R EVUE DE STATISTIQUE APPLIQUÉE
J. J ACQUET
Les méthodes statistiques dans les calculs de prédétermination des crues
Revue de statistique appliquée, tome 12, n
o1 (1964), p. 49-61
<
http://www.numdam.org/item?id=RSA_1964__12_1_49_0>
© Société française de statistique, 1964, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (
http://www.sfds.asso.fr/publicat/rsa.htm
) implique l’accord avec les conditions générales d’uti- lisation (
http://www.numdam.org/conditions). Toute utilisation commerciale ou im- pression systématique est constitutive d’une infraction pénale. Toute copie ou im- pression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
LES MÉTHODES STATISTIQUES DANS LES CALCULS DE PRÉDÉTERMINATION DES CRUES
J. JACQUET
Chef de la DIVISION HYDROLOGIE du Centre de Recherches
et
d’essais de Chatou E.D.F.
L’Hydrologie -
etsingulièrement l’Hydrologie
des Crues - est uneterre d’élection pour le statisticien. Non seulement parce que la science
hydrologique
se constitue àpartir
de séries d’observations dont le trai- tement ressort de la mise en oeuvre detechniques statistiques
mais é-galement -
etpeut-être
surtout - parce que lesphénomènes
naturelsqu’elle
étudie
(précipitations,
débits de cours d’eaunotamment)
résultent d’une tellecomplexité
de causes que lesgrandeurs qui
les mesurent en unpoint peuvent
être considérées comme des variables aléatoires dont le calcul desprobabilités
fournit des modèles utiles à leurdescription
Sans doute les processusphysiques
de lapluie apportée
par le passage d’unepertur-
bation et de la formation d’une onde de crue par le bassin versant d’uncours d’eau doivent être
analysés
aussi finement quepossible
afin d’endéterminer les facteurs conditionnels dominants, mais tout
hydrologue
conscient ne
prétendra jamais exprimer
sous formeanalytique
la loivraie de tels
phénomènes qui
en rendraitpossible
la maîtrise et donc laprévision
àlong
terme. Lepoint
de vue déterministe est ici radicalement insuffisant et doit nécessairement êtrecomplété
par unpoint
de vue pro- babilisteprenant
encompte l’aspect
aléatoire irréductible desphénomènes.
Ainsi un modèle de calcul décrivant la formation d’une crue consécutive à une averse sera défini à
partir
des résultats d’uneanalyse expérimen-
tale des facteurs conditionnels de ce
phénomène, quant
au choix des va-riables et des
paramètres
à introduire dans le modèle et à la détermi- nation de la forme de fonctions de transformation de lapluie
endébit ,
mais"l’aléatoire"
devra être introduit dans ce modèle : il tientcompte
en effet de l’action de tous les facteurs
qui
ont éténégligés.
Onpeut
donc direqu’en Hydrologie
les méthodesstatistiques
interviendront àchaque
instant dans des
problèmes
de définition de modèlesreprésentatifs
desphénomènes hydrologiques
etadaptés
auxobjectifs
recherchés d’unepart,
et d’autre
part
dans lesquestions d’ajustement
de ces modèles à un donnéexpérimental
et d’estimation de leursparamètres.
Quelques
remarques d’ordregénéral
sur le"bon usage"
des métho- desstatistiques
enhydrologie s’imposent
ici carl’expérience
montre queparfois
le démon du calcul et le culte de la formulel’emportent
sur leraisonnement et conduisent à des
interprétations
erronnées des résultatsqui jettent
le discrédit sur destechniques parfaitement
valablesquand
ellessont
employées
à bon escient.- Le
premier point
est que lastatistique mathématique
estun outil au service de
l’hydrologue
et que sa mise en oeuvre nepeut,
enaucun cas,
suppléer
à un manque ou à une insuffisance de données d’ob- servation. Sestechniques
nepermettent
pas de"faire
sortir leplus
dumoins".
On ne doit pas s’attendre à ce que le calcul révèle autre chose50
que l’information
déjà
inscrite enpuissance
dans l’échantillon d’observa- tions dont ondispose.
Parexemple
il estparfaitement
illusoired’ajuster
une loi de distribution à
plus
de 2paramètres
sur un échantillon dequel-
ques dizaines de valeurs, en vue de l’estimation de
quantiles
de faibleou forte
probabilité :
ce que l’on croit gagner ensouplesse
de la loi,on le
perd
enprécision
d’estimation desparamètres d’ajustement.
-
L’emploi
des méthodesstatistiques
est subordonné à de strictes conditionsd’application
etl’interprétation
correcte des résultatsdépend
de la vérification durespect
de ces conditions. Le calcul n’est pas ici une fin en soi et un résultat chiffrépeut-être parfaitement dépourvu
designification.
- Enfin
l’application
des méthodesstatistiques
àl’Hydrolo- gie
n’est pasacadémique :
elle tend à fournir des éléments de décision, c’est-à-direqu’elle
conditionne des choixqui prennent appui
sur le ré- sultat du calcul mais ledépassent.
C’est dans ce sens que la mise enoeuvre de ces méthodes est dite
"opérationnelle".
Ces remarques trouveront leur illustration dans le cours de cet
exposé
à propos de laprédétermination
des crues,problème majeur
del’Hydrologie
dont on ne saurait, enquelques
pages, donner une métho-dologie
définitive. Nous nous bornerons ici à des réflexions surquelques
unes des méthodes
statistiques
utilisées ouproposées
pour traiter lesproblèmes
de la crue"maximum"
et de laprévision proprement
dite des débits de crues.I - LES PROBLEMES DE PREVISION
HYDROLOGIQUE
La
prévision
d’unphénomène hydrologique peut
êtreenvisagée
sousdeux
aspects :
1/
Leplus souvent,la prévision
est entendue au senslarge
enhydro- logie statistique :
ils’agit
de déterminerl’importance
d’un évènement de faibleprobabilité
d’occurrenceindépendamment
de ses dates de réalisation à venir. C’est leproblème
de la crue"maximum"
familier à tous lesprojeteurs qui s’interrogent
surl’importance
de la crue àprendre
encompte
pour fixer les dimensions des organes deprotection d’ouvrages
en rivière. Une littérature extrêmement abondante concerne cette ques- tion
qui,
dupoint
de vue des méthodesstatistiques
à mettre en oeuvre,est assez
classique (estimation
d’unquantile
d’une loi dedistribution).
Les difficultés se situent au niveau des
principes :
dansquelles
condi-tions
peut-on
raisonnablementextrapoler
la validité d’une distribution deprobabilités -fondée
dans la zone des valeursfréquemment
observées de la variable aléatoire - dans la zone de valeurs extrêmes où l’on ne dis- pose de peu ou pasd’observations, auxquelles
on ne saitguère
attribuerune
probabilité expérimentale
et dont on nepeut toujours juger objective-
ment
l’appartenance
à la mêmepopulation
que l’échantillon des valeurs centrales de ladistribution?
Il est inutile d’insister sur les incidenceséconomiques
de tellesprévisions statistiques -
il faudrait soulever à cepropos la
question
des coefficients de sécurité -qui
ont étéanalysées
sous le nom de
"problème
dudésastre"
par M. MASSE.2/
Au sens propre du terme, uneprévision
doit fixer à l’avance -Revue de Statistique Appliquée.1964 - Vol. XII - N’ 1
et à la
plus longue
échéancepossible -
la date d’occurrence etl’impor-
tance
quantitative
duphénomène
attendu en unpoint
ou sur une zone don- née : crue,étiage, précipitation,
etc... Une telleprévision
suppose la définition d’un modèle decalcul,
dérivant d’une relation causale entre l’é- vènement et sesprincipaux
facteurs conditionnels,adapté
auxobjectifs
recherchés
(annonce
des crues,prévision d’apports
dans lesréservoirs)
et dans
lequel
on doit nécessairement introduire un élémentprobabiliste
pour
prendre
encompte
l’écart irréductible entre le modèle et la réalité . En fait le résultat d’uneprévision
seprésente
sous la forme d’estimation d’une valeur moyenne, valeur laplus probable
duphénomène
correspon- dant à unsystème
donné de valeurs des facteurs conditionnels contrôlés : le modèleprobabiliste
de calcul revêt la forme d’une loi deprobabilité
conditionnelle du
phénomène permettant
de calculer ledegré
de confianceque l’on
peut
accorder à laprévision
ainsi réalisée. En effet sur leplan pratique,
l’émission d’uneprévision
doit se traduire par des décisions , des choix(on
retrouve ici le caractère"opérationnel"
de laprévision) qui
ne souffrent pas l’attente de la réalisation de l’évènement pourappré-
cier l’écart entre
prédiction
et réalité et parconséquent
la confiance àaccorder au calcul. Autrement dit de
façon imagée
selon le mot d’unhy- drologue "la prévision
est unplat qui
se consommefrais"
et doit être formulée en assortissant les valeurs estimées d’un intervalle de confiancequi
en rendepossible
l’utilisation immédiate avec unrisque
calculé.II - LE PROBLEME DE LA CRUE MAXIMUM
Rappelons
d’abordquelques caractéristiques particulières
du débitd’un cours d’eau considéré en tant que variable aléatoire :
- Le débit d’une rivière en un
point
de son cours à un ins- tant donné t constitue unereprésentation
de l’état du bassin versant enévolution aléatoire dans le
temps :
la suite continue des débits durant un un intervalle detemps (t1, t2)
seprésente
comme un processus stochas-tique.
- Les méthodes d’étude des processus
stochastiques
ont faitau cours des années récentes de
grands progrès
mais à notre connaissanceces méthodes n’ont peu ou pas reçu
d’application
enhydrologie
où l’on con-sidère
généralement
les valeurs des débits comme des valeurs d’une va-riable aléatoire discrète.
Toutefois,
il faut noter que l’occurrence d’une deces valeurs à une certaine
époque
nepeut
pastoujours
être ramenée à unsimple tirage
au sort dans une urne decomposition
donnée. En effet si lapièce
de monnaien’a,
selon le mot deJoseph Bertrand, "ni
conscience, nimémoire",
un cours d’eau - à défaut de conscience(bien
que l’on person- nalise volontiers lesfleuves) - possède
une certaine"mémoire",
ou,plus prosaïquement,
une inertiequi
fait que le débit à l’instant t est lié enpartie
par les états antérieurs du bassin versant. Cettedépendance peut porter
sur despériodes
dequelques jours
àquelques
semaines pour les débits de crue(dans
le cas desétiages,
ellepeut
s’étendre àplusieurs
mois voire d’une année à
l’autre) :
c’est cephénomène qui
interdit d’in-terpréter
en courbe deprobabilité
la courbe des débits classés. On tour-ne ici cette difficulté en étudiant la distribution des maxima de crue an-
nuels,
c’est-à-dire la crue dont le débit maximal est laplus grande
valeuratteinte dans
l’année ;
en définissant ce maximum sur l’annéehydrologique
(commençant
à la fin de lapériode d’étiage,
au moment où les réserves du bassin sontminimales),
il y a peu de chance que les maxima de 2 années successivesprésentent
unedépendance significative.
52
- Le dernier
point
à examiner, à propos duproblème qui
nousoccupe, concerne le caractère stationnaire de
l’hydrologie
du bassin con-sidéré et des séries
chronologiques
de débitsqui
lareprésentent.
Deséchantillons de la variable aléatoire
"débit
maximum de crueannuel" pré-
levés sur deux
périodes
différentes doivent avoir la même fonction derépartition.
On l’admetgénéralement
mais ce caractère stationnairepeut
êtreperturbé
à lalongue
par une évolution des bassinscréant,
dans cer-tains cas, une tendance à l’accroissement des crues en
importance (im- perméabilisation
des zones urbaines ouindustrielles, déboisement).
Ces remarques
posées,
l’étude des lois deprobabilité
des débits maxima annuels a suscité de nombreux travaux concernant notamment l’u- tilisation des lois des valeurs extrêmes ou d’autrestypes
de lois sans que lesjustifications
de choix d’une loiparticulière
nepuissent
être au-trement
qu’empiriques.
MM. BERNIER et VERON doivent d’ailleurspré-
senter au cours de cette session une communication
précisant
l’incidence des diverstypes
d’erreurs(notamment
erreursd’échantillonnage)
sur laprévision statistique
des crues etindiquant
le moyen de calculer des in- tervalles de confiance associés aux estimations dequantiles
d’une loi deprobabilité.
Nous donnerons brièvement iciquelques
indications sur deux méthodespermettant
desapproches
assez nouvelles duproblème
de lacrue maximum . La
première
est unesimple
modification desprocédés classiques
pour rendrepossible
l’estimation de la crue maximale en unpoint
où l’on nedispose
que d’une information insuffisante pour une étu- destatistique
directe des débits alors que l’onpossède
des données im-portantes
sur lesprécipitations génératrices
de crues. La seconde est uneanalyse statistique
dérivée des méthodespréconisées
par E. HALPHEN pour l’étude de structure fine d’une suite de débits et d’où l’onpeut
dé- duireégalement
des estimations de débits de cruescorrespondant
à di-verses
probabilités
dedépassement.
A. Estimation de la Crue Maximum à
partir
desprécipitations
La méthode d’estimation de la Crue Maximum basée
uniquement
sur une série d’observations de débits maxima annuels est
critiquable
à certains
égards. Malgré
lesprécautions prises,
deux débits maxima de même valeurpeuvent
avoir desprobabilités
d’occurrence différentes si lesphénomènes qui
lesengendrent
diffèrent : ilimporte
d’étudier lagenèse
des crues defaçon plus complète.
Deplus,
la méthode n’utilise pas toute l’informationdisponible :
l’utilisation des observations depré- cipitations génératrices
de cruespourrait permettre
de resserrer les fourchettes d’estimation obtenues et rendrepossible
cette estimation de la crue maximum dans les cas trèsfréquents
où l’on nedispose
pas aupoint
considéré d’une série suffisante de débits observés.On
part
d’un modèle de transformationpluie-débit,
parexemple
unopérateur
linéaire dutype :
où
Q (t) représente
le débit observé à l’instantt, Qo
le débit de basecaractéristique
de l’état du bassin au début de lapluie,
I(ï)
l’intensité de lapluie
à l’instant T, C(ï)
un coefficient d’écoulementreprésentant
l’abattement à faire subir à la
pluie
pour tenircompte
de cequi
estperdu
pour l’écoulement et K
(t)
une fonction d’écoulementqui
caractérise la redistribution dans letemps
par le bassin d’un volumepluvial
unité.Un tel modèle ne rend
compte
que trèsschématiquement
de la réa-Revue de Statistique Appliquée. 1964 - Vol. XII - N’ 1
lité mais, si l’on estime avec soin les fonctions K
(t)
et C(t)
àpartir
dequelques hydrogrammes
de cruesobservés,
ilpeut
donner des ré- sultatspratiques
utiles : ilpermet
de calculer la loi deprobabilité
dudébit maximum
Q
àpartir
de la loi deprobabilité
desprécipitations
Pgénératrices
de crues. On considère la fonction K(t) caractéristique
dubassin comme une fonction certaine pour une durée d’averse donnée. Les lois de
probabilité
desprécipitations
sont relativement bien connues, de même que celle de leurrépartition
dans letemps.
Si l’onpeut
connaître la loi deprobabilité
des coefficients d’écoulement C(t )
et ennégligeant
lesaléas du débit de base
Qo,
onpeut
par un calculanalytique
en déduire la loi deprobabilité
du débitmoyennant quelques hypothèses (notamment
cel- le-ci : la loi deprobabilité
de la crueQ apparaissant
à l’instant t nedépend
pas des niveaux atteints par les cruesprécédentes
mais seulement de l’intervalle detemps
e écoulédepuis l’apparition
de la dernière crueQt - B ).
Lapartie
délicate concerne la loi du coefficient d’écoulement dont on nedispose généralement
que d’un échantillon de valeurs assezréduit. On
peut
admettrequ’elle dépend
de l’intervalle detemps
9 écoulédepuis
la dernière crue(indicateur
de la saturation dusol)
et l’on sup- posera que C varie par valeurs discrètes dont on établira lesprobabi-
lités pour diverses valeurs de 8.
Des
applications
de cette méthode ont été faites à l’étude des cruesde la Seine et de la Marne
qui
ontpermis
de recouper les ordres degrandeur
des estimations de crues maximales obtenues àpartir
de l’étude directe des débits. Ce résultat est d’autantplus
intéressant que les sché-mas de relations
pluie-débit
utilisés avaient dû êtresimplifiés
pour per- mettre de conduire le calcul à son terme.B. Estimation de la crue maximum à
partir
del’analyse
de la struc-ture fine des suites de débits à l’échelle mensuelle
Pour
permettre
une meilleurecompréhension
des faitshydrologi-
ques et notamment pour tenir
compte
de ce que des crues de même im-portance
d’un cours d’eaupeuvent correspondre
à des situations météoro-logiques
trèsdifférentes, qu’elles
ont des"structures"
différentes et que parconséquent
il semble déraisonnable de leur attribuer la mêmeproba-
bilité d’occurrence, E. HALPHEN a eu l’idée d’étudier les suites de débits
sur une
période
assezlongue (de
l’ordre dumois)
afin d’endégager
des"structures" auxquelles
rattacher les crues -phénomènes
aléatoires -qui peuvent
survenir au cours de cettepériode.
La méthode consiste à
représenter
les diverses"trajectoires"
ob-servées du processus aléatoire que constitue la suite des débits relatifs à la
période
considérée(mois)
par des séries de Fourier dont ledévelop- pement
estgénéralement
limité aux 3premiers harmoniques.
Au coursd’un mois un certain nombre de
caractéristiques hydrométéorologiques
d’un bassin restent suffisamment stables ou évoluent suffisamment lente- ment pour
qu’il
en résulte dans la sériechronologique
des débitsl’ap- parition
d’une"tendance"
autour delaquelle
serépartissent
des varia- tionsquotidiennes
parexemple.
Onpeut
doncanalyser
un débitQ (t),
Jou
plus
exactement sonlogarithme (dans
ceparagraphe Q (t) représente
ledébit
journalier logarithmique),
en deuxcomposantes :
-. X(t)
tendance du---
*ou plus exactement son
logarithme (dans
ce paragraphe Q (t) représente le débit journalierlogarithmique)
154
mois considéré et Z
(t)
variationsquotidiennes
autour de cette tendance . C’est lacomposante
X(t)
que l’onreprésente
par undéveloppement
deFourier
ajusté
sur la suite des débits dechaque
mois de Janvier, s’ils’agit
de l’étude de ce mois. Les coefficients de cedéveloppement
sontaléatoires et E. HALPHEN a pu montrer que les écarts Z
(t)
entre la courbeexpérimentale
de la courbe de Fourier sont distribués à peuprès
au hasard suivant une loi normale : ce
qui permet
de traiterséparément
l’étude
statistique
des courbes de Fourier et celle des écarts Z et de tirer des conclusions valables touchant leurconjonction.
Les éléments aléatoires
qui
entrent enjeu
dans cetteanalyse
sont :- d’une
part
lescaractéristiques
m et w de la tendance X(t),
m étant la moyenne de X
(t)
pour le mois donné et wl’amplitude quadra- tique
m=x(t)
- d’autre
part
l’écart Z(t)
dont larépartition
estsupposée nor-
male et de moyenne nulle : il est caractérisé par son
écart-type
6 ,Pour chacun des éléments m et w, on a pour le mois considéré au-
tant de valeurs que d’années pour
lesquelles
ondispose
de relevés de débit et l’onpeut ajuster
des lois deprobabilités.
Ces divers élémentsne sont pas
dépourvus
d’une certainesignification physique
et l’onpeut
ainsi
profiter
de l’informationdisponible
sur des cours d’eau derégime
semblable pour en
préciser
les évaluations. Cette circonstance favorablepermet
souvent d’obtenir des estimations suffisammentprécises
àpartir
d’un nombre d’années d’observations assez réduit.
Le débit
logarithmique
de la cruepeut
ainsi êtredécomposé
en 3 élé-ments :
- 6
qui s’interprète
comme l’excédent sur m du maximum de la courbe de Fourier est lié àl’amplitude quadratique
moyenne w- T est la variable normale centrée réduite.
L’indépendance
enprobabilité
des variables m, ô et T,qui peut
êtreadmise
valablement, permet
une estimation du débitlogarithmique
de lacrue
correspondant
à uneprobabilité
d’occurrence : p = Pl . .?2 ’P3
sipl, p2, p3 sont les
probabilités respectives
des valeurs m, 6 et T que l’onpeut
se fixer àpartir
de leurs lois deprobabilités.
Les diverses combinaisons de valeurs des éléments m, 6 et T cor-
respondent
aux"structures"
de cruesévoquées plus
haut et ilapparaît
clairement
qu’à
deuxtypes
de situationspeuvent correspondre
deux sys- tèmes de valeurs m,6, l’
et m’,6’,
i’ telles que :(donc
des évaluations de débitégales)
sans que lesprobabilités,
P =
Pl . P2 . P3 et
P’ =pl, . p2 , p3
soient forcémentégales.
On n’entrera pas ici dans )es modalités
pratiques
du calcul des sé- ries de Fourierappliquées
aux débits. Il semble que cette méthode n’aitRevue de Statistique Appliquée. 1964 - Vol. XII - N’ 1
guère
faitl’objet d’applications systématiques,
onpeut
leregretter
car elle constitue une voied’approche
d’une évaluationplus précise,
parce queplus
fondée dans lesfaits,
desprobabilités
d’occurrence des crues.Pour être
complet
ilfaudrait,
en conclusion de ces notes surl’ap- plication
des méthodesstatistiques
auproblème
de la cruemaximum, indiquer
comment les résultatsd’hydrologie statistique
entrent dans lecalcul
économique
des ouvrages deprotection.
Nous ferons ici la remar-que suivante : les évaluations des coûts des
dommages,
étanttoujours
entachés d’unegrande incertitude,
rendent difficile les calculsd’optimum économique
et ilpeut
être illusoire dereprésenter
lesphénomènes hy- drologiques
par des modèlesmathématiques trop complexes,
euégard
àl’information
expérimentale
dont ondispose.
Mais larigueur
du raison- nement dans l’utilisation des méthodesstatistiques
ne doit pas se relâ- cher pour autant car ellepermet
de mesurer l’incidence, sur les déci- sions àprendre,
des marges d’incertitude concernant les éléments d’in- formation dont on estparti,
et c’est bien là l’essentiel.III - LE PROBLEME DE LA PREVISION DES CRUES
Dans le domaine de la
prévision hydrologique proprement
dite, d’im-portants
travaux ont été menés àbien,
notamment par le ServiceHydro- météorologique
de la DivisionTechnique
Générale d’E.D.F. où ont étésystématiquement
étudiés les liens de corrélation entre lesapports
àprévoir
dans les réservoirs à diverses échéances detemps
et une com-binaison de données
(précipitations,
stockneigeux, température)
suscep- tibles dereprésenter
l’état du bassin et de ses réserves connues au mo-ment de la
prévision.
Lesprévisions
émises sont assorties de fourchettes deprobabilité
déduites de l’étude de ladispersion
conditionnelle des dé- bits en fonction des facteurs contrôlés. Les modèlesprobabilistes
sontnaturellement
plus
efficaces dans le cas desystèmes hydrologiques pré-
sentant une forte inertie que pour les bassins de
montagne
àrégime plu-
vial, où lesprévisions
de débit sont nécessairement limitées dans leur échéance par l’absence deprévision
deprécipitation
et par larapidité
deformation et d’évolution des ondes de crues, c’est-à-dire en
définitive,
par unegrande dispersion
des"trajectoires"
du processus aléatoire cons- titué par les débits.Il est donc nécessaire sur de tels bassins - à faible inertie
hydro- logique - d’envisager
uneprévision
des cruespermettant
de définir lescaractéristiques
del’hydrogramme
de crue à une échelle detemps
assez fine(la journée,
voire mêmequelques heures).
Or laplupart
des tenta-tives effectuées dans ce sens ont consisté à rechercher
empiriquement
des fonctions de réduction de la
pluie
en écoulement et des fonctions d’é- talementqui
rendentcompte
de l’action du bassin versant pour la redis- tribution des volumes d’écoulement. Unpoint
de vue déterministe apré-
valu dans ces recherches et a, dans certains cas, abouti à des résultats très
encourageants quant
à lapossibilité
de solution de ceproblème.
Tou-tefois,
et c’est là lepoint
faible de cesméthodes,
elles fournissent seu-lement un
pronostic
sans que l’onpuisse
lui associer undegré
de con- fiance. C’est à ce propos que nous voudrions donnerquelques
indications sommaires sur lapossibilité
et la nécessité d’intervention de la Statisti- queMathématique
dès le stade de l’estimation des fonctions de transfor- mation de lapluie
en débit.56
On admettra sans
peine
que tous ces modèles de transformationqui -
par
rapport
à la nature desphénomènes
en cause - sontplutôt
de carac-tère
synthétique,
ne sauraient être que des schématisationsgrossières
duprocessus de passage de la
pluie
en débit. Il sera donc nécessaire de te - nircompte
de cette distance entre modèle et réalité dansl’ajustement
desparamètres
des fonctions de transfert aux observations de débits et deprécipitations
dont ondispose.
Leproblème
fondamental est donc encoreici un
problème
d’estimation dontl’analyse
se ramène à celle des 2types
d’erreursclassiques
enHydrologie statistique :
les erreursd’adéquation
et les erreurs
d’échantillonnage.
A. Les erreurs
d’adéquation
Ces erreurs sont la
conséquence
de l’écart entre le modèle et la réalité(crue
calculée etobservée)
etpeuvent
êtrereprésentées
dans uncadre
probabiliste
par des écarts aléatoires autour des modèles de trans- formationqui
ne fournissent que des"valeurs moyennes" :
ils’agira
doncd’introduire et de
spécifier
la loi deprobabilité
de ces écarts.Par
exemple :
.- les
caractéristiques
d’unhydrogramme type
d’écoulement d’un bassin(débit
depointe, temps
de concentration,temps
demontée) peuvent
être des variables aléatoires pour tenircompte
des facteurs non contrôlés.- des fonctions de transformation définies
empiriquement
peu- vent êtrereprésentées
par des processus aléatoires pourcorriger
l’effetde
"moyenne"
de ces modèlestrop rigides.
Ces
principes
semblent devoir êtreappliqués
dès le stadeprélimi-
naire de la détermination de la
pluie
moyenne P(t)
sur le bassin. Cette notion de"pluie moyenne"
n’est en faitqu’une
abstraction commode. Lesprécipitations génératrices
des crues sont distribuées dans letemps
cer-tes mais aussi dans
l’espace ;
lesreprésenter
par une mesure ponc-tuelle,
seule fonction dutemps,
constituedéjà
une schématisation assezpoussée.
Lafaçon
dont est ensuite déterminée la moyennespatiale
enconstitue une autre. C’est
peut-être
pour lareprésentation
de lapluie
moyenne P
(t)
que les erreursd’adéquation
sont lesplus importantes.
Il
importerait
donc d’en aborder l’étude dans un cadreprobabiliste
enpartant
d’un modèlethéorique
de distributionspatial
desprécipitations
et en
analysant
les écarts à unereprésentation ponctuelle
de cespréci- pitations.
B. Les erreurs
d’échantillonnage
Les erreurs
d’échantillonnage
n’interviennent que si la détermination des fonctions de transfert et l’estimation de lapluie
moyenne sontplacées
a
priori
dans un cadreprobabiliste.
En effet si les modèles utilisés sont considérés comme"certains"
ou invariants d’une crue àl’autre,
il ne sau-rait être
question
d’erreursd’échantillonnage :
ce sont les erreurs d’adé-quation qui engendrent
l’incertitude concernant l’estimation des fonctions de transformation sur un échantillon limité d’observations. Leproblème
de l’information contenue dans une crue
(par exemple
le nombre d’obser- vations nécessaire pour avoir une confiance suffisante dans les fonctionsestimées)
nepeut-être
abordé que dans le cadre des schémasprobabi-
listes
précédemment
décrits.Revue de Statistique Appliquée. 1964 - Vol. XII - N’ 1
C. Les méthodes
pratiques
d’estimationPour que ces
principes puissent
êtretransposés
sur leplan
pra-tique,
ilimporte
despécifier
les modèles de transfert sous une formemathématique.
Les formulesmathématiques peuvent paraître beaucoup trop rigides
encomparaison
des méthodesempiriques
utilisées actuellement. On constatecependant
que certaines fonctionsempiriques
de réduction et d’é- talementpourraient
êtrereprésentées
par des formules assezsimples.
Laméthode de
l’Hydrogramme Synthétique
de M. LARRIEU est d’ailleurs unexemple
de lasouplesse présentée
par des formulesmathématiques
sim-ple s.
Le modèle de transfert
peut
alors êtrereprésenté
par un certain nombre deparamètres
laissés indéterminés apriori
et que l’on estimera ensuite. Unprocédé possible
d’estimationpourrait
être basé sur les re-marques suivantes :
- on sélectionne a
priori quelques caractéristiques importantes
des
hydrogrammes
de crues parexemple :
volumeécoulé,
débit depointe , temps
demontée,
etc...- les valeurs observées de ces
caractéristiques
sontégalées
aux valeurs
théoriques correspondantes (espérances mathématiques)
dé-duites des relations choisies et
qui
sont ainsi fonction deparamètres
in- déterminés.- On résoud par
rapport
à cesparamètres
et l’on"moyenne"
pour l’ensemble des crues
analysées.
Ce
procédé
serapproche
de la méthode des moments utilisée pourl’ajustement
des lois deprobabilité.
Dans certains cas
(par exemple
pour la méthode de M. LACROIX pour le calcul desHydrogrammes
àpartir
de lapluie),
les calculs ana-lytiques
seront assezcomplexes,
mais ces difficultéspourraient
êtretournées par l’utilisation d’un calculateur
électronique.
Une fois l’estima- tion desparamètres effectués,
les erreursd’échantillonnage pourraient
être déterminées par la méthode de Monte-Carlo :
tirages
au sort dansles lois de
probabilité
ainsispécifiées
et reconstitution des crues par calculateur.En matière de conclusion à cet
exposé,
ilapparaît
quel’Hydrologie Statistique
a encore de beauxjours
enperspective :
ses méthodes se sontaffermies et l’on
dispose
maintenant d’outils bienadaptés
dont onpeut simplement regretter
lepetit
nombre d’utilisateurs en face de la tâche énorme quereprésente l’organisation
d’unegestion
rationnelle des res- sources en eau.QUELQUES
REFERENCESBIBLIOGRAPHIQUES
J. BERNIER - Portée et limites des méthodes de
prévision statistique
des crues utilisées dans le calcul
économique
des ouvrages de pro- tection contre les crues.C. R. E. C. Chatou, Rapport
HYD - 63 n° 21- 17.9.63
58
J. BERNIER et R. VERON - Sur
quelques
difficultés rencontrées dans l’estimation d’un débit de crue deprobabilité
donnée. Communica- tionprésentée
à la Session n° 74 du ComitéTechnique
de laS.H.F..-
21 - 22 Novembre 1963° °°
S. FERRY - L’utilisation des méthodes
statistiques
à l’Electricité de France pour laprévision
desapports
dans les réservoirs. Revue deStatistique Appliquée,
Vol.IV,
n°2,
1956P. GUILLOT - La
probabilité
du débit maximum annuel et ses relationsavec la loi de distribution des débits
journaliers. Congrès
del’A.I.R.H. - Londres 1963 - Section III, Communication 15
E. HALPHEN - Une méthode
d’analyse statistique
des débits. A. I.H.S.Assemblée Générale de Rome - 1954 - Tome III
Z. KACZMAREK -
Forecasting
Randomphenomena
inHydrology
J. L. LACROIX - Essai de calcul des
hydrogrammes
àpartir
despluies :
Cas de la Corrèze à Brive. Mémoires et Travaux de la S. H. F. - n° II - 1961
J. LARRIEU - Méthodes
d’analyse
de la structure fine des débits. Revuede
Statistique Appliquée
1956 - IV n° 2J. LARRIEU - Evaluation des crues
catastrophiques
par la méthode deshydrogrammes synthétiques.
A.I.H.S. TORONTO 1957 - Tome III G. MORLAT -L’emploi
des méthodesstatistiques
enHydrologie.
Bulle-tin de l’Institut
Agronomique
et des Stations de Recherches de Gem- bloux - I - 1960DISCUSSION (Président :
M.MORLAT)
M. LE PRESIDENT remercie M. JACQUET du tableau
qu’il
vient de donner de l’ensemble des méthodes applicables au problème de la détermination des débits de crue et, en particulier, de cequ’on
peut attendre des méthodes statistiques dans ce problème. M. JACQUET asouligné
avec raison le caractère de la con-frontation que l’on peut faire entre la richesse de ces méthodes et le
déplorable
petit nombre des applicationsqui
ont pu être pousséesjusqu’à
leur terme : c’estqu’en
effet, il y a dans cesproblèmes
un contraste considérable entre les tra- vauxthéoriques, qui
demandent surtout del’imagination
et de larigueur
et lalongueur
énorme des calculs pratiques dès que l’on veut passer à une applicationcomplète
des méthodes que M. JACQUET a esquissées au début.M. LE PRESIDENT
évoque,
à ce sujet, les vers de Boileau que M. Pierre MASSE avait cités dans son article"Situation,
perspectives etapplications
del’Hydrologie Statistique" (1) : ... (l’Hydrologie statistique)
"aux travaux en-nuyeux et faciles est une oeuvre de choix
qui
veutbeaucoup d’amour".
M. RODIER fait une
importante
intervention dans les termes ci-après :"Les
exemples pratiques d’application intégrale
des méthodes présentées par M. JACQUET sont très rares car dans le casd’applications
pratiques on donne àl’hydrologue
des crédits et un délai limité pour exécuter ce travail, cequi oblige
àsimplifier
trèslargement. L’hydrogramme synthétique
de Larrieu adéjà été utilisé, nous l’avons par
exemple
construit pour la détermination de lacrue
exceptionnelle
dans un projet debarrage
sur le RioNegro (Paraguay).
---
(1) Annuaire
Hydrologique
de la France 1940 (S. H. F. Paris)Revue de Statistique Appliquée. 1964 - Vol. XII - N’ 1
"Il est courant que nous
employions l’hydrogramme
unitaire pour des buts pratiques. Comme on l’asouligné,
la transformation volume depluie
en volumede crue est essentielle. Ceci suppose
qu’on
tienne compte des 4caractéristiques
de l’averse : sa hauteur, son intensité (ou la forme du
hyétogramme),
sa réparti- tion dans le temps et l’état d’humidité du sol au début de lapluie.
Pour la hau- teur c’est assez facile, on peut faire une détermination statistique correcte. Pour la répartition dans le temps c’est moins facile mais on arrive à des solutions approchées. Pour la forme duhyétogramme
nous n’avons rien trouvé, en parti- culier nous ne savons pas comment traduire en un index simple les averses dou- bles avec ou sans pluie dans l’intervalle tellesqu’on
les rencontre souvent dans les régions tempérées. Quant à l’humidité du sol elle nous semble absolument es-sentielle. M. JACQUET a
signalé qu’il
se rapportait à la crue précédente ce qui suppose un bassin de forte inertie ; or, 1 pour les petits bassins cela ne suffitplus ,
1il faut se rapporter à un index du genre de celui de KOHLER (Antecedent precipita- tion index) tel que
1=2
H(tPin
(souvent on prend n = 1 poursimplifier).
Depuis 3d
°ans nous utilisons cet index
qui
souvent a donné de bons résultats.M. ROCHE estime que la difficulté inhérente à l’estimation de la crue ex-
ceptionnelle
réside dans la définition de la probabilité duhyétogramme
pris comme base, en fonction des élémentsqui
le composent, valeur de la précipitation ex- ceptionnelle dans son ensemble et modulation de cette valeur dans le temps. Cette définition fait toujoursappel
à des procédés d’aspect "culinaire" car il n’en existe pas d’autre. La"réponse
du bassin" est, à son avis, moins importante que cette définition duhyétogramme.
En ce qui concerne le
réglage
du modèle mathématique, M. ROCHE indique qu’on est souvent conduit à utiliser des éléments d’information précaires. En effet, 1les données antérieures sur les crues sont plus ou moins nombreuses et,
quelque-
fois même, inexistantes ou réduites à des descriptions
qualitatives
d’averses. Ces informations permettent,lorsqu’elles
sont recueillies peu de temps après la crue, d’avoir une idée de la pente, de repérer l’intensité maximale de l’averse et de la calculer approximativement : lehyétogramme
ainsi construit et complété parquel-
ques données constitue la base du modèle
mathématique,
que l’on modifie de pro- che en proche defaçon
à obtenir unhydrogramme
dont l’allure se rapprochera plusou moins de ce que les témoins ont observé à l’exutoire. C’est dire
qu’à
cetteéchelle de
précision,
les considérations sur la forme del’hydrogramme
et sur lecoefficient de ruissellement n’ont plus beaucoup d’importance. Mais ce n’est pas
un cas
général
et l’on ne saurait en déduirequ’il
faut s’en tenir à ces données plus que sommaires.M. JACQUET est d’accord avec M. ROCHE et remarque que l’on ne peut concevoir la notion de probabilité ni pour un
hyétogramme
ni pour unhydrogram-
me de crue pris dans son ensemble, mais
qu’il
suffit, engénéral
de connaître la probabilité de certains éléments, tels que intensité maximale de pluie ou dé- bit de pointe de crue, temps de montée ou volume d’écoulement, etc...M. ROCHE
souligne,
toutefois, 1 la nécessité de combiner ces éléments pour avoir unhyétogramme
d’une certaine duréelorsqu’il s’agit
d’un bassin d’une cer- taine importance et c’est làqu’on
est extrêmementgéné.
M. FERRY redit, au risque de se répéter, sa défiance à
l’égard
desanalyses
trop fines de liaison entre pluie et débit, car la réalité est beaucoup trop com- plexe et l’on n’a jamais assez de données pour procéder à de tellesanalyses.
Ilconviendrait d’abord, selon lui, de caractériser les précipitations sur un.bassin par une distribution à deux paramètres : volume d’averse et durée d’averse. D’au- tre- part, le volume et la durée d’une averse étant donnée, il faudrait chercher la loi de
probabilité
du volume écoulé dans un temps donné,égal
à la durée del’averse
augmentée
d’une constante. La connaissance du volume écoulé par une crueen un temps donné est bien suffisante, en pratique, pour en déduire une valeur approchée du débit de pointe. Des formes
d’hydrogrammes
vraisemblablesquel-
conques conduisent finalement pour cette valeur de pointe à des écarts inférieurs à la précision que l’on peut prétendre atteindre.