Hydrologue Memoire Master Recherche Salif Kone

UNIVERSITE MONTPELLIER II
ANNEE UNIVERSITAIRE 2006/2007
MASTER : BIOLOGIE GEOSCIENCE AGRORESSOURCE

ENVIRONNEMENT (BGAE)
SPECIALITE : RECHERCHE EAU ET ENVIRONNEMENT (R2E)
RAPPORT DE MEMOIRE (DEA)

DIPLOME D’ETUDE APROFONDIE
HYDROLOGIE
« COMPARAISON ENTRE UNE MODELISATION SEMI-

GLOBALE ET UNE MODELISATION GLOBALE »
Salif KONÉ
lifsak@yahoo.fr
Stage effectué du 10 janvier au 25 Juin 2007, à HydroSciences Montpellier (HSM), et au

centre IRD de Bamako.
Maîtres de stage :
Gil MAHE (HSM)
Jean -Emmanuel PATUREL (centre IRD de Bamako)
Alain DEZETTER (centre IRD de Bamako)
Mémoire soutenu le 03 Juillet 2007 à l’Université Montpellier II.

Président du Jury : Dr. Eric Servat (HydroSciences Montpellier)
16 JUILLET 2007(révision 08 FEVRIER 2010)

Salif KONÉ, Master R2E 2006/2007. Comparaison entre une modélisation semi-globale et une modélisation globale.
Remerciements
Je dédicace ce mémoire à mon père Siaka Koné et à ma mère Haoua Mariko.
Mémoire soutenu le 03 juillet 2007 à l’Université Montpellier II.
Président du Jury : Dr. Eric Servat (Laboratoire HydroSciences Montpellier)
2
Abstract
This dissertation (Master degree) concerns the comparison between a semi-global
version and a global one of the hydrological model GR2M (Model of the CEMAGREF -
Genie Rural at 2 parameters and Monthly time step). The semi-global concept is to make the
model input (entry) distributed as a grid whereas its output is not distributed.
A new protocol of models inter-comparison, which has the specificity to integrate the quasi-
totality of the qualities on which we generally appreciate a model, drove to two
complementary results on 16 hydrological basins (watersheds) from West Africa.
(i) "Approach by basin": on 16 basins, 9 attest that the model "GR2M global" is better
compared to the model "GR2M semi-global", 1 basin attests the equivalence of the
two models, and 6 basins attest in favor to the model “GR2M semi-global.”
(ii) "Totaling approach": while exploring a specificity of this new protocol of model
inter-comparison, which is to assign a score to a model" A" every time it appears be
better than a model "B"; we can make a statistical with the totality of the scores on the
different basins .Therefore on 412 points of inter-comparison the model “GR2M
global” carries 245 (either 59%) against 167 for the model “GR2M semi-global”
(41%).
A proposition of a level-headedness coefficient in the definition of the model “GR2M semi-

global” has permitted to make this one better than the model “GR2M global”. A modification
within the structure of the model GR2M has permitted to this one to increase its performance
of simulation, in semi-global and global modeling. A formula of “attenuation of
uncertainties”, proposed here, uses the results simulated by the two versions of GR2M in
competition (semi-global and global) to propose an improvement of these same results.
This work of dissertation has permitted to establish the analytical expression of model GR2M.
Keywords:
Hydrology, Basin, watersheds, modeling, GR2M, inter-comparison, uncertainties.
3
Table des matières

Remerciements ........................................................................................................................... 2
Abstract ...................................................................................................................................... 3
Keywords:................................................................................................................................... 3
Table des matières...................................................................................................................... 4
Introduction................................................................................................................................ 6
Organisation du mémoire........................................................................................................... 6
SECTION I : bibliographie ........................................................................................................ 7
Introduction et définition des termes.......................................................................................... 7
Chapitre 1 : Modélisation de la relation pluie-débit ................................................................. 9
1.1 Objectifs et enjeux de la modélisation de la relation pluie-débit..................................... 9
1.2. Processus général de déroulement de la modélisation pluie-débit................................. 9
1.2.1. Phase de calibration du modèle ................................................................................... 9
1.2.2. Phase de validation du modèle................................................................................... 11
1.2.3. Phase de simulation par le modèle ............................................................................ 11
1.3. Le modèle GR2M........................................................................................................... 11
1.3.1. Fonctionnement de GR2M ......................................................................................... 11
1.3.2. Données d’entrée de GR2M ....................................................................................... 13
1.3.3. Données de sortie de GR2M: débits Q....................................................................... 13
1.3.4. Notions de globalité et semi-globalité dans GR2M ................................................... 14
Chapitre 2 : Quelques outils de comparaison de modèles....................................................... 14
2.1. Outils d’appréciation de la performance des modèles, et coefficients d’appréciation du
bilan volumique .................................................................................................................... 14
2.1.1. Critère de Nash .......................................................................................................... 14
2.1.2. Propositions d’améliorations du critère de Nash, Garrick et al................................ 17
2.1.3. Approche de la robustesse d’un modèle..................................................................... 18
2.1.4. Coefficients d’appréciation du bilan volumique ........................................................ 19
2.2. Outils d’intercomparaison des modèles........................................................................ 20
Conclusion................................................................................................................................ 20
Section II : Contexte et méthodologies..................................................................................... 21
Chapitre 1 : contexte hydrologique et climatique du support d’études ................................... 21
1.1. Présentation géographique du support d’étude ................................................................ 21
1.2. Généralités de la situation hydrométéorologique de la zone d’étude............................... 22
1.3. Origines des données climatiques et hydrologiques utilisées ........................................... 23
CHAPITRE 2 : outils et protocoles de simulations mis en œuvre............................................ 23
2.1. Outils numériques ............................................................................................................. 23
2.2. Protocoles mis en œuvre ................................................................................................... 23
2.2.1. Approches de la « période de mise en route » des modèles................................... 24
2.2.2. Protocoles mis en place pour les simulations ........................................................ 24
2.2.3. Proposition d’amélioration du fonctionnement de GR2M : «GR2M.1/X*WHC » 24
2.2.4. Protocole d’adaptation du fonctionnement de GR2M semi-globale au concept de
GR3M ............................................................................................................................... 26
Chapitre 3 : structures des résultats et intercomparaison....................................................... 27
3.1. Structure des résultats....................................................................................................... 27
3.2. Protocole d’intercomparaison de la version semi-globale et globale de GR2M.............. 27
3.2.1. Le protocole de la « double calibration» .............................................................. 28
3.2.2. Structure des tableaux du protocole d’intercomparaison...................................... 29
Section III : résultats par Bassin.............................................................................................. 30
III.1. Bassin défini à la station de Koulikoro sur le fleuve NIGER au Mali ........................ 30
4
III.2. Bassin défini à la station de Banankoro, sur le NIGER, au Mali ............................... 33

III.3. Bassin défini à la station de Dialakoro, sur le NIGER, en Guinée............................. 34
III.4. Bassin défini à la station de Siguiri. ........................................................................... 35
III.5. Bassin défini à la station de Gouala sur le Sankarani, au Mali ................................. 36
III.6. Bassin défini à la station d’Ouaran ............................................................................ 37
III.7. Bassin défini à la station de Mandiana sur le Sankarani, en Guinée ......................... 38
III.8. Bassin défini à la station de Kouroussa sur le NIGER, en Guinée............................. 39
III.9. Bassin défini à la station de Baro ............................................................................... 40
III.10. Bassin défini à la station de Kankan, sur le Milo, en Guinée ................................... 41
III.11. Bassin défini à la station de Tinkisso, en Guinée...................................................... 42
III.12. Bassin défini à la station de Baranama .................................................................... 43
III.13. Bassin défini à la station d’Iradougou, sur le Kouroukélé, en côte d’ivoire ............ 44
III.14. Bassin défini à la station de Kérouane sur le Milo, en Guinée................................. 45
III.15. Bassin défini à la station de Kissidougou sur le Niandan, en Guinée ...................... 46
III.16. Bassin défini à la station de Faranah sur le Niger, en Guinée ................................. 47
Section IV: synthèse des résultats de l’intercomparaison des modèles ................................... 48
IV.1. «Approche classique »..................................................................................................... 48
IV.2. «Approche par bassin »................................................................................................... 49
IV.3. «Approche totalisante »................................................................................................... 50
Section V : propositions d’améliorations de la modélisation hydrologique ............................ 51
V.1. Protocole 1, [Protocole inter-modèle], proposition de coefficients de pondération........ 52

Impacts des coefficients i dans GR2M semi-globale.................................................... 54
V.2. Protocole 2 : [Protocole inter- bassin] ............................................................................ 56
V.3. Formule d’atténuation des incertitudes, et application.................................................... 57
V.4. Expressions analytiques du modèle GR2M, versions semi-globale et globale................. 59
Conclusion et perspectives ....................................................................................................... 64
Bibliographie............................................................................................................................ 65
Annexe A................................................................................................................................... 66
Annexe B................................................................................................................................... 98
Résumé ..................................................................................................................................... 99
Mots-clés : ................................................................................................................................ 99
5
Introduction
Ce travail, qui se situe dans le cadre de mon mémoire de DEA «Master recherche Eau et
Environnement » de l’Université Montpellier II, a pour ambition d’améliorer la modélisation
du cycle de l’eau à l’échelle du bassin versant en s’attardant sur des outils et/ou
méthodologies de comparaison de modèles. Les modèles comparés ici sont une version semi-
globale et une version globale du modèle GR2M (Modèle du CEMAGREF - Génie Rural à 2
paramètres au pas de temps Mensuel). L’intitulé du sujet à traiter est : « comparaison entre
une modélisation semi-globale et une modélisation globale ».
Organisation du mémoire
 Dans la première section une étude bibliographique détaillée sur la modélisation
hydrologique est présentée.
 Dans la deuxième section est consacrée à la présentation : du contexte hydrologique et
climatique du support d’études (bassin du fleuve Niger), des méthodologies adoptées
(qui incluent les protocoles de simulations mis en place), et de la structure des
résultats obtenus.
 La troisième section présente les résultats des simulations par bassin.
 La quatrième section est consacrée à la synthèse des résultats d’inter-comparaison des
deux versions de GR2M.
 La cinquième section présente les propositions d’amélioration de la modélisation
effectuées à l’issue de ce mémoire; ces propositions sont accompagnées de résultats
qui confirment ou infirment leur validité.
6
SECTION I : bibliographie
Introduction et définition des termes
Introduction
Ce mémoire a pour ambition d’améliorer la modélisation du cycle de l’eau à l’échelle du
bassin versant en s’attardant sur des outils et/ou méthodologies de comparaison de modèles.
Les modèles comparés ici sont une version semi-globale et une version globale du modèle
GR2M (Modèle du CEMAGREF - Génie Rural à 2 paramètres au pas de temps Mensuel)
Les recherches documentaires entreprises se sont avérées infructueuses lorsque l’on a cherché
dans la littérature une étude de comparaison entre les versions semi-globale et globale du
modèle GR2M. Cependant, dans un cadre plus général de comparaisons de performances de
modèles, nous avons quand même pu rassembler des informations qui vont nous permettre de
bâtir une méthode de comparaison entre ces 2 versions de modèles.
Définition des termes

Cycle hydrologique
L’Hydrologie est avant toute autre chose l’étude du cycle hydrologique. L’eau évaporée à la
surface des océans et de la terre est transportée à l’intérieur des terres continentales dans la
circulation atmosphérique sous forme de vapeur d’eau ; elle précipite sous forme de pluie ou
de neige ; une partie de cette précipitation est interceptée par les arbres et la végétation ; elle
fournit le ruissellement sur la surface continentale, s’infiltre dans le sol, recharge les nappes
souterraines, se décharge dans les cours d’eau et son parcours ultime la conduit vers les
océans au niveau desquels elle est évaporée une nouvelle fois (figure 1 et 2).
Figure 1 : le cycle hydrologique - les volumes annuels mis en jeu sont exprimés en unité
relative de précipitation sur la surface continentale de la terre (100 = 119 000 km3/ans
précipités sur le continent). (MAIDMENT D.R., 1993)
7
Figure 2 : les compartiments et les échanges de flux du cycle hydrologique.
Le bassin versant
Le bassin versant est l’ensemble d’une région ayant un exutoire commun pour ses
écoulements de surface. Plus précisément, le bassin versant, qui peut être considéré comme un
" système ", est une surface élémentaire hydrologiquement close.
Le bassin versant est délimité par la ligne de partage des eaux. Généralement cette
délimitation correspond à celle dessinée par la ligne de crête de la topographie, on parle alors
de bassin versant topographique (figure 3).
Lorsqu'un sol perméable recouvre un substratum imperméable, la délimitation dessinée par la
ligne de crête de la topographie ne correspond pas toujours à la ligne de partage effective des
eaux souterraines. Le bassin versant est alors différent et est appelé bassin versant réel
(géologique) (figure 4).
Figure 3 : Bassin versant topographique, délimité par la ligne de crête de la topographie.

(http://www.lthe.hmg.inpg.fr/~belleudy/ens.htm)
8
Figure 4 : Distinction entre bassin versant réel (géologique) et bassin versant topographique
(D'après Roche - Hydrologie de surface, Ed. Gauthier-Villars, Paris 1963).
Chapitre 1 : Modélisation de la relation pluie-débit

Plusieurs classifications existent au sein de la modélisation de la relation pluie-débit mais ce
n’est pas l’objet de ce mémoire. Celui-ci s’articulera autour d’un modèle classé parmi les
modèles « conceptuels » à réservoir : GR2M (Modèle du CEMAGREF - Génie Rural à 2
paramètres au pas de temps Mensuel).
1.1 Objectifs et enjeux de la modélisation de la relation pluie-débit

L’un des objectifs de la modélisation hydrologique est de prévoir la réponse des bassins
versants face à leurs forçages externes (pluies, évapotranspiration, capacité du sol en eau,
etc.), ce qui permet ainsi d’évaluer l’impact de la variabilité climatique sur la ressource en
eau fluviale ; elle vise aussi à servir à la reconstitution des lacunes dans les séries de données
hydrologique, par exemple les lacunes dans les séries de débits d’une rivière.
1.2. Processus général de déroulement de la modélisation pluie-débit

La modélisation de la relation pluie-débit, qu’elle soit conceptuelle ou non, se décline en trois
phases qui sont consécutives, respectivement une phase de calibration du modèle (même les
modèles dits à base physique ont des paramètres à caler), une phase de validation, et une
phase de simulation de la variable cible (très généralement le débit à l’exutoire du bassin
versant).
1.2.1. Phase de calibration du modèle

Les modèles contiennent des paramètres qui ne répondent pas généralement aux tentatives de
détermination mécaniste. Ces derniers sont alors à caler sur le bassin versant en utilisant des
variables d’entrée et de sortie des modèles. Cette phase de calibration (appelée aussi calage ou
paramétrisation) consiste en une procédure d’optimisation où, le plus souvent, on balaye
l’espace des paramètres afin de trouver le jeu de paramètres qui maximise la performance du
modèle, à simuler la série de débits observée.
9
Il existe plusieurs méthodes d’optimisation et plusieurs critères d’appréciation de la

performance des modèles. Parmi les méthodes les plus connues en Hydrologie, on trouve la
méthode de Rosenbrock et al. (1960), la méthode de Nelder et Mead (1964) qui se base elle-
même sur la méthode du simplex. La puissance des ordinateurs permet également de balayer
aléatoirement ou régulièrement l’espace des possibles (domaines de définition des
paramètres). Spécifiquement, dans l’ensemble des travaux de modélisation qui suivent on a
opté pour une combinaison de la Méthode de Rosenbrock suivie de celle de Nelder et Mead ;
la Méthode de Rosenbrock permet d’approcher rapidement, dans l’espace des paramètres, le
jeu de paramètres optimal, tandis que la méthode de Nelder et Mead prendra le jeu de
paramètres optimal de la méthode de Rosenbrock comme point de départ de sa procédure
d’optimisation pour affiner le jeu de paramètres.
Certains concepteurs de modèles mettent en avant la nécessité d’opter pour un changement

d’échelle des paramètres à ajuster par des transformations mathématiques préalables (telle que
la transformation logarithmique, les transformations puissances etc.., le choix dépendant du
modèle et de la façon dont les paramètres interviennent dans ce dernier), afin de garantir des
directions de balayage dans l’espace des possibles de même ampleur.
Exemple de changement d'échelle des paramètres à ajuster:

exp(X2)
pour le modèle GR2M , A1 = ln (X1) et A2 = ;
1 + exp (X2) .
pour d'autres modèles on multiplie le paramètre initial
par un facteur s imple, 10 -5 à 10 -2 par exemple.
En dehors des critères graphiques d’appréciation de performance des modèles, il existe des
critères numériques qui mesurent le degré d’adéquation entre la série de débits calculée par le
modèle et celle issue de l’observation. Les critères graphiques ont quand même leur
importance car ils permettent de mettre en évidence certaines anomalies qui sont difficilement
décelables par les critères numériques ; par exemple le décalage dans le temps du pic
d’écoulement (MANDEVILLE et al. 1970). De plus les critères numériques peuvent être
jugés relativement les uns par rapport aux autres et sur différents supports alors que
l’adéquation visuelle n’obéit pas facilement à cette règle.
Les critères numériques d’appréciation de la performance de modèles peuvent différer sur

trois points essentiels :
 1/ la forme analytique de l’erreur (quadratique, absolue, cumulée…) ; cela concerne
notamment les coefficients d’appréciation du bilan volumique (exemple : le
coefficient de bilan qui peut être négatif ou positif diffère du coefficient du bilan
absolu qui est toujours positif),
 2/ la forme de la variable cible (transformée ou non),
 3/ et le choix d’un modèle de référence (pour permettre une mesure relative).
À la notion de calibration, on associe de plus en plus la notion d’équifinalité qui peut

s’interpréter par le fait que plusieurs jeux de paramètres peuvent conduire à des valeurs de la
fonction objectif très proches les unes des autres. Les résultats d’une recherche
bibliographique plus poussée sur les critères d’appréciation de performance de modèles sont
présentés dans le chapitre 2.
10
1.2.2. Phase de validation du modèle

Cette phase consiste à tester le modèle calibré : on utilise le jeu de paramètre calé lors de la
phase précédente. On calcule par le modèle les débits sur une période qui n’a pas servi lors de
la phase de calibration et, ayant des débits observés sur cette période, on mesure la
performance du modèle en confrontant les séries de débits simulés et observés (cf. chapitre 2).
1.2.3. Phase de simulation par le modèle

Cette phase est celle pour laquelle les modèles ont généralement été construits : on simule les
écoulements sur une période où on n’a pas d’observations de cet écoulement, c’est une
prévision. Seul le futur pourra nous révéler la performance réelle du modèle. La simulation
peut aussi servir à reconstituer des lacunes de données hydrologiques (par exemple : les
lacunes dans les séries des débits observés).
1.3. Le modèle GR2M

Rappelons que les modèles conceptuels s’appuient bien souvent sur l’assimilation du bassin
versant à un (ou plusieurs) réservoir(s) qui recueille(nt) les eaux de pluie par leur(s) partie(s)
supérieure(s) et en cède(nt) une portion à la sortie par sa partie inférieure, son exutoire. Leur
conception n’est pas à base physique et échappe à des déterminations mécanistes ; les
paramètres associés n’ont bien souvent pas de signification physique claire.
En ce qui concerne GR2M (modèle du CEMAGREF dont l’anagramme signifie : Génie Rural
à 2 paramètres au pas de temps Mensuel), il comporte 2 réservoirs et son fonctionnement
associe des concepts proches du cycle hydrologique mais aussi des artifices numériques qui
rend le modèle finalement plus empirique que conceptuel.
1.3.1. Fonctionnement de GR2M

Le modèle GR2M a été développé par Edijatno et Michel (1989) et Kabouya (1990). C’est un
modèle à 2 paramètres fonctionnant au pas de temps mensuel. Les modèles hydrologiques
sont généralement constitués de deux grandes parties : une partie production qui est
représentée par une « fonction de production » et une partie transfert qui est représentée par
une « fonction de transfert », exemple des fonctions de transfert du type Hydrogramme
unitaire linéaire, et non linéaire (SAGHAFIAN B., 2006). La « fonction de production »
traduit la transformation proprement dite de la pluie en lame d’eau disponible au
ruissellement. La fonction de transfert traduit le mouvement de cette lame d’eau, accumulée
au sol lors de la précipitation, vers l’exutoire du bassin versant. Les versions de GR2M
utilisées dans l’ensemble des travaux qui suivent ne conceptualisent pas un réel mouvement
de l'eau, et tout ce passe comme si le transfert de la lame d’eau, de la surface du bassin
versant, vers l’exutoire était instantané. Son schéma de fonctionnement est présenté sur la
figure 5. On utilisera GR2M dans l’ensemble des travaux qui suivent, avec
 = 2, A= "WHC",  = 0 , dans ses structures semi-globale et globale.
11
M o d è le G R 2 M u tilis é e (a v e c :  = 2 , A = "W H C ",  = 0 )

( G e n ie R u ra l à 2 p a ra m è tre s a u p a s d e te m p s M e n s u e l)
- n iv e a u d e " m o d u la tio n " o ù le s e n tré e s , p lu ie e t é v a p o tra n s p ira tio n , s o n t a ju s té e s
p a r le p a ra m è tre X 1 (le m o d è le d é c id e d e la v a le u r d e c e s d e rn ie rs ).
P'  X1 P , E'  X1 E
- n iv e a u d e " N e u tra lis a tio n " o ù o n e x tra it u n e m ê m e q u a n tité U à la p lu ie e t à
l 'é v a p o tra n s p ira tio n q u i c o rre s p o n d e à l'in te rc e p tio n d e s a rb re s e t a u tre s o b s ta b le .
P'  E'
U  
 1
1
 
 P
' 
 
 E' 
 
L a N e u tra lis a tio n : P n  X 1  P  U , En  X 1  E  U
- n iv e a u re p re s e n ta n t l'im p a c t d e P n s u r le n iv e a u in itia l d u ré s e rv o ir s o l
q u i a u g m e n te d e H à H (1 ) :
H  A V   Pn 
H (1 )  avec V  Tanh  
 V   A 
1  H  
 A
L e c o m p le m e n t d e P n e s t d o n c : P e  P n  ( H (1 )  H )
- n iv e a u re p re s e n ta n t l'im p a c t d e E n s u r le n o u v e a u n iv e a u H (1 )
d u ré s e rv o ir s o l q u i d im in u e e t d e v ie n t H (2 ) :
H (1 )  1  W   En 
H (2)  avec W  Tanh  
  H (1 )    A 
 1  W   1  
  A  
H (2 ) c o rre s p o n d a u n iv e a u d u ré s e rv o ir s o l p o u r le p a s d e te m p s s u iv a n t.
L 'é v a p o tra n s p ira tio n ré e lle E T R p e u t ê tre d é d u ite p a r d iffé re n c e d e s n iv e a u x
d u ré s e rv o ir s o l d u d é b u t e t à la fin d e c h a q u e p a s d e te m p s . E T R  H n 1  H n
- n iv e a u d e " p a rti tio n " d e l'e a u e n tre l'é c o u le m e n t d ire c t e t
l'é c o u le m e n t g ra v ita ire à tra v e rs u n ré s e rv o ir e a u g ra v ita ire q u i re ç o it
(1 -  )  P e ta n d is q u e le ré s e rv o ir s o l re ç o it   P e .
L e n iv e a u S d u ré s e rv o ir e a u g ra v ita ire a u d e b u t d u m o is c o n s id e ré
a u g m e n te e t d e v ie n t S 1 : S (1)  S  1     P e
le d e b it d é liv ré (p e n d a n t le m o is ) p a r le ré s e rv o ir g ra v ita ire e s t: Lg  X 2  Pe
L e n iv e a u S ( 2 ) d u ré s e rv o ir g ra v it a ire à la fin d u p a s d e te m p s d e c a lc u l e s t a lo rs :
S ( 2 )  S (1)  L g .
L 'é c o u le m e n t to ta l e s t: L  Lg    Pe
12
Figure 5 : schéma du modèle conceptuel GR2M.
1.3.2. Données d’entrée de GR2M

Les données d’entrée du modèle GR2M sont la pluie, l’évapotranspiration et une variable
interne du modèle correspondant à la capacité maximale en eau du « réservoir sol » noté A.
Le CEMAGREF fixe communément cette valeur à 200 mm. Dans l’ensemble des travaux
menés ces dernières années, Le Laboratoire HydroSciences Montpellier (HSM) a remplacé
« A » par la capacité de rétention en eau du sol, notée WHC (Water Holding Capacity) et
fournie par la FAO.
On peut opter pour une modélisation avec WHC variable dans le temps (évolutive) ou une
modélisation avec WHC fixé à une valeur sur toute la période de modélisation ; c’est cette
dernière option qui sera retenue pour l’ensemble des travaux qui vont suivre.
1.3.3. Données de sortie de GR2M: débits Q

Les données de sortie de GR2M sont les valeurs de débit à l’exutoire du bassin versant.
13
1.3.4. Notions de globalité et semi-globalité dans GR2M

La modélisation semi-globale (ou pseudo-globale) est intermédiaire entre la modélisation
distribuée et la modélisation globale qui sont les deux pôles de structures de modèles.
En modélisation distribuée, par opposition à la modélisation globale, l’entrée et la sortie sont
toutes deux distribuées par une procédure de maillage.
En modélisation semi-globale (ou pseudo-globale), seule l’entrée est distribuée, avec une
grille de 0.5°x0.5°, figure 6.
Figure 6 : modélisation semi-globale (ARDOIN-BARDIN S., 2004)
Chapitre 2 : Quelques outils de comparaison de modèles

La littérature abonde de méthodes de comparaison des modèles, plus ou moins semblable
entre elles . Cette section est subdivisée en deux parties, l’une qui présente des outils qui
mesurent la performance d’un modèle ‘Outils d’appréciation de la performance de modèles’,
l’autre qui présente des outils qui donnent directement un résultat d’intercomparaison de deux
modèles ‘Outils d’intercomparaison des modèles’.
2.1. Outils d’appréciation de la performance des modèles, et coefficients

d’appréciation du bilan volumique
Ce sont des estimateurs mathématiques portant sur le degré de ressemblance du résultat d’une
simulation avec celui d’une observation. On peut les différencier en deux catégories
distinctes : les « fonctions objectif », comme le critère de Nash, et les « coefficients
d’appréciation du bilan volumique ». Les premiers mesurent le degré d’adéquation entre
l’allure de la courbe des débits simulés et celle des débits observés tandis que les seconds
mesurent l’écart, en termes de volume d’eau, entre les résultats issus de la simulation et ceux
issus de l’observation. En plus de ces deux catégories il y a des notions, comme la robustesse
de modèle et autres, et qui interviennent comme des nouveaux qualificatifs des modèles.
2.1.1. Critère de Nash

En hydrologie, plusieurs fonctions critère ont été élaborées, en particulier par certains
concepteurs de modèles : critère de CREC, critère de Fortin … Parmi celles-ci, la formulation
de Nash est celle qui est la plus reprise car souvent jugée comme étant le plus performante
14
(SERVAT et DEZETTER, 1990). Nous nous intéresserons donc à cette fonction critère de
Nash ainsi qu’à quelques unes de ces améliorations proposés par certains auteurs, GARRICK
et al. (1977) et PERRIN (2000). La fonction critère de Nash, proposé par NASH (1969) et
dont les développements sont discutés par NASH et SUTCLIFFE (1970) est basée sur le
principe des moindres carrés.
La formulation de la fonction Objectif de Nash (noté R2) est la suivante :
si q represente la série actuelle des débits sur l'intervalle de temps
choisi et q la série des débits correspondante simulée par le modèle,
 
2
la somme résiduelle des carrés est définie par: F 2   q k  q k laquelle
1 simulé
peut être comparée avec la somme initiale des carrés (le modèle de référence):
2
F02    q k  q k  où q k est la moyenne des débits observés.
 
2
L'efficience est définie par: R  1 
F12


F02  F12 
F02 F02
k est l'indice portant sur le pas de temps.
Se référer à un modèle de référence permet de pouvoir définir une efficience qui soit relative
et sans dimension permettant ainsi des intercomparaisons de performance entre modèles et/ou
entre bassins. Ainsi, Nash propose comme modèle de référence le débit moyen observé sur
toute la période : à chaque pas de temps, le débit estimé par le modèle est le débit moyen. Ce
modèle est simple et demande peu de calcul. Le critère de Nash comme bien d’autres critères
peut être :
 négatif si le modèle testé est incapable de produire une prévision meilleure que celle
produite par le modèle de référence ;
 positif si le modèle donne une meilleure estimation que le modèle de référence.
Plus les sorties de simulation du modèle se rapproche de l’observation, plus la valeur du

critère de Nash se rapproche de 1 (ou 100 en pourcentage).
PERRIN (2000) dans sa thèse propose une adaptation de la formulation du critère de Nash en
remplaçant dans l’expression de ce dernier le modèle de référence (le débit moyen q ) par un
 2 2 
autre dont l’expression est  P  E  E  , qui serait un critère complémentaire à celui de
 
'2
Nash. La formulation de la fonction Objectif (notée ici R ) issue de cette adaptation est :
15
2
    
F    q k   P  E  E   où  P  E  E  est le nouveau
'2 2 2 2 2
0
    
modèle de référence au lieu et place du débit moyen q.

F12   q k  qsimulé 
2
k
F12
L'éfficience est définie par: R  1  '2 
F0'2  F12
'2  
F0 F0'2
k est l'indice sur le pas de temps.
PERRIN (2000) attire également l’attention sur des variantes du critère de Nash :
 la forme logarithmique (log des débits) donne plus de poids aux périodes de basses
eaux alors que la forme non transformée en donne plus aux périodes de hautes eaux ;
 entre les deux, Perrin donne sa préférence à une formulation utilisant la racine carrée
des débits qui permettrait de donner un poids plus équivalent aux périodes de hautes-
eaux et aux périodes de basses-eaux. Toutefois la formulation du critère change
l’appréciation de la performance du modèle.
Les fonctions critères correspondantes à ces formes transformées du critère de Nash sont :
pour la forme logarithmique :

  log(q k )  log(qsimulé 
2
2
F1log k
)
 
2
2
F0log   log(q k )  log(q k ) où log(q k ) est la moyenne des
logarithmes des débits observés.
L'éfficience est définie par: R 2

 1
2
F1log

F 2
0log  F1log
2

log 2 2
F 0log F 0log
pour la forme racine carrée :
 
2
F12racine   q k  qsimulé
k
2
F 2
   q k  q k  où q k est la moyenne des
0 racine
 
racines carrées des débits observés.
L'éfficience est définie par: R 2 F12racine

 1 2 

F02racine  F12racine 
F02racine
racine
F0 racine
16
2.1.2. Propositions d’améliorations du critère de Nash, Garrick et al.

GARRICK et al. (1977) proposent deux critères d’estimation de l’efficacité des modèles
conceptuels pluie-débit, ces propositions étant motivées par un rapport publié en 1975 par
l’Organisation Mondial de Météorologie (O.M.M) sur l’intercomparaison des modèles pluies-
débits. Ce rapport de l’O.M.M indique le besoin de développer des critères objectifs de
mesure de performances qui puissent être utilisés pour comparer non seulement la
performance de plusieurs modèles sur le même support d’étude (bassin versant) ou d’un
même modèle sur différent supports, mais aussi de différents modèles sur différents supports.
Leur étude vise à améliorer le critère de Nash en proposant en première modification de
remplacer le modèle de référence (le débit moyen q ) par un modèle de référence (noté : qd )
qui porte en son sein l’information de la variabilité temporaire du débit. La démarche de mise
en place de ce critère noté Rd2 est la suivante :
P re m ie r c ritè re p ro p o s é p a r G A R R IC K e t a l. (1 9 7 7 ) : c ritè re N a s h -G a rric k

1 K d ,k
S o it : q d  . q , q d c o rre s p o n d a u d é b it m o ye n in te ra n n u e l
K k 1
d e la d a te d ( d = J a n v ie r p a r e x e m p le ).
S i o n e s t e n m o d é l is a tio n à p a s d e te m p s m e n s u e l (G R 2 M p a r e x e m p le ) :
q d , k s e ra it le d é b it o b s e rv é à la d a te d (ja n v ie r, F é v rie r,..., D é c e m b re ) a u
k iè m e a n n é e d e la p é rio d e d e m o d é lis a tio n ; K s e ra it le n o m b re to ta l d 'a n n é e
d e la p é rio d e d e m o d é lis a tio n .
L a s o m m e d e s c a rré e s re s id u e lle a s s o c ié e à la p ré v is io n q d
 q 
2
d a n s la p é rio d e d e v e rific a tio n e s t : F d2  d ,k
 qd
k
 q 
2
o n a u ra : F 2
1d  d ,k
q d ,k
s im u lé
k
L 'e ffic ie n c e d e v ie n t: R 2
1
F1 2d

F d
2
 F1 2d 
F d2 2
d
F d
 N B : A v e c c e tte n o ta tio n l'e x p re s s io n d u d é n o m in a te u r 

 d u c ritè re d e n a s h (d a n s u n c o n te x te d e m o d é lis a tio n s a n s la c u n e d a n s 
 
 le s s é rie s d e d é b it o b s e rv é s e t, à p a s d e te m p s m e n s u e l: G R 2 M ) s e ra it : 
 

  d ,k
  1 12 d   
2
 F0   q
2 d ,k
q d ,k
, q    q  
 d ,k   1 2 d 1  
 
 C e lle d e s o n n u m é ra te u r s e ra it F1   q  
2
2 d ,k
 q sdim, ku lé 
 d ,k 
 
 R 1 2 
2 F1 2 F 0  F1
2
 2
 
 2 
 F 0 F 0 
k e s t l'in d ic e p o rta n t s u r le p a s d e te m p s
d e s t l'in d ic e p o rta n t s u r le n o m d u m o is (J a n v ie r,......., D é c e m b re ).
17
Dans un contexte de modélisation utilisant GR2M au pas de temps mensuel, on aura 12

d
valeurs de modèle de référence q associées au 12 mois de l’année :
Dans l’expression  q  q  les valeurs de q correspondent aux mois du débit q observé :
2
d ,k d d
q  ,q   
2 2 2
Janvier , k
 q Janvier Février , k
 q Février ,........, q Décembre ,k  q Décembre .
Et l’efficience calculée est la performance du modèle à simuler l’écoulement des mois de
2 2 2 2
l’année : on pourra calculer, R Janvier , R Février , R mars ,...., R Décembre , ce qui peut être une source
d’information à exploiter.
Ces critères donnent une valeur de l'efficience ( Rd) qui est « saine » des biais dus aux grandes
valeurs du débit en période de hautes-eaux et réduit « proprement » la somme des carrées des
erreurs attribuables aux modèles conceptuels face aux facteurs d’entrées.
GARRICK et al. (1977) proposent une seconde modification du critère de Nash justifiée par
le fait que ce dernier ne fait pas de distinction entre la nature des différentes sortes d’erreurs.
Cette modification est particulièrement appropriée quand le modèle est utilisé avec une
procédure de mise à jour pour une prévision en temps réel avec correction d’incertitude ; ce
n’est pas notre cas ici.
2.1.3. Approche de la robustesse d’un modèle

L’utilisation de la technique du double échantillon est une méthode d’évaluation de la
performance des modèles : elle prend en compte dans son calcul de l’efficience non seulement
les débits simulés sur une période de calibration du modèle mais aussi ceux simulés sur une
période de validation ; elle donne une estimation de ce qu’on appelle la robustesse du modèle.
La technique du double échantillon, se réduit à une expression mathématique, dans laquelle

sont confrontées les racines carrées des débits simulés à celles des débits observés sur la
même période (K1+1 à K). Cependant cette période est subdivisée en deux, une première (qui
va de K1+1 à K2) sur laquelle on procède généralement à la calibration des modèles, et une
deuxième (qui va de K2+1 à K) sur laquelle on procède donc à la validation des modèles.
L’expression mathématique s’apparente à celle du critère de Nash, elle est détaillée dans
l’encadré ci-après.
PERRIN (2000) propose de mesurer autrement la robustesse en calculant l’écart entre les
efficiences du modèle entre la phase de calage et la phase de validation : généralement, on
observe une diminution de performance entre passant de la calibration à la validation et une
diminution faible implique une robustesse élevée.
18
T e c h n iq u e d u d ou b le é c h a n tillon
   
K2 2 K 2

k  K 1 1
q k
 q k
sim u lé  
k  K 2 1
qk  k
q sim u lé
F 1
 
K 2

k  K 1 1
qk  M
k : e st l'in d ic e p o rta n t su r le p a s d e te m p s d e la m od é lisa tion .

q k : e st le d é b it ob se rvé c or e sp on d a n t a u k è m e p a s d e te m p s.
èm e
u lé : e st le d é b it sim u lé a u k p a s d e te m p s d e la m od é lisa tion .
k
q sim
K 1 : n om b re d e p a s d e te m p s d e la "p é riod e m ise e n rou te "*.
K 2 : la fin d e la p ré m iè re p é riod e , où le m od è le à é té c a lib ré .
K : le n om b re d e p a s d e te m p s tota l d e la m od é lisa tion .
M : la m oye n n e d e s q k su r la tota lité d e s d e u x p é riod e s,
 
kK
1
M 
N  ( N 1  1)

k  K 1 1
qk  k
q sim u lé
*le c on c e p t d e "p é riod e d e m ise e n rou te " d e s m od è le s, p e rm e t d 'a tté n u e r

l'in flu e n c e d e s c on d ition s in itia le s, c a r le s ré su lta ts d e sim u la tion su r c e tte
p é riod e n e son t p a s p ris e n c om p te lors d e s c a lc u ls d e p e rform a n c e .
2.1.4. Coefficients d’appréciation du bilan volumique

Les fonctions objectif (d’optimisation), de type celle de Nash, mesurent l’adéquation entre
une série de débit simulés et une série de débits mesurés, mais ne permet pas une réelle
appréciation de l’écart entre le volume d’eau simulé et le volume d’eau mesuré. D’où la
nécessité qu’il est apparu pour certains auteurs de compléter l’analyse de performance des
modèles par l’évaluation d’autres critères comme les critères d’appréciation du bilan
volumique.
 Un premier coefficient d’appréciation du bilan a été utilisé en hydrologie (en 1965)
sous le nom de « fonction coût », son expression est notée ici Coef _ bilan1 .
 ARDOIN-BARDIN (2004), utilise ce même coefficient mais calcule aussi cinq autres
coefficients d’appréciation du bilan volumique.
 PERRIN (2000) propose un autre coefficient d’appréciation du bilan volumique noté
ici Coef _ bilan7 ; ce qui le rend particulièrement attrayant est le fait que ce critère de
bilan varie entre moins l’infini et 1, tout comme le critère de Nash.
Les formulations des critères évoqués ci-dessus sont les suivantes :
19
C o efficien ts d 'ap p réciatio n s d u b ilan vo lu m iq u e

C o ef _ b ila n1   L
k
k
obs  Lkca lc 
C o ef _ b ila n 2   k
Lko b s  Lkca lc
C o ef _ b ila n 3   L
k
k
obs  Lkca lc  si L ko b s < Lko b s_ m o yen n e
Lko b s  Lkca lc si L ko b s < L ko b s_ m o yen n e
C o ef _ b ila n 5   L
k
k
obs  Lkca lc  si Lko b s > Lko b s_ m o yen n e
Lko b s  Lkca lc si Lko b s > Lko b s_ m o yen n e
Lkca lc
C o ef _ b ila n 7  1  1   k Lko b s
O ù, L k
obs est la lam e d 'eau o b servée d u k èm e p as d e tem p s,
Lkca lc es t la lam e d 'eau calcu lée d u k èm e p as d e tem p s d e sim u latio n .
L es co efficien ts 1 , 3 , 5 in d iq u en t si les m o d èles rep ro d u isen t
co rrectem en t les vo lu m es d 'eau éco u lés:
 co ef _ b ila n1 < 0  le m o d èle su restim e le vo lu m e d 'eau éco u lé
su r la p ério d e co rresp o n d an te: (L o b s_ to tale < L calc_ to tale )
 co ef _ b ila n1 > 0  le m o d èle so u s-estim e le vo lu m e d 'eau éco u lé
su r la p ério d e co rresp o n d an te: (L o b s_ to tale > L calc_ to tale )
L es co efficien ts 2 , 4 , 6 m esu ren t les variatio n s ab so lu es en tre
les lam es calcu lées et o b servées.
2.2. Outils d’intercomparaison des modèles

Il y a plusieurs méthodes de comparaison des modèles. Même si elles diffèrent par leur
principe, elles ont toutes un point commun : elles mesurent, d’une manière ou d’une autre, le
pourcentage de cas où le modèle A est plus performant que le modèle B. L’objectif du
développement du présent rapport, qui est de comparer par la suite deux modèles sur 16
bassins versants, à corroborer l’intérêt d’appliquer un procédé d’intercomparaison développé
pour cette cause. Le nombre de bassins disponibles étant faible, une simple statistique
aboutirait probablement à la même conclusion que les outils robustes qu’on peut rencontrer
dans la littérature. Dans ce contexte on a jugé plus nécessaire de passer par ce procédé
d’intercomparaison (localement proposé pour la suite expérimentale à cette bibliographie) que
de s’appesantir sur les outils existants que l’on n’utilisera pas ici.
Conclusion
La modélisation hydrologique semi-globale (pseudo-globale) part d’une information
distribuée (ensemble des valeurs des différentes entrées du modèle) dans l’espace pour
produire une information ponctuelle (le débit à l’exutoire du bassin versant), alors que la
modélisation globale pour produire la même information ponctuelle, part d’une information
20
lissée (la valeur moyenne de chaque variable d’entrée du modèle). Intuitivement on s’attend à
ce qu’une modélisation semi-globale fournisse un meilleur résultat par rapport à une
modélisation globale.
Le critère de Nash est l’outil le plus communément utilisé en hydrologie pour évaluer la
performance d’un modèle. Il a fait l’objet de commentaires par une équipe dont Nash faisait
partie et à conduit à des propositions de modification de ce dernier (GARRICK et al.1977).
PERRIN (2000) a aussi proposé des reformulations du critère de Nash, et d’autres
hydrologues, aussi, en ont fait de même.
Section II : Contexte et méthodologies
Chapitre 1 : contexte hydrologique et climatique du support d’études
1.1. Présentation géographique du support d’étude

Ce travail de mémoire a pour support physique un ensemble de sous-bassins au bassin versant
du fleuve Niger. Le fleuve Niger constitue par sa longueur de 4 200 kms, la superficie de
bassin de 1 100 000 km², et son débit moyen de 7 000 m³. s-1, le 3ème plus grand fleuve
d’Afrique et le 7ème dans le Monde. Géographiquement la zone d’étude s’étend sur le Mali, la
Guinée et la Côté d’Ivoire. Le plus grand des sous-bassins étudié est celui défini à la station
de mesure de Koulikoro. La région de Koulikoro constitue par nomenclature la 2ème des 8
régions de la république du Mali.
Le basin versant de Koulikoro et ses différents sous-bassins sont présentés dans les figures 7a
et 7b.
Figure 7a : les bassins versants étudiés.
21
Figure 7b : schéma des bassins versants étudiés.
1.2. Généralités de la situation hydrométéorologique de la zone

d’étude
Le régime pluviométrique en Afrique de l’Ouest est régi par la rencontre entre deux courants
de vent, l’harmattan (alizé continental) qui est un vent chaud et sec de secteur Nord-est à Nord
et la mousson (issu d’un alizé maritime) qui est un vent chargé d’humidité de secteur Sud-
ouest à Ouest. Le domaine de rencontre de ces deux vents se nomme le Front Intertropical de
Transition (FIT), dont la trace au sol coïncide à la Zone de Convergence Intertropicale (ZCIT)
qui se caractérise en Afrique de l’Ouest par un alignement zonal de nuages convectifs à fort
développement vertical, les cumulo-nimbus. La FIT se situe au centre de la zone de basses
pressions intertropicales au contact dynamique des circulations atmosphériques des deux
hémisphères.
22
Les alizés proviennent de la bordure orientale des anticyclones.

(i) L’alizé continental (harmattan) est issu de l’anticyclone Saharo-méditerranéen ; son
air polaire initial se tropicalise et il devient instable en survolant le Sahara.
(ii) Le flux de mousson résulte de la déviation des alizés maritimes par la force de
Coriolis après avoir franchi l’équateur. Ces alizés proviennent de l’anticyclone de Sainte-
Hélène.
Le mouvement zénithal du soleil commande la migration du ZCIT, ce qui explique la mise en

place des différents régimes saisonniers. En juin-juillet-août, la ZCIT se déplace vers le nord,
pour atteindre sa position septentrionale vers 20°N. C’est la saison des pluies dans les zones
sahéliennes. Il y a des années où la rencontre entre les deux courants d’air, se passe près des
côtes océaniques en défaveur de l’intérieur des continents : ce sont des années fastes pour le
Nord, en termes de la pluviométrie.
En Afrique de l’Ouest les variations des précipitations, dans l’espace et dans le temps,
apparaissent très liées aux composantes aérologiques. Le support d’étude de ce mémoire de
recherche se situe en Afrique de l’Ouest dans la Zone de Convergence Intertropicale (ZCIT) :
Le bassin défini à la station de Koulikoro sur le fleuve Niger.
1.3. Origines des données climatiques et hydrologiques utilisées

Les fichiers de Pluie proviennent du Climate Research Units (CRU), les fichiers
d’Evapotranspiration (ETP) sont calculées par la méthode Penman- Monteith, et les fichiers
de WHC (Water Holding Capacity) proviennent de la FAO (données FAOMAX). Les fichiers
de débits sont la plupart des cas issue des 10 volumes du livre « Monographie hydrologique
du fleuve Niger » (Brunet et al. 1986) et sont organisé sous forme d’une base de données
(SIEREM) à HydroSciences Montpellier.
CHAPITRE 2 : outils et protocoles de simulations mis en œuvre

2.1. Outils numériques
Les principaux outils numériques développés et utilisés:
 « GR2M semi-globale » constitue le code numérique du modèle GR2M en
modélisation semi-globale ;
 « GR2M globale » constitue le code numérique du modèle GR2M en modélisation
globale ;
 « GR3M globale » constitue le code numérique du modèle GR3M (où on considère
« A » [ou WHC] comme un troisième paramètre à optimiser) en modélisation globale ;
 « GR2M.1/X1*WHC » constitue le code numérique d’une variante (proposée dans le
cadre de ce mémoire) du modèle GR2M en modélisation semi-globale ;
 « GR2M.% WHC » constitue le code numérique du modèle GR2M en modélisation
semi-globale mais dont l’entrée est adaptée pour qu’il s’apparente au concept du
modèle à 3 paramètres GR3M.
2.2. Protocoles mis en œuvre
23
2.2.1. Approches de la « période de mise en route » des modèles

Lors de la phase de calibration des modèles on peut faire intervenir la notion de « période de
mise en route », qui est une durée initiale, choisie au premier instant de la simulation, pendant
laquelle on laisse le modèle tourner sans que les calculs du critère de performance tiennent
compte des débits simulés sur cette période. Cela permet d’initialiser les niveaux des
différents réservoirs du modèle à des valeurs différentes de zéro (0).
En plus du choix de la longueur de cette période de mise en route on rencontre dans la

littérature, aussi bien que dans les codes de calcul utilisés ici, différente approche pour
aborder cette notion de mise en route. Notamment dans les codes utilisés ici on a fixé la durée
de mise en route à deux ans :
- Mais dans le programme « GR2M semi-globale », la période de mise route englobe

les données (pluies, ETP, WHC) des deux années qui précèdent la date de début de la
simulation.
- Et dans le programme « GR2M globale », on répète les données (pluies, ETP, WHC)
des deux premières années de la période de calibration qui servent de période de mise
en route.
Dans un contexte d’intercomparaison des modèles, l’idéal serait d’adopter la même approche
de « mise en route » pour les versions semi-globale et globale de GR2M ; néanmoins il
s’avère que ces deux approches de « mise en route » sus mentionnées ont peu d’influence sur
la sortie des modèles.
2.2.2. Protocoles mis en place pour les simulations

Sur chaque bassin versant on a subdivisé les séries chronologiques des données en deux
périodes ; une première, qui s’étale généralement du début choisi de la simulation jusqu’à
1970, sur laquelle on effectue la calibration des modèles et une seconde qui s’étale
généralement sur 1971-1995, sur laquelle on effectue la validation des modèles. Ce
découpage n’a pas pu être effectué sur certains bassins versants en raison de lacunes dans les
séries des données et/ou d’ordre technique.
Les remarques obtenues sur le modèle GR3M en modélisation globale, ont aidé à proposer
une modification dans la structure du modèle GR2M. Ces remarques ont conduit également à
proposer un protocole qui va permettre de faire fonctionner le code numérique du modèle
GR2M semi-globale avec le concept de GR3M, pour confirmer les remarques sur GR3M cette
fois-ci en contexte de modélisation semi-globale.
2.2.3. Proposition d’amélioration du fonctionnement de GR2M :

«GR2M.1/X*WHC »
Deux justifications à cette proposition :
a) En modélisation globale, après avoir calibré les paramètres du modèle, on peut être
tenté de calibrer la donnée sol (rappelons que dans les versions initiales, cela pouvait
se faire ; HydroSciences Montpellier a choisi d’associer à cette donnée une valeur de
capacité de rétention en eau du sol (en anglais, Water Holding Capacity) ou WHC : on
constate que la valeur de WHC obtenue est généralement (15 bassins sur 16)
24
supérieure à la valeur du WHC moyen (FAO max) du bassin versant et que la

performance du modèle s’améliore.
b) On a constaté également que le modèle GR3M, qui optimise lors de la phase de
calibration la valeur du paramètre A (= WHC) en même temps que les deux
paramètres libres du modèle (X1, X2), est plus performant que le modèle GR2M qui
n’optimise que les paramètres X1 et X2 ; la nouvelle valeur de A est généralement
supérieure à la valeur du WHC moyen du bassin versant considéré. Ceci est attesté sur
15 de nos 16 bassins versant en modélisation globale, cela conforte ce qui a été
observé au-dessus ;
On a défini un protocole qui a permit de confirmer le (b) sur les mêmes bassins versants en
modélisation semi-globale (voir le développement de « GR2M%WHC » au sous chapitre
2.2.4).
Donc il existe un WHC optimal, supérieur au WHC FAO max, qui maximise davantage la
performance du modèle. Ce WHC optimal est fournit par le modèle GR3M. On constate
qu’en répétant le point (a) les WHC successifs qu’on obtient tendent vers le WHC optimal de
GR3M. Ces constats ont suscités une série de questions et de tests :
 En réfléchissant par rapport au point (a), faut-il ne pas laisser le modèle d’appliquer au
WHC un coefficient supérieur à 1?
 Au lieu de remplacer le paramètre interne A par WHC, qu’est ce qui se passera si on le
remplace par (1/X1)*WHC ? Les paramètres du modèle GR2M sont X1 et X2, qui
sont sans dimension et varient entre 0.0001 et 1. Le choix de 1/X1 (>1) s’explique par
le fait que X1 intervient déjà dans la partie « fonction de production » qui englobe le
« réservoir sol » du modèle alors que X2 intervient dans la partie « fonction de
transfert».
Cette proposition de modification applique un coefficient multiplicatif au WHC ; le choix

proposé est de fixer ce coefficient multiplicatif à 1/X1.
La figure suivante donne le schéma du modèle GR2M dans sa version modifiée

«GR2M.1/X1*WHC. »
25
Figure 8 : Modification du modèle GR2M en sa version modifiée «GR2M.1/X1*WHC. »
2.2.4. Protocole d’adaptation du fonctionnement de GR2M semi-globale

au concept de GR3M
Modification du fichier WHC en entrée du modèle GR2M semi-global.

(i) dans le modèle GR2M global est utilisé la moyenne des WHC (_moyen) du bassin
versant, le modèle GR3M part de cette valeur pour proposer un WHC_optimal.
On calcul le taux de variation observé lors du passage de WHC_moyen du basin versant
à WHC_optimal obtenu avec la version globale de GR3M.
WHCoptimal (obtenu avec GR3M )  WHCmoyen du bassin
tauxwhc 
WHCmoyen du bassin
Sur16 bassins versant traités 15 ont montrés un tauxwhc positif.
(ii) On augmente la valeur contenue dans chaque maille i du fichier WHC,
en entrée de la version semi-globale de GR2M, comme suit :
WHC( adaptation de GR2M à GR3M) maille i  WHCmaille i  tauxwhc .WHCmaille i
 WHCmaille i .1  tauxwhc 
 WHCoptimal (obtenu avec GR3M ) WHCmoyen du bassin 
 WHCmaille i .1  
 WHCmoyen du bassin
 
26
Chapitre 3 : structures des résultats et intercomparaison

3.1. Structure des résultats
Trois tableaux sont utilisés systématiquement pour présenter les résultats des simulations par
bassin versant :
Les tableaux désignés par une lettre de l’alphabet français suivie d’un chiffre (de 1 à 2), par
exemple les tableaux A, A.1 et A.2 concernent un bassin particulier ;
Ces tableaux présentent, en plus des caractéristiques du bassin versant qu’il concerne, le type
de régime climatique, la lame moyenne mensuelle (module) et interannuel des eaux écoulées,
le « coefficient d’écoulement interannuel» 1 , la robustesse définie par l’approche de la
technique du double échantillon (dont l’expression est explicitée à la section 1), et en
représentation graphique : les modules mensuels des débits (observés, et simulés par les
modèles).
Sur les tableaux du type A.1 sont présentés, de la droite vers la gauche, les résultats du
modèle GR2M en modélisation semi-globale, ceux du même modèle en modélisation globale,
et enfin ceux du modèle GR3M en modélisation globale.
Sur les tableaux du type A.2 sont présentés, de la droite vers la gauche, les résultats du
modèle modifié « GR2M.1/X1*WHC » en modélisation semi-globale, ceux du modèle adapté
« G2RM.%WHC» en modélisation semi-globale; en plus, ceux du modèle GR2M en
modélisation semi-globale tournant en validation, sur le sous bassin concerné par le tableau,
avec les paramètres (X1, X2) calés sur le grand bassin défini à la station de Koulikoro.
3.2. Protocole d’intercomparaison de la version semi-globale et

globale de GR2M
C’est possible de résumer la modélisation au « compromis biais-variance ». Les modèles à
faible biais (nombre élevé de paramètres) ont généralement une grande souplesse à bien
simuler les débits lors de leur phase de calibration, par contre ils ont une grande dépendance
aux échantillons ; leurs paramètres varient beaucoup lorsque l’on change de période de
calibration. Cette notion de compromis biais-variance ouvre la voie sur les points essentiels
qui doivent être explorer pour mener à bien une étude de comparaison : (1) mesure de la
souplesse ( ou performance en calibration) des modèles à l’aides des critères de performance
et, mesure de sa performance proprement dite (en validation) sur des échantillons qui n’ont
pas servis lors de la calibration ; (2) estimation de la dépendance des modèles aux échantillons
(si les paramètres du modèle changent fortement lorsque l’on change de période de
calibration, on dit que le modèle à une variance élevée, et les deux formes calibrées du
modèle pourront donner des résultats totalement distincts) .
Plusieurs études de comparaison concluent en se basant exclusivement sur la mesure de la

souplesse (performance en calibration) et celle de la performance (proprement dite) en
1
Le « coefficient d’écoulement interannuel» est, ici, une adaptation du coefficient d’écoulement, ce
dernier se calculant sur un événement pluvieux. Mais, ici on calcule un coefficient sur des durées interannuelles
dans la perspective qu’il pourra être une aide dans l’interprétation des résultats de simulations. C’est le rapport
de la lame moyenne de l’écoulement observé par la lame moyenne des pluies observées.
27
validation ; ce qui n’est aisée que si les modèles à comparer montrent des franches différences
en termes de performance.
Devant la difficulté à trancher entre des valeurs assez proches du critère de Nash issues des
deux versions de GR2M, semi-globale et globale, nous avons défini un « protocole
d’intercomparaison » qui va intégrer en plus des informations issues du critère de Nash, les
informations fournies par le critère de Nash-Garrick, les informations issues des calculs de
robustesse par la « technique du double échantillon » et, enfin les informations issues de
l’estimation comparée de la sensibilité des modèles aux échantillons à l’aide d’un protocole à
"double calibration". Ce protocole aboutira au calcul d’un « score ». Donc ici on présentera
deux protocoles : le protocole de la « double calibration», qui servira comme une composante
du « protocole d’intercomparaison », qui est le deuxième.
3.2.1. Le protocole de la « double calibration»

Ce protocole consistera :
i. à définir deux périodes de calibration totalement distinctes, on maintiendra la période
de calibration habituelle comme la première période (PC1) et, la deuxième période de
calibration (PC2) sera celle utilisée lors de la validation des modèles.
ii. pour chaque modèle :
 en calibration : on fait la différence entre la valeur du paramètre X1 obtenue
sur la première période (PC1) et sa valeur obtenue sur la deuxième période
(PC2) ; idem pour le paramètre X2.
 en validation : on répète la même chose avec les valeurs du critère de Nash
obtenues lors de la «validation croisée (entre les deux périodes : PC1 et PC2).»
iii. Les modèles peuvent différer par leur « variance », qui est la sensibilité d’un modèle
aux échantillons : un modèle moins sensible aux échantillons à une variance faible,
(cf. Glossaire de la modélisation : http://www.aiaccess.net/ .)
Le protocole à « double calibration » se veut de comparer les modèles à travers, leur

« variance » ou sensibilité aux échantillons.
28
Protocole de la "double calibration"

  si : X 1semi  globale
-X 1semi  globale
 X 1PC 1 -X 1PC 2
globale globale
0 ,
  PC 1 PC 2
 alors (le score du globale =1, contre 0 pour semi-globale),


 sinon (le score du semi-globale =1, contre 0 pour globale).

  si : X 2 semi
PC1
 globale
-X 2semi
PC 2
 globale
 X 2 PC 1 -X 2 PC 2
globale globale
0 ,
 
 alors (le score du semi-globale =1, contre 0 pour globale),
 sinon (le score du globale =1, contre 0 pour semi-globale).
 

 Les Nash utilisés ici sont ceux obtenue (en validation) lors de la
  "validation croisée" (entre les deux périodes : PC1 et PC2).
 
 globale semi  globale
X 1, X 2) PC 1  PC 2 -Nash( X 1, X 2) PC 2  PC 1  Nash( X 1, X 2) PC 1  PC 2 -Nash( X 1, X 2) PC 2  PC 1  0 ,
  si : Nash(semi globale globale

 alors (le score du globale =1, contre 0 pour semi-globale),
 sinon (le score du semi-globale =1, contre 0 pour globale).



 On fait la somme des scores. Le modèle qui aura le plus grand score est
 celui qui a la plus faible "variance", donc le moins sensible aux échantillons.

3.2.2. Structure des tableaux du protocole d’intercomparaison

Les « scores » d’intercomparaison varieront entre 0 et 30 pour chacun des deux modèles en
compétition et la somme des scores, des deux modèles, restera toujours égale à 30.
La structure des tableaux est la suivante :
- La première ligne présente, sur les 12 mois de l’année combien de fois le critère Nash-
Garrick d’un modèle A est supérieur à celui d’un modèle B, en contexte de calibration.
- La deuxième ligne présente, sur les 12 mois de l’année combien de fois le critère
Nash-Garrick d’un modèle A est supérieur à celui d’un modèle B, en contexte de
validation.
- Sur la troisième ligne on assigne 1 point au modèle qui présente la meilleure valeur du
critère de Nash lors de la calibration contre 0 point pour le second modèle.
- Sur la quatrième ligne on assigne 1 point au modèle qui présente la meilleure valeur
du critère de Nash lors de la phase de validation contre 0 point pour le second modèle.
- Sur la cinquième ligne on assigne 1 point au modèle qui présente la meilleure valeur
de la robustesse calculée selon la technique du double échantillon (TDE) contre 0
point pour le second modèle.
- Sur la sixième ligne on assigne 1 point au modèle qui présente la plus faible variation
de la valeur de son paramètre X1 contre 0 point pour le second modèle (voir « double
calibration ».)
- Sur la septième ligne on assigne 1 point au modèle qui présente la plus faible variation
de la valeur de son paramètre X2 contre 0 point pour le second modèle (voir « double
calibration »)
- Sur la huitième ligne on assigne 1 point au modèle qui présente la plus faible variation
de la valeur du critère de Nash obtenue lors des deux phases de validation (voir
« double calibration ».)
29
- Sur la neuvième ligne on présente la somme des huit lignes sus-jacentes, ligne 1 à 8
incluse. Les sommes calculées constituent les scores de la compétition entre les deux
modèles en jeu, la somme des deux scores est égale à 30.
Cette présentation de l’intercomparaison des modèles en tableau (ci-dessous) permet de

résumer succinctement les remarques faites sur les résultats des sorties de ces modèles.
Dans les modèles de régression, il est constaté que, dans un cas où la somme des écarts
quadratique moyen (EQM) est faible on a : EQM = Biais2 + Variance. (cf. Glossaire de la
modélisation : http://www.aiaccess.net/ ), donc dans le calcul des scores le fait de donner une
grande importance aux « biais » par rapport aux « variances» est justifié.
Section III : résultats par Bassin

La structure des tableaux d’intercomparaison est déjà explicitée dans la section II. Chaque
bassin est accompagné de la quasi-totalité des résultats de simulations qui le concerne et, de la
représentation graphique des données mensuelles Pluie et débit (NB : les dates portant sur les
jours ne sont pas significatives; les lacunes dans les série des débits sont remplacées par zéro
uniquement sur les tracées graphique et ne sont nullement pas prises en compte dans la
modélisation.)
III.1. Bassin défini à la station de Koulikoro sur le fleuve NIGER au Mali

Du nom de la région de Koulikoro, au Mali, cette station répond aux coordonnées
géographiques : 12° 51’, 6 N ; 7° 33’, 7 W. Aucun affluent notable du NIGER ne s’y jette à
proximité en amont ou et en aval. Cette station est d’ailleurs une station de référence sur le
Niger. Les résultats des simulations sont présentés en annexe dans les tableaux (A.1, A.2). Le
graphe 1 présente les données de pluies et de débits observés.
Selon le protocole d’intercomparaison défini à la section 2, le tableau A ci-dessous donne le

résultat de l’intercomparaison de GR2M globale et GR2M semi-globale sur le bassin de
Koulikoro.
30
Tableau A : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Koulikoro (calibration [PC1] sur 1911-1970,
validation [PC2] sur 1911-1995.)
Les données qui ont permis d’établir le tableau A (dont la plupart sont tirées du tableau A.1)
sont :
 Pour le modèle semi-global :
Calibration sur 1911-1970 (PC1), (X1=0.6366896613; X2 = 0.4492279348; Nash = 85.52)
Validation sur 1971-1995 (PC2), (X1=0.6366896613; X2 = 0.4492279348; Nash = 81.61)
Calibration sur 1971-1995 (PC2), (X1= 0.5594738302 ; X2= 0.4567317605 ; Nash= 85.968)
Validation sur 1911-1970 (PC1), (X1= 0.5594738302 ; X2= 0.4567317605 ; Nash= 82.431)
 Pour la version globale :

Calibration sur 1911-1970 (PC1), (X1= 0.65019842 ; X2 = 0.44960325; Nash= 86.81)
Validation sur 1971-1995 (PC2), (X1= 0.65019842 ; X2 = 0.44960325; Nash = 84.403)
Calibration sur 1971-1995 (PC2), (X1= 0.58407141; X2= 0.4618362; Nash= 88.09167224)
Validation sur 1911-1970 (PC1), (X1=0.58407141; X2=0.4618362; Nash= 84.404)
Commentaire des Tableaux A.1 et A.2 (les structures de ces tableaux sont explicitées à la fin
de la section 2).
Sur le bassin défini à la station de Koulikoro, le régime climatique est de type tropical de
transition. Sur la période de calibration (1911-1970) la moyenne des lames d’eau écoulée et le
« coefficient d’écoulement interannuel» sont respectivement : 34.15 mm et 0.25 ; tandis que
sur la période de validation (1971-1995) ils sont de 21.74 mm et 0.19.
Les critères de Nash-Garrick témoignent de la bonne simulation des débits en période

de hautes eaux (lorsqu’on utilise le critère de Nash comme fonction objectif d’optimisation) :
la valeur de ce critère est autour de 95 pour le mois de septembre, mois du pic de crue, alors
que pour les mois de basses eaux les valeurs sont faibles voire négatives.
Le modèle GR3M montre une performance plus élevée que le modèle G2RM, ceci
reste vraie quel que soit le concept de modélisation utilisée, semi-globale ou globale.
31
On constate que la version modifiée « GR2M.1/X1*WHC » donne une meilleure

valeur du critère de Nash que la version non modifiée, en modélisation semi-globale et en
modélisation globale. Tout ces résultats se trouvent dans les tableaux A.1 et A.2, sauf celui du
modèle « GR2M.1/X1*WHC » en modélisation globale : [X1= 0.6974959; X2 = 0.4732068;
Nash calibration (1911-1970) = 88.15; Nash validation (1971-1995) = 91.84].
Graphe 1 : Pluies mensuelles observées sur le bassin défini à la station de Koulikoro (en
haut), et les débits mensuels observés à cette station (en bas), sur la période 1911-1995.
32
III.2. Bassin défini à la station de Banankoro, sur le NIGER, au Mali

Cette station répond aux coordonnées géographiques (11° 41’, 5 N ; 8° 40’, 3 W). La
superficie du bassin défini à la station de Banankoro est de 73 285 km2. Les résultats des
simulations sont présentés en annexe dans les tableaux (B.1, B.2). Le graphe 2 présente les
données de pluies et de débits observés.
Tableau B : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Banankoro (calibration [PC1] sur 1977-1985,
validation [PC2] sur 1986-1995)
Graphe 2 : Pluies mensuelles observées sur le bassin défini à la station de Banankoro (en
33
III.3. Bassin défini à la station de Dialakoro, sur le NIGER, en Guinée

.Cette station répond aux coordonnées géographique (11°27’, 0 N 8°54’, 1 W). La superficie
du bassin défini à la station de Dialakoro est de 70 424 km2. Les résultats des simulations
sont présentés en annexe dans les tableaux (C.1, C.2). Le graphe 3 présente les données de
pluies et de débits observés.
Tableau C : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Dialakoro (calibration sur 1957-1980).
Graphe 3: Pluies mensuelles observées sur le bassin défini à la station de Dialakoro (en haut),
et les débits mensuels observés à cette station (en bas), (1957-1980).
34
III.4. Bassin défini à la station de Siguiri.
La superficie du bassin défini à la station de Siguiri est de 69 751 km2. Les résultats des
simulations sont présentés en annexe dans les tableaux (D.1, D.2). Le graphe 4 présente les
Tableau D : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Siguiri (calibration [PC1] sur 1954-1970, validation
[PC2] sur 1971-1995.)
Graphe 4 : Pluies mensuelles observées sur le bassin défini à la station de Siguiri (en haut), et
les débits mensuels observés à cette station (en bas), sur la période 1954-1995.
35
III.5. Bassin défini à la station de Gouala sur le Sankarani, au Mali

superficie du bassin défini à la station de Gouala est de 33 003 km2. Les résultats des
simulations sont présentés en annexe dans les tableaux (E.1, E.2). Le graphe 5 présente les
Tableau E : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Gouala (calibration sur 1963-1978.)
Graphe 5 : Pluies mensuelles observées sur le bassin défini à la station de Gouala (en haut),
et les débits mensuels observés à cette station (en bas), sur la période 1963-1978.
36
III.6. Bassin défini à la station d’Ouaran

superficie du bassin défini à la station d’Ouaran est de 19 730 km2. Les résultats des
simulations sont présentés en annexe dans les tableaux (F.1, F.2). Le graphe 6 présente les
Tableau F : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station d’Ouaran (calibration [PC1] sur 1957-1970, validation
[PC2] sur 1971-1985.)
Graphe 6 : Pluies mensuelles observées sur le bassin défini à la station d’Ouaran (en haut), et
37
III.7. Bassin défini à la station de Mandiana sur le Sankarani, en Guinée

superficie du bassin défini à la station de Mandiana est de 21 905 km2. Les résultats des
simulations sont présentés en annexe dans les tableaux (G.1, G.2). Le graphe 7 présente les
Tableau G : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Mandiana (calibration [PC1] sur 1957-1970,
Graphe 7 : Pluies mensuelles observées sur le bassin défini à la station de Mandiana (en
38
III.8. Bassin défini à la station de Kouroussa sur le NIGER, en Guinée

Cette station répond aux coordonnées géographiques : 10° 39’, 1 N ; 9° 52’, 3 W. La
superficie du bassin défini à la station de Kouroussa est de 17 165 km2. Le Niandan est
confluant avec le Niger à 24 km de Kouroussa. Les résultats des simulations sont présentés en
annexe dans les tableaux (H.1, H.2). Le graphe 8 présente les données de pluies et de débits
observés.
Tableau H : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Kouroussa (calibration [PC1] sur 1950-1970,
Graphe 8 : Pluies mensuelles observées sur le bassin défini à la station de Kouroussa (en
39
III.9. Bassin défini à la station de Baro

superficie du bassin défini à la station de Baro est de 10 047 km2. Les résultats des
simulations sont présentés en annexe dans les tableaux (I.1, I.2). Le graphe 9 présente les
Tableau I : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Baro (calibration [PC1] sur 1949-1970, validation
[PC2] sur 1971-1995.)
Graphe 9 : Pluies mensuelles observées sur le bassin défini à la station de Baro (en haut), et
40
III.10. Bassin défini à la station de Kankan, sur le Milo, en Guinée

La superficie du bassin défini à la station de Kankan est de 10 047 km2. Les résultats des
simulations sont présentés en annexe dans les tableaux (J.1, J.2). Le graphe 10 présente les
Tableau J : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Kankan (calibration [PC1] sur 1940-1970,
Graphe 10 : Pluies mensuelles observées sur le bassin défini à la station de Kankan (en haut),
41
III.11. Bassin défini à la station de Tinkisso, en Guinée

superficie du bassin défini à la station de Tinkisso est de 6 551 km2. Les résultats des
simulations sont présentés en annexe dans les tableaux (K.1, K.2). Le graphe 11 présente les
Tableau K : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Tinkisso (calibration [PC1] sur 1958-1970,
Graphe 11 : Pluies mensuelles observées sur le bassin défini à la station de Tinkisso (en
42
III.12. Bassin défini à la station de Baranama

La superficie du bassin défini à la station de Baranama est de 65 93 km2. Les résultats des
simulations sont présentés en annexe dans les tableaux (L.1, L.2). Le graphe 12 présente les
Tableau L : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Baranama (calibration sur 1973-1995.)
Graphe 12 : Pluies mensuelles observées sur le bassin défini à la station de Baranama (en
43
III.13. Bassin défini à la station d’Iradougou, sur le Kouroukélé, en côte

d’ivoire
superficie du bassin défini à la station d’Iradougou est de 1 820 km2. Les résultats des
simulations sont présentés en annexe dans les tableaux (M.1, M.2). Le graphe 13 présente les
Tableau M : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station d’Iradougou (calibration [PC1] sur 1965-1970,
Graphe 13 : Pluies mensuelles observées sur le bassin défini à la station d’Iradougou (en
44
III.14. Bassin défini à la station de Kérouane sur le Milo, en Guinée

Cette station répond aux coordonnées géographiques (9° 16’ N ; 9° 02’ W). La superficie du
bassin défini à la station de Kérouane est de 1 420 km2. Les résultats des simulations sont
présentés en annexe dans les tableaux (N.1, N.2). Le graphe 14 présente les données de pluies
et de débits observés.
Tableau N : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Kérouane (calibration [PC1] sur 1973-1980,
Graphe 14 : Pluies mensuelles observées sur le bassin défini à la station de Kérouane (en
45
III.15. Bassin défini à la station de Kissidougou sur le Niandan, en Guinée

superficie du bassin défini à la station de Kissidougou est de 13 97 km2. Les résultats des
simulations sont présentés en annexe dans les tableaux (O.1, O.2). Le graphe 15 présente les
Tableau O : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Kissidougou-N (calibration [PC1] sur 1960-1970,
Graphe 15 : Pluies mensuelles observées sur le bassin défini à la station de Kissidougou (en
46
III.16. Bassin défini à la station de Faranah sur le Niger, en Guinée

superficie du bassin défini à la station de Faranah est de 3 171 km2. Les résultats des
simulations sont présentés en annexe dans les tableaux (P.1, P.2). Le graphe 16 présente les
Tableau P : résultats de l'intercomparaison des versions semi-globale et globale du modèle

GR2M sur le Bassin défini à la station de Faranah (calibration sur 1969-1995.)
Graphe 16 : Pluies mensuelles observées sur le bassin défini à la station de Faranah (en haut),
47
Section IV: synthèse des résultats de l’intercomparaison des modèles

Dans cette section on présentera, en premier, les résultats de comparaisons entre modèle en
adoptant une « approche classique » basée uniquement sur les valeurs du critère (de
performance) de Nash obtenus en calibration et en validation, puis en secundo, les résultats de
la méthode d’intercomparaison développée dans le cadre de ce mémoire en adoptant deux
approches complémentaires : l’« approche par bassin » et l’« approche totalisante. »
IV.1. «Approche classique »
Figure 9 : diagrammes des « points-simulations » sur les 16 bassins versants. Les résultats
obtenus par le modèle GR2M [diagramme (a)], en abscisse on a les performances et
souplesses de « GR2M globale » mesurée à l’aide du critère de Nash, en ordonnée les
performances et souplesses de « GR2M semi-globale » mesurée également à l’aide du critère
de Nash. Les résultats obtenus avec le modèle modifié « GR2M.1/X1.WHC » sont sur le
[diagramme (b)]. Les deux diagrammes sont simulés avec les mêmes données et dans les
mêmes conditions (tableau annexe B.)
Sur le diagramme (a) de la figure 9, les points-simulations qui se trouvent sur la ligne
médiane attestent l’équivalence entre les versions semi-globale et globale du modèle GR2M,
ceux qui se trouvent au dessous de cette ligne attestent que la version GR2M globale est
meilleure par rapport à la version GR2M semi-globale et, ceux qui se trouvent au dessus de
cette ligne attestent que la version GR2M semi-globale est meilleure par rapport à la version
GR2M globale. Le diagramme (b) de la figure 9 répond à la même interprétation que le
diagramme (a) de la même figure mais avec le modèle modifié « GR2M.1/X1.WHC. »
Sur les 2 diagrammes on remarque l’agrégation des points autour de la droite médiane, et leur
prépondérance en dessous d’elle ; cette approche suggère donc, que la version GR2M globale
est meilleure par rapport au code numérique actuel de la version GR2M semi-globale.
On remarque une migration des points-simulations vers les valeurs élevées du critère de Nash
lorsqu’on passe du [diagramme (a)] au [diagramme (b)] ; ceci montre que le modèle modifié
« GR2M.1/X1.WHC» est meilleur par rapport au modèle GR2M, quelque soit le concept de
modélisation utilisé (semi-globale ou globale).
48
IV.2. «Approche par bassin »

Cette approche se base sur les résultats (d’intercomparaison) intermédiaires obtenus sur les
bassins élémentaires, pour conclure sur combien de bassin un modèle A est meilleur par
rapport à un modèle B.
Figure 10 : résultat de l’« approche par bassin ». Les points représentent les 16 bassins
versants, des « points-bassins ».
Sur le diagramme de la figure 10, un point d’intercomparaison (bassin de Kouroussa) se

trouve sur la ligne médiane, les versions semi-globale et globale de GR2M ont obtenus le
même score (15 sur 30) sur ce bassin versant. Les 9 points-bassins se trouvant en dessous de
la ligne médiane attestent que la version GR2M globale est meilleure par rapport à la version
GR2M semi-globale, le plus extrémal de ces points concerne le bassin de Koulikoro (le plus
grand en superficie). Les 6 points-bassins se trouvant en dessus de la ligne médiane attestent
que la version GR2M semi-globale est meilleure par rapport à la version GR2M globale, le
plus extrêmal de ces points concerne le bassin de Kérouane (il est parmi les plus petits en
superficie). Donc la version GR2M globale est meilleure par rapport à la version GR2M semi-
globale actuelle.
Les « points-bassins » s’alignent sur la médiane opposée (définie par l’équation : Y = 30-X,)
sauf pour ceux correspondant aux bassins sur lesquels on s’est restreint à la phase de
calibration des modèles, mais c’est facile de ramène ces points sur la médiane opposée.
Dans le but de faire une représentation cartographique des résultats de l’« approche par
bassin », on propose de repérer les points-bassins par l’angle formé par chacun de ces points
avec l’axe des abscisses (axe des scores du modèle GR2M globale). Un point-bassin qui se
trouvera sur cet axe (angle nul) attestera davantage l’excellence de GR2M globale par rapport
à GR2M semi-globale ; un autre formant un angle de 45° avec cet axe attestera l’équivalence
des versions semi-globale et globale de GR2M ; un dernier qui formera un angle de 90° avec
cet axe (donc se trouvant sur l’axe des ordonnées, qui est l’axe des scores du modèle GR2M
semi-globale ») attestera davantage l’excellence de GR2M semi-globale par rapport à GR2M
globale (figure 11.)
49
Figure 11 : carte issue de l’intercomparaison des versions semi-globale et globale du modèle

GR2M. Les chiffres désignent des angles en degrés. Sur la Legendre les bassins sont classés
par ordre de superficie croissante de haut vers le bas, Faranah est le plus petit bassin et
Koulikoro est le plus grand. A noter que les bassins sont imbriqués, les petits sont inclus dans
les grands, donc les grands bassins apparaissent que partiellement sur la carte. Le sens
d’écoulement du fleuve Niger (dans la zone) est : sud-ouest vers nord-est.
On pourrait réorganiser cette information cartographique en 8 classes d’un angle de 11.25°

chacune.
IV.3. «Approche totalisante »

Sur chacun des 16 bassins versants nous avons procédé à l’intercomparaison des modèles
sous 30 angles de vues différents (critère de Nash en calibration et validation, robustesse,
critère de Nash-Garrick…..), donc nous avons théoriquement 480 points d’intercomparaison
(30*16). Sur ces 480 points, seuls 412 ont pu être exploités (car nous nous sommes restreints
à la phase de calibration sur quatre bassins versants.). Nous pouvons représenter
graphiquement la part gagnée par chacun des deux modèles dans la distribution des 412
scores correspondants. La somme algébrique de toutes les différences de score (section III) est
égale à 78.
Nous avons : 412-78= 334 ; donc :
 la version GR2M globale à eu (334/2 + 78) = 245 points sur les 412.
 la version GR2M semi-globale à eu (334/2) = 167 points sur les 412.
Le tracé graphique est ci-dessous :
50
Figure 12 : résultat final de l’intercomparaison par « l’approche totalisante »
Sur la figure 12 apparaît clairement l’excellence, en termes de simulation de débits, de la

version globale du modèle GR2M par rapport au code numérique actuel de la version semi-
globale du même modèle.
Section V : propositions d’améliorations de la modélisation

hydrologique
Les calculs montrent que le modèle GR3M donne en général les valeurs les plus élevées en
termes de critère de performance mais aussi, les valeurs de ses paramètres (X1, X2 et
« WHC ») restent généralement les plus élevées, par rapport à celles du modèle GR2M.
Ces constats montrent déjà une dépendance des valeurs des paramètres X1 et X2 de GR2M
aux valeurs de WHC, et des tests ont montré qu’on peut extrapoler cette dépendance à la
variable pluie et probablement à la variable ETP. On peut penser que si on avait des contrôles
au niveau de chaque maille (débits de calages intermédiaires), on se rendrait compte que le
jeu de paramètres optimal (X1, X2) retenu favorise mieux certaines « classe de maille » par
rapport à d’autres.
Dans le modèle GR2M semi-global (actuel), la pondération de la lame produite sur les
différentes mailles i du bassin versant se base uniquement sur le pourcentage de participation
de chacune de ces mailles à la surface totale du bassin versant, ce qui serait correct dans un
contexte où on ferait tourner indépendamment un modèle global sur chacune des N maille du
bassin versant ; on aurait N jeu de paramètre optimal indépendant [X1, X2] avec leurs N
lames d’eau indépendante aussi. Donc il y a un biais au niveau de la pondération des lames
élémentaires, autrement dit, la moyenne pondérée des lames d’eau est biaisée dans la version
actuelle de GR2M semi-global.
Donc GR2M semi-globale avec un coefficient de pondération insuffisante donne des résultats
qui ne sont pas meilleurs par rapport à ceux de GR2M globale.
Dans un cas purement théorique (qu’on a testé en pratique) où on aurait les mêmes données
d’entrées au niveau de toutes les mailles du bassin versant, GR2M semi-globale (actuelle)
51
donne le même résultat que le modèle GR2M global. Dans les cas réels GR2M semi-globale
(actuelle) montre généralement une performance faible par rapport à GR2M globale.
Un cas théorique où on aurait un bassin carré de N maille le poids de pondération
(actuellement utilisé dans GR2M semi-globale) serait constante (=1/N) pour chacune des N
mailles.
Une nécessité apparaît de tester d’autres coefficients de pondération qui pourront contrecarrer
l’effet d’imposer un seul (X1, X2) optimal à toutes les mailles.
On partira des questionnements simples qui suivent pour proposer un possible forme générale
du coefficient de pondération.
Si on fait tourner GR2M global avec les données d’une seule maille à la fois :
Faut –il changer le coefficient de pondération utilisé dans GR2M semi-global, pour qu’il
donne plus de poids aux mailles qui simuleront mieux le débit à l’exutoire ?
Est-ce les mailles qui donneront lors de la calibration un jeu de paramètre [X1, X2] optimal
proche du jeu (X1, X2) optimal de GR2M semi-global sont celles à privilégier ?
Est-ce les mailles qui donneront en validation avec le (X1, X2) optimal de GR2M semi-global
(calé sur la même période) une valeur du critère de performance élevée sont celles à
privilégier ?
Quelle peut être la forme de ce coefficient de pondération qui privilégiera certaines mailles
par rapport à d’autres ? Et sur quels critères les choisirait t- on ?
En modélisation globale, lors de la phase d’optimisation le modèle GR2M propose un jeu de

paramètre optimal, qui est un compromis entre toutes les contraintes présentes lors de la
modélisation. Ces contraintes sont entre autres : les équations de définition du modèle, le
débit observé, le forçage extérieur du modèle (la pluie, l’ETP, le WHC…), et les variabilités
temporelles de ces forçages. En modélisation semi-globale un degré supplémentaire de
contrainte intervient du fait qu’on impose au modèle (en calibration) de fournir un jeu de
paramètre qui sera un compromis entre les différentes mailles (or certaines mailles seront
favorables à des valeurs faibles des paramètres et d’autres à des valeurs forte.)
On propose deux protocoles de synthèse des résultats en vue d’exploiter les constats
précédemment discutés :
V.1. Protocole 1, [Protocole inter-modèle], proposition de coefficients

de pondération
Lorsqu’on remplace les données d’entrée du modèle GR2M semi-globale par celles de
l’entrée de GR2M globale, en mettant bien sûre les mêmes valeurs moyennes des différentes
grandeurs (pluie, ETP, WHC) dans toutes les mailles : on constate que les deux modèles
donnent les mêmes résultats, à savoir les mêmes valeurs des paramètres X1 et X2, aussi la
même valeur du critère de performance. De ce constat on peut déduire que la différence
généralement constatée entre les résultats de GR2M semi-globale et ceux de GR2M globale
est due entre autres, à la dispersion des valeurs des grandeurs entre les mailles en entrée de
GR2M semi-globale. Pour éprouver cette déduction, on va s’intéresser à une probable
corrélation qui peut exister entre cette dispersion et la différence de performance remarquée
entre GR2M globale et GR2M semi-globale. On se propose pour chaque bassin donné de
prendre la différence de la valeur du critère de Nash trouvée par les deux modèles lors de leur
calibration sur une même période et de calculer le coefficient de corrélation entre la série
formée par ces différences de performances et la série formée par les coefficients de
52
dispersion relative des WHC des bassins versants. L’encadré et le tableau ci-après, explicite et
appuie ce protocole car on trouve un coefficient de corrélation de 0.78.
Figure 13 : Estimation de la corrélation entre la « variance spatiale de WHC » et la

« différence de performance entre les versions globale et semi-globale de GR2M », en
validation.
On a un coefficient de corrélation acceptable (0.77) pour supposer que l’information de la

dispersion des valeurs de WHC doit intervenir dans l’expression du coefficient de
pondération. Cette opération peut être envisagée sur la pluie et l’ETP qui sont les autres
variables dans GR2M, donc susceptibles d’intervenir dans l’expression du coefficient de
pondération des lames élémentaires, seulement que l’ETP à peu d’influence dans la
modélisation avec GR2M.
53
Proposition de coefficients de pondération des sorties de GR2M semi - global

La dispersion des valeurs du WHC se calcul à l'aide de l'expression
2
2
de sa variance empirique qui s'écrit : W 
1 m
.
HC m  1 i 1 WHC i  WHC  
Le coefficient de variation de WHC (ou son coefficient de dispersion relative) est :
2
2
1 m
.  WHCi  WHC
m  1 i 1
 
(WHC )  .100%
relative WHC
L ' objectif :
 est de vérifier s'il existe une corrélation entre,
" Nash(GR 2M )  Nash(GR 2 M 2
)" et (WHC ) .
globale semi  globale relative
( Le calcule du coefficient de correlation entre ces deux termes à donner 0,7)
- afin de proposer un probable coefficient de pondération basé sur la variance :
1
2 2
a
i  m

WHCi  WHC  ou
b
i 
WHCi  WHC 
2
i 1

 WHCi  WHC  m
 
 
 1
i 1  2
 WHCi  WHC  
1
2 2
a
i  m
 Pi  P  ou
b
i 
 Pi  P 
2
i 1

 Pi  P  m
 

1


i 1  2
  Pi  P  
1
2 2
a
i  m
 ETPi  ETP  ou
b
i 
 ETPi  ETP 
2
i 1

 ETPi  ETP  m
 

1


i 1  2
  ETPi  ETP  
S
ai  i (le seul coefficient utilisé dans la version actuelle de GR2M semi-globale)
S
Comme le modèle GR2M est paramétrique, si on opte pour une sommation directe
des différents termes on aura :  coef  i = ai  i  i   i ; sinon l 'expression générale
du coefficient de pondération est :  coef  i 

num(ai )  num(i )  num(i )  num( i ) .
deno(ai )  deno(i )  deno(i )  deno( i )
i
Impacts des coefficients dans GR2M semi-globale
Test des coefficients,
%S %S
 coef  i = S i  ia et  coef  i =
S
i  b
i
54
Les diagrammes de la figure 14 ci-après, suggère que l’intervention des coefficients i et i

a b
améliore la modélisation semi-globale. L’amélioration obtenue avec ib est meilleure par
rapport à celle obtenue avec i . Donc l’exploitation de l’information de variance
a
(dispersion) de WHC dans GR2M est bénéfique, non seulement ça permet d’améliorer la
modélisation, mais aussi ça constitue une perspective d’intégrer, dans la modélisation
hydrologique, les changements locaux sur les bassins versants.
Capppelaere et al. (2003) ont exploités l’information de la variance des séries temporaires de
débits (et de volumes) dans l’expression de leur critère de performance des modèles. Ici on a
utilisé l’information de la variance d’une série spatiale de WHC (bassin de Koulikoro) pour
améliorer la modélisation semi-globale.
Figure 14 : le diagramme (a) est construit à partir des résultats de simulation de la version
GR2M globale et GR2M semi-globale (actuelle) sur le bassin de Koulikoro (calibration et
validation croisée entre les périodes 1911- 1970 et 1971-1995). Le diagramme (b) présente les
mêmes résultats du (a) mais avec la version GR2M semi-globale utilisant le coefficient de
%Si
pondération  coef  i =  ia en ordonnée. Le diagramme (c) présente les mêmes résultats
S
du (a) mais avec la version GR2M semi-globale utilisant le coefficient de
%Si
pondération  coef  i =  ib en ordonnée. Le diagramme (d) présente les résultats de
S
%Si
simulation avec la version GR2M semi-globale [  coef  i =  ia ] en abscisse et la
S
%Si
version GR2M semi-globale [  coef  i =  ib ] en ordonnée.
S
55
V.2. Protocole 2 : [Protocole inter- bassin]

Ici intéressons-nous uniquement au modèle GR2M semi-global. La validation de ce dernier
sur les différents sous-bassins, avec les valeurs des paramètres (X1, X2) calées sur le grand
Bassin défini à la station de Koulikoro, peut constituer une source d’informations à exploiter.
A cette cause on peut prendre sur une même période, la différence entre la valeur du critère de
performance obtenue en calage sur un sous-bassin donné et la valeur de ce critère obtenue en
validation (avec X1 et X2 calé sur le grand bassin défini à la station de Koulikoro) sur le
même sous bassin. On peut considérer cette différence comme une manière de quantifier l’
« influence » d’un sous-bassin lors du calage du jeu de paramètres (X1, X2) du grand bassin
défini à la station de Koulikoro: plus la différence est faible, plus le sous-bassin à eu une
influence notable lors de ce calage.
On calculera le coefficient de corrélation entre la série formée par ces« influences » et celle
formée par les écarts entre le WHC moyen du grand Bassin défini à la station de Koulikoro et
celui des sous-bassins respectifs. La figure 15 permet une appréciation visuelle de la
possibilité d’une corrélation entre les deux séries en jeu.
Figure 15 : calcul du coefficient de corrélation (-0.33) entre l’écart des WHC des sous-
bassins avec celui du bassin de Koulikoro et l’écart des valeurs du critère de Nash obtenu en
phase de calibration avec celles obtenue en validation [utilisant le jeu de paramètres (X1, X2)
calés sur le bassin de Koulikoro.]
La valeur du coefficient de corrélation est faible (-0,33), donc on ne peut rien conclure en se
basant uniquement sur ce chiffre concernant la corrélation entre les deux série d’« écarts » en
jeu; néanmoins, l’appréciation visuelle de la distribution des points du diagramme (figure 15)
conclue en faveur de l’existence d’une corrélation inverse entre les deux séries. Donc le
protocole 2, avec une approche régionale, vient appuyer le protocole 1 concernant
l’intervention de l’information de la dispersion des valeurs du fichier WHC, dans
l’expression de la pondération des lames d’eau de GR2M semi-globale.
56
V.3. Formule d’atténuation des incertitudes, et application

Formule d'atténuation d'incertitudes des sorties des modèles (GR2M semi-globale et GR2M globale).
Salif koné, master R2E 2006/2007.
Hypothèse de base : à tout protocole de simulation est associé une incertitude  .
 
2
Soit  k une composante de  , au k ième pas de temps de simulation. Soit e k l'écart quadratique entre la lame d'eau
SG
 
2
simulée Lk en modélisation semi-globale et une grandeur réf k pris comme "référence" ; e k en est de même en
SG G
       
2 2 2 2
modélisation globale, avec LkG et la même référence . eSG
k  LkSG  réf k ; k
eG  LkG  réf k ,
 2 2 
1 m  1 m  1 m 
choisisons, ici, ref k    .  ai  Pik    .  ai  Eik    .  ai  Eik   , cette expression apparaît
  m i 1   m i 1   m i 1  

 
dans la thèse de Charles PERRIN (2000), sous une forme différente (section 1 du présent mémoire).
Enfin soit α , β et c des paramètres positifs. On pose:
   
2 2
m.  k = α. e k (1) modélisation semi-globale, il y a une même incertitude liée aux calculs
SG
sur chacune des m mailles du basin versant (m  2) .
 k   
2 2
= β. e k (2) modélisation globale, une incertitude lui est liée.
G
(1)-(2)  m.  k  -  k  = α.  e k  -β.  e k 
2 2 2 2
SG G
   
2 2
α. e k -β. e k
       
2 2 2 2 SG G
k k
.(m-1) = α. eSG k
-β. eG  k = (3)
(m-1)
 
2
Cette équation contient 3 inconnues qui sont α, β et  k ; elle reste irrésolvable sauf si on connait au moins les
valeurs de deux des trois inconnues (ou une rélation complémentaire avec une hypothèse sur l'une des inconnues).
Un procédé simple serait de choisir α =β = c 2 afin d'exprimer une incertitude notée ε k :
 eSG  -  eGk 
2 2
k
 k  c. (4) formule finale.
(m-1)
Ainsi: Lk Lk k Lk Lk k
SG corrigiée  SG   G corrigiée  G  
;
Faut-il ajouter ou retirer  k ? quelle valeur pour le paramètre c ?

Avec c = 1 : (i) les calculs montrent une amélioration de la performance des modèles, si on prend :
k
k , LSG k k
 LSG , k , LkG  LkG   k ;
(corrigé ) (corrigé )
ce qui corrobore l'analyse des bilans, ici les modèles (GR2M, même GR3M) surestiment la lame totale dans toutes
les simulations (Nash comme fonction objectif), aussi les bilans mensuels montrent que seuls les débits des 3 mois
de périodes de hautes eaux sont sousestimés, et que ceux des autres mois ainsi que le bilan total sont surestimés.
(ii) les calculs montrent une dégradation de la performance des modèles, si on prend :
k , Lk  Lk   k ; k , Lk  Lk   k
SG (corrigé ) SG G ( corrigé ) G
k
NB : Partant de l'incertitude  et des spéculations on a construit deux équations mathématiques, l'une (1) concernant
la modélisation semi-globale (SG) et l'autre (2) la modélisation globale (G); partant desquelles on établit
l'équation (3) en  k , et enfin à travers une supposition (α =β = c 2 ) on établit l'équation (4) en  k .
(cet  k serait une composante de  k dans une autre base).
57
Dans ce mémoire est proposée une formule d’atténuation d’incertitudes qui est applicable à
tous les résultats de la modélisation (phase de calibration, validation et simulation des
modèles). On part des informations de sorties des versions semi-globale et globale du modèle
(GR2M) pour affiner ces mêmes informations. En phase de calibration et validation, la
fonction diagnostique (objectif) permet d’apprécier l’amélioration apportée à la modélisation.
Les encadrés suivant détaillent l’établissement de cette formule et, l’analyse des diagrammes
de la figure 16 soutiennent sa crédibilité.
Proposition de formule d'atténuation d'incertitudes des sorties des modèles (Application).

Salif koné, master R2E 2006/2007.
   
2 2
ek - ek
SG G
 k  c. k
; eSG  LkSG  ref k , eGk  LkG  ref k ,
(m-1)
 2 2 
1 m  1 m  1 m 
ref k    .  ai  Pik    .  ai  Eik    .  ai  Eik   .
  m i 1   m i 1   m i 1  

 
(1) k, LkSG ( corrigée )  LkSG   k et ; k, LSG ( corrigée )  LSG   .
k k k
Sur les mini-graphiques inclus dans les tableaux de l'annexe A, on constate que les mois où les débits
sont sous-estimés par les modèles (périodes de hautes eaux) coïncident généralement à la situation LkSG  LkG ,
on peut alors exploiter cette observation à deux niveaux.
   L   
2 2
En posant a k  LkSG k
G et b k  2. LkSG  LkG .
on réécrit :  k 
c 1
. a k  ref k .b k , c  0, m  2.
2
m 1
(2) Hypothèse faible :
Si LkSG  LkG alors : LkSG ( corrigée )  LkSG   k et LkSG ( corrigée )  LkSG   k ;
sinon : LkSG ( corrigée )  LkSG   k et LkSG ( corrigée )  LkSG   k .
(3) Hypothèse forte :

Si LkSG  LkG alors : LkSG ( corrigée )  LkSG   k + LkSG  LkG   
et LkSG ( corrigée )  LkSG   k + LkSG  LkG ;

sinon : LkSG ( corrigée )  LkSG   k + LkSG  LkG   
et LkSG ( corrigée )  LkSG   k + LkSG  LkG .
Ces trois cas sont testés dans ce mémoire, figure 16, et tableau Q (annexe B).
58
Figure 16 : le diagramme (0) présente quelques résultats de simulation des versions semi-
globale et globale de GR2M. Le diagramme (1) présente les mêmes résultats après avoir
appliquer la formule d’atténuation d’incertitudes. Le diagramme (2) présente les mêmes
résultats après avoir appliquer la formule d’atténuation d’incertitudes sous sa forme issue de
l’hypothèse faible. Le diagramme (3) présente les mêmes résultats après avoir appliquer la
formule d’atténuation d’incertitudes sous sa forme issue de l’hypothèse forte.
On constate une amélioration du critère de Nash chaque fois que la formule d’atténuation
d’incertitude fonctionne bien sur un bassin donné [par exemple, le premier point du
diagramme (0) est déplacé vers les valeurs élevées du critère de Nash sur le diagramme (1)],
chaque fois qu’une hypothèse (faible ou forte) est vérifiée les résultats du critère de Nash est
amélioré par rapport au diagramme précédent (pour un bassin versant donné). Dans un cas
parfait où la formule et les deux hypothèses sont vérifiées (exemple du Bassin de Koulikoro),
le résultat du critère de Nash correspondant à l’hypothèse forte avec le modèle GR2M semi-
global est équivalent à celui correspondant à l’hypothèse faible avec le modèle GR2M global.
Les données qui ont permis d’établir les diagrammes de la figure 16 se trouvent dans le
tableau Q (annexe B.)
V.4. Expressions analytiques du modèle GR2M, versions semi-

globale et globale.
Un modèle numérique se présente généralement comme une série de définition mathématique
qu’on fournit à l’ordinateur. Au-delà de ces définitions mathématiques, il existe pour le
modèle GR2M une expression analytique qui permet d’avoir la lame d’eau simulée. Lors du
présent mémoire j’ai établis cette expression analytique dans sa forme la plus générale.
Cette expression est alimentée en variable par deux autres expressions « pilotes » qui
représentent respectivement, l’évolution du « réservoir sol »et l’évolution du « réservoir
gravitaire.». Ces trois expressions sont présentées ici avec un bref commentaire les
concernant.
GR2M dans sa version globale est un modèle à deux réservoirs, le « réservoir sol » et le
« réservoir gravitaire » ; dans sa version semi-globale c’est un modèle à plusieurs réservoirs
dont le nombre est un multiple de 2, le coefficient multiplicateur étant le nombre de maille
59
d’entrée. Ces expressions font apparaître clairement le besoin d’améliorer la version semi-
globale de GR2M, car sur chaque maille on a choisit de maintenir le même jeu optimal de
paramètres (X1, X2) ; ce qui justifie les efforts consenties dans ce présent mémoire à proposer
une expression convenable de ce coefficient, qui tend à compenser le fait d’imposer le choix
d’un seul jeu de paramètre à toutes les mailles.
GR2M fonctionnant sur une maille i et en un instant k est composé :

 D’une « expression principale », qui représente l’évolution de la lame d’eau simulée à
l’exutoire du bassin (donc du débit), elle n’est pas récursive et elle dépend des
expressions de l’évolution des réservoirs « sol » et « gravitaire » à l’instant précédant
(k-1.)
 D’une première « expression secondaire », qui représente l’évolution du « réservoir
gravitaire », elle est récursive dans le temps (c’est-à-dire qu’elle dépend d’elle-même
au pas de temps précédant), elle dépend aussi de l’expression du réservoir sol à
l’instant précédant (k-1.)
 D’une deuxième « expression secondaire », qui représente l’évolution du « réservoir
sol », elle est récursive dans le temps (c’est-à-dire qu’elle dépend d’elle-même au pas
de temps précédant).
En modélisation globale on a une seule « grande maille » qui est le bassin versant dans son
ensemble or en modélisation semi-globale on fait une moyenne pondérée de la lame produite
sur les différentes mailles i. Sur les pages suivantes sont présentées les expressions générales
des trois niveaux de GR2M : débit, « réservoir gravitaire », et « réservoir sol ».
60
EXPRESSION ANALYTIQUE DE LA LAM E D'EAU SIM ULEE PAR LE M ODELE G R 2M .

   
   
   
    k k   
    X 1.Pi  .  X 1.Ei    
 X .P k      
    
   1 i  1 1   
   
. k    
. k  
   
     X P   X E     
   
1 i   1 i    

  H k 1  W H Cik .tan h      
  (2)i W H Ci k   
     
     
      
      
      
 X .Pik  .  X .Eik 
    

 
Lik  .  X   . X   .  X .Pik  1   1      k 1  . X .S k 1
 2 2  
  1       
 H
(2)i   2 (2)i
 1 1 k k 


 k    k  

    X 1.Pi  .  X 1.E i    
X . P  X . E    X .P k        
  1 i 
 
 1 i  
     1 i 
   
     1 1
       k   k     
     X 1.Pi    X 1.E i     
          
  tanh      
  k   
  W H C   
 i
     
     
     
     
     
 

1  H k 1.    

 ( 2 )i W HC ik 
   
   
Petit k est l'indice sur le pas de temps de la simulation, il varie de 1 à grand K .

Petit i est l'indice les mailles du bassin versant.
à l'instant k le calcul de Lki necessite la connaissance de S k 1 et H k 1 (donc de l'instant précédent (k-1)) . L'expression de calcul
(2)i (2 )i
de la lame Lki n'est pas une rélation récursive par opposition à celles des niveaux en eau des réservoirs "sol" et "gravitaire".
La lame totale d'eau écoulée serait la moyenne pondérée des lames simulées les mailles i.
Soit N le nombre total de maille du bassin versant considéré, une simplification de l'expression du coeficient de pondération est :
% Ai
a = , avec % Ai la portion de la surface de la maille i incluse dans le bas sin versant, et A est la surface totale du bassin.
i A
i N 
Lame k  1. k
 a .L 
simulée N i 1  i i 
A
Pour passer au débit simulé correspondant à l'instant k : Q k  .L am e k ,  t etant le pas de temps de la simulation.
t sim ulée
  
 

 X .Pi1  .  X .Ei1  
  X .Pi1   1   1  
   1  
 1 1
    1   1   
   X 1.Pi    X 1.Ei  
  


X .Pi1  .  X .Ei1         
Li( k 1)   X   . X   . 
  X .Pik   1   1 

  W H C 1.tanh 

    .
 2 2   1  1 1 i 
W H C i1 
 
  1   1    
   X . P    X . E  
  
 
1 i   1 i   
  
   
 
  
  
  
61
E X P R E S S I O N A N A L Y T I Q U E D E L 'E V O L U T I O N E N E A U D U " R E S E R V O I R G R A V I T A I R E "

     
     
    
 X 1 . Pi k 
 
X 1 . Pi k . X 1 . E ik  

 
      
 

 X .P k   X .E k 
   
1 1
     
  H k 1  W H C k . t a n h     
1 1
 
i i

    (2 )i i    
 W H C ik 
     
        
S (k2 ) i  1  X

 .  S (k2)1i  1  

 .   X 1 . Pi k 
 
X 1 . Pi k . X 1 . E ik   
  
 


  k 1
  

   H

  
2 (2)i
     
 
 X .P k   X .E k
    X 1 . Pi k . X 1 . E ik 
1 1
 
   
1 i 1 i


    X 1 . Pi k  
  
 
 
 X .P k   X .E k  
   
1 1
   
     
1 i 1 i
   
  ta n h   
  W H C ik 
       
       
       
  1  H (k2) 1i .   

   W H C ik  
      
P e t i t k e s t l 'i n d i c e s u r l e p a s d e t e m p s d e l a s i m u l a t i o n , i l v a r i e d e 1 à K .
P e t i t i e s t l 'i n d i c e l e s m a i l l e s d u b a s s i n v e r s a n t .
à l 'i n s t a n t k l e c a l c u l d e H k
(2 )i n e c e s s i t e l a c o n n a i s s a n c e d e S (k2) 1i e t H k 1
(2 )i d e l 'i n s t a n t p r é c é d e n t ( k - 1 ) : l a r é l a t i o n e s t r é c u r s i v e .
C o n d itio n d e d é p a r t (a v a n t le p r e m ie r p a s d e te m p s ) : H 0
(2 )i  S (02 ) i  0
 H (k2) 1i  H (02 ) i  0 , l e n i v e a u i n i t i a l e d u " r é s e r v o i r s o l " e s t f i x é a u d é b u t d e l a s i m u l a t i o n
A u p r e m i e r p a s d e t e m p s ( k = 1 ) :  k 1
 S ( 2 ) i  S (02 ) i  0 , l e n i v e a u i n i t i a l e d u " r é s e r v o i r g r a v i t a i r e " e s t f i x é a u d é b u t d e l a s i m u l a t i o n

 S (k2) 1i = 0
 2
 S ( 2 ) i s e c a l c u l r a p i d e m e n t e n r e m p l a ç a n t l 'i n d i c e k p a r 2 d a n s l 'e x p r e s s i o n r é c u r s s i v e ( c i - d e s s u s )
 3
 S ( 2 )i  ...
 ...

 k 1
 S (2 )i
 k
 S (2 )i
 k 1
 S (2 )i
 ...
 K
 S ( 2 ) i
N IV E A U E N E A U D U " R E S E R V O IR G R A V IT A IR E " D E G R 2 M . A U 1 e r E T 2 è m e P A S D E T E M P S D E S IM U L A T IO N .
S (K2 )i1  0 ( f i x é a u d é p a r t )





 X 1 . Pi k 
 
X 1 . Pi k . X 1 . E ik  


    
  
 X .P k   X .E k
 
1 1
  

  X 1 . Pi k . X 1 . E ik       
 .  1  
1 i 1 i
S (k2) i2  1  X 2  .   X 1 . Pi k  
  W H C ik . t a n h  
   
 X .P k   X .E k
   W H C ik 
1 1
 

    1 i 1 i


  
   
     
62
EXPRESSION ANALYTIQUE DE L'EVOLUTION EN EAU DU "RESERVOIR SOL" DE GR2M.

 
 
 
 X1.Pi 
k 
X1.Pi . X1.Ei
k
 k
 

  1 
 X .Pk   X .Ek    
   
1

 H k 1  WHCk .tanh   1 i   
1 i
 
    
(2)i

i k
 WHCi   X1.Pi k . X1.Eik
    X .E k
 
1 i 1 
    X .Pk   X .Ek   
   
1
  
   . 1 tanh   1 i 1 i
 
   
 
 . k


X1.Pi . X1.Ei
k
 k
  

 WHCi k

 X1 i P 1    
 

 X .Pk  X .Ek 
  
1
  
  
   1 i 1 i
     
tanh   
 WHC k
  i  
   
   
 1  H(2) k 1   
i.
 
k
WHC
i 
k i
H(2)
  
  
  
 . k

 
X1.Pi k . X1.Eik   
 
  X 1 P i 1 
  
  
 X .Pk   X .Ek  

1
 
  H k 1  WHCk .tanh  

1 i 1 i   
  
     (2)i
 
i k
X1.Pi . X1.Ei
k k
 WHCi  
 X1.Eik   
  
1 
  X .Pk   X .Ek     
   
1
 
  1 i

1 i  
 1    
1  tanh   .  1  .  
 WHCik   WHCi 
k

 . k


X1.Pi k . X1.Eik  


   X P
1 i 1  
  X .Pk   X .Ek   
   
1
   
    
1 i 1 i
  
 tanh  
 WHCi k 
    
    
    
  1 H(2) k 1
.i   
 
k
 WHC i
Petit k est l'indice sur le pas de temps de la simulation, il varie de 1 à K.

Petit i est l'indice les mailles du bassin versant.
K 1
à l'instant k le calcul de H(2)
k
i necessite la connaissance de H(2)i de l'instant précédent (k-1) : la rélation est récursive.
i 0
0
Condition de départ (avant le premier pas de temps) : H(2)
k 1
Au premier pas de temps (k= 1) : H(2) 
i  H(2)i  H(2)i  0, le niveau initiale du "réservoir sol"est fixé au début de la simulation
0 1

NIVEAU EN EAU DU "RESERVOIR SOL" DE GR2M. AU 1er ET 2ème PAS DE TEMPS DE SIMULATION.
K 1
H(2) i  0 (fixé au départ)

 X1.Pi k 

X1.Pi k . X1.Eik 


 
 X1.Eik 
X1.Pi k . X1.Eik 

  
 
  X .Pk   X .Ek       X .Pk   X .Ek   
       
1 1 1 1
k 2
  1 i 1 i      1 i 1 i  
i  WHCi .tanh  . 1  tanh  
k
H(2) k k
 WHC i   WHC i 
   
   
    
63
Conclusion et perspectives
Cette étude a montré, à travers des calculs robustes, que le code numérique du modèle GR2M
semi-globale à besoin d’être rehausser.
Lorsqu’on se contente de mener la comparaison qu’en termes du critère de Nash (qui mesure
la performance ou la souplesse d’un modèle) en calibration et validation, on constate que sur
28 simulations, 22 attestent que le modèle GR2M global est meilleur par rapport au modèle
GR2M semi-global, tandis que 6 seulement attestent en faveur du modèle GR2M semi-global
(figure 9)
Un nouveau protocole d’intercomparaison de modèles (établit lors de ce mémoire), qui a la

spécificité d’intégrer en son sein la quasi-totalité des qualités sur lesquelles on apprécie
généralement un modèle, a conduit à deux résultats complémentaires.
(i) « approche par bassin » : sur les 16 bassins versants, 9 attestent que le modèle
GR2M global est meilleur par rapport au modèle GR2M semi-global, 1 bassin atteste
l’équivalence des deux modèles, et les 6 bassins restant attestent en faveur du modèle GR2M
semi-global (figure 10 et 11) ;
(ii) « approche totalisante» : en exploitant une spécificité de ce nouveau protocole
d’intercomparaison de modèle, qui est d’attribuer un score à un modèle A chaque fois qu’il se
montre meilleur par rapport à un modèle B, on peut faire une statistique avec la totalité des
scores sur les différents bassins versants. Donc sur 412 points d’intercomparaison (qui
correspondent à des calculs réels), le modèle GR2M global emporte 245 (soit 59%) contre
167 pour le modèle GR2M semi-global (41%), (figure 12).
Une proposition de modification de la structure du modèle GR2M, accompagnée de ses

validations, a conduit à une amélioration notable des résultats de simulation de ce dernier. La
version modifiée « GR2M.1/X1.WHC » donne en modélisation globale des résultats meilleurs
par rapport à la modélisation semi-globale en utilisant le code actuel de ce dernier. (Figure 9)
Le fait que le modèle GR2M global se présente meilleur par rapport au code numérique actuel
du modèle GR2M semi-global, est probablement dû à l’expression du coefficient de
pondération (des lames d’eau) utilisée dans GR2M semi-global (actuel). Dans ce mémoire est
donc présentée une proposition de coefficient de pondération qui tient compte de la dispersion
des valeurs contenue dans les fichiers en entrée du modèle GR2M semi-global. À l’issue de ce
mémoire j’ai établis l’expression analytique du modèle GR2M.
Une bonne perspective serait d’intégrer dans GR2M semi-globale une expression convenable
du coefficient de pondération, des lames d’eau simulée sur les mailles élémentaires, ce qui
donnerait davantage de crédibilité aux informations intermédiaires produites sur ces mailles,
aussi une prise en compte efficace des changements environnementaux et hydroclimatiques
les concernant.
64
Bibliographie
ARDOIN-BARDIN S., 2004. Variabilité hydroclimatique et impacts sur les ressources en eau
de grands bassins hydrographique en zone Soudano-Sahélienne. Thèse de Doctorat.
Université Montpellier II.
BRUNET-MORET Y., CHAPERON P., LAMAGAT J.P., MOLINIER M., 1986.
Monographie hydrologique du fleuve Niger. Coll. Monnog. Hydrol. No. 8, ORSTOM, Paris.
Tome I: Niger supérieur.
CAPPELAERE B., VIEUX B. E., PEUGEOT C., MAIA A., SEGUIS L., 2003. Hydrologic
process simulation of a semiarid, endoreic catchment in Sahelian West Niger. 2. Model
calibration and uncertainty characterization. Journal oh Hydrology 279 (2003) 244-261.
EDIJATNO, MICHEL C., 1989. Un modèle pluie-débit journalier à trois paramètres. La
Houille Blanche 2, 113-122.
GARRICK M., CUNNANE C., Nash J.E., 1977. A criterion of efficiency for rainfall-runoff
models. Journal of Hydrology, 36 (1978) 375-381.
KABOUYA M., 1990. Modélisation pluie-débit au pas de temps mensuel et annuel en Algérie
septentrionale. Thèse de doctorat. Université Paris XI.
MAIDMENT D.R., 1993. Handbook of Hydrology, McGraw-Hill International Edition. ISBN
0-07-039732-5
MANDEVILLE A.N., O’CONNELL P.E., SUTCLIFFE J.V., NASH J.E., 1970. River flow
forecasting through conceptual models part III- The ray catchments at grendon underwood.
Journal of Hydrology 11 (1970) 109-128.
NASH J.E., SUTCLIFFE J.V., 1970. River flow forecasting through conceptual models part
I- A discussion of the principles. Journal of Hydrology 10 (1970) 282-290.
NELDER J.A., MEAD R., 1964. A Simplex method for function minimization. The
Computer Journal 7(4), 308-313.
O’CONNELL P.E., NASH J.E., FARRELL J.P., 1970. River flow forecasting through
conceptual models part II- The Brosna catchments at ferbane. Journal of Hydrology 10 (1970)
317-329.
PERRIN C., 2000. Vers une amélioration d’un modèle global pluie-débit au travers d’une
approche comparative. Thèse de Doctorat. Institut National Polytechnique de Grenoble.
ROSENBROCK H.H., 1960. An automatic method for finding the greatest value or least
value of a function. The Computer Journal 3, 175-184.
SAGHAFIAN B., 2006. Nonlinear transformation of unit hydrograph. Journal of hydrology.
November 2006. ISSN: 0262-5557.
SERVAT E., DEZETTER A., 1990. Sélection de critères numériques de calage dans le cadre
d’une modélisation pluie-débit en zone de savane soudanaise. Hydrol. Continent, vol. 5, n°2,
1990: 147-165.
Site WEB à visiter :

 http://www.cemagref.fr/webgr/index.htm
 Glossaire de la modélisation, http://www.aiaccess.net/
65
Annexe A
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
Annexe B
Tableau Q : résultats avant et après l’application de la formule d’atténuation des incertitudes avec
GR2M, et résultats des simulations du modèle modifié « GR2M.1/X1.WHC.»
98
Résumé
Ce travail de mémoire (Master 2 recherche) porte sur la comparaison entre une version semi-
globale et une version globale du modèle GR2M (Modèle du CEMAGREF - Génie Rural à 2
paramètres au pas de temps Mensuel).
Un nouveau protocole d’intercomparaison des modèles qui a la spécificité d’intégrer en son

sein la quasi-totalité des qualités sur lesquelles on apprécie généralement un modèle, a
conduit à deux résultats complémentaires sur 16 bassins versants hydrologiques de l’Afrique
de l’Ouest.
(i) « approche par bassin » : sur 16 bassins hydrologiques, 9 attestent que le modèle
GR2M global est meilleur par rapport au modèle GR2M semi-global, 1 bassin atteste
l’équivalence des deux modèles, et les 6 bassins restant attestent en faveur du modèle GR2M
semi-global.
(ii) « approche totalisante » : en exploitant une spécificité de ce nouveau protocole
d’intercomparaison de modèle, qui est d’attribuer un score à un modèle « A » chaque fois
qu’il se montre meilleur par rapport à un modèle « B », on peut faire une statistique avec la
totalité des scores sur les différents bassins hydrologiques. Donc sur 412 points
d’intercomparaison (qui correspondent à des calculs réels), le modèle GR2M global emporte
245 (soit 59%) contre 167 pour le modèle GR2M semi-global (41%).
Une proposition de coefficient de pondération dans la définition du modèle "GR2M semi-

global" a permit de rendre ce dernier meilleur par rapport au modèle "GR2M global".
Une modification dans la structure du modèle GR2M a permit à celui-ci d'accroître sa

performance de simulation, en modélisation semi-globale et globale.
Une formule d'atténuation d'incertitudes, proposée ici, utilise les résultats simulés par les
deux versions de GR2M en compétition (semi-globale et globale), pour proposer une
amélioration de ces mêmes résultats. Ce travail de mémoire a permit d'établir l'expression
analytique du modèle GR2M.
Mots-clés :
Hydrologie, Bassin versant, modélisation, GR2M, intercomparaison, incertitudes.
99
100

Hydrologue Memoire Master Recherche Salif Kone

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Hydrologue Memoire Master Recherche Salif Kone

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITE MONTPELLIER II

ANNEE UNIVERSITAIRE 2006/2007

MASTER : BIOLOGIE GEOSCIENCE AGRORESSOURCE

SPECIALITE : RECHERCHE EAU ET ENVIRONNEMENT (R2E)

RAPPORT DE MEMOIRE (DEA)

« COMPARAISON ENTRE UNE MODELISATION SEMI-

Stage effectué du 10 janvier au 25 Juin 2007, à HydroSciences Montpellier (HSM), et au

Mémoire soutenu le 03 Juillet 2007 à l’Université Montpellier II.

16 JUILLET 2007(révision 08 FEVRIER 2010)

Je dédicace ce mémoire à mon père Siaka Koné et à ma mère Haoua Mariko.

Mémoire soutenu le 03 juillet 2007 à l’Université Montpellier II.

Président du Jury : Dr. Eric Servat (Laboratoire HydroSciences Montpellier)

A proposition of a level-headedness coefficient in the definition of the model “GR2M semi-

Table des matières

III.2. Bassin défini à la station de Banankoro, sur le NIGER, au Mali ............................... 33

Définition des termes

Figure 2 : les compartiments et les échanges de flux du cycle hydrologique.

Figure 3 : Bassin versant topographique, délimité par la ligne de crête de la topographie.

Chapitre 1 : Modélisation de la relation pluie-débit

1.1 Objectifs et enjeux de la modélisation de la relation pluie-débit

1.2. Processus général de déroulement de la modélisation pluie-débit

1.2.1. Phase de calibration du modèle

Il existe plusieurs méthodes d’optimisation et plusieurs critères d’appréciation de la

Certains concepteurs de modèles mettent en avant la nécessité d’opter pour un changement

Exemple de changement d'échelle des paramètres à ajuster:

Les critères numériques d’appréciation de la performance de modèles peuvent différer sur

À la notion de calibration, on associe de plus en plus la notion d’équifinalité qui peut

1.2.2. Phase de validation du modèle

1.2.3. Phase de simulation par le modèle

1.3. Le modèle GR2M

1.3.1. Fonctionnement de GR2M

M o d è le G R 2 M u tilis é e (a v e c :  = 2 , A = "W H C ",  = 0 )

Figure 5 : schéma du modèle conceptuel GR2M.

1.3.2. Données d’entrée de GR2M

1.3.3. Données de sortie de GR2M: débits Q

1.3.4. Notions de globalité et semi-globalité dans GR2M

Figure 6 : modélisation semi-globale (ARDOIN-BARDIN S., 2004)

Chapitre 2 : Quelques outils de comparaison de modèles

2.1. Outils d’appréciation de la performance des modèles, et coefficients

2.1.1. Critère de Nash

La formulation de la fonction Objectif de Nash (noté R2) est la suivante :

si q represente la série actuelle des débits sur l'intervalle de temps

choisi et q la série des débits correspondante simulée par le modèle,

Plus les sorties de simulation du modèle se rapproche de l’observation, plus la valeur du

pour la forme logarithmique :

L'éfficience est définie par: R 2

k est l'indice portant sur le pas de temps.

pour la forme racine carrée :

L'éfficience est définie par: R 2 F12racine

2.1.2. Propositions d’améliorations du critère de Nash, Garrick et al.

P re m ie r c ritè re p ro p o s é p a r G A R R IC K e t a l. (1 9 7 7 ) : c ritè re N a s h -G a rric k

 N B : A v e c c e tte n o ta tio n l'e x p re s s io n d u d é n o m in a te u r 

Dans un contexte de modélisation utilisant GR2M au pas de temps mensuel, on aura 12

2.1.3. Approche de la robustesse d’un modèle

La technique du double échantillon, se réduit à une expression mathématique, dans laquelle

k : e st l'in d ic e p o rta n t su r le p a s d e te m p s d e la m od é lisa tion .

*le c on c e p t d e "p é riod e d e m ise e n rou te " d e s m od è le s, p e rm e t d 'a tté n u e r

2.1.4. Coefficients d’appréciation du bilan volumique

C o efficien ts d 'ap p réciatio n s d u b ilan vo lu m iq u e

2.2. Outils d’intercomparaison des modèles

Section II : Contexte et méthodologies

Chapitre 1 : contexte hydrologique et climatique du support d’études

1.1. Présentation géographique du support d’étude

Figure 7a : les bassins versants étudiés.