Quelques réflexions sur l'utilisation des modèles en hydrologie. [Tribune libre]

Abstract

Cette réflexion sur la modélisation en hydrologie, bien que se référant souvent à ce domaine précis de l'hydrologie, se veut d'ordre plus général et propose une classification très réductrice des modèles en deux genres: ceux établis à partir de données d'observation des processus étudiés, et ceux pour lesquels il n'existe aucune observation du phénomène à modéliser, à l'échelle étudiée.A partir de cette classification et des règles bien connues de la tragédie classique (unité de lieu, de temps, d'action), une pratique de la modélisation est proposée et des pistes de recherche sont dégagées.On conclut en rappelant qu'il doit exister aussi, dans la communauté scientifique, en sus de recherches en modélisation à caractère « utilitaire », d'autres travaux portant sur des modèles qui ne servent à rien.Ces quelques réflexions, à caractère quelques peu polémique, ont pour objet d'initier si possible une discussion; d'où la rubrique « tribune libre » où elles paraissent.This discussion article addresses the issue of the nature of models used in hydrolory. Although its emphasis is on contaminant transport in groundwater, I believe it is relevant to most areas of hydrologic modelling. It proposes a minimalist classification of models into two categories: models built on data from observations of the processes involved and those for which there are no observation data on any of these processes, at the scale of interest.The argument is that the former should (or rather, ought to, since the question seems to attract little interest) obey serious working constraints, well-known from classical tragedy:- unity of place,- unity of time,- unity of action.The meaning of these rules, in terms of model calibration, validation and extrapolation, is analysed. They impose very strong limitations on the applicability of such models.As to the models in the latter category which, in my opinion, are the more interesting and useful ones, several suggestions are made for their development and application.1. MODELLING OBSERVABLE OR OBSERVED PHENOMENAObservable phenomena such as nitrate or pesticide pollution are there to be measured and obserrved, although this might in practice involve considerable effort. Modelling is then used to forecast future behaviour of these pollutants.The archetypal model for observable phenomena is that of the « black box ». If one can provide the box with one or several inputs and outputs and place something numerical inside, it will produce results. The modeller's task is to introduce a serviceable « engine » into the box, if possible. However, the least demanding of approaches is protrably the neural network method. Here, an engine is not even necessary: the series of observed inputs and outputs is given to the network which itself carries out a « weighting » of the input data resulting in the given output. The « engine » in the black box is created by the data, whereas in more familiar black boxes, the modeller decides on a form of relationship between the input and the output (e.g. a convolution equation, a gro...

Can one identify karst conduit networks geometry and properties from hydraulic and tracer test data?

“…An exhaustive review of these kind of models can be found in Ghasemizadeh et al [23] . Unfortunately, as explained by De Marsily [14] , these models may be sufficient to predict spring hydrographs, but they do not provide any spatial information about the karstic conduit system.…”

Couplage données historiques - modélisation numérique pour la prédétermination des avalanches : une approche bayésienne

“…Au-delà du problème de terminologie entre modèle conceptuel et déterministe (De Marsily, 1994) brièvement discuté au chapitre précédent et sur lequel on reviendra au chapitre 8, l'approche retenue dans le cadre de cette thèse s'apparente aux méthodes statistiques-dynamiques. En ce sens, elle prolonge directement la démarche de Meunier et al (2004) •…”

Génèse des débits dans les petits bassins versants ruraux en milieu tempéré : 2 - Modélisation systémique et dynamique

“…Il faut cependant noter que, très dépendantes de la variabilité des données de référence utilisées, les valeurs des fonctions-objectif peuvent être utilisées pour comparer plusieurs modélisations sur le même jeu de données, mais pas pour des bassins et/ou périodes différents. Ce sont pourtant ces applications « en extrapolation » qui sont invoquées pour justifier le développement de modèles physiques complexes... En pratique, tels qu'ils sont utilisés faute d'informations suffisantes, ces modèles diffèrent peu des modèles conceptuels dans leurs limitations (BEVEN, 1989 ;DE MARSILY, 1994) -même si bien sûr leur habillage théorique et mathématique fournit un cadre conceptuel et formel beaucoup plus évolutif.…”

“…Au lieu de chercher à tout prix à éliminer l'hétérogénéité en utilisant des paramètres moyens ou « équivalents », ou à identifier par calage des paramètres « optimaux » à partir de données de référence elles-mêmes « bruitées », pourquoi en effet ne pas prendre en compte explicitement -au prix d'un effort qui n'apparaît plus comme rédhibitoire -les informations même subjectives souvent déjà disponibles sur ces hétérogénéités et imprécisions ? C'est ce que s'efforcent déjà de faire les générations numériques, conditionnées par toutes les mesures disponibles, de milieux synthétiques ayant les mêmes propriétés stochastiques que le milieu réel étudié (DE MARSILY, 1994) ; ou des approches comme GLUE (« Generalised Likelihood Uncertainty Estimation»; BEVEN et BINLEY, 1992), permettant d'estimer l'incertitude tant sur les paramètres calés que sur les simulations.…”