Cerfacs Entrez dans le monde de la haute performance...

Hydrologie et hydraulique

Contexte

La gestion de la ressource en eau et du risque naturel lié à la dynamique des eaux continentales représente un enjeu crucial pour la société avec des conséquences financières significatives. Cette gestion nécessite une solide capacité d’anticipation des changements du système qui repose sur la compréhension et la prévision de la dynamique des écoulements fluides. Malgré les avancées notables dans les domaines de la modélisation numérique, l’hydrodynamique est décrite avec une gamme d’incertitude considérable liée à la description approximative des paramètres hydrauliques, des données météorologiques, hydrologiques et géo-morphologiques qui  se traduisent inévitablement en erreurs sur hauteurs et débits simulés. L’assimilation de données offre un cadre méthodologique pour la réduction des incertitudes dans les modèles hydrauliques et hydrologiques, en tirant le meilleur partie de sources diverses de données observées de télédetection ou in-situ.

L’activité “Hydrodynamique, débits des rivières, crues et inondations” s’insère dans le défi MODEST.
Cette activité se trouve à la croisée des axes transverses suivants :
  • “Quantification des incertitudes”
  • “Assimilation de données
  • “Intelligence Artificielle”
  • “Couplage”

Objectifs

Les objectifs de l’axe de recherche “Hydrodynamique, débits des rivières, crues et inondations” sont les suivants :

  • Modélisation des écoulements en rivière sous incertitudes

Une large gamme de modèles sont disponibles pour représenter l’hydrologie locale, régionale ou large échelle, avec une approche globale ou distribuée. Il en va de même pour la modélisation des écoulements en rivières et dans les estuaires. Pour la modalisation hydrodynamique, le CERFACS, en étroite collaboration avec EDF, utilise la suite logiciel Telemac Open Source, développé par un consortium d’experts et agrémenté d’API (Application Programing Interface). Malgré la précision et la robustesse des solveurs numériques de Mascaret (1D) et Telemac (2D/3D), les modèles numériques et leurs données d’entrée sont entachés d’incertitudes qu’il convient d’identifier, quantifier et classifier.

  • Modélisation réduite pour la quantification des incertitude et analyse de sensibilité pour l’estimation de la hauteur d’eau et du débit

Pour identifier, quantifier et classifier les incertitudes et leur impact sur les variables d’intérêt issues de la modélisation, le CERFACS met en place des études de quantification des incertitudes et d’analyse de sensibilité en faisant appel à diverses algorithmes dont ceux disponibles dans la librairie d’OpenTURNS. La librairie OT-BATMAN, développée au CERFACS, permet un accès simplifié et banalisé à diverses plateformes logiciels, ainsi qu’à des développement propres.  Ces algorithmes impliquent généralement une approche ensembliste dont l’implémentation et le coût de calcul représentent des verrous scientifique et techniques.

  • Assimilation de données pour la prévision hydrodynamique

Des données, principalement de hauteur d’eau, issues de l’observation in-situ ou satellitaires sont assimilées dans les modèles hydrologiques et hydrauliques afin de réduire les incertitudes associées aux paramètres du modèle, aux forçages imposés aux conditions limites ainsi qu’à l’état simulé par le modèle. Cette correction permet d’établir une ré-analyse et une prévision plus fiable que celles obtenues par le modèle libre. Le CERFACS a développé la librairie Python Smurf dédiée à l’assimilation de données, implémentée sur le logiciel Mascaret avec un Filtre de Kalman d’Ensemble pour la prévision des crues et des inondations. Smurf est un logiciel modulaire Open Source, qui peut être déployé sur divers codes de calculs et différents types d’observations pour une première mise en œuvre de l’assimilation de données.

  • Apport des données de type SWOT pour l’hydrodynamique des rivières et des estuaires

La mission SWOT (NASA-CNES) va permettre de mesurer les hauteurs d'eau des océans, des fleuves, lacs et zones inondées, en utilisant un nouveau concept technique : l'altimétrie interférométrique. Par rapport à l'altimétrie conventionnelle, qui fournit des données ponctuelles le long de traces espacées de plusieurs dizaines/centaines de km, l'altimétrie interférométrique à large fauchée sera capable de fournir des hauteurs d'eau de précision centimétrique, les pentes et des largeurs  pour les fleuves d'une largeur supérieure à 100 m avec une résolution temporelle de l'ordre de la semaine. L’apport de ces données, dans un contexte d’assimilation de données, pour l’estimation des hauteurs d’eau et débits dans les rivières et les estuaires, est investigué au CERFACS.

  • Représentation des surfaces inondées via l’observation satellitaire et la modélisation numérique

La détection, la surveillance et l’anticipation des inondations  mobilise la communauté de l’observation de la Terre depuis l’espace ainsi que la communauté de la modélisation numériques des surfaces continentales. Dans un contexte où les événements extrêmes s’intensifient, le CERFACS participe à l’effort de représentation et la prévision des surfaces inondées des l’échelles locale, régionale à globale, en combinant diverses sources d’observations multi-capteurs satellitaires et terrestres et de modélisation multi-physique.

  • Génération et post-traitement de prévision d’ensemble des débits en hydrologie et hydraulique

L’approche ensembliste permet de représenter l’incertitude sur les hauteurs d’eau et débits simulés liée à la connaissance imparfaite des paramètres des modèles et des forçages observés ou prévus. L’intégration d’un ensemble de simulation repose sur l’échantillonnage des variables d’entrée dans un espace probabilisé puis sur la propagation de ces incertitudes par le code de calcul en mobilisant efficacement les ressources de calcul disponibles via une implémentation mettant en œuvre un parallélisme interne et un parallélisme de tache dans un contexte HPC dans lequel le CERFACS est expert. L’ensemble généré doit alors être comparé à la réalité et au besoin corrigé, notamment via des méthodes de calibration statistique paramétriques ou non paramétriques.

  • Algorithmes d’apprentissage pour l’extension de l’échéance de prévision des débits

Les techniques d'apprentissage machine rencontrent un vif succès dans de nombreuses industries du numérique et des efforts croissants voient le jour dans la communauté des physiciens pour appliquer ces techniques aux problèmes du risque environnemental. On investigue au CERFACS, l’apport d’algorithmes d’apprentissage pour l’extension de l’échéance de prévision des crues. L’étape de “feature engineering” prépare et transforme les données de nature hétérogène (séries temporelles, cartes, mesures ponctuelles) pour qu’elles soient fusionnées au sein des algorithmes (par exemple des réseaux de neurones convolutionnels). Un défi majeur réside dans la capacité des algorithmes à fournir des prédictions physiquement acceptables, particulièrement d’être robuste en extrapolation.

  • Modélisation multi-physique et multi-dimensionnelle pour la résolution des écoulements complexes

La dynamique des écoulements complexes met en musique des phénomènes multiples à différentes échelles spatiales et temporelles. La résolution de ces phénomènes est abordée par sous-systèmes dont les équations sont couplées (faiblement ou fortement). Ce couplage est réalisé à l’aide d’algorithmes de couplage, éventuellement de logiciels de couplage (par exemple OASIS ou OpenPALM),  dans un contexte où les incertitudes doivent être considérées, en faisant appel au calcul à haute performance. Afin de respecter les contraintes de coût de calcul pour la prévision temps réel, le CERFACS propose de résoudre les écoulements hydraulique complexes en couplant fortement, via un algorithme de Schwarz, des sous-modèles 1D avec des modèles 2D dans les zones de débordement. On propose de plus d’étendre les échéances de prévision des débits en chainant des modèles hydrologiques et hydrauliques afin de fournir des ensembles de prévisions hydrologiques.

                             

Développements codes et logiciels

Quantification des incertitudes : OT-BATMAN

Assimilation de données : Smurf

Outils liés à Mascaret et Telemac :

Collaborateurs

EDF-LNHECNESCNRMCEREMA
SCHAPI/SPCsINRIAINRAELEGOS
LHSVCS-GroupJPLARTELIA
Météo-FranceLIMSICLSMagellium

Groupes scientifiques

GIS HEDD (Groupement d’Intérêt Scientifique, “Hydraulique pour l’Environnement et le Développement Durable”)

GdR EGRIN (Groupement de Recherche, “Ecoulements Gravitaires et RIsques Naturels”).

GdR MASCOT-NUM (Groupement de Recherche, “Méthodes d'Analyse Stochastique des COdes et Traitements NUMériques”).

Projets

TOSCA-SWOT (Débit, Estuaire, Large Scale)

SCO-FloodDAM

EoCoE-II (H2020)

Publications

Articles de journaux

2020

  • Emery, C. M., Biancamaria, S., Boone, A., Ricci, S., Rochoux, M., Pedinotti, V. and David, C. A. (2020) Assimilation of wide-swath altimetry water elevation anomalies to correct large-scale river routing model parameters, Hydrology and Earth System Sciences, 24, pp. 2207–2233, doi:10.5194/hess-24-2207-2020
  • Laborie, V., Ricci, S., De Lozzo, M., Goutal, N., Audoin, Y. and Sergent, P. (2020) Quantifying forcing uncertainties in the hydrodynamics of the Gironde estuary, Computational Geosciences, 24, pp. 181-202, doi:10.1007/s10596-019-09907-7

2019

  • Häfliger, V., Martin, E., Boone, A., Ricci, S. and Biancamaria, S. (2019) Assimilation of Synthetic SWOT River Depths in a Regional Hydrometeorological Model, Water, 11 (78), pp. 2-24, doi:10.3390/w11010078

2018

  • Barthélémy, S., Ricci, S., Morel, T., Goutal, N., Le Pape, E. and Zaoui, F. (2018) On operational flood forecasting system involving 1D/2D coupled hydraulic model and data assimilation, Journal of Hydrology, 562, pp. 623-634, doi:10.1016/j.jhydrol.2018.05.007
  • Roy, P., Elmocayd, N., Ricci, S., Jouhaud, J. -C., Goutal, N., De Lozzo, M. and Rochoux, M. (2018) Comparison of Polynomial Chaos and Gaussian Process surrogates for uncertainty quantification and correlation estimation of spatially distributed open-channel steady flows, Stochastic Environmental Research and Risk Assessment, 32 (6), pp. 1723-1741, doi:10.1007/s00477-017-1470-4
  • P. Roy,S.Ricci,R.Dupuis,R.Campet,J.-C.Jouhaud,andC.Fournier,(2018),BATMAN:Statisticalanalysisfor expensive computer codes made easy, Journal of Open Source Software, 3, 00493.
  • Elmocayd, N., Ricci, S., Goutal, N., Rochoux, M., Boyaval, S., Goeury, C., Lucor, D. and Thual, O. (2018) Polynomial Surrogates for Open-Channel Flows in Random Steady State, Environmental Modeling and Assessment, 23 (3), pp. 309–331, doi:10.1007/s10666-017-9582-2
  • Colmet-Daage, A., Sanchez-Gomez, E., Ricci, S., Llovel, C., Borrell Estupina, V., Quintana-Segui, P., Llasat, M. C. and Servat, E. (2018) Evaluation of uncertainties in mean and extreme precipitation under climate change for northwestern Mediterranean watersheds from high-resolution Med and Euro-CORDEX ensembles, Hydrology and Earth System Sciences, 22, pp. 673-687, doi:10.5194/hess-22-673-2018
  •  Roy, P., Ricci, S., Dupuis, R., Campet, R., Jouhaud, J. -C. and Fournier, C. (2018) BATMAN: Statistical analysis for expensive computer codes made easy, Journal of Open Source Software, 3 (21), pp. 493, doi:10.21105/joss.00493

2017

  • Barthélémy, S., Ricci, S., Rochoux, M., Le Pape, E. and Thual, O. (2017) Ensemble-based data assimilation for operational flood forecasting – On the merits of state estimation for 1D hydrodynamic forecasting through the example of the Adour Maritime river, Journal of Hydrology, 552, pp. 210-224, ISSN 0022-1694, doi:10.1016/j.jhydrol.2017.06.017
  • Durand, M., Gleason, C. J., Garambois, P. -A., Bjerklie, D., Smith, L. C., Roux, H., Rodriguez, E., Bates, P., Pavelsky, T. M., Monnier, J., Chen, X., Di Baldassarre, G., Fiset, J. -M., Flipo, N. F., Frasson, R. P., Fulton, J., Goutal, N., Hossain, F., Humphries, E., MInear, J. T., Ricci, S., Sanders, B. F., Schumann, G., Schubert, J. E. and Vilmin, L. (2017) An intercomparison of remote sensing river discharge estimation algorithms from measurements of river height, width, and slope, Water Resources Research, 52 (6), pp. 4527–4549, doi:10.1002/2015WR018434

2016

  • Emery, C., Biancamaria, S., Boone, A., Garambois, P. -A., Ricci, S., Rochoux, M. and Decharme, B. (2016) Temporal Variance-Based Sensitivity Analysis of the River-Routing Component of the Large-Scale Hydrological Model ISBA-TRIP: Application on the Amazon Basin, Journal of Hydrometeorology, 17 (12), pp. 3007-3027, doi:10.1175/JHM-D-16-0050.
  •  Habert, J., Ricci, S., Le Pape, E., Thual, O., Piacentini, A., Goutal, N., Jonville, G. and Rochoux, M. (2016) Reduction of the uncertainties in the water level-discharge relation of a 1D hydraulic model in the context of operational flood forecasting, Journal of Hydrology, 532, pp. 52-64, doi:10.1016/j.jhydrol.2015.11.023
  •  Pannekoucke, O., Ricci, S., Barthélémy, S., Ménard, R. and Thual, O. (2016) Parametric Kalman filter for chemical transport models, Tellus Series A-Dynamic Meteorology and Oceanography, 68 (1), doi:10.3402/tellusa.v68.31547

2015

  • Vincent Häflinger, Eric Martin, Aaron Boone, Florence Habets, Cédric H. David, Pierre-A. Garambois, Hélène Roux, Sophie Ricci, Lucie Berthon, Anthony Thévenin, and Sylvain Biancamaria, 2015: Evaluation of Regional-Scale River Depth Simulations Using Various Routing Schemes within a Hydrometeorological Modeling Framework for the Preparation of the SWOT Mission. J. Hydrometeor, 16, 1821–1842. doi: http://dx.doi.org/10.1175/JHM-D-14-0107.1

2014

  • V. Borrell Estupina., P.-O. Malaterre, S. Ricci, P. Fleury, O. Thual, C. Bouvier, A. Marchandise, M. Jay-Allemand, M. Coustau, E. Harader, M. Guilhalmene, J.-C. Maréchal (2014): Flood part II: Genesis, propagation and forecasting of flooding at Montpellier city. Karstologia. Accepted.
  • V. Pedinotti, A. Boone, S. Ricci, S. Biancamaria, N. Mognard: Assimilation of satellite data to optimize large scale hydrological model parameters: a case study for the SWOT mission. Hydrol. Earth Syst. Sci. Discuss., 11, 4477-4530, 2014

2013

  • Coustau M., Ricci S., Borrell-Estupina V., Bouvier C. and O.Thual , 2013: Benefits and limitations of data assimilation for discharge forecasting using an event-based rainfall-runoff model.Nat. Hazards Earth Syst. Sci., 13, 583-596. DOI 10.5194/nhess-13-583-2013. http://www.nat-hazards-earth-syst-sci.net/13/583/2013/nhess-13-583-2013.html

2012

  • E. Harader, V. Borrell Estupina, S. Ricci, M. Coustau, O. Thual, A. Piacentini, C. Bouvier : Correcting the radar rainfall forcing of a hydrological model with data assimilation:application to flood forecasting in the Lez Catchment in Southern France. Hydrol. Earth. Syst. Sci. Discuss., 9, 3527-3579, 2012. http://www.hydrol-earth-syst-sci-discuss.net/ç/3527/2012 doi:10.5194/hessd-9-3527-2012, 2012.

2011

  • S. Ricci, A. Piacentini, O. Thual, E. Le Pape, G. Jonville : Correction of upstream flow and hydraulic state with data assimilation on the context of flood forecasting. Submitted to Hydrol. Earth Syst. Sci, 15, 3555-3575, 2011.

2010

  • G. Thirel, E. Martin, J.-F. Mahfouf, S. Massart, S. Ricci, F. Habets : A past discharges assimilation system for ensemble streamflow forecasts over France. Part 1: Description and validation of the assimilation system. Hydrol. Earth Syst. Sci., 14, 1623-1637, 2010.
  • G. Thirel, E. Martin, J.-F. Mahfouf, S. Massart, S. Ricci, F. Regimbeau, F. Habets, 2010: A past discharge assimilation system for ensemble streamflow forecasts over France. Part 2: Impact on the ensemble streamflow forecasts. Hydrol. Earth Syst. Sci., 14, 1639-1653, 2010.

Habilitation à Diriger des Recherches

Sophie Ricci, 2019. Quantification et réduction des incertitudes par assimilation de données en géosciences – Application à l’hydraulique à surface libre.. HDR. CECI, Université de Toulouse, CNRS, CERFACS.

Thèses

  • Vanessya Laborie. Quantification d’incertitudes et assimilation de données pour la modélisation hydrodynamique bidimensionnelle : application au modèle de prévision des hautes eaux de l'estuaire de la Gironde. PhD Thesis. Université Paris Est. (2020).
  • Nabil El Moçayd. La décomposition en polynôme du chaos pour l’amélioration de l’assimilation de données ensembliste en hydraulique fluviale. PhD Thesis. Institut National Polytechnique de Toulouse III, 2017
  • Johan Habert. Prévision des crues en temps réel sur la bassin de la Marne : assimilation in situ pour la correction du modèle hydraulique mono-dimensionnel Mascaret. PhD Thesis. Université Toulouse III Paul Sabatier. (2016).
  • Pamphile Roy. Uncertainty Quantification in High Dimensional Problem. PhD Thesis. Institut National Polytechnique de Toulouse – Ecole doctorale MEGeP. 5 (2019).
  • Antoine Colmet-Daage. Les impacts du changement climatique sur les pluies et les inondations extrêmes de bassins versants méso-échelles méditérranéens. PhD Thesis. Université de Montpellier. (2018).
  • Sébastien Barthélémy. Assimilation de données ensembliste et couplage de modèles hydrauliques 1D-2D pour la prévision des
    crues en temps réel. Application au réseau hydraulique “Adour maritime”. INP, Mai 2015.
  • Elizabeth Harader. L'impact du changement climatique sur les événements hydrologiques extrêmes des petits bassins versants méditerranéens : le cas du bassin versant du Lez, UPS, Janvier 2015.
  • Mathieu Coustau. Contribution à la prévision des crues sur le bassin du Lez : modélisation de la relation pluie-débit en zone karstique et impact de l'assimilation des débits, SIBAGHE, 2011.

Articles de conférences

  • S. El Garroussi, M. De Lozzo, S. Ricci, D. Lucor, N. Goutal, C. Goeury, and S. Boyaval, (2019), Uncertainty quantification in a two-dimensional river hydraulic model, In UNCECOMP 2019, Crete, Greece, 24-26 June.
  • S. El Garroussi, S. Ricci, M. De Lozzo, N. Goutal, and D. Lucor, (2019), Mixture of polynomial chaos expansions for uncertainty propagation, In Telemac User Confe ́rence, Toulouse, France, 15-17 Oct.
  • S. El Garroussi, S. Ricci, M. De Lozzo, P. Roy, I. Mirouze, N. Goutal, S. Boyaval, D. Lucor, and V. Laborie, (2019), Contribution and on-going research on sensitivity analysis and surrogate models at CERFACS with an application in 2D hydrodynamics, In OpenTURNS Journee Utilisateurs, June, 7th 2019.
  • S. El Garroussi, S. Ricci, M. De Lozzo, N. Goutal, and D. Lucor, (2020), Assessing uncertainties in flood forecasts using a mixture of generalized polynomial chaos expansions, In TELEMAC User Conference, Toulouse, 14-15 Octobre.
  • C. Lapeyre, N. Cazard, P. Roy, S. Ricci, and F. Zaoui, (2019), Prediction and reconstruction of hydraulic state with machine learning, In SimHydro 2019, 12-14 June, Sophia-Antipolis, France.
  • I. Mirouze, S. Ricci, and N. Goutal, (2019), The impact of observation densification in an ensemble Kalman Filter., In Telemac User Confe ́rence, Toulouse, France, 15-17 Oct.
  • I.Mirouze,S.Ricci,N.Goutal,L.Martin,andD.Desroche,(2019),Generationandassimilationofsynthetical SWOT data with an Ensemble Kalman filter for 1D and 2D hydrodynamics models, In ST SWOT, Bordeaux June 2019.
  • I.Mirouze,S.Ricci,P.Roy,M.DeLozzo,andN.Goutal,(2019),Diagnosingdataassimilationwithsensitivity analysis, In 14th International EnKF workshop, 3-5 June 2019, Vossenvagen, Norway.
  • S. Ricci, V. Lemiale, I. Mirouze, N. Thio, and P. Roy, (2019), Sensitivity analysis for flood evacuation model, In SAMO conference, Barcelona, 28-30 octobre.
  • S. Ricci, (2019), Uncertainty quantification and reduction with data assimilation, In Application in hydrodynamics, University of Melbourne, August 9th.
  • A.-L. Tiberi, S. Ricci, N. Goutal, P. Sergent, and C. Monteil, (2019), Sensitivity Analysis of the Mascaret model on the Odet River, In Telemac User Confe ́rence, Toulouse, France, 15-17 Oct. 2019
  • S. Barthe ́le ́my, S. Ricci, T. Morel, N. Goutal, and E. Le Pape, (2017), Joint1D/2D hydraulic model coupling, 2D domain decomposition and 1D data asimilation for operational flood forecasting, SimHydro 2017, 14-16 June, Sophia Antipolis.
  • A. Colmet-Daage, S. Ricci, E. Sanchez-Gomez, V. Borrell Estupina, and C. Llovel, (2017), Climate change impacts on extremes rainfalls, flows and floods in Mediterraneans mesoscales catchments, In Intenationnal Association of Hydrogeologists (IAH), Montpellier, France.
  • A. Colmet-Daage, S. Ricci, E. Sanchez-Gomez, V. Borrell Estupina, and W. Llovel, (2017), Climate change impacts on extremes rainfalls, flows and floods in Mediterraneans mesoscales catchments, In Internationnal Association of Hydrogeologists (IAH). Montpellier, France.
  • A.Colmet-Daage,S.Ricci,E.Sanchez-Gomez,V.BorrellEstupina,E.Servat,andC.Llovel,(2017),Climate change impacts on extremes rainfalls, flows and floods in Mediterraneans mesoscales catchments, International Association of Hydrological Science (IAHS). Port Elisabeth, South Africa.
  • A. Colmet-Daage, E. Sanchez-Gomez, S. Ricci, V. Borrell Estupina, W. Llovel, P. Quintana-Segui, and C. Llasat, (2017), Evaluation of uncertainties in mean and extreme precipitation under climate change for northwestern Mediterranean watersheds from high-resolution Med and Euro-CORDEX ensembles, In 10th Hymex workshop, 4-7 July, Barcelona, Spain, Juillet.
  • M.DeLozzo,P.Mycek,S.Ricci,M.Rochoux,P.Roy,N.Goutal,andU.Ruede,(2017),Me ́thodesdeMonte- Carlo multi-niveaux pour la quantification d'incertitudes et l'assimilation de donne ́es – Application‘a la mode ́lisation fluviale, In 49th Days of Statistics, Avignon, France.
  • V. Laborie, N. Goutal, S. Ricci, M. De Lozzo, and P. Sergent, (2017), Global Sensitivity Analysis applied to the Telemac2D numerical forecast model of high water levels in the Gironde estuary, 24th Telemac User Conference, Graz, Austria.
  • V. Laborie, N. Goutal, S. Ricci, M. De Lozzo, and P. Sergent, (2017), Uncertainty quantification applied to Gironde Estuary Telemac2D numerical model, SimHydro 2017, 14-16 June, Sophia Antipolis.
  • V. Laborie, N. Goutal, S. Ricci, M. De Lozzo, and P. Sergent, (2017), Uncertainty quantification in hydrodynamics bidimensional models : the case of Gironde estuary forecast model, no. EGU2017-312 / NH1.3/HS11.25, Vienne.
  • P. Mycek, M. De Lozzo, S. Ricci, M. Rochoux, P. Roy, and N. Goutal, (2017), Multilevel Monte Carlo estimation of covariances in the context of open-cahenne flow simulation, CEMRACS 17/07-25/08/2017, CIRM, Marseille.
  • S. Ricci, S. Biancamaria, A. Boone, N. Elmocayd, C. Emery, J.-F. Creteaux, P.-A. Garambois, N. Goutal, V. Halfiger, P. Le Moigne, P.-O. Malaterre, J. Monnier, and V. Pedinotti, (2017), Combining SWOT data and numerical models with Data Assimilation methods for better simulation and forecast of water level and discharge, In SWOT Applications User Workshop, 5-6 April, Reston VA, USA.
  • S. Ricci, N. Elmocayd, N. Goutal, M. Rochoux, C. Goeury, R. Ata, H. Oubanas, P.-O. Malaterre, and I. Gejadze, (2017), Uncertainty quantification for river flow simulation applied to a real test case: the Garonne valley, In SimHydro 2017 conference, Nice, France.
  • S. Ricci, N. Elmocayd, N. Goutal, M. Rochoux, C. Goeury, R. Ata, H. Oubanas, P.-O. Malaterre, and I. Gejadze, (2017), Uncertainty quantification for river flow simulation applied to a real test case: the Garonne valley, SimHydro 2017, 14-16 June, Sophia Antipolis.
  • S. Ricci, N. Goutal, N. Elmocayd, and F. Moussu, (2017), Ensemble-based Data assimilation with surrogate models – Garonne test case study, SWOT Science Team meeting, June 28th.
  • S. Ricci, (2017), Data assimilation and flood forecasting . Data science for high impact weather and flood prediction, In DARE, 20-22/11/2017, Henley, UK. Invited Speaker.
  • M. Rochoux, S. Ricci, N. Goutal, S. Boyaval, and D. Lucor, (2017), Environmental risk prediction using reduced-cost Ensemble Kalman Filter based on Polynomial Chaos surrogate, In Workshop Data Science and Environment, Brest, France.
  • P.Roy,M.DeLozzo,S.Ricci,M.Rochoux,V.Laborie,andN.Elmocayd,(2017),Improvingsurrogatemodel- based uncertainty quantification in a costly numerical environment, 10th OpenTurns Users 06/06/2017, Chatou
  • S.Barthélémy,N.Goutal,S.Ricci,andO.Thual,(2016),Multi-dimensionalcouplingforfloodforecasting.
  • S. Barthélémy, S. Ricci, E. Le Pape, M. Rochoux, O. Thual, N. Goutal, J. Habert, A. Piacentini, G. Jonville, F. Zaoui, and P. Gouin, (2016), Ensemble-based algorithm for error reduction in hydraulics in the context of flood forecasting, Lyon, France, FLOODrisk 2016 Conference.
  • A. Colmet-Daage, S. Ricci, E. Sanchez-Gomez, V. Borrell Estupina, and E. Servat, (2015), Climate Change Impacts on extremes rainfall, flows and floods in Mediterranean mesoscale catchments, In Colloque Mistrals, Marseille, France.
  • A. Colmet-Daage, S. Ricci, E. Sanchez-Gomez, V. Borrell Estupina, and C. Llovel, (2016), Climate change impacts on extremes rainfalls, flows and floods in Mediterraneans mesoscales catchments, In International Environmental Modelling and Software Society (iEMSs), Toulouse, France.
  • F.Demangeon,F.Zaoui,C.Goeury,N.Goutal,V.Pascual,L.Hascoet,andS.Ricci,(2016),Ladiffe ́rentiation automatique du code MASCARET pour la calibration optimale et l'assimilation de donne ́es, In Colloque National d'Assimilation de données.
  • N. Elmocayd, S. Ricci, M. Rochoux, N. Goutal, S. Boyaval, C. Goeury, and D. Lucor, (2016), Uncertainty quantification with Polynomial chaos expansion in Ensemble based data assimilation framework, In 8th International Congress on Environmental Modelling and Software (iEMSs), Toulouse, France.
  • N. Elmocayd, S. Ricci, M. Rochoux, N. Goutal, C. Goeury, S. Boyaval, and D. Lucor, (2016), Uncertainty quantification with Polynomial Chaos expansion in hydraulics – Application to the Garonne River, In 12th International Conference on Hydroinformatics (HIC), Songdo Convensia, Incheon, South Korea.
  • C. Emery, S. Biancamaria, A. Boone, S. Ricci, P.-A. Garambois, and B. Decharme, (2015), Surface water storage and runoff : modeling, in-situ data and remote sensing, In 3rd Space for Hydrology Workshop, September 15-17, Rome, Italy, ESA/ESRIN.
  • C. Emery, S. Biancamaria, A. Boone, S. Ricci, P.-A. Garambois, B. Decharme, and M. Rochoux, (2015), Variance-based sensitivity analysis of large-scale hydrological model to prepare ensemble-based SWOT-like data assimilation experiments, In AGU, San Francisco, USA.
  • C. Emery, S. Biancamaria, A. Boone, S. Ricci, M. Rochoux, P.-A. Garambois, A. Paris, and S. Calmant, (2016), Contribution of the SWOT mission to large-scale hydrological modeling using data assimilation, In AGU Fall Meeting, San Francisco, USA.
  • N. Goutal, R. Ata, C. Goeury, N. Elmocayd, S. Ricci, and S. Boyaval, (2015), Roughness and discharge uncertainty propagation in water level calculations, In 1st International Conference on Uncertainty Quantification in Computational Sciences and Engineering (UNCECOMP), Crete Island, Greece.
  • S. Ricci and M. Rochoux, (2016), On the use of the OpenPALM coupling software for data assimilation applications, Toulouse, France, Colloque, Météorologie : de l'atmosphère à l'espace . Conférence invitée.
  • S. Ricci, V. Ayoub, N. Elmocayd, N. Goutal, J. Habert, G. Jonville, E. Le Pape, A. Piancentini, M. Rochoux, and A. Thevenin, (2016), Hydraulic model uncertainty reduction with data assimilation: application to the garonne river., In 12th International Conference on Hydroinformatics (HIC), Songdo Convensia, Incheon, South Korea.
  • S. Ricci, (2016), Hydraulic model uncertainty quantification and reduction : application to the Garonne River. Uncertainty quantification Garonne inundation test case, In Workshop EDF, Confe ́rence invite ́e, Paris.
  • S. Ricci, (2016), Introduction a' l'assimilation de donne ́es, In CEMRACS, Confe ́rence invite ́e, Marseille, France.
  • S. Ricci, (2016), Uncertainty quantification with OpenTurns – Application in CFD and hydrodynamics @CERFACS, In OpenTurns User Meeting, Conférence invitée.
  •  J. Habert, S. Ricci, E. Le Pape, A. Piancentini, O. Thual, G. Joinville, N. Goutal, F. Zaoui, R. Ata : Towards Real-Time Flood Forecasting in Hydraulics: Merits of in Situ Discharge and Water Level Data Assimilation for the Modeling of the Marne Catchment in France. Advances in Hydroinformatics – SIMHYDRO 2012 – New Frontiers of Simulation. Séries : Springer Hydrogeology – Goubersville Philippe, Cunge Jean, Caignaert Guy (Eds.) 2014, X, 405p. 324, 2014.
  • V. Borrell-Estupina, B. Ladouche, P.-O. Malaterre, S. Ricci, Y. Caballero, M. Coustau, N. Dorfliger, P. Fleury, M. Jay-Allemand, J.-C. Maréechal, O. Thual : Forecasting and mitigation of flooding in a Mediterranean karstic watershed. Hydrology in a Changing World: Environmental and Human Dimensions. Proceedings of Friend-Water 2014, Hanoi, Vietnam, February 2014, IAHS Publ. 36x, 2014.
  • Ricci, S., Piacentini, A., Weaver, A., Ata, R., Goutal, N., (paper, oral), Variational data assimilation with telemac. Proof of concept for model state correction on the berre lagoon 3d-model, 11th International Conference on Hydroinformatics, HIC 2014, New York City, USA
  • K. Andreadis, S. Biancamaria, S. Ricci : Preparing for the assimilation of continental water surface elevation imagery from upcoming satellite mission. Hydrologic Data Assimilation for the SWOT mission meeting; Toulouse, France, 12-13 November 2013, Paper 2014ES004574R, EOS, American Geophysical Union, 2013.

 

bool(true)