Sensitivity of hydrological models to uncertainty in rainfall input.
Sensibilité des modèles hydrologiques aux incertitudes dues à l'information pluviométrique utilisée.
Résumé
Different approaches used in hydrological modelling are compared in terms of the way each one takes the rainfall data into account. We examine the errors associated with accounting for rainfall variability, whether in hydrological modelling (distributed vs lumped models) or in computing catchment rainfall, as well as the impact of each approach on the representativeness of the parameters it uses. The database consists of 1859 rainfall events, distributed on 500 basins, located in the southeast of France with areas ranging from 6.2 to 2851 km2. The study uses as reference the hydrographs computed by a distributed hydrological model from radar rainfall. This allows us to compare and to test the effects of various simplifications to the process when taking rainfall information (complete rain field vs sampled rainfall) and rainfallrunoff modelling (lumped vs distributed) into account. The results appear to show that, in general, the sampling effect can lead to errors in discharge at the outlet that are as great as, or even greater than, those one would get with a fully lumped approach. We found that small catchments are more sensitive to the uncertainties in catchment rainfall input generated by sampling rainfall data as seen through a raingauge network. Conversely, the larger catchments are more sensitive to uncertainties generated when the spatial variability of rainfall events is not taken into account. These uncertainties can be compensated for relatively easily by recalibrating the parameters of the hydrological model, although such recalibrations cause the parameter in question to completely lose physical meaning.
Cette étude compare différentes approches utilisées en modélisation hydrologique,chaque approche étant différenciée par sa manière de prendre en compte l'information pluviométrique. Nous regardons les erreurs liées à la prise en compte de la variabilité spatiale de la pluie, à travers la modélisation hydrologique (modèles globaux ou distribués) ou à travers le calcul de la pluie de bassin. Nous regardons aussi l'impact de chaque approche sur la représentativité des paramètres qui lui sont associés. Ce travail porte sur 1859 événements pluvieux répartis sur 500 bassins versants situés dans le sud-est de la France, dans une gamme de surface allant de 6.2 à 2851km2. On définit comme étant les hydrogrammes de référence, les crues modélisées par un modèle hydrologique distribué à partir de champs de pluies issus de Radar météorologiques. Cela nous permet de travailler de façon relative, et de tester l'effet de différentes simplifications dans la prise en compte des processus, lors de la prise en compte de la pluie (champs de pluie complet ou échantillonnage de la pluie) et/ou lors de la modélisation hydrologique (globale ou distribuée). Les résultats montrent globalement que l'effet de l'échantillonnage des pluies peut produire des erreurs plus fortes que celles issues d'une approche entièrement globale. Nous trouvons que les petits bassins sont plus sensibles aux incertitudes sur l'estimation de la pluie de bassin, issue de l'échantillonnage produit par un réseau de pluviomètres. Inversement, les grands bassins sont plus sensibles aux incertitudes liées à la non-prise en compte de la variabilité spatiale de la pluie. Ces incertitudes peuvent être compensées plus ou moins facilement lors du calage des paramètres du modèle hydrologique, faisant perdre toute signification physique à ces paramètres.