Analyse des incertitudes générées par les méthodes basées sur les séparations d’hydrogramme (HS et HSM)

Analyse des incertitudes générées par les méthodes basées sur les séparations d’hydrogramme (HS et HSM)

Distribution des incertitudes pour un intervalle d’échantillonnage mensuel de surveillance par type de matériaux (Méthode HS) La méthode de séparation d’hydrogramme (HS) simule une concentration constante dans chaque composante de l’écoulement. La figure 5-1 présente la distribution des biais interannuels sur l’estimation des flux annuels pour un intervalle d’échantillonnage mensuel de quatre matériaux fluviatiles : SDT, Nutriments dissous et totaux et MES.

Incertitudes interannuelles sur les flux annuels de MES

Les caractéristiques des incertitudes interannuelles sont détaillées dans le tableau 5-1. Les stations sont classées par M2% croissant. Sont présentés également les BFI (Base Flow index) calculés pour chaque séparation d’hydrogramme à partir des débits en continu et le coefficient de détermination moyen (r²) calculé à partir des régressions C-Q établies pour chacune des simulations (n=50).  Les flux annuels de MES sont généralement sous-estimés. Les sous-estimations les plus importantes sont observées pour les stations dont la variabilité des flux de matières (M2%) est maximale. Cette méthode implique que les deux composantes d’écoulement sont de composition constante ; elle ne prend donc pas en compte une augmentation de la concentration en MES lorsque les débits augmentent. Ceci entraine donc une sous estimation importante des concentrations et donc des flux pour les débits les plus forts. Les r² sont très faibles, la régression multiple n’est peu ou pas représentative ce qui peut expliquer ces fortes incertitudes. Il n’y a cependant pas de corrélation apparente entre le r² et les incertitudes. Une tendance apparaît en revanche avec une diminution des biais pour des BFI croissants (Figure 5- 2). Cette tendance n’est pas observée pour les imprécisions. L’influence du BFI peut s’expliquer sur le flux de MES car plus le BFI est fort, plus le débit du cours d’eau est alimenté par la nappe. Or les MES sont transportés majoritairement par le ruissellement. Donc plus la composante ruissellement est élevée (BFI faible), plus les concentrations en MES s’écartent du bruit de fond du cours d’eau (e.g. érosion de berges) affecté aux nappes, d’où une plus grande incertitude sur l’estimation du flux.

Erreurs annuelles sur les flux annuels de MES pour deux rivières contrastées

La distribution des erreurs annuelles est ensuite analysée pour deux stations aux caractéristiques hydrologiques et hydrochimiques contrastées (Figure 5-3) : la rivière Oise à Méry (M2% = 17% et BFI=0.75) et la rivière Redwood à Burkburnett, TX (M2% = 69% et BFI=0.3) Dans le cas de l’Oise, les erreurs annuelles varient de -45% à 10% selon les années. La dispersion entre simulations des erreurs annuelles est faible pour une année donnée mais forte entre les années. Cette dispersion interannuelle est liée à la variabilité hydrologique et à la variabilité des concentrations intrinsèque à chaque année. Pour la rivière Redwood à Burkburnett, la dispersion des erreurs annuelles varient de -90% pour l’année 1972 à +100% pour l’année 1982. Cette dispersion s’explique par la variabilité hydrologique importante de la rivière avec pour l’année 1982 un module annuel de débit très faible qui conduit à une surestimation du flux. La dispersion annuelle moyenne entre simulations (n=50) est en revanche aux alentours de 20% ce qui est dans des gammes comparables à celle de l’Oise. 

Incertitudes interannuelles sur les flux annuels de Nutriments

En ce qui concerne l’évaluation des flux de nutriments dissous, l’estimation varie selon l’espèce considérée (ammonium, nitrate ou orthophosphate). Les flux d’ammonium sont surestimés pour les trois stations (Tableau 5- 2) avec une imprécision très forte. L’ammonium peut provenir des stations d’épuration mais également de la minéralisation de la matière organique par une ammonification dans l’horizon A des sols. Les rejets ponctuels générés par une station d’épuration, par exemple, sont donc dilués avec l’augmentation des débits (Figure 5-4) car le calage du modèle s’opère sur les concentrations, essentiellement mesurées hors crue, et affecte des caractéristiques spécifiques (e.g. forte concentration dans la nappe) qui ne sont plus valables en crue; ceci n’est pas pris en compte par la méthode HS qui surestime donc les flux. On peut également supposer que le prélèvement algal lors des blooms génère ponctuellement de faibles concentrations de NH4 pour les bas débits. Les flux de nitrates sont sous estimés jusqu’à -28% avec une imprécision faible (maximum 56%). Une seule station surestime le flux (29% pour la station Cuyahoga à Independance). Ceci pourrait s’expliquer par le comportement des relations C-Q. Cette station est la seule de la base de données dont le comportement est intégralement une dilution, il y a donc comme pour l’ammonium une surestimation du flux. Ce type de comportement peut s’expliquer par un bassin versant composé pour moitié de forêts (Tableau 2-4) qui prélèvent les nitrates et diminuent par conséquent les apports au cours d’eau par le ruissellement comme observé par exemple sur le fleuve Amazone (Bustillo et al., 2010). Pour les autres stations, la concentration augmente avec les débits puis devient stable (occupation du sol majoritairement agricole), d’où une tendance à sous estimer le flux. Les flux de phosphore dissous sont quant à eux surestimés jusqu’à 87% excepté pour deux stations, Maumee à Waterville et Sandusky à Fremont, OH. Ces différences d’estimation semblent liées au comportement des relations C-Q, comme pour l’ammonium ou les nitrates, et à la variabilité du flux de matière (M2% > 50%).