Consolidation de l'information hydrologique disponible localement et régionalement pour l'estimation probabiliste du régime des crues

Le praticien, lors de l'étape de prédétermination des débits de crue, est souvent confronté à un jeu de données restreint. Dans notre travail de recherche, nous avons proposé trois nouveaux modèles probabilistes spécialement conçus pour l'estimation des caractéristiques du régime des crues en contexte partiellement jaugé. Parmi ces modèles, deux d'entre eux sont des modèles dits régionaux, i.e. intégrant de l'information en provenance de stations ayant un comportement réputé similaire à celui du site étudié. Ces modèles, basés sur la théorie Bayésienne, ont montré une grande robustesse au degré d'hétérogénéité des sites appartenant à la région. De même, il est apparu que pour l'estimation des forts quantiles (T > 50 ans), l'idée d'un paramètre régional contrôlant l'extrapolation est pertinente mais doit d'être intégrée de manière souple et non imposée au sein de la vraisemblance. L'information la plus précieuse dont le praticien dispose étant celle en provenance du site d'étude, le troisième modèle proposé revient sur l'estimation à partir des seules données contemporaines au site d'étude. Ce nouveau modèle utilise une information plus riche que celle issue d'un échantillonnage classique de v.a.i.id. maximales puisque toute la chronique est exploitée. Dès lors, même avec seulement cinq années d'enregistrement et grâce à une modélisation de la dépendance entres les observations successives, la taille des échantillons exploités est alors bien plus importante. Nous avons montré que pour l'estimation des quantiles de crues, ce modèle surpasse très nettement les approches locales classiquement utilisées en hydrologie. Ce résultat est d'autant plus vrai lorsque les périodes de retour deviennent importantes. Enfin, part construction, cette approche permet également d'obtenir une estimation probabiliste de la dynamique des crues.To define the design flood, practitioners must often deal with only few data available. The aim of this work was to propose new classes of probabilistic models that are more accurate for this kind of applications. In this perspective, we propose three different models: two regional approaches and a fully local one. Unlike fully local models, the regional approaches include information from other gauging stations. Our results show that the proposed regional Bayesian estimators are more robust to the discordancy degree of the sites within the region. In addition, for larger quantile estimation (T >50 years), the concept of a regional parameter which controls the tail behaviour seems to be relevant. However, this concept has to be proposed and not imposed within the likelihood function. It is overwhelmingly clear that the most important information one disposes is the target site one. To this aim, we propose a third model that is fully local, i.e., which only uses the latest recorded data. This new model is innovative as the whole time series is involved in the estimation procedure; not only cluster maxima. Consequently, even with only a five years record length time series, the sample size becomes large. Our results show that, for flood quantile estimations, this model clearly outperforms the estimators conventionally used in hydrology. Furthermore, by definition, this model allows inferences on flood dynamics.GRENOBLE1-BU Sciences (384212103) / SudocSudocFranceF