t h È s ethesesups.ups-tlse.fr/779/1/ferrant_sylvain.pdf · teur de qualité, georges forn de la...
TRANSCRIPT
TTHHÈÈSSEE
En vue de l'obtention du
DDOOCCTTOORRAATT DDEE LL’’UUNNIIVVEERRSSIITTÉÉ DDEE TTOOUULLOOUUSSEE
Délivré par l'Université Toulouse III - Paul Sabatier
Discipline ou spécialité : Sciences de l'Environnement
JURY
F. MOATAR, Professeure de l'université de Tours (Présidente du Jury, Rapporteur) G. BILLEN, Directeur de Recherche CNRS, SISYPHE,UPMC Paris 6 (Rapporteur)
R. NEVES, Professeur de l'université de Lisbonne (Rapporteur) T. LAMAZE, Professeur de l'université de Toulouse (Examinateur)
E. JUSTES, Ingénieur de recherche INRA, AGIR-Toulouse (Examinateur) J.L. Probst, Directeur de recherche CNRS, EcoLab, Toulouse (Directeur de thèse)
J.M. SANCHEZ-PEREZ, Directeur de recherche CNRS, EcoLab, Toulouse (Directeur de thèse) P. DURAND, Directeur de recherche INRA, SAS-Rennes (Directeur de thèse)
T.DELTHEIL, Responsable Développement, AKKA Technologies Sud (Membre invité)
Ecole doctorale : SDUEE
Unité de recherche : EcoLab, UMR 5245, CNRS-UPS-INPT Directeur(s) de Thèse : J.L. Probst; J.M. Sanchez-Perez; P. Durand
Rapporteurs : G. BILLEN, R. NEVES, F. MOATAR
Présentée et soutenue par Sylvain Ferrant Le 15 Décembre 2009
Titre : Modélisation agro-hydrologique des transferts de nitrates à l'échelle des bassins
versants agricoles gascons.
ii
Remerciements
Pendant toute la durée de ma thèse, je n’ai considéré ce travail que comme une
expérience professionnelle, un bagage de plus sur un CV. C’est avec le recul qu’on
se rend compte que c’est une tranche de vie qui se termine, un bout de chemin
fait avec une multitude de gens, qui ont contribué, à un moment ou à un autre,
d’une manière directe ou indirecte, à une table de réunion, au détour d’un couloir,
en prenant un café ou autour d’une bonne bière, à l’accomplissement de 3 ans (ou
plus) de projet.
Comme tout morceau de vie, c’est une histoire qu’il faut raconter, et comme
toute histoire, c’est au début qu’il faut la commencer. Le premier à remercier est
Jean-Luc Probst, que j’ai connu au travers de ses enseignements de bio-géochimie
à l’ENSAT. Il a ensuite été désigné comme tuteur de mon stage de fin d’étude d’ingé-
nieur, stage effectué à l’Agence de l’Eau à Nanterre pour améliorer l’utilisation d’un
modèle de rivière sur la Seine. Il m’a alors proposé ce sujet de thèse alors même que
je n’avais plus envisagé la recherche comme possibilité depuis que j’avais compris,
en prépa, que l’ENS n’était pas à ma portée. Je lui suis donc très reconnaissant de
m’avoir offert l’opportunité de rentrer dans le monde de la recherche par une voie
parallèle.
Restait donc un financement à trouver. Le projet européen Life environnement
Concert’Eau qui se lançait à ce moment là nous a permis de trouver un interlocu-
teur de qualité, Georges Forn de la société SILOGIC (maintenant AKKA Technolo-
gies) avec lequel nous avons signé un contrat de financement CIFRE. Merci donc à
lui de m’avoir fait confiance ainsi qu’à Thierry Deltheil qui m’a accueilli au sein de
Silogic, pour le début du contrat et suivi tout au long de la thèse. Je tiens à saluer
au passage toutes les personnes ressources et amis que j’ai pu rencontrer à Silogic :
merci à Eddy, Christophe, Eric pour leur sympatie et disponibilité, Jean-Philippe
et Benoit pour la bonne ambiance et toute la team Concert’Eau.
La première équipe de recherche à m’avoir accueilli en son sein a été celle du
LEH, basé rue Jeanne Marvig sur ce campus verdoyant abritant le dôme du pre-
mier télescope électronique de France. Je remercie ici José-Miguel Sanchez-Perez et
Sabine Sauvage pour m’avoir d’abord accueilli mais aussi hébergé toute la durée de
la thèse dans la team modélisation d’EcoLab. Merci à José pour tous les moments
cabrita inoubliables. Un grand merci à Hugues Alexandre avec qui j’ai appris énor-
mément sur les outils informatiques indispensables au travail de modélisation du
XXI siècle. J’ai eu beaucoup de plaisir à travailler et tester avec lui les solutions
envisagées, et je lui dois une partie de la réussite du travail. Enfin, je tiens à saluer
tous les habitants de ce laboratoire ainsi que les anciens étudiants avec lesquels les
iii
échanges ont été sympathiques et enrichissants. Je pense notamment à Sébastien,
Stéphanie, Amaya, Dimitri, Guillaume, Dove, les stagiaires (si nombreux) et tout le
personnel administratif, Catherine Monier, Daniel Boutaud, Christiane Tertre, que
ceux que j’oublie me pardonnent.
Commençant par la phase expérimentale, la prise en main des instruments de
terrain, je dois nécessairement remercier Frédéric Julien pour son aide, ses conseils
et les nombreux échanges qu’on a eu. Je pense notamment au goût pour la plongée
sous-marine qu’il m’a transmis en me racontant ses ’exploits’. Je remercie ici aussi
Gaël Durbe pour ces longues journées de terrain passées ensemble, les coups de
stress et les incidents, les réparations à l’arrache et les prises de tête, mais sur-
tout les bons moments passés sous le soleil gersois, les pique-niques saucissons
fromages à Clermont-Pouyguilles et Simorre, et les quelques autres souvenirs qui
n’ont rien à faire ici ...
A cette époque de début de thèse, je suis parti travailler quelques mois dans
l’équipe de recherche SAS de l’INRA de Rennes pour prendre en main le modèle qui
y est développé. J’y ai fait la connaissance de Patrick Durand, que je remercie ici
du fond du coeur pour la confiance qu’il m’a accordé dès le début et le soutien, les
conseils qu’il a pu me donner pour mener ce travail à son terme. Il m’a appris la
rigueur du travail de modélisateur, et l’organisation dont il faut faire preuve pour
avancer. Merci également à Jordy Salmon-Monviola, Hervé Squividant et Pierre Mo-
reau pour leur patience et contribution à ce travail, ainsi qu’un remerciement spé-
cial à Laurent Ruiz pour les quelques riches discussions que nous avons pu avoir
et son intérêt pour le travail que je faisais.
Puis vint le grand déménagement avec la naissance du laboratoire EcoLab dans
lequel j’ai soutenu la thèse. Notre arrivée à l’ENSAT, mon ancienne école d’ingé-
nieur, que j’ai redécouverte par l’aile recherche, a marqué le milieu de ma thèse.
Croiser mes anciens profs en tant que collègue m’a permis de mieux faire connais-
sance, mais aussi d’échanger sur des sujets scientifiques variés. Je remercie no-
tamment Eric Pinelli, George Merlina, Anne Probst, Maritxu Guiresse, Jean-Claude
Revel, Francis Dauba, Lilian Pacaux, Séverine Jean-Dupuy, Camille Dumat, Gaël
Le roux, Jérôme Sylvestre, Puy Lim pour les discussions et bons moments passés,
Christophe Laplanche, Thomas Bur, Sophie Leguedois, Laure Gandois, Gaëlle Uzu,
Aurore Canut, Jean-Emmanuel Vernon, Laurie Boithias, Alain Alric pour les ému-
lations scientifiques (et autres) qui se sont crées et l’amitié qu’elles ont suscitées,
et bien sûr les autres doctorants, j’ai nommé Bertrand, Geoff, Marie, Tim, Thierry,
Chantha. Merci aux filles du bureau 204, Sophie Durandeau, Marion Cattaneo,
Anais Abraham pour m’avoir supporté au quotidien. Un grand merci à la maman
iv
de tous les doctorants, j’ai nommé Jeannick Corrèges (prononcez le s !), qui nous a
élevé dans le souci des traditions EcoLabiennes : le sérieux, la rigueur, l’abstinence
et une certaine idée du doctorat.
Je voudrais remercier les personnes avec qui ce travail m’a amené à collabo-
rer : Pierrette Gouaux, Eric Ceschia et Jean-François Dejoux pour les échanges
de données avec le CESBIO, Eric Justes de l’INRA d’Auzeville pour la validation
des modèles agronomiques, Paul Bordenave et Francis Macary du CEMAGREF de
bordeaux pour les collaborations multiples.
Dans les personnes et amis qui m’ont accompagné durant cette thèse et m’ont
donné l’envie de la recherche, je tiens à remercier tout spécialement Thomas, le pro
de R et de l’écoute, des soirées traquenards et du barbecue de ventrêche campa-
gnard, Brice, mon mentor CNRS, spécialiste de modélisation atmosphérique (pour
ne pas le citer), adepte des randos de montagne arrosées et de la raquette face à la
pente, Erwan le modèle du thésard accompli et adepte de toute expérience nouvelle,
préférant l’ancienne Belgique à la nouvelle, Christophe ... qui a une réputation à
tenir, et Sébastien, pour les conseils de tous débuts de thèse alors qu’il finissait
la sienne. Merci également à François Oehler dont l’arrivée au laboratoire en tant
que post-doc a donné un coup d’accélérateur à la thèse en mettant à disposition de
nouvelles compétences et outils de modélisation. Il a directement orienté, par ses
conseils et son expérience, le travail de comparaison des modèles, et je le remercie
pour cela.
A ce stade, il faut rendre un hommage discret à feu le babyfoot de l’ENSAT qui
a été notre salle de réunion préférée, avant de rendre l’âme sous les exclamations
passionnelles de Bertrand P. Merci à mes amis proches qui m’ont accompagnés
durant toute la thèse et j’espère encore longtemps, j’ai nommé Gregory Jonathan
François Duhamel, François V., Momo A., Benoit L. (médecin de renom ne voulant
pas figurer ici), Julien Fabrou. Une petite pensée aux potes de la plongée, Julien,
Willy, Momo, Christelle, Max, Gaétan (je ne citerai pas tout le club) pour les bons
week-end plongée, que l’on plonge ou non. Merci à Bodo, Gunther, Pierre Billon,
Damien Jean, Jean-Pierre François, Sylvain Caruso, le Yat-kha, Iron Horse pour la
musique.
Merci à mes parents pour avoir contribué, par l’amour et la confiance qu’ils
m’ont toujours donné, à être ce que je suis devenu. Enfin, mon dernier remer-
ciement s’adresse à ma compagne, Angela, qui m’a toujours soutenu et avec qui
l’aventure continue !
v
vi
Table des matières
0.1 Introduction générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.1.1 Agriculture et environnement . . . . . . . . . . . . . . . . . . . . 1
0.1.2 Problématiques agricoles en Gascogne . . . . . . . . . . . . . . . 3
0.1.3 Enjeux locaux de la gestion de l’eau . . . . . . . . . . . . . . . . . 3
0.1.4 Contexte scientifique . . . . . . . . . . . . . . . . . . . . . . . . . 5
a - L’excédent de nitrates . . . . . . . . . . . . . . . . . . . . 5
b - Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1 Mesure des teneurs en nitrate dans la rivière 11
1.1 Site d’étude : le Montoussé à Auradé (Gers) . . . . . . . . . . . . . . . . 12
1.1.1 Présentation générale et localisation . . . . . . . . . . . . . . . . 12
1.1.2 Hydrologie et climat . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.1.3 Pédologie et géomorphologie . . . . . . . . . . . . . . . . . . . . . 12
1.1.4 Historique du suivi expérimental . . . . . . . . . . . . . . . . . . 13
1.2 Protocole de suivi des concentrations . . . . . . . . . . . . . . . . . . . . 14
1.2.1 Problématique scientifique . . . . . . . . . . . . . . . . . . . . . . 14
1.2.2 Stratégie d’échantillonnage . . . . . . . . . . . . . . . . . . . . . . 17
a - Utilisation de sondes nitrates Ion Spécifique . . . . . . . 17
b - Protocole d’échantillonnage d’accompagnement . . . . . 17
1.3 Enregistrements bruts et prétraitements . . . . . . . . . . . . . . . . . . 19
1.3.1 Les débits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.2 Les concentrations en nitrates . . . . . . . . . . . . . . . . . . . . 19
1.4 Nitrate concentration signal processing to study stream load estima-
tion error in a small agricultural catchment . . . . . . . . . . . . . . . . 22
1.4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.4.2 Material and methods . . . . . . . . . . . . . . . . . . . . . . . . . 26
a - Study site . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
b - Sampling strategy and data collection . . . . . . . . . . 27
c - Data preprocessing . . . . . . . . . . . . . . . . . . . . . 28
vii
TABLE DES MATIÈRES
d - Load calculation method . . . . . . . . . . . . . . . . . . 29
e - Evaluation criteria . . . . . . . . . . . . . . . . . . . . . . 30
1.4.3 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
a - Validation of the sampling strategy . . . . . . . . . . . . 31
b - Preliminary analysis of discharge-concentration rela-
tionships and total N-NO−3 loads . . . . . . . . . . . . . . 31
c - Load error computation . . . . . . . . . . . . . . . . . . . 32
1.4.4 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
a - Evaluation of Load calculation methods . . . . . . . . . 38
b - Flood event influence on total load evaluation . . . . . . 42
c - Evaluation of in situ sampling protocol . . . . . . . . . . 43
d - Adapting sampling protocol to monitoring programme . 45
1.4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
1.4.6 Acknowledgments . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
1.5 Conclusion du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2 Modélisation spatialisée des transferts d’azote sur le bassin versant
d’Auradé 51
2.1 Bases de données disponibles . . . . . . . . . . . . . . . . . . . . . . . . 52
2.1.1 Bases de données hydrologiques . . . . . . . . . . . . . . . . . . . 52
2.1.2 Calcul des flux d’azote journaliers et incertitude . . . . . . . . . 55
a - Méthode de calcul des flux . . . . . . . . . . . . . . . . . 55
b - Incertitude de la méthode d’interpolation . . . . . . . . . 55
c - Discussion sur l’incertitude . . . . . . . . . . . . . . . . 57
2.1.3 La base de données pédologique . . . . . . . . . . . . . . . . . . . 57
2.1.4 La base de données agricoles . . . . . . . . . . . . . . . . . . . . . 59
2.2 Modèles retenus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.2.1 Choix de modélisation . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.2.2 Modèles choisis : TNT2 et SWAT . . . . . . . . . . . . . . . . . . . 64
2.3 Concepts de fonctionnement de TNT2 et SWAT . . . . . . . . . . . . . . 65
2.3.1 Spatialisation des processus . . . . . . . . . . . . . . . . . . . . . 65
2.3.2 Processus et paramètres dans TNT2 . . . . . . . . . . . . . . . . 68
a - Transferts hydriques . . . . . . . . . . . . . . . . . . . . . 68
b - Transfert et transformation de l’azote . . . . . . . . . . . 71
2.3.3 Processus et paramètres dans SWAT . . . . . . . . . . . . . . . . 73
a - Paramètres contrôlant les transferts hydriques . . . . . 73
b - Paramètres contrôlant les transferts et transformations
de l’azote . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
viii
TABLE DES MATIÈRES
2.4 Understanding nitrogen transfer dynamics in a small agricultural
catchment : comparison of a distributed (TNT2) and a semi distributed
(SWAT) modelling approaches . . . . . . . . . . . . . . . . . . . . . . . . 76
2.4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.4.2 Material and methods . . . . . . . . . . . . . . . . . . . . . . . . . 80
a - Study site and study period . . . . . . . . . . . . . . . . 80
b - Agricultural practice survey . . . . . . . . . . . . . . . . 81
c - Nitrate concentration and water discharge survey . . . . 81
d - soil description . . . . . . . . . . . . . . . . . . . . . . . . 82
e - Models description and applicability . . . . . . . . . . . 82
f - Model comparison . . . . . . . . . . . . . . . . . . . . . . 84
g - Input data and calibration . . . . . . . . . . . . . . . . . 85
2.4.3 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
a - Hydrology of the catchment . . . . . . . . . . . . . . . . . 86
b - Apportionment of N fluxes . . . . . . . . . . . . . . . . . 89
c - spatial dynamics of mineralisation and denitrification . 92
d - N loads in stream . . . . . . . . . . . . . . . . . . . . . . 95
e - N concentration in the stream . . . . . . . . . . . . . . . 98
2.4.4 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
a - Water discharge and N loads to the stream . . . . . . . . 102
b - Nitogen budgets at the catchment scale . . . . . . . . . 104
2.4.5 About trends . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
2.4.6 conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
2.4.7 Acknowledgments . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
2.5 Conclusion du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
3 Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec
TNT2 111
3.1 Modélisation de scénarios agricoles . . . . . . . . . . . . . . . . . . . . . 113
3.1.1 Contexte scientifique . . . . . . . . . . . . . . . . . . . . . . . . . 113
3.1.2 Scénarios agricoles dans le bassin d’Auradé . . . . . . . . . . . . 116
a - Les mesures existantes dès 1992 . . . . . . . . . . . . . 116
b - Scénario agricole envisagé : Les CIPANs . . . . . . . . . 116
3.2 Expérimentation virtuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
3.2.1 Indicateurs d’évaluation . . . . . . . . . . . . . . . . . . . . . . . . 119
3.2.2 Impact des mesures existantes . . . . . . . . . . . . . . . . . . . . 120
a - Bilan hydrique . . . . . . . . . . . . . . . . . . . . . . . . 120
b - Le retard à l’enfouissement des pailles . . . . . . . . . . 120
ix
TABLE DES MATIÈRES
c - Aménagement du paysage . . . . . . . . . . . . . . . . . 121
d - Impact de l’ensemble des mesures . . . . . . . . . . . . . 121
3.2.3 Impact des scénarii agricoles choisis . . . . . . . . . . . . . . . . 123
a - Bilan hydrique . . . . . . . . . . . . . . . . . . . . . . . . 123
b - Modification du bilan d’azote . . . . . . . . . . . . . . . . 123
3.2.4 Impact de la CIPAN sur la lixiviation . . . . . . . . . . . . . . . . 127
3.2.5 Efficacité sur la diminution des flux d’azote nitrique à la rivière 127
3.2.6 Evolution temporelle de l’efficacité des scénarii . . . . . . . . . . 129
3.3 Discussion : Certitudes et incertitudes des résultats de scénarios . . . 132
3.3.1 Efficacité des Scénarios agricoles . . . . . . . . . . . . . . . . . . 132
3.3.2 Estimation de la lixiviation par TNT2 . . . . . . . . . . . . . . . . 135
3.3.3 Importance de la minéralisation et dénitrification . . . . . . . . . 135
3.3.4 L’efficacité inter-annuelle des mesures . . . . . . . . . . . . . . . 136
3.3.5 Les problématiques autres que l’azote . . . . . . . . . . . . . . . 136
3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4 Changement d’échelle : de l’échelle locale (Bassin versant d’Auradé) à
l’échelle régionale (bassin versant de la Save) 141
4.1 Le bassin de la Save à Larra . . . . . . . . . . . . . . . . . . . . . . . . . 142
4.1.1 Pédologie et géomorphologie . . . . . . . . . . . . . . . . . . . . . 142
4.1.2 Occupation des sols . . . . . . . . . . . . . . . . . . . . . . . . . . 144
4.1.3 La zone d’étude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
4.2 Les objectifs de simulation de la qualité du cours d’eau . . . . . . . . . 147
4.2.1 Chroniques hydrologiques, météorologiques et suivis de nitrate 147
4.2.2 Bases de données d’itinéraires techniques agricoles . . . . . . . 148
4.3 Paramétrage de SWAT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
4.3.1 Option SWAT : Dominant Landuse . . . . . . . . . . . . . . . . . 150
4.3.2 Calage des débits . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
4.3.3 Débits simulés sur le sous-bassin d’Auradé . . . . . . . . . . . . 153
4.3.4 Utilisation des paramètres hydrologiques de SWAT sur le sous-
bassin contenant Auradé . . . . . . . . . . . . . . . . . . . . . . . 155
4.3.5 Dynamique des débits de la Save à Larra . . . . . . . . . . . . . . 155
4.3.6 Vérification du bilan d’azote . . . . . . . . . . . . . . . . . . . . . 157
4.4 Intérêt du changement d’échelle . . . . . . . . . . . . . . . . . . . . . . . 159
4.4.1 La contribution des sous-bassins . . . . . . . . . . . . . . . . . . 159
4.4.2 Vers une meilleure simulation . . . . . . . . . . . . . . . . . . . . 159
4.5 conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
x
TABLE DES MATIÈRES
5 Conclusions générales et perspectives 163
Références 171
xi
TABLE DES MATIÈRES
xii
Table des figures
1.1 Moyennes mensuelles des lames d’eau de pluie, lames d’eau drainée,
températures observées sur 17 années (1985-2001) à Auradé. . . . . . 13
1.2 Localisation du bassin versant d’Auradé dans le bassin versant de la
Save. L’occupation du sol sur la Save est dérivée de Corine Land Cover
2000. Le linéaire du Montoussé est ajouté sur une photo aérienne re-
présentant le parcellaire d’Auradé (cartoexplorer ; IGN). Les parcelles
blanches correspondent à du sol nu (blé récolté), les autres sont re-
couvertes de tournesol. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3 Dispositif mis en place à l’exutoire d’Auradé pour l’acquisition d’une
base de donnée en continu des concentrations en nitrates dans la
rivière. Dispositif actif depuis mai 2006. . . . . . . . . . . . . . . . . . . 18
1.4 Chroniques de concentrations de N-NO−3 à l’exutoire d’Auradé. (a)
données brutes recalées par rapport aux analyses en laboratoires.
Les trous correspondent à des périodes de non fonctionnement de la
sonde. (b) données recalées par rapport aux analyses en laboratoire
et convoluées pour les périodes d’étiages. Les périodes sans données
sondes sont enlevées du signal. . . . . . . . . . . . . . . . . . . . . . . . 21
1.5 N-NO−3 concentration (middle) and discharge (bottom) in 10-minute
time steps at the outlet of the Auradé Montoussé catchment. The four
main flood events are ranked by magnitude of load (1 to 4). Sub-figures
(top) show nitrogen concentration trend during 3 of these flood events. 33
1.6 Relationship between 10-minute loads and discharge. Sub-figure in
the top corner shows cumulative discharge and nitrogen loads during
the study period. Loads are shown as solid lines, discharge as dotted
lines. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
xiii
TABLE DES FIGURES
1.7 Relationship between 10-minute concentration and discharge measu-
rement during the four major loads events of the study period. Flood
event 1 on 30 Apr 2007, 5 days. Flood event 2 on 25 May 2007, 1 day.
Flood event 3 on 17 Jan 2008, 4 days. Flood event 4 on 24 Feb 2007,
4 days. Scale is not the same between graphs. Arrows show the direc-
tion of change over time, and each cross corresponds to a 10-minute
measurement. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.8 Quantiles (e10, e50, e90) and extreme error (emin, emax) as a function
of sampling period (p) with the M1 protocol and linear interpolation.
(a) total signal, (b) flood events signal, (c) base flow signal. . . . . . . . 40
1.9 Quantiles (e10, e50, e90) and extreme error (emin, emax) as a function
of sampling period (p) with the M2 protocol and linear interpolation.
(a) total signal, (b) flood events signal, (c) base flow signal. . . . . . . . 41
1.10Minimum sampling period for each flood event depending on flood
event length and season. The minimum number of samples is cal-
culated based on a threshold of 10% precision errors in sub-sampling
concentration signal with the M2 protocol and linear interpolation. The
4 major flood events are numbered from 1 to 4. . . . . . . . . . . . . . . 44
1.11Comparison between N −NO−3 concentration signal measured by sen-
sor (grey line), linearly interpolated concentration sampled in situ (so-
lid line) and linearly interpolated biweekly sampled concentration (dot-
ted line). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.1 Daily discharge (L.s−1), rainfall (mm), nitrogen concentration (mgN-
NO−3 .L−1 measured in Montoussé river, at the outlet of auradé basin
(source GPN-Total) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.2 Répartition de l’erreur d’estimation des flux trimestriels par sous-
échantillonnage de la concentration des deux années de suivi (2006-
2008) sur Auradé. Le sous échantillonnage est fixé à 2 jours, l’erreur
d’estimation est calculée par trimestre, sur l’ensemble du signal. La
méthode d’interpolation des concentrations est linéaire, le calcul des
flux est fait à partir de l’équation 1.4 (page 30). L’espérance µ et l’écart-
type σ sont respectivement de -11.3kgN et 36.3kgN par trimestre. . . . 56
2.3 Cumul des flux journaliers interpolés (ligne pleine) et domaine d’in-
certitude (entre les lignes pointillées) de l’interpolation linéaire des
concentrations journalières mesurées. L’espérance µT et l’écart-type
σT sont respectivement de -632.8kgN et 534 kgN au bout de 14 ans. . 58
xiv
TABLE DES FIGURES
2.4 Cartes des données spatialisées rasterisées sur Auradé : (a) le Modèle
Numérique de Terrain (source : cette thèse), (b) la carte simplifiée des
sols (source : Sol Conseil-EcoLab, 2006 décrite dans les travaux de
Bur [2008]). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.5 Carte raster des parcelles agricoles sur Auradé (découpage minimale
pour la période 1985-2001) : les aménagements paysagers n’ont été
faits qu’à partir de 1992 (source : Association des agriculteurs d’Au-
radé). La rotation majoritaire à plus de 90% est blé-tournesol. . . . . . 62
2.6 Schéma illustrant la spatialisation des calculs et transferts d’eau et
d’azote nitrique pour SWAT et TNT2 à l’échelle du versant. SWAT sub-
divise l’espace en sous-bassins versants, la contribution à la rivière de
chaque HRU est sommée. TNT2 subdivise l’espace en mailles carrées
connectées entre elles par un gradient topographique. les mailles en
aval contribuent en totalité à la lame d’eau journalière. . . . . . . . . . 66
2.7 Spatial data used in TNT2 and SWAT : soil map with 14 soil types (12
agricultural soil types, 1 for urban area and 1 for forest), DEM (5x5m),
agricultural plot map (92 agricultural plots). Integration of these data
are detailed for fully distributed model TNT2 and semi-distributed mo-
del SWAT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.8 TNT2 : un couplage du modèle hydrologique distribué TOPMODEL [Be-
ven, 1997] et du modèle agronomique STICS [Brisson et al., 1998]
(d’après Beaujouan [2001]). Principaux processus modélisés. . . . . . . 70
2.9 SWAT : un couplage du modèle hydrologique semi-distribué et du mo-
dèle agronomique EPIC. Principaux processus modélisés. . . . . . . . . 74
2.10Daily discharge (m3.s−1) observed (grey line) and simulated (black line)
with semi-distributed model SWAT and fully distributed model TNT2
at the outlet of Auradé. Nash-Sutcliffe coefficient is 0.5 and 0.6 for
respectively TNT2 and SWAT simulations. . . . . . . . . . . . . . . . . . 88
2.11Daily discharge (m3.s−1) observed (grey line) and simulated (black line)
with semi-distributed model SWAT and fully distributed model TNT2
at the outlet of Auradé from oct 1995 to oct 1997. . . . . . . . . . . . . 90
2.12Yearly discharge and Nitrogen loads (mm and kgN) observed and simu-
lated with semi-distributed model SWAT and fully distributed model
TNT2 at the outlet of Auradé from year 1987-1988 to year 2000-2001.
RMSE of annual discharge are 0.018 and 0.022 mm for respectively
TNT2 and SWAT. RMSE for annual load are 78.6 and 65kgN for res-
pectively TNT2 and SWAT. . . . . . . . . . . . . . . . . . . . . . . . . . . 91
xv
TABLE DES FIGURES
2.13Annual average agricultural yield for the 3 major plant sowed simu-
lated with TNT2 and SWAT from 1988 to 2000 in Auradé catchment.
Measured yield are reported since 1994. . . . . . . . . . . . . . . . . . . 92
2.14Daily amount of mineralisation (figure on the top) and denitrification
(figure below) simulated with SWAT (grey line) and TNT2 (black line)
during the study period (from 01/10/1987 to 01/09/2001). Values
are given as the daily mean for the Auradé catchment in kgN.ha−1.day−1. 94
2.15Annual amount of mineralisation (black line) and denitrification (white
line) simulated with SWAT (full line) and TNT2 (dotted line) during
the study period (from 1987 to 2001). Values are given as the annual
amount for the Auradé catchment in kgN.ha−1. . . . . . . . . . . . . . . 96
2.16Yearly denitrification (a), mineralisation (b) and Denitrification Rate
Factor (c) with SWAT (left) and TNT2 (right) during the study period
(from 01/10/1987 to 01/09/2001). Values are given for each model-
ling units (HRU and cell for respectively SWAT and TNT2) as the mean
of the yearly denitrification and mineralisation (a) and (b) modelled for
the Auradé catchment in kgN.ha−1.day−1. . . . . . . . . . . . . . . . . . 97
2.17Daily nitrogen loads in river (kg.day−1) observed (grey line) and simu-
lated (black line) with semi-distributed model SWAT and fully distribu-
ted model TNT2 at the outlet of Auradé. NRMSE coefficient is 3.8%and
4.3% for respectively TNT2 and SWAT simulations. . . . . . . . . . . . . 99
2.18Cumulative daily water discharge and nitrogen loads observed and
simulated at the outlet of the Auradé catchment, simulated by SWAT
(full line) and TNT2 (dotted line) from 01/10/1987 to 01/09/2001.
Discharge are given in m and nitrogen loads in kgN.ha−1. . . . . . . . . 100
2.19Simulated and mean of daily concentration calculated from observed
data during the study period (from october 1987 to september 2001).
Mean daily concentration has been calculated from measured concen-
tration for 2834 days of the 5814 days studied. . . . . . . . . . . . . . . 101
2.20Daily water and nitrogen storage in aquifer simulated by SWAT (full
line) and TNT2 (dotted line) from 01/10/1987 to 01/09/2001. Values
are given in mm and kgN.ha−1 for respectively water and nitrogen sto-
rage. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
3.1 Pourcentage de la Surface Agricole Utile annuelle où l’implantation de
Culture Intermédiaire Piège à Nitrate est possible dans la succession
culturale blé-tournesol renseignée dans la base de données agricoles
historique reconstituée dans le présent travail. . . . . . . . . . . . . . . 118
xvi
TABLE DES FIGURES
3.2 Cumul des flux journaliers d’azote dans la rivière simulés par TNT2 en
fonction de scénarios agricoles. scénario0-référence ; scénario5-sans
mesures agro-environnementales ; scénario6-implantation de CIPANs ;
scénario7-diminution des intrants mineraux azotés de 10 %. . . . . . . 125
3.3 Minéralisation nette journalière simulée par TNT2 en fonction de scé-
narios agricoles. Les valeures négatives correspondent à des phases
d’organisation. scénario0-référence ; scénario6-implantation de CIPANs.126
3.4 Pertes d’azote à l’exutoire d’Auradé simulés avec TNT2 pour le scé-
nario 0 de référence et le scénario 6 d’implantation des CIPANs. La
régression logarithmique présentée en dessous représente la réduc-
tion des pertes annuelles par l’implantation des CIPANs en fonction
du niveau de perte annuelle d’azote nitrique simulé dans le scénario
de référence, d’équation : y = 1.6 lnx− 1.7, R2 = 0.65 . . . . . . . . . . . 128
3.5 Pourcentage annuel de réduction des flux à l’exutoire d’Auradé en
fonction de l’aménagement testé. . . . . . . . . . . . . . . . . . . . . . . 129
3.6 Pourcentage annuel de réduction des flux à l’exutoire d’Auradé en
fonction des mesures agricoles. . . . . . . . . . . . . . . . . . . . . . . . 130
3.7 Pourcentage annuel de réduction des flux à l’exutoire d’Auradé en
fonction des mesures agricoles. . . . . . . . . . . . . . . . . . . . . . . . 131
4.1 Géomorphologie et Pédologie des formations rencontrées sur le bassin
de la Save. Sources Cemagref de Bordeaux, UR ADBX. Les classes pé-
dologiques dominantes dans les zones géomorphologiques sont seules
représentées par soucis de clarté. R131 : alluvions calcaires ré-
centes ; R212 : Terreforts profonds (>40cm) ; R322,R332 : Boulbènes
anciennes superficielles ; R328 : Sols brun ; R520 : Marno-calcaire
pentes fortes ; R9 : profil morpho-pédologique de molasse acide ar-
gileuse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
4.2 Occupation du sol du bassin versant de la Save : des grandes zones
agricoles au parcellaire. Sources CEMAGREF de Bordeaux-UR ADBX. 145
4.3 Occupation parcellaire de la zone Blé-Tournesol du bassin versant de
la Save. Le parcellaire du bassin versant d’Auradé est calqué sur la
base de données. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
4.4 Itinéraire technique entré dans SWAT pour la monoculture de maïs.
Les quantités d’intrants sont en kg/ha de produits commerciaux. . . . 148
4.5 Itinéraire technique entré dans SWAT pour les deux zones blé-
tournesol. Les quantités d’intrants sont en kg/ha de produits com-
merciaux. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
xvii
TABLE DES FIGURES
4.6 Sous-bassins versants utilisés pour appliquer le calage SWATaur des
sols et nappe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
4.7 Impact de la spatialisation des occupations du sol de l’option Domi-
nant landuse dans SWAT. . . . . . . . . . . . . . . . . . . . . . . . . . . 151
4.8 Débits journaliers simulés et observés à l’exutoire du bassin versant
de la Save à Larra. Les simulations de SWAT sont faites avec l’option
’Dominant Landuse’. Le calage SWATsav et SWATsav modif sont com-
parés aux données observées. . . . . . . . . . . . . . . . . . . . . . . . . 152
4.9 Débits journaliers simulés par SWATsav et SWATaur à l’exutoire du
sous-bassin versant contenant Auradé. Les simulations de SWAT sont
faites avec l’option ’Dominant Landuse’. Une modification des para-
mètres hydrologiques des sols et de la nappe est faite en fonction du
calage SWATaur pour vérifier l’amélioration des simulations SWATsav-
modif. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
4.10Réserve utile journalière simulée par SWATsav et SWATaur à l’exu-
toire du sous-bassin versant contenant Auradé. Les simulations de
SWAT sont faites avec l’option ’Dominant Landuse’. Une modification
des paramètres hydrologiques des sols est faite en fonction du calage
SWATaur pour vérifier l’amélioration des simulations SWATsavmodif. . 156
4.11Concentrations simulées à l’exutoire de la Save par le calage SWAT-
savmodif pour les 24 sous-bassins avals représentatifs des conditions
agro-pédologiques d’Auradé. Les simulations sont faites d pour la pé-
riode 1994-2008, les données observées sont disponibles à partir de
fin 2006. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
xviii
Liste des tableaux
1.1 annual water balance of the study period . . . . . . . . . . . . . . . . . 14
1.2 Characteristics of the Auradé catchment. Information on topography
is derived from the DEM, land use distribution is computed from aerial
photo (Cartoexplorer IGN) and climate data are an in situ measurement. 16
1.3 Sampling method evaluation with dispersion and precision . . . . . . . 37
1.4 Error of in situ sampling protocol . . . . . . . . . . . . . . . . . . . . . . 37
2.1 Parameter for water storage capacity and main processes of water and
nitrogen transfert and transformation. . . . . . . . . . . . . . . . . . . . 72
2.2 Conceptual differencies between SWAT and TNT2 used in this study . 85
2.3 Yearly water and nitrogen balance simulated in models, from 1987 to
2001. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.1 Mesures appliquées pour chaque scénario construit. . . . . . . . . . . . 117
3.2 Bilan annuels moyen de chaque scénario, calculé sur la période d’oc-
tobre 1993 à septembre 2001. . . . . . . . . . . . . . . . . . . . . . . . . 122
3.3 Bilan annuels moyen de chaque scénario, calculé sur la période d’oc-
tobre 1987 à septembre 2001. . . . . . . . . . . . . . . . . . . . . . . . . 123
4.1 Bilans annuels d’azote sur le bassin versant de la Save et d’Auradé
simulé par SWATsav. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
xix
xx
0.1 Introduction générale
0.1 Introduction générale
0.1.1 Agriculture et environnement
L’agriculture européenne et plus généralement des pays développés a subi
l’effet d’une optimisation de la production au travers d’une intensification de la
production, de la mécanisation des exploitations agricoles, de la spécialisation
régionale et d’un remembrement des terres agricoles. Le recours aux intrants
chimiques, et notamment azoté ont permis d’augmenter considérablement les
rendements agricoles. L’apport en azote que constituent les fertilisants, ainsi
que la réorganisation du paysage et l’intensification des pratiques ont modifié de
manière significative le cycle de l’azote, en enrichissant les écosystèmes agricoles
en nitrates, notamment les eaux de surface et souterraines [Probst, 1985; Webb et
Walling, 1985; Reynolds et Edwards, 1995; De Wit et al., 2002; Molenat et al., 2002;
Ruiz et al., 2002; Whitehead et al., 2002b; Galloway et al., 2003; Smith, 2003;
Martin et al., 2004; Seitzinger et al., 2006; Birgand et al., 2007]. C’est à partir des
années 1990 que la notion d’environnement devient une composante importante
de l’activité agricole. A l’échelle européenne, les mesures agri-environnementales
élaborées à Bruxelles dans le cadre de la réforme de la PAC de juin 1992 ap-
portent un cadre réglementaire aux actions de terrain des organismes régionaux
et communautaires, associatifs et professionnels. Le message sur la protection de
l’environnement, de la ressource en eau et de la santé publique a été relayé par
les mouvements écologistes, l’opinion publique et les organismes professionnels
comme les responsables publics de la qualité de l’eau.
C’est dans ce contexte que la Directive Cadre Européenne (DCE) [European-
Commission, 2000] sur l’eau a été adoptée par le parlement et le conseil européens
le 23 octobre 2000. Ce texte établit un cadre juridique et réglementaire afin
d’atteindre le ’bon état’ écologique et chimique pour tous les milieux aquatiques
naturels et de préserver ceux qui restent en bon état. L’agriculture est une des
activités visées par les responsables de la mise en oeuvre de la DCE en France, DI-
RENs, Agences de l’eau, DRASS, DDASS, collectivités territoriales...). Ces derniers
se sont servis d’outils tels que les Contrats Territoriaux d’Exploitation (CTE) suivis
par les Mesures Agri-Environnementales (MAE), afin d’orienter l’utilisation des
terres agricoles en utilisant deux leviers d’action pour atteindre les objectifs de la
DCE. Ces programmes de mesures peuvent porter sur la réduction des pressions
tenues pour responsables du mauvais état (nitrates, pesticides ...) ou encore la
1
diminution de l’incidence de ces pressions (zones tampon, contrôle de l’excédent
de nitrate agricole...).
Ces deux modes d’action sont différents. L’un vise à faire un effort sur la pro-
duction : diminuer les intrants agricoles ou changer la production, quitte à changer
d’objectifs économiques : conversion agriculture en biologique, optimisation du
ratio intrants/rendements, diversification des activités (agro-tourisme). L’autre vise
à diminuer l’impact de ces pressions : l’implantation de Cultures Intermédiaires
Pièges à Nitrates (CIPAN), de bandes enherbées (pesticides), de bassins de rétention
(pesticides), la gestion des résidus de récolte (nitrates), les rotations culturales
(pesticides et nitrates).
L’efficacité et la pertinence de la mise en place d’actions de ce type relèvent de
l’ingéniérie environnementale. Cette expertise vise à mettre en relation le fonction-
nement des paysages, l’utilisation des sols et l’impact des pressions anthropiques
sur les cycles naturels. Elle nécessite de regrouper de larges connaissances scien-
tifiques en terme de fonctionnement d’écosystèmes,de masses d’eau ou de bassins
versants, de dynamiques agricoles ou climatiques, de transferts de matière et de
polluants. A chaque zone d’application, il faut déterminer les processus dominants
responsables de la mauvaise qualité de l’eau.
Le milieu de la recherche internationnale a développé ces 20 dernières années des
outils de simulation de la qualité des eaux de surfaces et souterraines intégrant
les connaissances acquises par les études agronomiques, hydrologiques ou écolo-
giques. Des modèles de qualité de l’eau ont été testés pour apporter un important
et précieux apport à l’analyse et la compréhension de l’origine des pollutions dif-
fuses agricoles mesurées dans les rivières, les aquifères et les réservoirs [Styczen et
Storm, 1993; Cooper et al., 1994; Reiche, 1994; Lunn et al., 1996; Bicknell et al.,
1997; Christiaens et Feyen, 1997; Arheimer et Brandt, 1998; Arnold et al., 1998;
Krysanova et al., 1998; Whitehead et al., 1998; Refsgaard et al., 1999; Billen et al.,
2001; Beaujouan et al., 2002; Liu et al., 2005]. Ces outils sont susceptibles de si-
muler les évolutions possibles de la quantité et la qualité des eaux de surface et
des eaux souterraines en fonction des pressions anthropiques et des dynamiques
naturelles.
2
0.1 Introduction générale
0.1.2 Problématiques agricoles en Gascogne
La vocation agricole affirmée des zones de coteaux de Gascogne marque forte-
ment les paysages régionaux et a un impact évident et reconnu depuis plusieurs
décennies sur la qualité des eaux, des sols et des sédiments de ces territoires.
Sur les 20 à 30 dernières années, la production agricole a augmenté de 25%.
Les principales évolutions constatées ont été une forte mécanisation des activités,
l’amélioration génétique des variétés cultivées, le développement de l’irrigation,
l’emploi croissant de fertilisants mais aussi une forte gamme de pesticides de
synthèse (fongicides, herbicides et insecticides). Cette intensification des pratiques
est assez souvent associée à la mise en place d’aménagements provoquant une
modification des chemins et des vitesses de l’eau dans le sol (drainages enterrés,
irrigation).
Les données acquises par les réseaux institutionnels de surveillance des eaux
superficielles (Agences de l’eau, DRASS, DDASS, DIRENs) et des aquifères exploités
pour la potabilisation de l’eau (DRASS, DDASS, DIRENs, réseaux complémentaires
des collectivités territoriales) montrent une augmentation des concentrations des
produits utilisés en agriculture (intrants) et de leurs détections dans les milieux
aquatiques. La problématique environnementale est simple : limiter voire stopper la
dégradation générale de la qualité des milieux par les pollutions agricoles diffuses,
en vue de préserver la qualité des cours d’eau et la potabilité des captages d’eau
réservés à la consommation humaine.
0.1.3 Enjeux locaux de la gestion de l’eau
Dans ce contexte agricole de grande culture (mais irrigué, sorgo, blé, tourne-
sol, colza) où les problématiques liées à la qualité de l’eau sont étroitement liées
aux activités agricoles, de nombreuses mesures environnementales ont été mises
en place, dans le cadre de Programme d’Action Territoriale (PAT) par exemple, pour
éliminer les pratiques à risques et favoriser certains aménagements paysagers sup-
posés améliorer la qualité des eaux. Des zones d’action prioritaire ont également été
définies pour préserver la qualité des eaux, comme les zones de bassins de captage
d’eau potable.
D’autres actions locales ont été mises en place dans cette région. L’Association
des Agriculteurs d’Auradé est une association de loi 1901 crée en 1992 pour
3
améliorer les pratiques agricoles et réduire l’impact des activités agricoles sur
l’environnement (http : //www.agriculteurs − aurade.fr/), sur le bassin versant
d’Auradé (Gers, France). Cette structure a permis, depuis sa création, de réaliser
sur le site expérimental d’Auradé des aménagements paysagers (mise en place
de bandes enherbées le long des cours d’eau, bandes de peuplier en milieu de
parcelle) et d’améliorer les pratiques agricoles (retard de l’enfouissement des
pailles à l’automne) pour diminuer les concentrations en nitrate dans le ruisseau.
L’objectif de ce genre d’initiative est de conserver le mode et type de production
agricole, tout en minimisant son impact sur la qualité de l’eau par une batterie de
mesures expérimentales.
L’évaluation de l’efficacité de ces mesures est, comme partout ailleurs, délicate à
faire, et les gestionnaires institutionnels comme les chambres d’agriculture locales
et l’agence de l’eau Adour-Garonne, sont demandeurs d’une évaluation des pro-
grammes de prévention et de restauration qu’ils ont financés. Les investissements
conséquents qui y ont été engagés doivent prouver leur efficacité face à des mesures
dites curratives, qui ne suppriment pas le problème, mais ont le mérite d’être plus
simples à évaluer économiquement (usines de décontamination des eaux potables,
filtres biologiques dans les rivières...).
Ce travail de thèse a été effectué en articulation avec un projet LIFE-environnement
européen, nommé CONCERT’eau (http : //concerteau.ecobag.org) visant à déterminer
des mesures de remédiation pour réduire la pollution en nitrates et en pesticides
dans l’eau, en tenant compte de la viabilité économique et de l’acceptabilité sociale
de ces mesures. Pour ce faire, le projet a rassemblé les acteurs du monde rural
afin de définir collégialement des mesures appropriées allant dans le sens de l’ob-
jectif du projet : la diminution des pressions agricoles pour améliorer la qualité
des eaux. Afin d’évaluer la faisabilité et l’efficacité de chaque orientation agricole
(ou scénario), des modèles économiques, sociologiques et environnementaux issus
de la recherche scientifique sont utilisés pour l’élaboration d’indicateurs. C’est en
associant ces trois types d’indicateurs à une discussion entre acteurs que les scé-
narios sont comparés. Cette plateforme collaborative est un exemple de l’applica-
tion directe des modèles scientifiques environnementaux interdisciplinaires mis au
point pour comprendre le fonctionnement des agro-hydrosystèmes.
4
0.1 Introduction générale
0.1.4 Contexte scientifique
a - L’excédent de nitrates
Le contrôle de la pollution en nitrate a été l’une des premières problématiques
abordée pour tendre vers un meilleur contrôle des pressions agricoles sur la
qualité de l’eau, initialement mis en évidence par le rapport Hénin de 1980 sur
les nitrates dans les eaux des rivières françaises. Le cycle de l’azote est en effet
bien connu à l’échelle de la parcelle agricole [Recous et al., 1997] ainsi que les
dynamiques de transfert vers les cours d’eau et les aquifères [Whelan et Kirkby,
1995], mais l’interaction directe entre l’utilisation des sols, les pratiques agricoles
et la pollution en nitrate de l’eau n’est pas évidente, dans le temps et l’espace.
Les dynamiques de l’azote dans un paysage sont fortement variables suivant les
contextes hydro-climatiques et pédologiques [Vagstad et al., 2004]. De plus, les
processus internes naturels du cycle de l’azote peuvent être dominants comparé
aux modifications externes comme les intrants azotés agricoles [Webb et Walling,
1985].
L’étude de l’azote se fait généralement à l’echelle d’un bassin versant. Pour
rappel, un bassin versant est une entité hydrologique dont la surface est drainée
par un exutoire. Autrement dit, c’est l’ensemble des versants orientés de telle
sorte que l’eau de pluie qui percole dans les sols et arrive à la rivière passe au
point exutoire. Ainsi, on définit un bassin versant en choisissant un point exutoire
au niveau de la rivière. Les transferts d’azote étant liés fortement aux transferts
d’eau (l’ion nitrate étant hydrophile), cette échelle hydrologique permet de calculer
des bilans entrées-sorties des flux d’azote. C’est également à cette échelle que les
modèles de qualité de l’eau simulent le cycle de l’azote.
Pour estimer l’impact des pratiques agricoles sur la pollution azotée des eaux,
des campagnes de mesures sur le terrain sont nécessaires pour quantifier à la
fois les flux d’eau et les flux d’azote dans les bassins versants. Des chroniques
d’observation à long terme sont nécessaires pour comprendre les tendances et les
évolutions des mesures de terrain [Park et al., 1994]. Mais elles ne suffisent pas
toujours à conclure sur l’évolution de la qualité et face aux coûts importants que
représentent ces suivis, la modelisation de la qualité de l’eau à l’échelle des bassins
versants s’est imposée comme un outil utile pour comprendre et prévoir l’évolution
5
de la qualité de l’eau.
La première estimation faite par ces modèles est l’excédent d’azote dans le sol,
à l’échelle d’une colonne de sols ou de la parcelle, dépendant principalement de la
dynamique de :
– la consommation de l’azote par les plantes
– la minéralisation nette
– la dénitrification
D’autres processus peuvent être pris en compte pour affiner la description du cycle
de l’azote : la volatilisation de l’engrais minéral, la prise en compte des différentes
autres formes d’ions azote (ammonium NH+4 , ammoniac NH3, nitrite NO−
2 ) ou la
fixation symbiotique de l’azote atmosphérique (N2). Ces processus peuvent se
révéler être plus ou moins importants suivant les contextes d’étude.
L’excédent d’azote à la parcelle est lessivé avec l’eau percolée à travers le sol.
Ces flux dépendent donc fortement des conditions hydriques des sols au moment
où le nitrate est en excès. Il existe de nombreux moyens d’action afin de contrôler
les fuites de nitrate sous les parcelles agricoles. En effet, nombreux travaux réalisés
à l’échelle de la parcelle ont montré que l’influence des systèmes de cultures (type
et rotation des cultures, fertilisation et irrigation, gestion des résidus de récolte) et
du contexte pédoclimatique sur la lixiviation des ions nitrates étaient importants
[Gaury, 1992; Simmelsgaard, 1998]. L’intégration de ces flux parcellaires à l’échelle
des bassins versants n’est pas directe : les processus hydrologiques impliqués dans
les transferts de nitrate à cette échelle sont complexes et très différents suivant les
régions. Ils dépendent généralement :
– des propriétés hydriques des sols
– de la topographie
– du climat (pluie, évaporation, températures)
– des propriétés et capacités des aquifères
On a alors recours à des couplages entre des modèles à la parcelle (exemple :
SOILN, LEACHN, CREAMS, GLEAMS) ou même des modèles de développement
des cultures (modèles agronomiques) comme EPIC [Williams et al., 1984] ou STICS
[Brisson et al., 1998] et des modèles hydrologiques de bassins versants (exemple :
TOPMODEL, SHE...). Certains modèles couplés agrègent simplement les résultats à
la parcelle, puis prennent en charge le nitrate percolé dans les différents réservoirs
simulés (exemple : SWAT, ANSWERS...) jusqu’à la rivière. D’autres qualifiés de
6
0.1 Introduction générale
modèles physiques spatialisés ou mécanistes distribués (exemple : SHETRAN,
MIKE SHE, TNT2) prennent en compte les processus de manière distribué dans
le bassin en calculant les transferts et transformations d’azote à l’échelle d’unité
spatiale. La distribution des processus pose des problèmes généraux comme
la représentativité des processus souvent étudiés à l’échelle du profil de sol et
appliqués à l’échelle du champ par exemple ou encore la mesure locale de certains
paramètres utilisés à des échelles plus larges [Ball et Trudgill, 1995]. L’utilisation
de tels modèles est tout de même considérée comme intéressante, si on accepte de
restreindre l’interprétation aux tendances plutôt qu’à une simulation parfaite des
phénomènes dans l’espace et le temps [Beaujouan, 2001].
Cette voie de modélisation est utilisée pour tous types de contexte et de pollu-
tion agricole. Cette approche a pour but de simuler les pertes d’azote nitrique du
système cultural, le transfert de la lixiviation dans l’hydrosystème ainsi que les dy-
namiques de concentration de l’eau des rivières et les flux de nutriments associés.
Beaudoin et al. [2008] montrent que le modèle agronomique STICS a la capacité de
tenir compte de l’effet des pratiques agricoles et du climat sur plusieurs décennies
pour simuler les flux d’azotes dans l’agro-système. Les modèles couplés ont donc
été développés et utilisés depuis les années 80 (exemple : SOILN, WAVE, LEACHN,
CREAMS, SLIM...) pour simuler le cycle de l’azote à l’échelle de la parcelle et les
transferts de nitrates à l’échelle du bassin versant, comme ANSWERS [Beasley
et al., 1980]. Un petit nombre de modèles ont la capacité de simuler les dynamiques
et les intéractions spatiales des transferts d’azote nitrique dans les versants comme
CATCHN [Cooper et al., 1994], CWSS [Reiche, 1994], DAISY/MIKE-SHE [Styczen et
Storm, 1993; Christiaens et Feyen, 1997; Refsgaard et al., 1999], NMS [Lunn et al.,
1996] et INCA [Whitehead et al., 1998; Durand, 2004; Granlund et al., 2004].
D’autres approches, entièrement distribuées, c’est à dire que l’espace est entiè-
rement discrétisé, sont développées : le modèle Topography Nitrogen Transfer and
Transformation (TNT2) [Beaujouan et al., 2002] a été développé pour simuler l’émis-
sion d’azote nitrique des zones rurales et le modèle Diffuse Nitrate Modelling Tool
(DNMT) [Liu et al., 2005] simule l’azote lixivié des eaux d’égout des zones urbaines.
Ces deux modèles sont dérivés de l’approche hydrologique de TOPMODEL [Beven,
1997] pour simuler les flux d’eau à l’échelle du bassin versant. Un modèle 3D, le
modèle SHETRAN [Birkinshaw et Ewen, 2000], simule le transfert et la transforma-
tion de l’azote nitrique basé sur les équations d’advection dispersion, permettant
de modéliser des bassins versants inférieurs à 10km2. Ces approches distribuées
7
sont souvent associées à des temps de calcul long et ne sont pas applicables à des
échelles plus grande.
Un autre type d’approche, semi-distribuée, est reconnue pour simuler de ma-
nière correcte les transferts d’azote nitrique dans les rivières, utilisant le couplage
de modèles agronomiques avec des modèles hydrologiques semi-distribués [Borah
et Bera, 2004; Li et al., 2004]. Soil Water Assessment Tool (SWAT) [Arnold et al.,
1998] est un modèle qui a été utilisé dans de nombreuses études à travers le monde
pour simuler les transferts de nitrates dans de larges bassins versants [Grizzetti
et al., 2003; Santhi et al., 2006; Abbaspour et al., 2007; Pohlert et al., 2007b; Bou-
raoui et Grizzetti, 2008] comme dans de plus petits [Green et Van Griensven, 2008].
Cette approche est alors interessante pour modéliser des bassins versants de taille
régionnale, tout en intégrant les informations spatiales (occupation du sol, pédolo-
gie, climat...) et temporelles (pratiques agricoles, climat, évolution de l’occupation
du sol) dans des sous-bassins versants dont la taille est fixée par le modélisateur.
b - Objectifs
La principale question scientifique de ce travail est de connaître la contribution
des sources anthropiques d’azote nitrique dans les variations des concentrations
de nitrate mesurées depuis 1985 sur un petit bassin versant agricole gascon sur
lequel ont été mis en place dès 1992 des mesures agri-environnementales pour
diminuer les concentrations en nitrate. Les chroniques de mesures de débit et de
concentration en nitrates obtenues depuis 1985, bien que complètes, ne sont pas
suffisantes pour estimer l’impact agricole sur la qualité de l’eau. On a donc choisi
d’estimer tout au long de la période suivie le cycle et les principaux transferts
d’azote minéral au sein du bassin versant par modélisation semi-distribuée (SWAT
Arnold et al. [1998]) et distribuée (TNT2 Beaujouan et al. [2002]). Cette méthode
permet de prendre en compte année par année l’évolution de l’occupation des sols
et des itinéraires techniques agricoles, jour par jour l’évolution du climat et la
croissance des plantes, et la spatialisation des propriétés du sol.
L’objectif principal est ici d’utiliser ces modèles pour simuler la variation des
transferts de nitrate dans le bassin versant en fonction des modifications agricoles
réalisées ou de différents scénarii. Le manuscrit se décompose en quatre parties
logiquement reliées les unes aux autres.
8
0.1 Introduction générale
L’approche du bilan du cycle de l’azote nécessite de quantifier les flux de
nitrates à la sortie du bassin versant à partir des mesures de débits en continu
et des mesures ponctuelles de concentrations en nitrate. La première partie de
ce manuscrit présente le site d’étude, la problématique nitrate d’origine agricole
et le suivi historique qui y a été fait sur le bassin de 1985 à nos jours. Il y est
aussi présenté un protocole de mesure en continu de la concentration en nitrate
à l’exutoire du bassin versant expérimental d’Auradé (Gers, SW France). La base
de données acquise dans cette thèse a permis de calculer les erreurs possibles des
méthodes classiques d’estimation des flux de nitrate à l’exutoire sur une période de
mesure. Ce travail est présenté sous la forme d’une publication soumise à Water
Ressources Research et intégrée à ce chapitre.
Le deuxième chapitre présente l’application de deux modèles agro-
environnementaux, l’un semi-distribué (SWAT), l’autre distribué (TNT2) ayant
un même objectif mais utilisant des approches différentes. Le calage des modèles
et les résulats et conclusions de leur application sont présentés dans ce chapitre
sous la forme d’une publication soumise à Journal of Hydrology. Le calage des
modèles y est discuté par rapport aux résultats du premier chapitre.
Le troisième chapitre utilise les conclusions du deuxième chapitre pour justifier
l’utilisation de TNT2 pour tester des scénarios agricoles à l’échelle du petit bassin
versant d’Auradé. L’aménagement du paysage et les changements d’itinéraires
techniques produits à partir de 1992 sur le bassin versant (décrits dans le 2ème
chapitre) sont évalués ici par modélisation. Un autre scénario agricole teste l’intérêt
des CIPAN sur la qualité de l’eau de rivière.
Le quatrième chapitre illustre l’importance relative des conclusions de l’expé-
rimentation virtuelle effectuée à l’échelle locale, en utilisant le modèle SWAT pour
estimer l’importance des processus étudiés à cette échelle sur la qualité de l’eau à
l’exutoire du bassin versant de la Save.
Une conclusion générale récapitule les enjeux, intérêts et limites de l’utilisation
de la modélisation spatialisée agro-environnementale dans la gestion de la qualité
des ressources en eau, ainsi que les principales perspectives de ce travail.
9
10
Chapitre 1
Mesure des teneurs en nitratedans la rivière
Ce chapitre présente le bassin versant qui sert de support à cette étude et les
bases de données acquises (débits et concentrations en continu) durant la durée de
ce travail. Il illustre la variabilité du signal de concentration en nitrates à l’exutoire.
Les écoulements contributifs au ruisseau sont extrèmements variables suivant les
saisons et les événements hydrologiques ; les concentrations varient également plus
ou moins rapidement en fonction de ces différents types d’écoulements. Nous pré-
sentons ici une méthode afin d’évaluer l’erreur faite sur le calcul des flux par sous
échantillonnage classique des concentrations de nitrate sur une période de mesure
de deux ans (2006-2008).
11
Mesure des teneurs en nitrate dans la rivière
1.1 Site d’étude : le Montoussé à Auradé (Gers)
1.1.1 Présentation générale et localisation
Le bassin versant du Montoussé situé à Auradé (Gers), appelé par la suite bas-
sin versant d’Auradé) a une superficie de 335 ha dont 90% sont utilisés pour des
besoins agricoles. Il s’inscrit dans un ovale de 3 Km de long et 1,6 km de large,
orienté d’Est en Ouest. L’altitude varie de 276 à 172m soit un dénivelé de 104m. La
pente moyenne avoisine les 9% mais peut atteindre localement 28% (tableau 1.2).
Le Montoussé est un ruisseau affluent de la Boulouze qui se jette dans la Save,
elle-même affluent rive gauche de la Garonne. Il est localisé en Gascogne, une
région dominée par l’agriculture (figure 1.2).
1.1.2 Hydrologie et climat
Le département du Gers subit les influences climatiques de l’océan Atlantique,
et de manière plus atténuée, de la Méditerranée. Les précipitations et les lames
d’eau écoulées sont extrèmement variables d’une année sur l’autre (tableau 1.1).
Les lames d’eau de pluie, les lames d’eau écoulées et les températures mensuelles
moyennes calculées pour la période 1985 à 2001 sont présentées sur la figure 1.1.
Le maximum des débits intervient au début de l’hiver, mais le printemps reste une
période où les débits sont importants, parfois même jusqu’en Juin. L’été reste très
sec avec, certaines années, un assèchement total.
1.1.3 Pédologie et géomorphologie
L’ensemble du bassin est situé sur une roche mère hétérogène, portant le
nom de ’molasse’. Celle-ci est de nature détritique et constituée de matériaux
hétéroclites, provenant de l’érosion de la chaine des Pyrénées et déposés sur un
large cône de déjection en aval de Lannemezan (environ 8000 km2), durant le
Miocène. Sa composition varie fortement, même à l’échelle du bassin versant,
en termes de granulométrie (molasse limoneuse à sableuse), de chimie (très
fortement calcaire à acide) et de faciès (ocre à bariolée). Les sols sont souvent
superficiels en haut de versant et beaucoup plus profonds aux abords du réseau
hydrographique. Les Rendosols, Calcosol et Calcisols sont fréquemment rencontrés
mais sont juxtaposés à des Brunisols plus acides et souvent riches en éléments
12
1.1 Site d’étude : le Montoussé à Auradé (Gers)Graph3
Page 1
0
10
20
30
40
50
60
70
80
Oct. Nov. Dec. Janv. Fev. Mars Avr. Mai Juin Juil. Août Sept.
Lam
e d'
eau
en m
m, T
empé
ratu
res
en °C
PluieLame écouléeTempérature
FIGURE 1.1 – Moyennes mensuelles des lames d’eau de pluie, lames d’eau drainée, tempé-ratures observées sur 17 années (1985-2001) à Auradé.
grossiers (Quartzites) et à quelques Luvisols [Bur, 2008]. L’important taux d’argile
couramment présent dans les sols du bassin est à l’origine d’une terre lourde
communément appelée ’Terreforts’. Cet ensemble forme un substrat relativement
imperméable et peu profond. Aucune nappe importante n’a été trouvée, exceptées
quelques lentilles sableuses ou inclusions intramolassiques, caractérisées par
une texture grossière qui permettent de soutenir certaines sources et créent des
mouillères en milieu de versant [Ribeyreix-Claret, 2001].
1.1.4 Historique du suivi expérimental
Ce site a été étudié par AZF (maintenant GPN-TOTAL) depuis 1985 afin de suivre
l’impact des fertilisants azotés sur la qualité de l’eau de rivière. Un suivi des débits
journaliers et des concentrations en nitrates a été assuré par AZF jusqu’en 2004.
L’Association des Agriculteurs d’Auradé a depuis 1992 pris en charge la collecte des
données agricoles (assollement, fertilisants et itinéraires techniques, traitements
pesticides depuis 2004). Depuis 2005, ECOLAB est en charge du site avec un suivi
des précipitations, des débits et des concentrations en nitrates en partenariat avec
GPN-TOTAL (convention amiable renouvellée chaque année). Le protocle de me-
13
Mesure des teneurs en nitrate dans la rivière
TABLE 1.1 – annual water balance of the study periodYear annual rainfall (mm) discharge/rainfall(%)1986 497 201987 595 131988 700 181989 399 171990 490 61991 773 111992 729 141993 844 271994 778 331995 623 221996 689 171997 643 151998 570 71999 679 72000 730 122001 759 15
sures est décrit dans ce chapitre. Les bases de données hydrologiques, occupation
des sols, itinéraires techniques, pedologiques existantes sur ce site, et utilisées
pour la modélisation sont présentées dans le chapitre 2.
1.2 Protocole de suivi des concentrations
1.2.1 Problématique scientifique
La mesure d’un flux dans une rivière se fait généralement en mesurant le
débit comme une variable continue, et les concentrations d’un élément comme
une variable ponctuelle. L’incertitude dans le calcul du flux réside alors dans
l’intégration de la concentration comme une variable continue. Pour les nitrates,
il est reconnu que la valeur est assez stable lorsque les débits le sont. Pionke
et al. [1999] fait état d’études témoignant de bassins versants pour lesquels une
augmentation systématique des concentrations en hiver est observée, quelle que
soit la taille du bassin [Whelan et Kirkby, 1995; Burt et Arkell, 1987; Schnabel
et al., 1993] ou l’occupation du sol [DeWalle et Davies, 1997; Murdoch et Stoddard,
1992]. Sur le bassin versant d’Auradé, cette augmentation durant les débits d’hiver
est observée depuis longtemps sur le suivi historique, c’est ce qu’appelle Martin
[2003] un ’cycle classique’, c’est à dire un cycle saisonnier marqué par une forte
14
1.2 Protocole de suivi des concentrations
±
0 460 920 1 380 1 840230Meters
Save catchment Landuse
Forest area
Agricultural area
Urban area
Aurade catchment
River
Subasin
Kilometers0 10 205
Landuse of Aurade catchment
FIGURE 1.2 – Localisation du bassin versant d’Auradé dans le bassin versant de la Save.L’occupation du sol sur la Save est dérivée de Corine Land Cover 2000. Le linéaire duMontoussé est ajouté sur une photo aérienne représentant le parcellaire d’Auradé (cartoex-plorer ; IGN). Les parcelles blanches correspondent à du sol nu (blé récolté), les autres sontrecouvertes de tournesol.
15
Mesure des teneurs en nitrate dans la rivière
TABLE 1.2 – Characteristics of the Auradé catchment. Information on topographyis derived from the DEM, land use distribution is computed from aerial photo (Car-toexplorer IGN) and climate data are an in situ measurement.Parameter Value Parameter ValueTopography Land useArea 3.35km2 Cultivated crop 86%Max elevation 276m a.s.l. Pasture 2.1%Mini elevation 172m a.s.l. Grass/Poplar band 2.5%Mean slope 9.3 Forest 5.2%Max slope 28.8 Residential area 4.2%Climate River loadAnnual rainfall 656.5mm Mean [No−3 ] 11mgN.l−1
Annual discharge 106.9mm Max [No−3 ] 32.2mgN.l−1
Annual temperature 14.5◦ Celsius No−3 river load 13.3 kgN.ha−1.y−1
teneur en azote durant les périodes de fort drainage. Hormis cette variation sai-
sonnière, il a été observé à l’échelle horaire de fortes variations des concentrations
lors des événements pluvieux de cette période hivernale fortement drainée. Les
concentrations journalières de la période 1985-2001 sont présentées sur la figure
2.1 du chapitre 2, page 54. Cette figure illustre la variabilité des concentrations en
fonction des saisons et des évènements hydrologiques au pas de temps journalier.
Ce phénomène rend difficile un bon échantillonnage de la concentration en ni-
trate au cours de ces événements. Les quelques crues majeures déjà observées
présentent une variation de concentration comme suit :
– une partie rapide des écoulements par ruissellement explique une diminution
de la concentration plus ou moins longue et intense
– une partie plus lente des écoulements par réessuyage de sols ou écoulement
latéral qui explique une augmentation des concentrations
– un retour à la concentration d’avant l’événement pluvieux, concentration de
la nappe.
Chaque étape de variation est plus ou moins intense, parfois peu marquée ou in-
existante (pas de pic de concentration par exemple). Des exemples de ces variations
sont montrées sous forme d’hystérésis dans la figure 1.7. Quelle est donc l’incerti-
tude dans le calcul des flux de nitrate à l’exutoire de ce bassin versant par rapport
à la méthode employée ? C’est pour répondre à cette question que le protocole de
mesure en continu a été adopté.
16
1.2 Protocole de suivi des concentrations
1.2.2 Stratégie d’échantillonnage
a - Utilisation de sondes nitrates Ion Spécifique
Le laboratoire ECOLAB assure en partenariat avec GPN-TOTAL les mesures de
débits et les concentrations en nitrates dans le ruisseau afin d’assurer la continuité
dans les relevés engagés dès 1985. La stratégie abordée est de mettre en place un
protocole de mesure de nitrate avec une sonde YSI 6920 EDS équipée d’une élec-
trode ion spécifique (ISE). La sonde elle-même mesure également le pH, la conduc-
tivité, la turbidité, la teneur en O2 dissous et la température, ainsi qu’une pression.
La sonde étant fixée au niveau du seuil, le différentiel de pression est converti en
différence de hauteur d’eau. Les électrodes ISE nitrates ont déjà été utilisées pour
le suivi long terme des paramètres physico-chimiques dans des estuaires [Chapin
et al., 2004] ou encore pour des bilans biologiques à court terme dans un tronçon
de rivière [Pellerin et al., 2009]. Le problème majeur est que ce genre d’électrode est
très sensible à une dérive dans l’interprétation du potentiel électrique mesuré. Il
faut donc les recalibrer souvent, les changer (6 mois) et surtout évaluer la qualité
de la mesure.
b - Protocole d’échantillonnage d’accompagnement
Pour ce faire, et dans le but d’explorer l’utilité et la fiabilité des valeurs fournies
par ce type de sondes in situ, un protocole d’accompagnement est mis en place. Un
préleveur Ecotech sampler AWS2002 (Bohn, Germany) est connecté à la sonde. Il lit
les paramètres mesurés par celle-ci en continu, et enregistre une valeur avec un pas
de temps donné (ici toutes les 10 minutes), paramétré par l’utilisateur. Ce préleveur
déclenche un prélèvement si un δH de hauteur d’eau est franchi, c’est à dire que si
l’eau monte (début de crue), un prélèvement se fera tous les δH de hauteur d’eau
(paramétré par l’utilisateur), que ce soit à la montée ou à la descente de crue.
Ainsi, en parallèle de l’information de concentration en nitrate haute fréquence
(10 minutes) fournie par la sonde, des prélèvements d’eau correspondant à des
moments stratégiques de la crue pourront être choisis pour l’analyse en laboratoire,
à la lecture des valeurs de la sonde. Ainsi, la dérive potentielle de la sonde est
vérifiée, et les crues sont systématiquement échantillonnées.
Pour avoir un échantillon se rapprochant au maximum de l’état initial du cours
d’eau avant la crue, un préleveur ISCO 3600 est programmé pour prendre un
échantillon par jour, à heure fixe. La figure 1.3 montre un échantillonnage de crue
17
Mesure des teneurs en nitrate dans la rivière
FIGURE 1.3 – Dispositif mis en place à l’exutoire d’Auradé pour l’acquisition d’une basede donnée en continu des concentrations en nitrates dans la rivière. Dispositif actif depuismai 2006.
théorique pour lequel ce protocole est prévu. Une visite par semaine est ensuite
faite afin d’assurer la maintenance du site, vider et remplacer les flacons inutiles
prélevés et choisir ceux à garder, au regard des événement hydrologiques enre-
gistrés par la sonde : les échantillons ECOTECH sont sélectionnés en fonction de
l’allure des données nitrates de la sonde pendant la crue, puis deux échantillons
ISCO correspondant l’un à l’état avant la crue, l’autre à l’état après la crue sont
choisis. Un échantillon par semaine est systématiquement prélevé à la main lors
de la visite. Si il n’y a pas eu d’événements hydrologiques et si la sonde ne montre
pas de signe de dérive, alors c’est cet intervalle hébdomadaire qui est assuré pour
ce suivi. Les échantillons sont conservés au froid avant analyse. Les échantillons
sont susceptibles de demeurer quelques jours dans le préleveur, entre deux vi-
sites hebdomadaires. Un effort a tout de même été fait pour les crues majeures,
lors d’épisodes pluvieux où le nombre d’échantillons prélevés par le préleveur ECO-
TECH était conséquent afin de récupérer dès la fin de l’événement les échantillons.
18
1.3 Enregistrements bruts et prétraitements
1.3 Enregistrements bruts et prétraitements
1.3.1 Les débits
L’exutoire d’Auradé est équipé depuis le début des suivis (1985) d’un seuil en
béton et d’un limnigraphe à flotteur. Il a servi à mesurer les débits sur papier
millimétré, la mesure étant reportée à la journée dans une base de données de
hauteur d’eau. Cette hauteur d’eau est ensuite convertie grâce à la courbe de tarage
suivante :
V = a× (H/1000)b × δT (H)× 3600 (1.1)
avec V le volume d’eau en m3 pour le pas de temps de mesure, H la hauteur d’eau
dans le seuil en mm, δT(H) le pas de temps durant lequel H est constant, a = 2.286307
et b = 2.275. Cette courbe de tarage a été ensuite corrigée par des tarages faits par
la DIREN permettant d’affiner l’estimation des débits en basses eaux à partir de
la mesure des hauteurs d’eau. Au delà de 40 cm de hauteur d’eau (285 l.s−1), le
tarage n’est plus valable et il est difficile de connaitre la lame d’eau équivalente à
la hauteur mesurée. Les hauteurs d’eau mesurées ont dépassée ce seuil 6 fois sur
la période d’étude de 2 ans, au cours de pics de crue limités dans le temps (voir la
figure 1.5). C’est avec cette équation que l’on a converti les hauteurs mesurées par
la sonde en volume d’eau.
1.3.2 Les concentrations en nitrates
Le protocole de mesure a permis d’obtenir une base de données de 105896
concentrations et hauteur d’eau associée, correspondant à une période de 120766×10minutes = 2, 3ans. Le nombre d’échantillons prélevés selon le protocole d’accom-
pagnement (nommé par la suite ’mesure-HPLC’), prélèvements hebdomadaires (à
la main) ou exceptionnels (ISCO ou ECOTECH), s’élèvent à 279. Cette série tem-
porelle de mesures HPLC, obtenues par analyse chimique de l’eau (HPLC, chroma-
tographie liquide) est relativement conséquente et constitue à elle seule un effort
d’échantillonnage important. Cela s’est justifié pour valider les enregistrements de
la sonde, même si un effort pour diminuer le nombre d’échantillons prélevés est
envisagé pour la suite de cette expérimentation.
19
Mesure des teneurs en nitrate dans la rivière
La figure 1.4(a) présente le signal obtenu avec la sonde après recalage
des valeurs enregistrées par rapport aux mesures HPLC. Un rapport mesure-
sonde/mesure-HPLC est calculé pour chaque point de mesure-HPLC. Nous faisons
varier linéairement ce rapport entre deux mesures-HPLC, afin d’avoir un rapport
pour chaque pas de temps de 10 minutes. Ce rapport est alors utilisé pour calculer
la valeur sonde théorique pour chaque intervalle de temps.
Le signal ainsi obtenu est perturbé, certaines périodes de faibles amplitudes de
variation présentent des oscillations dans le signal attribuées à la précision de 10%
de la mesure de la sonde. Il a été choisi d’appliquer une convolution dans le signal
pour les périodes de basses amplitudes (étiages notamment) tout en conservant le
même signal pour les amplitudes les plus fortes (crues notamment). ces dernières
périodes n’ont pas ce problème de signal ’bruité’. De plus, les périodes sans mesure-
sonde sont enlevées du signal, afin de réaliser l’analyse de sous échantillonnage du
signal sans le biais de la longueur de ces périodes. La figure 1.4(b) présente le signal
ainsi obtenu. Ce pré-traitement du signal brut permet une plus grande clarté dans
les figures, mais nous avons pris la peine de vérifier que les conclusions de l’analyse
qui est faite dans la prochaine section ne sont pas influencées par ce traitement.
20
1.3 Enregistrements bruts et prétraitements
FIGURE 1.4 – Chroniques de concentrations de N-NO−3 à l’exutoire d’Auradé. (a) donnéesbrutes recalées par rapport aux analyses en laboratoires. Les trous correspondent à despériodes de non fonctionnement de la sonde. (b) données recalées par rapport aux analysesen laboratoire et convoluées pour les périodes d’étiages. Les périodes sans données sondessont enlevées du signal.
21
Mesure des teneurs en nitrate dans la rivière
1.4 Nitrate concentration signal processing to study
stream load estimation error in a small agricultural
catchment
Sylvain FERRANT 1 2, Christophe LAPLANCHE 1 2, Gaël DURBE 1 2, Anne
PROBST 1 2, Philippe DUGAST 3, Patrick DURAND 4, Jose Miguel SANCHEZ-PEREZ 1 2
and Jean-Luc PROBST 1 2
Les résultats présentés ci-après ont fait l’objet d’une publication qui a été
soumise à Hydrological Processes.
1. Université de Toulouse ; UPS, INPT ; Laboratoire d’Ecologie Fonctionnelle EcoLab ; ENSAT, Ave-nue de l’Agrobiopole - BP 32607 Auzeville-Tolosane - F 31326 Castanet-Tolosan Cedex - France
2. CNRS ; Ecolab,ENSAT, Avenue de l’Agrobiopole - BP 32607 Auzeville-Tolosane - F 31326Castanet-Tolosan Cedex - France
3. GPN ; 16-32 rue Henri Régnault, 92902 Paris La Défense Cedex - France4. INRA-Agrocampus Rennes 65 Route de Saint Brieuc CS 84215 35042 Rennes Cedex, France
22
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
Résumé
L’estimation des flux de nutriments dans les rivières est d’un intérêt crucial pour
comprendre l’impact des fertilisants agricoles sur la qualité des eaux de rivière. Les
concentrations en nitrates d’une rivière d’un petit bassin versant expérimental ont
été mesurées avec une haute fréquence de résolution sur une période de plus de
2 ans (2006-2008). L’occupation du sol de ce bassin versant de 3.5 km2 est do-
minée par des grandes cultures fertilisées, les débits de la rivières sont très sen-
sibles aux événements pluvieux. L’objectif de cette étude est de quantifier les flux
de N-NO−3 à l’exutoire avec un échantillonnage haute fréquence pour calculer les er-
reurs d’estimations faites avec les échantillonnages classiquement utilisés dans ce
genre de bassins et proposer des stratégies optimales d’échantillonnage. Le signal
hauteur d’eau et le signal nitrate mesuré en continu ont été sous-échantillonnés
par intervalles réguliers, une méthode sous-echantillonnant les débits ainsi que
les concentrations (protocole M1), une méthode ne sous-échantillonnant que les
concentrations (protocole M2). Les deux méthodes d’échantillonnage ont été éva-
luées par rapport à l’intervalle d’échantillonnage, à la méthode d’interpolation, et
aux conditions hydrologiques sur la base de la dispersion de l’erreur (différence
entre le flux mesuré et le flux estimé par la méthode) et le biais de l’erreur.
M1 est moins précis que M2 (respectivement 75% et 12% de dispersion maxi-
male) mais peut être utilisé pour des programmes de mesures à court terme si des
échantillonnages à haute fréquence sont envisageables. La dispersion de l’erreur
est plus importante pendant les crues avec la méthode M2 (23 %) et une fréquence
d’échantillonnage trop importante (infra jour) donne une surrestimation systéma-
tique (biais autour de 3 %). L’interpolation linéaire est plus précise. Pour limiter la
dispersion de l’erreur et le biais en dessous de 10%, un intervalle d’échantillonnage
de maximum 40 heures est préconisé avec la méthode M2 et de 4.3 heures avec la
méthode M1. Le protocole in situ utilisé pour échantillonner les concentrations en
nitrate permet de minimiser l’erreur sur les flux (erreur inférieure à 1%).
23
Mesure des teneurs en nitrate dans la rivière
Abstract
Estimation of nutrient loads is of crucial interest in assessing the impact of agri-
cultural fertilizers on stream water quality. Nitrate concentrations were measured
with high frequency sampling over 2 years (2006-2008) in a small experimental
catchment. The land use of the 3.5 km2 drainage basin is dominated by fertilized
crops and the stream hydrograph is event-responsive. The objectives of this study
were to quantify N-NO−3 losses at the outlet with high frequency sampling, estimate
errors made with different sampling methods and propose optimal sampling stra-
tegies. The continuous nitrate concentration signal recorded was subsampled with
regular sampling strategies, one of which subsampled discharge and concentration
(protocol M1), the other only concentration (protocol M2). Both sampling strategies
were evaluated in terms of sampling interval, interpolation method and hydrologi-
cal conditions on the basis of error (difference between true and estimated load)
dispersion and bias.
M1 was less accurate than M2 (75% and 12% of maximum dispersion, respec-
tively) but could be used for short-term monitoring with high frequency sampling.
Error dispersion was more important during flood events with M2 (23 %) and high
frequency sampling (within-day) gave systematic overestimation (bias around 3%).
Linear interpolation was generally more accurate. To limit error dispersion and bias
to under 10%, a fixed sampling interval of about 40 hours is required for M2 and of
about 4.3 hours for M1. The in situ protocol used to sample nitrate concentration
as function of water level minimized sample numbers. An error less than 1% was
assumed.
1.4.1 Introduction
Excess nutrient loads applied to agricultural fields are considered to be the lar-
gest source of nitrogen emissions in European fresh water. Nitrate concentrations
in groundwater and stream water are a matter of concern for Western countries
and environmental management policies aim to decrease or maintain concentra-
tions below the 50 mg.L−1 threshold for drinking water. National monitoring pro-
grammes have been put in place to measure nitrate concentrations in water bodies
over a long time period. In contrast, scientific programmes tend to study the direct
impact of fertilizers used in agriculture on nitrogen concentrations in stream water.
To this end, small agricultural catchments with shallow aquifers have been consi-
24
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
dered to study the fate of agricultural nitrogen [Vagstad et al., 2004], although the
time of transfer is variable. Nutrient concentrations and discharge are measured
at catchment outlet to evaluate nutrient losses in stream water. For most streams,
water samples are collected at variable frequencies within monitoring periods of
different duration to estimate the total nutrient losses in the stream. Most investi-
gations relating concentration of chemicals in surface water to the corresponding
loads applied to land are based on data from routine periodic sampling at 1 or 2
week intervals during low flow periods and more frequently during storm events
[Edwards, 1973; Johnson et al., 1976; Arheimer et al., 1996]. Other studies point
out that a better estimate of nutrient losses is obtained when the variation in di-
scharge between two collected samples is taken into account in loss estimation
[Littlewood, 1995]. Thus, extreme discharge variations such as flood events have to
be surveyed in order to increase the precision of stream load evaluation. However,
the relative importance of each storm event for total nitrogen losses is dependent on
the study site and hydrological year. Some studies evaluate sampling strategies of-
ten used in monitoring programmes to calculate loads of various nutrients passing
through a gauging station in large or small rivers [Stevens et Smith, 1978; Fergu-
son, 1986; Kronvang et Bruhn, 1996; Moatar et Meybeck, 2005; Quilbè et al., 2006].
The difficulty in calculating loads based on discrete sampling lies in transforming
measured discrete concentration into a continuous variable. Guo et al. [2002] re-
view several load calculation methods found in the literature, generally divided into
the four broad categories averaging, ratio, regression and planning level load esti-
mators [Quilbè et al., 2006]. Averaging estimators use averages as representative
measures of discharge, concentration or load for a given time interval, and add up
these variables over the year. Ratio estimators statistically relate discharge data
as the auxiliary variable and load as the dependent variable [Cochran, 1977]. This
method is used where few concentration data are available [Richards et Holloway,
1987], and has been mandated for use in the Great Lakes region (Canada-US) by
the International Joint Commission. Regression methods, and their resulting rating
curves [Walling et Webb, 1988], define an empirical relationship between discharge
and concentration. Such methods have been applied for large-scale rivers, where
concentration and flow are assumed to follow a bivariate log-normal distribution.
The same relationship could be established between discharge and loads [Kattan
et al., 1987]. The reliability of any estimation method is usually assessed in terms
of both the bias and variance of a particular sampling strategy. Bias measures drift
of the estimated flux distribution centre from the reference value, while variance re-
flects how tightly the distribution of the estimate is clustered about its centre [Wal-
25
Mesure des teneurs en nitrate dans la rivière
ling et Webb, 1981]. In the case of an intensive sampling protocol, sub-sampling
uses dense observation time series and recreates sample series that would have
been obtained with less frequent sampling. It has been used for studying optimal
sampling frequency and accuracy calculation methods for suspended matter during
storm runoff events [Walling et Webb, 1981; De Vries et Klavers, 1994; Robertson
et Roerish, 1999; Horowitz, 2003] and for estimation of nutrient, heavy metal and
pesticide loads for sampling intervals ranging from one to three months [Preston
et al., 1989]. The effectiveness of most sampling strategies depends on the duration
of the study [Robertson et Roerish, 1999] and catchment size [Coynel et al., 2004].
Few studies report a strategy for evaluation of nitrogen load sampling for small agri-
cultural catchments with a very short sampling period. Salles et al. [2008] focus on
estimating the loads of total suspended sediment and dissolved nutrients during
flood events with a high sampling frequency from 1- to 6-hour time steps during a
short time period in a small Mediterranean catchment of 67 km2.
The main aim of the present study was to determine the most effective sam-
pling strategy for computing nitrogen loads at the outlet of a 3.5 km2 catchment.
Nitrogen concentration sensors were used to monitor a 10-minute signal of nitro-
gen concentrations during a period of 2 years. The novel approach used was based
on a systematic sub-sampling strategy for water concentration at 10-minute inter-
vals, and loads were computed by integration of interpolated sub-samples. Specific
objectives were to evaluate the accuracy (bias and precision) of the different load
computation approaches and to test their sensitivity to the sampling frequency. The
data set obtained was used to compute the load estimate accuracy for each sam-
pling frequency, depending on interpolation method and hydrological conditions.
Load estimates, the influence of sampling frequency and sampling protocol were
then assessed.
1.4.2 Material and methods
a - Study site
The Montoussé catchment at Auradé (Gers, France) is an experimental research
site studied since 2004 by EcoLab in collaboration with GPN-TOTAL. Nitrate mea-
surements were started in 1985 by AZF Toulouse (now GPN) to measure the impact
of best agricultural practices and landscape management on decreasing nitrate
concentrations in streams. The Le Montoussé stream was selected for intensive
monitoring because of the ’flashy’ nature of its hydrograph, the dominant late-
26
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
ral flow and the intensive agricultural context. It is a tributary of the Save River,
which is a left tributary of the Garonne River, located in the Gascogne, an intensi-
vely cultivated region in south-west France. At the gauging station, the catchment
drainage area is 3.5 km2 and the stream is 1 m wide at the outlet and highly
event-responsive. The substratum of the catchment consists of impervious Mio-
cene molassic deposits. No significant aquifer has been found except some sand
lens contributing to sustain local sources at mid-slope. Soil depth depends on ele-
vation, with a maximum of 2 m downslope and less than 50-70 cm at the top of the
relief, the bedrock being frequently apparent. Average annual rainfall calculated
for the last 20 years is 656 mm, with a maximum in spring. An average of 86% of
rainfall is evaporated during high temperature periods in summer and during some
autumns. In this intensive farming area, about 87% of the total catchment area is
used for crop production, consisting of a sunflower and winter wheat rotation with
annual application of mineral fertilizer. During the last decade, best management
practices have been examined with the aim of decreasing nitrogen leaching from
soil and river nitrate loads at the outlet.
b - Sampling strategy and data collection
The sampling strategy to evaluate the water quality and nitrogen loads was
required to measure nitrate concentrations depending on flood events. However,
owing to the variability of nitrate concentrations during these periods, a new sam-
pling strategy was devised. An in situ ion specific electrode (ISE) instrumentation
package was deployed at the gauging station during a 2-year period from May 2006
to July 2008. These years were dry, with a negative exportation coefficient calcu-
lated on the basis of historical data on discharge from 1985 to 2004, with -51% in
2007 and -45% in 2008. In comparison to its tributary, the Save River had a deficit
of about -32% in 2007 and -17% in 2008 compared with the average for the period
1985-2004. The deficit was less marked for the Save River because discharge is
supported during dry periods by water injection upstream through the Neste canal.
In 2007, the Garonne River had a deficit of about -41%. It must be borne in mind
that the dry conditions in the study period could have affected the results obtained.
Measurements of dissolved nitrogen concentration were made every 10 minutes in
the mid-depth of the water column using a YSI 6920 EDS sensor for N-NO−3 . pH,
pressure (water level), conductivity and temperature were measured using probes.
Data were recorded by an Ecotech sampler AWS2002 (Bohn, Germany) logged to
the sensor. To correct N-NO−3 probe value drift, the automatic sampler was pro-
27
Mesure des teneurs en nitrate dans la rivière
grammed to take a sample depending on water level. A second sampler ISCO 3700
(Lincoln, USA) was programmed for basic sampling with daily sampling intervals.
The first instrument was connected to the sensor programmed for flood event sam-
pling and coupled to a stage switch that sampled at each predetermined step of
water level rise or decrease (3 cm threshold). In the case of no hydrological events,
weekly visits were carried out to check experimental material, download sensor
data with a laptop, empty the ISCO automatic sampler and take a manual sample
of water. In the case of flood events, a Sim card phone connection allowed the wa-
ter level or Ecotech number of samples taken to be monitored, in order to alert
operatives to go and retrieve storm samples. ISCO samples were selected on the
basis of nitrate sensor value variation, to get a sample corresponding to base flow
just before and after the storm event. At the laboratory, water samples were filtered
through a 0.45 micrometre millipore filter, then kept in the dark and refrigerated
at 4°C, before being analysed for N-NO−3 with High Performance Liquid Chromato-
graphy (HPLC). This protocol, referred to in this paper as the in situ protocol allows
a sample to be obtained for each nitrogen variation during flood events, in order to
check sensor values. A total of 286 water samples were analyzed during the study
period, corresponding to a mean of 1 sample per 3 days, but chosen depending
on nitrate concentration and water level variation. We also recorded a 10-minute
signal of nitrogen concentration in the stream. The collected data set consisted of
a total of n = 99, 703 water level and average nitrogen concentration measurements
at 10-minute time steps (144 samplings per day) corrected for each period by in
situ protocol samples. We also used this data set to estimate bias and variance in
N-NO−3 load calculations depending on sampling frequency, hydrological conditions
and interpolation method.
c - Data preprocessing
The first step was to correct N-NO−3 probe drift and other anion interfe-
rences. Under the assumption that drift is linear between two HPLC measure-
ments, a drift coefficient was calculated for each 10-minute time step. We ensu-
red that we sampled concentration with a higher frequency during flood events to
check for high variations in probe concentration values. During base flow condi-
tions, the nitrogen sensor values were checked against the weekly sampling va-
lues. Between two manual or automatic samples, true nitrogen concentration va-
lue was calculated for each 10-minute time step with sensor value corrected by
the linear drift coefficient. In order to estimate signal variability in term of fre-
28
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
quencies, time-series analysis was performed using the OCTAVE software (GPL
http : //www.gnu.org/software/octave/about.html). A fast Fourier transform (FFT) al-
gorithm was used to compute the N-NO−3 concentration spectrum. The power spec-
trum of the nitrogen signal collected from 4 May 2006 to 31 July 2008 at the outlet
was calculated. In calculation of this spectrum, gaps in the data created when the
YSI sensor was disconnected for maintenance were not taken into account. We used
the Nyquist-Shannon sampling theorem to validate the 10-minute time step mea-
surement by the sensor. In essence, the theorem states that a continuous signal
that has been sampled can be perfectly reconstructed from discrete samples if the
sampling rate exceeds twice the highest frequency in the continuous signal. This
gave us a first estimation of the minimum sampling frequency where errors were
made by sub-sampling the N-NO−3 concentration signal. This was complemented
by a second approach based on load error evaluation as described below. In order
to test the concentration signal variability, we considered the signal during flood
events and the signal during base flow separately, by hydrograph checking. Signal
analysis was thus carried out for all except joint flood events in one way, and for
base flow periods in the other way.
d - Load calculation method
True load estimation The evaluation and assessment reported here used the fol-
lowing techniques of load estimation for this type of context and catchment scale.
After having verified that the sub-sampling of concentration signal with a 10-minute
sampling interval gave an accurate estimation of all frequencies of concentration si-
gnal (see section a -), we assumed that computation of loads with the 10-minute
N-NO−3 signal multiplied by the corresponding 10-minute water discharge volume
represented the true flux. Consequently, the whole data set was used to calculate
the reference N-NO−3 flux (Fref ) (equation 1.2), for the whole study period as follows.
Let C(i), Q(i), and F (i) = C(i)Q(i) be respectively the reference N-NO−3 concentra-
tion (mg.L−1), discharge (L.s−1), and N-NO−3 flux (mg.s−1) at time i ∈ {1, . . . , n}. The
reference total flux for the whole study period is then :
Fref =n∑
i=1
F (i) (1.2)
This flux was taken as the true nitrogen load for the entire study period.
29
Mesure des teneurs en nitrate dans la rivière
Sampling strategy and load estimation The first sampling strategy as descri-
bed in equation 1.3 (sampling protocol 1) is the sub-sampling of continuous load
measurements (concentration multiplied by water volume discharged during each
10-minute time step). It is equivalent to periodic visits to measure water discharge
and nitrogen concentration. Concentration, discharge and flux are downsampled at
the sampling period p with the offset j ∈ {0, . . . , p− 1} before being interpolated and
resampled. Such downsampled-interpolated concentration, discharge and flux are
labelled Cj,p(i), Qj,p(i), and Fj,p(i) = Cj,p(i)Qj,p(i) respectively. The total flux for the
whole study period using downsampled-interpolated concentration and discharge
at the downsampling period p with the offset j is (M1) :
Fj,p =n∑
i=1
Fj,p(i) =n∑
i=1
Cj,p(i)Qj,p(i) (1.3)
The second strategy as described in equation 1.4 (sampling protocol 2) is the sub-
sampling of continuous concentration signal. It involves the study site being equip-
ped with a gauging station to obtain continuous discharge data and periodic visits
being made to measure nitrogen concentration. The total flux for the whole study
period using downsampled-interpolated concentration at the downsampling period
p with the offset j and reference discharge is (M2) :
Fj,p =n∑
i=1
Cj,p(i)Q(i) (1.4)
Two interpolation techniques, nearest neighbour (a) and linear (b), were considered.
Four methods were therefore tested, M1(a), M1(b), M2(a) and M2(b). The downsam-
pling period used in the following was every sampling period p from 20 minutes to
25 days with a time step of one hour thirty minutes.
e - Evaluation criteria
We calculated the error estimation Ej,p at the downsampling period p with the
offset j as follows :
Ej,p = (Fj,p − Fref )/Fref ∗ 100 (1.5)
We computed the median (e50p) and an index of dispersion (difference between the
upper and lower deciles, e90p and e10p) of all load error estimations for each sam-
pling period p tested. Error distribution and bias as a function of p are presented
in section c -. The analysis was performed for whole signal, base flow signal and
30
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
flood event signal. We summarized the maximum sampling period in hours we had
to choose for each sampling period p and estimation method as a function of an
error threshold ε. Two estimators were tested : |e90 − e10| < ε and |e50| < ε, which are
respectively the variance or index of dispersion and the bias or systematic error.
Two threshold ε are presented, 5% and 10%.
1.4.3 Results
a - Validation of the sampling strategy
The power spectra analysis performed by Fast Fourrier Transform, as propo-
sed by Kirchner et al. [2001] and Feng et al. [2004] gives the minimum threshold
of sampling frequency to explain 99% of the energy of the centred signal. This
frequency was 6 hours for the data set and in accordance with Nyquist-Shannon
sampling theorem, nitrogen concentration could be considered to be well sampled
with a sampling interval of less than 3 hours. Therefore the 10-minute recorded
signal could be considered a continuous signal. The error in sub-sampling signal
arose with sampling intervals longer than 3 hours.
b - Preliminary analysis of discharge-concentration relationships and total
N-NO−3 loads
Figure 1.5 shows the whole nitrogen concentration signal recorded with our
protocol for the catchment. The four major flood events are sorted by order of nitro-
gen load magnitude (no. 1 to no. 4). The mean discharge during base flow periods
was 4.8 L.s−1. During flood event periods, the maximum discharge recorded was
1891 L.s−1 as a short peak of flood, and the mean discharge was 20.7 L.s−1 for
all flood events taken together during the study period. The Montoussé river di-
scharge, in contrast, was highly event-responsive, with flows changing markedly
during rainstorms. A mean of 9.15 mg N-NO−3 .L−l was observed during low flow,
with a maximum of 15.4 mg N-NO−3 .L−l. Sub-figures on the top show variations in
N-NO−3 concentration during major events 1, 3 and 4. Weak dilution during runoff
discharge (2 to 6 hours) was followed by a large concentration peak. Different types
of concentration peak were observed, e.g. intense and large (3 days for flood event
1), large only (1.5 days for flood event 3) or few intense (flood event 4). The maxi-
mum of instantaneous concentration was observed during the major load event (1),
when nitrogen concentration increased from 5 to 35 and decreased again to 20 mg
31
Mesure des teneurs en nitrate dans la rivière
N-NO−3 .L−l in 11 hours in the most intensive part of flood event 1. Loads at 10-
minute time steps are plotted as a function of discharge in Figure 1.6. The majority
of points were aligned except for some extreme discharges. The correlation between
daily discharge (log-transformed) and daily nitrogen loads (log-transformed) was
highly significant (R2 = 0.96, nday = 690) :
F (i) = 10−2.004.Q(i)0.9 (1.6)
where Q(i) and F (i) are daily discharge (m3.day−1), and flux (kg.day−1), respecti-
vely, at time i ∈ {1, . . . , nday}. Figure 1.6 also shows cumulative daily discharge
and nitrogen loads. As shown by the shape of the load curve slope, the base flow
contribution to total nitrogen loads was not negligible. The sum of all recorded
events during the 2-year study period represented 23% of total discharge during
the study period and 33.6% of total N-NO−3 flux. Half the total nitrogen flux during
flood events (18.8% of 3.5 tonnes of N-NO3- loads) was explained by the four winter
or spring major flood events (numbered 1 to 4 in Figure 1.5). Flux during low flow
explained 66% (i.e. 2.3 tonnes) of total N-NO3- loads over the study period. Nitro-
gen concentration behaviour during the four major flood events is shown in Figure
1.7, where N-NO−3 concentration is plotted as a function of discharge intensity and
each point represents a 10-minute sample. Arrows show the direction of time and
exhibit anticlockwise hysteresis between rising and falling limbs of the hydrograph,
except for flood event 2. As shown by Probst [1985], higher N-NO−3 concentration
during the falling period can be attributed to higher contribution of subsurface ru-
noff during this period. The high sampling frequency in the present study revealed
that concentration and discharge can change markedly and rapidly.
c - Load error computation
Figure 1.8 and 1.9 show the dispersion of all nitrogen load estimation errors
as a function of the sampling period p between 20 minutes and 25 days. Results
with the linear interpolation method for the M1 sampling protocol are presented in
Figure 1.8 and those for M2 in Figure 1.9. The dispersion of errors computed is
represented by maximum and minimum errors, the first decile (e10) and the ninth
decile (e90). Median or e50 represents the bias. M2 provided a better computation
than M1. Indeed, dispersion of error was high and increased rapidly with M1 to
75% of the difference between e90 and e10, whereas M2 was more accurate in esti-
mating loads, with a maximum dispersion of about 12%. The concentration signal
32
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
228 230 232 234 2360510152025303540
294 296 298 3000510152025303540
568 570 5720510152025303540
0
10
20
30
40
Nitr
ogen
con
cent
ratio
n (m
gN.L
-1)
Nitrogen concentration
100 200 300 400 500 600Days after May 4, 2006
0
100
200
300
400
500
Dis
char
ge (
L.s
-1)
Discharge
1
2 34
4
1
2
3
1891 L.s-1568 L.s-11665 L.s-1
4 1 3
FIGURE 1.5 – N-NO−3 concentration (middle) and discharge (bottom) in 10-minute time stepsat the outlet of the Auradé Montoussé catchment. The four main flood events are rankedby magnitude of load (1 to 4). Sub-figures (top) show nitrogen concentration trend during 3of these flood events.
33
Mesure des teneurs en nitrate dans la rivière
100 200 300 400 500 6000
1000
2000
3000
4000
Cum
ulat
ive
daily
nitr
ogen
flu
x (K
g)
200 400 600Days after May 4, 2006
0
1e+05
2e+05
3e+05
4e+05
Cum
ulat
ive
daily
Dis
char
ge (
m3)
500 1000 1500 2000 2500Discharge (L.s-1)
0
2
4
6
8
Nitr
ogen
load
s (g
.s-1
)
FIGURE 1.6 – Relationship between 10-minute loads and discharge. Sub-figure in the topcorner shows cumulative discharge and nitrogen loads during the study period. Loads areshown as solid lines, discharge as dotted lines.
34
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
0 50 100 150 2000
10
20
30
40
0 200 400 6000
10
20
30
40
0 50 100 150 2000
5
10
15
20
Nitr
ate-
N c
once
ntra
tion
(mgN
.L-1
)
0 20 40 60 80
Discharge (L.s-1)
0
5
10
15
20
Flood event 1 Flood event 2
Flood event 4Flood event 3
FIGURE 1.7 – Relationship between 10-minute concentration and discharge measurementduring the four major loads events of the study period. Flood event 1 on 30 Apr 2007, 5days. Flood event 2 on 25 May 2007, 1 day. Flood event 3 on 17 Jan 2008, 4 days. Floodevent 4 on 24 Feb 2007, 4 days. Scale is not the same between graphs. Arrows show thedirection of change over time, and each cross corresponds to a 10-minute measurement.
35
Mesure des teneurs en nitrate dans la rivière
was noisy and, as a result, the dispersion of error in nitrogen load calculations was
also noisy. Furthermore, hydrological conditions influenced the error distribution.
Sampling protocol M1 had a tendency to overestimate base flow and underestimate
flood events. The error dispersion for M2 (Figure 1.9) indicated that subsampling
base flow gave a maximum dispersion (e90 − e10) of around 8%, with 23% for flood
events. It was noted that overestimation occurred with low frequency sampling (less
than daily) and underestimation occurred with the highest frequency of subsam-
pling flood events. Table 1 presents the minimum sampling period needed to mini-
mize error estimation. Two estimators are presented, index of dispersion (e90− e10)
and bias (e50). The minimum sampling period with M1 was always less than 6
hours, while the M2 sampling protocol gave better results. We had to sample the
concentration every 5.3 hours to have less than 5% dispersion and every 7 hours
to have a bias of less than 5%. The sampling period increased to 46 hours and
39.3 hours, respectively, for the dispersion and bias when the acceptable threshold
was 10%. The linear interpolation method with M2 gave the best load estimation,
with a sampling period always greater than that of the nearest neighbour interpo-
lation method. For both estimators, dispersion and systematic error, the sampling
frequency for accurate estimation was always smaller for flood events than for base
flow.
In a similar way, we calculated the error made by load computation with the
water level-dependent automatic samplers (the in situ protocol). Errors in terms of
total load are summarized in Table 1.4. Error was calculated with equation 1.5 and
was lower than 1% for base flow, with 3% error during flood events. Linear inter-
polation proved to be more accurate than nearest neighbour interpolation, as the
error was smaller with linear interpolation. Subsampling at really low frequency
flood events gave a small overestimation (+3%). Linear interpolation of concentra-
tions for each 10-minute time step from samples taken with the in situ sampling
protocol and with a bi-weekly sampling frequency are presented in Figure 1.11,
where the 10-minute time step signal is shown in grey type to distinguish it from
interpolated concentrations obtained using a storm chasing protocol such as our
in situ protocol and a basic protocol generally used in this type of study. Extreme
peaks were underestimated with the in situ protocol (solid line) and not sampled
with the biweekly sampling frequency (dotted line). Both sampling protocols gave
an error in base-flow concentration because the frequencies of variations during
these periods were smaller than the sampling period.
36
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
TABLE 1.3 – Sampling method evaluation with dispersion and precision(1)index of dispersion less than 5%Minimum sampling period (hour) M2(b) M2(a) M1(b) M1(a)Total N −NO−3 flux signal 5.3 4.8 3.1 3.1N −NO−3 flux signal during flood events 1.1 1.1 1.3 1.3N −NO−3 flux signal during low flow 63 63 5.3 5.5
(2)index of dispersion less than 10%Minimum sampling period (hour) M2(b) M2(a) M1(b) M1(a)Total N −NO−3 flux signal 46 21.5 4.1 5.3N −NO−3 flux signal during flood events 4.6 4.6 2.1 2.1N −NO−3 flux signal during low flow 100 100 8.8 9.8
(3)bias (systematic error) less than 5%Minimum sampling period (hour) M2(b) M2(a) M1(b) M1(a)Total N −NO−3 flux signal 7 4.6 2.3 2.3N −NO−3 flux signal during flood events 1.1 1.3 1.6 1.6N −NO−3 flux signal during low flow 64.5 64.5 3.1 3.1
(4)bias (systematic error) less than 10%Minimum sampling period (hour) M2(b) M2(a) M1(b) M1(a)Total N −NO−3 flux signal 39.3 14.1 4.3 4.3N −NO−3 flux signal during flood events 3.6 2.1 2.3 2.3N −NO−3 flux signal during low flow 125.8 125.8 4.8 5.6
TABLE 1.4 – Error of in situ sampling protocolcalculation error E for in situ protocol (%) M2(b) M2(a)Total N −NO−3 flux signal 0.8 1N −NO−3 flux signal during flood events 3 4.1N −NO−3 flux signal during low flow 0.03 -0.2
37
Mesure des teneurs en nitrate dans la rivière
1.4.4 Discussion
a - Evaluation of Load calculation methods
The use of nitrogen sensors in aquatic bodies has been reported in some pre-
vious studies. For example, sensors used for long periods of time in estuaries [Cha-
pin et al., 2004] and for short periods in the San Joaquin River [Pellerin et al., 2009]
have provided a view into the fine temporal structure of physico-chemical parame-
ters such as nitrate, conductivity, pH, temperature, dissolved oxygen, turbidity and
salinity, and may allow for greater accuracy in pollution assessment. Rusjan et al.
[2008] used sensors to investigate the flushing of nitrate in a forested watershed
and their high frequency measurements of stream water nitrate concentration re-
vealed that such hydrological events are important in explaining the variability of
nitrate losses from year to year due to climatic variations. In that non-fertilized
context, the behaviour of nitrate concentration variability showed signs of soil ni-
trate pool depletion only during early spring hydrographs and in the case of an
extensive rainfall period in August. In our case, fertilizers are applied in spring and
flood events in this period have to be monitored carefully because of the possible
leaching of excess nitrogen. Concentrations in our study were high compared with
those in forested catchment studies to evaluate the impact of atmospheric deposi-
tion on stream water quality [Probst et al., 1990; Linkens et Bormann, 1995; Arhei-
mer et al., 1996; Hood et al., 2003; Sickman et al., 2003]. In fact, the variations
in nitrate concentration in water presented in the present study were more stron-
gly affected by agricultural activity than by atmospheric deposition. Other studies
dealing with non-point source agricultural pollution describe hydrological control
of nitrate transfer. Molenat et al. [2002] highlights the influence of groundwater on
nitrate dynamics in stream water, while Durand et Torres [1995] and Wagner et al.
[2008] report that hydrological factors control water quality during flood events. Ni-
trogen dynamics in stream water are very variable among study sites. Martin et al.
[2004] conclude that hydrology and nitrate chemistry are dominated by different
flow paths. Therefore, the sampling strategy for long-term monitoring has to be
adapted to the catchment response type. Salles et al. [2008] studied flood loads
in a small catchment and concluded that prior information obtained from detailed
sampling studies is essential to define a sampling strategy.
A major contribution of the present study was to illustrate the variation in ni-
trogen concentration at within-hour time steps and indicate the most appropriate
sampling strategy for the study site. Most of the sampling techniques used ge-
38
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
nerally in monitoring programmes have weekly or bi-weekly frequency. As Figure
1.11 illustrates, the ability to evaluate nitrogen concentration over time depends
on the method used for linear interpolation between samples. Nitrate concentra-
tion was always underestimated during flood events, even though an adapted sam-
pling period depending on water level was able to minimize this error. In fact, more
recent studies consider hydrological variations in sampling nitrate concentration
in stream water [Vink et al., 2007]. The present study site showed a high average
nitrate concentration in stream water and high nitrogen concentration variations
during major flood events. In terms of load, base flow periods contributed 66%
of total nitrogen load (see cumulative load in Figure 1.6) and flood events had a
consistent impact on water quality, while their contribution to total load was relati-
vely less important than that in other studies. However, our study period was drier
than average and the lack of drainage water limited nitrogen exportation and the
impact of flood events. As the 10-minute sampling period allowed nitrogen concen-
tration signal to be sub-sampled without losing any information, the error disper-
sion calculated in Figures 1.8 and 1.9 represents all the load computation errors.
The method used does not require Monte Carlo simulation to demonstrate the va-
riability and uncertainty involved in nitrate-N load estimation, as has been done
in many studies [Kronvang et Bruhn, 1996; Guo et al., 2002; Moatar et Meybeck,
2005; Salles et al., 2008]. Protocol M1 (equation 1.3) is the interpolation of nitro-
gen concentration and discharge sub-sampled. Error dispersion when p sampling
period increases was very high compared with protocol M2, even for small p (see
Figure 1.8). Discharge is the main component of load, as seen in Figure 1.6, and
is more important than concentration in the evaluation of loads (M1 very impre-
cise compared with M2), as already shown by Stevens et Smith [1978]. However
the M1 sampling protocol could be interesting for catchments not equipped with a
gauging station, but where a small sampling period p can be assumed and where
the need for load evaluation precision is not so high, for example with p = 1 day,
e90− e10 = 20% and bias= −4%. This type of sampling monitoring could be adapted
for short study periods in difficult study conditions.
39
Mesure des teneurs en nitrate dans la rivière
-100
-50
0
50
100
M1 sampling method with linear interpolation
-100
-50
0
50
100
erro
rs o
f N
-NO
3 fl
ux e
stim
ates
(%)
0 5 10 15 20 25Sampling interval (days)
-100
-50
0
50
100
emax 400%
e90
e50
e50
emin
emax 300%
e90
e10
emin e10
emax 400% e90
e10emin
e50
(a)
(b)
(c)
FIGURE 1.8 – Quantiles (e10, e50, e90) and extreme error (emin, emax) as a function ofsampling period (p) with the M1 protocol and linear interpolation. (a) total signal, (b) floodevents signal, (c) base flow signal.
40
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
-40
-2002040
M2
sam
plin
g m
etho
d w
ith li
near
inte
rpol
atio
n
-40
-2002040
errors of N-NO3 flux estimates(%)
05
1015
2025
Sam
plin
g in
terv
al (
days
)
-40
-2002040
emax
e90
e50
e10
emin
emax
e90
e50
emin
e10
emax
e90
e50
emin
e10
(a)
(b)
(c)
FIG
UR
E1.9
–Q
uan
tile
s(e
10,
e50,
e90)
and
extr
eme
erro
r(e
min
,em
ax)
asa
fun
ctio
nof
sam
plin
gper
iod
(p)
wit
hth
eM
2pro
toco
lan
dlin
ear
inte
rpol
atio
n.
(a)to
talsi
gnal
,(b
)floo
dev
ents
sign
al,
(c)bas
eflow
sign
al.
41
Mesure des teneurs en nitrate dans la rivière
Water level is generally recorded as a continuous signal and only concentrations
are sub-sampled (method M2, equation 1.4). The fact that base flow concentration
is high in this agricultural watershed explains why the error made by sub-sampling
the whole concentration signal never exceeded + 20% as shown in Figure 1.9a. For
concentration signal during flood events (Figure 1.9b), error dispersion was more
important (less than 30%) than with total signal or base flow signal (Figure 1.9c),
due to greater variability of concentration signal during these periods. However for
total signal or flood event signal, total loads calculated could be overestimated or
underestimated (a respective maximum dispersion of 40 and 60%). Protocol M2
had a tendency to underestimate loads during flood events since the bias (e50)
was negative for sampling periods of more than 1 day, although we noted that
sub-sampling at short intervals (within-day or daily intervals) could lead to overes-
timation (2 to 8%). Increasing the number of samples during flood events increases
the possibility to sample the peak of concentration. These high values have a short
duration (Figure 1.5) but are integrated for all the sampling period. Total load is
thus overestimated. For larger sampling intervals (more than daily), the tendency
is to underestimate (bias negative) nitrogen loads. As Table 1.3 shows, the linear
interpolation method is more efficient in minimizing error estimation, as Moatar et
Meybeck [2005] also concluded for larger river basins.
b - Flood event influence on total load evaluation
This study shows the relative importance of flood events for total nitrogen loads
(33.6% of total nitrogen loads) during the study period in this cultivated catch-
ment. The proportion of nitrogen exportation during flood events depends on the
frequency of storm events and, more generally, meteorological and hydrological
conditions being met throughout the study period. The relatively dry conditions
experienced during this study may have limited nitrogen losses and the relative
contribution of flood events to total nitrogen losses. Using the M2 protocol and li-
near interpolation, we computed nitrogen load estimation error Ej,p with equation
1.5 for each of 27 flood event periods to examine the impact of nitrogen variation
on minimum sampling period. Figure 1.10 shows the minimum sampling period
computed in terms of sampling frequency as a function of the length of each flood
event. The minimum sampling frequency was estimated as in Table 1.3 to mini-
mise error dispersion (e90 − e10) under a threshold of ε = 10%. The results give an
overview of the variety of flood event type. The errors due to sampling frequency in-
crease when the variations of nitrate with flow are the most important and irregular,
42
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
which can be related to variations of nitrate in soil and of hydrological conditions.
Seasonal variations are generally be attributed to the availability of soil nitrate for
leaching [Neill, 1989; Reynolds et Edwards, 1995] if the mean residence time of
nitrogen in the system is much less than one year [Burt et Arkell, 1987], or to varia-
tions in the relative contribution of reservoirs with contrasted concentrations if the
residence time is longer [Ruiz et al., 2002]. Present study does not highlight a di-
rect relationship between soil nitrate content and nitrate concentrations in stream
at the seasonal scale. However, peaks of nitrate concentration occur mainly bet-
ween January to May when crops are fertilized and flood events are important, and
during autumn, when bare ground is dominant after winter-wheat and sunflower
harvest. Differences between flood events during these periods could be explained
by varying contributions of nitrate-rich hillslope shallow groundwater [Altman et
Parizek, 1995; Hill, 1996] during these events, when there are nitrate excess in
soil. Some major flood events occurring in these "sensitive periods" did not produce
concentration peaks, either because the soils were already depleted or because of
dilution by nitrate-poor water, such as overland flow. Therefore, the risk of com-
putation error due to subsampling is the highest in autumn, winter and spring
flood events. Sensor recording provides a preliminary picture of nitrogen variations
during a hydrological event that can be use to select the samples to analyse.
c - Evaluation of in situ sampling protocol
For the total concentration signal and each flood event, we computed the nitro-
gen load estimation error (equation 1.5) made by sub-sampling concentration si-
gnal with protocol M2 and the nearest neighbour and linear interpolation methods
with a variable sampling period p. The samples used were those analysed in the
laboratory to verify sensor drift. The error made with the in situ protocol was less
than 1% (Table 1.3). For comparison, we computed the error in load estimation by
subsampling concentration signal with a biweekly sampling period, p = 14 days (in-
terpolated concentration is presented as a dotted line in Figure 1.11), and by using
the regression method between daily discharge and daily load (equation 1.6). The
estimated error was -7.8% and -6.2% for the bi-weekly sampling protocol and re-
gression method, respectively. The in situ protocol aims to measure base flows with
a weekly frequency, more than the 63 hours required to obtain an error lower than
5% (see Table 1.3). The small error (0.03%) made by subsampling water concentra-
tion during low flow could be explained by the small dispersion of possible errors in
low flow periods with the M2 protocol as presented in Figure 1.9c, and a symmetri-
43
Mesure des teneurs en nitrate dans la rivière
0
10
20
30
40
50
60
70
80
90
100
0 20 40 60 80 100 120 140
Flood event length (hour)
Min
imal
sam
plin
g pe
riod
(hou
r)
summer flood events
autumn and begin of winter flood events
end of winter and spring flood events
>1 sample
>2 samples
>3 samples
>4 samples
>5 samples
>10 samples
12
3
4
FIGURE 1.10 – Minimum sampling period for each flood event depending on flood eventlength and season. The minimum number of samples is calculated based on a threshold of10% precision errors in sub-sampling concentration signal with the M2 protocol and linearinterpolation. The 4 major flood events are numbered from 1 to 4.
44
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
cal dispersion around zero (e50 < −0.5% with p < 7 days). Interpolated concentration
of the in situ sampling protocol (solid line in Figure 1.11) reproduced this tendency
in low flow periods but led to imprecisions that offset themselves in load calcula-
tion. During flood event periods, we monitored sample concentration variations by
subsampling with high frequency and selecting samples in response to variations
in nitrate sensor values. An overestimation of 3% (4.1% with nearest neighbour in-
terpolation) was made during these periods (linear interpolation in Table 1.4). This
overestimation is understandable regarding Figure 1.9b during flood event periods
with sampling period p < 1 day, even though peak maximum concentrations occur-
ring in small time steps were underestimated (see Figure 1.11). The in situ sampling
protocol allows nitrogen load to be computed accurately, but the number of samples
is hydrological event-dependent and cannot be known in advance, compared with
the fixed sampling interval generally employed in monitoring programmes.
d - Adapting sampling protocol to monitoring programme
The best way to sample nitrogen concentration in a stream will depend on the
main objectives of the study. For instance, for obtaining concentration data to ca-
librate a stream chemistry model at daily time steps, it is acceptable to have a
bi-weekly sampling interval, using the M2 protocol with linear interpolation. Error
load estimation should be between −7 and 0.5% (e10 and e90 in Figure 1.9), which
is acceptable as regards modelling uncertainty. Furthermore, nitrate concentration
signal in such a model represents the general trend as seasonal or inter-annual ten-
dencies, as given by a bi-weekly sampling protocol (dotted line in Figure 1.11). The
regression calculated in equation 1.6 is a good way to evaluate nitrate load using
discharge measurements, but this method is not able to evaluate inter-annual va-
riability and long-term trends such as the impact of land use change on water
quality.
For more detailed studies such as storm monitoring or hydrological control at
small time scales, a high frequency of sampling is needed. Variations in nitrate
concentration during storm events are complex and difficult to predict owing to
runoff and subsurface water mixing in the stream at a small time scale. These
within-day processes have to be monitored with a sampling interval of p < 1 hour
to minimize error dispersion and keep bias under 5% (Table 1.3). Uncertainties
remain with subsampling with a low p during flood events, as described above.
Equipping the study site with a nitrate sensor provides a preliminary picture of
45
Mesure des teneurs en nitrate dans la rivière
100 200 300 400 500 600Days after May 4, 2006
10
20
30
40
N-N
O3
conc
entr
atio
n (m
g.L
-1)
123
FIGURE 1.11 – Comparison between N − NO−3 concentration signal measured by sensor(grey line), linearly interpolated concentration sampled in situ (solid line) and linearly in-terpolated biweekly sampled concentration (dotted line).
46
1.4 Nitrate concentration signal processing to study stream load estimation error in asmall agricultural catchment
nitrate variations that can be used to adapt further sampling protocol hydrological
and seasonal responses.
1.4.5 Conclusion
Continuous monitoring of nutrient concentrations in streams is expensive, and
faced with limited funding and analytical capacity, discrete sampling programmes
are the only alternative. However subsampling the true variations for load error
estimation was useful for evaluating different sampling strategies and load compu-
tation methods. This study demonstrates that it is possible to use an appropriate
sampling frequency to achieve an acceptable error in view of the difficulty in sam-
pling nitrate concentration. Discharge must be a priority because it is the main
source of uncertainty, but when discharge is recorded continuously, the load error
estimation should not be more than 20% when subsampling nitrogen concentra-
tion with a 25-day sampling interval. It could be more important if there are more
flood events than observed in the present study period.
The study shows that error calculation dispersion is high relative to systematic
error, which means that error can be negative or positive for the same sampling
period. Furthermore, load error estimation can be acceptable because all errors
offset themselves, but the variations in stream concentration variability may still
not be well described. There is a need for a monitoring system to describe the quality
status of the water body, While European policies take stream concentrations as
an indicator of pollution, a good estimation of nitrate load does not mean that the
status of stream water chemistry has been accurately determined.
As this study shows, extreme concentration behaviour during within-day flood
events complicates the sampling of water quality during these periods. The in situ
sampling protocol combined with in situ sensor measurement has to be carefully
monitored because of sensor drift or sample collection, but sensor information is
useful in limiting the number of water samples to analyse. It is important to empha-
size that this study illustrates the true nitrate variation in the stream water of an
intensively agricultural catchment and that error load estimation by subsampling
this signal represents all possible error. A bi-weekly sampling strategy is propo-
sed to monitor inter-annual and seasonal nitrate variations in streams, whereas
a hourly sampling strategy is advocated to minimize load error estimation during
flood events.
47
Mesure des teneurs en nitrate dans la rivière
1.4.6 Acknowledgments
We would like to thank the "Association des Agriculteurs d’Auradé" and Pier-
rette Gouaux from the CESBIO (CNRS-CNES-IRD-Université de Toulouse) for their
cooperation. Nitrate concentration and stream discharge were recorded within the
framework of a GPN-ECOLAB convention on the experimental catchment of Auradé
and the IMAQUE Project of ECOBAG Research network installed the equipment at
the outlet of catchment. Sylvain Ferrant is the recipient of an AKKA Technology fel-
lowship within the CIFRE convention. The authors appreciate the skilled assistance
of Mary M. for English corrections.
48
1.5 Conclusion du chapitre
1.5 Conclusion du chapitre
L’utilisation d’une sonde nitrate pour mesurer la concentration dans le cours
d’eau du bassin versant d’Auradé montre une grande variabilité des concentrations
en nitrate, notamment lors des événements hydrologiques de printemps et d’hiver.
La grande nouveauté de ce protocole de mesures in situ des concentrations en ni-
trates est qu’il permet d’obtenir un signal considéré continu car sous-échantillonné
à intervalles suffisamment rapprochés au sens de la transformée de Fourrier, qui
donne le seuil minimal de la fréquence d’échantillonnage pour caractériser 99% de
l’énergie du signal centré. Ainsi, le calcul des flux de nitrates basé sur la mesure
du signal de concentration en nitrates n’est pas une estimation mais une quantité
réelle qui a été mesurée à l’exutoire pendant ces deux ans d’études. Il faut néan-
moins rappeler que les incertitudes dans la mesure sont toujours là :
– calcul des débits à partir d’une courbe de tarage
– précisions des capteurs et de l’analyse HPLC
– représentativité de la mesure ponctuelle de la masse d’eau échantillonnée
Par contre, le calcul à partir des mesures obtenues n’est plus une estimation
puisqu’il n’y a plus d’interpolation, la mesure à 10 minutes étant suffisante pour
décrire complètement le signal.
Le nombre d’échantillons d’eau prélevé est important puisqu’il a fallu valider le
fonctionnement de la sonde et vérifier pour chaque état du cours d’eau la qualité
des valeurs données par la sonde. Il est envisagé grâce au retour d’expérience de
ces deux années de suivi, de diminuer ce nombre pour arriver à un niveau plus
raisonnable. De plus, ce travail montre les erreurs que l’on peut faire en fonction de
l’intervalle d’échantillonnage en utilisant la méthode classique (M2) : on interpole
linéairement les concentrations entre deux points de mesures, puis on pondère
par les débits mesurés en continu. L’interpolation linéaire des concentrations
est à privilégier, et un protocole de suivi des crues est important pour évaluer
les épisodes majeurs de perte de nitrate dans la rivière, tandis que les étiages
peuvent être sous -échantillonnés avec 5 jours d’intervalle ce qui minimise (10
%) la dispersion des erreurs possibles d’estimation de flux. L’estimation des flux
avec l’interpolation linéaire selon la méthode M2 des mesure-HPLC seule fait une
erreur très proche de 0 (0.8% de surestimation), mais surestime de 3% les périodes
de crue. Il faut donc s’attendre à une erreur minimale plus ou moins importante
suivant le nombre de crues, la sonde permet de s’affranchir de ce genre d’erreur.
Il faut noter l’influence de la période d’étude dans les résultats présentés, période
49
Mesure des teneurs en nitrate dans la rivière
qui a été particulièrement sèche. Le nombre de crue a été faible, l’importance
des transferts pendant ces périodes a donc certainement moins d’impact sur
l’estimation finale, ici le cumul des flux sur la période d’échantillonnage.
Ce protocole d’échantillonnage a montré son utilité pour observer et quantifier
les transferts ’éclair’ de polluants agricoles (nitrates) dans les rivières, et pose la
question de l’efficacité des indicateurs choisis pour qualifier la qualité d’un cours
d’eau. Nous nous sommes ici intéressé aux flux totaux de nitrates, mais même une
bonne estimation des flux grâce à un protocole adapté ne permet pas d’estimer
l’autre paramètre tout aussi important en gestion de la qualité de l’eau : la concen-
tration. Cette question est importante pour les dépassements du seuil de potabilité
pour les nitrates, mais elle l’est aussi pour d’autres molécules agricoles comme les
pesticide si les pics de concentration de courte durée ont une toxicité importante
sur l’écosystème aquatique.
50
Chapitre 2
Modélisation spatialisée destransferts d’azote sur le bassinversant d’Auradé
Ce chapitre décrit les bases de données historiques disponibles sur le bassin ver-
sant expérimental d’Auradé, et présente la modélisation des transferts d’azote ni-
trique sur le bassin versant. Ces bases de données nous ont permis de calibrer 2
modèles de bassins versants, SWAT et TNT2. Ces deux modèles couplés ont pour
même objectif de simuler les bilans d’azotes journaliers à l’échelle du bassin afin de
simuler le qualité de l’eau de rivière à l’exutoire. L’incertitude sur les estimations de
flux d’azote journalier par rapport au protocole d’échantillonnage utilisé depuis 1985
est discutée à la lumière des conclusions du chapitre précédent. Ces modèles ont été
calés sur les flux d’eau et de nitrate estimés sur la base des mesures historiques de
qualité de l’eau à l’exutoire, ainsi que des données agricoles de rendement. Les choix
de modélisation y sont justifiés et décrits, puis la comparaison des résultats de la si-
mulation de chaque modèle est présentée et discutée sous le format d’un publication
soumise à Journal of Hydrology.
51
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
2.1 Bases de données disponibles
2.1.1 Bases de données hydrologiques
Le site a été historiquement choisi pour établir une relation entre pratiques
de fertilisation et concentration en nitrates car il représente une entité hydrolo-
gique facilement échantillonnable : en effet, toute l’eau percollée dans le bassin
passe à l’exutoire avec un temps de résidence relativement court. Les pertes d’azote
du bassin sont donc évaluables en faisant un échantillonnage des concentrations
en N-NO3 en ce point. Les débits et concentrations ont été mesurés depuis 1985
jusqu’à nos jours, avec une volonté d’échantillonner les concentrations en fonc-
tion des changements de régimes hydrologiques. La base de données brutes est
constituée de 8436 mesures instantanés de concentration en nitrate et de hauteur
d’eau correspondante (du 02/10/1985 au 01/09/2001). Un effort tout particulier
d’échantillonnage a été réalisé les 5 premières années, puisque plus de la moitié des
mesures ont été réalisées durant cette période. Certaines crues majeures ont per-
mis de mettre en évidence les hystérésis de concentrations en fonction de l’intensité
des débits (voir chapitre 1).
La figure 2.1 (page 54) présente les débits mesurés continuellement et ramenés
à une moyenne par jour, la pluie journalière et la concentration moyenne par jour
lorsqu’au moins un échantillon a été prélevé ce jour là. Ainsi, 2834 jours ont été
échantillonnés sur les 5814 de la période modélisée. Cette chronique a servi ensuite
à calculer des flux journaliers afin de caler les modèles. Au delà du 01/09/2001,
la pluie n’a plus été mesurée sur le bassin jusqu’en 2005.
La figure 2.1 montre que les débits sont marqués par des événements de crue
sur de courtes périodes correspondant à de l’écoulement superficiel (ruissellement
superficiel de versants), l’écoulement hypodermique (ressuyage oblique à travers
les pores non capillaires des sols, semelles de labours, horizons d’accumulation
argileux) et l’écoulement de base ou écoulement de nappes superficielles (nappes
intramolassiques des lentilles sableuses) et plus profondes (nappes colluviales de
fonds de versants)[Ribeyreix-Claret, 2001]. Ce dernier écoulement marque l’écou-
lement de base du ruisseau qui suit un cycle saisonnier marqué mais dont l’in-
tensité dépend très fortement de l’année hydrologique. Les années hydrologiques
sont contrastées avec des années sèches (1988-1992) et des années plus humides
(1992-1995) (voir tableau 1.1 (page 14). L’échantillonnage des concentrations s’est
fait en fonction de l’évolution de la hauteur d’eau, avec un effort de suivi des crues.
52
2.1 Bases de données disponibles
En effet, les concentrations varient extrêmement rapidement et intensément avec
la hauteur d’eau (voir chapitre 1).
La topographie a été numérisée puis rasterisée pour les besoins de ce travail
(avec un outil SIG, voir carte 2.4(b)). Ce raster est une grille de mailles carrées de
5 × 5 mètres). Chaque maille contient une information d’altitude, représentée ici
par une couleur. C’est à partir du MNT que l’on peut calculer des caractéristiques
hydrologiques, pentes locales, sens des écoulements, positionnement des chemins
préférentiels de l’eau. Deux méthodes ont été utilisées dans cette thèse pour les
deux modèles : TNT2 utilise MNTSurf (développé à l’INRA de Rennes, UMR SAS)
pour les calculs de trajets multidirectionnels spatialisés de l’eau, SWAT utilise la
ToolBox Hydrology développé par ESRI, dans le logiciel payant ARCGIS, pour cal-
culer les sous-bassins versants, les pentes et l’emplacement des ruisseaux.
53
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
0
0,1
0,2
0,3
0,4
Daily discharge (m3.s-1)0 20 40 60 80 10
0
Daily rainfall (mm)
10/198510/198610/198710/198810/198910/199010/199110/199210/199310/199410/199510/199610/199710/199810/199910/2000
0102030
Daily Nitrate concentration (mgN.L-1)
0.62
80.
548
FIG
UR
E2.1
–D
aily
dis
char
ge(L
.s−
1),
rain
fall
(mm
),n
itro
gen
con
cen
trat
ion
(mgN
-NO− 3
.L−
1m
easu
red
inM
onto
uss
éri
ver,
atth
eou
tlet
ofau
radé
bas
in(s
ourc
eG
PN
-Tot
al)
54
2.1 Bases de données disponibles
2.1.2 Calcul des flux d’azote journaliers et incertitude
a - Méthode de calcul des flux
Pour valider les modèles sur les flux d’azote à l’exutoire, nous avons utilisé la
base de données de concentration journalière (présentée dans la figure 2.1) pour
calculer un flux de référence en interpolant les concentrations journalières linéai-
rement suivant la méthode M2 décrite dans le chapitre 1, equation 1.4. Le pas de
temps considéré est donc la journée.
b - Incertitude de la méthode d’interpolation
L’évaluation des erreurs potentielles de l’estimation d’un flux sur la période de
deux ans étudiée dans le chapitre 1 donne une idée de l’erreur d’estimation du
flux pour la période de 14 ans (1987-2001) utilisée pour valider les modèles. En
supposant que la fréquence d’échantillonnage est de deux jours, on peut supposer
que l’erreur d’estimation des flux pour deux ans est comprise entre +1.5% et -4%.
Pour rapporter cette erreur d’estimation sur les 14 ans, nous avons utilisé le
théorème de la limite centrale qui suppose que toute somme de variables aléatoires
indépendantes et identiquement distribuées tend vers une variable aléatoire gaus-
sienne. Nous avons calculé la distribution des erreurs dans l’estimation des flux
trimestriels par sous-échantillonnages de deux jours sur le signal de concentration
des deux années présenté dans le chapitre 1. L’hypothèse qui est faite est que ces
variables sont indépendantes. La figure 2.2 montre la répartition de ces erreurs
autour de la moyenne µ = −11.3 et de l’écart-type σ = 36.3. Supposons donc que
l’erreur d’estimation des flux d’azote sur les 14 années de suivi est une suite de
variables aléatoires indépendantes qu’est l’erreur d’estimation des flux trimestriels.
L’erreur d’estimation cumulée sur n trimestres aura une répartition d’écart-type
σT :
σT =√nσ (2.1)
avec σT l’écart type sur les flux totaux et σ l’écart type de la distribution des erreurs
sur les flux trimestriels, n est le nombre de trimestres pour lesquels σT est calculé.
On a donc une distribution à 95 % des erreurs de flux sur l’intervalle [−√nσ ×
1.966; +√nσ × 1.966].
55
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
FIGURE 2.2 – Répartition de l’erreur d’estimation des flux trimestriels par sous-échantillonnage de la concentration des deux années de suivi (2006-2008) sur Auradé.Le sous échantillonnage est fixé à 2 jours, l’erreur d’estimation est calculée par trimestre,sur l’ensemble du signal. La méthode d’interpolation des concentrations est linéaire, le cal-cul des flux est fait à partir de l’équation 1.4 (page 30). L’espérance µ et l’écart-type σ sontrespectivement de -11.3kgN et 36.3kgN par trimestre.
56
2.1 Bases de données disponibles
c - Discussion sur l’incertitude
La figure 2.3 montre le cumul des flux d’azote interpolés et l’intervalle à 95%
des erreurs possibles pour n = jouri/365 × 4. Cette incertitude grandit au cours
du temps, mais peu rapidement car les erreurs d’estimation s’annulent. L’écart
type final, σnT avec n = 14× 4 trimestres, correspond à moins de 0.9%, contre 2.2%
pour la période de deux ans suivie. L’erreur d’estimation des flux totaux est faible
car la concentration journalière est échantillonnée souvent dans cette étude. Ce
résultat a déjà été mis en évidence dans les travaux de Robertson et Roerish [1999],
qui ont suivi de manière extensive la qualité de l’eau (phosphore) de 8 bassins
versants agricoles de petite taille (14 à 110 km2) pour ensuite sous-échantillonner
à intervalle fixe les concentrations et calculer des flux sur une ou plusieurs années.
Les intervalles d’échantillonnages optimum trouvés ne sont pas les mêmes suivant
la période pour laquelle le flux est calculé. Dans cette étude, les auteurs montrent
qu’il faut échantillonner les concentrations tous les mois, avec en parrallèle
un protocole de suivi de crue pour évaluer les flux annuels avec une bonne
certitude, tandis qu’une période de 15 jours d’échantillonnage suffit pour esti-
mer sans biais significatif et avec une bonne précision les flux sur 2 années ou plus.
Il faut pourtant rappeler que l’incertitude de l’estimation de la concentration
journalière (parfois plusieurs mesures de suivi de crue, souvent une seule don-
née) n’est pas estimée dans cette méthode, seule l’erreur d’interpolation basée sur
l’échantillonnage d’un jour sur deux est prise en compte. L’intervalle d’échantillon-
nage réel n’est pas fixe, mais en moyenne un jour sur deux est échantillonné. De
plus un effort de suivi de crue a été fait tout au long des 14 années de suivi. Ainsi,
les concentrations journalières de ce type d’évènements sont pour la plupart re-
présentatives des variations de concentrations pondérées par les hauteurs d’eau
instantannées. Nous pouvons donc dire que le cumul des flux est une variable qui
peut être utilisée pour caler les modèles. Le chapitre 1 montre en effet la variabilité
des concentrations à des échelles de temps infra-journalières, mais l’erreur sur les
cumuls est considérée comme faible.
2.1.3 La base de données pédologique
Une cartographie des sols d’Auradé a été réalisée en 2005 par EcoLab en par-
tenariat avec SolConseil (Strasbourg). Le repérage des types de sols a mis en évi-
dence 12 unités cartographiques correspondant à un type de sol prédominant, et
57
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
FIGURE 2.3 – Cumul des flux journaliers interpolés (ligne pleine) et domaine d’incertitude(entre les lignes pointillées) de l’interpolation linéaire des concentrations journalières me-surées. L’espérance µT et l’écart-type σT sont respectivement de -632.8kgN et 534 kgN aubout de 14 ans.
58
2.1 Bases de données disponibles
dans lequel une dizaine de profils ont permis de caractériser chaque type de sol. Le
contexte général pédologique est le ’Terrefort’. Les différents sols rencontrés sont
distribués graduellement en suivant principalement le relief, le matériel parental
et la proximité du réseau hydrographique. Les sols décrits sont principalement
calcaires et agricoles, un profil sous forêt nous a permis de paramétrer un type
de sol sous forêt en entrée des modèles. La carte 2.4(b) présente une simplifica-
tion des 12 unités cartographiques en 5 zones pédologiques de caractéristiques
hydriques semblables afin de rendre plus lisible la carte. Les 12 unités cartogra-
phiques ont été prises en compte dans les modèles, notamment pour les paramètres
chimiques comme la teneur des horizons en calcaire ou matière organique. Les sols
sont peu profonds, avec une profondeur maximale de 2 mètres en fond de vallon,
une moyenne de 1m pour les sols de mi-pente et des épaisseurs plus faibles pour
certains sols de haut de pente. Les sols de fond de versant colluvio-alluviaux, les
plus profonds, représentent 17% des sols du bassin, et sont répartis le long du
réseau hydrographique. Les horizons les plus profonds de ces sols présentent des
traces d’hydromorphie active, mettant en évidence une zone de battement de nappe
[Bur, 2008].
2.1.4 La base de données agricoles
L’assolement a été suivi et enregistré à la parcelle dans de multiples bases de
données gérées par l’Association des Agriculteurs d’Auradé. La base a été ensuite
standardisée via les SIG par le CESBIO (Centre d’Etudes Spatiales de la BIOsphère,
UMR UPS-CNRS-CNES-IRD). Le découpage parcellaire minimal a été obtenu en su-
perposant les cartes pour chaque année de suivi. Le résultat rasterisé est présenté
dans la figure 2.5. Ainsi, 92 parcelles agricoles ont été identifiées ainsi que 8 par-
celles en jachère. Cette carte montre les surfaces concernées par les aménagements
paysagers intervenus pendant la période d’étude (vers 1992). Les bandes enherbées
le long des ruisseaux et fossés (Appelé Rye-grass strips sur la carte) ainsi que des
linéaires de peupliers à l’intérieur de parcelles en fond de vallon (appelé Poplar band
sur la carte) ont été plantés dans le but de limiter les transferts de nitrate dans le
cours d’eau, en n’appliquant plus les fertilisants dans ces zones d’accumulation de
flux d’eau.
Le travail de thèse de Ribeyreix-Claret [2001] nous a permis de compléter la base
d’occupation du sol par parcelle de 1985 à 2001 pour pouvoir utiliser cette base de
données en entrée des modèles. La rotation principale observée sur ce bassin (plus
59
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
River cells
Subbasin limitation
Road and farm
minor soils
sand lenses
Shallow middle- top hillside soilsintermediate bottomhillside soilsdeep colluvialsoils
Digital Elevation Modelaltitude max : 276
altitude min : 172
Modèle numérique de terrain: délimitation des sous bassins versant,Calcul des mailles rivières
Cartes des sols: 12 unités cartographiques distinctes simplifiées à 5
(a)
(b)
500 0 500250 Meters
¯
FIGURE 2.4 – Cartes des données spatialisées rasterisées sur Auradé : (a) le Modèle Numé-rique de Terrain (source : cette thèse), (b) la carte simplifiée des sols (source : Sol Conseil-EcoLab, 2006 décrite dans les travaux de Bur [2008]).
60
2.2 Modèles retenus
de 70% de la Surface Agricole Utile chaque année) est composée de blé d’hiver,
semé en octobre, récolté en juillet, et de tournesol planté l’année d’après en avril,
récolté en octobre. D’autres cultures sont présentes dans les assolements comme
l’orge de printemps, le colza, le maïs grain (non irrigué), l’avoine ou le sorgho. La
base de données produite dans ce travail de thèse est issue du recoupement des
données existantes en format papier (annexe de la thèse de Ribeyreix-Claret [2001])
et des données déjà collectées et numérisées par le CESBIO. La relative simplicité
de l’assolement ainsi que la petite échelle de renseignement de l’assolement moyen
annuel de cette thèse (renseignement par 5 sous bassins versants) permet de pen-
ser que l’incertitude sur la donnée d’assolement à la parcelle est faible, mais que
plus on remonte dans le temps et plus l’incertitude grandit. Cette base de données
continue d’être alimentée par l’Association des Agriculteurs d’Auradé.
2.2 Modèles retenus
Cette section est en partie tirée d’une note technique sur les choix de modélisa-
tion faits dans le projet ’CONCERT’EAU’, (F. Oehler, communication personnelle).
2.2.1 Choix de modélisation
L’approche de modélisation retenue pour simuler les transferts d’azote dans ce
bassin versant relativement bien renseigné sur une longue période est la modélisa-
tion agro-hydrologique. Différents choix de modélisation sont alors possibles :
– la modélisation à base physique, qui a le mérite de tenir compte de la struc-
ture spatiale du bassin mais qui nécessite une phase de paramétrisation im-
portante et des données structurales difficile à acquérir.
– l’utilisation de modèles à réservoirs conceptuels utilisés pour certains modèles
de transfert de soluté [Kauark-Leite, 1990] mais apparaissent limités pour
simuler l’impact spatial de l’agriculture sur la qualité de l’eau [Beaujouan,
2001]
– l’utilisation de modèles conceptuels à bases physiques, distribués ou semi-
distribués, qui conceptualisent des processus et facteurs réels. La simplifica-
tion de cette approche permet un paramétrage moins lourd tout en pouvant
découper le bassin en unités homogènes sur une base physique.
C’est cette dernière approche qui semble être la plus utile sur le bassin versant.
D’une part, peu de données physiques sont disponibles pour un modèle à base
61
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
FIGURE 2.5 – Carte raster des parcelles agricoles sur Auradé (découpage minimale pourla période 1985-2001) : les aménagements paysagers n’ont été faits qu’à partir de 1992(source : Association des agriculteurs d’Auradé). La rotation majoritaire à plus de 90% estblé-tournesol.
62
2.2 Modèles retenus
physique. D’autre part, les données disponibles permettent de réaliser un décou-
page en zones homogènes du bassin versant sur une base physique : les sols (pro-
priétés hydriques globales), les pentes (vitesse et direction de l’eau) et les parcelles
agricoles (couvert végétal et évapotranspiration). Ils sont le plus souvent construits
conceptuellement sur un couplage modèle agronomique - modèle hydrologique.
L’objectif du travail étant de relier l’utilisation agricole du sol et les itinéraires
techniques, l’utilisation de modèles intégrant des modules agronomiques détaillés
est indispensable. Il en existe plusieurs de ce type, spécifiquement développés pour
modéliser les pollutions diffuses. Ils se distinguent par la façon dont est représenté
l’espace, son niveau de discrétisation. Certains modèles vont fonctionner à l’échelle
d’une maille, souvent carrée, dont la taille peut varier de 1 m2 à 1 km2. Ceux-ci
sont adaptés à la modélisation sur de petits bassins versant. Les modèles retenus
et entrant dans cette classification sont TNT2 [Beaujouan et al., 2002] et ANSWERS
[Beasley et al., 1980].
D’autres modèles vont discrétiser l’espace en très grandes unités homogènes
fonctionnelles (une unité de sol, un sous-bassin...). L’organisation spatiale des dif-
férents objets (une parcelle par exemple) au sein d’une unité n’est pas représentée.
Ils ont néanmoins l’avantage d’être plus simple d’utilisation, et peuvent permettre
de modéliser de plus grands espaces (l’ensemble d’une région par exemple). Les
modèles de ce type sont INCA [Whitehead et al., 1998], SWAT [Arnold et al., 1998],
SWIM [Krysanova et al., 1998] et WAMView [Bottcher et al., 2002].
L’ensemble de ces deux types de modèles sont le plus souvent construits concep-
tuellement sur un couplage modèle agronomique - modèle hydrologique. Les mo-
dèles parcellaires agronomiques sont par exemple de type STICS [Brisson et al.,
1998], développé à l’INRA ou GLEAMS (Groundwater Loading Effects of Agricultu-
ral Management Systems) [Leonard et al., 1987], modèle descendant de CREAMS
(Chemicals, Runoff, and Erosion from Agricultural Management Systems) [Kinsel,
1980] et développé à l’université de Georgie (Etats-Unis) en coopération avec l’USDA
(United States Department of Agriculture). Ces modèles décrivent les flux d’eau,
d’azote, de phosphore et de pesticides à l’échelle de la parcelle culturale, au pas de
temps journalier, en posant l’hypothèse que la nature du sol et les conditions cli-
matiques y sont homogènes (il est donc important de définir des unités homogènes
préalablement). Ces types de modèle permettent notamment d’estimer l’impact des
pratiques sur la lixiviation potentiel des nutriments (azote et phosphore) et des
pesticides à travers les horizons de la zone racinaire (la partie dite ’agronomique’
du sol). Ils estiment en général également le ruissellement de surface et le trans-
63
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
port de sédiments. Ils peuvent donc fournir des estimations de l’impact des dates
de plantation/récolte, du travail du sol, de l’irrigation et des apports selon leur
quantité ou fréquence sur ces flux. Ce sont des modèles fonctionnels, mais certains
compartiments sont construits autour de lois physiques, et d’autres autour de lois
statistiques. Seuls, non spatialisés, ces modèles ne permettent pas l’étude des flux
à l’échelle du bassin versant.
2.2.2 Modèles choisis : TNT2 et SWAT
Une fois l’identification des modèles à priori adaptés à la problématique, le choix
final est dirigé par plusieurs critères, dont certains sont plus ou moins subjectifs,
ou du moins soumis à des contraintes techniques, c’est à dire d’ordre informatique
(interface utilisateur, qualité des codes sources, puissance de calcul nécessaire...),
de politique d’établissement, et surtout d’antériorité/expérience de l’utilisateur sur
un modèle. Le facteur expérience conditionne largement la performance du mo-
dèle : on ne peut dissocier le modélisateur du modèle pour évaluer la performance
de la modélisation, où un regard critique sur la qualité des données d’entrée et
la calibration des paramètres est indispensable. Cet effet utilisateur a été montré
notamment sur la modélisation des pesticides [Vanclooster et al., 2000].
Nous avons retenu, à priori, 2 échelles de modèle, pour pouvoir évaluer les chan-
gements de pratiques agricoles / usages du sol. Un modèle nous permettant une
évaluation sur de grands espaces, et de grands cours d’eau (sur la Save, chapitre 4),
et un modèle plus fin, fonctionnant sur de petits bassins, pour évaluer des change-
ments d’organisation spatiale (par exemple l’effet de changement d’occupation du
sol dans des zones sensibles du bassin).
Le modèle SWAT a été choisi pour modéliser les flux d’azote en intégrant les
variables spatialisée par sous bassin-versant. cette approche semi-distribué permet
de modéliser quelque soit l’échelle considérée (Auradé ou Save). Il possède une
interface utilisateur intégrée à un Système d’Information Géographique (ARCGIS),
sa documentation est fournie, son code source libre, et il y a un suivi important et
de nombreuses publications, dont des comparaisons avec d’autres modèles.
Le modèle TNT2 a été choisi pour modéliser de manière distribuée les proces-
sus agro-hydrologiques de transferts d’azote dans le paysage, à l’échelle du bassin
versant d’Auradé. Il n’est pas adapté à l’échelle de la Save pour deux raisons :
l’hypothèse de gradient topographique pour la simulation de la nappe n’est plus
vérifiée en plaine alluviale, et les transferts d’eau dans la rivière se font en moins
64
2.3 Concepts de fonctionnement de TNT2 et SWAT
d’un jour, pas de temps de calcul. Le code source est libre, il est utilisé au CNRS,
en collaboration avec le laboratoire où il continue d’être développé (INRA Rennes,
UMR SAS).
2.3 Concepts de fonctionnement de TNT2 et SWAT
2.3.1 Spatialisation des processus
Le choix d’un modèle distribué et semi-distribué permet de comparer l’approche
aggrégative de SWAT et la simulation de l’intéraction sol nappe spatialisée dans
TNT2. La comparaison n’a d’intérêt que parce que les modèles simulent les proces-
sus locaux de manière proche, mais aggrègent les résultats différemment. La figure
2.6 montre l’organisation spatiales entre unité de simulation pour SWAT et TNT2.
L’unité de calcul de TNT2 est la maille du MNT. La grille de mailles régulières (pour
cette étude 5 × 5mètres) représente le bassin versant. Ainsi, les mailles sont posi-
tionnées les unes par rapport aux autres en fonction de l’analyse des altitudes de
chaque maille, les chemins préférentiels de l’eau et les mailles correspondant à la
rivière sont identifiés. Tous les processus sont simulés à cette échelle et sont dépen-
dants des calculs effectués sur les mailles voisines. L’unité de calcul dans SWAT est
la HRU (Hydrological Response Units). Elle permet de spatialiser les processus du
cycle de l’eau et de l’azote à l’échelle de la colonne de sol, mais les transferts d’eau
et d’azote des versants jusqu’à la rivière ou à la nappe sont aggrégés par sous-
bassins. La figure 2.7 illustre les différences d’intégration des données spatiales
pour les deux modèles. Le nombre de mailles dans TNT2 est bien plus important
que le nombre de HRU dans SWAT (respectivement 134 013 et 1756), c’est notre
choix d’intégrer l’information spatiale disponible avec la plus grande précision. Mais
le nombre de HRUs est assez important pour prendre en compte toutes les données
spatiales : entrée agricole (à la parcelle), types de sol, classe de pente. Les données
spatiales d’entrée sont ainsi les mêmes entre les deux modèles. Aucune simplifica-
tion n’a été faite dans SWAT, chaque HRU correspond à un type de sol, croisé à une
parcelle et une classe de pente. La principale différence réside dans le fait que la
maille dans TNT2 reçoit l’eau ruisselée des mailles situées en amont par exemple.
L’eau ruisselée des HRUs va directement au tronçon de rivière du sous bassin.
65
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
Représentation spatiale distribuée des versants pour TNT2
Représentation spatiale semi-distribuée des versants pour SWAT
Contribution des HRUs à la rivièreTransferts dans le réseau hydrographique jusqu’à l’exutoire du sous bassin versant
Trajet de l’eau dans les mailles rivières (les plus en aval)Trajet de l’eau d’une maille à une autre suivant le gradient topographique
Unité spatiale homogène
Nœud hydrologique
FIGURE 2.6 – Schéma illustrant la spatialisation des calculs et transferts d’eau et d’azotenitrique pour SWAT et TNT2 à l’échelle du versant. SWAT subdivise l’espace en sous-bassinsversants, la contribution à la rivière de chaque HRU est sommée. TNT2 subdivise l’espaceen mailles carrées connectées entre elles par un gradient topographique. les mailles en avalcontribuent en totalité à la lame d’eau journalière.
66
2.3 Concepts de fonctionnement de TNT2 et SWAT
FIG
UR
E2.7
–S
pat
ial
dat
au
sed
inTN
T2
and
SW
AT
:so
ilm
apw
ith
14
soil
types
(12
agri
cult
ura
lso
ilty
pes
,1
for
urb
anar
eaan
d1
for
fore
st),
DE
M(5
x5m
),ag
ricu
ltu
ral
plo
tm
ap(9
2ag
ricu
ltu
ral
plo
ts).
Inte
grat
ion
ofth
ese
dat
aar
edet
aile
dfo
rfu
lly
dis
trib
ute
dm
odel
TN
T2
and
sem
i-dis
trib
ute
dm
odel
SW
AT.
67
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
2.3.2 Processus et paramètres dans TNT2
a - Transferts hydriques
Les principes généraux de fonctionnement sont décrits dans la figure 2.8. Les
transferts d’eau dans le bassin versant sont basés sur deux hypothèses majeures
de TOPMODEL [Beven et Kirkby, 1979; Beven, 1997] :
– le gradient hydraulique de chaque maille est constant et dépend de la topo-
graphie
– la conductivité hydraulique To diminue de manière exponentielle avec la pro-
fondeur, m étant le facteur de décroissance exponentielle controllant le profil
de conductivité.
Le model simule un bilan hydrique journalier pour chaque maille, et calcule des
transferts d’eau entre mailles, suivant leur positionnement respectif dans la pente.
Chaque maille est divisée en trois zones, représentant l’horizon de sol labouré, un
horizon intermédiaire et une épaisseur de roche altérée (appelé altérite) noté res-
pectivement TS, IS et RS. La porosité η de chaque couche est divisée en porosité de
rétention ηr et porosité de drainage ηd. Les valeurs de porosité pour chaque couches
peuvent être déduites de mesures de terrain, ou évaluées comme des paramètres
du modèle. Les porosités sont notées ηrs et ηd
s pour les porosités de rétention et de
drainage des couches de surface du sol, ηri et ηd
i pour la porosité de rétention et de
drainage de l’horizon intermédiaire du sol et ηrR et ηd
R pour la porosité de rétention
et de drainage des altérites. La profondeur des couches Zi détermine la capacité
hydrique de chaque réservoir. La quantité d’eau dans la porosité de drainage déter-
mine deux domaines, nommés zone saturée et zone non saturée. L’extention de la
zone saturée est simulée journalièrement dans le bassin versant. Le ruissellement
est simulé lorsque la quantité d’eau dans les couches du sol a dépassé la capacité
hydrique des couches, ou si l’intensité de la pluie journalière dépasse un seuil d’in-
filtration Horto − runoff , paramètre fixé par l’utilisateur pour chaque type de sol.
L’eau percolle à travers les couches du sol vers l’aquifère. Une remontée de l’eau
de nappe dans les horizons superficiels du sol assimilée aux remontées capillaires
est simulée. Cette eau de nappe se retrouve alors dans les couches racinaires du
sol, l’eau et les nitrates qui sont remontés sont alors à nouveau utilisable par les
plantes. Deux paramètres contrôlent la quantité d’eau et d’azote remontant par ca-
pillarité : krc et exp− n. Ils influencent indirectement les quantités d’eau et d’azote
utilisées par les plantes, et donc l’évapotranspiration et le rendement. Les trans-
ferts d’eau dans l’aquifère sont calculés de manière multidirectionnelle (choix de
68
2.3 Concepts de fonctionnement de TNT2 et SWAT
modélisation justifié par Beaujouan [2001], chapitre 2), par rapport au gradient hy-
draulique. L’interaction entre les sols et l’aquifère est simulée pour chaque colonne,
dependant de la porosité de l’altérite.
69
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
8
Grou
nd-
water
Perco
lation
Deep
flow
Surfa
ce ru
noff
NON S
ATUR
ATED
ZONE
SATU
RATE
D ZON
E
Reten
tion
poros
ityDr
ainag
epo
rosity
Rainf
all +
upslo
pe ru
noff
Upslo
pede
ep flo
w
ETR
Soil
Rego
lith
Nitro
gentra
nsform
ation
Tem
péra
ture
Rayo
nnem
ent
ETP
Plui
e
(1)D
évelo
ppem
ent (
IF)
(2)In
terce
ptio
n(3
)Con
versi
on (M
S)
(4)R
épar
titio
n
ETR
(6)B
ilan h
ydriq
ue(7
)Bila
n azo
téGr
ains
(nom
bre+
PMG)
Eau d
u sol
Azot
e du s
ol
(5) e
nrac
inem
ent
(8)S
tress
Biom
asse
(tige
s+fe
uille
s)de
man
de
offr
e
STIC
S
FIG
UR
E2.8
–TN
T2
:u
nco
upla
gedu
mod
èle
hyd
rolo
giqu
edis
trib
ué
TO
PM
OD
EL
[Bev
en,
1997]
etdu
mod
èle
agro
nom
iqu
eS
TIC
S[B
riss
onet
al.,
1998](d
’aprè
sB
eau
jou
an
[2001]).
Pri
nci
pau
xpro
cess
us
mod
élis
és.
70
2.3 Concepts de fonctionnement de TNT2 et SWAT
b - Transfert et transformation de l’azote
Les transformations de l’azote et la croissance des plantes sont simulés par
des modules dérivés du modèle de culture générique STICS [Brisson et al., 1998].
Les calculs se font pour chaque maille, et dépendent de la position de la maille
dans le bassin, de l’extention de la zone saturée et de la profondeur du toit de la
nappe. Sept modules simulent : le développement et la croissance des plantes, le
rendement de chaque organe de la plante, la croissance racinaire, le bilan hydrique,
la température environnante et le bilan d’azote à la maille [Beaujouan et al., 2002].
Pour chaque maille, le modèle simule l’évapotranspiration réelle en fonction :
– du couvert de végétation
– de la profondeur d’enracinement
– de l’humidité du sol
– du prélèvement d’eau et d’azote par les plantes
– d’un stress associé à un manque d’eau ou d’azote.
Il simule également les transformations de l’azote dans le sol et la percolation de
l’eau et de l’azote à travers le sol vers la nappe. Les transformations d’azote dans
les sols sont décrits par la minéralisation de deux fractions de matière organique
(fraction humique et résidus de culture), et dépendent de la teneur en eau du sol,
de la température et l’organisation. Les paramètres qui controllent le taux potentiel
de minéralisation Fmin1, Fmin2, Fmin3 sont dérivés de STICS et calibrés pour des
cultures sous climat tempéré. La dénitrification est simulée par correction d’une
vitesse potentielle de dénitrification (V pot− denit) pour chaque sol par des facteurs
de la teneur en eau du sol, la température du sol et la quantité d’azote de chaque
maille pour une profondeur donnée. Le module de dénitrification est une adaptation
du modèle NEMIS [Hénault, 1995]. Ce modèle nécessite une calibration des para-
mètres sur des mesures spatiales et temporelles de dénitrification [Oehler et al.,
2009]. Aucun processus de transformation dans la rivière n’est simulé, chaque
cellule du réseau de drainage calculé à partir du MNT est utilisée pour simuler
les débits et les teneurs en nitrates à l’exutoire. Les paramètres et les gammes de
valeur utilisées pour l’étude sont présentés dans la table 2.1.
71
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
TABLE 2.1 – Parameter for water storage capacity and main processes of water andnitrogen transfert and transformation.
TNT2 SWATSoil 10<ηd
s<12% 7<SOL−AWC<24%properties 10<ηr
s<20% 32<SOL−K<33 mm/hr4<ηd
i <20% SOL− Zi
8<ηri <25% ESCO=0.3
Zi
Groundwater 4 < ηdR<7% GWQMN=60mm
capacity 8 < ηrR<14%
Transfert To=1m2.j−1 GW −DELAY =31m=0.1 m ALPHA−BF=0.01 daylocal hydrological gradient NPERCO=0.01
Runoff Saturated zone extention CN2forest=55 CN2crop=76Horto−Runoff=90mm CN2urban=90
SOL− CRK=10%Capillarity krc=0.0005 GW −REV AP=0.02
exp− n=4 REV APMN=60mmMineralization Fmin1=0.5 106.day−1 CMN=0.002Denitrification V pot− denit=0.2 gN.m−2.day−1 CDN=0.25
saturated zone extention SDNCO=1Plant generic plant parameters generic crop data basegrowth (STICS) parameters of SWAT
72
2.3 Concepts de fonctionnement de TNT2 et SWAT
2.3.3 Processus et paramètres dans SWAT
a - Paramètres contrôlant les transferts hydriques
Les principes généraux de fonctionnement sont illustrés sur la figure 2.9. Les
processus d’évapotranspiration, d’infiltration, de ruissellement, d’écoulement su-
perficiel et de percolation sont pris en compte pour simuler les transferts d’eau.
Chaque sol est verticalement divisé en couches de profondeur variable (SOL − Zi)
dont le nombre est défini par l’utilisateur. Les propriétés de chaque couche sont
paramétrées par une capacité au champ ou volume d’eau potentiel utilisable par
les plantes (SOL − AWCi), une conductivité hydraulique à saturation (SOL − Ki),
un volume porale en condition sèche (SOL − CRKi) et une proportion d’argile, de
limons et de sable. Les intéractions entre les transferts de surface et les trans-
ferts sous-terrain sont simulés à l’aide d’un modèle développé et décrit par Arnold
et al. [1993]. Le ruissellement de surface des pluies journalières est calculé avec
la méthode des ’Curve Number’ décrite dans USDA-SCS [1972]. Cette méthode es-
time un ruissellement de surface et une infiltration à partir des pluies journalières
en fonction de l’humidité du sol ou état de saturation du sol. Nous avons donc
utilisé le paramètre CN2 donné pour chaque type de HRU. Pour assumer une va-
riation dans le volume des pores en période sèche causée par la dessication des
argiles, l’utilisation du paramètre SOL − CRKi a permis de générer plus d’infiltra-
tion pour ces périodes. L’eau qui percole des couches les plus profondes du sol vers
l’aquifère correspond à un excès d’eau par rapport à la capacité au champ para-
métrée. L’eau entre donc dans l’aquifère qui est défini par différentes propriétés.
Les paramètres controllant le comportement des transferts dans la nappe sont :
GW −DELAY determinant un décalage entre le temps où l’eau sort du sol et entre
dans l’aquifère peu profond, ALPHA − BF est la constante de récession qui est
la réponse à la recharge de la nappe [Smedema et Rycroft, 1983]. GWQMN est la
quantité d’eau qui reste dans l’aquifère sans jamais se vider. Ce paramètre permet
de diminuer l’influence des fortes concentrations de l’eau lixiviée lorsque la nappe
est vide. Les teneurs en nitrates simulées dans la rivière au moment des reprises
d’écoulement sont alors ponctuellement moins fortes. L’évapotranspiration est éva-
luée pour chaque jour par l’évaporation des plantes en fonction de la période de
croissance, et de l’évaporation des sols. Ce dernier processus est controllé par un
facteur de compensation de l’évaporation des sols ESCO, unique pour tout le bas-
sin versant modélisé. GW − REV AP et REV APMN déterminent la quantité d’eau
correspondant à une remontée capillaire d’eau de l’aquifère peu profond jusqu’aux
73
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
FIGURE 2.9 – SWAT : un couplage du modèle hydrologique semi-distribué et du modèleagronomique EPIC. Principaux processus modélisés.
couches de la zone non saturée. GW − REV AP est un paramètre restrictif de ce
flux, REV APMN est le volume seuil d’eau dans l’aquifère peu profond en dessous
duquel les mouvements d’eau par capillarité sont inexistants. Nous n’avons pas
modélisé d’aquifère profond, non observé sur le terrain, seul donc l’aquifère peu
profond est modélisé.
b - Paramètres contrôlant les transferts et transformations de l’azote
Le cycle de l’azote est simulé à l’échelle de la HRU. Les processus simulés
sont basés sur l’approche du modèle agronomique EPIC [Williams et al., 1984].
L’approche conceptuelle de SWAT distingue un pool actif de matière organique et
un pool inactif. La quantité d’humus minéralisé du pool actif de matière organique
est controllé par un taux CMN considéré comme un paramètre du modèle.
Les équations du modèle de minéralisation sont adaptées du modèle PAPRAN
[Seligmand et Van Keulen, 1981]. SWAT est un modèle de minéralisation nette,
l’azote organique du pool actif est directement converti en nitrate. La dénitrification
74
2.3 Concepts de fonctionnement de TNT2 et SWAT
n’est pas modélisée explicitement : les flux d’azote gazeux dépendent du taux de
minéralisation. Un coefficient de dénitrification CDN appliqué à l’ensemble du
bassin permet tout de même de contrôler la quantité de dénitrification simulée,
tandis que SDNCO est le seuil de quantité d’eau dans le sol au delà duquel la
dénitrification est activée. NPERCO contrôle la quantité de nitrate mobilisé par le
ruissellement des horizons de surface des sols, calculé en fonction de l’eau perco-
lée. La consommation des nitrates par les plantes est estimée par une approche
d’offre et de demande, où la demande journalière en azote est calculée comme
la différence de concentration de l’élément dans la plante et la concentration
optimale. L’azote lessivé est calculé pour chaque HRU et est évacué vers le réseau
hydrographique. A cette étape, SWAT est capable de simuler la transformation
des nutriments dans la rivière, basé sur un modèle de qualité de l’eau QUAL2E
[Brown et Barnwell, 1987]. Les flux d’eau, de nutriments, de sédiments de chaque
HRU sont accumulés dans le sous bassin correspondant et sont attribués au
principal tronçon de rivière du sous bassin. Les debits et les flux de matière sont
ensuite exportés vers le réseau hydrographique, d’un sous bassin à l’autre, jusqu’à
l’exutoire en utilisant la méthode variable storage routing method [Arnold et Allen,
1996].
Une comparaison des résultats de simulation des modèles est ensuite présen-
tées sous la forme d’une publication soumise à Journal of Hydrology.
75
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
2.4 Understanding nitrogen transfer dynamics in a small
agricultural catchment : comparison of a distributed
(TNT2) and a semi distributed (SWAT) modelling ap-
proaches
Sylvain FERRANT 1 2, François OEHLER 1 2 3, Patrick DURAND 4, Laurent RUIZ 4,
Jordy SALMON-MONVIOLA 4, Eric JUSTES 5, Philippe DUGAST 6, Anne PROBST 1 2,
Jean-Luc PROBST 1 2, José-Miguel SANCHEZ-PEREZ 1 2
Soumis à Journal of Hydrology
1. Université de Toulouse ; UPS, INPT ; Laboratoire d’Ecologie Fonctionnelle Ecolab ; ENSAT, Ave-nue de l’Agrobiopole - BP 32607 Auzeville-Tolosane - F 31326 Castanet-Tolosan Cedex - France
2. CNRS ; Ecolab,ENSAT, Avenue de l’Agrobiopole - BP 32607 Auzeville-Tolosane - F 31326 casta-net
3. present adress : National Institute of Water and Atmospheric Research PO Box 11115, Hamilton,New Zealand
4. INRA-Agrocampus Rennes 65 Route de Saint Brieuc CS 84215 35042 Rennes Cedex, France5. INRA-ENSAT Auzeville - BP 52627 31326 CASTANET-TOLOSAN Cedex, France6. GPN ; 16-32 rue Henri Régnault, 92902 Paris La Défense Cedex - France
76
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
Résumé
L’approche de modélisation couplée agro-hydrologique est largement utilisée pour
étudier les interactions entre les pratiques agricoles et les caractéristiques phy-
siques des bassins versants et leurs impacts sur la qualité de l’eau de rivière. Nous
avons analysé les résultats de l’utilisation de deux approches de modélisation des
processus contrôlant la dynamique de l’azote (N) dans un bassin versant suivi pen-
dant 15 ans. Deux modèles agro-hydrologiques ont été appliqués : le modèle TNT2,
entièrement distribué et le modèle SWAT, semi-distribué. Les modèles ont été ca-
librés avec le même jeu de données d’entrée, essayant de reproduire les mêmes
lames d’eau drainée et bilans d’N annuels, pour comparer la variabilité spatiale et
temporelle des processus majeurs simulés. Les deux modèles simulent différents
cycles saisonniers de l’N du sol. Les processus majeurs mis en jeux sont la minérali-
sation et la dénitrification. TNT2 simule des variations saisonnières marquées avec
une nette augmentation de la minéralisation en automne, après une phase d’im-
mobilisation transitoire due à l’enfouissement de résidus de culture de faible ratio
C :N. SWAT simule une minéralisation de l’humus régulière avec une augmentation
quand les pailles sont enfouies suivie d’une lente diminution. La dénitrification est
majoritairement simulée en automne avec TNT2 en fonction de la dynamique de l’N
disponible dans le sol et des conditions hydro-climatiques. SWAT simule de la déni-
trification en hiver, quand l’N est disponible dans les couches de sol. La distribution
spatiale de ces deux processus est également différente : moins de dénitrification
est simulée dans les fonds de vallons et proche des fossés avec TNT2 dû à un trans-
fert rapide de l’azote dans ces zones. Les deux modèles reproduisent correctement
les tendances générales et la variabilité interannuelle des pertes d’N de ce petit
bassin versant agricole grâce à un jeu de données de calibration suffisant. Cepen-
dant, les processus de transformation et de transfert de l’N et leurs interactions
spatiales sont simulés différemment, en particulier la minéralisation et la dénitrifi-
cation dans les sols. L’utilisation de tels outils de prédiction de la qualité de l’eau
doit être alors considéré avec précaution si une calibration et une validation des
différents processus n’est pas effectuée.
77
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
abstract
The coupling of an hydrological and a crop model is an efficient approach to study
the impact of the interactions between agricultural practices and catchment phy-
sical characteristics on stream water quality. We analysed the consequences of
using different modelling approaches of the processes controlling the nitrogen (N)
dynamics in a small agricultural catchment monitored for 15 years. Two agro-
hydrological models were applied : the fully distributed model TNT2 and the semi-
distributed SWAT model. Using the same input dataset, the calibration process
aimed at reproducing the same annual water and N balance in both models, to
compare the spatial and temporal variability of the main N processes. The models
simulated different seasonal cycles for soil N. The main processes involved were N
mineralisation and denitrification. TNT2 simulated marked seasonal variations with
a net increase of mineralisation in autumn, after a transient immobilisation phase
due to the burying of the straw with low C :N ratio. SWAT predicted a steady humus
mineralisation with an increase when straws are buried and a decrease afterwards.
Denitrification was mainly occuring in autumn in TNT2 because of the dynamics of
N availability in soil and of the climatic and hydrological conditions. SWAT predicts
denitrification in winter, when mineral N is available in soil layers. The spatial dis-
tribution of these two processes was different as well : less denitrification in bottom
land and close to ditches in TNT2, as a result of N transfer dynamics. Both models
simulate correctly global trend and inter-annual variability of N losses in small
agricultural catchment when a sufficient amount data is available for calibration.
However, N processes and their spatial interactions are simulated very differently,
in particular soil mineralisation and denitrification. The use of such tools for pre-
diction must be considered with care, unless a proper calibration and validation of
the different N processes is carried out.
2.4.1 Introduction
Human activities have significantly altered the global nutrient cycle in temperate
areas such as Northeastern United States [Howarth et al., 1996; Berka et al., 2001;
Boyer et al., 2002], New Zealand [Gillingham et Thorrold, 2000; Monaghan et al.,
2005], Ireland [Neill, 1989; Watson et Foy, 2001] and United Kingdom [Webb et
Walling, 1985; Reynolds et Edwards, 1995; Whitehead et al., 2002b], Norway [Ble-
cken et Bakken, 1997], and France [Ruiz et al., 2002; Molenat et al., 2002; Martin
et al., 2004]. Global approaches have been used to get an overview of anthropogenic
impacts on water quality. Alvarez-Cobelas et al. [2008] studied nitrogen (N) export
78
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
rates from 946 rivers around the world as a function of quantitative and qualitative
environmental factors such as land-use, population density, dominant hydrologi-
cal processes. They concluded that regional modelling approaches are more useful
than global large-scale analyses. The N cycle at the field scale [Recous et al., 1997]
and transport dynamics at the catchment scale are relatively well known [Whelan
et Kirkby, 1995], but there is a need to understand direct interactions between
land cover and water pollution by nutrient in space and time. Internal processes
of N cycle could be dominant over external modification [Webb et Walling, 1985].
Many results highlight the poor correlation between N losses by agricultural soils
and nitrate concentrations in stream water [Böhlke et Denver, 1995; Modica et al.,
1998; Puckett et Cowdery, 2002; Molenat et al., 2002; Ruiz et al., 2002; Martin et al.,
2004]. Petry et al. [2002] have demonstrated that the nitrate concentration is mainly
controlled by hydrological conditions. Probst [1985] and Kattan et al. [1986] have
shown respectively in Garonne and Mosel basins that the annual N-exportation
rates (ratio between N river exportation and N fertiliser inputs) are proportionnal
to river discharge. Ohte et al. [2003] and Martin et al. [2004] showed that ground-
water nitrate concentration distribution is controlling seasonal nitrate variation in
the stream, Lapworth et al. [2008] showed that the shallow groundwater is both a
source and a sink for dissolved N, and that reducing conditions of riparian areas
are important in controlling N transformations.
Breuer et al. [2008] have made a non exhaustive review of widely used hydro-
biogeochemical mesoscale catchment models. In that scope, the coupling of an hy-
drology and a crop model seems to be an efficient approach in intensive agricultural
context to study the impact of the interactions between agricultural practices and
catchment physical characteristics on the dynamics of N attenuation in streams
[Mangold et Tsang, 1991; Vachaud et al., 1993; Styczen et Storm, 1995; Lunn et al.,
1996; Beaujouan et al., 2002; Whitehead et al., 2002a; Wade et al., 2004; Liu et al.,
2005; Flipo et al., 2007].
Coupled models have thus been developed and used since the 1980s to simu-
late N transformation at the field scale (SOILN [Johnsson et al., 1987], WAVE [Van-
clooster et al., 1995], LEACHN [Jabro et al., 1995], CREAMS [Kinsel, 1980]) or ni-
trate transfer at the catchment scale, (e.g. ANSWERS [Beasley et al., 1980]). Many
models have then been designed to study N dynamics and spatial interactions at
the catchment scale, using different level of details and different space and time
discretisation scheme (e.g. CATCHN [Cooper et al., 1994], CWSS [Reiche, 1994],
DAISY/MIKE-SHE [Styczen et Storm, 1993; Christiaens et Feyen, 1997; Refsgaard
79
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
et al., 1999], NMS [Lunn et al., 1996], SWAT [Arnold et al., 1998], INCA [Whitehead
et al., 1998; Durand, 2004; Granlund et al., 2004], SHETRAN [Birkinshaw et Ewen,
2000], TNT2 [Beaujouan et al., 2002], DNMT [Liu et al., 2005]).
Recent studies show that the accuracy for the simulation of non-point source
pollution of streams can be improved through the coupling of more detailed N
transformation models within semi-distributed hydrological models [Borah et Bera,
2004; Li et al., 2004].
Our aim was to analyse the consequences of using different modelling ap-
proaches on the simulation of N dynamics in small agricultural catchments. In that
scope we used two models which were designed with a focus on N processes (rather
than on the hydrology) and with similar level of spatial and temporal resolution for
the simulation of field scale processes : TNT2 and SWAT. We tested both models on
a small agricultural catchment monitored for 15 years in South of France.
2.4.2 Material and methods
a - Study site and study period
The Montoussé catchment at Auradé (Gers, France) is an experimental research
site studied in collaboration with the fertilizer manufacturer GPN-TOTAL. Nitrate
measurements were started in 1985 by AZF Toulouse (now GPN) to assess the im-
pact of agricultural practices and landscape management on nitrate concentrations
in streams. The Montoussé stream was selected for intensive survey because of its
fast hydrological response and the intensive agricultural context. It is a tributary
channel of the Save River, itself a left tributary of the Garonne River, located in
Gascogne, an intensively cultivated region in south-west France (figure 1.2, page
15). The general characteristics are summarized in table 1.2 (page 16) : the catch-
ment is small, hilly and 88.5% of the surface is used for agriculture. The substra-
tum consists of impervious Miocene molassic deposits. Only a shallow aquifer is
present, since the substratum is rather impervious (clays) except some sand lenses
that supply springs. Agriculture is mainly a sunflower and winter wheat succession
with mineral fertilization.
During the study period (October 1985 - September 2001), dry years (1986-
1990) were followed by more humid years (1992-1996) (table 1.1). The ’Gers’ dis-
trict is under the influence of a oceanic climate, which is characteristic of western
France, and sometimes influenced by the Mediterranean climate. The mean annual
80
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
rainfall during the study was 656 mm , with a maximum daily rainfall of 90 mm.
Few daily rainfalls exceed 40 mm. Intensive rainfall is often observed during spring
or autumn and generate large runoff events. Mean year temperature is 14.5 ◦ Cel-
sius, with minimums around 0-1 ◦ Celsius in winter and maximums about 29-30 ◦
Celsius in summer.
During the last decade, good management practices have been carried out to de-
crease N leaching from soil and nitrate transfers to the stream. The more significant
actions were raising farmers awareness about the best use of mineral fertilizers, the
implementation of rye-grass and poplar stripes along the stream and ditches, and
a delay in the burying of straws after harvest. The efficiency of each action has not
yet been evaluated.
b - Agricultural practice survey
The agricultural practices have been surveyed by the ‘Association des Agricul-
teurs d’Auradé’ for the whole study period by yearly inquiries of farmers and field
observations. Dates of plant sowing, tillage operations, fertilizer application and
crop harvest, amount of fertilizer applied, crop yields are given for each agricultu-
ral plot, each year since 1992. The average yields for durum wheat, bread wheat,
sunflower were, respectively, 5.2, 6.3 and 2.4 ton.ha−1. The average quantity of fer-
tilizer applied were 182, 154 and 30 kg N.ha−1.y−1 respectively for durum wheat,
bread wheat and sunflower. Sunflower is generally sown in April and harvested in
October, winter wheat is sown in November and harvested in July. Fertilizer are
applied between January and April, sometimes in May for winter wheat. Winter
wheat - sunflower succession implies a long period of bare soil between the harvest
of wheat in July and the sowing of sunflower in March or April. Even if the the
farming system is simple and homogeneous, this data base is not complete. Some
uncertainties remain, especially regarding the dates of fertilizer applications and
possible variations between plots.
c - Nitrate concentration and water discharge survey
Nitrate concentration and water flow were surveyed from 1985 to 2004 at the
catchment outlet. The discharge was measured continuously by DIREN (Direction
Régionnale de l’Environnement) and rainfall was monitored with a tipping bucket
rainfall station within the catchment. The frequency of sampling for nitrate concen-
81
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
tration measurement was controlled by the volume of water discharged, using an
ISCO 3700 Portable Sampler. 2834 days among the 5814 days of the study period
have been sampled with a minimum of one sample per day for nitrate concentra-
tion.
Figure 2.1 show the daily concentration for days when there is measurement.
The water yield varied during the study period (table 1.1). The hydrograph shows
extreme flood events (figure 2.1). The maximum daily water flow measured was 628
L.s−1, and the peak flows of the major seven events was over 200 L.s−1. Base flows
are contrasted between humid and dry years, with a maximum of 50 L.s−1 in winter
1993 and a maximum of 5.5 L.s−1 in winter 1990. The nitrate concentrations are
high with an overall mean concentration of 11 mg N-NO−3 (max and min of 32.2
mg N.l−1 and 1.2 mg N.l−1). Highest concentrations are observed during spring
and summer after an increase during the end of winter. These concentrations are
associated with high discharge in spring and low flow period in summer. Nitrate
concentrations then decrease to an annual minimum of 5 to 7 mg N.l−1) between
the end of summer and the begin of winter.
d - soil description
A soil mapping of the catchment was carried out in 2006 by Sol-Conseil and
EcoLab. Twelve soil types were defined for the catchment. Two of them are in lower
part of the catchment and are deeper (2 meters) than soils in the middle slope (1
meters depth). The deepest soils have 2.1% of organic matter in the first layer (0-20
cm), and 1.2 % up to 45 cm. The other soils generally contain around 2 % of organic
matter in the first layers, decreasing with depth to 0.5 % at 30 cm. Most of soils
contain 30 to 42 % of clay in the first layers, increasing generally with depth. The
soil characteristics have been used to set most of the soil and aquifer parameters
in both models.
e - Models description and applicability
Rational behind the choice of two models TNT2 has been chosen because
the crop and hydrological modules are entirely distributed. It had been designed,
calibrated and validated for north-western European catchment conditions [Beau-
jouan et al., 2002; Viaud et al., 2005; Oehler et al., 2009] where hydrology is driven
by shallow aquifers (presence of a shallow impermeable bedrock) and agriculture
82
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
is mainly livestock / dairy farming with maize, temporary grasslands and winter
cereals. SWAT has been chosen as one of the most commonly used and well sup-
ported water quality modelling systems available. It can be applied on medium to
very large catchments, and the generation of input files is eased by GIS-based tools.
It also has been calibrated and considered adequate on small catchments [Green et
Van Griensven, 2008].
TNT2 The TNT2 model was specifically designed to simulate soil-groundwater
interactions (e.g. the distribution of denitrification and overland flow according to
the extension dynamics of the saturated areas) to take into account spatial inter-
actions within the catchment in a shallow aquifer context. It is process-based and
spatially distributed (for detailed description see Beaujouan et al. [2002] and Oehler
et al. [2009]). The hydrological model is based on some of TOPMODEL hypotheses
[Beven, 1997]. The crop growth and N biotransformation are simulated using STICS
generic crop model [Brisson et al., 1998, 2002]. The catchment is discretized in a
set of columns, each column corresponding to one cell of a regular digital elevation
model grid. The soil parameters, the agriculture management data and the climate
data are distributed using the same grid (raster maps). The agriculture manage-
ment information required is : sowing (date and crop type),fertilisation (date and
amount) and harvesting (date and residue management).
SWAT The model SWAT ([Santhi et al., 2001; Van Griensven et Bauwens, 2003;
Borah et Bera, 2004; Ramanaravanan et al., 2005; Arnold et Allen, 1996]) is a
process based model and was designed to assess the long term impact of land
management on water balance, sediment transport and non-point source pollution
in large river basins. It has been used and assessed in many studies in the world for
N transfer, mainly in large catchments (e.g. as in Grizzetti et al. [2003]; Santhi et al.
[2006]; Abbaspour et al. [2007]; Pohlert et al. [2007b,a]; Bouraoui et Grizzetti [2008])
but also in small ones (e.g. as in Green et Van Griensven [2008]). The spatial unit
is the sub-catchment that is further divided into hydrologic response units (HRUs)
[Neitsch et al., 2002], a sub-unit defined by overlaying soils, land use and slope
maps. Most soil and aquifer computing is done at the HRU scale and results are
integrated at the sub-basin scale. The soil and crop model is mainly based on EPIC
[Williams et al., 1984]. Sowing, fertilisation, tillage and harvesting informations can
be input at the agricultural field scale.
83
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
f - Model comparison
Both models are based on comparable soil and crop models. The main simila-
rity is the plant growth model. A potential yield is calculated with global radiation
input and a water stress factor is computed to limit this potential growth. The wa-
ter evaporation is based on Penman-Monteith potential evapotranspiration limited
by the evaluation of the Leaf Area Index. The differences between both models are
summarized in table 2.2 and will be confronted regarding simulation results. SWAT
uses the Curve Number method [USDA-SCS, 1972] to simulate runoff, TNT2 simu-
lates runoff on saturated zones. Soil water and N transfer is based on the capacitive
conceptual model of Burns [Burns, 1974] in TNT2 and on a capacitive linear model
in SWAT. Aquifer flows computation is based on a topographic gradient in TNT2
calculated for each cell and on a hydrological gradient in SWAT, depending on wa-
ter table and a base-flow recession constant defined for each sub-basin. In TNT2,
the humus mineralisation rate depends on soil active organic matter, texture, hu-
midity and soil temperature. When new organic material is added (crop residues,
manure, etc.), the decomposition depends on the C :N ratio of the material and
of parameters controlling the growth and decay of the microbial decomposers (ni-
colardot2002). SWAT mineralisation is derived from PAPRAN model [Seligmand et
Van Keulen, 1981], mineralisation and decomposition are dependent on water avai-
lability and temperature of the soil layer. Denitrification is simulated by a modified
NEMIS approach [Hénault, 1995; Oehler et al., 2009] in TNT2 : a potential denitrifi-
cation rate is modulated by temperature, humidity, nitrate concentration and water
residence time. SWAT simulate denitrification as a function of amount of nitrate and
carbon in soil layer and temperature of soil layer. The user defines a threshold of
water content for denitrification to occur and a rate coefficient to control amount
(or intensity) of denitrification.
The main difference between SWAT and TNT2 is in the spatial discretisation.
TNT2 uses a regular cell grid scheme (distributed model) : the cell-to-cell drainage
routing is derived from the DTM analysis using a multidirectional scheme down to
the stream network ; the in-stream routing and processes are not simulated. SWAT
uses the subcatchment as the spatial unit, subdivided into Hydrological Response
Units (HRU) for soil and aquifer processes, but which are not spatially referenced
(semi-distributed model). SWAT simulates nutrient transformation in the stream,
controlled by the in-stream water quality component of the model, adapted from
QUAL2E [Brown et Barnwell, 1987]. The resulting water, nutrient and sediment
fluxes from each HRU are accumulated within their corresponding sub-basin and
84
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
TABLE 2.2 – Conceptual differencies between SWAT and TNT2 used in this studyTNT2 SWAT
Runoff evaluation Saturated zone Curve Number and crackingSoil transfer Burns model exponential reservoir drainagegroundwater Topographical gradient Hydrological gradientmineralisation STICS PAPRANdenitrification NEMIS Water content threshold
user defined intensity ratespatialisation fully-distributed semi-distributed
No river simulated Variable storage routing method
allocated to the main reach of the sub-basin. Discharge and matter fluxes are rou-
ted within the stream network from one sub-basin to another and finally to the
outlet of the catchment using either the variable storage routing method [Arnold et
Allen, 1996] or the Muskingum river routing method.
g - Input data and calibration
To make the comparison valid, it was necessary to have the same input in both
models. Figure 2.7 illustrates the differences in taking spatial variables into ac-
count. Spatial input data are : agricultural plot map, soil map and a digital eleva-
tion model (DEM) with 5 meter resolution. The DEM is used in SWAT to delineate
a number of sub-basins chosen by the user (21 sub-basins) and the location of the
reach. Each sub-basin comprises HRUs defined by a soil/agricultural-plot/slope-
class combination. 4 slope classes are defined, 0 to 5%, 5 to 10%, 10 to 20% and
more than 20%. For TNT2, the drainage graph is created using the same DEM.
Stream cells are determined by a drainage area threshold : for the cells over this
threshold the outflow is routed directly to the outlet. Each cell derived from the
DEM cells is characterized by a soil type, a land use identifier and a hydrological
gradient.
For each agricultural plot, the following information is given : plant sown,
amount of fertilizer, and date of each cultural operation. For instance, 17 years
of crop rotation are given in SWAT for each agricultural plot. No simplification has
been made to keep all historical information, and 17 years of crop rotation are gi-
ven for each agricultural plot. The same weather data are used, and the same soil
and aquifer parameters are set when possible (for example reservoir volume, initial
organic matter content).
85
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
In a first step, the calibration of the hydrology is made by tuning the main para-
meters controlling the annual water balance : CurveNumber and GroundWaterDelay
(SWAT) and To and M (TNT2).
In a second step, water balance and N cycle are controlled at the agricultural
plot scale (aggregation of modelling units to the agricultural plot scale). Minerali-
sation, plant growth (Leaf Area Index), N uptake and N exported by crop harvest
are compared between models and to observed data or expert knowledge. After che-
cking the N cycle in agricultural plot and at the catchment scale, the capillarity
rise has been activated in SWAT and TNT2 to sustain evapotranspiration and to
simulate aquifer N transfer to soil, specially to sustain plant consumption in TNT2
(SWAT already enabling plants to take N directly in groundwater). We have calibra-
ted the parameters controlling this water transfer from the shallow aquifer to the
overlaying unsaturated zone to have the same amount of water mobilized by this
process (GW − REV AP and REV AP −MN for SWAT, kRC and expn for TNT2). In
the same way, mineralisation and denitrification are calibrated to have equivalent
annual fluxes in both models, the order of magnitude of these processes being va-
lidated by agronomic expertise. Simulations were performed at a daily time step
for 16 years, from 1985 to 2001, the first 2 years (1985 to 1987) being used to
initialize the models. Nash-Sutcliffe’s efficiency coefficient [Nash et Sutcliffe, 1970]
and RMSE (equation 2.2) are used as optimization criteria for daily discharge and
N fluxes.
RMSE =
√∑Tt=1(Qt
o −Qtm)2
T(2.2)
where Qto is observed discharge at the time t, Qt
m is modelled discharge at the
time t. It is expressed as a percentage, where lower values indicate less residual
variance. Computing time for each model is quite different : a 17 year run takes 10
minutes for the 1756 modelling units (HRU) in SWAT and 12 hours for the 134 013
modelling units (grid cells) in TNT2.
2.4.3 Results
a - Hydrology of the catchment
Measured and simulated daily water discharge are presented in figure 2.10. The
period from 1/10/1987 to 1/09/2001 has been used to calculate the Nash-Sutcliffe
coefficients for both models. Acceptable performances were obtained, with E=0.6
86
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
and E=0.5, for SWAT and TNT2 respectively. Table 2.3 summarizes water and N
balance simulated with both models. The calibration was focussed on reproducing
yearly stream discharge (113 mm.year−1). Both models predicted a similar actual
evapotranspiration from a same potential evaporation (1023 mm.year−1). TNT2 and
SWAT simulate differently the main processes of water transfer in the catchment :
TNT2 predicts more base-flow during winter and the beginning of spring whereas
SWAT predicts more overland flow and rapid transfer, which is, most of time, more
realistic. Figure 2.11 shows the ability of TNT2 to simulate small variations in low
flow period, with small peaks of runoff due to contribution of the saturated areas.
The winter 1996-1997 discharge is overestimated by both models (see also figure
2.12).
87
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
01 o
ct 1
987 01
oct
198
8 01 o
ct 1
989 01
oct
199
0 01 o
ct 1
991 01
oct
199
2 01 o
ct 1
993 01
oct
199
4 01 o
ct 1
995 01
oct
199
6 01 o
ct 1
997 01
oct
199
8 01 o
ct 1
999 01
oct
200
00
0,1
0,2
0,3
0,4
0,5
0,6
Daily discharge (m3/s)
0
0,1
0,2
0,3
0,4
0,5
0,6
SWA
T
TN
T2
FIG
UR
E2.1
0–
Dai
lydis
char
ge(m
3.s−
1)
obse
rved
(gre
ylin
e)an
dsi
mu
late
d(b
lack
lin
e)w
ith
sem
i-dis
trib
ute
dm
odel
SW
AT
and
fully
dis
trib
ute
dm
odel
TN
T2
atth
eou
tlet
ofA
ura
dé.
Nas
h-S
utc
liff
eco
effici
ent
is0.5
and
0.6
for
resp
ecti
vely
TN
T2
and
SW
AT
sim
ula
tion
s.
88
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
TABLE 2.3 – Yearly water and nitrogen balance simulated in models, from 1987 to2001.In/Out water budget mm.y−1 TNT2 SWATInput Rainfall 676 676
Potential evapotranspiration 1020 1020Output Actual evapotranspiration 566 559Output Discharge 110 114
δ stock 0 3Nitrogen budget kgN.ha−1.y−1
Input Nitrogen in Rainfall 7 7Input Mineral fertilizer 96 98Input mineralisation 67 65Output fertilizer volatilization 2 0Output Plant Uptake 127 128Output Denitrification 26 25Output Stream losses 13.15 12.88
δ stock 1.5 4
b - Apportionment of N fluxes
Table 2.3 gives the magnitude of each main processes of production and
consumption of mineral N in the catchment. Plant uptake and crop yield are com-
parable to observed range of possible values. The amount of mineral fertilizer ap-
plied is not exactly the same (94 and 98 kg N.ha−1.year−1 for TNT2 and SWAT
respectively) because TNT2 simulates some volatilization of NH3 for each applica-
tion (equivalent to 2 kg N.ha−1.y−1). Furthermore, fertilizer are input as amount of
fertilizer types in SWAT while it is given in mineral N in the agricultural database
which could explain the remaining difference between amount of mineral fertilizer
applied in models. Mineralisation and denitrification processes have been calibra-
ted to be close in both models, with 67 and 65 kg N.ha−1.y−1 of mineralisation, 26
and 25 kg N.ha−1.y−1 of denitrification for TNT2 and SWAT respectively. Differences
between simulated and observed stream loads are within the range of measurement
errors.
The annual observed mean N losses in river is estimated to be of 13.31
kg N.ha−1.y−1. The figure 2.13 presents the annual agricultural yield for each major
crop of the study period. TNT2 tends to make a systematic overestimation of yields
for durum and bread winter wheat, whereas it under-estimates sunflower yields.
Swat simulates accurately Durum wheat yields and the inter-annual variations for
the period from 1994 to 2000. Bread wheat yields are underestimated by SWAT
although the same crop parameters as for the Durum wheat are used. The only
89
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
FIGURE 2.11 – Daily discharge (m3.s−1) observed (grey line) and simulated (black line) withsemi-distributed model SWAT and fully distributed model TNT2 at the outlet of Auradé fromoct 1995 to oct 1997.
90
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
FIGURE 2.12 – Yearly discharge and Nitrogen loads (mm and kgN) observed and simulatedwith semi-distributed model SWAT and fully distributed model TNT2 at the outlet of Au-radé from year 1987-1988 to year 2000-2001. RMSE of annual discharge are 0.018 and0.022 mm for respectively TNT2 and SWAT. RMSE for annual load are 78.6 and 65kgN forrespectively TNT2 and SWAT.
91
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
FIGURE 2.13 – Annual average agricultural yield for the 3 major plant sowed simulatedwith TNT2 and SWAT from 1988 to 2000 in Auradé catchment. Measured yield are reportedsince 1994.
difference between bread wheat and durum wheat is the average amount of ferti-
liser inputs, which is higher for durum wheat. SWAT overestimates systematically
sunflower yields. All these results give an overview of crop growth and biomass pro-
duction simulated by the two models. The inter-annual variability is well simulated
and coherent between models. The simulated N uptake by plant is close in the two
models. Yields are maybe overestimated in TNT2 because of a bad estimation of the
part of seed production in total biomass and also because the possible impact of
pests are not simulated.
c - spatial dynamics of mineralisation and denitrification
Results of temporal variability are shown in figure 2.14. A negative minerali-
sation indicates immobilization. The mineralisation dynamics are simulated diffe-
rently : SWAT simulates a continuous humus mineralisation with an increase when
straws are buried and a decrease afterwards. TNT2 simulates more marked seaso-
nal variations with a net increase of mineralisation after summer. Each burying
of straws induces immobilization, due to the building up of the soil microbial bio-
92
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
mass and because of the low C :N ratio of the straw. This exhausts temporarily the
mineral N content of the soil and slow down the mineralisation, that begin again
to increase with the soil wetting in autumn. There is an inter-annual variability of
mineralisation. The figure 2.15 shows that TNT2 predicts more mineralisation than
SWAT during the first period of simulation (from 1987 to 1991) and less in the last
years (from 1997 to 2001), for a comparable mean annual mineralisation on the
whole study period. In both models, mineralisation and denitrification are linked
in time since denitrification is dependant on available NO−3 in soil which is often
limiting due to plant uptake and leaching.
93
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
-5-4-3-2-1012
Daily mineralisation in kgN.ha-110/1987
10/1988
10/1989
10/1990
10/1991
10/1992
10/1993
10/1994
10/1995
10/1996
10/1997
10/1998
10/1999
10/2000
0
0,51
1,52
Daily denitrification in kgN.ha-1
TN
T2
SWA
T
FIG
UR
E2.1
4–
Dai
lyam
oun
tof
min
eral
isat
ion
(figu
reon
the
top)an
dden
itri
fica
tion
(figu
rebel
ow)si
mu
late
dw
ith
SW
AT
(gre
ylin
e)an
dTN
T2
(bla
cklin
e)du
rin
gth
est
udy
per
iod
(fro
m01/10/1987
to01/09/2001).
Val
ues
are
give
nas
the
dai
lym
ean
for
the
Au
radé
catc
hm
ent
inkgN
.ha−
1.d
ay−
1.
94
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
Denitrification dynamics are simulated differently as well. According to TNT2,
denitrification occurs mainly in autumn with TNT2, when mineralisation is maxi-
mal and plant uptake minimal. In SWAT, denitrification occurs mainly during the
months after the burying of straws, and high denitrification rates are occuring in
winter. In both models, the most limiting factors are N and soil water saturation.
The spatial distribution of mean annual net mineralisation and denitrification
is presented in figure 2.16. The amount of net denitrification (panel a) and mi-
neralisation (panel b) has been calculated for each modelling units (HRU and cell
for SWAT and TNT2 respectively). As expected, the two models simulate different
spatial patterns of mineralisation and denitrification. The impact of soil and land
use on the amount of yearly net mineralisation are clear. The soil characteristics
and the agricultural practices explain the major variability of both processes. The
roads and the forests show the lowest rates in both models, differences lying in the
distribution of the highest rates of mineralisation and denitrification area.
In SWAT, the mineralisation and denitrification rates result directly from the
combination of soil type and land use. The highest mineralisation rates are found
in soils with high amount of crop residue, resulting from a cultural succession of
canola and winter wheat. High denitrifying areas are corresponding to deeper soils
with higher total organic matter content and total water storage.
In TNT2, mineralisation and denitrification processes are mainly controlled by
soil water content. However, the mineralisation and denitrification rates are lower
in the bottom of slopes in general, even is these are the most saturated areas. Low
denitrification rates could be explained by :
– low nitrate levels : the land cover is in a majority tree strips and small forests,
with no fertilization and low mineralisation rates predicted because of the high
C :N ratio of soil organic matter
– saturated area dynamics : they are confined to ditches and they are saturated
mainly in winter (low temperatures), and flows may be too fast (residence time
<< 5 days).
d - N loads in stream
Simulated N loads are presented in figure 2.17. Both models performed poorly in
simulating daily loads, with a Nash-Sutcliffe coefficient of 0.15 for SWAT and 0.25
for TNT2. The RMSE were, for SWAT and TNT2, 32.2 and 28.3 kg.day−1. The daily
simulated nitrogen loads are poorly correlated to observed datas (around 0.4 for
95
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
FIGURE 2.15 – Annual amount of mineralisation (black line) and denitrification (white line)simulated with SWAT (full line) and TNT2 (dotted line) during the study period (from 1987to 2001). Values are given as the annual amount for the Auradé catchment in kgN.ha−1.
96
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
SWAT TNT2
Amount of mineralization (kgN/ha/year)
Amount of denitrification (kgN/ha/year)
(a)
(b)
0 - 10
10 - 25
25 - 35
35 - 50
50 - 65
65 - 108
14 - 65
65 - 80
80 - 100
100 - 115
115 - 134
0 - 14
FIGURE 2.16 – Yearly denitrification (a), mineralisation (b) and Denitrification Rate Fac-tor (c) with SWAT (left) and TNT2 (right) during the study period (from 01/10/1987 to01/09/2001). Values are given for each modelling units (HRU and cell for respectivelySWAT and TNT2) as the mean of the yearly denitrification and mineralisation (a) and (b)modelled for the Auradé catchment in kgN.ha−1.day−1.
97
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
both models). The correlation coefficient between simulated and observed monthly
loads is about 0.65 for SWAT and 0.74 for TNT2 simulation. The increase of cor-
relation taking monthly loads is more important with TNT2 than SWAT, this model
simulates better monthly loads (r means and standard errors evaluated by a jackk-
nife method, student test, p«0.05). Intensive daily nitrogen loads corresponding to
rainfall events are not simulated with TNT2, and not enough intense with SWAT.
The study period presents a wide range of climatic events : either very dry spells
or very intense flood events, representative of regional climatic conditions. Figure
2.12 shows the measured and simulated water and N yearly yields. TNT2 and SWAT
simulate well general trends and inter-annual variations except for the 1996-1997
year, where both models overestimate the loads. The discharge during dry years
is well simulated in TNT2 (1989-1990 and 1996-1997) while SWAT underestimates
water yield. In 1997-1998, both models underestimate the low water yield observed.
During humid years, both models simulate the right water yields e.g. from 1991-
1992 to 1993-1994. N loads are better simulated for the three most humid years
with TNT2, SWAT systematically underestimating N loads. During dry years, SWAT
underestimate nitrate outputs because it underestimates water discharge.
Dynamics of daily N fluxes are simulated differently (figure 2.17) : SWAT simu-
lates intense peaks of N load (maximum of 267 kg N.day−1) during small periods
of 20 days ; TNT2 simulates similar daily loads along the year. The dynamics of N
loads in low flow periods are well reproduced by both model, when mainly driven
by aquifer supply.
Cumulative flows and N loads are presented in figure 2.18. Cumulative flows
are really close between both models and to the measures. Measured cumulative N
loads have a sigmoid-like shape. Three periods can be outlined : the first period with
a small cumulative slope, which is well simulated by TNT2 and with overestimations
by SWAT (1987 to 1991) ; the second (the inflection) period where slope increases
(from 1992 to 1996) and when cumulative TNT2 loads are going over the SWAT
cumulative curve ; a third period from 1997 to 2000 with a slope equivalent to the
first period and where TNT2 overestimate N loads. Inter annual variability of N
losses in river seems to be better simulated with TNT2.
e - N concentration in the stream
Figure 2.19 presents the daily concentration simulated by the two models and
compared to calculated concentrations based on measurements. The measure-
98
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
0
100
200
300
400
Daily nitrogen loads in river (kg)O
bserved daily loadsSim
ulated daily loads
01 oct 1987
01 oct 1988
01 oct 1989
01 oct 1990
01 oct 1991
01 oct 1992
01 oct 1993
01 oct 1994
01 oct 1995
01 oct 1996
01 oct 1997
01 oct 1998
01 oct 1999
01 oct 2000
0
200
400456kg
740kg580kg
456kg740kg
580kg
TN
T2
SWA
T
FIGURE 2.17 – Daily nitrogen loads in river (kg.day−1) observed (grey line) and simulated(black line) with semi-distributed model SWAT and fully distributed model TNT2 at theoutlet of Auradé. NRMSE coefficient is 3.8%and 4.3% for respectively TNT2 and SWATsimulations.
99
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
1987
/88
1988
/89
1989
/90
1990
/91
1991
/92
1992
/93
1993
/94
1994
/95
1995
/96
1996
/97
1997
/98
1998
/99
1999
/00
2000
/01
0
1
2
3
4
Cum
ulat
ive
daily
wat
er y
ield
(m
)0
50
100
150
200
Cum
ulat
ive
daily
nitr
ogen
load
s in
str
eam
(kg
N/h
a) Observed amountSWAT simulated amountTNT2 simulated amount
Calculation method incertitude
CumulativeWater yield
Cumulativenitrogenloads
FIGURE 2.18 – Cumulative daily water discharge and nitrogen loads observed and simula-ted at the outlet of the Auradé catchment, simulated by SWAT (full line) and TNT2 (dottedline) from 01/10/1987 to 01/09/2001. Discharge are given in m and nitrogen loads inkgN.ha−1.
100
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
oct 1
987
oct 1
988
oct 1
989
oct 1
990
oct 1
991
oct 1
992
oct 1
993
oct 1
994
oct 1
995
oct 1
996
oct 1
997
oct 1
998
oct 1
999
oct 2
000
20
40
Dai
ly N
-NO
3 co
ncen
trat
ion
in m
gN/l
TNT2SWATMean of daily concentration calculated
74 56 72
FIGURE 2.19 – Simulated and mean of daily concentration calculated from observed dataduring the study period (from october 1987 to september 2001). Mean daily concentrationhas been calculated from measured concentration for 2834 days of the 5814 days studied.
ments are reflecting a high variability, at different time scale : infra-daily during
flood events, a marked seasonality and yearly variability. Both models have diffi-
culties to simulate accurately daily concentrations. TNT2 systematically simulates
a decrease during flood events and an increase during dry period, the opposite of
what is observed (e.g. during summer 1990). TNT2 globally overestimates concen-
trations during the last years, maybe as an effect of underestimating water yield
(see figure 2.12). Overall, N loads are well simulated because concentrations are
counterbalanced by water yields.
SWAT is predicting a wider range of concentrations with especially extreme daily
concentrations during major flood events (e.g. beginning of year 1988 and 1989).
Concentrations are highly variable for the last years of simulation when aquifers
water storage is low. Indeed, the water yields for years 1996 to 1998 are underesti-
mated (see figure 2.12). From 1991 to 1994, concentrations as well as the annual N
loads are underestimated by SWAT whereas the range of concentration simulated
by TNT2 corresponds to observed values.
101
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
2.4.4 Discussion
a - Water discharge and N loads to the stream
The water balance and daily flow are considered acceptable in both cases, bea-
ring in mind that the hydrological response time is short and would have required
a finer time step to be modelled more accurately. Looking at figure 2.10 in parti-
cular, we can see that the weaknesses of the models are different : TNT2 simulate
accurately humid years (e.g. 1992-1993) and overland flow on saturated soil area
generated by low rainfalls. It fails to simulate overland flow in every case of intense
rainfall events, due to the simplistic hortonian flow module. The curve number
modelling approach of SWAT performs better at simulating the quick flows during
these events, although the result is far from perfect. On top of the time step issue
mentioned above, soil surface condition is another incertitude. SWAT simulates
cracking in summer that avoid overland flow to be wrongly simulated during dry
period. The results of cracking process activation in SWAT are coherent with obser-
vations, but the surface condition is only partially taken into account with Curve
Number approach in SWAT. TNT2 has no procedure for changing what triggers
surface infiltration.
The differences of simulated water flow dynamics partly explain the differences
in the dynamics of N loads. The amount of overland flow simulated in TNT2 is less
than in SWAT and is generated on saturated soil area only. This results in a hi-
gher infiltration on arable soils in TNT2, and more leaching if nitrate is available.
The figure 2.20 shows simulated N storage and water volume in the aquifer. More
water and N are transferred to the aquifer in TNT2 than in SWAT. Stream concen-
tration is therefore simulated differently : SWAT simulates more rapid N transfer
in lateral flow and TNT2 simulates more leaching and groundwater contribution to
stream. Figure 2.19 shows that peaks of concentration simulated with SWAT are
generally overestimated compared to observed data, while flow peaks are generally
underestimated (see figure 2.10).
TNT2 simulates more accurately recurring humid years (e.g. 1992 to 1994) in
terms of discharge, concentration and therefore N loads, because the water infiltra-
tion and the aquifer contribution to stream are dominant during those years. This
suggests that one major reason why both models perform poorly in this context is
because the hydrodynamic properties of the clay-ish material are highly variable,
depending on the frequency and timing of drying and wetting periods.
102
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
0
5
10
15
20
25
30
Dai
ly n
itrog
en s
tora
ge in
aqu
ifer
(kg
N.h
a-1)
SWATTNT2
10/87 10/88 10/89 10/90 10/91 10/92 10/93 10/94 10/95 10/96 10/97 10/98 10/99 10/000
50
100
150
200
Dai
ly w
ater
sto
rage
in a
quif
er (
mm
)
FIGURE 2.20 – Daily water and nitrogen storage in aquifer simulated by SWAT (full line) andTNT2 (dotted line) from 01/10/1987 to 01/09/2001. Values are given in mm and kgN.ha−1
for respectively water and nitrogen storage.
103
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
The use of the two models may have shed some light on the input data uncer-
tainties, especially because of a relative long period modelling. For example, the
water flow of the year 1996-1997 is strongly overestimated in both models. This
leads to suspect a bias in the rainfall data measurements or potential evapotrans-
piration during this year, and this could also apply to other shorter periods of
the study. Further more, the in situ sampling protocol of concentration was not
consistent over time : the first part of the period (1987 to 1989) has been sampled
with a high frequency (more than 1000 measurements in a year), the second part
has been sampled with a lower frequency (more than 400 sample in a year from
1990 to 1994) and the third part has been somehow insufficiently sampled to re-
present well the daily concentration dynamic (less than 200 samples per year from
1995 to 2001). It could partly explain the high variability of computed daily concen-
tration for the first and second period (that are dry and humid), and less variable
concentrations in the third period.
b - Nitogen budgets at the catchment scale
The spatial dynamics of mineralisation and denitrification rates have an impact
on N leaching from soil. In TNT2, the maximum of mineralisation and denitrifica-
tion rates occur during the end of summer and the beginning of autumn (figure
2.14). The nitrate available for leaching is only what is left after denitrification. On
the contrary, SWAT simulates a less variable mineralisation, with a maximum at
the harvest date, decreasing then from this maximum to a minimum a year later.
This mainly corresponds to the mineralisation of straws. There is an excess of soil
nitrate in winter, which is partly denitrified, and partly leached. The plant uptake is
not in competition with the denitrification process during the plant growth period,
because denitrification occurs at the beginning of summer in TNT2, when tempe-
rature is high, and in winter in SWAT, with wet conditions and a nitrate supply
from mineralization. The figure 2.16 shows that denitrification hot spots are not
localized in the same areas. The highest denitrification rates in SWAT correspond
to the deeper soils in the valley bottom and in some agricultural plots where the
amount of mineralisation is equivalent to amount of denitrification. The highest
denitrification rates in TNT2 correspond to pothole areas inside agricultural plots,
where water level and residence time is high. Although the models simulate the
same annual loads, they differ strongly in time and space distribution of the pro-
cesses. Unfortunately, the dynamics of these processes are not well known on this
site, so it is difficult to tell which model is more realistic.
104
2.4 Understanding nitrogen transfer dynamics in a small agricultural catchment :comparison of a distributed (TNT2) and a semi distributed (SWAT) modelling approaches
2.4.5 About trends
Both models simulate well inter-annual trends that are contrasted for this relati-
vely long period. TNT2 predicts accurately annual N loads. SWAT is able to simulate
more rapid transfer of nitrogen to the stream, due to a better account overland and
lateral shallow flow. The peaks of nitrogen during flood events simulated with SWAT
correspond to observed phenomena, even if they are often underestimated.
This study site does not function as most temperate agricultural catchments.
Stream loads account for 1 to 12% of total output per year. N losses are relatively
low for a small intense agricultural catchment, with 13 kg N.ha−1.y−1 only. Probst
[1985] has estimated the same value (13.8 kg N.ha−1.y−1) for the Girou river basin
(520 km2) which is a tributary of the Garonne river flowing on the same molassic
substrate. Kattan et al. [1986] estimated 10.7 kg N.ha−1.y−1 for the Mosel river
basin (6847 km2) in North Eastern France of which 60% are cultivated. Gascuel-
Odoux et al. [2009] report 25 to 100 kg N.ha−1.year−1 for catchments in Brittany
(France), and a recent review of N fluxes from European catchments indicates that
sites with more than 80% of their land-use being farmland lose between 20 and 120
kg/ha in average (Billen et al., in preparation). The smaller this load is, the higher
uncertainties in modelling are. The hydrological control is high for infra annual
dynamics of N loads. The figure 2.18 shows that, even with a close estimation of
cumulative water discharge between the two models, TNT2 and SWAT simulate
differently seasonnal and interannual variation of N loads in the stream. As seen
before, monthly loads are better simulated with TNT2. Since agricultural yields have
the same interannual variations in both models, we suppose that the interannual
variability of mineralisation explains the better performance of TNT2 (see figure
2.15). This suggests that the processes controlling the N available for leaching are
better simulated in TNT2.
2.4.6 conclusion
This work can be seen as an illustration of the uncertainities of using agro-
hydrological models to simulate catchment water chemistry, even if the models are
widely used and tested, and if the catchment is well monitored. It also illustrates
the problem what can be called ’equifinality’ [Beven, 1993; Beven et Freer, 2001],
i.e. different model structures can reproduce outlet flows and loads with different
internal dynamics, although we have strived to constraint the calibration (i.e, fixing
105
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
similar mean loads of mineralisation and denitrification). Free and independent ca-
librations of the two models would surely have led to more contrasted conclusions.
Results show that with a large enough measurement dataset, in particular with
a detailed agricultural practice information and with long enough time series of
hydrological and hydrochemical data for calibrating the models, simulations give
reasonable estimations of the water and N fluxes at the outlet. For both models,
water yield is accurately reproduced. The simulations highlight the poor prediction
of flood events with daily timestep models. The studied catchment is highly respon-
sive to rain events and the curve number approach used in SWAT is more efficient
than the variable source area approach used in TNT2. TNT2 performs better than
SWAT in simulating base flow. SWAT simulates more infiltration, TNT2 simulates
more leaching, more N transfers through the aquifer and less overland flow. This
partly explained the differences in the simulated stream nitrate concentration. Be-
cause even if simulated annual water and N yields are very close, major differences
were found regarding mineralisation and denitrification dynamics.
Climatic control on N processes seems simulated better in TNT2 thanks to the
more detailed STICS approach. These results confirm that the use of such tools for
prediction must be considered with care, unless a proper calibration and valida-
tion of the major N processes is carried out. There may be a need to either refine
mineralisation and denitrification modelling (e.g. using an event based approach
like in DNDC [Li et al., 1992]) or use more generalized simplified approaches (e.g.
as in Oehler et al. [Submitted] for the denitrification model). Spatially distributed
measurements of mineralisation dynamics in soil as well as denitrification would
help to evaluate the realism of the different modelling approaches.
2.4.7 Acknowledgments
We would like to thank the ’Association des Agriculteurs d’Auradé, Pierrette
Gouaux from the CESBIO (CNRS-CNES-IRD-Université de Toulouse), Hervé Squi-
vidant and Pierre Moreau from SAS (INRA Rennes) for their cooperation. Nitrate
concentration and stream discharge were recorded within the framework of a GPN-
ECOLAB convention on the experimental catchment of Auradé and the IMAQUE
Project of ECOBAG Research network installed the equipment at the outlet of catch-
ment. Sylvain Ferrant is the recipient of an AKKA Technology fellowship within the
CIFRE convention.
106
2.5 Conclusion du chapitre
2.5 Conclusion du chapitre
A l’échelle d’un bassin versant, il est rare, voire impossible, d’avoir des données
suffisantes pour quantifier tous les processus de transfert et de transformation de
l’azote, qu’ils soient d’ordre agronomique, hydrologique ou biogéochimique, et ce
dans l’espace, le temps, et l’échelle considérée (parcelle, bassin versant, variation
journalière, saisonnière, inter-annuelle). C’est en partie pour cela que les modèles
utilisés à l’échelle du bassin versant pour simuler le cycle de l’azote se basent sur
des concepts de transferts hydrologiques à base physique, et des modèles agrono-
miques génériques, alimentés par des données spatiales plus ou moins détaillées.
Cette expérience de modélisation montre que l’utilisation des deux modèles pré-
sentés dans ce chapitre permet d’expliquer l’essentiel des variations de flux d’azote
à l’échelle annuelle ou inter annuelle en ne considérant que les tendances géné-
rales. TNT2 semble même être plus sensible aux variations hydroclimatiques qui
ont été très importantes durant la période d’étude. Les mêmes tendances sont si-
mulées pour la période d’étude, mais pour des raisons différentes.
Les différences dans l’approche de modélisation hydrologique expliquent une ré-
ponse trés différente à l’échelle journalière pour les deux modèles. TNT2 ne simule
pas de ruissellement dû à une intensité de pluie forte ou à un état de surface, c’est
à dire l’évolution dans le temps de la capacité d’infiltration des premières couches
de sol. Ainsi, le transfert de l’eau et de l’azote par la nappe est dominant alors
qu’il est plus faible dans SWAT. La contribution des différents réservoirs (nappe,
écoulement hypodermique, ruissellement de surface) au débit à l’exutoire est donc
simulée différemment à l’échelle journalière. TNT2 marque les jours de pluie par
une dilution des concentrations expliquée par le ruissellement sur la zone saturée.
Cette dilution est en effet observée à l’échelle infra-journalière, pour des périodes
de quelques heures (cf chapitre 1). Les autres jours, le débit est constitué essen-
tiellement de l’eau de nappe qui est fortement concentrée par rapport aux données
et aux simulations de SWAT car l’infiltration plus importante entraîne un trans-
fert d’azote majoritaire vers la nappe. A l’inverse, SWAT simule une augmentation
des concentrations les jours de pluie, provenant d’un transfert latéral d’eau du sol
riche en azote. Ce phénomène est lui aussi observé à l’échelle infra-journalière,
pour certaines périodes de l’année, sur une durée généralement plus longue que la
dilution des concentrations due à la contribution du ruissellement (cf chapitre 1).
La nappe est alors moins concentrée et les debits de base sont marqués par des
concentrations plus faibles que ceux simulés par TNT2. La dynamique des concen-
107
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
trations journalières est ainsi mal modélisée dans les deux cas, pour des raisons
différentes.
Les bilans annuels ne souffrent pas de ces phénomènes hydrologiques journa-
liers mal simulés, le temps de transfert de l’eau étant rapide. Le bilan agronomique
est proche pour chaque modèle (paramétré et calibré par l’utilisateur), mais les
processus expliquant ce bilan sont opposés. En effet, la minéralisation et la déni-
trification, processus majeurs dans l’approche production/consommation des deux
modèles, ont des dynamiques inverses. La minéralisation est maximale en automne
pour TNT2, l’enfouissemment des pailles entraîne une organisation nette pendant
quelques jours, la minéralisation nette est proche de 0 en hiver, et la dénitrification
n’est simulée qu’à la fin de l’été et au début de l’automne. SWAT simule une minéra-
lisation moins variable tout au long de l’année, avec un maximum de minéralisation
à l’enfouissement des pailles. La dénitrification n’intervient qu’en hiver, alors que
la minéralisation n’est pas nulle. Il est difficile de critiquer l’importance respective
de chaque processus sans données suplémentaires. A ce stade, l’intensité des deux
processus a été fixée comme des paramètres, afin de caler les flux en fonction des
exportations des cultures connues. Le caractère générique de STICS, utilisé dans
TNT2 pour simuler la minéralisation, validé pour de nombreux systèmes de culture
en France nous permet de penser que les simulations de minéralisation obtenues
avec TNT2 représentent mieux la variabilité réelle.
La dénitrification est spatialement distribuée dans les deux modèles pour des
raisons différentes. SWAT simule une dénitrification qui dépend majoritairement
du type de sol et du couvert, alors que TNT2 simule également des variations de ce
processus en fonction de la position de la maille dans le versant. TNT2 simule moins
de dénitrification dans les fonds de versants, alors que les conditions hydriques y
sont plus favorables (zone saturée). Ceci s’explique en partie parce que la zone
saturée est de faible étendue sur le bassin ce qui implique qu’elle n’est simulée
qu’en hiver, alors qu’il n’y a pas de dénitrification simulée. De plus les transferts de
nitrate issus des versants sont trop rapides pour que le processus puisse dégrader
les nitrates. C’est ce processus qui constitue la plus grande incertitude dans la
bilan de l’azote du bassin versant, car il n’a jamais été mesuré et aucun modèle de
dénitrification dit ’générique’ n’a été mis au point.
L’utilisation des deux modèles nous montre que le choix du modèle est primor-
dial dans le cadre d’expérimentations virtuelles. En effet, si nous voulons en utili-
ser un pour tester des scénarios agricoles, c’est à dire une modification des entrées
agricoles pour estimer la perturbation du cycle de l’azote, nous devons choisir celui
108
2.5 Conclusion du chapitre
qui simule le mieux les processus concernés par la modification. Par exemple, un
scénario de diminution du ruissellement par changement d’occupation du sol peut
être envisagé avec TNT2, mais celui-ci ne peut tester que l’impact du changement
d’évapotranspiration de la couverture végétale. Son formalisme ne permet pas de
prendre en compte le changement de l’état de surface par rapport au changement
de couverture végétale. Il est alors plus intéressant d’utiliser SWAT, qui prend en
compte le changement d’évapotranspiration ainsi que le ruissellement en fonction
de la couverture végétale.
Notre objectif est de modéliser le cycle de l’azote à l’échelle de ce bassin ver-
sant agricole pour tester des scénarii qui peuvent être efficaces pour diminuer le
lessivage des nitrates. La caractéristique de ce système cultural simplifié est qu’il
y a une période d’interculture en sol nu de 9 mois entre le blé et le tournesol.
Cette période hivernale est considérée comme sensible car aucun prélèvement par
les plantes de la minéralisation n’est assuré sur ces surfaces. Des changements
de pratiques agricoles sont alors imaginées pour éviter le lessivage des nitrates
pendant ces périodes : Culture Intermédiaire Piège à Nitrate, retard de l’enfouisse-
ment des pailles. Ce chapitre montre qu’il est préférable d’utiliser TNT2 pour deux
raisons : la dynamique de minéralisation est plus proche de la réalité et la compa-
raison avec SWAT permet de savoir où sont les incertitudes dans la simulation des
tendances à long terme des transferts d’azote. Nous irons plus loin en estimant que
l’approche simplifiée de SWAT pour la modélisation de la minéralisation ne convient
pas pour l’évaluation de l’efficacité de scénarii agricoles. L’efficacité dépend de la
dynamique saisonnière simulée, dynamique trop éloigné de la réalité pour aboutir
à des résultats convainquants. Ceci étant dit, l’utilisation de SWAT n’est pas exclue
pour d’autres applications, puisqu’il estime les mêmes tendances que TNT2, inté-
grant les données spatialement, et ce à des échelles spatiales plus étendues que
TNT2.
109
Modélisation spatialisée des transferts d’azote sur le bassin versant d’Auradé
110
Chapitre 3
Modélisation de scénariosagricoles sur le bassin versantd’Auradé avec TNT2
Au vu des conclusions du chapitre précédent, l’utilisation de TNT2 semble être
adaptée pour tester l’efficacité des mesures agronomiques pour réduire les pertes
d’azote nitriques sur le bassin d’Auradé. Le modèle prend en compte l’évolution inter-
annuelle des vitesses de minéralisation des sols, et la spatialisation des processus
permet en théorie de simuler les changements dans le paysage, en terme de surface
ou d’interaction spatiale entre zones. Ce chapitre décrit plus précisemment les pra-
tiques agricoles de la période d’étude (1985-2001) enregistrées par l’association des
agriculteurs d’Auradé. La rotation majoritaire blé-tournesol induit une période de sol
nu de 9 mois après la récolte du blé en juillet et le semis du tournesol en avril d’après.
Sans consommation par les plantes, les nitrates produits par la minéralisation des
résidus de récolte du blé en été et automne sont susceptibles de percoler avec l’eau
de pluie infiltrée pour alimenter la nappe et la rivière. Cette perte peut être limitée par
des pratiques agricoles comme le retard de l’enfouissement des pailles de blé qui se
font généralement à la récolte. Une fois enterrées, elles alimentent la minéralisation
estivale et automnale. Le retard de cet enfouissement en mi octobre permet de limi-
ter la minéralisation de cette période de sol nu. Les cultures Intermédiaires Pièges à
Nitrates (CIPAN) sont également une alternative pour consommer le produit de la mi-
néralisation pendant cette période. Implantées en Août, récoltées fin novembre, elles
limitent la période de sol nu et consomment les nitrates stockés dans le sol, donc po-
tentiellement diminuent leur lixiviation. Les changements d’occupation des sols sont
111
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
également des voies qui sont envisagées pour diminuer la perte de nitrate dans la ri-
vière, en plaçant le long du réseau de drainage des plantations non fixatrices d’azote
(pas de légumineuse) et non fertilisées. L’efficacité de ces modifications sur la dimi-
nution de la teneur en nitrate du ruisseau et de l’azote nitrique qui sort du bassin
est évaluée par modélisation spatialisée distribuée de TNT2 qui intègre toutes les
données agro-hydrologiques répertoriées sur le site d’étude.
112
3.1 Modélisation de scénarios agricoles
3.1 Modélisation de scénarios agricoles
3.1.1 Contexte scientifique
Le chapitre précédent démontre l’utilité des modèles dans l’interprétation des
mesures de flux d’azote nitrique mesurés généralement à l’échelle du bassin
versant pour évaluer l’origine des pertes d’azote retrouvées dans les eaux du
ruisseau. L’impact des pratiques agricoles sur le cycle de l’azote est une autre voie
d’étude qui permet d’évaluer l’excédent d’azote potentiellement lixiviable à l’échelle
de la parcelle ou du bassin versant agricole en fonction de l’utilisation agricole.
L’évaluation de cet impact peut être évalué à la parcelle : on analyse alors l’impact
sur la quantité de nitrate lixiviée, ou à l’échelle du bassin versant : on évalue
l’impact sur les flux d’azote dans la rivière ou la concentration dans les réservoirs.
L’étude de Lacroix et al. [2005] par exemple utilise les résultats de modèles agro-
nomiques à la parcelle (STICS), intégrant les pratiques de chaque scénario agricole
pour évaluer les rendements, qualité du grain et le reliquat de nitrate dans le sol à
la récolte, afin d’évaluer l’efficacité des coûts de mise en place de chaque scénario,
coûts estimés à l’échelle du bassin en fonction des sorties du modèle.
Lewis et al. [2003] utilisent un modèle à l’échelle parcellaire pour simuler la
lixiviation sous différentes pratiques d’épandage de lisier. Une des conclusions de
l’étude montre clairement que la percolation du nitrate est favorisée si l’épandage
se fait en automne.
Souchere et al. [2005] estiment l’impact de changement d’utilisation du sol en
terme de ruissellement grâce à un modèle expert non dynamique classifiant et com-
binant les paramètres dominant sur la base de données acquises en laboratoire et
de données expérimentales. Il génère des cartes de ruissellement de surface en
fonction de ces paramètres et des scénarios d’utilisation de sol.
Plus récemment, Jego et al. [2008] ont évalué la qualité prédictive de STICS
[Brisson et al., 2002] sous des parcelles de pomme de terre et de betterave sucrière
sur un site expérimental en Espagne, en vérifiant les concentrations en azote
nitrique dans le sol et les rendements des cultures. Les processus dominant
favorisant la lixiviation de l’azote nitrique sont alors mis en évidence comme la
pluie et l’infiltration ou encore les pratiques d’irrigation, la capacité d’absorption
d’azote de la culture. Puis le modèle est utilisé pour tester l’efficacité de certaines
113
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
pratiques conservatrices : éviter les applications de fertilisant en automne avant
une culture d’hiver, après des cultures à faible potentiel d’absorption d’azote ou
implanter des CIPANs.
La question, dans notre cas d’étude, est de savoir si ces processus, dominants à
l’échelle de la parcelle agricole, auraient un effet significatif sur la qualité des eaux
de surface à l’échelle des bassins versants.
L’approche agro-hydrologique choisie dans ce travail est largement utilisée pour
ce type d’évaluation car les processus spatialement distribués représentent de ma-
nière acceptable les processus hydrologiques, biogéochimiques et de croissance des
plantes, processus majeurs à l’échelle du bassin versant [Arnold et Allen, 1996;
Chaplot et al., 2004; Krysanova et al., 2005; Kyllmar et al., 2005; Bouraoui et Griz-
zetti, 2008].
Volk et al. [2009] ont testé différents scénarios de changement d’utilisation des
sols avec SWAT pour montrer que les plus drastiques et les moins économique-
ment viables, à savoir une réduction majeure des surfaces agricoles, permettent
d’atteindre les objectifs de qualité de l’eau fixés. Une autre conclusion de l’étude
est qu’il faut prendre en compte l’organisation du paysage et les différents types
d’utilisation du sol lorsqu’on veut améliorer la qualité des eaux de rivière.
Zammit et al. [2005] ont utilisé un modèle à large échelle (LASCAM) pour tester
des scénarios de reforestation et de diminution des intrants agricoles. Chaplot et al.
[2004] ont utilisé SWAT pour modéliser l’impact de réduction de fertilisation et de
changement de pratiques agricoles sur un bassin versant de 51 km2. Ils estiment
que la réduction de 20, 40, 60% des apports de fertilisants pour une rotation de
maïs-soja diminuent les flux annuels de nitrate dans la rivière respectivement de
22, 50 et 95%. Ils montrent aussi que les exportations moyennes mensuelles d’azote
nitrique sont affectées largement par le type d’occupation du sol.
Hesse et al. [2008] ont utilisé un modèle de bassin versant éco-hydrologique
SWIM sur la base de SWAT pour mettre en évidence l’importance de mesures agri-
coles pour la diminution des teneurs en nitrate, et l’importance d’un contrôle des
pollutions ponctuelles pour la réduction des pollutions par le phosphore à large
échelle (bassin du Rhin, 1716 km2).
114
3.1 Modélisation de scénarios agricoles
Santhi et al. [2006] ont utilisé SWAT à l’échelle d’un bassin versant de 4554
km2 aux Etats-Unis pour évaluer l’impact de grands types de rotations culturales
et pratiques associées spatialisées dans le bassin versant d’étude.
Laurent et al. [2007] ont testé l’impact de CIPAN avec SWAT sur le bassin
versant de la Moine (Ouest de la France). Cette étude montre entre autre que
l’efficacité d’une telle mesure va dépendre du type de sol.
Toutes ces études montrent que l’approche de modélisation distribuée ou
semi distribuée permet à large échelle et sur de longues périodes de simulation
d’évaluer des changements d’occupation agricole des sols et de politiques agricoles
générales, en terme de réponse environnementale et notamment de qualité des
eaux de surface. Ceci correspond au besoin des pouvoirs publics et des admi-
nistrations en charge de promouvoir sur les territoires, des mesures visant à
améliorer la qualité des eaux de surface. En effet, c’est un bon moyen d’évaluer
l’efficacité des investissements que représente la mise en place de chaque mesure,
pour permettre aux gestionnaires de lancer d’autres investissements du même
type ou de recadrer la politique adoptée à la lumière de l’analyse des résultats
issus de cette modélisation. L’incertitude sur la réponse des modèles aux scénarri
agricoles envisagés reste une préoccupation importante des modélisateurs, et les
conclusions qu’ils tirent des études tiennent compte de cette incertitude en ne
s’intéressant qu’aux tendances simulées.
Il est pour autant indispensable d’avoir des éléments d’analyse de l’incertitude
des simulations sur l’évaluation du bilan d’azote à l’échelle des bassins versants. De
plus, il faut avoir une idée de la sensibilité des algorithmes impliqués dans l’éva-
luation d’une mesure agri-environnementale en terme d’excès d’azote. L’exemple
d’application de SWAT et TNT2 dans le chapitre 2 montre que pour un même bilan
d’azote estimé, le fonctionnement simulé du bassin n’est pas équivalent. Les per-
turbations engendrées par un scénario agricole n’auront pas forcément le même
effet. Les scénarios agissant sur la minéralisation pendant les périodes de lixivia-
tion d’automne par exemple (dû au retard à l’enfouissement des pailles, CIPAN) ne
vont pas avoir le même impact dans TNT2 que dans SWAT, car un pic de miné-
ralisation est simulé à l’enfouissement des pailles dans SWAT, alors que c’est un
pic d’organisation nette (utilisation de l’azote minéral par la biomasse microbienne)
qui intervient dans TNT2. De la même façon, les forts taux de minéralisation si-
mulés par TNT2 à la fin de l’été et au début de l’automne sont susceptibles de
115
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
servir au développement d’une CIPAN, là où l’intensité est faible dans SWAT. C’est
avec l’éclairage de l’inter-comparaison des modèles TNT2 et SWAT que nous allons
évaluer les scénarios décrits ci-après à l’aide de TNT2.
3.1.2 Scénarios agricoles dans le bassin d’Auradé
a - Les mesures existantes dès 1992
Les pratiques agricoles initiales ont été modifiées en 1992 dans les données d’en-
trée de TNT2 pour simuler les changements de pratiques agricoles et les aménage-
ments paysagers effectués à partir de cette période là. Dès la récolte des céréales
de 1993, l’enfouissement des pailles a été retardé de juillet à octobre, c’est à dire
que l’incorporation des résidus de récolte s’est faite nettement plus tardivement.
De plus, nous avons simulé une bande enherbée de 5 mètres de large jouxtant
les cours d’eau, correspondant aux tronçons toujours en eau, mais aussi quelques
fossés souvent à sec en été, ainsi que 4 bandes de peupliers implantées en tête de
bassin, à l’emplacement de chemins préférentiels de l’eau, en milieu de parcelle (voir
la figure 2.5, page 62 du chapitre 2). Avant 1992, ces surfaces sont identifiées à la
parcelle bordant le ruisseau à cet endroit, elles suivent donc le même assolement et
les mêmes itinéraires techniques que la parcelle voisine. Après 1992, cette surface
est semée en ray-gras.
Cette image de l’agriculture correspond au scénario de référence, appelé par la
suite scenario0. La mise en place ou non des bandes enherbées, l’enfouissement
retardé ou non des pailles, l’implantation de bandes de peupliers sont évaluées en
terme d’impact sur les teneurs et les flux de nitrates afin de répondre à la demande
des gestionnaires. En effet, ces mesures ont été financées en partie par les pouvoirs
publics et en partie par les agriculteurs, pour diminuer la pollution azotée (voir le
site http : //www.agriculteurs− aurade.fr/association.php), mais aussi pour réduire la
pollution par les pesticides, l’érosion, les transferts de matières en suspension et
pour aménager le paysage.
b - Scénario agricole envisagé : Les CIPANs
Les scénarios agricoles envisagés sont assez classiques, car ils correspondent
d’une part à une attente locale d’évaluation par les gestionnaires et les acteurs
116
3.1 Modélisation de scénarios agricoles
TABLE 3.1 – Mesures appliquées pour chaque scénario construit.Scenarii Bandes Enfouissement bandes CIPAN 10%
enherbées des pailles peuplier fertiretardé en moins
scenario0 X X X - -Aménagementshistoriquesscenario1 X - X - -scenario2 X - - - -scenario3 - X X - -scenario4 - - X - -scenario5 - - - - -Scénariiscenario6 X X X X -scenario7 X X X - X
locaux, et d’autre part au domaine de sensibilité (ou de compétence) du modèle. La
table 3.1 synthétise les mesures appliquées pour chaque scénario.
Le scénario6 teste l’implantation de CIPANs. Il correspond à un scénario produit
par les agronomes [Justes et al., 1999] pour réduire la percolation des ions nitrate
durant les périodes d’inter-cultures. Ici, nous testons l’implantation d’une culture
de moutarde semée au 25/08 après la récolte d’une céréale et détruite au 31/11
avant le semis d’une culture de printemps. En théorie, cette culture utilise une
partie des reliquats d’azote minéral et améliore la structure des sols, ce qui limite le
ruissellement de surface. Comme la rotation majoritaire sur le bassin est le blé suivi
du tournesol, une partie non négligeable de la SAU du bassin est concernée chaque
année par l’implantation de la CIPAN (voir la figure 3.1). Nous voyons qu’il aurait
été possible d’implanter des CIPANs sur 35% de SAU par an en moyenne, mais que
cette implantation est variable suivant les années et les rotations. Ainsi, en 1996,
moins de 20% des rotations auraient permis son implantation, dans l’hypothèse
d’une interculture blé-tournesol.
Pour comparer l’efficacité d’une telle mesure, qui peut parfois être difficile à
mettre en oeuvre pour les contraintes techniques et agronomiques (sécheresse de
fin d’été), un scénario, plus simple, de diminution de 10% des intrants (fertilisants
azotés) est simulé. Les rendements sont ainsi comparés pour évaluer la perte de
revenu d’un tel scénario par rapport au gain environnemental.
117
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
FIGURE 3.1 – Pourcentage de la Surface Agricole Utile annuelle où l’implantation de CultureIntermédiaire Piège à Nitrate est possible dans la succession culturale blé-tournesol ren-seignée dans la base de données agricoles historique reconstituée dans le présent travail.
118
3.2 Expérimentation virtuelle
3.2 Expérimentation virtuelle
3.2.1 Indicateurs d’évaluation
Nous présentons les résultats de l’expérimentation virtuelle consistant à éva-
luer les modifications des entrées du modèle TNT2 calibré sur le jeux de données
d’Auradé comme décrit dans le chapitre précédent. Nous évaluons les effets des
changements sur les indicateurs qui vont nous intéresser en fonction du scenario0.
Nous proposons ici d’évaluer à la fois l’efficacité agronomique (rendements) et les
pertes d’azote nitrique dans l’environnement (flux à la rivières et dénitrification).
Le scenario0 est l’image de la réalité. Les mesures agricoles sont implantées
en 1992. Leur effet est donc évalué à partir de 1992. Nous nous interesserons
alors aux résultats de simulations des scénarios 1 à 5 pour la période 1992-2001
pour évaluer l’efficacité de ces aménagements. Les scénarios agricoles (scenario6 et
scenario7) sont évalués sur toute la période de simulation (1987-2001) afin de dis-
cuter d’un éventuel effet à long terme de l’implantation de tels scénarios. Les CIPAN
ou les mesures de réduction de 10% d’azote sont donc aplliquées dès 1987 jusqu’à
2001.
Nous présentons dans les tableaux 3.2 et 3.3 les intensités annuelles de chaque
processus, ainsi que des indicateurs d’efficacité moyens. Ainsi, nous calculons pour
chaque scénario la concentration moyenne, qui est le rapport entre le flux annuel
moyen (en kgN.ha−1.an−1) et la lame d’eau annuelle (en mètre), un rapport de dif-
férence de flux annuel dans la rivière (en kgN.ha−1.an−1) :
Frivscenariox − Frivscenario0
Frivscenario0× 100 (3.1)
avec Frivscenariox et Frivscenario0 les flux annuels du scénario x et 0.
De la même façon nous calculons un rapport de différence entre les flux annuels
moyens de dénitrification (en kgN.ha−1.an−1) :
FDENITscenariox − FDENITscenario0
FDENITscenario0× 100 (3.2)
avec FDENITscenariox et FDENITscenario0 les flux annuels du scénario x et 0.
119
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
3.2.2 Impact des mesures existantes
a - Bilan hydrique
La table 3.2 montre les résultats sur le bilan global de l’eau et de l’azote
des changements de pratiques simulées. L’impact des aménagements paysagers
(bandes enherbées, bandes de peupliers) ne concernant que de petites surfaces
(2.5% du bassin), le bilan hydrique n’est pas significativement modifié. L’ETR est li-
mitée par rapport à l’ETP sur le bassin pour le scenario0, le rapport ETR/ETP simulé
est de. En effet, ce faible rapport est expliqué par la présence dans les rotations ma-
joritaires d’une période longue de sol nu, ainsi qu’un stress hydrique des cultures
de printemps (tournesol) dont les rendements sont sous estimés (voir chapitre 2).
L’effet des scénarios de ’non mise en place’ des bandes enherbées et bandes de
peupliers serait une diminution de l’ETR (de 3mm pour l’ensemble des mesures),
les aires concernées n’étant plus couvertes de végétation. Le retard à l’enfouisse-
ment de pailles aurait un impact non significatif sur l’ETR de 1 mm d’augmentation
(scénario0 et 1), il semble que le prélèvement des plantes soit légèrement défavorisé
lorsqu’on retarde l’enfouissement des pailles et le début de la minéralisation des
résidus.
b - Le retard à l’enfouissement des pailles
L’enfouissement retardé des pailles aurait le plus d’impact sur le cycle global de
l’azote par rapport aux aménagements paysagers, car il conditionne la quantité de
mineralisation nette annuelle : environ 51 kgN.ha−1.y−1 pour les scénario avec en-
fouissement des pailles retardé (scénarios 0 et 3) et 60 kgN.ha−1.y−1 pour les scéna-
rios sans enfouissement retardé des pailles. Ce niveau plus élevé de minéralisation
nette annuelle entraînerait un prélèvement par les plantes plus important, marqué
notamment par des rendements plus important (scénario 1, 2, 4, 5), et la dénitrifi-
cation serait limitée par rapport au scénarios 0 et 3 (17 au lieu de 23 kgN.ha−1.y−1).
Par contre, les exportations d’azote par la rivière seraient plus importantes de 6%
(comparaison entre le scénario 0 et 1) lorsque la mesure enfouissement retardé des
pailles n’est pas appliquée. Cela correspondrait à une augmentation de la moyenne
de la concentration pondérée par la lame d’eau de 0.75 mgN.l−1 (3.3 mgNO−3 .l−1).
120
3.2 Expérimentation virtuelle
c - Aménagement du paysage
L’aménagement de ces zones de bas fond (voir figure 2.5, page 62) aurait per-
mis de limiter de 2.5 kgN.ha−1.y−1 l’apport moyen de fertilisants (scenario0 et 5),
dont 1.1 kgN.ha−1.y−1 sont attribués aux bandes de peupliers (scénario 4 et 5).
L’impact des bandes enherbées seules (scénario 3) serait de 3.6% de diminution de
flux à la rivière à laquelle on peut ajouter une diminution de la dénitrification de
0.8%. L’impact des bandes de peupliers peut être évalué indirectement par com-
paraison entre le scénario 4 et 5 à environ 6.5 % de diminution des flux d’azote,
sans dimution de la dénitrification. L’efficacité de ces mesures est dépendante de la
surface concernée, mais aussi de l’emplacement ou type de couvert : les bandes en-
herbées correspondraient à 1.4 kgN.ha−1.y−1 de diminution d’intrants, contre 1.1
kgN.ha−1.y−1 pour l’implantation des bandes de peuplier, et la diminution des flux
à la rivière serait respectivement de 3.6% et 6.5% pour les bandes enherbées et les
bandes de peupliers.
d - Impact de l’ensemble des mesures
L’efficacité cumulée de l’ensemble des mesures est évaluée avec le scénario 5.
Ainsi l’aménagement du paysage et le changement de pratiques agricoles aurait
permis de diminuer globalement les flux annuels à l’exutoire d’Auradé de 16.9%,
tout en augmentant de 24.1% les flux de dénitrification. Les rendements auraient
été limités de 2 q.ha−1 pour les blés d’hiver et de 4 q.ha−1pour les cultures de
printemps. En considérant la perte totale d’azote minéral du système, c’est à dire les
flux à la rivière plus la dénitrification, le scénario0 perd 36.65 kgN.ha−1.y−1 contre
33.16 pour le scénario5 où aucune mesure n’est implantée. Suivant l’indicateur
choisi, les mesures agronomiques peuvent être bénéfiques, diminution des flux à
la rivière, ou néfaste, augmentation des pertes dans l’environnement. La pratique
agricole qui a le plus d’impact sur le bilan d’azote est le retard à l’enfouissement des
pailles. Il agirait sur le niveau de minéralisation moyen du bassin en le diminuant.
La consommation des cultures est alors également diminuée, mais il reste un excès
d’azote nitrique dans les sols qui explique une augmentation de la dénitrification.
Donc, le flux d’azote nitrique à la rivière serait diminué de 2 kgN.ha−1.y−1 mais la
dénitrification des sols agricoles serait augmentée de 5kgN.ha−1.y−1.
121
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
TABLE 3.2 – Bilan annuels moyen de chaque scénario, calculé sur la période d’oc-tobre 1993 à septembre 2001.scenario 0 1 2 3 4 5water budget mm.y−1
Actual ET 598 599 597 596 597 595Discharge 114 113 115 116 115 117Nitrogen budget kgN.ha−1.y−1
Mineral fertilizer 86.9 86.9 88.0 88.3 88.3 89.4fertilizer volatilization 1.74 1.74 1.76 1.76 1.76 1.78mineralization 51.3 60 60 51.3 60 60Plant Uptake 106.8 120 120 107.5 121 121Denitrification 23.6 17.6 17.7 23.8 17.8 17.9Stream losses 13.05 13.85 14.7 13.52 14.4 15.26N losses 36.65 31.45 32.4 37.32 32.2 33.16quality indicatorMean concentration 11.45 12.2 12.7 11.7 12.5 13.01Year Loads variation % X +6.13 +12.6 +3.6 +10.3 +16.9denitrification X -25.4 -25 +0.8 -24.5 -24.1variation %Average yield Quintal.ha−1
Durum winter wheat 75 77.4 77.4 75 77.4 77.4Bread winter wheat 77.6 79.3 79.2 77.6 79.3 79.2Sunflower 16.7 21.2 21.2 16.7 21.2 21.2
122
3.2 Expérimentation virtuelle
TABLE 3.3 – Bilan annuels moyen de chaque scénario, calculé sur la période d’oc-tobre 1987 à septembre 2001.scenario 0 6 7water budget mm.y−1
Actual ET 566 574 566Discharge 110 102 110Nitrogen budget kgN.ha−1.y−1
Mineral fertilizer 96 96 86.8fertilizer volatilization 2 2 2mineralization 67 69 66Plant Uptake 127 130 119Denitrification 26 27 26Stream losses 13.15 10.77 11.33Nlosses 39.15 37.77 37.33quality indicatorMean concentration mgN.l−1 11.95 10.54 11.33Year Loads variation % X -18 -13.8denitrification X +3.8 0variation %Average yield Quintal.ha−1
Durum winter wheat 67.4 67.7 64.8Bread winter wheat 78.5 79.4 75Sunflower 20.1 17.1 19.3Cover Crop biomass X 23.6 X
3.2.3 Impact des scénarii agricoles choisis
a - Bilan hydrique
La table 3.3 montre les résultats sur le bilan global de l’eau et de l’azote de
le simulation des modifications de pratiques agricoles. L’impact des CIPANs sur le
bilan hydrique du bassin est significatif, avec 8mm d’evapotranspiration simulée de
plus que dans le scénario0. En effet, le couvert végétal qu’est la CIPAN induirait une
évapotranspiration plus forte que si le sol était resté nu. Par contre, la diminution
de 10 % des intrants n’aurait pas de réel impact sur le bilan hydrique.
b - Modification du bilan d’azote
Le bilan présenté dans la table 3.3 est différent de celui présenté dans la table
3.2 car il est calculé sur toute la période de simulation (de 1987 à 2001). Le scé-
nario 6 interviendrait sur le poste ’consommation des plantes’ du bilan d’azote.
123
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
Ainsi, le scénario 6 augmenterait de 3 kgN.ha−1.y−1 la consommation des plantes
sur le bassin. La minéralisation ne serait pas très variable entre les scénarios, la
différence de 2 kgN.ha−1.y−1 de plus pour le scénario6 provient du fait que plus
de résidus de culture sont enfouis et sont susceptibles d’être minéralisés par la
suite. Cette augmentation d’azote minéralisé est compensé par l’augmentation d’1
kgN.ha−1.y−1 de dénitrification de plus pour le scénario6.
Par comparaison, le scénario7 limiterait la consommation par les plantes de
8 kgN.ha−1.an−1, et serait accompagné d’une diminution de 1 kgN.ha−1.y−1 de la
minéralisation : moins de biomasse de résidus de culture serait enfouis. L’impact en
terme de flux à la rivière de ces scénarios est présenté dans la figure 3.2. L’efficacité
simulée des scénarii 7 et 6 sont comparés au scénarii 0 et 5. Le scénario6 est le
plus efficace en terme de diminution des flux dans la rivière, diminution évaluée
à 18% par rapport au scénario0. C’est explicable en partie par la plus faible lame
d’eau drainée de ce scénario, mais surtout par une diminution de la quantité d’azote
perdue par lixiviation de nitrate. En effet, les indicateurs présentés dans la table 3.3
montrent que la concentration moyenne annuelle diminuerait de 1.4 mgN.l−1 (6.2
mgNO−3 .l−1) sans pour autant avoir d’effet significatif sur la dénitrification (+3.8%,
faible variation comparé aux scénarii 1,2,4,5).
Le scénario7 serait moins efficace que le scénario6, avec une diminution de
13.8% des flux dans la rivière sans modification de la dénitrification. La plus
grosse différence entre ces deux types de scénario réside dans leur efficacité agrono-
mique. En effet les résultats présentés dans la table 3.3 montrent qu’en moyenne
une CIPAN permettrait d’augmenter légèrement les rendements des blés d’hiver,
mais diminuerait nettement les rendements de la culture de printemps qui suit (-3
q.ha−1.an−1 pour le tournesol). Cette diminution de rendements simulés serait dû
essentiellement à un stress azoté simulé plus fort pendant la période de croissance
du tournesol. On ne peut exclure que cela pourrait être la conséquence d’une trop
forte organisation nette simulée par le modèle.
La diminution de 10% des intrants azotés entrainerait une chute logique des
rendements, de l’ordre de 3 q.ha−1.an−1 pour les cultures d’hiver et de seulement 1
quintal.ha−1.an−1 pour les cultures de printemps, le tournesol étant moins fertilisé
que les céréales d’hiver.
124
3.2 Expérimentation virtuelle
0
50
100
150
200
250
01/1
0/19
87
30/0
9/19
88
30/0
9/19
89
30/0
9/19
90
30/0
9/19
91
30/0
9/19
92
30/0
9/19
93
30/0
9/19
94
30/0
9/19
95
29/0
9/19
96
30/0
9/19
97
30/0
9/19
98
30/0
9/19
99
29/0
9/20
00
cum
ul d
es fl
ux d
'azo
te à
l'ex
utoi
re (k
g/ha
)
scenario0scenario5scenario6scenario7
scenario5:201 kgN/ha
scenario0:183 kgN/hascenario7:175 kgN/ha
scenario6:150 kgN/ha
FIGURE 3.2 – Cumul des flux journaliers d’azote dans la rivière simulés par TNT2en fonction de scénarios agricoles. scénario0-référence ; scénario5-sans mesures agro-environnementales ; scénario6-implantation de CIPANs ; scénario7-diminution des intrantsmineraux azotés de 10 %.
125
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
-12
-10-8-6-4-2024
01/10
/1987
30/09
/1988
30/09
/1989
30/09
/1990
30/09
/1991
30/09
/1992
30/09
/1993
30/09
/1994
30/09
/1995
29/09
/1996
30/09
/1997
30/09
/1998
30/09
/1999
29/09
/2000
Minéralisation nette journalière (kgN/ha)
Sce
nario
6
Sce
nario
0
Pér
iode
cul
tivée
Blé
tend
reO
rgeC
IPA
NC
IPA
NC
IPA
NC
IPA
NC
IPA
NC
IPA
N
Blé
tend
reB
lé te
ndre
Blé
tend
reB
lé te
ndre
Blé
tend
reB
lé te
ndre
Tour
neso
lTo
urne
sol
Tour
neso
lTo
urne
sol
Tour
neso
lTo
urne
sol
FIG
UR
E3.3
–M
inér
alis
atio
nn
ette
jou
rnal
ière
sim
ulé
epar
TN
T2
enfo
nct
ion
de
scén
ario
sag
rico
les.
Les
vale
ure
sn
égat
ives
corr
es-
pon
den
tà
des
ph
ases
d’o
rgan
isat
ion
.sc
énar
io0-r
éfér
ence
;sc
énar
io6-i
mpla
nta
tion
de
CIP
AN
s.
126
3.2 Expérimentation virtuelle
3.2.4 Impact de la CIPAN sur la lixiviation
La figure 3.3 montre les différences dans la minéralisation nette journalière si-
mulée pour une parcelle pour le scénario0 et le scénario6. Le module minéralisation
de TNT2 simule une organisation nette à l’enfouissement de la CIPAN fin novembre,
ainsi qu’une minéralisation hivernale plus faible. Au semis du tournesol, les inten-
sités sont plus faibles pour le scénario CIPAN que pour le scénario 0, et ce durant
la première phase de croissance. A partir du mois de mai ou juin, la minéralisation
sous la culture du tournesol est plus forte pour le scénario6 que pour le scénario0.
Globalement, l’implantation d’une CIPAN dans les rotations culturales modifie la
dynamique de la minéralisation en augmentant la quantité de biomasse incorporée
dans le sol : l’impact direct est une augmentation des phases d’organisation, ainsi
qu’une diminution de la minéralisation hivernale. La croissance de la culture de
printemps suivante se trouve donc limitée par la plus faible disponibilité en azote
dans la sol pour le début de croissance. Cet effet simulé mériterait d’être vérifié par
des observations de terrain ou expérimentations agronomiques.
La figure 3.4 montre les pertes annuelles au ruisseau pour le scenario0 et le
scenario6, avec l’implantation des CIPANs. La réduction des flux à l’exutoire est
fonction du niveau des pertes annuelles : plus l’année hydrologique est marquée
par des flux importants et plus l’efficacité des CIPANs serait importante. Ainsi, le
potentiel d’absorption des CIPANs suivrait une tendance croissante avec l’excès
d’azote agricole dans les sols. On peut noter que, la courbe de régression s’inflé-
chissant, il existe un maximum d’excès d’azote au delà duquel l’effet de la CIPAN
n’augmente plus. Par contre, aucune relation n’a pu être trouvé entre la surface
annuelle de SAU concernée par l’implantation des CIPANs et la diminution des flux
d’azote à l’exutoire.
3.2.5 Efficacité sur la diminution des flux d’azote nitrique à la rivière
Pour illustrer l’efficacité de chaque aménagement ou changement de pratiques
agricoles, les scénarios sont comparés entre eux. La figure 3.5 récapitule l’efficacité
en % de diminution des flux d’azote moyens annuels à l’exutoire d’Auradé pour les
différentes mesures :
– l’enfouissement retardé des pailles : différence entre le scenario0 et le scena-
rio1
– les bandes de peupliers : différence entre le scenario1 et le scenario2
– les bandes enherbées : différence entre le scenario0 et le scenario3
127
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
FIGURE 3.4 – Pertes d’azote à l’exutoire d’Auradé simulés avec TNT2 pour le scénario 0 deréférence et le scénario 6 d’implantation des CIPANs. La régression logarithmique présentéeen dessous représente la réduction des pertes annuelles par l’implantation des CIPANs enfonction du niveau de perte annuelle d’azote nitrique simulé dans le scénario de référence,d’équation : y = 1.6 lnx− 1.7, R2 = 0.65
128
3.2 Expérimentation virtuelle
0
2
4
6
8
10
12
14
16
18
20
Dim
inut
ion
des
flux
d'az
ote
nitr
ique
ann
uels
en
%
Retard à l'enfouissement des pailles
Bandes de peupliers
Bandes enherbées
Cumul des aménagements
CIPANs
Diminution de 10% de la fertilisation
FIGURE 3.5 – Pourcentage annuel de réduction des flux à l’exutoire d’Auradé en fonctionde l’aménagement testé.
– le cumul des trois aménagements précédents : différence entre le scenario0 et
le scenario5
– l’implantation de CIPANs : différence entre le scenario0 et le scenario6
– la réduction de 10% des fertilisants : différence entre le scenario0 et le scena-
rio7.
3.2.6 Evolution temporelle de l’efficacité des scénarii
De la même façon, nous calculons une diminution des flux d’azote nitrique à
l’exutoire pour chaque année hydrologique correspondant à chaque mesure. La fi-
gure 3.6 montre l’évolution d’une année sur l’autre des efficacités d’action des me-
sures de changements de pratiques implantées sur Auradé. L’efficacité est variable
dans le temps et est maximale pour les années hydrologiques où les flux annuels
simulés sont les plus faibles.
L’efficacité annuelle des CIPANs et de la diminution de la fertilisation sont pré-
sentées dans la figure 3.7 en fonction des flux d’azote simulés par le scenario0.
129
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
0
2
4
6
8
10
12
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
Dim
inut
ion
des
flux
d'az
ote
nitr
ique
ann
uels
en
%
0
5
10
15
20
25
30
35
Flux
ann
uels
d'a
zote
nitr
ique
à l'
exut
oire
en
kgN
/ha
Bandes de peupliers
Retard à l'enfouissement des pailles
Bandes enherbées
Flux annuels sans aménagements
FIGURE 3.6 – Pourcentage annuel de réduction des flux à l’exutoire d’Auradé en fonctiondes mesures agricoles.
130
3.2 Expérimentation virtuelle
0
5
10
15
20
25
30
1985
/86
1986
/87
1987
/88
1988
/89
1989
/90
1990
/91
1991
/92
1992
/93
1993
/94
1994
/95
1995
/96
1996
/97
1997
/98
1998
/99
1999
/00
2000
/01
Dim
inut
ion
des
flux
d'az
ote
nitiq
ue a
nnue
ls e
n %
0
5
10
15
20
25
30
Flux
ann
uels
d'a
zote
nitr
ique
à l'
exut
oire
en
kgN
/ha
CIPAN
Réduction de 10% les fertilisants
Flux annuels avec
FIGURE 3.7 – Pourcentage annuel de réduction des flux à l’exutoire d’Auradé en fonctiondes mesures agricoles.
131
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
L’efficacité des CIPANs est variable suivant les années, tandis que l’efficacité de la
réduction des fertilisants est plutôt constante.
Deux comportements se distinguent :
– les pratiques dont l’efficacité est très variable dans le temps : les CIPANs, les
bandes de peupliers et les bandes enherbées
– les pratiques dont l’efficacité est plus ou moins constante dans le temps : le
retard à l’enfouissement des pailles, la réduction de 10% de la fertilisation.
Il semble que les variations fortes d’efficacité des pratiques et aménagements
suivent les mêmes tendances, un facteur identique semble contrôler l’efficacité des
mesures. Cette variabilité semble être contraire à l’intensité des pertes d’azote ni-
trique annuelles. Plus les pertes sont faibles et plus l’efficacité est élevée.
On peut noter que, pour tous les aménagements testés, l’efficacité augmente les
premières années d’implantation : 3 années pour les CIPANs, la réduction de 10%
de fertilisation et les bandes enherbées, 2 années pour l’implantation du retard
à l’enfouissement des pailles. L’efficacité de l’implantation des bandes de peupliers
semble suivre une croissance continue, perturbée par les variations inter-annuelles
observées pour les autres mesures.
3.3 Discussion : Certitudes et incertitudes des résultats
de scénarios
3.3.1 Efficacité des Scénarios agricoles
Les études de ce type publiées indiquent généralement que les réductions de
fertilisants sont peu efficaces pour réduire les pertes azotées dans les cours d’eau,
si les doses apportées sont proches de l’optimum agronomique. Weaver et al. [1996]
ont montré qu’une réduction de 10 % des intrants pour une zone agricole de Penn-
sylvanie n’a pas d’effet significatif sur le niveau de pollution. Une autre étude pu-
bliée par Pan et Hodge [1994] évalue à 81% la diminution des intrants agricoles
pour atteindre l’objectif de qualité de l’eau visé. Mais la perte de rendement asso-
ciée à ces diminutions rend ces mesures irréalistes sur le plan économique. Une
autre étude sur le bassin du Mississippi [Ribaudo et al., 2001] indique qu’une di-
minution de 50 % des intrants azotés coûterait plus cher que la restauration de
zones humides favorisant la dénitrification de l’azote nitrique venant des surfaces
agricoles, mesures considérées déjà comme trop coûteuses. Les résultats de simu-
132
3.3 Discussion : Certitudes et incertitudes des résultats de scénarios
lation de la présente étude, sur une petite surface, est cohérente avec ces études
à plus grande échelle. Le peu d’efficacité de ce genre de scénario indique que les
apports d’engrais azotés sont déjà proches du niveau optimal de fertilisation.
L’efficacité des CIPANs présentée dans cette modélisation à l’échelle du bassin
versant est cohérente avec les études de ce type éffectuées à l’échelle de la parcelle.
Justes et al. [1999] ainsi que Jego [2008] ont montré que l’implantation d’une
CIPAN sur une parcelle diminue de moitié les concentrations de l’eau percolée
sous la parcelle malgré une augmentation de l’évapotranspiration. L’impact de
cette forte diminution de la percolation d’azote à l’échelle du bassin versant
dépend des caractéristiques hydrologiques et de l’occupation du sol. En effet, l’eau
provenant de la percolation de la pluie sous les parcelles agricoles peut être diluée
par les eaux moins concentrées provenant de forêts ou de prairies. Cela montre
l’importance de l’intégration spatiale des processus pour prédire la qualité de l’eau
à l’exutoire d’un bassin versant.
Nous avons évalué à cette petite échelle que l’implantation systématique des
CIPANs dans les rotations culturales permettrait de diminuer les flux à l’exutoire de
3 kgN.ha−1.an−1, ce qui correspond à 18% de réduction des flux d’azote à l’exutoire
et à une réduction de 6.2 mgNO−3 .l−1. Cette valeur est difficilement comparable à
d’autres études car elle dépend de la SAU concernée et du type de bassin versant.
Laurent et al. [2007] utilisent SWAT pour tester sur un bassin de taille moyenne
(385 km2) des scénarios agricoles sur les transferts de nitrate et phosphore. Un scé-
nario d’implantation de CIPAN et un scénario de semis direct ont été évaluées. Le
scénario CIPAN se révèle être efficace à l’échelle du bassin pour diminuer les trans-
ferts de phosphore, problématique majeure rencontrée sur le site d’étude. L’effet
simulé sur les flux totaux d’azote à l’exutoire est en revanche négligeable à l’échelle
du bassin versant. En revanche, l’étude indique l’effet d’une CIPAN sur la contri-
bution à la rivière d’une succession mais-mais sur un brunisol pour une année.
Les flux d’azote simulés par SWAT pour cette unité de simulation sont diminués de
18.9 à 15.1 kgN.ha−1.an−1 ce qui correspond à une réduction de 20% des pertes
d’azote. L’implantation de la CIPAN sur ce type de rotation de cultures de printemps
est annuelle, mais il est possible que le formalisme de SWAT pour la minéralisation
entraîne une sous-estimation de cette diminution (cf chapitre 2).
D’autre part, l’implantation des CIPANs a un coût qui est évalué dans certaines
études en fonction de l’efficacité sur la réduction des pertes azotés dans les rivières.
133
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
Lacroix et al. [2005] ont évalué l’efficacité économique des CIPANs. Leur étude s’est
basé sur une estimation des flux d’azote simulés par STICS à l’échelle de la parcelle
dans un bassin agricole intensif du Nord-Est de la France. Le calcul du rendement
efficacité/coût qui y est présenté indique que la mesure CIPAN représente le
meilleur rapport entre l’efficacité environnementale et le coût d’implantation.
Le changement d’utilisation des sols que représentent les implantations de
bandes enherbées et de bandes de peupliers auraient une efficacité qui corres-
pond à ce qui a été évalué dans d’autres études. Hesse et al. [2008] ont utilisé
SWAT à l’échelle du grand bassin versant du Rhin pour évaluer des scénarios agri-
coles et climatiques. Un des scénarii testé à cette échelle est une conversion de
zones agricoles proche des cours d’eau ou de lacs en zone de prairies extensives
non fertilisées. On obtient une diminution de -3.1 % des flux d’azote dans les ri-
vières, diminution du même ordre de grandeur que celle obtenue sur Auradé avec
l’implantation des bandes enherbées (3.6% de réduction).
Volk et al. [2009] ont également utilisé SWAT pour tester des scénarios de chan-
gement drastiques d’occupation des sols. Ainsi ils testent l’impact de la réduction
de 77% à 46% de l’occupation agricole du sol, ou encore l’augmentation de 10 à
21% des surfaces forestières. Ces scénarios ont une efficacité, d’après les auteurs,
sur les concentrations simulées faibles et insuffisantes pour améliorer la qualité
des cours d’eau. L’augmentation de la surface forestière de 10% au détriment de la
surface agricole entrainerait une réduction de 2.7% de la concentration moyenne
en nitrate. Nous estimons à notre échelle que la concentration moyenne annuelle
a été diminuée de 4% (comparaison des concentrations moyenne du scénario 4 et
5 ou du scénario 1 et 2) pour une augmentation de la surface en arbre de 1%.
L’hypothèse de l’efficacité de la bande de peuplier est résumée ainsi : placés sur
le chemin des écoulements et en milieu de parcelle, ils évitent l’application directe
de fertilisants agricoles sur ces zones de transferts d’eau latéraux importants, et
leur croissance n’est pas perturbée par de stress azoté ou hydrique, ils prélèvent
ainsi une quantité non négligeable d’azote. Les processus de transferts de l’eau et
de l’azote des versants ne sont spatialement distribués que par des modèles spatia-
lement distribués.
134
3.3 Discussion : Certitudes et incertitudes des résultats de scénarios
3.3.2 Estimation de la lixiviation par TNT2
Nous avons estimé les limites de fonctionnement de TNT2 sur le jeu de don-
nées d’Auradé. Il faut rappeler notamment que l’infiltration, et donc l’eau percolée
à travers le sol est surestimée par TNT2. Ceci peut entrainer une surestimation de
lixiviation de l’azote. Si l’importance de ce transfert est plus faible, une surestima-
tion de l’efficacité des scénarios visant à diminuer ce processus est possible. Malgré
ceci, les bilan annuels du cycle de l’azote sont équivalent entre SWAT et TNT2 bien
que SWAT simule plus de ruissellement de surface (cf chapitre 2). Le scenario0 si-
mulé par TNT2 surestime la lixiviation, donc un autre scénario simulerait aussi
une surrestimation de la lixiviation. Mais on peut penser que la différence entre
scénariii permet de l’erreur systématique.
3.3.3 Importance de la minéralisation et dénitrification
Le scenario6 montre l’importance d’une simulation correcte de la variabilité
temporelle du processus de minéralisation. En effet, le scénario6 a un impact
temporel sur ce processus et modifie les bilans du cycle de l’azote en fonction de
cette variabilité. Même si le bilan annuel est ajusté par rapport à des données glo-
bales ( minéralisation annuelle, flux journaliers à l’exutoire, rendements annuels),
le scénario6 ne peut avoir le même impact en terme de lixiviation de nitrate si
la minéralisation n’est pas modélisée correctement en fonction des saisons. Les
résultats présentés dans le chapitre 2 permettent de conclure que la variabilité
temporelle de la minéralisation est correctement simulée, à l’échelle annuelle et
inter-annuelle, sur la base d’une expertise agronomique.
L’enfouissement des pailles est une mesure qui permettrait de diminuer les flux
d’azote nitrique à l’exutoire de 2kgN.ha−1.y−1, mais augmenterait de 5kgN.ha−1.y−1.
Ceci pose la question de l’incertitude de la simulation de la dénitrification. Il semble,
dans le calage utilisé, que le niveau de minéralisation limite la consommation
d’azote par les plantes. L’excès d’azote dans les sols est alors dénitrifié à hau-
teur de 23kgN.ha−1.y−1. Lorsque le niveau de minéralisation est plus important,
la consommation des plantes est plus importante et limite l’intensité de la dénitri-
fication. c’est cette compétition simulée qui explique en grande partie la différence
entre les bilans du scenario5 et scenario0.
135
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
La dénitrification est un phénomène moins cractérisé dans le temps et l’espace,
et dont aucune mesure n’a été réalisée sur notre site d’étude. Par ailleurs, aucun
modèle générique n’a été à ce jour mis au point pour ce processus à l’échelle des
bassins versants. Ce processus est pourtant quantitativement important dans le
cycle de l’azote (évalué à 17 et 27 kgN.ha−1.an−1 suivant les scénariis) et est variable
dans le temps et l’espace à l’échelle du bassin versant agricole [Oehler et al., 2009].
3.3.4 L’efficacité inter-annuelle des mesures
La variabilité inter-annuelle de la réduction des flux d’azote à l’exutoire est forte
pour les mesures de changement d’occupation du sol : la couverture végétale de la
CIPAN, de la bande enherbée ou des bandes de peuplier semble avoir un impact
dépendant de l’année hydrologique. La réductions des pertes d’azote nitrique par
l’implantation des CIPANs augmente avec l’importance des pertes à l’exutoire. Mais
le pourcentage d’abattement de ces flux est lui plus faible lorsque les flux sont
élevés. Ceci montre que la consommation de l’excès d’azote par les CIPANs est
limitée par le potentiel d’absorption de ces cultures.
Plus généralement, les aménagements paysagers (bandes enherbées et peu-
pliers) sont confrontés à cette limite. Ils sont capables d’intercepter une partie de
l’excédent agricole, mais en cas d’excédent très important, la quantité prélevée reste
la même, et le pourcentage de réduction est plus faible qu’en cas de faible excédent.
3.3.5 Les problématiques autres que l’azote
Le travail d’évaluation de l’efficacité environnementale des scénarii agricoles
s’est focalisé sur l’amélioration de la qualité de l’eau pour la teneur en nitrate.
Il ne faut pas oublier que d’autres objectifs sont possibles dans la comparaison de
ces scénarios. Ainsi d’autres problématiques liées à la qualité de l’environnement
sont à évaluer :
– les transferts de matière en suspension, pesticides, phosphore ou métaux
lourds
– l’érosion des sols peut être diminuée par l’enfouissement retardé des pailles
qui restent en couverture sur le sol plusieurs mois avant d’être enfouies, la
CIPAN peut être une couverture efficace, la bande enherbée peut limiter les
pertes de matières dans la rivière en freinant les particules de sol en bas de
versant
136
3.4 Conclusion
– la protection des fossés et petits cours d’eau par les bandes enherbées qui
délimitent ces chemins préférentiels de l’eau afin d’éviter le labour de ces zones
ou l’application directe d’intrants dans les fossés.
– la réimplantation d’arbres dans le paysage pour le rôle écologique (réserve de
biodiversité, de prédateurs de maladie des cultures...) et esthétique...
Une approche intégrant l’évaluation de tous ces paramètres qualitatifs ou quanti-
tatifs permettrait une évaluation de tous les effets bénéfiques d’un scénario.
D’autre part, l’étude montre que l’efficacité de la CIPAN et son coût d’implan-
tation représentent une des meilleures alternatives pour maintenir le type et le
niveau de production agricole actuel tout en diminuant l’impact de la pollution dif-
fuse azotée sur l’environnement. Mais il faut rappeler que la généralisation de cette
pratique comporte certaines difficultés. Le problème majeur est la destruction de
cette culture à l’automne qui peut être difficile ou impossible si le sol est trop hu-
mide. L’utilisation d’herbicide pour cette opération peut entrainer une aggravation
de la problématique phytosanitaire déjà préoccupante. Il faut donc éviter ce mode
de destruction autant que possible. Les effets bénéfiques autres que l’azote devrait
être valorisés pour que cette solution soit retenue par les agriculteurs (amélioration
de la structure du sol, augmentation de la matière organique...).
3.4 Conclusion
Les résultats de simulation des transferts d’azote par TNT2 sur le bassin ver-
sant d’Auradé montre que le modèle est sensible aux changements des données
agricoles d’entrées. Il est donc possible de tester l’efficacité environnementale de
scénarii agricoles par le biais de ce type de modélisation spatialisée. Ces scénarios
consistent à modifier l’utilisation des sols ou les pratiques agricoles en fonction
d’un scénario de référence. Ce scénario de référence, ou scénario0 correspond au
calage du modèle avec une image de l’agriculture passée.
Cette étude utilise des données agricoles parcellaires et simule le cycle de l’azote
avec le formalisme de STICS pour calculer une lixiviation journalière en fonction
des pratiques agricoles et de la position de la parcelle dans le bassin. Le modèle
agro-hydrologique permet d’intégrer dans l’espace et dans le temps les pertes de
nitrate pour simuler la qualité de l’eau dans la rivière.
L’influence à long terme des changements agricoles est évaluée par une simu-
lation sur une période de 17 années. Les principaux résultats montrent que les
137
Modélisation de scénarios agricoles sur le bassin versant d’Auradé avec TNT2
scénarios d’aménagement du paysage (bandes enherbées et bandes de peupliers)
correspondant à 2.1% du bassin versant ont une efficacité limitée pour réduire les
flux de nitrates, mais pas inexistante. Il semblerait que le couvert végétal offert
par ces aménagements permette de fixer une partie de l’excédent annuel d’azote
dépendant de la surface concernée par ces aménagements. Il semblerait aussi que
les bandes enherbées atteignent rapidement un maximum d’efficacité, alors que les
bandes de peupliers auraient une efficacité, fortement variable dans le temps, mais
avec une tendance croissante. Cette hypothèse reste à valider.
L’effet le plus important sur le bilan d’azote global du bassin versant d’Auradé
est le retard de l’enfouissement des pailles après la récolte du blé. Cette mesure
permettrait de diminuer le niveau de la minéralisation nette simulée, ce qui va
limiter les rendements et les pertes à la rivière (6% de flux en moins), tout en
augmentant les flux de dénitrification de 25% et en diminuant les rendements de 2
q.ha−1 pour les blés d’hiver et de 4 q.ha−1 pour les cultures de printemps.
Une diminution de l’ordre de 17% des flux annuels d’azote à l’exutoire serait
associée à l’ensemble des mesures qui ont été implantées. Cette perte correspond
au cumul des améliorations de chaque aménagement, mais c’est l’enfouissement
retardé des pailles qui joue le rôle clef : il diminue la quantité de minéralisation
et diminue la consommation des plantes. ainsi, l’azote nitrique du sol est en
excés et est dénitrifié. Le niveau de minéralisation plus bas limite les pertes par
lixiviation, mais le stress azoté des plantes limite l’absorption. Il ya donc un excès
d’azote simulé qui est pris en charge par la dénitrification. Les pertes d’azote dans
l’environnement (pertes dans la rivière et par dénitrification) sont donc estimées à
33 kgN.ha−1.y−1 si aucune mesure n’avait été implantée contre 36 kgN.ha−1.y−1
après l’implantation de ces mesures. Le fait que la mesure ’retard à l’enfouissement
des pailles’ aurait augmenté la dénitrification serait à valider, et il est difficile
de conclure sur la valeur prédictive de ce type de résultat, l’incertitude dans la
modélisation de la dénitrification ayant été démontrée auparavant.
Des deux scénarios agricoles testés, le scénario d’implantation d’une CIPAN se-
rait le plus efficace avec une diminution des flux d’azote à l’exutoire de 18%, c’est
à dire une diminution moyenne de 6.2 mgNO−3 .l−1 de la concentration moyenne
annuelle. L’influence de cette implantation sur la minéralisation nette dans le sol
diminue la quantité d’azote lixivié en hiver, et n’aurait pas d’influence significative
sur les rendements des cultures d’hiver. L’impact le plus important est une dimi-
nution significative des rendements de la culture suivante estimée à 3 q.ha−1.an−1
138
3.4 Conclusion
pour un tournesol, dû à un stress azoté plus important lors de la croissance de la
culture.
La diminution des intrants de 10% des fertilisants azotés entrainerait une dimi-
nution de 13.8% des flux à l’exutoire, tandis que les rendements sont diminués de
3 q.ha−1.an−1 pour les blés d’hiver, et 1 quintal.ha−1.an−1 pour le tournesol.
La dénitrification et la minéralisation sont deux termes du bilan, estimés mais
non mesurés, et donc impossibles à valider directement. Les approches de modé-
lisations de TNT2 pour le cycle de l’azote dans le sol sont largement validées au
contexte agro-pédologique français. L’incertitude sur la simulation de la variabi-
lité temporelle de la minéralisation est plus faible que celle de la simulation de la
dénitrification. En effet, Les apporches de modélisation de la dénitrification neces-
sitent une phase de calibration sur des données de terrain. Ce processus n’a pas
été mesuré sur le site d’étude. Il serait donc intéressant de quantifier ce processus
à l’échelle du bassin versant et en suivant les saisons pour calibrer le module de
dénitrification de TNT2, basé sur NEMIS.
139
140
Chapitre 4
Changement d’échelle : del’échelle locale (Bassin versantd’Auradé) à l’échelle régionale(bassin versant de la Save)
L’utilisation de SWAT à l’échelle du bassin versant expérimental (3.3km2) a montré
certes les limites (voir le chapitre 2) et les incertitudes d’un tel modèle, mais son atout
principal est d’intègrer un module de rivière et de processus dans les cours d’eau
et une spatialisation simplifiée des données d’entrées spatiales lui permettant de
simuler les transferts de polluants à des échelles plus grandes que ce que nous avons
fait jusqu’à présent. De plus l’intérêt de son utilisation est qu’il a été testé sur une
petite surface représentative d’une grande région. L’appréciation de l’incertitude à
l’échelle fine des simulations des différents processus nous donnera un avis critique
sur son fonctionnement à plus large échelle. Nous voulons dans ce chapitre utiliser
le paramétrage de SWAT fait à l’échelle d’un bassin élémentaire pour les bassins
élémentaires de même caractéristiques (type pédologique et occupation du sol) qui
représentent près de 25 % du territoire de la Save, bassin de 1110 km2 dans lequel
le bassin d’Auradé est inscrit.
141
Changement d’échelle : de l’échelle locale (Bassin versant d’Auradé) à l’échelle régionale(bassin versant de la Save)
4.1 Le bassin de la Save à Larra
Le bassin de la save à Larra (Haute-Garronne) est un bassin versant qui s’étend
sur 1110 km2 dans les coteaux de Gascogne. La rivière Save qui le draine prend sa
source au pied du plateau de Lannemezan (dans le Sud-Ouest de la France) à une
altitude de 600m, et se jetant dans la Garonne, rive gauche, après 140 km de trajet
linéaire avec une pente moyenne de 3.6% .
4.1.1 Pédologie et géomorphologie
Le bassin versant est composé d’une formation géologique issue de l’érosion des
Pyrénées, et constituant une épaisse formation détritique du Miocène. Des vallées
étroites se sont creusées dans ces dépôts de molasse avec la chenalisation des
rivières tout en formant des terrasses d’alluvions caillouteuses.
La carte 4.1 est tirée d’un travail de compilation entre les données d’une carte
pédologique de la Compagnie d’Aménagement des Coteaux de Gascogne (CACG)
faite dans les années 1960 (faite au 1/80 000 à partir de relevés de terrain au
1/50 000) avec la carte régionnale Midi-Pyrénées (CRAMP-CACG au 1/500 000).
Ces cartes montrent l’hétérogéneité spatiale de la morphologie du bassin, composé
pour une grande partie de coteaux accidentés, de terrasses anciennes découpées en
amont et de basses plaines d’alluvions correspondant à l’emplacement de la rivière
actuelle. La pédologie qui y est présentée est simplifiée par soucis de clarté : toutes
les classes de sol n’apparaissent pas, une seule classe majoritaire par type géomor-
phologique a été choisie. Des coteaux peu à moyennement accidentés dans lequel
se situe le bassin versant d’Auradé sont représentés très largement par un type
de sol classifié R212, correspondant à un sol brun calcaire, dit Terrefort, dont les
caractéristiques hydrodynamiques et agronomiques sont décrites dans nos bases
de données de paramétrage de SWAT. De même les coteaux accidentés du sud sont
représentés largement par le type de sol R520, calcaires sur pentes fortes. La plaine
alluviale de la Save est composée d’une dominante des sols R131, composés d’al-
luvions calcaires récentes et profondes où on peut s’attendre à avoir une nappe
alluviale. Les autres zones sont beaucoup plus hétérogènes, notamment les ter-
rasses anciennes en amont du bassin où aucune classe pédologique dominante ne
se démarque. Ces observations sont interessantes pour hiérarchiser l’importance
des données spatiales nécessaires à SWAT pour sa mise en oeuvre.
142
4.1 Le bassin de la Save à Larra
Rivières
R131
R212
R322
R328
R332
R520
BASSES PLAINES D'ALLUVIONS RECENTES
COTEAUX ACCIDENTES
COTEAUX ACCIDENTES SUR MOLASSE ACIDE ARGILEUSE OU ARGILE-CAILLOUTEUSE
COTEAUX PEU A MOYENNEMENT ACCIDENTES
COTEAUX PEU ACCIDENTES ET GLACIS SUR MOLASSE ARGILEUSE
HAUTES TERRASSES ANCIENNES DECOUPEES
TERRASSES D'ALLUVIONS ANCIENNES
TERRASSES PLANES D'ALLUVIONS ANCIENNES
Sous bassin versant
Toutes les autres valeurs16 classes de sols
Carte de géomorphologiesources
CEMAGREF Bordeaux
Carte de pédologiesource:
CEMAGREF Bordeaux
R9
FIGURE 4.1 – Géomorphologie et Pédologie des formations rencontrées sur le bassin dela Save. Sources Cemagref de Bordeaux, UR ADBX. Les classes pédologiques dominantesdans les zones géomorphologiques sont seules représentées par soucis de clarté. R131 :alluvions calcaires récentes ; R212 : Terreforts profonds (>40cm) ; R322,R332 : Boulbènesanciennes superficielles ; R328 : Sols brun ; R520 : Marno-calcaire pentes fortes ; R9 : profilmorpho-pédologique de molasse acide argileuse.
143
Changement d’échelle : de l’échelle locale (Bassin versant d’Auradé) à l’échelle régionale(bassin versant de la Save)
4.1.2 Occupation des sols
Le bassin versant de la Save est un bassin à dominante agricole (cf figure 1.2,
page 15), la forêt n’y représente que 15% des surfaces, avec une présence plus im-
portante dans les coteaux accidentés amont, sur les pentes les plus fortes. Deux
types de données sont disponibles pour caractériser l’agriculture qui y est prati-
quée. La figure 4.2 est tirée des travaux de Macary et al. [2006]; Lescot et al. [2009]
et montre 2 niveaux de lecture de l’utilisation agricole des sols du bassin versant :
deux grandes zones agricoles sont identifiées, la zone aval où il est cultivé majo-
ritairement du blé-tournesol, et la zone amont, plus fourragère, où l’élevage est
présent.
Ces zones sont très hétérogènes, comme le montre l’occupation du sol tirée
de l’analyse d’une image LANDSAT de 2005. Nous voyons clairement la rotation
blé/tournesol dominer la zone du même nom, avec l’alternance spatiale des deux
cultures correspondant à la rotation temporelle sur deux ans de ces cultures.
Nous voyons également l’hétérogéneité du paysage qui est constitué pour une part
de la SAU par de la prairie-fourrage, jachère, surface toujours en herbe etc. De
petites zones boisées dispersées sont remarquables sur cette carte de plus fine
résolution que Corine Land-Cover. Plus important, les zones de culture du maïs,
concentrées dans la plaine alluviale, proches de la rivière et qui correspondent à
la monoculture intensive de maïs irriguée, peu étendue mais caractéristique de
la région. La zone amont est, elle, encore plus hétérogène, à dominante prairie,
mais avec une polyculture élevage largement implantée qui explique les quelques
champs éparses de culture de blé, tournesol ou maïs, pour l’alimentation du bétail
ou encore pour la vente. Par soucis de clarté, la carte présentée est largement
simplifiée, la classe ’prairie’ regroupe 5 classes comportant des rotations culturales
intégrant de la prairie sur plusieurs années.
4.1.3 La zone d’étude
La zone d’étude de ce chapitre, où se situe le bassin versant d’Auradé, est la
zone aval, correspondant à la grande zone géomorphologique des coteaux peu à
moyennement accidentés, le type pédologique dominant étant le type R212, sol
brun calcaire. Elle correspond également à la zone agronomique homogène dans sa
dénomination, une dominance de la rotation blé-tournesol, mais hétérogène dans la
fragmentation de l’espace. La figure 4.3 présente un zoom de cette zone, montrant
144
4.1 Le bassin de la Save à Larra
BATI
BOIS
EAU
FOURRAGES
MAIS_BLE
TOURNESOL_BLE
Surface Toujours en Herbe
RivièreSous-bassin versant
Maïs
Forêt
Prairie
Tournesol
BATI
EAU
Blé d'hiver
±
0 10 205Kilometers
Occupation du sol, image landsat 2005source: Cemagref de Bordeaux
Grandes zones agricolessource: Cemagref de Bordeaux
FIGURE 4.2 – Occupation du sol du bassin versant de la Save : des grandes zones agricolesau parcellaire. Sources CEMAGREF de Bordeaux-UR ADBX.
145
Changement d’échelle : de l’échelle locale (Bassin versant d’Auradé) à l’échelle régionale(bassin versant de la Save)
Maïs
Forêt
Prairie
Tournesol
BATI
EAU
Blé d'hiver
±
0 6 123Kilometers
Occupation du sol, image landsat 2005source: Cemagref de Bordeaux
Bassin versant d'Auradé
FIGURE 4.3 – Occupation parcellaire de la zone Blé-Tournesol du bassin versant de la Save.Le parcellaire du bassin versant d’Auradé est calqué sur la base de données.
146
4.2 Les objectifs de simulation de la qualité du cours d’eau
la haute définition de la base de données agricole disponible. Les rotations sont
ici simples à identifier, parce qu’elles sont simples agronomiquement. L’alternance
spatiale blé/tournesol indique que si on inverse les couleurs, on obtient à peu de
choses près la carte d’occupation des cultures de l’année suivante. De la même
façon, la monoculture de maïs irrigué des plaines alluviale est facilement délimitée
par les techniques de télédétection. Le zoom montre l’emplacement du sous bassin
versant calculé par SWAT dans lequel s’inscrit le bassin versant d’Auradé. La base
de données agricole présentée ici est à quelque chose près à la même échelle que
la base de données parcellaire d’Auradé. Seuls les linéaires les plus étroits d’arbres
le long du cours d’eau (et les bandes de peupliers) n’apparaissent pas. Il est donc
interessant d’utiliser cette base de données très découpée en entrée de SWAT, au
moins pour cette zone.
4.2 Les objectifs de simulation de la qualité du cours d’eau
4.2.1 Chroniques hydrologiques, météorologiques et suivis de nitrate
Les données climatiques proviennent de stations de Météo France les plus re-
présentatives possibles du bassin versant de la Save. Cinq stations de pluie, dont
une à l’Isle Jourdain, à quelques km d’Auradé, et deux stations en amont du bassin
calculant l’ETP (Penman) en fonction des 4 paramètres journaliers : humidité re-
lative, température, rayonnement solaire global, vitesse du vent. Les données pour
calculer l’ETP sont disponibles à partir de 1994, date à partir de laquelle nous si-
mulons les flux d’azote dans la Save. L’évapotranspiration potentielle calculée par
le modèle est de 930mm par année simulée, la pluie de 711mm, pour la période
1994-2008.
Les données hydrologiques de débits journaliers sont disponibles pour l’exu-
toire de la Save à Larra (31, Haute-Garonne, sur la banque de données Hydro
http : //www.hydro.eaufrance.fr/). Des données de concentration en nitrates sont
disponibles à cet exutoire, données récoltées durant la thèse grâce à un protocole
similaire à celui mis en place à Auradé, avec préleveurs automatiques, sondes et
prélèvements hebdomadaires. Les données résultent des analyses de concentration
en nitrates des échantillons d’eau prélevés.
147
Changement d’échelle : de l’échelle locale (Bassin versant d’Auradé) à l’échelle régionale(bassin versant de la Save)
FIGURE 4.4 – Itinéraire technique entré dans SWAT pour la monoculture de maïs. Lesquantités d’intrants sont en kg/ha de produits commerciaux.
4.2.2 Bases de données d’itinéraires techniques agricoles
Des rotations culturales et des itinéraires techniques moyens associés à chaque
occupation du sol ont été fourni par le Cemagref de Bordeaux (UR ADBX) dans le
cadre du projet LIFE européen ’Concert’eau’ pour les types de rotation culturale
définies par une image LANDSAT (2005). Dans ce chapitre, nous nous intéressons
à la seule zone Tournesol-Blé. Les figures 4.4 et figures 4.5 indiquent les doses
moyennes de fertlisants azotés pour les rotations majoritaires de la zone tournesol
blé. La figure 4.5 montre également que les deux zones ’tournesol’ et ’blé d’hiver’
sont prises en compte dans les entrées du modèle en opposition : l’année de semis
du tournesol pour une zone correspond à l’année d’implantation du blé d’hiver pour
la deuxième zone.
4.3 Paramétrage de SWAT
Cette partie compare les réponses hydrologiques, en terme de débit, des diffé-
rents calages des principaux paramètres hydrologiques. Les comparaisons se font
sur le sous-bassin versant d’Auradé et le bassin de la Save à Larra.
148
4.3 Paramétrage de SWAT
FIGURE 4.5 – Itinéraire technique entré dans SWAT pour les deux zones blé-tournesol. Lesquantités d’intrants sont en kg/ha de produits commerciaux.
149
Changement d’échelle : de l’échelle locale (Bassin versant d’Auradé) à l’échelle régionale(bassin versant de la Save)
Nous allons dans cette partie adopter la terminologie suivante : SWATaur pour
parler du calage de SWAT sur Auradé présenté dans le chapitre 2, SWATsav pour
le calage global de SWAT sur la Save présenté dans ce chapitre. Un autre calage
est testé pour montrer l’intérêt de la modélisation des transferts d’eau et d’azote à
l’échelle d’Auradé : SWATsavmodif pour lequel nous fixons les paramètres de sols
et de nappe avec la valeur moyenne calibrée sur Auradé. 25 sous-bassins versants
correspondant au contexte agro-pédologique d’Auradé sont concernés, correspon-
dant à 25% de la surface du bassin de la Save. La figure 4.6 montre l’emplacement
de ces bassins. Ils sont sélectionnés car faisant partis de la même zone géomorpho-
logique dont le type pédologique est homogène et l’occupation du sol principalement
composé de la succession culturale blé-tournesol.
4.3.1 Option SWAT : Dominant Landuse
L’utilisation des données pédologiques et d’occupation du sol les plus détaillées
présentées dans la partie précédente impose un découpage spatiale trop important
dans SWAT : plus de 5000 HRUs sont calculées, ce qui n’est plus soutenable par
les serveurs actuels de calcul du laboratoire. L’option ’Dominant Landuse’ de SWAT
permet, dans ce genre de situation, de sélectionner la HRU dont la surface est la
plus grande dans chaque sous-bassins. Des 5000 HRUs, nous obtenons 91 HRUs,
correspondant au nombre de sous bassins. Le résultat en terme de variabilité spa-
tiale de l’occupation du sol est présenté dans la figure 4.7. Cette technique est loin
d’être satisfaisante pour la problématique nitrate, mais cette simplification de l’oc-
cupation du sol permet de manipuler plus facilement les résultats de simulation.
Nous avons été obligé de procéder à cette simplification pour obtenir les résultats
de simulation de ce chapitre, mais nous pensons qu’il ne faut pas se contenter de
cette simplification de l’occupation du sol pour les simulations futures.
4.3.2 Calage des débits
Le calage global des débits journaliers s’est fait par rapport à la base de données
hydrologique 1994-2008 à l’exutoire de la Save. La figure 4.8 montre que le calage
SWATsav n’est pas optimisé, de nombreux pics de crues ne sont pas simulés, et
généralement les intensités sont sous-estimées. Il est pourtant difficile de régler
ce problème sans prendre mieux en compte l’hétérogénéité minimale des sols et
occupation de sol des bassin versants. Nous reviendrons sur la courbe des débits
SWATsavmodif dans la partie 4.3.5.
150
4.3 Paramétrage de SWAT
0 10 205Kilometers
Sous-bassin d'Auradé
Sous-bassins modifiés
Sous-bassins non modifiés
¯
FIGURE 4.6 – Sous-bassins versants utilisés pour appliquer le calage SWATaur des sols etnappe.
FIGURE 4.7 – Impact de la spatialisation des occupations du sol de l’option Dominantlanduse dans SWAT.
151
Changement d’échelle : de l’échelle locale (Bassin versant d’Auradé) à l’échelle régionale(bassin versant de la Save)
050100
150
200
250
01/07/1994
01/01/1995
01/07/1995
01/01/1996
01/07/1996
01/01/1997
01/07/1997
01/01/1998
01/07/1998
01/01/1999
01/07/1999
01/01/2000
01/07/2000
01/01/2001
01/07/2001
01/01/2002
01/07/2002
01/01/2003
01/07/2003
01/01/2004
01/07/2004
01/01/2005
01/07/2005
01/01/2006
01/07/2006
01/01/2007
01/07/2007
01/01/2008
01/07/2008
Débits journaliers en m3/s
Déb
its o
bser
vés
Déb
its s
imul
és S
WA
Tsav
mod
ifD
ébits
sim
ulés
SW
ATs
av
FIG
UR
E4.8
–D
ébit
sjo
urn
alie
rssi
mu
lés
etob
serv
ésà
l’exu
toir
edu
bas
sin
vers
ant
de
laS
ave
àLar
ra.
Les
sim
ula
tion
sde
SW
AT
son
tfa
ites
avec
l’opti
on’D
omin
ant
Lan
du
se’.
Le
cala
geS
WA
Tsa
vet
SW
ATsa
vm
odif
son
tco
mpar
ésau
xdon
née
sob
serv
ées.
152
4.3 Paramétrage de SWAT
Le cumul des débits présentés est supérieur de 4% aux cumuls des débits ob-
servés sur la permière période (1994-2001) et inférieur de 12% sur la période 2001-
2008.
4.3.3 Débits simulés sur le sous-bassin d’Auradé
La figure 4.9 montre les débits simulés par SWATsav dans le sous-bassin conte-
nant Auradé comparé aux débits simulés par SWATaur. Deux différences ma-
jeures apparaissent. D’abord, chaque reprise d’écoulement s’accompagne d’un re-
tard dans l’augmentation des débits avec SWATsav par rapport à SWATaur. Cela
indique que la réserve utile sur ce sous-bassin est plus importante que la réserve
utile moyenne de la totalité des HRUs de SWATaur. Cette hypothèse est confirmée
par la figure 4.10 qui montre que le maximum de réserve utile est aux alentours de
255mm pour SWATsav et de seulement 160mm pour SWATaur.
Ensuite, toutes les périodes de fort écoulement sont sous estimées par rapport
à SWATaur. La forme des récessions n’est pas la même également car les coefficient
GW−delay et ALPHA−BF ne sont pas les mêmes que ceux obtenus avec le calage se
SWAT sur les données d’Auradé. Au total, la contribution du sous-bassin versant
à la Save est sous-estimée largement par rapport à ce que nous connaissons de
l’hydrologie du bassin versant d’Auradé.
153
Changement d’échelle : de l’échelle locale (Bassin versant d’Auradé) à l’échelle régionale(bassin versant de la Save)
0
0.2
0.4
0.6
0.81
1.2
1.4
1.6
1.8
01/0
1/19
9501
/01/
1996
31/1
2/19
9631
/12/
1997
31/1
2/19
9831
/12/
1999
30/1
2/20
00
Débits journaliers en m3/s
Déb
it S
WA
Taur
Déb
it S
WA
Tsav
mod
ifD
ébit
SW
ATs
av
FIG
UR
E4.9
–D
ébit
sjo
urn
alie
rssi
mu
lés
par
SW
ATsa
vet
SW
ATau
rà
l’exu
toir
edu
sou
s-bas
sin
vers
ant
con
ten
ant
Au
radé.
Les
sim
ula
tion
sde
SW
AT
son
tfa
ites
avec
l’opti
on’D
omin
ant
Lan
du
se’.
Un
em
odifi
cati
ondes
par
amèt
res
hyd
rolo
giqu
esdes
sols
etde
lan
appe
est
fait
een
fon
ctio
ndu
cala
geS
WA
Tau
rpou
rvé
rifier
l’am
élio
rati
ondes
sim
ula
tion
sS
WA
Tsa
vmod
if.
154
4.3 Paramétrage de SWAT
4.3.4 Utilisation des paramètres hydrologiques de SWAT sur le sous-bassin contenant Auradé
Nous avons donc effectué un test en appliquant les valeurs des paramètres sol
et nappe les plus sensibles trouvées pour SWATaur. Le résultat sur les débits est
montré par la courbe bleue de la figure 4.9. Nous améliorons les récessions, plus
longues, le débit reste supérieur à 0. Les reprises d’écoulement sont un peu plus
fortes, mais restent limitées, les ruissellements sont un peu moins sous estimés.
La courbe bleue de la figure 4.10 montre que le nouveau calage testé permet de
ramener le niveau de réserve utile au niveau SWATaur. Les différences qu’il reste
entre la courbe SWATsavmodif et SWATaur pour les débits sont certainement dû à
l’hétérogénité spatiale décrite dans SWATaur, notamment pour les bilans hydriques
associés à la couverture du sol. Bien entendu, ce changement de paramètre pour
le seul sous-bassin versant contenant Auradé, de 500ha, n’a pas changé les débits
à l’exutoire du bassin versant de la Save.
En appliquant ce jeu de paramètres à tous les bassins versants de la zone blé-
tournesol des coteaux accidentés, de taille comparable à celui d’Auradé, situé en
partie amont des coteaux (figure 4.6), les débits à l’exutoire de Larra ne sont que
très peu perturbés. La variation de la lame d’eau cumulée sur la période 1994-2001
est de moins de 4.5%, pour une augmentation de la lame d’eau cumulées de près
de 19% sur le bassin d’Auradé par exemple.
Ce test reste insuffisant puisque la lame d’eau annuelle simulée à la sortie du
sous-bassin d’Auradé est encore sous-estimée de 27% après la rectification SWAT-
savmodif.
4.3.5 Dynamique des débits de la Save à Larra
Bien que les bilans d’eau ne changent pas de manière significative, les dyna-
miques de débits à l’exutoire de la Save sont perturbées par ce changement de
paramétrage des bassins versants types Auradé. En effet, la figure 4.9 montre qu’il
y a une contribution significative des bassins versants modifiés lors de nombreux
événements pluvieux, générant des pics de crue correspondant aux observations
et qui ne sont pas simulées par le calage global SWATsav. Cette part contributive
d’écoulements rapides venant de ces coteaux n’est pas négligeable à l’exutoire de la
Save pour ces jours là.
155
Changement d’échelle : de l’échelle locale (Bassin versant d’Auradé) à l’échelle régionale(bassin versant de la Save)
0
50
100
150
200
250
300
15/06/1994 28/10/1995 11/03/1997 24/07/1998 06/12/1999 19/04/2001 01/09/2002
Lam
e d'
eau
en m
m
Reserve Utile SWATsavReserve Utile SWATaurSWATsavmodif
FIGURE 4.10 – Réserve utile journalière simulée par SWATsav et SWATaur à l’exutoire dusous-bassin versant contenant Auradé. Les simulations de SWAT sont faites avec l’option’Dominant Landuse’. Une modification des paramètres hydrologiques des sols est faite enfonction du calage SWATaur pour vérifier l’amélioration des simulations SWATsavmodif.
156
4.3 Paramétrage de SWAT
TABLE 4.1 – Bilans annuels d’azote sur le bassin versant de la Save et d’Auradésimulé par SWATsav.Nitrogen budget kgN.ha−1.an−1 Save AuradéAzote de la pluie 7 7Mineral fertilizer 63 75minéralisation 47 62Consommation des plantes 76 104Dénitrification 32 25pertes au ruisseau 8.7 13.5δ stock 0 1.5
4.3.6 Vérification du bilan d’azote
La contribution à l’écoulement de la zone Tournesol-Blé d’après le calage global
SWATsav et rectifié SWATsavmodif est sous-estimée par le calage hydrologique,
puisqu’on sous-estime globalement les écoulements à Auradé. Qu’en est il du cycle
de l’azote agricole, avec l’expertise que l’on peut tirer de la modélisation sur Auradé ?
Pour faire varier le niveau de pertes azotées, le paramètre CMN est utile, car il
joue sur l’intensité de la minéralisation. Par contre il est défini pour tous les sous
bassins versants. Un jeu de paramètre est choisi pour avoir les bilans résumés dans
la table 4.1. Nous arrivons à caler un bilan correspondant au bilan agronomique
estimé du chapitre 2. Les principales différences sur Auradé sont un niveau de
fertilisation plus faible et un niveau d’utilisation de l’azote minéral par les plantes
plus faible aussi. La lixiviation à Auradé correspond à ce que nous connaissons de
ce contexte agro-pédologique. Le bilan sur la Save est largement marqué par la pré-
sence forte de prairies dans l’occupation globale des sols associée à une lixiviation
moins importante que dans les zones de culture. La simplification de l’occupation
du sol pour utiliser le modèle donne beaucoup d’importance à ce type de rotation
fourragère (voir la figure 4.7).
La figure 4.11 présente les résultats en terme de concentration à l’exutoire de
la Save à Larra, simulée. Nous pouvons noter qu’à part les deux premières années
généralement utilisées pour initialiser le modèle, la gamme de variation des concen-
trations simulées correspond à la gamme mesurée. La dynamique de variation est
elle aussi réaliste. On ne peut pourtant pas conclure par rapport à la courte période
de données disponibles.
157
Changement d’échelle : de l’échelle locale (Bassin versant d’Auradé) à l’échelle régionale(bassin versant de la Save)
0
5
10
15
20
25
30
35
40
45
50
01/0
7/94
01/0
7/95
01/0
7/96
01/0
7/97
01/0
7/98
01/0
7/99
01/0
7/00
01/0
7/01
01/0
7/02
01/0
7/03
01/0
7/04
01/0
7/05
01/0
7/06
01/0
7/07
01/0
7/08
Con
cent
ratio
ns e
n m
gN/l
données observéesdonnées simulées SWATsavmodif
FIGURE 4.11 – Concentrations simulées à l’exutoire de la Save par le calage SWATsavmodifpour les 24 sous-bassins avals représentatifs des conditions agro-pédologiques d’Auradé.Les simulations sont faites d pour la période 1994-2008, les données observées sont dis-ponibles à partir de fin 2006.
158
4.4 Intérêt du changement d’échelle
4.4 Intérêt du changement d’échelle
4.4.1 La contribution des sous-bassins
Nous avons vu que les débits du sous-bassin versant d’Auradé sont sous-
estimés. L’utilisation de paramètres hydrologiques semblent améliorer la dyna-
mique des débits, ainsi que la hauteur de lame d’eau écoulée, même si cela reste
insuffisant. De plus, le bilan agronomique semble expliquer une bonne partie des
transferts de nitrates dans la rivière. La concentration simulée est donc forte à
l’exutoire de ce sous-bassin. Après recalibration des paramètres des 25 sous-
bassins versants, les débits à l’extoire de la Save à Larra sont marqués par de fortes
contribution de ces parties du bassin lors des évènements de crue. Ces évènements
ont alors une importance sur la qualité du cours d’eau ces jours là. Les contribu-
tions à l’écoulement à l’exutoire provenant des zones amont fourragères où est si-
mulé peu de lixiviation et les contributions des ces zones de coteaux blé/tournesol
se mélangent pour former la masse d’eau qui s’écoule à l’exutoire à Larra. Une
bonne calibration de cette contribution des coteaux semble donc essentielle pour
simuler correctement la variation de concentration en nitrate et de débits à l’exu-
toire de la Save.
4.4.2 Vers une meilleure simulation
Il semble que pour l’utilisation des paramètres hydrologiques de SWATaur sur
les 25 sous-bassins a permis de simuler des évènements pluvieux qu’un calage
global n’a pas réussi à modéliser, mettant en évidence la contribution de ces zones
aux débits à l’exutoire de la Save à Larra. De plus, cette contribution est encore
sous-estimée : la lame d’eau écoulée est trop faible, et certains évènements sont
sous-estimés voire non simulés à l’échelle du sous-bassin (cf figure 4.9). On peut
imaginer alors que les nombreux pics de crue non simulés ou sous-estimés dans
les débits à l’exutoire de la Save à Larra (cf figure 4.8) peuvent être améliorés si on
améliore la modélisation à cette échelle.
Les concentrations peuvent avoir une gamme de valeur à l’exutoire du bassin
général cohérente avec les mesures : les faibles drainages des zones blé tournesol
sont concentrés en azote puisque les flux d’azote à la rivière correspondent aux
mesures. Mais, mis à part les jours de forte contribution des coteaux étudiés, les
fortes concentrations simulées avec cette faible lame d’eau sont diluées dans les
159
Changement d’échelle : de l’échelle locale (Bassin versant d’Auradé) à l’échelle régionale(bassin versant de la Save)
volumes d’eau bien supérieurs de la Save. Ces jours de forte contribution vont par
contre expliquer une concentration très forte simulée à l’exutoire.
4.5 conclusion
Cette expérimentation virtuelle montre l’intérêt d’utiliser : l’expertise du fonc-
tionnement d’un petit bassin versant appartenant à une région homogène d’un
point de vue hydrologique, géomorphologique, pédologique et agronomique et un
modèle type SWAT à une échelle locale. Ceci nous a permis d’identifier les proces-
sus dominants à l’échelle du petit bassin versant et de calculer un bilan hydrique
et agronomique moyen représentatif des bassins versants. Cela nous apporte aussi
une identification des paramètres du modèle importants et l’utilisation des valeurs
calibrées à l’échelle locale pour spatialiser ces paramètres suivant les régions ho-
mogènes.
L’hypothèse que les sous-bassins sélectionnés ont la même réponse semble fon-
dée, car les caractéristiques du substrat et de la pression agricole semblent les
mêmes. De plus, comme les informations spatiales en entrée du modèle sont simpli-
fiées, le même type d’informations pédologiques et agronomiques sont renseignées.
Seul le climat varie entre ces bassins. Ils sont donc simulés de la même façon. Mais
la question reste : peut-on comparer le bilan estimé par le travail du chapitre 2 sur
le bassin versant d’Auradé, site expérimental suivi depuis 20 ans par l’association
des agriculteurs d’Auradé pour réduire la fertilisation et les pratiques à risque, et
celui de ses voisins ?
Même si le calage SWATsavmodif a apporté une amélioration dans la simulation
des bilans hydriques de la zone tournesol/blé, les lames d’eau restent sous-
estimées dans ces sous-bassins. Seuls, les paramètres hydrologiques n’améliorent
qu’en partie l’hydrologie du bassin. L’évapotranspiration de ces zones là sont
surestimées. Il faut peut-être aller chercher la cause dans l’occupation simplifiée
du sol qui est décrite en entrée des modèles.
Il est intéressant de mieux paramétrer et simuler les flux d’eau à l’exutoire de ces
sous-bassins, afin d’augmenter la performance des simulations de la quantité de
l’eau à l’exutoire du bassin de la Save. Cette zone agricole est en effet une zone qui
contribue le plus à la perte d’azote dans la rivière, avec 13.5kgN.ha−1.an−1 contre
8.7kgN.ha−1.an−1 pour la moyenne de la Save. Et nous savons que les transferts en
160
4.5 conclusion
période de crue ne sont pas négligeables dans ce contexte, avec de fortes concen-
trations et de forts débits pendant ces évènements. Donc, les jours de contribution
de ces eaux aux débits à l’exutoire de la Save risquent d’être marqués par de fortes
concentrations, de l’ordre de 10mgN.l−1, alors que les débits d’étiage présentent des
concentrations aux alentours de 2mgN.l−1.
Pour tenter d’améliorer encore les simulations de transfert d’eau et d’azote
dans la Save, un autre découpage devrait être envisagé, utilisant sur la zone
blé/tournesol un seul type de sol, paramétré selon le calage fait à Auradé, utilisant
l’occupation du sol précise présentée dans la figure 4.2. Le niveau de précision de
l’occupation du sol devrait permettre de mieux prendre en compte le couvert végétal
pour simuler l’évapotranspiration réelle, et donc simuler les bons débits. Le para-
mètre ESCO, paramètre d’ajustement de l’évaporation du sol, est souvent cité dans
la littérature pour compenser une faible evapotranspiration simulée, mais il a le
défaut d’être appliqué à la totalité du bassin, permettant de caler le bilan hydrique
globalement.
Les transferts d’azote peuvent être améliorés également si on estime mieux les
surfaces fertilisées dans les sous-bassins.
161
162
Chapitre 5
Conclusions générales etperspectives
Les chapitres précédents présentent la variabilité des transferts de nitrate à
différentes échelles pour étudier l’impact de l’agriculture sur les pollutions azotées
des rivières de bassins versants agricoles :
– l’échelle infra journalière (la variable [NO−3 ] dans le ruisseau)
– l’échelle saisonnière (cycle de l’azote agricole, variation des flux d’azote jour-
naliers)
– l’échelle inter-annuelle (variation des bilans hydriques et azotés sur 15 ans)
L’échelle spatiale choisie est le petit bassin versant pour la raison évidente que la
maîtrise des paramètres controllant les transferts d’azote est grande, et l’incerti-
tude sur les données d’entrées limitée. De plus, l’échelle du petit bassin versant
permet d’échantillonner les pertes de nitrates du système agricole car le vecteur
majoritaire est la rivière.
L’utilisation d’une sonde nitrate pour mesurer la concentration en continue
montre la grande variabilité des concentrations en nitrate dans ce contexte agricole
dominant, avec des transferts rapides et une nappe souterraine réduite. Les
événements hydrologiques de printemps et d’automne expliquent une partie non
négligeable des pertes d’azote : 18% pour les quatre crues majeures, et 33% du
total des flux de la période suivie pour l’ensemble des événements hydrologiques.
Ces chiffres sont certainement inférieurs par rapport à une année hydrologique
moyenne, puisque la période d’étude (2006-2008) a été très sèche (-32% en 2007
et -17% de déficit hydrologique en 2008). L’intérêt de ce suivi en continue des
163
Conclusions générales et perspectives
concentrations est de connaître la fréquence d’échantillonnage optimale en fonction
de la variabilité du signal.
Pour modéliser les flux d’azote à cette échelle temporelle fine et l’échelle spatiale
du petit bassin versant, il faut pouvoir décrire à une échelle temporelle adaptée
les transferts d’eau. En d’autre termes, simuler en fonction de l’intensité de la
pluie, de l’état de surface des sols, des chemins préférentiels de l’eau et de la
microtopographie le ruissellement et la vitesse de transfert des eaux de surface.
Lors d’un événement pluivieux, ces transferts arrivent peu concentrés en nitrate
dans la rivière, expliquant les pics de dilution observés, plus ou moins importants
en intensité ou dans la durée. Des modèles comme MHYDAS [Moussa et al., 2002]
développé au sein de l’UMR Lisah de l’INRA de Montpellier ont un formalisme
permettant de décrire les objets spatiaux tels que les fossés ou drains pour simuler
les chemins préférentiels de l’eau.
Ces données suplémentaires de description du terrain sont essentielles pour
simuler les régimes d’écoulements dans la rivière. Les données acquises durant
cette thèse peuvent être utilisées pour modéliser ces variations temporelle infra
journalière puisqu’une station météo a été installée en 2007 sur le bassin versant
d’Auradé calculant des données ETP et pluviométriques semi-horaires. Un travail
de recensement des talwegs, drains et fossés, avec l’apport des cartes d’humidité
calculée par TNT2 pourraient alimenter ce genre de modèle.
L’intérêt d’une telle modélisation n’est pas d’améliorer la prédiction des ten-
dances étudiées dans le cadre du sujet de thèse. Les tendances à long terme ne
sont pas influencées de manière significative par ces processus hydrologiques.
Mais c’est de se doter d’un outil qui est capable de simuler les transferts rapides
en crues de molécules agricoles mobiles comme le nitrate. Cet outil peut être une
référence pour d’autres molécules mobiles agricoles tels que certaines molécules
pesticides. En effet les transferts de ce type de molécules se font généralement pen-
dant les périodes de crue et ne peuvent être modélisés qu’à une échelle temporelle
fine. De plus, les données de turbidité de la sonde pour la même période d’étude
n’ont pas été exploitées mais peuvent permettre de caler un modèle d’érosion, pour
la même problématique de transferts de molécules agricoles fixées.
164
Conclusions générales et perspectives
La deuxième partie du travail a consisté à utiliser des modèles existants de
transfert et transformation de l’azote dans les agro-hydrosystèmes sur le bassin
versant d’auradé en utilisant les bases de données hydrologiques et climatiques
historiques (1985 à 2001). Ces types de modèles sont en effet largement utilisés
dans les projets scientifiques d’étude des pollutions diffuses agricoles sur la qualité
de l’eau de rivière. Deux modèles ont été choisis, TNT2 et SWAT. Ils ont pour même
objectif de simuler la croissance des plantes en fonction des itinéraires techniques
agricoles en fonction des propriétés hydrologiques des sols et du climat, ainsi que
les transferts d’eau et de nitrates à l’échelle du bassin versant.
Les approches de modélisation sont différentes, SWAT est semi-distribué, il si-
mule les processus agronomiques et hydriques à l’échelle d’unités spatiales ho-
mogènes, nommées HRUs (Hydrological Response Units). Les HRUs ne sont pas
spatialisées à l’échelle du sous-bassins versants. Les flux d’eau et d’azote sont in-
tégrés par sous-bassins et pris en charge dans un réseau de tronçons de rivière
où les processus hydrologiques et biologiques sont intégrés. TNT2 est entièrement
spatialisé, et les calculs de transfert et transformation de l’azote se font à l’échelle
d’une maille, calculs dépendant des flux provenant des mailles amont connectées.
Les flux d’eau et d’azote résultant du transfert dans le versant sont pris en charge
par les mailles réseau (mailles principales les plus en aval et drainant le bassin
versant) pour calculer le débit et le flux journaliers à l’exutoire.
Les formalismes de modélisation des processus sont différents. Les processus
de ruissellement sont basés sur le calcul d’un rapport infiltration/ruissellement
dépendant du couvert végatale dans SWAT (approche des SCS curve number), alors
qu’un coefficient d’infiltration fixé pour chaque sol est disponible dans TNT2. Ainsi,
les événements hydrologiques correspondants aux ruissellements observés sur le
terrain sont mieux simulé par SWAT, même si les données journalières disponibles
ne permettent pas de prédire tous les évènements. Cette différence de simulation
de l’hydrologie journalière influence les concentrations simulées, mais ne modifie
pas les bilans agronomiques globaux à l’échelle du bassin versant.
La croissance des plantes est basée sur l’efficacité du rayonnement global jour-
nalier dans les deux modèles ainsi qu’un équilibre entre l’offre et la demande d’azote
minéral dans le sol. Les approches sont donc très similaires pour des résultats de
croissance et de prélèvement de nitrate comparables. Les deux processus majeurs
de transformation de l’azote dans le sol sont identifiés comme étant la minéralisa-
tion et la dénitrification. L’approche de modélisation pour ces processus est très
différente entre les deux modèles, TNT2 se base sur le formalisme de STICS qui
165
Conclusions générales et perspectives
simule la croissance de la biomasse microbienne dégradant les résidus de récolte
enfouis, tandis que SWAT simule une transformation de l’azote des résidus de ré-
colte à 80% vers la fraction minérale du sol et à 20% vers l’humus. Pour pouvoir
comparer l’effet de ces différentes approches dans la modélisation des transferts de
nitrate, nous avons utilisé les mêmes données d’entrées. Ainsi, les données spa-
tiales sont les mêmes dans les deux modèles.
La minéralisation simulée est maximale en automne pour TNT2 et presque nulle
en hiver, tandis que SWAT simule une contribution de la minéralisation tout au
long de l’année. L’enfouissement des résidus de récolte a un impact inverse dans
les deux modèles : TNT2 simule une organisation nette durant les jours qui suivent
l’enfouissement, tandis que SWAT simule une augmentation de la minéralisation
journalière qui diminue ensuite sur la moitié de l’année qui suit. La dénitrification
est la résultante de ce fonctionnement : elle intervient lorsque les conditions simu-
lées dans le sol sont suffisamment humides et qu’il y a un excès d’azote minéral.
Elle est donc maximale en automne avec TNT2 et en hiver avec SWAT. Le processus
est décalé dans les deux modèles.
Le bassin versant est donc modélisé de manière différente, les dynamiques si-
mulées sont opposées, mais on obtient, par des techniques classiques de calage des
modèles utilisés, les mêmes bilans d’azote annuels à l’échelle du bassin versant.
L’inter-calibration des deux modèles permettent d’avoir une meilleure appréciation
de l’incertitude de chacuns, ainsi qu’une possible critique des données d’entrée sur
cette longue période d’étude. Une conclusion de cette inter-comparaison est que le
modèle TNT2 permet de mieux simuler la variabilité saisonnière et interannuelle
des bilans agronomiques, car la minéralisation simulée prend mieux en compte les
variations saisonnières et climatiques. Il est donc adapté pour tester l’impact de
scénarios agricoles imaginés ou déjà mis en place sur le bassin, scénario qui vise
à contrôler l’excès de nitrates dans le sol après la récolte des cultures. Le mauvais
fonctionnement hydrologique du modèle TNT2 en terme de transferts rapides a
été démontré, donc nous travaillerons sur les bilans d’azote annuels à l’échelle du
bassin versant.
La troisième partie présente l’utilisation de TNT2 à l’échelle du bassin versant
d’Auradé pour simuler l’impact des scénarios agricoles imaginés dans ce contexte
agronomique. Le problème de la quantité de nitrate agricole drainée par la rivière est
un sujet abordé depuis longtemps. Le fabriquant d’engrais azoté, AZF (aujourd’hui
166
Conclusions générales et perspectives
GPN-TOTAL) a équipé le bassin en 1985 pour établir le lien entre les fertilisants
agricoles et l’évolution de la concentration dans la rivière.
Les mesures de concentration infra-journalière montrent la contribution, à cer-
taines périodes, d’écoulements rapides de l’azote disponible dans le sol par écoule-
ment latéral ou réessuyage des sols agricoles. Plus généralement, l’excès de nitrate
du système sol est drainé en partie par la rivière, qu’il passe par des écoulements
lateraux rapides ou par lessivage dans la nappe. Les périodes sensibles pour le
départ de l’azote par écoulement latéral sont observées durant les évènements hy-
drologiques majeurs de printemps, lorsque les fertilisations sont appliquées, et en
automne, lorsque la récolte a supprimé tout couvert végétal, que les cultures de
printemps non récoltées sont matures et ne prélèvent plus d’azote pour leur crois-
sance. De plus, le niveau de concentration des écoulements de base est important
(entre 8 et 9 mgN.l−1), indiquant que la contribution de la nappe est majeure.
L’utilisation de TNT2 ne permettra pas de tester des scénarios agricoles sur
ces transferts rapides d’azote, puisqu’il ne simule pas les transferts lateraux de
nitrates observés. Il peut par contre tester l’impact d’occupation du sol ou de
pratiques limitant les périodes d’excès d’azote sur le lessivage dans la nappe et sur
les flux annuels d’azote à l’exutoire.
Les scénarios majeurs envisagés sont de deux types :
– les mesures agro-environnementales implantées historiquement à partir de
1992 sur le bassin
– deux scénarios agricoles imaginés par les agronomes pour diminuer la quan-
tité d’azote minéral dans le système
Une demande d’évaluation environnementale des actions financées et mises en
place sur le terrain a guidé notre choix de modéliser les types d’aménagements
suivant :
– retard de l’enfouissement des pailles de juillet à octobre
– mise en place de bandes enherbées protectrices de 5 mètre le long des cours
d’eau et fossés
– mise en place de linéaires de peupliers en fond de valon et partageant de
grandes parcelles
L’efficacité des mesures agro-environnementales est évaluée sur la seule base des
transferts d’azote sur le bassin, les autres avantages, qu’ils soient dans la structure
du paysage ou pour la lutte contre la pollution d’autres molécules agricoles ne sont
pas pris en compte dans cette évaluation.
167
Conclusions générales et perspectives
L’enfouissement retardé des pailles est la mesure qui a permis le plus de di-
minuer les flux puisqu’il limite le niveau global de minéralisation. Mais si on rai-
sonne sur la base des pertes azoté dans l’environnement, l’enfouissement retardé
des pailles entraine certe une diminution des flux de 6% à la rivière, mais aug-
mente la dénitrification de 25%. Les pertes totales à l’environnement sont estimées
à 33 kgN.ha−1.y−1 si aucune mesure agro-environnementale n’avait été implan-
tée contre 36.65 kgN.ha−1.y−1 lors de l’implantation de ces mesures. Ces résultats
sont à nuancer face au peu d’expertise que l’on a du processus de dénitrification à
l’échelle du bassin versant.
Le changement d’occupation du sol n’a que peu d’impact sur le bilan de l’azote,
les surfaces concernées étant faibles. Le cumul des mesures permet d’atteindre un
abattement annuel d’environ 17%. Le scénario de Culture Intermédiaire Piège à Ni-
trate simule un abattement du même ordre de grandeur qui s’ajoute à l’abattement
déjà en place de ces mesures. Pour comparaison, la diminution générale de 10%
de la fertilisation azoté entraine une diminution de 13.8% des flux annuels à l’exu-
toire. Mais cela s’accompagne d’une perte de rendement pour toutes les cultures
(hiver comme printemps), alors qu’on simule une diminution du rendement pour le
seul tournesol avec l’implantation de CIPAN.
Les incertitudes de cette modélisation spatialisée sont limitées à l’importance
relative des processus de minéralisation et de dénitrification. Le degré de confiance
accordé à la variabilité temporelle de la minéralisation simulée est grand puisque
nous utilisons un modèle générique largement validé pour les contextes agro-
nomiques français. Cette variabilité joue un rôle essentiel dans l’évaluation de
l’efficacité du scénario CIPAN. Par contre, la dénitrification n’a jamais été mesurée
sur le terrain. Pour calibrer le module de dénitrification de TNT2, basé sur NEMIS,
il faudrait pouvoir effectuer une campagne de mesures de la dénitrification dans le
temps et l’espace. Ceci permettrait d’améliorer le présent travail pour conclure sur
le calage fait du bilan d’azote du modèle, et donc de la sensibilité des scénarios.
L’utilisation des paramétrages de SWAT appliqué à Auradé pour caractériser des
sous-bassins versant découpés dans le bassin de la Save a montré l’intérêt de la
connaissance de la petite échelle pour évaluer la qualité des simulations à large
échelle. Les coteaux, dont fait parti Auradé, sont une zone de contribution aux
écoulements à l’exutoire de la Save pour certains évènements pluvieux.
168
Conclusions générales et perspectives
Ce travail a donc précisé l’effet de plusieurs facteurs clefs qui contrôlent les
flux de nitrates à la rivière dans les bassins versants agricoles. Les approches de
modélisations doivent être choisies en fonction des objectifs :
– une simulation fine des concentrations dans la rivière nécessitent des modèles
et données à l’échelle infra-journalières
– une simulation de scénarios agricoles nécessite des modèles dont le fonction-
nement des processus perturbés par les scénarios sont correctement simulés
– une simulation à grande échelle de l’impact de l’agriculture sur la qualité de
l’eau de rivière nécessite des modèles bassin versant intégrant les grandes
échelles et des modules de calcul dans la rivière. Le paramétrage agro-
hydrologique ne peut se passer d’une discrétisation des données d’entrées
importante pour simuler correctement les processus de transferts suivant les
agro-hydrosystèmes modélisés.
L’utilisation de ces modèles nous a permis de vérifier certaines hypothèses et de
répondre à des attentes des acteurs locaux. Les outils sont loin d’être parfaits mais
apportent un éclairage qui se veut objectif, pour des enjeux environnementaux
locaux cruciaux.
169
170
Bibliographie
Abbaspour, K., J. Yang, I. Maximov, R. Siber, K. Bogner, J. Mieleitner, J. Zobrist,
et R. Srinivasan, Modelling hydrology and water quality in the pre-alpine/alpine
thur watershed using swat., Journal of hydrology, 333(2-4), 2007.
Altman, S., et R. Parizek, Dilution of non-point source nitrate in groundwater.,
Journal of Environmental Quality, 24, 707–718, 1995.
Alvarez-Cobelas, M., D. Angeler, et S. Sanchez-Carrillo, Export of nitrogen from
catchments : A worldwide analysis., Environmental Pollution, 156, 261–269, 2008.
Arheimer, B., et M. Brandt, Modelling nitrogen transport and retention in the catch-
ments of southern Sweden., Ambio, 27, 471–480, 1998.
Arheimer, B., L. Andersson, et A. Lespitö, Variation of nitrogen concentration in
forest streams - influences of flow, seasonality and catchment characteristics.,
Journal of hydrology, 179(1-4), 281–304, 1996.
Arnold, J., et P. Allen, Estimating hydrologic budgets for free illinois watersheds.,
Journal of hydrology, 176, 57–77, 1996.
Arnold, J., P. Allen, et G. Bernhardt, A comprehensive surface-groundwater flow
model., Journal of hydrology, 142, 47–69, 1993.
Arnold, J., R. Srinivasan, R. Muttiah, et J. Williams, Large-area hydrologic mo-
deling and assessment : Part i. model development., Journal of American Water
Ressource Association, 34, 73–89, 1998.
Ball, J., et S. Trudgill, Overview of solute modelling., pp. 3–56, Solute Modelling in
Catchment Systems., john wiley ed., Trudgill S.T., 1995.
Beasley, D., L. Huggins, et M. E.J., Answers : a model for watershed planning.,
Transactions of ASAE, 23, 938–944, 1980.
171
BIBLIOGRAPHIE
Beaudoin, N., M. Launay, E. Sauboua, G. Ponsardin, et B. Mary, Evaluation of the
soil crop model stics over 8 years against the “on farm” database of bruyères
catchment., European Journal of Agronomy, 29, 46–57, 2008.
Beaujouan, V., Modélisation des transferts d’eau et d’azote dans les sols et les
nappes. développement d’un modèle conceptuel distribué. applications à de petits
bassins versants agricoles., Ph.D. thesis, ENSA Rennes, Rennes, 2001.
Beaujouan, V., P. Durand, L. Ruiz, P. Aurousseau, et G. Cotteret, A hydrological
model dedicated to topography-based simulation of nitrogen transfer and trans-
formation : rationale and application to the geomorphology-denitrification rela-
tionship., Hydrological Processes, 16, 493–507, 2002.
Berka, C., H. Schreier, et K. Hall, Linking water quality with agricultural intensifi-
cation in a rural watershed., Water, Air and Soil Pollution, 127, 389–401, 2001.
Beven, K., Prophecy, reality and uncertainty in distributed hydrological modelling,
Advances in Water Resources, 16(1), 41 – 51, doi :DOI:10.1016/0309-1708(93)
90028-E, research Perspectives in Hydrology, 1993.
Beven, K., Distributed modelling in hydrology : applications of topmodel concept.,
in Advances in Hydrological Processes, p. p. 350, Wiley, 1997.
Beven, K., et J. Freer, Equifinality, data assimilation, and uncertainty estima-
tion in mechanistic modelling of complex environmental systems using the
glue methodology, Journal of Hydrology, 249(1-4), 11 – 29, doi :DOI:10.1016/
S0022-1694(01)00421-8, 2001.
Beven, K., et M. Kirkby, Physically based , variable contributing area model of basin
hydrology., Hydrological Science Bulletin, 241, 43–69, 1979.
Bicknell, B., J. Imhoff, A. Donigian, et R. Johanson, Hydrological Simulation
Program-FORTRAM (HSPF : User’s manual for release 11. EPA-600/r-97/0/80,
Tech. rep., U.S. Environmental Protection Agency, Athens, GA, 1997.
Billen, G., J. Garnier, A. Ficht, et C. Cun, Modeling the response of water quality in
the seine river estuary to human activity in its watershed over the last 50 years.,
Estuaries and Coasts, 24(6), 977–993, 2001.
Birgand, F., R. Skaggs, G. Chescheir, et J. Gilliam, Nitrogen removal in streams of
agricultural catchments - A literature review., Critical Reviews in Environmental
Science and Technology, 37(5), 381–487, 2007.
172
BIBLIOGRAPHIE
Birkinshaw, S., et J. Ewen, Nitrogen transformation component for shetran catch-
ment nitrate transport modelling., Journal of hydrology, 230, 1–17, 2000.
Blecken, M., et L. Bakken, The anthropogenic nitrogen cycle in Norway, CAB INTER-
NATIONAL, 1997.
Böhlke, J., et J. Denver, Combined use of groundwater dating, chemical and iso-
topic analyses to resolve the history and fate of nitrate contamination in two
agricultural watersheds, Atlantic coastal plain, maryland., Water Resources Re-
search, 31(9), 2319–2339, 1995.
Borah, D., et M. Bera, Watershed-scale hydrologic and nonpoint-source pollution
models : review of applications., American Society of Agricultural Engineers, 47,
789–803, 2004.
Bottcher, A., J. Hiscock, et B. Jacobson, WAM-View, a GIS Approach to Watershed
Assessment Modeling., Tech. rep., Water Environment Federation, Ft Lauderdale,
2002.
Bouraoui, F., et B. Grizzetti, An integrated modelling framework to estimates the
fate of nutrients : Application to the Loire (France), Ecological Modelling, 212,
450–459, 2008.
Boyer, E., C. Goodale, N. Jaworski, et R. Howarth, Anthropogenic nitrogen sources
and relation-ships to riverine nitrogen export in the northeastern u.s.a., Biogeo-
chemistry, 57/58, 137–169, 2002.
Breuer, L., K. Vaché, S. Julich, et F. H.-G., Current concepts in nitrogen dynamics
for mesoscale catchments, Hydrological Sciences Journal des Sciences Hydrolo-
giques, 53(5), 2008.
Brisson, N., et al., Stics : A generic model for the simulation of crops and their water
and nitrogen balances. i. theory and parameterization applied to wheat and corn.,
Agronomie (Paris), 18(5-6), 311–346, 1998.
Brisson, N., et al., Stics : A generic model for the simulation of crops and their water
and nitrogen balances. ii. model validation for wheat and maize., Agronomie, 22,
69–92, 2002.
Brown, L., et J. Barnwell, The enhanced water quality models QUAL2E and QUAL2E-
UNCAS documentation and user manual., USEPA, Athens, GA, epa document
epa/600/3-87/007 ed., 1987.
173
BIBLIOGRAPHIE
Bur, T., Impact anthropique sur les éléments traces metalliques dans les sols agri-
coles de midi-pyrénées ? implications en termes de limites et de cahrges cri-
tiques., Ph.D. thesis, ENSA Toulouse, Toulouse, 2008.
Burns, I., A model for predicting the redistribution of salts applied to fallow soils
after excess of rainfall or evaporation., Journal of Soil Science, 25, 165–178, 1974.
Burt, T., et B. Arkell, Temporal and spatial patterns of nitrate losses from an agri-
cultural catchment., Soil Use and Management, 3(4), 138–142, 1987.
Chapin, T., J. Caffrey, H. Jannasch, L. Coletti, J. Haskins, et K. Johnson, Nitrate
sources and sinks in Elkhorn Slough, California : Results from long-term conti-
nuous in situ Nitrate Analyzers., Estuaries, 27(5), 882–894, 2004.
Chaplot, V., A. Saleh, D. Jaynes, et J. Arnold, Predicting water, sediment, and NO3N
loads under scenarios of land-use and management practices in a flat watershed.,
Water Air Soil Pollution, 154(1-4), 271–293, 2004.
Christiaens, K., et J. Feyen, The integrated wave-mike she model as an instrument
for nitrogen load modelling on a catchment scale., in 2nd DHI Software User
Conference, Helsingor, 1997.
Cochran, W., Sampling techniques, John Wiley, New York, 1977.
Cooper, D., R. Ragab, D. Lewis, et P. Whitehead, Modelling nitrate leaching to sur-
face waters., Tech. rep., Institute of hydrology, Wallingford, UK., 1994.
Coynel, A., J. Schäfer, J. Hurtrez, J. Dumas, H. Etcheber, et G. Blanc, Sampling
frequency and accuracy of spm flux estimates in two contrasted drainage basins.,
Science of The Total Environment, 330, 233–247, 2004.
De Vries, A., et H. Klavers, Riverine fluxes of pollutants : Monitoring strategy first,
calculation methods second., European Water Pollution Control, 4(2), 12–17, 1994.
De Wit, M., H. Behrendt, G. Bendoricchio, W. Bleuten, et P. Van Gaans, The contri-
bution of agriculture to nutrient pollution in three European rivers with reference
to the European Nitrates Directive., European Water Management, online, official
publication of the European Water Association (EWA)., 2002.
DeWalle, D., et T. Davies, Seasonnal variation in acid-neutralizing capacity in 13
northeast united states headwater streams., Water Resources Research, 33(4),
801–807, 1997.
174
BIBLIOGRAPHIE
Durand, P., Simulating nitrogen budgets in complex farming systems using inca :
calibration and scenario analyses for the kervidy catchment (w. france)., Hydro-
logy & Earth System Sciences, 8(4), 793–802, 2004.
Durand, P., et J. Torres, Solute transfer in agricultural catchments : the interest
and limites of mixing models., Journal of hydrology, 181, 1–22, 1995.
Edwards, A., The variation of disolved constituents with discharge in some Norfolk
rivers., Journal of hydrology, 18, 219–242, 1973.
European-Commission, Directive 2000/60/ec of the European parliament and of
the Concil establishing a framework for the community action in the field of water
policy. (EU Water Framework Directive, WFD), Tech. rep., Off. J. Eur. Commun.,
Brussels, 2000.
Feng, X., J. Kirchner, et C. Neal, Measuring catchment-scale chemical retardation
using spectral analysis of reactive and passive chemical tracer time series., Jour-
nal of hydrology, 292, 296–307, 2004.
Ferguson, R., River loads underestimated by rating curves., Water Resources Re-
search, 22, 74–76, 1986.
Flipo, N., S. Even, M. Poulin, S. Thery, et E. Ledoux, Modeling nitrate fluxes at the
catchment scale using integrated tool cawaqs, Science of The Total Environment,
375(1-3), 69–79, 2007.
Galloway, J., J. Aber, J. Erisman, S. Seitzinger, R. Howarth, E. Cowling, et B. Cosby,
The Nitrogen Cascade., Bioscience, 53, 341–356, 2003.
Gascuel-Odoux, C., P. Aurousseau, P. Durand, L. Ruiz, et J. Molenat, The role of
climate on inter-annual variation in stream nitrate fluxes and concentrations.,
Science of The Total Environment, doi :10.1016/j.scitotenv.2009.05.003, 2009.
Gaury, F., Systèmes de cultures et teneurs en nitrates des eaux souterraines., Ph.D.
thesis, ENSA Rennes, 1992.
Gillingham, A., et B. Thorrold, A review of new zealand research measuring phos-
phorus in runoff from pasture., Journal of Environmental Quality, 29, 88–96,
2000.
Granlund, K., K. Rankinen, et A. Lepistö, Testing the inca model in a small agricul-
tural catchment in southern finland., Hydrology & Earth System Sciences, 8(4),
717–728, 2004.
175
BIBLIOGRAPHIE
Green, C., et A. Van Griensven, Aurocalibration in hydrologic modeling : Using
swat2005 in small-scale watersheds., Environmental Modelling & Software, 23(4),
422–434, 2008.
Grizzetti, B., F. Bouraoui, K. Granlund, S. Rekolainen, et G. Bidoglio, Modelling
diffuse emission and retention of nutrients in the vantaanjoki watershed (Finland)
using swat model., Ecological Modelling, 169, 25–38, 2003.
Guo, Y., M. Markus, et M. Demissie, Uncertainty of nitrate-N load computations for
agricultural watersheds., Water Resources Research, 38(10), 1185, 2002.
Hénault, C., Quantification de la denitrification dans les sols à l’echelle de la par-
celle cultivée, à l’aide d’un modèle prévisionnel., Ph.D. thesis, ENSAM, Montpel-
lier, 1995.
Hesse, C., V. Krysanova, J. Päzolt, et F. Hattermann, Eco-hydrological modelling
in a highly regulated lowland catchment to find measures for improving water
quality., Ecological Modelling, 218, 135–148, 2008.
Hill, A., Nitrate removal in stream riparian zones., Journal of Environmental Quality,
25, 743–755, 1996.
Hood, E., M. Williams, et M. Caine, Landscape controls on organic and inorganic
nitrogen leaching across an alpine/subalpine ecotone, Green Lakes Valley, Colo-
rado Front Range., Ecosystems, 6, 31–45, 2003.
Horowitz, A., An evaluation of sediment rating curves for estimating suspended se-
diment concentrations for subsequent flux calculations., Hydrological Processes,
17, 3387–3409, 2003.
Howarth, R., et al., Regional nitrogen budgets and riverine N & P fluxes for the
drainages to the North Atlantic Ocean ; Natural and human influences., Biogeo-
chemistry, 35, 75–139, 1996.
Jabro, J., J. Toth, Z. Dou, R. Fox, et D. Fritton, Evaluation of nitrogen version of
leachm for predicting nitrate leaching., Soil Science, 160, 209–217, 1995.
Jego, G., Influence des activités agricoles sur la pollution nitrique des eaux sou-
terraines. analyse par modélisation des impacts des systèmes de grande culture
sur les fuites de nitrate dans les plaines alluviales, Ph.D. thesis, Université de
Toulouse, 2008.
176
BIBLIOGRAPHIE
Jego, G., M. Martinez, I. Antigüedad, M. Launay, et J. Sanchez-Perez, Evaluation
of the impact of various agricultural practices on nitrate leaching under the root
zone of potato and sugar beet using the STICS soil-crop model., Science of The
Total Environment, 394(2-3), 207–221, 2008.
Johnson, A., D. Bouldin, E. Goyette, et A. Hedges, Nitrate dynamics in Fall Creek,
New York., Journal of Environmental Quality, 5, 386–391, 1976.
Johnsson, H., L. Bergstrvm, P. Jansson, et K. Paustian, Simulation of nitrogen
dynamics and losses in a layered agricultural soil., Agricultural, Ecosystems &
Environment, 18, 333–356, 1987.
Justes, E., B. Mary, et B. Nicolardot, Comparing the effectiveness of radish cover
crop, oilseed rape volunteers and oilseed rape residues incorporation for reducing
nitrate leaching., Nutrient cycling in Agroecosystems, 55, 207–220, 1999.
Kattan, Z., J. Salleron, et J. Probst, Bilans et dynamiques de transfert de l’azote et
du phosphore sur le bassin de la moselle (n-e de la france)., Revue des Sciences
de l’Eau, 5(4), 435–459, 1986.
Kattan, Z., J. Gac, et J. Probst, Suspended Sediment Load and Mechanical Erosion
in the Senegal Basin- Estimation of the Surface Runoff Concentration and Rela-
tive Contributions of Channel and Slope Erosion., Journal of Hydrology, 92(1/2),
59–76, 1987.
Kauark-Leite, L., Réflexions sur l’utilité des modèles mathématiques dans la ges-
tion de la pollution diffuse agricole., Ph.D. thesis, Ecole Nationale des Ponts et
chaussées, 1990.
Kinsel, W., Creams : A field scale model for chemicals, runoff, and erosion from
agricultural managementsystems., Tech. Rep. Conservation Report 26, U.S. De-
partment of Agriculture, 1980.
Kirchner, J., X. Feng, et C. Neal, Catchment-scale advection and dispersion as a
mechanism for fractal scaling in stream tracer concentrations., Journal of hydro-
logy, 254, 82–101, 2001.
Kronvang, B., et A. Bruhn, Choice of sampling strategy and estimation method
for calculating nitrogen and phosphorus transport in small lowland streams.,
Hydrological Processes, 10, 1483–1501, 1996.
177
BIBLIOGRAPHIE
Krysanova, V., D. Müller-Wohlfeil, et A. Becker, Development and test of a spatially
distributed hydrological water quality model for mesoscale watersheds., Ecologi-
cal Modelling, 106, 261–289, 1998.
Krysanova, V., F. Wechsung, et F. Hattermann, Development of the ecohydrological
model swim for regional impact studies and vulnerability assessment., Hydrolo-
gical Processes, 19, 763–783, 2005.
Kyllmar, K., M. Larsson, et H. Johnsson, Simulation of n leaching from a small agri-
cultural catchment with the field scale model SOILNDB., Agriculture, Ecosystems
and Environment, 107, 37–49, 2005.
Lacroix, A., N. Beaudoin, et D. Makowski, Agricultural water nonpoint pollution
control under uncertainty and climate variability., Ecological Economics, 53, 115–
127, 2005.
Lapworth, D., P. Shand, C. Abesser, W. Darling, A. Haria, C. Evans, et B. Reynolds,
Groundwater nitrogen composition and transformation within a moorland catch-
ment, mid-Wales., Science of The Total Environment, 390(1), 241–254, 2008.
Laurent, F., D. Ruelland, et M. Chapdelaine, The effectiveness of changes in agri-
cultural practices on water quality as simulated by the swat model., Journal of
water science, revue des sciences de l’eau, 20(4), 395–408, 2007.
Leonard, R., W. Knisel, et D. Still, GLEAMS : Groundwater Loading Effects of Agri-
cultural Management Systems., Transactions of ASAE, 30(5), 1403–1418, 1987.
Lescot, J., P. Bordenave, K. Petit, et O. Leccia, Water framework directive and mea-
sures to control water pollution. a spatially distributed costs/effectiveness ana-
lysis framework, Environmental Modelling & Software, submitted, 2009.
Lewis, D., M. McGechan, et I. McTaggart, Simulating field-scale nitrogen manage-
ment scenarios involving fertliser and slurry applications., Agricultural Systems,
76, 159–180, 2003.
Li, C., S. Frolking, et T. Frolking, A model of nitrous oxide evolution from soil driven
by rainfall events : 1. model structure and sensitivity, Journal of Geophysical
Research, 97, 9759–9776, 1992.
Li, X., R. Ambrose, et R. Araujo, Modeling mineral nitrogen export from a forest
terrestrial ecosystem to streams., American Society of Agricultural Engineers, 47,
727–739, 2004.
178
BIBLIOGRAPHIE
Linkens, G., et F. Bormann, Biogeochemistry of a forested Ecosystem., second edi-
tion, Springer-verlag, New-York, 1995.
Littlewood, I., Hydrological regimes, sampling strategies, and assessment of errors
in mass load estimates for United Kingdom rivers., Environment International,
21(2), 211–220, 1995.
Liu, S., P. Tucker, M. Mansell, et A. Hursthouse, Development and application of
a catchment scale diffuse nitrate modelling tool, Hydrological Processes, 19(13),
2625–2639, 2005.
Lunn, R., R. Adams, R. Mackay, et S. Dunn, Development and application of a
nitrogen modelling system for large catchments, Journal of hydrology, 174(3-4),
285–304, 1996.
Macary, F., E. Lavie, G. Lucas, et O. Riglos, Méthode de changement d’échelle pour
l’estimation du potentiel de contamination des eaux de surface par l’azote., Ingé-
nieries - EAT, 46, 35–49, 2006.
Mangold, D., et C. Tsang, A summary of subsurface hydrological and hydrochemi-
cal models, Reviews of geophysics, 29, 51–79, 1991.
Martin, C., Mécanismes hydrologiques et hydrochimiques impliqués dans les varia-
tions saisonnières des teneurs en nitrate dans les bassins versants agricoles.
approche expérimentale et modélisation., Ph.D. thesis, Université de Rennes,
Rennes, 2003.
Martin, C., L. Aquilina, C. Gascuel-Odoux, J. Molenat, M. Faucheux, et L. Ruiz,
Seasonnal and interannual variations of nitrate and chloride in stream waters
related to spatial and temporal patterns of groundwater concentrations in agri-
cultural catchments., Hydrological Processes, 18, 1237–1254, 2004.
Moatar, F., et M. Meybeck, Compared performances of different algorithms for es-
timating annual nutrient loads discharged by the eutrophic river Loire., Hydrolo-
gical Processes, 19, 429–444, 2005.
Modica, E., H. Buxton, et L. Plummer, Evaluating the source and residence times
of groundwater seepage to streams, New Jersey coastal Plain., Water Resources
Research, 34(11), 2797–2810, 1998.
Molenat, J., P. Durand, C. Gascuel-Odoux, P. Davy, et G. Gruau, Mechanisms of ni-
trate transfer from soil to stream in an agricultural watershed of french brittany.,
Water, Air, and Soil Pollution, 133, 161–183, 2002.
179
BIBLIOGRAPHIE
Monaghan, R., R. Paton, L. Smith, J. Drewry, et R. Littlejohn, The impacts of nitro-
gen fertilisation and increased stocking rate on pasture yield, soil physical condi-
tion and nutrient losses in drainage from a cattle-grazed pasture., New Zealand
Journal of Agricultural Research, 48, 227–240, 2005.
Moussa, R., M. Voltz, et P. Andrieux, Effects of the spatial organization of agricul-
tural management on the hydrological behaviour of a farmed catchment during
flood events., Hydrological Processes, 16, 393–412, 2002.
Murdoch, P., et J. Stoddard, The role of nitrate in the acidification of streams in the
Catskill mountains of New York., Water Resources Research, 28(10), 2707–2720,
1992.
Nash, J., et J. Sutcliffe, River flow forecasting through conceptual models ; part i -
a discussion of principles., Journal of hydrology, 10, 282–290, 1970.
Neill, M., Nitrate concentrations in river waters in the south-east of Ireland and
their relationship with agricultural practice., Water Resources Research, 23(11),
1339–1355, 1989.
Neitsch, S., J. Arnold, J. Kinry, et J. Williams, Soil and Water Assessment Tool.
Version 2000. Theoretical Documentation., USDA-ARS, Temple, Texas, 2002.
Oehler, F., P. Durand, P. Bordenave, Z. Saadi, et J. Salmon-Monviola, Modelling
denitrification at the catchment scale., Science of The Total Environment, 407(5),
1726–1737, 2009.
Oehler, F., J. Rutherford, et G. Coco, The use of machine learning algorithms to
design a generalized simplified denitrification model, Biogeosciences, Submitted.
Ohte, N., N. Tokuchi, M. Katsuyama, S. Hobara, Y. Asano, et K. Koba, Episodic
increases in nitrate concentrations in streamwater due to the partial dieback of
a pine forest in Japan : Runoff generation processes control seasonality., Hydro-
logical Processes, 17, 237–249, 2003.
Pan, J., et I. Hodge, Land use permits as an alternative to fertiliser and leaching
taxes for the control of nitrate pollution., Journal of Agricutural Economics, 45,
102–112, 1994.
Park, S., S. Mostaghimi, R. Cooke, et P. McClellan, Bmp impact on watershed ru-
noff, sediment and nutrient yields., Water Ressources Bulletin, 30(6), 1011–1023,
1994.
180
BIBLIOGRAPHIE
Pellerin, B., B. Downing, C. Kendall, R. Dahlgren, T. Kraus, J. Saraceno, R. Spencer,
et A. Bergamaschi, B., Assessing the sources and magnitude of diurnal nitrate
variability in the San Joaquin River (California) with an in situ optical nitrate
sensor and dual nitrate isotopes., Freshwater Biology, 54, 376–387, 2009.
Petry, J., C. Soulsby, I. Malcolm, et A. Youngson, Hydrological controls on nutrient
concentrations and fluxes in agricultural catchments., The Science of the Total
Environment, 294, 95–110, 2002.
Pionke, H., W. Gburek, R. Schnabel, A. Sharpley, et G. Elwinger, Seasonal flow, nu-
trient concentrations and loading patterns in stream flow draining an agricultural
hill-land watershed., Journal of hydrology, 220, 62–73, 1999.
Pohlert, T., L. Breuer, J. Huisman, et F. H.-G., Assessing the model performance
of an integrated hydrological and biogeochemical model for discharge and nitrate
load predictions, Hydrological Earth System Sciences, 11, 997–1011, 2007a.
Pohlert, T., J. Huisman, L. Breuer, et F. H.-G., Integration of detailed biogeochemi-
cal model into swat for improved nitogen predictions-model development, sensi-
tivity, and glue analysis., Ecological Modelling, 203, 215–228, 2007b.
Preston, S., V. Bierman, et S. Silliman, An evaluation of methods for the estimation
of tributary mass loads., Water Resources Research, 25, 1379–1389, 1989.
Probst, A., E. Dambrine, D. Viville, et B. Fritz, Influence of acid atmospheric inputs
on surface water chemistry and mineral fluxes in a declining spruce stand within
a small granitic catchment (vosges massif, france), Journal of hydrology, 116,
101–124, 1990.
Probst, J., Nitrogen and phosphorus exportation in the Garonne basin (France).,
Journal of Hydrology, 76, 281–305, 1985.
Puckett, L., et T. Cowdery, Transport and fate of nitrate in a glacial outwash aquifer
in relation to groundwater age, land use practices, and redox processes., Journal
of Environmental Quality, 31, 782–796, 2002.
Quilbè, R., A. Rousseau, M. Duchemin, A. Poulin, G. Gangbazo, et J.-P. Ville-
neuve, Selecting a calculation method to estimate sediment and nutrients loads
in streams : application to the Beaurivage River (Quebec, Canada)., Journal of
hydrology, 326(1-4), 295–310, 2006.
181
BIBLIOGRAPHIE
Ramanaravanan, T., B. Narasimhan, et R. Srinivasan, Characterization of fate and
transport of isoxaflutole, a soil-applied corn herbicide, in surface water using a
watershed model., Journal of agricultural and food chemistry, 53, 2005.
Recous, S., B. Nicolardot, et J.-C. Simon, Le cycle de l’azote dans les sols et la
qualité des eaux souterraines., in L’eau Dans L’espace Rural : Production Végétale
et Qualité de L’eau, edited by e. In INRA, pp. 193–215, Universités Francophones,
1997.
Refsgaard, J., M. Thorsen, J. Jensen, S. Kleeschulte, et S. Hansen, Large scale
modelling of groundwater contamination from nitrate leaching., Journal of hydro-
logy, 211, 117–140, 1999.
Reiche, E., Modelling water and nitrogen dynamics on a catchment scale., Ecological
Modelling, 76, 371–384, 1994.
Reynolds, B., et A. Edwards, Factors influencing dissolved nitrogen concentrations
and loadings in upland streams of the uk., Agricultural Water Management, 27,
181–202, 1995.
Ribaudo, M., R. Heimlich, R. Claassen, et M. Peters, Least-cost management of
nonpoint source pollution : source reduction versus interception strategies for
controlling nitrogen loss in the Mississippi Basin., Ecological Economics, 37, 183–
197, 2001.
Ribeyreix-Claret, C., Agriculture et Environnement en Gascogne Gersoise. Erosion
du sol et pollution diffuse par le phosphore. le cas du bassin versant d’Auradé
(Gers)., Ph.D. thesis, Université de Toulouse, Mirail, Toulouse, 2001.
Richards, R., et J. Holloway, Monte carlo studies of sampling strategies for estima-
ting tributary loads., Water Resources Research, 23(10), 1939–1948, 1987.
Robertson, D., et E. Roerish, Influence of different sampling strategies on load esti-
mations for small streams., Water Resources Research, 35(12), 3747–3759, 1999.
Ruiz, L., S. Abiven, C. Martin, P. Durand, V. Beaujouan, et J. Molenat, Effect on
nitrate concentration in stream water of agricultural practices in six small catch-
ments in brittany :II. temporal variations and mixing processes., Hydrology &
Earth System Sciences, 6(3), 507–513, 2002.
Rusjan, S., M. Brilly, et M. Mikos, Flushing of nitrate from a forested watershed :
An insight into hydrological nitrate mobilization mechanisms through seasonal
182
BIBLIOGRAPHIE
high-frequency stream nitrate dynamics., Journal of hydrology, 354, 187–2002,
2008.
Salles, C., M.-G. Tournoud, et Y. Chu, Estimating nutrient and sediment flood loads
in a small mediterranean river., Hydrological Processes, 22, 242–253, 2008.
Santhi, C., J. Arnold, J. Williams, L. Hauck, et W. Dugas, Application of a watershed
model to evaluate management effects on point and non point source pollution.,
American Society of Agricultural Engineers, 44, 1559–1570, 2001.
Santhi, C., R. Srinivasan, J. Arnold, et J. Williams, A modelling approach to eva-
luate the impacts of water quality management plans implemented in a watershed
in texas., Environmental Modelling & Software, 21, 1141–1157, 2006.
Schnabel, R., J. Urban, et W. Gburek, Hydrolic controls in nitrate, sulfate, and
chloride concentrations., Journal of Environmental Quality, 22, 589–596, 1993.
Seitzinger, S., J. Harrison, J. Böhlke, A. Boutwan, R. Lowrance, B. Peterson, C. To-
bias, et G. Drecht, Denitrification across lanscapes and waterscapes : a synthe-
sis., Ecological Applications, 16, 2064–2090, 2006.
Seligmand, N., et H. Van Keulen, Papran : A simulation model of annual pasture
production limited by rainfall and nitrogen., in Simulation of nitrogen behaviour
of soil-plant systems., edited by M. Frissel et J. Van Veeds, pp. 192–221, Proc.
Workshop., 1981.
Sickman, J., A. Leydecker, C. Chang, C. Kendall, J. Melack, D. Lucero, et J. Schi-
mel, Mechanisms underlying export of N from high-elevation catchments during
seasonal transitions., Biogeochemistry, 64, 1–24, 2003.
Simmelsgaard, S., The effect of crop, n level, soil type and drainage on nitrate
leaching from Danish soils., Soil Use and Management, 14, 30–36, 1998.
Smedema, L., et D. Rycroft, Land drainage-planning and design of agricultural drai-
nage systems., Cornell University Press, Ithica, N.Y., 1983.
Smith, V., Eutrophisation of freshwater and marine ecosystems : a global problem.,
Environmental Science and Pollution Research, 10, 126–139, 2003.
Souchere, V., O. Cerdan, N. Dubreuil, Y. Le Bissonnais, et C. King, Modelling the
impact of agri-environmental scenarios on runoff in a cultivated catchment (Nor-
mandie, France)., Catena, 61, 229–240, 2005.
183
BIBLIOGRAPHIE
Stevens, R., et R. Smith, A comparison of discrete and intensive sampling for mea-
suring the loads of nitrogen and phosphorus in the river Main, County Antrim.,
Water Research, 12(10), 823–830, 1978.
Styczen, M., et B. Storm, Modelling of nitrogen movements on a catchment scale. a
tool for analysis and decision making. (1) model description., Fertilizer Research,
36, 1–6, 1993.
Styczen, M., et B. Storm, Modeling the effects of management practices on nitrogen
in soils and groundwater, in Nitrogen Fertilization in the environment, vol. 14,
edited by Bacon, pp. 537–564, CRC Press, 1995.
USDA-SCS, National Engineering Handbook., USDA-Soil Conservation Service,
1972.
Vachaud, G., M. Vauclin, et T. Addiscott, Solute transport in the vadose zone : a
review of models., in Technologies for Environmental Cleanup : Soil and Ground-
water, edited by A. Avogadro et R. Ragaini, pp. 157–185, ECSC-EEC-EAEC,
Bruxelles-luxembourg, 1993.
Vagstad, N., P. Stälnacke, H.-E. Andersen, J. Deelstra, V. Jansons, K. Kyllmar,
E. Loigu, S. Rekolainen, et R. Tumas, Regional variations in diffuse nitrogen
losses from agriculture in the nordic and baltic regions., Hydrology & Earth Sys-
tem Sciences, 8, 651–662, 2004.
Van Griensven, A., et W. Bauwens, Concepts for river water quality processes for
an integrated river basin modeling, water science and technology, 48, 1–8, 2003.
Vanclooster, M., P. Viaene, J. Diels, et J. Feyen, A deterministic validation proce-
dure applied to the integrated soil crop model wave., Ecological Modelling, 81,
183–195, 1995.
Vanclooster, M., J. Boesten, M. Trevisan, C. Brown, E. Capri, O. Eklo, B. Gottesbu-
ren, V. Gouy, et A. Van der Linden, A European test of pesticide-leaching models :
methodology and major recommendations., Agricultural Water Management, 44(1-
3), 1–19, 2000.
Viaud, V., P. Durand, P. Merot, E. Sauboua, et Z. Saadi, Modeling the impact of the
spatial structure of a hedge network on the hydrology of a small catchment in a
temperate climat., Agricultural Water Management, 74(2), 135–163, 2005.
184
BIBLIOGRAPHIE
Vink, S., P. Ford, M. Bormans, C. Kelly, et C. Turley, Contrasting nutrient exports
from a forested and agricultural catchment in south-eastern australia., Biogeo-
chemistry, 84, 247–264, 2007.
Volk, M., S. Liersch, et G. Schmidt, Towards the implementation of the European
Water Framework directive ? Lessons learned from water quality simulations in
an agricultural watershed., Land Use Policy, 26, 580–588, 2009.
Wade, A., P. Durand, V. Beaujouan, W. Wessel, K. Raat, P. Whitehead, D. Butter-
field, K. Rankinen, et A. Lepisto, A nitrogen model for european catchments :
Inca. new model structure and equations., Hydrology & Earth System Sciences,
8(4), 858–859, 2004.
Wagner, L., P. Vidon, L. Tedesco, et M. Gray, Stream nitrate and doc dynamics du-
ring three spring storms across land uses in glaciated landscapes of the Midwest.,
Journal of hydrology, 362, 177–190, 2008.
Walling, D., et B. Webb, The reliability of suspended sediment load data., in Erosion
and Sediment Transport Measurement., pp. 177–194, IAHS, 1981.
Walling, D., et B. Webb, The reliability of rating curve estimates of suspended se-
diment yield : Some further comments, Sediment Budgets, vol. 174, pp. 337–350,
IAHS Publication, 1988.
Watson, C., et R. Foy, Environmental impacts of nitrogen and phosphorus cycling
in grassland systems., Outlook on Agriculture, 30, 117–127, 2001.
Weaver, R., J. Harper, et W. Gillmeister, Efficacy of standards vs. incentives for
managing the environmental impacts of agriculture., Journal of Environmental
Management, 46, 173–188, 1996.
Webb, B., et D. Walling, Nitrate behaviour in streamflow from a grassland catch-
ment in Devon, U.K., Water Research, 19(8), 1005–1016, 1985.
Whelan, M., et M. Kirkby, Predicting nitrate concentrations in small catchment
streams, Solute Modelling in Catchment Systems., In Trudgill S.T., 1995.
Whitehead, P., E. Wilson, et D. Butterfield, A semi-distributed integrated nitrogen
model for multiple source assessment in catchment. part 1. model structure and
process equations., Science of The Total Environment, 210/211, 547–558, 1998.
Whitehead, P., P. Johnes, et D. Butterfield, Steady state and dynamic modelling
of nitrogen in the River Kennet : impacts of land use change since the 1930s.,
Science of The Total Environment, 282/283, 417–435, 2002a.
185
BIBLIOGRAPHIE
Whitehead, P., D. Lapworth, R. Skeffington, et A. Wade, Excess nitrogen leaching
and C/N decline in the tillingbourne catchment, southern England., Hydrology
& Earth System Sciences, 6, 455–466, 2002b.
Williams, J., C. Jones, et P. Dyke, A modelling approach to determining the rela-
tionship between erosion and soil productivity., American Society of Agricultural
Engineers, 27, 129–144, 1984.
Zammit, C., M. Sivapalan, P. Kelsey, et N. Viney, Modelling the effects of land-use
modifications to control nutrient loads from an agricultural catchment in western
australia., Ecological Modelling, 187, 60–70, 2005.
186
Abstract
The present work aimed to assess nitrogen trasfer and transformation in stream ofagricultural catchment of Gascogne region, in order to evaluate agricultural prac-tices change to decrease nitrate river contamination. A continuous in situ samplingprotocol was used at the outlet of the small agricultural catchment in Auradé (3.3km2 in Gers district, South-West of France) to measure the fine temporal variationof nitrate concentration. Infra-daily high variations of concentrations have been ob-served during flood events, the high concentrations explain a significative part ofannual nitrogen loads during these hydrological events. The spatially, physicallybased modelling approach of the Auradé catchment has then been used to eva-luate water and nitrogen balance at the small catchment scale. Two catchment mo-dels have been chosen : TNT2, whitch is fully distributed and developped for smallcatchment with shallow groundwater, and SWAT, semi-distributed and developpedfor larger catchment. The use of both models permits to :
– show that both of them failed to simulate accurately the daily nitrogen lossesintensity in river observed during flood events, even if modelling approach ofSWAT is more adapted to simulate processes involved
– simulate a same global water and nitrogen balance with opposing simulatedprocesses
– show the main influence of mineralisation and denitrification dynamic simu-lated to conclued on ability of models to represent reality.
TNT2 has been evaluated to be more adapted to simulate agricultural changesdesigned or already implemented in Auradé catchment. Results of this virtualexperimentation show that agricultural changes already implemented would havedecresed for 16% the annual nitrogen losses, and that if catch crop had been imple-mented, nitrogen losses would have decrease of 18% more. SWAT has after been ca-librated at the larger scale of the Save catchment of 1110km2 whitch include Auradécatchment. The global parametrisation has been modified for the agro-pedologicalcontext of Auradé catchment, context area whitch represent 25% of the total Savecatchment area. Major hydrological parameters calibrated on Auradé catchmenthas been used for calibrating this area. The increase of discharge prediction qualityis significative and show the contribution of these areas to daily discharge at theSave catchment outletduring some rainy events. Predictions of water and nitrogenconcentration may be improved in taking land cover spatialisation into account.
Keywords : agriculture ; nitrogen losses ; agricultural scenario ; small catchmentmodelling ; mesoscale catchment modelling
2
Modélisation agro-hydrologique des transferts de nitrates à l’échelle desbassins versants agricoles gascons.
Auteur : Sylvain FerrantDirecteurs de thèse : Jean-Luc Probst, José-Miguel Sanchez-Perez et PatrickDurandDiscipline : Sciences de l’environnementLaboratoire : Ecolab, UMR 5245, CNRS-UPS-INPT, OMP
Ce travail a eu comme objectif de comprendre et quantifier les transferts d’azoteagricoles dans les rivières des bassins versants Gascons, afin d’évaluer l’efficacitéde scénarii agricoles sur la teneur en azote nitrique des rivières. Un protocole demesure en continue dans le petit bassin versant agricole d’Auradé (Gers, Sud-Ouestde la France) de 3.3km2 a été mis en place pour mesurer la variabilité de la teneuren nitrate. Les variations infra-journalières des concentrations lors d’évènementsde crue sont fortes, les flux correspondant sont importants à l’échelle annuelle.L’approche de modélisation à base physique du bassin versant d’auradé a ensuiteété envisagée pour calculer les bilans hydriques et agronomiques de ce type de bas-sin. Deux modèles de bassin versant ont été choisis : TNT2, entièrement distribué,adapté aux petits bassins versants à nappe superficielle, SWAT, semi distribué,développé pour de plus larges bassins versants. Leur utilisation a permis de :
– montrer qu’aucun n’est capable de prédire l’intensité journalière des fluxd’azote nitrique observée dans la rivière en période de crue, même si l’ap-proche de SWAT est mieux adaptée pour simuler les transferts rapides
– simuler un bilan d’eau et d’azote proche pour les deux modèles mais avec desprocessus simulés opposés
– montrer l’importance de la simulation de la dénitrification et de la minéralisa-tion pour conclure sur la capacité des modèles à reproduire la réalité.
TNT2 a été jugé plus adapté pour simuler des scénarios agricoles imaginés ou déjàimplantés sur le bassin versant d’Auradé. Les résultats de simulation montrentque les mesures agro-environnementales implantées auraient eu une efficacitéde 16% de diminution des flux d’azote nitrique annuels à l’exutoire, à laquelles’ajouterait encore 18% de diminution en cas d’implantation de Culture Inter-médiaire de Piège à Nitrate. Le paramétrage global de SWAT sur la Save, bassinversant de 1110km2 contenant le bassin d’Auradé, a ensuite été modifié pour lecontexte agro-pédologique d’Auradé, représentant 25% de la surface du bassin dela Save. Les paramètres hydrologiques majeurs calibrés sur le bassin d’Auradésont transposés sur cette surface. L’amélioration des prédictions à l’exutoire de laSave est significative, et montre la contribution importante de ces zones aux débitsà l’exutoire de la Save lors de certains évènements pluvieux. Une meilleure priseen compte de l’occupation du sol est à envisager pour améliorer ces prédictions.
Keywords : agriculture ; scenario agricole ; Pertes d’azote nitrique ; modélisation depetit bassin versant ; modélisation meso-échelle de bassin versant