Traitement et analyse de séries chronologiques continues de ...
Traitement et analyse de séries chronologiques continues de ... Traitement et analyse de séries chronologiques continues de ...
Partie 1 – Chapitre 2 : Approches de modélisation de la qualité des RUTP dMs() t ks ( Ms max Ms( t)) Eq. 2.5 dt avec Ms(t) la masse moyenne de solides disponible par unité de temps [kg], Ms max la masse maximum de solides accumulable sur la surface [kg], et k s la constante d’accumulation [J -1 ]. L’érosion est représentée par le modèle de Deletic et al. (2000) : dCsusp ( t t0) 2 k1 Ms( t) I( t) k S Eq. 2.6 imp dt avec Csusp la concentration en polluants dans le ruissellement [kg.m -3 ], I l’intensité de la pluie [mm/h], S imp la surface imperméable [m 2 ], k 1 le coefficient d’érosion et k 2 l’exposant relatif à l’érosion. La concentration est transférée jusqu’à l’exutoire par le débit (décalage de t 0 ). Les paramètres de calage de ce modèle sont k s , k 1 , k 2 et t 0 . Les résultats obtenus pour la simulation des concentrations en MES et en’azote total ne sont pas très encourageants, avec des valeurs du coefficient de Nash et Sutcliffe (1970) proches de 0, indiquant que le modèle n’est pas meilleur que la moyenne des observations. Ces modèles ne permettent donc pas de représenter la complexité des processus (Dotto et al. 2009). Ces résultats confirment les conclusions de Kanso (2004), qui avait testé une approche similaire pour la simulation des concentrations de MES, sur la base d’une cinquantaine d’événements échantillonnés. Couplées à un modèle hydrologique, plusieurs combinaisons Accumulation-Erosion avait été testées par l’auteur, dont celle du type testé par Dotto et al. (2009). Les résultats ont notamment montré qu’un modèle d’accumulation considérant une masse fixe au début de chaque événement permettait d’obtenir de meilleurs résultats qu’un modèle de type exponentiel. Muschalla et al. (2008) ont également testé une approche globale couplée à un modèle hydrologique, mais pour la modélisation de la DCO. Le calage des modèles est basé sur des données en continu acquises par spectrométrie. Respectivement 3 et 2 événements sont utilisés pour le calage et l’évaluation. A notre connaissance, ce travail constitue la première étude de modélisation basée sur des données de qualité en continu. Les auteurs utilisent un modèle d’accumulation classique comparable à celui de Sartor et al. (1974) et testé par de nombreux auteurs (Alley et Smith 1981; Bertrand-Krajewski 1993; Kanso 2004): dMs () t ACCU DISP Ms() t Eq. 2.7 dt avec Ms la masse accumulée sur le bassin [kg], et ACCU et DISP [s -1 ] les coefficients d’accumulation et d’arrachement, estimés lors du calage. Deux modèles d’érosion ont été testés : une simple décroissance exponentielle et une deuxième version prenant en compte un exposant w appliqué à l’intensité de la pluie (e.g. Bertrand-Krajewski 1993; Kanso 2004; Mourad 2005; Dotto et al. 2009) et une intensité de pluie maximum I lim : k I t k3 Ms( t) I( t) Ilim 4 dMs( t) ( ) Eq. 2.8 dt avec I l’intensité de la pluie [mm/h], I lim l’intensité maximale de la pluie [mm.h -1 ], k 3 le coefficient d’érosion [mm -1 ] et k 4 l’exposant relatif à l’intensité [-]. Im, k 3 et k 4 , doivent être calés (pour I > I lim , k 4 = 0). L’étude a montré que ce deuxième modèle ne permettait pas d’obtenir de meilleurs résultats que le modèle d’érosion simple. Les résultats obtenus avec ce dernier sont encourageants (coefficient de Nash et Sutcliffe supérieur à 0.7), mais les événements de type convectif n’ont 26
Partie 1 – Chapitre 2 : Approches de modélisation de la qualité des RUTP pu être reproduits de manière satisfaisante, du fait de la mauvaise reproduction des débits. Les auteurs attribuent ce résultat au fait que la modélisation est basée sur les mesures d’un unique pluviomètre pour une surface de 335 ha. 2.3.3.2 Vers des modèles de régression à base déterministe Récemment certains auteurs ont proposé de revenir à des approches déterministes plus globales, avec un nombre réduit de paramètres de calage, mais en intégrant tous les processus considérés dans une seule équation (Willems 2010; Dembélé et Becouze 2010; Dembélé 2010). Ces modèles de régression sont supposés plus performants que les modèles de régression statistiques simples (cf. partie 1.2). L’objectif est d’agréger les différents sous-modèles de qualité de l’approche détaillée en une seule équation, capable de rendre compte de ces mêmes phénomènes. Basé sur le travail de Bechmann et al. (1999) sur les modèles de type « Grey Box », Willems (2010) a récemment proposé un modèle continu pour la prédiction des flux, qu’il a testé pour les MES, la demande biologique en oxygène (DBO) et l’ammonium (NH + 4 ). La structure du modèle est fondée sur le principe du réservoir linéaire : la partie hydrologique est simulée avec un réservoir linéaire double avec retard et le modèle de flux de polluant est construit par analogie avec le fonctionnement du réservoir linéaire : dMs() t Ms( t) Ms QS( t) Q Eq. 2.9 S dt avec Ms la masse de polluants totale déposée sur la surface et dans le réseau [kg], Q S le débit ruisselé à l’exutoire [m 3 .s -1 ]. Q S représente le débit moyen à partir duquel on observe l’érosion des sédiments [m 3 .s -1 ], il peut être fixé par l’utilisateur ou calé. ν, Ms et κ sont des paramètres de calage. La valeur de κ dépend de la valeur de Q S : Pour QS() t QS, κ = κ 1 Eq. 2.10 Pour Q() t Q , κ = κ 2 Eq. 2.11 Willems (2010) propose de calculer κ comme une fonction de la concentration déposée, afin de prendre en compte l’éventuel effet de « premier flot » : Ms() t k Eq. 2.12 ( t) max 1 e Une valeur fixe k κ est considérée pour κ 1 et κ 2 , il faut donc caler les paramètres κ max1 , κ max2 et k κ . Le modèle comprend au final 5 à 6 paramètres de calage. Soonthornnonda et Christensen (2008) proposent également un modèle avec une équation unique mais pour la simulation des masses à l’échelle événementielle. L’originalité du modèle est la prise en compte de plusieurs périodes précédant l’événement pluvieux simulé . Le modèle permet de prendre en compte plusieurs masses résiduelles correspondant à plusieurs événements antérieurs et non plus seulement à la masse résiduelle de l’événement précédent. Cette approche permet de mieux rendre compte de la mémoire du système avant un événement pluvieux. Le modèle est présenté en détail dans Soonthornnonda et Christensen (2008). Il a été testé pour plusieurs polluants sur 18 sites de type résidentiel et « open land », avec une vingtaine d’événements mesurés pour chaque site. Les résultats montrent que dans le cas de plusieurs 27
- Page 5 and 6: Remerciements Je voudrais d’abord
- Page 7: Traitement et analyse de séries ch
- Page 11: Table des matières
- Page 14 and 15: Tables des matières 3.2.1 Test de
- Page 16 and 17: Tables des matières CHAPITRE 9 : P
- Page 18 and 19: Tables des matières 14.3.4 Calcul
- Page 21: Liste des abréviations DCO Demande
- Page 24 and 25: Liste des variables DTS E f f -1 du
- Page 26 and 27: Liste des variables S Pond somme po
- Page 29: Introduction générale 1
- Page 32 and 33: Introduction générale et al. (200
- Page 34 and 35: Introduction générale Structure d
- Page 37: Partie 1 : La modélisation de la q
- Page 40 and 41: Partie 1 - Chapitre 1 : Introductio
- Page 42 and 43: Partie 1 - Chapitre 1 : Introductio
- Page 45 and 46: Partie 1 - Chapitre 2 : Approches d
- Page 47 and 48: Partie 1 - Chapitre 2 : Approches d
- Page 49 and 50: Partie 1 - Chapitre 2 : Approches d
- Page 51 and 52: Partie 1 - Chapitre 2 : Approches d
- Page 53: Partie 1 - Chapitre 2 : Approches d
- Page 57: Partie 1 - Chapitre 2 : Approches d
- Page 60 and 61: Partie 1 - Chapitre 3 : Choix des a
- Page 62 and 63: Partie 1 - Chapitre 3 : Choix des a
- Page 65: Partie 2 Test des modèles et incer
- Page 68 and 69: Partie 2 - Test des modèles et inc
- Page 70 and 71: Partie 2 - Chapitre 4 : Le concept
- Page 72 and 73: Partie 2 - Chapitre 4 : Le concept
- Page 74 and 75: Partie 2 - Chapitre 4 : Le concept
- Page 76 and 77: Partie 2 - Chapitre 4 : Le concept
- Page 78 and 79: Partie 2 - Chapitre 4 : Le concept
- Page 80 and 81: Partie 2 - Chapitre 4 : Le concept
- Page 83 and 84: Partie 2 - Chapitre 5 : Les méthod
- Page 85 and 86: Partie 2 - Chapitre 5 : Les méthod
- Page 87 and 88: Partie 2 - Chapitre 5 : Les méthod
- Page 89 and 90: Partie 2 - Chapitre 5 : Les méthod
- Page 91 and 92: Partie 2 - Chapitre 5 : Les méthod
- Page 93 and 94: Partie 2 - Chapitre 5 : Les méthod
- Page 95 and 96: Partie 2 - Chapitre 5 : Les méthod
- Page 97 and 98: Partie 2 - Chapitre 5 : Les méthod
- Page 99 and 100: Partie 2 - Chapitre 5 : Les méthod
- Page 101 and 102: Partie 2 - Chapitre 5 : Les méthod
- Page 103 and 104: Partie 2 - Chapitre 5 : Les méthod
Partie 1 – Chapitre 2 : Approches <strong>de</strong> modélisation <strong>de</strong> la qualité <strong>de</strong>s RUTP<br />
dMs()<br />
t<br />
ks<br />
( Ms<br />
max<br />
Ms( t))<br />
Eq. 2.5<br />
dt<br />
avec Ms(t) la masse moyenne <strong>de</strong> soli<strong>de</strong>s disponible par unité <strong>de</strong> temps [kg], Ms max la masse<br />
maximum <strong>de</strong> soli<strong>de</strong>s accumulable sur la surface [kg], <strong>et</strong> k s la constante d’accumulation [J -1 ].<br />
L’érosion est représentée par le modèle <strong>de</strong> Del<strong>et</strong>ic <strong>et</strong> al. (2000) :<br />
dCsusp ( t t0)<br />
2<br />
k1<br />
Ms( t) I( t) k S<br />
Eq. 2.6<br />
imp<br />
dt<br />
avec Csusp la concentration en polluants dans le ruissellement [kg.m -3 ], I l’intensité <strong>de</strong> la pluie<br />
[mm/h], S imp la surface imperméable [m 2 ], k 1 le coefficient d’érosion <strong>et</strong> k 2 l’exposant relatif à<br />
l’érosion. La concentration est transférée jusqu’à l’exutoire par le débit (décalage <strong>de</strong> t 0 ). Les<br />
paramètres <strong>de</strong> calage <strong>de</strong> ce modèle sont k s , k 1 , k 2 <strong>et</strong> t 0 . Les résultats obtenus pour la simulation<br />
<strong>de</strong>s concentrations en MES <strong>et</strong> en’azote total ne sont pas très encourageants, avec <strong>de</strong>s valeurs du<br />
coefficient <strong>de</strong> Nash <strong>et</strong> Sutcliffe (1970) proches <strong>de</strong> 0, indiquant que le modèle n’est pas meilleur<br />
que la moyenne <strong>de</strong>s observations. Ces modèles ne perm<strong>et</strong>tent donc pas <strong>de</strong> représenter la<br />
complexité <strong>de</strong>s processus (Dotto <strong>et</strong> al. 2009).<br />
Ces résultats confirment les conclusions <strong>de</strong> Kanso (2004), qui avait testé une approche<br />
similaire pour la simulation <strong>de</strong>s concentrations <strong>de</strong> MES, sur la base d’une cinquantaine<br />
d’événements échantillonnés. Couplées à un modèle hydrologique, plusieurs combinaisons<br />
Accumulation-Erosion avait été testées par l’auteur, dont celle du type testé par Dotto <strong>et</strong> al.<br />
(2009). Les résultats ont notamment montré qu’un modèle d’accumulation considérant une<br />
masse fixe au début <strong>de</strong> chaque événement perm<strong>et</strong>tait d’obtenir <strong>de</strong> meilleurs résultats qu’un<br />
modèle <strong>de</strong> type exponentiel.<br />
Muschalla <strong>et</strong> al. (2008) ont également testé une approche globale couplée à un modèle<br />
hydrologique, mais pour la modélisation <strong>de</strong> la DCO. Le calage <strong>de</strong>s modèles est basé sur <strong>de</strong>s<br />
données en continu acquises par spectrométrie. Respectivement 3 <strong>et</strong> 2 événements sont utilisés<br />
pour le calage <strong>et</strong> l’évaluation. A notre connaissance, ce travail constitue la première étu<strong>de</strong> <strong>de</strong><br />
modélisation basée sur <strong>de</strong>s données <strong>de</strong> qualité en continu. Les auteurs utilisent un modèle<br />
d’accumulation classique comparable à celui <strong>de</strong> Sartor <strong>et</strong> al. (1974) <strong>et</strong> testé par <strong>de</strong> nombreux<br />
auteurs (Alley <strong>et</strong> Smith 1981; Bertrand-Krajewski 1993; Kanso 2004):<br />
dMs () t<br />
ACCU DISP Ms()<br />
t<br />
Eq. 2.7<br />
dt<br />
avec Ms la masse accumulée sur le bassin [kg], <strong>et</strong> ACCU <strong>et</strong> DISP [s -1 ] les coefficients<br />
d’accumulation <strong>et</strong> d’arrachement, estimés lors du calage. Deux modèles d’érosion ont été<br />
testés : une simple décroissance exponentielle <strong>et</strong> une <strong>de</strong>uxième version prenant en compte un<br />
exposant w appliqué à l’intensité <strong>de</strong> la pluie (e.g. Bertrand-Krajewski 1993; Kanso 2004;<br />
Mourad 2005; Dotto <strong>et</strong> al. 2009) <strong>et</strong> une intensité <strong>de</strong> pluie maximum I lim :<br />
k<br />
I t <br />
k3<br />
Ms( t) I( t)<br />
<br />
Ilim<br />
4<br />
dMs( t) ( )<br />
Eq. 2.8<br />
dt<br />
<br />
avec I l’intensité <strong>de</strong> la pluie [mm/h], I lim l’intensité maximale <strong>de</strong> la pluie [mm.h -1 ], k 3 le<br />
coefficient d’érosion [mm -1 ] <strong>et</strong> k 4 l’exposant relatif à l’intensité [-]. Im, k 3 <strong>et</strong> k 4 , doivent être<br />
calés (pour I > I lim , k 4 = 0).<br />
L’étu<strong>de</strong> a montré que ce <strong>de</strong>uxième modèle ne perm<strong>et</strong>tait pas d’obtenir <strong>de</strong> meilleurs résultats<br />
que le modèle d’érosion simple. Les résultats obtenus avec ce <strong>de</strong>rnier sont encourageants<br />
(coefficient <strong>de</strong> Nash <strong>et</strong> Sutcliffe supérieur à 0.7), mais les événements <strong>de</strong> type convectif n’ont<br />
26