Votre recherche

<p>Les études portant sur les évènements hydrologiques extrêmes sont d’une grande importance vu leurs nombreux impacts socio-économiques. Ces études reposent dans une large mesure sur la capacité à estimer adéquatement les risques associés à ces évènements. Dans ce cadre, l’analyse fréquentielle (AF) est une des approches les plus utilisées pour la modélisation et l’estimation des risques associés aux évènements extrêmes. Généralement, ces évènements sont caractérisés par plusieurs variables dépendantes, comme le volume, la pointe et la durée pour les crues. Par conséquent, l'analyse de chacune de ces variables séparément ne peut pas fournir une évaluation complète des risques et peut engendrer des pertes de vies humaines ou de biens associés à une sous estimation, ou une augmentation des coûts des ouvrages hydrauliques associés à une surestimation. L’AF multivariée (AFM) permet de pallier ce problème en considérant simultanément ces variables. L’AF classique est basée sur trois hypothèses à savoir l’homogénéité, la stationnarité et l’indépendance. Par ailleurs, différentes conditions non standards telles que la complexité topographique, les perturbations par les aménagements urbains et les changements climatiques peuvent influencer la réponse hydrologique. De telles conditions rendent la prédétermination des crues, par les méthodes classiques d’AFM, un exercice non efficace et mal adapté à de tels contextes. L’objectif de cette thèse consiste à proposer de nouvelles méthodes plus prometteuses pour l'analyse et la modélisation des variables hydrologiques à la fois dans un cadre multivarié et en l’absence de l’hypothèse d’homogénéité. Ces méthodes visent à contourner les limites de celles utilisées dans la littérature. Ces nouvelles méthodes, basées sur les copules, permettent une meilleure estimation des risques des extrêmes hydrologiques en tenant compte des interactions et es dépendances entre les différentes variables. Par conséquent, les gestionnaires des ressources hydriques peuvent prendre des décisions éclairées et mieux adaptées au contexte actuel. Précisément, nous nous intéressons dans une première partie à tester l’homogénéité des séries hydrologiques multivariées. Pour ce faire, nous avons proposé un nouveau test, basé sur les L moments multivariés, capable de détecter la rupture dans la structure de dépendance des variables hydrologiques. Les résultats obtenus montrent la bonne performance du test proposé sous différents scénarios. Par la suite, dans le but de modéliser l’hétérogénéité des séries hydrologiques multivariées, un modèle de mélange de copules a été mis au point. Dans ce cadre, nous avons proposé une nouvelle méthode pour l’estimation des différents paramètres du modèle. La méthode proposée est basée sur l’utilisation des algorithmes génétiques. Sa performance est illustrée sur des séries simulées. Les résultats obtenus montrent que la méthode proposée est un outil efficace capable de fournir de bonnes estimations, en particulier dans un contexte hydrologique. Finalement, deux nouveaux tests d’adéquation pour les copules multiparamètres ont été développés. Le but de ces tests est de vérifier la qualité de l’ajustement de la copule aux données et améliorer ainsi l’estimation des risques associés aux évènements extrêmes. Les résultats révèlent que les tests proposés performent bien dans le contexte hydrologique.<br /><br /> Studies of hydrological extreme events are of great importance given their many socio-economic impacts. These studies rely on the ability to adequately estimate the associated risk. In this context, frequency analysis (FA) is one of the most widely used approaches for modeling and estimating the risks associated with extreme events. Generally, these events are characterized by several correlated random variables. Therefore, analyzing each of these variables separately cannot provide a complete risk assessment and may result in loss of life or property associated with an underestimation, or an increase in the costs of hydraulic structure associated with an overestimation. Multivariate FA (MFA) overcomes this problem by simultaneously considering these variables. Classical FA is based on three assumptions namely homogeneity, stationarity and independence. However, different non-standard conditions such as topographic complexity, disturbances by urban development and climate change can influence the hydrological response. Such conditions make flood predetermination, by conventional MFA methods, an ineffective exercise and unsuitable to such contexts. The main objective of this thesis is to propose new and more promising methods for the analysis and modeling of hydrological variables both in a multivariate framework and in the lack of the homogeneity assumption. These methods aim to overcome the limitations of classical methods used in the literature. These new proposed methods, based on copulas, allow a better estimation of the risks associated to hydrological extremes by taking into account the dependence between the different variables. As a result, water resource managers can make informed decisions that are better suited to the current context. In the first part, we propose a novel statistical test for multivariate heterogeneity detection, based on copula and multivariate L-moments. A simulation study is conducted to evaluate the performance of the proposed test and to compare it with those of existing tests. Results show the ability of the proposed test to discriminate homogeneous and inhomogeneous series. In the second part, we propose a new model based on mixtures of copulas that take into account the heterogeneity of multivariate hydrological series. To estimate the components of this model, we propose a new parameter estimation approach, based on the maximum pseudo-likelihood using genetic algorithms. Results indicate that the proposed method estimates more accurately the parameters even with small sample sizes compared to the existing classical EM method. In the last part, we introduce new goodness of fit (GOF) tests specifically for multiparameter copulas and adapted to hydrometeorological context. More precisely, the proposed GOF tests are based on multivariate L moments. A simulation study is conducted to evaluate and compare the performances of the proposed tests. The results confirm the usefulness of the new GOF tests in comparison with some well-established ones.</p>

Les inondations présentent une grande menace à la sécurité humaine et matérielle. Les effets associés à ces phénomènes naturels risquent d'augmenter encore plus avec les tendances liées aux changements climatiques. Il est donc important de disposer d'outils de prévision et de prévention des crues fiables afin de mitiger les conséquences dévastatrices reliées. La mise en œuvre de ces outils implique des processus physiques assez complexes et nécessite beaucoup de données avec toute l'incertitude associée. Dans cette thèse, on explore les différentes sources d'incertitudes liée à la détermination des niveaux d'eau en rivières principalement dans un contexte de prévision où l'incertitude liée aux données de forçage est très importante. Les analyses conduites sont appliquées à la rivière Chaudière au Québec. En premier lieu, nous avons exploré les différentes sources paramétriques d'incertitude associées à la modélisation hydraulique dans un contexte de simulation avec un accent sur l'amélioration de la calibration du modèle hydraulique. Par la suite, dans un contexte de prévision opérationnel, on a évalué la propagation des sources d'incertitude de la prévision atmosphérique au modèle de rivière en passant par les prévisions hydrologiques avec des techniques probabilistes d'ensemble. La quantification de l'incertitude a montré que les données de forçage sont celles qui contribuent le plus à la description de l'incertitude dans la détermination des niveaux d'eau. L'incertitude paramétrique, dans un contexte de prévision, est quant à elle négligeable. Le recours à des prévisions d'ensemble a permis de produire une prévision de niveau d'eau assez fiable et a montré que celle-ci est fortement liée à la qualité des données qui proviennent de la chaine de prévision hydrométéorologique à l'amont du système de prévision proposé.

Abstract Global warming is causing glaciers in the Caucasus Mountains and around the world to lose mass at an accelerated pace. As a result of this rapid retreat, significant parts of the glacierized surface area can be covered with debris deposits, often making them indistinguishable from the surrounding land surface by optical remote-sensing systems. Here, we present the DebCovG-carto toolbox to delineate debris-covered and debris-free glacier surfaces from non-glacierized regions. The algorithm uses synthetic aperture radar-derived coherence images and the normalized difference snow index applied to optical satellite data. Validating the remotely-sensed boundaries of Ushba and Chalaati glaciers using field GPS data demonstrates that the use of pairs of Sentinel-1 images (2019) from identical ascending and descending orbits can substantially improve debris-covered glacier surface detection. The DebCovG-carto toolbox leverages multiple orbits to automate the mapping of debris-covered glacier surfaces. This new automatic method offers the possibility of quickly correcting glacier mapping errors caused by the presence of debris and makes automatic mapping of glacierized surfaces considerably faster than the use of other subjective methods.

Les changements climatiques anthropogéniques posent des défis énormes pour toutes les sociétés humaines. Ces défis majeurs mettront à l’épreuve les capacités d’adaptation des États et de ses institutions et des communautés partout dans le monde et devront se résoudre par un élan de solidarité humaine afin d’en atténuer les conséquences. Le Canada connaît déjà un réchauffement climatique important. Le pays a d’ailleurs récemment été touché par des événements climatiques extrêmes : des canicules, des feux de forêt, une sécheresse anormale et des inondations dont l’intensité est prévue d’augmenter avec les changements climatiques anthropogéniques. La province du Québec a quant à elle été touchée par de fortes inondations entre 2017 et 2019. L’objectif principal de la présente étude vise à discuter la manière dont le paradigme écosocial peut faire évoluer le travail social en tant que champ de savoir et d’intervention dans un contexte de changements climatiques. Cette étude s’est appuyée sur des données issues de groupes focus réalisés avec des intervenants suite aux inondations survenues au Québec (2017-2019). Notre analyse vise les interventions réalisées en contexte d’inondations, dans le sud de la province, mise en œuvre par le système de santé. Les données ont été collectées lors d’entrevues de groupe réalisées avec des intervenants psychosociaux et des gestionnaires de CI(U)SSS au courant des mois d’octobre et de novembre 2019. Les thèmes suivants ont émergé des analyses: les caractéristiques des inondations de 2019, les divergences d’opinions vis-à-vis des changements climatiques, l’aide et le soutien apportés durant les inondations et la participation citoyenne. J’insisterai également sur l’exacerbation possible des inégalités sociales dans ce contexte. D’autres thèmes se sont également révélés importants : l’engagement des intervenants psychosociaux, la participation et la décentralisation des décisions politiques. Enfin, mes réflexions porteront sur les conséquences sociales qu’entrainent les inondations et sur les types de pratiques sociales qui s’avèrent pertinentes à l’ère des changements climatiques et dans un contexte d’urgence.

Abstract Temporal variations in concentrations of pathogenic microorganisms in surface waters are well known to be influenced by hydrometeorological events. Reasonable methods for accounting for microbial peaks in the quantification of drinking water treatment requirements need to be addressed. Here, we applied a novel method for data collection and model validation to explicitly account for weather events (rainfall, snowmelt) when concentrations of pathogens are estimated in source water. Online in situ β ‐ d ‐glucuronidase activity measurements were used to trigger sequential grab sampling of source water to quantify Cryptosporidium and Giardia concentrations during rainfall and snowmelt events at an urban and an agricultural drinking water treatment plant in Quebec, Canada. We then evaluate if mixed Poisson distributions fitted to monthly sampling data ( = 30 samples) could accurately predict daily mean concentrations during these events. We found that using the gamma distribution underestimated high Cryptosporidium and Giardia concentrations measured with routine or event‐based monitoring. However, the log‐normal distribution accurately predicted these high concentrations. The selection of a log‐normal distribution in preference to a gamma distribution increased the annual mean concentration by less than 0.1‐log but increased the upper bound of the 95% credibility interval on the annual mean by about 0.5‐log. Therefore, considering parametric uncertainty in an exposure assessment is essential to account for microbial peaks in risk assessment.

Conventional processes (coagulation, flocculation, sedimentation, and filtration) are widely used in drinking water treatment plants and are considered a good treatment strategy to eliminate cyanobacterial cells and cell-bound cyanotoxins. The diversity of cyanobacteria was investigated using taxonomic cell counts and shotgun metagenomics over two seasons in a drinking water treatment plant before, during, and after the bloom. Changes in the community structure over time at the phylum, genus, and species levels were monitored in samples retrieved from raw water (RW), sludge in the holding tank (ST), and sludge supernatant (SST). Aphanothece clathrata brevis, Microcystis aeruginosa, Dolichospermum spiroides, and Chroococcus minimus were predominant species detected in RW by taxonomic cell counts. Shotgun metagenomics revealed that Proteobacteria was the predominant phylum in RW before and after the cyanobacterial bloom. Taxonomic cell counts and shotgun metagenomic showed that the Dolichospermum bloom occurred inside the plant. Cyanobacteria and Bacteroidetes were the major bacterial phyla during the bloom. Shotgun metagenomics also showed that Synechococcus, Microcystis, and Dolichospermum were the predominant detected cyanobacterial genera in the samples. Conventional treatment removed more than 92% of cyanobacterial cells but led to cell accumulation in the sludge up to 31 times more than in the RW influx. Coagulation/sedimentation selectively removed more than 96% of Microcystis and Dolichospermum. Cyanobacterial community in the sludge varied from raw water to sludge during sludge storage (1–13 days). This variation was due to the selective removal of coagulation/sedimentation as well as the accumulation of captured cells over the period of storage time. However, the prediction of the cyanobacterial community composition in the SST remained a challenge. Among nutrient parameters, orthophosphate availability was related to community profile in RW samples, whereas communities in ST were influenced by total nitrogen, Kjeldahl nitrogen (N- Kjeldahl), total and particulate phosphorous, and total organic carbon (TOC). No trend was observed on the impact of nutrients on SST communities. This study profiled new health-related, environmental, and technical challenges for the production of drinking water due to the complex fate of cyanobacteria in cyanobacteria-laden sludge and supernatant.

Waterborne pathogens are heterogeneously distributed across various spatiotemporal scales in water resources, and representative sampling is therefore crucial for accurate risk assessment. Since regulatory monitoring of microbiological water quality is usually conducted at fixed time intervals, it can miss short-term fecal contamination episodes and underestimate underlying microbial risks. In the present paper, we developed a new automated sampling methodology based on near real-time measurement of a biochemical indicator of fecal pollution. Online monitoring of β-D-glucuronidase (GLUC) activity was used to trigger an automated sampler during fecal contamination events in a drinking water supply and at an urban beach. Significant increases in protozoan parasites, microbial source tracking markers and E. coli were measured during short-term (<24 h) fecal pollution episodes, emphasizing the intermittent nature of their occurrence in water. Synchronous triggering of the automated sampler with online GLUC activity measurements further revealed a tight association between the biochemical indicator and culturable E. coli. The proposed event sampling methodology is versatile and in addition to the two triggering modes validated here, others can be designed based on specific needs and local settings. In support to regulatory monitoring schemes, it should ultimately help gathering crucial data on waterborne pathogens more efficiently during episodic fecal pollution events.

Estimating snowmelt in semi-arid mountain ranges is an important but challenging task, due to the large spatial variability of the snow cover and scarcity of field observations. Adding solar radiation as snowmelt predictor within empirical snow models is often done to account for topographically induced variations in melt rates. This study examines the added value of including different treatments of solar radiation within empirical snowmelt models and benchmarks their performance against MODIS snow cover area (SCA) maps over the 2003-2016 period. Three spatially distributed, enhanced temperature index models that, respectively, include the potential clear-sky direct radiation, the incoming solar radiation and net solar radiation were compared with a classical temperature-index (TI) model to simulate snowmelt, SWE and SCA within the Rheraya basin in the Moroccan High Atlas Range. Enhanced models, particularly that which includes net solar radiation, were found to better explain the observed SCA variability compared to the TI model. However, differences in model performance in simulating basin wide SWE and SCA were small. This occurs because topographically induced variations in melt rates simulated by the enhanced models tend to average out, a situation favored by the rather uniform distribution of slope aspects in the basin. While the enhanced models simulated more heterogeneous snow cover conditions, aggregating the simulated SCA from the 100 m model resolution towards the MODIS resolution (500 m) suppresses key spatial variability related to solar radiation, which attenuates the differences between the TI and the radiative models. Our findings call for caution when using MODIS for calibration and validation of spatially distributed snow models.

Abstract When the Syrian war erupted in 2011, the Lebanese government withdrew from managing the influx of Syrian refugees. Three years later, Lebanon’s Council of Ministers set new regulations for Syrians with the purpose of reducing access to territory and persuading refugees to leave the country. This article analyses the reasons for and the outcomes of Lebanon’s response to the refugee crisis before and after 2014. It then examines, through a qualitative exploratory approach and based on two longitudinal case studies, the impact of Lebanese regulations. In both cases, the so-called ‘temporary gatherings’ became permanent settlements beyond the government’s control. The government’s strategy backfired: in attempting to avoid ghettos, it created them. We conclude that when refugee situations become protracted, most efforts aimed at excluding refugees fail. Excluding refugees increases their vulnerability and reduces their chances of repatriation or resettlement. To prevent this, we argue that hosting policies must lead to the temporary integration of refugees within urban systems and public institutions.

The numerical modeling of sediment transport under wave impact is challenging because of the complex nature of the triple wave–structure–sediment interaction. This study presents three-dimensional numerical modeling of sediment scouring due to non-breaking wave impact on a vertical seawall. The Navier–Stokes–Exner equations are approximated to calculate the full evolution of flow fields and morphodynamic responses. The bed erosion model is based on the van Rijn formulation with a mass-conservative sand-slide algorithm. The numerical solution is obtained by using a projection method and a fully implicit second-order unstructured finite-volume method in a σ-coordinate computational domain. This coordinate system is employed to accurately represent the free-surface elevation and sediment/water interface evolution. Experimental results of the velocity field, surface wave motion, and scour hole formation hole are used to compare and demonstrate the proposed numerical method’s capabilities to model the seawall scour.