Cette étude a été réalisée pour le SCHAPI (Service Central d'Hydrométéorologie et d'Appui à la Prévision des Inondations) et l’Irstea pour tester l’impact d’une assimilation des observations de débit sur les performances du système d’avertissement aux crues rapides AIGA. En collaboration avec l’IRSTEA, le SCHAPI développe actuellement un service d’avertissement automatisé valable sur l’ensemble de la France, qui sera complété par un service expertisé d’avertissement sur des bassins dits prioritaires. Ce service expertisé concerne les bassins avec des temps de réaction courts compris entre 2h et 6h et avec des enjeux particuliers. L’assimilation de données a pour objectif de mettre à jour le modèle en modifiant un ou plusieurs de ses éléments pour que la représentation des processus hydrologiques par le modèle et les sorties du modèle correspondent au mieux aux observations passées et présentes disponibles. Cette approche se base aussi sur le constat que le modèle et les observations sont deux sources d’information entachées d’incertitude. Cependant, pour cette étude, l’incertitude des observations est considérée comme largement inférieure aux incertitudes du modèle et donc elle n’est pas prise en compte. L’assimilation est mise en oeuvre en estimant, à l’instant de prévision, une correction régionalisée du taux de remplissage du réservoir de transfert du modèle horaire semi-distribué, qui correspond à l’état le plus en aval du modèle. La sélection des bassins « donneurs » se base sur les critères de distance maximale, nombre maximal de voisins, et similitude météorologique (i.e. la pluie de bassin sur les dernières 24 heures est en dépassement ou non-dépassement du seuil de 10 mm). Les différentes options d’assimilation sont testées avec le modèle hydrologique semi-distribué du système AIGA, en utilisant les paramètres calibrés et régionalisés de la fin 2014 (Organde 2014). L’analyse a porté sur les simulations de débit sur la période 2009-2012 pour les 694 bassins jaugés en France métropolitaine, ce jeu de bassins ayant été utilisé pour la calibration et régionalisation du modèle hydrologique. L’évaluation des performances des différentes options d’assimilation, en mode de validation croisée, se base sur les scores de contingence et de degré d’anticipation des dépassements d’un seuil de débit empirique correspondant à une période de retour de l’ordre de 2 ans (Organde 2015). Pour comparer avec le modèle actuel sans assimilation de données ni prévision de pluie, les dépassements sont estimés à partir des simulations issues des états du modèle tels que modifiés par les différentes options d’assimilation, sans inclure de pluie future. L’analyse des scores de contingence (prenant en compte l’anticipation des dépassements) a montré qu’aucune des méthodes régionales d’assimilation proposées ne permet d’améliorer conjointement le taux de détection et la fiabilité des dépassements vis-à-vis du système AIGA actuel sans assimilation. La méthode régionale avec une assimilation limitée aux pas de temps du début de l’événement permet d’améliorer la détection et l’anticipation, mais avec une augmentation significative du taux de fausses alertes. Le critère de similitude météorologique entre bassins « donneurs » et bassin « cible » semble avoir un impact positif mais limité. En effet, ce critère simple ne répond que très partiellement à l’objectif de choisir des bassins voisins « donneurs » ayant une similitude en termes de comportement hydrologique et de biais du modèle avec le bassin « cible » non jaugé. Cette première évaluation devrait se poursuivre en définissant des seuils relatifs de débit basés sur les simulations obtenues avec chacune des options d’assimilation, ce qui pourrait permettre de « débiaiser » les sorties du modèle. Il serait également intéressant de travailler sur une plus longue période pour utiliser des seuils de débit relatifs à des périodes de retour plus rares (10 ans par exemple). De plus, l’impact des méthodes d’assimilation doit aussi être évalué en mode de prévision, en utilisant, dans un premier temps, la pluie future « parfaite » pour analyser uniquement l’impact des mises à jour du réservoir de transfert (sans l’impact des incertitudes des prévisions de pluie). Différentes options de mise en oeuvre des méthodes d’assimilation restent à explorer, notamment en termes de : 1) correction additive du niveau de remplissage du réservoir de transfert ; 2) choix des bassins « donneurs » en faisant varier les critères de proximité géographique et similitude hydrométéorologique (par exemple en considérant les relations amont-aval des bassins) ; 3) prise en compte des incertitudes de l’assimilation en considérant un jeu de correction du réservoir de transfert basé sur l’ensemble des bassins « donneurs », et non sur une correction moyenne. Des techniques d’assimilation plus avancées devraient également être testées pour prendre en compte les incertitudes des observations de débit et des paramètres de mise à jour, tester la mise à jour d’autres états du modèle (réservoir du modèle journalier par exemple), et considérer que le modèle hydrologique peut être calibré et régionalisé en incluant la procédure d’assimilation. Enfin, la chaîne d’alerte AIGA devrait également être évaluée dans son ensemble, pour permettre d’optimiser les choix d’implémentation concernant les entrées du modèle (observations et prévisions de pluie, observations de débit), les paramètres et les états du modèle, ainsi que les seuils de débit pour produire les avertissements. Le présent rapport constitue le livrable 00020 de la commande n°4500261230 du 15/04/2015 du marché « Mise en oeuvre de la méthode AIGA » n°2014-01-16, conclu entre IRSTEA et Hydris Hydrologie.