Quand l’observation locale fait avancer l’hydrologie

Modéliser une rivière sans stations de mesure: comment la science citoyenne et un peu de créativité transforment l’hydrologie

L’un des principaux défis de l’hydrologie contemporaine est que la majorité des rivières dans le monde ne disposent pas de stations de jaugeage permettant de mesurer le débit de manière continue. De nombreux hydrologues reconnaissent que les données de débit continu sont très limitées en dehors de réseaux de mesure bien développés. Cette situation a historiquement motivé des initiatives internationales telles que la Decade on Prediction in Ungauged Basins (PUB) de l’International Association of Hydrological Sciences (IAHS), lancée précisément parce qu’une part importante des bassins versants du monde ne dispose pas des mesures continues nécessaires à l’application des méthodes classiques de prévision hydrologique.

Sans données de débit, anticiper les inondations, comprendre les sécheresses ou évaluer les effets du changement climatique devient un défi majeur.

Une étude récente, Value of water level class observations for parameter set selection in hydrological modelling (Clerc-Schwarzenbach et al., 2025), propose une alternative puissante : combiner des observations citoyennes simples avec des estimations hydrologiques approximatives pour calibrer des modèles dans des bassins pauvres en données.

Et cela ne fonctionne pas seulement — cela fonctionne étonnamment bien.

Quand il n’y a pas de données… mais qu’il y a des personnes

L’étude analyse les water level class observations (WLC), des observations simples dans lesquelles des volontaires notent la montée ou la baisse du niveau de l’eau à l’aide d’une échelle visuelle. Elles ne fournissent pas un débit exact, mais capturent l’essentiel : la dynamique, le rythme avec lequel la rivière « respire » au fil du temps.

Les auteurs l’expliquent clairement :

« The dynamic information provided by water level classes allows to select parameter sets that better reproduce the temporal pattern of streamflow. »

Autrement dit, même sans stations de mesure complètes, les observations citoyennes aident les modèles à comprendre le comportement du cours d’eau. L’étude montre également que la régularité est essentielle :

« One diligent citizen scientist provided useful information, while data from many contributors were uninformative. »

La valeur de l’approximation : quand un bilan hydrique remplace une station de mesure

L’un des résultats les plus marquants de l’étude est qu’il n’est pas nécessaire de disposer d’une station de jaugeage formelle pour obtenir des informations utiles. À partir d’un bilan hydrique approximatif — un calcul simple de l’eau qui entre dans le bassin (précipitations) et de celle qui en sort (évaporation) — il est possible d’estimer le débit moyen annuel avec une marge d’erreur raisonnable.

Même avec une forte incertitude, cette estimation améliore significativement les performances du modèle.

« Providing a range would lead to improvement while not providing a value that was too restrictive. »

Autrement dit, un large intervalle de débit annuel stabilise davantage le modèle qu’une valeur unique supposée « précise ». Cela a des implications majeures pour les bassins versants dépourvus de stations de mesure permanentes.

Quelques mesures directes peuvent tout changer

Même en l’absence de stations officielles, un bassin peut obtenir des valeurs réelles de débit grâce à des méthodes accessibles à des équipes de volontaires. Ces mesures ponctuelles sont essentielles pour transformer des niveaux d’eau en débits et affiner les modèles.

Parmi les techniques efficaces :

Mesure directe par flotteur: chronométrer des objets flottants sur un tronçon connu de la rivière afin d’estimer la vitesse de surface. Approximative, mais utile.

Mesure par dilution au sel: une certaine quantité de sel est ajoutée et la variation de conductivité est mesurée en aval. Cette méthode permet d’estimer le débit sans entrer dans la rivière.

Géoréférencer chaque mesure: l’enregistrement précis de la localisation, des photos et du contexte permet de comparer les mesures dans le temps et de construire des courbes de tarage préliminaires. Ces mesures remplacent de manière collaborative ce que ferait habituellement une station de jaugeage professionnelle.

Science citoyenne + données incomplètes = hydrologie démocratique

L’idée centrale de l’étude peut se résumer ainsi :

« A wide range of mean annual discharge estimates would improve model performance… more informative than providing an accurate single value. »

C’est une invitation à démocratiser la production de données. Il n’est plus nécessaire de disposer d’un réseau dense de stations de mesure pour produire des connaissances hydrologiques utiles. Des résultats robustes peuvent émerger de la combinaison de sources imparfaites :

• capteurs HOBO,

• observateurs citoyens engagés,

• quelques mesures directes de débit,

• un bilan hydrique approximatif,

• et l’appui de données de télédétection.

Ensemble, ces éléments permettent de produire des connaissances hydrologiques pertinentes, même dans des bassins historiquement négligés.

Justice climatique : pourquoi collecter des données est aussi un acte d’équité

Les régions disposant de peu de stations de mesure sont souvent celles qui subissent le plus fortement les effets de la crise climatique : crues soudaines, sécheresses sévères, évolution des glaciers ou événements extrêmes. Sans données, les communautés disposent de moins de moyens pour argumenter, planifier, négocier ou accéder à des financements.

Collecter des données — même simples, même approximatives — est une manière de réduire ces inégalités.

Cela permet aux communautés de :

• mieux comprendre leurs rivières,

• documenter les impacts qu’elles subissent,

• négocier sur la base d’informations étayées,

• et participer activement aux décisions liées à l’eau.

Dans ce sens, la science citoyenne et le suivi participatif comblent le vide laissé par l’absence historique de stations officielles. Ce sont des outils d’autonomisation, d’adaptation et de justice climatique. Il ne s’agit pas seulement de science, mais d’équité entre régions de montagne confrontées à de nouvelles dynamiques climatiques.

Rejoignez le réseau HIDROCLIM pour produire collectivement des données sur les rivières à El Chaltén !

Source: Clerc-Schwarzenbach, F., Seibert, J., Vis, M. J. P., & van Meerveld, H. J. (2025). Value of water level class observations for parameter set selection in hydrological modelling. Hydrological Sciences Journal, 70(9), 1464–1480. https://doi.org/10.1080/02626667.2025.2489994