HYDRAFIA L'intelligence artificielle au service de l'hydrologie africaine
Et si l'intelligence artificielle permettait de reconstituer les débits récents de rivières africaines, à partir de données historiques, même dans des bassins où les stations de mesure ont disparu ?
C'est le défi que relève HYDRAFIA, un démonstrateur web porté par HydroSciences Montpellier, Espace Dev, et Synapse Informatique, en réponse au manque chronique de données hydrologiques sur le continent.
Une base de données sans précédent
HYDRAFIA repose sur une base inédite de plus de 1 400 stations hydrométriques issues du projet ADHI (IRD) (Tramblay et al., 2021), enrichie par :
- des données climatiques de réanalyse (ERA5, programme Copernicus),
- des caractéristiques physiques des bassins versants.
La durée des séries temporelles varie selon les bassins, avec une moyenne d'environ 15 ans de mesures journalières disponibles. La période couverte s'étend globalement de 1979 à aujourd'hui.
Une modélisation basée sur des réseaux de neurones LSTM
Les simulations sont générées à l'aide du framework Open-source NeuralHydrologyFramework Python pour l'hydrologie basée sur l'apprentissage profond (Kratzert et al., 2022), fondé sur des réseaux LSTM (Long Short-Term Memory), particulièrement adaptés aux séries temporelles. Ces modèles exploitent les précipitations, températures et autres variables explicatives pour estimer les débits journaliers, y compris dans les bassins non jaugés.
Deux grandes zones d'étude
- Le Maghreb : 98 bassins répartis entre le Maroc, l'Algérie et la Tunisie.
- L'Afrique de l'Ouest : 239 bassins dans 14 pays (Bénin, Burkina Faso, Côte d'Ivoire, Gambie, Ghana, Guinée, Guinée-Bissau, Liberia, Mali, Niger, Nigeria, Sénégal, Togo).
Un démonstrateur web au service de la connaissance hydrologique
La plateforme HYDRAFIA permet :
- de visualiser les hydrogrammes simulés par bassin,
- d'accéder aux caractéristiques des modèles,
- d'explorer les événements hydrologiques passés,
- de suivre quasi en temps réel l’évolution des débits en alimentant le modèle avec de nouvelles données climatiques (pluviométrie, températures, etc.),
- de reconstituer spatialement et temporellement une base de données hydrologiques étendue avec de l'IA,
- de produire des scénarios de simulation climatique pour l’analyse de la variabilité régionale et des tendances futures.
Grâce aux données climatiques, le simulateur permet également des reconstructions rétrospectives jusqu'en 1950, ouvrant la voie à des analyses climatiques régionales de long terme. Les résultats constituent une base robuste pour appuyer la recherche appliquée, l’ingénierie hydraulique et la gestion des risques.
Un projet collaboratif et reproductible
HYDRAFIA s'inscrit dans le cadre du LabCom Hydr.IA (hydria.ai), une collaboration entre l'IRD, l'IMT Mines Alès et l'Université de Montpellier via l'unité HydroSciences Montpellier, en partenariat avec Synapse Informatique.
Le projet est coordonné scientifiquement par Yves Tramblay (IRD) et financé par le programme Carnot PITI 2022.
Références
Kratzert et al., (2022). NeuralHydrology — A Python library for Deep Learning research in hydrology. Journal of Open Source Software, 7(71), 4050, https://doi.org/10.21105/joss.04050
Tramblay, Yves, et al. "ADHI: The African database of hydrometric indices (1950–2018)." Earth System Science Data 13.4 (2021): 1547-1560. Accéder aux données
Carte des bassins modélisés au Maghreb
Cette carte interactive présente les stations hydrométriques et bassins versants modélisés par HYDRAFIA au Maghreb. Elle couvre 98 bassins répartis entre le Maroc, l’Algérie et la Tunisie. Ces simulations s’appuient sur des données historiques et climatiques pour reconstituer les débits récents, même dans les bassins où les stations ne sont plus actives.
Carte des bassins modélisés en Afrique de l’Ouest
Cette vue cartographique affiche les 239 bassins versants couverts par HYDRAFIA dans 14 pays d’Afrique de l’Ouest. Elle illustre l’étendue de la base de données utilisée pour entraîner les modèles LSTM, permettant la simulation des débits journaliers à partir des données historiques, dans un contexte de raréfaction des observations hydrométriques.
