UNIVERSITÉ DE MONTRÉAL

MODÉLISATION DE LA PROPAGATION DES INONDATIONS EN ZONE URBAINE

PABLO GONZALEZ

DÉPARTEMENT DES GÉNIES CIVIL, GÉOLOGIQUE ET DES MINES

ÉCOLE POLYTECHNIQUE DE MONTRÉAL

MÉMOIRE PRÉSENTÉ EN VUE DE L’OBTENTION

DU DIPLÔME DE MAÎTRISE ÈS SCIENCES APPLIQUÉES

(GÉNIE CIVIL)

SEPTEMBRE 2016

© Pablo Gonzalez, 2016.

 UNIVERSITÉ DE MONTRÉAL

ÉCOLE POLYTECHNIQUE DE MONTRÉAL

Ce mémoire intitulé :

MODÉLISATION DE LA PROPAGATION DES INONDATIONS EN ZONE URBAINE

présenté par : GONZALEZ Pablo

en vue de l’obtention du diplôme de : Maîtrise ès sciences appliquées

a été dûment accepté par le jury d’examen constitué de :

M. FUAMBA Musandji, Ph. D, président

M. MAHDI Tew-Fik, Ph. D, membre et directeur de recherche

M. TCHAMEN Georges W., Ph. D, membre

 iii

DÉDICACE

À mes sœurs, Pauline et Juliette

Mon père Jean-Bernard

Ma Mère Annie
 iv

REMERCIEMENTS

Ce mémoire est le résultat d’un travail de recherche de près de deux ans. Je souhaite adresser ici
tous mes sincères remerciements aux personnes m’ayant aidé tout au long de ce parcours.

Je voudrais tout d’abord adresser toute ma gratitude à mon Directeur de Maîtrise, le Professeur
Tew-fik Mahdi. Merci d’avoir encouragé mon passage en recherche, d’avoir eu confiance en moi
pour ce travail et de m’avoir offert l’opportunité d’être chargé de cours. Merci pour le temps que
vous m’avez consacré, pour vos conseils, votre franchise et votre sympathie.

Je remercie M. Simon Deslauriers pour son aide à l’utilisation de son programme et pour le temps
qu’il a consacré à répondre à mes questions.

Je désire aussi remercier tous mes amis ; particulièrement mon colocataire Djabre et mon allié de
maîtrise Félix qui m’ont soutenu quotidiennement.

Je remercie mes sœurs Pauline et Juliette pour leurs encouragements, leurs sincérités et leur support
inébranlable depuis notre enfance. Enfin, je tiens à remercier mes parents, Annie et Jean-Bernard,
pour leurs appuis inconditionnels durant toute ma scolarité. Toutes mes réalisations n’auraient pu
être possibles sans leurs aides et leurs confiances. Leurs encouragements m’ont toujours incité à
persévérer et à donner le meilleur de moi. Merci.
 v

RÉSUMÉ

La modélisation numérique de propagation d’inondation permet d’obtenir des projections sur les
caractéristiques d’écoulement telles que la vitesse, la hauteur d’eau et la superficie inondée. Ces
modèles comptabilisent rarement les effets de l’onde de crue dans une zone urbaine par manque de
données, de temps ou de ressources informatiques. Pourtant, une meilleure connaissance des
attributs de l’écoulement dans le tissu urbain aurait d’importants impacts dans une cartographie des
risques plus précise et ainsi dans leurs préventions.

La problématique de ce sujet de recherche est de mettre en place un modèle stable prenant en

compte la représentation des bâtiments dont les variables de sortie s’approche aux mieux des
observations réelles. Le cas test retenu dans ce mémoire est la rupture, en 1982, du barrage de Tous
en Espagne suite à un événement de pluie extrême (500 mm en 24h). La rupture progressive du
barrage en remblai engendra un hydrogramme dont le débit de pointe a été estimé à 15000 m3/s,
causant une importante inondation de la vallée et la dévastation de la ville de Sumacarcel, située 5
km à l’aval. La disponibilité de données de bathymétrie et d’observation permet une modélisation
numérique de cette catastrophe, ainsi qu’une étude de calibration de ces paramètres.

La première partie de ce mémoire présente la mise en place d’une méthode de détermination de la

condition frontière aval pour des régimes non permanents, lorsqu’aucune structure de contrôle sur
le débit n’y existe. Cette méthode utilise des itérations sur le nombre de Froude pour construire des
courbes de tarage qui sont ensuite fixées à la condition frontière aval. Cette approche permet la
délimitation de la zone de dépendance à la condition limite. Il a été prouvé que l’écoulement aux
abords de Sumacarcer n’était pas influencé par la condition frontière aval et que le régime y est
fluvial. La courbe de tarage la mieux adaptée au modèle est celle basée sur un nombre de Froude
de 0.6 ; un nombre de Froude trop élevé résulte à une instabilité de la simulation, et un trop faible
à un gonflement du niveau d’eau dans la zone aval. La méthode est validée par un modèle plus
étendu à l’aval afin d’obtenir les caractéristiques d’écoulement au niveau de la condition limite du
 vi

modèle restreint. Bien que le nombre de Froude ne puisse être constant sur une section soumise à
un régime non permanent, la comparaison de ces deux modèles fournit des similarités d’écoulement
a une certaine distance de la condition frontière, qui permettent de certifier la méthode. Elle devient
alors une alternative intéressante à l’utilisation d’une condition frontière à hauteur normale (basé
sur l’équation de Manning).

La deuxième partie du mémoire porte sur la calibration du modèle. La ville y est implantée selon
le mode de représentation dit building hole (les murs des bâtiments sont considérés comme des
conditions frontières infranchissables) et le maillage y est affiné localement afin de respecter une
condition de trois cellules transversales aux rues, lorsque cela est possible. La calibration s’effectue
sur les coefficients de Manning de cinq différents types de sols : rivière, berges, rues, montagnes
et cultures. Elle s’opère automatiquement grâce à l’utilisation de deux programmes, OPPS et PEST,
sur six points ou les hauteurs d’eau maximales ont été observées suite à la catastrophe. Le choix
est fait, après tests, de calibrer en régime permanent pour un pas de temps de 0.2 seconde une durée
simulée de 1 heure. La meilleure itération de calibration attribue les Manning suivants pour un
coefficient de détermination R2= 96.9% :

- Rivière : 0.016 s/[m1/3]

- Berges : 0.020 s/[m1/3]
- Rues : 0.011 s/[m1/3]
- Montagnes : 0.027 s/[m1/3]
- Cultures : 0.081 s/[m1/3]

Bien que les coefficients de Manning des rues et de la rivière soient plus faibles qu’espérés, ils sont
aux alentours de leurs intervalles respectifs. Une légère augmentation de ceux-ci cause une baisse
du coefficient de détermination, tout en le maintenant au dessus de 96.6%.

La matrice de corrélation de ces paramètres montre une faible influence de la part de la zone des
berges sur le modèle, le coefficient de Manning de la rivière étant celui qui influence le plus les
résultats de hauteur d’eau.

Les coefficients de Manning calibrés sont ensuite appliqués au régime non permanent simulant
l’hydrogramme de rupture. Tel qu’attendu, les coefficients calibrés en régime permanent sont
 vii

surestimés pour le régime non permanent dû à la relation parabolique Manning-Vitesse, le

coefficient de Manning étant normalement valide pour les écoulements uniformes permanents. Une
tendance filtre de la comparaison entre ces deux régimes : plus le coefficient de détermination des
modèles permanent est élevé, plus l’écart en hauteur d’eau entre les deux régimes diminue.

Le coefficient de détermination obtenu en régime non permanent est de 96.9%, pour un écart de
hauteur d’eau total de 1.45m aux 21 jauges avec le régime permanent. Le modèle créé surpasse les
études antérieures sur ce même cas test, leur meilleur coefficient de détermination étant de 92%.
Un coefficient de 97% semble être le maximum que l’on peut tirer du modèle, ceci car les hauteurs
d’eau aux jauges sont corrélées : lorsque le niveau augmente à l’une pour satisfaire son objectif de
calibration, elle augmente aussi pour une autre adjacente qui pourrait alors dépasser son propre
objectif. Augmenter le coefficient de détermination demanderait de mettre en place un modèle plus
détaillé et d’augmenter le nombre de surfaces à calibrer.

L’inondation de Sumacarcer semble être aggravée par les cultures d’orangers aux abords de la ville.
En effet toutes les itérations suggèrent un coefficient de Manning élevé sur ces zones et donc une
augmentation des hauteurs d’eau ; combinée à un écoulement fluvial qui favorise les forces
inertielles aux forces gravitationnelles, l’onde de crue est redirigée vers la ville par cette région.

L'impact important des inondations, l'augmentation future des événements météorologiques

extrêmes et le vieillissement des infrastructures traduisent un besoin d'amélioration en gestion des
inondations en zone urbaine alors primordiale. Investir et perfectionner les collectes de données
ainsi que la modélisation numérique sont deux solutions, complémentaires, pour atteindre cet
objectif.
 viii

ABSTRACT

Flood propagation numerical modelling enables projections making on flow characteristics such as
speed, water surface elevation and flooded areas. These models rarely account for the flood wave
effect in urban areas because of a lack of data, time or computing resources. However, a better flow
attributes understanding in the urban setting would have significant impacts for more precise risk
mapping and prevention.

The issue addressed in this research project is therefore a cost benefit analysis of building
representation in numerical models. The study case chosen in this dissertation is the Tous dam
break in Spain, in 1982, due to an extreme rain event (500 mm in 24h). The earth fill dam
progressive rupture created an hydrograph with a peak discharge of 15000 m3/s, causing a major
flood in the valley and the subsequent destruction of the city of Sumacarcer located 5 km
downstream. The available bathymetry and observations data allows for the numerical modelling
of the disaster, as well as a calibration study of its parameters.

The dissertation first part presents the implementation of a method to determine a suitable
downstream boundary condition in hydraulic models with unsteady flow condition, when no
control structure or restrictive section exists. The method uses iterations on the Froude number to
plot rating curves, which are then fixed on the downstream boundary condition. This approach
enables the delimitation of the boundary condition zone of influence. Results show that the flow
around Sumacarcer is not influenced by the boundary and that the regime is subcritical. The most
appropriate rating curve for this model is based on a 0.6 Froude ; Too high Froude numbers resulted
in model instability, while lower figures caused an outflow restriction and a consequent bulge near
the exit. The method is validated by a downstream extended model for the purpose of getting flow
characteristics at the boundary conditions section of the limited model. Even though the Froude
number cannot be constant at a section submitted to an unsteady flow, comparisons between the
two models provide flow similarities at a certain distance from the boundary condition, certifying
 ix

the method. It thus becomes an interesting alternative to the use of normal depth boundary
condition (based on Manning’s formula).

The dissertation second part is about model calibration. The town is implanted with a representation
mode called "building hole" and the meshing is locally refined to respect a three cells condition at
street cross-section, when possible. Calibration is carried on Manning’s coefficients of four soil
types : river bed, floodplains, streets, mountains and crop fields. It runs automatically thanks to two
programs, OPPS and PEST, on 6 points where water surface elevations were observed following
the disaster. The choice is made, after tests, to calibrate in a steady flow regime with a 0.2 second
time step and a 1-hour duration. The best iteration attributes the following Manning’s, with a
determination coefficient R2= 96.9% :

- River : 0.016 s/[m1/3]

- Floodplain : 0.020 s/[m1/3]
- Streets : 0.011 s/[m1/3]
- Mountains : 0.027 s/[m1/3]
- Crops : Cultures : 0.081 s/[m1/3]

The parameter correlation coefficient matrix shows a limited influence coming from the floodplain
on the model, the River’s Manning being the most influential parameter on water surface elevation.

Calibrated Manning’s coefficients are then applied on the unsteady-state regime, simulating the
dam break outflow hydrograph. As expected, calibrated coefficients in steady state flows are
overestimated in the unsteady state models, due to the parabolic Manning-flow speed relation,
Manning’s coefficient standardly being valid for uniform and steady flows. A trend filters from the
comparison of these two states : the higher the determination coefficient is in steady state, the lower
the gap in water depth is between these two states.

The determination coefficient obtained in unsteady state is 96.9%, with a difference of 1.45m in
water depth at the gages in steady state. The model created excel other researches on the same case
study, their best determination coefficient being 92%. A 97% coefficient seems to be the maximum
we can draw from this model, water depths at gages being correlated : when the level increase at
one gage to satisfy its calibration objective, it rises at another adjacent gage and exceeds its own
 x

goal. Increasing the determination coefficient would imply to set up a more detailed model with
more regions to calibrate.

The Sumacarcer flood seems to be aggravated by the orange tree orchards surrounding the city.
Indeed, all the iterations suggest a higher Manning’s coefficient in these zones and a consequent
water levels rising ; combined to a subcritical flow that favors inertial forces at the gravitational
forces, the flood wave is redirected towards the city by this region.

The significant impact of flooding, the increase in extreme meteorological events and the aging
infrastructure voice for an improvement need in urban flood management. Investing and enhancing
data collections and modelling are complementary solutions to achieve this goal.
 xi

TABLE DES MATIÈRES

DÉDICACE .................................................................................................................................. III

REMERCIEMENTS ..................................................................................................................... IV

RÉSUMÉ ........................................................................................................................................V

ABSTRACT................................................................................................................................VIII

LISTE DES TABLEAUX............................................................................................................ XV

LISTE DES FIGURES ............................................................................................................. XVII

LISTE DES SIGLES ET ABRÉVIATIONS ............................................................................ XXV

LISTE DES ANNEXES ......................................................................................................... XXVI

CHAPITRE 1 INTRODUCTION .............................................................................................. 1

1.1 Problématique .................................................................................................................. 1

1.2 Revue Bibliographique .................................................................................................... 5

1.2.1 Équations de modélisation ........................................................................................... 5

1.2.2 Caractéristiques d’écoulements en zone urbaine ......................................................... 9

1.2.3 Digital Terrain Model et maillage.............................................................................. 15

1.2.4 Représentation des bâtiments dans le modèle ............................................................ 20

1.2.5 Sensibilité et calibration ............................................................................................. 26

1.3 Objectifs et défis ............................................................................................................ 31

1.3.1 Chronologie et Histoire .............................................................................................. 32

1.3.2 Données...................................................................................................................... 36

CHAPITRE 2 ACTIVITÉS DE RECHERCHE ....................................................................... 45

2.1 Modélisation sur SMS avec module SRH-2D ............................................................... 45

2.2 Détermination de la condition frontière aval ................................................................. 49

 xii

2.3 Calibration des coefficients de Manning ....................................................................... 50

2.4 Résultats scientifiques attendus ..................................................................................... 51

CHAPITRE 3 DÉTERMINATION DE LA CONDITION FRONTIÈRE AVAL .................. 55

3.1 Introduction .................................................................................................................... 55

3.1.1 Types de condition frontière ...................................................................................... 55

3.1.2 Zone de dépendance ................................................................................................... 56

3.2 Barrage de Tous ............................................................................................................. 58

3.3 Publications antécédentes .............................................................................................. 60

3.4 Méthodologie ................................................................................................................. 61

3.5 Description des modèles ................................................................................................ 64

3.5.1 Problématique des courbes de tarage sous SRH-2D .................................................. 64

3.5.2 Construction et particularités des modèles ................................................................ 65

3.5.3 Synthèse des caractéristiques par modèles ................................................................ 70

3.6 Résultats ......................................................................................................................... 70

3.6.1 Hauteurs d’eau sur 5 points par modèle ..................................................................... 70

3.6.2 Courbe de tarage ........................................................................................................ 72

3.6.3 Hydrogramme de sortie.............................................................................................. 73

3.6.4 Résiduels .................................................................................................................... 74

3.7 Discussions .................................................................................................................... 75

3.7.1 Modèle WSE fixe....................................................................................................... 75

3.7.2 Modèle NfrXX ........................................................................................................... 76

3.7.3 Modèle MfrXX_02 .................................................................................................... 78

3.7.4 Modèle MfrXX_03 .................................................................................................... 80

3.7.5 Modèle MfrXX_04 .................................................................................................... 82

 xiii

3.7.6 Modèle MfrXX_05 .................................................................................................... 83

3.7.7 Modèle RfrXX ........................................................................................................... 84

3.7.8 Analyse par nombre de Froude similaire ................................................................... 85

3.8 Analyses générales ......................................................................................................... 87

3.9 Validation de la méthode ............................................................................................... 88

3.9.1 Validation du modèle étendu ..................................................................................... 89

3.9.2 Comparaisons du modèle étendu et des modèles restreints ....................................... 91

3.10 Conclusions sur la méthode ........................................................................................... 96

CHAPITRE 4 PROPAGATION DE L’INONDATION EN ZONE URBAINE ..................... 97

4.1 Introduction .................................................................................................................... 97

4.2 Construction du modèle ................................................................................................. 98

4.2.1 Implantation de la ville .............................................................................................. 98

4.2.2 Mode de représentation des bâtiments ..................................................................... 101

4.2.3 Modèle initial ........................................................................................................... 103

4.2.4 Modèle étendu .......................................................................................................... 103

4.2.5 Premiers résultats d’écoulement dans la ville .......................................................... 104

4.3 Calibration.................................................................................................................... 106

4.3.1 PEST ........................................................................................................................ 108

4.3.2 OPPS ........................................................................................................................ 109

4.3.3 Région et Points d’observations............................................................................... 110

4.3.4 Pas de temps et temps de calculs ............................................................................. 111

4.4 Analyse des résultats .................................................................................................... 115

4.4.1 Non borné................................................................................................................. 115

4.4.2 Borné ........................................................................................................................ 120

 xiv

4.4.3 Effets en régime non permanent .............................................................................. 124

4.4.4 Comparaisons aux autres études .............................................................................. 128

4.5 Conclusions Calibration ............................................................................................... 136

CHAPITRE 5 CONCLUSIONS ET RECOMMANDATIONS ............................................ 138

BIBLIOGRAPHIE ...................................................................................................................... 142

ANNEXES .................................................................................................................................. 146

 xv

LISTE DES TABLEAUX

Tableau 1-1 : Causes de rupture de barrage (de 1850 à 1954 pour 206 bris enregistrés) (Fell et al.,
2005) ........................................................................................................................................ 3

Tableau 1-2 : coefficient de Manning pour différentes surfaces (Alcrudo, 2004)......................... 30

Tableau 1-3 : Chronologie de la rupture du barrage de Tous ........................................................ 33

Tableau 1-4 : Estimation des coefficients de Manning (Alcrudo & Mulet, 2007) ........................ 41

Tableau 1-5 : Polygones couverts par les orangers (Alcrudo & Mulet, 2007) .............................. 41

Tableau 2-1 : Étapes de modélisations sur SMS avec le module SRH-2D ................................... 46

Tableau 3-1 Caractéristiques des modèles ..................................................................................... 70

Tableau 4-1 : Profondeurs d'eau observées et calculées du modèle initiale ................................ 105

Tableau 4-2 : coefficient de Manning pour différentes surfaces en s/[m1/3] (Alcrudo, 2004) ..... 107

Tableau 4-3 : Paramètres des coefficients de Manning pour la calibration non bornée en s/[m1/3]
.............................................................................................................................................. 116

Tableau 4-4 : points de calibration............................................................................................... 116

Tableau 4-5 : Coefficients de Manning de la calibration non bornée en s/[m1/3] ........................ 116

Tableau 4-6 : résultats de calibration non bornée pour les 5 itérations aux 21 jauges ................ 118

Tableau 4-7 : coefficients de corrélation des Manning ................................................................ 120

Tableau 4-8 : Paramètres des coefficients de Manning pour la calibration bornée en s/[m1/3] ... 121

Tableau 4-9 : Coefficients de Manning de la calibration bornée en s/[m1/3] ............................... 121

Tableau 4-10 : résultats de calibration bornée pour les 5 itérations aux 21 jauges ..................... 122

Tableau 4-11 : comparaison entre simulation en régime permanent et non permanent. Calibration
non bornée............................................................................................................................ 125
 xvi

Tableau 4-12 : comparaison entre simulation en régime permanent et non permanent. Calibration
bornée................................................................................................................................... 126

Tableau 4-13 : Profondeur aux 21 jauges des études de modélisation ........................................ 134
 xvii

LISTE DES FIGURES

Figure 1.1 : Centre géographique des inondations, 1985-2010 ...................................................... 1

Figure 1.2 : Évolution future dans la fréquence des inondations et nombre de personnes affectées
annuellement ............................................................................................................................ 2

Figure 1.3 : Écoulement à travers une ville idéalisée (Testa et al., 2007) ....................................... 8

Figure 1.4 : Ressaut hydraulique en amont d'une ville (Soares-Frazão, Sandra & Zech, 2008) ... 10

Figure 1.5 : Séquence d'images d'un impact typique en phénomène de vague "flip-through" ...... 11

Figure 1.6 : Simulation physique d'une onde de crue, champ de vitesse à 1,5 et 10 secondes...... 11

Figure 1.7 : Résultats de simulations physiques et numériques pour différentes résolutions (Soares-
Frazão, Sandra & Zech, 2008) ............................................................................................... 12

Figure 1.8 : Comparaison de vecteurs de vélocité, expérimental (a) et numérique (b). (Soares-
Frazão, Sandra & Zech, 2008) ............................................................................................... 12

Figure 1.9 : configuration de ville idéalisée. Gauche : regroupement aligné droit et aligné en
échelon (Testa et al., 2007). Droite : aligné droit et aligné oblique (Soares-Frazão, Sandra &
Zech, 2008) ............................................................................................................................ 13

Figure 1.10 : Modèle numérique de la rivière Toce. Niveau d'eau à différent temps pour les
configurations aligné (a) et échelonné (b) (El Kadi Abderrezzak et al., 2008) ..................... 14

Figure 1.11 : technologie LiDAR montée sur un avion pour relever la topographie d'une zone .. 16

Figure 1.12 : Maillage structuré d'un tronçon en coude ................................................................ 17

Figure 1.13 : Maillage non structuré sur un modèle urbain (Schubert et al., 2008) ...................... 17

Figure 1.14 : Maillage Hybride d'un modèle de rivière (Lai, 2010) .............................................. 18

Figure 1.15 : Méthodes de représentation d'un groupe de bâtiments comme une région à coefficient
de friction augmenté (milieu), comme une région avec des points de friction augmentée
(Alcrudo, 2004) ...................................................................................................................... 21
 xviii

Figure 1.16 : Groupe de bâtiments représentés en Bottom Elevation, maillage grossier (Alcrudo,
2004) ...................................................................................................................................... 22

Figure 1.17 : Groupe de bâtiments représentés en Bottom Elevation, maillage fin (Alcrudo, 2004)
................................................................................................................................................ 23

Figure 1.18 : représentation des bâtiments en Building Hole (Alcrudo, 2004) ............................. 24

Figure 1.19 : Modèle de la rivière Toce. Représentation de bâtiments en Building Porosity. Vertex
au centroïde des bâtiments (Sanders et al., 2008) .................................................................. 26

Figure 1.20 : Champ des vitesses obtenues avec la méthode BP (Sanders et al., 2008) ............... 26

Figure 1.21 : localisation du Barrage de Tous (Google Maps) ...................................................... 34

Figure 1.22 : Vestiges du Barrage de Tous après la rupture (Alcrudo & Mulet, 2007) ................ 34

Figure 1.23 : Sumacarcer, (gauche) avant la rupture, (droite) après (Alcrudo & Mulet, 2007) .... 34

Figure 1.24 : Tronçon de la rivière Jucar entre le barrage et le village de Sumacarcer ................. 35

Figure 1.25 : DTM 1982 ................................................................................................................ 36

Figure 1.26 : DTM 1998 ................................................................................................................ 37

Figure 1.27 : DTM bâtiments 1982................................................................................................ 38

Figure 1.28 : DTM bâtiments 1998................................................................................................ 38

Figure 1.29 : Hydrogramme de rupture, barrage de Tous (Alcrudo & Mulet, 2007) .................... 39

Figure 1.30 : Profondeur d'eau en fonction du temps à la jauge 1 (Alcrudo & Mulet, 2007) ...... 43

Figure 1.31 : Profondeur d'eau en fonction du temps à la jauge 7 et 8 (Alcrudo & Mulet, 2007) 43

Figure 1.32 : Localisation des jauges et hauteur d'eau enregistrée (Alcrudo & Mulet, 2007) ...... 43

Figure 1.33 : Jauge 3. Marque de la hauteur d'eau lors de l'inondation (Alcrudo & Mulet, 2007) 44

Figure 2.1 : Organigramme de l'étude de modélisation. (adapté du cours Élements Finis de l’École
polytechnique de Montréal. Nadjib Bouanani ....................................................................... 48

Figure 2.2 : différences d'élévations entre les DTM de 1982 et 1998 (Soares-Frazão, S. & Zech,
2004) ...................................................................................................................................... 53
 xix

Figure 2.3 : Sections transversales (haut) et hydrogrammes associés pour l’hydrogramme normal
(milieu) et le supérieur (bas) (Soares-Frazão, S. & Zech, 2004) ........................................... 54

Figure 3.1 : Caractéristiques positive et négative, régime fluvial (Chaudhry, 2007) .................... 56

Figure 3.2 : Caractéristiques pour les régimes fluvial, torrentiel et critique (Chaudhry, 2007) .... 57

Figure 3.3 : Bathymétrie 1982 ....................................................................................................... 58

Figure 3.4 : Bathymétrie 1998 ....................................................................................................... 59

Figure 3.5 : Détermination courbe de tarage ................................................................................. 63

Figure 3.6 : Profil longitudinal à la section frontière du modèle NfrXX ....................................... 66

Figure 3.7 : Courbes de tarage appliquées aux modèles NfrXX et RfrXX.................................... 66

Figure 3.8 : Exploitation partielle du segment aval ....................................................................... 67

Figure 3.9 : Élévation terrain zone avale pour Nfr (gauche) et Mfr (droite) ................................. 68

Figure 3.10 : Profil longitudinal à la section frontière des modèles MfrXX et RfrXX ................. 68

Figure 3.11 : Courbes de tarage appliquées aux modèles MfrXX ................................................. 68

Figure 3.12 : Position des points de mesure .................................................................................. 71

Figure 3.13 : WSE Point 3 - Modèle Mfr_02 ................................................................................ 71

Figure 3.14 : Exemple de zoom de la fig. 3.13 sur le tracé des lignes d'eau ................................. 72

Figure 3.15 : exemple de courbe de tarage valide ......................................................................... 73

Figure 3.16 : exemple de courbe de tarage inadaptée .................................................................... 73

Figure 3.17 : exemple d'hydrogramme de sortie acceptable .......................................................... 74

Figure 3.18 : exemple d'hydrogramme de sortie instable .............................................................. 74

Figure 3.19 : exemple de courbe de résidus acceptable ................................................................. 75

Figure 3.20 : exemple de courbe de résidus instable ..................................................................... 75

Figure 3.21 : Mappes des modèles. (Gauche) Mfr (droite) modèle étendu ................................... 89

Figure 3.22 : courbe de tarage modèle étendu ............................................................................... 90

Figure 3.23 : Hydrogramme de sortie, modèle étendu................................................................... 90

 xx

Figure 3.24 : Hydrogramme au segment 1 - Modèle étendu et Mfr .............................................. 91

Figure 3.25 : Courbe de tarage segment 1 - modèle étendu........................................................... 92

Figure 3.26 : courbes de tarage modèle Nfr et modèle étendu ...................................................... 92

Figure 3.27 : Nombre de Froude au Point 1 - modèle étendu ........................................................ 93

Figure 3.28 : Débit vs Froude au segment 1 – modèle étendu ....................................................... 93

Figure 3.29 : Hauteurs d'eau aux 5 points d'observation pour les modèles Mfr0.6 et étendue ...... 95

Figure 4.1 : ville de Sumacarcer en représentation BE .................................................................. 98

Figure 4.2 : cartographie de Sumacarcer sous Autocad ................................................................. 99

Figure 4.3 : importation de la carte dans le module Map de SMS................................................. 99

Figure 4.4 : Map nettoyer de Sumacarcer .................................................................................... 100

Figure 4.5 : zonage de la région ................................................................................................... 100

Figure 4.6 : maillage final du modèle .......................................................................................... 102

Figure 4.7 : transition des cellules de maillage ............................................................................ 103

Figure 4.8 : points d'observations ................................................................................................ 105

Figure 4.9 : comparaison entre observation et expérience pour les jauges 1 et 7 ........................ 106

Figure 4.10 : points de calibration ............................................................................................... 110

Figure 4.11 : courbe de résidu acceptable pour une calibration en régime permanent ................ 112

Figure 4.12 : Profondeurs d'eau aux jauges 1, 7, 8 et 10 pour les 4 pas de temps simulés.......... 113

Figure 4.13 : simulation convergente (gauche) et divergente (droite) ........................................ 114

Figure 4.14 : données observées vs simulées aux 21 jauges. Non bornée itération 5 ................. 119

Figure 4.15 : données observées vs simulées aux 21 jauges. Bornée itération 2 ......................... 123

Figure 4.16 : tendance entre coefficient de détermination du régime NP et écart entre N et NP 127

Figure 4.17 : inondation à 13h de la simulation........................................................................... 128

Figure 4.18 : comparaison des études. Jauge 1 ............................................................................ 129

 xxi

Figure 4.19 : comparaison des études. Jauge 2 ............................................................................ 129

Figure 4.20 : comparaison des études. Jauge 3 ............................................................................ 129

Figure 4.21 : comparaison des études. Jauge 4 ............................................................................ 129

Figure 4.22 : comparaison des études. Jauge 5 ............................................................................ 130

Figure 4.23 : comparaison des études. Jauge 6 ............................................................................ 130

Figure 4.24 : comparaison des études. Jauge 7 ............................................................................ 130

Figure 4.25 : comparaison des études. Jauge 8 ............................................................................ 130

Figure 4.26 : comparaison des études. Jauge 9 ............................................................................ 131

Figure 4.27 : comparaison des études. Jauge 10 .......................................................................... 131

Figure 4.28 : comparaison des études. Jauge 11 .......................................................................... 131

Figure 4.29 : comparaison des études. Jauge 12 .......................................................................... 131

Figure 4.30 : comparaison des études. Jauge 13 .......................................................................... 132

Figure 4.31 : comparaison des études. Jauge 14 .......................................................................... 132

Figure 4.32 : comparaison des études. Jauge 15 .......................................................................... 132

Figure 4.33 : comparaison des études. Jauge 16 .......................................................................... 132

Figure 4.34 : comparaison des études. Jauge 17 .......................................................................... 133

Figure 4.35 : comparaison des études. Jauge 18 .......................................................................... 133

Figure 4.36 : comparaison des études. Jauge 19 .......................................................................... 133

Figure 4.37 : comparaison des études. Jauge 20 .......................................................................... 133

Figure A.1 : Hauteur d’eau au point 1 à 5. Simulations sur le modèle WSE fixe ....................... 147

Figure A.2 : Hauteur d’eau au point 1 à 5. Simulations complètes sur le modèle NfrXX .......... 148

Figure A.3 : Hauteur d’eau aux points 1 à 5. Zoom 12h – 18h sur le modèle NfrXX................. 149

Figure A.4 : Hauteur d’eau au point 1 à 5. Simulations complètes sur le modèle MfrXX_02 .... 150

Figure A.5 : Hauteur d’eau aux points 1 à 5. Zoom 12h – 18h sur le modèle MfrXX_02 .......... 151
 xxii

Figure A.6 : Hauteur d’eau au point 1 à 5. Simulations complète sur le modèle MfrXX_03 ..... 152

Figure A.7 : Hauteur d’eau aux points 1 à 5. Zoom 12h – 18h sur le modèle MfrXX_03 .......... 153

Figure A.8 : Hauteur d’eau au point 1 à 5. Simulations complète sur le modèle MfrXX_04 ..... 154

Figure A.9 : Hauteur d’eau aux points 1 à 5. Zoom 12h – 18h sur le modèle MfrXX_04 .......... 155

Figure A.10 : Hauteur d’eau au point 1 à 5. Simulations complète sur le modèle MfrXX_05 ... 156

Figure A.11 : Hauteur d’eau aux points 1 à 5. Zoom 12h – 18h sur le modèle MfrXX_05 ........ 157

Figure A.12 : Hauteur d’eau au point 1 à 5. Simulations complète sur le modèle RfrXX .......... 158

Figure A.13 : Hauteur d’eau aux points 1 à 5. Zoom 12h – 18h sur le modèle RfrXX ............... 159

Figure A.14 : Hauteur d’eau au point 2 à 5. Simulations complètes sur les modèles avec Froude=0.6
.............................................................................................................................................. 160

Figure A.15 : Hauteur d’eau au point 2 à 5. Simulations complètes sur les modèles avec Froude=0.8
.............................................................................................................................................. 161

Figure A.16 : Hauteur d’eau au point 2 à 5. Simulations complètes sur les modèles avec Froude=1.0
.............................................................................................................................................. 162

Figure A.17 : Hauteur d’eau au point 2 à 5. Simulations complètes sur les modèles avec Froude=1.2
.............................................................................................................................................. 163

Figure A.18 : Hauteur d’eau au point 2 à 5. Simulations complètes sur les modèles avec Froude=1.5
.............................................................................................................................................. 164

Figure A.19 : Courbes de tarage théoriques et simulées. Modèle NfrXX ................................... 165

Figure A.20 : Courbes de tarage théoriques et simulées. Modèle MfrXX_02 ............................ 166

Figure A.21 : Courbes de tarage théoriques et simulées. Modèle MfrXX_03 ............................ 167

Figure A.22 : Courbes de tarage théoriques et simulées. Modèle MfrXX_04 ............................ 168

Figure A.23 : Courbes de tarage théoriques et simulées. Modèle MfrXX_05 ............................ 169

Figure A.24 : Courbes de tarage théoriques et simulées. Modèle RfrXX ................................... 170

Figure A.25 : Hydrogrammes de sortie. Modèle NfrXX ............................................................. 171

 xxiii

Figure A.26 : Hydrogrammes de sortie. Modèle MfrXX_02 ...................................................... 172

Figure A.27 : Hydrogrammes de sortie. Modèle MfrXX_03 ...................................................... 173

Figure A.28 : Hydrogrammes de sortie. Modèle MfrXX_04 ...................................................... 174

Figure A.29 : Hydrogrammes de sortie. Modèle MfrXX_05 ...................................................... 175

Figure A.30 : Hydrogrammes de sortie. Modèle RfrXX ............................................................. 176

Figure A.31 : Résidus des simulations. Modèle NfrXX .............................................................. 177

Figure A.32 : Résidus des simulations. Modèle MfrXX_02 ....................................................... 178

Figure A.33 : Résidus des simulations. Modèle MfrXX_03 ....................................................... 179

Figure A.34 : Résidus des simulations. Modèle MfrXX_04 ....................................................... 180

Figure A.35 : Résidus des simulations. Modèle MfrXX_05 ....................................................... 181

Figure A.36 : Résidus des simulations. Modèle RfrXX .............................................................. 182

Figure B.37 : Hauteurs d'eau en fonction du temps. Modèle avec ville et sans .......................... 183

Figure B.38 : position point d'observation des courbes d'eau figure A.38 .................................. 184

Figure B.39 : Fichier de sortie RC1 valide .................................................................................. 184

Figure B.40 : Fichier de sortie RC1 érroné .................................................................................. 185

Figure B.41 : coefficients de Manning. Graf (1984) ................................................................... 185

Figure B.42 : coefficients de Manning. Graf (1984) ................................................................... 186

Figure B.43 : données observées vs simulées aux 21 jauges. Non bornée Itération 1................. 187

Figure B.44 : données observées vs simulées aux 21 jauges. Non bornée Itération 2................. 187

Figure B.45 : données observées vs simulées aux 21 jauges. Non bornée Itération 3................. 187

Figure B.46 : données observées vs simulées aux 21 jauges. Non bornée Itération 4................. 187

Figure B.47 : données observées vs simulées aux 21 jauges. Non bornée Itération 5................. 188

Figure B.48 : données observées vs simulées aux 21 jauges. Bornée Itération Initiale .............. 188

Figure B.49 : données observées vs simulées aux 21 jauges. Bornée Itération 1 ........................ 188
 xxiv

Figure B.50 : données observées vs simulées aux 21 jauges. Bornée Itération 2 ........................ 188

Figure B.51 : données observées vs simulées aux 21 jauges. Bornée Itération 3 ........................ 189

Figure B.52 : données observées vs simulées aux 21 jauges. Bornée Itération 4 ........................ 189

Figure B.53 : données observées vs simulées aux 21 jauges. Bornée Itération 5 ........................ 189

Figure B.54 : inondation à 12h .................................................................................................... 190

Figure B.55 : inondation à 12.5h ................................................................................................. 190

Figure B.56 : inondation à 13h .................................................................................................... 190

Figure B.57 : inondation à 13.25h ............................................................................................... 191

Figure B.58 : inondation à 13.5h ................................................................................................. 191

Figure B.59 : inondation à 13.75h ............................................................................................... 191

Figure B.60 : inondation à 14.25h ............................................................................................... 192

Figure B.61 : inondation à 14.5h ................................................................................................. 192

Figure B.62 : : inondation à 15h .................................................................................................. 192

Figure B.63 : : inondation à 16h .................................................................................................. 193

Figure B.64 : : inondation à 18h .................................................................................................. 193

 xxv

LISTE DES SIGLES ET ABRÉVIATIONS

2D 2 dimensions

3D 3 dimensions

BE Building Elevation

BH Building Hole

BP Building Porosity

BR Building Resistance

cms/mcs mètre cube par seconde

DEM Digital Elevation Model

DTM Digital Terrain Model

Ité. Itération

LiDAR Light Detection And Ranging

MDDELCC Ministère du Développement Durable, Environnement et Lutte contre les

Changements Climatiques

n coefficient de manning

NP Régime non permanent

P Régime permanent

SRH-2D Sedimentation and River Hydraulics - Two Dimensional model)

SWE Shallow Water Equations – Équations de Saint-Venant

USBR Bureau des Reclamations des Etats-Unis

 xxvi

LISTE DES ANNEXES

Annexe A – Figures détermination de la condition frontière aval ............................................... 146

Annexe B – Calibration ............................................................................................................... 183

 1

CHAPITRE 1 INTRODUCTION

1.1 Problématique
Les inondations, soit la submersion par l'eau des terrains qui jouxtent le lit d'un cours d'eau, sont
les catastrophes naturelles les plus destructrices dans le monde par leurs fréquences et leurs impacts
sur l'environnement, l'économie et les populations. Globalement, il est estimé qu'entre 1980 et
2008, 2887 fortes inondations ont eu lieu, affectant plus de 2.8 milliards de personnes pour 6700
morts, soit une centaine de millions de personnes touchées par an en moyenne. Sur le plan
économique, l'impact s'élève à 400 milliards de dollars ($US) pour la même période (United
Nations Office for Disaster Risk Reduction, UNISDR)1.

Figure 1.1 : Centre géographique des inondations, 1985-2010 2

1
http://www.preventionweb.net/english/hazards/statistics/?hid=62
2
G.R.Brakenridge, "Global Active Archive of Large Flood Events", Dartmouth Flood Observatory, University of
Colorado, http://floodobservatory.colorado.edu/Archives/index.html
 2

Une augmentation des risques et des impacts d'inondations ainsi que de leur répartition globale est
attendue dans les décennies prochaines. En effet l'expansion des populations, la restructuration et
la transformation des secteurs urbains poussent les développements en zones inondables,
augmentant la proportion des surfaces imperméables et modifiant la morphologie des bassins
versants. L'impact des inondations est exacerbé par la présence de milieux urbains dans les zones
inondables, ceux-ci étant caractérisés par une densité plus élevée de population et d'atout socio-
économique que les zones rurales (Alcrudo, 2004; El Kadi Abderrezzak, Paquier, & Mignot, 2008;
Gallegos, Schubert, & Sanders, 2009; Seyoum, 2013).

Les changements climatiques, maintenant considérablement validés par la communauté

scientifique, constituent des circonstances aggravantes. Assurément, l'augmentation des fréquences
et des intensités d'événements de pluie extrêmes et l'augmentation du niveau des océans auront un
impact direct sur le volume, l'intensité et la fréquence des crues (IPCC, 2014). Le rapport de
l’IPCC précise avec très haute confiance que les écosystèmes et les systèmes humains y sont
significativement vulnérables.

Figure 1.2 : Évolution future dans la fréquence des inondations et nombre de personnes affectées
annuellement3

3
Human Dynamics of Climate Change, HDCC. http://www.metoffice.gov.uk/media/pdf/j/k/HDCC_map.pdf
 3

Les inondations de bassins versants peuvent être divisé en deux catégories : crues éclaires et lentes.
Les crues éclairs sont la conséquence d'événement de pluie intense sur une courte période de temps,
ou bien du bris d'un ouvrage de retenue tels que barrages et digues. Les crues lentes sont quant à
elles plus courantes, elles sont dues à des précipitations sur une longue période de temps et/ou à la
fonte des neiges (Alcrudo, 2004). Les crues éclaires sont extrêmes par leurs violences et leurs
propagations dans un court laps de temps (fort débit et vitesse élevée), rendant l'exécution des plans
d'urgences et d'évacuations plus difficiles si mal orchestrés (Serra-Llobet, Tàbara, & Sauri, 2012).
Elles sont donc les plus critiques en termes d'impacts socio-économiques et environnementaux. Le
phénomène étudié dans ce rapport concerne la propagation d'inondation suite à un bris de barrages,
et donc les crues éclaires.

Entre 1850 et 1954, 206 bris de barrage ont été enregistrés (Fell, MacGregor, Stapledon, & Bell,
2005). Sur ceux si seulement 30% sont attribuables à des débordements, les autres étant dues à des
défaillances structurelles (tableau 1).

Tableau 1-1 : Causes de rupture de barrage (de 1850 à 1954 pour 206 bris enregistrés) (Fell et al.,
2005)
Causes %
incidence
Débordement 30
Infiltration 25
Rupture des pentes 15
Pertes dans les conduits souterrains 13
Divers 17

Ce constat est aggravé par les conclusions d'enquêtes récentes sur l'état des barrages en Amérique
du Nord. D'après l'American Society of Civil Enginerers (ASCE), l'âge moyen des 84000 barrages
américains est de 52 ans, et le nombre de ceux-ci catégorisé comme étant à haut risque est en
constante augmentation (14000 en 2012). Un investissement évalué à 21 milliards de dollars ($US)
serait nécessaire pour remettre aux normes les plus critiques d'entre eux, soit environ 2000.4

4
http://www.infrastructurereportcard.org/a/#p/dams/overview
 4

La situation au Québec est relativement inquiétante. D'après le rapport du vérificateur général du

Québec à l'Assemblée nationale pour l'année 2015-2016, le Ministère du Développement Durable,
Environnement et Lutte contre les Changements Climatiques (MDDELCC) n'a pas réussi à assurer
le respect de la loi en matière d'évaluation de la sécurité des barrages. Seulement 11% des barrages
à forte contenance ont un dossier complet. Il y est également critiqué la capacité du MDDELCC
de répondre au nombre minimum d'activités de surveillance prévue par le règlement, du suivi des
entretiens, et du respect des exigences à la préparation des plans d'urgences.5

Le risque est donc accru par le vieillissement des infrastructures en place, et constitue un danger
pour les populations qui se sont installées, au fil des années, à l'aval de celles-ci. Ces conséquences
sévères renforcent la nécessité d'établir des stratégies de mitigation dans le cadre de la gestion des
inondations en zones urbaines due aux événements extrêmes. Une analyse rigoureuse des
caractéristiques de propagation des crues est indispensable pour développer des mesures précises
visant à quantifier et réduire les impacts sociaux, économiques et environnementaux de ces
désastres.

Afin d'obtenir la cartographie des risques d'inondation, comprenant des informations sur la vitesse
de l'onde, la hauteur d'eau et la superficie de la zone inondée ; ainsi que des cartes de risques
d'inondations, représentant la projection des dommages économiques ; des modèles doivent être
conçus afin de pouvoir prédire l'évolution d'une inondation dans le temps en fonction de plusieurs
paramètres. Les scientifiques et ingénieurs ont, pour cela, recours à la modélisation numérique, la
modélisation physique et les observations faites sur le terrain (Bellos, 2012). La modélisation en
milieu urbain tente donc de prédire et de décrire les caractéristiques et l'évolution de l'écoulement
lorsqu'une quantité importante d'eau traverse un bassin versant.

Les techniques de modélisation les plus courantes actuellement font omission des bâtiments et
d'autres obstacles dans la zone d'inondation potentielle, ceci par souci de simplification et
d'allégement des calculs informatiques, mais aussi par manque de données géoréférencées des
structures. En zone urbaine, le nombre élevé de telles structures et leur proportion par rapport à la
taille du maillage représente donc un défi de représentations. Cependant, avoir des informations

5
http://www.vgq.qc.ca/fr/fr_publications/fr_rapport-annuel/fr_2015-2016-CDD/fr_Rapport2015-2016-CDD.pdf
 5

sur l'écoulement dans les rues d'une ville serait bénéfique pour l'élaboration de mesures visant à
réduire les risques, l'échelle des prédictions serait alors locale avec une information sur le parcours,
la vitesse et la profondeur d'eau en fonction du temps dans les rues et aux carrefours.

Ainsi, l'impact important des inondations, l'augmentation future des événements extrêmes et le
vieillissement des infrastructures traduisent un besoin d'amélioration en gestion des inondations en
zone urbaine alors primordial.

La problématique de ce sujet de recherche est de mettre en place un modèle stable prenant en

compte la représentation des bâtiments dont les variables de sortie s’approche aux mieux des
observations réelles.

Ce chapitre présente en premier lieu une revue bibliographique de la modélisation d’inondation,

les objectifs et défis d’une telle étude sont ensuite discutés pour ensuite détailler les activités de
recherche à exécuter, pour finir avec les retombées pratiques de leurs réalisations.

1.2 Revue Bibliographique

1.2.1 Équations de modélisation

L'augmentation des risques liés aux inondations urbaines dans le futur requiert un perfectionnement
des systèmes de modélisation. L'innovation dans ce domaine est directement liée au développement
de la recherche sur ces points : les caractéristiques d'écoulements dans les villes, la formulation des
équations décrivant le phénomène physique, l'élaboration et la calibration numérique de ces
équations, et enfin la validation des modèles par des données réelles issue d'événements passés et
documentés (Alcrudo, 2004).

Pour modéliser le mouvement d'un fluide newtonien et les forces de résistance qui le freinent, les
chercheurs Henri Navier et George G. Stokes ont établi indépendamment les équations
fondamentales de la mécanique des fluides. Celles-ci, appelées communément équation de Navier-
Stokes, sont des équations aux dérivées partielles non linéaires dans l'approximation des milieux
continus. Elles sont retranscrites comme suit (Chaudhry, 2007):

• Équation de continuité :
 6

!" !% !'
+ + =0
!# !& !(

• Équation de bilan de la quantité de mouvement :

!" !" !" !" 1 !1 2 4

+" +% +' = ,- − + ∇ "
!+ !# !& !( 0 !# 0

!% !% !% !% 1 !1 2 4
+" +% +' = ,5 − + ∇ "
!+ !# !& !( 0 !& 0

!' !' !' !' 1 !1 2 4

+" +% +' = ,6 − + ∇ "
!+ !# !& !( 0 !( 0

Avec u, v, w les composantes de la vitesse d'écoulement sur les axes x, y et z ; g = (gx, gy, gz)T la
force gravitationnelle par unité de masse ; 2 la viscosité dynamique ; et p la pression.

Hormis quelques situations simplifiées, il n'existe pas de solutions analytiques explicites de ces
équations, leurs résolutions constituent l'un des sept, désormais six, problèmes du millénaire du
Clay Mathematics Institute 6.

Des solutions approchées ont alors été développées pour le calcul numérique. C'est le cas pour le
modèle utilisé par Lai (2010) dans le cadre du programme SRH-2D, module numérique utilisé pour
cette étude. Ainsi les équations de Navier-Stokes 3D sont approximées par la méthode de
profondeur moyenne, aussi appelée les équations de Saint-Venant ou SWE en anglais (Shallow
Water Equations). Elles utilisent l'hypothèse que l'effet du mouvement vertical du fluide est
négligeable, et amène les équations suivantes (Lai, 2010) :

!h !h8 !h9
+ + =0
!+ !# !&

!h8 !h88 !h98 !h:-- !h:-5 !( ;<-

+ + = + − ,h −
!+ !# !& !# !& !# 0
!h9 !h89 !h99 !h:-5 !h:55 !( ;<5
+ + = + − ,h −
!+ !# !& !# !& !& 0

6
http://www.claymath.org/millennium-problems
 7

Avec x, y coordonnées cartésiennes ; t le temps ; h la hauteur d'eau ; U, V les composantes de la

vitesse moyenne sur la hauteur d’eau, sur les directions x et y respectivement ; g l'accélération de
la gravité ; Txx, Txy, et Tyy la contrainte moyennée sur la hauteur due aux turbulences et aux
dispersions ; z le niveau de l'eau ; ρ la masse volumique du fluide ; et τbx , τby la contrainte de
cisaillement sur le fond du canal, soit :

8, 9
;<- , ;<5 = 08∗4 = 0@A 8 4 + 9 4 8, 9
84 + 9 4

Avec Cf = gn2/h1/3 ; n le coefficient de Manning ; et Uӿ la vitesse dans la couche limite.

Les contraintes effectives sont calculées avec la formule de Boussinesq :

EF EG EF EG
:-- = 2 C + CD :55 = 2 C + CD :-5 = 2 C + CD +
E- E5 E5 E-

Avec υ = viscosité cinématique de l'eau et υt la viscosité eddy.

SRH-2D est un modèle numérique puissant permettant la résolution des équations de saint venant
par schéma implicite. Il supporte autant les maillages structurés que non structurés et possède un
algorithme pour les cellules couvrantes/découvrantes très performant. Il peut être utilisé en régime
permanent ou non permanent.

La simplification 2D des équations de Navier-Stockes ne représente cependant pas fidèlement

l'écoulement du fluide à surface libre. Cette approximation du modèle mathématique impose les
restrictions suivantes (Alcrudo, 2004) : le champ de pression est hydrostatique ce qui permet la
simplification des équations de Navier-Stockes à Saint-venant, les vitesses verticales sont
négligeables, la pente du fond est assez faible pour faire l'hypothèse sin β = β, le profil de vitesse
est uniforme sur toute la profondeur d'eau, et les coefficients de friction (ie. le coefficient de
Manning) sont déduits d'écoulements uniformes (Chaudhry, 2007).

Les équations de Saint-Venant pour les fluides incompressibles sont donc amputées de plusieurs
propriétés physiques fondamentales, présentes dans les équations de Navier-Stokes. Elles sont
cependant adéquates pour modéliser l'écoulement en rivières naturelles, dans les canaux, avec ou
sans obstacles, diversions et/ou confluence (Lai, 2010). Leurs limites se manifestent pour la
modélisation d'écoulement rapidement varié, les écoulements passant de fluviaux à torrentiels (ou
 8

inverse). Ce changement de régime enfreint l'hypothèse de la répartition hydrostatique des

pressions, de plus la formation de ressaut hydraulique contrevient à l'écartement des vitesses
verticales et de l'assomption d'un profil de vitesse uniforme (Graf & Altinakar, 2000).

Lors d'une inondation suite à la rupture d'un barrage, toutes les infrastructures sont des obstacles à
l'écoulement : bâtiments, route, ponts, talus, etc. Comme le montre de nombreux articles, les
bâtiments ont un impact considérable sur l'écoulement, en effet des essais montrent la formation
de ressaut hydraulique, de courant turbulent et de tourbillons à leurs voisinages (Alcrudo, 2004;
Aureli, Dazzi, Maranzoni, Mignosa, & Vacondio, 2015; Begnudelli & Sanders, 2007; El Kadi
Abderrezzak et al., 2008; Gallegos et al., 2009; Mignot, Paquier, & Haider, 2006; Mignot, Paquier,
& Ishigaki, 2006; Néelz & Pender, 2009; Seyoum, 2013; Soares-Frazão, S. & Zech, 2007; Soares-
Frazão, Sandra & Zech, 2008; Testa, Zuccalà, Alcrudo, Mulet, & Soares-Frazão, 2007). Les rues
agissent comme canaux de transport et modifient l'écoulement dû à la rupture ; les vagues
réfléchissent sur les bâtisses et ralentissent par effet de friction ce qui augmente par conséquent le
niveau de l'eau. Les rues forment donc un réseau complexe dont l'écoulement et majoritairement
3D aux jonctions et bifurcations (El Kadi Abderrezzak et al., 2008; Sanders, Schubert, & Gallegos,
2008; Soares-Frazão, Sandra & Zech, 2008; Wu, Zhang, & Dalrymple, 2013).

Plusieurs études ont également mis en lumière, par des modèles physiques et numériques, la
formation du ressaut hydraulique en amont d'un regroupement de bâtiments au passage de l'onde
de crue (Aureli et al., 2015; El Kadi Abderrezzak et al., 2008; Sanders et al., 2008; Soares-Frazao,
Lhomme, Guinot, & Zech, 2008; Soares-Frazão, Sandra & Zech, 2008; Testa et al., 2007). Les
caractéristiques de l'écoulement dans une zone urbaine seront présentées en détail dans la suite de
cette revue de littérature.

Figure 1.3 : Écoulement à travers une ville idéalisée (Testa et al., 2007)
 9

L'onde créée par un bris de barrage est donc nettement plus difficile à modéliser qu'un écoulement
naturel en rivière, les régimes d'écoulement étant rapidement variés avec la présence de régimes
fluviaux, torrentiels et critique, de propagation de chocs et de réflexions sur les obstacles.
L'écoulement dans une ville due à une onde de rupture de barrage est donc explicitement 3D. La
question se pose donc quant à la capacité des modèles 2D de représenter la chronologie et les
caractéristiques de ces événements fidèlement.

Des modèles 3D de crue par bris de barrage ont fait leur apparition récemment dans la littérature
avec les méthodes SPH, d'Euler ou de Lagrange pour résoudre les équations de Navier-Stokes
(Aureli et al., 2015; Wu et al., 2013). Bien qu'ils donnent de meilleurs résultats que les modèles
SWE, leurs équations étant moins restrictives sur les phénomènes physiques, ils exigent de très
importantes capacités de calculs. Cette demande de puissance est le véritable handicap de ces
méthodes, ce qui freine leur adoption par les modélisateurs (Aureli et al., 2015).

Malgré les limites des modèles 2D vues précédemment, ceux-ci ont tout de même leurs places dans
la modélisation de la propagation des inondations en zone urbaine, si et seulement si certaines
règles de représentation sont suivies afin de minimiser les erreurs. Plusieurs articles témoignent de
leurs adéquations globales face aux phénomènes réels (Alcrudo, 2004; Begnudelli & Sanders,
2007; El Kadi Abderrezzak et al., 2008; Mignot, Paquier, & Ishigaki, 2006; Schubert, Sanders,
Smith, & Wright, 2008; Soares-Frazão, Sandra & Zech, 2008).

Cette étude utilisera la modélisation 2D pour simuler l'impact d'un bris de barrage sur une ville à
l'aval, ceci en respectant certains principes de modélisation obtenue de cette revue de littérature.

1.2.2 Caractéristiques d’écoulements en zone urbaine

Par le passé, faute d'outils de calculs puissants, les études en hydraulique fluviale et sur les
structures hydrauliques étaient menées par des modélisations physiques, en accord avec les théories
de similitude hydraulique, pour analyser le comportement des systèmes. Le développement
exponentiel de l'informatique ces dernières décennies a orienté les scientifiques vers le
développement de modèles numériques puissants et relativement précis, et a peu à peu remplacé
l'utilisation de modèles physiques, plus onéreux et fastidieux (Bellos, 2012). Ils ne sont pas pour
autant abandonnés, ils sont dorénavant employés pour la validation et comme banc d'essai des
 10

modèles numériques, ceux-ci ne pouvant être certifiés qu'avec la comparaison de données réelles,
rarement disponibles en réalité (Alcrudo, 2004). Les modèles réduits sont aussi exploités pour les
écoulements encore trop complexes et turbulents pour la modélisation numérique, en particulier
pour les ondes de crues éclaires (Alcrudo & Mulet, 2004).

Les modèles physiques ont notamment la capacité d'informer sur les caractéristiques de
l'écoulement dans une zone urbaine suite à un bris de barrage (Aureli et al., 2015; El Kadi
Abderrezzak et al., 2008; Sanders et al., 2008; Soares-Frazao et al., 2008; Soares-Frazão, S. &
Zech, 2007; Testa et al., 2007). Toutes ces études présentent une expérience similaire : des blocs
représentant les immeubles sont placés au milieu d'un canal ou un écoulement simulant
l'hydrogramme d'une rupture est introduit, des capteurs relèvent en continu les données de vitesse
et de hauteur d'eau à différents points du modèle.

Figure 1.4 : Ressaut hydraulique en amont d'une ville (Soares-Frazão, Sandra & Zech, 2008)

Le premier phénomène commun à ces expériences est la création d'un ressaut hydraulique
immobile en amont des structures. Le front de l'onde de rupture est torrentiel, lorsque celle-ci entre
en collision avec les structures de première ligne, l'eau est déviée verticalement à la façade, puis
décélère par gravité, se détache et se rabat (Aureli et al., 2015). Cette vague initiale, appelée "flip-
through" en anglais, est suivie par la formation lente du ressaut en amont, dû à la réduction
importante de la vitesse à proximité des obstacles et des écoulements complexes qui se créent dans
le réseau de rue qui font monter le niveau de l'eau dans la ville. Il est dépendant du débit et de la
 11

topographie, mais pas du tissu urbain aval à la première ligne d'obstacle (El Kadi Abderrezzak et
al., 2008). La chronologie de ce phénomène est visualisable dans la figure suivante.

Figure 1.5 : Séquence d'images d'un impact typique en phénomène de vague "flip-through"

Une zone de sillage se forme sur les flancs des bâtiments plus isolés, soit ceux qui ne sont pas
influencés par l'écoulement autour d'autre structure à proximité. L'écoulement se sépare alors pour
passer autour du bâtiment et une zone de sillage se forme derrière lui (figure 1.6). (El Kadi
Abderrezzak et al., 2008; Soares-Frazão, S. & Zech, 2007)

Figure 1.6 : Simulation physique d'une onde de crue, champ de vitesse à 1,5 et 10 secondes

Derrière les structures, soit pour un agglomérat de bâtiment ou un obstacle isolé, l'écoulement
recouvre graduellement l'aspect qu'il aurait eu sans la présence des obstructions à son parcours.

En ce qui concerne les écoulements à l'intérieur de la zone urbaine, les rues agissent comme des
canaux et l'écoulement peut être caractérisé comme unidimensionnel lorsqu’il y est installé
 12

(Mignot, Paquier, & Haider, 2006). Cependant, lors des premiers instants de l'inondation, le reflet
de l'onde sur les bâtiments crée un parcours en zigzag le long de la rue (figure 1.7).

Figure 1.7 : Résultats de simulations physiques et numériques pour différentes résolutions

(Soares-Frazão, Sandra & Zech, 2008)

Les écoulements aux intersections et carrefours sont quant à eux plus complexes. Ils sont
transitoires et présentent des fortes zones de turbulence et de vortex, ceci à cause de la diversion
du débit entre les rues et des vitesses discontinues entre les rues parallèles et perpendiculaires.
(figure 1.8) (Soares-Frazão, Sandra & Zech, 2008).

Figure 1.8 : Comparaison de vecteurs de vélocité, expérimental (a) et numérique (b). (Soares-
Frazão, Sandra & Zech, 2008)

Très peu d'études de recherche prennent en compte les voitures et autres obstacles présents dans
les rues, alors que ceux-ci peuvent créer une forte résistance à l'écoulement et modifier le parcours
 13

de l'eau dans le tissu urbain. Ils sont également sujets à être transporté par les forts débits et sont
donc des risques mobiles imprévisibles (Wu et al., 2013).

Par les modèles physiques, les chercheurs ont également étudié le comportement de différente
configuration urbaine subissant une inondation de type bris de barrage. Trois configurations
représentatives de zone urbaine sont vues ici : l'alignée en position droite (rues parallèles au sens
d'écoulement), l'alignée en position oblique et la configuration en échelon. (Figure 1.9) (Aureli et
al., 2015; El Kadi Abderrezzak et al., 2008; Kim, Sanders, Famiglietti, & Guinot, 2015; Soares-
Frazao et al., 2008; Soares-Frazão, S. & Zech, 2007; Soares-Frazão, Sandra & Zech, 2008; Testa
et al., 2007).

Figure 1.9 : configuration de ville idéalisée. Gauche : regroupement aligné droit et aligné en
échelon (Testa et al., 2007). Droite : aligné droit et aligné oblique (Soares-Frazão, Sandra &
Zech, 2008)

Dans chaque cas les caractéristiques d'écoulement sont les mêmes : la zone urbaine est en
obstruction au flux d'eau ce qui crée un ressaut hydraulique en amont et des écoulements complexes
à l'intérieur de la ville. Les écoulements transitoires sont plus violents dans les zones les plus
proches du front, alors que pour les zones à l'aval l'écoulement est plus uniforme, l'effet de friction
et les réflexions contre les parois étant atténués. L'écoulement retrouve graduellement son aspect à
l'aval de la zone urbaine. Comme attendu, la configuration alignée droite est celle qui oppose le
moins de résistance à l'écoulement par rapport à celle en échelon où ils sont plus complexes due au
 14

plus grand nombre d'obstacles qui dévient le débit (Soares-Frazão, Sandra & Zech, 2008; Testa et
al., 2007).

L'orientation du bloc de structures influence la traînée qui s'oppose à l'écoulement. Elle a donc un
impact sur le ressaut hydraulique amont et sur la force exercée sur les bâtiments dans les premiers
instants. Cependant, lorsque l'écoulement devient quasi-permanent, le réseau de rue est rempli
d'eau et les hauteurs mesurées en différents points sont semblables à la configuration alignée,
l'influence de l'orientation s'estompe donc (Soares-Frazão, Sandra & Zech, 2008).

Il est nécessaire de rappeler que, bien que toutes ces caractéristiques soient le fruit d'observations
sur modèles réduits, elles sont proches des situations réelles. L'écoulement d'une onde de bris de
barrage à l'intérieur d'une zone urbaine est donc très fortement caractérisé par des phénomènes 3D
et des combinaisons d'écoulement torrentielles et fluviales avec de nombreuses zones transitoires ;
phénomènes que les modèles numériques 2D ne peuvent représenter avec exactitudes et qui sont
cruciaux pour l'évaluation des risques. Toutefois, les publications faisant la comparaison entre les
résultats obtenus par modèles physiques et numériques valident l'emploi des équations de Saint-
Venant, tout en étant conscientes des erreurs qu'elles induisent, mais qui au niveau de l'ingénierie
sont acceptables en appliquant un coefficient de sécurité.

Figure 1.10 : Modèle numérique de la rivière Toce. Niveau d'eau à différent temps pour les
configurations aligné (a) et échelonné (b) (El Kadi Abderrezzak et al., 2008)
 15

1.2.3 Digital Terrain Model et maillage

1.2.3.1 Digital Terrain Model

Les données topographiques de qualité sont certainement les données les plus essentielles pour la
modélisation numérique. Elles permettent d'obtenir une représentation fidèle de la surface et de
l'élévation du terrain afin de pouvoir dépeindre les aspects du parcours hydraulique sur la région.

Ainsi les bases de données DTM (Digital Terrain Model en anglais) géoréférencent des points selon
un système de projection déterminé afin de modéliser par logiciel des cartes topographiques 3D de
la zone d'étude, base sur laquelle les calculs de vitesse, de hauteur d’eau et de superficie des
inondations sont exécutés. Elles sont donc indispensables pour toute modélisation 2D : en
prétraitement pour la création du maillage, en traitement pour les calculs hydrauliques, et en post-
traitement pour la visualisation des résultats. C'est la visualisation et le traitement de ces résultats
qui permet ensuite d'évaluer risques et impacts (Seyoum, 2013). La précision des résultats est très
sensible à la résolution des données terrain (Néelz & Pender, 2009).

Les méthodes de compilation de données DTM ont évolué avec l'apparition de nouvelles
technologies. La technique la plus répandue auparavant était de se procurer des cartes de courbes
de niveau et d'ensuite générer par interpolation des points à la résolution spatiale désirée (Alcrudo
& Mulet, 2007; Seyoum, 2013). Cette technique longue et coûteuse souffre de l'approximation faite
par les courbes de niveau par rapport au terrain naturel, puis de l'interpolation des points entre les
courbes, certains éléments du bassin versant qui ensemble pourrait avoir une influence sur
l'écoulement peuvent ne pas y être représentés. Elle présente tous de même l'avantage d'offrir une
couverture uniforme et ordonnée des points du DTM.

Une des grosses avancées dans la modélisation hydraulique est la démocratisation des DTMs
obtenue par la télédétection par laser ou LiDAR (Light Detection And Ranging en anglais). Cette
technologie permet la mesure de distance par l'analyse de la réflexion d'un laser sur une surface.
En le combinant avec un système de géoréférencement global et une unité de mesure inertielle, le
tout installé dans un avion, ce système permet de récolter des données topographiques précises et
denses sur une grande superficie, rapidement et de manière plus économique que la méthode des
courbes de niveau (Seyoum, 2013) (Figure 1.11). La télédétection par avion permet l'obtention de
 16

données de précision à l'horizontale de 0.5m et de 0.1 m à la verticale, et a l'avantage de pouvoir

séparer le sol nu de la végétation et des structures (Sanders, 2007).

Les données obtenues par LiDAR ont prouvé leurs utilités pour les modèles hydrauliques
présentant des éléments de faible échelle sur le parcours de l'inondation (Gallegos et al., 2009;
Néelz & Pender, 2009; Schubert et al., 2008; Seyoum, 2013).

Figure 1.11 : technologie LiDAR montée sur un avion pour relever la topographie d'une zone7

Les DTMs qui incluent l'élévation des structures en place telle que les immeubles sont couramment
appelés DEM (Digital Elevation Model). Certaines études choisissent de modifier les points
correspondant aux structures en les abaissant au niveau du sol, soit car leur modèle numérique en
fait abstraction et simule l'effet du tissu urbain par une augmentation du coefficient de friction, soit
car les données LiDAR relevées ne sont pas assez denses pour obtenir un rendu précis des arrêtes
des bâtiments, ils sont alors ajoutés par la superposition d'un autre fichier DTM retravaillé
(Schubert et al., 2008). Si nécessaire les deux techniques présentés peuvent être assemblé sur un
même modèle, les données LiDAR ont alors la priorité pour les zones de superposition, car elles
sont plus précises de nature (Gallegos et al., 2009).

7
http://www.uav-lidar.com/?p=341
 17

1.2.3.2 Maillage

Pour des densités élevées de réseau de points DTMs, l'exécution du modèle hydraulique sur ce
domaine engendrerait des temps de calcul irréalistes, les équations de Saint-Venant s'appliquant
sur chaque vertex. Ainsi, les positions distinctes où les variables doivent être calculées sont définies
sur un maillage numérique, une discrétisation spatiale du domaine continue sur lequel les équations
de modélisations sont résolues (Mavriplis, 1996). Le domaine est subdivisé en un nombre fini de
cellules ; on dit alors que le maillage est structuré pour des cellules uniformes constituées de
parallélogrammes, non structuré pour des cellules triangulaires de taille variable, et hybride s'il est
composé des deux formes (Lai, 2010; Mavriplis, 1996; Seyoum, 2013).

Figure 1.12 : Maillage structuré d'un tronçon en coude

Figure 1.13 : Maillage non structuré sur un modèle urbain (Schubert et al., 2008)
 18

Figure 1.14 : Maillage Hybride d'un modèle de rivière (Lai, 2010)

Le maillage structuré a été très populaire en modélisation hydraulique (Mavriplis, 1996; Néelz &
Pender, 2009; Seyoum, 2013), il a l'avantage de faciliter l'exécution de l'algorithme et d'être facile
à implanter dans le modèle (Néelz & Pender, 2009), de plus la forme cartésienne ou rectilinéaire
de ce maillage apporte une facilité de numération et de discrétisation des équations de
modélisations (Seyoum, 2013), offrant de meilleurs temps de calcul. Cependant, cette technique de
maillage offre peu de flexibilité pour les géométries complexes, il y a peu de contrôle sur la
distribution des points du maillage, ce qui pose un problème de précision de la solution au problème
physique (Mavriplis, 1996).

Le maillage non structuré est quant à lui plus flexible et s'adapte aux géométries les plus complexes,
il permet également le raffinement local du maillage pour les zones à grand gradient tout en
s'adaptant facilement à la géométrie des conditions limites (Schubert & Sanders, 2012), il est donc
le plus adapté pour les zones urbaines (Néelz & Pender, 2009). Cependant cette technique n'offre
pas de structure apparente au maillage et nécessite plus d'éléments pour couvrir la région par
rapport à un maillage structuré, ce qui augmente la complexité du modèle et par conséquent le
temps de calcul. Néanmoins, la variation de la résolution du maillage suivant le besoin local permet
de maintenir une bonne précision et équilibre, donc le rapport temps de calcul/précision des
résultats (Begnudelli & Sanders, 2007).

Le maillage hybride permet d'allier ces deux techniques en gardant les avantages de chacune, sans
les inconvénients. Selon Lai (2010), cette technique permet d'obtenir le meilleur compromis et de
meilleurs résultats. Il conseille de par son expérience de représenter les canaux et les zones
 19

constantes par des quadrilatères, étirés dans le sens du courant, et le reste des géométries plus
complexes par des cellules triangulaires.

Modéliser le parcours des eaux de surface sur un tronçon nécessite de pouvoir répliquer la grande
variabilité spatiale, et conséquemment la variabilité hydraulique, entre les plaines inondables et les
zones urbaines. En effet, la résolution des éléments des plaines inondables varie entre 1 et 100m,
celle du tissu urbain de 1 à 10m (Soares-Frazao et al., 2008), d’où le besoin d'adapter le maillage à
une résolution adéquate en fonction de l'environnement.

Un maillage fin permet de représenter les éléments de petite échelle qui ont un impact local sur
l'écoulement (maisons, immeuble, rue, parois, fossé, etc.). Ils permettent d'obtenir les meilleures
modélisations de vitesses d'écoulement, profondeurs d'eau, et superficies inondées (Gallegos et al.,
2009; Néelz & Pender, 2009; Sanders et al., 2008; Schubert et al., 2008; Seyoum, 2013; Soares-
Frazao et al., 2008; Soares-Frazão, Sandra & Zech, 2008). Une haute définition du maillage réduit
les erreurs du modèle, les calibrations des paramètres sensibles de modélisation deviennent alors
indispensables pour représenter fidèlement l’inondation (Hunter et al., 2008). Cependant plus le
maillage comporte de cellules, plus le temps d'exécution du modèle est long.

Un maillage plus grossier peut être acceptable pour les plaines inondables avec de faibles variations
topographiques et réduit le temps de calcul (Lai, 2010). Il n'est toutefois pas adapté pour une zone
urbaine, car il néglige le volume réduit de stockage disponible dans la zone, les contractions de
l'écoulement dans les rues dues aux bâtiments et la perte d'énergie supplémentaire due aux chocs
contre les façades et aux autres structures (Soares-Frazao et al., 2008). De plus le maillage grossier
surestime la surface inondée (Gallegos et al., 2009), est imprécis pour l'évaluation des vitesses et
sous-estime la vitesse du front de l'onde de crue (Begnudelli & Sanders, 2007).

La problématique essentielle du maillage est donc qu'il ne peut inclure que les éléments plus gros
que les cellules de son réseau (Sanders et al., 2008). La présence d'une zone urbaine impose donc
une certaine résolution dans les rues, celles-ci étant une plus grande contrainte que la taille des
bâtiments (Schubert & Sanders, 2012), ainsi plusieurs études conseillent d'utiliser 3 ou 4 cellules
minimum par section de rue pour obtenir une estimation des caractéristiques de l'écoulement
valable (Gallegos et al., 2009; Mignot, Paquier, & Haider, 2006; Soares-Frazao et al., 2008).

La variation de résolution entre les plaines inondables et la zone urbaine avec un affinage local
semble donc être un bon compromis pour allier efficacité de calculs et une représentation fidèle de
 20

l'écoulement, tout du moins pour une transition douce de la taille des cellules (Schubert et al.,
2008).

Enfin, si des données de calibration sont disponibles, l'utilisation de la méthode itérative de

convergence pour le maillage est très recommandée pour obtenir la meilleure résolution et
minimiser les erreurs (Begnudelli & Sanders, 2007; Gallegos et al., 2009).

1.2.4 Représentation des bâtiments dans le modèle

La modélisation numérique de la propagation des inondations en zone urbaine est une tache
ambitieuse due à la variabilité de taille de forme et d'agencement des structures qui composent le
tissue urbain. Un réseau complexe de canaux se créé par les bâtisses, les rues et les aires ouvertes
(cours, parcs, places, etc.), comme vue précédemment cela aboutit à des écoulements complexes
avec de nombreuses zones de transition entre régime fluvial et torrentiel et implique donc la
formation de zone turbulente.

Il vient alors la problématique de la représentation numérique des édifices dans un modèle 2D

couplé à un maillage non structuré ou hybride, pour les raisons énoncées dans la partie précédente.
Plusieurs méthodes ont été développées pour répondre à ce problème, soit les méthodes nommées
dans la littérature : Building Resistance (BR), Building Block (BB), Bulding Hole (BH) et Building
Porosity (BP) (Alcrudo, 2004; Aureli et al., 2015; Kim et al., 2015; Liang, Falconer, & Lin, 2007;
Sanders et al., 2008; Schubert & Sanders, 2012; Schubert et al., 2008; Soares-Frazao et al., 2008;
Soares-Frazão, S. & Zech, 2007). Ces méthodes sont utilisées pour représenter numériquement
l'impact que les bâtiments ont sur l'écoulement, par restriction de l'espace disponible pour le
transport et augmentation des contraintes de friction localement. Chacune d'entre elles offre
différents compromis entre précisions de calculs, temps d'exécution et niveau de difficulté de
configuration du modèle, leurs applications dépendent donc des besoins du modélisateur, des
données disponibles, et du matériel informatique. Elles sont cependant toutes limitées par la
disponibilité des données de géolocalisation des structures et de leurs surfaces.
 21

1.2.4.1 Méthode Building Resistance (BR)

La méthode BR consiste à augmenter localement le coefficient de friction pour les parcelles du

maillage où des bâtiments sont présents. C'est la plus ancienne technique de prise en compte des
bâtiments dans les modèles 2D, et encore aujourd'hui une des plus utilisée (Alcrudo & Mulet,
2004). Elle offre la plus grande facilitée d'implantation et un temps d'exécution relativement plus
rapide que les autres méthodes, mais présente cependant des lacunes sur les résultats des
caractéristiques de l'écoulement dans la zone urbaine. Le coefficient de friction est augmenté soit
pour un amas de bâtiments et de rues, soit seulement pour les bâtiments, les rues étant représentées
par un coefficient plus faible que ces derniers. (Figure 1.15)

Figure 1.15 : Méthodes de représentation d'un groupe de bâtiments comme une région à coefficient
de friction augmenté (milieu), comme une région avec des points de friction augmentée (Alcrudo,
2004)

Après une calibration adéquate du coefficient de friction, cette méthode permet d'obtenir une bonne
prédiction de la superficie et de la durée de l'inondation (Alcrudo, 2004; Schubert et al., 2008), ce
qui peut être suffisant pour certaines études de risque. Elle peut être également adaptée pour des
études où une prévision approximative de la hauteur d'eau et de sa vitesse est suffisante, sans besoin
d'informations localisées dans la zone urbaine, c’est-à-dire pour une représentation plus globale de
la région. Un maillage relativement grossier est alors acceptable, sans affinement local nécessaire,
ce qui fait de cette technique la moins exigeante en calculs numériques (Schubert et al., 2008).
 22

La plus grande difficulté de la méthode revient à déterminer le ou les coefficients de friction adaptés
pour une zone urbaine spécifique. Ceux-ci doivent pouvoir représenter l'effet de blocage et de
réflexion qu'une paroi engendrerait et tout du moins reproduire la résistance à l'écoulement que
l'ensemble du tissu urbain implique. La calibration du coefficient de Manning est commune aux 4
méthodes, la complexité de ce paramètre est vue en détail dans la partie sensibilité et calibration.
L'autre caractère hasardeux de cette méthode réside dans la capacité de stockage en eau des zones
à coefficient de friction augmenté (Alcrudo, 2004).

1.2.4.2 Méthode Building Block (BB)

Cette méthode intègre la géométrie et la hauteur des bâtiments dans le modèle en élevant le terrain
où ils coïncident avec le maillage. Cette technique est moyennement difficile à implanter si la
localisation des structures est connue. L'extrudation des cellules pour former le toit d'une structure
ne peut cependant former des façades à pente infinie, bien que très raides elles dépendent de
l'échelle du maillage (figure 1.16 et 1.17).

Figure 1.16 : Groupe de bâtiments représentés en Bottom Elevation, maillage grossier (Alcrudo,
2004)
 23

Figure 1.17 : Groupe de bâtiments représentés en Bottom Elevation, maillage fin (Alcrudo, 2004)

Un maillage grossier implique donc des pentes plus faibles qu'un maillage fin ; une bonne
représentation des bâtiments demande donc un maillage fin pour la précision des calculs, qui sont
a fortiori plus longs.

De surcroît, l'utilisation de pente raide va à l'encontre de l'hypothèse d'application des équations de

Saint-Venant qui stipule que les pentes doivent être assez faible pour faire l'approximation sin β =
β. Enfreindre cette limitation ne rend cependant pas le modèle 2D inapplicable, l'obstacle vertical
va causer une stagnation du fluide à sa proximité et agir telle une condition de non-glissement à
l'interface fluide/structure (Alcrudo, 2004). Ces pentes raides peuvent néanmoins avoir un impact
sur la stabilité de l'algorithme de calculs, il faut alors s'assurer que le modèle hydraulique 2D est
assez robuste pour les prendre en compte (Hunter et al., 2008).

1.2.4.3 Méthode Building Hole (BH)

Dans le cadre d'une modélisation 2D de propagation des inondations en zone urbaine, cette
technique permet la représentation de la forme exacte sur le maillage des édifices. Les façades des
bâtiments sont incorporées telles des conditions frontière sans glissement, excluant leurs aires du
domaine de calculs. (figure 1.18)
 24

La méthode BH est la plus précise représentation d'une ville, sur les 4 présentés ici, pour une
modélisation 2D. Théoriquement, elle est celle qui contrevient le moins aux hypothèses des
équations de Saint-Venant. Comme vue sur la figure 1.18 et dans les publications (Alcrudo, 2004;
El Kadi Abderrezzak et al., 2008; Sanders et al., 2008; Schubert & Sanders, 2012; Schubert et al.,
2008; Soares-Frazao et al., 2008; Soares-Frazão, S. & Zech, 2007; Testa et al., 2007) les zones de
transition entre écoulements fluviale et torrentielle ainsi que les zones stagnantes sont bien
représentées au coin des façades par cette méthode.

Figure 1.18 : représentation des bâtiments en Building Hole (Alcrudo, 2004)

La principale limitation de cette technique réside dans le maillage du réseau de rues et d'aires
ouvertes du secteur (Alcrudo, 2004). La section précédente fait référence à un minimum de 3 ou 4
cellules de maillage sur les sections transversales des rues, la distorsion de la grille que cela
engendre peut toutefois être résolue par l'emploi d'un maillage non structuré ou hybride qui
permettent les affinements locaux et de mieux intégré les différences d'échelles entre ville et plaine
inondable. Pour les géométries complexes, le raffinement peut avoir des conséquences néfastes qui
handicapent l'efficacité du modèle (Schubert & Sanders, 2012).

BH tout autant que BE exclue la capacité de rétention d'eau et de transport que l’intérieur des
bâtiments peuvent offrir lors de l'inondation. Contrairement à BE, BH ne permet pas non plus
d'écoulement au-dessus des structures dans le cas d'un niveau d'eau supérieur à l'élévation du toit.
Cependant cette propriété ne limite pas la technique BH, la défaillance structurelle étant plus
restrictive (Aureli et al., 2015).
 25

Bien que BH soit la technique la plus exigeante en temps de calcul et la plus difficile à implanter
dans le modèle que BR et BB, elle reste la plus adaptée et la plus précise pour capturer les
complexités d'un écoulement à travers le tissu urbain (Schubert et al., 2008).

1.2.4.4 Méthode Building Porosity (BP)

Dans un effort d'accélérer l'exécution des modèles tout en gardant une qualité de modélisation
proche de la méthode BH, un intérêt relativement récent dans la technique BP se manifeste dans
les publications (Kim et al., 2015; Liang et al., 2007; Sanders et al., 2008; Schubert & Sanders,
2012; Soares-Frazao et al., 2008). BP utilise des équations de Saint-Venant modifiées pour mettre
en lumière l'analogie d'une ville à un système poreux, permettant ainsi de représenter le passage de
l'écoulement dans un tissue urbain en prenant le réseau de rue en compte. Cette méthode est encore
à l'état de recherche, il n'existe pas de logiciel de modélisation commercial la reprenant à ce jour.

Son principal avantage par rapport à BE ou BH est de résoudre les modèles hydrauliques en zone
urbaine de façon précise sans faire appel à un maillage fin et des affinements locaux, sans avoir
besoin de retranscrire la géométrie des structures, et donc avec une plus grande facilité de calculs
informatique (Soares-Frazao et al., 2008).

Cependant la méthode souffre encore de sa difficulté d'implantation et d'évaluation des paramètres

qu'elle introduit (Liang et al., 2007). Le comportement d'une ville face à une onde de crue est
anisotropique par l'orientation et la forme des bâtiments, ce qui implique l'estimation des
coefficients de porosité volumétrique et surfacique, ainsi que de son coefficient de traînée. De plus,
BP nécessite un maillage ou les vertices sont fixé aux centroïdes des structures (figure 1.19). Le
prétraitement de cette méthode peut donc être long et fastidieux, malgré sa précision (figure 1.20)
et son temps d'exécution plus faible (Schubert & Sanders, 2012). Néanmoins des développements
futurs dans une automatisation d'évaluation des paramètres grâce à la télédétection pourraient en
faire une méthode plus accessible aux modélisateurs (Sanders et al., 2008).
 26

Figure 1.19 : Modèle de la rivière Toce. Représentation de bâtiments en Building Porosity.

Vertex au centroïde des bâtiments (Sanders et al., 2008)

Figure 1.20 : Champ des vitesses obtenues avec la méthode BP (Sanders et al., 2008)

1.2.5 Sensibilité et calibration

La caractérisation d'une inondation par modélisation est complexifiée par les processus engagés,
leurs paramètres, et les données souvent partiellement disponibles. Pour élaborer un modèle
robuste, il faut donc comprendre les phénomènes physiques en jeu et les variables qui les décrivent,
analyser leurs influences sur le modèle et les optimiser afin de réduire les incertitudes du modèle
hydraulique. Une méthode itérative est alors employée par les modélisateurs : étudier l'influence
 27

de la variation d'un paramètre sur les variables de sortie en fixant les autres paramètres (Begnudelli
& Sanders, 2007; Gallegos et al., 2009; Mignot, Paquier, & Haider, 2006; Néelz & Pender, 2009;
Schubert et al., 2008). Cette technique fait abstraction de la corrélation possible entre les variables
en jeu et peut mener à des incohérences entre valeur du paramètre et plausibilité dans la réalité.
Chaque paramètre dispose d'un intervalle où il a une signification physique, y contrevenir porterait
atteinte à la validité du modèle entier ; et chaque paramètre dispose d'une influence relative sur les
résultats (Hunter et al., 2008). Ceux ayant peu d'incidence peuvent alors être fixés arbitrairement
réduisant ainsi le nombre de paramètres du modèle à évaluer.

Lorsque des données d'observation sont disponibles, les paramètres laissés libres peuvent être
calibrés pour que le modèle représente le plus fidèlement possible la réalité. C'est un processus
d'optimisation par itération ou l'on modifie la valeur d'un paramètre en prétraitement pour que les
valeurs obtenues en post-traitement réplique les données observées et valide le modèle (Alcrudo,
2004; El Kadi Abderrezzak et al., 2008; Mignot, Paquier, & Haider, 2006). Une optimisation à
variables multiples, bien que théoriquement possible, demanderait des ressources de calculs et un
temps d'exécution colossal.

Dans l'absolue, tout modèle devrait être confronté à des données réelles, tâche compliquée étant
donné la rareté de celles-ci due au manque de monitorage des événements, malgré la fréquence de
ceux-ci (Hunter et al., 2008). Pour les modèles numériques n'ayant aucune donnée d'observation,
les analyses de sensibilité en alliance avec l'expérience du modélisateur deviennent prépondérantes,
le modèle ne pouvant être validé rigoureusement. Ces modèles sont généralement comparés avec
les résultats du modèle présentant le maillage le plus fin.

Dans le cadre d'une modélisation de propagation des inondations en zone urbaine, les paramètres
sensibles sont le coefficient de Manning, la viscosité, l'hydrogramme d'entrée, la résolution du
maillage, les conditions frontière amont et aval, la quantité d'eau dans le réservoir ainsi que le
scénario de formation de la brèche pour un bris de barrage. Les variables de sorties analysables en
post-traitement sont la hauteur d'eau, la vitesse, le temps d'arrivée, et la superficie inondée.

Pour comparer les résultats, plusieurs méthodes peuvent être employées. L'influence d'une gamme
d'un paramètre peut être confrontée à une ou plusieurs variables de sortie à un instant précis ou par
moyenne et écart type pour l'événement (Néelz & Pender, 2009), puis être présentée par tableau,
 28

histogramme ou graphique. En présence de données de calibration en série temporelle pour la

hauteur d'eau ou la vitesse, une étude par coefficient de détermination R et de Nash-Sutcliffe est
envisageable (Seyoum, 2013).

4
N
K (JK − J)(MK − M)
H4 =
N 4 N 4
K JK − J K MK − M

Avec O les valeurs observées et P les valeurs prédites par le modèle.

1.2.5.1 Hydrogramme d'entrée

L'afflux d'eau en fonction du temps est une donnée à fort degré d'incertitude et dont les modèles
sont sensibles. Ce paramètre est fixé à la condition frontière amont du modèle. Les hydrogrammes
établis par des prises de données sur le terrain lors des événements sont très rares, voire inexistant
pour les bris de barrage. Le recours aux hydrogrammes synthétiques sont alors inévitable : ceux-ci
sont une combinaison d'observation par des témoins, de calculs hydrologique et hydraulique sur le
bassin versant, ainsi que de modélisation physique (si disponible). Dans le cas d'un bris de barrage,
une étude supplémentaire sur le calcul du volume du réservoir ainsi que sur la formation de la
brèche vont grandement impacter l'hydrogramme (Alcrudo & Mulet, 2007).

Une surestimation de l'hydrogramme à chaque pas de temps aurait pour conséquence une
augmentation du niveau d'eau moyen sur tout le domaine, et donc formerai une zone inondée plus
importante (Mignot, Paquier, & Haider, 2006). Si l'objectif de l'étude est de prédire les niveaux
d'eau maximum en certains points, alors l'évaluation du pic maximum de l'hydrogramme est
majeure (Gallegos et al., 2009). Les vecteurs et les hauteurs de l'écoulement dans la zone urbaine
peuvent aussi être impactés par une variation du débit d'entrée (Mignot, Paquier, & Haider, 2006;
Soares-Frazão, Sandra & Zech, 2008). Si l'intérêt de l'étude se porte sur les niveaux d'eau
maximums, une erreur sur le pic de l'hydrogramme influe plus les résultats que les incertitudes
liées à la résolution du maillage (Néelz & Pender, 2009).
 29

1.2.5.2 Condition frontière aval

La condition frontière aval est le segment par lequel l'eau va sortir du domaine. Pour un régime
d'écoulement fluvial, la hauteur d'eau doit être spécifiée en paramètre, pas obligatoirement pour un
régime torrentiel en sortie.

Fixer une mauvaise condition limite aval peut altérer le modèle aux alentours de cette limite, et
donc avoir une influence sur la validité du modèle si des points d'intérêt sont présents dans ces
alentours. Il est donc nécessaire de fixer la condition frontière aval à une section de contrôle connue
si possible. Si aucune section de ce type n'est présente à une distance raisonnable, une analyse de
sensibilité sur la position longitudinale par rapport à la rivière en fonction du régime d'écoulement
en sortie est nécessaire pour s'assurer qu'elle n'influence pas l'écoulement à proximité de points
d'intérêt. La détermination de la condition frontière aval lorsqu’aucune section de contrôle n’est
présente dans le modèle fait l’objet d’une étude approfondie dans ce mémoire.

1.2.5.3 Résolution maillage

De nombreuses publications font état de l'influence de la densité du maillage sur l'écoulement. Les
impacts d'un maillage grossier, discuté dans la section Digital Terrain Model et maillage, sont une
surestimation de la zone inondée, une estimation des vitesses approximatives, et une sous-
estimation du temps de l'arrivée de l'onde (un maillage plus grossier est équivalent à un coefficient
de friction accrue (Begnudelli & Sanders, 2007)). Une résolution est adéquate lorsque les
incertitudes dues au maillage sont plus faibles que celles causées par le coefficient de Manning.

Pour l'analyse de sensibilité et de calibration, l'utilisation de la méthode itérative de convergence

pour le maillage est recommandée pour obtenir la meilleure résolution et minimiser les erreurs.

1.2.5.4 Coefficient de Manning et viscosité

De tous les paramètres sensibles, le coefficient de Manning est celui qui a le plus d'influence sur
les variables de sortie du modèle. Son estimation est une tache rigoureuse et longue, ce coefficient
représentant à la fois la résistance due au lit de la rivière, aux berges et aux obstacles locaux. Une
variation trop importante de la friction dans un modèle peut avoir pour conséquences de modifier
 30

localement le régime d'écoulement. Cette caractéristique est d'autant plus importante dans un
réseau de rue où l'influence de ce paramètre se fait ressentir dans les carrefours par une modification
de la structure de l'écoulement (Mignot, Paquier, & Haider, 2006). D'autre part, une augmentation
locale du coefficient peut permettre de modéliser l'influence d'obstacles dans les rues tels que les
voitures, sans avoir à prendre en compte leur géométrie, en faisant tous de même l'hypothèse que
ceux-ci ne sont pas mobiles (Mignot, Paquier, & Ishigaki, 2006).

Un modèle précis nécessite une affectation hétérogène de coefficients de Manning sur la région, et
donc de prendre en considération les différences d'opposition à l'écoulement de plusieurs types de
surfaces (El Kadi Abderrezzak et al., 2008; Gallegos et al., 2009). Ainsi, l'attribution d'un
coefficient les différentes occupations de sol permet d'obtenir les réactions de ces surfaces sur la
vitesse de l'écoulement et donc sur l’écoulement total sur la région d’étude (Gallegos et al., 2009).
(Tableau 4)

Tableau 1-2 : coefficient de Manning pour différentes surfaces (Alcrudo, 2004)

Le coefficient de Manning est par définition stable et vérifié pour des écoulements uniformes et
permanents, cependant pour des écoulements non uniformes il dépend de l'intensité et des
caractéristiques de ces derniers (El Kadi Abderrezzak et al., 2008). Il ne dépend alors plus
seulement de la surface qu'il traverse, mais aussi de la vitesse (relation parabolique Manning-
vitesse) (Alcrudo, 2004). Pour une inondation suite à un bris de barrage, des coefficients de
Manning plus faible doivent alors être employés pour valider le modèle (Alcrudo, 2004). Cette
dernière propriété du coefficient de friction mène à une répercussion importante en modélisation
 31

d'inondation éclaire : calibrer un modèle numérique n'implique pas sa validation pour tout type
d'hydrogramme d'entrée.

Pour ce qui est de l'influence du coefficient de friction sur les variables de sorties du modèle, l'aire
inondée est peu influencée par une variation du coefficient de Manning (Begnudelli & Sanders,
2007), celui-ci a une plus grande implication (proportionnelle) dans le temps d'arrivée et dans la
hauteur d'eau (Schubert et al., 2008). Un plus grand coefficient local a pour impact une diminution
des vitesses et une augmentation des niveaux d'eau. Il est conseillé de calibrer le coefficient de
Manning par la hauteur d'eau (Lai, 2010), la distribution de vitesses en ville étant plus affectée par
la résolution du maillage.

La synthèse de l'influence de tous les paramètres sensibles décrie montre que l'estimation de l'aire
inondée peut être vue comme la variable de sortie la plus robuste, alors que les prédictions de
vitesses, de temps d'arrivé et de hauteur doivent être analysés avec scepticisme.

1.3 Objectifs et défis

Les inondations sont des catastrophes destructrices pour l’homme et les structures. Pertes de vie
humaine et animale, destruction d’infrastructures, biens endommagés, et handicap socio-
économique de la région font partie des impacts négatifs de tels évènements.

Les modélisations numériques de la propagation d’onde de crue ne prennent que très rarement en
compte la restitution des bâtiments, ou d'autres obstacles, et de leurs effets dans le modèle par
manque de données bathymétriques, de temps ou de ressources informatiques suffisantes.

Le nombre potentiellement élevé de tels obstacles, leurs tailles et leurs formes, relativement à celle
du maillage, constitue un défi de représentation (cf. section Revue de littérature). Une meilleure
connaissance des caractéristiques de l’écoulement dans le tissu urbain aurait des impacts importants
dans la cartographie des zones de risques ainsi que dans la prévention et la sécurité des personnes
et infrastructures.
 32

La problématique de ce sujet de recherche est de mettre en place un modèle stable prenant en

compte la représentation des bâtiments dont les variables de sortie s’approche aux mieux des
observations réelles. Les objectifs secondaires sont de comparer différentes variations des
paramètres et de leurs effets sur l'écoulement ; de valider les hypothèses de simplification du
modèle ; pour arriver à une calibration optimale des paramètres du modèle.

La première analyse sera exécutée pour le cas de bris du barrage espagnol Tous en 1982, ceci grâce
aux données fournit par l'article de F. Alcrudo et J. Mullet (Alcrudo & Mulet, 2007) où la
calibration d'un modèle numérique est rendue possible. Leur étude de cas s'inscrit dans le cadre du
projet européen IMPACT (Investigation of extreMe flood Processes And unCerTainty) dont
l'objectif est une meilleure connaissance scientifique des phénomènes d'inondation.8

Rupture du barrage de Tous

1.3.1 Chronologie et Histoire

Toutes les données citées dans cette partie sont tirées de l'article de Francisco Alcrudo (2007),
article sur lequel se base l'étude produite ici.

Le barrage de Tous en Espagne est la dernière structure hydraulique contrôlant le débit de la rivière
Jùcar dans la province de Valence (figure 1.21). Suite à un événement de pluie extrême, plus de
500mm en 24h, et une mauvaise maintenance du barrage (Serra-Llobet et al., 2012), celui-ci a cédé
le 20 octobre 1982 affectant prés de 200 000 personnes à l'aval dont 8 sont mortes aux suites de la
crue éclair qui inonda 300 km2 de terre. Les dommages ont été évalués à environ 300 millions $US
de l'époque, soit 750 millions $US aujourd'hui (d’après US inflation calculator9). Le
développement historique du contrôle de débit de la rivière Jucar est marqué par un effet dit
"escalier" ; des structures hydrauliques sont réaménagées pour réajuster à la hausse la capacité des
réservoirs après des événements ayant engendré des inondations (Serra-Llobet et al., 2012). Ce qui

8
http://www.impact-project.net
9
http://www.usinflationcalculator.com
 33

a certes pour conséquences de réduire la probabilité de fortes inondations en aval, mais qui
augmente considérablement les impacts en cas de défaillance des structures hydrauliques.

Cette catastrophe d'origine naturelle est la plus lourde de conséquences du XXé siècle en Espagne,
tant au niveau social, économique, qu'environnementale. Elle est aussi à l'origine d'un véritable
remaniement à tous les niveaux de gouvernance de la gestion des catastrophes sur différentes
échelles dans le pays (Serra-Llobet et al., 2012).

Du 20 au 21 octobre, le volume de pluie accumulé atteignit 600 millions m3 sur le bassin versant
du barrage d'une superficie de 17820 km2, alors que le réservoir avait une capacité de stockage de
122 millions m3 à l'élévation de crête. L'évacuateur de crue de capacité 7000m3/s n'a pu remplir sa
tâche, les moteurs actionnant les vannes étant sous l'eau ; toutefois son bon fonctionnement n'aurai
sûrement pas empêché la catastrophe. La rupture a été progressive ; lorsque le niveau d’eau est
arrivé à la crête du barrage, l’écoulement a commencé à éroder progressivement le remblai des
pentes, affectant la stabilité structurelle, jusqu’à l’arrachement d’une grande partie du barrage.

Sumacarcel, petite ville de 1500 habitants à l'époque située à 5 km du barrage, fut la première et la
plus touchée par la rupture. La partie de la ville située dans les hauteurs de la vallée fut relativement
épargnée, car protégée par la topographie montagneuse, mais la partie située proche des berges fut
dévastée par l'onde de crue (6 à 7m maximale de profondeur d'eau observée).

Tableau 1-3 : Chronologie de la rupture du barrage de Tous

20 oct 8h00 Début de pluie

20 oct N/A Niveau d'eau dépasse la cote d'exploitation normale du réservoir
20 oct N/A Niveau d'eau du réservoir atteint le sommet des vannes (87.5m)
20 oct 17h30 Niveau d'eau atteint la crête du barrage (98.5m)
20 oct 17h45 Début du processus d'érosion sur le réservoir
20 oct N/A La hauteur d'eau dans le réservoir atteint la hauteur maximum de
99.5m
20 oct 19h15 Effondrement significatif du barrage
20 oct 23h30 Niveau d'eau dans le réservoir à 81m
21 oct 2h00 Plus d'obstruction exercée par le barrage.

Suite à cette catastrophe, un barrage a été reconstruit en lieu et place de l'ancien, plus haut et plus
large avec un évacuateur de crue surclasser, de capacité maximale 20'000 m3/s. Ce nouveau barrage
 34

renforce la théorie du développement en escalier : le nouveau barrage pourra soutenir des

évènements plus extrêmes que l'ancien, mais en cas de bris les dommages seront considérablement
plus importants.

Figure 1.21 : localisation du Barrage de Tous (Google Maps)

Figure 1.22 : Vestiges du Barrage de Tous après la rupture (Alcrudo & Mulet, 2007)

Figure 1.23 : Sumacarcer, (gauche) avant la rupture, (droite) après (Alcrudo & Mulet, 2007)
 35

Barrage de Tous

Sumacarcel

Figure 1.24 : Tronçon de la rivière Jucar entre le barrage et le village de Sumacarcer

 36

1.3.2 Données

1.3.2.1 DTM

Deux sets de données topographiques sont rendus disponibles en format DTM dans l'article de F.
Alcrudo, le premier provient de mesures prises quelques semaines après la catastrophe en 1982, le
deuxième date de 1998. (Figure 1.25 et 1.26 respectivement).

Les DTMs ont tout deux étés compilé à partir de carte présentant les lignes de contour ; un DTM
construit grâce à la télédétection (LIDAR), recommandé dans la littérature, n'est donc pas
disponible pour cette étude.

Figure 1.25 : DTM 1982

 37

Figure 1.26 : DTM 1998

La comparaison des deux DTMs fait état de différences topographiques dans la vallée et le lit de la
rivière. Le nouveau barrage est représenté dans le DTM de 1998, de plus on peut distinguer des
changements de la vallée due aux travaux lors de la construction du barrage. La différence sur le
lit de la rivière est due aux travaux de dragages pour conditionner la rivière au nouveau barrage, et
aussi le résultat des phénomènes de sédimentation due à l'onde de crue de la rupture de 1982. Des
écarts d'élévation peuvent aussi être dus aux sources cartographiques différentes pour les deux
DTMs.

L'article de F. Alcrudo fournit également les données topographiques et la forme des bâtiments de
la ville de Sumacarcel (un set pour chaque DTM). Ces données ont été obtenues du bureau des
cadastres de la région de Valence et corrigées pour illustrer la situation de 1982 grâces à d'anciennes
 38

cartes et des témoignages recueillis sur le terrain. Les données de la ville pour le DTM 1982 ne
présentent cependant pas la vraie hauteur des bâtiments, contrairement à celui de 1998.

Figure 1.27 : DTM bâtiments 1982

Figure 1.28 : DTM bâtiments 1998

Les données disponibles rendent donc possible une étude de caractérisation de l'écoulement d'une
inondation dans une zone urbaine, ceci en représentation BH et/ou BE.
 39

1.3.2.2 Conditions frontières

§ Conditions initiales

En condition normale, le débit moyen de la rivière Jucar est de 50m3/s, cette magnitude est
négligeable par rapport au débit engendré par la rupture du barrage. Les vannes de l'évacuateur de
crue étant fermées, car hors service, le débit de la rivière dans les moments précédant la rupture
était dû à la combinaison du débit de base et du ruissellement de la pluie sur la zone aval du barrage.
Une approximation d'une zone sèche en condition initiale pour la modélisation numérique peut
donc être acceptable en première estimation.

§ Condition frontière amont

Dans les modélisations numériques de phénomène hydraulique, la condition frontière amont est
prise en charge par un hydrogramme d'entrée (débit entrant dans le domaine en fonction du temps),
celui-ci est appliqué à la section du barrage présent dans le passé pour des études de rupture de
barrage. L'hydrogramme repris dans cette étude est celui établi par le CEDEX (centre d'étude et
d'expérimentation du ministère des Travaux publics en Espagne) présenté par F. Alcrudo. Il est le
produit de la compilation de témoignages, d'observations, de modélisations physique et de calculs
hydrologique et hydraulique. (Figure 1.29)

Figure 1.29 : Hydrogramme de rupture, barrage de Tous (Alcrudo & Mulet, 2007)
 40

Cet hydrogramme présente la chronologie de l'inondation due à la rupture du barrage. Ainsi, jusqu'à
17h30 du 20 octobre 1982 les débits représentent l'eau débordant de la crête du barrage, de 17h30
à 2h00 ils illustrent l'eau libérée par la rupture du barrage par érosion progressive, de 2h00 jusqu'à
minuit du 21 octobre le barrage ne représente plus d'obstruction à la vidange du réservoir. F.
Alcrudo décrit en détail la technique employée par le CEDEX pour établir l'hydrogramme, ils
aboutissent à un pic de débit de 15000 m3/s.

Comme vue dans la partie Sensibilité et Calibration de la revue de littérature, l'influence de

l'hydrogramme, et principalement de son débit maximum, est non négligeable sur les
caractéristiques d'écoulement de l'inondation, cette condition frontière amont est donc sujette à des
modifications possibles dans le cadre d'analyse du modèle numérique.

§ Conditions frontière aval

Aucune donnée n'est disponible sur le régime de l'écoulement à l'aval de la municipalité de

Sumacarcer. Les deux DTMs s'étendent supposément assez pour pouvoir fixer une condition
frontière aval dans une section ou l'écoulement n'est pas influencé par le passage dans la ville, cette
condition frontière ne peut être cependant imposée sur une section de contrôle. Selon F. Alcrudo,
des simulations antérieures ont établi un régime fluvial à la sortie de la ville, bien qu'une condition
frontière torrentielle ou libre n'est pas montrée de différences majeures dans les résultats.

1.3.2.3 Coefficient de Manning

La figure 1.24 montre clairement des terrains à coefficient de Manning distinct (zones agricoles,
asphaltes, rocs, forêts, etc). F. Alcrudo présente des plages de coefficients de Manning utilisé par
le CEDEX dans une simulation 1D de la rupture du barrage de Tous. (Tableau 6)
 41

Tableau 1-4 : Estimation des coefficients de Manning (Alcrudo & Mulet, 2007)

Il porte également l'attention sur l'influence des terrains de culture d'orangers. En effet ceux-ci sont
soupçonnés d'après des témoignages d'avoir amplifié l'impact de l'inondation. L'onde de crue
arrivant dans les champs de culture a vu son niveau d'eau augmenter par l'augmentation du
coefficient de friction due aux plantations hautes de 5 à 6m, ce qui a eu pour effet de rediriger
l'écoulement vers la ville, amplifiant les dégâts causés. Les deux zones d'orangers sont situées entre
les vertex donnés par le tableau 7.

Tableau 1-5 : Polygones couverts par les orangers (Alcrudo & Mulet, 2007)

Comme vue dans la section Sensibilité et calibration, le coefficient de Manning a une grande
influence sur les variables de sortie du modèle numérique et est donc sujet à des analyses
d'optimisations pour valider le modèle.

1.3.2.4 Données observées

La singularité du cas du barrage de Tous est la disponibilité de données observées, données

précieuses pour établir une calibration rigoureuse du modèle numérique. Ces données ont été
recueillies et rassemblées par Alcrudo, elles sont composées de rapport officiel conduit par le
 42

CEDEX, de photographies aériennes (Figure 1.24), d'observations et de mesures faites sur le terrain
avec l'aide de témoins de la catastrophe.

Les rapports officiels ont notamment permis de déterminer l'hydrogramme d'entrée vue plus haut,
les images aériennes prises quelques jours après la catastrophe permettent quant à elles de
distinguer le phénomène de sédimentation qui s'est produit dû aux débits intenses (figure 1.24),
ainsi que les rives formant l'enveloppe de l'inondation. Des données topographiques avant la
catastrophe étant inexistantes, il n'est pas possible d'effectuer une analyse de transport de sédiment.

Les observations et les mesures faites sur le terrain ont permis à Alcrudo et Mullet de compiler la
hauteur d'eau maximale sur 21 jauges distinctes dans la ville (figures 1.32 et 1.33). Ils ont
également pu recueillir une évaluation approximative de l'évolution de la hauteur dans le temps
pour 3 de ces points (figures 1.31 et 1.32). La ville étant pavée, aucun changement dans la
topographie des rues n'est à prendre en compte.
 43

Figure 1.30 : Profondeur d'eau en fonction

du temps à la jauge 1 (Alcrudo & Mulet,
2007)

Figure 1.31 : Profondeur d'eau en fonction

du temps à la jauge 7 et 8 (Alcrudo &
Mulet, 2007)

Figure 1.32 : Localisation des jauges et

hauteur d'eau enregistrée (Alcrudo & Mulet,
2007)
 44

D'après les témoins, une partie de la ville était déjà inondée avant la rupture du barrage, par la pluie
et la rivière Jucar. Peu de témoignages existent sur l'arrivée de l'onde de crue, la ville ayant été
évacué, il semble qu'il n'y a pas eu de front d'onde net en forme de vague, mais que le niveau d'eau
est monté rapidement, ce qui du point de vue modélisation 2D peut permettre une plus grande
facilité, les caractéristiques 3D ne pouvant être restitué dans le modèle.

Figure 1.33 : Jauge 3. Marque de la hauteur d'eau lors de l'inondation (Alcrudo & Mulet, 2007)

Cette étude rigoureuse des chercheurs Alcrudo et Mullet contient donc tous les éléments
nécessaires à une modélisation numérique 2D pour caractériser la propagation d'une inondation en
zone urbaine, et permet de surcroît d'effectuer une analyse de calibration pour valider le modèle.
 45

CHAPITRE 2 ACTIVITÉS DE RECHERCHE

2.1 Modélisation sur SMS avec module SRH-2D

L'objectif de cette étude, la modélisation de la propagation des inondations en zones urbaines, étant
définie ; et toutes les données nécessaires pour appliquer cette étude à la rupture du barrage de Tous
étant rassemblées, les détails sur les techniques employé pour résoudre les objectifs est présenté
ici.

La qualité d'un modèle numérique se juge par l'optimisation de ces trois critères :

• Niveau de difficulté de configuration du modèle

• Temps d'exécution

• Précision des résultats

Le choix de la méthode de représentation des bâtiments (BR, BH ou BB) retenue pour cette étude
doit donc faire l’objet d’une réflexion éclairée selon ces critères.

Ainsi la première étape des activités de recherche entreprises sera de mettre en place le modèle,
soit le prétraitement. Ce processus vise à construire un maillage approprié, définir les différentes
zones et leur coefficient de Manning approprié, appliquer les conditions frontières, placer les points
d'observation et spécifier un pas de temps pour la résolution.

Toutes ces étapes de prétraitement sont effectuées sur SMS, logiciel commercial de la firme
Aquaveo spécialisée dans le traitement des eaux à surface libre. Elles sont toutes résumées dans le
tableau 2.1, présenté à la page suivante.
 46

Tableau 2-1 : Étapes de modélisations sur SMS avec le module SRH-2D

 47

La phase de traitement est ensuite prise en charge par le modèle numérique SRH-2D
(Sedimentation and River Hydraulics - Two Dimensional model), du Bureau des Reclamations des
États-Unis (USBR). Ce modèle résout les équations de Saint-Venant, permet l'utilisation d'un
maillage hybride, dont les qualités sont résumées dans la partie DTM et maillage (voir section 2.3),
et adopte un algorithme robuste et numériquement stable (Lai, 2010).

Afin d'exporter le modèle créé sur SMS pour le faire tourner sur SRH-2D, il est nécessaire de passer
par une étape de preprocessing qui permet de traduire le fichier SMS en un format que SRH-2D
comprend.

Une fois les calculs effectués, les résultats peuvent être traités et visualisés avec l'aide de SMS qui
fait alors office d'outil de post-traitement. Des analyses sur les caractéristiques de l'écoulement sont
alors possibles et permettent la comparaison de différents cas de figure.

Pour les analyses de sensibilité et calibration, une boucle est créée entre la phase de prétraitement
où les paramètres sensibles peuvent être modifiés, et comparés ensuite en phase de post-traitement.
La calibration est une étape très exigeante en temps de calcul total, le modèle entier devant repasser
par le traitement de SRH-2D. La calibration des coefficients de Manning sera effectuée dans cette
étude par l’utilisation du programme PEST, et de l’outil O.P.P.S, dont le rôle est d’automatiser le
fonctionnement de PEST. Ce dernier a été développé à l’École Polytechnique de Montréal par S.
Deslauriers et T. Mahdi ; la description et le fonctionnement de cet outil n’étaient pas encore
publiés à la date de composition de ce mémoire.

Toutes ces étapes sont résumées dans l'organigramme de la figure 2.1, qui représente la feuille de
route de cette étude.
 48

Calibration par
PEST + OPPS

Figure 2.1 : Organigramme de l'étude de modélisation. (adapté du cours Élements Finis de

l’École polytechnique de Montréal. Nadjib Bouanani
 49

2.2 Détermination de la condition frontière aval

La modélisation numérique d’écoulement à surface libre nécessite de configurer plusieurs
paramètres qui influent sur les caractéristiques de l’écoulement ; cette configuration, aussi appelée
calibration, a pour but d’approcher les résultats au plus près des conditions réelles enregistrées. La
condition frontière aval est un de ces paramètres, elle gouverne dans le modèle la façon selon
laquelle l’eau est évacuée du modèle. Il est dès lors indispensable que cette condition représente
fidèlement le cas réel, ou tout du moins n’influence pas des zones d’intérêts.

La condition frontière aval dépend de la section sur laquelle elle est fixée et du régime de
l’écoulement qui la traverse. Dans un scénario optimal pour un régime fluvial, elle est fixée à une
chute libre ou le niveau d’eau atteint la hauteur critique, à l’entrée d’un grand réservoir ou le niveau
d’eau est considéré constant, ou au niveau d’une structure de contrôle où la courbe de tarage est
connue. Il est aussi possible d’y fixer une condition de hauteur normale, soit la hauteur obtenue par
l’équation de Manning, et bien que cette dernière option soit couramment utilisée, elle n’est pas
disponible dans la version de SRH-2D utilisée dans cette étude. De plus, elle ne permet pas de
déterminer la zone d’influence qu’elle impose au voisinage de la condition frontière et dépend du
coefficient de Manning qui est lui-même un paramètre de calibration. L’équation de Manning
suppose un écoulement uniforme et permanent, ce qui n’est pas le cas ici.

Pour un régime torrentiel, aucune information sur la hauteur d’eau, la vitesse ou le débit n’est
nécessaire pour la condition frontière aval ; des informations supplémentaires doivent tout de même
être introduites à la condition frontière amont, ceci afin de satisfaire l’algorithme de calculs.

Dans le cas du barrage de Tous et de la région inondée présentée précédemment aucune section de
contrôle n’existe à l’aval, la première étape de cette étude est donc d’identifier une condition
frontière valable pour le modèle. La ville étant proche de la sortie du modèle, il faut aussi démontrer
que la condition frontière mise en place n’influence pas les hauteurs d’eau à proximité de
Sumacarcer.

La méthode, les résultats et l’analyse de la technique utilisée afin de déterminer la condition

frontière aval sont présentés au chapitre suivant.
 50

2.3 Calibration des coefficients de Manning

Comme mentionné dans la revue de littérature, le coefficient de Manning est un des paramètres qui
influence fortement les variables de sorties. Il caractérise l’opposition du terrain à l’écoulement
due à sa rugosité. Chaque surface possède sa rugosité propre, le terrain doit alors être délimité en
plusieurs zones selon l’occupation du sol, celles-ci se verront alors attribuer un coefficient de
Manning propre caractérisant la surface sur laquelle l’eau transite.

En raison de l’hétérogénéité de la région, la calibration des coefficients de Manning sur le modèle

peut être une tâche fastidieuse pour le modélisateur, surtout si les paramètres sont nombreux.
Plusieurs combinaisons de paramètres plausibles sur leurs plages de valeurs sont ajustées afin
d’approcher les variables d’observations.

L’optimisation de ces paramètres est facilitée par l’emploi du logiciel gratuit PEST10. Ce module
indépendant permet la calibration en ajustant les paramètres selon un algorithme robuste et permet
d’obtenir la meilleure combinaison ainsi que les incertitudes associées. L’utilisateur informe PEST
quels paramètres doivent être ajustés et quelles sont les variables de sorties qui vérifient les valeurs
observées, PEST vient ensuite exécuter plusieurs simulations afin de rapprocher le modèle au plus
près de la réalité. SRH-2D contrecarre l’automatisation complète de PEST, en effet son utilisation
nécessite l’intervention du modélisateur afin de passer du module prétraitement au module de
traitement. L’utilisation du programme O.P.P.S solutionne ce problème. Développé par S.
Deslauriers et T. Mahdi de l’École Polytechnique de Montréal, ce programme automatise
complètement l’utilisation combinée de PEST et de SRH-2D.

Le jeu de paramètres offrant la meilleure solution est acquis pour un régime permanent, il sera dès
lors intéressant d’exécuter la simulation pour le régime non permanent, c’est-à-dire pour
l’hydrogramme de crue en condition frontière amont. Pour rappel, le coefficient de Manning est
stable pour des écoulements uniforme et permanent, en non-permanent il dépendra aussi de la
vitesse. Les coefficients de Manning trouvé par PEST devraient surestimer ceux pour le modèle du
bris de barrage de Tous.

10
http://www.pesthomepage.org
 51

2.4 Résultats scientifiques attendus

Plusieurs analyses ont été publiées, aux suites du projet européen de l'IMPACT, qui rendent compte
de résultats de simulations numériques sur le cas de l'inondation de Sumacarcel. Quatre équipes
ont donc travaillé sur leur propre modèle en utilisant différentes méthodes de résolution des
équations de Saint-Venant :

• Soares-Frazão, S. & Zech, 2004, Université Catholique de Louvain (UCL), Belgique

• Mignot & Paquier, 2004, Cemagref, France

• Murillo & Garcia-Navarro, 2004, Université de Saragosse, Espagne

• Mulet & Alcrudo, 2004, Université de Saragosse, Espagne

Tous ces acteurs s'accordent pour dénoter la difficulté de simuler l'onde créée par un bris de
barrage, les régimes d'écoulement étant rapidement variés avec la présence de régimes fluviaux,
torrentiels et critique, de propagation de chocs et de réflexions sur les obstacles.

Tous font une comparaison de techniques de représentation des bâtiments, la plus populaire étant
la méthode BH, et trouvent des résultats de caractéristiques d'écoulements dans la ville satisfaisant
pour des modèles 2D. La modélisation du passage de l'onde sur les plaines n'a posé aucun problème
pour toutes les études excepté certains temps de calcul trop importants pour des résolutions de
maillage trop fins.

Les conclusions clefs découlant du projet de l'IMPACT sont que les modèles numériques basés sur
les équations de Saint-Venant sont capables de résoudre les inondations éclairs, telles que celles
dues au bris de barrage, pour des zones rurales et urbaines, cependant à un coût non négligeable
sur le temps de calcul ou bien sur la précision des résultats.

Concernant le cas du barrage de Tous, il est important de mentionner que toutes les études
présentées par l'IMPACT ont été effectuées en 2003 et 2004. Les processeurs commerciaux de
l'époque, Intel Pentium IV en majorité, sont extrêmement moins puissants que les processeurs
disponibles aujourd'hui. Les temps de calcul importants auparavant sont divisés par plusieurs
facteurs sur du matérielles récent. Cet héritage de la loi de Moore est cependant amoindri par la
non-parallélisation de SRH-2D. En effet les fabricants de processeurs ont eu recours ces dernières
 52

années à l’augmentation du nombre de cœurs des processeurs, les tâches étant partagées entre ceux-
ci, cependant il faut pour cela que le programme soit adapté à la parallélisation afin de profiter de
ce gain de puissance de calculs. SRH-2D fonctionne certes plus rapidement sur un cœur de nouvelle
génération que sur les Pentium IV, mais ne profite pas de toute la puissance du calculateur
disponible. À titre d’exemple, pour un nombre de cellules comparables (environ 20000) le
CEMAGREF (Mignot et Paquier, 2004) résout une simulation en 61h minimum, pour 16h dans
cette étude.

Un aspect important rapporté dans les conclusions de l'IMPACT est le caractère inertiel de
l'inondation de Sumacarcer, celle-ci étant protégée de l'impact direct de l'onde de crue par la
topographie. De plus il n'y a pas eu de front de vague distinct, d'après les témoignages recueillis et
les simulations, le niveau de l'eau dans la ville a paru monté rapidement. Cet aspect rend l'utilisation
du cas du barrage de Tous moins représentatif comme modèle étalon de propagation d'une onde de
rupture de barrage en zone urbaine ; il aurait été préférable d'analyser l'entrée d'une onde similaire
à une vague dans une ville. Cependant cet aspect ne limite pas les activités de recherche prévues.
Au vu de la magnitude du débit maximum de l'hydrogramme, les hypothèses suivantes sont
considérées valables par les auteurs :

• Le domaine est considéré comme sec en condition initiale

• Le réseau d'égout n'a pas d'influence sur les résultats

• Le stockage d'eau par les bâtiments est négligeable

L'analyse du transport de sédiment n'est pas réalisable avec les données disponibles, aucune étude
bathymétrique n'ayant été effectuée préalablement à la catastrophe. Cependant les quatre études
faites sur le sujet montrent des écarts importants (jusqu'à 2.5m à certain point) entre les modèles
de 1982 et 1998. Les photos aériennes (figure 1.24) prises quelques semaines après la rupture
attestent du phénomène de transport de sédiments, avec des zones de dépôts et d'érosion très
distincts. De plus il est important de noter que des travaux de conditionnement et de dragages sur
la rivière Jucar ont été effectués lors de la construction du nouveau barrage de Tous fini en 1995.
Les différences de bathymétrie entre les deux représentations est mis en évidence dans la figure
suivante :
 53

Figure 2.2 : différences d'élévations entre les DTM de 1982 et 1998 (Soares-Frazão, S. & Zech,
2004)

Comme attendu, le facteur le plus sensible sur l'élévation d'eau lors de l'analyse était le coefficient
de friction ; le deuxième était l'hydrogramme d'entrée, et plus particulièrement son maximum ; et
enfin la troisième source d'incertitude et la résolution du maillage. Les coefficients de Manning
utilisés varient selon les modélisateurs entre 0.025 et 0.045 dans la vallée, et 0.025 à 1 dans les
zones d'orangeraies. Quatre hydrogrammes évalués par le groupe de projet sont disponibles
(normale, inférieur, moyen et supérieur) présentant un pic de 12000 à 22000 m3/s. (Alcrudo &
Mulet, 2004)

La translation de l'onde de crue selon trois sections transversales le long de la rivière Jucar a été
étudiée par Soares-Frazao pour les hydrogrammes d'entrée supérieure et normale. L'hydrogramme
normal ne semble pas transformé par son parcours sur les trois sections, alors que le supérieur
présente une atténuation du pic maximum. (Figure 2.3)

Chaque étude présente leurs meilleurs résultats pour les hauteurs d'eau des jauges. Ces graphiques
présentés dans l’article résumant les travaux de l’IMPACT serviront de repère et permettront de
placer l'étude faite pour cette maîtrise par rapport aux autres.
 54

Figure 2.3 : Sections transversales (haut) et hydrogrammes associés pour l’hydrogramme normal
(milieu) et le supérieur (bas) (Soares-Frazão, S. & Zech, 2004)
 55

CHAPITRE 3 DÉTERMINATION DE LA CONDITION FRONTIÈRE

AVAL

3.1 Introduction

3.1.1 Types de condition frontière

La condition frontière aval est le segment par lequel l’eau est évacuée du modèle. Le modélisateur
doit alors donner certains renseignements au logiciel de calculs (ici SRH-2D) afin que celui-ci
puisse transiter adéquatement l’eau à travers la condition limite.

Comme énoncer au chapitre 1, fixer une mauvaise condition aval peut altérer le résultat de la
simulation dans une zone d’influence directement à l’amont de la condition limite, et donc avoir
une incidence sur la validité du modèle si des points d’intérêt sont présents dans ces alentours.

Le type de conditions aval dépend alors de la section à laquelle elle est placée et du régime
d’écoulement qui la traverse. Dans un scénario optimal pour le cas d’un régime fluvial (Froude <
1), elle est placée au niveau d’une section de contrôle ou les courbes de tarages (profondeur d’eau
en fonction du débit) sont connues ; au niveau d’une chute libre ou la hauteur d’eau passe par une
profondeur critique ; ou bien à l’entrée d’un grand réservoir où le niveau est considéré constant.

Pour un régime torrentiel (Froude > 1), aucune information sur la hauteur, la vitesse ou le débit de
l’écoulement ne sont nécessaires en paramètres de la condition aval. Cependant l’emploi d’une
telle frontière nécessite d’implémenter un paramètre supplémentaire à la condition frontière amont,
soit sur la vitesse de l’écoulement ou sur la hauteur d’eau.

Bien que certaines publications utilisent une condition de hauteur normale, obtenue par
l’application de l’équation de Manning, cette option n’est pas disponible dans SRH-2D. Ce qui en
soi n’est pas un handicap étant donné que celle-ci ne permet pas d’analyse sur la zone de
dépendance, dépend du coefficient de Manning, et dont les hypothèses sont la permanence et
l’uniformité.
 56

3.1.2 Zone de dépendance

La méthode des caractéristiques, bien qu’elle ne soit pas l’algorithme utilisé dans cette étude, aide
à mieux comprendre le type de condition amont et aval à employer, et les zones d’influence que
celles-ci engendrent.

La méthode des caractéristiques est une méthode numérique de résolution des équations de Saint-
Venant. Comme il a été vu dans la revue de littérature du chapitre 1, les équations de Saint-Venant
sont des équations à dérivées partielles hyperboliques qui décrivent la conservation de la masse et
de la quantité de mouvement dans un écoulement de fluide. Après manipulations de celles-ci pour
un canal prismatique sans apports latéraux, les systèmes d’équations aux dérivées totales des
caractéristiques sont :

O9 , O&
+ = , QR − QA (1)
O+ P O+
U#
ST =9+P (2)
U+
Et,
O9 , O&
− = , QR − QA (3)
O+ P O+
U#
ST =9−P (4)
U+

Avec, V la vitesse de l’écoulement, c la célérité de l’onde, So la pente naturelle du canal, Sf la

pente de la ligne d’énergie, x la position longitudinale dans le canal, t le temps et g l’accélération
de la gravité.

L’équation (2) représente les courbes caractéristiques positives (C+), tandis que l’équation (4) est
celle des courbes caractéristiques négatives (C-) (figure 3.1)

Figure 3.1 : Caractéristiques positive et négative, régime fluvial (Chaudhry, 2007)

 57

Dans le cas d’un régime fluvial, une onde peut se propager à l’aval comme à l’amont, alors que
pour un régime torrentiel l’onde ne peut que se déplacer dans le sens de l’écoulement. Pour mieux
visualiser ce concept, on peut faire l’expérience d’un pavé dans un cours d’eau : si les ondes créées
ondulent dans le sens de l’écoulement (C+) et dans le sens contraire (C-) par rapport à un point fixe
alors le régime est fluvial ; tandis que si les ondes se propagent uniquement dans le sens de
l’écoulement alors le régime serait torrentiel.

Figure 3.2 : Caractéristiques pour les régimes fluvial, torrentiel et critique (Chaudhry, 2007)

La figure 3.2 présente les courbes caractéristiques pour les différents régimes d’écoulement, le
point P étant la position à laquelle on cherche la vitesse de l’écoulement et la hauteur d’eau. La
zone formée en dessous des courbes caractéristiques est alors appelée zone de dépendance, en effet
tous les points appartenant à cette zone sont influencés par les courbes caractéristiques. Il devient
alors clair que, pour un régime fluvial, l’écoulement à une position fixe dans l’espace est influencé
par l’amont ainsi que par l’aval, alors qu’un régime torrentiel n’est dépendant que de la région
amont.

Il est donc important de savoir si l’écoulement en un point relativement proche d’une condition
frontière aval est dépendant de celle-ci, particulièrement s’il est un point d’intérêt ou de validation
du modèle.
 58

3.2 Barrage de Tous

Dans le cadre de l’étude sur le bris du barrage de Tous et de l’inondation de la ville de Sumacarcel
qui s’ensuivit, il n’existe pas de structure de contrôle ou la condition frontière aval peut être fixée
sans équivoque. De surcroît, le régime d’écoulement au niveau de la ville lors de l’événement ne
peut être identifié, en effet d’après Alcrudo (2007) aucune observation concrète ne permet de tirer
une conclusion sur l’état du régime, la ville ayant été évacuée préalablement au bris.

Ville

Condition frontière aval

Figure 3.3 : Bathymétrie 1982

Les données bathymétriques (Digital Terrain Model, DTM) de 1982, figure 3.3, mettent en lumière
la proximité de la ville par rapport au tronçon aval où la condition doit être fixée, ce qui complique
a fortiori la modélisation, la ville étant plus encline à se trouver dans la zone d’influence de la
condition limite aval. Ainsi seul le segment identifié sur la figure 3.3 peut faire office de condition
 59

frontière sur ce DTM, bien qu’aucune information n’y soit disponible quant à l’évolution du niveau
d’eau au cours de l’inondation et que celui-ci s’étend sur près de 700m.

Ville

Condition frontière aval

Figure 3.4 : Bathymétrie 1998

Le DTM de 1998, figure 3.4, est en revanche plus étendu à l’aval, ce qui donne plus de chance au
modélisateur de sortir la ville de la zone d’influence de la condition limite. Le bémol de ce DTM
est que la région entre la ville et la section la plus à l’aval est principalement une plaine, c’est
pourquoi le segment de la condition limite est disposé au seul emplacement présentant une vallée
jugée assez profonde pour faire transiter l’hydrogramme de crue, en fermant le modèle de sorte que
 60

l’eau ne puisse passer autre part qu’à cette section. Cet emplacement a aussi le bénéfice de
permettre l’impression d’un hydrogramme de sortie plus fiable.

De surcroît, un des objectifs de cette étude est de prouver que la méthode développée, afin
d’identifier la condition frontière aval lorsqu’aucune structure de contrôle n’existe, produit des
résultats satisfaisants. Ainsi, en limitant le modèle plus haut, cela permet de préserver une marge à
l’aval afin de non seulement valider la condition frontière obtenue par cette nouvelle méthode, mais
aussi de justifier une nouvelle fois l’indépendance des caractéristiques de l’écoulement dans la ville
vis-à-vis de la condition limite.

3.3 Publications antécédentes

Trois articles ont été publiés sur la modélisation de la propagation de l’inondation suite à la rupture
du Barrage de Tous, soit Mignot et Paquier (2004), Soares-Frazao et Zech (2004) et Mullet et
Alcrudo (2004).

Mignot et Paquier (2004) font le choix d’utiliser le DTM de 1982 et ajoute la section aval à la ville
du DTM 1998, ce qui en quelque sorte en fait un hybride en prenant les données terrain relevées
juste après l’inondation, se rapprochant donc plus de la situation réelle, ainsi que le terrain aval
important pour éviter que la ville ne soit influencée par la condition frontière aval. La bathymétrie
de 1982 présente cependant certaines zones de sédimentation importantes dues à la crue qui sont
clairement identifiable sur les photographies.

Les modélisateurs utilisent une condition aval fixe caractérisant un écoulement critique (Froude =
1) à un segment qu’il place le plus à l’aval possible du DTM. Cependant les auteurs ne font pas
d’analyse de sensibilité étendue sur l’emploi de ce type de condition. Leur approche consiste à
comparer les niveaux d’eau pour deux types de maillage, fin et grossier, et étant sensiblement
identiques ils en concluent que la condition frontière n’a pas d’influence sur l’inondation de
Sumacarcel.

Le deuxième article, Soares-Frazao et Zech (2004), utilise quant à eux une condition frontière aval
transmissive, soit le contraire d’une condition réflective, les ondes sont ainsi transitées par la
 61

condition aval sans réflexion sur celle-ci, une option non disponible dans SRH-2D et donc non
vérifiable par cette étude.

Les auteurs rapportent des résultats qu’ils qualifient d’acceptables pour le DTM 1998, sans pour
autant présenter leurs analyses. Le DTM de 1982 n’apportant pas de résultats satisfaisant pour cette
condition limite, ils ont eu recours à l’introduction d’une fosse là où la bathymétrie s’arrête, ce qui
revient donc à l’utilisation d’une condition critique pour l’aval.

Enfin, l’article de Mullet et Alcrudo (2004) ne fait qu’effleurer la question et les auteurs ne présente
pas leurs méthodes de détermination de la condition aval, conseillant plutôt les futurs modélisateurs
d’employé la condition qui leur sied le mieux.

Il est important de noter que les modèles de ces trois publications rapportent un régime
d’écoulement fluvial dans les alentours de la ville et proche de la condition frontière aval.

3.4 Méthodologie
En l’absence d’une structure de contrôle à l’aval, il n’est donc pas possible pour un modélisateur
de recréer les conditions exactes du passage d’un hydrogramme sur une région, ne connaissant ni
le régime d’écoulement ni la restriction sur le cours d’eau que la condition frontière aval va
imposer.

Il se pose alors un choix difficile sur le type de condition limite à adopter pour ne pas influencer
des points d’intérêts dans la simulation. Le choix peut se porter sur une hauteur d’eau fixe à la
sortie, sur une hauteur d’eau caractéristique du régime d’écoulement critique, ou bien sur une
relation reliant le débit à la hauteur d’eau, aussi appelée courbe de tarage.

Le choix d’une hauteur d’eau fixe, bien que discutable car ne pouvant représenter les conditions
réelles, peut apporter une plus grande stabilité au modèle dans le cas où celle-ci est fixée
adéquatement. Cependant cette option omet une caractéristique importante, à savoir la nature non
permanente de l’écoulement. Comme il a été présenté dans la méthode des caractéristiques, la zone
d’influence de la condition aval est dépendante de la vitesse de l’écoulement. Pour un écoulement
non permanent, cette zone varie donc dans le temps, ce qui n’est pas représentable par l’emploi
d’une ligne d’eau fixe à la sortie.
 62

L’emploi d’une condition frontière critique, bien qu’elle ait prouvée des résultats satisfaisants pour
Mignot et Paquier (2004), n’est pas disponible sous SRH-2D. Par rapport à une ligne d’eau fixe,
celle-ci a le bénéfice de varier dans le temps pour respecter la condition voulant que les forces
d’inertie soient égales aux forces gravitationnelles, c’est-à-dire pour Froude=1. Cette condition
varie donc en fonction du débit dans le temps. Cependant, elle est irréelle dans la mesure où
l’écoulement n’est sûrement pas critique au niveau de la condition frontière.

La condition frontière imposant une hauteur d’eau normale au niveau de la section de sortie n’est
également pas une option disponible dans SRH-2D. Celle-ci se base sur l’équation de Manning
pour évaluer la hauteur d’eau normale en fonction du débit. Ses limitations sont donc dues à
l’emploi de l’équation de Manning, dont les hypothèses sont l’uniformité et la permanence de
l’écoulement, ce qui ne peut être évidemment pas le cas dans cette étude.

Enfin, la méthode qui établit une relation entre le débit et la hauteur d’eau au niveau de la condition
frontière aval semble être la plus adéquate. Il en revient donc à établir les courbes de tarages qui
seront par la suite appliqués sur la condition limite.

La méthode de détermination des courbes de tarage est présentée ci-dessous :

- Tracer le profil longitudinal de la section frontière.

- Fixer une hauteur d’eau
- Décomposer l’aire totale (méthode des trapèzes). Figure 3.5
- Calculé l’aire mouillée A et la largeur de la surface libre B, par addition des sections
trapézoïdale
- Faire le choix d’un nombre de Froude
- Détermination du débit correspondant à la hauteur d’eau pour le nombre de Froude
sélectionné, selon l’équation :

Z4 ×\ ,×]^
XY 4 = ↔ Z= XY 4
,×]^ \

- Reprendre la méthode pour différentes hauteurs d’eau afin d’obtenir une courbe de tarage,
soit le débit en fonction de la hauteur d’eau
 63

Figure 3.5 : Détermination courbe de tarage

La courbe de tarage est ensuite appliquée à la condition frontière aval. Il en revient alors au logiciel
de traitement, SRH-2D, de faire en sorte que le débit évacué du modèle correspond à la hauteur
d’eau sur le segment limite. Cette technique a donc le bénéfice de prendre en compte la variabilité
de la hauteur d’eau et du débit évacué en fonction de l’hydrogramme arrivant dans la région. Le
modélisateur doit alors faire un choix réfléchi et validé par les simulations sur le nombre de Froude
à adopter pour la condition aval.

L’inconvénient d’une telle méthode réside dans le fait qu’elle ne prend pas en compte la variabilité
possible du nombre de Froude dans cette région. Elle ne peut donc être considérée comme
représentative de l’évènement réel. Le modélisateur peut néanmoins avoir recours à plusieurs
nombres de Froude sur l’évaluation de la courbe de tarage en la fragmentant, ou bien en utilisant
différentes courbes de tarage, chacune convenant pour une période distincte. Cela nécessite tout de
même un effort de calibration et donc de posséder des données d’observation faite sur le terrain
lors de l’évènement de crue. Cette variation de la technique peut être une solution viable pour le
DTM de 1982, la condition frontière étant proche de la ville et donc de points d’intérêt, mais n’est
peut-être pas nécessaire pour celui de 1998, Sumacarcer étant probablement hors de la zone
d’influence de la condition limite sur cette bathymétrie. Cette technique de définition de la
condition frontière aval semble être la plus adaptée dans le cadre de l’étude sur le logiciel de
traitement SRH-2D.
 64

3.5 Description des modèles

Les sections précédentes mettent en lumière la difficulté qu’impose le choix d’une condition
frontière aval dans les modèles hydrodynamiques, ainsi que leurs limitations quant aux cas réels
principalement dus à la zone d’influence qu’elles impliquent.

La conclusion de l’analyse de différents types de conditions limites en parallèle avec le logiciel

SRH-2D fut que l’application d’une courbe de tarage, fonction d’un nombre de Froude, fixé par
l’opérateur semble la plus adaptée. Ceci dans l’optique ou la bathymétrie n’offre aucune structure
de contrôle du débit. Cette technique sera alors comparée à l’emploi d’une ligne d’eau fixe appliqué
à la sortie du modèle.

L’analyse de cette section se portera principalement sur le DTM 1998, celui-ci offrant une
meilleure disposition à ne pas influencer la zone urbaine par l’application de la condition limite, et
permettant la validation de la méthode présentée dans ce mémoire.

3.5.1 Problématique des courbes de tarage sous SRH-2D

L’application d’une courbe de tarage (RC) sur la condition frontière aval dans SRH-2D s’est
montrée plus fastidieuse que prévu. En effet, certaines instabilités du logiciel quant à l’emploi
d’une telle condition ont compliqué son application.

Ainsi utiliser une courbe de tarage partant du point le plus bas du profil longitudinal du segment
aval ne satisfait pas l’algorithme de SRH-2D, qui considère alors la condition comme
infranchissable. L’eau est alors accumulée dans le modèle, qui agit dès lors comme un réservoir en
phase de remplissage, et ne peut donc en aucun cas être acceptable pour l’étude.

Après de multiple tentative et de permutation possible pour faire fonctionner la condition dans
l’algorithme de calculs, la solution trouvée fut d’augmenter le premier niveau de la courbe de tarage
intégrer dans SRH. Par exemple, si le niveau le plus bas du profil longitudinal est de 35m, la courbe
de tarage n’est prise en compte que pour un premier niveau fixé à 37m. Le modèle stockerait alors
le volume d’eau arrivant jusqu’à atteindre cette hauteur, et évacue normalement le débit
conformément à la courbe de tarage par la suite. Aucune explication sur le pourquoi de cette
 65

particularité n’a été trouvée, la conclusion de l’auteur étant que celle-ci provient sûrement du code
du logiciel SRH-2D.

Un nouveau problème est alors soulevé : à partir de quel niveau d’eau la courbe de tarage doit-elle
être montée pour satisfaire l’algorithme de calcul ? S’en suivent alors des variantes de simulation
pour tester cette hypothèse, présenter dans la suite de cette étude.

3.5.2 Construction et particularités des modèles

Sept différents modèles avec itérations sur le nombre de Froude ont alors été montés, pour un total
de 43 simulations complétées, afin de déterminer la condition frontière aval la plus adaptée. Ils se
nomment WSE fixe, NfrXX, MfrXX_02, MfrXX_03, MfrXX_04, MfrXX_05 et RfrXX (les XX
représentant une itération sur le nombre de Froude) ; leurs particularités sont présentées ci-dessous
et résumées dans le tableau 3.1.

Afin de présenter une analyse consistante, toutes les simulations sont effectuées sur la bathymétrie
1998 avec un pas de temps de 1s pour les 11 premières heures, puis avec un pas de temps de 0.25
seconde de 11h à la fin de l’évènement. Le coefficient de Manning est le même sur toute la région,
soit n=0.02. Les temps de calculs sur tous les modèles est équivalent, soit environ 16h.

3.5.2.1 Modèle WSE fixe

Le modèle WSE applique une condition de niveau fixe au segment aval. Afin de pouvoir comparer
l’influence de celle-ci, plusieurs simulations ont été exécutées en faisant varier la ligne d’eau pour
des niveaux de 39, 40, 42, 44, 45 et 46 mètres.

3.5.2.2 Modèle NfrXX

Le profil longitudinal du terrain à la section aval pour ce modèle est présenté en figure 3.6. Celle-
ci n’a pas été modifiée et représente le terrain naturel donné par la bathymétrie. Une densification
du maillage est appliquée proche de la frontière.
 66

Les courbes de tarage pour cette section sont présentées en figure 3.7. Neuf simulations ont été
exécutées sur ce modèle, ayant pour seule différence l’une à l’autre la courbe de tarage appliquée.
Les nombres de Froude utilisé pour les courbes de tarage sont : 0.6, 0.7, 0.8, 0.9, 1.0, 1.1, 1.2, 1.3
et 1.5 ; correspondant respectivement aux simulations Nfr06, Nfr07, Nfr08, Nfr09, Nfr10, Nfr11,
Nfr12, Nfr13 et Nfr15.

55

50
Hauteur (m)

45

40

35

30
0 50 100 150 200 250 300 350 400 450
Longueur (m)

Figure 3.6 : Profil longitudinal à la section frontière du modèle NfrXX

40000

35000
Fr=0,6
30000
Fr=0,7
25000 Fr=0,8
Débit (cms)

20000 Fr=0,9

15000 Fr=1

Fr=1,1
10000
Fr=1,2
5000
Fr1,3
0
Fr=1,5
35
35,6
36,2
36,8
37,4
38
38,6
39,2
39,8
40,4
41
41,6
42,2
42,8
43,4
44
44,6
45,2
45,8
46,4
47
47,6
48,2
48,8

Hauteur d'eau WSE (m)

Figure 3.7 : Courbes de tarage appliquées aux modèles NfrXX et RfrXX

 67

3.5.2.3 Modèle MfrXX_02

Le modèle MfrXX_02 a pour différence par rapport au modèle NfrXX l’altération du terrain
directement à l’amont de la condition limite, comme le montre la figure 3.9. Le profil longitudinal
de la nouvelle section est quant à lui présenté en figure 3.10. Les courbes de tarage correspondant
à ce profil sont affichées dans la figure 3.11.

L’altération du terrain au niveau de la condition limite est motivée par la difficulté de SRH-2D
d’évacuer sur toute le segment défini par l’utilisateur lorsque celui-ci est irrégulier. Cet aspect est
visualisable sur la figure 3.8. La condition limite n’y est que partiellement exploitée, SRH-2D
n’utilisant pas sa portée totale. Cela peut
causer un gonflement de la région amont, la
condition limite agissant comme un entonnoir,
et peut aussi impliquer la divergence du
modèle, comme le montre l’élévation
physiquement impossible de la figure 3.8 au
nœud entouré.

Aplanir la zone limitrophe au segment limite

aval permet de résoudre ces problèmes, son
impact sur les résultats sera évalué dans ce
chapitre.
Figure 3.8 : Exploitation partielle du segment aval

Ce modèle est aussi créé pour évaluer l’impact d’un profil longitudinal sur les résultats de
simulation et sur la zone d’influence. Les courbes de tarage injecté au modèle commencent à
l’élévation 37m, soit environ 2m au-dessus du point le plus bas.

Les nombres de Froude utilisé pour les courbes de tarage sont : 0.6, 0.8, 1.0, 1.2 et 1.5 ;
correspondant respectivement aux simulations Mfr06_02, Mfr08_02, Mfr10_02, Mfr12_02 et
Mfr15_02.
 68

Figure 3.9 : Élévation terrain zone avale pour Nfr (gauche) et Mfr (droite)

50
48
46
44
Hauteur (m)

42
40
38
36
34
32
30
0 50 100 150 200 250 300 350 400 450
Longueur (m)

Figure 3.10 : Profil longitudinal à la section frontière des modèles MfrXX et RfrXX

60000

50000
Fr=0,6
40000
Débit (cms)

Fr=0,8
30000 Fr=1

20000 Fr=1,2

Fr=1,5
10000

0
35
35,7
36,4
37,1
37,8
38,5
39,2
39,9
40,6
41,3
42
42,7
43,4
44,1
44,8
45,5
46,2
46,9
47,6
48,3
49
49,7

Hauteur d'eau (m)

Figure 3.11 : Courbes de tarage appliquées aux modèles MfrXX

 69

3.5.2.4 Modèle MfrXX_03

Le Modèle MfrXX_03 est le même que MfrXX_02, avec pour seule différence le premier pas des
courbes de tarage placer ici à 38m, soit 3m au-dessus du point à élévation minimal du profil
longitudinal. Les nombres de Froude utilisé pour les courbes de tarages sont les mêmes que pour
le modèle MfrXX_02.

3.5.2.5 Modèle MfrXX_04

Même cas que MfrXX_02 avec le premier pas des courbes de tarage à 36m soit 1m au-dessus du
point le plus bas.

3.5.2.6 Modèle MfrXX_05

Le modèle diffère de MfrXX_02 par l’espacement des pas dans le fichier de la courbe de tarage.
Espacés dans les autres modèles de 0.2m, ils le sont pour celui-ci de 0.1m.

3.5.2.7 Modèle RfrXX

Ce modèle reprend le même terrain que les modèles MfrXX, cependant les courbes de tarage
appliqué à la condition frontière aval sont celles du terrain naturel, soit les mêmes que pour NfrXX.
 70

3.5.3 Synthèse des caractéristiques par modèles

Tableau 3-1 Caractéristiques des modèles

Modèle Paramètre DTM Profil Courbes de Premier pas RC

tarage (RC)
Varié Longitudinal

WSE Ligne d’eau 1998 Fig. 6 -- --

NfrXX Froude 1998 Fig. 9 Fig. 7 Dès Q >500mcs

MfrXX_02 Froude 1998 Fig. 9 Fig. 10 37 m

MfrXX_03 Froude 1998 Fig. 9 Fig. 10 38 m

MfrXX_04 Froude 1998 Fig. 9 Fig. 10 36 m

MfrXX_05 Froude 1998 Fig. 9 Fig. 10 37 m

RfrXX Froude 1998 Fig. 6 Fig. 7 Dès Q >500mcs

Toutes les simulations sont effectuées sur la bathymétrie 1998 avec un pas de temps de 1s pour les
11 premières heures, puis avec un pas de temps de 0.25 seconde de 11h à la fin de l’évènement. Le
coefficient de Manning est le même sur toute la région, soit n=0.02 s/[m1/3].

3.6 Résultats
Les simulations sont comparées selon la hauteur d’eau en différents points, l’hydrogramme de
sortie, l’adéquation aux courbes de tarage ainsi que sur les résidus de calculs, comme présentées
dans les sections suivantes.

3.6.1 Hauteurs d’eau sur 5 points par modèle

Afin de procéder à l’analyse des résultats sur les différentes itérations du nombre de Froude,
appliquée sur les différents modèles, et donc de pouvoir les comparer, cinq points ont été placés le
long du cours d’eau (figure 3.12), ce qui permet de visualiser les hauteurs d’eau en fonction du
temps pour toutes les simulations. Ainsi l’influence de la condition aval pourra être pondérée.
 71

Figure 3.12 : Position des points de mesure

Un exemple de lignes d’eau obtenues du modèle Mfr_02 au point 3 est présenté dans la figure
suivante. Tous les résultats en ces 5 points pour chaque modèle sont présentés dans l’annexe A
figure A.2 à A.18.

Point 3
51
49 Point 3 - m15_02 wse
Hauteur d'eau (m)

47 Point 3 - m12_02 wse

45 Point 3 - m10_02 wse
43 Point 3 - m08_02 wse
41 Point 3 - m06_02 wse
39
0 5 10 15 20 25 30 35 40 45
Temps (hr)

Figure 3.13 : WSE Point 3 - Modèle Mfr_02

L’évolution des lignes d’eau dans le temps et dans l’espace nous informe de l’étendue de la zone
de dépendance, mais peut aussi être un indicateur de validité d’une simulation, des hauteurs d’eau
variant chaotiquement dans un court laps de temps étant physiquement impossible.

Lorsque les lignes d’eau sont assez confondues en un même point, il est alors prouvé que la
condition limite aval n’a plus d’influence sur ce point et sur ceux plus en amont. Comme il a été
 72

vu dans la revue de littérature, la zone de dépendance dépend de la vitesse de l’écoulement ; plus

le débit est important, plus les points indépendants de la limite sont à l’amont. La figure 3.13
représente bien ce concept, les débits plus faibles démontrant un affranchissement à la condition
limite au point 3, alors qu’aux débits maximaux les lignes d’eau entre simulations se dissocient.
Cette étude portant sur la propagation des inondations en milieu urbain, l’évaluation des hauteurs
d’eau maximales est indispensable, ce sont donc pour ces forts débits que les courbes doivent être
confondues. Afin de mieux discerner les écarts entre courbes un zoom entre la douzième et dix-
huitième est présenté pour chaque modèle en figure dans l’annexe A. (figure 3.14)

Point 3
51
Point 3 - m15_02 wse
Hauteur d'eau (m)

49
Point 3 - m12_02 wse
47 Point 3 - m10_02 wse
Point 3 - m08_02 wse
45
Point 3 - m06_02 wse
43
12 13 14 15 16 17 18
Temps (hr)

Figure 3.14 : Exemple de zoom de la fig. 3.13 sur le tracé des lignes d'eau

Une comparaison entre les mêmes nombres de Froude sur les différents modèles est également
présentée en figure A.15 à A.19 de l’annexe A pour les mêmes points d’observation.

3.6.2 Courbe de tarage

Il revient à l’algorithme de SRH-2D de satisfaire la courbe de tarage fixé en condition limite aval,
c’est-à-dire que le programme doit évacuer un débit spécifique en fonction de la hauteur d’eau à
chaque pas de temps sur toute la durée de simulation.

La courbe de tarage expérimentale est ainsi tracée pour chaque résultat de simulation et comparée
avec la courbe de tarage théorique ; si ces courbes sont confondues alors le modèle peut être
considéré valide (figure 3.15), l’inverse peut prouver une condition limite inadaptée à l’écoulement
(figure 3.16).
 73

20000
17500
15000
Débit (cms)

12500
10000
7500
RC
5000
2500 fr = 0.6

0
38 40 42 44 46 48 50 52
Hauteur d'eau (m)

Figure 3.15 : exemple de courbe de tarage valide

20000
17500
15000
Débit (cms)

12500
10000
7500
RC
5000
WSE
2500
0
38 40 42 44 46 48 50 52
Hauteur d'eau (m)

Figure 3.16 : exemple de courbe de tarage inadaptée

3.6.3 Hydrogramme de sortie

L’hydrogramme de sortie est obtenu des fichiers résultats de SRH-2D. Les modèles rejetés sont
ceux dont l’hydrogramme est physiquement impossible, variant amplement d’un pas de calculs à
un autre (figure 3.18) ; ceux acceptés présentent un hydrogramme relativement lisse (figure 3.17).
Les créateurs de SRH-2D conseillent dans leur manuel d’utilisation de privilégier l’étude de
l’hydrogramme de sortie afin de caractériser la stabilité d’une simulation (Lai 2008).
 74

20000,00
fr = 0.6
15000,00
Débit (cms)

10000,00

5000,00

0,00
0,00 5,00 10,00 15,00 20,00 25,00 30,00 35,00 40,00 45,00
Temps (hr)

Figure 3.17 : exemple d'hydrogramme de sortie acceptable

20000,00
fr = 0.8
15000,00
Débit (cms)

10000,00

5000,00

0,00
0,00 5,00 10,00 15,00 20,00 25,00 30,00 35,00 40,00 45,00
Temps (hr)

Figure 3.18 : exemple d'hydrogramme de sortie instable

3.6.4 Résiduels

Les résidus représentent ici la somme en valeurs absolues des résidus, à chaque cellule de maillage,
de la résolution des équations gouvernantes. Ils caractérisent les erreurs relatives de continuité et
sur les deux équations de vitesse tout au long du calcul. Les erreurs peuvent être causées par de
nombreux facteurs, mais sont principalement dues aux zones de cellules couvrantes/découvrantes.

Lors de l’exécution de SRH-2D, un graphique des résiduels est affiché qui enregistre l’historique
des résidus des équations de l’algorithme et qui permet aussi de suivre son l’évolution et sa stabilité,
résidus et stabilité étant corrélés ; plus les résidus sont importants, moins la simulation converge
vers une solution stable. Selon les concepteurs de SRH-2D, il est difficile de définir les cellules qui
engendrent des résidus, ils sont le plus souvent situés aux zones de mouillage/séchage. Malgré la
présence d’un grand nombre de résidus, cela ne signifie pas que la solution finale est divergente,
l’algorithme pouvant rectifier la situation lorsque la simulation est exécutée en non-permanent. Un
 75

exemple de courbe de résidus caractérisant une simulation divergente est présenté en figure 3.19,
alors qu’une convergente est affichée en figure 3.20.

L’ensemble des courbes de résidus pour toutes les simulations de chaque modèle est donné en
Annexe A.

0
-0,5
-1 Fr = 0.6
Log (RESV)

-1,5
-2
-2,5
-3
-3,5
-4
-4,5
0 5 10 15 20 25 30 35 40 45 50
Temps (hr)

Figure 3.19 : exemple de courbe de résidus acceptable

0
-0,5
-1 Fr = 1.5
Log (RESV)

-1,5
-2
-2,5
-3
-3,5
-4
-4,5
0 5 10 15 20 25 30 35 40 45 50
Temps (hr)

Figure 3.20 : exemple de courbe de résidus instable

3.7 Discussions

3.7.1 Modèle WSE fixe

La figure A.2 qui représente les hauteurs d’eau en cinq points au cours de la simulation du bris
montre la limite d’utilisation d’une condition frontière à élévation constante. La zone d’influence
pour des niveaux fixes faibles (39 et 40m) s’étend au-delà de la ville et donc des points d’intérêt
de ce modèle. Pour les débits de plus forte intensité, on remarque cependant un palier se former
pour les lignes d’eau de plus haute élévation en condition aval fixe, et donc la sortie de la zone
d’influence de certains points d’observation. Cependant lorsque les débits sont de plus faible
intensité, l’influence de la condition frontière n’est plus négligeable et les hauteurs d’eau sont alors
irrégulières entre les simulations, la condition aval créant un gonflement de la zone inondé, et donc
un contrôle trop important sur le débit de fuite à une section qui ne devrait pourtant pas en créer.
 76

Ce type de condition frontière aval ne peut donc être validé pour ce modèle. En effet, elle n’est pas
représentative du caractère extrêmement non permanent de cet évènement avec un débit passant de
400 à 15000 m3/s dans un laps de temps relativement court.

Le segment de la condition aval n’étant pas placé au niveau d’une structure de contrôle de débit, la
condition doit représenter la flexibilité de la hauteur d’eau à cette section et dans la zone d’influence
afin de représenter au mieux l’état de l’écoulement lors de cette crue éclair. Le segment aval ne
doit pas être restrictif au débit, il doit transiter l’hydrogramme de crue en influant le moins possible
les points amont, et donc décrire le caractère non permanent de l’écoulement.

Ce type de condition frontière ne sera pas plus discuté dans la suite de cette étude, la zone de
dépendance étant trop étendue.

3.7.2 Modèle NfrXX

Le modèle NrfXX correspond à la représentation de la zone à proximité de la condition frontière

aval de manière non altérée par le modélisateur, soit le terrain naturel. Les courbes de tarages
(figure 3.7) utilisées comme condition au segment aval sont représentatives de ce profil
longitudinal (figure 3.6).

3.7.2.1 Hauteurs d’eau

Les figures A.3 et A.4 présentent les hauteurs d’eau en fonction du temps pour 5 points fixer le
long du cours à proximité de la condition frontière (figure 3.12). Les graphiques montrent
adéquatement l’influence décroissante du segment aval sur les lignes d’eau plus on s’éloigne de
celui-ci ; au point 1 l’écart entre les courbes est significatif alors que les courbes du point 5
présentent des écarts de moins d’un mètre.

Il est intéressant de noter que pour le point 1 (figure A.3) les courbes des nombres de Froude
correspondant au régime fluvial présentent une forme similaire, avec certes des écarts de hauteur
d’eau importants, alors que pour les régimes supposés torrentiels ou critiques (Froude ≥ 1) les
courbes présentent de grandes instabilités, les niveaux d’eau étant très variables sur de courts laps
de temps. Ces instabilités disparaissent sur les courbes lorsque l’on s’éloigne du segment frontière.
 77

La figure A.4 est un zoom sur les lignes d’eau lorsque le débit atteint son paroxysme entre la
douzième et la dix-huitième heure de l’évènement. Les irrégularités des courbes à nombre de
Froude supérieur à 1 sont alors mises en valeur, caractérisées par des changements de hauteur d’eau
abrupte au point le plus proche de la condition, qui devient alors restrictive sur l’écoulement. Les
nombres de Froude caractéristique du régime fluviale sont quant à eux réguliers lors de l’arrivée
du débit maximum. Ces figures tendent à prouver la sortie de la zone d’influence de la condition
frontière aval, la différence de hauteur étant inférieure à 1 m comme montré sur les courbes du
point 5. De surcroît, ces figures renforcent le point de vue d’un régime fluvial de l’écoulement dans
cette zone.

3.7.2.2 Courbe de tarage

La figure A.20 présente les débits calculés par le logiciel de traitement SRH-2D en fonction des
hauteurs d’eau à la condition frontière, ainsi que la courbe de tarage théorique fixé sur celle-ci.

Pour les nombres de Froude inférieur à 1 (régime fluvial), SRH-2D respecte adéquatement la
courbe de tarage fixé à l’aval, excepté sur certains pas de temps pour des débits compris entre 2000
et 2500 m3/s ou les hauteurs d’eau ne sont pas en accord avec la courbe de tarage théorique.

Pour les courbes de tarage caractéristiques d’un régime torrentiel et critique, l’instabilité est en
revanche évidente, le nuage de points autour de la courbe de tarage théorique est un indice de non-
conformité de la condition frontière sur l’écoulement et particulièrement son régime, le logiciel de
traitement ne pouvant respecter celle-ci adéquatement.

Ces courbes renforcent encore la présomption d’un régime fluviale au courant de l’évènement dans
cette zone.

3.7.2.3 Hydrogramme de sortie

Selon la documentation fournie sur le logiciel de traitement SRH-2D, les créateurs conseillent de
caractériser la convergence d’une simulation par l’étude de l’hydrogramme de sortie sur le modèle.

Ainsi, la figure A.26 présentant les hydrogrammes de sortie à la condition frontière aval prouve le
postulat que l’écoulement dans cette zone est caractéristique d’un régime fluvial. En effet, les
hydrogrammes de sortie pour les nombres de Froude supérieur à 1 sont extrêmement instables, les
débits de sortie variant excessivement sur de très courtes durées, ce qui est physiquement
 78

impossible. Tandis que les courbes pour des nombres de Froude inférieur à 1 sont relativement
fiables.

Deux intervalles soumettent cependant des doutes, à savoir entre 6h et 8h (débit allant de 1800 à
2700 mcs) et de 13h30 à 16h (débit entre 14700 et 13300). La courbe de l’hydrogramme y est
irrégulière, bien que ces irrégularités ne semblent pas être caractéristiques d’une instabilité
handicapante telle que pour le régime supposé torrentiel.

Il est intéressant de noter que pour l’intervalle de 6h à 8h les courbes du régime torrentiel sont
stables, ce qui laisse penser que sur ce laps de temps le régime est caractérisé par un nombre de
Froude supérieur à 1, et donc par un régime torrentiel. De plus, il semble que la déviation à la
courbe de tarage théorique sur la figure A.20 pour Fr=0.6 et Fr=0.8 décrie précédemment,
correspond à cette instabilité entre la sixième et huitième heure de l’évènement, les débits calculés
par rapport aux hauteurs d’eau déviant de la courbe de tarage théorique.

Le pic que l’on retrouve à la onzième heure provient du "Hot start" de la simulation, soit le passage
d’un pas de temps de 1s à un pas de 0.25s à cette heure-ci.

3.7.2.4 Résidus de calculs

Les courbes de résidus en fonction du temps de l’évènement de crue (figure A.32) confirment elles
aussi la meilleure convergence des simulations avec les courbes de tarage caractéristique d’un
écoulement fluvial vers la zone de la condition frontière aval.

Bien que le régime de l’écoulement soit variable dans la zone à proximité de la condition frontière
aval, l’hypothèse formulée par Alcrudo et Mullet (2007) qui supposent un régime fluvial en aval
de la ville de Sumacarcer semble être vérifiée par cette étude.

3.7.3 Modèle MfrXX_02

Le modèle Mfrxx_02 a été conçu pour déterminer l’influence de la topographie de la zone à

proximité de la condition aval sur les calculs hydrodynamique et sur la stabilité des simulations
(cf. section 3.2.3).
 79

3.7.3.1 Hauteurs d’eau

Tel que pour le modèle NfrXX, les hauteurs d’eau en fonction du temps pour les cinq simulations,
ayant des courbes de tarage fixé en condition frontière aval caractéristique de nombres de Froude
de 0.6, 0.8, 1.0, 1.2 et 1.5, sont évaluées sur les mêmes 5 points d’observation (figure 3.12).

Les courbes de hauteurs d’eau au point 1 (figure A.5) présentent des irrégularités importantes pour
les nombres de Froude supérieurs à 1, donc pour une présomption de régime torrentiel à sa
proximité. Cependant, il est intéressant de noter que la zone d’influence de la condition frontière
est réduite par rapport au modèle NfrXX dont la topographie est non altérée au niveau du segment
aval. En effet, sur la figure A.5 les courbes du point 2 sont presque similaires, exceptées pour
l’intervalle ou le débit traversant la condition frontière est maximum. Le zoom offert par la figure
A.6 sur cet intervalle montre de faibles différences de hauteur d’eau entre les simulations, cette
dissimilitude pouvant être due à l’instabilité de certaines simulations.

La conclusion peut tout de même être faite que la ville est hors de la zone d’influence de la
condition frontière aval et que, de surcroît, cette zone semble être plus restreinte que pour le modèle
NfrXX, ce qui amène à déduire l’importance non négligeable de la topographie sur la zone
d’influence de la condition frontière aval.

3.7.3.2 Courbes de tarage

L’adéquation entre courbes de tarage théorique et résultats de simulation est présentée en figure
A.21.

Il est dès lors possible de constater l’accord remarquable pour un nombre de Froude de 0.6, les
résultats de débits évacués par rapport à la hauteur d’eau étant en concordance presque parfaits
avec la courbe de tarage théorique pour ce Froude.

Les simulations pour les nombres de Froude supérieurs ou égales à 1 sont quant à elles
caractéristiques de discordances entre les résultats et la condition voulue pour ces régimes.

L’harmonie présentée par le résultat de Fr=0.6 en fait donc le candidat préférentiel pour ce modèle
aussi.
 80

3.7.3.3 Hydrogrammes de sortie

Comme pressenti par les conclusions du paragraphe précédent, l’unique courbe caractéristique
d’une convergence de simulation est celle pour le nombre de Froude fixé à 0.6. Toutes les autres
courbes présentent des variations de débit au segment limite physiquement impossible. (Figure
A.27)

Il est aussi important de noter que l’instabilité découverte dans la simulation du modèle NfrXX
pour le même nombre de Froude (0.6) entre l’intervalle 6h/8h n’est ici pas présente, bien que celle
entre 13h30/16h soit toujours d’actualité.

Le modèle MfrXX_02 semble donc présenter une meilleure convergence pour une courbe de tarage
caractéristique d’un écoulement fluvial avec Fr=0.6 que pour le même régime sur le modèle
NfrXX.

3.7.3.4 Résidus de calculs

De manière consistante aux conclusions précédentes, la courbe de résidu pour Fr=0.6 sur la figure
A.33 est la plus stable par rapport aux nombres de Froude plus élevée.

Ce modèle avance encore l’hypothèse d’un écoulement fluvial dans la zone aval à la ville lors de
l’événement qui causa le bris du barrage Tous. De plus, la simulation pour une courbe de tarage
évalué avec un Froude de 0.6 offre une meilleure stabilité de calcul et de résultats par rapport au
modèle NfrXX, ainsi qu’une zone d’influence de la condition frontière plus restreinte. Elle
s’impose dès lors comme la meilleure candidate pour la détermination de la condition frontière
aval.

3.7.4 Modèle MfrXX_03

Le modèle MfrXX diffère du modèle MfrXX_03 par l’élévation du premier pas de la courbe de
tarage appliqué à la condition frontière aval. Celle-ci est relevée à 38m, soit 3m au-dessus du fond
de la rivière à cet endroit.
 81

3.7.4.1 Hauteurs d’eau

Les courbes des figures A.7 et A.8 représentent les hauteurs d’eau aux mêmes 5 points
d’observations en fonction du temps.

Les hauteurs d’eau au point 1 présentent des variations importantes pour toutes les simulations
caractérisant un régime fluvial, critique et torrentiel à la zone aval. Cependant en comparaison aux
simulations du modèle MfrXX_02, la zone d’influence semble encore réduite, les écarts entre les
courbes étant quasi inexistants à partir du point 2.

Sur ce modèle, il est possible de conclure que les hauteurs d’eau au niveau de la ville ne sont pas
influencées par la condition frontière aval.

3.7.4.2 Courbes de tarage

La figure A.22 offre un résultat inattendu pour les simulations de ce modèle. En effet, bien que les
deux modèles précédents aient sorti des résultats analysés comme adéquats pour les conditions
frontières caractéristiques à un régime fluvial, l’analyse ici des figures de courbes de tarage
théorique et simulé offre une tout autre interprétation.

Toutes les simulations divergent des courbes de tarage théorique, et de surcroît la divergence est
plus prononcée pour les nombres de Froude plus faibles. Ce résultat est inattendu et l’anomalie
découle dès lors de l’élévation du premier pas de la courbe de tarage dont l’influence sur la stabilité
des simulations semble être confirmée.

3.7.4.3 Hydrogrammes de sortie

En corrélation avec l’analyse des courbes de tarage, toutes les courbes d’hydrogramme de sortie
du modèle MfrXX_03 divergent (figure A.28), ce qui renforce l’idée qu’un premier pas trop élevé
par rapport au point minimal du profil longitudinal influe sur la stabilité du modèle, et donc sur la
validité des simulations bien qu’il ait été prouvé que la zone d’influence n’est pas handicapante
pour des observations au niveau de la ville.

3.7.4.4 Résidus de calculs

La figure A.34 confirme la divergence des simulations du modèle Mfrxx_03. Toutes présentent des
courbes de résidus instable et non conforme.
 82

Il est dès lors possible de conclure que, pour une hauteur de premier pas de la courbe de tarage trop
élevé, les simulations ont tendance à diverger. Il faut donc être prudent lors de l’assignation d’une
courbe de tarage en condition frontière aval, un premier pas trop bas causant la non-prise en compte
de cette condition par le logiciel de traitement, et une trop haute causant des instabilités.

3.7.5 Modèle MfrXX_04

Afin de confirmer l’influence du premier pas de la courbe de tarage attacher à la condition frontière
aval, le modèle MfrXX_04 propose l’analyse pour un premier échelon à 36m, soit 1m au-dessus
du point minimal du profil du segment aval et le plus bas sur tous les modèles créés.

3.7.5.1 Hauteurs d’eau

L’analyse des courbes de hauteur d’eau des figures A.9 et A.10 offre les mêmes conclusions que
les modèles précèdent : la zone d’influence ne pèse pas sur les hauteurs d’eau dans la ville, les
courbes au point 5 étant pratiquement similaire dans le temps.

3.7.5.2 Courbes de tarage

Comme pour le modèle MfrXX_02, seule la courbe pour un nombre de Froude de 0.6 (figure A.23)
prouve l’accord entre la courbe de tarage théorique et les débits calculés par SRH-2D par rapport
à leur hauteur d’eau correspondante.

3.7.5.3 Hydrogrammes de sortie

Les hydrogrammes de sortie confirment la stabilité de la simulation affectant un nombre de 0.6 à

la condition aval, et prouvent l’instabilité des simulations pour des Froude plus élevés (figure
A.29).

3.7.5.4 Résidus de calculs

En cohérence avec les affirmations précédentes, la courbe des résidus de la simulation Fr=0.6 est
la plus constante par rapport aux autres (figure A.35).
 83

Ces simulations ont dès lors prouvé que la zone d’influence a encore été restreinte sur le modèle
MfrXX_04, comme pour l’analyse des modèles précédents. Bien que les courbes de tarage aient
été ramenées à une première élévation plus basse, les résultats obtenus par se modèle sont très
similaire au modèle MfrXX_02. La comparaison entre ces deux modèles sera complétée par l’étude
sur les nombres de Froude commun par la suite.

3.7.6 Modèle MfrXX_05

Le modèle MfrXX_05 a été conçu pour évaluer l’importance de la résolution des courbes de tarage.
Alors que les pas des courbes de tarage des modèles précédent étaient espacés de 0.2m, ils le sont
ici de 0.1m. Comme pour le modèle MfrXX_02 toutes les courbes commencent à 37m.

3.7.6.1 Hauteurs d’eau.

Comme le montrent les figures A.11 et A.12, la zone d’influence reste similaire au modèle
précédent, dans le sens où la ville n’est pas affectée par le type de condition frontière appliqué.

Comparativement au modèle MfrXX_02 sur lequel il est basé, les simulations au point 1 sont moins
stables pour les nombres de Froude 0.8 et 1. Étrangement, la deuxième simulation la plus stable
après celle de 0.6 semble être celle pour Fr=1.5.

3.7.6.2 Courbes de tarage

Excepté pour un seul pas de calcul, la courbe de Fr=0.6 est encore celle qui est le plus en accord
avec la courbe de tarage théorique, les autres ne respectant pas leur condition limite respective.
(Figure A.24)

3.7.6.3 Hydrogrammes de sortie

Encore une fois, seul l’hydrogramme de sortie pour un nombre de Froude de 0.6 présente une
stabilité de calculs acceptable.
 84

3.7.6.4 Résidus de calculs

La stabilité des résidus étant fortement corrélée aux conclusions sur les hydrogrammes de sortie et
sur les courbes de tarage, il est normal que seule la courbe pour Fr=0.6 soit jugée comme
acceptable. (Figure A.36)

L’influence de l’espacement des pas ne peut donc être prouvée juste par deux modèles, les résultats
de simulations ne présentant pas de différence flagrante avec le modèle MfrXX_02. Cette
déduction pouvait être attendue. Le logiciel de traitement SRH-2D procédant à une interpolation
entre les pas du fichier de courbe de tarage, tant que cette dernière ne varie pas chaotiquement entre
les pas les résultats peuvent être attendue comme étant similaire.

3.7.7 Modèle RfrXX

Le modèle RfrXX utilise la bathymétrie modifiée de la zone à proximité de la condition frontière

aval, mais y fixe les courbes de tarage établi sur le terrain naturel.

Ce modèle est utilisé pour évaluer la sensibilité de la condition frontière par rapport aux limites
fixées. Le premier pas de la courbe de tarage correspond à un débit supérieur à 500mcs.

3.7.7.1 Hauteurs d’eau

La zone d’influence est encore une fois acceptable au niveau de la ville. Les mêmes conclusions
que les autres modèles s’appliquent sur celui-ci. (Figure A.13 et A.14)

3.7.7.2 Courbes de tarage

L’analyse des courbes de la figure 35 montre que seules les conditions pour un nombre de Froude
0.6 et 0.8 adhèrent aux courbes de tarage théoriques. (Figure A.25)

3.7.7.3 Hydrogrammes de sortie

La corrélation entre l’adéquation aux courbes de tarage et la forme des hydrogrammes de sortie
montrée dans les modèles précédents est encore vraie ici. Les hydrogrammes de sortie des
simulations aux Froude supérieures ou égales à 1 présentant des variabilités caractéristiques de
 85

modèles divergent ; tandis que pour ceux représentant un régime fluvial ont une forme acceptable.
(Figure A.31)

3.7.7.4 Résidus de calculs

Les courbes de résidus sont en accord avec les conclusions déjà annoncées dans les sections
précédentes. (Figure A.37)

Il est alors ici intéressant de montrer que c’est encore les conditions propres au régime fluvial qui
sont les seuls apportant stabilité et convergence aux modèles. Les résultats sur ce modèle pouvaient
être attendus, les courbes de tarage basé sur le profil naturel étant plus basses que pour celle du
profil modifié.

3.7.8 Analyse par nombre de Froude similaire

Les figures A.15 à A.19 présentent les hauteurs d’eau au point 2 à 5 pour tous les modèles et les
simulations ayant le même nombre de Froude fixé en condition frontière aval.

À noter que les hauteurs d’eau au point 1 ne sont pas représentées, car la section y est modifiée
entre les modèles, la comparaison entre modèles y serait donc infondée.

3.7.8.1 Froude ≥ 8

Les analyses des sections précédentes ont montré que les simulations portant sur des nombres de
Froude supérieur ou égal à 0.8 en application à la courbe de tarage fixé en condition aval, ne
présentaient pas de résultats satisfaisants au niveau de l’accord entre courbe de tarage théorique et
simulée, hydrogrammes de sortie et résidus de simulation. Ils ne seront donc pas analysés dans
cette section, ayant déjà été rejetés par ces critères.

Les figures A.16 à A.19 montrent néanmoins une sortie de la zone d’influence entre le point 3 et
4. Par conjoncture avec les analyses des modèles, la conclusion peut être faite que, pour toutes les
simulations de tous les modèles, les résultats ne sont pas influencés par la condition frontière aval
à partir du point 4.
 86

3.7.8.2 Froude = 0.6

La figure A.15 présente les résultats de hauteur d’eau aux 4 points d’observation en fonction du
temps pour toutes les simulations des modèles présentant un nombre de Froude de 0.6.

Sur la figure du point 2, on remarque que la simulation Nfr est au-dessus des simulations Rfr et
Mfr. La modification du cours d’eau au niveau de la région proche de la section aval a donc eu
pour conséquence de réduire la hauteur d’eau ; cette affirmation est aussi vraie pour le point 3. La
modification a eu pour conséquence bénéfique de faciliter la stabilité des calculs sur le modèle, le
terrain étant plus aplani, il offre moins de résistance à l’écoulement et favorise son évacuation. Il
est donc légitime que les niveaux d’eau des modèles Mfr soient plus faibles que ceux du modèle
Nfr.

Dans l’ensemble les niveaux d’eau pour les modèles Mfr sont sensiblement similaires, la hauteur
du premier pas du fichier de courbe de tarage est donc négligeable sur les hauteurs d’eau du résultat,
mais comme il a été vu précédemment, a une influence sur la stabilité des calculs.

Les débits de la courbe de tarage de Rfr pour Fr=0.6 sont plus faibles que celle évaluer sur Mfr
pour le même nombre de Froude. Le fait que les hauteurs d’eau du modèle Rfr soient plus élevées
est donc dû au gonflement de la zone inondée provoquée par la restriction qu’oppose la condition
frontière avale à l’évacuation de la crue.

Toutes ces simulations prouvent donc l’importance d’un choix réfléchi de la condition frontière
aval lorsque les données n’offrent pas de structure de contrôle adéquate.

Il revient de cette étude que l’approche par nombre de Froude pour fixer une condition frontière
aval est adéquate. Il faut cependant porter une attention particulière au nombre de Froude choisi
pour l’évaluation de la courbe de tarage ; un Froude trop élevé engendrera des instabilités de calculs
pour le logiciel de traitement, alors qu’un Froude trop faible agira en restriction sur le débit évacué
et provoquera un gonflement de la zone inondé.
 87

3.8 Analyses générales

Cette étude de détermination de la condition frontière aval, dans le cas de la modélisation de
propagation d’inondation en zone urbaine, a permis d’évaluer l’influence de différentes courbes de
tarage fixé comme condition limite sur l’écoulement. Six modèles ont été conçus afin de déterminer
les impacts de différents paramètres de la condition aval sur les simulations. Ainsi l’impact d’un
changement de bathymétrie sur le tronçon aval, la hauteur du premier pas de la courbe de tarage,
l’espacement entre les pas et la forme de la courbe de tarage ont été testés.

Dans le cas d’un régime fluvial, la condition frontière aval influence l’écoulement à proximité de
celle-ci. Dans un premier temps, l’étude a démontré que la crue dans la zone urbaine n’est pas
dépendante de la condition aval, en effet toutes les simulations atteignent relativement les mêmes
niveaux d’eau au cours du temps dans cette région.

Une étude approfondie sur la stabilité et la convergence des simulations a été entreprise afin de
déterminer quel nombre de Froude appliqué pour la détermination des courbes de tarage
correspondait le mieux à l’écoulement lors de cet évènement.

En ce but, l’hydrogramme de sortie a été le meilleur indicatif de convergence des simulations. Les
simulations pour un nombre de Froude de 0,6 ont prouvé être les seuls sur tous les modèles à
satisfaire cette condition. La plus stable étant sur le modèle Mfr, cela prouve qu’aplanir le profil à
proximité du segment aval augmente la convergence des simulations, de plus ce modèle réduit la
zone d’influence.

La convergence est aussi affectée par l’élévation du premier pas de la courbe de tarage, si celui-ci
est trop bas SRH-2D ne considère plus la condition aval et n’évacue pas la crue du modèle, alors
que le mettre trop haut peut rendre le modèle divergent. L’espacement des pas de la courbe de
tarage n’a pas montré d’influence sur les résultats de simulation.

Une analyse a également été entreprise sur la concordance entre les courbes de tarage théorique et
les débits simulés en fonction de la hauteur d’eau correspondante au niveau du segment aval. Cette
étude a montré que les cas d’instabilité des hydrogrammes sont corrélés à l’impossibilité de SRH-
2D d’évacuer le bon débit correspondant à une certaine hauteur d’eau, ceci dans le cas de simulation
à nombre de Froude supérieur ou égale à 1.0, voir pour un Froude de 0.8 sur certains modèles.
 88

Enfin l’étude des courbes de résidus montre encore que les simulations divergentes sont toutes dues
à un régime d’écoulement non approprié au niveau de la condition aval.

Il est donc possible de déduire par toutes ces preuves que le régime d’écoulement au niveau de la
zone d’évacuation est fluvial, plus particulièrement il est caractérisé par un nombre de Froude
proche de 0.6, certaines simulations ayant montré des divergences pour Fr=0.8. Il est toutefois
important de noter qu’un nombre de Froude trop faible agira en restriction sur le débit évacué et
provoquera un gonflement de la zone inondé sur la zone aval, alors qu’un Froude trop élevé amène
à la divergence de la simulation.

Les conclusions de cette étude sont cependant à nuancer par le fait que, dans le cas réel, le nombre
de Froude ne peut être constant durant toute la durée de l’évènement de crue éclair. Les résultats
sont cependant jugés satisfaisants pour la suite de l’étude de propagation de l’inondation dans la
zone urbaine.

Le modèle choisi est Mfrxx_02 pour un nombre de Froude appliqué à la courbe de tarage de la
condition aval de 0.6.

3.9 Validation de la méthode

L’analyse précédente a permis de démontrer que le modèle Mfr06_02 était le plus adéquat pour
représenter la condition frontière aval pour un Froude égale à 0.6, donc en régime fluvial. Comme
énoncé en section 3.2, les modèles comparés sont issus de la bathymétrie 1998 amputée à l’aval
afin de fixer la condition frontière sur un segment présentant une vallée.

Afin de valider la condition frontière adopter, il est possible d’exécuter une simulation sur toute la
superficie offerte par le DTM de 1998 afin d’obtenir l’hydrogramme au niveau du segment aval de
l’étude précédente, ainsi que les courbes de niveau aux mêmes points analysés préalablement, ceci
afin de pouvoir comparer la justesse de la méthode développée. En effet, si la simulation Mfr06_02
offre des caractéristiques d’écoulement similaire à sa condition limite aval par rapport au modèle
étendu, alors il pourrait être conclu que l’écoulement dans cette zone n’est pas influencé par la
 89

condition limite, celle-ci se rapproche alors des conditions réelles et la méthode peut être
considérée comme robuste, au-delà du fait qu’elle prouve l’étendue de la zone de dépendance.

Figure 3.21 : Mappes des modèles. (Gauche) Mfr (droite) modèle étendu

3.9.1 Validation du modèle étendu

Le modèle étendu présente le même dilemme que les modèles étudiés précédemment, la condition
frontière aval ne possède pas de structure de contrôle qui attelle le débit sortant du modèle. La
méthode décrite auparavant est donc appliquée sur ce cas.

Une simulation est exécutée sur le modèle étendu avec pour condition frontière amont
l’hydrogramme de rupture du barrage de Tous, et un nombre de Froude de 0.6 pour la courbe de
tarage appliqué à la condition frontière aval. Le coefficient de Manning appliqué à la région est de
0.02, tel que pour les autres simulations.
 90

La courbe de tarage théorique ainsi que la courbe de tarage simulée sont présentées dans la figure
ci-dessous.

20000
17500
15000
Débit (mcs)

12500
10000
7500
5000
RATING_CURVE
2500
Discharge(cms)
0
33 34 35 36 37 38 39
Hauteur d'eau (m)

Figure 3.22 : courbe de tarage modèle étendu

La figure 3.22 montre que l’algorithme de calculs de SRH-2D a convenablement respecté la courbe
de tarage théorique, aucun point de calcul ne s’éloignant de celle-ci. L’expérience acquise de
l’étude sur les modèles précédents démontre que cette condition frontière peut être jugée comme
acceptable. Aucune étude sur la zone de dépendance n’est nécessaire ici étant donné que la
condition frontière du modèle étendue est à environ 1350m du segment aval du modèle Mfr, qui
est lui-même à une distance de 1250m de la ville ; il est alors admis que la condition frontière aval
du modèle étendu n’influe pas sur les caractéristiques d’écoulement au niveau de l’ancienne
condition aval.

20000

15000
Débit mcs)

10000

5000

0
0 5 10 15 20 25 30 35 40 45 50
Temps (hr)

Figure 3.23 : Hydrogramme de sortie, modèle étendu

 91

La figure 3.23 présente l’hydrogramme de sortie du modèle étendu. En accord avec l’étude sur la
méthode présentée préalablement, bien que la courbe présente une variation non conforme pour les
forts débits, ces divergences ont une influence relative sur les caractéristiques d’écoulement à
proximité de la condition limite, et plus négligeable à l’amont.

Le modèle étendu peut donc être considéré comme convergent et ces résultats peuvent être
comparés à ceux obtenus précédemment pour valider la méthode établie.

3.9.2 Comparaisons du modèle étendu et des modèles restreints

Afin de confirmer la méthode, les informations d’écoulement aux points et au segment de la figure
3.12 sont recueillies sur le modèle étendu par SMS, ceci afin de comparer les modèles sur les
mêmes bases. Ainsi, aux points 1 à 5 les hauteurs d’eau sont recueillies et le débit est obtenu au
segment 1 en lieu et place de la condition limite au modèle Mfr.

20000

15000
Débit (mcs)

10000
Modèle étendu
5000
Mfr 0.6
0
0 5 10 15 20 25 30 35 40 45 50
Temps (hr)

Figure 3.24 : Hydrogramme au segment 1 - Modèle étendu et Mfr

Les hydrogrammes obtenus au segment 1 pour le modèle étendu et le modèle Mfr (figure 3.24),
prouvent une très bonne adéquation entre les deux simulations. Bien que certaines variations pour
le modèle Mfr existent au niveau des débits maximaux, l’hydrogramme obtenu par la méthode de
détermination de la condition aval est très proche d’une simulation ou cette section ne subit aucune
influence de condition limite.
 92

En obtenant les données de débits au segment 1 et celles de hauteur d’eau au point 1, il est possible
d’obtenir la courbe de tarage de cette section sur le modèle étendu (figure 3.25).

16000
14000
12000
y = 0,3842x4 - 45,664x3 + 1815,7x2 - 24154x
Débit (mcs)

10000 R² = 0,9993
8000
6000
4000
2000
0
40 41 42 43 44 45 46 47 48 49
Hauteurs d'eau (m)

Figure 3.25 : Courbe de tarage segment 1 - modèle étendu

La courbe de tarage est obtenue en traçant la courbe de tendance, celle-ci est calculée par Excel et
produit un coefficient de détermination de 0.9993, donc parfaitement adéquate.

La courbe de tarage du modèle étendu peut ensuite être comparée à celles du modèle Nfr afin
d’évaluer la justesse de la méthode produite dans ce mémoire. (Figure 3.26)

16000

14000

12000

10000 Fr=0,3
Débit (mcs)

8000 Fr=0,6
Fr=0,8
6000

4000 Modèle étendu

2000

0
38 40 42 44 46 48 50
Hauteur d'eau (m)

Figure 3.26 : courbes de tarage modèle Nfr et modèle étendu

 93

La courbe de tarage expérimentale du modèle étendu est comprise entre les courbes de tarage
théorique au nombre de Froude de 0.3 et 0.8. Il était attendu que celle-ci ne reproduit pas
exactement une courbe de tarage théorique, l’écoulement étant extrêmement non-permanent le
nombre de Froude à cette section est variable durant l’évènement comme le montre la figure 3.27.

0,9
0,8
0,7
0,6
Froude

0,5
0,4
0,3
0,2
0,1
0
0 5 10 15 20 25 30 35 40 45
Temps (hr)

Figure 3.27 : Nombre de Froude au Point 1 - modèle étendu

Cette figure prouve encore que le régime d’écoulement à ce tronçon est fluvial tous au long de
l’évènement. De plus, la figure 3.28 atteste du lien entre le nombre de Froude et le débit en cette
section.

0,9
0,8
0,7
0,6
Froude

0,5
0,4
0,3
0,2
0,1
0
0 2000 4000 6000 8000 10000 12000 14000 16000
Débit (mcs)

Figure 3.28 : Débit vs Froude au segment 1 – modèle étendu

 94

Ce graphique montre deux tendances linéaires distinctes, une pour les débits faibles (< 2000 m3/s)
avec une pente de 2E-04 et une autre pour les débits élevés (> 4000 m3/s) pour une pente de 3E-
05, un palier se forme entre ces deux bornes correspondant à un nombre de Froude de 0.5.

Bien que le nombre de Froude moyen soit d’environ 0.46, la sélection d’un nombre de Froude de
0.6 pour la condition frontière aval reste encore valable. En effet un nombre de Froude trop faible,
attribué à la courbe de tarage en condition aval, a le potentiel de créer un renflement proche de la
condition frontière aval, alors qu’un nombre de Froude trop élevé créer des instabilités à la zone
aval et peut amener à une divergence du modèle. Un Froude constant adapté pour la condition
frontière aval doit refléter l’hydrogramme qui le traverse, c’est-à-dire autant respecter les faibles
débits que les débits plus extrêmes. Dans notre cas, suivant la figure 3.25, les forts débits se
rapprochent d’un nombre de Froude de 0.8 alors que les plus faibles de 0.3. Étant donné que l’étude
vise à modéliser la propagation des inondations en zone urbaine, les forts débits font l’objet d’une
plus grande attention, ce sont eux qui amènent les profondeurs d’eau maximales, et donc le nombre
de Froude constant doit refléter cette préférence sans impacter la stabilité du modèle pour des débits
plus faibles. Cela peut être une explication sur les raisons qu’un Froude de 0.6 a produit les
meilleurs résultats, il favorise les débits extrêmes tout en supportant les petits débits.

L’objectif principal de l’élaboration de cette méthode était d’assurer le modélisateur sur la non-
dépendance des caractéristiques d’écoulement à la condition frontière aval. Pour justifier cette
démarche, les hauteurs d’eau aux mêmes points d’observation en fonction du temps sont présentées
en figure 3.29. Celles-ci prouvent encore la sortie de la zone de dépendance de la ville à l’amont
du point 5, en effet les courbes de niveau d’eau entre les deux modèles sont similaires dès le Pt 4.

L’approche par nombre de Froude pour la détermination de la condition frontière aval est donc une
méthode robuste d’évaluation de l’emprise de la zone de dépendance due à la condition frontière
aval sur les caractéristiques d’écoulement dans le modèle.
 95

Hauterur d'eau (m) 51

Point 1
Mfr
46 Étendu

41

36
0 5 10 15 20 25 30 35 40 Temps45
(hr)

Point 2
Hauterur d'eau (m)

51

46

41

36
0 5 10 15 20 25 30 35 40 Temps (hr)
45

Point 3
Hauterur d'eau (m)

51

46

41

36
0 5 10 15 20 25 30 35 40 Temps 45
(hr)

Point 4
Hauterur d'eau (m)

51

46

41

36
0 5 10 15 20 25 30 35 40 Temps (hr)
45

Point 5
Hauterur d'eau (m)

51

46

41

36
0 5 10 15 20 25 30 35 40 Temps 45
(hr)

Figure 3.29 : Hauteurs d'eau aux 5 points d'observation pour les modèles Mfr0.6 et étendue
 96

3.10 Conclusions sur la méthode

La méthode de détermination de la condition frontière aval basée sur le nombre de Froude a prouvé
son efficacité dans l’étude adressée par ce chapitre. Cette méthode permet entre autres de fixer une
condition aval lorsqu’aucune structure de contrôle sur le débit n’existe, mais aussi de délimiter la
zone dont les caractéristiques d’écoulement seront influencées par la condition limite.

L’application au modèle du bris de barrage de Tous en Espagne a démontré que le régime

d’écoulement aux abords de la ville était fluvial. Grâce aux itérations sur le nombre de Froude, il a
été prouvé que la ville n’était pas impactée par la condition limite et que les simulations étaient
plus stables pour un Froude de 0.6.

La méthode a ensuite été validée par un modèle plus étendu à l’aval afin d’obtenir les
caractéristiques d’écoulement au niveau de la condition limite du modèle restreint, ceci afin de
pouvoir comparer les résultats des deux modèles.

Cette expérience a, une fois de plus, déterminée la non-dépendance de la ville vis-à-vis de la

condition frontière et confirmé le régime d’écoulement. Cependant elle a aussi mis en lumière la
variabilité du nombre de Froude à cette section. Cette propriété est le principal frein de la méthode
développé, la variation du nombre de Froude ne pouvant être connue à l’avance.

Une des pistes afin d’affiner la méthode pour faire correspondre au mieux la condition frontière
aval à l’écoulement réel serait, dans un premier temps, de déterminer l’endroit où la condition
limite n’a plus d’influence, et, si la morphologie de lit de la rivière est constante entre ces deux
sections, obtenir la courbe de tarage à cette section pour ensuite l’appliquer à la condition frontière.

Malgré le fait que cette technique ne peut reproduire l’écoulement exact au niveau de la condition
frontière, elle produit des résultats satisfaisant pour la suite du mémoire.

Cette méthode a par ailleurs fait l’objet d’un article de conférence et d’une présentation lors du 69e
congrès national de l’Association canadienne des Ressources hydriques (ACRH), travail pour
lequel le 2e prix du congrès, « Our water – our life – the most valuable resource », a été remporté.
 97

CHAPITRE 4 PROPAGATION DE L’INONDATION EN ZONE

URBAINE

4.1 Introduction
Un des principaux objectifs de ce mémoire est de modéliser la propagation d’une inondation dans
une zone urbaine. Cette tâche est réalisée dans ce chapitre par l’utilisation du cas du barrage de
Tous en Espagne, qui rompit en 1982 suite à un évènement extrême de pluie. La description de ce
cas et de ces données est présentée à la section 1.3 de ce rapport.

Le chapitre précédent ayant démontré les atouts d’une méthode de détermination de la condition
frontière aval en utilisant le nombre de Froude, celui-ci est une suite de l’étude sur le modèle
restreint de la zone d’étude, il vient étudier l’écoulement et la propagation d’une inondation dans
une ville et son réseau de rues.

L’implantation de la ville dans le modèle, le mode de représentation des bâtiments ainsi que le
maillage appliqué aux différentes régions feront l’objet de la première partie de ce chapitre ; la
deuxième concernera la calibration du modèle par les coefficients de Manning et l’utilisation des
programmes PEST et OPPS pour son automatisation.

La qualité du modèle numérique et sa capacité à résoudre une propagation complexe seront jugées
par le niveau de difficulté de la configuration du modèle, le temps d’exécution de la simulation et
de la précision des résultats ; ceci en s’appuyant sur les mêmes programmes utilisés précédemment :
SMS pour le pré et post-traitement et SRH-2D pour le traitement. Toute cette étude prend en
compte les informations évoquées dans la revue de littérature et vise à poursuivre les travaux
engagés sur ce modèle par les précédentes publications du groupe de l’IMPACT (Mignot et Paquier
(2004), Soares-Frazao et Zech (2004) et Mullet et Alcrudo (2004)).
 98

4.2 Construction du modèle

4.2.1 Implantation de la ville

Alcrudo et Mullet (2007) fournissent dans leurs articles les données géo référencée des bâtiments
de la ville de Sumacarcer sous deux formes. La première est le DTM des structures, comprenant la
bathymétrie de toute la ville adaptée soit au DTM de 1982, soit à celui de 1998. Ces fichiers sont
nécessaires dans le cas d’une représentation en BE (Building Elevation) des bâtiments (cf. section
1.2.4). L’implantation dans le modèle est alors exécutée en fusionnant le DTM du terrain à celui
de la ville (figure 4.1).

Figure 4.1 : ville de Sumacarcer en représentation BE

La deuxième forme de géo référencement des bâtiments disponibles est un fichier listant les
coordonnées des vertices sur le plan (X,Y) de toutes les structures dans Sumacarcer, ainsi que de
leurs élévations en assumant des toits plats. Ce fichier peut être inclus dans les deux DTM de terrain
et permet une représentation des bâtiments dans le modèle en BE, ou BH (Building Hole). Le
format du fichier tel quel ne permet pas une insertion directe des données dans SMS, le
modélisateur doit alors passer par un logiciel de représentation 2D, en l’occurrence Autocad ou
Arcgis, afin de modéliser l’étendue de la ville. Dans le cadre de cette étude, le choix s’est porté
vers Autocad pour une raison de licence d’utilisateur. Un reformatage des données par codage VBA
est alors entrepris pour les traduire dans un langage compris par Autocad. Le résultat de cette
cartographie est présenté dans la figure ci-dessous.
 99

Figure 4.2 : cartographie de Sumacarcer sous Autocad

Le fichier Autocad ainsi créé sous l’extension .dwg est alors importer dans le module Map de SMS
qui le traduit ensuite sous forme de points reliés par des polylignes (figure 4.3).

Figure 4.3 : importation de la carte dans le module Map de SMS

 100

Il faut alors modifier ses lignes et nettoyer les mauvais liens afin de simplifier la représentation de
la ville dans le modèle. En effet comme la figure 4.4 le montre, des bâtiments accolés et groupés
sous forme d’agglomérats compacts peuvent être considérés dans le modèle comme un unique
bâtiment imperméable, ceci afin de simplifier l’étape du maillage. Les points sont ensuite convertis
en sommets pour que chaque structure n’en comporte qu’un. Le modèle est ensuite nettoyé des
structures isolées, considérées comme trop petites pour avoir une influence prépondérante sur
l’écoulement, mais aussi pour alléger le maillage déjà complexifié par l’implantation des bâtiments.
La modélisation épurée finale de la ville est présentée en figure 4.5.

Figure 4.4 : Map nettoyée de Sumacarcer Figure 4.5 : zonage de la région

 101

4.2.2 Mode de représentation des bâtiments

La revue de littérature fait état de trois modes possibles de représentation des bâtiments dans un
modèle numérique : Building Elevation, Building Hole et Building Porosity. Cette étude prend en
compte uniquement la méthode Building Hole. La méthode BE est longue à mettre en place et
moins stable que la méthode BH due aux cellules de maillage constituant les murs des bâtiments
(cf. section 1.2.4). De plus, les rues de la ville étant très étroites, cette représentation ne fournit pas
une résolution de maillage adéquate pour la ville. La méthode Building Resistance n’est pas
présentée ici due à la complexification qu’elle impose pour la stabilité et la longueur des calculs de
calibration par rapport au mode BH.

En plus d’offrir une meilleure stabilité de calculs et de sa facilité d’exploitation, la méthode BH a

aussi l’avantage de produire des résultats précis, les façades des immeubles étant représentés
comme des conditions frontière infranchissables. Le maillage ainsi créé est présenté en figure 4.6.
Selon le principe érigé dans la revue de littérature qui conseille 3 cellules par section transversale
de rue pour obtenir une bonne estimation des caractéristiques de l’écoulement, le maillage dans la
ville est affiné par rapport au reste de la région. Le maillage fin permet aussi de représenter les
éléments de petites échelles ayant un impact local sur l’écoulement et permet d’obtenir une
meilleure caractérisation de la vitesse de l’écoulement et des profondeurs d’eau. Le maillage du
reste de la région est inchangé (résolution de 20m) afin de ne pas surcharger le modèle, ce qui
aurait pour conséquence une nette augmentation du temps de calcul, qui était déjà élevé sans la
ville (16 heures de simulation sur le modèle Mfr). La ville de Sumacarcer est représentative d’un
agencement étriqué, courant dans les villes européennes. Les rues y sont de largeurs très variées et
leurs connexions ne sont pas rectilignes. Ainsi, les rues trop étroites ne peuvent être maillées par 3
cellules pour alléger le modèle, certaines doivent se contenter d’une cellule par section.

Le temps de calcul est ici une ressource prépondérante, SRH-2D n’adoptant pas la parallélisations
de calculs entre cœurs de processeurs, les calculs peuvent devenir excessivement long (plusieurs
jours) si le modèle n’est pas optimisé. C’est pourquoi le maillage fin de la ville ne peut être étendu
à toute la région. La contrainte devient alors de déterminer le passage entre les cellules fines et
grossières, pour cela les règles de bonne pratique suggèrent que le facteur de changement des
cellules concomitantes ne peut être plus élevé que deux. (Figure 4.7)
 102

Figure 4.6 : maillage final du modèle

 103

Figure 4.7 : transition des cellules de maillage

4.2.3 Modèle initial

Une première simulation de la propagation de l’inondation avec un coefficient de Manning

uniforme sur tout le modèle de 0.02 s/[m1/3], et un pas de temps de 0.2 seconde. Le temps de calcul
passe alors de 16h du modèle Mfr à 82h pour le modèle avec la ville.

Le principe d’évaluation de la validité de la condition frontière est une nouvelle fois adopté afin de
prouver que l’écoulement dans la ville n’est pas influencé par celle-ci. Les lignes d’eau sur 5 points
sont présentées en annexe B figure B.39 pour un nombre de Froude de 0.6 attribué à la courbe de
tarage de la condition frontière aval, comparé au modèle Mfr 0.6 vue au chapitre 3 et celui du
modèle étendu présenté à la section suivante.

Les courbes de niveau d’eau étant similaires dès le point 4, il est alors encore admis que la ville est
hors de la zone d’influence de la condition limite. L’adéquation entre courbes de tarage théorique
et celle de la simulation, ainsi que la forme générale de l’hydrogramme de sortie justifie le choix
d’un Froude de 0.6 pour la détermination de la courbe de tarage.

4.2.4 Modèle étendu

Un modèle étendu, prenant en compte la totalité de la bathymétrie du DTM de 1998, est mis en
place afin de comparer les pertes et gains d’une telle représentation par rapport au modèle tronqué
 104

initial présenté au paragraphe précèdent. Il est constitué de 89135 cellules, soit 9250 cellules de
plus que le modèle tronqué.

Comme le montre la figure B.38 en annexe B, les lignes d’eau à partir du point 4 sont semblables,
justifiant la non-dépendance à la condition limite de la ville. Cependant, pour les mêmes
caractéristiques d’écoulement, les temps de calcul du modèle étendu et du modèle tronqué sont
respectivement de 113 et 82 heures, soit une différence de 31 heures. Alors que l’augmentation du
temps de calcul entre ces deux modèles n’était pas un handicap pour les simulations sans la ville,
elle devient ici un facteur décisif qui justifie l’amputation de la partie aval.

La calibration d’un modèle demande l’exécution de nombreuses simulations, d’autant plus avec
PEST comme il le sera vue dans la suite de ce chapitre, une diminution de 28% de temps de calcul
est non négligeables : elle peut faire gagner des jours de simulation pour une calibration.

La méthode de détermination de la condition frontière aval présentée au chapitre 3 présente donc

un avantage dominant, les modèles peuvent être coupés à n’importe quelle section sans obligation
de comporter une structure de contrôle aux débits. En autant qu’elle n’influe pas sur des points
d’intérêts, elle permet un gain de temps de calcul important.

4.2.5 Premiers résultats d’écoulement dans la ville

La localisation des points d’observation et des profondeurs d’eau observée durant l’inondation à
21 points dans la ville sont décrites dans le tableau 4.1 (Alcrudo et Mullet, 2007) ; elles ont été
obtenues par les auteurs d’après les témoignages d’habitants présents et d’observation faite sur le
terrain.

Les profondeurs d’eau sont obtenues par le modèle initial tronqué pour un Manning uniforme de
0.02 s/[m1/3] et un pas de temps de 0.2s. Les différences minimales affichées dans le tableau sont
importantes pour la majeure partie des jauges, ce qui est attendu étant donné que le modèle n’est
pas encore calibré sur les coefficients de Manning.

Alcrudo et Mullet (2007) présentent dans leurs articles l’évolution de la profondeur d’eau pendant
l’inondation sur trois jauges (1,7 et 8). Ces données ont été obtenues par témoignage, la chronologie
est à prendre avec précaution étant donné que la ville était évacuée. La figure 4.9 présente la hauteur
 105

d’eau en fonction du temps pour les jauges 1 et 7 en fonction des données observées et
expérimentales (la jauge 8 n’est pas présentée, car elle ne recense que 2 points).

Figure 4.8 : points d'observations

Tableau 4-1 : Profondeurs d'eau observées et calculées du modèle initiale

Profondeurs Profondeurs Différences

X Y
observées calculées minimales
Jauge 1 2410 3290 17.5 à 19 15,2 2,3
Jauge 2 2400 3335 8à9 6,1 1,9
Jauge 3 2355 3315 7à8 3,8 3,2
Jauge 4 2345 3380 7 3,3 3,7
Jauge 5 2335 3175 0,2 0,0 0,2
Jauge 6 2335 3420 5à6 4,0 1,0
Jauge 7 2330 3365 6 2,6 3,4
Jauge 8 2315 3450 5 3,0 2,0
Jauge 9 2310 3590 0 0,0 0,0
Jauge 10 2303 3255 4 0,6 3,4
Jauge 11 2285 3425 2 0,0 2,0
Jauge 12 2285 3500 5à6 1,4 3,6
Jauge 13 2280 3280 2.5 à 3 1,0 1,5
Jauge 14 2266 3550 2 0,0 2,0
Jauge 15 2265 3400 0 0,0 0,0
Jauge 16 2259 3530 3à4 0,2 2,8
Jauge 17 2250 3440 0 0,0 0,0
Jauge 18 2230 3525 0 0,0 0,0
Jauge 19 2205 3445 2à3 0,0 2,0
Jauge 20 2195 3440 2 0,0 2,0
Jauge 21 2190 3485 0 0,0 0,0
 106

Jauge 1 7
Jauge 7
20
6
Profondeur d'eau (m)

15

Profondeur (m)
5
4
10
3

5 jauge 1 exp 2

jauge 1 obs 1
0 0
0 10 20 30 40 50 0 10 20 30 40 50
Temps (hr) Temps (hr)

Figure 4.9 : comparaison entre observation et expérience pour les jauges 1 et 7

4.3 Calibration
La calibration est une méthode itérative qui étudie l’influence de la variation d’un paramètre sur
les variables de sortie en fixant les autres ; chaque paramètre dispose d’un intervalle où il a une
signification physique. Lorsque les données d’observation sont disponibles, ces paramètres sont
ajustés afin que le modèle représente le plus fidèlement la réalité. C’est un processus d’optimisation
itératif où la valeur d’un paramètre est modifiée en prétraitement pour que les valeurs d’intérêts
obtenues en post-traitement répliquent les données observées.

Les paramètres sensibles des modélisations hydrauliques sont le coefficient de Manning, la

viscosité, l’hydrogramme d’entrée, la résolution du maillage, la condition frontière aval, la quantité
d’eau dans le réservoir ainsi que le scénario de formation de la brèche. Les variables de sorties pour
la calibration en post-traitement sont la hauteur d’eau, la vitesse, le temps d’arrivée et la superficie
inondée.

Dans le cadre de ce mémoire :

- La viscosité est un paramètre peu sensible dans les modèles hydrauliques d’écoulement à
surface libre (El Khadi Abderrezzak et al, 2008).
- L’hydrogramme d’entrée a été établi par les travaux de l’IMPACT et du CEDEX (Alcrudo
et Mullet, 2007 ; CEDEX, 1989) et ne fera pas l’objet d’une calibration ici.
 107

- La résolution du maillage dans la ville est au plus fin pour ne pas engranger plus de temps
de calcul. Le maillage du reste de la région a été testé pour une résolution plus fine et, les
variables de sortie étant les mêmes pour les deux résolutions, il peut être considéré comme
valide.
- La condition aval est calibrée grâce à la méthode établie au chapitre 3.
- La quantité d’eau dans le réservoir et le scénario de la brèche font tous deux partie de
l’évaluation de l’hydrogramme d’entrée et sont donc validés.

Le coefficient de Manning est un des paramètres ayant le plus d’influence sur les variables de
sorties. Il représente la résistance par frottement due au sol et la perte d’énergie subséquente de
l’écoulement. La calibration s’effectuera sur ce paramètre uniquement.

Les photographies aériennes (figure 1.24) ont permis de créer la cartographie par occupation de sol
pour toute la région du modèle (figure 4.5). Ainsi, elle est subdivisée en cinq zones : le lit de la
rivière Jucar, les berges, les champs cultivés, la montagne, et les rues de la ville de Sumacarcer.
Les coefficients de Manning représentatifs de ces zones sont présentés au tableau 4.2.

Tableau 4-2 : coefficient de Manning pour différentes surfaces en s/[m1/3] (Alcrudo, 2004)

La calibration du coefficient de Manning peut être une tâche longue et fastidieuse, notamment
lorsque de nombreux types de sols sont à évaluer. Le modèle doit être exécuté maintes fois afin de
trouver la bonne combinaison des paramètres dans leurs plages de valeur. Cette combinaison ne
peut être unique, une autre pouvant produire des résultats similaires.

Le coefficient de Manning est par définition stable et vérifié pour des écoulements uniformes
permanents. Pour des écoulements non uniformes et non permanents, il ne dépend plus uniquement
 108

du type de sol, mais aussi de la vitesse de l’écoulement sur la cellule. Or le modèle du bris de
barrage de Tous produit un tel écoulement, ceci aura pour répercussion un modèle calibré
seulement pour cet hydrogramme d’entrée de la rupture.

Deux options de calibration s’offrent alors au modélisateur, calibrer en non permanent pour tous
l’hydrogramme d’entrée, ou bien, en admettant que le débit maximum entraîne les plus hauts
niveaux d’eau dans le modèle, calibrer en régime permanent avec un débit d’entrée constant comme
condition frontière amont. En écoulement non permanent, le débit à une même section
correspondra à deux valeurs de profondeur d’eau, une pour la montée et une autre pour la descente
du niveau. Pour un débit maximum à la section, la hauteur n’atteint son apogée qu’après un certain
intervalle de temps.

Le modélisateur doit alors prendre en compte, pour cette deuxième option, que les coefficients de
Manning obtenue après calibration seront surestimés pour l’hydrogramme d’entrée non permanent
(présentant le même débit de pointe). La calibration devient alors plus une appréciation qu’une
évaluation précise, mais cela peut être suffisant au niveau ingénierie étant donné qu’un facteur de
sécurité est applicable.

Dans le cadre de cette étude, la calibration se fera selon la deuxième option, en régime permanent
pour un débit d’entrée correspondant au pic de l’hydrogramme de rupture, soit 15000 m3/s. Étant
donné qu’une simulation sur l’hydrogramme prend 82 heures, la calibration en régime non
permanent aurait imposé une charge de temps de calcul phénoménal et irréaliste.

De surcroît, l’utilisation de deux programmes facilite la calibration, OPPS et PEST, qui associé
permettent une calibration automatique du modèle. Ceux-ci sont présentés dans les sections
suivantes.

4.3.1 PEST

PEST, pour parameter estimation, est un logiciel gratuit développé par des particuliers pour
l’industrie permettant l’estimation de paramètres et des analyses de sensibilité des modèles
numériques. Il permet la calibration en ajustant les paramètres selon un algorithme robuste et
permet d’obtenir la meilleure combinaison ainsi que les incertitudes associées. L’utilisateur
informe PEST quels paramètres doivent être ajustés et quelles sont les variables de sorties qui
 109

vérifient les valeurs observées, PEST vient ensuite exécuter plusieurs simulations afin de
rapprocher le modèle au plus près de la réalité.

Deux fichiers sont nécessaires pour la simulation d’un modèle par SRH-2D. Le maillage et les
paramètres construits sur SMS sont enregistrés dans un fichier .2dm. Celui-ci est exécuté par le
préprocesseur afin de traduire les informations dans un fichier .dat nécessaire à l’exécution du
programme résolvant le modèle. Ces fichiers sont lus par PEST qui modifie certains paramètres
pour arriver à la meilleure solution.

Les informations contenues dans ces fichiers comprennent quatre types de données : les données
fixent tels le maillage, les paramètres (Manning, viscosité, etc.), les excitations du modèle
(conditions frontière) et les données de contrôle (observations). Le programme de PEST est divisé
en trois composantes : la définition de paramètres qu’il pourra altérer (les coefficients de Manning
ici), la localisation des points d’observations et la définition de leurs valeurs (objectif à atteindre
par la calibration), et l’algorithme de l’estimation des paramètres, processus itératif pour une
optimisation non linéaire.

Le programme jugera les résultats d’une itération par rapport aux observations en utilisant la
somme des différences au carré (section 1.2.5) qui est alors la fonction objectif. PEST se charge de
réduire l’écart entre les hauteurs d’eau obtenues à différents points par le modèle numérique en
augmentant le coefficient de détermination R2.

4.3.2 OPPS

SRH-2D contrecarre l’automatisation complète de PEST, en effet son utilisation nécessite

l’intervention du modélisateur afin de passer du module prétraitement au module de traitement.
L’utilisation du programme O.P.P.S solutionne ce problème. Développé par S. Deslauriers et T.
Mahdi de l’École Polytechnique de Montréal, ce programme automatise complètement l’utilisation
combinée de PEST et de SRH-2D.

OPPS permet de simplifier le paramétrage de PEST pour SRH-2D. Les données d’observation et
leurs positions sur le maillage sont entrées par l’utilisateurs, ainsi que les plages de valeurs des
coefficients de Manning pour les différentes zones de la région. OPPS programme ensuite les
 110

différents fichiers nécessaires à PEST et lance l’exécution de la calibration. Les résultats sont
visualisables sur l’outil à la fin de la calibration.

4.3.3 Région et Points d’observations

La calibration s’effectue généralement sur les hauteurs d’eau en différents points, ces données sont
plus aisées à obtenir, et la distribution de vitesse étant plus affectée par la résolution du maillage.
Alcrudo et Mullet (2007) fournissent pour cela les hauteurs d’eau observées en 21 points (figure
4.8 et tableau 4.1), récoltées par des témoignages et une visite sur le terrain.

Tous ces points ne sont pas utilisés pour la calibration automatique pour ne pas surcharger
l’algorithme. Tout d’abord les points 1, 2, 3, 6, 12, 13, 16 et 19 ne sont pas retenus, car les
observations enregistrées sont des intervalles et PEST n’utilise que des valeurs fixes. Les points 5,
9, 15, 17, 18 et 21 sont omis, car l’onde de crue ne les a pas atteints. L’optique de la calibration est
d’obtenir les hauteurs maximales, car elles créent le risque, en omettant ces points aucun poids
n'est accordé à un minimum de profondeur d’eau.

Ainsi seuls les points 4, 7, 8, 10, 14, et 20 sont retenus pour la calibration par PEST et OPPS. Après
l’optimisation complétée, tous les points et leur hauteur d’eau respective observée seront utilisés
pour comparer les simulations.

Figure 4.10 : points de calibration

 111

4.3.4 Pas de temps et temps de calculs

La calibration exécutant des dizaines des simulations afin d’optimiser les coefficients de Manning,
il est primordial de minimiser le temps de calcul de chaque simulation afin d’obtenir des résultats
dans un délai raisonnable. Les principaux facteurs influant le temps de calcul sont le maillage, le
pas de temps et la durée simulée par SRH-2D. Le maillage ayant été validé dans les précédentes
sections, aucune modification n’y est apportée pour ne pas déstabiliser le modèle. En revanche, pas
de temps et durée simulée peuvent être optimisés afin de réduire le temps d’une simulation.

Pour évaluer ces deux paramètres, le modèle avec la ville est rempli progressivement, afin de garder
la simulation stable, pour atteindre un débit d’entrée de 15000 m3/s. Il est exécuté pour un
coefficient de Manning homogène sur toute la région de 0.02 s/[m1/3]. En vue d’évaluer le
comportement du modèle à une excitation potentielle de PEST sur le coefficient de Manning, le
modèle est relancé pour un Manning de 0.07 s/[m1/3], une augmentation impossible par PEST étant
donné que celui-ci ne peut modifier le coefficient que pour un facteur maximum de deux. Cet écart
extrême permet de s’assurer que le modèle restera stable, peu importe les excitations apportées par
PEST au cours des itérations. En effet, il est possible que PEST reste stable aux premières itérations
et diverge pour une simulation au cours de la calibration. Dans ce cas, toutes les simulations
postérieures à la divergente seront aussi divergentes, PEST utilisant à chaque simulation les
résultats de l’antécédente comme condition initiale. Il n’y a aucune possibilité de revenir à la
convergence pour le modèle et plusieurs jours de simulation peuvent être perdus.

Afin de pallier à ce problème, ou tout du moins s’en apercevoir, il n’y a pas d’autres solutions que
de s’assurer que le modèle de base soit robuste aux excitations. Il est également conseillé de choisir
une condition frontière aval par courbe de tarage, ce choix permet à l’utilisateur de suivre la stabilité
de simulation en temps réel grâce au fichier de sortie de SRH-2D "nom_RC1.dat". Ce fichier
enregistre le débit évacué du modèle ainsi que la hauteur d’eau à la sortie pour chaque pas de temps
de calcul ; ainsi lorsque les débits sont aux alentours de 15000 m3/s, l’utilisateur est informé de la
stabilité de calcul, alors que des débits de fuites chaotiques viennent caractériser la divergence du
modèle, et logiquement sa non-validité. Des exemples de bon et mauvais fichiers RC1 sont joints
à l’annexe B figure B.40 et B.41.
 112

Il est aussi possible de suivre la stabilité du modèle en temps réel par l’affichage de SRH-2D des
courbes de résidus ; la simulation converge lorsque la courbe est quasi-linéaire (figure 4.11). Bien
que cette méthode soit moins précise que les débits évacués, elle offre un aperçu rapide de
l’avancement de la simulation.

Figure 4.11 : courbe de résidu acceptable pour une calibration en régime permanent

En utilisant la simulation de base avec un Manning augmenté de 0.02 à 0.07 s/[m1/3], le modèle est
relancé pour des pas de temps de 0.2, 0.5, 1 et 2secondes. La variation des hauteurs d’eau est
enregistrée aux points 1,7, 8 et 10, ces courbes sont présentées à la figure 4.12.
 113

Profondeur (m)
20,000 Jauge 1

18,000

ts 0.2
16,000 ts 0.5
ts 1
ts 2
14,000
0,000 0,200 0,400 0,600 0,800 1,000 1,200 1,400 1,600 1,800 2,000
temps (hr)

7,000 Jauge 7
6,000
Profondeur (m)

5,000

4,000 ts 0.2
ts 0.5
3,000 ts 1
ts 2
2,000
0,000 0,200 0,400 0,600 0,800 1,000 1,200 1,400 1,600 1,800 2,000
temps (hr)

8,000 Jauge 8
Profondeur (m)

6,000

ts 0.2
4,000
ts 0.5
ts 1
2,000 ts 2
0,000 0,200 0,400 0,600 0,800 1,000 1,200 1,400 1,600 1,800 2,000
temps (hr)

5,000
Jauge 10
4,000
Profondeur (m)

3,000
2,000 ts 0.2
ts 0.5
1,000 ts 1
ts 2
0,000
0,000 0,200 0,400 0,600 0,800 1,000 1,200 1,400 1,600 1,800 2,000
temps (hr)

Figure 4.12 : Profondeurs d'eau aux jauges 1, 7, 8 et 10 pour les 4 pas de temps simulés
 114

Ces 4 figures montrent toutes que les pas de temps de 1 et 2 secondes ne sont pas adaptés aux
modèles. Leurs courbes caractérisent un état de divergence, oscillatoire pour le pas de 1 seconde et
d’arrêt pour celui de 2 secondes. En revanche les courbes des pas de temps de 0.2 et 0.5 offre tous
deux une augmentation progressive avant d’atteindre le même palier pour chaque jauge. Ce palier
n’est cependant pas rejoint au même moment pour les deux variations : le pas de 0.2 seconde y
arrive en environ 1 heure pour toutes les jauges, alors que celui de 0.5 en 1h30 pour la jauge 7.

Il est aussi intéressant de voir que la croissance de la profondeur d’eau pour un Manning augmenté
de 0.05 s/[m1/3] est d’approximativement 3.6m pour toutes les jauges, ce qui est suffisant pour
combler le déficit en hauteur d’eau de la simulation initiale présenté au tableau 4.1.

Bien que les courbes des pas de temps 0.2 et 0.5 seconde convergent vers le même palier, elles
peuvent tout de même induire en erreur sur la stabilité du modèle, le modèle pouvant avoir divergé
sans que ces courbes ne l’indiquent. Pour s’en assurer les résultats de simulation doivent être
visualiser sur SMS (figure 4.13)

Figure 4.13 : simulation convergente (gauche) et divergente (droite)

 115

La figure de droite montre clairement des signes de divergence sur la région. Bien que cette
divergence soit concentrée bien à l'amont de la ville et n'influence pas les résultats de hauteur d'eau,
comme il a été vu, rien ne garantit que la divergence ne se propagera pas vers la ville jusqu'à en
fausser les résultats lors des itérations de calibration. Le pas de temps de 0.5, bien que réduisant le
temps de calcul, ne peut donc être accepté pour la calibration automatique.

Le choix est donc pris pour un pas de temps de 0.2 seconde et une durée de simulation de 1 heure
pour l'épreuve de calibration sous PEST et OPPS.

4.4 Analyse des résultats

Le Programme OPPS permet de paramétrer la calibration sous PEST. Il offre, entre autres, le choix
de borner les coefficients de Manning des différentes régions afin de forcer PEST à trouver une
solution optimale à l’intérieur de ces intervalles.

Deux calibrations sont lancées ici ; la première laisse PEST libre de calibrer les Manning comme
il le souhaite sur un intervalle de 0.01 à 0.1 s/[m1/3] pour toutes les régions ; la deuxième borne les
coefficients des régions selon des intervalles où les valeurs sont physiquement plausibles.

La calibration automatique est exécutée dans un premier temps sur le régime permanent, les
coefficients de Manning sont portés au régime non permanent ultérieurement.

4.4.1 Non borné

Un modèle peut être calibré pour différents sets de paramètres et différents assortiments de
coefficients de Manning peuvent amener aux mêmes résultats sur les hauteurs d’eau. Le choix de
laisser libre PEST de définir ces coefficients sur un large intervalle, pour toutes les régions, permet
de tester sa capacité à trouver une solution optimale dont les paramètres ont un sens physique, sans
le guider.

OPPS est donc paramétré pour les coefficients de Manning décrit dans le tableau 4.3, pour les
objectifs de calibration au tableau 4.4.
 116

Tableau 4-3 : Paramètres des coefficients de Manning pour la calibration non bornée en s/[m1/3]

Zones n initiales Limites inférieures Limites supérieures

Jucar 0.02 0.01 0.1
Berges 0.02 0.01 0.1
Rues 0.02 0.01 0.1
Cultures 0.02 0.01 0.1
Montagnes 0.02 0.01 0.1

Tableau 4-4 : points de calibration

Jauges Hauteurs d’eau observées
Jauge 4 7m
Jauge 7 6m
Jauge 8 5m
Jauge 10 4m
Jauge 14 2m
Jauge 20 2m

PEST atteint une solution optimale au bout de 12 itérations et pour un total de 157 simulations, soit
environ 353 heures de calculs. Les coefficients de Manning obtenue par chaque itération sont
détaillés dans le tableau 4.5.

Tableau 4-5 : Coefficients de Manning de la calibration non bornée en s/[m1/3]

ité. 1 ité. 2 ité. 3 ité. 4 ité. 5 ité. 6

Rivière 0,017 0,035 0,033 0,039 0,046 0,052
Cultures 0,010 0,010 0,020 0,040 0,063 0,075
Berges 0,034 0,028 0,026 0,029 0,032 0,016
Rues 0,021 0,024 0,021 0,024 0,027 0,026
Montagnes 0,018 0,031 0,035 0,035 0,039 0,035

ité. 7 ité. 8 ité. 9 ité. 10 ité. 11 ité. 12

Rivière 0,066 0,053 0,100 0,100 0,100 0,100
Cultures 0,072 0,071 0,061 0,061 0,061 0,058
Berges 0,010 0,015 0,010 0,010 0,010 0,010
Rues 0,024 0,048 0,048 0,048 0,096 0,100
Montagnes 0,037 0,047 0,061 0,062 0,061 0,100
 117

La figure B.41 en annexe B présente des intervalles de coefficient de Manning pour différents types
de sol (Graf, 1984). Selon ces indications, les intervalles suivants sont déduits pour la région du
modèle :

- Rivière : 0.01 ≤ n ≤ 0.06

- Cultures : 0.02 ≤ n ≤ 0.1
- Berges : 0.02 ≤ n ≤ 0.1
- Rues : 0.01 ≤ n ≤ 0.04
- Montagnes : 0.03 ≤ n ≤ 0.1

À noter que la borne supérieure des coefficients de friction des cultures, des berges et des
montagnes est maximisée afin de représenter la végétation moyennement dense de la région, à très
dense dans les cultures d’orangers. Ces intervalles permettent de juger les valeurs attribuées par
PEST sur les itérations. Ainsi, dans le tableau 4.5, les valeurs en accord avec ces limites sont
surlignées en vert, celles à l’extérieur en rouge et celles proches des limites en jaune. De plus, il
est logique que les coefficients des berges ne doivent normalement pas être inférieurs à ceux de la
rivière, dans le cas contraire ils sont indiqués en jaunes. Cependant, l’importance de l’opposition à
l’écoulement des berges sur le modèle est à relativiser, comme le montre la figure 4.5 et le tableau
4.7, l’emprise des berges sur le modèle est très faible, de plus cette zone est à une distance
raisonnable de la ville. Bien que sa variation de coefficient de friction puisse avoir de l’influence
localement, il est probable qu’elle n’en ait pas sur la propagation de l’inondation dans la ville de
Sumacarcer.

PEST trouve la meilleure optimisation pour l’itération 5, avec un coefficient de détermination de

96.2%, soit un très bon rapprochement entre les valeurs observées et les valeurs calculées.

Le modèle est ensuite réexécuté en régime permanent pour les itérations dont les valeurs de
Manning sont physiquement possibles (itérations 1 à 5). Les hauteurs d’eau sont enregistrées aux
21 jauges dans la ville, puis comparées aux hauteurs observées. Le coefficient de détermination est
ensuite calculé afin de juger la qualité de la calibration ; il est calculé pour les 6 points ayant permis
la calibration et pour toutes les jauges selon les limites inférieures, supérieures et moyennes des
observations présentant une plage de hauteur possible (tableau 4.6).
 118

Tableau 4-6 : résultats de calibration non bornée pour les 5 itérations aux 21 jauges

initiale ité 1 ité 2 ité 3 ité 4 ité 5

Profondeurs limite Limite profondeurs profondeurs profondeurs profondeurs profondeurs profondeurs
X Y moy.
observées min max calculées calculées calculées calculées calculées calculées
jauge 1 2410 3290 17.5 à 19 18,25 17,5 19 15,2 14,369 14,42 14,954 16,427 17,706
jauge 2 2400 3335 8à9 8,5 8 9 6,1 5,257 5,383 5,917 7,377 8,655
jauge 3 2355 3315 7à8 7,5 7 8 3,8 3,003 3,086 3,662 5,146 6,428
jauge 4 2345 3380 7 7 7 7 3,3 1,542 2,325 3,126 4,67 5,924
jauge 5 2335 3175 0,2 0,2 0,2 0,2 0,0 0 0 0 0 0
jauge 6 2335 3420 5à6 5,5 5 6 4,0 2,747 3,097 3,811 5,342 6,599
jauge 7 2330 3365 6 6 6 6 2,6 1,774 1,862 2,436 3,918 5,198
jauge 8 2315 3450 5 5 5 5 3,0 1,766 2,105 2,816 4,351 5,61
jauge 9 2310 3590 0 0 0 0 0,0 0 0 0 0 0
jauge 10 2303 3255 4 4 4 4 0,6 0 0 0,38 1,838 3,124
jauge 11 2285 3425 2 2 2 2 0,0 0 0 0 0,943 2,213
jauge 12 2285 3500 5à6 5,5 5 6 1,4 0,12 0,338 1,104 2,643 3,903
jauge 13 2280 3280 2.5 à 3 2,75 2,5 3 1,0 0,118 0,181 0,728 2,186 3,47
jauge 14 2266 3550 2 2 2 2 0,0 0 0 0 0,093 1,224
jauge 15 2265 3400 0 0 0 0 0,0 0 0 0 0 0,879
jauge 16 2259 3530 3à4 3,5 3 4 0,2 0 0 0 1,437 2,698
jauge 17 2250 3440 0 0 0 0 0,0 0 0 0 0 0
jauge 18 2230 3525 0 0 0 0 0,0 0 0 0 0 0,118
jauge 19 2205 3445 2à3 2,5 2 3 0,0 0 0 0 0 1,222
jauge 20 2195 3440 2 2 2 2 0,0 0 0 0 0 0,981
jauge 21 2190 3485 0 0 0 0 0,0 0 0 0 0 0
2
R moy. 90,47% 83,62% 85,68% 89,29% 94,62% 96,82%
R2 min 90,52% 83,55% 85,73% 89,39% 94,64% 96,70%
R2 max 90,07% 83,37% 85,31% 88,86% 94,23% 96,56%
 119

Les résultats du tableau 4.6 montrent une tendance d’amélioration de la calibration d’itération en
itération, les coefficients de détermination augmentant. Il est intéressant de noter que les R2 des 6
points de calibration (jauges 4,7,8,10,14,20) sont plus faibles que ceux qui prennent en compte les
21 jauges.

Avec 96.8%, l’itération 5 présente les meilleurs résultats pour le modèle avec une évaluation des
coefficients de friction par PEST probable physiquement. La figure 4.14 expose la concordance
entre valeurs simulées et valeurs observées pour l’itération 5, la ligne à 45 dégrée correspondant à
une adéquation parfaite.

Figure 4.14 : données observées vs simulées aux 21 jauges. Non bornée itération 5

Les figures des itérations 1 à 4 sont présenté aux figures B.44 à B.48 en annexe B. Elle montre le
rapprochement global à la ligne d’égalité des jauges 1 à 21 d’itération en itération.

Un autre avantage d’une calibration automatique par PEST est la possibilité de connaitre le
coefficient de corrélation entre les Manning des différentes régions. Les hauteurs d’eau aux jauges
sont corrélées, lorsque le niveau augmente à l’une pour satisfaire son objectif de calibration, elle
augmente aussi pour une autre qui pourrait alors dépasser son propre objectif. Augmenter la
définition du modèle permettrait l’obtention d’un meilleur coefficient de détermination, en
impliquant une redistribution de la corrélation entre les régions à différents types de sol. La hauteur
d’eau à une jauge aurait alors moins d’influence sur la hauteur d’eau d’une jauge annexe. Il est dès
lors plus intéressant de connaitre la corrélation des Manning pour une calibration non bornée, afin
 120

d’avoir une meilleure vision d’ensemble sur l’impact des différentes régions du modèle entre eux.
Le tableau 4.7 présente les coefficients de corrélation absolus du modèle.

Tableau 4-7 : coefficients de corrélation des Manning

Rivière Culture Berges Rues Montagnes

Rivière 1,000 0,458 0,177 0,695 0,862
Culture 0,458 1,000 0,370 0,212 0,055
Berges 0,177 0,370 1,000 0,047 0,016
Rues 0,695 0,212 0,047 1,000 0,901
Montagnes 0,862 0,055 0,016 0,901 1,000

Ce tableau confirme la faible influence du coefficient de Manning des berges sur le modèle. Les
terrains les plus corrélés étant Montagnes/Rivière, Montagnes/Rues et Rues/Rivière. La Rivière est
la zone avec le coefficient de Manning le plus corrélé aux autres zones.

Une évaluation des coefficients de Manning non borné est donc possible par PEST, ce qui peut être
pratique dans les modèles où le type de sol d’une zone n’est pas connu, la valeur du coefficient de
friction obtenue par calibration pouvant aider à déterminer le sol en question. Cependant cette
méthode est handicapée par le nombre trop important de simulations à exécuter pour la calibration.
Afin de réduire ce nombre, et donc la durée de calibration, les coefficients de Manning peuvent
être bornés selon leurs domaines de validité.

4.4.2 Borné

La calibration automatique est ici effectuée en bornant les coefficients de Manning pour les zones
de la rivière et des rues. Les coefficients pour les montagnes et les cultures sont laissés libres, ceci
afin de ne pas influencer PEST dans leurs attributions. En effet, Alcrudo et Mullet (2007) font
l’hypothèse que l’inondation a été ramenée vers la ville par les deux zones de culture d’orangers
qui l’entoure (tableau 1.5). Cette hypothèse est confortée par la conclusion faite précédemment que
l’écoulement aux alentours de Sumacarcer est fluvial, pour un nombre de Froude inférieur à un, et
donc favorise les forces d’inertie aux forces gravitationnelles. La zone des berges est quant à elle
fixée à 0.3 pour les raisons énoncées à la section précédente. Les bornes fixées dans OPPS sont :
 121

Tableau 4-8 : Paramètres des coefficients de Manning pour la calibration bornée en s/[m1/3]

Zones n initiales Limites inférieures Limites supérieures

Rivière 0.025 0.01 0.04
Rues 0.027 0.01 0.04
Cultures 0.06 0.01 0.1
Montagnes 0.039 0.01 0.1

PEST atteint une solution optimale au bout de 5 itérations et pour un total de 52 simulations, soit
environ 117 heures de calculs.

Les résultats obtenus par PEST pour chaque itération sont rapportés dans le tableau suivant :

Tableau 4-9 : Coefficients de Manning de la calibration bornée en s/[m1/3]

Initiale ité. 1 ité. 2 ité. 3 ité. 4 ité. 5

Rivière 0,025 0,015 0,016 0,016 0,031 0,032
Cultures 0,060 0,063 0,081 0,081 0,079 0,080
Rues 0,027 0,014 0,011 0,011 0,010 0,010
Montagnes 0,039 0,023 0,027 0,054 0,039 0,040

De la même manière que pour la calibration non bornée, les lignes d’eau enregistrées pour toutes
les itérations ainsi que les coefficients de détermination correspondants sont présentées au tableau
4.10.
 122

Tableau 4-10 : résultats de calibration bornée pour les 5 itérations aux 21 jauges

initiale ité 1 ité 2 ité 3 ité 4 ité 5

Profondeurs moy. limite Limite profondeurs profondeurs profondeurs profondeurs profondeurs profondeurs
X Y
observées min max calculées calculées calculées calculées calculées calculées
jauge 1 2410 3290 17.5 à 19 18,25 17,5 19 17,38 17,41 18,11 18,18 18,14 18,19
jauge 2 2400 3335 8à9 8,5 8 9 8,33 8,38 9,06 9,14 9,09 9,13
jauge 3 2355 3315 7à8 7,5 7 8 6,10 6,14 6,91 6,99 6,95 7,00
jauge 4 2345 3380 7 7 7 7 5,61 5,66 6,46 6,54 6,51 6,55
jauge 5 2335 3175 0,2 0,2 0,2 0,2 0,00 0,00 0,00 0,00 0,00 0,00
jauge 6 2335 3420 5à6 5,5 5 6 6,28 6,34 7,15 7,23 7,18 7,23
jauge 7 2330 3365 6 6 6 6 4,88 4,92 5,67 5,75 5,71 5,76
jauge 8 2315 3450 5 5 5 5 5,29 5,35 6,16 6,23 6,18 6,23
jauge 9 2310 3590 0 0 0 0 0,00 0,00 0,00 0,02 0,02 0,06
jauge 10 2303 3255 4 4 4 4 2,81 2,84 3,54 3,62 3,59 3,63
jauge 11 2285 3425 2 2 2 2 1,90 1,95 2,74 2,81 2,77 2,81
jauge 12 2285 3500 5à6 5,5 5 6 3,59 3,64 4,45 4,53 4,48 4,53
jauge 13 2280 3280 2.5 à 3 2,75 2,5 3 3,16 3,18 3,89 3,97 3,94 3,98
jauge 14 2266 3550 2 2 2 2 0,91 0,96 1,78 1,85 1,80 1,85
jauge 15 2265 3400 0 0 0 0 0,56 0,60 1,36 1,43 1,40 1,44
jauge 16 2259 3530 3à4 3,5 3 4 2,38 2,44 3,25 3,33 3,27 3,32
jauge 17 2250 3440 0 0 0 0 0,00 0,00 0,46 0,54 0,49 0,54
jauge 18 2230 3525 0 0 0 0 0,00 0,00 0,67 0,74 0,69 0,74
jauge 19 2205 3445 2à3 2,5 2 3 0,82 0,98 1,78 1,85 1,80 1,85
jauge 20 2195 3440 2 2 2 2 0,58 0,73 1,54 1,61 1,56 1,61
jauge 21 2190 3485 0 0 0 0 0,00 0,00 0,00 0,00 0,00 0,00
2
R moy. 96,45% 96,64% 96,89% 96,87% 96,88% 96,87%
R2 min 96,38% 96,54% 96,73% 96,70% 96,73% 96,72%
R2 max 96,15% 96,36% 96,67% 96,65% 96,65% 96,65%
 123

Contrairement à la calibration non bornée, les coefficients de détermination ne subissent pas

d’augmentation au fur et à mesure des itérations. Ceci est probablement dû au fait que la simulation
initiale est déjà très proche des valeurs observées avec un R2 de 96.5%. Il est important de prendre
en compte qu’un coefficient de détermination parfait est impossible à calibrer, certaines structures
modifiant localement l’écoulement n’étant pas pris en compte par le maillage, les rues étant
considérées comme vide, et la région étant en réalité composée de nombreux types de sol. Cela dit,
les modèles obtenus sont très performants pour reconstituer les hauteurs d’eau maximales dans la
ville.

L’itération 2 est celle qui offre le meilleur coefficient de détermination de toutes, 97 %. La figure
4.15 expose la concordance entre valeurs simulées et valeurs observées pour cette itération, celles
des autres itérations sont présentées aux figures B.49 à B.54 de l’annexe B.

Figure 4.15 : données observées vs simulées aux 21 jauges. Bornée itération 2

Bien que les coefficients de Manning des rues et de la rivière soient plus faibles qu’espérés, ils sont
aux alentours de leurs intervalles respectifs. Une légère augmentation de ceux-ci cause une baisse
du coefficient de détermination, tout en le maintenant au dessus de 96.6% (tableau 4-10).

Sans surprise, la calibration bornée offre des meilleurs résultats et est exécutée plus rapidement
que la non bornée. Donner un intervalle pour chaque coefficient, pour lequel il est physiquement
probable, aide PEST à converger plus rapidement vers une solution optimale. Il est tout de même
possible de trouver une solution avec la calibration non bornée, bien que le modélisateur ait à
vérifier les résultats par itération.

L’alliance entre PEST et OPPS prouve être une technique remarquable afin de calibrer un modèle
automatiquement et rapidement pour le régime permanent. La section suivante portera sur le
passage au modèle non permanent et ces effets sur les résultats.
 124

4.4.3 Effets en régime non permanent

En régime non permanent, le coefficient de Manning ne dépend plus seulement de la surface qu'il
traverse, mais aussi de la vitesse (relation parabolique Manning-vitesse) (Alcrudo, 2004). Cette
section a le but de vérifier que, pour une inondation suite à un bris de barrage, des coefficients de
Manning plus faible devrait être employés pour valider le modèle (Alcrudo, 2004). En d’autres
mots il est attendu que, pour les mêmes coefficients de friction, les hauteurs d’eau obtenue en
régime non permanent soient supérieures à celles simulées en régime permanent.

Les modèles sont donc relancés avec les coefficients de Manning calculés par la calibration
automatique, borné ou non borné, pour l’hydrogramme d’entrée correspondant à la rupture du
barrage de Tous. Le maillage employé est le même précédemment avec une résolution plus fine
dans la ville que dans le reste de la région. Le pas de temps des simulations est de 0.2 seconde, et
la durée est tronqué à 20 heures, soit plus de 5 heures après l’atteint du débit maximal dans le
modèle. Cette diminution de la durée de l’hydrogramme est une question de gain de temps, le
modèle prenant 82 heures à simuler l’hydrogramme complet alors qu’il n’en prend ici plus que 50,
tout en assurant l’atteinte des hauteurs d’eau maximales.

Les résultats par itération sont inscrits au tableau 4.11 pour la calibration non bornée, et au tableau
4.12 pour la calibration bornée.

Note : P : permanent

NP : non permanent

∆ : Écart entre les hauteurs d’eau, ET écart entre les coefficients R2

 125

Tableau 4-11 : comparaison entre simulation en régime permanent et non permanent. Calibration non bornée

ité 1 ité 2 ité 3 ité 4 ité 5

P NP ∆ P NP ∆ P NP ∆ P NP ∆ P NP ∆
jauge 1 14,37 14,79 0,42 14,42 14,72 0,30 14,95 15,25 0,30 16,43 16,59 0,16 17,71 17,82 0,11
jauge 2 5,26 5,70 0,44 5,38 5,62 0,24 5,92 6,20 0,29 7,38 7,54 0,16 8,66 8,77 0,11
jauge 3 3,00 3,44 0,44 3,09 3,40 0,31 3,66 3,96 0,29 5,15 5,31 0,16 6,43 6,54 0,11
jauge 4 1,54 2,84 1,29 2,33 2,73 0,40 3,13 3,42 0,30 4,67 4,83 0,16 5,92 6,04 0,11
jauge 5 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
jauge 6 2,75 3,51 0,76 3,10 3,46 0,36 3,81 4,12 0,31 5,34 5,50 0,16 6,60 6,71 0,11
jauge 7 1,77 2,22 0,45 1,86 2,17 0,31 2,44 2,74 0,31 3,92 4,08 0,16 5,20 5,31 0,11
jauge 8 1,77 2,53 0,77 2,11 2,50 0,40 2,82 3,14 0,33 4,35 4,51 0,16 5,61 5,72 0,11
jauge 9 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
jauge 10 0,00 0,27 0,27 0,00 0,21 0,21 0,38 0,74 0,36 1,84 2,00 0,16 3,12 3,23 0,11
jauge 11 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,03 0,03 0,94 1,11 0,16 2,21 2,33 0,11
jauge 12 0,12 0,90 0,78 0,34 0,84 0,51 1,10 1,45 0,35 2,64 2,81 0,16 3,90 4,01 0,11
jauge 13 0,12 0,63 0,51 0,18 0,58 0,40 0,73 1,09 0,36 2,19 2,35 0,16 3,47 3,58 0,11
jauge 14 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,09 0,20 0,11 1,22 1,34 0,11
jauge 15 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,88 0,99 0,11
jauge 16 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,27 0,27 1,44 1,60 0,17 2,70 2,81 0,11
jauge 17 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
jauge 18 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,12 0,23 0,11
jauge 19 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 1,22 1,34 0,12
jauge 20 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,98 1,10 0,12
jauge 21 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
2
R moy. 83,6% 88,3% 4,7% 85,7% 88,0% 2,3% 89,3% 90,9% 1,6% 94,6% 94,9% 0,3% 96,8% 96,9% 0,0%
écart / obs. (m) 51,50 45,37 6,13 49,40 45,98 3,42 43,27 39,79 3,48 25,83 23,78 2,05 13,84 13,49 0,35
 126

Tableau 4-12 : comparaison entre simulation en régime permanent et non permanent. Calibration bornée

ité INI ité 1 ité 2 ité 3 ité 4 ité 5

P NP ∆ P NP ∆ P NP ∆ P NP ∆ P NP ∆ P NP ∆
jauge 1 17,38 17,49 0,11 17,41 17,53 0,12 18,11 18,19 0,09 18,18 18,27 0,09 18,14 18,25 0,11 18,19 18,29 0,11
jauge 2 8,33 8,44 0,11 8,38 8,49 0,12 9,06 9,15 0,09 9,14 9,23 0,09 9,09 9,20 0,11 9,13 9,24 0,11
jauge 3 6,10 6,21 0,11 6,14 6,26 0,12 6,91 6,99 0,08 6,99 7,07 0,09 6,95 7,05 0,10 7,00 7,10 0,10
jauge 4 5,61 5,73 0,12 5,66 5,78 0,12 6,46 6,55 0,08 6,54 6,63 0,08 6,51 6,61 0,10 6,55 6,65 0,10
jauge 5 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
jauge 6 6,28 6,40 0,11 6,34 6,46 0,12 7,15 7,23 0,08 7,23 7,31 0,08 7,18 7,28 0,10 7,23 7,33 0,10
jauge 7 4,88 4,98 0,11 4,92 5,04 0,12 5,67 5,75 0,08 5,75 5,83 0,08 5,71 5,82 0,10 5,76 5,86 0,10
jauge 8 5,29 5,41 0,11 5,35 5,47 0,12 6,16 6,24 0,08 6,23 6,31 0,08 6,18 6,28 0,10 6,23 6,33 0,10
jauge 9 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,03 0,01 0,02 0,04 0,03 0,06 0,08 0,03
jauge 10 2,81 2,91 0,10 2,84 2,95 0,12 3,54 3,63 0,08 3,62 3,70 0,09 3,59 3,69 0,10 3,63 3,74 0,10
jauge 11 1,90 2,01 0,11 1,95 2,06 0,12 2,74 2,82 0,08 2,81 2,89 0,08 2,77 2,87 0,10 2,81 2,92 0,10
jauge 12 3,59 3,70 0,11 3,64 3,76 0,12 4,45 4,53 0,08 4,53 4,61 0,08 4,48 4,58 0,10 4,53 4,63 0,10
jauge 13 3,16 3,26 0,10 3,18 3,30 0,12 3,89 3,97 0,08 3,97 4,05 0,08 3,94 4,04 0,10 3,98 4,08 0,10
jauge 14 0,91 1,02 0,11 0,96 1,08 0,12 1,78 1,86 0,08 1,85 1,93 0,08 1,80 1,90 0,10 1,85 1,95 0,10
jauge 15 0,56 0,67 0,11 0,60 0,72 0,12 1,36 1,44 0,08 1,43 1,52 0,08 1,40 1,50 0,10 1,44 1,55 0,10
jauge 16 2,38 2,50 0,11 2,44 2,55 0,12 3,25 3,33 0,08 3,33 3,41 0,08 3,27 3,37 0,10 3,32 3,42 0,10
jauge 17 0,00 0,00 0,00 0,00 0,00 0,00 0,46 0,54 0,08 0,54 0,62 0,08 0,49 0,59 0,10 0,54 0,64 0,10
jauge 18 0,00 0,00 0,00 0,00 0,03 0,02 0,67 0,75 0,08 0,74 0,82 0,08 0,69 0,79 0,10 0,74 0,84 0,10
jauge 19 0,82 1,01 0,19 0,98 1,08 0,10 1,78 1,85 0,08 1,85 1,93 0,08 1,80 1,90 0,11 1,85 1,95 0,10
jauge 20 0,58 0,77 0,19 0,73 0,84 0,11 1,54 1,61 0,08 1,61 1,69 0,08 1,56 1,66 0,11 1,61 1,71 0,10
jauge 21 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
R2 moy. 96,5% 96,7% 0,22% 96,6% 96,7% 0,10% 96,9% 96,9% 0,03% 96,9% 96,8% 0,04% 96,9% 96,8% 0,03% 96,9% 96,8% 0,04%
écart obs (m) 15,71 14,68 1,03 15,13 14,36 0,77 12,69 12,54 0,15 12,56 12,46 0,10 12,64 12,45 0,19 12,57 12,49 0,09
 127

Tel que prévu, les hauteurs d’eau maximales enregistrées sur les modèles non permanents sont
supérieures à leurs homologues en permanent. Les coefficients de Manning obtenue par calibration
sont donc bien surévalués. Cependant une tendance non anticipée transpire de ces résultats : plus
le coefficient de détermination des modèles permanent est élevé, plus l’écart entre les deux régimes
diminue. Cette tendance est visualisable dans la figure 4.16.

7,00
6,00
∆ (NP-P) en mètre

5,00
4,00
3,00
2,00
1,00
0,00
0,0% 2,0% 4,0% 6,0% 8,0% 10,0% 12,0% 14,0%
1-R2 (NP)

Figure 4.16 : tendance entre coefficient de détermination du régime NP et écart entre N et NP

Le modèle final, itération 2 de la calibration bornée reproduisant fidèlement les profondeurs d’eau
de la ville, permet une observation chronologique de la vitesse de l’écoulement. La figure 4.17
montre le champ des vecteurs vitesses, à 13 heures de l’hydrogramme de rupture. Cette figure
montre une redirection de l’inondation vers la ville depuis les zones de cultures. L’inondation est
donc aggravée par le coefficient de Manning élevé de ces zones de vergers ; ils freinent le parcours
de l’eau, augmentant le niveau, et pousse l’onde de crue vers la ville.

La chronologie de l’évènement est détaillée dans les figures en annexe (figure B.55), elles
permettent une visualisation de la modélisation de propagation de l’inondation dans la zone
urbaine.
 128

Figure 4.17 : inondation à 13h de la simulation

4.4.4 Comparaisons aux autres études

Trois équipes de chercheurs ont publié leurs résultats de simulation sur ce cas test :

- Le CEMAGREF, France. (Mignot et al, 2004)

- L’Université Catholique de Louvain. (UCL), Belgique (Mullet et al, 2004)

- L’Université de Zaragoza, Espagne. (Murillo et al, 2004)

Tous ont utilisé la technique de représentation des bâtiments Building Hole. Cependant leurs
maillages, algorithme de calculs, pas de temps et condition frontière diffèrent du modèle établit ici.

L’article de Alcrudo et Mullet (2004a) rassemble tous les résultats obtenus de ces études et permet
de comparer les profondeurs d’eau obtenues dans ce mémoire aux autres recherches. Les figures
4.17 à 4.36 rapportent ces graphiques, pour 20 jauges (la jauge 21 n’est pas incluse, toutes les lignes
d’eau y sont à 0m), pour la meilleure calibration obtenue, soit l’itération 2 du mode borné.
 129

Figure 4.18 : comparaison des études. Jauge 1 Figure 4.19 : comparaison des études. Jauge 2

Figure 4.20 : comparaison des études. Jauge 3 Figure 4.21 : comparaison des études. Jauge 4
 130

Figure 4.22 : comparaison des études. Jauge 5 Figure 4.23 : comparaison des études. Jauge 6

Figure 4.24 : comparaison des études. Jauge 7 Figure 4.25 : comparaison des études. Jauge 8
 131

Figure 4.26 : comparaison des études. Jauge 9 Figure 4.27 : comparaison des études. Jauge 10

Figure 4.28 : comparaison des études. Jauge 11 Figure 4.29 : comparaison des études. Jauge 12
 132

Figure 4.30 : comparaison des études. Jauge 13 Figure 4.31 : comparaison des études. Jauge 14

Figure 4.32 : comparaison des études. Jauge 15 Figure 4.33 : comparaison des études. Jauge 16
 133

Figure 4.34 : comparaison des études. Jauge 17 Figure 4.35 : comparaison des études. Jauge 18

Figure 4.36 : comparaison des études. Jauge 19 Figure 4.37 : comparaison des études. Jauge 20
 134

Ces graphiques témoignent de la variabilité existante entre méthodes de modélisations, les résultats
pouvant être très disparates. La majorité des jauges affichent plusieurs mètres de différences entre
modèles, bien que la forme générale des variations de profondeurs d’eau reste la même sur chaque
jauge. La force de ce cas test est d’offrir des données réelles observées sur les hauteurs d’eau
maximales que l’inondation a provoquées. Ces données permettent de pouvoir juger de la qualité
d’une modélisation, notamment grâce au coefficient de détermination comme il a été vu.

Les profondeurs d’eau maximales pour chaque modélisation sont obtenues des graphiques
précédents grâce à l’outil gratuit Web Plot Digitizer et sont rassemblées dans le tableau 4.13:

Tableau 4-13 : Profondeur aux 21 jauges des études de modélisation

P. Gonzalez UDZ-1 CEMAGREF UDZ-2 UCL

Profondeurs profondeurs profondeurs profondeurs profondeurs profondeurs
observées calculées calculées calculées calculées calculées
jauge 1 17.5 à 19 18,2 16,68 17,24 18,16 18,56
jauge 2 8à9 9,1 8,47 11,51 8,66 9,00
jauge 3 7à8 7,0 6,15 6,75 7,27 0,00
jauge 4 7 6,5 6,16 6,16 3,34 7,20
jauge 5 0,2 0,0 4,89 1,79 0,10 1,18
jauge 6 5à6 7,2 6,85 7,04 5,14 7,53
jauge 7 6 5,8 5,03 5,57 6,18 6,30
jauge 8 5 6,2 5,82 6,15 6,37 6,70
jauge 9 0 0,0 0,20 0,11 0,00 0,36
jauge 10 4 3,6 2,07 2,51 4,29 4,29
jauge 11 2 2,8 1,50 1,87 0,00 3,53
jauge 12 5à6 4,5 4,52 4,31 4,77 5,07
jauge 13 2.5 à 3 4,0 2,80 3,45 1,19 3,45
jauge 14 2 1,9 2,55 3,00 3,12 2,90
jauge 15 0 1,4 1,69 1,87 0,00 1,84
jauge 16 3à4 3,3 3,78 3,33 3,78 3,78
jauge 17 0 0,5 0,00 0,00 0,00 0,82
jauge 18 0 0,7 1,24 0,98 0,00 1,64
jauge 19 2à3 1,9 2,57 1,44 0,00 2,49
jauge 20 2 1,6 1,99 0,14 0,00 1,78
jauge 21 0 0,0 0,00 0,00 0,00 0,00
2
R moy. 96,86% 89,50% 91,45% 92,44% 80,56%
Écart (m) 12,54 19,12 20,88 16,63 22,54
 135

Le tableau 4.13 montre la supériorité du modèle établi dans cette étude. Le meilleur modèle des
autres publications a un coefficient de détermination de 92,4% quand aucune des itérations de la
calibration bornée ne descend en dessous de 96,5%. Bien que l’écart entre ces coefficients ne soit
que de 4.1%, celui-ci a une signification non négligeable sur les hauteurs d’eau : plusieurs mètres
de différence séparent les deux modèles.

Dans l’ensemble, ces résultats confirment la robustesse du modèle et de sa validité pour simuler la
propagation de l’inondation en zone urbaine sur le cas de l’inondation de Sumacarcer suite à la
rupture du barrage Tous.
 136

4.5 Conclusions Calibration

Afin de modéliser la propagation de l’inondation dans Sumacarcer, les bâtiments ont été mis en
place dans le modèle par la technique de représentation Building hole, celle-ci donnant de bons
résultats et étant plus aisée à insérer dans le maillage. Le maillage est par ailleurs affiné dans la
ville pour satisfaire la condition de 3 cellules transversales par rues, ceci afin d’améliorer la qualité
des variables de sorties comme le mentionne la revue de littérature.

La calibration du modèle porte uniquement sur les coefficients de Manning des régions. Afin
d’optimiser le temps de calibration, il est primordial de définir le pas de temps et la durée simulée,
le modèle étant exécuté une multitude de fois chaque gain de temps compte. Il faut toutefois veiller
à préserver la stabilité du modèle en testant ces limites d’excitations sur le Manning. La calibration
est effectuée automatiquement grâce aux programmes OPPS et PEST, le premier permettant le
paramétrage du second. Il est conseillé de calibrer en bornant les coefficients de Manning selon
leurs significations physiques afin de diminuer le nombre d’itérations, et donc de temps de
simulation, pour que PEST converge vers une solution optimale. La calibration est faite en régime
permanent, les coefficients de Manning obtenue sont ensuite portés au régime non permanent avec
l’hydrogramme de crue de rupture.

Le coefficient de Manning est stable et vérifié pour un régime permanent et uniforme. Il était
attendue que les coefficients soient surestimés pour le régime non permanent, dû à la relation
parabolique Manning-vitesse et la vitesse variable de l’écoulement sur les cellules du maillage. Ce
phénomène est bien visible dans les résultats, les hauteurs d’eau en régime non permanent sont
supérieures à celles du régime permanent pour les mêmes paramètres d’entrées. Étonnamment,
l’écart sur les hauteurs d’eau entre les deux régimes diminue lorsque le coefficient de détermination
entre les données observées et simulées augmente.

La calibration permet d’obtenir une excellente concordance avec les données observées aux 21
jauges, pour un coefficient de détermination de 97% et une erreur moyenne de 0.5m par jauge. Le
modèle obtenu est bien plus précis que les autres publications sur ce cas d’étude, dont le coefficient
de détermination maximale est de 92%. Un coefficient de 97% semble être le maximum que l’on
peut tirer du modèle, ceci car les hauteurs d’eau aux jauges sont corrélées, lorsque le niveau
 137

augmente à l’une pour satisfaire son objectif de calibration, elle augmente aussi pour une autre qui
pourrait alors dépasser son propre objectif. Augmenter le coefficient de détermination demanderait
de mettre en place un modèle plus détaillé et d’augmenter le nombre de surfaces à calibrer.

Une des hypothèses de l’inondation de Sumacarcer suite au bris de barrage est que l’eau a été
redirigée vers la ville par l’effet de résistance à l’écoulement des cultures d’orangers l’accotant.
Cette hypothèse est renforcée ici par les résultats de calibration. Toutes les itérations montrent que
pour obtenir les hauteurs d’eau mesurées dans la ville, le coefficient de Manning des zones de
cultures doivent être élevées. Dans Graf (1984), les Manning de 0.06 à 0.08 calculés par la
calibration correspondent à de la végétation broussailleuse et arboricole, ils ont donc bien une
signification physique (comme par ailleurs pour les autres coefficients obtenues). De plus, il a été
prouvé au chapitre 3 que l’écoulement aux alentours de la ville est fluvial, avec un nombre de
Froude inférieur à un, et donc favorise les forces d’inertie aux forces gravitationnelles, ce qui entre
en jeu pour la redirection de l’inondation des cultures vers la ville.

La force de cette étude est d’avoir à disposition les données d’observation mesurées après la
catastrophe, permettant la calibration qui ne serait pas possible si ces données font défaut, soit la
majeure partie des cas en modélisation. Cependant, lors d’une phase de test préalable à la
calibration, non présentée dans ce chapitre, une simulation a été exécutée en fixant des coefficients
de Manning qui semblaient être les plus représentatifs des types de sols de la région. Cette
simulation a produit un coefficient de détermination de 96% sur l’inondation de Sumacarcer. Il est
donc possible par bon sens et logique d’obtenir, avec la modélisation numérique, une simulation
qui se rapprocherait du cas d’inondation sans en connaître les conséquences réelles. Dans l’optique
d’ingénierie, un facteur de sécurité serait appliqué aux hauteurs d’eau simulées, ou les coefficients
de Manning seraient majorés, pour esquisser le pire scénario probable dans une approche
conservative sur les impacts probable d’une inondation.

Dans l’ensemble, cette étude de calibration valide les objectifs de la problématique de recherche
fixés au début de ce mémoire.
 138

CHAPITRE 5 CONCLUSIONS ET RECOMMANDATIONS

Le processus de gestion des inondations peut se décomposer en trois phases : la planification avant-
inondation, la gestion d'urgence de la crue, et le rétablissement post-inondation. La modélisation
numérique d'inondation en zone urbaine a une incidence dans toutes ces phases.

Pour la première phase, ces modèles permettent la prédiction, plus ou moins précise, de la
distribution spatiale et temporelle des niveaux d'eau et des vitesses d'une crue. Ses résultats
permettent ensuite d'évaluer l'intensité de la crue potentielle, mais surtout de pouvoir en déduire
les impacts probables sur la population, l'économie et l'environnement, ainsi que de mettre en place
des solutions pour atténuer ces impacts.

Dans une optique de prévision, les modèles peuvent être un support avantageux dans la phase de
gestion d'évacuation de la population, et l'envoi ciblé de secours dans les zones les plus à risque.

Ces recommandations, remises aux autorités compétentes, peuvent donc aboutir à la mise en place
de mesures d'atténuation, structurelles ou non, telles que des nouvelles politiques d'aménagement
du territoire, des renforcements des fondations de structure à risques, le déménagement de
propriétés vulnérables, l'amélioration ou la mise en place de structure de protection, l'ajustement
des contrats d'assurance, etc. Toutes ces mesures visent à être préparé face à de tels événements et
peuvent donc accélérer la phase de rétablissement.

La section problématique de ce travail fait état de la situation actuelle et future des inondations
dans le monde, le consensus de la communauté scientifique étant que la fréquence des inondations,
urbaine ou non, est amenée à s'intensifier ; que cela soit dû au changement climatique, aux
structures hydrauliques défaillantes ou bien à des événements exceptionnels de pluie, les risques
liés aux inondations sont réels. Une expansion de l'emploi des modélisations numériques devient
donc prévisible. Néanmoins, le principal frein de cette ressource est la disponibilité de données
fiables telle que les données bathymétriques et la connaissance complète des caractéristiques de
l'écoulement. Chaque modèle est unique et ses résultats sont variables sur un même tronçon selon
l'événement de pluie et les conditions initiales. Les études d'impacts doivent refléter ces aléas et
donc mettre à dispositions plusieurs scénarios.
 139

De plus, les réponses nécessaires aux zones de crues lentes ne sont pas les mêmes que pour des
crues éclairs du type rupture de barrages ; les impacts économiques sont échelonnés selon les
hauteurs d'eau et la durée de l'inondation, alors que la vitesse de l'écoulement est nécessaire à
l'évaluation des dommages structuraux, car corréler à la force exercée sur les structures.

Pour cela, les modèles commerciaux de type 2D ont d'ores et déjà prouvé leur capacité à résoudre
ces écoulements, malgré leurs limitations prévues par les hypothèses simplificatrices des équations
de Navier-Stokes. Une application de ceux-ci sur les milieux urbains se porte donc comme la suite
logique à leurs emplois, la technologie informatique étant maintenant adaptée à des calculs d'une
telle ampleur. De nombreux bénéfices quant à une estimation des impacts plus précise et une
meilleure gestion d'urgence en milieu urbain font de cette technique une avancée dans le domaine
fluviale.

Ce mémoire présente une technique de détermination de la condition frontière aval basée sur le
nombre de Froude performante permettant de fixer une condition aval lorsqu’aucune structure de
contrôle sur le débit n’existe, mais aussi de délimiter la zone dont les caractéristiques
d’écoulements seront influencées par la condition limite. Elle se présente comme une alternative
efficace à l’emploi d’une condition à une hauteur normale (basée sur l’équation de
Manning). L’application de cette méthode valide les variables de sorties des simulations hors de la
zone d’influence de la condition limite et permet de déterminer le régime d’écoulement qui la
traverse. Elle souffre tous de même de la variabilité du nombre de Froude lorsque le modèle est
soumis à un écoulement non permanent. Ce frein n’entrave cependant pas la validité du modèle
pour tous points non soumis à l’emprise de la condition frontière aval sur l’écoulement.

Une application connexe de la méthode permet d’amputer une partie aval des modèles afin de
réduire la région à l’étude et donc de réduire le temps de calcul, ressource majeure en modélisation
numérique.

L’automatisation de la calibration s’est montrée comme un outil prodigieux pour assigner les
coefficients de Manning aux différentes régions. Les résultats obtenus sur les hauteurs d’eau sont
en excellents accords avec les données observées, tout en respectant les limites physiques des
coefficients de Manning des types de sols. Bien que la calibration soit effectuée en régime
 140

permanent, l’application de ces paramètres au régime non permanent a prouvé une très bonne
adéquation et des niveaux d’eau très proches entre les deux régimes. Dans l’ensemble le modèle
créé dépasse les attentes, tant au niveau des résultats de calibration que des effets sur l’inondation
que les coefficients de Manning imposent. Ces effets sont en accord avec les caractéristiques du
parcours de l’inondation relevé par des témoins de l’évènement.

La modélisation numérique de la propagation des inondations en zone urbaine est non seulement
une technique robuste pour reconstituer le parcours d’une onde de crue, mais elle se positionne
aussi comme une option efficace de prévisions d’impact. Que cela soit pour des crues lentes ou
éclairs, cette technique offre de nombreux avantages par rapport à la modélisation physique.

Les principaux inconvénients d’une telle méthode sont l’attribution des coefficients de Manning,
les effets turbulents et le temps de calcul. L’influence du coefficient de Manning sur les résultats
est un aspect contraignant pour le modélisateur. Bien que des tables caractéristiques pour différents
types de sols existent dans la littérature, les valeurs de ces coefficients restent des approximations,
et certaines références peuvent se contredire. La tâche est aussi complexifiée par la connaissance
du terrain, les types de sols peuvent être extrêmement variables sur une région et si seules des
photos aériennes sont disponibles pour délimiter les zones, des erreurs d’attribution peuvent être
attendues.

Le temps de calcul est une ressource primordiale dans l’élaboration d’un modèle numérique. La
modélisation devient alors un véritable exercice d’optimisation du maillage et du pas de temps afin
de réduire le temps de calcul. Le modèle sera exécuté des dizaines de fois, chaque gain de temps a
donc de l’importance.

Les progrès des logiciels de modélisation en dynamique des fluides permettront à l’avenir d’affiner
les résultats. Notamment, le programme utilisé ici pour résoudre l’écoulement (SRH-2D) n’utilise
pas la parallélisassions des calculs sur plusieurs cœurs de processeur ; des logiciels existent utilisant
cette technologie qui permet de réduire considérablement le temps de calcul.

L’utilisation d’un pas de temps fixe de calculs c’est montré contraignante lors du projet, un pas de
temps trop faible impactant considérablement le temps de simulation alors qu’un trop élevé amène
 141

à une divergence du modèle. Des programmes viennent pallier à ce problème en opérant

automatiquement une variation du pas de temps afin de maintenir la simulation stable pour toute
sa durée, affinant le pas lorsque le débit augmente et, à l’inverse, l’augmentant lorsque le débit
diminue, en accord avec la condition de Courant.

Une des dernières avancées dans la modélisation numérique concerne le maillage. Les résultats
produits par modélisation ne peuvent être plus précis que le maillage qu’elle dispose. Un maillage
fin permet une représentation plus détaillée du terrain et de ces structures, produisant des variables
de sorties plus précises et mieux en phase avec le phénomène réel. Cependant augmenter la
résolution du maillage implique directement une augmentation du temps de calculs. Les logiciels
peuvent pallier à ce problème en modifiant dynamiquement le maillage en cours de simulation afin
de représenter plus finement une région à un instant propice ou les caractéristiques d’écoulement
sont variables, et au contraire augmenter la résolution lors de période peut perturber.

Dans l’attente de méthodes de modélisation 3D efficaces et prouvées, la modélisation 2D a encore

de beaux jours devant elle et se positionne comme une méthode efficace pour la modélisation de
propagation des inondations en zone urbaine.
 142

BIBLIOGRAPHIE

Alcrudo, F. (2004). Mathematical modelling techniques for flood propagation in urban areas.
proceedings 1st IMPACT project WorkshopProject.

Alcrudo, F., & Mulet, J. (2004). Conclusions and Recommendations from the IMPACT Project
WP3 : Flood Propagation. proceedings 1st IMPACT project WorkshopProject.

Alcrudo, F., & Mulet, J. (2004a). Analysis of Tous case study flood propagation modelling results:
Validation of modeling techniques for urban flooding and for flood propagation in natural
topographies against field data. proceedings 1st IMPACT project WorkshopProject.

Alcrudo, F., & Mulet, J. (2007). Description of the Tous Dam break case study (Spain). Journal of
Hydraulic Research, 45(Extra issue), 45-57.

Aureli, F., Dazzi, S., Maranzoni, A., Mignosa, P., & Vacondio, R. (2015). Experimental and
numerical evaluation of the force due to the impact of a dam-break wave on a structure.
Advances in Water Resources, 76 29-42. doi: 10.1016/j.advwatres.2014.11.009

Begnudelli, L., & Sanders, B. F. (2007). Simulation of the St. Francis Dam-Break flood. Journal
of Engineering mechanics, 133(11), 13.

Bellos, V. (2012). Ways for flood hazard mapping in urbanised environments: A short literature
review. Water Utility Journal, 4 25-31.

Chaudhry, M. H. (2007). Open-Channel Flow: Springer US.

El Kadi Abderrezzak, K., Paquier, A., & Mignot, E. (2008). Modelling flash flood propagation in
urban areas using a two-dimensional numerical model. Natural Hazards, 50(3), 433-460.
doi: 10.1007/s11069-008-9300-0

Fell, R., MacGregor, P., Stapledon, D., & Bell, G. (2005). Geotechnical Engineering of Dams:
Taylor & Francis.

Gallegos, H. A., Schubert, J. E., & Sanders, B. F. (2009). Two-dimensional, high-resolution

modeling of urban dam-break flooding: A case study of Baldwin Hills, California.
Advances in Water Resources, 32(8), 1323-1335. doi: 10.1016/j.advwatres.2009.05.008
 143

Graf, W. H., & Altinakar, S. (2000). Hydraulique fluviale: écoulement et phénomènes de transport
dans les canaux à géométrie simple: Presses polytechniques et universitaires romandes.

Hunter, N. M., Villanueva, I., Pender, G., Lin, B., Mason, D. C., Falconer, R. A., . . . Waller, S.
(2008). Benchmarking 2D hydraulic models for urban flooding. Proceedings of the ICE -
Water Management, 161(1), 13-30. doi: 10.1680/wama.2008.161.1.13

IPCC. (2014). Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and
III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change.
IPCC, Geneva, Switzerland, [Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.)].
151 pp.

Kim, B., Sanders, B. F., Famiglietti, J. S., & Guinot, V. (2015). Urban flood modeling with porous
shallow-water equations: A case study of model errors in the presence of anisotropic
porosity. Journal of Hydrology, 523 680-692. doi: 10.1016/j.jhydrol.2015.01.059

Lai, Y. G. (2010). Two-Dimensional depth-averaged flow modeling with an unstrucured hybrid

mesh. Journal of hydraulic engineering, 136(1), 12.

Liang, D., Falconer, R. A., & Lin, B. (2007). Coupling surface and subsurface flows in a depth
averaged flood wave model. Journal of Hydrology, 337(1-2), 147-158. doi:
10.1016/j.jhydrol.2007.01.045

Mavriplis, D. J. (1996). Mesh generation and adaptivity for complex geometries and flows.
Handbook of Computational Fluid Mechanics 417-459.

Mignot, E., & Paquier, A. (2004). Impact - Flood propagation case study The flooding of
Sumacarcer after Tous Dam Break - Cemagref's modelling proceedings 1st IMPACT
project WorkshopProject.

Mignot, E., Paquier, A., & Haider, S. (2006). Modeling floods in a dense urban area using 2D
shallow water equations. Journal of Hydrology, 327(1-2), 186-199. doi:
10.1016/j.jhydrol.2005.11.026

Mignot, E., Paquier, A., & Ishigaki, T. (2006). Comparison of numerical and experimental
simulations of a flood in a dense urban area. Water Science & Technology, 54(6-7), 65. doi:
10.2166/wst.2006.596

Mulet, J., & Alcrudo, F. (2004). Impact Flood Propagation Case Study : The flooding of
Sumacarcer after Tous dam Break - University of Zaragoza modelling. proceedings 1st
IMPACT project WorkshopProject.
 144

Murillo, J., & Garcia-Navarro, P. (2004). The Tous Case study : mesh refinement & optimization
data. proceedings 1st IMPACT project WorkshopProject.

Néelz, S., & Pender, G. (2009). Grid resolution dependency in inundation modelling : a case study.
Flood Risk Management : Research and Practice.

Sanders, B. F. (2007). Evaluation of on-line DEMs for flood inundation modeling. Advances in
Water Resources, 30(8), 1831-1843. doi: 10.1016/j.advwatres.2007.02.005

Sanders, B. F., Schubert, J. E., & Gallegos, H. A. (2008). Integral formulation of shallow-water
equations with anisotropic porosity for urban flood modeling. Journal of Hydrology, 362(1-
2), 19-38. doi: 10.1016/j.jhydrol.2008.08.009

Schubert, J. E., & Sanders, B. F. (2012). Building treatments for urban flood inundation models
and implications for predictive skill and modeling efficiency. Advances in Water
Resources, 41 49-64. doi: 10.1016/j.advwatres.2012.02.012

Schubert, J. E., Sanders, B. F., Smith, M. J., & Wright, N. G. (2008). Unstructured mesh generation
and landcover-based resistance for hydrodynamic modeling of urban flooding. Advances in
Water Resources, 31(12), 1603-1621. doi: 10.1016/j.advwatres.2008.07.012

Serra-Llobet, A., Tàbara, J. D., & Sauri, D. (2012). The Tous dam disaster of 1982 and the origins
of integrated flood risk management in Spain. Natural Hazards, 65(3), 1981-1998. doi:
10.1007/s11069-012-0458-0

Seyoum, S. D. (2013). Framework for Dynamic Modelling of Urban Floods at Different

Topographical Resolutions.

Soares-Frazao, S., Lhomme, J., Guinot, V., & Zech, Y. (2008). Two-dimensional shallow-water
model with porosity for urban flood modelling. Journal of Hydraulic Research, 46(1), 45-
64. doi: 10.1080/00221686.2008.9521842

Soares-Frazão, S., & Zech, Y. (2004). Simulation of the IMPACT case study on the Tous dam-
break flow. proceedings 1st IMPACT project WorkshopProject.

Soares-Frazão, S., & Zech, Y. (2007). Experimental study of dam-break flow against an isolated
obstacle. Journal of Hydraulic Research, 45(sup1), 27-36. doi:
10.1080/00221686.2007.9521830
 145

Soares-Frazão, S., & Zech, Y. (2008). Dam-break flow through an idealised city. Journal of
Hydraulic Research, 46(5), 648-658. doi: 10.3826/jhr.2008.3164

Testa, G., Zuccalà, D., Alcrudo, F., Mulet, J., & Soares-Frazão, S. (2007). Flash flood flow
experiment in a simplified urban district. Journal of Hydraulic Research, 45(sup1), 37-44.
doi: 10.1080/00221686.2007.9521831

Wu, J., Zhang, H., & Dalrymple, R. A. (2013). Simulating Dam-Break flooding with floating
objects through intricate city layouts using GPU-based SPH method. Proceedings of the
world congress on Engineering, 3.
 146

ANNEXE A – FIGURES DÉTERMINATION DE LA CONDITION FRONTIÈRE AVAL

 147

MODÈLE WSE FIXE

Figure A.1 : Hauteur d’eau au point 1 à 5. Simulations sur le modèle WSE fixe
 148

MODÈLE NFRXX – SIMULATIONS COMPLÈTES

Figure A.2 : Hauteur d’eau au point 1 à 5. Simulations complètes sur le modèle NfrXX
 149

MODÈLE NFR XX - ZOOM SUR L’INTERVALLE 12H-18H

Figure A.3 : Hauteur d’eau aux points 1 à 5. Zoom 12h – 18h sur le modèle NfrXX
 150

MODÈLE MFRXX_02 – SIMULATIONS COMPLÈTES

Figure A.4 : Hauteur d’eau au point 1 à 5. Simulations complètes sur le modèle MfrXX_02
 151

MODÈLE MFRXX_02 - ZOOM SUR L’INTERVALLE 12H-18H

Figure A.5 : Hauteur d’eau aux points 1 à 5. Zoom 12h – 18h sur le modèle MfrXX_02
 152

MODÈLE MFRXX_03 – SIMULATIONS COMPLÈTES

Figure A.6 : Hauteur d’eau au point 1 à 5. Simulations complète sur le modèle MfrXX_03
 153

MODÈLE MFRXX_03 - ZOOM SUR L’INTERVALLE 12H-18H

Figure A.7 : Hauteur d’eau aux points 1 à 5. Zoom 12h – 18h sur le modèle MfrXX_03
 154

MODÈLE MFRXX_04 – SIMULATIONS COMPLÈTES

Figure A.8 : Hauteur d’eau au point 1 à 5. Simulations complète sur le modèle MfrXX_04
 155

MODÈLE MFRXX_04 - ZOOM SUR L’INTERVALLE 12H-18H

Point 3
51
Hauteur d'eau (m)

49

47

45

43
12 13 14 15 16 17 18
Temps (hr)

Figure A.9 : Hauteur d’eau aux points 1 à 5. Zoom 12h – 18h sur le modèle MfrXX_04
 156

MODÈLE MFRXX_05 – SIMULATIONS COMPLÈTES

Figure A.10 : Hauteur d’eau au point 1 à 5. Simulations complète sur le modèle MfrXX_05
 157

MODÈLE MFRXX_05 - ZOOM SUR L’INTERVALLE 12H-18H

Figure A.11 : Hauteur d’eau aux points 1 à 5. Zoom 12h – 18h sur le modèle MfrXX_05
 158

MODÈLE RFRXX – SIMULATIONS COMPLÈTES

Figure A.12 : Hauteur d’eau au point 1 à 5. Simulations complète sur le modèle RfrXX
 159

MODÈLE RFRXX - ZOOM SUR L’INTERVALLE 12H-18H

Figure A.13 : Hauteur d’eau aux points 1 à 5. Zoom 12h – 18h sur le modèle RfrXX
 160

HAUTEUR D’EAU SUR 5 POINTS PAR NOMBRE DE FROUDE

Note : Le point 1 n’est pas représenté dans ces résultats
FROUDE = 0.6 – SIMULATIONS COMPLÈTES
car la section y a été modifié sur certains modèle, ce
point ne peut donc être représentatif pour l’analyse.

Froude = 0.6

Figure A.14 : Hauteur d’eau au point 2 à 5. Simulations complètes sur les modèles avec Froude=0.6
 161

FROUDE = 0.8 – SIMULATIONS COMPLÈTES

Froude = 0.8

Figure A.15 : Hauteur d’eau au point 2 à 5. Simulations complètes sur les modèles avec Froude=0.8
 162

FROUDE = 1.0 – SIMULATIONS COMPLÈTES

Froude = 1.0

Figure A.16 : Hauteur d’eau au point 2 à 5. Simulations complètes sur les modèles avec Froude=1.0
 163

FROUDE = 1.2 – SIMULATIONS COMPLÈTES

Froude = 1.2

Figure A.17 : Hauteur d’eau au point 2 à 5. Simulations complètes sur les modèles avec Froude=1.2
 164

FROUDE = 1.5 – SIMULATIONS COMPLÈTES

Froude = 1.5

Figure A.18 : Hauteur d’eau au point 2 à 5. Simulations complètes sur les modèles avec Froude=1.5
 165

COURBES DE TARAGE ET SIMULATIONS

MODÈLE NFRXX

Figure A.19 : Courbes de tarage théoriques et simulées. Modèle NfrXX

 166

MODÈLE MFRXX_02

Figure A.20 : Courbes de tarage théoriques et simulées. Modèle MfrXX_02

 167

MODÈLE MFRXX_03

Figure A.21 : Courbes de tarage théoriques et simulées. Modèle MfrXX_03

 168

MODÈLE MFRXX_04

Figure A.22 : Courbes de tarage théoriques et simulées. Modèle MfrXX_04

 169

MODÈLE MFRXX_05

Figure A.23 : Courbes de tarage théoriques et simulées. Modèle MfrXX_05

 170

MODÈLE RFRXX

Figure A.24 : Courbes de tarage théoriques et simulées. Modèle RfrXX

 171

HYDROGRAMMES DE SORTIE
MODÈLE NFRXX

Figure A.25 : Hydrogrammes de sortie. Modèle NfrXX

 172

MODÈLE MFRXX_02

Figure A.26 : Hydrogrammes de sortie. Modèle MfrXX_02

 173

MODÈLE MFRXX_03

Figure A.27 : Hydrogrammes de sortie. Modèle MfrXX_03

 174

MODÈLE MFRXX_04

Figure A.28 : Hydrogrammes de sortie. Modèle MfrXX_04

 175

MODÈLE MFRXX_05

Figure A.29 : Hydrogrammes de sortie. Modèle MfrXX_05

 176

MODÈLE RFRXX

Figure A.30 : Hydrogrammes de sortie. Modèle RfrXX

 177

RÉSIDUS DES SOLUTIONS DE SIMULATION

MODÈLE NFRXX

Figure A.31 : Résidus des simulations. Modèle NfrXX

 178

MODÈLE MFRXX_02

Figure A.32 : Résidus des simulations. Modèle MfrXX_02

 179

MODÈLE MFRXX_03

Figure A.33 : Résidus des simulations. Modèle MfrXX_03

 180

MODÈLE MFRXX_04

Figure A.34 : Résidus des simulations. Modèle MfrXX_04

 181

MODÈLE MFRXX_05

Figure A.35 : Résidus des simulations. Modèle MfrXX_05

 182

MODÈLE RFRXX

Figure A.36 : Résidus des simulations. Modèle RfrXX

 183

ANNEXE B – CALIBRATION

Point 1
Hauteur d'eau (m)

SIM tronqué 0.6

SIM étendue 0.6
46

Temps (hr)
36
0 5 10 15 20 25 30 35 40 45 50

Point 2
Hauteur d'eau (m)

49

44

39
0 5 10 15 20 25 (hr)
Temps 30 35 40 45 50

Point 3
Hauteur d'eau (m)

49

44

Temps (hr)
39
0 5 10 15 20 25 30 35 40 45 50

Point 4
Hauteur d'eau (m)

49

44

Temps (hr)
39
0 5 10 15 20 25 30 35 40 45 50

Point 5
Hauteur d'eau (m)

49

44

Temps (hr)
39
0 5 10 15 20 25 30 35 40 45 50

Figure B.37 : Hauteurs d'eau en fonction du temps. Modèle avec ville et sans
 184

Figure B.38 : position point d'observation des courbes d'eau figure A.38

//
// Output at the exit boundary where Rating Curve is given as boundary condition
//
Time(hours) Discharge(cms) Water-Elevation(meter)
5.55555556E-05 1.50002717E+04 4.78051429E+01
5.55555556E-03 1.50442729E+04 4.78188328E+01
1.11111111E-02 1.50853432E+04 4.78347541E+01
1.66666667E-02 1.51164387E+04 4.78457571E+01
2.22222222E-02 1.51535856E+04 4.78592385E+01
2.77777778E-02 1.51981218E+04 4.78749644E+01
3.33333333E-02 1.52355722E+04 4.78888564E+01
3.88888889E-02 1.52663130E+04 4.79001131E+01
4.44444444E-02 1.52872793E+04 4.79079958E+01
5.00000000E-02 1.53038295E+04 4.79139938E+01
5.55555556E-02 1.53211976E+04 4.79202281E+01
6.11111111E-02 1.53358928E+04 4.79256959E+01
6.66666667E-02 1.53434223E+04 4.79286589E+01
7.22222222E-02 1.53437135E+04 4.79289720E+01
7.77777778E-02 1.53397202E+04 4.79276314E+01
8.33333333E-02 1.53337065E+04 4.79255121E+01
8.88888889E-02 1.53267726E+04 4.79230322E+01
9.44444444E-02 1.53195607E+04 4.79204395E+01
1.00000000E-01 1.53113996E+04 4.79175468E+01
1.05555556E-01 1.53026629E+04 4.79143817E+01

Figure B.39 : Fichier de sortie RC1 valide

 185

//
// Output at the exit boundary where Rating Curve is given as boundary condition
//
Time(hours) Discharge(cms) Water-Elevation(meter)
5.55555556E-05 1.48889117E+04 4.77645663E+01
5.55555556E-03 1.51190692E+04 4.78420021E+01
1.11111111E-02 1.52913757E+04 4.79043376E+01
1.66666667E-02 1.54800316E+04 4.80634862E+01
6.94444444E-01 1.10624585E+04 4.50570478E+01
7.00000000E-01 7.17935033E+03 4.46988479E+01
7.05555556E-01 9.51971573E+03 4.48949617E+01
7.11111111E-01 7.89090371E+03 4.49481835E+01
7.16666667E-01 9.47700598E+03 4.50865269E+01
7.22222222E-01 8.40256037E+03 4.50288602E+01
7.27777778E-01 1.05724870E+04 4.51017091E+01
7.33333333E-01 1.05729112E+04 4.52226547E+01
7.38888889E-01 9.38506157E+03 4.53928001E+01
7.44444444E-01 1.05560493E+04 4.50982490E+01
7.50000000E-01 8.03000669E+03 4.48243564E+01
7.55555556E-01 7.87729035E+03 4.47569372E+01
7.61111111E-01 7.70418370E+03 4.48153799E+01

Figure B.40 : Fichier de sortie RC1 érroné

Figure B.41 : coefficients de Manning. Graf (1984)

 186

Figure B.42 : coefficients de Manning. Graf (1984)

 187

Figure B.43 : données observées vs simulées aux 21 jauges. Non bornée Itération 1

Figure B.44 : données observées vs simulées aux 21 jauges. Non bornée Itération 2

Figure B.45 : données observées vs simulées aux 21 jauges. Non bornée Itération 3

Figure B.46 : données observées vs simulées aux 21 jauges. Non bornée Itération 4
 188

Figure B.47 : données observées vs simulées aux 21 jauges. Non bornée Itération 5

Figure B.48 : données observées vs simulées aux 21 jauges. Bornée Itération Initiale

Figure B.49 : données observées vs simulées aux 21 jauges. Bornée Itération 1

Figure B.50 : données observées vs simulées aux 21 jauges. Bornée Itération 2

 189

Figure B.51 : données observées vs simulées aux 21 jauges. Bornée Itération 3

Figure B.52 : données observées vs simulées aux 21 jauges. Bornée Itération 4

Figure B.53 : données observées vs simulées aux 21 jauges. Bornée Itération 5

 190

Figure B.54 : inondation à 12h (rupture complète du barrage)

Figure B.55 : inondation à 12.5h

Figure B.56 : inondation à 13h

 191

Figure B.57 : inondation à 13.25h

Figure B.58 : inondation à 13.5h

Figure B.59 : inondation à 13.75h

 192

Figure B.60 : inondation à 14.25h

Figure B.61 : inondation à 14.5h

Figure B.62 : : inondation à 15h

 193

Figure B.63 : : inondation à 16h

Figure B.64 : : inondation à 18h