Traitement et analyse de séries chronologiques continues de ...

Traitement et analyse de séries chronologiques continues de ... Traitement et analyse de séries chronologiques continues de ...

theses.insa.lyon.fr
from theses.insa.lyon.fr More from this publisher
14.09.2014 Views

Partie 1 – Chapitre 1 : Introduction difficultés de représentation de ces processus est la variabilité spatio-temporelle des phénomènes, liée notamment à la complexité des surfaces urbaines. L’extrapolation à l’échelle du bassin versant des résultats observés à des échelles réduites n’est pas évidente (Kanso 2004), étant donnée la diversité des mécanismes qui influencent la quantité de sédiments présents sur les surfaces du bassin versant (e.g. l’érosion par le vent ou le nettoyage des voiries (Kanso 2004). - Les processus de transport solide en réseau avec les phénomènes de déposition/resuspension des particules et le charriage des sédiments (Kanso 2004). L’hétérogénéité et la nature organique des particules ainsi que la variabilité de leurs caractéristiques au cours du temps (Chebbo et Gromaire 2004) rendent difficile la compréhension des dynamiques de transport des polluants. La validité des modèles de transport solide, pour la plupart transposés des modèles d’hydrodynamique fluviale, reste critiquable du fait de : i) l’hétérogénéité des solides, ii) des régimes transitoires et de la discontinuité des processus dans le temps et l’espace et iii) des apports des flux polluants de type domestique dans le cas des réseaux unitaires. Les modèles de sédimentation et de remise en suspension des dépôts, proposés sur la base d’expérimentations en laboratoire sont difficiles à extrapoler à l’échelle du bassin versant et à valider in situ dans des conditions réelles. De plus les observations entre les différents sites sont variables et le nombre de données limité. - Les processus biochimiques dans les canalisations, dont certains polluants sont l’objet. Leur représentation reste un des points faibles de la modélisation de la qualité. Si des progrès dans la compréhension des processus et leur intégration dans les modèles ont été récemment obtenus (Yongsiri et al. 2003; Vollertsen et al. 2008; Sharma et al. 2008), la limitation du nombre de données et la complexité des modèles restent un frein pour la proposition de modèles opérationnels. Le manque de connaissances actuel sur les phénomènes de production des flux polluants se répercute directement sur les structures des modèles, qui sont entachées d’approximations et d’incertitudes nombreuses. Avec l’acquisition de davantage de données dans des contextes variés, la complexité et la variabilité des processus apparaissent encore plus évidentes. Les observations montrent une forte variabilité spatiale entre les sites instrumentés. Cependant de récents travaux effectués dans le cadre d’OPUR (Observatoire des Polluants Urbains, à Paris) sur plusieurs bassins versants parisiens sont encourageants. Gasperi et al. (2008) suggèrent une homogénéité des processus pour des sites d’occupation des sols et de caractéristiques de réseau comparables. 1.3.2 Le manque de données en qualité et en quantité Bertrand-Krajewski (2007) rappelle que les modèles ne sont pas encore suffisamment explicatifs mais reproduisent seulement les observations disponibles pour leur construction et/ou leur calage. Le manque de données en qualité et en quantité dans la plupart des études constitue aujourd’hui une raison majeure de la discutabilité des modèles. La quantité de données requise est d’autant plus indispensable que les modèles sont complexes. Un nombre important de paramètres à caler requiert une base de données suffisante afin d’éviter les problèmes de surparamétrisation des modèles lors de la procédure de calage 14

Partie 1 – Chapitre 1 : Introduction (Beven 2009). Beven (2009, partie 1.1) souligne la difficulté de disposer de mesures à l’échelle de laquelle les prédictions veulent être faites. 1.3.3 La difficulté des procédures de calage et de calcul des incertitudes L’incertitude sur les structures des modèles et le manque de données rendent difficile la mise en œuvre des procédures de calage. Il n’est en général pas possible de trouver un jeu optimal de paramètres (Duan et al. 1992; Kuczera et Parent 1998), et les surfaces de réponse des modèles sont d’autant plus complexes que le nombre de paramètres est élevé. L’évaluation des incertitudes de prédiction des modèles est une étape incontournable pour une utilisation fiable des modèles. La mise en œuvre des outils statistiques pour l’évaluation des incertitudes devient d’autant plus que difficile que la complexité des modèles augmente (voir Partie 2). 1.3.4 Conclusion Face à ces difficultés, les auteurs s’accordent donc à l’heure actuelle sur les trois points suivants : - Il est nécessaire de continuer à acquérir davantage de données afin de mieux comprendre les facteurs régissant les processus de production des polluants par temps de pluie. - Il n’y a pas un bon modèle, mais le choix du modèle et de son niveau de complexité doit prendre en compte les besoins et objectifs de l’étude ainsi que la quantité de données disponibles. Ainsi le modèle le plus simple qui permet de répondre aux objectifs de l’étude est-il préconisé (Harremoës et Madsen 1999; Rauch et al. 2002; Doherty et Johnston 2003). Cette approche est d’autant plus pertinente dans les cas où les modèles de qualité des RUTP sont intégrés comme sous-modèles dans un modèle plus large du système d’assainissement (Rauch et al. 2002; Obropta et Kardos 2007; Freni et al. 2010a; Willems 2010). - Il est nécessaire d’évaluer les incertitudes lors du calage des modèles, afin de garantir une utilisation ultérieure assortie de l’évaluation de son niveau d’incertitude en prédiction. Ceci nécessite l’application d’outils et de méthodes appropriés (voir partie 2). 15

Partie 1 – Chapitre 1 : Introduction<br />

difficultés <strong>de</strong> représentation <strong>de</strong> ces processus est la variabilité spatio-temporelle <strong>de</strong>s<br />

phénomènes, liée notamment à la complexité <strong>de</strong>s surfaces urbaines. L’extrapolation à<br />

l’échelle du bassin versant <strong>de</strong>s résultats observés à <strong>de</strong>s échelles réduites n’est pas<br />

évi<strong>de</strong>nte (Kanso 2004), étant donnée la diversité <strong>de</strong>s mécanismes qui influencent la<br />

quantité <strong>de</strong> sédiments présents sur les surfaces du bassin versant (e.g. l’érosion par le<br />

vent ou le n<strong>et</strong>toyage <strong>de</strong>s voiries (Kanso 2004).<br />

- Les processus <strong>de</strong> transport soli<strong>de</strong> en réseau avec les phénomènes <strong>de</strong><br />

déposition/resuspension <strong>de</strong>s particules <strong>et</strong> le charriage <strong>de</strong>s sédiments (Kanso 2004).<br />

L’hétérogénéité <strong>et</strong> la nature organique <strong>de</strong>s particules ainsi que la variabilité <strong>de</strong> leurs<br />

caractéristiques au cours du temps (Chebbo <strong>et</strong> Gromaire 2004) ren<strong>de</strong>nt difficile la<br />

compréhension <strong>de</strong>s dynamiques <strong>de</strong> transport <strong>de</strong>s polluants. La validité <strong>de</strong>s modèles <strong>de</strong><br />

transport soli<strong>de</strong>, pour la plupart transposés <strong>de</strong>s modèles d’hydrodynamique fluviale,<br />

reste critiquable du fait <strong>de</strong> : i) l’hétérogénéité <strong>de</strong>s soli<strong>de</strong>s, ii) <strong>de</strong>s régimes transitoires<br />

<strong>et</strong> <strong>de</strong> la discontinuité <strong>de</strong>s processus dans le temps <strong>et</strong> l’espace <strong>et</strong> iii) <strong>de</strong>s apports <strong>de</strong>s<br />

flux polluants <strong>de</strong> type domestique dans le cas <strong>de</strong>s réseaux unitaires. Les modèles <strong>de</strong><br />

sédimentation <strong>et</strong> <strong>de</strong> remise en suspension <strong>de</strong>s dépôts, proposés sur la base<br />

d’expérimentations en laboratoire sont difficiles à extrapoler à l’échelle du bassin<br />

versant <strong>et</strong> à vali<strong>de</strong>r in situ dans <strong>de</strong>s conditions réelles. De plus les observations entre<br />

les différents sites sont variables <strong>et</strong> le nombre <strong>de</strong> données limité.<br />

- Les processus biochimiques dans les canalisations, dont certains polluants sont<br />

l’obj<strong>et</strong>. Leur représentation reste un <strong>de</strong>s points faibles <strong>de</strong> la modélisation <strong>de</strong> la<br />

qualité. Si <strong>de</strong>s progrès dans la compréhension <strong>de</strong>s processus <strong>et</strong> leur intégration dans<br />

les modèles ont été récemment obtenus (Yongsiri <strong>et</strong> al. 2003; Vollertsen <strong>et</strong> al. 2008;<br />

Sharma <strong>et</strong> al. 2008), la limitation du nombre <strong>de</strong> données <strong>et</strong> la complexité <strong>de</strong>s modèles<br />

restent un frein pour la proposition <strong>de</strong> modèles opérationnels.<br />

Le manque <strong>de</strong> connaissances actuel sur les phénomènes <strong>de</strong> production <strong>de</strong>s flux polluants se<br />

répercute directement sur les structures <strong>de</strong>s modèles, qui sont entachées d’approximations <strong>et</strong><br />

d’incertitu<strong>de</strong>s nombreuses. Avec l’acquisition <strong>de</strong> davantage <strong>de</strong> données dans <strong>de</strong>s contextes<br />

variés, la complexité <strong>et</strong> la variabilité <strong>de</strong>s processus apparaissent encore plus évi<strong>de</strong>ntes. Les<br />

observations montrent une forte variabilité spatiale entre les sites instrumentés. Cependant <strong>de</strong><br />

récents travaux effectués dans le cadre d’OPUR (Observatoire <strong>de</strong>s Polluants Urbains, à Paris)<br />

sur plusieurs bassins versants parisiens sont encourageants. Gasperi <strong>et</strong> al. (2008) suggèrent une<br />

homogénéité <strong>de</strong>s processus pour <strong>de</strong>s sites d’occupation <strong>de</strong>s sols <strong>et</strong> <strong>de</strong> caractéristiques <strong>de</strong> réseau<br />

comparables.<br />

1.3.2 Le manque <strong>de</strong> données en qualité <strong>et</strong> en quantité<br />

Bertrand-Krajewski (2007) rappelle que les modèles ne sont pas encore suffisamment<br />

explicatifs mais reproduisent seulement les observations disponibles pour leur construction<br />

<strong>et</strong>/ou leur calage. Le manque <strong>de</strong> données en qualité <strong>et</strong> en quantité dans la plupart <strong>de</strong>s étu<strong>de</strong>s<br />

constitue aujourd’hui une raison majeure <strong>de</strong> la discutabilité <strong>de</strong>s modèles.<br />

La quantité <strong>de</strong> données requise est d’autant plus indispensable que les modèles sont<br />

complexes. Un nombre important <strong>de</strong> paramètres à caler requiert une base <strong>de</strong> données suffisante<br />

afin d’éviter les problèmes <strong>de</strong> surparamétrisation <strong>de</strong>s modèles lors <strong>de</strong> la procédure <strong>de</strong> calage<br />

14

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!