Processus et paramètres dans SWAT

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 − AW Ci), 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 CN 2 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, ALP HA − BF est la constante de récession qui est la réponse à la recharge de la nappe [Smedema et Rycroft, 1983]. GW QM N 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 AP M N déterminent la quantité d’eau correspondant à une remontée capillaire d’eau de l’aquifère peu profond jusqu’aux

FIGURE 2.9 – SWAT : un couplage du modèle hydrologique semi-distribué et du modèle

agronomique EPIC. Principaux processus modélisés.

couches de la zone non saturée. GW − REV AP est un paramètre restrictif de ce flux, REV AP M N 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 CM N 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

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 SDN CO est le seuil de quantité d’eau dans le sol au delà duquel la dénitrification est activée. N P ERCO 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.

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 FERRANT1 2, François OEHLER1 2 3, Patrick DURAND4, Laurent RUIZ4,

Jordy SALMON-MONVIOLA4, Eric JUSTES5, Philippe DUGAST6, Anne PROBST1 2, Jean-Luc PROBST1 2, José-Miguel SANCHEZ-PEREZ1 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, France 5. INRA-ENSAT Auzeville - BP 52627 31326 CASTANET-TOLOSAN Cedex, France

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.

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

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

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

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-

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−1in 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- jouanet 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