Chapitre 1 : Introduction générale
B. Description du modèle SWAT
8. Spécificité des projets SWAT mis en place
L’ensemble des étapes de délimitation du modèle et des phases de calibration et de validation nécessite de nombreuses bases de données que ce soit des données d’entrée du modèle, des données permettant d’aider à la calibration, ou des données de validation des sorties du modèle. Ces choix sont importants étant donné qu’il détermine ce que renvoie le modèle et donc a une influence sur l’analyse et les conclusions de recherches. Dans cette section, toutes les données utilisées dans cette thèse ne sont pas énumérées car décrites dans les sections « Matériel et Méthode » de chaque chapitre. Ces choix, dépendent de la question de recherche et seront expliqués par la suite dans les chapitres dédiés. Cette section permet d’expliquer la méthodologie choisie dans cette étude pour prendre en compte les pressions anthropiques que ce soit pour leur intégration dans les différents modèles ou leur utilisation dans les analyses de cette étude car non détaillées suffisamment dans les chapitres suivants.
Prise en compte des activités agricoles
Les données de statistiques agricoles, utilisées ici, sont disponibles librement sur les sites gouvernementaux espagnols, portugais et français aux échelles régionales et nationales. Ces données ont permis de définir les itinéraires techniques régionaux du modèle, ainsi que de calibrer et de valider le modèle sur les rendements des cultures afin de créer un modèle au plus proche de la réalité. Ces données ont également permis de calculer des indices pour la quantification du service d’approvisionnement en eau du secteur primaire (Chapitre 7) tels que des indicateurs de productivité et d’intensité (Clec’h et al., 2016).
87
À l’échelle du SUDOE, la résolution du modèle est faible, il a donc été nécessaire d’appliquer la culture dominante pour chacune des grandes régions agricoles. Les fiches des itinéraires techniques des différentes cultures fournies par les différentes chambres d’agriculture ont fourni des indications sur la quantité de fertilisants appliqués par hectare. Une correspondance entre la classification des occupations du sol, Corine Land Cover 2012, et les cultures dominantes a été effectuée pour simplifier le modèle. Ces correspondances utilisées pour modéliser les intrants d’azote dans le modèle sont présentées dans le table 3. Par exemple au sud de l’Espagne dans la région de l’Andalousie, la culture intensive dominante est le coton. L’itinéraire technique du coton fourni par la chambre d’agriculture a été appliqué au modèle à tous les HRU avec une occupation intensive en Andalousie.
Pour la partie française, l’occupation du sol dominante et les pratiques culturales utilisées ont été décrites par le Cemagref en 2009 à l’occasion du projet Interreg SUDOE Aguaflash (2009-2012) sur le bassin de la Save. Les données utilisées ont été croisées avec les statistiques agricoles des chambres d’agriculture. Pour la partie espagnole, le site de statistique agricole et les fiches d’itinéraires techniques de chaque confédération ont permis de fixer des limites. De plus, les unités de chaleur (HU) ont été déterminées en fonction de la bibliographie. Elles suivent, pour la majorité des cultures, l’itinéraire suivant :
- Début de croissance : HU= 0,15 - Début de l’auto-irrigation : HU= 0,15 - Application du fertilisant 1 : HU= 0,2 - Application du fertilisant 2 : HU= 0,2 - Récolte : HU = 1,2
La calibration de la production de biomasse et du rendement agricole du modèle a été effectuée à partir des données de productions des cultures issues de la bibliographie et des rendements nationaux. Les résultats de la prise en compte des activités agricoles sont présentés dans le chapitre 5.
88
Table 3: Culture et applications de fertilisants intégrés aux modèles SWAT selon les recommandations fournis par les industriels (issus de Cakir et al., 2020).
(1) 15-15-15, fertilisant NPL utilisant une combinaison d'azote (N), de phosphore (P) et de potassium dont l’objet est de maximiser le rendement et la qualité des cultures. Il contient 15%N, 15% P,
and 15% K. (2) 15-30-0 est un fertilisant à haute teneur en phosphore. Il contient 15%N, 30% P and 0% K. (3) 18-46-0, le phosphate diammonique, est un fertilisant qui augmente temporairement le pH du sol.
Il contient 18%N, 46% P2O5, and 0% K. (4) 21-0-0+24S, l’engrais à base de sulfate d'ammonium contient 21%N and 24% of sulfure.
Territory Country Classification description from CLC 2012 CLC Code Selected Crops Fertilizers type Quantity applied (kg.ha-1.year-1)
Permanently irrigated land 2.21.212 Maize 15-15-15 (1) 400
Non-irrigated arable lannd 2.21.211 Wheat 15-30-0 (2) 200-150
Land principally occupied by agriculture, with significant
areas of natural vegetation 2.24.243 Maize 15-15-15
(1) 400
N 30
P 20
Fruits trees and berry plantation 2.22.222 18-46-0 (3) 100
N 50 P 60-80 K 60-100 N 240 2.21.211 P 96 K 144
Land principally occupied by agriculture, with significant
areas of natural vegetation 2.24.243 Sunflower 15-15-15
(1) 400-600 N 150 K 33 N 30 P 20 N 190 2.22.222 P 120 K 360 N 190 P 60 K 240 N 245 P 112 K 156 Pyrenean
France Vineyard 2.22.221 Vine
Rice fields 2.21.213 Rice
Spain, Portugal
Non-irrigated arable lannd
Almonds 2.22.222 Almonds
Wheat
Permanently irrigated land 2.21.212 Cotton
Vineyard 2.22.221 Grape
Fruits trees and berry plantation
89 Table 3 : cont
Territory Country Classification description from CLC 2012 CLC Code Selected Crops Fertilizers type Quantity applied (kg.ha-1.year-1)
N 290 2.21.211 P 126 K 144 2.24.243 N 150 P 33 N 150 P 33 N 60 P 40 N 133 P 52 K 195 N 190 P 60 K 240 N 245 P 112 K 156 N 85 P 45 K 95
Land principally occupied by agriculture, with significant
areas of natural vegetation 2.24.243 Lemon 21-0-0+24S
(4) 610 N 245 P 112 K 156 N 60 P 40 N 133 P 52 K 195 N 190 P 60 K 240 N 210 P 49 K 190
Rice fields 2.21.213 Rice
Oceanic Spain, Portugal
Non-irrigated arable lannd Wheat Land principally occupied by agriculture, with significant
areas of natural vegetation Cotton Permanently irrigated land 2.21.212 Cotton
Vineyard 2.22.221 Grape
Olive groves 2.22.223 Olive
Almonds 2.22.222 Almonds
Mediterannean Spain, Portugal
Non-irrigated arable lannd 2.21.211 Melon
Permanently irrigated land 2.21.212 Almonds
Vineyard 2.22.221 Grape
Olive groves 2.22.223 Olive
Rice fields 2.21.213 Rice
90
Prise en compte des rejets anthropiques
Les rejets issus de notre société peuvent être d’ordre domestique ou industriel. La quantité réelle des rejets anthropiques est une donnée sensible et souvent non disponible. Par ailleurs, il est impossible de modéliser l’ensemble des rejets anthropiques. Pour ces raisons, j’ai fait le choix de simplifier la prise en compte des rejets anthropiques en estimant la charge annuelle azotée et phosphorée rejetée à partir d’une version simplifiée de la méthode de Zessner and Lindtner (2005). Pour cela, les localisations et les caractéristiques, des eaux usées urbaines (dont la capacité maximale et la charge annuelle) issues de la base de données européenne 2010, UWWTP, ont été utilisées. Les stations d’épurations considérées dans le modèle sont celles ayant une capacité supérieure à 50 000 équivalents-habitants. Si plusieurs stations d’épuration se trouvent dans un même sous-bassin, le modèle considère une station d’épuration fictive agrégeant l’ensemble de ces stations. Le volume total annuel d’effluents d’une station d’épuration est déterminé à partir du nombre d’équivalent-habitants par stations d’épuration – disponible dans la base de données européenne – et de la consommation d’eau par habitant et par pays (France: 58,04 m3. an-1, Portugal: 67,46 m3. an-1 and Spain: 47,4 m3. an-1 ) (https://ine/pt, https://ine/es,
https://www.insee.fr). La moyenne journalière de la charge azotée entrant dans une station d’épuration est de 8,8 gN.equivalent-habitant-1 et l’efficacité du processus d’épuration est estimée à 40% pour l’ensemble du territoire du SUDOE. L’estimation du volume de nutriment rejeté dans l’environnement est estimée par l’équation suivante :
𝑋𝑙𝑜𝑎𝑑= (1 − 𝑋𝑟𝑒𝑚𝑜𝑣𝑎𝑙) ∗ 𝐿𝑜𝑎𝑑𝑑𝑒𝑠𝑖𝑔𝑛∗ 𝑋𝑖𝑛𝑓𝑙𝑢𝑒𝑛𝑡𝑙𝑜𝑎𝑑 (eq. 37)
Avec Xload la quantité de polluant rejetée de la station d’épuration (g), Xremoval l’efficacité du processus d’épuration, comprise entre 0 et 1 et fixée à 0,4 dans cette étude, Loaddesign le nombre d’équivalents habitants et Xinfluent load la quantité journalière de polluant rejeté par habitant (g.habitant- 1.jour-1).
Cette équation a été validée en comparant les résultats de ce modèle avec les sorties de stations d’épuration mesurées par les agences de l’eau de plusieurs villes en France et en Espagne. La figure 29 montre une bonne corrélation avec un R² de 0,87 et une p-value inférieure à 0,01.
91
Figure 29: Comparaison entre les effluents azotés en tN.an-1 observés par les agences de l'eau (de 2000 à 2010) et celles
simulés avec l'équation 37 issue des données de la base de données UWWTP—EUDB (https://ec.europa.eu/) .
Prise en compte des ouvrages hydrauliques
Les caractéristiques des barrages utilisées dans cette étude pour le bassin de la Garonne et pour le SUDOE (capacité, année de construction, volumes des lâchers d’eau, règles de gestion…) proviennent des données fournies par le ministère de l’agriculture, de la pêche, et de l’alimentation espagnole ainsi que des données fournies par Électricité De France (EDF) dans le cadre du projet REGARD- RTRA/STAE. Seuls les barrages ayant une capacité supérieure à 5 Hm3 ont été considérés comme ayant un fort impact sur l’hydrologie globale du bassin et pris en considération dans le modèle. Comme l’intégration des stations d’épuration, un barrage fictif a été conceptualisé dans un sous-bassin présentant plusieurs barrages ayant une capacité supérieure à 5 Hm3. 44 barrages ont été implémentés au total dans le modèle représentant le SUDOE. Les données de gestion ont été utilisées afin de calibrer les barrages notamment pour définir les volumes minimaux et maximaux de relargage visés. Dans les cas les plus complexes ou disposant de peu de données, les limites maximales et minimales de relargage ont été déterminées à partir des données de débits observés en aval des barrages.