Grusson 1

En vue de l'obtention du
DOCTORAT DE L'UNIVERSITÉ DE TOULOUSE

Délivré par :
Institut National Polytechnique de Toulouse (INP Toulouse)
Discipline ou spécialité :
Hydrologie, Hydrochimie, Sols, Environnement
Présentée et soutenue par :

M. YOUEN GRUSSON
le lundi 25 avril 2016
Titre :
MODELISATION DE L'EVOLUTION HYDROCLIMATIQUE DES FLUX ET
STOCKS D'EAU VERTE ET D'EAU BLEUE DU BASSIN VERSANT DE LA
GARONNE
Ecole doctorale :
Sciences de l'Univers de l'Environnement et de l'Espace (SDUEE)
Unité de recherche :
Laboratoire Ecologie Fonctionnelle et Environnement (ECOLAB)
Directeur(s) de Thèse :
M. JOSE-MIGUEL SANCHEZ-PEREZ
M. FRANCOIS ANCTIL
Rapporteurs :
M. BRIAN MORSE, UNIVERSITE LAVAL
M. PHILIPPE AMIOTTE SUCHET, UNIVERSITE DE BOURGOGNE
Membre(s) du jury :
1 Mme SABINE SAUVAGE, UNIVERSITE TOULOUSE 3, Président
2 M. ERIC SAUQUET, IRSTEA, Membre
2 M. FRANCOIS ANCTIL, UNIVERSITE LAVAL, Membre
2 M. JOSE-MIGUEL SANCHEZ-PEREZ, INP TOULOUSE, Membre
Résumé
La gestion intégrée de la ressource en eau implique de distinguer les parcours de l’eau

qui sont accessibles aux sociétés de ceux qui ne le sont pas. Les cheminements de l’eau
sont nombreux et fortement variables d’un lieu à l’autre. Il est possible de simplifier
cette question en s’attardant plutôt aux deux destinations de l’eau. L’eau bleue forme
les réserves et les flux dans l’hydrosystème : cours d’eau, nappes et écoulements
souterrains. L’eau verte est le flux invisible de vapeur d’eau qui rejoint
l’atmosphère. Elle inclut l’eau consommée par les plantes et l’eau dans les sols. Or, un
grand nombre d’études ne portent que sur un seul type d’eau bleue, en ne s’intéressant
généralement qu’au devenir des débits ou, plus rarement, à la recharge des nappes. Le
portrait global est alors manquant. Dans un même temps, les changements climatiques
viennent impacter ce cheminement de l’eau en faisant varier de manière distincte les
différents composants de cycle hydrologique.
L’étude réalisée ici utilise l’outil de modélisation SWAT afin de réaliser le suivi de
toutes les composantes du cycle hydrologique et de quantifier l’impact des
changements climatiques sur l’hydrosystème du bassin versant de la Garonne.
Une première partie du travail a permis d’affiner la mise en place du modèle pour
répondre au mieux à la problématique posée. Un soin particulier a été apporté à
l’utilisation de données météorologiques sur grille (SAFRAN) ainsi qu’à la prise en
compte de la neige sur les reliefs. Le calage des paramètres du modèle a été testé dans
un contexte differential split sampling, en calant puis validant sur des années
contrastées en terme climatique afin d’appréhender la robustesse de la simulation dans
un contexte de changements climatiques. Cette étape a permis une amélioration
substantielle des performances sur la période de calage (2000-2010) ainsi que la mise
en évidence de la stabilité du modèle face aux changements climatiques. Par suite, des
simulations sur une période d’un siècle (1960-2050) ont été produites puis analysées en
deux phases :
i) La période passée (1960-2000), basée sur les observations climatiques, a servi de

période de validation à long terme du modèle sur la simulation des débits, avec de très
bonnes performances. L’analyse des différents composants hydrologiques met en
évidence un impact fort sur les flux et stocks d’eau verte, avec une diminution de la
iii
teneur en eau des sols et une augmentation importante de l’évapotranspiration. Les
composantes de l’eau bleue sont principalement perturbées au niveau du stock de neige
et des débits qui présentent tous les deux une baisse substantielle.
ii) Des projections hydrologiques ont été réalisées (2010-2050) en sélectionnant une
gamme de scénarios et de modèles climatiques issus d’une mise à l’échelle dynamique.
L’analyse de simulation vient en bonne part confirmer les conclusions tirées de la
période passée : un impact important sur l’eau verte, avec toujours une baisse de la
teneur en eau des sols et une augmentation de l’évapotranspiration potentielle. Les
simulations montrent que la teneur en eau des sols pendant la période estivale est telle
qu’elle en vient à réduire les flux d’évapotranspiration réelle, mettant en évidence le
possible déficit futur des stocks d’eau verte. En outre, si l’analyse des composantes de
l’eau bleue montre toujours une diminution significative du stock de neige, les débits
semblent cette fois en hausse pendant l’automne et l’hiver. Ces résultats sont un signe
de l’«accélération» des composantes d’eau bleue de surface, probablement en relation
avec l’augmentation des évènements extrêmes de précipitation.
Ce travail a permis de réaliser une analyse des variations de la plupart des composantes
du cycle hydrologique à l’échelle d’un bassin versant, confirmant l’importance de
prendre en compte toutes ces composantes pour évaluer l’impact des changements
climatiques et plus largement des changements environnementaux sur la ressource en
eau.
iv
Abstract
Integrated water resource management requires distinction between water paths that are
directly available for society and those which are not. Water pathways, from
precipitation to the oceans or the atmosphere, are highly variable from one place to
another. The complexity of water pathways can be simplified by focusing on two main
categories of water resources: blue water, which is the stock and flow moving into the
hydrosystem that is directly available (e.g. rivers, lakes, aquifers and groundwater
flow), and green water, which is the invisible flow of water vapor leaving the
hydrosphere to the atmosphere. The latter includes the water used by forests,
grasslands, rain fed crops, and the water in soils. However, many hydrological studies
focus only on blue water, particularly the discharge or more rarely the ground water
recharge, ignoring all green water components, therefore missing the overall picture.
At the same time, climate change highlighted in recent years have been found to impact
water pathway distributions by affecting different components of the hydrological cycle
at the watershed scale.
The study presented here exploits the SWAT hydrological model to assess the variation
of different components of a hydrosystem facing climate change. The study area is the
watershed of the Garonne River, where data is available.
The first part of this work focused on refining the implementation of the model in order
to better tackle the problem at hand. Particular attention has been paid to the use of
gridded weather data (SAFRAN product) as well as to the simulation of snow present
in the mountainous portion of the watershed. Calibration of the model parameters was
tested through a differential split sampling method, based on calibration and validation
using climatically contrasted periods, in order to test the robustness of the model. These
steps led to a substantial improvement in the simulations performance over the
calibration period (2000-2010) and demonstrated the robustness of the model within a
climate change context.
The improved SWAT model was next used to produce simulations over a hundred-year
period (1960-2050), an analysis carried out in two steps:
v
First, the past period (1960-2000) simulation, based on observed climatic data, was
used to validate discharge simulations for which very good performance was obtained.
Analysis of the different components of the hydrological cycle showed a strong impact
on flows and stocks of green water, with a reduction of the water content in soil and a
substantial increase in evapotranspiration. Blue water is mostly impacted in terms of
snow stock and discharge flow, which both showed a substantial decrease.
Secondly, hydrological projections were performed (2010-2050) based on a selection of

climate scenarios and models, submitted to dynamic downscaling. Analysis of these
projections partly confirmed the conclusions drawn from the historic period: i.e. a
substantial impact on green water, with a decrease of the soil water content and an
increase of potential evapotranspiration. The projections also revealed that the soil
water content during the summer season is such that it reduces the actual
evapotranspiration, highlighting possible future deficits of green water stocks.
Furthermore, if the analysis of blue water components always presented a substantial
decrease in the snowpack, discharge appears to increase during autumn and winter
periods. These results indicate an "acceleration" of blue surface water components
which is likely related to an increase in extreme rainfall events.
In this study, an analysis of the variation of the main hydrological cycle components
have been proposed at a watershed scales, confirming the importance of taking into
account all these components to evaluate the climate change impact and more broadly
environmental changes on water resources.
vi
Sommaire
Liste des figures .................................................................................................................................... x

Liste des tableaux ................................................................................................................................xv
Liste des abréviations ........................................................................................................................ xvii
Remerciements ................................................................................................................................ xviii
Avant-Propos ...................................................................................................................................... xx
Introduction ......................................................................................................................................... 1
I Contexte et objectifs
1. Concept eau verte — eau bleue ................................................................................................... 9
1.1. Historique ............................................................................................................................ 9
1.2. Utilisation du concept ....................................................................................................... 11
2. Les changements climatiques ..................................................................................................... 12
2.1. Projections climatiques et scénarios ................................................................................. 13
2.2. Les changements climatiques dans le sud-ouest de la France .......................................... 15
3. La modélisation hydrologique .................................................................................................... 32
3.1. Historique et généralités ................................................................................................... 32
3.2. Les approches en modélisation hydrologique .................................................................. 32
3.3. Modélisation du bassin versant de la Garonne................................................................. 35
3.4. Le modèle SWAT ............................................................................................................... 36
3.5. SWAT et les changements climatiques ............................................................................. 39
3.6. SWAT et le concept eau verte | eau bleue ....................................................................... 42
4. Objectifs ...................................................................................................................................... 44
II Méthodologie
Chapitre 1 : Le bassin versant de la Garonne ...................................................................................... 49
1. Description physique .................................................................................................................. 51
1.1. Présentation générale ....................................................................................................... 51
1.2. Occupation des sols .......................................................................................................... 53
1.3. Pédologie .......................................................................................................................... 54
1.4. Contexte météorologique ................................................................................................. 55
1.5. Hydrologie ......................................................................................................................... 57
2. Les activités anthropiques .......................................................................................................... 61
2.1. Ouvrages hydrauliques ..................................................................................................... 62
2.2. Prélèvement des ressources en eaux................................................................................ 65
2.3. Impact de l’anthropisation sur les débits .......................................................................... 68
3. Les données disponibles ............................................................................................................. 70
3.1. Topographie ...................................................................................................................... 70
3.2. Occupation des sols .......................................................................................................... 70
3.3. Sols .................................................................................................................................... 70
3.4. Climat ................................................................................................................................ 71
3.5. Nivologie ........................................................................................................................... 72
3.6. Hydrologie ......................................................................................................................... 73
3.7. Changements climatiques ................................................................................................. 73
Chapitre 2 : le modèle SWAT .............................................................................................................. 75
1. Description générale................................................................................................................... 77
2. Description des principaux modules et des principes physiques ............................................... 78
2.1. Module hydrologique........................................................................................................ 79
Chapitre 3 : Approche de modélisation .............................................................................................. 97
vii
1. Caractéristique du modèle mis en place .................................................................................... 99
1.1. Définition des sous-bassins versants ................................................................................ 99
1.2. Définition des Unités de Réponse Hydrologiques (HRU) ................................................ 100
1.3. Bandes d’altitudes pour la neige ..................................................................................... 101
1.4. Prise en compte de l’anthropisation ............................................................................... 102
2. Paramétrisation du modèle ...................................................................................................... 103
2.1. Les stations hydrologiques .............................................................................................. 103
2.2. Analyse de sensibilité et calibration................................................................................ 104
2.3. Outils statistiques pour l’évaluation des résultats .......................................................... 108
III Refining the model implementation

Chapter 4: Assessing the capability of the SWAT model to simulate snow, snow melt and streamflow
dynamics over an alpine watershed ................................................................................................. 115
1. Résumé en Français .................................................................................................................. 117
2. Abstract .................................................................................................................................... 118
3. Introduction .............................................................................................................................. 119
4. Materials and methods............................................................................................................. 122
4.1. Study Area ....................................................................................................................... 122
4.2. SWAT model .................................................................................................................... 124
4.3. Model setup .................................................................................................................... 127
4.4. Model sensitivity analysis and calibration ...................................................................... 129
4.5. Validation of snow simulation......................................................................................... 131
5. Results ...................................................................................................................................... 132
5.1. Model performance ........................................................................................................ 132
5.2. Snow simulation .............................................................................................................. 134
6. Discussion ................................................................................................................................. 138
6.1. Model sensitivity analysis and calibration ...................................................................... 138
6.2. Validation of snow simulation......................................................................................... 139
6.3. Impact on the hydrological cycle .................................................................................... 140
7. Conclusion ................................................................................................................................ 144
Acknowledgements ............................................................................................................................ 146
Chapter 5: Testing the SWAT model with gridded weather data of different spatial resolutions...... 147
1. Résumé en français................................................................................................................... 149
2. Abstract .................................................................................................................................... 149
3. Introduction .............................................................................................................................. 150
4.1. Study site ......................................................................................................................... 151
4.2. The SWAT model ............................................................................................................. 152
4.3. Data availability ............................................................................................................... 153
4.4. Watershed discretisation ................................................................................................ 154
4.5. Aggregation of the SAFRAN product ............................................................................... 155
4.6. Sensitivity analysis and calibration process .................................................................... 155
5. Results and discussion .............................................................................................................. 156
5.1. Watershed discretisation ................................................................................................ 156
5.2. Climate data of different resolutions .............................................................................. 157
5.3. Hydrological performance .............................................................................................. 160
6. Conclusions ............................................................................................................................... 163
Chapter 6: Assessing the temporal transposability of the SWAT model across a large contrasted
watershed ........................................................................................................................................ 167
1. Résumé en français................................................................................................................... 169
viii
2. Abstract .................................................................................................................................... 170
3. Introduction .............................................................................................................................. 171
4.1. Study area ....................................................................................................................... 172
4.2. SWAT model .................................................................................................................... 175
4.3. Data availability ............................................................................................................... 175
4.4. Differential split sampling test and model setup ............................................................ 176
4.5. Sensitivity analysis and calibration procedure ................................................................ 180
5. Results ...................................................................................................................................... 182
5.1. Robustness for climatic transposability .......................................................................... 182
5.2. Robustness for land use transposability ......................................................................... 183
6. Discussion ................................................................................................................................. 185
6.1. Impact of a non-stationary climate ................................................................................. 185
6.2. Impact of land use changes ............................................................................................. 187
7. Conclusions ............................................................................................................................... 188
IV Résultats
Chapitre 7 : Validation et tendances sur les 50 dernières années ..................................................... 193
1. Rappel sur la calibration et les versions du modèle utilisées ................................................... 195
2. Calibration et Validation : Performances.................................................................................. 195
2.1. Analyse générale ............................................................................................................. 195
2.2. Analyse des hydrogrammes ............................................................................................ 199
3. Bilan annuel et tendances sur la période 1962 – 2010............................................................. 201
3.1. Bilan global et comparaison avec SIM (SAFRAN-ISBA-MODCOU) ................................... 201
3.2. Bilan détaillé des flux et stocks d’eau verte | bleue ....................................................... 206
3.3. Conclusion du bilan détaillé sur la période 1962-2010 ................................................... 213
4. Variation saisonnière spatialisée 1962-1972 Vs. 2000-2010 .................................................... 214
4.1. Eau verte ......................................................................................................................... 214
4.2. Eau bleue......................................................................................................................... 218
5. Conclusion ................................................................................................................................ 231
Chapitre 8 : Projections hydrologiques des flux et stocks d'eau verte et d'eau bleue ....................... 235
1. Comparaison sur la période de contrôle .................................................................................. 237
2. Projections hydrologiques ........................................................................................................ 246
2.1. Comparaison des deux scénarios .................................................................................... 246
2.2. Tendances sur la période 2010-2050 .............................................................................. 248
2.3. Variation saisonnière spatialisée 2000-2010 Vs. 2040-2050 .......................................... 251
3. Conclusion ................................................................................................................................ 266
Discussion ........................................................................................................................................ 269
V Conclusion générale et perspectives

Bibliographie .................................................................................................................................... 285
VI Annexes
Annexes 1 : Valeur des paramètres calibrés ..................................................................................... 308
Annexes 2 : Hydrogrammes des stations calibrés ............................................................................. 316
Annexes 3: On the use of hydrological models and satellite data to study the water budget of river
basins affected by human activities: examples from the Garonne basin of France (Martin et al. 2016)
......................................................................................................................................................... 322
ix
Liste des figures
Figure I.1: Conceptualisation de l’approche eau verte — eau bleue, élargie à la planification et à la
gestion des ressources en eau. La ressource d’eau douce indifférenciée (Précipitation) est partitionnée en
une ressource d’eau verte sous forme d’humidité dans la zone non saturée et en une ressource bleue dans
les aquifères, lacs, zones humides et bassins de retenue. Ces ressources génèrent des flux : les flux d’eau
verte issus du système de production de biomasse terrestre (cultures, forêts, prairies) et le flux d’eau
bleue présent dans les rivières et le débit de base des eaux souterraines. (Falkenmark and Rockström,
2006) ......................................................................................................................................................... 10
Figure I.2 : schéma du principe de descente d'échelles appliqué à la modélisation du climat (Viner and
Hulme, 1997) ............................................................................................................................................ 15
Figure I.3 : Changement de la température de l’air (moyenne de l’ensemble CMIP5 par rapport à la
période 1986 - 2005) pour les périodes estivales (juin - août) et hivernales (décembre – février) pour
chacun des 4 scénarios RCP. (Adaptée d’AR5-WGI-annexe1 IPCC (2013))........................................... 20
Figure I.4 : Écart des températures hivernales et estivales, relatives à la période 1976 – 2005 pour les
scénarios RCP 4.5 et RCP 8.5 aux horizons 2021-2050 et 2071-2100. Les figures illustrent les 25e et 75e
percentiles de l’ensemble Euro-Cordex. (Adaptée d’Ouzeau et al. (2014)).............................................. 21
Figure I.5 : Écarts de la précipitation saisonnière (moyenne de l’ensemble CMIP5 par rapport à la
période 1986 - 2005) pour les périodes estivales (avril – septembre) et hivernales (octobre - mars) pour
chacun des 4 scénarios RCP. (Adaptée d’AR5-WGI-annexe1 IPCC (2013))........................................... 22
Figure I.6 : Écarts des précipitations hivernale et estivale, relatives à la période 1976 – 2005 pour les
scénarios RCP 4.5 et RCP 8.5 aux horizons 2021-2050 et 2071-2100. Les figures illustrent les 25e et 75e
percentiles de l’ensemble Euro-Cordex. (Adaptée d’Ouzeau et al. (2014) )............................................. 23
Figure I.7: Évolution (en %) du débit moyen annuel entre 1961-1990 et 2045-2065 (d’après MEED
(2012c))..................................................................................................................................................... 26
Figure I.8 : Schéma de l’histoire du développement de SWAT incluant quelques adaptations
sélectionnées (Gassman et al. 2007) ......................................................................................................... 37
Figure I.9 : schéma du module hydrologique de SWAT ......................................................................... 38
Figure II.1 : Situation géographique du bassin versant de la Garonne, principaux affluents et
agglomérations .......................................................................................................................................... 51
Figure II.2 : Topographie du bassin versant de la Garonne à Tonneins, découpé en grandes zones
homogènes ................................................................................................................................................ 52
Figure II.3: occupation des sols du bassin versant de la Garonne (source : Corine Land Cover 2006)... 54
Figure II.4 : Carte des sols du bassin versant de la Garonne (ESDB, 2006)............................................ 55
Figure II.5 : Hyétogramme mensuel et température moyenne mensuelle pour 10 stations météo sur la
période 1980-2010. ................................................................................................................................... 56
Figure II.6 : Débits mensuels moyens de la Garonne à Tonneins entre 1913 et 2003 (Données :
www.hydro.eaufrance.fr.) ......................................................................................................................... 58
Figure II.7 : Moyenne mensuelle interannuelle (1970-2012) des débits des principaux cours d’eau du
bassin versant de la Garonne. (Données : www.hydro.eaufrance.fr.) ....................................................... 58
Figure II.8 : Histogramme de répartition des débits moyens annuels pour les cours d'eau du bassin
versant de la Garonne. Adapté de Probst (1983)....................................................................................... 59
Figure II.9 : Carte simplifiée des entités hydrogéologiques du bassin versant de la Garonne. (D’après la
base de données du référentiel hydrogéologique français - BDRHF-v1).................................................. 61
Figure II.10 : principaux barrages du bassin versant de la Garonne (Volume stockage >15Mm3)......... 63
Figure II.11 : Représentation schématique des dérivations majeures au sein du bassin versant de la
Garonne : Canal latéral à la Garonne, Canal du midi, anal de St Martory et Système Neste .................... 64
Figure II.12 : Prélèvement annuel d’eau en fonction des usages sur le bassin versant de la Garonne en
2014. (D’après les données de redevance de l’agence de l’eau Adour-Garonne) ..................................... 66
x
Figure II.13 : grandes cultures de la région Midi-Pyrénées (Chambre régionales d'agriculture Midi-
Pyrénées, 2015)......................................................................................................................................... 67
Figure II.14 Comparaison des débits influencés et des débits naturalisés. Naturalisation des débits et
hydrogrammes d’après Sauquet et al. (2010) ( et principaux barrages du bassin versant de la Garonne :
Volume stockage >15Mm3) ..................................................................................................................... 69
Figure II.15 : Situation géographique des différents jeux de données météorologiques ......................... 71
Figure II.16 : Emplacement des stations nivologiques utilisées dans l’étude. ......................................... 72
Figure II.17 : Description de la discrétisation spatiale de SWAT............................................................ 78
Figure II.18 : Représentation schématique du Module hydrologique de SWAT ..................................... 79
Figure II.19 : Découpage du bassin versant en 150 sous-bassins versants .............................................. 99
Figure II.20 : Sous-Bassins versants sélectionnés pour l'introduction de bandes d'altitude. ................. 101
Figure II.21 : Localisation des stations hydrologiques utilisées ............................................................ 103
Figure II.22 : Illustration de la procédure en cascade utilisée pour l’analyse de sensibilité et la
calibration des paramètres du modèle sur le bassin versant. ................................................................... 105
Figure III.1: Geographic situation of the headwater Garonne watershed .............................................. 124
Figure III.2 : Snow comparison. A) 10 February 2005 B) 10 May 2005 .............................................. 135
Figure III.3 : Temporal snow comparison. Solid black line represents the daily percentage of snow
cover detected by MODIS at subbasin scale, while grey surface is SWAT snow equivalent ................. 136
Figure III.4 : Snow water equivalent comparison between SWAT and a range of possible values
calculated from observations. ................................................................................................................. 137
Figure III.5 : Monthly mean values of snow dominated subwatershed over 2000-2010 ...................... 143
Figure III.6 : Hydrographs for the 6 gauging stations ........................................................................... 144
Figure III.7 : Location and elevation of the Garonne River watershed at Tonneins, with a 150-
subwatershed areal discretisation monitored by 21 gauging stations and several types of ground-based
climate stations. ...................................................................................................................................... 152
Figure III.8 : Average performance of the 21 gauging stations for different subwatershed definitions.157
Figure III.9 : Ranges of the spatial variance of daily precipitation for the seven climate datasets. The
box represents the 25th and 75th percentiles of the distribution, the line is the median and the whiskers
extend to the most extreme values. ......................................................................................................... 158
Figure III.10 : Weather data used by the SWAT model when fed with each different dataset. 143 / 872
indicates the number of grid points used by the model out of the grid points located over the watershed (a
higher first number indicates that the model used a grid point located outside the watershed). ............. 159
Figure III.11 : Nash-Sutcliff criterion of the SWAT model calibrated with the weather stations and run
with several SAFRAN grid resolutions................................................................................................... 160
Figure III.12 : Nash-Sutcliff criterion calculated on square root discharge value of the SWAT model
calibrated with the weather stations and run with several SAFRAN grid resolutions. ........................... 161
Figure III.13 : Nash-Sutcliff criterion of the SWAT model calibrated with the weather stations, the
native SAFRAN grid and the 32-km SAFRAN grid............................................................................... 162
Figure III.14 : Nash-Sutcliff criterion calculated on square root discharge value calibrated with the
weather stations, the native SAFRAN grid and the 32-km SAFRAN grid ............................................. 163
Figure III.15 : Location and elevation of the Garonne River watershed at Tonneins, with an areal
discretisation of 150 subwatersheds monitored by 20 gauging stations.................................................. 173
Figure III.16. Land use definition (CLC, 2006) and soil definition (map from the European Soil Portal -
eusoils.jrc.ec.europa.eu) in the Garonne River watershed ...................................................................... 174
Figure III.17. Mean daily temperature and annual precipitation for all available five-year periods ..... 177
Figure III.18. Land use changes from 1990 to 2006 in hectares (ha) .................................................... 178
xi
Figure III.19 : Performance variation for: ............................................................................................. 183
Figure III.20 : Performance variations for: ........................................................................................... 185
Figure III.21 : Changes in flux repartition with a different set of parameters calibrated over different
DW and WC periods. Mean values across the Garonne River watershed of lateral flow, runoff,
percolation and evapotranspiration ......................................................................................................... 187
Figure III.22 : Changes in flux repartition with a different set of parameters calibrated over different
DW and WC periods. Mean values across the Garonne River watershed of lateral flow, runoff,
percolation and evapotranspiration ......................................................................................................... 188
Figure IV.1 : Performance en validation et calibration de SWAT avec l’équation de Penman Monteith-
(PM) au pas de temps mensuel. (Classement selon Moriasi et al. (2007)).............................................. 197
Figure IV.2 : Performance en validation et calibration de SWAT avec la méthode de Hargreaves-(HG)
au pas de temps mensuel. (Classement selon Moriasi et al. (2007)) ....................................................... 197
Figure IV.3 : Comparaison des hydrogrammes mensuels simulés et observés à la station de Tonneins
avec la méthode PM et la méthode HG. .................................................................................................. 199
Figure IV.4 : Comparaison SIM-SWAT des flux hydrologiques annuels du bassin versant de la
Garonne................................................................................................................................................... 202
Figure IV.5 : contenu en eau de la neige (mm) simulée par SWAT et SIM sur le bassin versant en amont
de Foix (voir figure II.21 pour localisation)............................................................................................ 204
Figure IV.6 : ET et « Revap » (flux d’eau verte) simulées par SWAT sur la période 1962-2010, sur
l’ensemble du bassin versant de la Garonne à Tonneins ......................................................................... 207
Figure IV.7 : Teneur en eau des sols (stock d’eau verte) simulée par SWAT sur la période 1962-2010,
sur l’ensemble du bassin versant de la Garonne à Tonneins ................................................................... 207
Figure IV.8 : Flux d’eau bleue de surface simulés par SWAT sur la période 1962-2010, sur l’ensemble
du bassin versant de la Garonne à Tonneins ........................................................................................... 209
Figure IV.9 : Stocks d’eau bleue simulés par SWAT sur la période 1962-2010, sur l’ensemble du bassin
versant de la Garonne à Tonneins ........................................................................................................... 210
Figure IV.10 : Flux d’eau bleue souterrains simulés par SWAT sur la période 1962-2010, sur l’ensemble
du bassin versant de la Garonne à Tonneins ........................................................................................... 212
Figure IV.11 : Flux d'ET, moyennes mensuelles saisonnières, spatialisées sur la période 2000 - 2010 et
variation entre les périodes 1962-1972 et 2000-2010 (DJF = décembre ; janvier ; février et JJA = juin ;
juillet ; août). ........................................................................................................................................... 216
Figure IV.12 : Humidité des sols, moyennes mensuelles saisonnières spatialisées sur la période 2000 -
2010 et variation entre les périodes 1962-1972 et 2000-2010. (DJF = décembre ; janvier ; février et JJA =
juin ; juillet ; août) .................................................................................................................................. 217
Figure IV.13 : Ruissellement, moyennes mensuelles saisonnières spatialisées sur la période 2000 - 2010
et variation entre les périodes 1962-1972 et 2000-2010. (DJF = décembre ; janvier ; février et JJA = juin ;
juillet ; août) ............................................................................................................................................ 220
Figure IV.14 : Infiltration, moyennes mensuelles saisonnières spatialisées sur la période 2000 - 2010 et
variation entre les périodes 1962-1972 et 2000-2010. (DJF = décembre ; janvier ; février et JJA = juin ;
juillet ; août) ............................................................................................................................................ 221
Figure IV.15 : Flux de subsurface, moyennes mensuelles saisonnières spatialisées sur la période 2000 -
Figure IV.16 : Débit, moyennes mensuelles saisonnières spatialisées sur la période 2000 - 2010 et
variation entre les périodes 1962-1972 et 2000-2010. (DJF = décembre ; janvier ; février et JJA = juin ;
juillet ; août) ............................................................................................................................................ 223
Figure IV.17 : Stock de neige, moyennes mensuelles saisonnières spatialisées sur la période 2000 - 2010
et variation entre les périodes 1962-1972 et 2000-2010. (DJF = décembre ; janvier ; février et JJA = juin ;
juillet ; août) ............................................................................................................................................ 226
xii
Figure IV.18 : Stock d’eau de l’aquifère peu profond, moyennes mensuelles saisonnières spatialisées sur
la période 2000 - 2010 et variation entre les périodes 1962-1972 et 2000-2010. (DJF = décembre ; janvier
; février et JJA = juin ; juillet ; août) ....................................................................................................... 227
Figure IV.19 : Recharge de l’aquifère, moyennes mensuelles saisonnières spatialisées sur la période
2000 - 2010 et variation entre les périodes 1962-1972 et 2000-2010. (DJF = décembre ; janvier ; février
et JJA = juin ; juillet ; août) .................................................................................................................... 229
Figure IV.20 : Flux nappe-rivière, moyennes mensuelles saisonnières spatialisées sur la période 2000 -
Figure IV.21 : Précipitation (solide et liquide) sur la période 1974-2005 et pour trois sous-périodes
décennales. (A) Fonction de répartition des précipitations annuelles moyennes, sur l’ensemble de la
période (B) Boite à moustaches des précipitation mensuelle moyenne pour les mois de décembre, janvier
et février (DJF) et juin, juillet et août (JJA) sur l’ensemble de la période de contrôle 1974-2005 et pour
trois sous-périodes décennales ................................................................................................................ 239
Figure IV.22 : Température journalière moyenne sur la période 1974-2005 et pour trois sous-périodes
décennales. (A) Fonction de répartition des températures journalières moyennes, sur l’ensemble de la
période, pour chacun des jeux de données. (B) Boite à moustache des températures journalières
moyennes pour les mois de décembre, janvier et février (DJF) et juin, juillet et août (JJA) sur l’ensemble
de la période de contrôle 1974-2005 et pour trois sous-périodes décennales. ........................................ 241
Figure IV.23 : Débits moyens annuels simulés à Tonneins (exutoire) en sortie du modèle SWAT pour
chaque jeu de données météorologiques disponibles (Ensemble climatique et SAFRAN) sur la période
1974-2005 et sur trois sous-périodes décennales. ................................................................................... 242
Figure IV.24 : ET obtenue en sortie du modèle SWAT pour chaque jeu de données météorologiques
disponibles (modèles climatiques et SAFRAN) sur la période 1974-2005 et sur trois sous-périodes
décennales. .............................................................................................................................................. 243
Figure IV.25 : Précipitation mensuelle moyenne et température journalière moyenne (pour les mois de
décembre, janvier et février (DJF) et juin, juillet et août (JJA)). Moyenne des ensembles climatiques pour
les scénarios RCP4.5 et RCP8.5 ............................................................................................................. 247
Figure IV.26 : ........................................................................................................................................ 248
Figure IV.27 : Flux d'ET : moyennes mensuelles saisonnières spatialisées. Référence sur la période
2000-2010 – Moyenne SWAT-(PM) et SWAT-(HG). Évolution entre la période 2000-2010 et la période
2040-2050 – Moyenne de l’ensemble climatique et des deux scénarios RCP4.5 et RCP8.5. (DJF =
décembre ; janvier ; février, MAM = mars ; avril ; mai, JJA = juin ; juillet ; août et SON = septembre ;
octobre ; novembre). ............................................................................................................................... 252
Figure IV.28 : Teneur en eau des sols : moyennes mensuelles saisonnières. Référence sur la période
décembre ; janvier ; février, MAM = Mars ; avril ; mai, JJA = juin ; juillet ; août et SON = septembre ;
Figure IV.29 : comparaison des variations mensuelles interannuelles entre les périodes 2000-2010 et
2040-2050 ............................................................................................................................................... 254
Figure IV.30 : Teneur en eau des sols : Pourcentage de variation de la teneur en eaux moyenne des sols
en période estivale entre les décennies 2000-2010 et 2040-2050 ........................................................... 255
Figure IV.31 : Ruissellement : moyennes mensuelles saisonnières. Référence sur la période 2000-2010 –
Moyenne SWAT-(PM) et SWAT-(HG). Évolution entre la période 2000-2010 et la période 2040-2050 –
Moyenne de l’ensemble climatique et des deux scénarios RCP4.5 et RCP8.5. (DJF = décembre ; janvier ;
février, MAM = mars ; avril ; mai, JJA = juin ; juillet ; août et SON = septembre ; octobre ; novembre).
................................................................................................................................................................ 256
Figure IV.32 : Infiltration : moyennes mensuelles saisonnières. Référence sur la période 2000-2010 –
Moyenne SWAT-(PM) et SWAT-(HG). Évolution entre la période 2000-2010 et la période 2040-2050 –
Moyenne de l’ensemble climatique et des deux scénarios RCP4.5 et RCP8.5. (DJF = décembre ; janvier ;
février, MAM = mars ; avril ; mai, JJA = juin ; juillet ; août et SON = septembre ; octobre ; novembre).
................................................................................................................................................................ 257
xiii
Figure IV.33 : Flux de subsurface : moyennes mensuelles saisonnières. Référence sur la période 2000-
2010 – Moyenne SWAT-(PM) et SWAT-(HG). Évolution entre la période 2000-2010 et la période 2040-
2050 – Moyenne de l’ensemble climatique et des deux scénarios RCP4.5 et RCP8.5. (DJF = décembre ;
janvier ; février, MAM = mars ; avril ; mai, JJA = juin ; juillet ; août et SON = septembre ; octobre ;
novembre). .............................................................................................................................................. 258
Figure IV.34 : Débit : moyennes mensuelles saisonnières spatialisées. Référence sur la période 2000-
novembre). .............................................................................................................................................. 259
Figure IV.35 : Stock de neige : moyennes mensuelles saisonnières. Référence sur la période 2000-2010
– Moyenne SWAT-(PM) et SWAT-(HG). Évolution entre la période 2000-2010 et la période 2040-2050
– Moyenne de l’ensemble climatique et des deux scénarios RCP4.5 et RCP8.5. (DJF = décembre ;
novembre). .............................................................................................................................................. 262
Figure IV.36 : Aquifère peu profond : moyennes mensuelles saisonnières. Référence sur la période
Figure IV.37 : Recharge de la nappe : moyennes mensuelles saisonnières. Référence sur la période
Figure IV.38 : Flux nappe-rivière : moyennes mensuelles saisonnières. Référence sur la période 2000-
novembre). .............................................................................................................................................. 265
xiv
Liste des tableaux
Tableau I.1 : synthèse des changements climatiques observés ou projetés sur le sud-ouest de la France 31
Tableau II.1 : Modèles climatiques globaux (MCG) et régionaux (MCR) utilisés dans le projet de
recherche ................................................................................................................................................... 73
Tableau II.2 : Chroniques disponibles pour les stations hydrologiques sélectionnées .......................... 104
Tableau II.3 : Paramètres testés lors de l'analyse de sensibilité (voir Neitsch et al. (2011) pour les
paramètres non explicités dans le Chap.2) .............................................................................................. 106
Tableau III.1: Modifiable snow parameters .......................................................................................... 125
Tableau III.2 : Statistics on elevation (m), including snow dominated subbasins (grey) ...................... 126
Tableau III.3: Data sources ................................................................................................................... 127
Tableau III.4 : Snow monitoring information ....................................................................................... 129
Tableau III.5: Parameters considered for the sensitivity analysis ......................................................... 130
Tableau III.6: Influential parameters..................................................................................................... 132
Tableau III.7: Calibrated values for each project .................................................................................. 133
Tableau III.8 : Calibration performance: NS and P-bias for each gauging station at a monthly time step
and for each calibration project: reference, snow parameters and elevation bands projects ................... 134
Tableau III.9: Mean Annual precipitations (mm/year) for hydrologic years (from September to August)
over 2000-2010 for each snow dominated subwatershed. ...................................................................... 141
Tableau III.10 : Water partitioning within snow-dominated subbasins. ............................................... 142
Tableau III.11. Data sources. ................................................................................................................ 153
Tableau III.12: parameters considered in the sensitivity analysis. ........................................................ 156
Tableau III.13 : Project data used for DSST on climate data ................................................................ 178
Tableau III.14. Project data used for DSST on land use ....................................................................... 179
Tableau III.15. Parameters considered in the sensitivity analysis ......................................................... 181
Tableau III.16 : Performance criteria in calibration and validation for both climatic DSSTs ............... 182
Tableau III.17 : Performance criteria in calibration and validation for both land use DSSTs .............. 184
Tableau IV.1 : période de validation disponible pour chacune des stations .......................................... 196
Tableau IV.2 : Tendance en mm.an-1 des flux d’entrée et de sortie du bassin versant de la Garonne sur la
période 1960-2010. (Pour plus d’informations concernant les variations relevées par Martin et al.(2016))
................................................................................................................................................................ 205
Tableau IV.3 : Résultat des tests de Mann-Kendall et pente de Sen pour les simulations annuelles et
mensuelles de l’évapotranspiration et de la teneur en eau des sols sur la période 1962-2010 ................ 208
Tableau IV.4 : Résultat des tests de Mann-Kendall et pente de Sen pour les simulations annuelles et
mensuelles des flux d’eau bleue de surface, sur la période 1962-2010................................................... 210
Tableau IV.5 : Résultat d’un test de Mann-Kendall et pente de Sen pour les simulations annuelles et
mensuelles des stocks d’eau bleue, sur la période 1962-2010 ................................................................ 211
Tableau IV.6 : Résultat d’un test de Mann-Kendall et pente de Sen pour les simulations annuelles et
mensuelles des flux d’eau bleue souterrains, sur la période 1962-2010 ................................................. 212
Tableau IV.7 : Test de Mann-Kendall et pente de Sen des entrées et sorties du modèle SWAT pour
chaque jeu de données météorologiques disponibles (modèles climatiques et SAFRAN) sur la période
1974-2005 ............................................................................................................................................... 245
Tableau IV.8 : Test de Mann-Kendall et pente de Sen, réalisé sur la moyenne des ensembles
hydroclimatiques de chaque scénario pour les différents flux et stocks annuels du cycle hydrologique
simulés sur la période 2010-2050 ........................................................................................................... 249
xv
xvi
Liste des abréviations
AR5………………............. Assessment report 5

BDRHF………………......... Base de données du référentiel hydrogéologique français
BRGM……………….......... Bureau de recherches géologiques et minières
CMIP………………........... Coupled model intercomparison project
CORDEX………………...... Coordinated regional climate downscaling experiment
ESDB………………........... European soil data base
ET………………............... Evapotranspiration
ETP………………............. Evapotranspiration potentielle
ETR………………............. Evapotranspiration réelle
FAO………………............. Food and agriculture organization
GES………………............. Gaz à effet de serre
GIEC (IPCC)……………….. Groupe intergouvernementale d’études des climats
GR4J………………........... Modèle du génie rural à 4 paramètres journaliers
HRU………………............ Unité de réponse hydrologique
HU……………….............. Heat unit : unité de chaleur
ISBA………………............ Interaction sol-biosphère-atmosphère
IWRM………………......... Integrated water resources management
MCG………………........... Modèle climatique global
MCR………………............ Modèle climatique régional
MODCOU……………….... Modélisation couplée
ONU………………............ Organisation des nations unies
RCP……………….............. Representative Concentration Pathway
ROE………………............. Révérenciel des obstacles à l’écoulement
SAFRAN………………....... Système d’analyse fournissant des renseignements adaptés à la nivologie
SRES………………............ Special report on emission scenarios
SWAT………………………… Soil and water assessment tool
xvii
Remerciements
À l’issue de toute cette aventure scientifique entre deux continents, je tiens en premier
lieu à remercier François Anctil et José Miguel Sánchez Pérez de m’avoir donné
l’opportunité de travailler sur ce sujet de recherche, de m’avoir guidé, encadré et
conseillé tout au long de ces années de thèse, mais surtout de m’avoir fait confiance
lors de mes aller-retour entre le Québec et la France. J’aimerais également remercier
Sabine Sauvage d'avoir toujours été présente pour me donner des conseils avisés au
cours de la réalisation de ce travail.
Je remercie les membres du jury, Brian Morse, Éric Sauquet, Phillipe Amiotte Suchet
et Sabine Sauvage d'avoir accepté d’évaluer ce travail de recherche.
Je souhaite aussi remercier toutes les personnes qui ont participé à ce travail et avec
lesquels j’ai eu la chance et le plaisir de collaborer : Srinivasan Raghavan pour son
accueil au Texas et pour m’avoir donné de nombreux conseils avec SWAT, Karim
Abbaspour pour m’avoir guidé dans l’utilisation de SWAT-CUP, Éric Martin
pour m’avoir aidé dans la prise en mains du produit SAFRAN et enfin Simon
Gascoin pour m’avoir initié à l’utilisation des données de télédétection.
Je veux remercier tout particulièrement Sophia de m’avoir accompagné et aidé lors des
derniers mois de cette thèse, de m’avoir apporté un soutien sans failles, sans lequel
l’écriture de ce document aurait probablement été beaucoup plus difficile à mener à
bien. Merci d’avoir été là pour moi.
Merci à ma famille, mes sœurs et mes parents, qui m’ont toujours soutenu, dans tous
les sens du terme, au cours de mes déplacements d’un côté à l’autre de la planète. De la
bibliothèque à la sortie de ma chambre aux milliers de kilomètres parcourue à travers
l’Europe, ce travail n’aurait probablement jamais vu le jour sans l’envie qu’ils m’ont
transmis de toujours en découvrir et en apprendre davantage.
Merci également à tous mes collègues de bureau et amis, d’un côté comme de l’autre
de l’Océan sans qui toute cette aventure aurait sûrement été beaucoup moins fun :
Antoine, Thibault, Esther, Silvia, Anna, Coralie, Grégory, Queralt, Catherine, Jean et
Thomas à l’Ouest et Léonard, Xiaoling, Pierre-Alexis, Antoine, Théo, Cyril, Alyson,
Julie, Ane, Mélodie, Joana et Grégory à l’Est. Un merci particulier à ceux qui m’ont
xviii
logé et aidé à chaque atterrissage et décollage, pour avoir stocké mes affaires et fait
suivre le courrier. Ils se reconnaitront, merci beaucoup, ça va me manquer de ne plus
travailler avec vous.
Merci à mes colocs toulousains du 62 comme du 11 avec qui j’ai adoré vivre pendant
mes séjours à Toulouse : Sophie, Chachou, Nelly, Sara, Gwen, Alex, Javier, Nico et
Flo. Ne changez rien, vous êtes au top.
Un immense merci à tous mes amis d’enfance qui ont toujours été présents, quoi qu’il
arrive, qui savent me supporter dans les bons comme dans les mauvais moments, même
après de longues absences : Lucie, Alice, Denis, Clément, Manu, Kevin, les Jérémies,
Gautier, Léo, Kevin, Nico, Luc et Aymeric. Cette liste ne serait pas complète sans Ben,
Adrien et Tatache qui ont eux aussi toujours été là quand il le fallait. J’espère qu’ils
savent tous que ce travail n’aurait pas pu être possible sans eux.
Enfin, je remercie tous mes amis d’université : l’équipe des BITU à Grenoble et des
EPGM à Chambéry. C’est grâce à leur compagnie et que j’ai su prendre goût aux
études et que j’ai passé 10 ans à manger au RU. Merci beaucoup.
Une pensée pour Léa, qui a aussi été une personne importante dans toute cette aventure.
Une pensée également pour Anaïs et Judith sans qui je n’aurais peut-être jamais eu de
master, et donc pas fait de doctorat. Elles comprendront.
Merci à tous.
xix
Avant-Propos
Cette thèse reprend plusieurs articles publiés ou en cour de publication dans lesquels le
candidat au diplôme de doctorat a pris part dans la réalisation, en collaboration avec
d’autres auteurs :
• Article 1: “Assessing the capability of the SWAT model to simulate snow, snow
melt and streamflow dynamics over an alpine watershed”, constitue le chapitre 4
de ce document. Cet article a été publié en 2015 dans la revue Journal of
Hydrology. Le candidat est l’auteur principal de ce manuscrit qui est une
retranscription du travail effectué pendant la réalisation de la thèse de doctorat.
Outre les Auteurs François ANCTIL et José Miguel SANCHEZ PEREZ qui ont
supervisé l’ensemble des recherches présentées en tant que directeurs de thèse, cette
publication a été réalisée en collaboration avec Xiaoling Sun, Sabine SAUVAGE et
Srinivasan RAGHAVAN qui ont aidé à la mise en place du modèle utilisé, et de
Simon GASCOIN qui a participé à l’obtention et au traitement de données de
télédétection.(http://dx.doi.org/10.1016/j.jhydrol.2015.10.070)
• Article 2: “Testing the SWAT model with gridded weather data of different spatial
resolutions” constitue le chapitre 5 de ce document. Cet article a été soumis en
décembre 2015 à Journal of Hydrologic Engineering (ASCE) et est actuellement
en révision. Le candidat est l’auteur principal de ce manuscrit qui est une
retranscription du travail effectué pendant la réalisation de la thèse de doctorat.
supervisé l’ensemble des recherches présenté en tant que directeurs de thèse, cette
publication a été réalisée en collaboration avec Sabine SAUVAGE (ingénieur de
recherche CNRS) qui a aidé à la mise en place du modèle utilisée.
• Article 3: “Assessing the temporal transposability of the SWAT model across a

large contrasted watershed” constitue le chapitre 6 de ce document. Cet article a
été soumis en janvier 2015 à Journal of Hydrologic Engineering (ASCE) et est
actuellement en révision. Le candidat est l’auteur principal de ce manuscrit qui est
une retranscription du travail effectué pendant la réalisation de la thèse de doctorat.
xx
supervisé l’ensemble des recherches présenté en tant que directeurs de thèse, cette
publication a été réalisée en collaboration avec Sabine SAUVAGE (ingénieur de
recherche CNRS) qui a aidé à la mise en place du modèle utilisée.
Article 4: “On the use of hydrological models and satellite data to study the water
budget of river basins affected by human activities: examples from the Garonne
basin of France” est placé en Annexe 3 de ce document. Cet article a été publié en
2016 dans la revue Surveys in Geophysics. Le candidat n’est pas le premier auteur de
cette publication. La publication est le fruit d’une collaboration au sein du projet
REGARD regroupant de nombreux laboratoires. De ce fait il serait long de décrire ici
le rôle pris par chaque auteur (14) dans la publication. Cette publication a été portée par
Éric MARTIN, directeur de recherche à l’IRSTEA. Cet article constitue une
comparaison de plusieurs outils de modélisation, l’apport du candidat a été de réaliser
une comparaison entre son outil de modélisation et l’outil de modélisation SIM de
Météo-France (section 1 de l’article). Cette comparaison est par ailleurs présentée (hors
article) dans ce document au chapitre 7. (http://dx.doi.org/10.1007/s10712-016-9366-2)
xxi
xxii
Introduction
Introduction
1
Introduction
2
Introduction
De toutes les ressources renouvelables, l’eau est la plus essentielle à l’homme. Elle peut
paraitre abondante au premier abord, mais la réalité est plus complexe. Si l’eau est
l’élément constitutif le plus important à la surface de la Terre, environ 97 % de celle-ci
est contenue dans les océans, dont la salinité limite son utilité en tant que telle pour les
sociétés humaines. D’autres parts, 2% de l’eau est stockée sous forme de glace au
niveau des pôles et des zones de hautes altitudes. Ainsi, seulement 1% de l’eau du
globe est de l’eau douce liquide. Cette ressource est donc relativement limitée et subit
une forte pression dans beaucoup d’endroits sur la planète.
Historiquement, la gestion de la ressource en eau douce continentale se concentre

principalement sur certaines parties du cycle hydrologique, notamment sur les débits
des cours d’eau ou les réservoirs d’eau souterraine. Cette manière d’aborder les choses
est guidée à la fois par la facilité d’obtention des données de terrain, mais également
par le fait que ces deux composantes du cycle sont les ressources en eau qui peuvent
être directement mobilisables et donc utilisées par les sociétés.
Cependant, si cette approche permet de gérer les stocks disponibles, elle ne permet pas
d’appréhender l’ensemble des processus qui en régissent le fonctionnement, notamment
les flux d’entrée et de sortie du système, afin d’en avoir une vision globale et à long
terme.
Depuis une quinzaine d’années, la prise de conscience grandissante des problématiques

liées à l’eau douce a mené plusieurs grandes institutions internationales, telles que
l’Union européenne et l’ONU, à se saisir de cette problématique. Cela a permis de faire
apparaître la nécessité de développer de nouvelles formes de réflexion sur la gestion de
cette ressource, basées sur des approches intégrées dans le temps et dans l’espace,
s’intéressant à l’ensemble du cycle hydrologique à l’échelle régionale.
Conjointement à cette prise de conscience, une autre thématique a mobilisé une partie
de la communauté scientifique internationale : celui des changements climatiques. Ces
changements se sont révélés au cours des années comme ayant des impacts directs sur
les sociétés humaines. Pour étudier ces impacts, un groupe d’étude
intergouvernemental sur le climat a été créé (GIEC), permettant une collaboration
mondiale sur le sujet. Leurs conclusions portent sur un large panel d’impact, mais les
préoccupations relatives aux impacts induits par les changements du climat sur les
3
Introduction
ressources en eau ont très tôt fait partie des axes de réflexions mis en avant par le GIEC
(IPCC, 1990). D’après ce groupement de travail, ces changements globaux constituent
un risque de « modification de la fréquence, de l’intensité, de la répartition
géographique, de la durée, de la saisonnalité du climat et des évènements extrêmes »1.
Ces variations du climat seraient donc susceptibles d’influencer aussi bien les
équilibres hydrologiques globaux que les évènements hydrologiques extrêmes, qui sont
directement liés aux variables climatiques. La répartition de l’eau en termes de flux et
de stockage au sein du cycle hydrologique s’en trouvera alors modifiée. Depuis 1990,
les collectes de données ont permis de venir confirmer que cet impact est bien réel et
que le cycle des eaux continentales avait déjà commencé à être modifié par les
changements au sein de l’atmosphère.
En outre, si la connaissance des relations entre les différentes composantes de

l’hydrosystème permet dans un premier temps une gestion de la ressource en termes de
quantité, elle est dans un second temps également indispensable à la compréhension et
à l’étude des processus qui régissent la qualité de la ressource et des fonctions
écologique dans les zones tampons.
De fait, les deux sujets de préoccupations évoqués ici se rejoignent sur un axe
transversal où la possibilité d’avoir une vision complète à long terme des systèmes
hydrologiques permettrait une gestion plus efficace de la ressource en eau. Il est pour
cela nécessaire de disposer d’outils nous permettant de comprendre et de prévoir
l’influence des régimes climatiques sur le comportement de chaque stock et flux qui
compose le cycle hydrologique au sein d’un bassin versant.
Une analyse de l’ensemble de ces processus, qui se baserait uniquement sur des
mesures de terrain, est presque impossible à réaliser si l’on veut étudier chaque
compartiment hydrologique à un pas de temps réduit sur de grandes périodes.
L’utilisation d’outils de modélisations est par conséquent ici indispensable.
1
Field et al. (2012): IPCC : Managing the Risks of Extreme Events and Disasters to Advance Climate
Change Adaptation. A Special Report of Working Groups I and II of the Intergovernmental Panel on
Climate Change, p108
4
Introduction
L’étude présentée dans ce document tente donc de répondre aux deux grands objectifs
décrits ci-dessus par une étude à l’échelle d’un bassin versant. Le cas d’étude choisi est
le bassin versant de la Garonne, localisé dans le sud-ouest de la France. Cela passe
alors par :
Représenter, à l’aide d’un outil de modélisation, les différents compartiments de

stockage d’un bassin versant (neige, teneur en eau des sols et aquifère) et les flux qui
les relient (évapotranspiration, ruissellement, infiltration, écoulement de subsurface,
remontée capillaire, recharge et écoulement nappe-rivière) afin de brosser un
tableau complet du système hydrologique. Ces différents compartiments sont
également considérés selon une classification hydrologique séparant le cycle en deux
types de composantes : l’eau bleue et l’eau verte. Cette division, comme nous le
verrons dans la suite de ce document, permet une analyse plus précise des impacts
engendrés par les variations du cycle hydrologique sur la ressource en eau disponible
pour les sociétés humaines.
Dans un second temps, la représentation du système hydrologique de la Garonne est

étudiée au travers d’une analyse temporelle à long terme portant à la fois sur des
périodes passées ou futures. Cela permet de mettre en relation les variations du climat
avec les variations du cycle hydrologique sur du long terme et d’en comprendre
l’évolution.
La première partie de cette étude consiste en une synthèse bibliographique permettant

de mettre le travail réalisé en contexte avec les différents concepts scientifiques utilisés,
les études déjà existantes sur le bassin versant ainsi que celles relatives à la
modélisation hydrologique, afin de mieux définir la problématique et les objectifs qui
ont guidé ce travail de recherche.
La seconde partie s’applique à expliquer la méthode et les données qui ont été utilisées
pour atteindre les objectifs décrits précédemment, détaillant entre autres le
fonctionnement de l’outil de modélisation choisi et sa mise en place initiale sur le
bassin versant de la Garonne.
La troisième partie de cette étude s’attache à expliquer comment cette mise en place de
l’outil de modélisation a été adaptée, en termes de calibration et de validation pour
permettre une approche multicompartiment de l’hydrosystème.
5
Introduction
La dernière partie de ce document présente les résultats obtenus et les analyse en deux
phases : l’une sur une période passée et l’autre sur une période future.
6
« Dans cette théorie, l’eau, élevée par le soleil, et retombée en

pluie, s’amasse sous la terre, d’où elle s’écoule comme d’un
grand réservoir qui est, soit unique pour toutes les rivières,
soit particulier à chacune d’elles. Aucune eau ne s’engendre:
c’est l’eau, qui rassemblée dans des réceptacles de ce genre
forme le grand débit des rivières. De là vient aussi que les
rivières coulent plus abondamment en hiver qu’en été, et
que certaines sont intarissables et d’autres intermittentes »
Aristote -334 Av. J.-C. Les météorologiques (Trad. : Tricot 1955)
7
8
1. Concept eau verte — eau bleue
1.1. Historique
Le terme de green water fut introduit pour la première fois dans une optique de
réflexion sur l’efficacité de l’utilisation de la ressource en eau, menée dans le cadre du
travail de la Food and Agriculture Organisation(FAO) (Falkenmark, 1995). Ce terme
était, dans le document original, défini comme la fraction des précipitations infiltrées
dans la zone racinaire et utilisée pour le développement de biomasse. Il fut introduit
accompagné de son terme complémentaire, Blue water, représentant le reste de la
ressource.
L’idée alors proposée alors par Falkenmark est que la gestion de la ressource en eau ne
doit pas se limiter à la réflexion sur le prélèvement des ressources dans le milieu naturel
par et pour les activités humaines. Elle doit également prendre en compte l’eau
nécessaire au développement de la biomasse qu’elle soit d’origine naturelle ou issue de
l’agriculture. Cette eau verte n’est habituellement pas prise en compte dans les plans de
gestion parce qu’elle n’est pas directement utilisable par nos sociétés sous la forme de
ressource hydrique, mais est pourtant effectivement utilisée en partie au travers de
l’agriculture.
L’idée est développée par Rockström (1997, 1999). Elle est basée sur les deux
séparations majeures que subissent les précipitations : la première division survient au
niveau de la surface du sol : l’eau entrant dans le système (pluie ou irrigation) est
séparée entre ruissellement et infiltration. La seconde division s’opère au niveau de la
zone racinaire, séparation entre le surplus s’infiltrant dans l’aquifère et l’eau disponible
pour les végétaux.
• L’eau bleue est alors définie comme l’ensemble des stocks et des écoulements
exploitables.
• L’eau verte est la différence entre les précipitations et l’eau bleue quittant le bassin
versant. En d’autres termes, c’est l’eau retournant à l’atmosphère, notamment par
transpiration au travers de la biomasse. Elle inclut également l’eau dans la zone
racinaire.
Très vite, il sera proposé de considérer l’eau verte de deux façons : l’eau verte
productive, c’est-à-dire celle utilisée pour le développement de la biomasse (la
transpiration) et l’eau verte non productive (évaporation). Cela modifie la définition
9
originale (Falkenmark, 1995) qui ne considérait que la partie productive. De cette

définition, deux points restent délicats à appréhender.
Le premier point, qui est abordé lors de la définition même du concept (Rockström,
1999), c’est la complexité d’un concept simple en apparence, notamment à cause du cas
spécial de l’irrigation qui utilise de l’eau considérée comme bleue pour la réinjecter
dans le système et la rendre potentiellement verte. De même, l’eau de ruissellement, qui
est une part de l’eau bleue, peut s’infiltrer tout au long de son trajet dans le bassin
versant à cause d’un changement de pente ou d’usage des sols par exemple peut donc
potentiellement devenir de l’eau verte. Dans le cadre du travail de la FAO, il a été
proposé de limiter le concept à l’étude de zones agricoles non irriguées (Savenije,
1999) et l’eau bleue, pour des raisons pratiques, définie comme la mesure des flux
d’eaux de surface à la sortie du bassin considéré.
Figure I.1: Conceptualisation de l’approche eau verte — eau bleue, élargie à la planification et à la gestion des
ressources en eau. La ressource d’eau douce indifférenciée (Précipitation) est partitionnée en une ressource d’eau
verte sous forme d’humidité dans la zone non saturée et en une ressource bleue dans les aquifères, lacs, zones
humides et bassins de retenue. Ces ressources génèrent des flux : les flux d’eau verte issus du système de
production de biomasse terrestre (cultures, forêts, prairies) et le flux d’eau bleue présent dans les rivières et le débit
de base des eaux souterraines. (Falkenmark and Rockström, 2006)
Le second point est que l’eau verte n’inclut que l’eau des sols subissant
l’évapotranspiration, mais ne considère alors pas l’évaporation des eaux de surface ni
l’évaporation des eaux interceptées par la végétation. Un nouveau terme apparait alors :
celui d’eau blanche, (Savenije, 2004) pour désigner l’eau qui retourne directement dans
l’atmosphère par sublimation des précipitations solides, évaporation de l’eau
10
interceptée et des eaux de surface. Peu d’études continueront à utiliser cette distinction,
préférant l’incorporer de fait dans la part de l’eau verte non productive.
Quelques années plus tard est introduite une nouvelle distinction : la séparation de l’eau
en deux nouvelles sous-classes : le flux et la ressource ou stockage (Falkenmark and
Rockström (2006) et Figure I.1).
1.2. Utilisation du concept
Les travaux de base, ayant amené à cette nouvelle considération des ressources
hydriques en plusieurs classes distinctes, ont été réalisés, pour la FAO, dans le cadre de
la lutte pour la sécurité alimentaire dans les zones arides et semi-arides où domine
l’agriculture non irriguée (Falkenmark, 1997; Rockström, 1997, 1999; Savenije, 1999;
Rockstrom and Falkenmark, 2000). Ces articles majeurs sont les bases de la création et
de la justification de ce concept pour l’étude de ces zones géographiques. L’utilisation
de cette nouvelle vision du cycle hydrologique et son application à l’agriculture est
alors souvent accompagnée d’un indice : Water Use Efficiency (WUE - Rockström
(1997)) représentant la quantité de biomasses produite par rapport à la quantité d’eau
entrante dans le système. Cet indice pouvant être substantiellement amélioré par une
gestion améliorée de l’eau verte.
Même si cette distinction eau verte|eau bleue faisait initialement partie d’un
résonnement sur l’amélioration de l’efficacité agricole des régions arides, elle est très
rapidement devenue un concept à part entière, car son utilisation pourrait apporter une
vision nouvelle dans beaucoup d’autres domaines de l’hydrologie.
Pour cette raison, au-delà de l’utilisation purement agricole, elle commence à être
utilisée à plus grande échelle : celle notamment de la gestion globale de la ressource.
On en fait usage en premier lieu dans le cadre de la gestion intégrée des ressources en
eaux (IWRM) (Falkenmark and Rockström, 2004, 2005, 2006, 2010; Hoff et al., 2010;
Sulser et al., 2010).
Pour permettre son utilisation dans les plans de gestion intégrée, il devient alors
inévitable de confronter ce concept à toutes les facettes de ce type de gestion. C’est à
cette fin que des études sont réalisées sur l’importance de différents facteurs dans les
processus de séparation des eaux au sein d’un bassin versant notamment de différents
types d’occupation des sols et leurs influences sur les quantités d’eau verte et d’eau
11
bleue. (Liu et al., 2009; Glavan et al., 2013). Pour les mêmes raisons, cette nouvelle
approche commence à être incorporée aux études sur les coûts/bénéfices fournis par les
services écosystémiques (Rockstrom and Gordon, 2001; Willaarts et al., 2012) ou
encore à celles traitant du commerce de l’eau et qui utilisent la notion d’eau
« virtuelle » (Chahed et al., 2008; Fader et al., 2010; Hanasaki et al., 2010; Konar et al.,
2012).
Le concept est récent, mais de plus en plus utilisé par la communauté scientifique en ce
qui concerne toutes les approches de la gestion de la ressource. Les études citées ici
sont celles se réclamant directement du concept d’eau verte et d’eau bleue. Il est
évident qu’il existe, outre ce concept, un grand nombre d’études antérieures ou
contemporaines traitant de l’influence du climat, de l’occupation des sols, de la pente
ou d’autres facteurs sur les différents processus que sont le ruissellement, l’infiltration
et l’évapotranspiration. Ces études peuvent et sont utilisées dans le travail de
détermination des deux classes d’eau. Certaines difficultés de l’utilisation du concept
sont abordées dans Jewitt (2006), notamment pour une utilisation dans les plans de
gestion intégrée, telle que la difficulté d’appréhension spatiale et temporelle permettant
d’avoir des données séparées, de l’évaporation et de la transpiration.
2. Les changements climatiques
En une vingtaine d’années, les changements climatiques sont devenus un sujet majeur
de préoccupations pour les sociétés contemporaines, dans un premier temps à cause des
débats qui ont eu lieu sur l’occurrence ou non de ce phénomène, et dans un second
temps sur la manière de mettre en place des politiques destinées à prévenir et à
s’adapter aux impacts environnementaux, sociaux et économiques induits.
Ces changements sont sujets d’études par la communauté scientifique depuis

maintenant une trentaine d’années et font aujourd’hui l’objet d’un consensus.
L’ensemble des travaux scientifiques réalisés sur le sujet est régulièrement analysé et
compilé par un large groupe intergouvernemental d’experts pour le climat (GIEC) lui-
même constitué de trois groupes de travail : le Groupe 1 travaillant sur les principes
physiques du changement climatique et les modélisations climatiques, le Groupe 2
travaillant sur les impacts, la vulnérabilité des territoires et l’adaptation aux
changements climatiques et le Groupe 3 travaillant sur les moyens d’atténuer et de
12
prévenir ces impacts sur nos sociétés. Les travaux de chaque groupe sont publiés de
manière régulière depuis 1990 dont la dernière publication (AR5) remonte à 2013 et
2014 : (IPCC, 2013, 2014a, b, c).
2.1. Projections climatiques et scénarios
La première étape de l’étude de la variation des climats et de la prévision des tendances

climatiques est l’utilisation de modèle de circulation climatique, ou modèle de
circulation globale (MCG). Ce sont des modèles en trois dimensions, ayant des
composantes atmosphérique (AMCG) et océanique (OMCG). Leurs utilisations
permettent de reproduire la physique et la dynamique du système climatique à l’échelle
du globe. En revanche, ces modèles ne sont pas capables d’anticiper par eux même
certaines évolutions, telles que le relargage anthropique de gaz à effet de serre (GES),
et ont besoin d’indication sur l’évolution de leur concentration dans l’atmosphère.
Cette information est transcrite au travers du forçage radiatif, exprimé en W/m2, qui est
le changement du bilan radiatif (rayonnement descendant moins rayonnement montant)
au sommet de la troposphère. Ce bilan radiatif représente l’effet de serre de la planète :
plus cet effet est important plus le bilan radiatif sera élevé.
L’évolution du bilan radiatif est fonction de la concentration en gaz à effet de serre

dans l’atmosphère, lui-même fonction d’un grand nombre de paramètres socio-
économiques et environnementaux.
Dans le cadre du GIEC des scénarios sont construits, permettant de représenter

plusieurs évolutions possibles de ce bilan radiatif afin d’être utilisé dans les modèles
climatiques. Ces scénarios et la manière de les construire ont connu plusieurs
évolutions au fil des années (IPCC, 1992, 2000, 2008). Pour l’AR5, la communauté
scientifique a défini un jeu de quatre scénarios dits RCP pour «Representative
Concentration Pathway» (IPCC, 2008; Moss et al., 2010). Ces scénarios replacent les
précédents scénarios dits SRES (Special Report on Emission Scenario (IPCC, 2000)).
Representative Concentration Pathway :
Chacun des quatre scénarios RCP est identifié par le forçage radiatif approximatif de
l’année 2100 par rapport à l’année 1850 :
13
Le scénario RCP8.5 décrit une augmentation constante jusqu’en 2100 du forçage radiatif
pour atteindre 8.5 W.m-2 (~1370 ppm CO2eq) sans atteindre de maximum. Les émissions
en GES augmentent, elles aussi, sur toute la période.
Le scénario RCP6.0 mène à un forçage radiatif de 6.0 W.m-2 en 2100 (~850 ppm CO2eq)
sans atteindre de maximum. Les émissions de GES atteignent leur maximum autour de
2060 (70 GtCO2 eq/an) puis diminuent pour se stabiliser en 2010 aux alentours de 50
GtCO2 eq/an.
Le scénario RCP4.5 simule un forçage radiatif de 4.5 W.m-2 en 2100 (~650 ppm CO2 eq)
atteignant un maximum autour de 2100 avant de se stabiliser. Les émissions de GES
atteignent leur maximum vers 2040 (50 GtCO2 eq/an) pour décliner ensuite et se stabiliser
en 2080 aux alentours de 30 GtCO2 eq/an.
Le scénario RCP2.6 décrit une augmentation du forçage radiatif de 2.6 W.m-2 (~400 ppm
CO2 eq) en 2100 après avoir connu un maximum de 3 W.m-2 (~490 ppm CO2 eq) vers
2040. Les émissions de GES augmentent alors jusqu’en 2020 (50 GtCO2 eq/an) puis
diminuent à 2.5 GtCO2 eq/an en 2100.
Chaque scénario est construit avec des données spatiales de l’évolution de l’occupation des
territoires, d’émissions de polluant et de concentration de gaz à effet de serre jusqu’en
2100 avec une résolution spatiale de 0.5 x 0.5 degré.(Detlef et al., 2011)
Les MCGs ont pour objectif de représenter le climat à une très grande échelle spatiale.
Pour réaliser des études à des échelles plus fines, on utilisera alors des modèles
climatiques régionaux (MCR). Ces derniers permettent d’obtenir une plus grande
résolution, pouvant aller jusqu’à quelques kilomètres dans certains cas. Ces MCRs
exploitent les données de sortie des MCGs comme intrant, ce sont les « conditions aux
limites ». Afin d’appréhender l’erreur inhérente à ces modèles (tant pour les MCGs que
les MCRs), les projections sont très souvent étudiées à travers un ensemble de modèles,
c’est-à-dire en utilisant plusieurs MCGs et/ou MCRs afin de permettre une analyse
comparative des résultats et donner une gamme des possibles incluant les incertitudes à
la fois des conditions aux limites, mais aussi issues des modèles eux-mêmes.
Dans le rapport AR5, les simulations climatiques globales ont été réalisées dans le
cadre du projet international CMIP5 (Coupled Model Intercomparison Project, phase
14
5 ; http://cmip-pcmdi.llnl.gov/cmip5/) qui inclut 33 MCGs développés par différents

laboratoires et agences météorologiques (Taylor et al., 2012).
Un programme complémentaire, nommé CORDEX (Coordinated Regional

Downscaling Experiment), définit le cadre général de la régionalisation des simulations
globales et la comparaison des résultats à petite échelle sur des domaines limités.
L’application européenne de CORDEX est
appelée Euro-Cordex (http://euro-
cordex.net/ et Jacob et al. (2014)). Elle
permet la modélisation du climat futur de
l’Europe avec une résolution spatiale de 50
et 12 km.
CMIP5 et Euro-Cordex utilisent les

scénarios RCP et font suite aux projets
CMIP3 pour lequel les projets PRUDENCE
(http://prudence.dmi.dk/main.html) puis
ENSEMBLE (http://ensembles-
eu.metoffice.com/) ont été les programmes
régionaux européens. L’ensemble de ces
programmes de simulation des climats ont
Figure I.2 : schéma du principe de descente
utilisés les scénarios SRES, notamment d'échelles appliqué à la modélisation du climat (Viner
and Hulme, 1997)
pour le rapport AR4 du GIEC (IPCC,
2007). La littérature présentée dans la suite
de ce travail concerne uniquement les données CMIP5 et Euro-Cordex.
2.2. Les changements climatiques dans le sud-ouest de la

France
Outre les projections par modélisation, les variations du climat peuvent être aussi mises
en évidence grâce à l’analyse des données observées au cours des récentes décennies.
Ces deux approches seront traitées ici.
Dans la littérature, un grand nombre d’analyses des tendances climatiques, qu’elles

soient issues d’observations ou de sorties de modèles, sont réalisées à l’échelle globale
15
et conviennent peu au travail ciblé ici. Certaines cependant sont réalisées à l’échelle
continentale (Europe) ou sous continentale et plus rarement nationale (France). Ces
changements connaissent de fortes dissymétries régionales, avec des tendances parfois
opposées si l’on considère par exemple le nord et le sud de l’Europe (Kovats et al.,
2014). Ces tendances opposées existent aussi à l’échelle du territoire Français qui
chevauche d’ailleurs deux régions définies par le GIEC : l’Europe centrale et l’Europe
du Sud. Les tendances moyennes à l’échelle de la France doivent donc être considérées
comme peu représentatives de secteurs particuliers, tels que la région du Sud-Ouest.
Les études mises en avant ici se veulent donc les plus récentes, réalisées au maximum à
l’échelle européenne, et dont les résultats spatialisés permettent d’appréhender des
tendances plus spécifiquement sur le sud-ouest de la France.
Enfin, il est possible d’étudier les variations du climat de deux façons différentes : en
moyennes (annuelles ou saisonnières) et par la fréquence d’apparition ou l’intensité des
évènements extrêmes. L’analyse qui suit s’applique à en faire de même. Il est important
de noter que la définition de ces évènements extrêmes, même si elle reste semblable,
diffère d’une étude à l’autre. Il conviendra de se référer aux études citées pour plus de
précision.
2.2.1. Observations
a. Température de l’air
En se basant sur plus de 200 séries de données à travers l’Europe, Klein Tank et al.
(2002) mettent en évidence une augmentation de la température de l’air de 0.3
°C/décade pour le sud-ouest de la France et la période 1976-2000, ce qui sera confirmé
par les mêmes auteurs dans une étude subséquente (Klein Tank et al., 2005). Des
résultats analogues sont obtenus par Dai (2011) pour la période 1950-2008 pour
laquelle une augmentation des températures en France comprise entre +0.1 et +0.3
°C/décade est calculée. Pour leur part, Ceppi et al. (2012) analysent les températures
enregistrées en Suisse sur la période 1959-2008 et rapportent une augmentation de la
température annuelle de 0.35 °C/décade dont les tendances saisonnières sont toutes
positives, allant de + 0.17 °C/décade en automne à +0.48 °C/décade en été. Mariotti
and Dell’Aquila (2012) utilisent plusieurs sources de données historiques pour
comparer les moyennes annuelles des températures de la période 1986-2000 par rapport
à la période 1971-1985. Ils notent sur le sud de la France une variation hivernale de
16
+0.15 à + 0.25 °C/décades et de +0.2 à +0.4 °C/décades en été, que ce soit avec les
données observées du Climatic Research Unit (CRU-Mitchell and Jones (2005)) ou du
système de réanalyse ERA-40 (Uppala et al., 2005). Moisselin et al. (2002), dans une
étude spécifique à la France, mettent en évidence, sur le Sud-Ouest, une variation des
températures annuelles moyennes de +1.1 °C sur la période 1901-2000 dont +1.3 °C
pour les températures minimales et +0.9 °C pour les températures maximales
provoquant une diminution de l’amplitude diurne de -0.5°C. van Oldenborgh et al.
(2009) concluent en une augmentation d’environ +0.15 °C en hiver et de +0.45 °C en
été pour la période 1950-2008.
Ces changements de température ne sont cependant pas continus au long du siècle :

l’augmentation s’accélère au cours du 20e siècle, avec notamment une hausse
substantielle des températures minimales et maximales sur le territoire français
d’environ +1 °C pendant la période 1987-1988 (Brulebois et al., 2015).
D’autres études portent sur les valeurs extrêmes : vagues de chaleur ou de froid.
Globalement, une augmentation des épisodes de chaleur a été notée en Europe au cours
du siècle dernier. Ainsi, Della-Marta et al. (2007), sur la période 1880-2005, concluent
que les durées des vagues de chaleur sur l’Europe occidentale a doublé et que leur
fréquence à presque triplée. Pour Klein Tank and Können (2003), l’analyse des
données sur la période 1946-1999 permet de conclure en l’augmentation à Toulouse du
nombre de jours chaud de +6/an conjointement à une diminution des jours froids de -
6/an, ce qui sera confirmé par la suite (Moisselin and Dubuisson, 2006). Ces
conclusions sont cohérentes avec l’étude de Moberg et al. (2006) qui notent sur le
siècle dernier une augmentation des températures minimales comme maximales, en
hiver comme en été, avec cependant une augmentation plus importante des
températures hivernales.
b. Précipitation
De manière générale, une diminution de la pluviométrie annuelle est constatée au cours

du siècle dernier sur la région Sud-Ouest de la France. Cette diminution est mise en
évidence par Dai (2011) pour la période 1950-2008 : de -0.2 à -0.4 mm/jour/50ans, ce
qui est cohérent avec les analyses réalisées par Zolina et al. (2009) mettant à jour une
variation d’environ -5% de la précipitation annuelle sur la même période. Dans une
étude basée uniquement sur le bassin versant de la Garonne, Martin et al. (2016)
17
observent une diminution du cumul annuel de la précipitation issue de la réanalyse

SAFRAN, de l’ordre de -0.35 mm/an sur la période 1960-2011, avec une diminution
plus importante à partir des années 90.
Certaines études, cependant, ne concluent pas sur la baisse de la précipitation observée

sur le Sud-Ouest, mais plutôt sur une augmentation de cette dernière (Moisselin et al.,
2002; Moisselin and Dubuisson, 2006).
Si une diminution de la pluviométrie peut être considérée, cette dernière ne semble pas
répartie de manière homogène sur toute l’année. Utilisant deux sources de données
différentes, Mariotti and Dell’Aquila (2012) concluent à une variation hivernale
comprise entre -0.2 et -0.8 mm/jour/30ans avec une plus forte diminution dans la région
pyrénéenne, mais de +0.2 à -0.6mm/jour/30ans en été. Dans une étude récente très
complète, van Haren et al. (2013) comparent pour le 20e siècle plusieurs jeux de
données européens. Les tendances obtenues pour ces différentes bases de données sont
sensiblement similaires, avec un changement de la précipitation de l’ordre de 0 à +0.5
mm/jour/siècle en été et -0.5 à -1.5 mm/jour/siècle en hiver et là encore une diminution
plus forte sur les reliefs pyrénéens. Cette diminution de la précipitation hivernale est
également confirmée par Boe and Terray (2008). Il semble donc que la diminution de la
précipitation sur le sud-ouest de la France au cours de la deuxième moitié du 20e siècle
ait été plus marquée en hiver qu’en été.
Lorsque l’on s’intéresse plus spécifiquement aux évènements extrêmes tels que les
pluies intenses et les périodes de sécheresse, on observe également une dysmétrie
saisonnière. Ainsi, Zolina et al. (2009) ont notés, sur les 50 dernières années, une
diminution des précipitations intenses pendant la période hivernale, mais une
augmentation de ces dernières le printemps et l’été. Pour la même période, van den
Besselaar et al. (2013) notent une augmentation des évènements extrêmes sur le sud de
l’Europe, augmentation qui est, de manière consistante avec l’étude précédente,
beaucoup plus marquée pendant les périodes printanières et estivales. En ce qui
concerne les sécheresses sur le territoire français, Moisselin and Dubuisson (2006)
mettent en évidence une augmentation des indices liés aux évènements extrêmes de
sécheresse en France sur la période 1951-2000. Ces conclusions seront confirmées par
le projet ClimSec (http://www.cnrm-game-meteo.fr/spip.php?article605), très complet,
portant à la fois sur la manière de considérer les épisodes de sécheresse et sur leurs
18
évolutions en France entre 1950 et 2100. Ils rapportent une tendance statistiquement
significative de l’augmentation des évènements de sécheresse observés par le passé,
particulièrement dans le sud de la France, en hiver et au début du printemps ainsi qu’en
été sur les zones de montagne (Soubeyroux et al., 2010; Vidal et al., 2010b;
Soubeyroux et al., 2011; Soubeyroux et al., 2012).
2.2.2. Projections : CMIP5 et Euro-Cordex
a. Température de l’air
La Figure I.3 présente les variations moyennes de l’ensemble CMIP5 projeté sur
l’Europe (IPCC, 2013). Si l’on considère les scénarios médians (RCP 4.5 et RCP 6), on
note une augmentation de la température de l’air de +1 °C à l’horizon 2016-2035 et de
+3 °C à l’horizon 2081-2100 sur le sud-ouest de la France. Comme précédemment,
l’augmentation semble plus marquée en saison estivale qu’en saison hivernale.
Dans un rapport de synthèse réalisé avec les sorties des modèles CMIP5-Euro-Cordex,
Ouzeau et al. (2014) arrivent à des conclusions comparables (Figure I.4) : en été, à
l’horizon 2050, une augmentation comprise entre +1.5 et +3 °C suivant le scénario
considéré (RCP 4.5 ou RCP 8.5) et une augmentation comprise entre +2.5 et +5°C pour
l’horizon 2100. En hiver l’augmentation se situe entre +0.5 et +1.5 °C pour l’horizon
2050 et +1.5 et +4 °C à l’horizon 2100.
Cette analyse peut être complétée par l’étude de Jacob et al. (2014) qui présente les
écarts annuels moyens obtenus par le même ensemble Euro-Cordex à l’échelle de
l’Europe. En considérant le sud-ouest de la France, on observe une variation de +2°C
(RCP4.5) à +4°C (RCP8.5).
Cette hausse globale des températures aura également un impact sur les évènements
extrêmes. Jacob et al. (2014) projettent une augmentation d’une dizaine de jours par an
des épisodes de grande chaleur à l’horizon 2050 et entre 30 (RCP4.5) et 45 (RCP8.5) à
l’horizon 2100. Ouzeau et al. (2014) avancent une augmentation moins importante pour
l’horizon 2100 avec une augmentation qui devrait être comprise entre 5 et 20 jours
selon que l’on considère le scénario RCP4.5 ou RCP8.5.
En outre, il a été montré que les ensembles CMIP5 et Euro-Cordex ont tendance à
surestimer légèrement les températures estivales en Europe (Cattiaux et al., 2013;
19
Kotlarski et al., 2014), ce biais ayant cependant été amélioré par rapport aux
réalisations de l’ensemble PRUDENCE utilisé pour le CMIP3. Par la suite, Vautard et
al. (2013) pointent une surestimation par l’ensemble Euro-Cordex des épisodes de
grande chaleur dans le sud de l’Europe.
Figure I.3 : Changement de la température de l’air (moyenne de l’ensemble CMIP5 par rapport à la période 1986 -
2005) pour les périodes estivales (juin - août) et hivernales (décembre – février) pour chacun des 4 scénarios RCP.
(Adaptée d’AR5-WGI-annexe1 IPCC (2013))
20
Figure I.4 : Écart des températures hivernales et estivales, relatives à la période 1976 – 2005 pour les scénarios
RCP 4.5 et RCP 8.5 aux horizons 2021-2050 et 2071-2100. Les figures illustrent les 25e et 75e percentiles de
l’ensemble Euro-Cordex. (Adaptée d’Ouzeau et al. (2014))
b. Précipitation
La Figure I.5 illustre les projections des écarts saisonniers de la précipitation obtenues à
partir de l’ensemble CMIP5. Si l’on se concentre sur le sud-ouest de la France, on peut
y observer deux comportements distincts en fonction des saisons.
En été, quel que soit le scénario considéré, la précipitation diminue de plus en plus au
cours du siècle à venir. Ainsi, un changement de -10 à -20% est attendu à l’horizon
2050 suivant le scénario considéré, pouvant atteindre -30% à l’horizon 2100 pour
scénario RCP 8.5.
En hiver, l’analyse devient plus complexe, car la région Sud-Ouest se trouve être à la
limite entre les comportements du sud et du nord de l’Europe. Ainsi suivant les
scénarios et les horizons considérés, on obtient tantôt un changement de l’ordre de -
10%, tantôt de l’ordre de +10%. Pour certaines projections, ces deux tendances sont
21
chacune pressante sur une partie de la région Sud-Ouest. Cette situation semble
indiquer une relative stabilité de la précipitation dans cette zone durant la période
hivernale.
Figure I.5 : Écarts de la précipitation saisonnière (moyenne de l’ensemble CMIP5 par rapport à la période 1986 -
2005) pour les périodes estivales (avril – septembre) et hivernales (octobre - mars) pour chacun des 4 scénarios
RCP. (Adaptée d’AR5-WGI-annexe1 IPCC (2013))
Comme précédemment, cette revue est complétée par le rapport d’Ouzeau et al. (2014)
qui utilisent les projections issues d’Euro-Cordex à l’échelle du territoire français
(Figure I.6). Cela permet de confirmer la très probable diminution de la précipitation
22
sur le territoire du Sud-Ouest pendant la période estivale. Les variations en période

hivernale restent cependant moins évidentes à interpréter : quel que soit le scénario
(RCP 4.5 ou 8.5) ou l’horizon considéré, l’estimation basse de l’ensemble (25e
percentile) indique une augmentation de la précipitation tandis que l’estimation haute
(75e percentile) indique plutôt une diminution.
En considérant également l’ensemble Euro-Cordex et les mêmes scénarios à l’horizon

2071-2100, Jacob et al. (2014) mettent en évidence une variation moyenne annuelle des
précipitations assez faibles (0 à -5%) avec le scénario RCP 4.5 et plus marquées (-5
à -15%) avec le scénario RCP 8.5.
Figure I.6 : Écarts des précipitations hivernale et estivale, relatives à la période 1976 – 2005 pour les scénarios
RCP 4.5 et RCP 8.5 aux horizons 2021-2050 et 2071-2100. Les figures illustrent les 25e et 75e percentiles de
l’ensemble Euro-Cordex. (Adaptée d’Ouzeau et al. (2014) )
Ouzeau et al. (2014) mettent également en évidence une augmentation annuelle de 2%

à 5% des épisodes de précipitations extrêmes du régime pluviométrique du sud-ouest
de la France. Pour leur part, Jacob et al. (2014) livrent une analyse saisonnière et
23
montrent que cette augmentation d’épisode de précipitations extrêmes serait plutôt

concentrée au printemps et à l’automne. D’une manière générale, ce phénomène semble
également plus marqué sur la zone pyrénéenne.
De même, une augmentation de 2 à 10 du nombre de jours consécutifs avec moins de 1

mm de précipitation pendant la période estivale (comparé à la période 1976-2005 qui
en compte entre 10 et 20) est attendue par Ouzeau et al. (2014). Cette analyse est
confirmée par l’étude de Jacob et al. (2014).
La validation des données produites par le CMIP5 et Euro-Cordex indique cependant

qu’il existe une légère surestimation de la précipitation, plus marquée lors de la saison
hivernale (Kotlarski et al., 2014; Liu et al., 2014).
2.2.3. Les changements climatiques et le cycle hydrologique
Parmi les différents impacts des changements climatiques, ceux engendrés au niveau
des eaux continentales sont susceptibles d’impacter directement les sociétés humaines.
Le concept d’eau continentale désigne la partie de l’hydrosphère présente sur les terres
émergées, englobant les eaux de surfaces et souterraines. Cela constitue aussi la seule
ressource d’eau directement disponible pour les sociétés humaines. Dès 1990, le GIEC
intègre les impacts sur les eaux continentales comme l’une des facettes du
réchauffement global (IPCC, 1990).
Comme le fait remarquer le rapport AR4 (IPCC, 2007), ces changements pouvant
prendre des formes très différentes suivant les territoires et les époques considérées, ils
sont difficiles à percevoir, quantifier ou même prévoir à partir d’une analyse à large
échelle spatiale. Ce même rapport insiste cependant sur les techniques permettant la
réalisation d’analyses plus fines en descendant à l’échelle des bassins versants et des
processus hydrologiques.
La présente section propose donc une revue des différentes études existantes sur
l’impact des changements globaux sur le cycle hydrologique. Pour les mêmes raisons
que dans la section précédente, les études les plus pertinentes à l’étude des processus
hydrologiques du bassin versant de la Garonne ont été privilégiées.
Du fait de la très récente mise à disposition des données issues des ensembles de
modèles CMIP5 et Euro-Cordex pour la communauté scientifique, peu d’études ont été
24
réalisées pour estimer les variations induites sur les processus hydrologiques en France
et plus particulièrement dans la région Sud-Ouest. Contrairement à la section
précédente, certaines des études proposées ici se basent donc sur l’utilisation des
données CMIP3.
a. Le débit : un indicateur global
L’étude des tendances du débit d’un cours d’eau ne donne que peu de renseignements
sur la modification pouvant exister à l’intérieur du cycle hydrologique. Cela reste tout
de même un bon indicateur global de l’évolution du volume drainé par le bassin versant
et donc de la ressource en eau.
Plusieurs rapports de l’Agence européenne pour l’environnement (EEA, 2009, 2012),

concernant la surveillance de la disponibilité en eau sur le territoire européen dans un
contexte de changements climatiques, indiquent que ces derniers ont déjà perturbé les
flux d’eau douce. Ces conclusions sont reprises par l’AR5 du GIEC (Jiménez Cisneros
et al., 2014; Kovats et al., 2014).
Une diminution des débits annuels moyens a déjà pu être observée dans le sud-ouest de
la France sur la deuxième moitié du 20e siècle. Cette diminution peut être décomposée
de manière saisonnière en une augmentation des débits en hiver et une diminution en
été, pour un bilan annuel globalement en baisse, c’est-à-dire que l’augmentation
hivernale ne contrebalance pas les diminutions estivales (Stahl et al., 2010).
À l’échelle de la France, une étude a été réalisée sur tous les grands bassins versants
français à la demande du Ministère de l’environnement français, pour déterminer les
impacts sur la ressource en eau (MEED, 2012b; Chauveau et al., 2013). Ses
conclusions pour l’eau de surface montrent que le bassin versant de la Garonne sera
l’un des plus affectés en France, avec une forte diminution des débits moyens annuels,
quels que soient les scénarios considérés (Figure I.7). Le Bassin versant de la Garonne
est également celui présentant la plus grande variabilité de résultats entre les
simulations hydrologiques (de 0 à 70%) de variation. Cette étude ne détaille cependant
pas les raisons de cette forte diminution envisagée, comme c’est souvent le cas dans les
études hydrologiques, cette diminution est reliée à une diminution des précipitations
sans que soit fait état des différents compartiments du cycle hydrologique. Deux autres
études se sont focalisées sur le bassin versant de la Garonne : Imagine 2030 (Sauquet et
25
al., 2010; Hendrickx and Sauquet, 2013) & Garonne 2050 (AEAG, 2014)) en réalisant
plusieurs modélisations menant à des résultats similaires : une diminution de 10 à 20 %
du débit annuel moyen malgré une compensation en hiver se prolongeant jusqu’en
début d’été (Sauquet et al., 2010). Ces conclusions sont partagées par Caballero et al.
(2007) qui indiquent une diminution de 11% du débit à l’étiage, accompagnée d’une
augmentation des débits hivernaux due à l’augmentation des précipitations liquides.
Comme pour Chauveau et al. (2013), peu de détails sont donnés sur les variations
internes du cycle hydrologique.
Figure I.7: Évolution (en %) du débit moyen annuel entre 1961-1990 et 2045-2065 (d’après MEED (2012c))
Ces observations sont également consistantes avec l’étude de Tisseuil et al. (2010) qui
notent une augmentation du débit hivernal beaucoup plus marquée pour les parties du
bassin versant ayant un régime pluvial, à la différence de celles ayant un régime nival
qui présenteraient alors un débit hivernal plutôt stable aux horizons 2050 et 2100.
Cette remarque est contradictoire avec le travail de thèse de Miquel (2012) qui donne
une image encore plus spécifique de la zone pyrénéenne du bassin versant et conclut
sur des chiffres légèrement supérieurs à ceux obtenus sur l’ensemble du bassin versant
avec une diminution de 15 % à 33 % des débits hivernaux suivant les horizons
considérés.
26
Les effets ne se limitent pas à une modification du volume global de la ressource en

eau, mais devraient également impacter les régimes hydrologiques des cours d’eau et
les évènements extrêmes. Plusieurs études, que ce soit à l’échelle du bassin versant de
la Garonne (MEED, 2012b; Miquel, 2012; AEAG, 2014) ou européenne (Alfieri et al.,
2015; Roudier et al., 2015), s’accordent sur les évolutions passées comme futures.
Ainsi, les étiages qui devraient être accentués en magnitude et en fréquence, notamment
à cause d’un pic de fonte printanier moins important apparaissant plus tôt dans la
saison. L’analyse des épisodes de crues, quant à elle, fournit des résultats qui oscillent
entre une stabilité et une diminution de l’intensité et de la fréquence. Il est intéressant
de noter que cette diminution ne semble cependant pas contradictoire avec
l’augmentation globale des débits pendant les périodes hivernales et printanières.
b. Cryosphère
Les zones de montagne et les eaux continentales sont indéniablement liées. La plupart
des grands cours d’eau du sud de l’Europe prennent leurs sources en montagne. On
estime que la contribution des zones montagneuses au débit mondial des cours d’eau
est de l’ordre de 40 à 60 % (Viviroli and Weingartner, 1999; Viviroli et al., 2003) et
cela est dû en grande partie à la neige et la glace qu’elles stockent. Il est également
important de noter les rétroactions négatives qu’une diminution de ces surfaces
enneigées ou glacées exerce sur l’augmentation des températures : l’albédo de la neige
et de la glace étant supérieur à celui du sol, cette couverture permet de renvoyer une
plus grande partie de l’énergie solaire reçue vers l’atmosphère, diminuant le bilan
radiatif.
López-Moreno (2005) étudie l’évolution du manteau neigeux depuis 1950 dans les
Pyrénées espagnoles et conclue sur une diminution substantielle de ce dernier
notamment en raison de la diminution des précipitations sur la période janvier - mars.
La réanalyse de données météorologiques depuis 1958, dans le cadre du projet
SAFRAN, montre une tendance à la diminution du manteau neigeux dans les Pyrénées
aux altitudes inférieures à 2000 mètres (Maris et al., 2009), avec par exemple une perte
d’enneigement de 4,6 cm/décade à 1800 m (Miquel, 2012). Les observations révèlent
également une diminution de la période d’enneigement. Pour référence, une perte
d’enneigement de 10 à 15 jours a été mise en évidence entre 1971 et 2008 à
l’Hospitalet (bassin versant de l’Ariège - 1400 m).
27
Miquel (2012) montre également que ces modifications de la cryosphère vont se

poursuivre dans le futur sous l’influence des changements climatiques avec en
moyenne -18 jours d’enneigement en 2050 par rapport à 2000, pour une altitude de
1.500 m. Pour les mêmes périodes, ces pertes sont évaluées à -16 jours à 1600 m, -11
jours à 1800 m, -8 jours à 2000 m et -5 jours à 2200 m.
Un constat similaire peut être réalisé au sujet des glaciers : Gruneawald and
Scheithauer (2010) considère qu’au regard des augmentations de température prévues
au cours du siècle prochain par le GIEC dans son 4e rapport (IPCC, 2007), tous les
glaciers du sud de l’Europe (entre 44° et 42° de latitude nord) auront disparu dans les
prochaines décennies.
c. Évapotranspiration (ET)
Dans le sud de la France, les températures estivales moyennes sont en augmentation, ce

qui a pour effet d’accroître la capacité de l’atmosphère à accueillir de la vapeur d’eau,
ouvrant la porte à une augmentation de l’ET. Cependant, l’augmentation du CO2
atmosphérique aura pour conséquence la diminution de l’activité stomatique des
plantes, et donc de diminuer la transpiration végétale (Stockle et al., 1992a; Stockle et
al., 1992b). De plus, à l’instar de la cryosphère, l’évapotranspiration exerce une
rétroaction sur l’augmentation des températures, car l’évaporation de l’eau induit une
consommation de la chaleur latente tendant à diminuer la température de l’air faisant de
l’estimation des variations d’ET un phénomène relativement complexe à appréhender.
L’ET réelle (ETR) reste un phénomène également compliqué à mesurer in situ à large
échelle temporelle et spatiale. Pour cette raison elle est souvent calculée, ou
appréhendée par le calcul de l’ET potentielle (ETP). Malgré les différentes techniques
existantes de mesure et de calcul, L’ET reste l’un des phénomènes du cycle
hydrologique le plus difficile à appréhender, pour lequel les erreurs peuvent parfois être
importantes.
Les études rapportant son évolution dans différentes zones du Sud-Ouest de la France
montrent toujours une augmentation de ces dernières, quelles que soient les techniques
de calcul ou les données météorologiques utilisées (mesurées ou projetées). Miquel
(2012) avec les méthodes de Oudin (ETP), Turc (ETR), Mouelhi (ETR) et Coutagne
(ETR), obtient une augmentation significative sur les Pyrénées pour les données
28
observées (1950-2010) comme pour les approches en projection. Il estime la différence

d’ETR à +5% pour l’horizon 2021-2050 et +10% à l’horizon 2071-2100.
Chaouche et al. (2010), en appliquant la méthode de Penman-Monteith (ETP) à la

réanalyse SAFRAN, sur la période 1959-2010 à l’extrême Est des Pyrénées, mettent en
évidence une tendance significative de l’ETP principalement sur la période de janvier à
juin (+0.2 à +0.6 mm/an).
Le projet EXPLORE 2070, utilisant la même méthode et le même jeu de données,

conclut sur une augmentation de 10 à 30% à l’horizon 2070 pour le bassin versant
Adour Garonne (MEED, 2012b).
Quelles que soient les méthodes de calcul choisies, elles restent des simplifications de
ce phénomène complexe où la température est un facteur dominant de la détermination.
L’augmentation des températures due aux changements climatiques est donc
directement responsable de l’augmentation de son estimation, dans laquelle les
rétroactions restent difficiles à prendre en compte.
d. Ruissellement
Tout comme l’évaporation, le ruissellement est un flux du cycle hydrologique

relativement compliqué à mesurer in situ, et pour lesquels la forte influence des
paramètres environnementaux locaux (topographique, pédologique…) rendent difficile
une extrapolation spatiale des résultats. Ces difficultés entrainent un manque de
chroniques conséquentes tant au point de vue spatial que temporel. C’est entre autres
pour cette raison que peu de publications traitent de l’évolution au cours du temps de
cette composante du cycle hydrologique. Une seule étude donne des indications, à une
échelle d’un bassin des Pyrénées (Ariège), qui projette pour les années futures une
diminution du ruissellement qui aurait pour principale cause la réduction de
l’enneigement (Hendrickx and Sauquet, 2013).
e. Teneur en eaux des sols
Les sols représentent un important réservoir au sein des hydrosystèmes et la variation

de la teneur en eau des sols est un paramètre essentiel pour l’agriculture et la croissance
de la végétation en général. Ceux-ci exercent également un contrôle important sur les
processus du cycle hydrologiques en influant sur la répartition des précipitations au
29
sein du système (ruissellement – évapotranspiration - infiltration) : la teneur en eau est

le lien entre l'énergie de surface et le bilan hydrique. Les résultats du projet ClimSec
représentent une importante source d’information sur l’évolution de la teneur en eau
des sols en France (Soubeyroux et al., 2010; Vidal et al., 2010b; Soubeyroux et al.,
2011; Soubeyroux et al., 2012).
Par suite de l’augmentation passée et future de l’évapotranspiration, ces travaux

mettent à jour une diminution moyenne de la teneur en eaux des sols depuis 1958 sur le
sud et l’ouest de la France. Dans le futur, l’évolution de cette tendance pourrait mener à
des épisodes de stress hydrique de plus en plus sévères, notamment pour les zones
montagneuses, du fait de probables modifications du régime nival.
f. Eaux souterraines
Le volet «hydrologie souterraine » du projet EXPLORE 2070 (MEED, 2012c) est une
source d’information substantielle sur les impacts que pourrait avoir le réchauffement
climatique sur la région Sud-Ouest. Cette dernière apparait comme celle étant
susceptible de connaître les plus fortes baisses de la recharge des nappes phréatiques à
l’horizon 2070 avec des baisses comprises entre 30 et 50%.
Cette conclusion semble cependant contradictoire à celle de Caballero et al. (2007) sur
le bassin versant de la Garonne, qui prévoit à l’horizon 2060 une stabilité des aquifères,
compte tenu d’une faible variation des précipitations hivernales qui forment la
principale source de recharge.
2.2.4. Synthèse
Le tableau I.1 propose une synthèse des informations contenues dans la section 2.2 de
ce document.
30
Tableau I.1 : synthèse des changements climatiques observés ou projetés sur le sud-ouest de la France
Moyenne Extrême
♦ Augmentation de la température moyenne
♦ Augmentation plus marquée en été qu'en

hiver ♦ Augmentation des épisodes de grandes
Température chaleurs
♦ Augmentation plus rapide des minimales que ♦ Diminution des épisodes de grand froid
des maximales, d'où une diminution de
l'amplitude journalière
♦ Accélération de l'augmentation à la fin du 20e
siècle avec un palier significatif en 1987/88
♦ Diminution de la précipitation moyenne

♦ Diminution des épisodes de précipitation
annuelle
intense pendant l’hiver et augmentation
pendant l’été et l’automne
♦ Diminution plus marquée sur le relief
pyrénéen
Précipitation ♦ Augmentation des épisodes de précipitation
♦ Dans le passé : Diminution plus marquée extrêmes estivaux plus marqués sur les
pendant la période hivernale et assez peu Pyrénées
marquée en été
♦ Augmentation des périodes de sécheresse
♦ En projection : diminution beaucoup plus particulièrement en hiver et au printemps
marquée en période estivale. Stabilité voire
une augmentation en hiver.
♦ Baisse des débits moyens annuels, mais avec ♦ Les étiages sont accentués en magnitude et en
une forte asymétrie saisonnière fréquence.
Débit ♦ Les épisodes de crues oscillent entre la
♦ Baisse des débits en été stabilité et une diminution en intensité et en
♦ Hausse des débits en hiver (augmentation des fréquence.
précipitations liquides)
Cryosphère ♦ Nette diminution de l’enneigement sur les -----------

massifs pyrénéens, en durée comme en
hauteur de neige
Ruissellement ♦ Diminution du ruissellement dans la zone -----------

pyrénéen due à la diminution du manteau
neigeux
Évapotranspira ♦ Augmentation de l’évapotranspiration sur le -----------

tion bassin versant de la Garonne, principalement
due à l’augmentation des températures
Teneur en eau ♦ Augmentation des épisodes de sécheresse

extrême des sols.
♦ Diminution de la teneur en eau des sols
des sols
♦ Évolutions futures incertaines allant de la

Eaux
souterraines stabilité des nappes à un sévère déficit
31
3. La modélisation hydrologique
3.1. Historique et généralités
La modélisation hydrologique est, à l’heure actuelle, largement utilisée pour apporter

des informations dans un grand nombre de domaines relatifs à l’environnement ou à
l’ingénierie. Les techniques de modélisation ont connu un développement très
important au cours du 20e siècle. Les approches les plus anciennes de modélisation
hydrologique, basées uniquement sur le temps de concentration, comme la méthode
rationnelle de Mulvany (1850), ont évolué en un siècle vers des méthodes beaucoup
plus sophistiquées. C’est après l’introduction de l’hydrographe unitaire (UH) (Sherman,
1932), permettant une vision non seulement de l’importance des pointes de crue, mais
également de la forme et de durée de la crue, et grâce aux développements des
ordinateurs dans les années 50 que la modélisation hydrologique prendra réellement
son essor. Depuis, l’augmentation de la puissance de calcul disponible a permis de
complexifier les modèles et les représentations des processus qui y sont associés. Un
historique détaillé de la modélisation hydrologique et du développement de chaque type
de modèles au cours du siècle passé pourra être trouvé dans Todini (2007, 2011) et
Villeneuve et al. (1998). La modélisation est particulièrement utile lors de l’étude de
processus naturels qui nécessiteraient des expérimentations longues, couteuses et
parfois impossibles à mettre en place.
3.2. Les approches en modélisation hydrologique
La modélisation consiste à construire une représentation simplifiée de la réalité,

l’objectif étant d’identifier les phénomènes et les mécanismes clefs qui permettront de
réaliser cette représentation de la réalité. Il existe à l’heure actuelle un très grand
nombre de modèles différents et il est difficile de les décrire tous. Cependant, ces
modèles peuvent être classés en plusieurs grandes classes, suivant leur façon de
représenter l’espace ou les processus hydrologiques :
L’approche empirique repose sur une relation mathématique directe entre les entrées
et les sorties du système hydrologique sans réellement prendre en considération les
processus internes à l’hydrosphère. Si la représentation peut considérer plusieurs
composants du cycle hydrologique, le fonctionnement de la représentation est en
général très éloigné du fonctionnement réel de l’hydrosystème. Ce type de modèle est
32
appelé également « boites noires ». Malgré un bon pouvoir prédictif des débits en
calibration, ces modèles sont souvent assez peu transposables temporellement ou dans
des contextes hydroclimatiques différents. Ils sont destinés à des approches
opérationnelles de par leur facilité de mis en œuvre et le peu de ressources de calcul
nécessaire pour les faire fonctionner. Parmi ces modèles on peut citer les modèles
pluies-débits comme le modèle GR4J (Perrin et al., 2003)
L’approche physique (ou mécanistique) consiste à utiliser des lois physiques pour
représenter les processus étudiés et l’hydrosystème. Il s’agit de loi de conservation de
masse, d’énergie et de quantité de mouvement qui vont permettre théoriquement de
représenter l’état de l’hydrosystème en tout point de l’espace et du temps. Ces modèles
nécessitent généralement un grand nombre de paramètres représentant des grandeurs
physiques du milieu (sol, topographie…) qui doivent être en général obtenues par une
étude in situ. Ces modèles permettent (et doivent) représenter l’ensemble des processus
de l’hydrosystème et peuvent généralement être appliqués en dehors de leur domaine
de validation. Cependant, ils sont adaptés à la représentation sur de petites échelles,
notamment à cause de la quantité de paramètres nécessaire pour les faire fonctionner et
des grandes ressources de calcul qu’ils nécessitent. On peut citer ici par exemple les
modèles MIKE-SHE (DHI, 1998) ou MOHID (Brito et al., 2015)
L’approche conceptuelle se place entre les deux approches précédentes. Elle cherche à
représenter les processus étudiés à l’aide de relations simplifiées. Ces modèles
hydrologiques sont en général constitués de réservoirs connectés entre eux par des flux
et qui permettent de représenter les différentes composantes de l’hydrosystème (eau de
surface, eau souterraine, réseau hydrographique…). Cette représentation peut être très
simple avec un nombre réduit de composantes et ne dépendre que d’un nombre limité
de paramètres nécessaires aux relations, le modèle se rapprochant alors d’un modèle
empirique. Mais elle peut aussi devenir beaucoup plus complexe, avec des relations
basées sur des lois physiques, nécessitant un nombre relativement important de
paramètres, se rapprochant alors d’un modèle physique. Les modèles conceptuels sont
adaptés à la simulation sur de grandes échelles (spatiales et/ou temporelles), avec une
demande de puissance de calcul qui reste limitée. On peut citer ici les modèles
SWAT(Arnold et al., 1993) ou encore CEQUEAU (Charbonneau et al., 1977).
33
En outre, les modèles sont également différenciés en fonction de leur représentation de

l’espace. Un modèle global considérera le bassin comme une entité unique et
homogène. Cette représentation est particulièrement adaptée à la représentation
empirique des processus. À l’opposé, un modèle distribué va tenter de représenter de
la manière la plus précise possible la variabilité spatiale du bassin versant. Ce type de
représentation de l’espace est nécessaire lors de la représentation physique de
l’hydrosystème. Enfin, les modèles semi-distribués se situent entre ces deux
représentations. Il consiste à spatialiser les processus, mais uniquement entre des entités
spatiales considérées comme homogènes. Cette solution à l’avantage de permettre de
représenter l’espace (plus ou moins précisément suivant la taille des entités
considérées) en fonction de la réalité topographique, mais en limitant la complexité et
les demandes en ressource de calculs nécessaire à une représentation distribuée. Cette
dernière approche allie souvent des processus mécanistes et des processus plus
empiriques.
La représentation temporelle est également à prendre en compte. En effet, la

formulation des processus sera différente en fonction de l’échelle temporelle
considérée. Un modèle destiné à simuler une longue période ne pourra pas représenter
en détail les évènements ponctuels. Par exemple, les modèles hydrologiques destinés à
simuler des périodes de plusieurs décennies sont souvent opérés à pas de temps
journalier ou supérieur et ne permettent pas de représenter correctement des épisodes
comme les crues éclairs. Généralement, les modèles empiriques et conceptuels sont
adaptés aux échelles de temps plus grandes que les modèles à base physique.
Le choix d’un modèle dépend donc des objectifs de son utilisateur. Le travail de
recherche présenté ici a pour but de tenter d’étudier les composantes principales d’un
hydrosystème à une échelle régionale et en analyser les variations face à des
changements climatiques. Si l’utilisation d’un modèle physique était adaptée à la
première partie de la problématique – représentations des différentes composantes – la
mise en place d’un tel modèle peut très difficilement être réalisée sur les échelles
temporelle et spatiale recherchées en raison du volume de paramètre et des ressources
de calculs nécessaires. Un modèle conceptuel complexe s’appuyant sur des principes
physiques peut permettre de diminuer cette complexification et permettre la
représentation pour de larges échelles spatiale et temporelle tout en donnant des
informations sur la compréhension des processus impliqués.
34
3.3. Modélisation du bassin versant de la Garonne
Quelques expériences de modélisation ont été menées sur le bassin versant de la

Garonne. Elles ont principalement été réalisées avec trois modèles différents : GR4J
(Sauquet et al., 2010; MEED, 2012b) ; CEQUEAU (Dupeyrat et al., 2008; Sauquet et
al., 2010; Hendrickx and Sauquet, 2013) et la suite ISBA-MODCOU (Voirin-Morel,
2003; Caballero et al., 2007; MEED, 2012b).
Le premier (GR4J) est un modèle empirique global, dont la représentation très

simplifiée est assez éloignée du fonctionnement réel de l’hydrosystème et ne permet
pas la différenciation des flux et stocks du cycle hydrologique. Le modèle CEQUEAU
(conceptuel spatialisé), même si un peu plus complexe que GR4J est une représentation
encore très simplifiée de l’hydrosystème. La chaine ISBA-MODCOU est quant à elle
basée sur un modèle de surface à bilan d’énergie (ISBA) couplé à un modèle
hydrologique distribué (MODCOU). Elle permet une plus grande différenciation des
flux et stocks au sein du cycle hydrologique avec une représentation assez bonne des
processus hydrologiques et de leurs relations avec la végétation, mais seulement dans
les parties supérieures de l’hydrosphère (ruissellement/évapotranspiration/drainage)
puisqu’elle n’inclut pas de composantes d’eau souterraine.
La modélisation de l’eau souterraine du projet EXPLORE 2070 est quant à elle réalisée
avec différents modèles hydrodynamiques développés par le BRGM et traitant
uniquement des écoulements souterrains, ne représentant pas les processus
hydrologiques de surface. (MEED, 2012c)
Le modèle SWAT a également été utilisé pour modéliser certaines parties du bassin
versant de la Garonne, et particulièrement le sous-bassin versant de la Save et le
tronçon de la moyenne Garonne. Cependant, même si ces études englobent la
calibration des débits, elles sont principalement centrées sur le transport de composés
chimiques, notamment des nitrates (Oeurng et al., 2010; Ferrant et al., 2011; Ferrant et
al., 2013), et carbone organique (Oeurng et al., 2011b) et des pesticides (Boithias et al.,
2011).
35
3.4. Le modèle SWAT
SWAT est un modèle conceptuel, dont la représentation des processus est complexe, et
basée sur des représentations physiques. Il permet donc la différenciation d’un grand
nombre de composantes de l’hydrosystème. C’est un modèle semi-distribué permettant
une discrétisation de l’espace basée sur la réalité topographique. Enfin, malgré sa
représentation complexe de processus hydrologiques, les ressources de calcul
nécessaires pour le faire fonctionner sont modérées, autorisant son utilisation sur de
grandes échelles temporelle et spatiale. Toutes ces caractéristiques font du modèle
SWAT un outil adapté à l’étude réalisée ici qui vient répondre aux besoins énoncés
plus haut. En outre, il a déjà été testé sur une partie du bassin versant de la Garonne.
Comme nous allons le voir par la suite, son utilisation par un large panel d’utilisateur a
permis de valider de manière séparée les performances des simulations pour un grand
nombre des composantes du cycle hydrologique.
3.4.1. Un modèle largement utilisé et éprouvé
Le Soil and Water Assessment Tool (SWAT) (Arnold et al., 1993) fut développé dans le
but de travailler à l’échelle du bassin versant pour tester l’effet des changements
d’usage des sols notamment agricoles sur les régimes hydrologiques, l’érosion et les
transferts de nutriments. Le modèle a été largement appliqué et éprouvé sur l’ensemble
des continents dans des conditions pédo-climatiques différents.
En 2007, 250 publications scientifiques concernant ce modèle étaient répertoriées par

Gassman et al. (2007), nombre qui a encore augmenté avec les années (Douglas-
Mankin et al., 2010). Une base de données des travaux relatifs au modèle SWAT et
publiés dans des journaux à comité de lecture a été créée dans laquelle sont référencées
à ce jour plus de 2000 publications (https://www.card.iastate.edu/swat_articles/). La
littérature présentée ici n’est donc qu’une partie de celle existante, mais permettra
d’apprécier les domaines dans lesquels le modèle a déjà été utilisé dans le passé.
Le développement de SWAT fut réalisé à partir de l’utilisation conjointe de plusieurs

modules existants, se voulant chacun performant pour une partie des processus
hydrologiques d’un bassin versant. Une description très complète de cette évolution
ainsi qu’une description de tous les modules utilisés peut être trouvée dans Gassman et
36
al. (2007). Il n’en sera donné ici qu’un schéma tiré de cette même publication
permettant un aperçu de la manière dont SWAT fut créé (Figure I.8).
Figure I.8 : Schéma de l’histoire du développement de SWAT incluant quelques adaptations sélectionnées
(Gassman et al. 2007)
Ce modèle a donc connu de nombreuses évolutions et continue d’être développé

partout dans le monde par ces nombreux utilisateurs, puisque le code est libre d’accès.
Plusieurs versions « officielles » ont été diffusées (94.2, 96.2, 98.1, 99.2, 2000, 2005,
2009, 2012). Les améliorations successives apportées à chaque version sont détaillées
dans Arnold and Fohrer (2005) pour les versions 2000 et antérieures puis dans Neitsch
et al. (2002, 2005, 2011) pour les versions 2000, 2005 et 2009. La documentation
technique pour la version 2012 n’étant pas encore disponible. Une des améliorations
notables pour l’ouverture à une utilisation du modèle par un public plus large a été son
couplage avec un système d’information géographique (ArcGIS ou MapWindows)
(Rosenthal et al., 1995).
La figure I.9 présente de manière schématique le module hydrologique de SWAT. Une

description plus technique du modèle et de son module hydrologique est faite dans la
partie méthodologie de ce document, mais un tour d’horizon des travaux déjà existants
utilisant SWAT permet de voir que ce modèle a été utilisé de manière concluante pour
un panel assez large de bassins versants, et validé pour une grande partie des flux ou
stock composant le cycle hydrologique.
37
Figure I.9 : schéma du module hydrologique de SWAT
3.4.2. Hydrologie
La réalisation de bilans hydrologiques est l’utilisation la plus courante du modèle. En

outre, elle est fondamentale à toutes autres utilisations plus spécifiques pouvant être
réalisées par la suite. Il est intéressant de noter que dès les premières utilisations, la
calibration des modules hydrologiques a pu être réalisée pour des échelles très
différentes. Ainsi, dans Arnold and Allen (1996), le modèle est utilisé avec succès pour
la simulation des débits en sortie de bassins versants ayant des tailles de 122 à 246 km²
alors qu’Arnold et al. (1999b) obtient des résultats similaires, mais en réalisant le bilan
hydrologique global sur des bassins versants de tailles comprises entre 2 253 à
304 620 km². Le modèle est parfois même utilisé avec succès à l’échelle continentale
(Schuol et al., 2008b; Abbaspour et al., 2015)
Si la simulation de débits en sortie de bassin a depuis été réalisée de nombreuse fois et

validée avec des résultats très satisfaisants, il en va de même pour d’autres processus
impliqués dans le bilan hydrologique.
38
En travaillant sur les ruissellements, Bingner (1996) a montré que le modèle était
efficace pour 14 bassins versants de taille inférieure à 25 km² et le travail réalisé par
Arnold et al. (1999a) à l’échelle des États-Unis donnera des résultats tout aussi
satisfaisants.
La teneur en eau des sols a également fait l’objet de nombreux travaux et

d’améliorations. Mapfumo et al. (2004) testent la capacité du modèle à simuler la
teneur en eau des sols à un pas de temps journalier. Ils trouveront que le modèle à une
tendance à surestimer en période sèche et sous-estimer en période humide. Dans
Narasimhan et al. (2005) la teneur en eau des sols est estimée en utilisant un indice
normalisé pour différentes végétations créées à partir de données satellites, améliorant
ainsi les simulations – voir aussi Narasimhan and Srinivasan (2005). Plus tard,
l’estimation de la teneur en eau des sols sera améliorée par l’ajout d’un module
d’infiltration du ruissellement, puis par une modification du code permettant d’obtenir
la teneur en eau des sols sur plusieurs horizons et d’améliorer par la même occasion les
relations sol/aquifère (Vazquez-Amabile and Engel, 2005).
3.5. SWAT et les changements climatiques
L’utilisation de SWAT pour évaluer l’impact des changements climatiques fait

également partie des utilisations ayant fait l’objet d’un nombre conséquent d’études, ce
qui a permis de prouver la capacité du modèle à être utilisé pour répondre à ce type de
problématiques. Il fut entre autres un des modèles utilisés par le projet de l’Union
européenne « Climate Hydrochemistry and Economics of Surface-water Systems »
(CHESS, 2001). On recense plus de 200 d’articles dans la base de données SWAT
traitant de ce thème. De manière logique avec la partie précédente, il existe plusieurs
types d’études concernant les changements climatiques : certaines ont pour thématique
l’hydrologie quantitative et d’autres le transport de composés chimiques au sein du
bassin versant. La région la plus étudiée dans un contexte de changements climatiques
est sans doute le système fluvial Mississippi-Missouri aux États-Unis (Hanratty and
Stefan, 1998; Rosenberg et al., 1999; Fontaine et al., 2001; Stone et al., 2001; Stone et
al., 2003; Jha et al., 2004; Takle et al., 2005; Jha et al., 2006; Chien et al., 2013).
Les données de projection météorologique utilisée pour l’étude des changements

climatiques peuvent être générées par plusieurs méthodes différentes :
39
La méthode dite « des deltas » utilise des scénarios climatiques, mais n’en retient
uniquement les variations moyennes (mensuelle, saisonnière ou annuelle) afin de
modifier en conséquence les données climatiques observées (Rosenberg et al., 1999;
Fontaine et al., 2001; Eckhardt and Ulbrich, 2003; Stone et al., 2003; Jha et al., 2006;
Onuşluel Gül and Rosbjerg, 2010; Kalogeropoulos and Chalkias, 2012; Jha and
Gassman, 2013). Cette méthode permet entre autres de conserver une spécificité
régionale, par exemple due à des facteurs orographiques qui seraient mal pris en
compte par l’utilisation directe des données de MCG ou de MCR. Jha and Gassman
(2013) se servent de cette méthode avec la variation mensuelle moyenne issue de 10
MCGs différents sur la période 2046-2065 et estiment les changements de l’équilibre
hydrologique du bassin versant de la Racoon dans l’Iowa.
L’autre possibilité est d’utiliser, après calibration du modèle sur des données observées,
les sorties générées par les MCGs pouvant être couplées à des MCRs pour permettre
une diminution préalable de l’échelle. Ces données sont alors directement utilisées
comme données météorologiques d’entrées dans le modèle hydrologique (Stone et al.,
2003; Jha et al., 2004; Takle et al., 2005; Chen and Wu, 2012; Raposo et al., 2013;
Zahabiyoun et al., 2013; Zabaleta et al., 2014).
Ce type d’étude est en général réalisée avec les sorties issues de plusieurs modèles
climatiques différents et/ou plusieurs scénarios d’émission. Par exemple, Jha et al.
(2004) réalisent une étude en utilisant trois jeux de données issus de différents MCGs,
réalisant la descente d’échelle avec le même MCR (ReMCG2), mais en utilisant un seul
scénario d’émission. Chien et al. (2013) publient une étude très complète dans le but
d’estimer la variation spatiale et temporelle du débit dans quatre bassins versants du
Mid-Ouest américain. Cette étude considère 9 MCGs différents tous utilisés sous 3
scénarios différents. Les résultats sont alors comparés au niveau de 100 stations de
jaugeage réparties sur quatre bassins versants (206 000 km²).
Cependant, l’utilisation de cette méthode induit un biais quant aux prévisions détaillées
générées par les MCG-MCR. Dans certaines études, une estimation de ce biais est faite
en calibrant le modèle avec des données observées, puis en utilisant sur la même
période des données générées par les MCG-MCR permettant ainsi de quantifier les
différences de résultats entre les deux jeux de données. Cette incertitude pouvant par la
40
suite être reportée lors de l’interprétation des résultats obtenus grâce aux données
générées sur des périodes futures (Jha et al., 2004; Chen and Wu, 2012).
Une comparaison des deux techniques a été réalisée par Stone et al. (2003). Cette étude
conclut que les résultats obtenus sont convergents, mais l’intensité des impacts n’est
pas la même. Ainsi, la méthode utilisant des données ayant subi une diminution
d’échelle semble induire une plus grande variation des régimes hydrologiques que celle
utilisant une transformation des données mesurées. Les résultats ne permettant pas pour
autant d’affirmer que l’une ou l’autre des techniques présente un degré moindre
d’incertitude.
Il est intéressant de noter qu’un grand nombre d’études ne parle que des variations de
pluviométrie, de température et de CO2 induites par les changements climatiques. Peu
d’entre elles parlent des variations des autres données météorologiques prises en
compte par SWAT, à savoir le rayonnement solaire, le vent et l’humidité. Stone et al.
(2001) précisent que le MCG utilisé génère également ces données. Stonefelt et al.
(2000) utilisent une technique de simulation pour le rayonnement et l’humidité en se
servant de la concentration en CO2 (Gutowski et al., 1991) et réalisent ensuite une
étude sur l’influence de la variation de ces paramètres sur le bilan hydrologique d’un
bassin versant en comparant 11 scénarios.
Si les études publiées portent pour la plupart sur le bilan hydrologique en sortie de
bassins versants, quelques-unes se concentrent plus spécifiquement sur le ruissellement
(Kalogeropoulos and Chalkias, 2012; Piniewski et al., 2013), ou sur le ruissellement et
son impact sur l’érosion (Boithias et al., 2011; Oeurng et al., 2011b; Nunes et al., 2013;
Zabaleta et al., 2014) ou encore sur la recharge des nappes (Rosenberg et al., 1999;
Eckhardt and Ulbrich, 2003; Raposo et al., 2013).
Il est clair qu’une majorité d’études utilisant SWAT pour quantifier l’effet des
changements climatiques sont réalisées sur des bassins versants aux États-Unis. Il
existe cependant quelques études européennes, dont deux, relativement proche de notre
territoire d’études et qui méritent d’être citées, car pouvant servir de comparaison. Ces
deux études ont été réalisées dans le nord de l’Espagne (Pays basque et Galice). La
première se concentre sur le ruissellement, utilisant 2 MCGs différents, sous deux
scénarios différents, tablant sur une augmentation ou une diminution de ce flux suivant
41
les scénarios considérés (Zabaleta et al., 2014). La seconde concerne la recharge des
nappes en utilisant les résultats de prévision climatique du projet européen
PRUDENCE : 8 couples MCG-MCR utilisés avec deux scénarios différents (Raposo et
al., 2013). Elle montre que la recharge des aquifères devrait se concentrer pendant les
mois d’hiver et diminuer pendant les mois d’été. Ces deux études viennent cependant
confirmer la possibilité d’utiliser le modèle SWAT pour l’étude des impacts du
changement climatique dans la région.
3.6. SWAT et le concept eau verte | eau bleue
Lorsque l’on regarde les travaux qui ont été réalisés sur le concept d’eau verte et d’eau
bleue, la liste est beaucoup moins longue que pour les autres utilisations précédemment
citées. Une dizaine d’articles seulement utilisent cette approche pour analyser les
sorties du modèle SWAT. Les deux premières études de ce type sont Schuol et al.
(2008a) et Schuol et al. (2008b) . Elles traitent toutes les deux de la disponibilité en eau
sur le continent africain. La première étude (Schuol et al., 2008b) fait ce constat sur
l’ensemble du continent soit plus de 30 millions de km² discrétisés en 1456 sous-
bassins. La seconde étude se concentre cette fois sur l’ouest de l’Afrique : 4 millions de
km² divisés en 290 sous-bassins. Ce même genre d’étude sera par la suite menée sur
l’ensemble du sous-continent indien, 3 millions de km² (Gosain et al., 2011), sur
l’ensemble du territoire iranien, 1.7 million de km² (Abbaspour et al., 2009; Faramarzi
et al., 2009) et sur le bassin versant de Heihe en Chine ayant une superficie de
250 000 km² (Zang et al., 2012; Zang and Liu, 2013). Ces études utilisent SWAT pour
sa capacité à modéliser de très grandes superficies, comme plusieurs études l’ont
montrée précédemment. Elles sont toutes réalisées à un pas de temps mensuel ou
annuel avec des densités de données météorologiques d’entrées souvent relativement
faibles ou générées par un simulateur (Schuol et al., 2008a; Schuol et al., 2008b;
Gosain et al., 2011).
Il existe aussi quelques études se concentrant sur la vision agricole de l’eau verte.
Huang and Li (2010b, a) modélisent la productivité agricole de l’ensemble de la Chine,
en comparant les cultures n’utilisant que de l’eau verte (cultures non irriguées) avec
celles utilisant de l’eau verte et bleue (cultures irriguées). De même que pour les études
précédentes, elles sont réalisées sur un vaste territoire, 5 millions de km², et se
concentrent surtout sur l’impact de l’utilisation d’eau bleue sur la productivité sans
42
vraiment identifier les modifications sur le bilan hydrologique global du bassin versant.
Dans la même optique, Wu et al. (2012) travaillent sur l’impact de la production de
biocarburant (agriculture et transformation) sur le bassin supérieur du Mississippi. Ils
incluent également dans leur étude la quantité d’eau « grise » c’est-à-dire la quantité
d’eau polluée par le processus industriel. Une autre étude réalisée sur des bassins
versants de très petite taille étudie l’impact des changements d’usages des sols depuis
200 ans sur le cycle de l’eau. (Glavan et al., 2013)
Une étude intéressante réalisée au Kenya (Hunink et al., 2012) fait un premier pas dans
la conception d’un outil (Green water Assessment Toolkit - GWAT) permettant
d’estimer l’effet des mesures de conservation des sols et des nouvelles techniques
agricoles sur la partie supérieure du bassin versant du Tana. Cette étude est
intéressante, car elle traite d’un bassin versant de taille comparable (20 000 km²) à celui
utilisé dans notre travail. De plus, elle cherche à développer une méthodologie eau
verte | eau bleue. D’un autre côté, elle est encore une fois portée sur la productivité
agricole.
Une autre étude très récente analyse le bilan hydrologique en termes d’eau verte et
d’eau bleue avec des bassins ayant des tailles comparables à celui de la Garonne tels
que les bassins des rivières chinoises Jing (45 000km²) et Beiluo (27 000km²) (Zuo et
al., 2015). Si l’on s’intéresse à l’étude des changements climatiques réalisée dans ce
domaine, seules deux études ont cherché à en quantifier l’effet, (Abbaspour et al., 2009;
Gosain et al., 2011). Toutes ces études considèrent l’eau bleue et l’eau verte comme
deux types de ressource distincte, et cherchent uniquement à quantifier leurs variations
globales, sans détailler chacun des différents flux et stock. Si ces études se servent bien
du concept d’eau verte et bleue, elles ne permettent pas réellement d’analyser les
variations du cheminement de l’eau au sein du cycle hydrologique puisqu’elles n’en
détaillent pas les différentes composantes.
43
4. Objectifs
Comme nous l’avons vu tout au long de cette première partie, les problématiques de
gestion de l’eau à l’échelle régionale et de l’impact des variations du climat sur celle-ci
sont des préoccupations importantes de nos sociétés. L’analyse de l’impact des climats
sur l’hydrosphère a connu lors des dernières années des progrès substantiels, que ce soit
du point de vue hydrologique ou climatique, aidée en cela par les améliorations qui ont
été réalisées en modélisation.
Ces améliorations des modèles ont mené à l’augmentation du nombre d’études simulant
l’effet des changements climatiques sur les ressources en eaux. Cependant, jusqu’à très
récemment, ces études ne s’intéressaient qu’à une partie précise du cycle
hydrologique : le débit et plus rarement les nappes phréatiques ou le ruissellement. Or,
connaître l’évolution d’un seul composant de ce cycle ne permet pas un aperçu global
des changements qui s’y produisent en particulier sur le long terme en prenant en
compte l’évolution des stocks et les flux associés.
C’est dans cette optique d’une vision globale du cycle hydrologique que de nouvelles
approches ont été développées telles que celles menant à la distinction des différents
flux et stock qui composent ce cycle en eau verte et en eau bleue.
Très peu d’études combinent ces deux approches : modélisation et caractérisation

spatialisée des résultats en eau verte et en eau bleue dans un but de gestion intégrée de
la ressource, c’est-à-dire à l’échelle de bassin versant.
L’objectif principal de ce travail de thèse est de caractériser spatialement tous les

flux et stocks d’eau du cycle hydrologique en fonction du temps et d’en projeter
les évolutions en contexte de changement climatique.
Après une comparaison des possibilités de modélisation existante, le modèle SWAT est
apparu comme étant adapté à la réalisation de cette étude, tant au point de vue du
formalisme que de sa possibilité à être appliqué pour de grandes échelles spatio-
temporelles. La littérature scientifique atteste également de sa capacité à être utilisé à la
fois pour l’étude des changements climatiques et une analyse en termes d’eau verte et
d’eau bleue. La réalisation de ce travail se décompose donc en plusieurs phases. Une
première étape où le modèle est mis en place sur le bassin versant de la Garonne, site
44
retenu pour l’étude. Dans une seconde étape, une réflexion est menée pour permettre
d’améliorer ou de valider les performances du modèle afin de répondre au mieux à la
problématique. Cette amélioration est menée en regardant à la fois la représentation
hydrologique au sein du cycle hydrologique, mais également la représentation spatiale
du bassin versant. Ces réflexions permettront de mener au mieux le processus de
calibration du modèle mis en place. Enfin, la dernière étape est l’analyse de résultats de
la simulation effectuée afin d'analyser les variations du cycle hydrologique au cours du
temps. Cette dernière se déroulera en deux temps : une analyse sur une période passée,
qui permettra également de valider le modèle sur une longue période, puis une étape de
projection hydrologique jusqu’en 2050.
45
46
II Méthodologie
II Méthodologie
Chapitre 1 : Le bassin versant de la Garonne
Chapitre 2 : Le modèle SWAT
Chapitre 3 : Approche de modélisation
47
II Méthodologie
48
II Méthodologie
Dans ce chapitre est présenté le territoire de la Garonne sur lequel cette étude a été
conduite. Les caractéristiques physiques, hydrologiques et climatiques sont aussi
détaillées ainsi que les données disponibles pour réaliser une approche de modélisation.
49
II Méthodologie
50
II Méthodologie
1. Description physique
1.1. Présentation générale
Le bassin versant choisi pour cette étude est celui de la Garonne, situé dans le sud-ouest
de la France (Figure II.1). Le fleuve Garonne prend sa source dans les Pyrénées
espagnoles avant de passer en France et de s’écouler jusqu’à l’océan Atlantique le long
d’un parcours de 647 km. Elle forme à Bordeaux un estuaire en rejoignant le fleuve
Dordogne : l’estuaire de la Gironde, le plus grand d’Europe occidentale.
Le bassin versant de la Garonne couvre une superficie de 55 000 km². Sa principale

agglomération est la ville de Toulouse dont l’aire urbaine compte plus de 1 200 000
habitants. Dans les faits, le territoire retenu pour le projet ne s’étend que jusqu’à
Tonneins, car en aval de ce point les débits du fleuve sont influencés par la marée
estuarienne. Le bassin utilisé dans ce travail couvre donc une surface d’environ
50 000 km². Comme nous le verrons ici, il est très contrasté tant au niveau de la
topographie ou de la pédologie que des caractéristiques hydroclimatiques.
Figure II.1 : Situation géographique du bassin versant de la Garonne, principaux affluents et agglomérations
Le bassin versant de la Garonne peut être décrit simplement de la façon suivante

(Figure II.2) : la partie centrale est une plaine alluviale agricole entourée au sud par les
Pyrénées et au nord-est par le Massif Central. Ces deux chaines de montagnes de
hauteur relativement élevées (plus de 3000 m pour les Pyrénées et 1900 m pour le
51
II Méthodologie
Massif Central) jouent le rôle de châteaux d’eau et ont une grande influence sur le
fonctionnement hydrologique du bassin. À partir de cette description, il est possible de
délimiter plusieurs grands territoires (Figures II.1 et II.2) dont les caractéristiques
(hydrologie, occupation des sols, types de sols, anthropisation) relativement homogènes
seront décrites tout au long de ce chapitre :
Figure II.2 : Topographie du bassin versant de la Garonne à Tonneins, découpé en grandes zones homogènes
♦ La zone pyrénéenne:
Le bassin versant dans sa partie sud englobe un tiers de la chaine des
Pyrénées. La Garonne et la rivière Ariège, son principal affluent sur ce
territoire, prennent leurs sources en zone montagneuse.
♦ Les coteaux de Gascogne :
Dans la partie ouest du bassin versant, sur une zone de coteaux, les cours
d’eau qui approvisionnent la Garonne (la Save, la Gimone, L’Arrats, le
Gers et la Baïse) ne sont pas directement influencés par le massif
pyrénéen.
♦ La zone Massif Central :
Dans le nord-est du bassin versant, le Massif Central offre une zone de
plateau d’altitude. Si l'altitude de cette zone est plus modeste que celle
des Pyrénéens, elle est néanmoins importante. C’est là que prennent
52
II Méthodologie
leurs sources trois cours d’eau majeurs de la Garonne : le Tarn,

l’Aveyron et le Lot.
♦ La plaine du Massif Central :
La plaine du Massif Central est une large zone géographique de plaine,
influencée par le Massif central.
♦ La moyenne Garonne :
La moyenne Garonne englobe dans la plaine alluviale le continuum
fluvial de la Garonne en aval de la zone pyrénéenne.
1.2. Occupation des sols
La Figure II.3 présente l’occupation des sols du bassin versant en 2006. On peut
observer d’un point de vue global, la nette prédominance des territoires agricoles qui
représentent 60% de la couverture des sols, alors que 37% de la surface est occupée par
des étendues forestières et des milieux semi-naturels. Les surfaces artificialisées et
couvertes totalement ou partiellement par l’eau ne représentent que respectivement 2,5
et 0,5 % de la surface totale.
Des différences peuvent cependant être observées entre les différents territoires décrits
précédemment : la zone du Massif Central est dominée par une végétation forestière
ainsi que par des prairies pastorales et une agriculture hétérogène. La zone de plaine en
rive droite de la Garonne voit la végétation forestière disparaitre pour être dominée par
l’agriculture irriguée et les pâturages.
La zone pyrénéenne est la plus hétérogène. D’amont en aval, l’occupation des sols
change rapidement pour passer d’une dominance forestière et de prairie alpine à une
agriculture irriguée de plaine, en passant par des systèmes d’agriculture hétérogène
dominés par le pâturage. La zone des coteaux de Gascogne à l’ouest du bassin versant
est largement dominée par un usage agricole des sols avec une prépondérance pour
l’agriculture irriguée. Enfin, la plaine alluviale de la moyenne Garonne est dominée par
l’agriculture, mais inclut également les zones artificialisées les plus importantes du
bassin versant : Toulouse et Agen
53
II Méthodologie
Figure II.3: occupation des sols du bassin versant de la Garonne (source : Corine Land Cover 2006)
1.3. Pédologie
Comme la montre la Figure II.4, le bassin versant est dominé par des cambisols
propices à l’agriculture, ce qui explique l’intense activité agricole de ce bassin versant.
Comme pour l’occupation des sols, des différences marquées existent selon les zones
du bassin versant considérées. On notera dans les zones d’altitude des Pyrénées et du
Massif central, la présence de rankers et d’autres sols peu évolués comme des lithosols
ou des andosols, développés à base de matériaux volcaniques, notamment dans le
Massif central.
La plaine de la moyenne Garonne est quant à elle dominée par les fluvisols créés par
l’activité fluviale de la Garonne, ainsi que par des luvisols qui restent des sols
relativement propices à l’agriculture. Le lessivage de ces sols est en rapport avec
l’activité de la nappe phréatique présente à faible profondeur sur l’ensemble de la zone
de plaine de la moyenne Garonne ainsi qu’aux épisodes de crue de la plaine alluviale.
On retrouve également ces sols lessivés dans les anciennes terrasses des bassins
versants du Tarn et de l’Aveyron.
54
II Méthodologie
Figure II.4 : Carte des sols du bassin versant de la Garonne (ESDB, 2006)
1.4. Contexte météorologique
Pour aider à présenter les contrastes climatiques pouvant exister sur le bassin versant, la
Figure II.5 présente les statistiques de températures et de précipitations pour 10 stations
météorologiques opérées par Météo-France.
Le bassin versant de la Garonne se retrouve géographiquement à l’intersection entre

plusieurs grandes zones climatiques. L’influence principale étant de type océanique
aquitain favorisant l’arrivée de masses d’air d’ouest (Kessler and Chambraud, 1990).
Ce climat se caractérise par un temps doux et plutôt humide, orageux au printemps et
en été avec des pics de précipitation en mai et juin. La température reste en moyenne
positive tout au long de l’année. Les stations d’Auch, Agen, Blagnac, St Gerry et
Montauban sont typiques de ce comportement.
Les zones de plaines du Massif Central et de la moyenne Garonne peuvent également

être influencées par le climat méditerranéen, avec des réductions de précipitation et des
vents asséchant pendant l’été. La topographie de plaine ne favorise par ailleurs pas
particulièrement l’apparition de précipitation, les masses d’air en provenance de
l’océan atlantique allant plutôt se décharger sur les reliefs encadrant le bassin versant,
où l’on peut constater des pluviométries plus importantes.
55
II Méthodologie
Figure II.5 : Hyétogramme mensuel et température moyenne mensuelle pour 10 stations météo sur la période
1980-2010.
En plus de cet effet barrière de la zone Massif Central pour les masses d’air d’Ouest,
cette dernière connaît aussi une influence du climat méditerranéen, avec l’apparition
d’épisode cévenole : remontée de masses d’air humides en provenance de la
méditerranée et qui rencontre les reliefs. Ces épisodes surviennent en automne et
provoquent d’intenses précipitations senties notamment aux stations d’Aurelle, St
Sauveur et Lacaune. Les températures sont ici négatives en hiver.
Enfin, un climat montagnard est présent sur toute la partie pyrénéenne du bassin
versant, avec une pluviométrie également plus importante que sur les zones de plaine
du bassin versant et des températures également négatives pendant la saison hivernale.
La différence avec la zone Massif Central est qu'ici le maximum annuel de
précipitations se situe entre la fin de l’hiver et le printemps, comme cela est visible
pour les stations de l’Hospitalet et de Genos.
56
II Méthodologie
1.5. Hydrologie
Les caractéristiques climatiques contrastées du bassin versant, elles-mêmes en relation

avec les contrastes existant au niveau des caractéristiques topographiques des
différentes zones du bassin versant ont pour conséquence l’apparition d’un large panel
de comportements hydrologiques.
1.5.1. Hydrologie de surface
À Tonneins, exutoire du bassin versant retenu, le débit moyen mensuel est de 603m3.s-1
selon un régime hydrologique mixte de type pluvionival (Figure II.6). Le régime à
l’exutoire illustre également bien les forts contrastes hydrologiques saisonniers
existants sur le bassin versant, avec de forts débits en hiver et au printemps (maximum
relevé à Tonneins : 5700m3/s) pouvant mener à d’importante crue, mais également des
périodes d’étiages parfois sévères en été (minimum relevé à Tonneins : 37.5m3/s)
Ce régime à l’exutoire cache cependant un fonctionnement beaucoup plus complexe du

bassin versant dans son ensemble, tel qu’illustré par la Figure II.7. On y retrouve les
mêmes types de répartition géographique qui ont pu être constatés pour le climat. La
zone pyrénéenne présente en altitude un régime nival marqué (St Béat) avec une
augmentation des débits au cours du printemps et du début de l’été.
Ces régimes passent progressivement de nival à nivo-pluvial en descendant vers la

plaine (station de Foix puis de Portet). La zone des coteaux de Gascogne n’étant pas
assez en altitude pour stocker de l’eau sous forme de neige, les cours d’eau qui s’y
trouvent présentent un régime de type pluvial océanique avec un maximum du débit
pendant la période hivernale et une nette baisse dès le printemps comme cela est visible
pour la station de Nérac. La zone du Massif Central qui stocke également peu de neige
pendant l’hiver présente aussi des débits élevés au cours de l’hiver. À la différence des
coteaux de Gascogne, cette région connaît une augmentation du débit dès les mois
d’automne, en accord avec la climatologie décrite précédemment (station de Millau et
d’Entraygue aval). Cette dynamique hydrologique se retrouve également dans les
plaines en aval du Massif Central (Station de Cahors et Villemure).
57
II Méthodologie
Figure II.6 : Débits mensuels moyens de la Garonne à Tonneins entre 1913 et 2003 (Données :
www.hydro.eaufrance.fr.)
Figure II.7 : Moyenne mensuelle interannuelle (1970-2012) des débits des principaux cours d’eau du bassin versant
de la Garonne. (Données : www.hydro.eaufrance.fr.)
58
II Méthodologie
Enfin, le régime hydrologique dans la plaine de la moyenne Garonne est une synthèse
de toutes ces influences : régime pluvionival avec une hausse du débit en automne et
une période de hautes eaux qui dure pendant l’ensemble de l’hiver et du printemps,
mais avec une période d’étiage assez sévère pendant l’été. Cela est visible pour les
stations de Lamagistère et de Tonneins (Figure II.7).
Les différences ne résident cependant pas exclusivement au niveau des débits mensuels
et des régimes hydrologiques. La variation interannuelle peut également être très
différente d'une zone à une autre. La Figure II.8, adaptée de Probst (1983) illustre cela.
Elle nous permet de voir la répartition des débits annuels moyens en 6 classes, réparties
autour du débit moyen interannuel.
Figure II.8 : Histogramme de répartition des débits moyens annuels pour les cours d'eau du bassin versant de la
Garonne. Adapté de Probst (1983).
Cela permet de mettre en évidence 3 types de variation interannuelle sur le bassin

versant. Les cours d’eau de la zone Pyrénées présentant des histogrammes élancés avec
des débits moyens annuels qui sont resserrés autour de la moyenne interannuelle,
indiquant une relative stabilité du débit annuel. Les rivières en s’écoulant du Massif
59
II Méthodologie
Central ont en revanche des histogrammes d’allure moins élancée, avec des débits
moyens annuels qui se dispersent autour du débit moyen interannuel. Les rivières qui
naissent aux pieds des Pyrénées, dans les coteaux de Gascogne, ont un histogramme
aplati, leur régime hydrologique pluvial ayant pour conséquence des débits très
variables d’une année sur l’autre.
1.5.2. Hydrogéologie
Si une étude hydrogéologique complète du bassin versant est un exercice trop

important à réaliser ici, nous pouvons cependant présenter, de manière simplifiée, le
fonctionnement hydrogéologique global du bassin.
La Figure II.9 est une simplification des données du référentiel hydrogéologique

français (BDRHF), présentant les grands systèmes aquifères du bassin versant. Le
bassin est schématiquement une grande cuvette comprise entre deux massifs
montagneux. Il a commencé à se structurer à l’époque de la formation du Massif
Central (hercynien ~400-200 Ma), puis s’est restructuré lors de la collision continentale
responsable de la formation des Pyrénées (Début tertiaire ~70-40 Ma). Au cours de
cette collision, la compression des sédiments anté-collision, principalement marins, du
jurassique et crétacé a engendré des plissements assez complexes vers le centre du
bassin. À la suite de l’orogénèse, des sédiments tertiaires issus de l’érosion des deux
massifs se sont déposés sur les couches sédimentaires déjà en place. Cette rapide
histoire géologique nous permet de mieux comprendre la structure des entités
hydrogéologiques du bassin versant.
Ainsi, on observe Figure II.9, qu’une grande partie du bassin est couvert par des dépôts
sédimentaires dans lesquels aucun grand système aquifère ne peut être mis en évidence.
Ce sont les formations sédimentaires tertiaires, principalement molassiques, qui
recouvrent des structures géologiques sédimentaires marines plus anciennes pouvant
affleurer par endroit. Ces terrains pouvant varier dans leur composition en fonctions des
époques de dépôt ne constituent pas des structures aquifères libres importantes malgré
l’existence d’un certain nombre d’aquifères libres localisés spatialement.
Il faut cependant noter que le pendage global des structures géologiques des coteaux de
Gascogne et du piémont du Massif Central, vers le centre du bassin, provoque
l’enfoncement d’un certain nombre d’aquifères libres qui deviennent, dans la zone de
60
II Méthodologie
plaine, des aquifères confinés. Dans cette même plaine, les aquifères alluviaux sont par
contre de très bons systèmes aquifères. Directement connectés à la rivière, ils
représentent la plus grande réserve aquifère du bassin versant. Non représentés sur la
Figure II.9, ils sont également présents, de manière moins importante, autour des cours
d’eau de toute la zone molassique des coteaux de Gascogne. À l’aval de la plaine du
bassin versant, on voit apparaître les systèmes aquifères sableux de la plaine des
Landes.
Figure II.9 : Carte simplifiée des entités hydrogéologiques du bassin versant de la Garonne. (D’après la base de
données du référentiel hydrogéologique français - BDRHF-v1)
Le Massif Central se caractérise par la présence de socles granitiques fissurés et de

terrains issus du volcanisme, avec par endroit des résidus d’altération ou des cendres
sur plusieurs dizaines de mètres. Les Pyrénées présentent un facies similaire, mais sans
traces de volcanisme. Ces zones ne comprennent pas non plus de grands systèmes
aquifères, mais de petits aquifères morcelés sédimentaires ou fissurés. Enfin, en
bordure du Massif Central, se trouve une zone de plateaux calcaires datant du
Jurassique, exondée pendant l’ère tertiaire par des mouvements de faille et comportant
des aquifères karstiques (Brunet and Coppolani, 1970).
2. Les activités anthropiques
Le bassin versant de la Garonne, comme la plupart des bassins versants fluviaux

européens, est le siège de nombreuses activités humaines. Celles-ci impactent plus ou
61
II Méthodologie
moins fortement l’hydrologie du bassin versant. Cette section en propose une

description.
2.1. Ouvrages hydrauliques
La première source d’impacts des activités humaines sur l’hydrologie à proprement

parler est la présence d’ouvrage hydraulique sur le trajet de l’écoulement de l’eau. Le
bassin versant de la Garonne ne fait pas exception avec une relative anthropisation de
son réseau hydrographique.
Il existe une large variété d’ouvrages hydrauliques sur l’ensemble du bassin : le

référentiel français des obstacles à l’écoulement (ROE) recense 825 ouvrages sur
l’ensemble du bassin, allant du simple seuil à des barrages hydroélectriques de volume
important. Il serait trop long ici de faire état de l’ensemble de ces structures et d’en
détailler les effets sur l’hydrologie. Il est en revanche possible d’appréhender le type et
la magnitude de l’impact des principaux ouvrages.
2.1.1. Les barrages
Le bassin versant compte un nombre important de barrages qui sont les ouvrages ayant
probablement l’impact le plus direct sur les régimes hydrologiques locaux.
La Figure II.10 présente la localisation géographique des plus importants barrages du

bassin versant en terme de volume, c’est-à-dire ceux dont le volume de stockage est
supérieur à 15 millions de mètres cubes. Ces ouvrages ont deux principales fonctions
sur le territoire de la Garonne : soutenir les étiages pendant la période estivale et
produire de l’hydroélectricité pendant la période hivernale.
Estimer de manière précise les impacts de ces ouvrages sur l’hydrologie demande une
grande quantité de données qui n’étaient pas toutes disponibles pour cette étude. Mais il
peut être admis que la considération des débits mensuels et annuels, comme cela est fait
dans ce travail de recherche, diminue considérablement l’influence des ouvrages
hydrologiques sur les débits considérés. L’étude de Sauquet et al (2010) sur l’influence
de l’ensemble de l’anthropisation sur les débits du bassin versant présentée plus bas au
point 2.3 (Figure II.14) vient confirmer cette analyse.
62
II Méthodologie
Figure II.10 : principaux barrages du bassin versant de la Garonne (Volume stockage >15Mm3)
Ces influences auraient probablement été beaucoup plus grandes si le travail de

recherche présenté ici avait été réalisé en utilisant les débits journaliers,
2.1.2. Les dérivations
Il existe des ouvrages de dérivation d’eau interne ou en direction de l’extérieur du

bassin versant. Ils sont localisés sur la Figure II.11.
Au XIXe siècle, un canal a été construit pour permettre la navigation entre la

Méditerranée et l’océan Atlantique. Appelé canal du Midi dans sa partie orientale, il
rejoint Toulouse d’où le canal Latéral à la Garonne assure la continuité jusqu’à l’océan
en longeant la Garonne jusqu’à Bordeaux. Seule une partie du canal est donc
hydrologiquement au sein du bassin versant de la Garonne. Ponctué de 53 écluses entre
Toulouse et Bordeaux, le débit du canal est relativement faible. La majeure partie de
son débit provient, via le réservoir de St Ferréol, de prises d’eau faites sur la Montagne
Noire (nord-est de Toulouse) qui est à l’extérieur du bassin versant de la Garonne. Les
seules influences notables sur l’hydrologie du bassin de la Garonne sont l'apport d’eau
de la Garonne à Toulouse au canal qui ne peut être au maximum que de 11,5 m3/s
(AEAG, 2014) en comparaison du module hydrologique de la station de Portet en
amont de Toulouse qui atteint 190 m3/s.
63
II Méthodologie
Figure II.11 : Représentation schématique des dérivations majeures au sein du bassin versant de la Garonne :
Canal latéral à la Garonne, Canal du midi, anal de St Martory et Système Neste
a. Canal d’irrigation de Saint-Martory
Le Canal d’irrigation de Saint-Martory est interne au bassin versant, dérivant de l’eau

de la Garonne à Saint-Martory jusqu’à la Garonne à Toulouse. Une partie importante
de la prise d’eau se retrouve donc de nouveau dans la Garonne en aval. Tout comme le
canal latéral, sa prise d’eau est assez modeste avec une dérivation maximum de 10 m3/s
(AEAG, 2014).
b. Canal de la Neste et le système des coteaux de Gascogne
Le système Neste, alimenté par le canal du même nom, est la dérivation d’eau ayant la
plus grande influence sur le bassin versant de la Garonne. Il s’agit d'un système
largement artificialisé permettant de soutenir l’étiage des coteaux de Gascogne. Ce
système consiste en une prise d’eau dans la rivière Neste, affluent de la Garonne amont,
au niveau de Sarrancolin. Le but est d’alimenter artificiellement les cours d’eau du
Plateau de Lannemezan tels que la Save, le Gers ou la Baïse (visible Figure II.11). La
prise d’eau réalisée par le canal de la Neste de peut-être supérieure à 14m3/s, et une
grande partie du transfert de l’eau provient de lâché spécifique de retenues se trouvant
en amont. L’adduction dans les différents cours d’eau se fait en fonction des besoins,
mais cet apport d’eau a principalement pour objectif de soutenir les étiages dans une
région très agricole. Pour donner un exemple, le débit de la rivière de la Save est
soutenu par un apport de 1m3/s durant les mois d’étiage. Le système est en réalité
64
II Méthodologie
beaucoup plus complexe que celui schématisé à la Figure II.11. En effet, viennent
s’ajouter à ce canal de nombreuses retenues de petite taille, réparties sur l’ensemble des
coteaux ainsi que des canaux secondaires de transfert d’eau entre les retenues et les
cours d’eau.
2.2. Prélèvement des ressources en eaux
De nombreuses activités du bassin versant font appel aux ressources en eau. Ces usages
peuvent être décomposés en trois principaux types qui englobent la totalité de
l’utilisation de la ressource : l’alimentation en eau potable (AEP), l’irrigation pour
l’agriculture et l’usage pour les activités industrielles.
La Figure II.12 montre les volumes annuels prélevés en 2014 sur le bassin versant de la
Garonne. Les chiffres utilisés ci-après proviennent des données fournies par l’agence
de l’eau Adour-Garonne (http://adour-garonne.eaufrance.fr/) et correspondent au bassin
versant de la Garonne dans son intégralité, soit à un territoire légèrement plus large que
celle du bassin versant à Tonneins tel que considéré dans cette étude. Cela permet
malgré tout d’avoir une assez bonne estimation de la pression exercée sur la ressource
en eau. En 2014, 862 millions de mètres cubes d’eau ont ainsi été prélevés sur le bassin.
Si l’on compare ces chiffres au module hydrologique de la Garonne au moment de
rejoindre l’estuaire de la Gironde qui est de 650 m3.s-1, on obtient 31,57 milliards de m3
par an, ce qui fait que les prélèvements ne représentent que 2,7 % du débit total. Il est
important de garder en tête que le type de prélèvement effectué sur cette ressource
n’induit pas les mêmes conséquences en terme de gestion, ainsi l’eau de surface et celle
présente dans les réservoirs pourront être renouvelées beaucoup plus facilement que
celle présente dans les nappes. La période de prélèvement influence aussi beaucoup, car
des prélèvements en période d'étiage vont avoir un impact plus important.
La Figure II.12 présente la répartition des prélèvements en fonction des sources et des
usages. On peut y voir que le prélèvement s’effectue majoritairement à partir des eaux
de surface et des retenues où elles sont stockées (70% des prélèvements). La
consommation d’eau potable est la première affectation des prélèvements, suivit de
l’agriculture et des besoins industriels.
65
II Méthodologie
Figure II.12 : Prélèvement annuel d’eau en fonction des usages sur le bassin versant de la Garonne en 2014.
(D’après les données de redevance de l’agence de l’eau Adour-Garonne)
2.2.1. L’alimentation en eau potable (AEP)
L’AEP est la première cause de prélèvements de la ressource avec 42% des

prélèvements effectués. Ce taux a connu un fort accroissement entre 1970 et 2000 puis
a ralenti pour se stabiliser aux alentours des 1% par an (Sauquet et al., 2010). L’AEP ne
sert pas seulement à l’utilisation de la ressource comme eau de boisson, mais également
à un grand nombre activités domestiques (piscine privative, nettoyage, hygiène,
arrosage…) ou professionnelles (artisanat…) voire industriel lorsque le site est rattaché
aux réseaux de distribution urbains. Il est très difficile de faire la part de ces différents
usages si ce n’est par les différences de tarification entre usage domestique et
professionnel : 80 % de l’eau est utilisé par les ménages et 20% pour des usages
professionnels (Sauquet et al., 2010). Ce type connaît également une augmentation lors
des périodes estivales, mais de manière moindre que pour l’agriculture. Une faible
partie de ces volumes d’eau est prélevée définitivement du système hydrologique : une
grande partie étant restituée sous forme d’eau de surface par l’intermédiaire des stations
de traitement des eaux. Suivant la source de prélèvement, ces derniers vont donc plutôt
avoir un impact sur la répartition de l’eau dans l’hydrosystème du bassin : prélèvement
dans les nappes et restitution sous forme d’eau de surface.
2.2.2. Les prélèvements agricoles
Pour la région Midi-Pyrénées qui recouvre la majeure partie du bassin versant, le poids
de l’agriculture dans le PIB régional est très supérieur à la moyenne nationale et
représente la 1re région en termes d’emplois agricoles. La plus grande part des surfaces
66
II Méthodologie
agricoles de cette région est dédiée à l’élevage suivi par les grandes cultures de blés et
d’oléagineux et de maïs (Figure II.13). Or, le maïs et les oléagineux sont des cultures
qui nécessitent d’être irriguées.
Figure II.13 : grandes cultures de la région Midi-Pyrénées (Chambre régionales d'agriculture Midi-Pyrénées, 2015)
Les surfaces agricoles irriguées ont augmenté entre 1970 et 2000 pour se stabiliser
depuis. En 2010, 15% des surfaces agricoles régionales sont irriguées et 97% de ces
dernières sont irriguées par aspersion avec des enrouleurs ou des rampes (Chambre
régionales d'agriculture Midi-Pyrénées, 2015). L’irrigation est la seconde cause de
prélèvement d’eau sur le bassin puisque 30% du volume prélevé y est affecté.
L’irrigation n’a cependant pas uniquement pour effet de soustraire de l’eau au cycle
hydrologique du bassin versant, mais change son allocation en utilisant de l’eau bleue
pour la transformer en eau verte, faisant augmenter la teneur en eau des sols et
l’évapotranspiration.
Il est important de noter qu’il existe, particulièrement pour l’agriculture, une période
de forts prélèvements en été, qui coïncide avec la période de faible précipitation, ce qui
vient accentuer les problématiques d’étiages sur le bassin. En effet, pendant les
périodes d’étiage du bassin (généralement de juin à septembre) la part des prélèvements
alloués à l’agriculture peut atteindre jusqu’à 70% des prélèvements totaux.
2.2.3. Les prélèvements industriels
L’industrie est la dernière consommatrice d’eau du bassin versant avec 30% du volume
total. Les industries papetières, agroalimentaires et chimiques sont les trois secteurs
d’activités prépondérants du bassin. C’est cependant difficile de considérer l’impact de
ces prélèvements sur le cycle hydrologique, car ces industries prélèvent de grandes
67
II Méthodologie
quantités d’eau bleue qui peuvent en bonne part être retournées au milieu d’origine, de
manière assez rapide. Ces chiffres prennent par exemple en compte l’utilisation de
certains débits dans la production d’énergie, de l’eau qui sera retournée au milieu
naturel sans avoir modifié leur place dans le cycle hydrologique, mais en influençant
partiellement leur répartition temporelle et plus rarement spatiale ainsi que la qualité de
l’eau associée.
Le prélèvement industriel pour refroidissement ne sont pas pris en compte dans les
chiffres présentés ici (Figure II.12), car ils représentent annuellement un volume 10 fois
plus important que l’ensemble des autres prélèvements et sont très difficile à mettre en
perspective avec le reste des données. En effet, ce type de prélèvement est en très
grande majorité retourné très rapidement au milieu naturel. Il est de plus très difficile
d’estimer la part de ces ressources réellement perdue qui ne doit cependant pas être
négligeable : Sauquet et al. (2010) estiment que la centrale nucléaire de Golfech (sur la
moyenne Garonne) évapore en moyenne 0,75 m3.s-1 pour le refroidissement des
réacteurs.
2.3. Impact de l’anthropisation sur les débits
Comme cela est détaillé ci-avant, de nombreuses influences anthropiques existent au

sein du bassin versant de la Garonne. L’estimation de l’impact de l’ensemble de ces
influences est un travail compliqué, demandant le regroupement d’un très grand
nombre de données. Un tel travail a cependant été réalisé par Sauquet et al. (2010) sur
une grande partie du bassin considéré dans cette étude, au cours du projet
IMAGINE2030. Cette étude a menée à la naturalisation des débits (sans l’influence de
l’anthropisation), permettant la comparaison avec les valeurs réellement mesurées pour
un certain nombre de stations hydrologiques. Les résultats de cette étude sont présentés
à la Figure II.14 où la comparaison des débits est faite au pas de temps mensuel.
La Figure II.14 nous permet de voir que la modification des régimes hydrologiques se
fait sentir de manière notable uniquement en tête du bassin, en particulier pour la
station de Foix avec une diminution de la crue printanière et une augmentation des
débits hivernaux. On observe néanmoins que cette influence s’estompe très rapidement
en descendant vers l’aval du bassin versant comme on peut le constater aux stations de
Portet et de Lamagistère, essentiellement à cause de l'effet des débits apportés par
68
II Méthodologie
ailleurs par les sous-bassins de l’aval et qui ne sont pas influencés directement par le
fonctionnement de barrages
Figure II.14 Comparaison des débits influencés et des débits naturalisés. Naturalisation des débits et
hydrogrammes d’après Sauquet et al. (2010) ( et principaux barrages du bassin versant de la Garonne : Volume
stockage >15Mm3)
D’autre part, et comme cela a été évoqué précédemment, on peut observer ici qu’en
dehors des stations de mesure les plus en amont du bassin versant, l’impact de
l’ensemble de l’anthropisation sur les débits mesurés semble relativement restreinte au
pas de temps mensuel.
69
II Méthodologie
3. Les données disponibles
3.1. Topographie
Pour représenter la topographie du bassin versant, un modèle numérique de terrain a été

utilisé avec une résolution de 90 mètres (ASTER, 2011). Ces données de topographie
sont issues du site https://asterweb.jpl.nasa.gov/gdem.asp. Ces données sont visibles sur
la Figure II.2
3.2. Occupation des sols
Les données d’occupation du sol proviennent de la base de données européenne

Corinne Land Cover (CLC, Agence européenne de l’environnement) et ont une
résolution de 1 : 1 000 000. Plusieurs cartes sont disponibles via cette banque de
données : celles de 1990, 2000 et 2006 qui est présentée dans ce chapitre à la Figure
II.3, mais également les cartes des évolutions qui se sont produites entre chacune de ces
dates. La disponibilité de ces données a permis de mener un travail sur l’effet de
changement d’usage de sols sur la modélisation entre 1990 et 2006. Les différences
entre ces deux cartes sont présentées en section 4 du chapitre 6. Ces données sont libres
d’accès et peuvent être récupérées via le portail
http://www.eea.europa.eu/publications/COR0-landcover.
3.3. Sols
La carte des sols utilisés dans ce projet est la carte européenne au 1 : 1 000 000
disponible via l’agence européenne de l’environnement et le portail européen des sols
(European Soil Data Base of Eurasia - http://eusoils.jrc.ec.europa.eu/). Ces données
sont présentées à la Figure II.4. Si la carte est restée la même pendant toute la durée de
ce travail de recherche, les données physico-chimiques des sols utilisés pour la
modélisation ont cependant évolué. Ainsi, les résultats du premier article présenté dans
ce manuscrit (Chapitre 4) ont été réalisés avec une classification simplifiée de ces sols
pour ne garder que 9 types de sols ayant des comportements hydrologiques similaires.
Cette simplification, réalisée à cause du manque d’informations sur les caractéristiques
pédologiques, a été réalisée par Chea (2012). Par la suite, et pour réaliser le reste des
travaux présentés ici, les modélisations ont été réalisées en utilisant de nouveaux
paramètres, calculés pour chaque type de sol, notamment par l’unité de Service
70
II Méthodologie
INFOSOL de l’INRA via des fonctions de pédotransfert. Sur l’aire occupée par le
bassin versant, cette nouvelle classification permet de prendre en compte 70 sols
différents, décrits sur 4 horizons.
3.4. Climat
Le bassin versant de la Garonne abrite 36 stations météorologiques informant sur la

précipitation et la température. Huit d’entre elles mesurent également le rayonnement
solaire incident, l’humidité de l’air et la vitesse du vent. Les périodes temporelles
couvertes par ces stations sont variables d'un site à l'autre. Ces données sont disponibles
sur demande via https://donneespubliques.meteofrance.fr.
Figure II.15 : Situation géographique des différents jeux de données météorologiques
La deuxième source de données climatiques est la base de données SAFRAN

(Quintana-Segui et al., 2008; Vidal et al., 2010a), un système de réanalyse à méso-
échelle des variables climatologiques de surface. En d’autres termes, il s’agit d’une
interpolation de toutes les informations météorologiques disponibles sur une grille de 8
par 8 km. Sur chaque maille de cette grille sont stockés les paramètres suivants :
altitude, pression, précipitations solide et liquide, température, humidité spécifique et
rayonnement solaire incident, au pas de temps horaire de 1958 à 2010. Le produit
SAFRAN correspond dans les faits à des stations météorologiques « virtuelles »,
utilisables directement par notre modèle sans aucune lacune temporelle sur une période
de 50 ans, avec une grande densité spatiale. Ces données SAFRAN se sont pas libres et
doivent faire l’objet d’une convention avec Météo-France.
71
II Méthodologie
L’utilisation de l’ensemble de ces données météorologiques, visibles sur la Figure

II.15, est discutée au chapitre 5 de ce document.
3.5. Nivologie
Dans ce travail, une attention particulière a été apportée à la représentation de la neige

sur le bassin versant. Pour cela des données sur la couverture de neige ont été utilisées.
Des données de mesure in situ sont disponibles pour six sites de suivi Météo-France
pour la période 2000-2010 à un pas de temps journalier (Figure II.16). Ces stations de
mesure sont réparties sur la zone pyrénéenne du bassin et nous ont permis d’obtenir les
hauteurs de neige mesurée au sol. L’obtention de ces données a fait l’objet d’une
demande particulière auprès des services Météo-France
Figure II.16 : Emplacement des stations nivologiques utilisées dans l’étude.
Des données satellitaires ont également été utilisées lors de cette étude afin d’estimer la
couverture spatiale de la couverture de neige. Les données utilisées proviennent de la
sonde MODIS (Moderate-Resolution Imaging Spectroradiometer ) qui est à bord du
satellite Terra de la NASA. Les données ont été extraites du produit MOD10A2 version
5 (Hall et al., 2006). MOD10A2 fournit une synthèse de l’étendue maximale de
couverture de neige sur une période mobile de huit jours depuis février 2000 jusqu’à
aujourd'hui. Ainsi, pour chaque pixel, MOD10A2 indique si la neige a été détectée au
moins une fois sur une période de huit jours (présence ou absence de neige). La
résolution spatiale de la grille d'origine est proche de 500 m.
72
II Méthodologie
3.6. Hydrologie
L’accès à la base de données des réseaux nationaux de surveillance hydrologique nous

permet l’utilisation d’un nombre très important de chroniques hydrologiques, puisqu’il
existe actuellement 280 stations d’hydrométrie générale sur l’ensemble du réseau
hydrographique du bassin versant étudié. Certaines d’entre elles sont en activité depuis
le début du XXe siècle et la majorité depuis les années 50.
Cette base de données permet d’obtenir les hauteurs d’eau, les débits journaliers et
mensuels ainsi que les débits et hauteurs maximums instantanés journaliers et
mensuels. Toutes ces informations sont disponibles sur demande :
www.hydro.eaufrance.fr.
3.7. Changements climatiques
Pour estimer l’impact des changements climatiques sur le bassin versant, des données
issues du modèle ARPEGE de météo France ainsi que de 9 autres modèles du projet
EURO-CORDEX ont été utilisées (pour des détails sur le projet EURO-CORDEX,
revoir Partie I ).
Tableau II.1 : Modèles climatiques globaux (MCG) et régionaux (MCR) utilisés dans le projet de recherche
SCENARIOS
MCG MCR
Historique RCP 4.5 RCP 8.5
CNRM-ARPEGE CNRM-ALADIN X X X
CNRM-CERFACS-M5 RC4A X X X
CNRM-CM5 CCLM4-8-17 X X
EURO-CORDEX
EC-EARTH RCA4 X X X
IPSL-CM5A-MR RCA4 X X
IPSL-CM5A-MR WRF331F X X
MPI-ESM-LR CCLM4-8-17 X X X
MPI-ESM-LR REMO019 X X X
MPI-M-MPI-ESM-LR RCA4 X X
MetEir-EC-EARTH RACMO22E X X X
Comme abordé dans la partie I de ce document, l’utilisation de données climatiques

pour la réalisation d’étude d’impact régional nécessite une régionalisation des
informations initialement produites à l’échelle globale. Ainsi, toutes les données
utilisées dans cette étude sont issues de modèles climatiques régionaux (MCR) dont les
conditions aux limites sont fournies par un modèle climatique global (MCG). Le
73
II Méthodologie
Tableau II.1 présente l’inventaire des modèles utilisés ainsi que des scénarios
disponibles pour chacun d’entre eux.
Les scénarios historiques couvrent la période 1971-2005 et les projections climatiques

les périodes 2006-2100. Les scénarios RCP4.5 et RCP8.5 sont les scénarios établis par
le GIEC (revoir partie I). Dans la suite de l’étude, la référence aux modèles climatiques
sera faite de la façon suivante MCG_MCR (ex : CNRM-ARPEGE_CNRM-ALADIN).
Les données de chacun de ces modèles, livrées au pas de temps journalier, ont été
projetées sur la même grille que SAFRAN. Ces données ont également été corrigées
par rapport aux données SAFRAN selon deux méthodes différentes :
• Les données de CNRM-ARPEGE_CNRM-ALADIN ont été corrigées en utilisant la

méthode dite de correction quantile-quantile qui consiste à corriger les valeurs des
quantiles simulés par le modèle avec ceux issus des données observées. En chaque
point du modèle, pour chaque variable météorologique, les 99 centiles des séries
quotidiennes sont calculés pour les séries simulées et observés. On détermine ensuite
une fonction de correction qui associe à chaque centile du modèle au centile
observé. Ainsi toute la distribution statistique d'une variable météorologique simulée
est corrigée quantile par quantile.
• Les données issues des réalisations des différents modèles du projet EURO-
CORDEX ont été corrigées en utilisant la méthode dite de CDTt (Cumulative
Distribution Function - Transform). Cette méthode consiste à générer des fonctions
de distribution cumulative locales à partir de champs à grande échelle. On cherche
non plus à corriger les données du modèle futur quantile par quantile par rapport aux
données passées, mais directement à calculer une fonction cumulative de
distribution pour les données futures. (Michelangeli et al., 2009)
Enfin, les données journalières générées disponibles ne sont pas les mêmes pour tous
ces modèles : CNRM-ARPEGE_CNRM-ALADIN proposent les 5 mêmes paramètres
que SAFRAN (altitude, pression, précipitations solide et liquide, température, humidité
spécifique et rayonnement solaire) alors que l’ensemble EURO-CORDEX ne rend
disponibles que la température et la précipitation. Toutes sont téléchargeables via la
plate-forme DRIAS de Météo-France http://www.drias-climat.fr.
74
II Méthodologie
Chapitre 2 : le modèle SWAT
Ce chapitre a pour but de décrire le modèle SWAT et la manière dont ce dernier simule
les différents processus hydrologiques d’un bassin versant dans les différents
compartiments impliqués : sol, aquifère et neige ainsi que les flux qui les relient :
évapotranspiration, infiltration, ruissellement, écoulement latéral, recharge et flux de la
nappe vers la rivière. Le rôle et la représentation de la végétation sont également
expliqués dans ce chapitre
75
II Méthodologie
76
II Méthodologie
1. Description générale
Comme décrit dans l’historique de développement du Soil and Water Assessment Tool
(SWAT – Arnold et al. (1993)) dans la partie I de ce document, ce modèle a été créé il
y a 25 ans et ne cesse depuis d’évoluer. C’est un modèle agro-hydrologique,
conceptuel à base physique semi-distribué, qui permet de simuler les processus
hydrologiques d’un bassin versant de façon continue au pas de temps journalier et dans
une version plus récente au pas de temps horaire (Gassman et al., 2002).
Le modèle SWAT est semi-distribué, c’est-à-dire qu’il spatialise l’information sous

forme d’entités spatiales. Le concept qui est utilisé ici est basé sur la réalisation de deux
discrétisations successives qui sont illustrées par la Figure II.17.
La première unité de discrétisation spatiale est le sous-bassin versant, obtenu par le

découpage du bassin à partir du modèle numérique de terrain (MNT) et du
positionnement des exutoires de chaque sous-bassin. En réglant l’aire de drainage
minimum à la formation d’un cours d’eau à partir du MNT, on définit la précision du
réseau hydrographique que l’on souhaite modéliser. Le découpage en sous-bassin est
ensuite dépendant de ce réseau hydrographique puisqu’à chaque confluence sont placés
deux exutoires et à chaque exutoire correspond un sous-bassin versant (Figure II.17). Il
est également possible par la suite d’ajouter manuellement des exutoires (séparation
d’un sous-bassin versant en 2), permettant d’agir sur le découpage automatique. Les
sous-bassins peuvent donc être définis assez librement, du moment qu'il y a une
cohérence topographique (les sous-bassins sont bien des bassins au sens hydrologique
et ont un seul exutoire). Cette étape permet de définir la résolution globale de la mise
en œuvre du modèle.
La seconde spatialisation des données est réalisée au sein des sous-bassins par la
création d’unités de réponse hydrologique (HRU). Ces dernières sont des zones
homogènes en termes de caractéristiques physiques du milieu telles que la pente, la
pédologie et l’occupation du sol (Figure II.17). Elles sont obtenues par superposition de
chacune de ces données puis par regroupement des zones ayant des caractéristiques
similaires. Ainsi, une HRU correspond à un pourcentage de la surface du sous-bassin et
ne représente pas une zone spatialisée au sein du sous-bassin. L’utilisateur peut agir sur
77
II Méthodologie
la création de HRU par un seuil de prise en compte ou non des caractéristiques

physiques en fonction de leur importance au sein du sous-bassin.
Ces HRU sont la base de la simulation hydrologique réalisée par SWAT. Les sorties
hydrologiques de chaque HRU sont ensuite agrégées au niveau de l’exutoire du sous-
bassin.
Figure II.17 : Description de la discrétisation spatiale de SWAT
2. Description des principaux modules et des principes

physiques
SWAT est un modèle agro-hydrologique, ce qui signifie que ses deux modules les plus
importants simulent l’hydrologie et la croissance de la végétation. Ces modules sont
basés sur l’utilisation d’équations tentant de représenter les réalités physiques du
système (« base physique ») et sont appliqués au niveau de chaque HRU.
Il serait très compliqué d’intégrer une description exhaustive du fonctionnement du

modèle SWAT qui est relativement complexe. Il est cependant important de prendre le
temps d’évoquer certaines de ces équations, entre autres pour mieux comprendre
l’impact des paramètres qui seront calibrés (Chapitre 3) sur le fonctionnement du
modèle et la représentation des processus. L’intégralité des algorithmes utilisés dans le
modèle est consultable dans le document technique de SWAT (Neitsch et al. (2011) –
http://swat.tamu.edu/documentation/)
78
II Méthodologie
2.1. Module hydrologique
2.1.1. Généralités
Le module hydrologique de SWAT est illustré à la Figure II.18. La réponse

hydrologique simulée au cours de la modélisation est basée sur l’équation du bilan
hydrique terrestre ci-dessous :
SW SW R Q E W Q i (1)
où SWt est la teneur en eau finale du sol (mm d’eau), SWo est la teneur en eau initiale du
sol (mm d’eau), Rjour est la hauteur de précipitation (mm d’eau), Qsurf est le
ruissellement de surface (mm d’eau), Ea est l’évapotranspiration (mm d’eau), Wseep est
la quantité d’eau entrant dans la zone vadose (mm d’eau), Qgw est le flux d’eau
souterraine (mm d’eau) et t est le pas de temps (jour).
Figure II.18 : Représentation schématique du Module hydrologique de SWAT
On voit sur la Figure II.18 les différentes composantes du cycle hydrologique de

SWAT, reparties sur un bassin versant. Elles peuvent être catégorisées à la fois en
terme de flux et de stock, mais également en terme d’eau verte et d’eau bleue. Ces
79
II Méthodologie
différentes composantes seront analysées tout au long de ce travail de recherche et

seront détaillées dans la suite de ce chapitre.
2.1.2. Détail des processus
a. Interception
Le premier réservoir à être affecté par la précipitation est l’interception par la canopée,
où l’eau de pluie est retenue et rendue disponible pour l’évaporation. La précipitation
remplit d’abord ce réservoir avant d’être disponible à d’autre processus. La quantité
d’eau interceptée par jour est principalement fonction du Leaf Area Index (LAI) (voir
point 2.1.3 de ce chapitre) :
'()day
mx .
'()mx
day (2)
Où canday est la quantité maximum d’eau pouvant être stockée dans la canopée (mm
H2O), LAI représente le développement de la canopée, canmx est la quantité d’eau (mm
H2O) pouvant être stockée quand la canopée est développée au maximum (c’est-à-dire
que LAI = LAImx). Le paramètre canmax peut être calibré par l’utilisateur.
b. Ruissellement et infiltration
Dans SWAT, la séparation de la précipitation en eaux ruisselée et infiltrée peut être

obtenue par deux méthodes différentes : le SCS curve number (USDA, 1972) ou la
méthode de Green & Ampt (Green and Ampt, 1911). La première technique permet de
déterminer la quantité d’eau ruisselée en fonction de la teneur en eau des sols. La
seconde permet de calculer la quantité d’eau infiltrée en fonction du potentiel matriciel
au front d’infiltration et de la conductivité hydraulique, mais celle-ci nécessite des
données infra-journalières de précipitation, moins courantes. C’est donc la méthode du
SCS curve number qui a été utilisée dans ce projet, permettant de calculer la quantité
d’eau qui est disponible au ruissellement :
(0day 0.23)²
*surf
(0day 0.83) (3)
où Qsurf la quantité d’eau ruisselée (mm H2O), Rday la précipitation de ce jour (mm
H2O) et S un paramètre de rétention défini par :
80
II Méthodologie
1000
3 25.4 9 10=
;<
(4)
où CN est le curve number du jour considéré. Ce dernier varie dans l’espace en

fonction des sols, de l’usage des sols et de la pente, et dans le temps en fonction de la
teneur en eau des sols. Ainsi pour chaque couple de sol/occupation du sol, trois CN
sont déterminés : CN1 en condition sèches (point de flétrissement), CN2 en condition
moyenne d’humidité et CN3 en condition humide (capacité au champ). L’utilisateur de
SWAT peut calibrer le CN2 à partir duquel est calculée la valeur du CN pour les deux
autres conditions (pour plus de précision, voir Neitsch et al. (2011)). La quantité d’eau
qui s’infiltre est finalement définie par la différence entre la précipitation et l’eau
soumise au ruissellement.
c. Redistribution
Après le calcul du volume d’eau soumis au ruissellement, le modèle va calculer son

déplacement. Le temps de concentration est alors déterminé, il représente
conceptuellement le temps que met l’eau pour atteindre l’exutoire du sous-bassin à
partir du point le plus éloigné du sous-bassin :
>c >ov >ch (5)
où tc est le temps de concentration (heure), tov le temps de concentration pour les flux
de surface (heure) et tch le temps de concentration pour les flux dans le réseau
hydrographique (heure) qui sont respectivement :
'slp .E ∙ .E
>ov
18 ∙ GHI .J
(6)
où Lslp est la longueur de pente du sous-bassin (m), slp est la pente moyenne du sous-
bassin (m.m-1) et n le coefficient de Manning pour le sous-bassin.
0.62 ∙ ' ∙ .LM

>ch
(NO . PM ∙ GHIch .JLM
(7)
où L est la longueur du bief (km), n est le coefficient de Manning du bief, Area est
l’aire du sous-bassin (km2) et slpch est la pente du bief (m.m-1).
81
II Méthodologie
Si le temps de concentration est supérieur à un jour, seule une partie de l’eau qui
ruisselle atteint le cours d’eau dans la même journée que celle où elle est générée.
SWAT intègre alors un temps de stockage de l’eau ruisselée pour décaler une partie du
ruissellement :
GWNH X
*′surf (Qsurf *stor,i-1) ∙ U1 exp 9 =Y
>c
(8)
où Q’surf est la quantité d’eau soumise au ruissellement qui atteint la rivière dans la
journée (mm H2O), Qsurf est la quantité de ruissellement de surface généré dans la
journée (mm H2O), Qstor,i-1 est la quantité d’eau stockée lors de la journée précédente, tc
le temps de concentration du sous-bassin (heure) et surlag le coefficient de délais de
ruissellement qui peut être calibré par l’utilisateur.
Enfin, d’une manière générale, la transmission du volume ruisselé à l’exutoire et le

calcul du débit de pointe sont réalisés à l’aide d’une formule modifiée de la méthode
rationnelle :
[tc ∙ *surf ∙ (NO
*peak
3.6 ∙ >c
(9)
où Qpeak est le débit de pointe (m3.s-1), αtc est la fraction de la précipitation qui survient
pendant le temps de concentration, Qsurf est le volume d’eau soumis au ruissellement
(mm H2O), Area est l’aire du sous-bassin (km²) et tc le temps de concentration du sous-
bassin (heure).
d. Teneur en eau des sols
Dans SWAT, le sol est discrétisé en plusieurs horizons (maximum 10), dont le nombre
et les caractéristiques dépendent de chaque type de sol et sont renseignés par
l’utilisateur. La teneur en eau des sols peut varier entre 0 et une valeur maximum Øsoil
lorsque saturé. Øsoil représente donc la porosité. Il est exprimé comme une fraction du
bc
volume total de sol par :
∅^_à 1
b^
(10)
où ρb est la masse volumique apparente (Mg.m-3) et ρs est la masse volumique de la

fraction solide (Mg.m-3).
82
II Méthodologie
Le modèle simule les interactions avec les plantes et les écoulements à partir de deux
valeurs de teneur en eau des sols caractéristique qui sont la capacité au champ (FC) et
le point de flétrissement permanent (WP). Le premier correspond à la quantité d’eau
retenue dans un sol saturé après 48h d’égouttage et le second est le point au deçà
duquel la végétation n’est plus capable de prélever de l’eau dans les sols. Ces deux
paramètres dépendent intimement des caractéristiques physiques et de la composition
des sols. Entre ces deux points est définie la réserve utile du sol (AWC).
L’utilisateur du modèle, entre autres caractéristiques, peut définir les valeurs de masse
volumique apparente ainsi que la réserve utile de chaque horizon de sol. Le point de
flétrissement permanent pour un horizon donné (WPly) est ensuite estimé par :
gh ∙ bc
deaf 0.40 ∙
100
(11)
où Mc est le pourcentage d’argile dans les sols (%) et ρb est la masse volumique
apparente (Mg.m-3). Par la suite :
i;af deaf (d;af (12)
e. Percolation et recharge des aquifères
Une fois l’eau infiltrée dans le sol, elle se déplace par percolation. La percolation se fait
de haut en bas par saturation de proche en proche des différents horizons pédologiques.
Ainsi, le volume d’eau disponible pour la percolation dans un horizon considéré est
calculé en fonction de la teneur en eau et de la capacité au champ de l’horizon :
3dly,excess 3dly i;ly (13)
où SWly,excess la quantité d’eau disponible pour drainage d’un horizon à un jour donné
(mm H2O), SWly la quantité d’eau d’un horizon à un jour donné (mm H2O) et FCly la
capacité au champ de l’horizon pédologique. Le mouvement d’eau ne peut donc avoir
lieu que si :
SWly > FCly (14)
Par la suite, la quantité d’eau qui est transmise à l’horizon sous-jacent est déterminée
par :
83
II Méthodologie
∆>
jperc,ly 3dly,excess ∙ k1 OlI 9 =o
nnperc
(15)
où Wperc,ly est la quantité d’eau transmise à l’horizon inférieur pour un jour donné (mm
H2O), ∆t est l’intervalle de temps (heure) et TTperc est le temps de transfert du drainage
(heure) avec :
3(nly i;ly
nnperc
psat
(16)
où SATly est la quantité d’eau contenue dans l’horizon lorsque ce dernier est
complètement saturé (mm H2O), FCly est l’eau contenue dans l’horizon à la capacité au
champ (mm H2O) et Ksat est la conductivité hydraulique à saturation de l’horizon
(mm.h-1).
Après avoir atteint l’horizon inférieur du sol, l’eau quitte le réservoir sol pour rejoindre
l’aquifère. La recharge des deux aquifères est telle que :
1 1
jrchrg,i k1 OlI 9 =o ∙ jseep OlI 9 = ∙ jrchrg,i-1
rgw rgw
(17)
où wrchrg,i est le volume d’eau entrant dans les aquifères au jour i, wseep est le volume
d’eau quittant la couche inférieure de sol au jour i, wrchrg,i-1 est le volume d’eau entrant
dans les aquifères au jour i-1 et δgw est un terme induisant un délai de drainage de l’eau
pour traverser la zone vadose de l’aquifère et rejoindre la zone saturée. Ce terme peut
être calibré par l’utilisateur du modèle.
f. Écoulement latéral de subsurface
SWAT simule également un écoulement de subsurface qui est calculé en même temps
que la redistribution sur les deux premiers mètres de sols.
Dans les horizons tels que la profondeur est inférieure à deux mètres, on considère que
l’eau en excès du sol peut être soumise aux mouvements latéraux par :
3dly,excess 3dly i;ly (18)
où SWly,excess est la quantité d’eau disponible d’un horizon à un jour donné (mm H2O),
SWly la quantité d’eau d’un horizon à un jour donné (mm H2O) et FCly la capacité au
champ de l’horizon pédologique. Le mouvement d’eau ne peut donc avoir lieu que si :
84
II Méthodologie
SWly > FCly (19)
Les écoulements latéraux de subsurface sont calculés alors par :
2 ∙ 3dly,excess ∙ psat ∙ GHI

*lat 0.024 ∙ 9 =
∅d ∙ 'hill
(20)
où Qlat est le flux d’eau de subsurface (mm H2O), SWly,excess la quantité d’eau
disponible d’un horizon à un jour donné (mm H2O), Ksat la conductivité hydraulique à
saturation de l’horizon pédologique (mm H2O), slp la pente (m.m-1) et Lhill la longueur
de la pente et Ød la porosité de drainage de l’horizon pédologique (mm.mm- 1)
Les écoulements de subsurface rejoignent ensuite le cours d’eau. Comme pour la

redistribution, dans les bassins versants ayant un temps de concentrations supérieures à
1 jour, un terme de décalage dans le temps est calculé soit :
1
*′lat (Qlat *latstor,i-1) ∙ t1 exp 9 =u
nnlag
(21)
où Q’lat est la quantité d’eau soumise au flux latéral qui atteint la rivière dans la journée
(mm H2O), Qlat est le volume du flux de subsurface généré dans la journée (mm H2O),
Qlatstor,i-1 est la quantité d’eau stockée lors de la journée précédente (mm H2O) et TTlag
est le temps de transfert du flux de subsurface tel que :
'hill
nnlag 10.4 ∙
psat,mx
(22)
où TTlag est le temps de transfert (jours), Lhill la longueur de la pente (m) et Ksat,mx la plus
grande conductivité hydraulique à saturation dans le profil de sol (mm/hr).
g. Aquifères
SWAT possède deux aquifères différents : un aquifère proche (ou peu profond) et un
aquifère profond. L’idée est de représenter des nappes libre et confinée. L’aquifère
proche reste connecté à l’hydrologie du bassin versant, et l’eau de cet aquifère finit par
retourner à la rivière. L’aquifère profond est supposé être totalement déconnecté du
bassin et l’eau qui y entre n’est alors plus considérée par le modèle.
85
II Méthodologie
En arrivant dans la dernière couche de sols, l’eau est séparée en recharge pour chacun
des deux types d’aquifère (suite de l’équation 17), par un simple coefficient :
jdeep vdeep ∙ jrchrg (23)

Puis jrchrg,sh jrchrg jdeep (24)
où wrchrg, est le volume total d’eau entrant dans les aquifères (mm H2O), wdeep est le
volume d’eau transféré à l’aquifère profond (mm H2O), wrchrg,sh est le volume d’eau
transféré à l’aquifère peu profond (mm H2O) et βdeep est le coefficient de percolation
qui est déterminé par l’utilisateur du modèle.
Le volume d’eau contenu dans l’aquifère peu profond est alors déterminé par l’équation
de bilan :
wsh,i wsh,i-1 jrchrg,sh – *gw – jrevap – jpump (25)
où aqsh,i est le volume d’eau contenue dans l’aquifère au jour i (mm H2O), aqsh,i-1 est le
volume d’eau contenue dans l’aquifère au jour i-1(mm H2O), wrchrg,sh est le volume
d’eau issu de la recharge transféré à l’aquifère peu profond (mm H2O), Qgw est le flux
nappe-rivière (quittant l’aquifère pour rejoindre le cours d’eau), wrevap est le volume
d’eau transféré de l’aquifère dans le sol par remontée capillaire, en réponse à un déficit
d’eau du sol (mm H2O) et wpump est l’eau prélevée dans l’aquifère par pompage (mm
H2O).
La nappe proche est donc connectée à la rivière mais les échanges se font uniquement
de la nappe vers la rivière, et uniquement si le niveau de cette dernière dépasse un seuil
fixé par l’utilisateur :
Si wsh > wshthr,q alors

*gw,i Qgw,i-1 ∙ exp( [gw ∙ ∆>) jrchrg,sh ∙ z1 OlI( [gw ∙ ∆>){
(26)
où Qgw,i est le volume d’eau transférée de la nappe vers la rivière pendant le jour i (mm
H2O), Qgw,i-1 est le volume d’eau transférée de la nappe vers la rivière pendant le jour i-
1 (mm H2O), wrchrg,sh est le volume d’eau issue de la recharge transféré à l’aquifère peu
profond (mm H2O), ∆t est le pas de temps (1 jour), αgw est la constante de transfert
nappe-rivière, aqsh,i est le volume d’eau contenue dans l’aquifère (mm H2O) et aqshthr,q
est le seuil de volume d’eau contenue dans l’aquifère à partir duquel il y a contribution
86
II Méthodologie
de la nappe à la rivière (mm H2O). Les constantes αgw et aqshthr,q sont déterminées par
l’utilisateur du modèle.
Le dernier flux en relation avec l’aquifère peu profond est le terme dit « revap ». Ce
phénomène, qui se produit uniquement lorsque la teneur en eau de l’horizon inférieur
du sol est faible, représente les remontées d’eau de l’aquifère vers cet horizon profond
du réservoir sol pour satisfaire la demande évapotranspiratoire. Il est conditionné à un
niveau minimum d’eau dans l’aquifère :
jrevap,mx vrev ∙ |o (27)

Puis
Si aqsh ≤ aqshthr,rvp : jrevap 0 (28)
Si aqshthr,rvp < aqsh < (aqshthr,rvp +wrevap,mx) : jrevap jrevap,mx wshthr,rvp (29)
Si aqsh ≥ (aqshthr,rvp +wrevap,mx) : jrevap jrevap,mx (30)
où wrevap,mx est le volume maximum d’eau soumis au « revap » (mm H2O), wrevap est le
volume réellement soumis au « revap » (mm H2O), βrev est le coefficient de « revap »,
Eo est l’évapotranspiration potentiel du jour (mm H2O), aqsh,i est le volume d’eau
contenue dans l’aquifère (mm H2O) et aqshthr,rvp est le seuil de volume d’eau contenue
aqshthr,rvp et βrev peuvent être calibrés par l’utilisateur du modèle.

dans l’aquifère au-dessus duquel il peut y avoir un phénomène de « revap » (mm H2O).
h. Évapotranspiration potentielle et réelle
Le modèle SWAT recourt à l’évapotranspiration potentielle (ETP) pour le calcul de

l’évapotranspiration réelle (ET)
Evapotranspiration potentielle
L’ETP correspond à un potentielle maximal d’évaporation pour une végétation de

référence. Elle peut être calculée selon 3 méthodes disponibles au modèle : Penman-
Monteith, Hargreaves et Priestley-Taylor. Seules les deux premières ont été utilisées
dans le travail de recherche présenté dans ce document et seront décrites ici :
La formule de Penman-Monteith telle que décrite par Monteith (1965) est :
87
II Méthodologie
b„`… ∙ ;† ∙ O
1 ∆ ∙ (•€•‚ ƒ) k N„
o
|0 ∙ Nh
'~ ∆ ∙ ‡ ∙ (1 )
N„
(31)
où E0 est l’évapotranspiration potentielle (mm.j-1), ∆ est la pente de la courbe de la

tension de vapeur à la température de l’air donnée (kPa.°C-1), Hnet est le rayonnement
net (MJ.m-2.j-1), G est le flux de chaleur transmis au sol (MJ.m-2.j-1), ρair est la densité
de l’air (kg.m-3), Cp est la capacité thermique massique de l’air (MJ.kg-1.°C-1), e est la
pression de vapeur saturante de l’air ou humidité spécifique (kPa), γ est la constante
psychométrique (kPa.°C-1), rc est la résistance stomatique (s.m-1), ra est la résistance
aérodynamique (s.m-1) et Lv est la chaleur latente de vaporisation de l’eau (MJ.kg-1).
La description de chacun des termes utilisés dans l’équation 31 est relativement longue
et ne sera pas détaillée ici. Elle peut cependant être trouvée dans Neitsch et al. (2011).
Il est en revanche intéressant de noter quelques particularités de la formulation de
l’ETP de Penman-Monteith :
• Le terme rc, résistance stomatique, est fonction du type de végétation et fait varier la
valeur de l’ETP en fonction de la végétation considérée. Ce paramètre évolue
également au cours du temps car il est fonction du développement de l’indice de
surface foliaire (LAI).
• Cette équation requiert un nombre important de paramètres météorologiques pour
pouvoir être résolue. Ainsi, lorsque cette formulation d’ETP est utilisée dans le
modèle SWAT, il est impératif de fournir en entrée les paramètres journaliers de la
température mais aussi du rayonnement solaire incident, de la vitesse du vent et de
l’humidité spécifique de l’air.
En outre, la version de l’équation de Penman-Monteith utilisée dans SWAT utilise les

valeurs journalières moyennes de ces différents paramètres, ce qui peut mener à des
erreurs en raison notamment de la distribution journalière des paramètres de vent, de
l’humidité et du rayonnement.
La seconde méthode de calcul de l’ETP est la formulation de Hargreaves (1975):
0.0023 ∙ • ∙ (nˆ‰ nˆ`€ ) .M

∙ (n„Š 17.8)
|
'Š
(32)
88
II Méthodologie
où E0 est l’évapotranspiration potentielle (mm.j-1), Lv est la chaleur latente de

vaporisation de l’eau (MJ.kg-1), H0 est le rayonnement extraterrestre (MJ.m-2.d-1) et Tmx
Tmn et Tav sont respectivement les températures maximum, minimum et moyenne du
jour considéré (°C).
Evapotranspiration réelle
L’ETP correspond donc à une demande évapotranspiratoire maximum du système. Une

fois celle-ci calculée, il est possible de calculer l’ETR en considérant l’eau disponible
pour combler cette demande. SWAT calcule séparément l’évaporation et la
transpiration comme décrit par Ritchie (1972). SWAT évapore en premier lieu l’eau
interceptée par les plantes puis calcule le volume maximum de transpiration,
d’évaporation du sol et de sublimation. Enfin, est calculé le volume réel d’eau
transpirée puis évaporée du sol ou sublimée (si de la neige couvre le sol il y a
sublimation puis éventuellement évaporation depuis le sol).
L’eau interceptée est la première à être soumise à l’évaporation :
Si Eo < Rint(i) Ecan = Eo (33)

Et Rint(f) = Rint(i)-Eo
Si Eo > Rint(i) Ecan = Rinf(i) (34)

Et Rint(f)= 0
où Eo est l’évapotranspiration potentielle (mm H2O), Rint(i) et Rint(f) sont les quantités
d’eau interceptées initiale et finale disponibles (mm H2O) et Ecan est la quantité d’eau
interceptée réellement évaporée (mm H2O).
On a alors E’o évapotranspirations potentielle corrigée du terme de l’eau interceptée:
|′ | |h„€ (35)
SWAT calcule ensuite le volume maximum de transpiration. Si la formule de Penman-

Monteith est utilisée, alors (Jensen et al., 1990) :
— •
(Ž••‘ ∙’)“”∙•∙– .EPP∙Œ• ∙ ˜™š œ∙
|‚ ∙
› š˜
Œ• ∆“”∙–
š
“š • œ
(36)
˜
89
II Méthodologie
où Et est la transpiration maximale (mm H2O), ∆ est la pente de la courbe de la tension

de vapeur à la température de l’air donnée (kPa.°C-1), Hnet est le rayonnement net
(MJ.m-2.j-1), G est le flux de chaleur transmis au sol (MJ.m-2.j-1), ρair est la densité de
l’air (kg.m-3), e est la pression de vapeur saturante de l’air ou humidité spécifique
(kPa), γ est la constante psychométrique (kPa.°C-1), rc est la résistance stomatique (s.m-
1
), ra est la résistance aérodynamique (s.m-1), Lv est la chaleur latente de vaporisation
de l’eau (MJ.kg-1), P est la pression atmosphérique (kPa) et K un coefficient
dimensionnel.
Si la formule de Hargreaves est utilisée alors :
|′ ∙ '()
|‚
3
(37)
Il est important de noter que Et reste une valeur potentielle maximale d’eau transpirée.
Le volume d’eau final réellement transpirée dépend des possibilités de prélèvements de
l’eau par les plantes dans le sol (voir équation 53)
Est calculé ensuite le potentiel maximum de sublimation/évaporation du sol Es (mm

H2O) :
|^ |′ ∙ žŸ^_a (38)
avec žŸ^_a OlI( 5.0 ∙ 10 M

∙ ;¡) (39)
où CV est la biomasse et les résidus du sol (kg.ha-1). Si de la neige couvre le sol alors
CV=0.5. Une fois le potentiel maximum de sublimation/évaporation du sol calculé,
SWAT retire de l’eau. Si de la neige est présente, elle est retirée en premier lieu telle
que
Si Es>SNO(i) |^¢c 3<£(¤) O> |^¥ |^ 3<£(¤) (40)
Si Es<SNO(i) |^¢c 3<£(¤) O> |^¥ 0 (41)
où SNO(i) est l’équivalent en eau de la neige (mm H2O), Esub le volume d’eau sublimée
(mm H2O) et E’s est le potentiel maximum de sublimation/évaporation corrigé de la
90
II Méthodologie
sublimation (mm H2O). Si E’s>0, l’eau est ensuite prélevée du sol en répartissant la
demande évaporatoire en fonction de la profondeur du sol par
§
|^_à,¦ |^¥ ∙
§ exp (2.374 0.00713 ∙ §)
(42)
où Esoil,z est la demande évaporatoire à la profondeur z (mm H2O). Les coefficients de

cette équation ont été établis de façon à ce que 50% de la demande évaporatoire soit
appliquée sur les premiers 10 mm de sol et que 95% de la demande soit appliquée sur
les premiers 100 mm de sol. La quantité d’eau prélevée dans chaque horizon du sol est
ensuite déterminée par :
|^_à,af |^_à,¦a |^_a,¦¢ ∙ OG ž (43)
où Esoil,ly est la demande évaporatoire pour l’horizon ly (mm H2O), Esoil,zl est la demande
évaporatoire à la limite inférieure de l’horizon (mm H2O) et Esoil,zu est la demande
évaporatoire à la limite supérieure de l’horizon (mm H2O). SWAT ne permet pas aux
horizons de compenser le manque d’eau des horizons voisins pour mieux répondre à la
demande évaporatoire. Néanmoins, le coefficient Esco, modifiable par l’utilisateur,
permet d’influencer la répartition de la demande évaporatoire pour mieux répondre à ce
phénomène. Plus Esco est élevé, plus le modèle va pouvoir retirer de l’eau des horizons
profonds.
i.Neige
Si la température moyenne journalière est sous la limite Ts-r qui est fixée par
l’utilisateur, SWAT interprète alors la précipitation comme étant solide. D’un point de
vue général, SWAT considère l’équivalent en eau contenu dans la couverture de neige
(mm H2O) (SNOd) d’après l’équation :
3<£¨ 3<£¨ 0¨„f |^¢c 3<£â‚ (44)
où SNOd-1 est l’équivalent en eau de la couverture de neige au jour précèdent (mm

H2O), Rday est la précipitation journalière (mm H2O), Esub est la sublimation journalière
(mm H2O) (voir équation 40), SNOmlt est le volume de fonte journalier (mm H2O).
D’un point de vue spatial, la neige est rarement uniformément distribuée. Les facteurs
influençant la fraction du sol couverte par la neige en fonction de la hauteur de neige
91
II Méthodologie
sont principalement physiques et restent similaires d’une année sur l’autre (Anderson,
1976; Sturm and Wagner, 2010). SWAT définit donc la fraction du sol couvert par la
neige d’après la formulation :
3<£¨ 3<£¨ 3<£¨

G žh_Š ∙k OlI 9 žŸ žŸP ∙ =o
3<£ 3<£ 3<£
(45)
où SNO100 est la quantité de neige pour laquelle 100% de l’aire est recouverte (mm
H2O) et cov1 et cov2 sont des coefficients qui définissent la forme de la fonction utilisée
pour calculer la variation de la couverture de neige en fonction de l’équivalent en eau
contenue dans celle-ci. Les valeurs de cov1 et cov2 sont déterminées à partir de deux
points de cette fonction: couverture à 95 % de SNO100 et couverture à 50% of SNO100.
L’utilisateur peut influencer cette fonction de représentation spatiale en modifiant la
valeur de SNO100 et la valeur correspondant à 50 % de SNO100.
La fonte de la neige est principalement fonction des températures de l’air et de la

couverture de neige, de l’ensoleillement journalier et de la surface de la couverture de
neige :
n^€_ª nˆ‰
3<£â‚ ©â‚ ∙ G žh_Š ∙ 9 nâ‚ =
2
(46)
où SNOmlt la fonte de neige journalière (mm H2O), bmlt est un facteur de fonte (mm
H2O/day-°C), snocov est la fraction de la HRU couverte par la neige, Tsnow est la
température de la couverture de neige (°C), Tmx est la température maximum
journalière (°C) et Tmlt est le seuil de température au-dessus duquel la fonte commence
(°C). Pour résoudre cette équation, les termes Tsnow et bmlt nécessitent d’être
déterminés :
n^€_ª,¨ n^€_ª,¨ ` ∙ (1 H^€_ª ) n„Š ∙ H^€_ (47)
où lsno est le facteur de propagation de la température au sein de la couverture de neige

et Tav est la température journalière moyenne de l’air (°C)
(©â‚E ©â‚ P ) (©â‚E ©â‚ P ) 2¬

©â‚ ∙ sin k ∙ (-€ 81)o
2 2 365
(48)
92
II Méthodologie
où bmlt6 est le facteur de fonte au 21 juin (mm H2O/day-°C), bmlt12 est le facteur de fonte
au 21 décembre (mm H2O/day-°C) et dn est le jour de l’année considéré. Des équations
47 et 48.les termes Tmlt, lsno, bmlt6 et bmlt12 doivent être calibrés par l’utilisateur du
modèle.
Des bandes d’attitudes peuvent être considérées lors du découpage du bassin versant,
permettant l’introduction de deux termes supplémentaires qui doivent être définis par
l’utilisateur : le gradient d’altitude tlaps (°C/km) et le gradient de précipitation plaps
(mm H2O/km). Ceux-ci permettent de recalculer la température et la précipitation non
plus de manière homogène sur le sous-bassin versant, mais par bande tel que pour la
précipitation :
IH IG
0c„€¨ 0¨„f |Hc„€¨ |H®„®• ∙
- ¯G†h†,f… ∙ 1000
(49)
où Rband est la précipitation sur une bande l’altitude (mm H2O), Rday est la précipitation
enregistrée à la station du sous-bassin versant (mm H2O), ELband est l’altitude moyenne
de la bande (m), ELgauge est l’altitude de la station météorologique (m) et dayspcp,yr est le
nombre moyen de jours de pluie dans l’année. Et de manière similaire, pour la
température :
>H IG
nˆ‰,c„€¨ nˆ‰ |'c„€¨ |'®„®• ∙
1000
(50)
>H IG
nˆ€,c„€¨ nˆ€ |'c„€¨ |'®„®• ∙
1000
(51)
>H IG
(52)
n„Š,c„€¨ n„Š |'c„€¨ |'®„®• ∙
1000
où Tmx,band, Tmn,band et Tav,band sont les températures maximum, minimum et moyenne

journalière de la bande d’altitude (°C), Tmx, Tmn et Tav, sont les températures maximum,
minimum et moyenne journalière enregistrées à la station météorologique (°C), ELband
est l’altitude moyenne de la bande d’altitude (m) et ELgauge est l’altitude de la station
météorologique (m).
93
II Méthodologie
L’effet de l’introduction de ces termes relatifs aux bandes d’altitudes dans le bassin
versant est discuté dans le chapitre 4 de ce document.
2.1.3. Module agronomique et de croissance des plantes
L’autre module qui a une grande importance dans le modèle SWAT simule la
végétation. Ce module est basé sur le modèle EPIC (Erosion-Productivity Impact
Calculator ; Williams et al. (1989)). Il est important de comprendre le fonctionnement
de ce module pour envisager ses impacts sur l’hydrologie. Cependant, le travail de
recherche réalisé ici ne se focalisant pas sur le développement des végétaux, ce module
sera présenté ici d’une manière plus conceptuelle que ne l’a été le module
hydrologique, exception faite de la manière dont les plantes prélèvent de l’eau dans les
sols, cela ayant une incidence directe sur le cycle hydrologique (ET, teneur en eau des
sol).
SWAT possède une base de données modifiable, répertoriant un très grand nombre de
végétations classées en 7 groupes : légumineuses annuelles de saison chaude,
légumineuses annuelles de saison froide, légumineuses pérennes, plantes annuelles de
saison chaude, plantes annuelles de saison froide, plantes pérennes, arbres.
Le cycle de croissance des plantes est basé sur le principe des unités de chaleur (Heat
Unit ou HU). Les HU emmagasinés par la plante sont fonction de la température
moyenne journalière et représente la croissance potentielle de la plante. Chaque plante
a une température minimale avant laquelle elle peut emmagasiner des unités HU. Une
fois cette température atteinte, plus la température augmente plus la plante emmagasine
des HU. Pour chaque plante du modèle, il existe un nombre de HU nécessaire pour
arriver à maturité.
La quantité de HU emmagasinée à un instant t détermine le stade de croissance de la

plante. De ce stade de croissance dépend entre autres l’indice de développement foliaire
(Leaf Area Index - LAI), c’est-à-dire le développement de la canopée qui à son tour
influera sur la quantité de rayonnement interceptée et sur le calcul de la biomasse
produite. L’avancement du stade de croissance permet également de répartir cette
biomasse entre les racines et les organes aériens tout au long de la vie de la plante.
Lorsque la plante a atteint sa maturité, elle arrête de produire de la biomasse, ce qui a
pour effet de réduire le taux de transpiration. S’il s’agit de cultures, alors elles sont
94
II Méthodologie
récoltées (avec éventuellement un temps de séchage sur pieds pour certaines d’entre
elles). Dans le cas des plantes pérennes et des arbres, ce système est couplé à un
nombre d’années, spécifique à chaque espèce, où l’opération sera répétée. De cette
biomasse va donc dépendre l’importance de la transpiration réelle des plantes.
Cette dernière est fonction de la profondeur des sols accessible aux plantes par leurs
racines et de sa teneur en eau. Chaque sol possède un paramètre de profondeur racinaire
maximale jusqu’où les racines peuvent se développer et prélever de l’eau dans les
horizons pédologiques correspondants. Le potentiel de prélèvement de l’eau, fonction
de la profondeur, est défini par :
|‚ §
j¢†,¦ ∙ k1 OlI 9 vª ∙ =o
(1 exp ( vª )) §…__‚
(53)
où wup,z est le potentiel de prélèvement d’eau de la surface à la profondeur z (mm H2O),

Et est le potentiel maximum de transpiration des plantes (mm H2O) (voir équations 36
et 37 ), ßw est le paramètre de distribution de l’usage de l’eau, z est la profondeur (mm)
et zroot est la profondeur de développement racinaire (mm). A partir de cette équation, le
potentiel de chaque horizon pédologique peut être calculé par :
j¢†,af j¢†,¦a j¢†,¦¢ (54)
où wup,ly est le potentiel de prélèvement d’eau à l’horizon ly (mm H2O ) wup,zl est le
potentiel de prélèvement d’eau de la surface à la couche inférieure de l’horizon (mm
H2O) et wup,zu est le potentiel de prélèvement d’eau de la surface à la couche supérieure
de l’horizon (mm H2O).
ßw, le paramètre de distribution de l’usage de l’eau a été déterminé pour que 50% du
potentiel de prélèvement d’eau soit appliqué aux 6% supérieures de la zone racinaire,
les racines étant plus denses dans la partie supérieure du sol. Si l’eau vient à manquer
dans la partie supérieure du sol pour combler la demande, les prélèvements de la zone
racinaire inférieure peuvent venir compenser. L’équation pour calculer le potentiel de
prélèvement devient alors :
j¢†,af
¥
j¢†,af j¨•ˆ„€¨ ∙ OI ž (55)
95
II Méthodologie
où w’up,ly est le potentiel ajusté de prélèvement d’eau (mm H2O), wup,ly est le potentiel de
prélèvement d’eau (mm H2O), wdemande est le potentiel de prélèvement non satisfait dans
l’horizon supérieur (mm H2O) et Epco est le facteur de compensation de prélèvement
des plantes. Epco varie entre 0.01 et 1, plus il est proche de 1 plus le modèle peut
compenser la demande avec les horizons inférieurs.
Une fois le potentiel de prélèvement calculé, l’eau est enlevée des horizons de sol tant
que la teneur en eaux est supérieure au point de flétrissement permanent. Néanmoins,
un algorithme supplémentaire (non détaillé ici) induit que si la teneur en eau est
inférieure à 25% de la réserve utile du sol, un potentiel de prélèvement plus fort est
nécessaire pour permettre le prélèvement d’une même quantité d’eau par les plantes.
96
II Méthodologie
Dans ce chapitre est expliqué de quelle façon le modèle a été déployé sur le bassin
versant de la Garonne, quels choix ont été réalisés quant à la représentation du territoire
et des phénomènes considérés ainsi que l’utilisation des données disponibles.
97
II Méthodologie
98
II Méthodologie
1. Caractéristique du modèle mis en place
Pour la création du projet, le modèle SWAT a été utilisé de manière couplée à un

Système d’information géographique (SIG). ARCSWAT est le module permettant
l’interaction entre le modèle Open Source et le logiciel de SIG. Il a été utilisé dans sa
version la plus récente ARCSWAT 2012 (SWAT 2012) disponible sur
http://swat.tamu.edu/.
1.1. Définition des sous-bassins versants
Comme mentionnée précédemment, la définition des sous-bassins versants d’un projet

SWAT découle de la définition du réseau hydrographique, elle-même basée sur la
topographie. Elle est donc également influencée par la résolution du modèle numérique
de terrain. L’utilisateur définit un seuil de surface drainée à partir de laquelle il y a
création d’un cours d’eau. Un sous-bassin est ensuite défini entre chaque confluence du
réseau hydrographique. Des exutoires peuvent par la suite ensuite être ajoutés
manuellement, supprimés ou déplacés permettant de fractionner des sous-bassins
versants en deux.
Figure II.19 : Découpage du bassin versant en 150 sous-bassins versants
99
II Méthodologie
La définition des bassins versants dans un projet dépend de plusieurs facteurs

physiques et techniques. Le découpage doit permettre la description de zones ayant des
caractéristiques physiques et hydroclimatiques différentes (telles que présentées dans le
Chapitre 1). Il doit également permettre la comparaison avec des stations de jaugeage
qui doivent être localisées à l’exutoire d’un sous-bassin. Ce découpage influence
également la prise en compte des intrants climatiques par le modèle car ce dernier ne
considère qu’une seule chronique par sous-bassin. L’influence du découpage sur cette
prise en compte des intrants météo fait d’objet d’une étude et est discutée dans le
chapitre 5 de ce document. Enfin, le découpage doit être compatible avec la procédure
de calibration à réaliser (Voir section 2 de ce chapitre) car un découpage trop précis
augmente les temps de simulation, pouvant mener à des temps de calcul très élevés.
Pour le projet final dont les résultats sont présentés en partie III de ce document, un
seuil de 20 000 ha a été utilisé pour un premier découpage automatique, puis quelques
exutoires ont été rajoutés manuellement pour permettre la correspondance parfaite avec
les stations de jaugeage utilisées, décrites ci-après. Cela a mené à un découpage du
bassin en 150 sous-bassins versants (Figure II.19) ayant une superficie comprise entre 2
et 1400 km², et une superficie moyenne de 336 km².
1.2. Définition des Unités de Réponse Hydrologiques

(HRU)
Comme décrits dans le fonctionnement du modèle, les sous-bassins du projet sont

discrétisés en HRU d’après la compilation des données de pente, de sol et d’occupation
du sol présentées au Chapitre 1. Le modèle crée donc une HRU pour chaque
combinaison possible de ces trois paramètres.
Comme pour les sous-bassins, l’utilisateur peut toutefois exercer un choix sur la
manière dont sont générées les HRU. Pour chacun des trois paramètres susmentionnés,
l’utilisateur peut déterminer un seuil, en pourcentage, en dessous duquel la valeur d’un
paramètre ne sera pas considérée dans la création des HRU (Exemple : les types de sol
représentant moins de X% de la superficie du sous-bassin versant sont écartés). Cela
ayant pour effet de limiter le nombre de HRU générées. Le choix de ce seuil permet
d’écarter des valeurs de paramètres relativement anecdotiques en termes de surface. Il
100
II Méthodologie
peut également avoir un impact important sur les temps de calcul du modèle puisque
ces derniers sont réalisés à l’échelle des HRU.
Pour la mise en place de ce projet, le seuil a été réglé à 10% pour l’ensemble des
paramètres, cette valeur permettant de garder une discrétisation spatiale maximum, tout
en s’affranchissant de valeurs anecdotiques. Sur la base de 150 sous-bassins versants,
cette définition a permis la création de 3156 HRU.
1.3. Bandes d’altitudes pour la neige
La dernière discrétisation de l’espace qui peut être réalisée est la mise en place de
bandes d’altitude sur les sous-bassins dont l’hydrologie est influencée par la neige.
Cette fonctionnalité a donc un intérêt principalement pour les zones d’altitude. La
méthode de définition de ces bandes d’altitudes ainsi que les bénéfices apportés par leur
utilisation font l’objet d’une étude poussée dans ce travail de recherche au Chapitre 4
de ce document.
Figure II.20 : Sous-Bassins versants sélectionnés pour l'introduction de bandes d'altitude.
Après avoir montré les bénéfices de cette utilisation sur la zone pyrénéenne du bassin
versant, il a été décidé pour la version finale du projet, d’introduire des bandes
d’altitudes sur 21 des 150 sous-bassins versants générés (Figure II.19). Ces derniers ont
été sélectionnés en considérant les sous-bassins ayant au moins 50 % de leur superficie
101
II Méthodologie
au-dessus de 800 m d’altitude, qui est l’altitude moyenne la plus basse de l’isotherme
0°C pendant le mois de janvier, mois le plus froid, relevé sur les territoires couverts par
le bassin (Kessler and Chambraud, 1990).
1.4. Prise en compte de l’anthropisation
Le modèle SWAT offre certaines possibilités de représentation de l’anthropisation des

systèmes hydrologiques notamment pour les barrages et l’irrigation des terres agricoles.
Cependant, décrire précisément les activités humaines sur le fonctionnement
hydrologique du bassin versant nécessite d’importantes chroniques de données,
notamment pour les barrages.
En effet, le modèle SWAT a besoin pour cela de disposer de chroniques journalières de

débits en sortie des ouvrages, sur l’ensemble de la période de simulation. Pendant la
durée de ce travail de recherche présenté ici, de nombreuses démarches ont été
effectuées auprès des gestionnaires d’ouvrage afin de tenter de construire ces
chroniques pour les principaux barrages (présentés en Figure II.14). Ce travail n’ayant
pu aboutir, le projet a été mené sans l’incorporation des ouvrages hydrauliques.
Cependant, comme nous l’avons vu à la section 2 du chapitre 1, l’influence de ces
ouvrages reste limitée lorsque l’on considère les bilans hydrologiques mensuels.
Il en va de même pour les prélèvements en eaux dont les données chronologiques

spatialisées sont particulièrement difficiles à obtenir du fait du très grand nombre de
point de prélèvement et de gestionnaires qui y sont associés.
De plus, dans l’optique de travailler dans un contexte de changement climatique, même

si la prise en compte des ouvrages hydrauliques et des prélèvements avait pu être
réalisée lors de la calibration et de la validation, il aurait fallu créer des chroniques
futures, ce qui est une tâche qui va au-delà des objectifs du présent projet. Le modèle
construit pour effectuer ce travail de recherche représente donc les écoulements non-
influencés du bassin versant, qui ont été jugés très proche du comportement réel
lorsque l’on travaille en valeur mensuelle comme montré Figure II.14.
102
II Méthodologie
2. Paramétrisation du modèle
Après avoir mis en place le modèle sur le bassin versant, une évaluation de la
performance par une comparaison à des données observées a été réalisée incluant une
étude de sensibilité puis une calibration de certains paramètres a été effectuée afin
d’améliorer les performances.
2.1. Les stations hydrologiques
Un bon nombre de stations de relevés hydrologiques ont été sélectionnées afin de

permettre une estimation de la performance du modèle. Tout comme la définition des
sous-bassins, la sélection de ces sites doit répondre à un certain nombre de critères.
Ceux-ci doivent en premier lieu permettre une représentation de la diversité du
territoire considéré et couvrir l’ensemble des continuums hydrologiques simulés par le
modèle.
Figure II.21 : Localisation des stations hydrologiques utilisées
La sélection a aussi été effectuée de manière à faciliter la calibration du modèle, telle

que décrite ci-après dans la ci-après. En effet, afin de pouvoir analyser le cycle
hydrologique de manière spatialisée, la calibration doit être la plus précise possible en
103
II Méthodologie
terme spatial, chaque station étant alors calibrée séparément. Les temps de calcul pour
calibrer une seule station n’étant pas négligeable, il a fallu établir un compromis entre
un nombre de stations assez important pour représenter de manière fine le territoire,
tout en permettant la calibration du modèle dans des délais compatibles avec les
objectifs.
Enfin, dans l’optique de travailler dans un contexte de changement climatique, et

disposant de données climatiques sur de longues périodes (en particulier avec
SAFRAN), les stations sélectionnées l’ont également été pour la longueur de leurs
chroniques, afin de permettre des comparaisons sur les périodes les plus longues
possible. Les stations répondant à l’ensemble de ces caractéristiques et retenues pour
réaliser cette étude sont au nombre de 21. Elles sont représentées sur la Figure II.21.
Les dates des chroniques disponibles pour chacune d’entre elles sont données dans la
Tableau II.2.
Tableau II.2 : Chroniques disponibles pour les stations hydrologiques sélectionnées
STATION DATE STATION DATE

Saint-Béat 1971-2010 Villefranche 1962-2010
Valentine 1962-2010 Laguepie 1962-2010
Roquefort 1962-2010 Loubéjac 1962-2010
Foix 1962-2010 Lamagistère 1967-2010
Auterive 1966-2010 Sarrans 1962-2010
Portet 1962-2010 Truyère Amont 1972-2010
Larra 1965-2010 Truyère Aval 1979-2010
Verdun 1972-2010 Cahors 1962-2010
Millau 1969-2010 Nérac 1965-2010
Marsal 1962-2010 Tonneins 1962-2010
Villemure 1970-2010
2.2. Analyse de sensibilité et calibration.
2.2.1. Processus en cascade
La réalisation des deux étapes d’analyse de sensibilité et de calibration, décrites ci-

après, ont toutes les deux fait l’objet d’un processus de réalisation « en cascade ».
104
II Méthodologie
Figure II.22 : Illustration de la procédure en cascade utilisée pour l’analyse de sensibilité et la calibration des
paramètres du modèle sur le bassin versant.
La Figure II.22 vient illustrer cette démarche qui consiste à considérer les sous-bassins
d’amont en aval. En pratique, l’analyse de sensibilité et la calibration sont réalisées sur
un groupe de sous-bassins dont l’exutoire correspond à une station hydrologique. Une
fois ce groupe de sous-bassins calibré, l’opération est répétée avec les sous-bassins en
aval et la station hydrologique suivante.
2.2.2. Analyse de sensibilité
L’analyse de sensibilité est une étape préalable à toute calibration d’un outil de
modélisation, particulièrement lorsque ce dernier comporte un nombre important de
paramètres pouvant être modifiés comme c’est le cas pour SWAT. Le but de cette
démarche est d’identifier quels paramètres, pour une configuration donnée du modèle,
va influencer la simulation produite.
L’analyse de sensibilité, tout comme la procédure de calibration présentée par la suite,

a été réalisée via la logiciel SWAT-CUP Version 5.1.6.2 (Abbaspour (2013) -
http://www.neprashtechnology.ca). Ce logiciel est un programme externe à SWAT
facilitant la manipulation et la modification des paramètres du modèle (Arnold et al.,
2012b).
105
II Méthodologie
Tableau II.3 : Paramètres testés lors de l'analyse de sensibilité (voir Neitsch et al. (2011) pour les paramètres non
explicités dans le Chap.2)
Nom Correspondance
Description
Paramètres Equation Chap. 2
EPCO Facteur de compensation de prélèvement des plantes Equ. 55 (epco)
SURLAG Coefficient de délai de ruissellement Equ. 8 (surlag)
GW_Delay Délai du temps de drainage Equ.17 (δgw)
GW_Revap Coefficient de “Revap” Equ. 27 (βrev)
Seuil d’eau contenue dans l’aquifère pour qu’il y ait contribution de la nappe à
GWQMN Equ.26 (aqshthr,q)
la rivière
GWHT Hauteur d’eau initiale de l’aquifère --
SHALLST Contenu initial en eau de l’aquifère peu profond --
DEEPST Contenu initial en eau de l’aquifère profond --
ALPHA_BF Constante de transfert nappe-rivière Equ.26 (αgw)
Seuil d’eau contenue dans l’aquifère au-dessus duquel il peut y avoir
REVAPMN Equ.28-30(aqshthr,rvp)
phénomène de « revap »
RCHRG_DP Fraction de la percolation qui rejoint l’aquifère profond Equ. 24 (βdeep)
ESCO Facteur de compensation d’évaporation du sol Equ. 43 (esco)
CN2 « SCS Curve Number » Equ. 4 (CN)
CANMX Stockage maximum de la canopée par interception Equ. 2 (canmx)
OV_N Coefficient de Manning Equ. 7 (n)
SOL_AWC Réserve utile du sol Equ. 12 (AWC)
SOL_K Conductivité hydraulique à saturation des sols Equ. 16 (Ksat)
SOL_Z Epaisseur des couches de sols Equ. 45 (z)
EVRCH Facteur d’ajustement de l’évaporation des cours d’eau --
EVLAI LAI à partir duquel l’évaporation depuis les cours d’eau cesse --
SFTMP Température de chute de neige Equ.44 (Ts-r)
SMTMP Température de fonte de neige Equ. 46 (Tmlt)
TIMP Facteur de propagation de la température dans la couverture de neige Equ. 47 (lsno)
SMFMX Facteur de fonte au 21 juin Equ. 48 (bmlt6)
SMFMN Facteur de fonte au 21 décembre Equ. 48 (bmlt12)
Equivalent en eau de la neige nécessaire pour recouvrir 100% de la surface du
SNOW50COV Equ. 45 (SNO100)
sous-bassin
Equivalent en eau de la neige nécessaire pour recouvrir 50% de la surface du
SNOWCOVMX Equ. 45 (SNO100)
sous-bassin
SNO_SUB Equivalent en eau initial de la neige --
TLAPS Gradient altitudinal de température Equ. 50-52 (tlaps)
PLAPS Gradient altitudinal de précipitation Equ. 49 (plaps)
SNOEB Contenu en eau initial de la neige dans une bande d’altitude. --
CH_N Coefficient de Manning du cours d’eau --
CH_W Largeur du cours d’eau --
CH_L Longueur du cour d’eau --
CH_S Pente moyenne du cours d’eau Equ.7 (slpch)
Pour la réalisation de cette étude, une analyse de sensibilité dite « one-at-the-time » a

été réalisée, telle que décrite dans Abbaspour (2013). Cette approche consiste à
modifier les paramètres considérés les uns après les autres pour évaluer leur influence
sur la simulation produite. L’avantage de cette approche est la simplicité de réalisation,
malgré le fait qu’elle ne permette pas de détecter l’effet de la modification conjointe de
plusieurs paramètres.
106
II Méthodologie
Pour chacun des paramètres considérés, cinq simulations sur une période de 10 ans
(2000-2010 + 3 ans d’initialisation) ont été réalisées en modifiant la valeur des
paramètres à chaque simulation afin d’en évaluer l’impact. La sélection des valeurs est
faite via une procédure d’hypercube latin permettant de couvrir l’étendue des valeurs
possibles que peut prendre chaque paramètre (McKay et al., 1979).
Au total, ce sont 32 paramètres qui ont été considérés pour la réalisation de cette
analyse de sensibilité. Ces derniers ont été choisis en accord avec la littérature et la
connaissance du bassin versant. Le Tableau II.3 présente les paramètres soumis à
l’analyse de sensibilité, leur signification ainsi que leur relation avec les équations de
fonctionnement du modèle décrites au Chapitre 2 point 2.1.2.
2.2.3. Calibration
Une fois les paramètres sensibles de chaque groupe de sous-bassins versants

déterminés, une calibration de ces derniers est réalisée. Cette procédure de calibration,
toujours réalisée avec l’aide du logiciel SWAT-CUP, est menée à bien par l’utilisation
de l’algorithme de calibration SUFI-2 (Abbaspour et al., 2004). Cette procédure,
largement utilisée par la communauté d’utilisateur de SWAT a été montrée comme
permettant d’obtenir la meilleure calibration avec un nombre de répétitions limité
(Yang et al., 2008).
Cette méthodologie est également basée sur l’utilisation de l’hypercube latin pour
sélectionner des paramètres dans des intervalles définis par l’utilisateur. L’intervalle de
calibration de chacun des paramètres a été déterminé au regard de la littérature
existante pour le modèle SWAT et plus spécifiquement celle concernant le bassin
versant de la Garonne (Oeurng et al., 2010; Ferrant et al., 2011; Oeurng et al., 2011a;
Oeurng et al., 2011b; Boithias, 2012; Chea, 2012; Ferrant et al., 2013) et sur notre
connaissance du bassin versant. Les intervalles de calibration ont été choisis de manière
à rester cohérent avec la réalité hydrologique du bassin versant.
En pratique, le processus de calibration a été réalisé pour chaque groupe de sous-

bassins par 1500 simulations tel que suggéré par Yang et al. (2008). Ces simulations
ont été faites sur la période 2000-2010 avec 3 années supplémentaires d’initialisation
du modèle. La fonction objectif utilisée pour réaliser cette calibration est la valeur du
critère de Nash-Sutcliffe (décrite dans la section suivante). Les paramètres utilisés pour
107
II Méthodologie
la calibration de chaque groupe de sous-bassins versants, ainsi que les intervalles

utilisés et valeurs calibrées peuvent être trouvés en Annexe 1
2.3. Outils statistiques pour l’évaluation des résultats
Pour permettre l’analyse des résultats, certains outils statistiques spécifiques seront
utilisés tout au long de ce travail de recherche.
2.3.1. Evaluation des performances de simulation hydrologique
L’évaluation de la performance des simulations d’un modèle est faite par la

comparaison des données simulées avec les données observées. Plusieurs indicateurs
statistiques peuvent alors être utilisés. Une discussion générale de ces critères peut être
trouvée dans Moriasi et al. (2007) et Krause et al. (2005)
a. Critère de Nash-Sutcliffe (Nse)
Le critère de Nash-Sutcliffe (Nash and Sutcliffe, 1970) est très largement utilisé en
hydrologie. C’est un critère normalisé qui vise à exprimer la proportion de la variance
des débits observés expliquée par le modèle hydrologique en la comparant à un
estimateur de référence qui est la moyenne des débits observés. Nse est compris entre 0
et 1 et plus la valeur de Nse est proche de 1, plus la simulation du débit est bonne, 1
étant une description parfaite. Une valeur négative du Nse indique donc que la
moyenne des débits observés est un meilleur prédicteur. Il est défini par :
∑³ (O S )P
Nse 1
∑³ (O Ó)P
(56)
où Oi et Si sont les valeurs des débits observés et simulés au pas de temps considéré. De
par sa définition, le Nse est un indicateur sensible au débit de pointe. Le Nse est utilisé
pour réaliser la calibration de ce travail de recherches, mais d’autres critères ont été
utilisés après la calibration pour compléter l’analyse des performances.
b. Nse sur le logarithme des valeurs de débit (NseLog)
Le NseLog est calculé avec la même formule que celle présentée ci-dessus. Elle est
toutefois appliquée non plus aux valeurs de débit, mais sur le logarithme décimal des
valeurs de débit. Les propriétés de la fonction logarithme vont permettre d’accentuer
108
II Méthodologie
l’influence des faibles valeurs de débit et ainsi donner une indication sur la robustesse
du modèle pendant la période d’étiage
c. Nse sur la racine carrée des valeurs de débit (NseSqrt)
De même que NseLog, le NseSqrt est calculé en appliquant la fonction racine carrée à
la valeur des débits. Cette fois, les propriétés de la fonction racine vont permettre de
diminuer l’influence des valeurs extrêmes dans le calcul du Nse, et ainsi donner plutôt
une indication en termes de volume global.
d. Pourcentage de biais (Pbias)
Le Pbiais exprime en pourcentage le biais moyen existant entre la série de données

observées et la série d’estimateurs. Il est compris en -100% et +100%, une valeur
négative indiquant une sous-estimation du débit et une valeur positive indique une
surestimation. Une valeur nulle indique une parfaite description de l’observation, ce
critère doit donc être minimisé. Il est défini par :
∑·
` (£` 3` ) ∗ 100
e©¤ G µ ¸
∑· £`
(57)
Le Pbiais offre une bonne description de l’efficacité du modèle à simuler les volumes
globaux écoulés.
e. Coefficient de détermination (R²)
Le critère de R² décrit la dispersion combinée des séries observées et simulées en

comparaison des dispersions de chacune des séries. Il est compris entre 0 et 1 et une
augmentation de sa valeur indique une diminution de l’erreur de la variance. Il est
défini par :
∑³ (O Ó)(S S¹)
R P
º∑³ (O Ó)P º∑³ (S S¹)P

(58)
Ce coefficient est aussi très sensible aux valeurs extrêmes. Il est très largement utilisé
en hydrologie et a été pour cette raison inclus dans ces travaux, malgré les critiques qui
peuvent être trouvés dans la littérature à son encontre notamment par le fait qu’il ne
quantifie que la dispersion et qu’une série simulée qui décrirait la série observée avec
109
II Méthodologie
une erreur constante obtiendrait tout de même un bon score (Krause et al., 2005;
Moriasi et al., 2007).
2.3.2. Analyse de tendance des séries temporelles
Afin d’analyser les variations temporelles des simulations produites et d’observer entre
autres les effets à long terme des changements du climat sur les simulations
hydrologiques produites, d’autres outils statistiques vont être utilisés :
a. Pente de Sen
La pente de Sen, également appelée estimateur de Theil-Sen, est une statistique non
paramétrique, permettant une régression linéaire plus robuste qu’une simple régression
linéaire par moindre carré (Theil, 1950; Sen, 1968). Soit une série temporelle avec n
termes définis par y=f(t) et considérant j>i et ti≠tj , on peut définir N valeurs A pour
chaque couple de valeurs (t,y) :
¯` ¯»
(`»
>` >»
(59)
où i et j=1,2,3…..n. La pente de Sen est alors définie comme la médiane de ces N

valeurs. La méthode de Theil-Sen est intéressante car peu sensible aux valeurs extrêmes
et donc assez robuste dans la détermination d’une tendance.
b. Significativité : Test de Mann-Kendall
Le test de Mann-Kendall est un test statistique non-paramétrique permettant de détecter

les tendances monotones d’une série chronologique (Mann, 1945; Kendall, 1975).
Considérant une série à n termes x1, x2, x3….xn,, la réalisation de ce test nécessite de
poser deux hypothèses. Soit H0 : les observations xi sont ordonnées aléatoirement,
aucune tendance n’est présente. Soit H1 : il y a une tendance monotone croissante ou
décroissante.
Les valeurs de la série sont évaluées en tant que série chronologique. Chaque valeur est
comparée à la valeur suivante. Si la valeur du pas de temps suivant est supérieure à la
valeur considérée, la statistique S est incrémentée de 1 mais si la valeur du pas de
temps suivant est inférieure à la valeur considérée, S est réduit de 1. Soit :
110
II Méthodologie
€ €
3 3X l» l` (60)
` » `“
où xi et xj sont les valeurs de rang i et j et que j > i et
1 G¤ l» l` > 0
3X l» l` ¼ 0 G¤ l» l` 0
1 G¤ l» l` < 0
(61)
Si le nombre de valeurs dans la série est inférieur à 10, la valeur absolue de S est
directement comparée à la distribution théorique de S décrite par Mann et Kendall. Si le
nombre de valeurs dans la série est supérieur à 10, ce qui est le cas dans toutes les
séries étudiées dans ce travail de recherche, Z, qui est une approximation normale de S,
est utilisée. Mann (1945) et Kendall (1975) ont démontré que:
E(S) = 0 (62)
( 1)(2 5) ∑†¾ >† (I 1)(2I 5)

¡ N(3)
18
Et (63)
Où tp est le nombre d’égalités dans la série impliquant p valeurs. Dès lors, Z peut être
défini par :
3 1
Ã G¤ 3 > 0
Á Ä¡ N(3)
Á
¿ 0 G¤ 3 0
(64)
Â
Á 3 1
Á G¤ 3 < 0
ÀÄ¡ N(3)
Z nous indique la pente de la tendance : si Z>0 c’est une tendance monotone croissante
alors que si Z<0 c’est une tendance monotone décroissante.
La significativité statistique de la tendance est évaluée en étudiant la valeur de Z. Z a

donc une distribution normale et la « région critique » du test statistique de Mann-
Kendall est donnée par 3 < ¿∝/P Ä¡ N(3) O> 3 < ¿ “∝/P Ä¡ N(3) où Zα/2 et Z1+α/2 sont
respectivement le α/2 et le 1+α/2 quantile de la distribution normale et Var(S) la
111
II Méthodologie
variance du test statistique S. L’hypothèse H0 est acceptée si |Z| ≤ Zα/2 où α est le seuil
de significativité choisi.
Il est communément accepté que α=5% ou α=1% représentent des seuils significatifs
acceptables. Mais cela reste un point du vu discutable qui peut être adapté aux études
réalisées (Nicholls, 2001). Le seuil α=5% (α=0.05) a été adopté dans ce document et les
résultats donnés incluront directement le signe de la tendance ainsi que la valeur de la
p-value pour permettre de bien estimer la valeur de la significativité.
Le Test de Mann-Kendall est par définition sensible à l’effet de saisonnalité, car une
forte corrélation temporelle fausse le test. Il est donc préférable d’utiliser le test de
Mann-Kendall sur des valeurs annuelles.
Néanmoins, Hirsch et al. (1982) proposent une modification du test permettant de

prendre en compte la saisonnalité de la série analysée, en réalisant le test sur les
périodes saisonnières correspondantes entre elles. Cela permet typiquement de pouvoir
utiliser le test de Mann-Kendall sur des données mensuelles, en considérant une
saisonnalité de 12 mois.
On a alors Si calculé de la même manière que dans l’équation (…) pour chacune des
périodes saisonnières (avec ici i=1…12). Puis :
3 ¥
3`
(65)
`
P P P
¥)
Et ¡ N(3 ¡ N (3` ) ;žŸ(3` 3» ) (66)
` ` »
où j≠i. Enfin Z est calculé de la même manière que dans l’équation 64 en utilisant S’ et
sa variance.
112
III Refining the model

implementation
Chapter 4: Assessing the capability of the SWAT model to simulate snow, snow melt
and streamflow dynamics over an alpine watershed
Chapter 5: Testing the SWAT model with gridded weather data of different spatial
resolutions
Chapter 6: Assessing the temporal transposability of the SWAT model across a large
contrasted watershed
113
114
dynamics over an alpine watershed
ARTICLE PUBLIÉ
Journal of hydrology
Chapter 4: Assessing the capability of the SWAT

model to simulate snow, snow melt and
streamflow dynamics over an alpine
watershed
Youen Grusson(a, f), Xiaoling Sun(a,b), Simon Gascoin(c)

Sabine Sauvage(a,b), Srinivasan Raghavan(d), François Anctil (f), José
Miguel Sanchez Pérez(a,b)
a
University of Toulouse; INPT, UPS; Laboratoire Ecologie Fonctionnelle et Environnement
(EcoLab), Avenue de l’Agrobiopole, 31326 Castanet Tolosan Cedex, France
b
CNRS, EcoLab, 31326 Castanet Tolosan Cedex, France
c
Centre d’Études Spatiales de la Biosphère (CESBIO), Toulouse, France
d
Spatial Sciences Laboratory, 1500 Research Plaza, Office 221E, Texas A&M University,
College Station, TX 77845
f
Chaire de recherche EDS en previsions et actions hydrologiques, Department of Civil and
Water Engineering, Université Laval, Québec, G1V 0A6, Canada
115
116
1. Résumé en Français
La couverture de neige est un réservoir hydrologique important du cycle de l'eau, en

particulier lorsque le bassin versant inclut une zone montagneuse. En modélisation,
l'eau stockée dans la couverture de neige et son influence sur le cycle hydrologique est
très souvent négligée, alors que son impact est réel, en particulier lorsque l’hydrologie
de certaines parties du bassin est dominée par la neige. Si la neige est prise en compte
dans les modèles hydrologiques, c’est généralement pour améliorer les statistiques de
modélisation, sans regard sur le réalisme de sa représentation ou de son influence sur le
cycle hydrologique. Cela est d'autant plus vrai lorsque des modèles semi-distribués sont
utilisés, puisqu’ils sont souvent considérés comme inaptes à représenter spatialement
ces phénomènes.
Cependant, les modèles semi-distribués sont de plus en plus utilisés pour réaliser des
évaluations de la ressource en eau à l'échelle régionale et ces études ne peuvent pas être
réalisées sans une bonne représentation de l’accumulation et de la fonte de la neige. Le
manque de mesures de terrain est également souvent invoqué pour justifier l'absence de
validation des accumulations de neige simulées. Dans cette étude, des données de
télédétection fournies par MODIS sont combinées à des données in situ, permettant la
validation du stock de neige simulé par le modèle hydro-agroclimatologique SWAT, un
modèle hydrologique semi-distribué à base physique, qui est mis en œuvre sur la partie
dominée par la neige du bassin versant de la Garonne. La simulation de la neige a été
effectuée sans algorithmes ou procédures d'étalonnage complexes, mais en utilisant
l'option de bandes d'altitude incluse dans le modèle et les paramètres de neige
connexes.
La représentation de la couverture neigeuse ainsi que la simulation hydrologique ont

été réalisées par une calibration automatique du modèle, sur la période 2000-2010,
réalisée avec SWAT-Cup / SUFI2, en utilisant six stations de jaugeage hydrologiques
le long du continuum fluvial en aval de la zone dominée par la neige. Les résultats
soulignent trois points importants: i) la mise en place de bandes d'élévation sur la tête
de bassin montagneuse permet d’améliorer la simulation de la couche neigeuse, même
pour les stations éloignées en aval de la zone neigeuse. ii) En se basant sur la
comparaison avec les données MODIS, on constate que SWAT produit une bonne
représentation spatiale et temporelle de la couverture de neige, en dépit d'une légère
117
surestimation à la fin de la saison hivernale sur les bandes de plus haute altitude. Une
comparaison de l'estimation de l’équivalent en eau du manteau neigeux simulé par le
modèle avec des données in situ a révélé une sous-estimation dans la partie inférieure
du bassin et une légère surestimation dans sa partie supérieure. Ces erreurs sont liées et
proviennent de difficultés du modèle à intégrer les variations spatiales et temporelles
très locales du gradient orographique de précipitation. iii) Les bandes d'altitude ont
apporté des changements consistants dans la répartition de l’eau au sein du cycle
hydrologique des sous-bassins versants concernés, permettant une représentation plus
en accord avec le cheminement attendu de l’eau.
2. Abstract
Snow is an important hydrological reservoir within the water cycle, particularly when
the watershed includes a mountainous area. Modellers often overlook water stocked in
snow pack and its influence on water distribution, especially when only some portions
of the watershed is snow dominated. Snow is usually considered to improve
hydrological modelling statistics, but without any regard for the realism of its
representation or its influence on the hydrological cycle. This is all the more true when
semi-distributed models are used, often considered inadequate for spatially representing
such phenomena.
On the other hand, semi-distributed models are being increasingly used to realise water
budget assessment at a regional scale and such studies should not be realised without a
good representation of the snow pack. Lack of field measurements is also a frequent
justification for avoiding validating simulated snow packs. In this study, remote sensing
data provided by MODIS is combined with in situ data, enabling the validation of the
snow pack simulated by the Soil and Water Assessment Tool (SWAT), a semi-
distributed, physically-based model, implemented over a partly snow-dominated
watershed. Snow simulation was performed without complex algorithms or calibration
procedures, using the elevation bands option included in the model and related snow
parameters.
Representation of snow cover and hydrological simulation were achieved by a standard

automatic calibration of the model, over the 2000-2010 period, performed by SWAT-
Cup/SUFI2, using six hydrological gauging stations along the fluvial continuum
118
downstream of the snow-dominated area. Results highlight three important points: i)

Set-up of elevation bands over mountainous headwater improved hydrological
simulation performance, even well downstream of the snow-dominated area. ii) SWAT
produced a good spatial and temporal representation of the snow cover, using MODIS
data, despite a slight overestimation at the end of the snow season on the highest
elevation bands. A comparison of the model estimate of snowpack water content with
in situ data revealed an underestimation in water content in the lower part of the
watershed and a slight overestimation in its upper part. Those errors are linked and
originate from difficulties of the model to incorporate very local spatial and temporal
variations of the precipitation lapse rate. iii) Elevation bands brought consistent
changes in water distribution within the hydrological cycle of implemented watersheds,
which are more in line with expected flow paths.
3. Introduction
Water production is undeniably linked to mountainous areas that often contribute

between 40 % and 60 % of global discharge, an estimation that can increase regionally
up to 95 % (Viviroli and Weingartner, 1999; Viviroli et al., 2003). Therefore, in
hydrological modelling, snowfall, snow accumulation, and snowmelt are among
processes that have the greatest impact on the global water cycle. Differences in their
estimation may cause substantial changes to hydrological simulations (Verbunt et al.,
2003; Zeinivand and Smedt, 2009). This is all the more true when watersheds are
located wholly or partly in mountains where, by temporarily storing water, snow affects
the timing and amplitude of the seasonal hydrograph. Furthermore, many studies have
highlighted the importance of taking snow processes into account when evaluating
climate change impact (Douville et al., 2002; Barnett et al., 2005; Gurtz et al., 2005;
Viviroli et al., 2011).
Some models incorporate snow processes exclusively (Garen and Marks, 1996;
Coughlan and Running, 1997; DeBeer and Pomeroy, 2009; Martelloni et al., 2012),
using anything from a degree-day formulation to more complex energy budgeting to
simulate snowmelt. From an operational point of view, there are two main ways of
accounting for snow in hydrological models. The most common method is to use the
snow pack reservoir in the model only to improve performance on discharge
simulation, without verifying the adequacy of the snow pack simulation in terms of
119
water content, spatial distribution and temporal evolution (Wang and Melesse, 2005;
Troin and Caya, 2014). The second method simulates snowpack conditions
(Pradhanang et al., 2011) in order to obtain a good representation of the “snow water
storage” as a part of the hydrological cycle. The latter approach is often constrained by
the availability of in situ snow data with appropriate spatial and temporal resolutions.
In this context, remote sensing is a valuable source of critical data. For instance,
MODIS (Moderate Resolution Imaging Spectroradiometer) is one of the most used
remotely-sensed snow data sources (Klein and Barnett, 2003; Hall and Riggs, 2007).
Regardless of whether validating snowpack or not in a model, studies concerned with

the hydrological impact of snowmelt are often confined to watersheds immediately
downstream of the principal snow accumulation areas – often small in size. Few studies
have gone further by including downstream basins in their analysis. However, it is
essential to take the influence of snow on the hydrological cycle into account, to
improve water management on a larger scale, even if the watershed is not strictly snow
dominated.
The Soil Water Assessment Tool (SWAT) model (Arnold et al., 1993) is a physically-
based, comprehensive, continuous, semi-distributed and watershed-scale simulation
model that allows the simulation of a large number of physical processes. It has been
successfully implemented in many locations (Gassman et al., 2007; Douglas-Mankin et
al., 2010). It includes a snow module, allowing the delimitation of up to ten elevation
bands with associated temperature and precipitation lapse rates (Fontaine et al., 2002;
Luo et al., 2012; Rahman et al., 2013).
In a previous study, Zhang et al. (2008) tested the benefits on SWAT discharge and
runoff simulations to model snow without elevation bands, with elevation bands, and
even with another more complex algorithm: SNOW17. Their results showed that using
elevation bands is much more efficient than without. However, the use of a more
complex algorithm failed to enhance discharge simulation and their conclusions were
entirely based on hydrological performance and did not deal with the realism of snow
representation.
The present study attempts to take the analysis further. It looks at determining how far
SWAT is able to represent snow in terms of spatial and temporal distributions and
120
stored water quantity. The analysis relies on a standard calibration procedure, i.e. based
only on stream flow observations. No direct calibration of the snow pack or the snow
water equivalent is realized, but these are assessed using MODIS and in situ data.
Previous studies (Stehr et al., 2009; Hong et al., 2010; Ouyang et al., 2010; Park et al.,
2013; Strauch and Volk, 2013) have experimented using MODIS data, but simply to
validate SWAT streamflow simulations,. Only Stehr et al. (2009) have assessed the use
of MODIS as a source of snow distribution data for validate SWAT snow simulations
for a small, entirely snow-dominated basin, where no other data were available. The
present study examines a much larger area than the Stehr et al. (2009) study (455 km²),
focusing on the upper part of the Garonne River watershed (9200 km²), which drains a
mountainous region. Another limitation of our study is the lack of reservoir
management data to set up the SWAT model, a relatively common problem in
hydrology, given the difficulties associated with obtaining such data from operators.
The work presented here has thus been conducted without reservoir management data.
The last part of the paper is dedicated to analysing how changes in snow dynamics
representation influence SWAT water budget.
Several studies have been carried out in the investigated region. Fischer (1932); Pardé
(1936); Probst (1983) provide comprehensive hydrological descriptions of the Garonne
watershed. Voirin-Morel (2003) applied the hydrometeorological model ISBA-
MODCOU, while Sauquet et al. (2010) used MODCOU and GR4J to simulate
discharge over the Garonne river Watershed. Following from their work, Caballero et
al. (2007) and Dupeyrat et al. (2008) tested the response of the Garonne River to
climate change using CEQUEAU and ISBA-MODCOU.
Preliminary studies have also been performed using SWAT. Chea (2012) and Pinglot
(2012) assessed pros and cons of using SWAT over this diversified catchment. They
highlighted the important role played by snow accumulation and snow melt over the
catchment. However, most SWAT applications on the Garonne focused on low altitude
segments, deprived of the influence of snow (Boithias et al., 2011; Ferrant et al., 2011;
Oeurng et al., 2011b; Boithias, 2012).
Hence, the objectives of this study are: i) to explore the various snow representation
possibilities, including elevation bands, offered by SWAT; ii) to validate SWAT snow
121
simulations using MODIS data supplemented with in situ data; iii) to assess the impact
of different snow dynamics computation on SWAT water budgets.
4. Materials and methods
4.1. Study Area
The Garonne River is 525 km long and one of the principal fluvial systems in France,
draining a 55 000 km² area located in southwest France into the Atlantic Ocean. The
large range of altitudes and slopes within the watershed leads to a diversity of
hydrological behaviours that could be attributed to three geographic entities: the
Pyrenees to the south, the Massif Central to the north-east, and the plain between them
(Probst, 1983).
The Pyrenean portion of the watershed largely influences the hydrological regime and
consists of high mountains (some peaks exceed 3 000 m) above a large plain, whose
elevation is less than a few hundred meters (Figure III.1). This portion, which
represents nearly one sixth of the Garonne watershed and is largely influenced by
topographic factors (Probst, 1983), is the focus of the present study. The Pyrenees
portion of the Garonne river Watershed, which covers 9 200 km², has its outlet at Portet
where an average flow of 189 m3/s (1910-2013) has been reported. The highest
discharge on record reached 4,300 m3/s and the lowest was 23 m3/s. Over the same
period, when looking at inter-annual mean monthly values, the highest flows occurs in
May (348 m3/s) and the lowest in September (84 m3/s). Elevation ranges from 150 m to
3,145 m, while 44 % of the watershed has an elevation below 500 m and 20 % above
1,500 m. (Figure III.1). Land use analyses from Corine Land Cover maps (CLC, 2006)
reveal that the plain is dominated by crops and pastures. Agricultural activities
represent 49 % of the watershed, while the hillsides of the Pyrenees (35 % of the
watershed) are covered by forests. For altitudes above 2,500 m, vegetation is composed
of alpine grassland and shrub.
According to the FAO soil classification on the European Soils Data Base map (ESDB,
2006), the soil composition is dominated by different types of cambisols (65 % of the
catchment). Similar to the land use conditions, existing soil types differ with terrain
condition and altitude. In the plain, calcic cambisol (27%) is dominating on eutric
podzoluvisol (6%) orthic luvisol (6%) and fluvio-calcic fluvisoil (9%) that are present
122
along streams. Slopes of the Pyrenees are dominated by dystic cambisols (32%)
associated with orthic rendzina (5%). Above 2,500m, soil composition is divided
between humic cambisols (5%), ranker (6%), and lithosols (3%).
Climate across the entire Garonne watershed does not reflect the same level of
variability as for the Pyrenees. In the mountains, temperatures fall below freezing
during winter months, while the winter temperatures in the plain generally remain
positive. Dessens and Bücher (1997) stressed the variability of the Pyrenean
precipitation, especially in winter when totals may be up to three times higher in the
mountains than in the plain. In terms of temperature, analysis of Météo-France weather
data provides a good example of this variability. Throughout the 2000-2010 period,
mean minimum and maximum temperatures at the Genos station (1,250 m) in February
were - 3°C and 3.5°C respectively. For the same period, the Blagnac station (151 m),
only 120 km away, shows mean minimum and maximum temperatures of 3°C and
11.5°C (Figure III.1). Variability in air temperatures associated with altitude the terrain
causes irregularity in snow distribution: for instance the mountainous areas are snow
dominated during winter while snow is absent in the plain all year long.
The watershed is also impacted by human activities, mainly by the presence of several
dams obstructing the natural flow of the river. Subbasins 18, 24, 25, 26 and 27 (Figure
III.1) account for most of the reservoirs, which are primarily used for low flow support.
Consequently, those reservoirs impact the hydrologic regime during the summer and
the autumn but have a limited effect on the simulation of the snow processes. In
Sauquet et al. (2010) and Hendrickx and Sauquet (2013), observed discharge data and
naturalized discharge data are compared at four gauging stations : Valentine,
Roquefort, Foix and Portet (Figure III.1). This comparison highlights the limited
impact of human activities on discharge during winter. Of the four gauging stations,
only Foix seems to be partly impacted, over the January-March period. It should also
be noted that this influence is not transmitted downstream to the Portet station.
123
Figure III.1: Geographic situation of the headwater Garonne watershed
4.2. SWAT model
SWAT was developed to simulate the impact of land use changes on hydrology, water
quality and erosion. It is a semi-distributed model, based on a discretisation of the area.
The first step of this discretisation consists in dividing the watershed into sub-
watersheds, based on topography. SWAT then identifies hydrological response units
(HRUs) within each sub-watershed, based on soil, land use, and slope. The HRUs are
then used to compute a water balance based on four reservoirs: snow, soil, shallow
aquifer, and deep aquifer. The main hydrological processes include infiltration, runoff,
evapotranspiration, lateral flow, and percolation. Water balance computation is
performed at the HRU level, aggregated at the subbasins level, and routed toward the
reaches and the catchment outlet. The SWAT model has been chosen for this study
because it has been successfully applied worldwide, over a wide range of scales,
124
topographies, and climate conditions. It also allows the modeller to simulate various
hydrological fluxes and reservoirs including snow (Gassman et al., 2007; Douglas-
Mankin et al., 2010; Gassman et al., 2014). ArcSWAT 2012, which includes a GIS-
based graphical interface, has been used for this study to define subwatersheds, HRUs
and generate input files for the model.
For its water budget, SWAT distinguishes solid and liquid precipitation based on near-
surface air temperature. The snowfall temperature parameter (SFTMP) is compared to
the mean daily air temperature at subbasin scale; if it is lower than SFTMP,
precipitation is then considered solid. If precipitation is considered solid, it is
accumulated until snowmelt.
Snowmelt is mainly controlled by the air and snowpack temperature along with the
daylight hours. Water volume generated by snowmelt process over a subwatershed,
also depends on the extent of the snow cover. Table III.1 shows modifiable parameters
related to snow at the catchment level. A more comprehensive description of équations
used by SWAT can be found in Neitsch et al. (2011)
Tableau III.1: Modifiable snow parameters

SWAT parameters Description Default values
SFTMP Snowfall temperature 1.0°C
SMTMP Snowmelt temperature 0.5°C
SNO_SUB Initial snow water content 0 mmH2O
SNOCOVMX Snow water content for 100 % snow cover 1.0 mmH2O
Fraction of SNOCOVMX corresponding to 50 % snow
SNOW50COV 0.5
cover
SMFMX Snow melt factor on 21 June 4.5 mmH2O/°C-day
SMFMN Snow melt factor on 21 December 4.5 mmH2O/°C-day
TIMP Snowpack temperature lag factor 1.0
In SWAT, snowfall, snowpack, and snowmelt processes are always computed by the
model as soon as the temperature falls below the threshold of snowfall temperature. But
it also enables those processes to be spatially refined as a function of elevation. A
maximum of ten elevation bands can thus be defined for subbasins as appropriate.
Precipitation and temperature are then taken into account for each individual elevation
band, exploiting two lapse rates: one for temperature (tlaps in °C/km) and one for
precipitation (plaps in mm H2O/km/yr).
125
In this paper, the benefits of different snow computing and calibration options are
tested. Three different projects are set up: a first one, as a reference, without regard to
snow calibration, a second one using basin-scale global snow parameters, and a last one
using elevation band discretization and lapse rates. Table III.2 and Figure III.1 identify
the seven subbasins where this last variation has been implemented. (See section 2.4 for
more details)
SWAT elevation bands (Fontaine et al., 2002) are set up by specifying their number,
their mean elevation, and the proportion of the subbasin area they encompass.
However, there is no consensus in the literature on a recommended number of elevation
bands. Among the few studies dealing with this issue, some define bands as a function
of elevation (Fontaine et al., 2002; Stratton et al., 2009; Luo et al., 2012; Rahman et al.,
2013), while others define them as a function of area (Zhang et al., 2008; Stehr et al.,
2009; Pradhanang et al., 2011). The number of bands varies from 1 to 10. Fontaine et
al. (2002), who developed the snow module, found that using 5 altitudinal bands
improved simulation. As far as the authors are aware, only Pradhanang et al. (2011)
have compared simulations with various numbers of bands (0, 1, 3, and 5). They
concluded that using three or five elevation bands improved simulation. However, the
topography of their watershed was not as pronounced as for the Garonne: 800 m
instead of 2,530 m (Table III.2). Ten elevation bands were therefore set up here.
Tableau III.2 : Statistics on elevation (m), including snow dominated subbasins (grey)
(Locations are given in Figure1)
Elevation Elevation
Subbasin Min Max Mean Median Subbasin Min Max Mean Median
1 140 276 203.9 212 15 195 1597 439.9 386
2 142 286 204.8 207 16 270 1566 499.9 441
3 143 200 163.0 162 17 198 1690 506.5 404
4 154 342 230.9 232 18 197 2317 526.2 400
5 178 362 257.7 260 19 420 2119 957.1 877
6 157 394 242.2 235 20 480 2136 1001.3 960
7 157 587 314.9 317 21 390 2826 1222.5 1117
8 155 798 313.2 287 22 377 2172 873.8 801
9 192 746 360.4 348 23 392 2840 1198.4 1116
10 265 503 315.0 297 24 419 3139 1485.2 1459
11 264 539 389.0 386 25 480 3146 1536.9 1517
12 319 567 384.8 368 26 471 3086 1702.6 1709
13 360 710 456.9 438 27 473 2886 1532.0 1555
14 322 2102 760.3 633 28 503 2928 1721.1 1775
126
4.3. Model setup
4.3.1. GIS layer and meteorological data sets
Table III.3 identifies the data sources used to set up the model. In order to delineate the
watershed and compute the flow directions of the river system, a digital elevation
model (DEM) with a 90 m resolution from NASA and METI was employed (ASTER,
2011). Land uses come from the Corine Land Cover (CLC, 2006) map on a scale of
1:100,000. The catchment is divided up into 25 land use types. Soil data are derived
from the European Soil Database (ESDB, 2006) map on a scale of 1:1,000,000, which
relies on FAO soil classification adapted to SWAT by Chea (2012). Climate data
consist in daily time-step measurements from 12 Météo-France (French weather
forecasting agency) stations (Figure III.1), from January 1997 to December 2010.
Tableau III.3: Data sources
Data type Data source Scale

DEM NASA/METI (ASTER, 2011) Grid cell 90m x 90m
Land use Corine Land Cover (CLC, 2006) 1:100,000
Soil European Soil Database (ESDB, 2006) 1:1,000,000
Climate Météo-France (https://donneespubliques.meteofrance.fr/)
River discharge Banque Hydro (http://www.hydro.eaufrance.fr/)
Snow cover area National Snow and Ice Data Center (NSIDC) Grid cell 500m x 500m
4.3.2. Hydrological data
Monthly stream flow data from six selected gauging stations along the river continuum
were used to calibrate the model: Saint-Béat, Foix, Valentine, Roquefort, Auterive and
Portet (Figure III.1). This selection was intended to represent the topographic diversity
of the catchment – some are located in the mountain range and others in the plain.
Some of those stations are present on the Garonne River (Saint-Béat, Valentine, Portet)
while others are on its main tributaries: the Salat (Roquefort) and the Ariège Rivers
(Foix and Auterive). The aim was to perform a calibration along the river continuum.
Data originate from the Banque Hydro national database and cover the period from
1997 to 2010. The only data missing over this period are: December 2008 for the
Valentine station and July to November 2000 for the Auterive station.
127
4.3.3. Snow covers data: MODIS and In situ data
Snow cover area data were extracted from the MOD10A2 product version 5 (Hall et al.,
2006). MOD10A2 provides syntheses of the maximum snow extent over a compositing
period of eight days from February 2000 to the present. For each pixel, MOD10A2
indicates whether snow was detected at least once over a period of eight days (snow
presence or absence). This product is generated using observations from the Moderate
Resolution Imaging Spectroradiometer (MODIS) on board NASA’s Terra satellite. The
original grid spatial resolution is close to 500 m. The MOD10 series snow products
have been extensively validated in various environments, including mid-latitude
mountainous areas (Hall and Riggs, 2007). MOD10A2 is well suited to hydrological
studies because most of the cloud-covered pixels are eliminated by the compositing
procedure (Magand et al., 2013). However, cloud-covered pixels will remain in the
MOD10A2 synthesis whenever clouds persist more than eight days. Missing data have
been interpolated in order to allow a direct comparison with the model output as
described in (Gascoin et al., 2015).
MOD10A2 tiles over the Pyrenees were first assembled and reprojected in the
Lambert-93 reference system at 500 m resolution using the nearest-neighbour option in
the MODIS Reprojection Tool (Dwyer and Schmidt, 2006). A simple gap-filling
algorithm adapted from Parajka and Blöschl (2008) was then applied to interpolate the
remaining pixels obstructed by clouds. The algorithm works in three sequential steps:
(i) spatial filter: each cloud pixel is reclassified as snow (no snow) if at least five of the
eight adjacent pixels are classified as snow (no snow); (ii) temporal filter: a cloud pixel
is reclassified as snow (no snow) if the same pixel is classified as snow in both the
preceding and the following grid (i.e. in the previous and the subsequent eight-day
syntheses). This temporal filter can be extended to the grids n+2 and/or n-2 if cloud
obstruction persists in grids n+1 and/or n-1; (iii) the remaining cloud-covered pixels are
reclassified on an image basis using a classification tree taking into account four
prediction variables derived from the location and the topography (pixel elevation,
aspect, northing and easting). The resulting gap-free product was extracted from the
seven snow-dominated subbasins of the study area (Tab. 2) to compute the snow cover
area time series at the eight-day time step. However, MOD10A2 data before gap-filling
were used for the spatial comparison with the model results (see point 3.1).
128
Manual snowpack measurements from six Météo-France sites (Figure1) are available
from 2000 to 2010 at a daily time step (https://donneespubliques.meteofrance.fr/). They
are spread across subbasins 23, 24, and 25. Two monitoring stations at different
elevations are present in each of those subbasins. Table III.4 provides details of their
elevation, location, affiliated subbasin and elevation band numbers.
Tableau III.4 : Snow monitoring information
Station name Elevation(m) Lat Long Subbasin Band

Aulus les Bains 733 42°48’N 1°20’E 23 2
Port d’Aulas Nivose 2140 42°46’N 1°07’E 23 8
St Lary Soulan 827 42°49’N 0°19’E 24 2
Eget 1016 42°47’N 0°16’E 24 3
St Paul d’Oueil 1115 42°50’N 0°33’E 25 3
Maupas-Nivose 2430 42°43’N 0°33’E 25 8
4.4. Model sensitivity analysis and calibration
Model sensitivity analysis and calibration were performed for three SWAT projects.
The reference project uses standard parameters and default values for the snow
parameters (and no elevation bands). These parameters are then passed to the following
two projects. The snow parameters project, as suggested by its name, identifies the
snow parameters but not the elevation band parameters. Finally, the elevation bands
project adds ten elevation bands to the snow-dominated subbasins.
Sensitivity analysis and calibration were undertaken by SWAT-Cup (Abbaspour,

2013), and its SUFI-2 algorithm (Abbaspour et al., 2004). SWAT-Cup is an external
software tool allowing SWAT users to realise automatic calibration with more comfort
and efficiency, which has been used increasingly by the SWAT community (Arnold et
al., 2012b). In SWAT-Cup, users have the option between different calibration
algorithms of which SUFI-2 is known to achieve a good calibration performance in a
limited number of iterations (Yang et al., 2008).
A large number of parameters may be calibrated through SWAT-Cup, making SWAT a

very adaptive model. Only a subset of them may actually be selected for a sensitivity
analysis. In this study, the initial parameter selection was interpreted on previous
SWAT modelling across the Pyrenees and the Garonne watershed (Oeurng et al.,
2011b; Boithias, 2012; Chea, 2012; Pinglot, 2012).
129
The sensitivity analysis methodology follows the one-at-a-time procedure proposed in

Abbaspour (2013). This procedure tests SWAT sensitivity to changes in a parameter,
when all other parameters are kept constant. Sampling relies on the latin hypercube
method (McKay et al., 1979) in order to cover all the domain of variation of the
parameters, dividing the user-defined ranges into several subranges of equal
probability. In all, 32 parameters were considered (Table III.5): 21 hydrological
parameters for the reference project, 8 for the snow parameters project and 3 for the
elevation bands project. Five runs were performed over the ten-year period from 2000
to 2010, preceded by a three-year warming period (1997-2000).
Tableau III.5: Parameters considered for the sensitivity analysis
Parameters Description Min Max Default

HYDOLOGICAL PARAMETERS
EPCO Plant uptake compensation factor 1 0 1
SURLAG Surface runoff lag time 0.5 1 4
GW_Delay Groundwater delay 0 500 31
GW_Revap Groundwater “revap” coefficient. 0.02 0.2 0.02
GWQMN Threshold in the shallow aquifer for return flow to occur 0 5000 1000
GWHT Initial groundwater height 0 25 1
GW_SPYLD Specific yield of the shallow aquifer 0 0.4 0.003
SHALLST Initial depth of water in the shallow aquifer 0 50000 500
DEEPST Initial depth of water in the deep aquifer 0 50000 1000
ALPHA_BF Base flow alpha factor (days) 0 1 0.048
REVAPMN Threshold in the shallow aquifer for “revap” to occur 0 500 0
RCHRG_DP Deep aquifer percolation fraction 0 1 0.05
ESCO Soil evaporation compensation factor 0 1 0.95
CN2 (relative test) SCS runoff curve number -0.2 0.2 HRU
CANMX Maximum canopy storage 0 100 HRU
OV_N Manning’s “n” value for overland flow 0.01 30 HRU
SOL_AWC (relative test) Available water capacity of the soil layer -0.5 0.5 soil layer
SOL_K (relative test) Saturated hydraulic conductivity -10 10 soil layer
SOL_Z (relative test) Depth from soil surface to bottom of layer -500 500 soil layer
EVRCH Reach evaporation adjustment factor 0.5 1 1
EVLAI LAI at which no evaporation occurs from water surface 0 10 3
SNOW PARAMETERS
SFTMP Snowfall temperature -10 10 4.5
SMTMP Snowmelt base temperature -10 10 4.5
TIMP Snowpack temperature lag factor 0 1 1
SMFMX Maximum melt rate for snow during year (summer solstice) 0 20 1
SMFMN Minimum melt rate for snow during year (winter solstice) 0 20 0.5
SNOW50COV Snow water equivalent that corresponds to 50% snow cover 0 1 0.5
SNOWCOVMX Snow water content that corresponds to 100% snow cover 0 100 1
SNO_SUB Initial snow water content 0 300 0
ELEVATION BAND PARAMETERS
TLAPS Temperature lapse rate -10 10 -6
PLAPS Precipitation lapse rate -100 500 0
SNOEB Initial snow water content in elevation bands 0 300 0
Once sensitive parameters have been identified, a 1500-run calibrations, as

recommended in Yang et al. (2008), were performed three time (one for each project),
for the six gauging stations identified in Figure III.1. SWAT-Cup allows the user to
select subbasins for calibration. In order to avoid possible conflict caused by the use of
hydrologically-connected gauging stations, three groups of subbasins were created.
130
Parameters were thus identified in three steps from upstream to downstream, leading to
different values for each group. Group 1 included subbasins upstream of Saint-Béat,
Roquefort and Foix; Group 2 included the remaining subbasins upstream of Portet:
Valentine and Auterive; Group 3 is the outlet of the catchment: Portet. Snow
parameters for the other two projects were identified in a second step, but at catchment
scale, using all six gauging stations simultaneously. Elevation band parameters were
finally identified, at subbasin scale, for snow-dominated subbasins (Table III.2), using
all six gauging stations simultaneously. Calibration and performance criterion
calculations have been performed without regard to missing data, as allowed by
SWAT-Cup. For each gauging station, calibration was conducted using the Nash-
Sutcliffe criterion (NS) (Nash and Sutcliffe, 1970) as the objective function. This
metric is normalized in order to allow comparing between the variance of the observed
dataset and the existing residual variance between this same observed dataset and the
simulated one. NS ranges from -∞ to 1 and is sensitive to large errors. The NS equals 0
when the model is as accurate as the mean of the observed data set and NS equals 1
when the model offers a perfect fit. After calibration, performance was also evaluated
based on the percent bias (Pbias). This second metric measures the average bias
existing between simulated and observed data. It is given as a percentage. A negative
value indicates underestimation while a positive value indicates overestimation. Bias is
nil when Pbias equals 0.
4.5. Validation of snow simulation
MODIS and in situ data are only used for validation. Neither of them can be used for
calibration. SWAT computes snow water equivalence – discretised or not by elevation
band – when MODIS detects the presence of snow in term of surface and in situ data
would have required a very dense spatial density for calibration, which is not available.
After calibration, MODIS and the observed snow data were used to validate SWAT
snow simulation. Simulated spatial and temporal series were compared to MODIS data
and temporal series to in situ snowpack observations.
Spatial analysis compares snow presence and absence for specific days: during the
maximum extent of the snow period and at the end of the snow period, when the snow
is melting and its extent reduced, i.e. around mid-February for the maximum extent and
131
in May for the end of the melting period. The MODIS detection level was estimated to
be about 15 mm of snow water equivalent (SWE) following Klein and Barnett (2003).
Accordingly, the presence of snow in SWAT maps was confirmed only for simulated
SWE above 15 mm, based on the average value for all HRUs present per elevation
band.
Temporal analysis was performed on each snow-dominated subbasin, comparing SWE

in two different ways: MODIS and manual observations. For MODIS, the validation
was undertaken at subbasin scale, by averaging daily SWE values of all bands on every
subbasin over the entire simulation period. For the in situ observation, validation was
performed at the station scale. Since only the snowpack depth was actually measured,
snowpack densities between 0.2 and 0.45, typical of the Pyrenees (Fassnacht et al.,
2010; Lopez-Moreno et al., 2013), were explored to allow a comparison of SWE and
SWAT outputs.
5. Results
5.1. Model performance
The sensitivity analysis identified the most influential parameters for each project
(Table III.6) from the initial list given in Table III.5. Ten of the twenty-one
hydrological parameters influence the variance of the first SWAT project, while the
majority of the snow and elevation band parameters are also retained for the same
reasons.
Tableau III.6: Influential parameters
Hydrological parameters Snow parameters Elevation band parameters

GW_Delay RCHRG_DP SMFMX SMTMP TLAPS
GW_Revap ESCO SMFMN TIMP PLAPS
GWQMN CN2 SNOW50COV
ALPHA_BF CANMX SNOWCOVMX
REVAPMN SOL_AWC SFTMP
Calibrated values for each group of subbasins created for the abovementioned reasons
are presented in Table III.7.
132
Tableau III.7: Calibrated values for each project
Reference project
Parameters Calibration Range Calibrated values
Subbasins calibrated:
Group 1 Group 2 Group 3
CN2.mgt (Relative from HRU values) -0.1/+.01 +0.065 -0.020 -0.06
SOL_AWC.sol (Relative from Soils layers values) -0.05/+0.05 -0.038 -0.042 -0.004
GW_DELAY.gw (Relative from default values=31) -30/60 4.63 87.19 22.15
GWQMN.gw (Relative from default values=1000) -500/500 1033.67 806.33 679.00
GW_REVAP.gw 0.02/0.2 0.10 0.12 0.03
RCHRG_DP.gw (Relative from default values=0.05) -0.04/0.04 0.04 0.05 0.04
ALPHA_BF.gw 0/1 0.23 0.25 0.75
REVAPMN.gw 0/1000 467.00 449.67 583.00
CANMX.hru 0/30 16.81 19.57 0.39
ESCO.hru 0.5/0.95 0.56 0.80 0.85
Snow parameters project
Subbasins calibrated:
All (catchment scale)
SFTMP.bsn -2/2 1.30
SMTMP.bsn -2/2 1.97
SMFMX.bsn 2/6 4.96
SMFMN.bsn 2/6 3.16
TIMP.bsn 0/1 0.14
SNOCOVMX.bsn 0/50 38.38
SNO50COV.bsn 0.3/0.7 0.50
Elevation bands project
Subbasins calibrated
Snow dominated
All (catchment scale)
subbasins
SFTMP.bsn -2/2 1.52
SMTMP.bsn -2/2 -0.49
SMFMX.bsn 2/6 3.05
SMFMN.bsn 2/6 5.84
TIMP.bsn 0/1 0.54
SNOCOVMX.bsn 0/50 29.48
SNO50COV.bsn 0.3/0.7 0.64
TLAPS.sub (Relative from default values= -6) -2/2 -0.61 (= -6.61)
PLAPS.sub (Relative from default values=200) -100/500 +423.40 (= 623.40)
The results associated with each project are illustrated in Table III.8. The performance
of the reference project is poor overall: the mean NS criterion for monthly discharge
reaches only 0.22, while Pbias is 24.5%. Only one gauging station has NS higher than
0.5. Retaining those calibrated hydrological parameters and identifying snow
parameters (snow parameters project) worsened performance: a mean NS of 0.15 and
Pbias of 39.83%. Even though NS improved at the final outlet (Portet), seeking snow
parameters that are valid for all mountainous elevations proved to be difficult, if not
impossible. Indeed, results for some stations are improved (Valentine, Portet) while
others are worse (Roquefort, Auterive), creating inconsistency in performance at
catchment scale. Pbias followed a similar trend, since only Valentine and Portet
improved compared with the reference project. On the other hand, the elevation bands
project led to a better performance: mean NS of 0.53 and Pbias of 3.98. Performances
in terms of NS are now more consistent with the ones in the reference project. Except
for Valentine, all gauging stations improved in performance. It is also noteworthy that
133
the improvement is not only limited to the snow-dominated subbasins, but is also
transmitted down to the outlet of the catchment (Portet), located tens of kilometres into
the plain and where the largest gain in realised: NS of 0.88 instead of 0.21 and Pbias of
1 instead of 47.3.
Tableau III.8 : Calibration performance: NS and P-bias for each gauging station at a monthly time step and for each
calibration project: reference, snow parameters and elevation bands projects
Snow parameters Elevation bands

Reference Project
Project project
P-Bias P-Bias
NS NS P-Bias (%) NS
(%) (%)
Saint Béat 0.18 4.4 0.24 22.3 0.48 -15.1
Foix 0.14 37.4 -0.16 56.5 0.61 25.7
Roquefort 0.67 16.7 -0.03 57.8 0.69 0.2
Valentine 0.3 -15 0.75 1.4 0.28 -34.2
Auterive -0.17 56.2 -0.46 66.5 0.18 46.3
Portet 0.21 47.3 0.57 34.5 0.88 1
5.2. Snow simulation
Streamflow simulation is improved introducing elevation bands to the model setup.

This study tries to go further by considering the temporal evolution of the simulated
snow cover. The latter was assessed comparing SWAT outputs to MODIS data at 10
February 2005, which roughly corresponds to the maximum snow cover (Figure III.2-
A), and at 10 May 2005, which is typical of the end of the snow season (Figure III.3-
B). SWAT snow cover in Figure III.2-A is fairly consistent with MODIS data,
especially for subbasins 21 and 26. It is somehow underestimated in subbasins 27, 24,
and 25 and overestimated in subbasin 23 where the largest disparity is noticed. On the
other hand, SWAT melting lags MODIS data in Figure III.2-B, but snow is then limited
to the mountain tops. Overall representation of snow in Figure III.2-B is slightly
overestimated by SWAT. Subbasins 27 and 24, where snow is underestimated during
snow season, improve during the melting period.
134
Figure III.2 : Snow comparison. A) 10 February 2005 B) 10 May 2005
The previous analysis was complemented by a time-series comparison of the MODIS

percentage of snow cover and SWAT snow water equivalent for the entire ten-year
period. Figure III.3 illustrates the extent of snow cover period. The MODIS data depict
the surface area covered by snow, while SWAT provides snow water equivalent values.
For most years and subbasins, SWAT and MODIS snow season begins simultaneously,
even if a delay is noticeable for SWAT in 2005 or 2007 and for some subbasins in
2006. There is less agreement at the end of the snowmelt period, when SWAT
maintains snow longer than that reported by MODIS data, as in Figure III.2. The peak
of the snowpack also occurs later for SWAT than for MODIS.
135
Figure III.3 : Temporal snow comparison. Solid black line represents the daily percentage of snow cover detected
by MODIS at subbasin scale, while grey surface is SWAT snow equivalent
A comparison was also carried out between SWAT snow water equivalent and a range
of snow water equivalent values calculated from the snowpack depth time series (2000-
2010). However, for the sake of clarity, the analysis presented here focused on the
2004-2005 snow accumulation and melting periods, which offered the widest spatial
136
coverage – in practice, only the Maupas-Nivose site is affected by missing data, so

2003-2004 is used at that site instead. As a first step, Figure III.4 compares SWAT
snow outputs for the elevation bands to which the stations belong, and to the upper or
lower bands for completeness.
Figure III.4 : Snow water equivalent comparison between SWAT and a range of possible values calculated from
observations.
The comparison reveals the altitudinal distribution of the snow water equivalent within
SWAT. Simulations for the highest sites, Port d’Aulus Nivose and Maupas Nivose
(elevation band 8), overestimate the snowpack while lower elevation bands offer a
closer fit to the observations. The same discrepancy occurs for the lower stations
(Aulus-les-Bain, Saint Larry Soulan, Eget, Saint Paul d’Oueil) where higher bands
offer a better agreement to the observations. These findings are consistent with the
previous spatial and temporal analyses.
137
6. Discussion
6.1. Model sensitivity analysis and calibration
Parameters deemed influential by the sensitivity analysis are consistent with those of
other studies, particularly Stratton et al. (2009) where sensitivity is explored in the
context of water budget under snow influence. The two main differences concern
ground water delay and maximum canopy storage. Ground water delay (GW_DELAY)
is lower in the upper part of the catchment because of its altitudinal soil structure and
slope that favour water circulating faster than in the plain. The presence of a dam
upstream of the Valentine gauging station may also provide an explanation. For the
same reason, canopy storage (CANMAX) differs since the upper part is mostly forested
and the lower parts foster agricultural grassland and fields.
Important similarities between parameters considered as sensitive can also be observed

in Palazón and Navas (2014). In this work, conducted over a proximal watershed on the
Spanish side of the Pyrenees, sensitive parameters related to groundwater circulation
and snow are identical. The only difference is this initial volume of water in the
aquifers, which are not considered sensitive in our case, as regard of the 3 years
warmup period performed.
Only two elevation band parameters are non-influential: the initial water content
parameters SNO_SUB and SNOEB. Insensitivity may originate from using a three-year
warming period, which diminishes their influence on the variance of the model outputs
by balancing this reservoir before the first year of simulation. Differences between the
snow parameters project and elevation bands project culminate in the snowpack lag
factor (TIMP) and snow melt temperature (SMTMP). In the snow parameters project,
SMTMP appeared slightly too high (1.97 °C), but the use of elevation bands reduced it
to a more likely value (-0.49 °C). PLAPS and TLAPS calibrated value are consistent
with values used by Palazón and Navas (2014) where TLAPS values is set to -
5.0C°/km and PLAPS is set to values between 550 and 1000 mm/km depending on the
watershed considered.
The performance of the reference project stresses the possible drawbacks of calibrating
a project when only the upper part of the catchment is snow dominated. Improving the
simulation identifying snow parameters at basin scale is not very effective either.
138
However, identification of the elevation band parameters clearly improved the

performance, not only for the snow-dominated subbasins, but also for the plain
downstream.
6.2. Validation of snow simulation
SWAT elevation bands improve hydrological performance and lead to plausible

snowpack simulations. Highlights of some elements of the analysis are summarized
below:
First, comparison of snow simulations, with in situ data revealed a non-homogeneous

error: snow is overestimated in higher elevations and underestimated in lower ones.
The fact that the error is not a function of altitude impedes any improvement based on
linear temperature or precipitation lapse rates alone. As underlined by many authors,
e.g. Kirchner et al. (2013) and Minder et al. (2010), orogenic lapse rate is a complex
phenomenon, highly dependent on local topographic factors, such as valley shapes,
seasonal variations, and temporal phenomena such as temperature inversion and foehn
wind. Rijckborst (1967) analysed precipitation measurements over the upper part of the
Garonne – corresponding to subbasin 28 in Fig1 – and found lapse rate from 340 to 880
mm/km/year. Castellani (1986) in northern Alps, founds that area judged as
homogeneous in terms of precipitation, lapse rates from 200 to 600 mm/km/yr. Hence,
the identification of a single temperature and precipitation lapse rates over large
watersheds will inevitably lead to errors. Winter temperature inversion is also a
common phenomenon across the Pyrenean area (Pepin and Kidd, 2006; Pagès and
Miró, 2010). It could lead to a reduction in snowfall uphill and an increase downhill,
which is consistent with the SWAT snowpack simulation error.
Second, a consequence of the overestimation in higher elevations, the snow cover area
near the end of the melting period and the snowmelt duration are also overestimated.
However, SWAT could only compute snow on each elevation band – a finite entity –
which is restrictive. Elevation bands represent, in some way, the maximum spatial
resolution of the model. Snow in the higher parts of subbasins is definitely a sensitive
part of the computation process, which specifically could require more resolution. On
the basis of that assessment, two options appear feasible: modify the SWAT model to
compute more bands, thereby increasing the model resolution, or use the ten bands
139
already available differently, by not setting them up regularly from top to bottom, but
with thinner bands in the upper part. However, the present study deals with bands that
are set up using an equal elevation fraction (10 %) and does not test snow simulation
driven by computation using bands of an equal area fraction. By using irregularly
spaced elevation bands with thinner bands at higher altitudes, covering a smallest
surface and elevation range, resolution in the higher elevation will be increased. As
SWAT uses the mean elevation in each band to compute the change in temperature and
precipitation, the increased elevation range represented by upper bands could reduce
the overestimation observed in the present study. Weather data are also essential
parameters in the snow simulation process. This study was developed using 12 different
weather stations (Figure III.1), which is a substantial number for this 9,200 km²
catchment in comparison to other successful studies (Stehr et al., 2009; Bieger et al.,
2014). Moreover, data from each station can be considered reliable, with the mean rate
of missing values over the simulated period being 0.25 % for temperature data and
0.5% for precipitation data.
Finally, scarcity of reservoir management data doesn’t seem to be determining in the

snow dynamics simulation, even after calibration process. When comparing subbasins
affected by reservoir management, particularly for subbasin 26 and 27, which were
found to be the most impacted during winter (Sauquet et al., 2010), and non-impacted
subwatershed (21, 23, and 28), no substantial difference can be detected between snow
simulation error time series, after validation with the MODIS data.
6.3. Impact on the hydrological cycle
Modifications in snow dynamics will drive changes in SWAT water partitioning at

subbasin scales.
Introduction of elevation bands and their associated parameters, such as the

precipitation lapse rate, change the estimated volume of precipitation received by each
subbasin. Table III.9 highlights this variation from one SWAT project to the others.
Changes are substantial for subbasins 27 and 21 in which the increase of annual
precipitation volume is more than 50% - note than both subbasins underestimated the
mean annual precipitation when simulated without elevation bands. This may result
from the use of a unique weather data for the entire subbasins and from station site
140
elevation much closer to the valley than to the mountain peaks. For instance, subbasin
21 relies only on the St Giron weather station (elevation of 414 m) when the subbasin
elevation varies from 390 to 2826 m, leading to a possibly wrong total precipitation. On
the other hand, precipitation lapse rates were calibrated here from seven snow-
dominated subbasins and may not be pertinent for neighbour subbasins. This is likely
the case for subbasin 23 where an overestimation of snow cover extent has been
detected.
Tableau III.9: Mean Annual precipitations (mm/year) for hydrologic years (from September to August) over 2000-
2010 for each snow dominated subwatershed.
A=Reference project; B = Snow parameters project; C = Elevation bands project.
Subwatersheds 28 27 26 25 24 23 21
A/B 1558 876 1625 1558 1558 1625 918
C 1845 1372 2292 1904 1885 2188 1528
Var % +18 +57 +41 +22 +21 +35 +66
The presence or absence of snow cover will also strongly affect the water balance.
Therefore, it differs from one project to the others, especially runoff, infiltration and
actual evapotranspiration (AET), allowing more water to be stored in the watershed as
snow and soil moisture. Table III.10 illustrates differences in the annual water
partitioning for each subbasin. AET is the main water flux before introduction of
elevation bands on the model set up. When using elevation bands, fraction of annually
evapotranspirated water decrease. Infiltration then becomes the main water flux along
with runoff.
No field data are available for comparison, but values of water partitioning obtained
from the elevation bands project are more consistent with previous studies over similar
snow-dominated subbasins. Etchevers (2000), using the ISBA-CROCUS model over
some snow-dominated alpine watersheds, found a AET fraction ranging from 24.1% to
35.8%, infiltration from 50% to 57%, and runoff from 11.5% and 21.3%. Habets et al.
(1999) obtained similar result when studying the Upper Rhône watersheds: an AET of
about 25%. Habets et al. (2008), at national scale, find for most part of our catchment,
an annual mean ratio of evaporation to precipitation lower than 0.25.
Changes in annual values are mainly due to modification of the snow cover dynamics
and present a great level of disparity depending on seasonality.
141
Tableau III.10 : Water partitioning within snow-dominated subbasins.

Mean Annual data over 2000-2010 (hydrologic years from September to August).
Subwatershed 28 27 26 25 24 23 21
Precipitation mm 1558 876 1625 1558 1558 1625 918

Reference Project
mm 822 662 878 813 792 982 817

Evapotranspiration
% 53 76 54 52 51 60 89
mm 346 66 338 192 318 169 62
Runoff
% 22 8 21 12 20 10 7
mm 389 148 408 552 448 474 39
Infiltration
% 25 17 25 35 29 29 4
Elevation bands project Snow parameters project

mm 768 602 858 753 746 952 811
Evapotranspiration
% 49 69 53 48 48 59 88
mm 351 73 341 201 320 176 63
Runoff
% 23 8 21 13 21 11 7
mm 439 200 427 603 491 497 44
Infiltration
% 28 23 26 39 32 31 5
mm 435 473 370 285 353 378 309
Evapotranspiration
% 24 35 16 15 19 17 20
mm 619 226 759 410 599 441 359
Runoff
% 34 16 33 22 32 20 24
mm 791 672 1162 1210 932 1369 860
Infiltration
% 43 49 51 64 49 63 56
Figure III.5 illustrates differences between each project at a monthly time step. Strong
seasonal differences appear: the presences of a spring snow cover on the upper part of
the watersheds influence clearly the ratio between infiltrated and evapotranspirated
water. In SWAT, when a snow cover is present, melt water is added to the precipitation
and partitioned between only runoff and infiltration (evaporation is automatically
excluded). Sublimation of snow is included in the AET calculations, but its impact
appears limited on the global balance. The decrease in air temperature that results from
the use of elevation bands will also be detrimental to AET over the year.
142
Figure III.5 : Monthly mean values of snow dominated subwatershed over 2000-2010
As suspected, modifications in the upper part of the subbasins change the hydrological
behaviour from upstream to downstream. As discussed in Section 3.1, a better
representation of the snow related processes have allowed simulation improvements.
For instance, Figure III.6 details the hydrograph for each gauging station and project.
As suggested by the improvement in performance, hydrographs from the elevation

band project provide a better fit to the observed values, mainly for high flows in spring
and summer - excluding Auterive gauging station which flows are underestimated in all
three projects. The reference project produces high flow peak that are well
synchronised with the observations but that underestimates them notably. The snow
parameters project most of the time performs better in term of magnitude but not in
terms of synchronicity.
143
Figure III.6 : Hydrographs for the 6 gauging stations
Low flows are not improved by introducing elevation bands. Dessens and Bücher
(1997) highlighted that the Pyreneans precipitation lapse rate varies seasonally: it was
found twice more important in winter than in summer. Introduction of a yearly
homogenous lapse rate, as in SWAT, may thus lead to hydrological modelling errors.
7. Conclusion
Comparison of three calibration projects revealed that the implementation of elevation

bands and their associated altitudinal lapse rates had a positive impact on the
hydrological simulation of the Upper Garonne watershed. Without elevation bands, the
identification of snow-related parameters alone failed to improve the reference project
notably. In fact, it turned out somehow detrimental, producing gains at some sites but
losses at others. The positive impact of the elevation bands cascaded downstream (large
improvement at Portlet), which is extremely positive for the modelling of the whole
watershed. In accordance with Zhang et al. (2008), this conclusion emphasises the
importance of spatially detailed snow computation.
144
The accuracy of SWAT snow simulations was compared with MODIS and snowpack
depth data. The former confirmed the reasonably good quality of the SWAT spatial
representation of the snow presence, despite the lack of reservoir management data
insofar as those reservoirs are mostly used for low flow support. However, SWAT also
slightly overestimated the snow cover at the end of snow season and delays the snow
water equivalent peak and the end of the snowmelt. Comparison with the snow depth
time series revealed that SWAT overestimates snow water content in higher elevations
and underestimates it in lower ones. Overestimation of snow in term of extent and
timing at the end of the snowmelt is directly related to the overestimation of snow
water content in the upper elevation bands.
Increases in annual precipitation induced by a linear and yearly homogenous

precipitation lapse rate calibrated over the overall watershed revealed the limits of
SWAT dealing with the spatial (nonlinearity in terms of elevation) and temporal
variabilities (variation over the year). Inclusion of lapse rates influenced the water
partitioning in snow-dominated subbasins. The runoff and infiltration increase across
affected subbasins, when evapotranspiration decreases under the effect of a snow cover.
Water budget computed by the elevation band project turned out more in accordance
with similar findings on other catchments. Stream flows are also improved by elevation
bands. Simulated high discharge peaks, supported by a larger groundwater contribution
and a more persistent snow cover, are time-shifted and their amplitude extended.
The importance of snow simulation processes and associated parameters has been
highlighted. Even though snow-dominated areas represented just a portion of the
catchment, it is beneficial to use elevation bands. This enhancement echoes the ability
of SWAT in representing the snow cover. It is recommended to eventually compare the
two available definitions of elevation bands in SWAT: area and elevation. This subject
will need to be explored in further studies in order to test the difference between each
option in regard to snow simulation. Beyond those considerations and the reasonably
good representation of the snow accumulation and melt obtained in this study, there are
still place for further improvements. For instance, lapse rates computations remain
problematic because of their spatiotemporal variability. Snow representation could
probably be improved if each snow-dominated subbasin could be calibrated
individually with a dedicated gauging station and weather station. One may also
consider a lapse rate that varies seasonally.
145
Acknowledgements
Authors acknowledge the financial support given by the Natural Sciences and
Engineering Research Council of Canada and the Institut Hydro-Québec en
environnement, développement et société. Simon Gascoin was supported by the
Pyrenees Climate Change Observatory (OPCC-POCTEFA EFA 235/11). Collaboration
with Simon Gascoin was part of the REGARD project (Modélisation des ressources en
eau sur le bassin de la Garonne: interaction entre les composantes naturelles et
anthropiques et apport de la télédétection) - RTRA Sciences et Technologies pour
l’Aéronautique et l’Espace - 2014-2017.
We sincerely thank Météo-France for meteorological data and AEAG for hydrological
discharge data providing
146
Chapter 5: Testing the SWAT model with gridded weather data of different spatial resolutions
ARTICLE EN REVISION
ASCE Journal of Hydrologic Engineering
Chapter 5: Testing the SWAT model with

gridded weather data of different spatial
resolutions
Youen Grusson (a), François Anctil (b), Sabine Sauvage(c), José Miguel
Sánchez Pérez(d)
a
Ph.D student, Chaire de recherche EDS en prévisions et actions hydrologiques, Department
of Civil and Water Engineering, Université Laval, Québec, G1V 0A6, Canada & University of
Toulouse; INPT, UPS; Laboratoire Ecologie Fonctionnelle et Environnement (EcoLab),
Avenue de l’Agrobiopole, 31326 Castanet Tolosan Cedex, France. E-mail :
youen.grusson.1@ulaval.ca
b Professor, chaire de recherche EDS en prévisions et actions hydrologiques, Department of

Civil and Water Engineering, Université Laval, Québec, G1V 0A6, Canada. E-mail
francois.anctil@gci.ulaval.ca
c
Research Engineer, CNRS, EcoLab, 31326 Castanet Tolosan Cedex, France & University of
Toulouse; INPT, UPS; Laboratoire Ecologie Fonctionnelle et Environnement (EcoLab),
Avenue de l’Agrobiopole, 31326 Castanet Tolosan Cedex, France.
d
Professor, CNRS, EcoLab, 31326 Castanet Tolosan Cedex, France & University of Toulouse;
INPT, UPS; Laboratoire Ecologie Fonctionnelle et Environnement (EcoLab), Avenue de
l’Agrobiopole, 31326 Castanet Tolosan Cedex, France. E-mail : jose.sanchez@univ-tlse3.fr
147
148
1. Résumé en français
Cette étude explore l'influence de la résolution spatiale d'une grille de données

météorologique quand elle est utilisée comme entrée du modèle hydrologique « Soil
and Water Assessment Tool » (SWAT), sur le bassin versant de la Garonne. Cette
étude est réalisée en comparant plusieurs produits climatiques: stations
météorologiques au sol, produit SAFRAN à 8 km, produit CFSR à 0,5° et plusieurs
grilles dérivées du produit SAFRAN descendues à l’échelle 16, 32, 64 et 128 km. Le
modèle SWAT, calibré sur les stations météorologiques, est ensuite utilisé
successivement avec chaque produit. Les performances du produit SAFRAN à 64 ou
128 km sont peu satisfaisantes, principalement à cause d’une réduction de la variance
spatiale des précipitations journalières induite par le processus d’agrégation. Le produit
SAFRAN natif (8 km) mène à des performances similaires à celle des grilles agrégées à
16 et 32 km. Le produit CFSR, à ~30 km, est performant pour certains sites, alors que
pour d'autres, sa performance est considérablement inférieure en raison de points de
grille où les précipitations sont surestimées par rapport au reste de cette dernière. Le
même problème a été constaté au cours de la calibration, où les données de certaines
stations météorologiques ne semblent pas être représentatives des sous-bassins
hydrographiques dans lesquels elles sont utilisées pour simuler l'hydrologie. Ces
résultats suggèrent que la différence dans la représentation du climat est en définitive
plus influente que sa résolution spatiale. Cette analyse a été confirmée par les
performances similaires obtenues avec le modèle SWAT calibré sur les grilles
SAFRAN à 16 et 32 km. Cependant, les meilleures performances obtenues à partir de
ces deux produits, par rapport aux données des stations au sol, ont confirmé l'avantage
d'utiliser SAFRAN pour la modélisation SWAT.
2. Abstract
This study explored the influence of the spatial resolution of a gridded weather dataset
when inputted in the soil and water assessment tool (SWAT) over the Garonne River
watershed, by comparing several datasets: ground-based weather stations, the 8 km
SAFRAN product, the 0.5° CFSR product and several derived SAFRAN grids upscaled
to 16, 32, 64, and 128 km. The SWAT model, calibrated on weather stations, was
successively run with each gridded weather dataset. The performance of SAFRAN up
to 64 or 128 km was poor mainly due to a contraction of the spatial variance of daily
149
precipitation induced by the upscaling process. The 8-km SAFRAN produced a

performance similar to that of the aggregated 16 and 32-km SAFRAN grids. The ~30-
km CFSR product was found to perform well at some sites, while in others its
performance was considerably inferior because of grid points where precipitation was
overestimated compared to the rest of the grid. The same problem was found in the
calibration, where data at some weather stations did not appear to be representative of
the subwatershed in which they are used to compute hydrology. These results suggest
that the difference in the representation of the climate was more influential than its
spatial resolution, an analysis that was confirmed by similar performances obtained
with the SWAT model calibrated on the 16 and 32-km SAFRAN grids. However, the
better performances obtained from these two weather datasets than from the ground-
based stations dataset confirmed the advantage of using the SAFRAN product in
SWAT modelling.
3. Introduction
Semi-distributed hydrological models, such as the soil and water assessment tool
(SWAT), are increasingly popular for water management at the watershed scale
(Gassman et al., 2007; Douglas-Mankin et al., 2010). One of the main challenges in
achieving their maximum potential is accessing proper data with which to establish
them. Over the years, distributed soil and land cover data have become more reliable
and accessible, mainly because of advancements in remote sensing and a relatively
slow rate of evolution. On the other hand, climate data is often problematic. Indeed,
climate networks are prone to being irregularly spaced and operated over non-uniform
periods. This problem may be circumvented by using gridded climate products
constructed from weather reanalysis systems such as CFSR (Climate Forecasting
System Reanalysis) from NOAA’s National Centers for Environmental Prediction
(Saha et al., 2010), ERAs from the European Centre for Medium-Range Weather
Forecasts (ECMWF) (Uppala et al., 2005), SAFRAN (Système d’Analyse Fournissant
des Renseignements Adaptés à la Nivologie) from Météo-France, the French weather
agency (Durand et al., 1993; Quintana-Segui et al., 2008; Vidal et al., 2010a), or the
L15 dataset covering North America and described in Livneh et al. (2015).
The use of gridded climate products within a SWAT setup has recently been
investigated. For instance Fuka et al. (2014) found that the CFSR product provides
150
stream discharge simulations that are as good as or better than models forced by using
traditional weather stations. Dile and Srinivasan (2014) highlight the benefit of using
the CFSR product in sparsely monitored regions, where CFSR and conventional
databases lead to minor differences, except for one watershed for which CFSR gave
much higher average annual rainfall. Monteiro et al. (2015) demonstrate the superiority
of one ERAs-derived product (WFDEI – WATCH Forcing Data ERA Interim (Weedon
et al., 2014)) over CFSR. Finally, in a comparison of several weather input datasets, de
Almeida Bressiani et al. (2015) conclude that the best option for hydrological
simulation is the CFSR product used with ground-based climate data.
The resolution of the gridded climate products has continued to improve over the years,
to the point that operational hydrologists have to question the need for more detailed
information when a model such as SWAT has a user-defined areal discretisation that
influences the way in which climate data is manipulated within the model.
This study uses a SWAT setup on the Garonne River, a large alpine watershed in
southwest France (55,000 km2), to explore the relationship between the resolution of
gridded climate data and SWAT internal discretisation using (i) available ground-based
data, (ii) the native 8-km SAFRAN product, (iii) the native ~30-km CFSR product, and
(iv) several aggregated, upscaled SAFRAN-derived databases that may better suit the
SWAT model discretisation.
4.1. Study site
The 525-km Garonne River is an important French fluvial system that flows into the
Atlantic Ocean after draining a watershed extending over an area of 55,000 km2 across
three distinct geographic entities: the Pyrenees to the south, with peaks exceeding 3,000
m, the plateau of the Massif Central to the north-east that reaches up to 1,700 m in
altitude, and the plain in between whose elevation is typically less than a few hundred
metres (Figure III.7). The actual SWAT implementation, however, is limited to the
50,000 km² area upstream of Tonneins, where tides cease to influence the discharge.
151
Figure III.7 : Location and elevation of the Garonne River watershed at Tonneins, with a 150-subwatershed areal
discretisation monitored by 21 gauging stations and several types of ground-based climate stations.
The Garonne watershed offers diversified topography and land cover, good data
availability, good prior knowledge of the hydrological system (Probst, 1983), and some
successful SWAT setups built around available ground-based climate data (Boithias et
al., 2011; Ferrant et al., 2011; Oeurng et al., 2011b; Grusson et al., 2015).
4.2. The SWAT model
SWAT is an agro-hydrological semi-distributed model that requires an areal

discretisation process that consists of dividing the watershed into subwatersheds based
on the river network and topography. SWAT then identifies hydrological response units
(HRUs) within each subwatershed, based on soil, land cover and slope information.
HRUs are then used to compute a water balance articulated around four reservoirs:
snow, soil, shallow aquifer and deep aquifer. The main hydrological processes include
infiltration, runoff, evapotranspiration, lateral flow and percolation. Computation is
152
performed at HRU level, aggregated at subwatershed level, and routed toward the
reaches and the catchment outlet. It is important to stress that SWAT uses only one
climate data source per subwatershed to compute its water balance, opening up the
issue of optimal climate data spatial resolution.
ArcSWAT 2012, a GIS-based graphical interface, was used to identify the

subwatersheds and HRUs and to generate their associated input files. It should be noted
that the number of subwatersheds within SWAT is directly influenced by the resolution
of the topography and by a user-defined threshold that defines the minimum drainage
area required to form the beginning of a stream (Srinivasan, 2013), since every river
confluence corresponds to a potential subwatershed outlet.
4.3. Data availability
Data sources for this study are presented in Table III.11. River discharge data are
available from 21 gauging stations spread over the watershed and covering the period
from 2000 to 2010 (Figure III.7).
Tableau III.11. Data sources.

Data type Data source Scale
DEM NASA/METI (ASTER, 2011) Grid cell 90m x 90m
Land cover Corine Land Cover (CLC, 2006) 1:100,000
Soil European Soil Database (ESDB, 2006) 1:1,000,000
Climate
Météo-France (https://donneespubliques.meteofrance.fr/) 8 x 8 km (SAFRAN)
(stations/SAFRAN)
Climate CFSR NOAA(http://globalweather.tamu.edu/) 0.5° x 0.5°
River discharge Banque Hydro (http://www.hydro.eaufrance.fr/)
Two climate datasets from Météo-France were compared: standard stations providing
precipitation at 36 sites, temperature at 28 sites, and solar radiation, relative humidity,
and wind speed at eight sites (Figure III.7), and the 8-km SAFRAN product providing
all the required variables at each grid point (Durand et al., 1993; Quintana-Segui et al.,
2008; Vidal et al., 2010a). SAFRAN uses the optimal interpolation (OI) method
(Gandin, 1963), which corrects background values against all nearby observed data,
applying a linear regression in which observations are weighted by distance and
associated error. In SAFRAN, the background values originate from the ARPEGE
meteorological model (Courtier et al., 1991) or the ECMWF operational archives,
153
while the observations are from a large range of datasets such as ground-based climate
stations, snow monitoring networks, weather balloons, and dropsondes.
The SAFRAN grid is constructed in three stages: interpolation of all atmospheric

parameters to a 300-m vertical resolution, horizontal interpolation of the surface
parameter and temporal interpolation. A more comprehensive description of this
process is reported in Durand et al. (1993) and Quintana-Segui et al. (2008).
A second gridded climate product, the CFSR grid, was used in this comparison (Saha et
al., 2010). Free access is now provided to SWAT users via the Texas A&M University
spatial sciences website (globalweather.tamu.edu), which automatically creates
SWAT-formatted input files. The CFSR has latitudinal and longitudinal resolutions of
0.5°, which over the Garonne watershed correspond to a resolution of ~35-km in
latitude and ~25-km in longitude. The CFSR was built around coupled atmospheric,
oceanic and surface modelling components, corrected with satellite, aircraft,
radiosonde, pibal and in-situ data from both land and ocean (Saha et al., 2010). Like
SAFRAN, the data are interpolated according to the OI method, as described in Xie et
al. (2007) for land surfaces and Reynolds et al. (2007) for ocean surfaces.
4.4. Watershed discretisation
As mentioned above, the SWAT model only uses one source of climate information per
subwatershed: the one nearest to the centroid. The number of information points used
by the model is therefore directly linked to the areal discretisation defined by the user
during the SWAT implementation phase. However, the delineation of the
subwatersheds was initially based on the need for a fair representation of all the
hydrological processes prevailing on the watershed and on computing time allocation.
In this project, seven thresholds defining the minimum area of the subwatersheds were
explored within ArcSWAT (100,000, 50,000, 20,000, 10,000, 5,000, 2,500 and 1,000
ha) leading to a territorial breakdown of 44, 73, 150, 273, 525, 1,039 and 2,552
subwatersheds respectively.
154
4.5. Aggregation of the SAFRAN product
In order to evaluate the spatial appropriateness of the SAFRAN 8-km product against
the SWAT areal discretisation of the Garonne River watershed, other resolutions of the
former were computed, aggregating the gridded information to 16, 32, 64 and 128 km
respectively.
All climate datasets, including information from the ground stations, were then used in
turn to simulate the hydrology of the Garonne River. In a first step, a reference
calibration was undertaken based on the ground stations (Figure 7). SWAT was then
run with the native SAFRAN product, the native CFSR product and all SAFRAN-
aggregated grids. During the second stage, new calibrations were performed based on
the native 8-km SAFRAN product and the SAFRAN product aggregated to 32 km (see
Section 3b, Figure III.3-D). In all instances, performance values were computed and
compared for the 2000-2010 period at a monthly time step.
4.6. Sensitivity analysis and calibration process
Sensitivity analysis and calibration were undertaken within SWAT-Cup (Abbaspour,

2013) using the SUFI-2 algorithm (Abbaspour et al., 2004). SWAT-Cup is an external
software tool that allows SWAT users to perform automatic calibrations (Arnold et al.,
2012b). They are then given the option of several calibration algorithms, of which
SUFI-2 is known to identify an appropriate parameter set in a limited number of
iterations (Yang et al., 2008).
A sensitivity analysis was performed, following the one-at-a-time procedure proposed

by Abbaspour (2013). 32 parameters were considered in the analysis (Table III.12).
Five runs were performed over the 10-year period from 2000 to 2010, preceded by a
three-year warming period (1997-2000).
Once the most sensitive parameters were identified, 1500-run calibrations were
performed as recommended by Yang et al. (2008). The SWAT-Cup calibration was
achieved sequentially from upstream to downstream, one gauging station at the time,
using the Nash-Sutcliffe efficiency criterion (NSe) (Nash and Sutcliffe, 1970) as the
objective function. NSe was normalised in order to facilitate a comparison between the
variance of the observed dataset and the existing residual variance between this same
155
observed dataset and the simulated one. It ranges from -∞ to 1 and is sensitive to large
errors. It equals 0 when the model is as accurate as the mean of the observed data set,
and equals 1 when the model offers a perfect fit.
Tableau III.12: parameters considered in the sensitivity analysis.

Parameters Description Min. Max. Default

GW_Revap Groundwater “revap” coefficient 0.02 0.2 0.02
CN2
SCS runoff curve number -0.2 0.2 HRU
(relative test)
SOL_AWC
Available water capacity of the soil layer -0.5 0.5 soil layer
(relative test)
SOL_K
Saturated hydraulic conductivity -10 10 soil layer
(relative test)
SOL_Z
Depth from soil surface to bottom of layer -500 500 soil layer
(relative test)
After calibration, the performance was evaluated using the same criterion, but
calculated on the root square of discharge values (NSeSqrt) in order to diminish the
influence of large errors on the metric. Indeed, the NSeSqrt is influenced more greatly
by common flows and the error on the global simulated volume (Oudin et al., 2006;
Seiller et al., 2012).
5. Results and discussion
5.1. Watershed discretisation
Spatial breakdowns of 44, 73, 150, 273, 525, 1,039 and 2,552 subwatersheds were
considered for the Garonne River. Figure III.8 illustrates the average performance
values over the 21 gauging sites in terms of NSe and NSeSqrt obtained for each tested
156
discretisation when running the SWAT model with default parameter values (Arnold et
al., 2012a) and the ground station network. An improvement in performance was noted
when the number of subwatersheds rose from 44 to 150, but no substantial performance
improvement was achieved beyond that number, which corresponded to a minimum
subwatershed area of 20,000 ha. Not only did increasing the discretisation not provide
any further gain, but it required more computing time, which is critical for an automatic
calibration of a watershed encompassing 21 gauging stations.
Figure III.8 : Average performance of the 21 gauging stations for different subwatershed definitions.
5.2. Climate data of different resolutions
Seven climate datasets were compared for the Garonne River watershed: the network of
standard ground stations, the 8-km SAFRAN product, SAFRAN aggregated to 16, 32,
64 and 128 km, and the 30-km CFSR product. SAFRAN and CFSR come from a
combination of meteorological simulations and observations and may therefore possess
a different spatial variance than the network of ground stations. SAFRAN aggregation
also results in a reduction in variance or, in other words, reduces its ability to describe
irregular, non-uniform precipitation patterns (Gaborit et al., 2013).
Ranges in the spatial variance of the daily precipitation are compared in Figure III.9 for
the watershed of the Garonne River at Tonneins. As expected, aggregation smoothed
out spatial irregularities, which is evident in Figure III.9 in the significant loss of large
variance events when reducing the resolution from the initial 8 km to the aggregated
157
128 km. On the other hand, not all precipitation events are non-uniform, so it was
mostly the upper part of the variance distributions that was affected by the aggregation
process.
Figure III.9 : Ranges of the spatial variance of daily precipitation for the seven climate datasets. The box represents
the 25th and 75th percentiles of the distribution, the line is the median and the whiskers extend to the most extreme
values.
Figure III.9 also illustrates the spatial variance of the precipitation reported by the
network of ground stations. The 8-km SAFRAN had a narrower and lower distribution
and a lower median value than the network of stations, but the use of information from
many different sources and an 8-km resolution allowed SAFRAN to report more
irregular events. In practice, the variance of the network between the 16 and 32-km
aggregated SAFRAN grids in terms of spatial variance was an indication of the factual
resolution of the irregularly-spaced climate stations. Finally, the CFSR product offered
yet another distribution of the spatial variance of daily precipitation, which lay between
the aggregated 32-km and 64-km SAFRAN grids.
The fact that the choice was made to break down the watershed into 150 subwatersheds
limited the number of local climate information points to 150 and raised the question of
the optimal resolution of climate data. Indeed, too high a resolution forced SWAT to
disregard much of the information and too low a resolution forced SWAT to use the
same information for many adjacent subwatersheds, whereas the resolution of the
158
climate grid had a direct influence on its ability to describe non-uniformities in the
precipitation patterns, as mentioned above
Figure III.10 : Weather data used by the SWAT model when fed with each different dataset. 143 / 872 indicates the
number of grid points used by the model out of the grid points located over the watershed (a higher first number
indicates that the model used a grid point located outside the watershed).
This issue is illustrated in Figure III.10, which shows points of local climate
information used by SWAT. It is evident that SWAT was not able to make use of all
the 8-km information, it used most of the 16-km information and used nearly all of the
information from a resolution of 32-km and more. From this perspective, the 32-km
SAFRAN grid was the closest to the station network, as was the 30-km CFSR product.
159
5.3. Hydrological performance
Figures III.11 and III.12 compare the performance values (NSe and NSeSqrt) of the
SWAT model calibrated with the network of ground stations and run with each
SAFRAN grid and the CFSR grid. Using the data from SAFRAN did not improve on
the network of ground stations except at two sites, Larra and Villefranche, where the
initial performance was unsatisfactory. Excessive aggregation was detrimental to
SWAT performance, as depicted by the much lower SWAT performance when
operated with the 64 or 128-km SAFRAN grids, while the other three resolutions were
closer to one another in terms of performance.
Figure III.11 : Nash-Sutcliff criterion of the SWAT model calibrated with the weather stations and run with several
SAFRAN grid resolutions.
CFSR data produced heterogeneous performances, mostly similar to those obtained

with the 8, 16 and 32-km SAFRAN grids, and was even better than in the calibration
for the St Béat station (see Figure III.7), but also for stations where the SWAT model
completely failed to simulate the discharge. When comparing different products, the
fact that 8, 16 and 32-km SAFRAN grids produced similar performances, which were
less good than the weather station data, and for several stations, very different from the
CFSR performance values, indicated that it was not so much an issue of spatial
resolution than one of a different representation of the climate.
160
It is noteworthy that the performance of the Saint Béat and Valentine gauging stations
declined as the aggregation increased. Both stations are located in the Pyrenean part of
the watershed, where the model is quite sensitive to the snow-relative calibration
(Grusson et al., 2015).
Figure III.12 : Nash-Sutcliff criterion calculated on square root discharge value of the SWAT model calibrated with
the weather stations and run with several SAFRAN grid resolutions.
As for the Larra and Villefranche sites, each site drains a single subwatershed, where
no merging with other subwatersheds can compensate for any errors in a climate series.
These poor performance values may also be a representation of a widespread problem
when using in-situ gauging stations: weather data used to compute hydrological
processes in a subwatershed could originate from a distant gauging station and may not
be representative of the subwatershed (Fuka et al., 2014). Indeed, when the weather
stations datasets were used in the SWAT model, computations in subwatersheds
upstream of the Villefranche and Truyère-Amont sites were performed using the same
weather station, located in the subwatershed upstream of the Truyère-Amont station
(Figure 7). Unlike the Villefranche site, no important loss in performance at Truyère-
Amont was seen, suggesting that even though the weather station was located close to
the Villefranche watershed, it was not representative of that particular system.
161
As for the CFSR grid, it proposed non-representative precipitation data in some areas.
Indeed, a detailed analysis of the hydrographs (not illustrated) revealed that CFSR
forced SWAT to overestimate discharges greatly at Larra and Laguepie, a problem that
was then transmitted downstream to Verdun, Loubéjac, Lamagistère, and Tonneins,
while discharge was underestimated at Millau and Sarrans. When comparing
hydrographs and hyetographs, it appeared that overestimations were mainly caused by
grid points where precipitation was overestimated when compared to the rest of the
grid. This was consistent with the findings of Dile and Srinivasan (2014), who
encountered the same situation over the Blue Nile watershed.
Figure III.13 : Nash-Sutcliff criterion of the SWAT model calibrated with the weather stations, the native SAFRAN
grid and the 32-km SAFRAN grid.
In order to document the issue of SAFRAN and the network of stations not reporting
exactly the same climatology, it was decided to recalibrate SWAT alternately using the
8 and 32-km SAFRAN grids, since the 8-km resolution described spatial non-
uniformity better and the 32-km resolution was the closest to the network’s. Here
Figures III.13 and III.14 show poorer SWAT performance values when calibrated with
the network of climate stations than with any of the two SAFRAN grids, which was
consistent with previous studies (Fuka et al., 2014; de Almeida Bressiani et al., 2015).
Better performance values at the Larra and Villefranche sites when using SAFRAN
tended to confirm that, at least for these two sites, climate stations were either non-
162
representative or included errors. Moreover, the performance at Tonneins, which

integrates climate data across the entire watershed, confirmed the superiority of the
SAFRAN product.
Figure III.14 : Nash-Sutcliff criterion calculated on square root discharge value calibrated with the weather stations,
the native SAFRAN grid and the 32-km SAFRAN grid
The performance of the 8 and 32-km SAFRAN grids was mostly similar, indicating
that the grid resolution did not have a considerable influence on the calibration. The
largest gain was at Saint Béat in the Pyrenees, where the 32-km resolution proved to be
quite beneficial, as it was for the CFSR dataset.
6. Conclusions
The implementation of a semi-distributed hydrological model generally involves

breaking down the watershed space into homogeneous units that are compatible with
the dynamic computation of the hydrological processes. In the case of the SWAT
model, only one climate grid point per subwatershed, the nearest one, was used for the
calculations, raising the question of optimal resolution of the climate data. In this study,
the 45,000-km2 Garonne River watershed at Tonneins, which drains a substantial part
of south-west France to the Atlantic Ocean, was used to compare three sources of
climate information in different formats and resolutions, namely the available climate
163
station network, the 8-km SAFRAN product and the ~30-km CFSR product. SAFRAN
grids aggregated to 16, 32, 64 and 128 km were also explored.
A spatial breakdown of the Garonne watershed into 150 subwatersheds was found to be
optimal in terms of hydrological performance and computing costs, hence limiting the
number of local climate grid points to 150 as well. A higher climate data resolution
would therefore force SWAT to disregard much of the information and a much lower
resolution would force SWAT to use the same information for many adjacent
subwatersheds, whereas the resolution of the climate grid had a direct influence on its
ability to describe non-uniformities in the precipitation patterns.
The results showed that aggregating SAFRAN up to 64 or 128 km was detrimental to

the description of non-uniform precipitation events, to the point of leading to a much
poorer performance when used with the SWAT implementation calibrated on the
available network of climate stations. The native 8-km SAFRAN product offered the
highest range of spatial variance of daily precipitation events, while the aggregated 16-
and 32-km SAFRAN grids and the ~30-km CFSR product ranges of spatial variance
were similar to that of the network of climate stations.
Running the SWAT model calibrated on the network of climate stations with the 8, 16
and 32-km SAFRAN grids led to very similar performance values at most sites, but
lower than those previously obtained in calibration. These results suggest that the
difference in the representation of the climate was more influential than its spatial
resolution in simulating the hydrological processes within the SWAT model. Using
CFSR with the same framework provided similar overall performance values as
SAFRAN, except in some sites for which the former provided precipitation rates that
were judged to be unrealistic when compared to the other climate databases.
The great importance of the quality of the climate product over its resolution was
confirmed when calibrating SWAT with the native 8-km SAFRAN and its aggregated
32-km counterpart, since both these datasets led to very similar performances that were
better overall than the calibration performance values previously obtained by
calibrating SWAT with the network of climate stations.
The present study was based on monthly time-step performance computations,

compatible with water planning needs, where the influences of extreme precipitation
164
are limited. An equivalent study calculating performances at a daily time step could
generate additional findings that could have flood warning applications.
Acknowledgements
The authors acknowledge the financial support given by the Natural Sciences and
environnement, développement et société.
This research was carried out as a part of “ADAPT’EAU” (ANR-11-CEPL-008), a

project supported by the French National Research Agency (ANR) within the
framework of the Global Environmental Changes and Societies (GEC&S) programme.
This work was also part of the REGARD project (Modélisation des ressources en eau
sur le bassin de la Garonne: interaction entre les composantes naturelles et
l’Aéronautique et l’Espace - 2014-2017. We sincerely thank Météo-France for
providing meteorological data and AEAG (Agence de l’eau Adour-Garonne) for
providing hydrological
165
166
watershed
ARTICLE EN REVISION
ASCE Journal of Hydrologic Engineering
Chapter 6: Assessing the temporal

transposability of the SWAT model across a
large contrasted watershed
Youen Grusson (a), François Anctil (b), Sabine Sauvage(c), José Miguel
Sánchez Pérez(d)
a
Ph.D student, Chaire de recherche EDS en prévisions et actions hydrologiques, Department of Civil
and Water Engineering, Université Laval, Québec, G1V 0A6, Canada & University of Toulouse; INPT,
UPS; Laboratoire Ecologie Fonctionnelle et Environnement (EcoLab), Avenue de l’Agrobiopole, 31326
Castanet Tolosan Cedex, France. E-mail : youen.grusson.1@ulaval.ca
b Professor, chaire de recherche EDS en prévisions et actions hydrologiques, Department of Civil and
Water Engineering, Université Laval, Québec, G1V 0A6, Canada. E-mail francois.anctil@gci.ulaval.ca
c
Research Engineer, CNRS, EcoLab, 31326 Castanet Tolosan Cedex, France & University of Toulouse;
INPT, UPS; Laboratoire Ecologie Fonctionnelle et Environnement (EcoLab), Avenue de l’Agrobiopole,
31326 Castanet Tolosan Cedex, France.
d
Professor, CNRS, EcoLab, 31326 Castanet Tolosan Cedex, France & University of Toulouse; INPT,
UPS; Laboratoire Ecologie Fonctionnelle et Environnement (EcoLab), Avenue de l’Agrobiopole, 31326
Castanet Tolosan Cedex, France. E-mail : jose.sanchez@univ-tlse3.fr
167
watershed
168
watershed
1. Résumé en français
Au cours des dernières années, la recherche sur le comportement hydrologique des

bassins versants sous changement climatique est devenue un sujet d‘étude important.
L'utilisation de modèles hydrologiques pour mener à bien de telles recherches soulève
la question de leur robustesse lorsque calibrés sur une période passée. Ceci est d’autant
plus vrai lorsque le modèle est basé sur des paramètres qui pourraient évoluer au fil du
temps. Le but de cette étude est d'évaluer la transposabilité temporelle du modèle « Soil
and Water Assessment Tool » (SWAT) (http://swat.tamu.edu/) face à des évolutions
des caractéristiques climatiques et d’usage des sols.
Le modèle est mis en place sur le bassin versant de la Garonne dans le sud-ouest de la
France et deux tests différents ont été menés sur la base du « differential split sampling
test » (DSST) proposé par Klemeš (1986): (1) deux périodes de cinq ans ont été
choisies sur les 50 dernières années, une période sèche et chaude (DW) et une période
humide et froide (WC). Le modèle a alors été calibré pour chacune d’entre elles, puis la
validation a été réalisée de manière croisée avec l'autre. (2) Le même processus a été
entrepris en utilisant deux ensembles de données sur l’usage des sols de 1990 et 2006.
Cette fois, le modèle a été calibré sur la même période (2000-2010) et chaque donnée
d’usage des sols a été validée de manière croisée avec l'autre.
Chacun de ces quatre tests de calibration/validation a montré que le modèle était

capable de simuler le flux mensuel d’eau efficacement. La majorité des 20 stations
hydrométriques de contrôle réparties sur le bassin versant présente un critère de Nash-
Sutcliff (NSE) et de Nash-Sutcliff calculé sur les racines carrées des débits (NSeSqrt)
au-dessus de 0,75. La robustesse du modèle SWAT lorsqu'il est confronté à des
changements de données du climat ou de l’usage des sols est également très
satisfaisante. Le changement des données d’entrée climatique induit une variation
inférieure à ± 0,10 pour 14 sites et les deux critères. Les sites où les simulations
semblent les plus sensibles à ces changements sont impactés soit par des processus de
chutes/fonte de neige soit par le soutien d’étiage pendant la saison estivale. Un
changement dans l'information d’entrée d’usage des sols induit encore moins
d'instabilité dans le modèle: l’ensemble des 20 sites ont montré une variation des
performances de moins de ± 0,10 pour les deux critères. Cette bonne stabilité est due à
des changements limités qui ont eu lieu entre les deux dates (1990-2010), mais qui
169
watershed
dépeignent les changements réels sur l'ensemble du bassin versant. Cette étude permet
de conclure que le modèle SWAT peut être utilisé sur le bassin versant de la Garonne
pour la réalisation d’étude en contexte de changements climatiques
2. Abstract
In recent years, research into the hydrological behaviour of watersheds under climate
change conditions has become a subject of great interest. The use of hydrological
models to undertake such research raises the question of their robustness for use in a
long-term projection when calibrated over a period in the recent past. This is even more
the case when the model is based on parameters that might evolve over time. The aim
of this study was to assess the temporal transposability of the soil and water assessment
tool (SWAT) model (http://swat.tamu.edu/) in the face of changes in climate and land
use information. The model is set up on the Garonne River watershed in southwest
France and two different tests were conducted, based on the differential split sampling
test (DSST) proposed by Klemeš (1986): (1) two five-year periods were selected from
the past 50 years: a dry and warm (DW) period and a wet and cold (WC) period. In this
case the model was calibrated for each period, and then each cross-validated with the
other. (2) The same process was undertaken using two sets of land use data from 1990
and 2006. The model was calibrated for the same time period (2000-2010), and each
land use dataset was cross-validated with the other.
All four of calibration/validation tests showed that the model was able to simulate the
monthly stream effectively. The majority of 20 sites spread over the watershed have
Nash-Sutcliff criterion (NSe) and Nash-Sutcliff criterion calculated on the squared
roots values of the discharge (NSeSqrt) above 0.75. The robustness of the SWAT
model when confronted with changes to the climate or land use data was also very
satisfactory. The change in climate information induced a variation of less than ±0.10
for 14 sites and both metrics. Sites where simulations appeared more sensitive to those
changes were either impacted by snowfall/melt processes during the winter season or
by low-flow support during the summer season. A change in land use information
caused even less instability in the model: all 20 sites showed a variation in
performances of less than ±0.10 for both metrics. This good stability was due to the
limited changes that occurred between both dates (1990-2010), but depicted the actual
170
watershed
changes across the watershed. It was concluded from this study that the SWAT model
could be used over the Garonne River watershed in a climate change condition.
3. Introduction
In the past 25 years, the proportion of the world’s population living in water-stressed
countries has increased from 40 % to almost two thirds (UNESCO, 2011). Climate
change has certainly played a role in this worldwide increase in vulnerability (Jiménez
Cisneros et al., 2014), which is driving hydrologists to acquire a better understanding of
its impact on local water resources.
Modelling is the most common tool for identifying climate change impacts on the
hydrologic regime of rivers. It is typically conducted in two steps: the selected
hydrological model is (1) calibrated and validated with observed climate and discharge
data from the recent past, and (2) used to generate discharge series from weather
outputs issued by global or regional climate models. Such studies abound in the
literature (e.g. Scibek and Allen (2006); Caballero et al. (2007); Hendrickx and Sauquet
(2013); Tian et al. (2013)), but only a small number of them include an evaluation of
the robustness of the model’s temporal transposability or, in other words, an assessment
of its behaviour when exposed to changes in the watershed definition or in the climate
regime. This issue of temporal transposability is inherent in any hydrological modelling
process and was raised by Klemeš (1986) even before the current levels of concern
about the non-stationarity of the climate.
Klemeš (1986) suggests a number of tests dedicated to the evaluation of a model’s

robustness during the validation/calibration process. Results vary depending on the
specificities of each model and catchment properties (Andreassian et al. (2009); Vaze et
al. (2010); Merz et al. (2011); Seiller et al. (2012); Seiller et al. (2015)). It has therefore
been advocated (e.g. Seiller et al. (2012)) that a robustness evaluation should be a
component of the validation/calibration procedure, especially if the aim is to study the
impact of climate change on the hydrologic regime of rivers.
The soil and water assessment tool (SWAT) model (Arnold et al., 1993) is a physically-
based, comprehensive, continuous, semi-distributed and watershed-scale simulation
model that allows the simulation of a large number of physical processes to simulate
hydrology, including evapotranspiration, runoff, sub-surface and groundwater flow,
171
watershed
and snow component. It has been successfully implemented in numerous locations

(Gassman et al., 2007; Douglas-Mankin et al., 2010) and the number of users is
continuing to increase worldwide. However, despite the large number of SWAT users
and related published papers, including those about the impact of climate change (e.g.
see Stefanova et al. (2014); Huang et al. (2015); Musau et al. (2015); Pradhan et al.
(2015); Ramos and Martínez-Casasnovas (2015); Zhang et al. (2015)), only two
reported studies specifically deal with the issue of SWAT robustness when transposed
across time and space. Lévesque et al. (2008) tested the robustness of the SWAT model
over a northern watershed, transposing it from summer to winter. They conclude that it
is difficult to represent the hydrology over both seasons with a single set of parameters
in a northern climate zone. Son and Kim (2008) performed a cross-validation over two
different watersheds and concluded that the SWAT model is sufficiently robust for
transposition across space. Since SWAT exploits topographical, soil, land use and
climate information, it is potentially sensitive to temporal evolution and non-
stationarity, but there has been no examination of its robustness when facing temporal
transposition.
For this study, the SWAT model was used on the watershed of the Garonne River in
southwest France in order to assess the impact of climate change on its hydrological
regime. More specifically, the aim was to evaluate SWAT temporal transposability
when confronted with land use evolution and climate non-stationarity, based on the
differential split sampling test (DSST) proposed by Klemeš (1986) that consists of a
cross-validating procedure between projects where only one type of input data varies,
in order to evaluate its robustness.
4.1. Study area
The 525-km Garonne River, one of the principal fluvial systems in France, located in
the southwest of the country, drain into the Atlantic Ocean 55,000 km² of land. Its
watershed consists of three main geographic entities: the Pyrenees to the south with
some peeks exceeding 3,000 m, the plateau of the Massif Central to the northeast
between 1,400 and 1,700 m, and the plain between them whose elevation is less than a
few hundred metres (Figure III.15). This large range of altitudes and slopes within the
172
watershed
watershed leads to a variety of hydrological behaviours (Probst, 1983). The present

study considers the Garonne River watershed up to Tonneins (50,000 km²), the lowest
gauging station uninfluenced by the tidal action of the ocean (Figure III.15).
Figure III.15 : Location and elevation of the Garonne River watershed at Tonneins, with an areal discretisation of
150 subwatersheds monitored by 20 gauging stations
At Tonneins, an average flow of 603 m3/s (1913-2013) is reported. The highest

discharge on record reached 5,700 m3/s and the lowest, 37.5 m3/s. The highest monthly
flow occurs in February (970 m3/s) and the lowest in August (177 m3/s)
(http://www.hydro.eaufrance.fr/).
The climate across the Garonne watershed reflects its topographic variability. In the
mountains, temperatures fall below freezing during the winter, while temperatures on
the plain generally remain above zero. An analysis of Météo-France weather data
provides a good example of this variability. Throughout the period from 2000 to 2010,
the mean monthly minimum and maximum temperatures at the Genos station (1,250 m)
were -3 °C (February) and 20 °C (August) respectively. For the same period, the Agen
173
watershed
station (58 m) showed mean monthly minimum and maximum temperatures of 2.5 °C
(February) and 29 °C (August) respectively. A similar disparity exists in precipitation
data: the 2000-2010 mean annual precipitation was 1544 mm at Genos, but just 649
mm at Agen (Figure III.15).
Land use is also diversified. The mountainous regions are dominated by forest and
alpine grassland (37 % of the watershed), while the plain is dominated by agricultural
activities (60 %) (CLC, 2006). The remaining land is either artificialised land (2.5 %)
or water bodies (0.5 %) (Figure III.16).
Figure III.16. Land use definition (CLC, 2006) and soil definition (map from the European Soil Portal -
eusoils.jrc.ec.europa.eu) in the Garonne River watershed
Cambisols are the most frequent soil class, covering 55 % of the total area and spread
across the watershed. Different classes of shallow soils are also present in the upper
part of the watershed (19 %), such as lithosols, regosols, andosols, rendzinas and
rankers. Luvisols cover 18 % of the watershed, mostly on hillsides and on the plain.
The Garonne River mostly flows on fluvisols (7 %). The remainder, about 1 % of the
watershed, consists of anecdotal soil types: arenosols, podzol, histosol and artificialised
soil. (Figure III.16)
The watershed has been impacted by human activity, mainly by the presence of several
dams obstructing the natural flow of the river in the upper portion of the watershed,
mostly for low flow support. Sauquet et al. (2010) and Hendrickx and Sauquet (2013)
compared observed and naturalised discharge data for several gauging stations in the
upper part of the watershed. They highlight the limited impact of human activities on
174
watershed
monthly discharge and confirm that that their influence is not transmitted to the
downstream hydrologic regime on a monthly time scale.
4.2. SWAT model
SWAT was largely designed to simulate the impact of land use changes on discharge,
water quality and erosion. It is a semi-distributed model, based on a discretisation of
the area. The first step of this discretisation consists in identifying sub-watersheds
consistent with the topography. SWAT then defines hydrological response units
(HRUs) within each sub-watershed, based on soil, land use and slope. These HRUs are
used to compute a water balance based on four reservoirs: snow, soil, shallow aquifer
and deep aquifer. The main hydrological processes include infiltration, runoff,
evapotranspiration, lateral flow and percolation. Computation is performed at HRU
level, aggregated at subbasin level, and routed toward the reaches to the catchment
outlet. ArcSWAT 2012, which includes a GIS-based graphical interface, was used in
this study to define the sub-watersheds and HRUs, and generate the input files. HRUs
were defined using the soil, land use and slope class when they cover more than 10 %
of the subwatershed area, as described in Srinivasan (2013). This HRU definition
allows the user to eliminate minor soils, land uses and slope class in each subbasin with
no significant effect on hydrological response computed at subbasin scale (Her et al.,
2015)
4.3. Data availability
The delimitation of the Garonne River watershed at Tonneins and the flow
accumulation computation are based on a digital elevation model with a 90 m
resolution from NASA and METI (ASTER, 2011). Soil data are derived from the
European Soil Database (ESDB, 2006) map on a scale of 1:1,000,000, which relies on
FAO soil classification adapted to SWAT by Chea (2012). Land use data are from the
European programme Corine Land Cover. Two different datasets from 1990 and 2006
are used here (CLC, 1990, 2006). Weather data are from the SAFRAN grid (Durand et
al., 1993; Quintana-Segui et al., 2008; Vidal et al., 2010a), a 50-year, high-resolution,
gauge-based, atmospheric data reanalysis projected onto an 8-km regular grid
developed by the French weather forecasting agency, Météo-France. SAFRAN has
been developed to take orographic variations into consideration (Durand et al., 1993).
175
watershed
This dataset includes all the weather parameters needed to run the SWAT model:
precipitation, minimum and maximum temperature, wind speed, humidity, and solar
radiation on a daily time-step from 1958 to 2012, with no missing values.
Hydrological data for calibration and validation were monthly stream flow data from
twenty selected gauging stations along the river continuum (Figure III.15) provided by
the French Banque Hydro national database (http://www.hydro.eaufrance.fr/). This
selection was intended to represent the topographic diversity of the catchment – some
are located in the mountain range and others on the plain. Selected stations are present
on the Garonne River (Saint-Béat, Valentine, Roquefort, Portet, Verdun, Lamagistère
and Tonneins) but also along its main tributaries: the Ariège Rivers (Foix and
Auterive), the Tarn River (Millau, Marsal and Villemure), the Aveyron Rivers
(Villefranche-de-Rouergue, Laguepie and Loubéjac), the Lot River (Sarrans, Truyère-
Amont, Truyère-Aval and Cahors) and also two stations (Larra and Nérac) in the
Coteaux de Gascogne region, in the western side of the catchment (Figure III.15).
4.4. Differential split sampling test and model setup
Among input data needed by the SWAT model, two sets of data are particularly subject
to change over time: climate (deliberately induced in a climate change context) and
land use. The other two, topography and soil types, may easily be regarded as stable
across the present study’s timescale.
4.4.1. Robustness for climatic transposability
The extent of the SAFRAN database (1958-2010) facilitated the identification of

periods suitable for a DSST. More specifically, values of the mean daily temperature
and mean annual precipitation for each continuous five-year period in the database
were calculated and reported in Figure III.17 in order to identify the most contrasted
ones for use in the DSST. The length of periods was a balance between a period long
enough to calibrate the model and one short enough to accentuate climatic attributes. A
five-year period is an acceptable time lapse to calibrate a model (Yew Gan et al., 1997;
Moriasi et al., 2007) and has allowed periods with different climatic characteristics to
be generated (Figure III.17).
176
watershed
Figure III.17. Mean daily temperature and annual precipitation for all available five-year periods
Several indications about past and future climates in southwest France can be found in
the literature. For instance, Ouzeau et al. (2014), Van der Linden and Mitchell (2009),
Kjellström et al. (2011) and the MetOffice (2011) agree on an increase in temperature,
at least until the end of the century, along with a decrease in precipitation, especially in
summer. The DSST was therefore constructed based on two contrasting five-year
periods: a wet and cold one (WC) extending from 1976 to 1980 and a dry and warm
(DW) one, from 1985 to 1989, maximising the distance between both mean climatic
values, as shown in Figure III.17.
From the WC to DW period, mean daily temperatures rise by 1.14 °C while mean
annual precipitation decreases by 228.66 mm, representing a 21.2 % decrease. This
difference is consistent with the literature and representative of the expected change
over the watershed: for the period 2021 - 2050, Van der Linden and Mitchell (2009)
project an annual change in temperature of about +1.2 °C to +2 °C, with the change in
precipitation varying from -4 % to -12 %. Ouzeau et al. (2014) project a change in
temperature of between +0.5 °C and + 2 °C, with a mean decrease in precipitation
during the summer season of -0.5 to -1 mm/day compensated for by an increase during
the winter season. For the period 2071-2100, Kjellström et al. (2011) project a change
177
watershed
in annual temperature of between 2 °C and 4 °C, and a 10 % to 40 % reduction in

precipitation during the summer. In the same period, the MetOffice (2011) computes a
change of between 2.5 °C and 3.5 °C along with a decrease in precipitation of between
5 % and 20 %. For both periods, a calibration was performed (see next section) on one
period, followed by a cross-validation on the other, using the same topographic, soil
and land use information (Table III.13).
Tableau III.13 : Project data used for DSST on climate data
Project DEM Soil data Land use data Calibration period Validation period
DW to WC ASTER (2011) ESDB (2006) CLC (2006) 1985-1989 (DW) 1976-1980 (WC)
WC to DW ASTER (2011) ESDB (2006) CLC (2006) 1976-1980 (WC) 1985-1989 (DW)
4.4.2. Robustness for land use transposability
A second test was built in order to estimate the effect of land use evolution over the
watershed, since there were two land use datasets from 1990 and 2006 available for this
study.
Figure III.18. Land use changes from 1990 to 2006 in hectares (ha)
178
watershed
The differences between the two were compiled and are presented in Figure III.18. The
use of two different sets of land use information to produce the SWAT model resulted
in a change in the number of HRUs created: the 1990 dataset led to the creation of
3,165 HRUs, while the 2006 dataset led to the creation of 3,156 HRUs.
For this second DSST, the period and the climate were kept unchanged (2000-2010)
but the two land use databases alternated in calibration and validation, as indicated in
Table III.14, isolating the influence of the temporal transposability in land usage, in this
case from 1990 to 2006.
Tableau III.14. Project data used for DSST on land use
Land use data for Land use data for

Project DEM Climate Soil data
calibration validation
06 to 90 ASTER (2011) 2000-2010 ESDB (2006) CLC (2006) CLC (1990)
90 to 06 ASTER (2011) 2000-2010 ESDB (2006) CLC (1990) CLC (2006)
Another method would have been to project future land use evolution based on multi-
criteria scenarios (Quilbé et al., 2008; Savary et al., 2009; Houet et al., 2010).
However, this method involves a great number of socio-economic or political factors
(Houet et al., 2010; Radeloff et al., 2011), making it time consuming to build and
speculative beyond a 20 to 30-year horizon (Butcher, 1999; Radeloff et al., 2011). This
methodology is better suited to a small-scale watershed and a short to mid-term
projection (Houet et al., 2010). Numerous studies attempting to assess the impact of
land use changes on hydrology using the SWAT model can be found in the literature
(Githui, 2008; Palamuleni et al., 2011; Natkhin et al., 2013; Awotwi et al., 2015; Lin et
al., 2015). However, these studies were undertaken with a standard calibration-
validation process using a unique land use dataset. The model was then run with
another land use dataset to estimate the hydrological response, therefore no attention
was paid to the influence of the land use dataset employed for calibration on the
parameter values or to the errors induced by the transposition of the model. It was not
the intention of the present study to evaluate the impact of land use change on
hydrology, but rather the influence of land use on the calibration process and the errors
propagated when the model is used in a climate change projection context. The
179
watershed
methodology presented here was developed so as to be easy to apply, using a simple

dataset and adapted to an operational approach.
4.5. Sensitivity analysis and calibration procedure
As shown in Tables III.13 and III.14, the model was calibrated four times using
different information. However, the same sensitivity analysis and calibration procedure
were applied throughout the ten-year period from 2000 to 2010, preceded by a three-
year warming period (1997-2000), and using the CLC (2006) land use data (CLC
(2006).
A sensitivity analysis and calibration were undertaken by SWAT-Cup (Abbaspour,

2013) and the SUFI-2 algorithm (Abbaspour et al., 2004). SWAT-Cup is an external
software tool that allows SWAT users to perform automatic calibration easily (Arnold
et al., 2012b). They offer a choice between several calibration algorithms, of which
SUFI-2 is known to identify an appropriate parameter set in a limited number of
iterations (Yang et al., 2008).
The initial set of parameters to be tested was taken from previous SWAT modelling
experiences across the Pyrenees and the Garonne watershed (Oeurng et al., 2011b;
Boithias, 2012; Chea, 2012; Pinglot, 2012; Grusson et al., 2015). A sensitivity analysis
was then performed, following the one-at-a-time procedure proposed by Abbaspour
(2013), which tests SWAT sensitivity to changes in a parameter when all the others are
kept constant. Sampling relies on the Latin hypercube method (McKay et al., 1979) in
order to cover all the domains of variation in the parameters, dividing the user-defined
ranges into several subranges of equal probability. In all, the sensitivity of 32
parameters was analysed (Table III.15).
Once the most sensitive parameters were identified, 1500-run calibrations could be
performed, as recommended in Yang et al. (2008). The SWAT-Cup calibration was
achieved sequentially from upstream to downstream, one gauging station at the time,
using the Nash-Sutcliffe efficiency criterion (NSe) (Nash and Sutcliffe, 1970) as the
objective function. This metric was normalised in order to allow a comparison between
the variance of the observed dataset and the existing residual variance between this
same observed dataset and the simulated one. NSe ranges from -∞ to 1 and is sensitive
to large errors. NSe equals 0 when the model is as accurate as the mean of the observed
180
watershed
data set, and NSe equals 1 when the model offers a perfect fit. After calibration, the
performance was also evaluated using the same criterion calculated on the root square
of discharge values (NSeSqrt). The root square transformation reduces the influence of
large errors in the metric and is consequently more influenced by common flows and
errors in the global simulated volume (Oudin et al., 2006; Seiller et al., 2012).
Tableau III.15. Parameters considered in the sensitivity analysis
Parameters Description Min. Max. Default

GW_Revap Groundwater “revap” coefficient 0.02 0.2 0.02
CN2
SCS runoff curve number -0.2 0.2 HRU
(relative test)
SOL_AWC
Available water capacity of the soil layer -0.5 0.5 soil layer
(relative test)
SOL_K
Saturated hydraulic conductivity -10 10 soil layer
(relative test)
SOL_Z
Depth from soil surface to bottom of layer -500 500 soil layer
(relative test)
181
watershed
5. Results
5.1. Robustness for climatic transposability
Performance values obtained for both calibration/validation implementations are given

in Table III.16.
Almost all NSe and NSeSqrt calibration values were above 0.75, which represented a
very good performance according to Moriasi et al. (2007). Only two time series led to
lower performance values on both criteria: the Saint Béat station over the WC period
with values in the 0.65 to 0.75 range, representing a good performance (Moriasi et al.,
2007), and the Millau station over the DW period, with performance values within the
satisfactory range (Moriasi et al., 2007). It can therefore be concluded that the SWAT
model was suitable with the Garonne River system as a whole, and that it was not very
sensitive to the calibration period.
Tableau III.16 : Performance criteria in calibration and validation for both climatic DSSTs
Calibration WC Validation DW Calibration DW Validation WC

NSe NSeSqrt NSe NSeSqrt NSe NSeSqrt NSe NSeSqrt
1 Saint Beat 0.71 0.63 0.80 0.70 0.80 0.75 0.54 0.47
2 Valentine 0.82 0.78 0.70 0.65 0.84 0.86 0.74 0.66
3 Roquefort 0.92 0.88 0.81 0.70 0.93 0.92 0.85 0.84
4 Foix 0.89 0.88 0.84 0.72 0.87 0.85 0.83 0.81
5 Auterive 0.94 0.91 0.91 0.84 0.94 0.93 0.93 0.92
6 Portet 0.95 0.95 0.95 0.90 0.97 0.97 0.91 0.89
7 Larra 0.83 0.82 0.55 0.60 0.83 0.76 0.70 0.69
8 Verdun 0.96 0.96 0.96 0.94 0.95 0.96 0.91 0.90
9 Millau 0.87 0.88 0.61 0.58 0.63 0.58 0.89 0.83
10 Marsal 0.92 0.92 0.89 0.88 0.91 0.90 0.93 0.93
11 Villemure 0.95 0.94 0.91 0.93 0.93 0.94 0.95 0.95
12 Villefranche 0.93 0.94 0.94 0.93 0.95 0.92 0.88 0.93
13 Laguepie 0.92 0.90 0.90 0.91 0.93 0.93 0.87 0.85
14 Loubéjac 0.97 0.97 0.94 0.95 0.95 0.96 0.95 0.96
15 Lamagistère 0.95 0.96 0.96 0.94 0.97 0.97 0.94 0.94
16 Sarrans 0.88 0.90 0.89 0.91 0.89 0.91 0.83 0.88
17 Truyère Amont 0.84 0.83 0.77 0.80 0.78 0.78 0.71 0.76
18 Cahors 0.91 0.86 0.87 0.77 0.88 0.83 0.86 0.84
19 Nérac 0.88 0.71 0.65 0.60 0.89 0.76 0.66 0.56
20 Tonneins 0.97 0.96 0.93 0.89 0.97 0.96 0.94 0.94
In a DSST, lower performance values in validation are expected. In fact, robustness for
climatic transposability may be confirmed when the performance loss is minimal,
which was the situation here. Indeed, for both DSSTs, 16 times series out of 20
remained in the very good performance range (values above 0.75) for at least one of the
two criteria, while two more fall within the good performance range.
182
watershed
Robustness may also be depicted in terms of variation in performance, as in Figure

III.19, that also has the advantage of localising the greatest deviations. Figure III.19
shows that the variation in performance remained within ± 0.10 for most of the gauging
stations when validated with a period with different climatic characteristics. Only three
groups of stations had larger losses of performance: stations 1, 2 and 3 in the Pyrenees
(St Béat, Roquefort and Valentine), stations 7 and 19 (Larra and Nérac) in the Coteaux
de Gascogne region, and station 9 (Millau) in the Massif Central. This issue is
discussed further on.
Figure III.19 : Performance variation for:

A - NSe criterion in project calibrated to WC period and validated with DW period
B - NSeSqrt criterion in project calibrated to WC period and validated with DW period
C - NSe criterion in project calibrated to DW period and validated with WC period
D - NSeSqrt criterion in project calibrated to DW period and validated with WC period
See Table III.16 for the key to gauging station numbers
5.2. Robustness for land use transposability
The performance values obtained for both calibration/validation implementations are

presented in Table III.17. Since these DSSTs used the 2000-2010 climatic data, a better
compatibility would be expected with the 2006 land uses than with the 1990 ones,
which proved to be the case. Overall the SWAT model again showed very good
183
watershed
performance values for the vast majority of sites: 17 out of 20 for the 2006 land uses,
and 16 out of 20 for the 1990 ones. The lower performance values when using the 1990
land uses along with the 2000-2010 climatic data indicated some sensitivity of the
SWAT model to the land use information.
Tableau III.17 : Performance criteria in calibration and validation for both land use DSSTs
Calibration Validation
Calibration Lu1990 Validation Lu2006
Lu2006 Lu1990
Nse NseSqrt Nse NseSqrt Nse NseSqrt Nse NseSqrt
1 Saint Béat 0.60 0.54 0.59 0.54 0.62 0.62 0.57 0.57
2 Valentine 0.74 0.72 0.73 0.72 0.67 0.68 0.67 0.68
3 Roquefort 0.87 0.87 0.87 0.87 0.87 0.87 0.86 0.86
4 Foix 0.80 0.80 0.80 0.79 0.74 0.75 0.72 0.73
5 Auterive 0.90 0.89 0.90 0.89 0.87 0.88 0.83 0.84
6 Portet 0.91 0.92 0.91 0.91 0.92 0.92 0.91 0.91
7 Larra 0.74 0.65 0.73 0.64 0.72 0.72 0.50 0.52
8 Verdun 0.93 0.92 0.92 0.92 0.92 0.93 0.92 0.92
9 Millau 0.89 0.78 0.88 0.77 0.84 0.85 0.77 0.79
10 Marsal 0.95 0.92 0.94 0.92 0.92 0.92 0.91 0.92
11 Villemure 0.93 0.94 0.93 0.93 0.91 0.92 0.91 0.92
12 Villefranche 0.90 0.84 0.90 0.83 0.88 0.88 0.85 0.86
13 Laguepie 0.83 0.84 0.82 0.84 0.78 0.78 0.79 0.80
14 Loubéjac 0.93 0.92 0.92 0.92 0.91 0.92 0.90 0.91
15 Lamagistère 0.95 0.95 0.95 0.95 0.95 0.96 0.95 0.96
16 Sarrans 0.83 0.87 0.83 0.86 0.77 0.77 0.81 0.81
17 Truyère Amont 0.81 0.81 0.81 0.80 0.77 0.78 0.78 0.78
18 Cahors 0.93 0.90 0.93 0.89 0.92 0.93 0.91 0.92
19 Nérac 0.87 0.86 0.86 0.85 0.86 0.86 0.81 0.82
20 Tonneins 0.96 0.96 0.96 0.96 0.95 0.96 0.95 0.95
As depicted in Table III.17 and Figure III.20, the variation in performance from
calibration to validation was less pronounced for the land use DSST than for the
climatic DSST. Indeed, all the gauging stations had a variation in performance below
±0.10. This variation was also uniformly distributed across the watershed, highlighting
the global robustness of the computed SWAT model when confronted with the land
uses changes that had occurred along the Garonne River system in 16 years.
184
watershed
Figure III.20 : Performance variations for:

A - NSe criterion in project calibrated using land uses of 2006 and validated using land uses of 1990
B - NSeSqrt criterion in project calibrated using land uses of 2006 and validated using land uses of 1990
C - NSe criterion in project calibrated using land uses of 1990 and validated using land uses of 2006
D - NSeSqrt criterion in project calibrated using land uses of 1990 and validated using land uses of 2006
See Table III.17 for the key to gauging station numbers
6. Discussion
6.1. Impact of a non-stationary climate
Two periods with dissimilar climatic characteristics were used to calibrate and validate
the SWAT model on the Garonne River watershed in turn from a DSST perspective.
Regardless of the setup used to run the model, most identified parameter sets performed
as well in calibration as they did in validation. Only a few time series led to variations
in performance above ±0.10 in terms of NSe or NSeSqrt.
The Pyrenees sites (n° 1, 2, 3 and 4 in Figure III.19) are dominated by a high altitude
environment and are thus subject to being greatly influenced by snow. Grusson et al.
(2015) highlight the greater sensitivity of the SWAT model to such climatic conditions,
with results that are consistent with Lévesque et al. (2008), who advocate using
different parameter sets during the snow accumulation and melt phases. However, the
SWAT model was found to be somewhat more robust when calibrated over the WC
185
watershed
period and validated over the DW period, which is the expected path of climate change
across south-west France.
Other sites that were found to be less robust included the Larra and Nérac stations (n° 7
and 19 in Figure III.19). Both are located on the Coteaux de Gascogne region in the
foothills of the Pyrenees, where agriculture is the dominant land use. While there are no
significant structures such as major dams in this part of the watershed, a complex
network of small-scale hydro-agricultural infrastructures (canal, small reservoir and hill
reservoir) dominate across this region in order to sustain dry-weather flow. This type of
anthropisation has a substantial impact on the local streamflow regime, but remains
complicated to take it into account at the watershed scale because of formalism
difficulties in integrating the information into the SWAT model, but also because of the
significant amount of data required to do so. As the main function of this network of
infrastructures is to sustain the hydrological regime during dry spells, it was to be
expected that the model would lack robustness in such a situation.
The least robust site by far was Millau station (n° 9 in Figure III.19), for which the
SWAT model had difficulties simulating the discharges of the DW period, during both
calibration and validation. On the other hand, the performance values of the WC period
fell within the very good range in both calibration and validation. It was not possible to
identify the cause of this unusual behaviour scanning the hydro-climatic observations
of the WC period, generating the hypothesis that it is due to influences linked to water
management decisions whose impacts were only felt locally.
Finally, Figure III.21 summarises water partitioning within the SWAT model,
depending on the period used for identifying the parameters, in terms of monthly lateral
flow, runoff, percolation and evapotranspiration (Arnold et al., 1993; Neitsch et al.,
2011). The calibration over the WC period led to a model where runoff and
evapotranspiration used a greater share of the water at the expense of lateral flow and
percolation. The opposite was the case when the model was calibrated over the DW
period.
186
watershed
Figure III.21 : Changes in flux repartition with a different set of parameters calibrated over different DW and WC
periods. Mean values across the Garonne River watershed of lateral flow, runoff, percolation and evapotranspiration
6.2. Impact of land use changes
The low impact of land use changes from 1990 to 2006, as already depicted in Figure
III.20, was confirmed by very similar water partitioning in all instances (Figure III.22).
This stability was partly caused by the limited evolution in land use across the
watershed (1 % of the total surface). However, this evolution embodies the effective
changes occurring across the catchment. The limited effect of land use variation could
also be observed in the limited change in HRU numbers in both model setups. The 10
% threshold when creating the HRU also allows the user to bypass the effect of a
limited land use change on the computed hydrology.
Thereafter, if future land use scenarios exist over across the watershed, they can be
used together with the error highlighted by a land use DSST to extend the analysis
further. An analysis of the future land use evolution rate across the watershed will give
the modeller an indication of how the error could be propagated.
187
watershed
Figure III.22 : Changes in flux repartition with a different set of parameters calibrated over different DW and WC
periods. Mean values across the Garonne River watershed of lateral flow, runoff, percolation and evapotranspiration
7. Conclusions
The temporal transposability of the SWAT model in terms of land use and climate
changes was assessed on the Garonne River watershed. Four different
calibration/validation tests were performed on twenty-one gauging stations across the
watershed, following the initial proposition of Klemeš (1986). Each one of these tests
was constructed using different climatic or land use characteristics for calibration and
validation.
The first step was to test its robustness to climate changes. After a sensitivity analysis
study, the model was successively calibrated over a dry and warm period and over a
wet and cold period. The model was then validated against the opposite period. The
results showed that the model had a very good ability to simulate discharge, with NSe
and NSeSqrt above 0.75 in calibration as well as in validation for most of the gauging
stations. Less robust sites were either affected by some small-scale agricultural
practices influencing the water cycle but not taken into account by the model, or were
snow-dominated watersheds sensitive to the identification of the accumulation and melt
188
watershed
parameters. The identified variation in performance following the DSST analysis was
also noticeable in the partitioning of water within the SWAT model. More specifically,
a calibration over a dry and warm period favoured percolation and lateral flow, while a
calibration over a wet and cold period favoured evapotranspiration and runoff.
The second pair of DSSTs was built around two different land use datasets, separated
by 16 years. In this case the overall model performance was also found to be very good
in terms of NSe and NSeSqrt. However, the SWAT model was found to be much more
robust to the 1990-2006 land use change than to the imposed climatic change discussed
above, partly due to the use of a 10 % threshold when creating the HRUs. This study
allowed the conclusion to be drawn that the SWAT model implemented on the Garonne
River watershed (France) was fairly robust to climate and land use changes and was
therefore appropriate for evaluating the impact of the future climate on the hydrologic
regime in this river system. However, it did not demonstrate the same level of
robustness for every subwatershed, especially when discharge was dominated by snow
processes or affected by local agricultural practices.
Acknowledgements
The authors acknowledge the financial support given by the Natural Sciences and
environnement, développement et société.
This research was carried out as a part of “ADAPT’EAU” (ANR-11-CEPL-008), a

project supported by the French National Research Agency (ANR) within the
framework of the Global Environmental Changes and Societies (GEC&S) programme.
This work was also part of the REGARD project (Modélisation des ressources en eau
sur le bassin de la Garonne: interaction entre les composantes naturelles et
l’Aéronautique et l’Espace - 2014-2017.
We sincerely thank Météo-France for providing meteorological data and AEAG

(Agence de l’eau Adour-Garonne) for providing hydrological
189
watershed
190
Lire
la seconde partie
de la thèse

Grusson 1

Transféré par

Droits d'auteur :

Formats disponibles

Grusson 1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Grusson 1

Transféré par

Droits d'auteur :

Formats disponibles

En vue de l'obtention du

DOCTORAT DE L'UNIVERSITÉ DE TOULOUSE

Présentée et soutenue par :

La gestion intégrée de la ressource en eau implique de distinguer les parcours de l’eau

i) La période passée (1960-2000), basée sur les observations climatiques, a servi de

Secondly, hydrological projections were performed (2010-2050) based on a selection of

Liste des figures .................................................................................................................................... x

III Refining the model implementation

V Conclusion générale et perspectives

AR5………………............. Assessment report 5

• Article 3: “Assessing the temporal transposability of the SWAT model across a

Historiquement, la gestion de la ressource en eau douce continentale se concentre

Depuis une quinzaine d’années, la prise de conscience grandissante des problématiques

En outre, si la connaissance des relations entre les différentes composantes de

Représenter, à l’aide d’un outil de modélisation, les différents compartiments de

Dans un second temps, la représentation du système hydrologique de la Garonne est

La première partie de cette étude consiste en une synthèse bibliographique permettant

« Dans cette théorie, l’eau, élevée par le soleil, et retombée en

Aristote -334 Av. J.-C. Les météorologiques (Trad. : Tricot 1955)

1. Concept eau verte — eau bleue

originale (Falkenmark, 1995) qui ne considérait que la partie productive. De cette

1.2. Utilisation du concept

2. Les changements climatiques

Ces changements sont sujets d’études par la communauté scientifique depuis

2.1. Projections climatiques et scénarios

La première étape de l’étude de la variation des climats et de la prévision des tendances

L’évolution du bilan radiatif est fonction de la concentration en gaz à effet de serre

Dans le cadre du GIEC des scénarios sont construits, permettant de représenter

Representative Concentration Pathway :

5 ; http://cmip-pcmdi.llnl.gov/cmip5/) qui inclut 33 MCGs développés par différents

Un programme complémentaire, nommé CORDEX (Coordinated Regional

CMIP5 et Euro-Cordex utilisent les

2.2. Les changements climatiques dans le sud-ouest de la

Dans la littérature, un grand nombre d’analyses des tendances climatiques, qu’elles

Ces changements de température ne sont cependant pas continus au long du siècle :

De manière générale, une diminution de la pluviométrie annuelle est constatée au cours

observent une diminution du cumul annuel de la précipitation issue de la réanalyse

Certaines études, cependant, ne concluent pas sur la baisse de la précipitation observée

2.2.2. Projections : CMIP5 et Euro-Cordex

sur le territoire du Sud-Ouest pendant la période estivale. Les variations en période

En considérant également l’ensemble Euro-Cordex et les mêmes scénarios à l’horizon

Ouzeau et al. (2014) mettent également en évidence une augmentation annuelle de 2%

montrent que cette augmentation d’épisode de précipitations extrêmes serait plutôt

De même, une augmentation de 2 à 10 du nombre de jours consécutifs avec moins de 1

La validation des données produites par le CMIP5 et Euro-Cordex indique cependant

2.2.3. Les changements climatiques et le cycle hydrologique

a. Le débit : un indicateur global

Plusieurs rapports de l’Agence européenne pour l’environnement (EEA, 2009, 2012),

Les effets ne se limitent pas à une modification du volume global de la ressource en

Miquel (2012) montre également que ces modifications de la cryosphère vont se

Dans le sud de la France, les températures estivales moyennes sont en augmentation, ce

observées (1950-2010) comme pour les approches en projection. Il estime la différence

Chaouche et al. (2010), en appliquant la méthode de Penman-Monteith (ETP) à la

Le projet EXPLORE 2070, utilisant la même méthode et le même jeu de données,

Tout comme l’évaporation, le ruissellement est un flux du cycle hydrologique

e. Teneur en eaux des sols

Les sols représentent un important réservoir au sein des hydrosystèmes et la variation

sein du système (ruissellement – évapotranspiration - infiltration) : la teneur en eau est

Par suite de l’augmentation passée et future de l’évapotranspiration, ces travaux