Votre recherche

Dans le bassin-versant de la rivière Chaudière, les inondations sont partie intégrante de la réalité territoriale. En effet, de nombreuses études ont été réalisées dans les dernières années concernant les inondations en eau libre et par embâcle. Néanmoins, on observe que les inondations torrentielles, ou crues torrentielles, bien qu’omniprésentes dans la région, sont très peu documentées à ce jour. Le présent mémoire s’intéresse à la dynamique spatio-temporelle de ces évènements et aux facteurs aggravants présents sur le territoire qui tendent à amplifier le phénomène. Par une double approche qualitative et quantitative, qui combine une recension historique, la caractérisation des sous-bassins-versants et la modélisation des facteurs de vulnérabilité environnementale, nous avons dressé un premier portrait de l’aléa torrentiel à l’échelle du bassin-versant de la rivière Chaudière. Ainsi, nous avons pu répertorier 53 évènements à caractère torrentiel pour la période de 1900 à aujourd’hui. La collecte des informations liées aux crues torrentielles, soit les facteurs météorologiques, anthropiques et géomorphologiques ont permis d’établir des constats généraux quant à l’occurrence de celles-ci. L’occurrence des évènements à caractère torrentiel semble premièrement liée aux passages d’évènements météorologiques extrêmes. Les facteurs aggravants consistent en un aménagement du territoire qui accroît le ruissellement (augmentation des surfaces minéralisées et diminution des forêts, prairies et milieux humides) et une disposition géomorphologique des tributaires (forte pente et compacité) qui provoque une amplification du ruissellement lors de fortes précipitations. L’analyse multicritère repose sur l’addition d’indices amplifiant le ruissellement lors de fortes précipitations (pente, occupation du sol et potentiel de ruissellement). La comparaison entre les sous-bassins-versants présentant les valeurs les plus élevées et ceux ayant connu le plus d'événements d'inondation selon la recension historique a démontré la pertinence de cette méthode pour identifier, de manière préliminaire, les sous-bassins-versants potentiellement vulnérables à l’aléa torrentiel. Cette étude se veut donc un premier jalon dans l’acquisition de connaissances sur la dynamique torrentielle dans le bassin-versant de la rivière Chaudière. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : inondation, torrents, crues torrentielles, pluies torrentielles, aléas torrentiels, bassin-versant de la rivière Chaudière, facteurs aggravants, conditions hydrométéorologiques

According to Department of Fisheries and Oceans Canada, culverts and other stream crossings must be designed to ensure fish passage. The effects of ice processes on these fish passage designs have never been assessed. This study is the first to document ice processes on two different types of fish passage designs (streambed simulation and baffle). The results of a 2 year field monitoring campaign showed that the culvert simulating the streambed retains a natural ice regime, i.e., both freeze-up and break-up occurred concurrently with the rest of the stream, while multiple supercooling events were recorded under a thin ice cover. As for the culvert with baffles, it was observed that the ice cover formed earlier and stayed longer in the culvert, which can create a barrier for fish transiting through them.

RÉSUMÉ: Les courbes Intensité-Durée-Fréquence (IDF) sont l’outil mathématique principalement utilisé par les ingénieur(-e)s pour la modélisation des précipitations extrêmes à un endroit donné. Pour obtenir des courbes IDF fiables, des méthodes statistiques robustes sont nécessaires. L’utilisation de modèles d’échelle est indiquée pour estimer de façon plus précise les courbes IDF en réduisant le nombre de paramètres nécessaires pour modéliser le comportement ex-trême du processus de pluie. Un modèle d’échelle suppose l’existence d’une relation entre les distributions des maxima annuels d’intensité pour les différentes durées d’accumulation. Il existe différentes relations d’échelle possibles, donnant naissance à une variété de modèles. Dans ce mémoire, une procédure de test statistique est développée pour décider si un modèle d’échelle fixé est pertinent pour construire les courbes IDF à un endroit donné, basé sur les observations des maxima annuels historiques d’intensité de précipitations à cet endroit. Le test développé est une extension du test d’adéquation d’Anderson-Darling. Il implique de séparer la base de données en ensembles d’entraînement et de validation. L’ensemble d’entraînement est utilisé pour estimer les paramètres du modèle d’intérêt, et l’ensemble de validation est utilisé dans le calcul de la statistique. La distribution asymptotique de la statistique de test sous l’hypothèse nulle est établie dans un cadre général. Les quantiles de cette distribution théorique peuvent être approximés, ce qui permet de calculer analytiquement la région de rejet ainsi que la valeur-p pour le test. Dans le cas des courbes IDF, l’hypothèse nulle statue qu’un modèle d’échelle d’intérêt est adéquat. Les données sont des maxima d’intensité de précipitations. Les données correspondant à une durée d’accumulation fixée par l’utilisateur(trice) sont sélectionnées pour constituer l’ensemble de validation. Lorsque la durée choisie est la plus petite durée, les performances du test sont validées par une étude de simulation. Sous l’hypothèse nulle, le test rejette au taux nominal même pour des petits échantillons. Sous une hypothèse alternative (c’est-à-dire lorsque le modèle d’échelle utilisé pour générer les données s’écarte du modèle d’intérêt), le taux de rejet augmente avec la distance entre les modèles ainsi qu’avec la taille d’échantillon. Sur des données réelles, le test conduit à utiliser des modèles d’échelle différents à l’aéroport international Pierre-Elliott Trudeau de Montréal et à l’aérodrome Harbour de Vancouver. ABSTRACT: IDF curves are the primary mathematical tool used by engineers for modeling extreme precipitation at a given location. Reliable IDF curves require robust statistical methods. The use of scaling models allows for more precise estimations of IDF curves by reducing the num-ber of parameters needed to model the extreme behavior of the rainfall process. A scaling model assumes the existence of a relationship between the distributions of the annual inten-sity maxima accross the various accumulation durations. Diverse scaling relationships exist, giving rise to a variety of models. In this master thesis, a statistical testing procedure is developed to determine if a scaling model is suitable for constructing IDF curves at a given location, based on historical annual rain intensity maxima observed at that location. The developed test is an extension of the Anderson-Darling goodness-of-fit test. It involves splitting the database into training and validation sets. The training set is used to estimate the parameters of the model of interest, and the validation set is used in the calculation of the test statistic. The asymptotic distribution of the test statistic under the null hypothe-sis is established in a general framework. Quantiles of this theoretical distribution can be approximated, allowing for the analytical calculation of the rejection region as well as the p-value for the test. In the case of IDF curves, the null hypothesis states that a target scaling model is adequate. The data consist of precipitation intensity maxima. Data corresponding to a duration fixed by the user are selected to constitute the validation set. When the chosen duration is the smallest duration, the performances of the test are validated through a simulation study. Under the null hypothesis, the test maintains the nominal rejection rate even for small samples. Under an alternative hypothesis (i.e., when the scaling model used to generate the data deviates from the target model), the rejection rate increases with the discrepancy between the models as well as with the sample size. When applied to historical data, the test suggests the use of different scaling models at the Montréal Pierre-Elliott Trudeau international airport and at the Vancouver Harbour aerodrome.

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.

RÉSUMÉ: «RÉSUMÉ: Les inondations sont reconnues comme l’une des catastrophes naturelles les plus fréquentes et destructrices à l’échelle mondiale. Leur gravité est exacerbée par les effets du changement climatique (augmentation des précipitations) et de la construction humaine (réduction de la capacité naturelle à absorber l’eau). Les structures construites dans des zones sujettes à l’eau, telles que les ponts et les barrages, sont généralement vulnérables aux événements d’inondation sévères. Pour les problèmes impliquant de l’eau fluide, les chercheurs en hydraulique supposent généralement que les structures sont "infinitement" rigides et utilisent des limites de paroi imperméables pour représenter les structures dans les modèles numériques. Cependant, les structures se déformeront, vibreront et pourraient même être endommagées lors d’un événement d’inondation sévère. Du point de vue d’un ingénieur structurel, il est important d’incorporer la flexibilité structurelle dans l’analyse de l’interaction fluide-structure (FSI). Étant donné que la taille du domaine fluide est significativement plus grande que celle des structures, un grand nombre d’éléments est généré, rendant l’analyse FSI chronophage, surtout pour les cas avec un canal 3D long et des maillages raffinés. Par conséquent, une méthode de modélisation simplifiée efficace et précise est nécessaire. De plus, le comportement hydrodynamique des structures telles que le pont dans un cours d’eau et la structure du barrage à l’extrémité d’un canal partiellement recouvert de glace n’est pas bien connu. Pour aborder ce problème, cette recherche a examiné numériquement les réponses structurelles avec l’impact de l’écoulement des inondations en tenant compte de la flexibilité structurelle, en se concentrant sur l’interaction dynamique entre l’eau fluide et les structures solides, les effets 3D des fluides et des structures, le glissement des structures (par exemple, le glissement du tablier du pont), et la présence d’une couverture de glace partielle positionnée au sommet de l’eau dans un canal.» ABSTRACT: «ABSTRACT: Floods are recognized as one of the most frequent and destructive natural disasters globally. Their severity is exacerbated by the effects of climate change (increased precipitation) and human construction (reduced natural capacity to absorb water). Structures built in waterprone areas, such as bridges and dams, are usually vulnerable to severe flood events. For problems involving fluid water, hydraulic researchers commonly assume that structures are "infinitely" rigid and use impervious wall boundaries to present the structures in numerical models. However, structures will deform, vibrate, and even be damaged during a severe flood event. From a structural engineer’s perspective, it is important to incorporate structural flexibility into the fluid-structure interaction (FSI) analysis. Because the size of the fluid domain is significantly larger than that of the structures, a large set of elements is generated, making the FSI analysis time-consuming, especially for cases with a long 3D channel and refined meshes. As a result, an efficient and accurate simplified modeling method is needed. Also, the hydrodynamic behavior of structures such as the bridge in a stream and the dam structure at the end of a partially ice-covered channel is not well known. To address this problem, this research numerically investigated the structural responses with the impact of flood flow considering the structural flexibility, focusing on the dynamic interaction between fluid water and solid structures, the 3D effects of fluid and structures, the sliding of structures (e.g. sliding of bridge deck), and the presence of partial ice cover positioned at the top of the water in a channel.»

Abstract: In Canada, the annual runoff is predominantly influenced by snowmelt following the winter season, with a substantial portion (40-80\%) occurring during the spring period, leading to flooding in low-lying areas. Accurate prediction of streamflow is essential for hydropower production, effective flood management, necessitating the incorporation of comprehensive spatially distributed snow observations into hydrological models. This draws the attention to the research question " How can we utilize spatially distributed snow information at various spatial and temporal scales to enhance our understanding of snow processes and apply it for enhanced model calibration to improve hydrological model performance?" The first objective of this thesis is to investigate the utilization of spatially distributed snow information (SNODAS- SNOw Data Assimilation System) for the calibration of a hydrological model and to determine its impact on model performance. A distributed hydrological model, HYDROTEL, has been implemented in the Au Saumon River watershed using input data from ERA-5 Land for temperature data and MSWEP for precipitation data. Seven different calibration experiments are conducted, employing three different objective functions: Nash-Sutcliffe Efficiency (NSE), Root Mean Square Error (RMSE), and the SPAtial EFficiency metric (SPAEF). These objective functions are utilized individually or in combination as part of multi-objective calibration processes. This study indicates that utilizing SPAEF for spatial calibration of snow parameters improved streamflow prediction compared to the conventional practice of using RMSE for calibration. SPAEF is further implied to be a more effective metric than RMSE for both sequential and multi-objective calibration. During validation, the calibration experiment incorporating multi-objective SPAEF exhibits enhanced performance in terms of NSE and KGE compared to calibration experiment solely based on NSE. The findings of this study hold significant relevance and potential applicability in emerging satellite technology, particularly the future Terrestrial Snow Mass Mission (TSMM). The study then explores the impact of temporal resolution and signal saturation for model calibration by using SNODAS data as proxy SWE observations mimicking the characteristics of the TSMM product to calibrate the HYDROTEL model. Despite the limitations of it's temporal resolution and signal saturation it is noteworthy that TSMM data exhibits significant potential for enhancing model performance thereby highlighting its utility for hydrological modeling. This study then focuses on the spatio-temporal analysis of snow processes influencing the spatial variability and distribution of snow depth in a small-scale experimental watershed. Drone photogrammetry is employed to capture spatially distributed snow information over the watershed during the winter seasons of 2022 and 2023. The photogrammetric data facilitated the generation of high-resolution digital surface models (DSMs). Empirical Orthogonal Function (EOF) analysis is applied to understand the spatial distribution of snow, enabling a detailed examination of various snow processes at the watershed scale. This thesis explores the added value of spatially distributed snow cover information in predicting spring runoff. Each part of the study contributes to a comprehensive understanding of the spatial distribution of snow and its significance in hydrology.

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.

La température extrême de l’eau influence de nombreuses propriétés physiques, chimiques et biologiques des rivières. l ’ évaluation de l ’ Une prédiction précise de la température de l’eau est importante pour impact environnemental. Dans ce cadre, différents modèles ont été utilisés pour estimer les températures de l ’ linéaires simp eau à différentes échelles spatiales et temporelles, allant des méthodes les pour déterminer l’incertitude à des modèles sophistiqués non linéaires. Cependant, cette variable primordiale n’a pas été traitée dans un contexte probabiliste (ou fréquentiste). Donc, l’estimation des évènements extrêmes thermiques à l’aide des approc hes d’analyse fréquentielle locale (AFL) est importante. Lors de l’estimation des extrêmes thermiques, il est crucial de tenir compte de la forme de la distribution de fréquences considérée. Dans la première partie de la thèse , nous nous concentrons sur la sélection de la distribution de probabilité la plus appropriée des températures des rivières. Le critère d critère d ’ ’ information d ’ Akaike (AIC) et le information bayésien (BIC) sont utilisés pour évaluer la qualité de l distributions statis ’ ajustement des tiques. La validation des distributions candidates appropriées est également effectuée en utilisant l ’ approche de diagramme de rapport des L obtenus montrent que la distribution de Weibull (W2) moments (MRD). Les résultats est celle qui semble s’ajuster le données provenant des stations de haute altitude, tandis que les mieux aux séries d’extrêmes provenant des stations situées dans les régions de basse altitude sont bien adaptées avec la distribution normale (N). Ceci correspond au premier article. L a ’ couverture spatiale des données de température des cours d ’ eau est limitée dans de nombreuses régions du monde. Pour cette raison, une analyse fréquentielle régionale (AFR) permettant d estimer les extrêmes de température des rivières sur des sites non jau gés ou mal surveillés est nécessaire. En général, l’AFR inclut deux étapes principales, la délimitation des régions homogènes (DRH) qui vise à déterminer les sites similaires, et l’estimation régionale (ER) qui transfère l’information depuis les sites déte rminés dans la première étape vers le site cible. Par conséquent, le modèle d’indice thermique (IT) est introduit dans le contexte d’AFR pour estimer les extrêmes du régime thermique. Cette méthode est analogue au modèle d ’ indice de crue (IF) largement uti lisé en hydrologie. Le modèle IT incorpore l’homogénéité de la distribution de fréquence appropriée pour chaque région, ce qui offre une plus grande flexibilité. Dans cette étude, le modèle IT est comparé avec la régression linéaire multiple (MLR). Les rés ultats indiquent que le modèle IT fournit la meilleure performance (Article 2) . Ensuite, l’approche d’analyse canonique des corrélations non linéaires (ACCNL) est intégrée dans la DRH, présentée dans le Chapitre 4 de ce manuscrit (Article 3). Elle permet de considérer la complexité des phénomènes thermiques dans l’étape de DRH. Par la suite, dans le but d’identifier des combinaisons (DRH-ER) plus prometteuses permettant une meilleure estimation, une étude comparative est réalisée. Les combinaisons considérées au niveau des deux étapes de la procédure de l’AFR sont des combinaisons linéaires, semi-linéaires et non linéaires. Les résultats montrent que la meilleure performance globale est présentée par la combinaison non linéaire ACCNL et le modèle additif généralisé (GAM). Finalement, des modèles non paramétriques tels que le foret aléatoire (RF), le boosting de gradient extrême (XGBoost) et le modèle régression multivariée par spline adaptative (MARS) sont introduits dans le contexte de l’AFR pour estimer les quantiles thermiques et les comparer aux quantiles estimés à l’aide du modèle semi-paramétrique GAM. Ces modèles sont combinés avec des approches linéaires et non linéaires dans l’étape DRH, telles que ACC et ACCNL, afin de déterminer leur potentiel prédictif. Les résultats indiquent que ACCNL+GAM est la meilleure, suivie par ACC+MARS. Ceci correspond à l’article 4. <br /><br />Extreme water temperatures have a significant impact on the physical, chemical, and biological properties of the rivers. Environmental impact assessment requires accurate predictions of water temperature. The models used to estimate water temperatures within this framework range from simple linear methods to more complex nonlinear models. However, w ater temperature has not been studied in a probabilistic manner. It is, therefore, essential to estimate extreme thermal events using local frequency analysis (LFA). An LFA aims to predict the frequency and amplitude of these events at a given gauged locat ion. In order to estimate quantiles, it is essential to consider the shape of the frequency distribution being considered. The first part of our study focuses on selecting the most appropriate probability distribution for river water temperatures. The Akai ke information criteria (AIC) and the Bayesian information criteria (BIC) are used to evaluate the goodness of fit of statistical distributions. An Lmoment ratio diagram (MRD) approach is also used to validate sui table candidate distributions. The results good fit for extremes data from the highindicate that the Weibull distribution (W2) provides a altitude stations, while the normal distribution (N) is most appropriate for lowaltitude stations. This corresponds to the first article. In many parts of the world, river temperature data are limited in terms of spatial coverage and size of the series. Therefore, it is necessary to perform a regional frequency analysis (RFA) to estimate river temperature extremes at ungauged or poorly monitored sites. Generall y, RFA involves two main steps: delineation of homogenous regions (DHR), which identifies similar sites, and regional estimation (RE), which transfers information from the identified sites to the target site. The thermal index (TI) model is introduced in t he context of RFA to estimate the extremes of the thermal regime. This method is analogous to the index flood (IF) model commonly used in hydrology. The TI model considers the homogeneity of the appropriate frequency distributions for each region, which pr ovides larger flexibility. This study compares the TI model with multiple linear regression (MLR) approach. Results indicate that the TI model leads to better performances (Article 2). Then, the nonlinear canonical correlations analysis (NLCCA) approach is integrated into the DHR, as presented in Chapter 4 of this manuscript (Article 3). It allows considering the complexity of the thermal phenomena in the DHR step. A comparative study is then conducted to identify more promising combinations (DHR RE), that RFA procedure, linear, semilead to best estimation results. In the two stages of the linear, and nonlinear combinations are considered. The results of this study indicate that the nonlinear combination of the NLCCA and the generalized additive model (GAM ) produces the best overall performances. Finally, nonparametric models such as random forest (RF), extreme gradient boosting (XGBoost), and multivariate adaptive regression splines (MARS) are introduced in the context of RFA in order to estimate thermal q uantiles and compare them to quantiles estimated using the semiparametric GAM model. The predictive potential of these models is determined by combining them with linear and nonlinear approaches, such as CCA and NLCCA, in the DHR step. The results indicat e that NLCCA+GAM is the best, followed by CCA+MARS. This corresponds to article 4.

Cette thèse traite des aspects de la quantification de l'incertitude dans l'évaluation des ressources éoliennes avec les pratiques d'analyses d'incertitude et de sensibilité. Les objectifs de cette thèse sont d'examiner et d'évaluer la qualité des pratiques d'analyse de sensibilité dans l'évaluation des ressources éoliennes, de décourager l'utilisation d'une analyse de sensibilité à la fois, d'encourager l'utilisation d'une analyse de sensibilité globale à la place, d'introduire des méthodes d'autres domaines., et montrer comment les analyses d'incertitude et de sensibilité globale ajoutent de la valeur au processus d'aide à la décision. Cette thèse est organisée en quatre articles : I. Une revue des pratiques d'analyse de sensibilité dans l'évaluation des ressources éoliennes avec une étude de cas de comparaison d'analyses de sensibilité individuelles et globales du coût actualisé de l'énergie éolienne offshore ; II. Technique Quasi-Monte Carlo dans l'analyse de sensibilité globale dans l'évaluation des ressources éoliennes avec une étude de cas sur les Émirats Arabes Unis; III. Utilisation de la famille de distribution Halphen pour l'estimation de la vitesse moyenne du vent avec une étude de cas sur l'Est du Canada; IV. Étude d'évaluation des ressources éoliennes offshore du golfe Persique avec les données satellitaires QuikSCAT.Les articles I à III ont chacun donné lieu à une publication évaluée par des pairs, tandis que l'article IV - à une soumission. L'article I propose des classifications par variable de sortie d'analyse de sensibilité, méthode, application, pays et logiciel. L'article I met en évidence les lacunes de la littérature, fournit des preuves des pièges, conduisant à des résultats d'évaluation erronés et coûteux des ressources éoliennes. L'article II montre comment l'analyse de sensibilité globale offre une amélioration au moyen du quasi-Monte Carlo avec ses plans d'échantillonnage élaborés permettant une convergence plus rapide. L'article III introduit la famille de distribution Halphen pour l'évaluation des ressources éoliennes. Article IV utilise les données satellitaires SeaWinds/QuikSCAT pour l'évaluation des ressources éoliennes offshore du golfe Persique. Les principales contributions à l'état de l'art avec cette thèse suivent. À la connaissance de l'auteur, aucune revue de l'analyse de sensibilité dans l'évaluation des ressources éoliennes n'est actuellement disponible dans la littérature, l'article I en propose une. L'article II relie la modélisation mathématique et l'évaluation des ressources éoliennes en introduisant la technique de quasi-Monte Carlo dans l'évaluation des ressources éoliennes. L'article III présente la famille de distribution de Halphen, de l'analyse de la fréquence des crues à l'évaluation des ressources éoliennes. <br /><br />This dissertation deals with the aspects of quantifying uncertainty in wind resource assessment with the practices of uncertainty and sensitivity analyses. The objectives of this dissertation are to review and assess the quality of sensitivity analysis practices in wind resource assessment, to discourage the use of one-at-a-time sensitivity analysis, encourage the use of global sensitivity analysis instead, introduce methods from other fields, and showcase how uncertainty and global sensitivity analyses adds value to the decision support process. This dissertation is organized in four articles: I. Review article of 102 feasibility studies: a review of sensitivity analysis practices in wind resource assessment with a case study of comparison of one-at-a-time vs. global sensitivity analyses of the levelized cost of offshore wind energy; II. Research article: Quasi-Monte Carlo technique in global sensitivity analysis in wind resource assessment with a case study on United Arab Emirates; III. Research article: Use of the Halphen distribution family for mean wind speed estimation with a case study on Eastern Canada; IV. Application article: Offshore wind resource assessment study of the Persian Gulf with QuikSCAT satellite data. Articles I-III have each resulted in a peer-reviewed publication, while Article IV – in a submission. Article I offers classifications by sensitivity analysis output variable, method, application, country, and software. It reveals the lack of collective agreement on the definition of sensitivity analysis in the literature, the dominance of nonlinear models, the prevalence of one-at a-time sensitivity analysis method, while one-at-a-time method is only valid for linear models. Article I highlights gaps in the literature, provides evidence of the pitfalls, leading to costly erroneous wind resource assessment results. Article II shows how global sensitivity analysis offers improvement by means of the quasi-Monte Carlo with its elaborate sampling designs enabling faster convergence. Article III introduces the Halphen distribution family for the purpose of wind recourse assessment. Article IV uses SeaWinds/QuikSCAT satellite data for offshore wind resource assessment of the Persian Gulf. The main contributions to the state-of-the-art with this dissertation follow. To the best of author’s knowledge, no review of sensitivity analysis in wind resource assessment is currently available in the literature, Article I offers such. Article II bridges mathematical modelling and wind resource assessment by introducing quasi-Monte Carlo technique to wind resource assessment. Article III introduces the Halphen distribution family from flood frequency analysis to wind resource assessment.

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.

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.

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.

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 instances responsables d’assurer la gestion des risques d’inondations reliés aux embâcles de glace sont toujours à la recherche d’outils visant à prévenir les risques et réduire les conséquences sur les populations et les infrastructures. Grâce à la modélisation de certains paramètres jouant un rôle dans la formation des embâcles de glace comme la prédisposition géomorphologique et les conditions hydrométéorologiques, la prévention de ceux-ci s’est grandement améliorée. Les modèles axés sur la force de mobilisation de la rivière et sa capacité à contraindre l’écoulement gagnerait en pertinence s’ils pouvaient inclure la résistance du couvert de glace. Les outils de télédétection sont une manière efficace de connaitre l’état du couvert de glace tant sur l’ensemble de la rivière qu'à différents endroits ciblés. Ceux-ci peuvent générer différents produits cartographiques utiles avant, pendant et après les événements. La présente thèse vise à intégrer le suivi du couvert de glace dans les méthodes de prévention des embâcles à l’aide d’outils provenant de la télédétection. Pour ce faire, quatre sous-objectifs ont été accomplis 1) créer une approche de suivi du couvert de glace à grande échelle en exploitant les données de télédétection optique, radar et acquises par drone, 2) développer une méthode de cartographie automatique du type de glace par estimation d’ensemble à partir d’imagerie radar, 3) concevoir un modèle de détection automatique des lieux à risque de débâcle en utilisant les connaissances de personnes expertes pour interpréter les cartes du type de glace et 4) intégrer les outils développés aux autres modèles conçus dans le cadre de DAVE (Dispositif d’alertes et de vigilance aux embâcles). Les contributions originales découlant de cette thèse touchent plusieurs aspects du suivi du couvert de glace. Elles incluent la démonstration de la pertinence des indicateurs de suivi de la glace par la télédétection, la conceptualisation d’une méthode de segmentation de la rivière en secteurs de production, transport et accumulation de la glace, l’élaboration d’un modèle de cartographie du type de glace par estimation d’ensemble plus performant et polyvalent que les classificateurs originaux, la construction d’une base de données de dégradation du couvert de glace à partir des connaissances de personnes expertes en cartographie de la glace et un modèle de classification de la dégradation du couvert de glace. Cette thèse se conclut par l’intégration conceptuelle à l’aide d’une analyse multicritères hiérarchique des différents outils développés au sein de DAVE. <br /><br /> The authorities responsible for ice jam flood risk management are always looking for tools to prevent harm and reduce consequences on populations and infrastructure. Ice jam prevention has been greatly improved by modelling certain parameters—such as geomorphic predispositions and hydrometeorological conditions—that are central to ice jam formation. These models focusing on the strength of the river current and its ability to constrain the flow would gain in relevance if they could include ice cover strength. Remote sensing tools are an effective way of knowing the state of the ice cover over the whole river and at different target locations. These can be used to generate different map products to include in monitoring before, during and after hazard events. This dissertation therefore aims to integrate ice cover monitoring into ice jam prevention methods using remote sensing tools. To do so, three main sub-objectives were accomplished: 1) to create a large-scale ice cover monitoring approach using remote sensing data such as optical, radar and drone images, 2) to develop a method for automatic mapping of ice type by ensemble estimation from radar imagery, 3) to design an automatic detection model for breakup risk locations using ice type maps and expert judgment and 4) to integrate the tools developed with other models created within the Dispositif d’alertes et de vigilance des embâcles de glace (DAVE). The original contribution from this work covers multiple aspects of ice cover monitoring. This dissertation demonstrates the relevance of direct indicators of ice monitoring by remote sensing, conceptualizes a method for river segmentation into areas of ice production, transport and accumulation, develops an ensemble-based estimation ice type mapping model more efficient and versatile than the original algorithms, constructs an ice cover degradation database derived from the knowledge of ice mapping experts, and proposes a classification model of ice cover degradation. This dissertation concludes with the conceptual integration by analytic hierarchy process of the different tools developed within DAVE.

The frequency of natural hazards in North America presents a significant challenge for governments due to the damages they cause to the environment. Floods are severe hydrological events caused by spring snowmelt and intense rain events. Flood frequency analysis studies assumes that annual peak flood events occur independently of each other, regardless of previous flood events (the independent and identically distributed (i.i.d.) assumption); however, annual peak flood records do not necessarily appear to conform to these assumptions. First, a review of the literature on the effects of climate oscillations on extreme flood frequencies in North America was conducted. Then, the i.i.d. flood event assumption was tested by analyzing the effects of the Pacific Decadal Oscillation (PDO) and Atlantic Multidecadal Oscillation (AMO) on 250 naturally flowing annual peak flood records across the entire western North American margin. Using permutation tests on quantile-quantile (Q-Q) plots, I found that the PDO has a greater impact on the magnitude of annual peak floods than the AMO. Twenty-six percent of the gauges have higher magnitude annual floods depending on the PDO phase (p < 0.1). Next, I examined the interacting effects of the PDO and AMO on the frequencies of lower and upper quartile annual peak floods, and found reinforcing, cancelling, and dominating effects. Since these two climate oscillations have significant effects on the magnitudes of annual peak floods, the i.i.d. assumption does not hold. Hence, I advocate for the need to re-assess baseline flood analysis in western North America to improve flood management strategies.

L'évaluation de l'impact hydrologique du changement climatique présente une importance particulière pour les bassins de la Méditerranée, qui sont très sensibles aux événements hydrologiques extrêmes. La modélisation des systèmes aussi complexes pour la gestion des ressources hydriques est un défi difficile. L'objectif global de ce travail est de contribuer au développement d'une approche de modélisation qui permette l'évaluation de l'impact hydrologique du changement climatique sur deux bassins de la Méditerranée, localisés en Sardaigne. Cette contribution se concentre sur deux sujets principaux: comprendre comment la représentation physique des modèles hydrologiques grave sur l'évaluation de l'impact hydrologique dû au changement climatique sur un bassin avec un climat semi-aride, le Rio Mannu di San Sperate, et montrer comme le modélisation avancé puisse aider à définir de mesures de modération et adaptation dans un système complexe enclin aux événements hydrique extrêmes, le Flumendosa, en conditions de changement climatique. Pour atteindre cet objectif le travail s'articule en trois phases. Les effets du changement climatique sur le bassin du Rio Mannu sont évalués à travers la comparaison des résultats de cinq modèles hydrologiques, CATchment HYdrology (CATHY), Soil and Water Assessment Tool (SWAT), TIN-based Real time Integrated Basin Simulator (tRIBS), TOPographic Kinematic APproximation and Integration-eXtended (TOPKAPI-X), and Water flow and balance Simulation Model (WASIM), en utilisant comme forçage atmosphérique les données de quatre combinaisons de modèles climatiques globaux (GCM) et régionaux (RCM). Pour évaluer les incertitudes une métrique récemment proposée est utilisée: les résultats des modèles sont comparés pendant une période de référence et future, en utilisant l'index de corrélation de Pearson et le bias de Duveiller. Même si certaines différences existent, en tout les modèles hydrologiques montrent une bonne concordance, et ils répondent de manière semblable à la réduction de la précipitation et à l'accroissement de la température prévu par les modèles climatiques. Il s'attend donc que le bassin dans l'avenir sera sujet à une réduction de la disponibilité de ressource hydrique, avec des conséquences négatives en particulier pour le secteur agricole. Une comparaison détaillée des réponses obtenue sur le même bassin avec trois modèles hydrologique à base physique avec différent degré pour ce qui concerne la représentation des procès physiques et des caractéristiques du terrain, CATHY, TOPKAPI-X, tRIBS, est effectué dans le but de tester la transférabilité des paramètres entre les trois modèles hydrologiques, avec une attention particulière sur les difficultés relevées dans les périodes de calibrage et validation. Tandis que les trois modèles ont répondu de manière semblable pendant la période de calibrage, significatives différences ont été relevées pendant la période de validation, caractérisé par un climat très sec, avec le modèle CATHY, qu'il a produit un très bas décharge. En conséquence, pour obtenir résultats satisfaisants avec le modèle CATHY, l’hypothèse de croûtage de sol a été assumée, sur la base dont la couche premier de sol a été modelée avec une conductibilité hydraulique saturée réduite. Finalement le modèle TOPKAPI-X est implémenté sur un des principaux bassins de la Sardaigne, d'importance stratégique pour le système hydrique de la région, le Flumendosa, afin d’évaluer les effets du changement climatique à plus grande échelle. Le modèle répond avec une diminution des valeurs de décharge, contenu hydrique et évapotranspiration réelle à la réduction de la précipitation et accroissement des températures prévus par les modèles climatiques en donnant aussi support à une scène future de carence de la ressource hydrique dans ce bassin de la zone Méditerranéenne.<br /><br />Assessing the hydrologic impacts of climate change is of great importance in the Mediterranean basins, which are heavily sensitive to climate variability, with significant impacts on water resources and hydrologic extremes. Modeling such complex systems to manage water resources and predict hydrologic extremes is a difficult task. The overall aim of the work described in this thesis is to bring a contribution in developing a modeling approach that allows evaluation of local hydrologic impacts of climate changes in two Mediterranean catchments located in Sardinia. This contribution revolves around two main themes: understanding how physical representation of hydrologic models can affect hydrologic impact assessment under climate change on a semi-arid basin of the Mediterranean region, the Rio Mannu catchment, and demonstrating how advanced hydrologic modeling can help in defining adaptation measures in a complex water system, the Flumendosa basin, under climate change. The work to achieve the general objective is elaborated into three stages. The effects of climate change are evaluated on the Rio Mannu catchment through comparison of the results from five hydrologic models, CATchment HYdrology (CATHY), Soil and Water Assessment Tool (SWAT), TIN-based Real time Integrated Basin Simulator (tRIBS), TOPographic Kinematic APproximation and Integration-eXtended (TOPKAPI-X), and Water flow and balance Simulation Model (WASIM), and using as atmospheric input outputs of four climate global (GCM) and regional (RCM) model combinations. In order to evaluate uncertainties, a recently proposed metric is used: climate and hydrologic models results are compared in terms of agreement with each other in reference and future periods using Pearson correlation values and Duveiller bias. Notwithstanding some differences, overall the five hydrologic models show good agreement, and they respond similarly to the reduced precipitation and increased temperatures predicted by the climate models, lending strong support to a future scenario of increased water shortages for this region of the Mediterranean, with negative consequences especially for the agricultural sector. Detailed comparison of the responses obtained with three physically based hydrologic models, but to varying degrees as regards physical processes and terrain features representation – CATHY, tRIBS, and TOPKAPI-X – on the same catchment is carried out, with the aim to test the transferability of parameters between the three hydrologic models, focusing in particular on the calibration and validation difficulties. While the three hydrologic models responded similarly during the calibration year, significant differences were found for the drier validation period for the CATHY model, which produced very low streamflow. To obtain satisfactory results for the CATHY model, an hypothesis of soil crusting was assumed and the first soil layer was modeled with a lower saturated hydraulic conductivity. Finally, the TOPKAPI-X model is applied on a large Sardinian basin prone to extreme flood events, the Flumendosa basin, to assess the hydrologic impact of climate change at much larger scale. The model responds with decreasing value of discharge, soil water content, and actual evapotranspiration to the reduced precipitation and increased temperature predicted by the climate models, lending strong support to a future scenario of increased water shortages also in this basin of the Mediterranean region.<br /><br />La valutazione dell’impatto idrologico del cambiamento climatico riveste particolare importanza per i bacini del Mediterraneo, sensibili ad eventi idrologici estremi. Modellizzare dei sistemi così complessi per la gestione della risorse idriche è una sfida difficile. L’obiettivo globale di questo lavoro è contribuire allo sviluppo di un approccio modellistico che consenta la valutazione dell’impatto idrologico del cambiamento climatico su due bacini del Mediterraneo localizzati in Sardegna. Questo contributo si focalizza su due temi principali: capire come la rappresentazione fisica dei modelli idrologici incida sulla valutazione dell’impatto idrologico dovuto al cambiamento climatico su un bacino con un clima semi-arido, il Rio Mannu di San Sperate, e dimostrare come la modellizzazione avanzata possa aiutare nel definire misure di adattamento in un sistema idrico complesso incline ad eventi estremi, il Flumendosa, in condizioni di cambiamento climatico. Per raggiungere tale obiettivo il lavoro si articola in tre fasi. Gli effetti del cambiamento climatico sul bacino del Rio Mannu sono stati valutati attraverso il confronto dei risultati di cinque modelli idrologici, CATchment HYdrology (CATHY), Soil and Water Assessment Tool (SWAT), TIN-based Real time Integrated Basin Simulator (tRIBS), TOPographic Kinematic APproximation and Integration-eXtended (TOPKAPI-X), and Water flow and balance Simulation Model (WASIM), utilizzando come forzante atmosferica gli output di quattro combinazioni di modelli climatici globali (GCM) e regionali (RCM). Per valutare le incertezze è stata utilizzata una metrica recentemente proposta: i risultati dei modelli sono stati comparati durante un periodo di riferimento e futuro, utilizzando l’indice di correlazione di Pearson e il bias di Duveiller. Pur con qualche differenza, complessivamente i modelli idrologici mostrano una buona concordanza tra loro, e rispondono in maniera simile alla riduzione della precipitazione e all’incremento della temperatura previsti dai modelli climatici. Ci si aspetta pertanto che il bacino nel futuro sarà soggetto ad una riduzione della disponibilità di risorsa idrica, con conseguenze negative in particolare per il settore agricolo. È stato effettuato un confronto dettagliato delle risposte ottenute sullo stesso bacino con tre modelli idrologici fisicamente basati di diverso grado per quanto riguarda la rappresentazione dei processi fisici e delle caratteristiche del terreno, CATHY, TOPKAPI-X, tRIBS, con lo scopo di testare la trasferibilità dei parametri tra i tre modelli idrologici, concentrandosi sulle difficoltà riscontrate nei periodi di calibrazione e validazione. Mentre i tre modelli hanno risposto in maniera simile durante il periodo di calibrazione, sono state riscontrate significative differenze durante il periodo di validazione, caratterizzato da un clima molto secco, con il modello CATHY, che ha prodotto una portata molto bassa. Pertanto, per ottenere risultati soddisfacenti con il modello CATHY, è stata assunta l’ipotesi di soil crusting, sulla base della quale il primo strato di suolo è stato modellato con una ridotta conducibilità idraulica satura. Infine il modello TOPKAPI-X è stato implementato su uno dei principali bacini sardi di importanza strategica per il sistema idrico della regione, il Flumendosa, per valutare gli effetti del cambiamento climatico a scala maggiore. Il modello risponde con una diminuzione dei valori di portata, contenuto idrico ed evapotraspirazione reale alla riduzione della precipitazione ed incremento della temperature previsto dai modelli climatici, dando supporto ad uno scenario futuro di carenza della risorsa idrica anche in questo bacino dell’area Mediterranea.