Modélisation spatio-temporelle de la recharge des eaux souterraines et des étiages sous l’effet des changements climatiques à l’aide d’un réseau de neurones graphiques informé par la physique

La recharge des eaux souterraines et les conditions d’étiage jouent un rôle central dans la disponibilité de l’eau et la résilience des écosystèmes. Dans le contexte des changements climatiques, l’évolution des régimes de précipitation, la diminution de l’enneigement, l’instabilité des cycles gel–dégel et l’augmentation des événements extrêmes modifient les processus hydrologiques de surface et souterrains. Ces changements complexifient l’anticipation des périodes de stress hydrique et accentuent les incertitudes associées aux outils de modélisation actuellement utilisés. Afin de soutenir la planification et l’adaptation, le Québec s’appuie sur l’Atlas hydroclimatique du Québec méridional qui mobilise des simulations régionales de la recharge et des étiages. Toutefois, de nouvelles approches sont requises afin d’améliorer la représentation des interactions surface–souterrain, de la variabilité spatio-temporelle des processus hydro(géo)logiques et la prise en compte des incertitudes climatiques. Ainsi, ce projet vise à répondre à cet enjeu en développant un cadre de modélisation innovant fondé sur l’intelligence artificielle informée par la physique, afin de renforcer la robustesse scientifique et la capacité de prévision des simulations hydrologiques dans un climat en mutation.

L’objectif du projet est de développer et d’opérationnaliser un modèle d’intelligence artificielle informé par la physique afin de simuler, tout en évaluant l’incertitude, la recharge des eaux souterraines et les conditions d’étiage dans le sud du Québec dans le contexte des changements climatiques, en appui à l’Atlas hydroclimatique du Québec méridional.

L’approche proposée repose sur le développement et l’application d’un cadre de modélisation innovant combinant intelligence artificielle et principes hydrologiques. Le projet adopte une méthodologie structurée en trois volets complémentaires :

• Le développement d’un modèle spatio-temporel informé par la physique (PI-SGT), intégrant la connectivité hydrologique entre les unités spatiales, la dynamique temporelle journalière (p. ex. neige, gel–dégel, étiages) et des contraintes de conservation de la masse et de l’énergie ;

• L’entraînement, la calibration et la validation du modèle à partir de données climatiques, hydrologiques et géospatiales représentatives du sud du Québec, suivis d’une régionalisation permettant l’application du modèle à des bassins non jaugés ;

• L’évaluation de la robustesse des simulations par la quantification des incertitudes et des analyses de sensibilité sous différents scénarios climatiques afin de produire des indicateurs de recharge et d’étiage interprétables et utiles à la prise de décision.

• Développement et opérationnalisation d’un modèle d’intelligence artificielle informé par la physique pour simuler la recharge des eaux souterraines et les conditions d’étiage à l’échelle régionale.

• Amélioration de la représentation des interactions surface–souterrain et de la dynamique hydrologique journalière dans le contexte des changements climatiques.

• Production d’indicateurs spatialisés de recharge et d’étiage adaptés à la planification régionale et à la gestion de l’eau.

• Quantification et propagation les incertitudes liées aux forçages climatiques, à l’occupation du sol et aux propriétés du sous-sol.

• Jan Adamowski, Université McGill

• Vincent Cloutier, UQAT

• Eric Rosa, UQAT

718000