Modélisation hydrologique d'un bassin méditerranéen (Ouergha/Maroc). Comparaison d'une approche conceptuelle (GR4J), à base physique (HEC-HMS) et intelligence artificielle (LSTM)

Abstract

Les événements hydrométéorologiques extrêmes constituent un impact préoccupant des changements climatiques. Dès lors, la modélisation hydrologique s’est avérée indispensable pour la prédiction du comportement hydrologique des bassins versants et la prévention contre les inondations. L’objectif principal de cette étude est l’évaluation de la performance de trois modèles qui se basent sur des approches différentes visant la reproduction du comportement hydrologique et la capture des débits extrêmes : un modèle conceptuel global (GR4J), un modèle semi-distribué à base physique (HEC-HMS), et trois architectures du modèle des réseaux de neurones profonds (LSTM). La zone d’étude désignée à cette fin est le bassin méditerranéen de l’Ouergha au nord du Maroc, couvrant une superficie de 6190 km2 en amont du barrage Al Wahda, et constituant historiquement la zone de la genèse des inondations ayant affecté la plaine Al-Gharb telles que les inondations dévastatrices de 2010. Pour ce faire, différents indices statistiques de corrélation, des erreurs et des biais ont servi pour l’évaluation des modèles ; tandis que les hydrogrammes, les graphiques radar et les diagrammes de Taylor ont permis une comparaison des modèles. Les résultats indiquent que le modèle d’intelligence artificielle à couche unique LSTM 1 a démontré une performance supérieure, il est parvenu à mieux simuler les débits du bassin de l’Ouergha, à capturer efficacement la dynamique hydrologique et à faiblement sous-estimer les débits extrêmes. Pour affiner davantage ces résultats, on recommande d’incorporer des chroniques de l’étendue de la superficie des lacs de barrage, afin d’améliorer la politique de gestion des retenues et ainsi d’anticiper les lâchers substantiels lors des épisodes de pluies extrêmes.