Quantifying hydrological uncertainties. Assessing the contribution of statistical learning methods over a large set of French catchments

Quantification des incertitudes hydrologiques. Apport des méthodes d'apprentissage statistique sur un grand échantillon de bassins versants français La modélisation hydrologique vise à quantifier la transformation pluie-débit au sein d'un bassin versant. Même si les modèles hydrologiques parviennent généralement à bien représenter la réponse des bassins versants aux forçages météorologiques, cette modélisation reste une simplification de processus complexes, souvent mal connus ou non observés. La quantification des incertitudes hydrologiques est donc souhaitable pour plusieurs applications dont la gestion de l'eau, la prévision des crues et l'estimation des étiages. Avec les développements récents de grandes bases de données et de capacités de calcul importantes, les méthodes basées sur l'apprentissage statistique ont émergé comme des approches prometteuses. Dans le cadre de ce travail, nous nous concentrons sur des approches de post-traitement statistique et distinguons le contexte de simulation et le contexte de prévision. Nos travaux, qui s'appuient sur un large échantillon de bassins versants français et des modélisations hydrologiques avec le modèle GR6J, portent sur deux axes principaux : 1) la quantification des incertitudes prédictives univariées à l'aide de forêts aléatoires dans une cadre d'apprentissage multi-sites informé par des caractéristiques hydrologiques; 2) la cohérence temporelle des prévisions probabilistes - obtenues avec des méthodes de post-traitement univariés - à l'aide de copules de vine. Enfin, nous présentons une étude qui intègre des prévisions d'ensemble météorologiques et les méthodes de quantification des incertitudes proposées pour caractériser la part relative de ces deux sources d'incertitudes dans des contextes variés de prévision hydrologique.