Evaluation Des Produits De Précipitation Satellitaires Dans La Modélisation Hydrologique

Abstract

Pour une meilleure compréhension du l’exploitation des données satellitaires dans la modélisation pluie-débit deoued de Mellegue-Medjerda, nous avons tenté dans ce travail l’application de lamodélisation pluie-débit en utilisant les modèles du ‘’boite noir’’ ou réseau de neurones artificiel avec l’utilisation de données satellite de précipitation TRMM 3B42 Daily 7 et rayonnement solaire et température et humidité relative. Et la raison de l'utilisation des données satellitaires est le manque de données au sol en Algérie en raison soit du manque d'équipement de comptage adéquat. Les réseaux de neurones artificiels sont des modèles qui s’inspirent du cerveau humain, très utilisés en hydrologie, permettentd’introduire un nouveau concept de simulation basé sur l’apprentissage de données. Dotésd’algorithmes d’optimisation non-linéaires, Les modèles de réseaux de neurones artificiels permettent de simuler la transformation de lapluie endébit sur des bassins naturels, Ce travail basé sur la modélisation pluie-débit à l’échellejournalière ; est appliqué au bassin versant d’Oued Mellegue-Medjerda. Les entrées du modèle sont la précipitation estimé par le satellite de TRMM 3B42 Daily 7, ainsi que d’autres variables climatiques (rayonnement solaire, température min et max et humidité relative). Plusieurs combinaisonsde ces variables ont été testés pour obtenir les meilleures performances. Les données utilisées sont tirées de la période allant de 01/09/1999 jusqu’au 31/08/2004. Les résultats étaient différents d’une combinaison à l’autre, certains bons et d’autre mauvais(dans le timing d’un délai différent) pour les bonnes combinaisons, les résultats étaient prometteurs. Ces résultats montrent que le modèle peut trouver la relation entre les précipitations et le débit à travers différentes combinaisons et le délai de temporisation différent, mais avec les performances diffèrent d’un cas à l’autre. ...لفهم أفضل للسلوك الهيدرولوجي لمستجمعات المياه من وادي مالق-مجردة الواقع في الحدود التونسية الجزائرية (26.36,9.8,2.35,15.7(حاولنا في هذا العمل تطبيق نمذجة األمطار - تدفق باستخدام نماذج من 'الصندوق األسود' 'أو الشبكة العصبية االصطناعية باستخدام بيانات األقمار الصناعية هطول ) 7 Daily 3B42 TRMM )وأشعة الشمس وحرارة والرطوبة النسبية. الشبكات العصبية االصطناعية. هذه النماذج ، المستوحاة من الدماغ البشري ، تستخدم على نطاق واسع في الهيدرولوجيا. إلدخال مفهوم محاكاة جديد يعتمد على تعلم البيانات. يضم خوارزميات التحسين غير الخطية، فإنها تستفيد من محاكاة صحيحة في لعالقة تدفق المطر الشهري. في الوقت خطوة كل يوم، وتطبيقها أمر صعب وهذا، بالنظر إلى تعقيد عالقة تدفق المطر على هذا النطاق. نماذج الشبكة العصبية االصطناعية تسمح لمحاكاة تحول المطر في التدفق على األحواض الطبيعية ، هذا العمل يعتمد على نمذجة تدفق األمطار على مقياس يوميا؛ يتم تطبيقها على مستجمعات المياه من وادمالق-مجردة. تطبيق نموذج الشبكات العصبية االصطناعية الذي معلمات المدخالت هي هطول ) 7 Daily 3B42 TRMM)واإلشعاع الشمسي ودرجة الحرارة القصوى والدنيا والرطوبة النسبية من خالل مجموعات مختلفة والمخرجات هي التدفق التي لوحظت في محطة قياس مالق كانت البيانات في فترة )01/09/1999)الى)31/08/2004 . ) كانت النتائج مختلفة من مجموعة إلى أخرى ، بعضها جيد واآلخر سيئ )في توقيت تأخيرمختلف( ، وكانت النتائج واعدة. في مرحلة التدريب، نجد بين المخرجين المالحظ والمقدر، بينما مرحلة التحقق أظهرت اختالف عند الذروات مع أداء جيد في تشابها القيم الصغيرة ً والمتوسطة ومرحلة االختبار اعادت الشبكة لتوفير تقارب جيد بين معظم التدفق الملحوظ والمقدر. توضح هذه النتائج أن النموذج يمكنه العثور على العالقة بين هطول األمطار والتدفق عبر مجموعات مختلفة من المعطيات وفترة التأخير المختلفة، ولكن مع اختالف األداء من حالة إلى أخرى.