Search

chap. 8; International audience

National audience

International audience; Distributed hydrological models are generally overparameterized, resulting in the possibility of multiple parameterizations from many areas of the parameter space, providing acceptable fits to be observed data. In this study, TOPMODEL parameterizations are conditioned on discharges, and then further conditioned on estimates of satured areas derived from ERS-1 snthetic aperture radar (SAR) images combined with the In (a/tan beta) topographic index, and compared to ground thruth saturation measurements made is one small subcatchment. The uncertainty associated with the catchment-wide predictions of saturated area is explicitly incorporated into the conditioning through the weighting of estimtes within a fuzzy set framework. The predictive uncertainty associated with the parameterizations is then assessed using the generalized likelihood uncertainty estimation (GLUE) methodology. It is shown that despite the uncertainty in the predictions of the saturated area the methodology can reject many previously acceptable range of a catchment average transmissivity parameter and of improved predictions of some discharge events.; Les modèles hydrologiques distribués sont généralement surparamétrés, d'où une multitude de paramétrisations possibles, capables de reproduire convenablement les données observées. Dans cette étude, les paramétrisations de TOPMODEL sont tout d'abord conditionnées par un apprentissage sur les débits ; puis l'apprentissage se poursuit sur la base d'une estimation floue de l'extension des zones saturées déduite des images radar d'ERS-1 combinées à l'indice topographique, et comparée aux observations terrain d'un petit sous-bassin. L'incertitude associée aux prédictions de l'extension des zones saturées à l'échelle du bassin est explicitement incorporée dans le processus d'apprentissage du modèle à l'aide de mesures de vraisemblance. Les incertitudes sur la prédiction des débits sont alors évaluées à l'aide de la méthode GLUE. On montre, qu'en dépit de l'incertitude portant sur l'estimation des zones saturées, la méthode conduit à rejeter de nombreuses paramétrisations précédemment acceptables, à une réduction importante de la plage de variation du paramètre de transmissivité moyenne, et une amélioration sensible des prédictions du modèle.

International audience