Modélisation de systèmes de drainage des sols organiques cultivés sujets à la compaction et au tassement

(1)

Modélisation de systèmes de drainage des sols

organiques cultivés sujets à la compaction et au

tassement

Thèse

Cedrick Victoir Guedessou

Doctorat en sols et environnement

Philosophiæ doctor (Ph. D.)

(2)

Résumé

L’objectif de cette thèse était de quantifier le niveau de compaction des sols organiques cultivés de la Montérégie, Québec (Canada) et d’en évaluer l’impact sur le drainage. Nous avons identifié les principales variables concernées que sont la résistance à la pénétration (PR) du sol dont les variations reflètent le niveau de compaction et la conductivité hydraulique saturée (Ksat) dont les valeurs faibles caractérisent les zones mal drainées. La méthode a consisté à 1) concevoir un filtre pour ajuster les valeurs de PR sujettes à des forces de frottement (PFC), 2) cartographier les zones compactes aux champs, 3) identifier une fonction de pédotransfert (Pedotransfer function, PTF) pour prédire Ksat à partir de PR filtré pour prendre en compte les zones compactes lors de la conception du réseau de drainage et 4) modéliser le système de drainage à partir de données de potentiel matriciel (h) en utilisant HYDRUS-2D. Le modèle calibré et validé a servi à une analyse des variations de h (△h) sous divers scénarios d’espacement et de profondeur de drains. Des surfaces de réponse de △h ont été tracées pour évaluer les valeurs optimales de Ksat et d’épaisseur des couches compactes (EP) pour un drainage de 40 cm/j. Les résultats ont montré que 1) 28.9% des valeurs de PR sont dus aux PFC, 2) les zones compactes ont une répartition spatiale aléatoire avec des profils de sols ayant aucune, une ou deux couches compactes et EP variant entre 5 et 30 cm, 3) aucune PTF exploitable ne permet de prédire Ksat, 4) le drainage est meilleur de 58% en dessous de la couche compacte qu’au-dessus. Les surfaces de réponse de △h permettent de conclure qu’il est plus avantageux d’améliorer les valeurs de Ksat et de EP que de modifier les valeurs actuelles de l’espacement et de la profondeur des drains.

(3)

Abstract

The objective of this thesis was to quantify the compaction level of cultivated histosols in Montérégie region in Quebec (Canada) and to evaluate its impact on subsurface drainage. We have identified the main variables concerned, namely the soil penetration resistance (PR), the variations of which reflect the soil compaction level and the saturated hydraulic conductivity (Ksat), the low values of which characterize poorly drained areas. The method consisted of 1) designing a filter to correct the frictional forces (PFC) induced errors on PR values, 2) mapping fields compact areas, 3) identifying a pedotransfer function (PTF) to predict Ksat from filtered PR to consider the compact areas when designing the drainage network and 4) model the drainage system from matric potential (h) data using HYDRUS-2D. The calibrated and validated model was used for an analysis of h variations (△h) under various drain spacing and depth scenarios. Response surfaces of △h were plotted to evaluate the optimum values of Ksat and compacted layer thickness (EP) for a drainage of 40 cm d-1_{. The results showed} that 1) 28.9% of the PR values are due to PFC, 2) the compact areas have a random spatial distribution with soil profiles having none, one or two compact layers and EP varying between 5 and 30 cm, 3) no exploitable PFT can predict Ksat, 4) drainage is 58% better below the compact layer than above. From the response surfaces of △h we conclude that it is more advantageous to improve Ksat and EP values than to modify the current values of the spacing and depth of the drains.

(4)

Table des matières

Résumé ... ii

Abstract ... iii

Table des matières ... iv

Liste des figures, tableaux, illustrations ... vii

Liste des figures ... vii

Liste des tableaux... xii

Liste des abréviations, sigles, acronymes ... xiv

Remerciements ... xviii

Introduction générale ... 1

Chapitre 1 Filtre pour la correction de la résistance à la pénétration dans un sol organique cultivé et compact .... 8

1.1 Résumé ... 8

1.2 Abstract ... 9

1.3 Introduction ... 10

1.4 Matériel et méthodes ... 12

1.4.1 Site de l’étude ... 12

1.4.2 Données collectées : matériel et méthodes ... 12

1.4.3 Identification des composants du filtre ... 15

1.4.4 Conception et validation du filtre ... 18

1.4.5 Application du filtre à l’échelle du champ ... 19

1.5 Résultats et discussion ... 19

1.5.1 Données collectées ... 19

1.5.2 Analyse exploratoire ... 21

1.5.3 Conception du filtre ... 25

1.5.4 Analyse de la qualité prédictive du filtre ... 26

1.5.5 Analyse physique du modèle polynomial ... 29

1.5.6 Applications du filtre à l’échelle du champ ... 31

1.5.7 Usage du filtre ... 35

1.6 Conclusion ... 35

Chapitre 2 Détection des zones compactes en sols organiques cultivés ... 36

2.1 Résumé ... 36

2.2 Abstract ... 37

2.3 Introduction ... 38

2.4 Matériels et méthodes ... 40

2.4.1 Sites de l’étude ... 41

2.4.2 Données collectées et méthode de cartographie ... 41

2.4.3 État de la compaction du sol ... 42

2.4.4 Détection de la couche compacte ... 42

2.5.2 État de la compaction du sol ... 45

2.5.3 Détection de la couche compacte ... 47

2.5.4 Séquence de formation des couches compactes ... 49

2.5.5 Cartographie des zones compactes ... 51

(5)

Chapitre 3 Structure relationnelle entre la conductivité hydraulique saturée et la résistance à la pénétration du sol 53 3.1 Résumé ... 53 3.2 Abstract ... 54 3.3 Introduction ... 55 3.4 Matériels et méthodes ... 57 3.4.1 Site de l’étude ... 57 3.4.2 Données collectées ... 57

3.4.3 Traitement des données ... 59

3.4.4 Conception et validation des modèles... 60

3.5.2 Traitement des données ... 63

3.5.3 Algorithmes de l’apprentissage automatique ... 65

3.5.4 Géostatistiques et méthodes d’analyses des signaux ... 67

Chapitre 4 Impact de la compaction sur le drainage souterrain en sols organiques cultivés... 75

4.1 Résumé ... 75 4.2 Abstract ... 76 4.3 Introduction ... 77 4.4 Matériels et méthodes ... 80 4.4.1 Sites de l’étude ... 80 4.4.2 Données collectées ... 81

4.4.3 Modélisation du système de drainage et validation du modèle ... 83

4.4.4 Analyse du rabattement ... 86

4.4.5 Comparaison entre modèles numériques et analytiques ... 86

4.4.6 Identification des seuils de l’épaisseur de la couche compacte et de la conductivité hydraulique saturée limitant le drainage ... 87

4.5 Résultats et discussions ... 88

4.5.1 Les données collectées ... 88

4.5.2 Paramètres hydrauliques optimaux et validation du modèle ... 92

4.5.3 Analyse du rabattement ... 95

4.5.4 Comparaison entre modèles numériques et analytiques ... 100

4.5.5 Seuils de l’épaisseur de la couche compacte et de la conductivité hydraulique saturée limitant le drainage ... 105

Conclusion générale ... 111

(6)

Annexe B.1 Distribution spatiale des profils types de sols observés au champ ... 134

Annexe B.2 Semi-variogramme par couche dans le champ N°2 ... 135

Annexe B.3 Détails de la détection des couches compactes ... 136

Annexe C Matériels supplémentaires | Chapitre 3 ... 139

Annexe C.1 Cp de Mallows (1973) ... 139

Annexe C.2 Données collectées ... 140

Annexe C.3 Analyse de la normalité des variables... 141

Annexe C.4 Résultats de l’analyse de multicolinéarité, de l’ACP et des méthodes de sélection des variables 147 Annexe C.5 Analyse de corrélation entre variables ... 153

Annexe C.6 Résultats du Random Forest ... 154

Annexe C.7 Résultats des réseaux de neurones artificiels ... 156

Annexe C.8 Résultats des analyses en ondelettes... 159

Annexe D Matériels supplémentaires | Chapitre 4 ... 163

Annexe D.1 Les mesures statistiques ... 163

Annexe D.2 Modèles analytiques ... 164

Annexe D.3 Résultats de la validation du modèle de drainage ... 170

Annexe D.4 Résultats de l’analyse de rabattement en simulant la profondeur des drains à 1.20 m ... 175 Annexe D.5 Potentiel matriciel et vitesse d’écoulement de l’eau vers les drains (Exemple de la zone 3 dans le champ S1) 178

(7)

Liste des figures, tableaux, illustrations

Liste des figures

Figure 1 – Schéma synoptique de la thèse ... 7 Figure 2 - Station de mesures montrant les points de mesures du cône indice sous forme de PR (résistance à la pénétration) et de CR (résistance à la pointe du cône) : a) Schéma du protocole de mesure, b) Photo de la mise en œuvre du protocole ... 13 Figure 3 – a) Organigramme du principe d’évaluation de la force de frottement (Penetration Friction Component PFC) à partir de la résistance à la pénétration du sol (soil Penetration Resistance PR) et de la résistance au cône (Cone Resistance CR) incluant une analyse multi-résolution (Multi Resolution Analysis, MRA) et l’application d’un modèle polynomial, b) Organigramme du filtre à l’usage une fois qu’il est achevé ... 16 Figure 4 - Graphique des moyennes et erreurs pour les données de résistance à la pointe du cône (CR) et les données de résistance à la pénétration totale (PR) présenté pour le degré 3 (D3) du modèle polynomial par exemple : a) Données brutes, b) Données après l’analyse multi-résolution (AMR), c) Données après application du modèle polynomial et d) Données après extraction de l’effet de la force de frottement (PFC) ... 24 Figure 5 - Analyse de la qualité prédictive du filtre. a) Distribution des valeurs de R²ajusté, b) Distribution des valeurs de RMSE, c) Distribution des valeurs de la pente, d) Distribution de l’ordonnée à l’origine. Chaque mesure statistique est comparée à sa valeur optimale (trait rouge) ... 28 Figure 6 - ANOVA pour la détermination du degré le plus performant : a) Performance des 12 degrés du modèle polynomial, b) Box Plot des 12 degrés du modèle polynomial, c) Performance des 5 degrés du modèle polynomial pour une analyse cible, d) Box plot des 5 degrés du modèle polynomial. ... 29 Figure 7 - Action de chaque composant du filtre : a) Profil moyen à la station ORION P1 modélisé avec un degré 5 du modèle polynomial, b) Profil moyen à la station TAURUS P3 modélisé avec un degré 3 du modèle polynomial . 31 Figure 8 - Résultats des méthodes de sélection des degrés optimaux du modèle polynomial : a) Valeurs de R²ajusté pour le degré 2 (D2) du polynôme, b) Accroissement de la valeur de R²ajusté pour D2, c) Valeurs de R²ajusté pour D3 du polynôme, d) Accroissement de la valeur de R²ajusté pour D3, e) Valeurs de R²ajusté pour D5 du polynôme, f) Accroissement de la valeur de R²ajusté pour D5. ... 32 Figure 9 - Profils types de sol identifiés en Montérégie : a) D2 sans compaction, b) D2 avec compaction, c) D3 avec compaction, e) D5 avec compaction (PR : Penetration resistance, CR : Cone resistance) ... 34 Figure 10 - Profils types de sol identifiés en Montérégie : a) D2 sans compaction, b) D2 avec compaction avec une couche compacte complète (orange), c) D3 avec compaction avec une couche compacte complète (orange) et une couche compacte incomplète (vert) e) D5 avec compaction avec deux couches compactes complètes (orange) (PR : Penetration Resistance) ... 47 Figure 11 - Séquence de formations des couches compactes en fonction du niveau de dégradation du sol : a) Champ N°2 et b) Champ N°7 ... 50 Figure 12 - Carte de compaction du champ N°2 à partir des valeurs de la résistance à la pénétration filtrées ... 52 Figure 13 – Semi-Variogrammes de la : a) Transformation logarithmique de base 10 de la conductivité hydraulique saturée du sol (LogKsat), b) Résistance à la pénétration du sol (PR), c) Teneur en eau (Ө), d) Transformation Box

(8)

Figure 16 - a) Analyse de la densité spectrale de la transformation logarithmique de base 10 de la conductivité hydraulique saturée (LogKsat – Trait plein noir) et de celle de chacun de ces potentiels prédicteurs (Trait en pointillé rouge) que sont la résistance à la pénétration (PR) du sol dans la couche compacte (PRcp) et dans les couches ]55-60] (PR5560), ]65-70] (PR6570) et ]75-80] (PR7580), la teneur en eau (Ө) et la transformation Box Cox de masse volumique apparente (TRρb). b) Analyse du carré de la cohérence (trait plein noir) du spectre croisé correspondant en fonction de la fréquence avec les intervalles de confiance (trait en pointillé bleu) définis à 95%. ... 72 Figure 17 - Courbes de rétention mesurées sur le site expérimental sur 136 échantillons collectés aux profondeurs 0-5 cm (a), 30-30-5 cm (b) et 0-50-0-50 cm (c) ... 90 Figure 18 - Carte de compaction du champ S1 (correspondant au champ 9 du chapitre 2) et points de mesure de la conductivité hydraulique saturée (Ksat) pour les besoins de dimensionnement. ... 91 Figure 19 - Données de conductivité hydraulique saturée (Ksat) mesurées dans différentes zones dans le champ S1 (champ N°9 du chapitre 2) ... 91 Figure 20 - Courbe de rétention pour les couches 1 (M1), 2 (M2), 3 (M3) et 4 (M4) ... 92 Figure 21 - Ajustement du modèle aux données observées le 16 juillet. Obs1, Obs2 et Obs3 sont les données observées et N1, N2 et N3 sont les ajustements correspondants. ... 93 Figure 22 - Flux au drain et prélèvement racinaire sur 24h (Site 1 – Date 16 juillet 2017) ... 93 Figure 23 - Prélèvement racinaire cumulé sur 24h (Site 1 – Date 16 juillet 2017) et potentiel matriciel prédit au nœud 1 (15 cm de profondeur) ... 94 Figure 24 - Analyse du rabattement différentiel entre la surface du sol et la profondeur dans les zones 1 pour un sol porté à saturation et laissé en drainage libre (Les drains sont posés à 1 m de profondeur, les nœuds d’observation sont à la surface, en dessous de la couche compacte et au-dessus de la couche imperméable) ... 96 Figure 25 - Analyse du rabattement différentiel entre la surface du sol et la profondeur dans les zones 2 pour un sol porté à saturation et laissé en drainage libre (Les drains sont posés à 1 m de profondeur, les nœuds d’observation sont à la surface, en dessous de la couche compacte et au-dessus de la couche imperméable) ... 97 Figure 26 - Analyse du rabattement différentiel entre la surface du sol et la profondeur dans les zones 3 pour un sol porté à saturation et laissé en drainage libre (Les drains sont posés à 1 m de profondeur, les nœuds d’observation sont à la surface, en dessous de la couche compacte et au-dessus de la couche imperméable) ... 97 Figure 27 - Analyse du rabattement différentiel entre la surface du sol et la profondeur dans les zones 4 pour un sol porté à saturation et laissé en drainage libre (Les drains sont posés à 1 m de profondeur, les nœuds d’observation sont à la surface, en dessous de la couche compacte et au-dessus de la couche imperméable) ... 98 Figure 28 - Analyse du rabattement différentiel entre la surface du sol et la profondeur dans les zones 5 pour un sol porté à saturation et laissé en drainage libre (Les drains sont posés à 1 m de profondeur, les nœuds d’observation sont à la surface, en dessous de la couche compacte et au-dessus de la couche imperméable) ... 98 Figure 29 - Flux unitaire par zone – Les valeurs habituellement utilisées pour la conception des réseaux de drainage sont comprises entre 5 et 10 mm/j (profil de sol porté à saturation à partir des conditions initiales et laissé en drainage libre, hauteur de pluie nulle) ... 99 Figure 30 – Comparaison entre les prédictions de rabattement en fonction de l’espacement entre les drains à partir des modèles numérique (Hydrus) et analytiques (Hooghoudtt, van Beers, Guyon et Cros) |Pluie = 0 mm | Drains à 1m de profondeur | Zone 1 ... 100 Figure 31 – Comparaison entre les prédictions de rabattement en fonction de l’espacement entre les drains à partir des modèles numérique (Hydrus) et analytiques (Hooghoudtt, van Beers, Guyon et Cros) |Pluie = 0 mm | Drains à 1m de profondeur | Zone 2 ... 101 Figure 32 – Comparaison entre les prédictions de rabattement en fonction de l’espacement entre les drains à partir des modèles numérique (HYDRUS) et analytiques (Hooghoudtt, van Beers, Guyon et Cros) |Pluie = 0 mm | Drains à 1m de profondeur | Zone 3 ... 102 Figure 33 – Comparaison entre les prédictions de rabattement en fonction de l’espacement entre les drains à partir des modèles numérique (HYDRUS) et analytiques (Hooghoudtt, van Beers, Guyon et Cros) |Pluie = 0 mm | Drains à 1m de profondeur | Zone 4 ... 103

(9)

Figure 34 - Comparaison entre les prédictions de rabattement en fonction de l’espacement entre les drains à partir des modèles numérique (HYDRUS) et analytiques (Hooghoudtt, van Beers, Guyon et Cros) |Pluie = 0 mm | Drains à 1m de profondeur | Zone 5 ... 104 Figure 35 – Surface de réponse du rabattement à 24h en fonction de l’épaisseur de la couche compacte et des valeurs de la conductivité hydraulique saturée : a) L’espacement L = 7 m ; b) L’espacement L = 2 m. Le rabattement est lu sur un nœud d’observation située à la surface du sol (0.05 cm). ... 106 Figure 36 – Surface de réponse du rabattement à 24h en fonction de l’épaisseur de la couche compacte et des valeurs de la conductivité hydraulique saturée : : a) L’espacement L = 7 m ; b) L’espacement L = 2 m. Le rabattement est lu sur un nœud d’observation située en dessous de la couche compacte (60 cm). ... 107 Figure 37 – Surface de réponse du rabattement à 24h en fonction de l’épaisseur de la couche compacte et des valeurs de la conductivité hydraulique saturée : : a) L’espacement L = 7 m ; b) L’espacement L = 2 m.Le rabattement est lu sur un nœud d’observation située au-dessus du substratum imperméable (120 cm). ... 107 Figure 38 – Surface de réponse du rabattement à 48h en fonction de l’épaisseur de la couche compacte et des valeurs de la conductivité hydraulique saturée : : a) L’espacement L = 7 m ; b) L’espacement L = 2 m. Le rabattement est lu sur un nœud d’observation située à la surface du sol (0.05 cm). ... 108 Figure 39 – Surface de réponse du rabattement à 48h en fonction de l’épaisseur de la couche compacte et des valeurs de la conductivité hydraulique saturée : a) L’espacement L = 7 m ; b) L’espacement L = 2 m. Le rabattement est lu sur un nœud d’observation située en dessous de la couche compacte (60 cm). ... 108 Figure 40 – Surface de réponse du rabattement à 48h en fonction de l’épaisseur de la couche compacte et des valeurs de la conductivité hydraulique saturée : a) L’espacement L = 7 m ; b) L’espacement L = 2 m. Le rabattement est lu sur un nœud d’observation située au-dessus du substratum imperméable (120 cm). ... 109 Figure 41 – Schéma de synthèse de la thèse ... 115 Figure 42 - Exemple donné pour la station ORION-P1 : a) Scalogramme des coefficients d’ondelettes (C) permettant de passer d’une séquence (S) à une autre pour les profils de résistance à la pénétration (PR correspondant aux points de mesures T1, T2 et T3) et de la résistance au cône (CR correspondant au point de mesure T0) / b) séquences de S1 à S7 de lissage des données de PR (T1, T2 et T3) et CR (T0) ... 129 Figure 43 - Résultats de l’application du modèle polynomial à la station ORION-P1 par exemple ... 130 Figure 44 - Valeurs de R²ajusté pour les degrés 1 à 12 pour chaque station de mesure (P1 à P5) sur les tournières AQUILA, LYNX, ORION et TAURUS après application du modèle polynomial aux profils de résistance à la pénétration du sol (PR) et de résistance au cône (CR) résultant de l’analyse multi résolution ... 131 Figure 45 - Effet moyen de la force de frottement (PFC) en fonction de la profondeur en sols organiques cultivés avec présence de couche compacte pour : a) le degré 2 (D2) du modèle polynomial, b) le degré 3 (D3) du modèle polynomial, c) le degré 5 (D5) du modèle polynomial ... 132 Figure 46 - Répartition spatiale des profils types observés pour le champ : a) N°1 et b) N°2. (D2 with no compaction → Degré 2 du modèle polynomial sans compaction dans les profils de sols, D2 with compaction → Degré 2 du modèle polynomial avec compaction dans les profils de sols, D3 with no compaction → Degré 3 du modèle polynomial sans compaction dans les profils de sols, D3 with compaction → Degré 3 du modèle polynomial avec compaction dans les profils de sols, D5 with compaction → Degré 5 du modèle polynomial avec compaction dans les profils de sols) ... 134 Figure 47 – Semi-Variogramme de la résistance à la pénétration du sol dans le champ N°2 à la profondeur : a) 0-20 cm, b) 20-40 cm, c) 40-60 cm et d) 60-80 cm ... 135

(10)

Figure 51 – Statistiques de base des données de la teneur en eau (Ө) à partir des données collectées en 2016 (Data2016), 2017 (Data2017), 2018 (Data2018) et en 2019 (Data2019) : a) Histogramme, b) Boîtes à moustaches,

c) QQPlot ... 144

Figure 52 – Statistiques de base des données de la masse volumique apparente (ρb) à partir des données collectées en 2016 (Data2016), 2017 (Data2017), 2018 (Data2018) et en 2019 (Data2019) : a) Histogramme, b) Boîtes à moustaches, c) QQPlot ... 145

Figure 53 – Statistiques de base des données de la transformation Box Cox (λoptimal = -0.724) de la masse volumique apparente (TRρb) à partir des données collectées en 2016 (Data2016), 2017 (Data2017), 2018 (Data2018) et en 2019 (Data2019) : a) Histogramme, b) Boîtes à moustaches, c) QQPlot ... 146

Figure 54 – Corrélation à partir de l’ensemble des données (Data2016, Data2017, Data2018 et Data2019) entre la transformation Log de la conductivité hydraulique saturée et : a) (Pearson) la résistance à la pénétration du sol (PR), b) (Pearson) la teneur en eau volumique (Ө), c) (Pearson) la transformation de la masse volumique apparente (TRρb), d) (Spearman) la résistance à la pénétration du sol (PR), e) (Spearman) la teneur en eau volumique (Ө), f) (Spearman) la transformation de la masse volumique apparente (TRρb) ... 153

Figure 55 - Corrélation à partir des données du transect (Data2017) entre la transformation Log de la conductivité hydraulique saturée et : a) (Pearson) la résistance à la pénétration du sol (PR), b) (Pearson) la teneur en eau volumique (Ө), c) (Pearson) la transformation de la masse volumique apparente (TRρb), d) (Spearman) la résistance à la pénétration du sol (PR), e) (Spearman) la teneur en eau volumique (Ө), f) (Spearman) la transformation de la masse volumique apparente (TRρb) ... 154

Figure 56 - Analyse en ondelettes croisées de la transformation logarithmique de base 10 de la conductivité hydraulique saturée (LogKsat – Trait plein noir) et de celle de chacun de ces potentiels prédicteurs que sont la résistance à la pénétration (PR) du sol dans la couche compacte (PRcp) et dans les couches ]55-60] (PR5560), ]65-70] (PR6570) et ]75-80] (PR7580), la teneur en eau (Ө) et la transformation Box Cox de masse volumique apparente (TRρb) | (Ondelettes de Morlet) ... 159

Figure 57 - Analyse en ondelettes croisées de la transformation logarithmique de base 10 de la conductivité hydraulique saturée (LogKsat – Trait plein noir) et de celle de chacun de ces potentiels prédicteurs que sont la résistance à la pénétration (PR) du sol dans la couche compacte (PRcp) et dans les couches ]55-60] (PR5560), ]65-70] (PR6570) et ]75-80] (PR7580), la teneur en eau (Ө) et la transformation Box Cox de masse volumique apparente (TRρb) | (Ondelettes de Paul) ... 160

Figure 58 - Analyse en ondelettes croisées de la transformation logarithmique de base 10 de la conductivité hydraulique saturée (LogKsat – Trait plein noir) et de celle de chacun de ces potentiels prédicteurs que sont la résistance à la pénétration (PR) du sol dans la couche compacte (PRcp) et dans les couches ]55-60] (PR5560), ]65-70] (PR6570) et ]75-80] (PR7580), la teneur en eau (Ө) et la transformation Box Cox de masse volumique apparente (TRρb) | (Ondelettes dérivées des fonctions gaussiennes DOG) ... 161

Figure 59 – a) Résultats actuels de l’analyse en ondelettes de la transformation logarithmique de base 10 de la conductivité hydraulique saturée (LogKsat) et de la résistance à la pénétration du sol dans la couche compacte (PRcp), b) Résultats théoriques attendus entre LogKsat et PRcp montrant une bonne prédiction de LogKsat à partir de PRcp à l’échelle 32. ... 162

Figure 60 – Paramètres du modèle de Hooghoudt ... 164

Figure 61 – Paramètres du modèle de Ernst ... 166

Figure 62 – Paramètres du modèle général de Hooghoudt et de Ernst proposé par van Beers (1976) ... 167

Figure 63 – Paramètres du modèle de Cros ... 169 Figure 64 – Ajustement du modèle conçu avec les données observées du 16 juillet aux données observées le 10 juin (J1/40). Obs1, Obs2 et Obs3 sont les données observées et N1, N2 et N3 sont les ajustements correspondants. 170 Figure 65 – Ajustement du modèle conçu avec les données observées du 16 juillet aux données observées le 11 juin (J2/40). Obs1, Obs2 et Obs3 sont les données observées et N1, N2 et N3 sont les ajustements correspondants. 171 Figure 66 – Ajustement du modèle conçu avec les données observées du 16 juillet aux données observées le 14 juin (J5/40). Obs1, Obs2 et Obs3 sont les données observées et N1, N2 et N3 sont les ajustements correspondants. 171

(11)

Figure 67 – Ajustement du modèle conçu avec les données observées du 16 juillet aux données observées le 21 juin (J12/40). Obs1, Obs2 et Obs3 sont les données observées et N1, N2 et N3 sont les ajustements correspondants. ... 172 Figure 68 – Ajustement du modèle conçu avec les données observées du 16 juillet aux données observées le 2 juillet (J23/40). Obs1, Obs2 et Obs3 sont les données observées et N1, N2 et N3 sont les ajustements correspondants. ... 172 Figure 69 – Ajustement du modèle conçu avec les données observées du 16 juillet aux données observées le 3 juillet (J24/40). Obs1, Obs2 et Obs3 sont les données observées et N1, N2 et N3 sont les ajustements correspondants. ... 173 Figure 70 – Ajustement du modèle conçu avec les données observées du 16 juillet aux données observées le 12 juillet (J33/40). Obs1, Obs2 et Obs3 sont les données observées et N1, N2 et N3 sont les ajustements correspondants. ... 173 Figure 71 - Ajustement du modèle conçu avec les données observées du 16 juillet aux données observées le 17 juillet (J38/40). Obs1, Obs2 et Obs3 sont les données observées et N1, N2 et N3 sont les ajustements correspondants. ... 174 Figure 72 – a) Ajustement du modèle conçu avec les données observées du 16 juillet (J37/40) sur le site S1 aux données observées le 16 juillet (J37/40) sur le site S2 (4.5 km à vol d’oiseau de S1). b) Ajustement du modèle conçu avec les données observées du 16 juillet (J37/40) sur le site S1 aux données observées le 16 juillet (J37/40) sur le site S2 avec correction des prélèvements. Obs1 et Obs2 sont les données observées et N1 et N2 sont les ajustements correspondants. ... 174 Figure 73– Calcul du rabattement au bout de 24h et de 48h dans la zone 1 avec les drains posés à 1 m et à 1.20 m de profondeur (profil de sol porté à saturation à partir des conditions initiales et laissé en drainage libre, hauteur de pluie nulle, nœud d’observation Nmodel-1 situé à la surface du sol) ... 175 Figure 74 – Calcul du rabattement au bout de 24h et de 48h dans la zone 2 avec les drains posés à 1m et à 1.20m de profondeur (profil de sol porté à saturation à partir des conditions initiales et laissé en drainage libre, hauteur de pluie nulle, nœud d’observation Nmodel-1 situé à la surface du sol) ... 175 Figure 75 – Calcul du rabattement au bout de 24h et de 48h dans la zone 3 avec les drains posés à 1m et à 1.20m de profondeur (profil de sol porté à saturation à partir des conditions initiales et laissé en drainage libre, hauteur de pluie nulle, nœud d’observation Nmodel-1 situé à la surface du sol) ... 176 Figure 76 – Calcul du rabattement au bout de 24h et de 48h dans la zone 4 avec les drains posés à 1m et à 1.20m de profondeur (profil de sol porté à saturation à partir des conditions initiales et laissé en drainage libre, hauteur de pluie nulle, nœud d’observation Nmodel-1 situé à la surface du sol) ... 176 Figure 77 – Calcul du rabattement au bout de 24h et de 48h dans la zone 5 avec les drains posés à 1m et à 1.20m de profondeur (profil de sol porté à saturation à partir des conditions initiales et laissé en drainage libre, hauteur de pluie nulle, nœud d’observation Nmodel-1 situé à la surface du sol) ... 177 Figure 78 – Détails de l’analyse de rabattement en zone 3 pour l’espacement L = 7 m: a) Potentiel matriciel dans le domaine d’écoulement, b) Vitesse de l’écoulement de l’eau vers les drains ... 178 Figure 79 – Détails de l’analyse de rabattement en zone 3 pour l’espacement L = 6 m: a) Potentiel matriciel dans le domaine d’écoulement, b) Vitesse de l’écoulement de l’eau vers les drains ... 179 Figure 80 – Détails de l’analyse de rabattement en zone 3 pour l’espacement L = 5 m: a) Potentiel matriciel dans le domaine d’écoulement, b) Vitesse de l’écoulement de l’eau vers les drains ... 180

(12)

Liste des tableaux

Tableau 1 – Données de résistance à la pénétration du sol (PR) et de résistance au cône (CR) collectées ... 20

Tableau 2 - Analyse de la signification statistique de l’effet de la force de frottement (PFC) à la suite d’une ANOVA appliquée : aux données brutes, aux données après l’analyse multi-résolution (Multi Resolution Analysis, MRA), aux données après application du modèle polynomial et aux données après extraction de l’effet de la force de frottement (PFC) pour les 12 degrés (D1 à D12) du modèle polynomial. Les facteurs de l’ANOVA sont : « Peatland » (4 niveaux : AQUILA, ORION, LYNX, TAURUS), « Treatment » (2 niveaux : PR, CR) et « Depth » (16 niveaux : 00-05, 05-10, …, 75-80). ... 22

Tableau 3 - Application du filtre à l’échelle du champ ... 33

Tableau 4 - Statistiques de base des valeurs de résistance à la pénétration du sol (PR) filtrées mesurées dans 10 champs en sol organique cultivé ... 44

Tableau 5 - Classification des valeurs de la résistance à la pénétration (PR) du sol ... 45

Tableau 6 - Résultats complets de la détection de la compaction - Valeur P du test de t de Student, résultats de l’Analyse en composante principale (ACP), de la classification hiérarchique des variables et des procédures de comparaison multiple ... 46

Tableau 7 - Analyse des corrélations croisées significatives observées entre la transformation logarithmique de base 10 de la conductivité hydraulique saturée (LogKsat) mesurée dans la couche compacte et ses potentiels prédicteurs (la résistance à la pénétration du sol PR mesurée à différentes profondeurs et la transformation Box Cox de la masse volumique apparente TRρb mesurée dans la couche compacte) pour différents décalages d ... 71

Tableau 8 - Valeurs de conductivité hydraulique saturée (Ksat) retenues pour l’élaboration des surfaces de réponse ... 87

Tableau 9 – Résumé des données collectées dans les champs S1 et S2. ... 88

Tableau 10 – Variation journalière du potentiel matriciel (h) et de la profondeur de la nappe (Pn) ... 89

Tableau 11 - Paramètres optimaux retenus pour la modélisation principale (champ S1) ... 94

Tableau 12 - Résultats de la validation du modèle. ... 95

Tableau 13 - Analyse de l’influence de la teneur en eau gravimétrique (ω), de la teneur en eau volumique (Ө) et/ou de la masse volumique apparente sèche (ρb) sur la résistance à la pénétration (PR) du sol à partir de données collectées à la profondeur 0-5 cm (Data0005), à la profondeur 30-35 (Data3035), à la profondeur 50-55 (Data5055) et toutes profondeurs confondues (DataAll) ... 127

Tableau 14 – Taux de bonnes prédictions par degré du modèle polynomial résultant du test de t de Student mesurant les qualités prédictives du filtre par profondeur ... 133

Tableau 15 - Résultats détaillés du test de t, de l’analyse en composante principale (ACP), de la classification hiérarchique des variables (CHV) et des procédures de comparaison multiple (Scheffe, Tukey, Bonferroni) obtenus à partir de 31 observations correspondant au profil type TY2 (D2 avec compaction) dans le champ N°1 ... 136

Tableau 16 - Résultats détaillés du test de t, de l’Analyse en composante principale (ACP), de la classification hiérarchique des variables (CHV) et des procédures de comparaison multiple (Scheffe, Tukey, Bonferroni) obtenus à partir de 61 observations correspondant au profil type TY4 (D3 avec compaction) dans le champ N°1 ... 136

Tableau 19 - Épaisseurs des « parties compactes sur le profil de PR » (colonne ‘’ Th t test ‘)’ et des couches compactes 1 et 2 s’il y a lieu avec les valeurs de résistances à la pénétration du sol correspondantes ... 138

Tableau 20 - Statistiques de base de la conductivité hydraulique saturée (Ksat), de la résistance à la pénétration du sol (PR), de la masse volumique apparente (ρb) et de la teneur en eau volumétrique (Ө) ... 140

(13)

Tableau 22 - Variables retenues pour la prédiction de LogKsat35 (Data2016) ... 148

Tableau 23 - Variables retenues pour la prédiction de LogKsatcp (Data2017) ... 149

Tableau 27 - Résultats du Random Forest pour ❶ LogKsat = f(PR), ❷ LogKsat = f(PR, Ө), ❸ LogKsat = f(PR, TRρb), ❹ LogKsat = f(PR, Ө, TRρb), ❺ LogKsat = f(Ө), ❻ LogKsat = f(TRρb) et ❼ LogKsat = f(Ө, TRρb) (N : nombre de données utilisées, * : 0.1 < P-Value < 0.5, ** : 0.01 < P-Value < 0.1, *** : P-Value < 0.001, n.s : non significant) ... 154

Tableau 28 - Résultats du Random Forest pour : ① LogKsat20 = f (PR0005, PR20, PR4045, PR7075, Ө0510, TRρb 2025, TRρb 3540), ② (LogKsat35) = f(PR0005, PR35, Өcp ,TRρb 3540), ③ (LogKsatCp) = f(PRcp, PR5560, PR6570, PR7580, Өcp*,TRρb), ④ LogKsat0005 = f(PR0005, PR1520,PR4045, Ө0005, TRρb0005), ⑤ LogKsat3035 = f(PR1520, PR3035, Ө3035, Ө5055,TRρb3035), ⑥ LogKsat5055 = f(PR1520, PR5055, TRρb0005, Ө0005, Ө5055,TRρb5055) (N : nombre de données utilisées, * : 0.1 < P-Value < 0.5, ** : 0.01 < P-Value < 0.1, *** : P-Value < 0.001, n.s : non significant) ... 156

Tableau 29 - Résultats des réseaux de neurones pour ❶ LogKsat = f(PR), ❷ LogKsat = f(PR, Ө), ❸ LogKsat = f(PR, TRρb), ❹ LogKsat = f(PR, Ө, TRρb), ❺ LogKsat = f(Ө), ❻ LogKsat = f(TRρb) et ❼ LogKsat = f(Ө, TRρb) (N : nombre de données utilisées, * : 0.1 < P-Value < 0.5, ** : 0.01 < P-Value < 0.1, *** : P-Value < 0.001, n.s : non significant) ... 156

Tableau 30 - Résultats des réseaux de neurones pour : ① LogKsat20 = f (PR0005, PR20, PR4045, PR7075, Ө0510, TRρb 2025, TRρb 3540), ② (LogKsat35) = f(PR0005, PR35, Өcp ,TRρb 3540), ③ (LogKsatCp) = f(PRcp, PR5560, PR6570, PR7580, Өcp*,TRρb), ④ LogKsat0005 = f(PR0005, PR1520,PR4045, Ө0005, TRρb0005), ⑤ LogKsat3035 = f(PR1520, PR3035, Ө3035, Ө5055,TRρb3035), ⑥ LogKsat5055 = f(PR1520, PR5055, TRρb0005, Ө0005, Ө5055,TRρb5055) (N : nombre de données utilisées, * : 0.1 < P-Value < 0.5, ** : 0.01 < P-Value < 0.1, *** : P-Value < 0.001, n.s : non significant) ... 158

(14)

Liste des abréviations, sigles, acronymes

Abréviation Signification

ACP Analyse en composante principale AMR Analyse multi-résolution

ANN _{Artificial neural network}

CHV Classification hiérachique des variables Kc Coefficient cultural

NSE Coefficient d’efficacité de Nash-Sutcliffe CV Coefficient of variance

CS Coefficients de saturation K Conductivité hydraulique

Knonsat Conductivité hydraulique non saturée Ksat Conductivité hydraulique saturée CCF Cross Correlation Functions DOG Derivative of Gaussian DWT Discrete wavelet transform Data2016 Données collectées en été 2016 Data2017 Données collectées en été 2017 Data2018 Données collectées en été 2018 Data2019 Données collectées en été 2019

DataKsatAll Ensemble des données de Ksat collectées en Montérégie EP Épaisseur de la couche compacte

MAE Erreur absolue moyenne RMSE Erreur quadratique moyenne L Espacement entre les drains ETc Évapotranspiration de la culture ETo Évapotranspiration de référence PTF Fonction de pédotransfert

HCV Hierarchical classification of variables Hr Humidité relative

ρb Masse volumique apparente ρe Masse volumique de l'ea MCP Multiple comparison procedures

Obs1 Nœud de mesure de h sur le terrain situé à 1 m du drain et à 15 cm de profondeur Obs2 Nœud de mesure de h sur le terrain situé à 1 m du drain et à 35 cm de profondeur Obs3 Nœud de mesure de h sur le terrain situé à 2.8 m du drain et à 15 cm de profondeur Obs4 Nœud de mesure de h sur le terrain situé à 2.8 m du drain et à 35 cm de profondeur PFC Penetration Friction Component

(15)

h Potentiel matriciel PBIAS Pourcentage de biais PCA Principal component analysis Pn Profondeur de la nappe

NAP1 Puit de mesure de Pn situé à 1 m du drain NAP2.8 Puit de mesure de Pn situé à 2.8 m du drain Rs Radiation solaire

RNA Réseau de neurones artificiels PR Résistance à la pénétration du sol CR Résistance au cône

T Température ambiante

ω Teneur en eau pondérale Ө Teneur en eau volumique TPS Thin Plate Spline

T Tonne

VIF Variance inflation factor ηe Viscosité dynamique de l’eau Vv vitesse du vent

Z* Profondeur de la plus grande densité de racines Zm Profondeur maximale atteinte par les racines de laitues

(16)

À Dieu, le Père créateur… En mémoire de mes grands-parents… À toute ma famille…

À mon père Jean Guedessou et à ma mère Odette Afiavi Lokossou-Guedessou…

À mon épouse la Dre Laure Keita-Guedessou et à mes enfants O’Neal Naamory Guedessou et Marie-Rose Afiavi Guedessou…

À mes frères et sœur Sandra Ayaba Guedessou, Armel Yannick Guedessou et Carryx Gédéon Guedessou… À tous mes oncles et tantes, cousins et cousines, neveux et nièces…

À tous ceux qui m’ont inspiré à entreprendre ces études…

Je vous dédie à tous cette thèse. Aucun hommage ne pourra être à la hauteur de votre amour, sollicitude et de vos encouragements. Voyez en cette thèse l’aboutissement d’une œuvre commune…

Avec toute ma gratitude, Cedrick

(17)

Savoir n’est pas suffisant, nous devons appliquer… Être prêt n’est pas assez, nous devons agir… Léonard de Vinci

(18)

Remerciements

Un grand merci aux Dr Jean Benoît, Dr Jean Caron, Dr Jacques Gallichand, Dr Silvio José Gumière, Dre Jacynthe Dessureault-Rompré et au Dr Antoine Karam pour avoir accepté officier comme jury de ma thèse.

Un merci spécial au Dr Jean Caron, mon directeur de recherche, qui en répondant à un courriel a fait passer mon projet d’étude du rêve à la réalité. Chaque action, chaque critique, ses nombreux conseils m’ont constamment aiguillonné dans la bonne direction et ont soutenu ma motivation à aller au bout de ce parcours. Merci d’avoir cru en moi. Les leçons apprises ici ont fait de moi un homme meilleur apte à relever des défis encore plus grands.

Je remercie chaleureusement le Dr Silvio José Gumière et le Dr Jacques Gallichand d’avoir accepté de co-diriger mes travaux de maitrise et de doctorat respectivement. Merci pour vos critiques constructives et pour vos lectures très pointilleuses de mes travaux. Ce fut une expérience enrichissante.

Aux Dre Jacynthe Dessureault-Rompré, Dr Christophe Libbrecht, Dr Steeve Pépin, Dr Serge-Étienne Parent, Dr Guillaume Létourneau et au Dr Jonathan Lafond sans qui je serais resté parfois bien longtemps coincé dans les labyrinthes de la connaissance. Un grand merci pour votre accompagnement et votre soutien.

Un grand merci également à Mesdames Hélène Crépeau et Anne-Sophie Julien pour leur soutien et leurs critiques de mes dispositifs expérimentaux et analyses statistiques. Certains ponts auraient été difficilement franchissables sans votre assistance.

À tous mes compagnons de l’équipe de recherche qui ont été présents à un moment ou à un autre pour m’accompagner autant sur le terrain qu’au laboratoire : Alexandre Mc Cutcheon, Sébastien St-Onge, Cyrille Taormina, Raphaël Deragon, Laura Thériault, Renel Lherisson, Moranne Béliveau, Diane Bulot, Nicolas Shooner, Josselin Bontemps, Boucar Ly, Abdelali Bouyahia, Camélia Marchand, Gabriel Breton, Joannie Beaupré, Vincent Grégoire, Karolane Bourdon, Mathieu Rémy, Christina Dion sous la direction de Mesdames Carole Boily et Geneviève Montminy. Votre aide a été des plus précieuses. Merci à vous tous.

Je voudrais remercier le Conseil de recherche en sciences naturelles et en génie du Canada (CRSNG) pour le support financier constant autant pendant la maitrise que le doctorat. J’ose espérer que les résultats sont à la hauteur de votre investissement.

Enfin un merci spécial aux producteurs partenaires : Maraîchers J.P.L Guérin et fils Inc., Vert Nature Inc., Les Fermes Hotte et Van Winden Inc., Productions Horticoles Van Winden Inc. et Delfland Inc. Merci pour votre disponibilité et pour votre patience. J’ai appris énormément en travaillant à vos côtés. Vos opinions franches et directes ont permis d’évaluer de manière objective, l’applicabilité de toutes les solutions explorées.

(19)

Introduction générale

De 2007 à 2013, l’Université Laval et les producteurs en sols organiques en Montérégie ont fait des expériences positivement concluantes d’irrigation de précision au champ. Cette collaboration fructueuse a mené, au cours de ces dernières années, à de nouvelles constatations relativement au drainage des sols. Il est apparu en effet que des zones spécifiques présentaient de toute évidence des problèmes de drainage, limitant la productivité et rendant l’irrigation inefficace. Plusieurs travaux précédemment menés dans la même zone géographique que le projet actuel ont rapporté l’existence d’une couche compacte d’épaisseur variable et à différentes profondeurs (Bergeron Piette, 2010; Dessureault-Rompré et al., 2018; Hallema et al., 2015a, 2015b; Lafond et al., 2015, 2014; Lherisson, 2017; Thériault et al., 2019). Elle constitue un obstacle à l’infiltration de l’eau dans le sol et favorise l’apparition d’une nappe perchée bien que les champs soient munis d’une combinaison de systèmes de drainage de surface et souterrain classiques. Ainsi, plusieurs drains installés dans les champs des fermes se retrouvent vides, alors que la surface du sol est gorgée d’eau. Ceci est à l’origine de pertes importantes de rendement et d’un faible taux de profitabilité des sols. Pour les producteurs, il est devenu impérieux de gérer le drainage adéquatement pour une meilleure efficacité de l’irrigation.

La problématique de cette recherche est le drainage des sols organiques cultivés sujets à une forte stratification due à l’existence d’une couche compacte et à un gradient de niveau de dégradation entre les horizons du sol.

La zone concernée par la recherche est située dans la région de Montérégie au Sud-Ouest du Québec au Canada (45°8.0’N, 73°34’O). Les sites couvrent une superficie de 18.7 km2_{(45° 10’ N, 73° 31’ W) et se} composent des tourbières AQUILA (3,8 km2_{), LYNX (9,6 km}2_{), ORION (1,2 km}2_{) et TAURUS (4,1 km}2_{) (Hallema} et al., 2015a). Ils font partir d’un ensemble de 12000 ha exploités pour l’agriculture au Québec (Poulin et al, 2004) qui représentent 35.4% des terres utilisées en maraichage pour 50% du chiffre d’affaires total du secteur. Le secteur maraîcher québécois génère des ventes annuelles qui se chiffrent à 246.8 millions de dollars. Il représente 4.8% de la contribution directe du secteur agricole au PIB et 9.9% de la création directe d’emplois. Le Québec est le leader en production de laitue au Canada, avec près de 100% de la production en sol organique. Les résultats de ces recherches ont une utilité directe dans le secteur et peuvent servir dans les

(20)

teneur en matière organique supérieure ou égale à 30% (CNRC-NRC, 2002). Dans la littérature, ils sont connus sous les noms de tourbe, de terre noire, de tourbière, de fen ou de bog (CNRC-NRC, 2002; Shields et al., 1991). Ailleurs, les appellations peuvent différer d’un pays à l’autre : Mursz (en Polonais), vererdete-Torfböden (en Allemand) and muck or earthy peat (en Anglais) (Ilnicki, 2002). On les retrouve principalement dans les écosystèmes très particuliers et fréquemment dans la partie boréale de la terre où le rythme de la production de biomasse végétale dépasse le rythme de sa décomposition (Armstrong and Castle, 1999; Quinty et al., 2003). L’ordre des sols organiques se subdivise en sols des terres humides (fibrisols, mésisols, humisols) et en sols organiques des hautes terres (folisols ou folic histosol) (CNRC-NRC, 2002). Ces deux groupes sont associés aux deux principaux mécanismes de formation des tourbières que sont la paludification et la terrestrialisation (Kroetsch et al., 2011). La paludification se produit à partir d’un site à priori mal drainé sur lequel le processus d’accumulation de la matière organique se fait à partir du sol minéral. Quant à la terrestrialisation, elle consiste en un remplissage d’un lac ou de façon générale d’une eau stagnante (ou très peu mobile) par l’accumulation de la matière organique. Il peut arriver que les deux mécanismes de formation soient à l’origine de la naissance d’une même tourbière (Krisai et al, 2016). La grande majorité des tourbières se sont formées après la dernière glaciation, il y a environ 12000 ans. C’est le cas des tourbières sur le site du projet en Montérégie. On suppose en effet, que les terres noires de cette partie de la province étaient autrefois, des lacs superficiels laissés après le retrait des eaux de la mer Champlain après la glaciation (McKibbin and Stobbe, 1936). La genèse d’un sol organique est liée au matériau d’origine et généralement, on retrouve dans la phase solide des sols organiques des fibres végétales, d’humus et des substances minérales amorphes sous forme de carbonates, phosphates et hydroxydes (Brandyk et al., 2002). À l’échelle mondiale, les sols organiques couvrent entre 3 et 4% des terres (Joosten et al., 2012; Payette and Rochefort, 2001) dont 15% ont été drainés pour des usages économiques tels que la foresterie, l’extraction de la tourbe à des fins énergétiques, l’horticulture et l’agriculture (Caron et al., 2015a; Ilnicki, 2002; Mc Afee, 1984).

Pour être aptes à la production agricole, les sols organiques sont drainés pour en extraire l’excès d’eau, ensuite chaulés pour en ajuster le pH et enfin font l’objet d’une fertilisation adéquate. Il en résulte des sols hautement productifs dépendamment entre autres, du climat, de la géomorphologie et de la végétation des tourbières, du niveau de décomposition de la tourbe et des propriétés physico-chimiques du sol (Ilnicki, 2002). Toutefois, ces sols sont fragiles du fait de leur vulnérabilité à la dégradation et à l’érosion éolienne et conséquemment nécessitent une gestion particulièrement attentive (Driessen et al., 2001). En effet, le drainage provoque une entrée d’oxygène dans un milieu resté longtemps anaérobie déclenchant une série de changements physiques, chimiques et biologiques dont la finalité est la formation de la terre noire (Moorsh-forming process MFP) (Ilnicki and Zeitz, 2003). Les auteurs rapportent qu’une teneur en air de l’ordre de 20 à 30% présente les conditions idéales pour le MFP. Il s’ensuit, en fonction de l’intensité de l’activité microbienne, une décomposition accélérée de la tourbe qui s’accompagne d’une diminution de la macroporosité, de la capillarité, de la rétention en eau, de

(21)

la conductivité hydraulique saturée et en une augmentation de la masse volumique apparente (Boelter 1969; Okruszko et Ilnicki 2002; Schwärzel et al. 2002; Brandyk et al. 2002). Au rythme des fluctuations de la nappe phréatique, dont dépend fortement le degré de dégradation de la tourbe (Ilnicki and Zeitz, 2003), le profil peut subir une dégradation différentielle d'un horizon à un autre et résulter en un profil stratifié (Lafond et al., 2014). Les particules fines issues de l’érosion (Parent et al., 1982) et transportées par l’eau ruisselante (irrigation ou précipitation) migrent dans le profil et s’accumulent alors aux interfaces des strates (Caron et al., 2015b; Rycroft et al., 1975). Cet amas de particules fines s’épaissit au fil du temps en fonction de la vitesse de la dégradation. En outre, Il se densifie sous l’effet du drainage excessif qui augmente la contrainte effective du sol et sous les passages répétés de la machinerie lourde (Alakukku, 1999; Carrara et al., 2007; Hamza and Anderson, 2005) ou du bétail (Chan and Barchia, 2007; Hamza and Anderson, 2005; Murphy et al., 1995), il devient alors une couche compacte.

La compaction du sol est pratiquement inévitable dans l’agriculture moderne (Assouline et al., 1997) et probablement intrinsèque à toute tourbière drainée et soumise à une agriculture intensive. Ses effets sont tels qu’elle modifie les propriétés physiques et hydrodynamiques des sols et accroît substantiellement leur sensibilité à l’érosion (Hamza and Anderson, 2005). La présence d’une couche compacte se traduit par une augmentation de la résistance à la pénétration du sol (PR) et de la masse volumique apparente (ρb) et par une diminution de la macroporosité et de la conductivité hydraulique saturée (Ksat) (Alakukku, 1999; Armstrong and Castle, 1999; Assouline et al., 1997; Veronesi et al., 2012). En profondeur, ceci affecte négativement le fonctionnement optimal du sous-sol en altérant les échanges d’eau et de gaz et la pénétration des racines (Brus and Akker, 2018; Linn and Doran, 1984). D’un point de vue drainage, elle constitue une barrière physique à l’infiltration de l’eau dans la matrice du sol et favorise le ruissellement. Ainsi, elle peut conduire à l’augmentation de l’occurrence des inondations à l’échelle du bassin versant (Alaoui et al., 2018; Ekwue and Harrilal, 2010; Hümann et al., 2011), à la formation d’une nappe perchée à l’échelle du champ (Lafond et al., 2014; Thériault et al., 2019) et à la perturbation du drainage souterrain du fait de son influence sur les caractéristiques hydrologiques du sol (Horton et al., 1994; Millette and Vigier, 1982).

En Montérégie, sur le site du projet, le système de drainage est une combinaison d’un réseau de surface et d’un réseau souterrain. D’une part, le réseau de drainage de surface fait de canaux à ciel ouvert évacue les eaux

(22)

autres champs ont un rabattement de 23 cm et les deux derniers, un rabattement de 14 cm et ce malgré le système de drainage en place. Une des solutions correctives expérimentées par les producteurs est le sous-solage qui est une méthode de travail du sol permettant de décompacter le sol en profondeur. C’est une solution à court terme. Ses effets bénéfiques ne sont pas pérennes, les fentes créées se referment très rapidement à cause de l’accumulation des particules fines. De plus, son inconvénient est qu’il favorise davantage la dégradation du sol par oxygénation des horizons profonds (Hallema et al., 2015a). Une autre solution expérimentée est l‘intégration d’une rotation de cultures incluant des plantes à enracinement profond (Thériault et al., 2019). La méthode est efficace, mais les effets bénéfiques disparaissent à court terme en une période inférieure à la période minimale d’un an ciblée. Une dernière méthode expérimentée est le drainage par tranchée drainante avec un continuum textural (Lherisson, 2017). Cette méthode a permis d’améliorer significativement le drainage en surface et d’y réduire le temps de ressuyage. Ici également les effets ne sont pas durables. La solution explorée dans cette thèse est relative à une optimisation des paramètres mêmes du réseau de drainage, notamment la profondeur et l’espacement entre les drains. Une manière sûre d’avoir des réponses exactes est d’effectuer une série d’expériences grandeur nature sur le terrain. Cependant, en tenant compte du temps, du coût et de la forte variabilité des variables d’entrée une bonne alternative est la modélisation (Périard et al., 2015; Smedema et al., 2004). Cette méthode permet, en un temps et à un coût relativement faible de tester différents scénarios d’espacements, de profondeur des drains et d’épaisseur de la couche compacte. L’hypothèse principale de la thèse est qu’il existe un modèle de drainage optimal pour les sols organiques cultivés avec présence de couche compacte.

Un schéma synoptique de la thèse est présenté à la figure 1. Une étape majeure dans la résolution de la problématique du projet est la cartographie (directions x et y) et la localisation (direction z) précises des zones compactes pour, d’une part y effectuer des interventions correctives ciblées et d’autre part les prendre explicitement en compte lors de la conception du réseau de drainage souterrain optimal. Ceci a fait l’objet du chapitre 2 intitulé : « Détection des zones compactes en sols organiques cultivés ». Une variable reconnue pour sa capacité à évaluer l’état de la compaction du sol et sa variabilité spatiale est la PR (Håkansson and Voorhees, 1998; Motavalli et al., 2003; Veronesi et al., 2012). En sciences des sols agricoles, elle est généralement collectée par mesure directe sur le terrain avec un pénétromètre à cône (Kotrocz et al, 2016; Veronesi et al., 2012). Cependant, selon le pénétromètre utilisé et le type de sol concerné, la PR peut être affectée par des effets parasites à filtrer (Cai et al., 2013; Sun et al., 2012). La PR totale mesurée avec un pénétromètre à cône est une valeur composite comportant en plus de la résistance à la pointe du cône (CR), plusieurs effets parasites à filtrer. Conséquemment, avant d’utiliser les valeurs de PR au chapitre 2, nous avons procédé à la conception d’un filtre au chapitre 1 qui permet de convertir les valeurs de PR en CR. Le chapitre 1 est intitulé « Filtre pour la correction de la résistance à la pénétration dans un sol organique cultivé et

(23)

NB : À partir du chapitre 2, l’abréviation PR est gardée pour la résistance à la pénétration filtrée pour rester

conforme à la littérature existante et pour rendre autonomes les chapitres pour la publication.

Une variable commune en entrée à tous les modèles de drainage est la conductivité hydraulique (K) du sol. L’étendue de ses valeurs et leur variabilité spatiale sont des informations requises pour la conception d’un réseau de drainage efficace (Gallichand et al., 1991b, 1992). En fonction de l’envergure des travaux, sa mesure directe sur le terrain peut être couteuse et nécessiter un certain temps. Cependant, plusieurs littératures rapportent qu’elle peut être estimée avec une précision acceptable par des fonctions de pédotransfert (Pedo-Transfer function, PTF) à partir d’autres propriétés du sol (Assouline, 2006; Patil and Singh, 2016; Schaap and Leij, 1998; Zhang et al., 2018). Selon les travaux précédents sur le sujet, essentiellement en sol minéral, Ksat peut être prédite à partir de la teneur en sable, silt et argile (Tóth et al., 2015; Zhang et al., 2018; Zhang and Schaap, 2017). La relation peut être légèrement améliorée quand on inclut de nouveaux prédicteurs tels que la masse volumique apparente et le teneur en eau (Ө) mesurée à différents potentiels matriciels (Zhang et al., 2018; Zhang and Schaap, 2017) ou le pH, la teneur en carbone ou le CEC (Tóth et al., 2015). En sol organique, on note comme potentiel bon prédicteur la porosité de drainage (Galvin, 1976), la masse volumique apparente (Boelter, 1969) ou la teneur en cendre (Gnatowski, 2001 tel que rapporté par Walczak et al. (2004)). On note une possibilité de fonction de pédotransfert entre PR et K à partir des travaux de Jakobsen and Dexter (1987), où les auteurs, à partir d’une série d’équations, expriment K en fonction de ρb et du potentiel matriciel (h) et par déduction en fonction de PR et de la teneur en eau pondérale (ω). Une revue sur le sujet peut être consultée dans les littératures suivantes : Pachepsky and Rawls (2004) et Zhang and Schaap (2019). Nous avons investigué au chapitre 3, la possibilité d’estimer Ksat à partir de PR tel qu’en cas de bonne relation, les cartes de compaction conçues au chapitre 2 soient converties en carte de Ksat et servir de données d’entrée au dimensionnement du réseau de drainage souterrain. Le chapitre 3 s’intitule : « Structure relationnelle entre

la conductivité hydraulique saturée et la résistance à la pénétration du sol ».

Au chapitre 4 intitulé « Impact de la compaction sur le drainage souterrain en sols organiques cultivés » nous abordons la modélisation proprement dite. Le but ici est d’identifier les paramètres hydrauliques du sol permettant de décrire le drainage, d’utiliser ces paramètres d’une part pour évaluer les caractéristiques

(24)

saturé nous avons l’équation de Darcy (1856) et en sol non saturé, celle de Richards (1931) auquel on ajoute un terme additionnel S représentant soit un retrait soit un apport d’eau dans le domaine d’écoulement. Dans le cas du drainage, S est un retrait d’eau du système et représente le prélèvement racinaire (Šimůnek et al., 2011). L’équation de Richards (1931) décrit la variation de Ө en fonction du temps en prenant en compte h du sol et sa conductivité hydraulique non saturée (Knonsat). C’est une équation aux dérivées partielles hautement non linéaire du fait de la dépendance de la charge hydraulique et de la conductivité hydraulique au niveau de saturation en eau (Beaudoin et al., 2011). Sa résolution pour les sols cultivés requiert d’une part un modèle pour les fonctions hydrauliques du sol et un modèle pour le terme S qui varient dans le temps et dans l’espace et d’autre part une précision des conditions initiales et aux limites (Peters et al., 2017). Les fonctions hydrauliques du sol sont les variables les plus importantes pour une modélisation numérique. Il s’agit de la courbe de rétention en eau du sol donnant la relation entre Ө et h d’une part (notée Ө(h)) et la courbe de conductivité hydraulique non saturée (Knonsat) reliant soit Ө, soit h à Knonsat (notée K(h) ou K(Ө)) d’autre part. Il existe plusieurs modèles pour la simulation du flux de l’eau. On peut citer entre autres les modèles TOPMODEL (Beven, 1997), DRAINMOD (Skaggs et al., 2012) et HYDRUS (Šimůnek et al., 2011, 2008). Nous avons opté pour HYDRUS en raison des résultats satisfaisants obtenus par le passé par les auteurs précédents (Lafond et al., 2014; Périard et al., 2015; Thériault et al., 2019) en sols organiques cultivés avec présence de couche compacte et pour garder les résultats comparables entre eux. Dépendamment de la complexité des analyses et des modèles hydrauliques utilisés pour effectuer les calculs de flux, HYDRUS peut être laborieux à paramétrer et surtout exiger un certain niveau de prise en main des notions d’hydrauliques souterraines. Les modèles analytiques, habituellement utilisés pour la conception des réseaux de drainage, peuvent être une alternative valable pendant encore très longtemps. Aussi avons-nous trouvé pertinent d’évaluer l’écart de prédiction de ces modèles par rapport à HYDRUS qu’on peut considérer comme étant le modèle approximant le mieux le drainage.

(25)

Modélisation de systèmes de drainage des sols

organiques cultivés sujets à la compaction et au

tassement

❶ Filtre pour la correction de la

résistance à la pénétration dans un

sol organique cultivé et compact

❷ Détection des zones compactes

❸ Structure relationnelle entre la

conductivité hydraulique saturée

(Ksat) et la résistance à la pénétration

du sol (PR)

❹ Impact de la compaction sur le

drainage souterrain en sols organiques

cultivés

Permettre une interprétation correcte des valeurs de résistances à la pénétration du sol (PR). Chapitre préalable nécessaire aux travaux des chapitres 2 et 3

Où sont les zones compactes? Cartographie (direction x, y) Localisation

(direction z)

Estimer efficacement et rapidement Ksat à faible coût

NB : À partir du chapitre 2, l’abréviation PR est gardée pour la résistance à la pénétration filtrée pour

(26)

Chapitre 1 Filtre pour la correction de la

résistance à la pénétration dans un sol

organique cultivé et compact

1.1 Résumé

L’objectif de cette étude était de concevoir à partir de données relevées sur le terrain, un filtre pour corriger les valeurs de résistance à la pénétration (PR) du sol en prenant en compte l’ensemble des effets (effets de la force de frottement PFC, de la variation de la vitesse d’insertion et ceux dus aux chocs) qui en biaisent l’interprétation. Les données utilisées ont été collectées dans les terres noires de la Montérégie au Canada connues pour leur état relativement avancé de compaction. Des mesures de PR (mesures standards) et de résistance à la pointe du cône (CR) (mesures successives par couche de 10 cm) ont été effectuées sur quatre tourbières à raison de cinq stations par tourbières. Les composants du filtre (une analyse multi-résolution AMR, l’application d’un modèle polynomial et la quantification et l’extraction de PFC) ont été identifiés et ont servi à la conception du filtre par validation croisée. Les investigations ont montré que PFC existe (valeur p < 5%) et ne dépend pas de la tourbière sur laquelle les mesures sont faites. Un filtre moyen a donc été conçu pour l’ensemble du site et son efficacité prouvée. Une application aux données collectées dans 10 champs sur le site a permis d’identifier les profils de sols principaux existant en Montérégie et de quantifier la PFC moyenne caractérisant ces sols. On note qu’en moyenne PFC représente entre 18.6 et 41% de la valeur de PR. Les résultats croisés des analyses statistiques et physiques du filtre ont permis de recommander les degrés 2 (D2), 3 (D3) et 5 (D5) du modèle polynomial pour ajuster des profils de sols organiques cultivés ayant soit aucune, soit une ou deux couches compactes.

(27)

1.2 Abstract

The objective of this study was to design, using field data, a filter to correct the soil penetration resistance (PR) values by considering all the effects (Penetration Friction Component PFC, varying penetration rates and shocks) which bias PR interpretation. The data used were collected in cultivated peatlands of Montérégie (Canada) known for their advanced state of compaction. PR (standard measurements) and cone resistance (CR) measurements (successive measurements per 10 cm layer) were carried out on four peatlands (five stations per peatland). The filter components, a multi-resolution analysis (AMR), a polynomial model and a quantification and removal of PFC, were identified and were used to design the filter and tested by cross-validation. Our study showed that PFC exists (p-value < 5%) and does not depend on the peatland on which the measurements are made. An average filter has therefore been designed for the entire site and its effectiveness demonstrated. An application to the data collected in ten fields on the site made it possible to identify the main soil density profiles existing in Montérégie and to quantify the average PFC characterizing these soils. We noticed that, on average, PFC represents between 18.6 and 41% of the PR value. The combined results of the statistical and physical analyses of the filter made it possible to recommend degrees 2 (D2), 3 (D3) and 5 (D5) of the polynomial model to adjust density profiles of cultivated histosols when there are none, one or two compact layers.

(28)

1.3 Introduction

L’ASAE S313.3 (ASABE, 2018) définit les pénétromètres à cône comme étant des appareils permettant la caractérisation de la résistance du sol par une méthode uniforme et standard. La variable mesurée est définie comme étant un « cône indice » qui est une contrainte résultante de la force appliquée pour insérer la sonde (tige & cône) dans la matrice du sol divisée par la surface de contact du cône (ASABE, 2019, 2018). Elle peut être affectée par des forces de frottement et d’adhérence sol-métal non négligeables qui varient le long de la tige du pénétromètre (Penetration Friction Component PFC) (Armbruster et al., 1990; Barone and Faugno, 1996; Cai et al., 2013; Sun et al., 2012). En outre, lors de l’essai, lorsqu’on opère en mode manuel, on note une variabilité importante des données d’un point à un autre due à la vitesse d’insertion irrégulière de la sonde (ASABE, 2019; Perumpral, 1987). Finalement, les lectures au pénétromètre peuvent présenter des valeurs élevées d’écart type qu’on attribue à l'hétérogénéité du sol, par exemple aux chocs avec des cailloux, des racines ou des bouts de bois présents dans le sol ou à la présence de trous ayant une dimension égale ou supérieure à la surface projetée du cône (ASABE, 2018; Dane et al., 2002). Ainsi, la PR totale telle que mesurée par un pénétromètre à cône manuel, est une valeur composite comportant en plus de la variable recherchée – c’est-à-dire la résistance à la pointe du cône (Cone Resistance CR) – plusieurs effets parasites biaisant l’interprétation des résultats. Ces effets sont non uniformes et peuvent varier fortement d’un opérateur à un autre, d’un point à un autre à l’intérieur d’un même champ.

Plusieurs pistes ont été explorées pour évaluer la valeur de CR avec comme idées fondamentales soit l’élimination partielle du contact sol-métal soit la quantification de PFC de manière à la soustraire de la valeur de PR.

Une des méthodes d’élimination partielle du contact sol-métal est l’utilisation d’un lubrifiant pour réduire la rugosité due aux aspérités sur la tige du pénétromètre et améliorer le contact entre les deux matériaux (Tollner and Verma, 1984, 1987). Une autre méthode est l’application d’une rotation sur le cône du pénétromètre lors de l’essai de la PR (Bengough et al., 1997; Mckenzie et al., 2013).

En ce qui concerne la quantification de PFC, il existe essentiellement deux approches, la première est l’utilisation de pénétromètres conçus pour mesurer explicitement la PFC (Armbruster et al., 1990; Looijen et al., 2018) et la seconde, l’usage d’un filtre mathématique (Cai et al., 2013; Sun et al., 2012).

Les pénétromètres conçus pour mesurer explicitement la PFC peuvent également se répartir en deux groupes. En premier, on distingue les pénétromètres munis d’un manchon de frottement permettant de mesurer simultanément les valeurs de CR et de PFC (Looijen et al., 2018; Sanglerat, 1965). Et en second, on distingue

(29)

les pénétromètres munis d’un transducteur additionnel pour la mesure directe de CR (Armbruster et al., 1990; Barone and Faugno, 1996).

Les pénétromètres munis d’un manchon de frottement sont le plus souvent utilisés en géotechnique et n’ont pas été largement adoptés par les chercheurs en sciences des sols agricoles (Dane et al., 2002). L’usage le plus courant en sciences des sols agricoles est plutôt l’utilisation d’un pénétromètre dont la tige a un diamètre inférieur à celui du cône (Mckenzie et al., 2013; Sun et al., 2012).Toutefois, Armbruster et al. (1990) et Barone and Faugno (1996) ont rapporté l’existence d’une PFC malgré l’usage d’un tel pénétromètre. Selon Sun et al. (2012) et Cai et al. (2013) ce phénomène serait dû essentiellement aux propriétés élastiques et plastiques complexes des sols agricoles qui sont telles que la matrice peut néanmoins rentrer en contact avec la tige du pénétromètre et ainsi créer un frottement sol-métal. Aussi, d’après les travaux de Armbruster et al. (1990) et de Barone and Faugno (1996), la mesure de la PR effectuée par ce type de pénétromètre inclut une PFC parce que la cellule de charge intégrée est située à l’extrémité supérieure de la tige du pénétromètre. En ajoutant un transducteur additionnel à proximité du cône pour mesurer la CR, ils ont trouvé que la PFC pouvait représenter jusqu’à 40% de la PR. Seulement, Cai et al. (2013) rapportent que le transducteur peut être coûteux et fragile et recommandent plutôt l’usage d’un filtre mathématique pour la correction des valeurs de PR.

Un filtre mathématique a été développé par Sun et al. (2012) vérifié par Cai et al. (2013) et mis en application par Li et al. (2016). La méthode a consisté à quantifier la PFC à partir d’un essai de pénétration bidirectionnelle et à l’utiliser pour concevoir le filtre. Les mesures de la PR ont été réalisées dans des conditions de laboratoire sur des sols silt-argile-limon et sur de la biomasse de maïs. Le pénétromètre utilisé est à entraînement mécanique (et donc non sujet à la variation de la vitesse d’insertion du cône) et les échantillons passés au tamis 2mm pour le sol et au tamis vibrant pour la biomasse de maïs (donc inexistence des effets dus aux chocs). Ils ont trouvé une PFC non significative dans les échantillons de sols, mais pour la biomasse de maïs, la PFC varie entre 51 et 59.2% de la valeur de la PR en fonction des densités utilisées par les auteurs. Le filtre pour corriger les valeurs de PR est conçu à partir d’une fonction inversement proportionnelle à la profondeur de mesure ou à la surface de contact entre la tige et la matrice de sol. Le filtre ne prend pas en compte les effets parasites dus à la variation de la vitesse d’insertion du cône et ceux dus aux chocs.