Mesure et modélisation d'équivalents en eau de la neige dans un contexte de prévision hydrologique

La mesure de l’équivalent en eau de la neige (EEN), une variable importante en hydrologie des régions nordiques, est traditionnellement faite avec des relevés manuels par carottage. Dans l’objectif de les remplacer par une méthode automatisée et plus performante, Rio Tinto Aluminium (RTA), a récemment fait l’acquisition de 9 GMON, instruments qui mesurent en temps réel les équivalents en eau de la neige (EEN) à partir de l’atténuation de la radioactivité naturelle du sol. Ces instruments ont été installés sur une partie de ses stations météorologiques dans le bassin versant du Lac Saint-Jean. Dans ce contexte, le premier objectif de cette étude est d’évaluer la qualité des données de GMON pour leur fiabilité et leur précision en les comparant avec d’autres types de données nivométriques (relevés manuels et hauteur de neige provenant de SR-50). Le deuxième objectif est d’étudier la possibilité d’utiliser des modèles de neige à partir de données météorologiques afin de générer les données d’EEN pour des stations non équipées de GMON. Pour ce faire, l’inventaire des données utilisables a été créé pour sélectionner les modèles les plus appropriés. Les résultats d’analyses montrent que les mesures de GMON ne sont pas produites de manière continue et la présence de valeurs aberrantes, incluant des épisodes de bruit excessif, a étéobservée. Toutes les séries de GMON considérées comme utilisables (16 sur les 21 séries totales) présentent un retard systématique de détection de la date de disparition du manteau neigeux par rapport aux données de hauteur de neige, avec une valeur médiane de 6 jours. Lorsque comparées aux valeurs d’EEN des relevés manuels, les données d’au moins une GMON présentent un biais supérieur à 15%. En ce qui concerne la modélisation de manteau neigeux, l’hétérogénéité des capteurs météorologiques et la qualité inégale des données disponibles limitent le choix des modèles. Seuls les modèles simples basés sur des relations empiriques ont pu être utilisés. En raison du taux d’utilisabilité restreint des données, l’exercice de modélisation n’a pas pu permettre d’évaluer à quel niveau la modélisation du manteau neigeux pourrait être utile pour générer des données d’EEN aux sites non équipés de GMON. Au terme de cette étude, une série de recommandations opérationnelles ont été suggérées dans le but d’améliorer la mesure et la modélisation d’EEN. Premièrement, bien que les GMON fournissent de l’information de valeur sur l’évolution du manteau neigeux, un programme de suivi et de vérification et de recalibration devra être mis en place. Deuxièmement, la portée de la modélisation nivale peut être augmentée d’une part, avec la mise en place d’un programme de contrôle de qualité des données météorologiques, et d’une autre part avec l’installation uniforme d’anémomètres et de capteurs d’humidité relative sur l’ensemble des stations. Ces améliorations permettront l’utilisation de modèles plus robustes sur l’ensemble du bassin versant. Finalement, cette étude ouvre la porte à de nouvelles voies de recherche. La chaîne de modélisation pourrait être améliorée en tenant compte de facteurs additionnels tels que la sous-estimation des mesures de précipitations solides et l’influence de la canopée sur le manteau neigeux. De plus, l’intégration d’éléments additionnels tels que la nature des sols pourrait être explorée en vue de réduire l’incertitude dans les calculs d’atténuation des GMON