Vient de paraître: Communicating Hydrometric Data Quality: What, How and Why
Par Thomas H. Yorke[i], Jérôme Le Coz[ii] et Tony Boston[iii]
L’accès à des ressources en eau douce en quantité suffisante pour la consommation humaine, l’agriculture, et l’industrie, notamment pour le refroidissement des centrales électriques et autres installations, et la protection des ressources aquatiques et riveraines sont problématiques ou vont le devenir dans tous les pays du monde. Des données précises et vérifiables sur l'écoulement fluvial sont indispensables pour faire des estimations fiables concernant les réserves d’eau douce disponibles, pour concevoir des routes et des ponts, entre autres infrastructures, pour étalonner et valider les modèles hydrologiques et pour évaluer l’impact potentiel des crues. La qualité de ces données revêt une importance d’autant plus grande que les ressources se raréfient, les décisions relatives à la répartition de l’eau ayant un impact de plus en plus marqué sur le développement socio-économique local, régional et national.1
Communicating Hydrometric Data Quality: What, How and Why dresse avec justesse un état des lieux sur la manière dont les données sur l’écoulement fluvial sont recueillies, traitées, examinées et classées par catégories. Ce livre électronique décrit l’ancien modèle auquel se conformaient les organismes nationaux qui appliquaient des procédures d’exploitation normalisées pour recueillir des données sur l’écoulement fluvial et les valider comme étant exactes et vérifiables, puis s’intéresse au nouveau modèle d’échange de données entre des fournisseurs nombreux et hétérogènes via la norme WaterML 2.0[i], qui ne propose pas de normes complémentaires pour décrire la qualité et la fiabilité des données. La norme WaterML 2.0 met plus que jamais en évidence le besoin de transparence dans les procédures hydrométriques – audits externes par des organismes indépendants, en plus des procédures internes -, mais il s’agit d’une question nouvelle qui n'est pas abordée dans l'ouvrage.
L’auteur examine les codes utilisés par cinq organismes pour décrire la qualité des données: l’Organisation météorologique mondiale (OMM), le. Geological Survey des États-Unis d’Amérique (USGS), la Division des relevés hydrologiques du Canada, le groupe directeur pour les normes nationales sur la surveillance de l’environnement (National Environmental Monitoring Standards (NEMS)) de la Nouvelle-Zélande et l’Open Geospatial Consortium (OGC). L’étude comprend une comparaison rudimentaire des catégories de qualité des données, selon qu’elles sont de bonne qualité, de qualité moyenne, de qualité médiocre, estimatives, non vérifiées, ou manquantes. Il serait bien évidemment pertinent d’étendre cet exercice à un plus grand nombre d’organismes à l’échelle mondiale.
La section de l’ouvrage intitulée «Standards for Characterizing Data Quality» (Normes applicables à la description de la qualité des données) est très instructive et comporte de nombreux liens vers d'autres publications, y compris celles de l’Organisation internationale de normalisation, de l’USGS et de l’OMM. Elle aborde divers aspects du jaugeage qui influent sur la qualité des données, notamment le choix du site; les méthodes et les instruments de mesure des hauteurs d’eau; les méthodes et les instruments de mesure du débit; et les méthodes de calcul utilisant les courbes de tarage hauteur-débit, les tarages basés sur l'indice de vitesse, ainsi que la modélisation et d’autres techniques d’estimation.
«Categorization of Hydrometric Data Quality» (Catégorisation de la qualité des données hydrométriques) constitue le cœur de l’ouvrage. Cette section mentionne le NEMS comme étant le seul, parmi les organismes considérés, à utiliser une norme qui fasse intervenir des critères vérifiables pour classer les données en fonction de leur qualité. Elle donne deux exemples assortis de graphiques, qui montrent les objectifs de qualité pour les données relatives aux hauteurs d’eau et à l’écoulement fluvial. Les graphiques comportent des nœuds de décision permettant de définir six catégories, en fonction de leur qualité, ce qui illustre bien la nécessité de normaliser davantage les méthodes de production et de diffusion des données hydrométriques.
Il manque à cet ouvrage des renseignements sur la quantification de l’incertitude des données sur l’écoulement fluvial. Les catégories de données classées en fonction de leur qualité par le NEMS sont fondées sur des nœuds de décision exprimant l’incertitude calculée, mais l’ouvrage ne donne pas d’indication sur la manière de calculer l’incertitude. Le calcul de l’incertitude sort peut-être de son champ d’étude, mais il aurait été utile que l’auteur renvoie à des procédures et à des exemples de calcul de l’incertitude des données figurant dans les normes ISO 748 et ISO 5168. L’ouvrage présente à juste titre le Guide pour l’expression de l’incertitude de mesure (JCGM, 2008) comme le cadre général d’analyse de l’incertitude.
L’analyse de l’incertitude des données hydrométriques est complexe et difficile à effectuer régulièrement et de manière à pouvoir être reproduite et vérifiée. Il importe toutefois de progresser pour ce qui est de la quantification de l’incertitude, en se référant à un degré de confiance explicite (habituellement 95 %), parce que la classification qualitative des données au moyen d’un code de qualité ne suffit pas à déterminer si celles-ci conviennent pour une utilisation donnée. Contrairement aux incertitudes quantifiées, les codes de qualité ne peuvent être appliqués aux statistiques hydrologiques ou à d’autres produits hydrologiques.
1 Hydrologue, Yorke Consulting S.A., Haymarket, Virginie, États-Unis d’Amérique
2 Chercheur en hydraulique des rivières, Irstea, Unité de recherche Hydrologie-Hydraulique, Lyon, France
3 Chef du Service de gestion de l'information sur l'environnement, Bureau météorologique australien
4 Disponible à l'adresse aquaticinformatics.com
5 La norme WaterML 2.0: Part 1 – Timeseries (Partie 1 – séries chronologiques) a été publiée par l’OGC en septembre 2012, et en novembre 2012, la Commission d’hydrologie a suggéré aux Membres de l’OMM d’exécuter, entre 2013 et 2016, des projets pilotes afin de tester l’utilisation de la norme WaterML 2.0 pour l’échange de données hydrologiques, en vue de son adoption comme norme commune OMM/ISO.