Quel rôle joue la science hydrologique à l'ère de l'apprentissage automatique ?

Résumé Cet article est tiré d'une conférence donnée lors de l'atelier Google 2020 sur la prévision des inondations et l'apprentissage automatique. Des expériences récentes appliquant l'apprentissage profond à la simulation des précipitations et des ruissellements indiquent qu'il y a significativement plus d'informations dans les ensembles de données hydrologiques à grande échelle que ce que les hydrologues ont pu traduire en théorie ou en modèles. Bien qu'il y ait un intérêt croissant pour l'apprentissage automatique dans la communauté des sciences hydrologiques, notre communauté conserve encore, de bien des manières, des préférences profondément subjectives et non basées sur des preuves pour des modèles reposant sur un certain type de « compréhension des processus » qui, historiquement, n'a pas été traduite en théorie, modèles ou prédictions précis. Ce commentaire est un appel à l'action pour la communauté hydrologique afin de se concentrer sur le développement d'une compréhension quantitative de où et quand la compréhension des processus hydrologiques est précieuse dans une discipline de modélisation de plus en plus dominée par l'apprentissage automatique. Nous proposons quelques perspectives potentielles et exemples préliminaires sur la manière dont cela pourrait être accompli.