Influence of Geographical Location on the Temporal Dynamics of Reservoir Storage: A Case Study of Bogotá, Colombia

L'eau douce est le sang vital des villes modernes, pourtant les systèmes qui la captent et la stockent sont de plus en plus fragiles. Alors que les populations urbaines gonflent et que les modèles météorologiques deviennent plus erratiques, la vieille habitude de gérer l'eau en se basant sur les moyennes passées ne suffit plus. Le défi consiste à prédire comment les réservoirs se comporteront lorsque le climat change ou lorsque les besoins humains évoluent. Pour ce faire, les scientifiques se tournent souvent vers l'analyse de séries temporelles, une méthode qui examine comment une variable unique, comme le volume d'eau, change au fil du temps pour trouver des motifs cachés. Ces motifs peuvent révéler si un système suit un rythme régulier et prévisible ou s'il est poussé par des forces irrégulières, telles que des sécheresses soudaines ou des décisions humaines délibérées de libérer l'eau pour le contrôle des crues. Comprendre ces rythmes est crucial pour les villes qui dépendent de ces réservoirs, car un échec à anticiper une baisse des niveaux d'eau peut entraîner de graves pénuries pour des millions de personnes.

En 2024, la ville de Bogotá, en Colombie, a été confrontée à un rappel brutal de cette vulnérabilité. Une grave sécheresse liée à un phénomène climatique mondial connu sous le nom d'El Niño a poussé les réservoirs de la ville à des niveaux critiquement bas, forçant les autorités à rationner l'eau pour près de dix millions d'habitants. Cette crise a mis en évidence une lacune dans les outils disponibles pour les gestionnaires de l'eau. Alors que certains modèles tentent de simuler la physique complexe de la pluie et de l'évaporation, d'autres reposent sur des motifs statistiques trouvés dans les données historiques. Les chercheurs derrière cette étude, une équipe de plusieurs universités de Bogotá, ont posé une question spécifique : la situation géographique d'un réservoir détermine-t-elle quel outil statistique est le mieux adapté pour prédire son avenir ? Ils se sont concentrés sur quatre réservoirs clés qui approvisionnent la ville : Chuza, Neusa, Sisga et Tomine. Ces masses d'eau ne sont pas identiques ; elles sont situées dans des paysages différents, reçoivent des pluies selon des schémas différents et sont gérées à des fins différentes. L'équipe a émis l'hypothèse qu'une approche de modélisation unique ne fonctionnerait pas pour tous. Au contraire, la meilleure méthode de prédiction dépendrait de la « signature » unique de l'emplacement de chaque réservoir et de son interaction avec la gestion humaine.

Les chercheurs ont commencé par examiner l'historique du stockage de l'eau dans ces quatre réservoirs. Ils ont découvert que les réservoirs se comportaient de deux manières distinctes, dictées largement par leur emplacement. Le réservoir de Chuza, situé dans un parc national sur le versant oriental des Andes, suit un schéma de précipitations simple à pic unique, typique de cette région. Il se remplit pendant une saison des pluies principale et se vide pendant la saison sèche. Parce que son comportement est presque entièrement dicté par ce cycle naturel, les chercheurs ont constaté qu'un modèle statistique standard, qui recherche des motifs saisonniers répétitifs, fonctionnait bien pour lui. Cependant, les trois autres réservoirs — Neusa, Sisga et Tomine — font partie d'un système septentrional plus proche du noyau urbain de la ville. Ces réservoirs connaissent deux saisons des pluies par an, créant un rythme à double pic plus complexe. De plus, parce qu'ils sont utilisés pour le contrôle des crues et pour l'approvisionnement en eau de la ville, leurs niveaux sont fréquemment ajustés par des opérateurs humains qui ouvrent et ferment des vannes. Cette intervention humaine perturbe le rythme naturel, ajoutant une couche de complexité qu'un simple modèle saisonnier ne peut facilement capturer.

Pour gérer cette complexité, l'équipe a développé une approche hybride pour les réservoirs du nord. Ils ont combiné une méthode qui décompose les données en ses parties saisonnières répétitives avec une autre méthode qui analyse les fluctuations irrégulières restantes. Imaginez que l'on sépare une chanson en sa mélodie et son bruit de fond ; la première partie capture le cycle climatique prévisible et répétitif, tandis que la seconde rend compte des changements imprévisibles pilotés par l'homme. Lorsqu'ils ont testé ce modèle hybride contre le modèle traditionnel, les résultats ont été frappants. Pour les trois réservoirs du nord, l'approche hybride a produit des prévisions très précises, avec des erreurs allant d'environ 5 à 9 pour cent. En revanche, le modèle traditionnel pour le réservoir de Chuza, qui repose sur un seul motif saisonnier, a produit un taux d'erreur beaucoup plus élevé de près de 29 pour cent. Cependant, les chercheurs ont pris soin d'expliquer que cette erreur élevée n'était pas un échec du modèle lui-même. Le modèle avait correctement identifié le motif saisonnier normal, mais la sécheresse de 2024 était un événement extrême qui a poussé le réservoir bien au-delà de sa plage historique habituelle. Le modèle avait raison sur les règles, mais la météo a brisé les règles.

L'étude a également examiné de près la performance des modèles pendant la crise réelle de 2024. Pour les réservoirs du nord, les modèles hybrides ont maintenu leurs prédictions dans une plage d'incertitude réaliste, même à mesure que la sécheresse s'intensifiait. Cela suggère qu'en séparant le signal climatique naturel des décisions opérationnelles humaines, le modèle peut mieux absorber le choc de la sécheresse. Le réservoir de Chuza, cependant, a vu ses niveaux d'eau chuter si bas qu'ils sont tombés en dessous des marges de sécurité prédites par le modèle. Cela s'est produit parce que Chuza dépend d'une seule saison des pluies ; lorsque cette saison a échoué, il n'y avait pas de seconde chance pour la récupération, contrairement aux réservoirs du nord qui bénéficient de deux saisons des pluies et d'un système de gestion plus flexible. Les chercheurs ont conclu que l'erreur élevée pour Chuza n'était pas due au fait que le modèle était faux, mais parce que le réservoir était soumis à un événement extraordinaire qu'aucun modèle historique ne pouvait pleinement anticiper.

En fin de compte, l'article suggère qu'il n'existe pas de « meilleure » façon unique de prédire le stockage de l'eau pour une ville entière. La géographie d'un bassin définit son régime de précipitations, et le rôle opérationnel du réservoir définit la manière dont les humains interagissent avec lui. Pour un réservoir comme Chuza, qui suit un rythme naturel simple, un modèle saisonnier standard est suffisant. Pour des réservoirs comme Sisga et Tomine, qui sont soumis à la fois à des cycles climatiques complexes et à une gestion humaine active, une approche hybride qui sépare ces deux influences est bien plus efficace. L'étude offre un outil pratique pour les gestionnaires de l'eau, montrant qu'en adaptant la méthode de prédiction à la réalité physique et opérationnelle spécifique de chaque réservoir, les villes peuvent mieux anticiper les crises. Ce travail ne prétend pas résoudre le problème du changement climatique ou prédire les sécheresses extrêmes avec une certitude parfaite, mais il fournit un moyen plus clair et plus fiable de comprendre la dynamique du stockage de l'eau dans un monde changeant. En reconnaissant que la localisation et l'intervention humaine façonnent les données, les gestionnaires peuvent planifier avec une plus grande confiance, en distinguant un système qui se comporte normalement d'un système qui fait face à un défi sans précédent.