Voici les éléments 1 - 1 sur 1
Pas de vignette d'image disponible
Publication
Métadonnées seulement

Predicting the spatial correlation of daily streamflows to understand the hydrological response of river networks

, Betterle, Andrea, Schirmer, Mario

Les rivières sont des expressions fascinantes du cycle hydrologique, et leurs eaux, les zones riveraines et les plaines inondables abritent une multitude d’écosystèmes. Le potentiel des rivières de soutenir la vie dépend de la dynamique de la quantité, et de la qualité, de l’eau, qui sont contrôlées de façon critique par des processus géomorphoclimatiques à l’échelle du bassin versant. En particulier, la disponibilité des débits, dans le temps et l’espace, des cours d’eau est primordiale pour que les rivières fournissent un service écosystémique et pour l’utilisation anthropique des ressources en eau. Par conséquent, il est essentiel de comprendre les contrôles hydroclimatiques sur la dynamique du débit des cours d’eau pour prédire la dynamique du débit à des endroits arbitraires, et pour faire face aux événements extrêmes comme les inondations et les sécheresses. De plus, la mise en évidence des liens entre la variabilité spatio-temporelle des caractéristiques géomorphoclimatiques et les schémas qui en découlent dans la dynamique des débits fluviaux peut aider à révéler les héritages hydrologiques sur le fonctionnement écologique des réseaux hydrographiques.
Il est difficile de comprendre la dynamique des débits fluviaux en raison de la complexité, de la non-linéarité et de la nature rétroactive de nombreux processus hydrologiques. Des progrès dans l’interprétation mécaniste du cycle de l’eau sont donc nécessaires pour appuyer les prévisions de la variabilité spatiale et temporelle des débits des cours d’eau. En particulier, des descriptions améliorées de la dynamique des débits peuvent servir de base pour s’attaquer de manière plus consciente au large éventail de défis pratiques et scientifiques de notre époque. La gestion optimale des ressources en eau , la protection contre les inondations et les sécheresses ou l’écologie des cours d’eau sont quelques-uns des contextes où les prévisions des flux hydrologiques sont essentielles.
Cette thèse porte sur la corrélation spatiale des débits fluviaux, notamment la corrélation entre les séries chronologiques quotidiennes des débits à deux endroits génériques sur le long d’un réseau fluvial. La corrélation entre les débits fluviaux s’avère être un indicateur puissant qui quantifie la similitude entre une série de traits caractérisant la réponse hydrologique de deux bassins versants. En tant qu’indice statistique, la corrélation peut être considérée comme une métrique quantifiant la synchronicité de deux signaux. Cependant, nous constatons que les débits saisonniers moyens, la variabilité du débit, ainsi que d’autres caractéristiques définissant la réponse hydrologique des bassins versants, sont extrêmement similaires aux sites présentant des débits fortement corrélés. Ces preuves suggèrent une relation profonde entre les processus physiques qui contrôlent la corrélation spatiale des débits fluviaux et ceux responsables de la réponse hydrologique du paysage.
Un modèle stochastique basé sur la physique a été développé pour quantifier la corrélation entre les débits quotidiens à deux sites fluviaux. Le modèle est basé sur une description simple des principaux processus hydrologiques à l’échelle du bassin versant et il nécessite des apports hydroclimatiques de base. Malgré sa parcimonie, le modèle réussit à reproduire les corrélations de débit observées en l’absence de données sur les débits, sans nécessiter d’étalonnage. Les prédictions modélisées de la corrélation des débits sont utiles dans les cas où l’information hydrologique est limitée, et permettent d’exporter des séries chronologiques et d’autres statistiques sur les débits de cours d’eau d’un endroit jaugé vers un autre non jaugé. En particulier lorsque des mesures directes de débit ne sont pas disponibles, le modèle peut être utilisé pour identifier des sites hydrologiquement similaires, ce qui permet d’étendre spatialement les informations ponctuelles sur les régimes des débits. Le modèle a été utilisé pour évaluer comment les différents processus physiques qui soustendent la dynamique des débits influent en fin de compte sur la corrélation des débits. Cette approche permet de quantifier correctement l’effet de l’hétérogénéité entre les bassins versants sur les processus de ruissellement sur la similarité hydrologique de deux bassins hydrographiques qui en résulte. La corrélation spatiale est principalement contrôlée par la fréquence et l’intensité des précipitations qui génèrent simultanément le ruissellement dans les deux bassins versants. Plus le nombre d’événements pluvieux qui génèrent simultanément du ruissellement dans les deux bassins versants est élevé par rapport au nombre total d’événements générateurs de ruissellement, plus la réponse hydrologique des deux sites sera similaire. De plus, lorsque des précipitations efficaces simultanées ont des intensités similaires, la corrélation des débits augmente encore. Il est intéressant de noter que les différences entre les bassins versants dans les taux de réponse - à savoir la vitesse à laquelle un bassin versant se draine après une pluie - affectent légèrement la corrélation entre les débits quotidiens.
Les travaux présentés dans cette thèse offrent une nouvelle interprétation de la façon dont les facteurs géomorphoclimatiques spatialement hétérogènes des cycles de l’eau influent en fin de compte sur les régimes d’écoulement saisonniers des réseaux fluviaux. À une époque où les pressions anthropiques sur l’environnement sont insoutenables, les nouvelles perspectives qu’offre cette étude offrent de nouvelles perspectives pour comprendre et mieux gérer les systèmes hydrologiques et les réseaux hydrographiques., Rivers are fascinating expressions of the hydrological cycle and their waters, riparian areas and floodplains harbor a multitude of ecosystems. The potential for rivers to sustain life depends on the dynamics of water quantity – and quality – that are critically controlled by catchment-scale geomorphoclimatic processes. In particular, the temporal and spatial availability of streamflows is paramount for rivers to provide ecosystem service and for the anthropic use of water resources. Therefore, understanding the hydroclimatic controls of streamflow dynamics is crucial to predict discharge dynamics at arbitrary locations and to cope with extreme events like floods and droughts. Moreover, revealing the links between the spatiotemporal variability of geomorphoclimatic traits and the ensuing patterns of streamflows dynamics can help disclosing hydrological legacies on the ecological functioning of river networks.
Understanding the dynamic of river flows is challenging because of the complexity, non-linearity and feedback-like nature of many hydrological processes. Advances in the mechanistic interpretation of the water cycle are thus necessary to support predictions of the spatial and temporal variability of streamflows. In particular, enhanced descriptions of flow dynamics can provide the basis to tackle in a more conscious way the wide array of practical and scientific challenges of our times. Optimal management of water resources (e.g. hydropower production), flood and droughts protection (via the management of flood detention basins and early warning systems), or stream ecology (though river restoration), are some of the contexts where predictions of hydrological fluxes are critical.
This thesis focuses on the spatial correlation of river flows, namely the correlation between daily streamflow timeseries at two generic locations along a river network. The correlation between river flows is found to be a powerful indicator that quantifies the similarity between a range of features characterizing the hydrological response of two catchments. As a statistical index, correlation can be considered as a metric quantifying the synchronicity of two signals. However, we find that average seasonal flows, streamflow variability, as well as other features defining the hydrological response of catchments, are extremely similar at sites displaying highly correlated flows. These evidences suggest a deep relationship between the physical processes that control the spatial correlation of river flows and those responsible for the hydrological response of the landscape.
A physically-based stochastic model was developed to quantify the correlation between daily flows at two river sites. The model is based on a simple description of main catchment-scale hydrological processes and it requires basic hydroclimatic inputs. Despite its parsimony, the model succeeds in reproducing observed streamflow correlations in absence of discharge data, without requiring calibrations. Model predictions of streamflow correlation are useful in cases of limited hydrological information to export streamflow timeseries and other flow statistics from gauged to ungauged locations. Especially where direct flow measurements are not available, the model can be used to identify hydrologically similar locations, providing a means to spatially extend point information on flow regimes. The model was employed to assess how the different physical processes underlying flow dynamics ultimately affect streamflow correlation. The approach enables a proper quantification of the effect due to intercatchment heterogeneities of runoff-driving processes on the ensuing hydrological similarity of two river basins. Spatial correlation is primarily controlled by the frequency and the intensity of rainfall events that simultaneously generate runoff in both catchments. The larger the number of rainfall events that simultaneously generate runoff in both catchments compared to the total set of runoff-generating events, the more similar will be the hydrological response of the two sites. Moreover, when simultaneous effective rainfall events have similar intensities, streamflow correlation will further increases. Interestingly, inter-catchment differences in response rates – namely how quickly a catchment drains after a rainfall event – mildly affect the correlation between daily flows.
The work presented in this thesis offers a new interpretation on how spatially heterogeneous geomorphoclimatic drivers of the water cycles ultimately affect seasonal patterns of flow regimes along river networks. In an era of unsustainable anthropogenic pressures on the environment, the novel insights provided by this study offer new perspectives to understand and better manage hydrologic systems and river networks.