La perméabilité souterraine est un paramètre clé qui contrôle la contribution de l'écoulement souterrain aux débits des cours d'eau dans les modèles de bassin versant. Mesurer directement la perméabilité à l'étendue spatiale et à la résolution requises par les modèles de bassin versant est difficile et coûteux. Les chercheurs estiment donc couramment la perméabilité par modélisation inverse. La grande disponibilité des données sur le débit de surface des cours d'eau par rapport aux données de surveillance des eaux souterraines fournit une nouvelle source de données pour les modèles hydrologiques de surface et souterrains intégrés pour déduire les propriétés du sol et géologiques.

Dans une étude publiée dans Frontiers in Earth Science , des scientifiques du Pacific Northwest National Laboratory, du Oak Ridge National Laboratory et du Los Alamos National Laboratory ont formé des réseaux de neurones profonds (DNN) pour estimer la perméabilité du sous-sol à partir des hydrogrammes de débit des cours d'eau.

Tout d'abord, ils ont formé les DNN à cartographier les relations entre les perméabilités du sol et de la couche géologique et le débit simulé du cours d'eau obtenu à partir d'un modèle hydrologique intégré surface-sous-surface du bassin versant étudié. Les DNN ont donné des estimations de perméabilité plus précises que la méthode de modélisation inverse traditionnelle. Les DNN ont ensuite estimé la perméabilité d'un véritable bassin versant (Rock Creek Catchment dans le cours supérieur du fleuve Colorado) en utilisant le débit observé du cours d'eau du site d'étude. Le modèle de bassin versant avec perméabilité estimée par les DNN a prédit avec précision les débits des cours d'eau. Cette recherche jette un nouvel éclairage sur la valeur des méthodes émergentes d'apprentissage en profondeur pour aider la modélisation intégrée des bassins versants en améliorant l'estimation des paramètres, ce qui réduira éventuellement l'incertitude dans les modèles prédictifs des bassins versants.

La perméabilité souterraine est une mesure de la façon dont les liquides s'écoulent à travers les roches et les sols souterrains. C'est un paramètre clé qui détermine l'écoulement souterrain et les processus de transport dans les bassins versants. Cependant, la perméabilité est difficile et coûteuse à mesurer directement à l'échelle et à la résolution requises par les modèles de bassin versant. En revanche, les données de surveillance du débit des cours d'eau sont largement disponibles. Les liens entre la perméabilité et le débit des cours d'eau fournissent une nouvelle voie pour estimer la perméabilité du sous-sol. Dans cette étude, les scientifiques se sont tournés vers l'apprentissage en profondeur, un type d'intelligence artificielle. L'apprentissage en profondeur estime la perméabilité souterraine d'un bassin versant à partir des données de débit des cours d'eau avec plus de précision que ce qui est possible avec les méthodes traditionnelles. Cette amélioration aidera à calibrer les modèles de bassin versant et à réduire l'incertitude dans la prévisibilité du débit des cours d'eau.

La méthode d'apprentissage en profondeur a donné des estimations réalistes de la perméabilité d'un véritable système de bassin versant. Les résultats avaient une meilleure correspondance entre les débits de cours d'eau prévus et observés. Ce travail montre que l'apprentissage en profondeur peut être un outil puissant pour estimer les paramètres du bassin versant à partir d'observations indirectes mais pertinentes telles que le débit des cours d'eau. En utilisant avec succès l'apprentissage en profondeur pour cartographier la relation entre la perméabilité et le débit des cours d'eau, ce travail présente de nouvelles opportunités pour améliorer la caractérisation du sous-sol des grands bassins versants. Il ouvre la voie à l'élaboration de stratégies plus généralisées pour l'étalonnage des modèles de bassin versant avec de multiples paramètres et types de données. + Explorer plus loin

Les scientifiques du laboratoire utilisent des traceurs radioactifs pour déterminer l'âge des écoulements