Search

The possible intake of water in an area with no large reservoir has been evaluated for planning-purposes. For example, this kind of study is effective for analysis of a run-of-river irrigation system. For supplementing past discharge data, estimating the discharge due to precipitation data using arun-off model is effective. After the discharge estimated, a stochastic evaluation for planning will betried. In this paper, an approximated analysis with no successive data of measured discharge for makinga run-off model is discussed. The stochastic relation between the API value given from precipitationdata and small discharge Q is introduced as the stochastic model for estimating the discharge. This relation was computed using the least square program. If the order of discharge is in the effective rangeof this API～Q relation, the stochastic evaluation for planning the drought damage will be possible. Inthis case, the measured discharge data are needless to be successive for getting the API～Q relation.The other merits are as follows. The error component of discharge given from the physical run-off model is as large as the range ofdays, because the longer the discharge estimated days are, the more difficult it is to estimate the watervolume in the catchment area. Different from the physical run-off model, the error component of discharge is free from the length of estimated days. When daily cumulative values (for example, dry days, cumulative insufficient water volume and soon) are used as an index for the possible intake of water, the errors of the index affected by variationof API～Q will be as small as the discharge estimated days being longer. Since the API at 0:00 a.m. is used in this paper, the estimated Q of a rainy day is not in goodagreement with measured one. So, this approximated analysis leads to a safer evaluation for droughtdamage.

The estimation of snow storage and precipitation, essential for managing hydroelectric reservoirs of EDF, still remains subject to considerable uncertainties. EDF-DTG currently seeks to develop some tools for robust interpolations, able to provide a reliable estimate of precipitation and snow water equivalent at any point in mountainous areas. The developed tools are essentially based on the ground sensor network of DTG, which measures precipitations, snow depth and water equivalent over French mountains.In the long term, these tools should make it possible to progress towards a better spatial vision of the daily or “event” precipitation, as well as of the snow cover on the ground, based on measurements taken all over the basins requiring an operational hydrological forecast., Les phénomènes météorologiques en montagne sont influencés par de nombreux facteurs tels que le relief ou l'altitude, et possèdent de ce fait une grande variabilité spatiale, qui rend l'hydrométéorologie des bassins versants de montagne particulièrement complexe. Au regard de cette hétérogénéité spatiale, les postes d'observations sont à ces altitudes trop peu nombreux. Les mesures sont de plus réalisées dans des conditions parfois difficiles (neige, vent) et sont donc souvent entachées d'importantes incertitudes. En conséquence, l'estimation des stocks de neige et des précipitations, primordiale pour les gestionnaires du parc hydroélectrique d'EDF (Électricité De France), reste encore aujourd'hui sujette à des incertitudes non négligeables. La thèse présentée ici, menée au sein de l'équipe hydrologie d'EDF-DTG a, parmi ses objectifs, le développement d'un outil d'interpolation des précipitations en zones de montagne. Ce dernier permettrait à terme de progresser vers une vision spatialisée et cartographiée de la pluie et de la neige mesurées sur les bassins versants faisant l'objet d'une prévision opérationnelle.Pour développer cette méthodologie, une très vaste base de données a été constituée, regroupant des données françaises (EDF et Météo France) mais également suisses, italiennes et espagnoles. Cet outil repose sur un Modèle Numérique de Terrain de maille 1km. Une classification en types de temps est introduite, afin de prendre en compte les variations du gradient orographique de précipitation en fonction du type de circulation atmosphérique considérée. Au sein de chaque type de temps et pour chaque pixel l'effet orographique, considéré comme prépondérant dans l'explication des précipitations en montagne, est modélisé par une relation linéaire reliant les précipitations du type de temps considéré à l'altitude. Cette relation s'appuie sur les points de mesure situés à proximité du pixel, dont le mode de sélection et de pondération a été optimisé.L'utilisation de la validation croisée entre les stations permet d'évaluer le niveau de restitution du modèle aux altitudes proches du réseau d'observation, quant à la qualité des lames d'eau en haute montagne, elle est par ailleurs évaluée à travers le bilan hydrologique intégré sur les bassins versants instrumentés d'une part, et à l'aide d'une confrontation avec les postes de mesure de l'équivalent en eau du manteau neigeux d'autre part.Développé sur les Alpes Françaises, les Pyrénées et le Massif Central, ce modèle présente des résultats très encourageants au regard de ceux obtenus par d'autres méthodes, ce qui est sans doute le fait du caractère résolument régional du mode de reconstitution des précipitations.