Inventory and diagnosis of simple existing flood forecasting models on the Seine River basin | Inventaire et diagnostic des modèles simples de prévision des crues déjà existants sur le bassin de la Seine

[Departement_IRSTEA]RE [TR1_IRSTEA]RIE / TRANSFEAU

英语. The flood forecasting service at the Ile-de-France regional environment direction (DIREN) is responsible for flood forecasting on a part of the Seine River basin that includes the Paris greater area and the sub-basins of the Yonne and Loing Rivers. The objective is presently to achieve good flood forecast at Paris three days ahead. To this aim, the flood forescating service is presently improving its forecasting tools. A first work is to do the inventory and diagnosis of the existing forecasting tools, which is the objective of the present study. The assessment work followed the following phases: Phase 1. Inventory of simple existing models. The selected models are: i) an artificial neural network (ANN), ii) linear regression models between stations, iii) Bachet rule sticks, iv) two versions of the GR rainfall-runoff model (GR3P and GR4J) and v) the PQB model Phase 2. Constitution of a database: An important database was constituted at the hourly time step over the 1995-2004 period. Data were collected for more than 100 raingauges and 5 flow gauging stations were studied: the Seine River at Paris-Austerlitz, the Marne River at La Ferté, the Seine River at Bazoches, the Yonne River at Courlon and the Loing River at Episy. Phase 3. Catchment hydrological characterisation: This analysis showed that the reaction of the studied catchments to rainfall was less than 48h. Phase 4. Test of the model efficiency for flood forecasting: An homogeneous test protocol was built for all models. For a 72h lead time at the Paris-Austerlitz station and without rainfall forecasts, several models seem to be interesting, among which are the GR3P model and the ANN. When information on upstream stations are used, the ANN performs best. Among the models that can use rainfall forecasts, the GR models give the most satisfactory results. On the upstream catchments (Marne, Yonne, Loing and Seine Rivers), the PQB and GR3P give similar results, with a small advantage for the GR3P model on the more flashy basins.

法语. Le Service de Prévision des Crues (SPC) de la DIREN Ile-de-France a la responsabilité de réaliser des prévisions de crues sur une partie du bassin de la Seine, définie par la zone francilienne et les bassins de l'Yonne et du Loing. L'objectif est actuellement d'obtenir des prévisions de crues fiables à Paris pour un délai de trois jours. Pour cela, le SPC a entrepris une démarche d'amélioration de ses outils de prévision, qui passe en premier lieu par un inventaire et un diagnostic des outils simples de prévision existants, qui sont l'objet de la présente étude. Le travail d'évaluation a suivi les phases suivantes : Phase 1. Inventaire des modèles simples existants : Les modèles simples sélectionnés sont: i) les réseaux de neurones artificiels, ii) les modèles linéaires débit-débit, iii) les réglettes de Bachet, iv) deux versions du modèle pluie-débit GR (GR3P et GR4J) et v) le modèle PQB Phase 2. Constitution d'un jeu de données : Une importante base de données de pluie et de débit a été constituée au pas de temps horaire sur la période 1995-2004. Des données ont pu être rassemblées sur plus d'une centaine de postes pluviométriques et cinq stations hydrométriques ont été ciblées pour l'analyse: la Seine à Paris-Austerlitz, la Marne à La Ferté, la Seine à Bazoches, l'Yonne à Courlon et le Loing à Episy. Phase 3. Caractérisation hydrologique des bassins versants : Cette analyse a permis de montré que les temps de réaction des bassins aux pluies sont inférieurs à 48h pour les bassins étudiés Phase 4. Test de l'efficacité des différents modèles de prévision des crues : Après la mise en place d'un protocole de test homogène, les modèles ont été testés sur les différentes stations. Pour l'horizon de 72 h ciblé pour la Seine à Paris Austerlitz et en absence de prévisions de pluie, plusieurs modèles simples semblent être intéressants, notamment le modèle GR3P et les réseaux de neurones. En ajoutant des informations sur les débits amont, le modèle le plus performant semble être le réseau de neurones, qui exploite des informations sur les pluies et sur les variations de débit amont. Parmi les quelques modèles pouvant exploiter un scénario de pluies futures, ce sont les modèles GR qui donnent les résultats les plus satisfaisants. Sur les bassins amont (Marne, Yonne, Loing et Seine), les modèles PQB et GR3P donnent des résultats proches, avec un léger avantage au modèle GR3P sur les bassins rapides.