographies ont permis de caractériser 130 dépôts avalancheux. Deux principaux régimes d'avalanches ont été décrits : un régime hivernal, et un régime printanier. Des analyses de régression progressive ont permis d'établir que les conditions météorologiques propices au déclenchement des avalanches hivernales sont l'augmentation de la température minimale quotidienne et les chutes de neige ≥ à 10 cm à court terme (2 à 4 jours). Au printemps, ces conditions consistent en l'accumulation de degrés-jours de fonte, l'augmentation de la température minimale quotidienne, et la hauteur du couvert nival. Deux modèles de régression logistique ont été testés. Ensemble, ces modèles ont maintenu un taux de bonne classification global de 70.21% et ont correctement identifié 45 des 79 journées avalancheuses observées dans la vallée Tasiapik de 2017 à 2020. / Recent population growth in Nunavik has led to the expansion of northern villages some of which are located near mountainous areas prone to snow avalanches releases in winter and in spring. To develop an early avalanche forecasting method in Nunavik, monitoring of slopes in a periglacial context is essential. The main objectives of this research were to characterize avalanche events that occurred from 2017 to 2020 on the southwestern slope of the Tasiapik Valley (Umiujaq, Nunavik) and to identify the meteorological conditions that were favorable to their triggering. To do so, we used automated time-lapse cameras which displayed a temperature value on each captured image. Temperature data extracted from nearly 39,500 photographs were compared to temperature data from two nearby weather stations. The results showed that the cameras were accurate in measuring temperature in the late fall and winter. In spring and summer, they have a high propensity to overestimate temperature. The temperature measurement errors of the cameras were statistically related to the observable cloud coverage and the daily average incident solar radiation. In addition, the photographs were used to characterize 130 snow avalanche deposits. Two main avalanche regimes were described: winter and spring. Stepwise regression analyses established that the meteorological conditions conducive to winter snow avalanche initiation are the increasing daily minimum air temperature and short term (2-4 days) snowfall episodes ≥ 10 cm. In spring, these conditions are the accumulation of melting degree days, the increase in daily minimum air temperature, and snow cover height. Two logistic regression models were tested. Together, the models maintained a global correct classification rate of 70.21% correctly identifying 45 of 79 avalanche days observed within Tasiapik Valley from 2017 to 2020.

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.

Ce document défend la thèse selon laquelle les prévisions hydrologiques d'ensemble possèdent une utilité opérationnelle supérieure à celle de leur contrepartie déterministe, autant dans le cas des prévisions basées sur des réseaux de neurones que pour des prévisions provenant d'un modèle hydrologique physique couplé à des prévisions météorologiques d'ensemble. Pour ce faire, deux séries de prévisions hydrologiques d'ensemble sont produites. La première série exploite un ensemble de réseaux de neurones tandis que la deuxième série provient du modèle hydrologique physique HYDROTEL auquel sont fournies des prévisions météorologiques d'ensemble issues de deux modèles atmosphériques développés par Environnement Canada. Puisque la simplicité de mise en oeuvre des réseaux de neurones de type perceptron multicouches le permet, ceux-ci sont testés sur six bassins versants. Les prévisions provenant du modèle HYDROTEL, quant à elles, concernent uniquement le bassin versant de la rivière Gatineau, qui comporte plusieurs ouvrages de production hydroélectrique. Cette particularité permet l'étude de la performance économique des prévisions hydrologiques d'ensemble pour la gestion du système. De plus, cette expérience se déroulant en période de crue, on peut démontrer l'intérêt des prévisions d'ensemble pour la prévention des débordements dans ce secteur. Par ailleurs, une comparaison entre les prévisions d'ensemble et les débits observés est effectuée à l'aide de critères de performance spécifiques aux prévisions d'ensemble, tels que le Continuous Ranked Probability Score ainsi que sa décomposition. Cette approche répandue chez les partisans des modèles physiques est toutefois novatrice du point de vue des ensembles neuronaux. Elle permet de démontrer la pertinence de conserver l'intégralité de l'ensemble neuronal plutôt que de l'agréger en une valeur moyenne, puisque l'ensemble offre une performance prévisionnelle supérieure. VI L'analyse des prévisions brutes, toute provenance confondue, révèle la présence d'un biais ainsi qu'une sous-estimation de l'incertitude (sous-dispersion) importante. Consé-quemment, quatre méthodes de post-traitement des prévisions sont appliquées et comparées. Ces méthodes, majoritairement basées sur une procédure de type noyaux, sont aussi testées sur deux jeux de prévisions d'ensemble synthétiques simples, afin d'effectuer une expérience plus théorique pour laquelle la réponse attendue est connue.

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.

Titre de l'écran-titre (visionné le 8 novembre 2023) / Le séchage à l'air libre du bois d'œuvre est une bonne stratégie à adopter pour un scieur. Il permet de réduire les coûts reliés au séchage et d'augmenter la capacité de séchage d'un site, tout en améliorant la qualité finale des produits. Il peut être utilisé comme stratégie de séchage complet ou bien comme pré-séchage à l'air libre avant de passer aux séchoirs conventionnels. Cependant, il demande un suivi manuel et une gestion de l'inventaire qui peuvent être exigeants sans outil automatisé. En réponse à cet enjeu, l'utilisation d'un modèle de simulation du séchage du bois est justifiée. En combinaison avec une station météorologique, le modèle étudié (FPdrySim) pourrait être utilisé en temps réel. L'objectif général de cette étude est donc de déterminer si l'ajout de données météorologiques (température sèche, température humide, vitesse et direction du vent, pluie et rayonnement solaire) dans FPdrySim pourrait lui permettre de prédire la teneur en humidité du bois pendant son séchage à l'air. Dans l'éventualité que ses prédictions soient justes, le simulateur pourrait être utilisé comme outil automatisé d'aide à la décision et de gestion de l'inventaire, pour la formation des lots de séchage et l'optimisation de l'homogénéité des lots à l'entrée des séchoirs. Deux séries d'essais ont été menées aux mois de mai et d'août 2022. Ces essais ont eu pour objectif de suivre le séchage à l'air libre de paquets de sapin baumier et d'épinette blanche pendant quatre semaines, dans des conditions météorologiques d'entreposage monitorées. Les coefficients de détermination globaux calculés entre la prédiction du modèle et la teneur en humidité moyenne réelle sont de 0,83 et de 0,94 pour les essais du mois de mai et d'août respectivement. La prédiction sur la distribution de la teneur en humidité pourrait être améliorée. Néanmoins, les résultats sont favorables à la continuation du projet vers une étape subséquente de plus grande échelle.

Le Québec est le théâtre de nombreux glissements de terrain chaque année. Ces glissements de terrain peuvent être une menace pour les vies humaines ainsi que pour les infrastructures comme l'ont démontré l'évènement de Saint-Jean-Vianney en 1971 ayant causé la mort de 31 personnes ainsi que celui de Saint-Jude en 2010 ayant causé la mort de quatre personnes. Les glissements de terrain peuvent être influencés par le climat, mais des études récentes démontrent que le lien entre climat et stabilité des pentes est encore flou et méconnu. Une meilleure compréhension entre les évènements climatiques et les glissements de terrain est donc nécessaire. L'objectif de la présente étude est d'évaluer, par modélisation numérique, les conséquences de la variation des précipitations sur l'écoulement de l'eau souterraine et la stabilité d'une pente argileuse située dans le secteur de Saint-Luc-de-Vincennes dans un contexte de changements climatiques. Ces conséquences sont la variation de la recharge en sommet de talus, la variation du niveau d'eau dans la rivière Champlain à la base de la pente ainsi que l'érosion par cette même rivière à la base de la pente. Pour ce faire, une pente du secteur a été modélisée à l'aide des logiciels SEEP/W et SLOPE/W en régimes permanent et transitoire de manière à obtenir des charges hydrauliques semblables à celles observées sur le terrain. Les données de charges hydrauliques sur le terrain ont été mesurées à partir de trois nids de piézomètres contenant chacun quatre piézomètres à différentes profondeurs. Une fois le modèle de base bien calibré, les trois conséquences à l'étude ont pu être évaluées en modifiant les conditions limites et la géométrie du modèle. La variation de la recharge a été évaluée en faisant varier la condition de recharge en sommet de talus et dans la pente, la variation du niveau d'eau dans la rivière a été testée en faisant varier la condition de charge à la base de la pente au niveau de la rivière et l'érosion a été testée via deux géométries d'érosion. Les résultats de cette étude montrent que l'augmentation de la recharge ainsi que l'érosion ont un effet négatif sur la stabilité de la pente, tandis que la variation du niveau d'eau dans la rivière a un effet qui peut être positif et négatif. C'est cette dernière variable qui a d'ailleurs le plus d'effet sur la stabilité de la pente, suivi par l'érosion et la variation de la recharge. De récentes études indiquent que les précipitations et les évènements de précipitation devraient augmenter dans les années à venir dans l'est du Canada tandis que les débits moyens des rivières du sud du Québec devraient augmenter en hiver et diminuer au printemps, en été et à l'automne. Ces changements influenceront les dynamiques de recharge, de variation du niveau d'eau dans les rivières et d'érosion. Il est donc attendu que la stabilité de la pente à l'étude en soit influencée négativement.

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.

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.