Caractérisation et étude préliminaire des données

A l’image de ce qui a été décrit pour les tendances temporelles (cf. section 3.1), il est nécessaire de procéder à un examen préliminaire des données avant toute exploitation. Cela permet notamment de vérifier que la qualité des données est satisfaisante vis-à-vis du périmètre et des objectifs de l’étude.

Les principaux éléments à définir au préalable dans le cadre d’une étude des distributions spatiales des contaminants dans les sédiments sont les suivants : - Le périmètre de l’étude

o L’étude est-elle réalisée à l’échelle d’un cours d’eau (et ses éventuels affluents), d’un plan d’eau, d’un bassin versant ou d’un bassin hydrographique ?

o Combien de stations/sites d’étude sont compris dans l’étude ? Comment sont répartis ces sites sur la zone d’étude ? S’agit-il de stations appartenant aux réseaux de surveillance usuels ou de sites sélectionnés précisément pour cette étude ?

- La période d’étude. Ainsi que le montre l’étude bibliographique, la majorité des études de la contamination sur le plan spatial présentent une « synthèse » de la contamination sur une période donnée.

o L’étude porte-t-elle sur une année (« photographie » de la zone) ou sur une période de plusieurs années (« synthèse ») ?

o Combien de prélèvements de sédiment ont été effectués (nombre et fréquence sur la période) ? S’agit-il de prélèvements de sédiment de surface ou de carottage ?

- Les substances suivies

o Les polluants suivis sont-ils des micropolluants organiques ou inorganiques (métaux) ?

o Des paramètres normalisateurs ont-ils été suivis en même temps que les micropolluants ?

 Aluminium ou fer pour les métaux.

 Carbone organique ou perte au feu pour les micropolluants organiques.

 Granulométrie.

A l’instar d’une étude des tendances temporelles, il est également important d’étudier la fréquence de quantification des données. Cela permet par exemple d’identifier des parties de la zone d’étude ou des paramètres pour lesquels la contamination est trop faible vis-à-vis des limites de quantification. Si une étude quantitative des résultats est prévue et que ces données non-quantifiées doivent être prises en compte, un choix doit être fait quant à la valeur numérique à attribuer aux données non-quantifiées. Une solution couramment utilisée consiste à remplacer les valeurs inférieures à la LQ par une valeur égale à LQ/2, comme recommandé dans la directive européenne 2009/90/CE [43] (dite directive QA/QC). D’autres solutions, comme le remplacement des valeurs inférieures à la LQ par la valeur de la LQ ou par 0 sont possibles. A ce stade, l’utilisation de LQ/2 apparaît comme un compromis acceptable.

Page 102 sur 124

Une étude préliminaire statistique des données doit également être menée en calculant les descripteurs statistiques usuels : moyenne, médiane, minimum, maximum et écart- type. Un écart important entre la moyenne et la médiane doit alerter sur la possible présence de valeurs extrêmes et inciter à conduire un test de détection des valeurs aberrantes (test de Grubbs, par exemple).

5.3.2 Exploitation des données

L’objectif de l’étude et la nature des données exploitées conditionnent grandement le choix du mode d’exploitation et de représentation des données, comme le montrent les exemples détaillés ci-dessus. Ainsi, l’établissement d’un profil de contamination le long d’un linéaire de cours d’eau requiert une approche différente de la cartographie de la contamination des sédiments à l’échelle régionale (c’est-à-dire potentiellement sur de nombreux cours d’eau). L’objectif de cette section est de donner quelques clés permettant d’orienter l’utilisateur quant au choix de l’approche à entreprendre, notamment dans le cas des études à l’échelle d’un bassin hydrographique.

Normalisation des données

Comme pour l’étude des tendances temporelles, la question de la normalisation des données doit être considérée. Si une opération de normalisation est effectuée dans le cadre d’une étude des distributions spatiales, elle doit être clairement décrite.

Les principales possibilités indiquées dans le Tableau 1 sont également valables pour l’étude des distributions spatiales : normalisation géochimique (Al ou Fe) pour les métaux, normalisation par la teneur en COT ou perte au feu pour les micropolluants organiques et normalisation par la granulométrie. La corrélation entre concentration en contaminant et paramètre normalisateur doit toujours être vérifiée. La méthode de normalisation employée dans le cadre de l’exploitation des données AEAP et AERM ci- dessus (division de la concentration en micropolluant par le paramètre normalisateur, cf. section 3.2) peut également être employée.

Dans le cadre d’une étude des distributions spatiales des métaux dans les sédiments, la prise en compte du fond géochimique et le calcul de facteurs d’enrichissement apparaissent comme une piste d’exploitation pertinente pour la normalisation des données. La formule du calcul du facteur d’enrichissement (FE) est donnée ci-dessous (exemple avec la concentration en aluminium comme paramètre normalisateur) [44] :

𝐹𝐸 =

(_[𝐴𝑙])[𝑀]

(_[𝐴𝑙])[𝑀]

(Equation 1)

- [M] est la concentration en élément métallique étudié ; - [Al] est la concentration en aluminium ;

- « éch » désigne l’échantillon étudié ;

- « réf » désigne les niveaux du fond géochimique, usuellement les teneurs de l’ère préindustrielle, déterminées par exemple à l’aide de carottes sédimentaires.

Les classes de répartition des valeurs des FE sont des classes d’amplitude fixée préalablement. Il n’existe pas de classification « universelle » concernant les FE mais la

plupart des publications emploient des classifications relativement similaires (cf. notamment Salomons & Forstner, 1984 [44]).

Cette opération peut être vue comme une « double normalisation » qui permet de s’affranchir de la variabilité due aux différents prélèvements effectués sur différents sites et de mieux prendre en compte le contexte géochimique duquel les sédiments prélevés sont issus, permettant une meilleure interprétation des résultats. En effet, si deux sites (1 et 2) présentent des concentrations normalisées similaires, cela ne signifie pas forcément que les niveaux d’enrichissement le sont : si le site 1 présente en réalité un fond géochimique plus élevé que le site 2, alors le site 2 est en réalité plus enrichi en contaminant que le site 1. La prise en compte du fond géochimique et le calcul des facteurs d’enrichissement permettent de prendre en compte cette disparité.

Si le fond géochimique est déterminé, la méthode de détermination doit être clairement indiquée. Certaines valeurs peuvent par exemple être trouvées dans la littérature [19]. De plus, il est nécessaire d’indiquer si l’on dispose de niveaux de référence pour tous les sites considérés, pour une partie d’entre eux ou si une seule valeur de fond est utilisée pour l’ensemble du bassin (exemple du projet SPAL [20]). Dans tous les cas (étude des contaminants métalliques ou organiques), la méthode de normalisation doit le cas échéant être clairement indiquée.

Hiérarchisation des sites

Préalablement à la représentation proprement dite des données, il est recommandé de procéder à une hiérarchisation des sites en fonction de leurs niveaux de contamination. L’AEAP a réalisé un travail de hiérarchisation de ses différentes stations en exploitant les données de contamination des sédiments obtenues en 2007 et en 2011. Sur la base de descripteurs statistiques usuels (moyenne, médiane et percentiles), trois scores sont attribués à chaque station pour les deux années :

- un score pour les résultats obtenus sur les métaux ;

- un score pour les résultats obtenus sur les contaminants organiques ; - un score global prenant en compte toutes les substances.

Les stations sont ensuite classées en fonction de ces différents scores pour identifier les stations les plus polluées (cf. Figure 23).

Page 104 sur 124

Figure 23 : Exemple de classement de stations de l’AEAP en fonction de scores établis sur la base des données métaux et micropolluants organiques en 2007 et 2011 (d’après AEAP, communication directe)

Ce travail n’a cependant pas fait l’objet de publication de la part de l’AEAP. Ces tableaux ont été communiqués directement à AQUAREF par l’AEAP.

Un autre exemple de hiérarchisation des stations en fonction de leur niveau de contamination est proposé dans le rapport de l’OSR de Poulier et al. (2017) [11]. Dans ce rapport (basé sur les MES mais transposable aux sédiments de surface dans une certaine mesure), la méthode de classement des sites débute, pour chaque contaminant, par le calcul de la médiane et des premier et troisième quartiles des concentrations obtenues pour tous les sites confondus (Médianetous_sites ; Q1tous_sites et

Q3tous_sites). Ces valeurs servent ensuite de bornes pour établir quatre classes de

concentration permettant de classer les sites en fonction de la valeur médiane Médianesite_i obtenue pour le contaminant considéré. En fonction de la position de cette

médiane vis-à-vis de ces classes de concentration, un score de 1 à 4 est attribué à la station. La méthodologie est résumée sur la Figure 24, où sont reportés quatre exemples de sites illustrant chaque score possible.

Figure 24 : Méthode de hiérarchisation des sites selon la médiane et les premier et troisième quartiles obtenus pour tous les sites étudiés (d’après Poulier et al., 2017 [11])

Bien que potentiellement assez lourde à mettre en œuvre dans le cas où un grand nombre de substances et/ou de stations sont suivies, cette méthode permet d’identifier rapidement, à l’aide d’un code couleur judicieusement choisi, les stations les plus contaminées (cf. Figure 25).

Page 106 sur 124

Figure 25 : Classement de quatre stations de l’Observatoire des Sédiments du Rhône sur la base de scores établis selon la méthode des descripteurs tous sites confondus (d’après Poulier et al., 2017 [11]).

Les sites du Gier et de la Saône apparaissent clairement comme les plus contaminés.