Comparaison des performances relatives à un modèle déterministe et à un modèle stochastique de température de l'eau en rivière

Marceau, Pierrette; Cluis, Daniel; Morin, Guy

doi:10.1139/l86-048

Cited by 21 publications

(18 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Seasonal and daily variations of water temperature are significantly important for aquatic resources, as pointed out in the river continuum concept (Vannote et al, 1980). Water temperature is strongly correlated with air temperature, therefore regression models have been used (Crisp and Howson, 1982;Jourdonnais et al, 1992;Stefan and Preud'homme, 1993;Mohseni et al, 1998) as well as stochastic models (Cluis, 1972;Marceau et al, 1986;Caissie et al, 1998) for predicting water temperatures. When physical characteristics of the river and heat exchange processes are important, then a deterministic modelling approach is used (Brown, 1969;Morin and Couillard, 1990;Sinokrot and Stefan, 1993).…”

Section: Introductionmentioning

confidence: 99%

Predicting river water temperatures using the equilibrium temperature concept with application on Miramichi River catchments (New Brunswick, Canada)

2005

View full text Add to dashboard Cite

Abstract:Water temperature influences most of the physical, chemical and biological properties of rivers. It plays an important role in the distribution of fish and the growth rates of many aquatic organisms. Therefore, a better understanding of the thermal regime of rivers is essential for the management of important fisheries resources. This study deals with the modelling of river water temperature using a new and simplified model based on the equilibrium temperature concept. The equilibrium temperature concept is an approach where the net heat flux at the water surface can be expressed by a simple equation with fewer meteorological parameters than required with traditional models. This new water temperature model was applied on two watercourses of different size and thermal characteristics, but within a similar meteorological region, i.e., the Little Southwest Miramichi River and Catamaran Brook (New Brunswick, Canada). A study of the long-term thermal characteristics of these two rivers revealed that the greatest differences in water temperatures occurred during mid-summer peak temperatures. Data from 1992 to 1994 were used for the model calibration, while data from 1995 to 1999 were used for the model validation. Results showed a slightly better agreement between observed and predicted water temperatures for Catamaran Brook during the calibration period, with a root-mean-square error (RMSE) of 1Ð10°C (Nash coefficient, NTD D 0Ð95) compared to 1Ð45°C for the Little Southwest Miramichi River (NTD D 0Ð94). During the validation period, RMSEs were calculated at 1Ð31°C for Catamaran Brook and 1Ð55°C for the Little Southwest Miramichi River. Poorer model performances were generally observed early in the season (e.g., spring) for both rivers due to the influence of snowmelt conditions, while late summer to autumn modelling performances showed better results.

show abstract

Section: Introductionmentioning

confidence: 99%

Predicting river water temperatures using the equilibrium temperature concept with application on Miramichi River catchments (New Brunswick, Canada)

2005

View full text Add to dashboard Cite

show abstract

“…L'application d'un modèle stochastique sur le ruisseau Catamaran, en utilisant la température de l'air comme variable d'entrée, est efficace même si les variations journalières de la température de l'eau sont assez importantes (de 6 à 8 °C). En plus de modéliser la température de l'eau, l'approche stochastique possède l'avantage d'avoir un coût d'exploitation faible et une durée de déve-loppement réduite comparativement aux modèles déterministes (MARCEAU et al 1986). …”

Section: Resultsunclassified

“…Suivant cette analyse, une fonction de transfert et de bruit a été calculée selon la méthode BOX-JENKINS. L'écart type résultant de l'application du modèle développé a été calculé à 0,75 °C pour l'année de calibration (1990).Des erreurs quadratiques moyennes de 1,45 °C et de 2,10 °C ont été calculées pour 1991 et 1992 respectivement (années d'application du modèle) et ces résultats se comparent assez bien à ceux observés par MARCEAU et al (1986) sur la rivière Saint-Anne au Québec. Leurs meilleurs résultats furent observés en juillet, avec une erreur quadratique de 1,58 °C pour la période de 1968 jusqu'à 1971.…”

Section: Resultsunclassified

See 1 more Smart Citation

Modélisation stochastique de la température de l'eau en rivière

El‐Jabi¹,

Le-Kourdahi²,

Caissie³

2005

rseau

View full text Add to dashboard Cite

Cette étude présente l'application d'un modèle stochastique de prédiction de la température de l'eau en rivière. L'analyse porte sur les variations imputables aux conditions naturelles et sur une évaluation des performances du modèle une fois appliqué au ruisseau Catamaran au Nouveau-Brunswick (Canada). Ce modèle stochastique est développé selon l'approche de Box et Jenkins (1976) basée sur les séries temporelles des températures de l'eau et de l'air. Le modèle a été calibré avec des données de 1990. L'évaluation de performance comprend une analyse des séries résiduelles et le calcul des erreurs quadratiques moyennes. Les résultats montrent que l'erreur quadratique mensuelle varie de 0,42 °C en juillet 1990 (année de calibration) jusqu'à 2,96 °C en septembre 1992. Finalement, une discussion est menée pour souligner les avantages et les inconvénients relatifs à cette approche.Water temperature is a very important parameter not only in water quality studies but also in biological studies. For instance, salmonids can be adversely affected by natural high stream water temperatures or by those resulting from anthropogenic sources such as deforestation. To predict stream water temperatures, two different approaches have been used; the deterministic and stochastic approaches. The deterministic approach consists of a physical model based on the energy budget (solar radiation, convection, etc.) and the physical characteristics of the stream (water depth, stream cover, etc.). The stochastic modelling approach consists of studying the structure (autocorrelation) of the stream water temperature time series and its dependence on air temperatures (cross-correlation).The purpose of this study is to develop and test the performanoe of a stream water temperature model using a stochastic approach to predict water temperatures in rivers under natural conditions. The performance of such an approach was tested using data from Catamaran Brook, a small stream in New Brunswick (Canada). It differs from previous studies in that most others were on larger river systems.This stochastic model incorporates the Box and Jenkins method (1976) which relates the time series data to both water and air temperature residuals. To calculate the residuals of both air and water temperatures, a seasonal component was first estimated using Fourier series analysis. This seasonal component better represents the long-term trend in air and water temperatures for the studied period or season (i.e. increasing water temperatures at first, then reaching a maximum during the early part of August and decreasing again later in the season). The Fourier series with one harmonic was chosen for the analysis as it has been shown in previous studies that the first harmonic represents most of the variation within the stream water temperature variable. The model was calibrated using the Box and Jenkins method and Catamaran Brook data from 1990. This analysis consist of determining a transfer function relating present water temperature residuals to past water and air tempera...

show abstract

“…En general, la mayor parte de los autores han utilizado aproximaciones para la modelación de la temperatura del agua que se pueden clasificar como deterministas y estocásticas (Marceau et al, 1986). Los modelos deterministas son aproximaciones conceptuales en las que se establece una clara relación causa efecto entre las condiciones ambientales y de manejo de la planta y su influencia sobre la temperatura del agua.…”

Section: Introductionunclassified

Estimación a corto plazo de la temperatura del agua. Aplicación en sistemas de producción en medio acuático

Estrada

Sanz²,

Luque³

et al. 2005

ing.agua

View full text Add to dashboard Cite

Artículo recibido el 30 de septiembre de 2004 y aceptado para su publicación el 13 de enero de 2005 . Pueden ser remitidas discusiones sobre el artículo hasta seis meses después de la publicación del mismo siguiendo lo indicado en las "Instrucciones para autores". En el caso de ser aceptadas, éstas serán publicadas conjuntamente con la respuesta de los autores. INTRODUCCIÓNUno de los factores más importantes que afecta al éxito o fracaso de una inversión en un sistema de producción en medio acuático es el de la calidad del agua. Cada especie piscícola posee unos límites para los diversos parámetros considerados en la calidad del agua, tales como la temperatura, oxígeno disuelto, sustancias nitrogenadas, pH, salinidad, etc. De forma ideal, una piscifactoría debe operar dentro de los niveles óptimos de cada parámetro para conseguir así un rápido crecimiento de la biomasa y un comportamiento eficiente de la instalación. La variación significativa de cualquiera de estos parámetros fuera del rango de tolerancia de la especie provoca a corto-medio plazo una disminución del bienestar y salud de los animales, lo que incide de forma directa sobre la producción final. En esta situación, la corrección hasta valores tolerables o la amortiguación de efectos indeseables sólo es posible si el gestor cuenta con información en tiempo real del parámetro considerado y de su posible comportamiento a corto plazo.De esta forma, el control y predicción de la variación de los principales parámetros físico-químicos constituye un aspecto fundamental del buen funcionamiento de este tipo de explotaciones (Allan y Maguire, 1991; Bejda et al., 1992;Alcaraz y Espina, 1995;Burel et al., 1996;Culberson y Piedrahita, 1996).De entre todos los parámetros físico-químicos que pueden tener influencia en el crecimiento de la biomasa en un piscifactoría, uno de los más importantes es la temperatura del agua (Fiogbé y Kestemont, 2003). Esto es debido a que los peces son seres poiquilotermos, lo que implica que la temperatura corporal depende de las variaciones de temperatura del ambiente en el que se desenvuelven. Como consecuencia, la temperatura del agua afecta a la movilidad, comportamiento, alimentación, crecimiento, reproducción y actividad fisiológica de todas las especies de peces (Soderberg, 1990;Wootton, 1991;Hart y Purser, 1995;Hart et al., 1996; Resumen:El control y la predicción de parámetros físico-químicos del agua en tanques de cultivo de plantas de producción en medio acuático es un aspecto fundamental del buen funcionamiento de este tipo de instalaciones. En este trabajo se propone la estimación de la temperatura del agua en las próximas 24 horas en una planta de producción de anguilas europeas de carácter intensivo mediante regresiones múltiples y modelos univariantes de series temporales (modelos de suavizado y ARIMA). Se cuenta con datos de las temperaturas diarias en distintas series de tanques correspondientes a los años 1997 al 2001. Los modelos se calibran considerando exclusivamente la relación de los datos presentes y pasado...

show abstract

Comparaison des performances relatives à un modèle déterministe et à un modèle stochastique de température de l'eau en rivière

Cited by 21 publications

References 6 publications

Predicting river water temperatures using the equilibrium temperature concept with application on Miramichi River catchments (New Brunswick, Canada)

Predicting river water temperatures using the equilibrium temperature concept with application on Miramichi River catchments (New Brunswick, Canada)

Modélisation stochastique de la température de l'eau en rivière

Estimación a corto plazo de la temperatura del agua. Aplicación en sistemas de producción en medio acuático

Contact Info

Product

Resources

About