Quantification et réduction de l'incertitude dans un modèle de transfert de pesticides à l'échelle du bassin versant

Quantifying and reducing the uncertainties in a pesticide transfer model at the catchment scale

• Auteur / Autrice : Émilie Rouzies
• Direction : Arthur Vidard, Claire Lauvernet
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques appliquées
• Date : Soutenance le 23/02/2023
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Jean Kuntzmann - Laboratoire Jean Kuntzmann (Grenoble)
• Jury : Président / Présidente : Robert Faivre
• Jury : Examinateurs / Examinatrices : Emmanuel Cosme, Céline Helbert, Florence Habets, Claudio Paniconi, Elise Arnaud
• Jury : Rapporteurs / Rapporteuses : Roger Moussa, Sophie Ricci

Mots clés

Mots clés contrôlés

Aménagement du paysage

Hydrologie des versants

Pesticides -- Application

Assimilation de données (géophysique)

Sensibilité, Théorie de la (mathématiques)

Mots clés libres

Analyse de sensibilité

Assimilation de données

Bassin versant agricole

Modèle de transferts de pesticides

Humidité du sol

Sensitivity analysis

Data assimilation

Agricultural catchment

Pesticide transfer model

Soil moisture

Résumé

L'utilisation intensive de pesticides est associée à des risques importants pour la qualité des masses d'eau souterraines et de surface. L'utilisation de modèles numériques peut être une approche pertinente pour identifier de tels risques et participer à la mise en place de stratégies de protection adaptées. Le modèle PESHMELBA a récemment été développé dans cette optique en mettant l'accent sur la représentation des différentes structures paysagères (bandes enherbées, fossés, haies, etc.) et de leur impact sur les transferts de pesticides. L'objectif à terme est, entre autre, de faire de PESHMELBA un outil opérationnel à destination des gestionnaires de bassins versants permettant d'identifier une configuration de paysage optimale vis-à-vis de l'atténuation des transferts de pesticides. Ce travail de thèse vise à préparer une telle utilisation opérationnelle de PESHMELBA en quantifiant puis réduisant les incertitudes associées aux variables simulées par le modèle.Pour cela, une analyse d'incertitude et une analyse de sensibilité sont réalisées dans un premier temps sur plusieurs variables intégrées et plusieurs séries temporelles produites par PESHMELBA. Compte tenu de la complexité du modèle, plusieurs méthodes d'analyse de sensibilité sont explorées afin d'identifer l'approche la plus adaptée à la grande dimension de l'espace des paramètres d'entrée, au coût de calcul très élevé d'une simulation et au caractère spatialisé des variables. On compare ainsi les indices de Sobol calculés par décomposition en polynômes du chaos, les indices HSIC et les mesures d'importance provenant d'un métamodèle par forêt aléatoire. Les résultats permettent d'une part de gagner en connaissance sur le fonctionnement du modèle en faisant le lien entre paramètres influents et processus physiques impliqués. D'autre part, ces résultats permettent d'identifer les paramètres d'entrée dont il sera le plus pertinent de réduire l'incertitude.Dans un second temps, un méthodologie de réduction de l'incertitude ciblant les paramètres d'entrée identifiés comme les plus influents ainsi que plusieurs variables de sortie (humidité de surface et de subsurface, concentration à l'exutoire) est développée. Pour cela, plusieurs méthodes ensemblistes d'assimilation de données issues du filtre de Kalman (EnKF, iEnKS et ES-MDA) sont appliquées au modèle PESHMELBA. Dans un premier temps, des images satellites d'humiditié de surface sont assimilées. Les résultats montrent que dans le scénario considéré, de telles données permettent de corriger efficacement l'humidité et les teneurs en eau à saturation de surface mais que cette correction ne se propage pas aux variables et paramètres de subsurface. Dans cette configuration, l'influence de la taille de l'ensemble, de la fréquence et de l'erreur associée aux observations est également explorée pour évaluer au mieux les performances des différentes approches. Ensuite, l'assimilation conjointe de plusieurs types d'observation aux résolutions spatiales et temporelles contrastée (images de surface d'humidité, profils d'humidité ponctuels et concentration moyenne hebdomadaire à l'exutoire) est explorée et les résultats obtenus permettent d'établir une stratégie d'assimilation adaptée aux variables et paramètres ciblés.

The intensive use of pesticides is associated with significant risks to the quality of groundwater and surface water bodies. Using numerical models can be a relevant approach to identify such risks and to implement adapted mitigating strategies. The PESHMELBA model was recently developed to simulate water and pesticide transfers on small agricultural catchments. It focuses on representing different landscape structures (grass strips, ditches, hedges, etc.) and their impact on pesticide transfers. The long-term objective is, among other things, to make PESHMELBA an operational tool for watershed managers to identify an optimal landscape configuration with respect to pesticide transfer mitigation. This thesis aims to prepare such an operational use of PESHMELBA by quantifying and reducing the uncertainties associated with the variables simulated by the model.To this end, an uncertainty analysis and a sensitivity analysis are first carried out on several integrated variables and several time series produced by PESHMELBA. Given the complexity of the model, several methods of sensitivity analysis are explored in order to identify the approach best suited to the large size of the input parameter space, the very high computational cost of a simulation and the spatialised nature of the variables. Sobol indices calculated by polynomial chaos decomposition, HSIC measures and importance measures from Random Forest are thus compared. The results provide knowledge on the functioning of the model by making the link between influential parameters and the physical processes involved. These results also make it possible to identify the input parameters for which it will be most relevant to reduce the uncertainty.In a second step, a methodology for uncertainty reduction targeting the input parameters identified as the most influential as well as several output variables (surface and subsurface moisture, concentration at the outlet) is developed. For this purpose, several ensemble data assimilation methods derived from the Kalman filter (EnKF, iEnKS and ES-MDA) are applied to the PESHMELBA model. First, satellite images of surface moisture are assimilated. The results show that in the considered scenario, such data allow an efficient correction of surface saturation moisture and water content, but that this correction does not propagate to subsurface variables and parameters. In this configuration, the influence of the ensemble size, frequency and error associated with observations is also explored to best assess the performance of the different approaches. Then, the joint assimilation of several types of observations with contrasting spatial and temporal resolutions (surface moisture images, point moisture profiles and weekly mean concentration at the outlet) is explored and the results obtained allow to establish an assimilation strategy adapted to the targeted variables and parameters.