Analyse de sensibilité sur les intrants

Les écarts entre les données NARR et les observations à la station Shames renforcent le besoin d’effectuer une analyse de sensibilité sur les intrants eux-mêmes. Une analyse semblable à celle effectuée sur SNTHERM par Liu et al. (2009) a été réalisée, soit en modifiant les intrants jusqu'à un maximum de ± 25 %, à raison de huit simulations par paramètre. Dans le cas de la température, la modification a été effectuée sur les degrés Celsius. Les grandes longueurs d’onde ont typiquement des valeurs situées entre 200 et 350 W/m². Ainsi, la formule suivante a été appliquée afin de réduire l’écart produit par une simple multiplication :

La liste complète des paramètres et des modifications apportées se trouve dans la méthodologie à la Section 3.3.2. Le Tableau 5.1 présente les résultats de cette analyse, classés en ordre d’importance. Les erreurs quadratiques moyennes (RMSE) ont été calculées par rapport au deuxième et au troisième hiver seulement. L’erreur quadratique moyenne normalisée (NRMSE) correspond au RMSE divisé par le maximum observé. Il est à noter que seules les simulations avec l’écart le plus important (Paramètre ±25 %, degré pluie-neige à 0°C) sont notées au Tableau 5.1. Les résultats intermédiaires sont illustrés aux Figures 5.10 à 5.12. Pour les fins de comparaison, la vitesse du vent dans le Tableau 5.1 est elle-aussi indiquée à ±25 %, alors que les simulations ont été effectuées jusqu’à ±75 %.

Tableau 5.1 Analyse de sensibilité de SURFEX aux intrants météorologiques

L’analyse de sensibilité identifie le degré de différenciation pluie-neige comme le paramètre ayant le plus d’impact, suivi de la quantité de précipitations, de l’humidité relative et des grandes longueurs d’onde. Les courtes longueurs d’onde ont également un impact notable, bien que plus faible que les paramètres mentionnés précédemment. Les autres paramètres sont négligeables. En général, ces résultats concordent avec l’étude de Liu et al. (2009) sur SNTHERM. Toutefois, contrairement à l’analyse de sensibilité de SNTHERM, la température n’influence que peu la hauteur de neige. Cela est dû au fait que dans l’étude actuelle, un facteur multiplicatif a été appliqué à la température, plutôt qu’une addition ou une soustraction

Paramètre RMSE (m) NRMSE Paramètre RMSE (m) NRMSE

Pluie-Neige à 0°C 0.596 18.74% Vent +25 % 0.160 5.03%

Précipitations -25 % 0.564 17.74% Vent -25 % 0.101 3.16%

Précipitations +25 % 0.539 16.95% Température -25 % 0.097 3.04%

Humidité relative -25 % 0.509 15.99% Température +25 % 0.088 2.75%

Grandes longueurs

d'onde +25 % 0.395 12.41% Humidité relative +25 % 0.075 2.36%

Grandes longueurs

d'onde -25 % 0.330 10.39% Direction du vent +25 % 0.014 0.45%

Pression -25 % 0.014 0.43%

Courtes longueurs

d'onde +25 % 0.268 8.45% Direction du vent -25 % 0.011 0.35%

Courtes longueurs

d'onde -25 % 0.257 8.08% Pression +25 % 0.011 0.34%

Impact important

Impact moyen

tel qu’effectué par Liu et al. (2009). Le facteur multiplicatif devient moins efficace à des températures près de 0°C, là où l’influence de la température est la plus importante. Cela se répercute par peu de changements lors de la modélisation du manteau neigeux. Dans cette situation, le degré de différenciation pluie-neige se comporte davantage comme la modification effectuée sur la température par Liu et al. (2009). D’ailleurs, ces deux paramètres ont un impact majeur sur les résultats de la modélisation.

La Figure 5.9 présente les résultats de l’analyse de sensibilité effectuée sur le degré de différenciation pluie-neige.

Figure 5.9 Analyse de sensibilité sur le degré de différenciation pluie-neige

Le guide de Crocus recommande d'utiliser une température de 2°C pour séparer la neige de la pluie, ce qui correspond à la valeur par défaut utilisée lors de la modélisation. Cette valeur s'explique par l'ambiguïté sur la forme des précipitations lorsque la température se situe entre 0°C et 2°C. L'influence de ce paramètre est plus marquée en début et en fin de saison, de même que lors des épisodes de redoux en milieu d’hiver. L'utilisation d'une température de 0°C retarde l'apparition de neige en début de saison de l’ordre de quelques jours à près de deux semaines. De plus, surtout lors des deux premiers hivers, l’utilisation d’un degré de différenciation pluie-neige faible favorise l’apparition de quelques épisodes de fonte lors de la période d’accumulation. Tous ces facteurs se traduisent en un manteau neigeux moins important pour les trois hivers. Par exemple, lors du deuxième hiver, une température de

différenciation à 0°C réduit de 72 cm la hauteur de neige maximale atteinte pendant la saison. La fonte du manteau neigeux s’amorce toutefois au même moment peu importe la température utilisée. Comme aucun épisode de chute de neige n’est observé pendant la fonte des trois hivers, l’influence de la température pluie-neige sur ce type d’évènement n’a pas pu être vérifiée.

La Figure 5.10présente la sensibilité du modèle à la quantité de précipitation.

Figure 5.10 Analyse de sensibilité sur la quantité de précipitations

Le profil général demeure le même. La modification à la quantité de précipitation n'entraîne qu'une multiplication directe des valeurs. Ainsi, pour 25 % plus de précipitations, le manteau neigeux possède une hauteur 25 % plus importante. Quoique simple, ce paramètre a donc le potentiel d’avoir une influence importante sur les résultats de la modélisation. Noter que ce comportement linéaire n’a pas été retrouvé aux coussins à neige situés sur le bassin versant de la rivière Nechako.

La Figure 5.11 présente l’influence du vent sur les résultats. Ce graphique est également représentatif du comportement de l’humidité relative.

Figure 5.11 Analyse de sensibilité sur le vent

L’influence du vent présente une sensibilité variable selon si la vitesse est augmentée ou diminuée. Lorsque la vitesse du vent est diminuée, l'impact est négligeable. La différence entre une diminution de 75 % et une diminution de 25 % est minime, avec un NRMSE de 4.98 % plutôt que 3.16 %. Au contraire, une augmentation de la vitesse du vent de 25 % se répercute par un NRMSE de 5.03 %, alors que le NRMSE est de 17.73 % pour une augmentation de 75 %. Cela s'explique par le rôle du vent dans les calculs de Crocus. D’une part, le vent agit en tant que contrainte mécanique verticale lors du mécanisme de tassement du manteau neigeux. D’autre part, la vitesse du vent est un élément important des calculs de la sublimation des couches de neige supérieures. La sublimation par le vent est définie dans Crocus par la formule : 𝑄𝑠 = 𝐴 ( 𝑇0 𝑇𝑎) 𝛾 𝑈𝑡𝜌𝑎𝑞𝑠𝑖(1 − 𝑅ℎ𝑖) ( 𝑈 𝑈𝑡) 𝐵 _(5.2)

où Rhi, U et Ut correspondent respectivement à l’humidité relative [0-1], à la vitesse du

vent (m/s) et à un seuil de vitesse pour activer la sublimation (m/s) [Guyomarc’h et Mérindol, 1998]. Un vent plus fort aura ainsi tendance à surpasser le seuil de vitesse plus fréquemment et diminuer l’épaisseur du manteau neigeux. Au contraire, un vent moins fort produira moins de sublimation, en plus de diminuer la contrainte de tassement et ainsi favoriser l’accumulation de neige. Toutefois, le vent doit être augmenté de manière drastique avant qu’un impact

significatif soit détecté. Comme le vent fourni par les données NARR correspond déjà aux bourrasques enregistrées à la station Shames, la valeur multiplicative doit probablement rester relativement faible afin de demeurer réaliste.

Dans le cas de l'humidité relative, une limite supérieure à 100 % a été imposée aux modifications. Comme l’humidité relative calculée par les données NARR est généralement élevée, l'impact se situe plutôt sur les facteurs multiplicatifs faibles. Tel que pour le vent, l’humidité relative influence le phénomène de sublimation, tel que présenté à l’équation 5.2. Une humidité relative faible favorise la sublimation et, donc, un manteau neigeux moins important. C’est d’ailleurs ce qui est reflété par les résultats. L’impact de la diminution de l’humidité relative est d’un ordre de grandeur similaire aux précipitations, avec un NRMSE de 15.99 %.

La Figure 5.12 présente les résultats de l’analyse de sensibilité sur le rayonnement à courtes longueurs d’onde.

Figure 5.12 Analyse de sensibilité sur le rayonnement solaire à courtes longueurs d'onde

Les rayonnements solaires à courtes et grandes longueurs d'onde se comportent d'une manière similaire. Toutefois, alors que les grandes longueurs d'onde ont un impact sur l'ensemble de l'hiver, l'influence des courtes longueurs d'onde est limitée à la période de fonte. L’impact le plus significatif est la modification du taux de fonte au printemps, ce que n’accomplit aucun

autre intrant météorologique. Le rayonnement solaire a un impact direct sur la quantité d’énergie absorbée par le manteau neigeux, d’où une fonte plus rapide ou plus lente. Ainsi, même si le NRMSE est relativement faible pour les courtes longueurs d’onde, ce paramètre demeure essentiel pour faire correspondre le rythme de fonte entre les données observées et simulées. Le rayonnement solaire à grandes longueurs d’onde est d’ailleurs ce que Liu et al. (2009) avait identifié comme étant le paramètre plus significatif pour le modèle SNTHERM.