Votre recherche

RÉSUMÉ : Peu d’outils permettent de faire un audit des aléas hydrogéomorphologiques (HGM) auxquels les petits cours d’eau (PCE) sont sujets, pourtant à ces PCE sont associés plusieurs aléas HGM qui compromettent l’intégrité d’enjeux qui y sont exposés. L’objectif du projet vise à appliquer des outils SIG (ExZeco et Geomorphon landform) employés avec un modèle numérique d’élévation à haute résolution, pour l’évaluation préliminaire du risque lié aux aléas HGM des PCE. Cette évaluation préliminaire ne tient pas compte de la probabilité d’occurrence de l’aléa. Elle est plutôt basée sur la position des enjeux par rapport aux aléas HGM simulés sur les cônes alluviaux et les plaines d’inondations. Pour ce faire, quatre bassins versants de la région du Bas-Saint-Laurent ont été identifiés comme sites d’étude. La méthodologie se base dans un premier temps sur l’établissement d’un portrait d’aléa HGM, puis dans un deuxième temps sur la caractérisation de ces aléas en évaluant leur intensité, leur étendue et leur distribution spatiale et finalement, l’évaluation de l’exposition des enjeux vis-à-vis des aléas. Les résultats montrent que des enjeux (parcelle agricole, route, résidences) sont exposés à l’aléa torrentiel sur deux cônes alluviaux cartographiés dans les bassins versants pilotes, et des résidences sont exposées à un débordement probable de cours d’eau. L’analyse du risque a été réalisée avec obstruction probable des ponceaux sur le LiDAR et sans obstruction des ponceaux. L’aléa est de forte intensité dans le risque probable lié aux obstructions, et les enjeux exposés sont notamment les résidences, les routes et des portions de terre agricole. Des témoignages de riverains ont permis de valider l’intensité des aléas prédits par ExZeco. -- Mot(s) clé(s) en français : Aléa HGM, Évaluation préliminaire, cône alluvial, plaine d’inondation, LiDAR. -- ABSTRACT : Few tools are available for auditing the hydrogeomorphic hazards (HGM) to which small watercourses (PCE) are subject, yet these PCE are associated with several HGM hazards that compromise the integrity of issues exposed to them. The aim of the project is to apply GIS tools (ExZeco and Geomorphon landform) used in conjunction with a high-resolution digital elevation model, for the preliminary assessment of the risk associated with HGM hazards in PCE. This is an assessment based solely on the position of issues in relation to the HGM hazards to which alluvial fans and floodplains are subject. To this end, four watersheds in the Lower St. Lawrence region were identified as study sites. The methodology is based firstly on the establishment of a HGM hazard profile, then on the characterization of these hazards by assessing their intensity, extent and spatial distribution, and finally on the assessment of the level of exposure of issues to these hazards. The results show that issues (agricultural plots, roads, residences) are exposed to torrential hazards on two alluvial fans mapped in the pilot watersheds, and residences are exposed to probable river overflow. The risk analysis was carried out with probable culvert obstructions on the LiDAR and without culvert obstructions. The probable risk associated with obstructions is of high intensity, and the stakes exposed include residences, roads and portions of agricultural land. Testimonials from residents validated the intensity of the hazards predicted by ExZeco. -- Mot(s) clé(s) en anglais : HGM Hazard, Preliminary Assessment, Alluvial Fan, Floodplain, LiDAR.

RÉSUMÉ : Les relocalisations de populations et les démolitions de bâtiments sont des moyens pour réduire les risques associés aux inondations, dont ceux pour la santé humaine. Au Québec, l’usage de ces mesures pourrait s’accroître avec les changements climatiques. En Chaudière-Appalaches, au moins 404 bâtiments ont été démolis à Sainte-Marie et 88 à Scott après les inondations de 2019. L’expérience de démolition de domiciles post-inondation est toutefois peu documentée au Québec et encore moins selon le point de vue des personnes touchées, particulièrement chez les hommes. Ce mémoire présente les résultats d’une étude ayant documenté cette expérience auprès de treize hommes propriétaires d’un domicile dans la MRC Nouvelle-Beauce à partir d'entretiens semi-dirigés (méthode photo-élicitation) et d’un groupe de discussion. Cette étude repose sur l’expérience clinique de l’étudiante-chercheuse qui a constaté la présence de détresse chez la population masculine touchée par ce phénomène et sur la littérature scientifique qui démontre une plus faible propension à l’usage de services psychosociaux et de santé chez les hommes. À partir d’une analyse thématique inspirée du cadre théorique « Psychological Processes That Influence Adaptation to and Coping With Climate Change » de Reser et Swim et d’une perspective écosystémique, quatre nouvelles phases ont été dégagées soient : l’inondation, les démarches administratives, la démolition et la relocalisation. Chacune est caractérisée par des besoins et des impacts psychosociaux systémiques, l’usage de stratégies adaptatives spécifiques et des moments critiques pour la santé et le bien-être des hommes. Les résultats suggèrent que des impacts et besoins individuels et collectifs peuvent se cumuler et se prolonger dans le temps comme des manifestations anxio-dépressives ou traumatiques, de la détresse, une désaffiliation sociale ainsi qu’une modification de projets de vie. Une réduction de l’exposition aux inondations et une augmentation du bien-être et de la sécurité ressortent également. La proactivité, les pensées axées sur l’autonomie et le recours au soutien informel sont apparues comme des stratégies aidantes comparativement au repli sur soi et au surinvestissement dans le travail. Les résultats permettent d’exposer des pistes de réflexion et d’action favorisant le bien-être des hommes et d’autres pertinentes pour le travail social. Parmi celles-ci se trouvent d’encourager les hommes touchés par la démolition de leur domicile post-inondation à s’investir dans leur nouveau milieu de vie pour favoriser son appropriation et sa personnalisation ainsi que des recommandations pour le travail social de prendre en compte le genre dans la compréhension des problèmes socioenvironnementaux. -- Mot(s) clé(s) en français : Inondation, chez-soi, hommes, changements climatiques, travail social, désastre, besoins psychosociaux, adaptation, mesures d’atténuation du risque, événements météorologiques extrêmes. -- ABSTRACT : Population relocation and building demolition are ways of reducing the risks associated with flooding, including those to human health. In Quebec, the use of these measures could increase with climate change. In Chaudière-Appalaches, at least 404 buildings were demolished in Sainte-Marie and 88 in Scott after the 2019 floods. However, the experience of post-flood home demolition is poorly documented in Quebec, and even less so from the perspective of those affected, specifically men. This memoir presents the results of a study that documented this experience with thirteen male homeowners in the Nouvelle-Beauce MRC using semi-directed interviews (photo-elicitation method) and a focus group. This study is based on the student-researcher's clinical experience of distress among the male population affected by this phenomenon, and on scientific literature demonstrating a lower propensity to use psychosocial and health services among men. Based on a thematic analysis inspired by the Reser and Swim’s theoretical framework, the Psychological Processes That Influence Adaptation to and Coping With Climate Change, and an ecosystem perspective, four new phases were identified: flooding, administrative procedures, demolition and relocation. Each is characterized by systemic psychosocial needs and impacts, the use of specific adaptive strategies and critical moments for men's health and well-being. The results suggest that individual and collective needs and impacts can accumulate and extend over time, such as anxio-depressive or traumatic manifestations, distress, social disaffiliation and changes in life plans. A reduction in exposure to flooding and an increase in well-being and safety also stand out. Proactivity, autonomy-oriented thinking and reliance on informal support emerged as helpful strategies compared to withdrawal and over-investment in work. The results provide food for thought and action to promote men's well-being, and others relevant to social work. These include encouraging men affected by the demolition of their post-flood home to get involved in their new living environment to promote its appropriation and personalization and taking gender into account in understanding socioenvironmental problems. -- Mot(s) clé(s) en anglais : Flooding, home, men, climate change, social work, disaster, psychosocial needs, adaptation, risk mitigation measures, extreme weather events.

Une première centrale au fil de l'eau (FDE) au Nunavik (QC, Canada), construite en zone de pergélisol continu, alimente la communauté d'Inukjuak en énergie renouvelable depuis 2024. De petite taille, ces constructions ont été peu étudiées par le passé, notamment en lien avec la modification du cycle du mercure (Hg) et à la bioaccumulation de méthylmercure (MeHg) dans les réseaux alimentaires adjacents. Le pergélisol est cependant un potentiel réservoir substantiel de Hg, et la mise en eau pourrait favoriser son dégel, remobilisant ainsi du Hg historique, co-transporté par du carbone (C) ancien. Afin de mieux cerner les impacts d’une inondation en contexte septentrional, des sols, de l’eau de surface et des invertébrés benthiques ont été échantillonnés le long de la rivière Innuksuac avant, pendant et trois mois suivants la mise en eau. Afin d’investiguer le Hg dans la colonne d’eau, la qualité du carbone organique dissous (COD) (i.e. âge et composition) a été étudiée, tandis que le transfert trophique du MeHg au sein du réseau alimentaire a été clarifié à l’aide de l’isotopie stable (ẟ13C et ẟ15N), reflétant la diète et le niveau trophique des organismes. Le ratio Hg : C suggère que les concentrations de Hg dans le sol de la zone d’étude étaient moindres que ce qui était attendu, en se basant de précédentes estimations circompolaires, tandis que la majorité du Hg mesuré se trouvait dans la couche active du pergélisol et n’était donc pas immobilisé par le gel. Néanmoins, la mise en eau a généré une hausse de la concentration de MeHg (~ 7x) et du potentiel de méthylation (~ 4x) dans la couche organique superficielle des sols ennoyés. Cette hausse d’activité s’est reflétée dans les eaux de surface de la baie inondée, qui présentait des concentrations de MeHg dix fois plus élevées que dans les autres sites échantillonnés. Tandis que le COD exogène dérivant du milieu terrestre semble important pour l’apport de Hg inorganique dans le système riverain, le COD récemment dégradé par l’activité microbienne s’est avéré être le meilleur indicateur du potentiel de la méthylation. Une augmentation de la concentration tissulaire de MeHg a finalement été observée au bas de la chaîne trophique, chez les consommateurs primaires (~ 4x) ainsi que chez les invertébrés benthiques arborant une diète omnivore (~ 3x), mais pas chez les organismes prédateurs, suggérant l’existence d’un délai de transfert trophique. Chez les consommateurs primaires, cette augmentation était surtout apparente chez les invertébrés intimement associés à l’environnement benthique de la nouvelle baie inondée, où les signatures de ẟ13C étaient également les plus faibles. Ces résultats offrent un premier portrait à court terme du transport et des transformations du Hg lors d’une inondation en région subarctique, et les hausses enregistrées, bien que non négligeables, se limitent pour l’instant à une faible superficie (< 1 km2) et ne semblent pas se répercuter en aval de la petite baie inondée.

The coast is a complex environment that comprises seawater, underwater, soil, atmosphere, and other environmental factors. Traditional and new pollutants, represented by oil spills and microplastic (MPs), persist in posing a constant threat to the ecosystems and social-economic features of coastal regions. Besides, the shoreline is exposed to various environment conditions, which may significantly affect the behaviors of pollutants on beaches. An in-depth understanding of the occurrence and fate of pollutants in coastal areas is a prerequisite for the development of sound prevention and remediation strategies. Firstly, the physicochemical behavior of crude oil on various types of shorelines under different environmental conditions were reviewed. The penetration, remobilization, and retention of stranded oil on shorelines are affected by the beach topography and the natural environment. The attenuation and fate of oil on shorelines from laboratory and field experiments were discussed. In addition, the source, type, distribution, and factors of MPs in the coastal areas were summarized. What is more, the occurrence and environmental risk of emerging plastics waste—personal protective equipment (PPE)—in the coastal environment during and pandemic were discussed. Then, the role of natural nanobubbles (NBs) in the fate and transport of spilled oil were investigated through laboratory experiments and model simulations. NBs significantly increased the concentration of dissolved oxygen as well as changed the pH, zeta potential, and surface tension of the water. With the assistance of external energy, the bulk NBs enhanced the efficiency in oil detachment from the surface of the substrate. At the same time, the surface NBs on the substrate obstructed the downward transport of oil colloids. Considering the behavior between the NBs in two different phases and the oil droplets, the oil droplets tended to bind to the NBs. Next, the behavior and movement of various MPs in the presence of bulk NBs was explored. In the presence of NBs, the binding of MPs and NBs resulted in an increase in the measured average particle size and concentration. The velocity of motion of MPs driven by NBs varies under different salinity conditions. The increase in ionic strength reduced the energy barrier between particles and promoted their aggregation. Thus, the binding of NBs and MPs became more stable, which in turn affected the movement of MPs in the water. Polyethylene (PE1) with small particle size was mainly affected by Brownian motion and its rising was limited, therefore polyethylene (PE2) with large particle size rose faster than PE1 in suspension, especially in the presence of NBs. The effect of nanobubbles on the mobilization of MPs in shorelines subject to seawater infiltration was further studied. The motion of MPs under continuous and transient conditions, as well as the upward transport induced with flood were considered. Salinity altered the energy barriers between particles, which in turn affected the movement of MPs within the matrix. In addition, hydrophilic MPs were more likely to infiltrate within the substrate and had different movement patterns under both continuous and transient conditions. The motion of the MPs within the substrate varied with flow rate, and NBs limited the vertical movement of MPs in the tidal zone. It was also observed that NBs adsorbed readily onto substrates, altering the surface properties of substrates, particularly their ability to attach and detach from other substances. Finally, the changing characteristics and environmental behaviors of PPE wastes when exposed to the shoreline environment were examined. The transformation of chain structure and chemical composition of masks and gloves as well as the decreased mechanical strength after UV weathering were observed. In addition, the physical abrasion caused by sand further exacerbated the release of MPs and leachable hazardous contaminates from masks and gloves. In conclusion, the coastal zone is threatened by various pollutants, including traditional pollutants (like the oil spill) and emerging pollutants (like MPs). Due to the complexity of the coastal zone, the occurrence, transport and fate of pollutants can be controlled by many factors, and some factors that are ignored before can also alter the environmental behavior of pollutants in the coastal zone. Natural NBs can change the properties of the water environment and affect the surface properties of the substrate. Bulk NBs contribute to the oil detachment from the sand surface, and surface nanobubbles in the substrate obstruct the downward transport of oil colloids. The behavior and mobilization of MPs in the coastal `zone are subject to mutual forces between the substrate, MPs, NBs, and other factors. Coastal zones are not only the main receptor of pollutants from oceans and lands but also play a key role in their fate and transport.

Natural calamities like floods and droughts pose a significant threat to humanity, impacting millions of people each year and incurring substantial economic losses to society. In response to this challenge, this thesis focuses on developing advanced machine learning techniques to improve water height prediction accuracy that can aid municipalities in effective flood mitigation. The primary objective of this study is to evaluate an innovative architecture that leverages Long Short Term Networks - neural networks to predict water height accurately in three different environmental scenarios, i.e., frazil, droughts and floods due to snow spring melt. A distinguishing feature of our approach is the incorporation of meteorological forecast as an input parameter into the prediction model. By modeling the intricate relationships between water level data, historical meteorological data and meteorological forecasts, we seek to evaluate the impact of meteorological forecasts and if any inaccuracies could impact water-level prediction. We compare the outcomes obtained by incorporating next-hour, next-day and next-week meteorological data into our novel LSTM model. Our results indicate a comprehensive comparison of the usage of various parameters as input and our findings suggest that accurate weather forecasts are crucial in achieving reliable water height predictions. Additionally, this study focuses on the utilization of IoT sensor data in combination with ML models to enhance the effectiveness of flood prediction and management. We present an online machine learning approach that performs online training of the model using real-time data from IoT sensors. The integration of live sensor data provides a dynamic and adaptive system that demonstrates superior predictive capabilities compared to traditional static models. By adopting these advanced techniques, we can mitigate the adverse impacts of natural catastrophes and work towards building more resilient and disaster-resistant communities.

L’estimation du débit en rivières est un paramètre clé pour la gestion des ressources hydriques, la prévention des risques liés aux inondations et la planification des équipements hydroélectriques. Lorsque le débit d’eau est très élevé lors d'évènements extrêmes, les méthodes de jaugeage traditionnelles ne peuvent pas être utilisées. De plus, les stations du réseau hydrométrique sont généralement éparses et leur répartition spatiale n’est pas optimale. Par conséquent, de nombreuses sections de rivières ne peuvent être suivies par des mesures et observations du débit. Pour ces raisons, pendant la dernière décennie, les capteurs satellitaires ont été considérés comme une source d’observation complémentaire aux observations traditionnelles du niveau d’eau et du débit en rivières. L’utilisation d’une telle approche a fourni un moyen de maintenir et d’étendre le réseau d'observation hydrométrique. L’approche avec télédétection permet d’estimer le débit à partir des courbes de tarage qui met en relation le débit instantané (Q) et la géométrie d’une section transversale du chenal (la largeur ou la profondeur effective de la surface d’eau). En revanche, cette méthode est associée à des limitations, notamment, sa dépendance aux courbes de tarage. En effet, en raison de leurs natures empiriques, les courbes de tarage sont limitées à des sections spécifiques et ne peuvent être appliquées dans d’autres rivières. Récemment, des techniques d’apprentissage profond ont été appliquées avec succès dans de nombreux domaines, y compris en hydrologie. Dans le présent travail, l’approche d’apprentissage profond a été choisie, en particulier les réseaux de neurones convolutifs (CNN), pour estimer le débit en rivière. L’objectif principal de ce travail est de développer une approche d’estimation du débit en rivières à partir de l’imagerie RADARSAT 1&amp;2 à l’aide de l’apprentissage profond. La zone d’étude se trouve dans l’ecozone du bouclier boréal à l’Est du Canada. Au total, 39 sites hydrographiques ont fait l’objet de cette étude. Dans le présent travail, une nouvelle architecture de CNN a été a été proposée, elle s'adapte aux données utilisées et permet d’estimer le débit en rivière instantané. Ce modèle donne un résultat du coefficient de détermination (R²) et de Nash-Sutcliffe égale à 0.91, le résultat d’erreur quadratique moyenne égale à 33 m³ /s. Cela démontre que le modèle CNN donne une solution appropriée aux problèmes d’estimation du débit avec des capteurs satellites sans intervention humaine. <br /><br />Estimating river flow is a key parameter for effective water resources management, flood risk prevention and hydroelectric facilities planning. In cases of very high flow of water or extreme events, traditional gauging methods cannot be reliable. In addition, hydrometric network stations are often sparse and their spatial distribution is not optimal. Therefore, many river sections cannot be monitored using traditional flow measurements and observations. For these reasons, satellite sensors are considered as a complementary observation source to traditional water level and flow observations in the last decades. The use of this kind of approach has provided a way to maintain and expand the hydrometric observation network. Remote sensing data can be used to estimate flow from rating curves that relate the instantaneous flow (Q) to the geometry of a channel cross-section (the effective width or depth of the water surface). On the other hand, remote sensing is also associated with limitations, notably its dependence on the rating curves. Indeed, due to their empirical nature, rating curves are limited to specific sections and cannot be applied in other rivers. Recently, deep learning techniques have been successfully applied in many fields, including hydrology. In the present work, the deep learning approach has been chosen, in particular convolutional neural networks (CNN), to estimate river flow. The main objective of this work is to develop an approach to estimate river flow from RADARSAT 1&amp;2 imagery using deep learning. In this study, 39 hydrographic sites of the Boreal Shield ecozone in Eastern Canada were considered. A new CNN architecture was developed to provide a straightforward estimation of the instantaneous river flow rate. The achieved results demonstrated a coefficient of determination (R²) and Nash-Sutcliffe values of 0.91, and a root mean square error of 33m³ /s. This indicates the effectiveness of CNN in automatic flow estimation with satellite sensors.

Cette thèse s’inscrit dans le champ des études sur les fictions de la fin du monde. J’y explore la question suivante : pourquoi existe-t-il autant de romans et de films racontant la fin d’un monde, et si peu la fin du monde ? En effet, la plupart des fictions dites de « fin du monde » mettent en scène la menace d’une catastrophe évitée, ou une destruction partielle, ou encore un univers post-apocalyptique habité de survivants. L’anéantissement total et définitif de l’espèce humaine, quant à lui, constitue rarement le dénouement de ce type d’œuvres. Ce déséquilibre s’explique en partie par le fait que ces œuvres représentent davantage le renouvellement du monde que sa disparition. Mon hypothèse est que nombre de ces récits de la fin héritent d’un imaginaire, d’une structure, de thèmes, de motifs, etc., provenant du mythe du déluge tel qu’il s’est développé dans l’Antiquité (entre autres dans sa version biblique), lequel symbolise la refondation et la transmission, et non l’anéantissement. Dans le premier chapitre, je propose une exploration de différents concepts et théories permettant de mieux définir les romans et les films de la fin du monde : les dispositif et contre-dispositif de Giorgio Agamben ; la conception des mythes de René Girard (principalement pour les notions d’indifférenciation et de bouc émissaire) ; le décalage prométhéen de Gunther Anders ; le catastrophisme éclairé de Jean-Pierre Dupuy ; les deux raisonnements mythologiques opposés identifiés dans les récits antiques de la fin du monde par Christine Reungoat-Dumas. Dans le deuxième chapitre, j’étudie d’abord comment le thème de la transmission s’articule dans quelques mythes antiques du déluge, avant de proposer un canevas général des mythèmes constituants. À partir de cette délimitation, je procède ensuite à l’analyse de trois mythèmes (la crise indifférenciatrice ; l’abri ; le lâcher d’oiseaux) dans un corpus de romans et de films des 20e et 21e siècles. Cette analyse permet de faire ressortir l’importance du thème de la transmission (de gènes et de mèmes, donc de réplicateurs). La transmission reflète un besoin de transcendance qui définit, oriente, ou du moins colore, pratiquement toutes les œuvres de la fin du monde. Dans ce contexte, la littérature, objet de transmission, peut être appréhendée comme une « arche métaphorique ». Le troisième chapitre se concentre sur l’analyse d’une œuvre, la trilogie MaddAddam (Oryx and Crake ; The Year of the Flood ; MaddAddam) de Margaret Atwood. J’y avance que cette œuvre prend la forme d’une épopée, dans laquelle on assiste à la mise en scène de sa propre écriture. Cette mise en abyme démontre bien que la trilogie, tout en étant une œuvre de fin du monde, raconte également la naissance d’un nouveau monde : l’épopée intradiégétique qui s’y compose tente d’immortaliser une partie du passé et d’orienter le futur. La littérature, sous la forme de cette épopée, figure ainsi une arche qui relie les mondes pré-apocalyptique et post-apocalytique de l’œuvre d’Atwood.

Les modèles hydrologiques traditionnels n’imposent pas la contrainte de conservation d’énergie à la surface. Lorsque soumis à des températures plus élevées, ils ont le potentiel de surestimer l’évapotranspiration. Le modèle de surface physique CLASS est couplé au modèle de routage RAPID, basé sur la méthode de Muskingum, pour former un modèle hydrologique plus robuste en contexte de réchauffement global. CLASS-RAPID est implanté sur le bassin versant du Haut-Montmorency (47.4°N, 71.1°O). CLASS est calibré et validé à l’aide d’observations hydrométéorologiques à la Forêt Montmorency ; RAPID est optimisé d’après les observations de débits de la Direction d’expertise hydrique du Québec. Des projections climatiques provenant des modèles CanESM2, CNRM-CM5, GFDL-ESM2M et MPI-ESM du Projet d’intercomparaison des modèles couplés et des scénarios climatiques RCP 4.5 et RCP 8.5 sont fournies en entrées à CLASS-RAPID afin de réaliser des simulations hydrologiques pour la période future de 2041 à 2070. Des projections climatiques provenant des mêmes modèles pour la période de référence de 1981 à 2005 sont également utilisées par CLASS-RAPID afin de générer une séquence de débits pouvant être comparée à celle de la période future. CLASS-RAPID obtient un score de NSE = 0, 66 au critère de performance de Nash-Sutcliffe. Le modèle reproduit fidèlement la séquence des évènements hydrologiques, mais sous-estime systématiquement les pointes de crue. Les simulations de CLASS-RAPID réalisées en condition de changements climatiques projettent que les crues printanières se produisent plusieurs dizaines de jours à l’avance pour la période future de 2041 à 2070 en comparaison à la période de référence. Pour les quatre modèles à l’étude, les simulations en condition de changements climatiques permettent de prévoir une diminution moyenne des débits d’étiage d’été de 40% pour le scénario climatique RCP 4.5 et de 50% pour le scénario climatique RCP 8.5. Pour les mêmes scénarios climatiques, l’Atlas hydroclimatique du Québec, qui repose sur une modélisation hydrologique traditionnelle, prévoit une diminution des débits de respectivement 37% et 45%.

Les changements climatiques sont un défi mondial imminent, dont les conséquences sont déjà observées. On sait que ces effets s’intensifieront, entraînant une augmentation de la fréquence et de la gravité des événements météorologiques extrêmes, une perturbation substantielle de la production alimentaire et le déplacement de dizaines de millions de personnes en raison de vagues de chaleur mortelles et de sécheresses. La question est donc : que peut-on y faire ? Dans cette thèse, nous faisons des changements climatiques notre objet central et explorons les voies par lesquelles la recherche en apprentissage profond peut contribuer à son atténuation. Un obstacle connu à des politiques climatiques ambitieuses est le manque de soutien et de demande populaires. Cela peut être attribué, en partie, aux causes et conséquences extrêmement complexes et imbriquées des changements climatiques. Une mauvaise conception courante est qu'ils affecteront principalement d’autres personnes que soi-même, des personnes éloignées dans le temps ou l’espace. Pour y remédier, la recherche a montré que présenter aux gens des \textit{images} authentiques, locales et pertinentes d'un concept les aide à mieux comprendre et appréhender ce qui est en jeu. Dans notre première contribution, nous explorons donc comment les récentes avancées en apprentissage profond pour la vision par ordinateur et les réseaux antagonistes génératifs peuvent être utilisées pour générer des images \textit{personnalisées} représentant les impacts du changement climatique. Notre objectif avec \textit{ClimateGAN} est de visualiser à quoi pourrait ressembler une inondation d’un mètre à n’importe quelle adresse, indépendamment de son risque réel d’inondation sous l’effet des changements climatiques. Cette approche vise à susciter l’empathie en rendant les impacts abstraits du changement climatique plus tangibles et personnalisés. En utilisant une image de Google Street View et en la traitant avec \textit{ClimateGAN}, nous générons des images d’inondation physiquement plausibles et visuellement réalistes basées sur l’adaptation de domaine à partir d’un environnement simulé, la prédiction de profondeur et la segmentation sémantique. Ce modèle a été déployé sur un site web dans le but de sensibiliser et d’engager l’action en faveur des changements climatiques. En plus d’aider les gens à mieux visualiser à quoi pourrait ressembler un avenir climatique hors de contrôle, nous étudions également dans cette thèse comment l’apprentissage profond peut améliorer les technologies existantes. Un domaine majeur de recherche dans cette direction est la recherche de nouveaux matériaux. Dans cette thèse, nous explorons plus particulièrement la prédiction des propriétés des matériaux comme moyen d’accélérer la découverte d'électro-catalyseurs, une famille de matériaux impliqués dans le stockage d’énergie à base d’hydrogène. Nous présentons deux contributions, \textit{PhAST} et \textit{FAENet}, qui se concentrent sur l’amélioration du compromis performance/scalabilité dans les réseaux de neurones géométriques de graphe (GNN). Avec \textit{PhAST}, nous introduisons un ensemble de méthodes pour adapter la procédure GNN classique--de la création du graphe d’entrée aux prédictions d’énergie et de forces de sortie--à la tâche spécifique de prédire l’énergie d’un système atomique adsorbant-catalyseur relaxé. Nous démontrons comment, en plus d’améliorer les performances, ces modifications améliorent l’efficacité et permettent un entraînement compétitif des GNN dans des environnements CPU. Dans \textit{FAENet}, nous présentons un nouveau GNN efficace pour les prédictions équivariantes E(3). En particulier, nous transposons la charge de l’équivarience sur la représentation des données afin de réduire les contraintes sur le modèle lui-même. Cette approche nous permet d’introduire une nouvelle architecture légère et expressive visant à faire des prédictions meilleures et plus rapides de diverses propriétés des matériaux. Enfin, nous examinons de manière critique notre propre domaine et discutons des impacts environnementaux associés aux technologies de l’IA. Nous nous penchons sur la façon dont les praticiens peuvent estimer leurs émissions de carbone, quelles mesures ils peuvent prendre aujourd’hui pour les réduire, et quelles autres étapes sont nécessaires pour des déclarations et responsabilités environnementales plus précises.

Streamflow forecasting is important for managing water resources in sectors like agriculture, hydropower, drought management, and urban flood prevention planning. Our study examines short and long lead-times to create a framework for streamflow forecasting that can benefit water resource management and related sectors. To improve streamflow forecasts for up to ten days of lead-time, the study first focuses on improving initial conditions using an ensemble Kalman filter as a data assimilation method. The goal is to regulate the hyperparameters of the ensemble Kalman filter for each season to produce more accurate forecasts. A sensitivity analysis is conducted to identify the best hyperparameter sets for each season, including uncertainty in temperature, precipitation, observed streamflow, and the water content of three state variables - vadose zone, saturated zone, and snowpack - from the CEQUEAU model. Results indicate that improving initial conditions with the ensemble Kalman filter produces more skillful forecasts until a 6-day leadtime. Temperature uncertainty is particularly sensitive and varies across seasons. The vadose zone state variable was identified as the most important and sensitive state variable, and updating all state variables systematically may not be necessary for improving forecast skill. Recent machine learning advances are improving short-term streamflow forecasting. One such method is the Long Short-Term Memory (LSTM) model. In general, neural networks learn from regression as relationships exist between input-output. However, LSTM models have a feature named ‘forget gate’, which enables them to learn the relationship between inputs (e.g., temperature and precipitation) and output (streamflow), and also to capture temporal dependencies in the data. The study aimed to compare the performance of the Long ShortTerm Memory (LSTM) model with data assimilation-based and process-based hydrological models in short-term streamflow forecasting. All three models were tested using the same ensemble weather forecasts. The LSTM model demonstrated good performance in forecasting streamflow, with a Kling-Gupta efficiency (KGE) greater than 0.88 for 9 lead-times. The LSTM model did not incorporate data assimilation, but it benefited from observed streamflow until the last day before the forecast. This is because the LSTM model learned and incorporated knowledge from the previous days while issuing forecasts, similar to how data assimilation updates initial conditions. The study results also showed that the LSTM model had better performance up to day 6 of lead-time compared to the data assimilation-based models. However, training the LSTM model separately for each lead-time is a time-consuming process and is a disadvantage compared to the data assimilation-based methods. Nonetheless, the study demonstrated the potential of machine learning techniques in improving streamflow forecasting. The forecasting of streamflow for long lead-times such as a month usually involves the use of historical meteorological data to create probable future scenarios, as meteorological forecasts become unreliable beyond this lead-time. In this study, we proposed a novel method for streamflow forecasting based on ensemble streamflow forecasting (ESP) filtering, using a Genetic Algorithm (GA) to filter forecast scenarios. This method quantifies the potential of historical data for each basin. This potential could be utilized to enhance the accuracy of streamflow forecasts. We sorted the selected and unselected scenarios to find out the common features between them, but the results did not help distinguish between the two groups. Nonetheless, the GA method can be used as a benchmark for future studies to improve longterm streamflow forecasting. This method can also be used to compare different forecast methods based on the potential shown by the GA method for a specific size of ESP members. For instance, if a method uses large-scale climate signals to filter ESP members, the forecast skill result could be compared with the potential of historical data for that particular size of ESP members.

Les rivières sont des écosystèmes dynamiques qui reçoivent, transforment, et exportent de la matière organique comprenant du carbone (C), de l’azote (N), et du phosphore (P). De par leur grande surface de contact entre l’eau et les sédiments, elles offrent un potentiel élevé pour les processus de transformation de ces éléments, dans lesquels ils sont souvent conjointement impliqués. Ces transformations peuvent retirer les éléments de la colonne d’eau et ainsi diminuer leurs concentrations pour améliorer la qualité de l’eau. Par contre, les conditions climatiques (débit, température, luminosité), la configuration du territoire (forêt, urbanisation, agriculture), et la durée des activités humaines sur terre affectent la quantité, composition, et proportion de C, N, et P livrés aux cours d’eau receveurs. Dans un contexte où un surplus de nutriments (N, P) peut surpasser la capacité des rivières à retirer les éléments de l’eau, et où les extrêmes climatiques s’empirent à cause des changements climatiques, cette thèse met en lumière le rôle des rivières dans les dynamiques de C, N, et P pour une meilleure compréhension de la réponse des écosystèmes lotiques aux pressions actuelles et futures. La Rivière du Nord draine séquentiellement des régions couvertes de forêt, d’urbanisation, et d’agriculture, et oscille entre quatre saisons distinctes, l’exposant à des utilisations du territoire et conditions climatiques contrastées. Nous avons échantillonné les formes de C, N, et P à 13 sites le long du tronçon principal (146 km), une fois par saison pour trois ans. De façon générale, les concentrations de N et P totaux ont augmenté d’amont vers l’aval, concordant avec l’activité humaine plus importante dans la deuxième moitié du bassin versant, mais les concentrations de C organique total sont restées constantes peu importe la saison et l’année. La stœchiométrie écosystémique du C : N : P était donc riche en C comparé au N et P en amont, et s’est enrichie en nutriments vers l’aval. L’étendue (2319 : 119 : 1 à 368 : 60 : 1) couvrait presque le continuum terre – océan à l’intérieur d’une seule rivière. Des formes différentes de C, N, et P dominaient la stœchiométrie totale dépendamment des saisons et de l’utilisation du territoire. En été, la composition du N était dominée en amont par sa forme organique dissoute et par le nitrate en aval, tandis qu’en hiver, l’ammonium et le P dissous avaient préséance sur l’entièreté du continuum. Malgré une concentration constante, la proportion des molécules composant le C différait aussi selon la saison et l’utilisation du territoire. L’été était dominé par des formes dégradées par l’action microbienne et l’hiver par des formes bio- et photo-labiles. Ceci fait allusion au potentiel de transformation de la rivière plus élevé dans la saison chaude plutôt que sous la glace, où les formes plus réactives avaient tendance de s’accumuler. La composition du C en amont était aussi distincte de celle en aval, avec un seul changement abrupt ayant lieu entre la section forestière et la section d’utilisation du territoire urbaine et agricole. Ces changements de compositions n’étaient pas présents durant le printemps de crue typique échantillonné, mais dans l’inondation de fréquence historique nous avons observés des apports nouveaux de molécules provenant soit des apports terrestres normalement déconnectés du réseau fluvial ou de surverses d’égouts. L’influence des facteurs naturels et anthropiques s’est aussi reflétée dans les flux historiques riverains de C, N, et P (1980 – 2020). La précipitation explique le plus les flux de C et les flux de N dans la section pristine. Les apports historiques au territoire de N anthropique (nécessaires pour soutenir la population humaine et les activités agricoles) expliquent fortement la tendance temporelle à la hausse des flux riverains de N dans la section urbaine. Durant les quatre dernières décennies, un peu plus du tiers des apports de N au territoire sont livrés à la rivière annuellement, suggérant que la source urbaine de N anthropique est encore peu gérée. Le manque de corrélation entre les flux de P dans la rivière et les précipitations ou les apports au territoire de P anthropique peut être expliqué par les usines de traitement des eaux usées installées dans la région vers la fin des années 1990 qui ont fait diminuer presque de moitié le P livré à la rivière. La variation de ces flux s’est reflétée dans la stœchiométrie écosystémique historique, qui varie de 130 : 23 : 1 en 1980 à 554 : 87 : 1 en 2007-08 après l’effet de l’usine d’épuration et du N qui a augmenté. À travers les axes historiques, spatiaux, et saisonniers, cette thèse contribue à la compréhension du rôle des rivières dans la réception, la transformation, et l’export du C, N, et P. Combinée aux concentrations, l’approche de stœchiométrie écosystémique propose une façon d’intégrer apports et pertes des éléments pour les étudier de pair au niveau du bassin versant. Puis, comme certaines formes de C, N, et P sont associées à des sources terrestres spécifiques, ou à certains types de transformations, les inclure dans un cadre conceptuel combinant des extrêmes climatiques et des utilisations du territoire différentes offre un aperçu sur le résultat des sources et transformations des éléments. Enfin, les tendances décennales de C, N, et P riverains montrent l’influence des facteurs naturels et anthropiques sur la stœchiométrie écosystémique historique d’une rivière.

Reliable long-term streamflow forecast is essential in water resources management and plays a key role in reservoir management and hydropower generation. Properly framing the uncertainty is the key issue in providing a reliable long-term streamflow forecast, and probabilistic forecasts have been used to this effect. In a probabilistic approach, each observed historical data is taken as a possible realization of the future. Non stationarity of hydrometeorological variables, either due to the climate internal variability or anthropogenic change, is another important problem for long-term streamflow forecasts as it is becoming increasingly clearer that past historical data may not adequately represent the current climate. Therefore, there is a need to develop flexible approaches taking into account non-stationarity for long-term streamflow forecasts. Resampling past historical time series is the main approach used for probabilistic long term streamflow forecasts. However, non-stationarity is a key issue of resampling approaches. One possible approach is to make use of a stochastic weather generator coupled to a hydrological model to generate long-term probabilistic streamflow forecasts. Weather generators can easily be modified to account for climatic trends and therefore have the potential to take non-stationarity into account. However, before weather generators can be modified to account for climate non-stationarity, it is first necessary to evaluate whether the modeling chain consisting of a stochastic weather generator and a hydrological model can generate probabilistic streamflow forecasts with a performance similar to that of more traditional resampling approaches. The first objective of this study is therefore, to compare the performance of a stochastic weather generator against that of resampling historical meteorological time series in order to produce ensemble streamflow forecasts. Results indicate that while there are differences between both methods, they nevertheless largely both perform similarly, thus showing that weather generators can be used as substitutes to resampling the historical past. Based on these results, two approaches for taking non-stationarity into account have been proposed. Both approaches are based on a climate-based perturbation of the stochastic weather generator parameters. The first approach explored a simple perturbation method in which the entire length of the historical record is used to quantify internal variability, while a subset of recent years is used to characterize mean climatic values for precipitation, minimum and maximum temperatures. Results show that the approach systematically improves long-term streamflow forecasts accuracy, and that results are dependent on the time window used to estimate current mean climatic estimates. The second approach conditioned the parameters of a stochastic weather generator on largescale climate indices. In this approach, the most important climate indices are identified by looking at yearly correlations between a set of 40 indices and precipitation and temperature. A linear model is then constructed to identify precipitation and temperature anomalies which are then used to induce perturbations in the stochastic weather generator. Five different time windows are defined to determine the optimal linear model. Results show that temperatures are significantly correlated with large-scale climate indices, whereas precipitation is only weakly related to the same indices. The length of the time window has a considerable impact on the prediction ability of the linear models. The precipitation models based on short-duration time windows performed better than those based on longer windows, while the reverse was found for the temperature models. Results show that the proposed method improves long-term streamflow forecasting, particularly around the spring flood.

Climatic stress vulnerability has cross-scaler influences on development interventions, particularly in developing countries. While most of climate adaptation plans and interventions are developed at national or international scales, relatively little attention has been paid to incorporate the contextual properties of climate vulnerability in adaptation-related decision making. Focusing on the wetland ecosystem dominated northeastern floodplain communities of Bangladesh, this exploratory research seeks to better understand how locally-specific socio-economic and biophysical properties serve to compound vulnerability to climatic stresses; how community members use their resources and assets in order to reduce their sensitivity to climatic stresses; and the extent to which government adaptation programmes reflect context-specific adaptation demands. Recognizing that Bangladesh is widely acknowledged to be one of the most climate-vulnerable countries in the world, this dissertation begins with a systematic literature review of the state of knowledge related to climate change impacts in Bangladesh. Results indicate a shortage of context specific scientific studies and identify that northeastern floodplain region is the most understudied area in the country. Issues related to multidisciplinary research approaches and geographic connectedness of research efforts point to potential limitations in the evidence base used to support public policy initiatives on climate change adaptation. A participatory climate stress exposure assessment reveals that local biophysical changes and resource use behaviors significantly contribute to compounding the impacts of climatic stresses. However, these observations are generally poorly represented in local-level climate model-based stress assessments. Results reveal that community stress perceptions are largely determined by the temporal occurrence of a climatic event, with a climatic event considered a stress if it occurs in their production period and causes losses to their productivity. Stress perceptions are also influenced by household resource ownership, local innovation and technological uses. Using the sustainable rural livelihood approach, a mixed method study is then used to better understand the actions taken by households to reduce their livelihood sensitivity to climatic stresses. Households were found to organize, transform and combine their capital assets for generating different livelihood portfolios. Using diverse combinations of assets, two strategies were observed: 1) extending external networks in order to create non-natural resource dependent livelihood opportunities; and 2) extending uses of available natural resources. Both of these strategies required external supports from government programmes or market mechanisms. Finally, a climate change policy analysis of Bangladesh, supported with key informant interviews, is presented to assess how different government policy interventions have supported local adaptation initiatives. The results reveal that despite recent advancements in climate change related policy making and institutional changes for supporting local adaptation actions in Bangladesh, plans and policies often fail to respond to local demands. More specifically, the existing climate change adaptation planning and policy processes tend to lack wider public participation and have inadequate coordination with natural resource management policies. This dissertation considers the diverse socio-economic and social-ecological contexts of climate vulnerability in rural Bangladesh. The results offer important research and policy insights to developing more a systematic understanding of climate vulnerability, and how local knowledge might be better integrated into national and international policy processes.

Dams are vital national assets that play a crucial role in water storage, hydroelectric power generation, and flood control. Globally, over 61,000 large dams have surpassed 50 years of service, and many show signs of deterioration. With over 300 dam failures recorded worldwide, the potential for catastrophic damage remains alarmingly high if these aging structures are not properly maintained and upgraded. Further, many of the existing dams were built upon outdated standards, and there is an increase in seismic hazards making it imperative to reevaluate their seismic performance to align with current safety standards. The need for improved dam safety measures is urgent, as dam owners, regulators, and policymakers grapple with the challenges of ensuring the structural integrity of aging dams in the face of growing risks. A key solution is shifting from traditional safety approaches to a modern, risk-based methodology, which addresses safety concerns more efficiently and economically. Various, global agencies have developed risk-based safety assessment guidelines; however, these often lack systematic implementation frameworks and sufficient reference studies, making them difficult for dam owners to adopt effectively. Furthermore, various uncertainties can impact the risk assessment and can complicate efforts to ensure dam safety. In this context, this research investigates uncertainties impacting seismic risk assessments for dams, including modeling choices, ground motion selection, aging, and material variability. Case studies of the Koyna Dam and Pine Flat Dam were used to evaluate these factors at each stage of performance evaluation: system response, fragility, and risk assessment. Key findings indicate that dam-foundation-reservoir (DFR) models incorporating acoustic elements exhibit less variability in system response, regardless of model complexity and solution procedure. Ground motion derived from the conditional mean spectrum (CMS) method yields better fragility estimates than the ASCE 7-16 standard, particularly for moderate to severe damage states. Additionally, aging and material variability significantly affect the dynamic characteristics of dams, with increased failure probabilities correlating with both age and return period. Based on these findings, the research proposes a comprehensive, systematic framework for risk-based seismic safety evaluation. This framework aligns with safety assessment objectives and ensures optimal use of computational resources.

Les biotechnologies constituent aujourd'hui un secteur d'activités dynamique offrant de nouvelles perspectives d'innovations. Ces connaissances, permettant d'allier deux entités jusqu'ici traitées séparément, la technique et le vivant, sont en proie de révolutionner notre rapport au monde à de nombreux égards. La présente étude a plus spécifiquement vocation à se pencher sur les innovations biologiques produites à partir d'éléments extraits du corps humain, tels que les cellules souches et les gènes. La biologie cellulaire et le génie génétique se sont imposés comme des secteurs phares des biotechnologies en raison des progrès significatifs qu'ils pourraient permettre pour le traitement de certaines maladies génétiques rares. Toutefois, la protection juridique devant être octroyée à ce type de créations suscite un flot de réactions souvent très partagées au sein de l'opinion publique. Si le brevet est reconnu comme l'outil de propriété industrielle privilégié pour protéger efficacement les inventions, son application au domaine du vivant, et qui plus est au corps humain, demeure plus délicate et controversée. L'inadéquation des critères de brevetabilité aux inventions biotechnologiques fait aujourd'hui obstacle à la prise en considération de ces nouvelles formes de créations par la propriété intellectuelle. Ce projet de recherche s'inscrit dans une perspective globale et transversale, visant à comprendre en quoi le domaine brevetable est influencé par une série de considérations éthiques et par la superposition d'intérêts économiques et sociaux divergents. Il s'agit ainsi de tenter de clarifier les délimitations de l'objet brevetable et de réfléchir à l'opportunité de nouvelles admissions dans le champ de la brevetabilité tout en maintenant certains garde-fous essentiels à la protection des droits fondamentaux individuels. Dès lors, cette étude s'intéresse aux outils et stratégies disponibles afin de renforcer la coopération entre les acteurs impliqués dans ce débat et d'assurer un meilleur équilibre entre les différents intérêts en présence.

Flooding, a major natural calamity, severely threatens communities and infrastructures in areas susceptible to floods. Consequently, implementing an Internet of Things (IoT)-based flood monitoring system becomes crucial. Existing flood monitoring systems lack a comprehensive and scalable IoT platform to collect real-time data from diverse sensors efficiently, visualize flood information, and provide accurate water level forecasts. This thesis proposes a complete system designed to address the challenges associated with efficient data collection and flood monitoring from diverse IoT sensors. Our proposition involves creating and deploying a centralized system known as HYDROSIGHT, which facilitates the real-time gathering, monitoring, and visualization of flooding-related sensor data. HYDROSIGHT system also provides a log monitoring feature for effective debugging and troubleshooting. The IoT environment for flood monitoring and prediction system was designed to promote sustainability and autonomy by preferring sensors with minimal footprints and compatibility with solar panels. The system architecture leverages a 4G network for seamless data transmission. To validate the practical applicability of the proposed design,HYDROSIGHT system was tested at two municipalities of Quebec, namely Terrebonne, and Lac-Supérieur. In addition, the platform was also deployed at the Ericsson facility in Montreal to test the 5G capabilities. The deployment in these locations allowed us to evaluate the performance and effectiveness of the HYDROSIGHT system in a real flood monitoring environment. In addition to implementing the IoT testbed, a preliminary machine learning tool was developed on water level forecasting. In this experiment, we opted for an online machine-learning approach, recognizing the significance of real-time updates and low computational resources of IoT devices. Leveraging the constantly updating data from HYDROSIGHT, we trained and tested our online machine-learning model, enhancing its forecasting capabilities. We conducted a comparative analysis to understand the advantages of online machine learning over traditional batch learning. This analysis involved examining the water level forecasting results obtained from both methods using time series data from the HYDROSIGHT system deployed at Lac-Supérieur in Quebec.

Les inondations sont une préoccupation majeure avec un potentiel de risques importants pour la sécurité publique ainsi qu'un impact économique et social négatif. Pour développer un modèle hydrodynamique permettant de cartographier et d'évaluer les risques d'inondation, un modèle d'élévation est un élément essentiel. La grande disponibilité de données de télédétection multisources facilite la création d'un modèle numérique d'élévation topo-bathymétrique (TBDEM). Cependant, il peut être très difficile de créer un modèle d'élévation à haute résolution homogène adapté à la cartographie des inondations en raison des divergences entre les données topographiques et bathymétriques causées par des changements temporels, des systèmes de référence horizontaux et verticaux différents, et des différences significatives en termes de résolution, incertitude et zone de couverture. Cette étude présente une méthodologie qui élargit les études précédentes axées sur la cartographie côtière à basse résolution en résolvant les différences spatiales et temporelles des jeux de données multisources tout en maintenant l'intégrité de la morphologie des berges et de l'environnement proche du rivage. Ceci est réalisé en appliquant une nouvelle méthodologie de fusion qui est mieux adaptée aux sources de données en jeu. Une méthode de moindre coût est appliquée aux données topographiques alors qu'une méthode de feathering est appliquée aux données bathymétriques. Pour ce qui est de la zone intermédiaire à l'interface de la terre et de l'eau, des transects sont utilisés pour interpoler entre les données manquantes afin de garantir l'intégrité du littoral. Enfin, une méthode de krigeage empirique bayésien appliqué à l'ensemble des données permet de produire une surface sans discontinuité accompagnée d'une surface d'erreur pour analyser l'incertitude en chaque point du modèle. Des données LiDAR aéroporté ainsi que des données de bathymétrie multifaisceau de la section supérieure du fleuve Saint-Laurent au Québec, Canada ont été combinées en utilisant la méthodologie proposée. Le TBDEM produit dans cette étude constitue une meilleure représentation que les modèles précédents et minimise l'erreur dans les données. La capacité de ce TBDEM à être plus performant que les modèles précédents dans les simulations hydrodynamiques sera testée dans des études futures en utilisant des événements de crue enregistrés précédemment.

RÉSUMÉ : Pour atténuer les risques d'inondation au Québec mais aussi partout dans le monde, plusieurs organismes gouvernementaux et des organismes privés, qui ont dans leurs attributions la gestion des risques des catastrophes naturelles, continuent d'améliorer ou d'innover en matière d'outils qui peuvent les aider efficacement à la mitigation des risques d'inondation et aider la société à mieux s'adapter aux changements climatiques, ce qui implique des nouvelles technologies pour la conception de ces outils. Après les inondations de 2017, le ministère de l'Environnement et de la Lutte contre les changements climatiques (MELCC) du gouvernement du Québec, en collaboration avec d'autres ministères et organismes et soutenu par Ouranos, a initié le projet INFO-Crue qui vise d'une part, à revoir la cartographie des zones inondables et, d'autre part, à mieux outiller les communautés et les décideurs en leur fournissant une cartographie prévisionnelle des crues de rivières. De ce fait, l'objectif de notre travail de recherche est d'analyser de façon empirique les facteurs qui influencent l'adoption d'un outil prévisionnel des crues. La revue de la littérature couvre les inondations et les prévisions, les théories et les modèles d'acceptation de la technologie de l'information (TI). Pour atteindre l'objectif de recherche, le modèle développé s'est appuyé particulièrement sur le modèle qui combine les concepts de la théorie unifiée de l'acceptation et l'utilisation des technologies (UTAUT) de Venkatesh et al. (2003) avec le concept « risque d'utilisation ». Afin de répondre à notre objectif de recherche, nous avons utilisé une méthodologie de recherche quantitative hypothético-déductive. Une collecte de données à l'aide d'une enquête par questionnaire électronique a été réalisée auprès de 106 citoyens qui habitent dans des zones inondables. L'analyse des résultats concorde avec la littérature. La nouvelle variable « risque d'utilisation » rajoutée au modèle UTAUT a engendré trois variables qui sont : « risque psychologique d'utilisation »; « risque de performance de l'outil » et « perte de confiance ». Pour expliquer l'adoption d'un nouvel outil prévisionnel des crues, notre analyse a révélé que cinq variables à savoir : « l'utilité perçue », « la facilité d'utilisation », « l'influence sociale », « la perte de confiance » et « le risque psychologique » sont des facteurs significatifs pour l'adoption du nouvel outil prévisionnel. -- Mot(s) clé(s) en français : Inondation, Prévision, UTAUT, Adoption de la technologie, Risque perçu d'utilisation, facteurs d'adoption, Projet INFO-Crue. -- ABSTRACT : With the aim of mitigating flood risks in Canada as well as around the world, several government and private organizations that have the responsibility of natural hazard risk management, are working hard to improve or innovate the flood mitigation approaches that can help effectively reducing flood risks and helping people adapt to climate change. After the 2017 floods, the Ministry of the Environment and the Fight against Climate Change (MELCC) of the Government of Quebec, in collaboration with other ministries and organizations and supported by Ouranos, initiated the INFO-Crue project which aims at reviewing the mapping of flood zones and providing communities and decision-makers with a forecast mapping of river floods. In this context, the objective of our research is to analyze the factors that may influence the adoption of a flood forecasting tool. The literature review covers flood and forecasting, as well as technology adoption models. To achieve the goal of our research, a conceptual model that combines the Unified Theory of Acceptance and Use of Technology (UTAUT) of Venkatesh et al. (2003) with perceived use risk was developed. A quantitative research methodology was used, and we administrate an electronic questionnaire survey to 106 citizens who live in flood-plain area. Results analysis show that the new variable "perceived use risk" introduced in the model generates three variables which are: "psychological risk"; "performance risk" and "loss of trust". To explain the adoption of a new forecasting tool, our analysis revealed that the following five variables which are "perceived usefulness", "ease of use­", "social influence", "loss of trust" and "psychological risk" are significant factors for the adoption of the new forecasting tool. -- Mot(s) clé(s) en anglais : Flood, Forecasting, UTAUT, Technology Adoption, perceived Risk of use, adoption factors, INFO-Crue project.

RÉSUMÉ: Les inondations sont considérées comme l'un des risques naturels les plus dangereux au monde. Plusieurs pays souffrent des conséquences néfastes des inondations. Au Canada, plusieurs provinces ont subi des inondations au cours du siècle dernier. Par exemple, la rivière des Outaouais a été confrontée à de nombreuses inondations comme en 2017 et 2019. La population d'Ottawa continue à augmenter d'une année à l'autre. C'est pour cela que nous avons choisi la rivière des Outaouais comme étude de cas pour ce projet dans le but de protéger la société contre les risques causés par les inondations. Les pays adoptent plusieurs solutions basées sur différentes méthodes afin de minimiser les dommages causés par les crues. La plupart des scientifiques s'accordent que la prévision des crues est la meilleure façon de limiter les conséquences des crues. Les systèmes de prévision des crues sont indispensables dans les pays fréquemment confrontés à des crues. Ils visent à fournir un long délai d'exécution et à fournir aux autorités et aux décideurs des informations suffisantes. Par conséquent, ils auront suffisamment de temps pour prendre les mesures adéquates pour sauver la vie de la population et limiter les catastrophes économiques dues aux inondations. ABSTRACT: Floods are one of the most catastrophic natural disasters in Canada and around the world that can cause loss of life and damages to properties and infrastructures. Saguenay flood (1996), southern Alberta flood (2013), and Ottawa floods (2017, 2019), are a few examples of Canadian floods with tremendous socio-economic impacts. Flood forecasting and predicting its characteristics (e.g., its magnitude and extent) has an important role in preventing and mitigating such flood impacts. Particularly, short-term forecasting is crucial for early warning systems and emergency response to floods. This study presents an integrated hydraulic-hydrologic modeling system for flood prediction. In this system, the Delft3D two-dimensional hydrodynamic model is connected with a HEC-HMS hydrologic model and observation data to provide an automatic exchange of data and results. Delft3D and HEC-HMS were chosen for this study because they were widely used and provided good results. In addition, they were applied in several flood forecasting studies. The prediction weather data and watershed characteristics provide input to the hydrological model to predict streamflow conditions, which are then automatically fed into the hydrodynamic model. The hydrodynamic model simulates the flood characteristics such as water level, 2D depth-averaged velocity field, and flood extent.

Flood maps are the final products of dam failure studies that are required by dam safety regulations. A flood limit, which represents the maximum envelope reached by flood waves, is generally the result of a dam-break scenario simulated by a hydraulic numerical model. However, the numerical model uses only a limited portion of the available bathymetry data to build the terrain model (2D mesh plus topometric elevation at nodes). This is particularly so in the cases where the topo-metric data recorded by LIDAR was estimated in several million points. But the hydraulic numerical models rarely exceed hundreds of thousands of nodes, in particular because of the computer constraints and time associated with the operation of these models. The production of the final flood map requires consistency between projected levels and elevations for all points on the map. This verification may be tedious for a large area with several small secondary valleys of tributary streams that have not been represented by the original hydraulic numerical model. The aim of this work is to propose an automatic remeshing strategy that uses the envelope of the maximum dimensions reached by the original model coupled with the available LIDAR data to produce an improved mesh that can accurately capture the wet/dry fronts and the overflows of the secondary valleys. This model helps us to consider the maximum slope inside each element on the basis of the real data, instead of controlling the slope for not having negative depth or controlling the velocity. The algorithm is based on a few basic steps: (i) find the elements cut by the envelope of the wet/dry interfaces; (ii) project the topometric points onto the cut elements; (iii) if these points are very close to the interface, if they are found in a valley, or if they are more elevated than the corresponding cut elements, then these points will be added to the previous nodes and included in a subsequent triangulation step; and (iv) re-run the simulation on the new mesh. This algorithm has been implemented and validated in the study of a dambreak flow with a complex river topography on the Eastmain River and the Romaine-Puyjalon River.