Chapitre VII : INFLUENCE DES AUTRES VARIABLES
CLIMATIQUES SUR LA PERFORMANCE DES MODÈLES DE SIMULATION
7.1. INTRODUCTION
Le but de ce 7ème chapitre est
d'étudier l'apport des variables comme la température,
l'évapotranspiration potentielle, le mois et leurs différentes
combinaisons dans les performances des Perceptrons Multicouches Dirigés
(PMCD) dans la simulation des débits mensuels sur un bassin versant et
la comparaison de ces modèles au modèle GR2M. Il a
été déjà démontré dans le
chapitre VI, la capacité des Perceptrons Multicouches
Dirigés à simuler les débits mensuels du Bandama Blanc,
aux stations de Bada, Marabadiassa, Tortiya et Bou, avec en entrée la
pluie. La démarche adoptée pour la construction des
modèles de simulation est identique à celle appliquée au
chapitre précédent. Les modèles dont les résultats
sont présentés dans ce chapitre sont :
o le Perceptron Multicouche Dirigé de simulation avec en
entrée la pluie (PMCD1s) ;
o ii) le Perceptron Multicouche Dirigé de simulation avec
en entrée la pluie et le mois (PMCD2s) ;
o iii) le Perceptron Multicouche Dirigé de simulation avec
en entrée la pluie et l'ETP (PMCD3s) ;
o iv) le Perceptron Multicouche Dirigé de simulation avec
en entrée la pluie et la température (PMCD4s) ;
o v) le Perceptron Multicouche Dirigé de simulation avec
en entrée la pluie, la température et le mois (PMCD5s) et ;
o vi) le Perceptron Multicouche Dirigé de simulation avec
en entrée la pluie l'ETP et le mois (PMCD6s).
Ce chapitre comprend trois (3) sections. La première
section présente les performances du modèle global GR2M avec le
critère de Nash, l'erreur quadratique moyenne (MSE), la racine
carrée de l'erreur quadratique moyenne (RMSE), le coefficient de
détermination multiple (R2) et le coefficient de
corrélation de Pearson (R) comme critères de peformance. La
deuxième section s'intéresse à l'évolution de la
performance du modèle PMCDs chaque fois qu'on ajoute une ou deux autres
variables explicatives en entrée. En ce qui concerne la troisième
section, elle compare le modèle GR2M au meilleur modèle
Perceptron Multicouche Bouclé Dirigés de simulation.
7.2. PERFORMANCE DU MODÈLE CONCEPTUEL GLOBAL :
GR2M
Les résultats présentés ici sont obtenus
avec l'optimisation par la méthode "pas à pas". Il
s'agit de déterminer les valeurs optimales des
paramètres X1 et X2 . Comme
déjà présenté dans chapitre du matériel et
des méthodes, les données sont subdivisées en deux parties
: 2/3 pour le calage (1971-1988) et 1/3 pour la phase de validation
(1989-1997). Dans le tableau XV sont résumés les
paramètres X1 (mm) et
X2 du modèle GR2M ainsi que les différents
critères de performance (Nash (%), R2 (%), R, MSE et
RMSE).
Tableau XV : Récapitulatif des
valeurs des paramètres du modèle GR2M et de ces performances
Stations hydrométriques d'étude
|
Superficie (km2)
|
Paramètres du modèle GR2M
|
Critères de performance
|
X1 (mm)
|
X2
|
Nash (%)
|
R2 (%)
|
R
|
MSE
|
RMSE
|
Calage (1971-1988)
|
Bada
|
24050
|
1211,97
|
0,54
|
67,10
|
67
|
0,81
|
61,64
|
7,85
|
Marabadiassa
|
22293
|
1339,43
|
0,58
|
51,10
|
45
|
0,65
|
101,04
|
10,05
|
Tortiya
|
14500
|
1339,43
|
0,55
|
72
|
71
|
0,83
|
55,59
|
7,46
|
Bou
|
3710
|
1480,3
|
0,54
|
69,70
|
69
|
0,81
|
47,11
|
6,86
|
|
|
Validation (1989-1997)
|
Bada
|
24050
|
1211,97
|
0,54
|
63,30
|
68
|
0,81
|
59,77
|
7,73
|
Marabadiassa
|
22293
|
1339,43
|
0,58
|
69,30
|
74
|
0,85
|
50,46
|
7,1
|
Tortiya
|
14500
|
1339,43
|
0,55
|
71
|
75
|
0,85
|
51,43
|
7,17
|
Bou
|
3710
|
1480,3
|
0,54
|
20,70
|
42
|
0,63
|
99,97
|
10
|
Les paramètres X1 (mm) et
X2 du modèle ont été obtenus
après une étape d'optimisation et de calage. Le
paramètre X1 (mm) est la capacité maximale du
réservoir (sol) et le paramètre X2 traduit
le paramètre d'échange souterrain au niveau du réservoir
(eau gravitaire). Le taux
d'humectation des sols est un facteur qui conditionne plus ou
moins fortement leur aptitude au ruissellement et à l'infiltration en
fonction du type de sol et de son état de surface.
Le paramètre X1 permet donc au modèle de
s'adapter à la demande évaporatoire brute qui lui est
présentée. Les approches conceptuelles globales
apparaissent comme une solution pragmatique pour prendre en compte l'effet de
l'humidité du sol sur sa réponse hydrologique (Loumagne et
al., 1991). En ne tenant compte que des valeurs pour lesquelles on
enregistre des performances jugées satisfaisantes, le paramètre
X1 (mm) varie de 1 211,97 à 1 480,30
mm. La capacité maximale du réservoir (sol) varie
d'un sous bassin versant à un autre. Le paramètre
X2 oscille entre les valeurs 0,54 et 0,58. Ces valeurs
restent inférieures à 1, ce qui
implique des apports d'eau au niveau des différents
bassins. En effet, lorsque X2 est supérieur
à 1, on assiste à une perte d'eau du
réservoir R vers les autres bassins versant et dans le cas
contraire, c'est plutôt un apport vers le réservoir R
qu'il traduit. La lecture du tableau XV montre que le
modèle conceptuel global GR2M donne de bonnes performances aux
différentes stations d'étude. Il illustre bien les performances
du modèle GR2M. En effet, en calage, les Nash obtenus aux stations de
Bada, Tortiya et Bou sont supérieurs à 60%. A la station de
Marabadiassa, il n'est que de 51,1%. En ce qui concerne les coefficients de
corrélation de Pearson, ils varient de forts à très forts.
En validation, tous les Nash sont supérieurs à 60% sauf celui
déterminé à la station de Bou qui est de 20,7%. Le
coefficient de corrélation de Pearson varie toujours de forts à
très forts avec des valeurs généralement
supérieures à 0,80. Cependant, on observe une instabilité
du modèle GR2M à Marabadiassa, en calage, et à Bou, en
validation, où le coefficient de corrélation de Pearson est
respectivement de 0,65 et 0,63. En effet, on note une dégradation de la
performance du modèle à la station de Bou et une
amélioration de la performance du modèle à la station de
Marabadiassa. Pour les autres stations le modèle est
généralement robuste. Ces mêmes remarques sont valables
pour le coefficient de détermination (R2) et de l'erreur
quadratique moyenne. En ce qui concerne le coefficient de détermination
(R2), les valeurs extrêmes sont : i) en calage, le maximum est
de 0,75 obtenu à la station de Tortiya et le minimum de 0,45 à la
station de Marabadiassa ; ii) en validation, le maximum est obtenu toujours
à Tortiya et est égal à 0,75 et le minimum est de 0,42
obtenu à la station de Bou.
Les bonnes valeurs des critères de performance (Nash,
R2 (%), R, MSE, RMSE) ne suffisent pas pour dire que tel ou tel
modèle calcule très bien les débits mensuels au niveau
d'une station hydrométrique. Il faut alors associer à ces
critères les hydrogrammes pour pouvoir apprécier la
représentativité de ces derniers par ces modèles de
simulation. Dans cette étude, les hydrogrammes mesurés et
simulés en calage et en validation sont représentés
respectivement par les figures 76 et 77. Une lecture de ces
figures montre que la dynamique des écoulements, à travers
l'évolution des hydrogrammes, est bien représentée par le
modèle conceptuel global GR2M. Cependant, en regardant de plus
près on s'aperçoit qu'il existe un certain décalage entre
les hydrogrammes mesurés et les hydrogrammes calculés par le
modèle GR2M. Ces décalages sont plus marqués au niveau des
débits de pointe qui sont généralement mal reproduits tant
en phase de calage qu'en phase de validation par le modèle GR2M. On
remarque également que les périodes de grande pluie
coincident avec les pics des hydrogrammes mesurés et calculés
à toutes les stations hydrométriques.
Debit (mm/mois)
Debit (mm/mois)
150 0
130
110
-10
90
70
50
30
150 0
130
110
10
-10
90
70
50
30
10
Pluie
Débit observé Débit simulé
Pluie
Débit observé Débit simulé
(a)
(c)
200
400
300
500
600
700
800
900
100
1000
400
200
300
500
600
700
800
900
100
1000
Pluie (mm/mois)
Pluie (mm/mois)
Debit (mm/mois)
Debit (mm/mois)
150 0
130
110
-10
90
70
50
30
150 0
130
110
10
-10
90
70
50
30
10
Pluie
Débit observé Débit simulé
Pluie
Débit observé Débit simulé
(b)
(d)
400
200
300
500
600
700
800
900
100
1000
200
400
300
500
600
700
800
900
100
1000
Pluie (mm/mois)
Pluie (mm/mois)
Figure 76 : Hydrogrammes
observés et simulés en phase de calage par GR2M à Bada
(a), Marabadiassa (b), Tortiya (c) et à Bou (d)
- 154 -
Debit (mm/mois)
Debit (mm/mois)
150
130
110
150
130
110
-10
janv-89 janv-90 janv-91 janv-92 janv-93 janv-94 janv-95
janv-96 janv-97
-10
janv-89 janv-90 janv-91 janv-92 janv-93 janv-94 janv-95
janv-96 janv-97
90
70
50
30
10
90
70
50
30
10
Pluie
Débit observé Débit simulé
Pluie
Débit observé Débit simulé
(c)
(a)
200
400
0
300
500
600
700
800
900
100
1000
200
400
0
300
500
600
700
800
900
100
1000
Pluie (mm/mois)
Pluie (mm/mois)
Debit (mm/mois)
Debit (mm/mois)
150
130
110
-10
janv-89 janv-90 janv-91 janv-92 janv-93 janv-94 janv-95
janv-96 janv-97
150
130
110
90
70
50
30
-10 janv-89 janv-90 janv-91 janv-92 janv-93 janv-94 janv-95
janv-96 janv-97
10
90
70
50
30
10
Pluie
Débit observé Débit simulé
Pluie
Débit observé Débit simulé
(b)
(d)
200
400
0
300
500
600
700
800
900
100
1000
400
0
200
300
500
600
700
800
900
100
1000
Pluie (mm/mois)
Pluie (mm/mois)
Figure 77 : Hydrogrammes
observés et simulés en phase de validation par GR2M à Bada
(a), Marabadiassa (b), Tortiya (c) et à Bou (d)
Après avoir présenté les performances du
modèle conceptuel GR2M, le paragraphe suivant étudier la relation
entre ces performances (Nash (%) et R2 (%) et les différentes
superficies des sous bassins d'étude (sous bassin de Bada, sous bassin
de Marabadiassa, sous bassin de Tortiya et le sous bassin de Bou). La lecture
de la figure 78 ne signale aucune tendance quant à une
éventuelle relation entre les critères de performance et les
différentes superficies des sous bassins versants d'étude.
|
80 70
|
|
30000 25000
|
|
(a)
|
Critete de performance
|
60 50
|
20000
|
superficies des sous bassins d'etucle (Kmz)
|
|
40
|
15000
|
Nash (%)
r2 (%)
superficie (km2)
|
30 20 10 0
|
10000 5000 0
|
|
Sous bassin de Bada Sous bassin de
Marabadiassa
|
Sous bassin de Tortiya Sous bassin de Bou
|
Sous bassins versants d'étude
|
80 70
|
|
30000 25000
|
|
(b)
|
|
60
|
|
Superficies des sous bassins d'etude (Kmz)
|
|
Criteres de performance (%)
|
50
|
20000
|
|
40
|
15000
|
Nash (%)
r2 (%)
superficie (km2)
|
30 20 10 0
|
10000 5000 0
|
|
Sous bassin de Bada Sous bassin de
Marabadiassa
|
Sous bassin de Tortiya Sous bassin de Bou
|
Sous bassins versants d'étude
Figure 78 : Diagramme comparatif des
critères de performances et des superficies des sous
bassins d'étude : (a) calage et (b) validation
En effet, que se soit en calage ou en validation, les
performances du modèle GR2M ne dépendent pas de la superficie du
sous bassin versant considéré.
|