Methodologies for analyzing intrinsic and required DEM accuracy for hydrological applications of flash floods
Résumé
For extreme events like flash floods, infiltration is considered to be negligible, and the morphology of the watershed is considered to be the most significant factor. Thus, digital elevation models (DEMs) are the most efficient data source to define the catchment surface. To determine if the DEM is adapted, it is essential to analyze both the intrinsic accuracy and the required accuracy. In this paper we propose two complementary methodologies to analyze and evaluate these two kinds of DEM accuracy that relate to the hydrological applications to flash floods. The first methodology relates to the intrinsic accuracy: a diagnostic method analyzes the accuracy and stability of the extracted hydrographic network at catchment scale. To obtain correct positioning of the channels, results show the strong influence of the topographic context and the need for associating extra data on rivers, especially in flat areas. The impact of accuracy is evaluated through a scheme based on DEM grid rotation. A step by step and iterative process gives a fuzzy evaluation of the hydrographic network. These techniques also highlight the strong scale dependence of the extracted network. The second methodology relates to the required accuracy. To analyze the sensitivity to the DEM accuracy, we propose an approach by comparing the results of hydraulic models obtained from a "real" description of the river topography and from this description distorted by a numerical noise characterizing the lack of accuracy of the DEM. The impact of this noise on the overflows on the major bed is analyzed. The results show that the accuracy required by the thematicians is often greater than that strictly required by modeling, which opens interesting prospects to reduce the phases of data acquisition.
Pour des événements extrêmes comme les crues éclairs, l'infiltration est peut être considérée comme négligeable, et la morphologie apparaît comme l'information la plus significative. Si les modèles numériques de terrain (MNT) renferment implicitement des informations de relief, celles-ci ne sont pas toujours adaptées. Notre interrogation porte sur la qualité de l'information numérique du relief et se focalise sur l'analyse des précisions disponibles et nécessaires. Dans cet article nous proposons deux méthodologies complémentaires pour analyser et évaluer ces deux types de précisions du MNT pour des applications hydrologiques sur les crues éclair. La première méthodologie est relative à la précision disponible : une méthode de diagnostic analyse la précision et la stabilité du réseau hydrographique extrait à l'échelle du bassin versant. Les résultats montrent un fort effet du contexte topographique sur la satisfaction des critères de qualité et la nécessité de compléter l'information MNT par des données exogènes dans les zones insuffisamment variables. L'impact de l'exactitude est évalué par un algorithme basé sur la rotation de la grille du MNT. Un processus itératif pas à pas donne une estimation floue du réseau hydrographique. Ces techniques mettent aussi en évidence le fort effet de la résolution sur la précision de localisation du réseau extrait. La deuxième méthodologie est relative à la précision nécessaire. Cette deuxième interrogation concerne la précision vraiment requise en cotes pour les calculs de modélisation hydraulique : ici ce sont les profils en longs et en travers de la rivière qui sont fondamentaux. Pour analyser la sensibilité à la précision des MNT, on propose une approche par génération de bruits numériques sur la description de la topographie de la rivière avant leur introduction dans les modèles hydrologiques, de façon à modéliser le manque de précision du MNT. L'impact de ce bruit est analysé sur les débordements dans le lit majeur. Les résultats prouvent que, souvent, l'exactitude exigée par les thématiciens est plus fine que celle strictement exigée par la modélisation, ce qui ouvre des perspectives intéressantes pour alléger les phases d'acquisition de données.