Abstract
Access to daily streamflow data at the catchment scale, is a central component of many aspects of water resources and water quality management. However, the majority of river reaches in many catchments in Kenya are ungauged or poorly gauged, and in some cases existing measurement networks are declining. Long-term continuous monitoring is not being done due to high costs of equipment maintenance. Therefore, there is a need for an alternative tool such as a catchment-scale hydrological model that is capable of predicting the daily streamflow. An approach is presented of predicting daily streamflow using a physically-based catchment-scale model, the geospatial Stream Flow Model (SFM). The SFM was developed using the “C” programming language and the user interface was developed using the Avenue script of the ArcView software. The SFM simulates the dynamics of runoff processes by utilizing remotely sensed and widely available global or local data sets. The model was applied in the Masinga catchment, Kenya, and the results gave a model performance coefficient of 0.74 based on the Nash-Sutcliffe statistical criterion.
Résumé
L'accès aux données d'écoulement journalier à l'échelle du basin versant est une composante centrale de nombreux aspects de la gestion des ressources en eau et de la qualité de l'eau. Cependant, la majorité des cours d'eau de nombreux bassins du Kenya ne sont pas ou sont peu jaugés, et dans certains cas les réseaux de mesure existants sont en déclin. Le suivi continu sur le long terme n'est pas assuré à cause des coûts élevés de maintenance des équipements. Un outil alternatif est par conséquent nécessaire, comme un modèle hydrologique de bassin versant capable de prévoir l'écoulement journalier. Une approche de prévision de l'écoulement journalier est présentée, basée sur un modèle à bases physiques à l'échelle du bassin versant, le “geospatial Stream Flow Model” (SFM). Le SFM a été développé avec le langage de programmation C tandis que l'interface utilisateur a été développée avec le script Avenue du logiciel ArcView. Le SFM simule la dynamique des processus d'écoulement en utilisant des jeux de données globaux et locaux largement disponibles obtenus par télédétection. Le modèle a été appliqué au bassin versant de Masinga, au Kenya, et les résultats ont donné un coefficient de performance de modélisation de 0.74 basé sur le critère statistique de Nash-Sutcliffe.