Thèse Présentée pour obtenir le titre de Docteur de l'Institut National Polytechnique de Toulouse

Hélène Roux

Description

Niveau: Supérieur

• mémoire

Thèse Présentée pour obtenir le titre de Docteur de l'Institut National Polytechnique de Toulouse Spécialité : Sciences de la Terre et Environnement Option : Hydrologie Estimation de paramètres en hydraulique fluviale, à partir de données caractéristiques de l'imagerie aérienne Hélène Roux Soutenue le 10 décembre 2004 devant le jury composé de : M. François-Xavier Le Dimet Rapporteur M. Kim Dan Nguyen Rapporteur Mme Marie-José Lefèvre Membre M. Christian Puech Membre M. Michel Quintard Président du jury M. Denis Dartus Directeur de thèse N° d'ordre : 2180

• encenturado d'óulivié coume


• mémoire de sciences


• sciences de la terre


• thèse présentée


• poids du mémoire


• membre de jury


• directeur de la thèse

Sujets

• Mémoire
• Science
• Institut national polytechnique de Toulouse
• Lefèvre
• Mistral
• Sciences de la Terre

Informations

• Publié par: profil-nechor-2012
• Publié le: 01 décembre 2004
• Nombre de lectures: 79
• Langue: Français
• Poids de l'ouvrage: 7 Mo

Extrait

Thèse
Présentée pour obtenir le titre de Docteur de
l’Institut National Polytechnique de Toulouse
Spécialité : Sciences de la Terre et Environnement
Option : Hydrologie
Estimation de paramètres en
hydraulique fluviale, à partir de
données caractéristiques de
l’imagerie aérienne
Hélène Roux
Soutenue le 10 décembre 2004 devant le jury composé de :
M. François-Xavier Le Dimet Rapporteur
M. Kim Dan Nguyen Rapporteur
Mme Marie-José Lefèvre Membre
M. Christian Puech Membre
M. Michel Quintard Président du jury
M. Denis Dartus Directeur de thèse
N° d’ordre : 2180C’est avec pas mal de satisfaction, mais tout de même un brin de nostalgie, que je suis sur le
pointdemettreuntermeàcettepériodedemonexistencedurantlaquellelaquestion,récurrente,
“mais tu es encore étudiante?” ne possédait pas de réponse simple. A ceux qui ont fait un peu
partie de ma vie pendant tout ce temps : merci. Merci
aux membres du jury et, plus particulièrement aux rapporteurs, étant donné le poids du
mémoire,
à Denis, mon directeur de thèse, fidèle témoin de mon assurance sans précédent, de mon
optimisme sans faille et de ma passion pour la précision à six chiffres significatifs,
à Marie, à Jacques, grâce à qui je suis notamment sur le point de me lancer dans une carrière
d’informaticienne (comprenne qui pourra...), et à Sylvie,
à tous ceux avec qui j’ai travaillé, ceux qui m’ont fourni les données nécessaires à la poursuite
de mon travail, ceux qui ont pris le temps de répondre à mes questions et auprès de qui j’ai
beaucoup appris, je pense également aux enseignants de l’ENSEEIHT,
à Olivier Thual qui s’est donné la peine de lire ce mémoire et de me faire part de ses
suggestions,
à toutes les personnes que j’ai côtoyées au sein de l’IMFT, à ceux avec qui j’ai pris le thé, à
ceux avec qui j’ai refait le monde, à ceux qui me regardent patiemment (et longuement) manger
(lentement) le midi : bien mâcher c’est important!
à ceux qui me supportaient déjà bien avant que j’ai ne serait-ce que l’idée d’entreprendre une
thèse, à ceux qui me supportent depuis que je suis née, à celui qui partage ma vie.
Vous avez contribué à rendre agréable et passionnant mon séjour à l’IMFT, grâce à vous j’ai
aimé y vivre et y travailler. Pas de liste de noms ici, j’espère vous avoir déjà montré à quel point
j’ai apprécié votre compagnie durant ces trois années. Et puisque vous avez contribué, au même
titre que ce qui va suivre, à construire cette thèse, je vous dédie cette page... ainsi qu’une petite
explication littéraire à ce mémoire de sciences :
J’ai de sérieuses raisons de croire que la planète d’où venait le petit prince est
l’astéroïde B 612. Cet astéroïde n’a été aperçu qu’une fois au télescope, en 1909, par
un astronome turc.
Il avait alors fait une grande démonstration de sa découverte à un Congrès
International d’Astronomie. [...]
Si je vous ai raconté ces détails sur l’astéroïde B 612 et si je vous ai confié son
numéro, c’est à cause des grandes personnes. Les grandes personnes aiment les chiffres.
[...]
Ainsi, si vous leur dites : “La preuve que le petit prince a existé c’est qu’il était
ravissant, qu’il riait, et qu’il voulait un mouton. Quand on veut un mouton, c’est la
preuve qu’on existe” elles hausseront les épaules et vous traiteront d’enfant! Mais si
vous leur dites : “ la planète d’où il venait est l’astéroïde B 612” alors elles seront
convaincues.
Antoine de Saint-Exupéry, Le Petit PrinceAutantliuenquemerapelle,vesedavansmisiue,
au miejour, eilalin, uno bancado de mountagno
que, dóu matin au vèspre, si mourre, si calanc,
si baus e si valoun, quouro clar, quouro encre,
bluiejon en oundado [...] encenturado d’óulivié
coume uno roucaredo grèco, un veritable miradou
de glòri e de legèndo.
Frédéric Mistral, Memòri e raconte
A la memòri de moun paire-grand
Aux MiensTable des matières
Table des figures xi
Liste des tableaux xvii
Nomenclature xxiii
Introduction générale 1
I Synthèse bibliographique 9
1 Modélisation hydraulique et télédétection 11
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2 Les modèles hydrauliques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.1 Typologie des modèles utilisés en hydraulique fluviale . . . . . . . . . . . 12
1.2.1.1 Les modèles monodimensionnels . . . . . . . . . . . . . . . . . . 12
1.2.1.2 Les modèles à casiers . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.1.3 Les modèles bidimensionnels . . . . . . . . . . . . . . . . . . . . 14
1.2.2 Évaluation des modèles 1D et 2D pour la prédiction de l’étendue inondée 14
1.3 La modélisation filaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.1 Les équations de Saint-Venant monodimensionnelles . . . . . . . . . . . . 16
1.3.1.1 Expression générale . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.1.2 Régime permanent et uniforme . . . . . . . . . . . . . . . . . . . 17
1.3.1.3 Régime graduellement varié . . . . . . . . . . . . . . . . . . . . . 18
1.3.2 La rugosité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.2.1 Le coefficient de Strickler . . . . . . . . . . . . . . . . . . . . . . 18
1.3.2.2 Modélisation en lit composé . . . . . . . . . . . . . . . . . . . . . 19
1.4 Résolution des équations de Saint-Venant monodimensionnelles . . . . . . . . . . 21
1.4.1 Régime permanent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.4.2 Régime non permanent, sans débit d’apport . . . . . . . . . . . . . . . . . 22
1.4.2.1 Discrétisation en différences finies et linéarisation . . . . . . . . . 23
vTABLE DES MATIÈRES
1.4.2.2 Résolution des équations . . . . . . . . . . . . . . . . . . . . . . 25
1.5 Apport de la télédétection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.5.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.5.2 Informations accessibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.5.2.1 En période de crue . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.5.2.2 Hors crue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.6 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2 Assimilation de données appliquée à l’estimation de paramètres 31
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2 La théorie de l’estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.1 Approche simplifiée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.1.1 Première approche : minimisation de la variance d’erreur de
l’estimation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.1.2 Deuxième approche : moindres carrés pondérés . . . . . . . . . . 37
2.2.2 Généralisation au cas multi-dimensionnel . . . . . . . . . . . . . . . . . . 37
2.2.2.1 Minimisation de la variance de l’estimateur linéaire. . . . . . . . 38
2.2.2.2 Moindres carrés pondérés . . . . . . . . . . . . . . . . . . . . . . 41
2.2.2.3 Opérateur d’observation non linéaire . . . . . . . . . . . . . . . . 41
2.2.2.4 Méthode de minimisation numérique . . . . . . . . . . . . . . . . 42
2.2.3 Filtre de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.2.3.1 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.2.3.2 Extension aux modèles non-linéaires : le filtre de Kalman étendu 46
2.2.3.3 Application à l’estimation de paramètres - Cas stationnaire . . . 47
2.3 Analyse de sensibilité et estimation de l’incertitude sur la prévision . . . . . . . . 48
2.3.1 Generalized Sensitivity Analysis (GSA) . . . . . . . . . . . . . . . . . . . 48
2.3.1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.3.1.2 Méthodologie de l’analyse de sensibilité généralisée . . . . . . . . 49
2.3.2 Generalized