PRÉLIMINAIRES

I. Épistémologie et Enjeux Scientifiques du Domaine

L’hydrologie des bassins non jaugés, consacrée discipline par la décennie scientifique “Prediction in Ungauged Basins” (PUB) de l’IAHS (2003-2012), acte une rupture paradigmatique. Elle abandonne la dépendance exclusive aux séries temporelles de mesures in-situ pour embrasser une approche spatiale, prédictive et multi-sources. Face à l’impératif de gestion de l’eau dans des territoires où 90% des cours d’eau sont non instrumentés, notamment en Afrique centrale, cette science ne vise plus seulement à décrire mais à anticiper. Sa finalité est de produire une information hydrologique actionnable malgré l’absence de données locales.

II. Cartographie des Compétences et Transversalité

Cette unité d’enseignement forge une compétence hybride, à l’intersection de l’hydrologie, de la télédétection et de la science des données. Paramétrer un modèle sans données d’étiage exige une maîtrise des techniques de régionalisation et une compréhension profonde des processus physiques. L’interpolation d’hydrogrammes de crue par satellite mobilise l’analyse d’images radar et altimétriques, tandis que la détermination du transfert sédimentaire requiert des compétences en géomorphologie quantitative et en SIG. Ces savoir-faire, hautement spécialisés, sont directement transférables à la géomatique, l’agronomie et la gestion des risques naturels.

III. Alignement Stratégique avec les Réalités Opérationnelles

La maîtrise de la modélisation en bassin non jaugé répond à une demande critique et croissante sur le continent africain. L’ingénieur prévisionniste formé sera capable d’alimenter les systèmes d’alerte précoce pour les crues. Le modélisateur hydrologue pourra évaluer le potentiel hydroélectrique de sites isolés ou l’impact de projets d’aménagement (mines, agro-industrie) sur la ressource en eau. Le chercheur, enfin, produira des données essentielles pour les modèles climatiques régionaux et les politiques d’adaptation, transformant une contrainte (le manque de données) en une expertise recherchée.

Chapitre I. Fondements de l’Hydrologie Spatiale et Caractérisation des Bassins

I.1 Le Paradigme du Bassin non Jaugé : de la Contrainte à la Science

Face au constat de la rareté des stations hydrométriques, la science hydrologique a opéré une mutation conceptuelle fondamentale. Le bassin versant non jaugé n’est plus un angle mort, mais un objet d’étude à part entière, requérant des méthodes déductives plutôt qu’inductives. Cette section formalise le problème en termes de balance entre les processus physiques connus et les paramètres inconnus. L’objectif est de substituer l’information temporelle manquante (chroniques de débits) par une information spatiale exhaustive (propriétés du bassin) acquise par télédétection.

I.2 Acquisition et Prétraitement des Données Géospatiales Fondamentales

Sous l’angle de la modélisation, la qualité des données d’entrée conditionne la fiabilité de toute prédiction. Ce sous-chapitre se concentre sur l’acquisition et la correction des trois piliers de la data hydrologique spatiale : les Modèles Numériques de Terrain (MNT) pour la topographie, les produits pluviométriques satellitaires (GPM, CHIRPS) pour le forçage atmosphérique, et les cartes d’occupation du sol pour la caractérisation de surface. L’accent est mis sur les techniques de fusion de données et de correction de biais spécifiques aux environnements tropicaux et équatoriaux.

I.3 Incertitudes Inhérentes aux Produits de Télédétection Hydrologique

Critiquant l’approche naïve d’une télédétection omnisciente, cette analyse dissèque les sources d’erreur structurelles des données satellitaires. La résolution spatiale et temporelle des capteurs, la contamination du signal par l’atmosphère ou la végétation dense du bassin du Congo, et les algorithmes d’inversion eux-mêmes introduisent des biais et des incertitudes considérables. Comprendre et quantifier cette incertitude via des méthodes de validation indirecte est une étape non négociable pour produire des simulations hydrologiques crédibles et pour en communiquer les limites aux décideurs.

I.4 Application : Délinéation et Paramétrisation d’un Bassin Versant du Kivu

À partir de données brutes du SRTM et de Sentinel-2, l’étudiant réalisera l’extraction complète des caractéristiques morphométriques et physiques d’un sous-bassin non jaugé de la région des Grands Lacs. Cette mise en situation pratique vise à automatiser, via des scripts QGIS ou Python, le calcul de la pente, de l’indice topographique d’humidité (TWI), et des coefficients de rugosité de Manning à partir de l’occupation du sol. Le livrable est un jeu de données spatialisées, prêt à être injecté dans un modèle hydrologique.

Chapitre II. Architectures des Modèles Hydrologiques et Paramètres Physiques

II.1 Typologie et Complexité des Modèles : du Conceptuel au Distribué

La controverse sur le niveau de complexité optimal d’un modèle hydrologique structure le champ de la modélisation. Ce segment cartographie le spectre des modèles, depuis les approches conceptuelles (type GR4J) qui agrègent les processus en réservoirs, jusqu’aux modèles entièrement distribués à base physique (type SWAT, HEC-HMS) qui résolvent les équations de flux pour chaque maille du bassin. L’analyse se focalise sur le compromis entre la fidélité à la physique, le nombre de paramètres, le temps de calcul et la pertinence en contexte de données rares.

II.2 Mécanismes de Production du Ruissellement et de l’Écoulement de Subsurface

Au cœur de tout modèle hydrologique se trouve la fonction de production, qui sépare la précipitation en ruissellement, infiltration et évapotranspiration. Cette partie décortique les formulations mathématiques de ces processus clés : la méthode du Curve Number (CN) du SCS, la loi de Green-Ampt pour l’infiltration, et l’équation de Penman-Monteith pour l’évapotranspiration. L’étudiant apprendra à identifier comment ces mécanismes sont implémentés et interconnectés au sein d’une structure de modèle, conditionnant sa réponse aux événements pluvieux.

II.3 Le Verrou de la Paramétrisation : Équifinalité et Non-Unicité

L’équifinalité, concept formulé par Beven, postule que de multiples combinaisons de paramètres peuvent conduire à des simulations de qualité équivalente, rendant l’identification d’un jeu de paramètres “vrai” illusoire. Cette section expose la nature profonde de ce problème, particulièrement aigu en bassin non jaugé où la calibration est impossible. Elle analyse les conséquences de cette non-unicité sur l’incertitude prédictive et critique les approches qui fournissent une seule simulation déterministe sans quantifier la plage des possibles.

II.4 Mise en Situation : Sélection d’un Modèle pour le Bassin du Kouilou-Niari

Face à un projet d’évaluation du potentiel hydroélectrique sur le fleuve Kouilou-Niari, l’étudiant doit justifier le choix d’une architecture de modèle. En se basant sur la disponibilité des données (pluies satellitaires, MNT 30m, cartes d’occupation du sol globales) et l’objectif (estimer les débits moyens mensuels et le module interannuel), il devra argumenter pour un modèle semi-distribué. L’exercice consiste à défendre ce choix contre une approche trop simple (conceptuelle) ou trop complexe (physique) en termes de pertinence et de robustesse.

Chapitre III. Stratégies de Paramétrisation en Contexte non Jaugé

III.1 Le Concept de Régionalisation : Transférer l’Information Hydrologique

Héritage des travaux pionniers sur la similarité des bassins, la régionalisation constitue la pierre angulaire de la prédiction en milieu non jaugé. Le postulat est que des bassins versants ayant des caractéristiques physiques similaires (géologie, sol, climat, topographie) partagent des comportements hydrologiques et donc des paramètres de modèle identiques. Cette section formalise les différentes approches de la régionalisation, de la simple proximité spatiale à la similarité physique et fonctionnelle, établissant le cadre théorique pour l’estimation de paramètres a priori.

III.2 Outils de Régionalisation : Régressions Multiples et Classification de Bassins

Pour l’opérationnalisation, ce sous-chapitre présente les deux méthodes dominantes de transfert de paramètres. La première, basée sur la régression, établit des relations statistiques entre les paramètres de modèle (calibrés sur des bassins jaugés) et les descripteurs physiques des bassins. La seconde, basée sur la classification (clustering), regroupe les bassins jaugés en classes homogènes et attribue à un bassin non jaugé les paramètres de la classe à laquelle il appartient. Les avantages et inconvénients de chaque méthode sont analysés en détail.

III.3 Limites Critiques : Stationnarité, Échelle et Représentativité du Réseau

La validité de la régionalisation repose sur des hypothèses fortes, souvent violées en pratique. Cette analyse critique interroge la stationnarité des relations paramètre-descripteur face au changement climatique et d’usage des sols. Elle questionne également l’effet d’échelle et la représentativité du réseau de bassins de calibration : un réseau de petits bassins de plaine peut-il servir à paramétrer un grand bassin montagneux ? Ces limites imposent une quantification rigoureuse de l’incertitude associée à tout paramètre régionalisé.

III.4 Application : Estimation des Paramètres du Modèle GR4J pour la Ruzizi

L’étudiant appliquera une méthode de régionalisation par similarité physique pour estimer les quatre paramètres du modèle conceptuel GR4J pour le bassin de la Ruzizi, non jaugé à sa source. En utilisant une base de données de bassins jaugés d’Afrique de l’Est, il identifiera les bassins les plus similaires sur la base d’indices climatiques et topographiques. Il transférera ensuite le jeu de paramètres médian de ces “donneurs” au bassin “receveur”, puis évaluera l’incertitude de cette estimation en analysant la dispersion des paramètres.

Chapitre IV. Reconstruction des Hydrogrammes de Crue par Télédétection

IV.1 Principes Physiques de la Mesure Hydrologique Spatiale

Au-delà de la simple imagerie, la télédétection active et passive offre des moyens de mesurer directement des variables hydrauliques. Ce segment expose les fondements de l’altimétrie radar (Sentinel-3, SWOT), qui mesure la hauteur de la surface de l’eau avec une précision centimétrique, et de l’imagerie SAR (Sentinel-1), qui délimite les étendues d’eau sous la couverture nuageuse. La combinaison de ces techniques permet de reconstruire une information cruciale : la dynamique spatio-temporelle de la ligne d’eau pendant une crue, même dans les zones les plus reculées.

IV.2 Méthodologie d’Interpolation : des “Stations Virtuelles” à l’Hydrogramme

L’acquisition de données altimétriques se fait le long de traces satellitaires, créant des “stations hydrométriques virtuelles” aux intersections avec les cours d’eau. Ce sous-chapitre détaille la méthodologie pour transformer ces mesures ponctuelles et temporellement éparses en un hydrogramme de crue continu. Il s’agit de coupler les hauteurs d’eau mesurées avec des sections transversales estimées (issues du MNT ou de modèles hydrauliques 1D) pour dériver des relations hauteur-débit, puis d’interpoler temporellement entre les passages du satellite.

IV.3 Contraintes et Verrous Technologiques en Milieu Équatorial

Sous la pluviométrie équatoriale et la canopée dense du bassin du Congo, la performance des capteurs vacille. L’altimétrie radar peut être dégradée par la végétation riveraine dense, tandis que les méthodes basées sur la largeur de la rivière sont inopérantes sous forêt galerie. Cette analyse critique évalue l’impact de ces facteurs sur la précision des hydrogrammes reconstruits. Elle explore les algorithmes de re-tracking et les approches de fusion de données (radar, optique, passif micro-ondes) pour mitiger ces contraintes spécifiques.

IV.4 Mise en Situation : Reconstitution d’une Crue sur la Tshuapa (RDC)

L’étudiant est chargé de reconstituer l’hydrogramme de la crue de 2019 sur la rivière Tshuapa, un affluent majeur du Congo dépourvu de stations. En utilisant les données d’altimétrie de Sentinel-3 et les images d’inondation de Sentinel-1 disponibles sur Google Earth Engine, il devra créer des stations virtuelles, établir une courbe de tarage approchée et générer un hydrogramme de débit. Cet exercice concret démontre la capacité à produire une information quantitative vitale pour la gestion des risques et la navigation fluviale.

Chapitre V. Estimation du Transfert Sédimentaire par Approches Spatialisées

V.1 La Connectivité Sédimentaire : un Concept Clé en Géomorphologie

Défini par Fryirs, le concept de connectivité sédimentaire décrit l’efficacité du transfert de sédiments depuis les zones d’érosion (sources) jusqu’au réseau hydrographique et à l’exutoire (puits). Cette section déconstruit ce concept en deux composantes : la connectivité structurelle (liée à la topographie) et la connectivité fonctionnelle (activée par les événements pluvieux). Comprendre la connectivité est essentiel pour identifier les zones les plus actives et pour expliquer pourquoi une forte érosion ne se traduit pas toujours par une forte charge sédimentaire.

V.2 Modèles d’Érosion et Indices de Connectivité Spatialisés

Pour quantifier ces processus, ce sous-chapitre présente les outils de modélisation de l’érosion hydrique, notamment l’Équation Universelle des Pertes en Sol (RUSLE) et ses variantes spatialisées. Il détaille ensuite le calcul, à partir d’un MNT à haute résolution, de l’Index de Connectivité (IC) développé par Borselli et Cavalli. Cet indice permet de cartographier la probabilité qu’une particule de sol érodée atteigne le réseau fluvial, offrant une vision spatiale inédite des dynamiques de transfert sédimentaire.

V.3 Limites des Approches par Indices : de la Corrélation à la Causalité

Les modèles comme RUSLE et les indices de connectivité, bien que puissants, restent des représentations simplifiées et empiriques. Cette analyse met en lumière leurs limitations fondamentales : ils estiment un potentiel d’érosion ou de transfert, pas un flux de sédiments réel. Leur calibration en l’absence de mesures de terrain est un défi majeur, et leur application à de grandes échelles ou sous des climats extrêmes exige une prudence méthodologique stricte pour ne pas confondre une cartographie plausible avec une quantification validée.

V.4 Application : Évaluation de l’Impact de l’Orpaillage dans le Haut-Uele

L’étudiant doit évaluer l’impact de l’orpaillage artisanal sur la charge sédimentaire d’une rivière du Haut-Uele. En comparant des cartes d’occupation du sol avant et après l’intensification de l’activité minière, il mettra à jour le facteur d’usage des sols dans le modèle RUSLE. En parallèle, il calculera l’indice de connectivité pour identifier si les nouvelles zones défrichées sont bien connectées au réseau hydrographique. La combinaison de ces deux analyses permettra de produire un diagnostic spatialisé du risque d’envasement de la rivière.

Chapitre VI. Synthèse Opérationnelle et Systèmes d’Aide à la Décision

VI.1 De la Modélisation à la Prévision : Intégration des Chaînes Opérationnelles

L’ultime finalité de la modélisation est son intégration dans une chaîne de prévision opérationnelle capable de générer des alertes actionnables. Cette section structure l’architecture d’un tel système : acquisition en temps quasi-réel des forçages (pluies satellitaires), assimilation des données (hauteurs d’eau altimétriques), exécution du modèle hydrologique paramétré, et diffusion des prévisions de débit. L’accent est mis sur l’automatisation, la robustesse et la gestion des défaillances, conditions sine qua non pour un système fiable.

VI.2 Construction d’un Système d’Alerte Précoce (SAP) à Faible Coût

Sous l’angle de l’innovation frugale, ce sous-chapitre détaille les composantes d’un SAP adapté aux contraintes technologiques et financières africaines. Il combine les prévisions de modèles globaux avec des observations locales participatives (crowdsourcing via mobile) et des seuils d’alerte définis avec les communautés. La diffusion de l’alerte privilégie des canaux résilients et accessibles comme le SMS ou les radios communautaires, transformant une prévision technique en une information qui sauve des vies et protège les biens.

VI.3 Communication de l’Incertitude aux Décideurs et au Public

Face à la complexité des prévisions en bassin non jaugé, la communication de l’incertitude est une responsabilité éthique et technique. Une prévision déterministe unique est trompeuse ; une prévision probabiliste (en ensemble) est plus honnête mais difficile à interpréter. Ce segment explore des techniques de visualisation et de communication pour traduire les enveloppes d’incertitude et les probabilités de dépassement de seuils en messages clairs pour les gestionnaires de crise, les opérateurs de barrages ou le grand public, sans simplifier à l’excès.

VI.4 Projet de Synthèse : Conception d’un SAP pour la ville de Kinshasa

En guise de projet final, les étudiants conçoivent en groupe un prototype de système d’alerte aux inondations pour un quartier péricentral de Kinshasa, alimenté par un bassin versant non jaugé. Ils doivent définir les sources de données, choisir et paramétrer un modèle hydrologique simple, établir des seuils de vigilance basés sur des scénarios d’impact, et proposer une stratégie de communication des alertes. Ce projet intègre toutes les compétences acquises et ancre l’UE dans une démarche de résolution de problème socio-économique concret.

ANNEXES

A. Guide Pratique de Google Earth Engine (GEE) pour l’Hydrologue

Google Earth Engine constitue une révolution pour l’hydrologie en Afrique, en donnant accès à des décennies d’archives satellitaires et à une puissance de calcul massive via une simple connexion internet. Cette annexe fournit au modélisateur hydrologue un guide de démarrage rapide pour des tâches essentielles : accéder aux collections de données pluviométriques (CHIRPS, GPM), filtrer et moyenner des images Sentinel pour cartographier les inondations, et extraire des séries temporelles de végétation (NDVI). L’objectif est l’autonomie de l’ingénieur, même avec un ordinateur peu puissant.

B. Mise en Œuvre du Modèle SWAT+ dans l’Environnement QGIS

SWAT+ est un modèle hydrologique semi-distribué de référence, et son intégration dans le logiciel libre QGIS le rend particulièrement accessible. Cette annexe est un tutoriel technique destiné à l’ingénieur prévisionniste. Il détaille pas à pas la procédure de préparation des données d’entrée (MNT, sol, occupation du sol), la délinéation du bassin en unités de réponse hydrologique (HRU), la création des fichiers de forçage climatique, et le lancement d’une première simulation non calibrée. C’est le manuel de terrain pour rendre le modèle opérationnel.

C. Protocoles de Traitement de Données Altimétriques avec Python

Pour le chercheur en hydrologie spatiale, la maîtrise des données brutes est indispensable. Cette annexe fournit des scripts Python et des notebooks Jupyter pour traiter les données d’altimétrie radar (Sentinel-3, Jason) au-delà des produits pré-calculés. Les protocoles couvrent le téléchargement des données, l’application des corrections géophysiques, l’identification des passages au-dessus des cours d’eau (water-masking), et l’extraction des séries temporelles de hauteur d’eau. Ces outils permettent une analyse fine et la création de produits hydrologiques sur mesure.

Lire aussi :

Cours de Travail de fin d'études personnel, master-2, MUR2241

Cours de Recherche et Rédaction du Mémoire, master-2, MRR2241

Cours de Géophysique de Forage et Surveillance de Réservoir, master-2, GFS2231

Cours de Géographie, preparatoire, GEO0111

Cours de Stage d'imprégnation et professionalisation, master-2, HGE2241

Cours de Stage 1: Enquête académique, licence-2, STA1241