RELATION ENTRE LES PRÉCIPITATIONS ET
L’AUGMENTATION DU NIVEAU DE
SATURATION DANS LES SOLS
L’établissement de la relation entre les précipitations et le niveau de saturation des sols est le premier modèle généré pour le projet. Il permet non seulement de déterminer l’augmentation de la teneur en eau dans les sols et les matériaux de chaussées, causée par des épisodes de précipitations, mais également de confirmer les affirmations de Carrera et coll. (2009). L’établissement d’une relation entre les précipitations et les niveaux de saturation dans les sols représente également l’étape la plus difficile du projet. Ceci est dû à une multitude de facteurs qui proviennent de la procédure d’acquisition et de traitement des données.
Dans le cadre des projets antérieurs, plusieurs structures de chaussées ont été instrumentées à l’aide de capteurs de teneurs en eau volumétriques de sols et matériaux. Dans certains de ces projets, des Théta probe ont été utilisés. Ces capteurs sont placés à plusieurs profondeurs et donc des teneurs en eau volumétriques de plusieurs matériaux différents sont relevées. Dans le cas du présent projet, les données provenant de trois différents sites à savoir Saint-Celestin, le Site Expérimental Routier de l’Université Laval (SERUL), situé dans le parc des Laurentides et l’autoroute 210, située dans la province du Manitoba ont été analysées. Les types de sols présents dans ces zones sont des sables, des tills glaciaires et des argiles, respectivement, à Saint-Celestin, au SERUL et sur l’autoroute 210. Les données utilisées à Saint-Celestin et au SERUL sont des données qui ont été préalablement analysées dans le rapport de Savoie (2013) dans le cadre d’un projet qui visait à déterminer l’évaluation du bénéfice lié à l’utilisation de technologies drainantes géo composites dans les chaussées flexibles. Par contre, les données provenant du Manitoba, sont issues d’un projet mis en place par le centre de recherche FPInnovations dont le but était de réduire les restrictions de charges au printemps pour les camions lourds.
58
Afin de pouvoir évaluer le taux d’augmentation du niveau de saturation dans les sols et matériaux et ainsi trouver une relation cohérente entre les précipitations et l’augmentation de la teneur en eau, un processus de traitement et d’analyse de données, subdivisé en 5 étapes, a été effectué.
La première étape du processus de traitement est la récupération des données de teneurs en eau sur les différents sites instrumentés. Tous les capteurs de teneur en eau qui ont été implantés ont recueilli des données horaires. Tout d’abord, les données issues de Saint-Celestin sont des données recueillies sur une période de novembre 2002 à juillet 2004. Il est à noter que durant cette période, l’acquisition des données n’a pas été effectuée de manière constante pour des raisons techniques liées à la mise en place des capteurs de teneur en eau et au système d’acquisition de données (Savoie (2013). Toujours selon les explications de Savoie (2013), ces données de teneur en eau proviennent des fondations, des sous-fondations et des sols d’infrastructure de deux fosses, A et B, qui ont été construites. Les matériaux de chaussée utilisés sont de type MG-20 pour les fondations, MG-112 pour les sous-fondations, sable silteux pour l’infrastructure de la fosse A et argile pour l’infrastructure de la fosse B. En ce qui concerne les données provenant du SERUL, elles ont été recueillies sur une période de novembre 2002 à juin 2003. Toujours selon les explications de Savoie (2013), ces données, utilisées auparavant dans le cadre du projet de De Blois (2003), proviennent des fondations, des sous-fondations et des sols d’infrastructures de type MG-20, MG-112 et till, respectivement pour deux fosses qui ont été construites. Enfin les données les plus récentes ont été issues du projet entrepris par FPInnovations sur l’autoroute 210 du Manitoba. Ces données sont complètes et ont été recueillies de manière constante sur une large période allant de novembre 2007 à novembre 2010. Il ne fait aucun doute que ces données peuvent être utilisées dans le cadre du projet vu que les conditions climatiques et géologiques de la région étudiée concordent avec celles du Québec. En effet, une campagne de sondage géotechnique a montré que la structure de chaussée utilisée sur l’autoroute 210 du Manitoba est composée d’un enrobé de 100 mm d’épaisseur, d’un matériau granulaire de 400 mm d’épaisseur et d’un sol d’infrastructure de type argile. Le tableau 4-1 présente les différents endroits où les capteurs de teneur en eau ont été placés sur la chaussée.
59
Tableau 4-1: Profondeurs de mise en place des capteurs de teneur en eau dans la structure de chaussée de l'autoroute 210 Manitoba
Type de matériau M. G. Sol d’infrastructure : Argile
Profondeur mise en
place 0,2 m 0,4 m 0,6 m 0,8 m 1 m
Une dernière campagne d’acquisition de données a été également tentée au SERUL sur la période de mars 2012 à novembre 2012, cependant, les résultats obtenus s’avèrent aberrants à cause du mauvais fonctionnement du système d’acquisition de données. Ces données ne seront donc pas utilisées dans l’analyse.
La deuxième étape du processus de traitement est le filtrage des données de teneurs en eau recueillies à partir des trois sites instrumentés. Il est important de noter que les augmentations de teneurs en eau sont une résultante de l’effet des épisodes de précipitations de pluie. Ainsi, les périodes hivernales, où la chaussée est gelée, ne sont pas considérées. L’idée est donc de définir un espace temporel qui caractérise la période estivale. Pour ce faire, une analyse des données de teneurs en eau en fonction de la période a été effectuée. Le critère de sélection qui a été retenu est le suivant : La période hivernale se définit comme étant la période où les fluctuations de teneurs en eau s’avèrent minimales voir absentes. En se basant sur ce critère, il est possible de remarquer que pour toutes les données, la période hivernale commence en mi- novembre et se termine en début mars. Ainsi, la période estivale retenue pour le projet est celle de mars à novembre. Les données de teneurs en eau qui correspondent à cette période estivale ont été retenues.
La troisième étape du processus de traitement est le cumul des données de teneurs en eau en données journalières et mensuelles. En effet, la raison de cette étape demeure que les données brutes de teneurs en eau sont recueillies à toutes les heures alors que les données de précipitations sont recueillies de manière journalière. Donc, des moyennes de teneurs en eau ont été effectuées tant sur des périodes journalières que mensuelles. Ces données mensuelles ont été utilisées afin d’effectuer une analyse parallèle des données.
60
La quatrième étape du processus de traitement est l’acquisition des données de précipitations qui correspondent aux données de teneurs en eau retenues sur les mêmes périodes. Pour le cas des données du Manitoba, elles ont déjà été fournies et elles sont journalières. Par contre, pour les données de précipitations qui correspondent aux teneurs en eau recueillies à Saint-Celestin et au SERUL, le site d’Environnement Canada fournit un historique de toutes les précipitations journalières antérieures recueillies au niveau de diverses stations météo de la province du Québec. À cet effet, des données de précipitations des stations météo qui correspondent aux sites de Saint-Celestin et du SERUL ont été combinées aux données de teneurs en eau pour les mêmes périodes. Le SERUL détient sa propre station météo, nommée «station forêt Montmorency». Par contre, pour Saint-Celestin, les données de la station de Saint-Wenceslas ont été utilisées car étant la station la plus proche (située à 10 minutes du site). Toutes ces données de précipitations journalières ont également été converties en valeurs mensuelles à l’aide d’un cumul. Il est à noter que les valeurs de précipitations extrêmes durant ces périodes sont négligeables. Il existe une similarité entre les valeurs de précipitations. Une fois toutes les données recueillies, il est possible de remarquer qu’à chaque épisode de précipitation correspond une augmentation de la teneur en eau des matériaux. Afin de vérifier cette affirmation, la figure 4-1 qui suit montre un graphe où les précipitations ont été mises en relation avec les teneurs en eau. L’exemple de l’autoroute 210 du Manitoba a été utilisé pour des profondeurs de 0,6 m, 0,8 m et 1 m.
61
Figure 4-1: Relation entre les précipitations et les teneurs en eau volumétriques des argiles instrumentées sur l'autoroute 210 du Manitoba à différentes profondeurs
Sur cette figure, la relation entre les épisodes de précipitation et l’augmentation de la teneur en eau volumétrique des sols est claire. Il est possible de voir qu’après un épisode de précipitation, la teneur en eau volumétrique des sols augmente. Cependant, la difficulté d’établissement de cette relation provient du décalage temporel. Plus précisément, certains facteurs tels que la géométrie de la structure de chaussée instrumentée, le type de sols dont des teneurs en eau sont recueillies, leur granulométrie, le niveau de saturation des sols avant l’épisode de précipitation, ainsi que les conditions de drainage sur le site, rendent complexe la quantification du décalage temporel qui existe entre un épisode de précipitation et l’augmentation de la teneur en eau conséquente. À titre d’exemple, il est certain que pour un épisode de précipitation donné, l’augmentation de la teneur en eau recueillie pour un till à un faible niveau de saturation sera plus importante que l’augmentation de teneur en eau relevée sur une argile dont la saturation maximale est presque atteinte.
La cinquième et dernière étape du processus d’analyse est de déterminer la relation qui existe entre les épisodes de précipitations et les augmentations de teneur en eau qui y correspondent. Le décalage temporel rend cette tâche complexe, tel que relaté précédemment. C’est pourquoi, deux hypothèses ont été mises en place, avec la collaboration d’Ouranos (2012), afin de pallier cette difficulté. La première hypothèse qui a été posée concerne l’espace temporel étudié. En
0 2 4 6 8 10 12 0 10 20 30 40 50 60
juin-03 janv.-04 août-04 févr.-05 sept.-05 mars-06
Préci pi ta tio n m oy en nes m en su el les (mm) W vo lum ét ri que (% ) Périodes mensuelles Precipitation mensuelles W à 0,6m de profondeur Wà 0,8 m de profondeur W à 1m de profondeur
62
effet, les données brutes recueillies sur les sites instrumentés sont des données de teneurs en eau horaires et des données de précipitations journalières. Cependant, les données issues de scénarios d’augmentation de précipitations, qui sont fournies par Ouranos comme paramètres d’entrée des modèles, sont des données mensuelles. À cet effet, les données mensuelles de précipitations et de teneurs en eau, qui ont été établies à l’étape 4 du processus d’analyse, sont choisies. La deuxième hypothèse est associée à la détermination adéquate de l’augmentation de la teneur eau causée par un épisode de précipitation tout en tenant compte du décalage temporel. Pour ce faire, plusieurs simulations ont été effectuées et la meilleure d’entre elles a été retenue. Le tableau 4-2 est un résumé des différents scénarios qui ont été étudiés.
Tableau 4-2: Différents scénarios étudiés afin de déterminer la meilleure corrélation entre les précipitations et les augmentations de teneurs en eau
Pour un épisode de précipitation P qui s’est passée à la période x Scénarios Cas 1 ΔW=Wx+1- Wx ΔW=Wx+2- Wx ΔW=Wx+3- Wx -
Scénarios cas 2 ΔW=Wx- Wmoy ΔW=Wx+1- Wmoy ΔW=Wx+2- Wmoy ΔW=Wx+3- Wmoy
Scénarios cas 3 ΔW=Wx- Wmoy.- ΔW=Wx+1- Wmoy- ΔW=Wx+2- Wmoy- ΔW=Wx+3- Wmoy-
Scénarios cas 4 ΔW=Wx- k ΔW=Wx+1- k ΔW=Wx+2- k ΔW=Wx+3- k
Un total de 15 différents scénarios présentés au tableau 4-2 ont été étudiés. Pour le scénario cas 1, 3 analyses ont été effectuées. Ainsi, pour une précipitation P à la période x, l’augmentation de teneur en eau correspondante, ΔW, est donnée par la soustraction de la teneur en eau à la période suivante, Wx+1, à la teneur en eau à la période x, Wx. Afin
d’incorporer le décalage temporel, des périodes ultérieures x+2 et x+3 ont également été étudiées selon le même principe. Pour le scénario cas 2, 4 analyses ont été effectuées. Ainsi, pour une précipitation P à la période x, l’augmentation de teneur en eau correspondante, ΔW, est donnée par la soustraction de la teneur en eau à la même période, Wx, àla moyenne des
teneurs en eau de toutes les périodes, Wmoy. Afin d’incorporer le décalage temporel, des périodes ultérieures x+1, x+2 et x+3 ont également été étudiées selon le même principe. Pour le scénario cas 3, 4 analyses ont également été effectuées.
63 Ainsi, pour une précipitation P à la période x, l’augmentation de teneur en eau correspondante, ΔW, est donnée par la soustraction de la teneur en eau à la même période, Wx,
àla moyenne des teneurs en eau sur toutes les périodes de pluies absentes, Wmoy-.
L’idée est de vérifier si la teneur eau continue à augmenter progressivement après une absence d’épisode de pluie. Afin d’incorporer le décalage temporel, des périodes ultérieures x+1, x+2 et x+3 ont également été étudiées selon le même principe. Pour le scénario cas 4, 4 analyses ont aussi été effectuées. Ainsi, pour une précipitation P à la période x, l’augmentation de teneur en eau correspondante, ΔW, est donnée par la soustraction de la teneur en eau à la même période, Wx, àune valeur k. En effet, k est la plus faible valeur de teneur en eau sur une
plus longue période de temps. Cette valeur, qui est de 17.1%, est la teneur en eau volumétrique de référence. Afin d’incorporer le décalage temporel, des périodes ultérieures x+1, x+2 et x+3 ont également été étudiées selon le même principe.
Une fois que toutes les valeurs de ΔW ont été déterminées à partir des 15 scénarios du tableau 4-2, des graphes, mettant en relation ces valeurs de ΔW ainsi que leurs données de précipitations correspondantes, ont été produits. Afin de déterminer l’équation qui dicte la relation P vs ΔW, différentes courbes de tendance ont été tracées sur les graphes des différents scénarios. Ces courbes sont d’ordre logarithmiques, de puissances et linéaires. Une analyse approfondie de ces courbes a montré qu’une relation linéaire entre P et ΔW donne un meilleur coefficient de détermination, R2, pour les différents scénarios. Cependant, bien qu’une relation
linéaire soit plus appropriée qu’une relation de puissance ou de type logarithmique, il n’en est pas plus que ces graphes montrent une faible corrélation de l’aspect linéaire entre ΔW et P pour la plupart des scénarios, plus précisément pour les scénarios Cas 1, cas 2 et cas 3. Les valeurs de corrélations (coefficient de détermination, R2), issues des courbes de tendance
linéaires, sont illustrées au tableau 4-3. Il est possible par contre de remarquer que pour les 4 scénarios cas 4, certains résultats s’avèrent plus intéressants. En l’occurrence, le graphe du scénario 2 du cas 4, où ΔW=Wx+1- k, montre une meilleure corrélation. En effet. le choix de
scénario est dicté par la meilleure corrélation entre P et ΔW selon les coefficients de détermination issus des courbes de tendance des différents graphes. Le meilleur coefficient obtenu est 0,3 qui est issu d’une relation linéaire entre P et ΔW pour le scénario 2 du cas 4, où ΔW=Wx+1- k. Ce cas est donc retenu pour l’analyse.
64
Tableau 4-3: Coefficient de détermination obtenues des graphes P vs ΔW pour les 15 différents scénarios analysés
Pour un épisode de précipitation P qui s’est passée à la période x Scénario Cas 1 ΔW=Wx+1- Wx ΔW=Wx+2- Wx ΔW=Wx+3- Wx -
Coef. Détermination 0,05 0,001 0,07 -
Scénario cas 2 ΔW=Wx- Wmoy ΔW=Wx+1- Wmoy ΔW=Wx+2- Wmoy ΔW=Wx+3- Wmoy
Coef. Détermination 0,03 0,06 0,01 0,01
Scénario cas 3 ΔW=Wx- Wmoy.- ΔW=Wx+1- Wmoy- ΔW=Wx+2- Wmoy- ΔW=Wx+3- Wmoy-
Coef. Détermination 0,01 0,01 0,08 0,01
Scénario cas 4 ΔW=Wx- k ΔW=Wx+1- k ΔW=Wx+2- k ΔW=Wx+3- k
Coef. Détermination 0.1 0,3 0.2 0,2
Ces analyses ont permis l’établissement d’une relation claire entre les précipitations moyennes mensuelles et les augmentations de teneurs en eau volumétriques, qui est présentée à l’équation 14 suivante :
(14)
Où P est la précipitation moyenne mensuelle en mm.
La figure 4-2 illustre la tendance à la hausse des teneurs en eau causée par des épisodes de précipitation. Cette figure illustre aussi le scénario retenu, dont résulte le modèle P vs ΔW (équation 14 ) qui est utilisé tout au long du projet.
Figure 4-2: Augmentation des teneurs en eau volumétriques des sols en fonction des épisodes de précipitation ∆W (%) = 0,9P − 0,1 -20 -15 -10 -5 0 5 10 15 0 2 4 6 8 10 12 ΔW (v om ul ét ri que s en % )
Précipitations moyennes mensuelles (mm)
Argile Manitoba à -0,6m Argile (Manitoba) à -0,8m Argile Manitoba à -1m Sable Saint Celestin SERUL
Périodes entre mars et novembre
65 Il est encore important de rappeler la difficulté d’obtention de ce type de relation. La corrélation de 0,3 qui a été obtenue demeure similaire à celle des travaux antérieurs sur le même sujet, tels que ceux de Carrera et coll. (2009) et de l’Austroads (2004).
En résumé, il est important de noter que ces données de teneurs en eau recueillies sont volumétriques. Il advient également de mentionner que le choix d’utilisation des données mensuelles a été principalement dicté par la forme des données d’entrée de précipitations qui sont fournies par Ouranos, tel qu’il a été mentionné dans la première hypothèse de l’étape 5 du processus de traitement des données brutes.
Le tableau 4-4 qui suit illustre la synthèse de traitement de toutes les données de précipitations journalières et de teneurs en eau volumétriques horaires recueillies, d’où resulte l’équation 14.
Tableau 4-4: Synthèse de traitement des données brutes de précipitations et de teneurs en eau volumétriques
Données Manitoba Fosse B Données SERUL Fosse A Données St-Celestin
date Pmoy ΔW Pmoy ΔW Pmoy ΔW date Pmoy ΔW date Pmoy ΔW date Pmoy ΔW
mm à-0,6 m mm à-0,8 m mm à-1m mm mm mm
Nov-07 1,5 2,3 - 1,8 0,3 Nov-02 3,2 7,3 Nov-02 3,2 4,7 Oct-02 0.8 1.3 Mar-08 3,4 18,2 - 10,5 - 3,9 Mar-03 8,1 -0,7 Mar-03 8,1 2,3 Nov-02 5.9 0.9 Apr-08 2,9 14,4 2,9 9,3 - 6,8 Apr-03 4,9 4,8 Apr-03 4,9 1,6 Mar-03 8.0 0.5 May-08 4,1 14,2 4,1 10,7 4,1 8,6 May-03 4,4 2,4 Apr-03 10,5 1.6 Jun-08 2,2 -14,1 2,2 11,6 2,2 9,5 Jun-03 4,1 -5,9 May-03 8,4 5.7 Jul-08 8,7 12,5 8,7 11,9 8,7 10,6 Jun-03 3,0 -1,1 Aug-08 4,5 11,3 4,5 -11,3 4,5 10,4 Sep-03 1,2 1,4 Sep-08 5,2 -10,6 5,2 9,9 5,2 -15,1 Mar-04 9,0 3,9 Oct-08 6,0 11,4 6,0 10,4 6,0 10,5 Nov-08 - 3,4 - 4,0 - 2,1 Mar-09 2,7 8,0 - 6,4 - 3,4 Apr-09 - 12,8 - 12,6 - 9,9 Sep-09 2,2 11,7 2,2 12,0 2,2 9,4 Oct-09 0,9 11,0 0,9 11,5 0,9 9,0
67