Etat de l’art

La dernière décade a vu les responsables politiques prendre de plus en plus conscience de l’importance de la restauration ou du maintien la qualité des eaux de rivières. Tant aux Etats Unis qu’en Europe, de nouvelles directives pour un contrôle plus strict de la qualité de l’eau ont été approuvées (Directive Cadre sur l’Eau, Union Européenne, 2000). La gestion de la qualité de l’eau sera dorénavant envisagée au niveau des bassins versants entiers et planifiée sur le moyen terme. Dans ce contexte, les modèles à l’échelle des bassins versants entiers sont considérés aujourd’hui comme des outils importants d’aide à la décision. Un certain nombre de modèles hydrologiques décrivant le transport des masses d’eau au niveau des bassins versants ont été développés (Horn et al., 2004) mais pour que ces modèles soient vraiment utiles pour la gestion de la qualité de l’eau il faut qu’ils soient capables de décrire les fluctuations temporelles et spatiales d’un grand nombre de paramètres décrivant la qualité de l’eau. Le couplage des modèles hydrologiques des bassins hydrographiques avec des modèles spécifiques permettant de décrire des paramètres chimiques, biologiques et écologiques représente un défi pour les modélisateurs. Concernant la qualité microbiologique des eaux, il n’existe actuellement pas, à notre connaissance, de modèles convaincants décrivant le devenir des bactéries fécales à l’échelle d’un bassin versant entier. Les seuls modèles de ce type sont des modèles extrêmement simplifiés qui, par exemple, ne prennent en compte que les

processus d’advection /dispersion(Jamieson et al., 2004).

On trouve, par contre, dans la littérature des modèles spécifiquement développés pour décrire la dynamique des bactéries fécales pour des sites précis et avec des objectifs spécifiques. Ces modèles sont difficilement comparables entre eux parce qu’ils diffèrent (i) de par les objectifs pour lesquels ils ont été développés, (ii) les situations auxquelles ils se réfèrent et (iii) de par leur description des processus affectant les bactéries fécales dans le milieu aquatique.

Deux éléments sont néanmoins toujours présents en plus de l’hydrodynamique du système qui conditionne le transport de ces bactéries dans le milieu aquatique: la description et la quantification des sources de bactéries fécales, les processus affectant le devenir de ces bactéries dans le milieu naturel. Nous allons présenter ici quelques exemples de modèles de la

dynamique des bactéries fécales en nous focalisant sur la description des sources de bactéries fécales et celle des processus affectant le devenir de ces bactéries dans le milieu aquatique. Le tableau 5 résume les caractéristiques des neuf modèles que nous avons analysés ; ceux-ci se rapportent tous à des eaux douces ou saumâtres.

VII.MODÉLISATION

Tableau 5. Caractéristiques de divers modèles décrivant la dynamique des bactéries fécales en milieu aquatique

Modèles Objectif Site d’étude Organisme

utilisé comme modèle

Prise en compte des sources

Description de la disparition des bactéries fécales de la colonne d’eau

Le Hir et al., 1990

Modéliser le devenir dans l’estuaire des bactéries fécales rejetées par les STEPs en amont. Modéliser séparément les bactéries libres et attachées.

Estuaire du Morlaix (France) Bactéries d’origine entérique Apports par l’amont

Taux de mortalité différents pour les bactéries libres et attachées. Pour les bactéries libres, ce taux dépend de l’irradiation lumineuse et pour les bactéries attachées, un taux constant est considéré Canale et al.,

1993

Tester l’impact des conditions environnementales sur le devenir des CF et tester l’impact de mesures d’assainissement Lac Onondaga (USA) Coliformes fécaux STEPs et affluents k (h^-1) = kd + ki + ks

k_d= Taux de mortalité au noir,

ki= Taux de décroissance dû à

la lumière ^a et ks= Taux de

sédimentation Wilkinson et

al., 1995

Modéliser les processus de remise en suspension pendant les périodes de crues

Rivières (Pays de Gales) Coliformes fécaux La seule source prise en compte est la resuspension

La mortalité dans la colonne d’eau est considérée comme négligeable à l’échelle de temps utilisée

Tian et al., 2002

Modéliser la contamination microbiologique des eaux liées aux pâtures

Le bassin du Mangatoama (Nouvelle Zélande)

E. coli STEPs et apports diffus

k (h^-1) = k_d + k_i

kd = Taux de mortalité au noir

(fonction de la temp.), ki= Taux de décroissance dû à la lumière ^a Kashefipour et al., 2002 Prédire la concentration de bactéries fécales dans des eaux de baignade. Evaluer l’impact de projets d’assainissement L’estuaire du Ribble (Angleterre) Coliformes fécaux STEPs, affluents et apports par l’amont

Valeurs de k calées sur base des données de terrain. Valeurs de k différentes selon la température (14 et 20°C), l’alternance jour/nuit et le temps sec ou pluvieux

al., 2003 modifications des apports par les affluents sur le niveau de contamination

microbiologique

(France) fécaux k_d= Taux de mortalité au noir,

ki= Taux de décroissance dû à la lumière

Collins and Rutherford, 2004

Modéliser la qualité

microbiologique des ruisseaux qui traversent des pâtures. Prédire l’effet des

aménagements Le haut du bassin du Mangatoama (Nouvelle Zélande)

E. coli Apports diffus k = kd + ki

k_d= Taux de mortalité au noir

(fonction de la temp.), k_i = Taux de décroissance dû à la

lumière ^a

Vinten et al., 2004

Dans des zones de baignade, prédire les effets des apports de E. coli provenant du bétail.

Rivière Irvine (Ecosse)

E .coli Apports diffus k constant

Sanders et al., 2005

Modéliser la dynamique des indicateurs de contamination fécale dans une zone humide intertidale Bassin du Talbert (USA) Coliformes totaux, E. coli et entérocoques STEPs, apports diffus et Affluents k = ki

ki= Taux de décroissance dû à la lumière ^a

a

VII.MODÉLISATION