OATAO - Open Archive Toulouse Archive Ouverte Open Access Week

Prévisions des crues en temps réel sur le bassin de la Marne : assimilation in situ pour la correction du modèle hydraulique mono-dimensionnel Mascaret

Habert, Johan. Prévisions des crues en temps réel sur le bassin de la Marne : assimilation in situ pour la correction du modèle hydraulique mono-dimensionnel Mascaret. PhD, Hydrologie, Hydrochimie, Sols, Environnement, Institut National Polytechnique de Toulouse, 2016

[img]
Preview
(Document in French)

PDF (Première partie : introduction, chapitres 1 à 4) - Requires a PDF viewer such as GSview, Xpdf or Adobe Acrobat Reader
6MB
[img]
Preview
(Document in French)

PDF (Seconde partie : chapitre 5, conclusion, bibliographie) - Requires a PDF viewer such as GSview, Xpdf or Adobe Acrobat Reader
6MB

Abstract

La prévision des crues et des inondations reste aujourd’hui un défi pour anticiper et assurer la sécurité des biens et des personnes. En France, le SCHAPI, qui dépend du MEDDE, assure ce rôle. Les niveaux et les débits d’un cours d’eau dépendent étroitement des interactions à différentes échelles entre les précipitations, les caractéristiques géométriques du cours d’eau et les propriétés topographiques, géologiques et pédologiques du bassin versant. Les modèles hydrauliques, utilisés dans le cadre de la prévision des crues, sont entachés d’incertitudes qu’il est nécessaire de quantifier et de corriger afin de mieux anticiper l’évolution hydrodynamique du cours d’eau en temps réel. L’objectif de ces travaux de thèse est d’améliorer les prévisions de hauteurs d’eau et de débits, sur le bassin de la Marne, issues des modèles hydrauliques utilisés dans le cadre opérationnel de la prévision des crues à partir de méthodes d’assimilation de données. Ces prévisions reposent sur une modélisation mono-dimensionnelle (1D) de l’hydrodynamique du cours d’eau à partir du code hydraulique 1D Mascaret basé sur la résolution des équations de Saint-Venant, enrichie par une méthode d’assimilation de données in situ utilisant un Filtre de Kalman Étendu (EKF). Ce mémoire de thèse s’articule en cinq chapitres, trois dédiés à la recherche et les deux derniers à l’application opérationnelle. Le chapitre 1 présente les données et les outils utilisés pour caractériser le risque inondation dans le cadre de la prévision des crues, ainsi que les modèles hydrauliques Marne Amont Global (MAG) et Marne Moyenne (MM), sujets d’application des méthodes d’assimilation de données développées dans cette étude. Le chapitre 2 est dédié à la méthodologie : il traite des différentes sources d’incertitudes liées à la modélisation hydraulique et présente les approches d’assimilation de données de type EKF appliquées dans cette étude à travers la maquette DAMP pour les réduire. Dans le chapitre 3, cette approche est appliquée aux modèles MAG et MM en mode réanalyse pour un ensemble de crues ayant touché le bassin de la Marne par le passé. Deux publications ont été insérées dans ce chapitre "étude". Dans le chapitre 4, les corrections appliquées dans le chapitre 3, sont validées à partir du rejeu de la crue de 1983 en condition opérationnelle avec le modèle MM. La quantification des incertitudes de prévision et la réalisation de cartes de zones inondées potentielles y sont aussi abordées. L’application de ces méthodes d’assimilation de données pour les modèles MAG et MM en opérationnel au SCHAPI au niveau national et au SPC SAMA au niveau local est présentée dans le chapitre 5. Cette thèse s’inscrit dans un contexte collaboratif où chacun apporte son expertise : la modélisation hydraulique pour le LNHE, les méthodes numériques pour le CERFACS et la prévision opérationnelle pour le SCHAPI. L’ensemble de ces travaux de thèse a permis de démontrer les bénéfices et la complémentarité de l’estimation des paramètres et de l’état hydraulique par assimilation de données sur les hauteurs d’eau et les débits prévus par un modèle hydraulique 1D, ce qui constitue un enjeu d’importance pour l’anticipation du risque hydrologique. Ces méthodes ont été intégrées dans la chaîne opérationnelle de prévision du SCHAPI et du SPC SAMA.

Item Type:PhD Thesis
Uncontrolled Keywords:
Institution:Université de Toulouse > Institut National Polytechnique de Toulouse - INPT (FRANCE)
Laboratory name:
Research Director:
Thual, Olivier and Ricci, Sophie
Statistics:download
Deposited By: Thèse INPT
Deposited On:24 Feb 2016 09:10

Repository Staff Only: item control page