Impact de la genèse anthropique des sols de
canneberge sur la capacité de drainage
Thèse
Yann Périard-Larrivée
Doctorat en sols et environnement
Philosophiae doctor (Ph. D.)
Québec, Canada
Impact de la genèse anthropique des sols de
canneberge sur la capacité de drainage
Thèse
Yann Périard-Larrivée
Sous la direction de :
Silvio José Gumiere, directeur de recherche
Alain N. Rousseau, codirecteur de recherche
iii
Résumé
La construction d’un champ de canneberge nécessite la mise en place d’un système de drainage et une modification de la stratification naturelle du sol qui peuvent induire une anthropomorphisation rapide de ce dernier. La consolidation induite par les cycles accélérés de drainage et de recharge de l’eau du sol; la filtration et le colmatage des pores du sol par des particules colloïdales, accélérées par ce mode de gestion de l'eau, vont modifier les propriétés hydrauliques du sol. Ceci peut affecter l’efficacité du drainage et par conséquent le rendement de la cannebergière. Les objectifs de ce projet de doctorat étaient d’avancer les connaissances sur: (i) les processus hydrodynamiques régissant les mécanismes de transport dans les champs de canneberge; (ii) l’évolution génétique d’un sol de canneberge et ses effets sur la capacité de drainage; et (iii) l’identification des paramètres/processus les plus sensibles à la genèse du sol accélérée par les pratiques de gestion de l’eau. Au court de ce projet une caractérisation exhaustive de profils de sol a servi à classifier et proposer une nouvelle norme de drainage. Plusieurs expériences en laboratoire et aux champs ont été réalisées afin de déterminer le rôle de la migration de particules fines et de la consolidation du sol sur l’évolution des propriétés hydrauliques. De plus, ce projet a permis de mettre au point une méthode de prédiction des propriétés hydrauliques basées sur l’utilisation d’un tomographe permettant de prédire l’évolution spatio-temporelle des propriétés hydrauliques à de très grandes résolutions. Conjointement aux travaux pratiques, les résultats de travaux de modélisation hydrologique et d’analyses de sensibilité ont permis de déterminer les conditions d’hétérogénéité de sol les plus critiques causant un drainage inadéquat. Les résultats de cette étude ont révélé l’existence de problèmes de drainage liés à la genèse anthropique d’un horizon ayant des propriétés hydrauliques restrictives et permis de quantifier l’impact de la migration et de la consolidation sur l’altération des propriétés hydrauliques. L’ensemble des connaissances acquises par ce projet illustre qu’une genèse anthropique d’un sol de canneberge affecte la capacité de drainage et que celle-ci se produit dans les premières années d’implantation d’un champ. L’acquisition de connaissances sur les mécanismes de genèse anthropique permet désormais de prévoir l’évolution des sols selon plusieurs conditions et de mieux anticiper et contrôler leurs futurs effets négatifs sur la production de canneberge par l’implantation de stratégies de conservation des sols.
iv
Abstract
The construction of a cranberry field requires the establishment of a drainage system and a modification of the natural soil stratification that can induce rapid anthropomorphization thereof. Consolidation induced by accelerated cycles of drainage and recharge; filtration and clogging of soil pores by colloidal particles, accelerated by the water management, will change the soil hydraulic properties. This can affect the efficiency of drainage and therefore the productivity of the cranberry fields. The objectives of this PhD project was to advance knowledge on: (i) the hydrodynamic processes governing the transport mechanisms in cranberry fields; (ii) the genetic evolution of a ground cranberry and its effects on the drainage capacity; and (iii) identification of parameters / the most sensitive processes in soil formation accelerated by water management practices. During this project, a exhaustive characterization of soil profiles was used to group and propose a new standard for evaluating the drainage. Several laboratory experiments and field were conducted to determine the role of migration of fines particles and soil consolidation on the evolution of hydraulic properties. In addition, in this project we have developed a method for predicting the hydraulic properties based on the use of tomography to predict the spatiotemporal evolution of the hydraulic properties at very high resolutions. Together with the practical work, the results of hydrological modeling and sensitivity analysis were used to determine the most critical soil heterogeneity conditions causing inadequate drainage. The results of this study revealed the existence of drainage problems related to anthropogenic genesis of a horizon with restrictive hydraulic properties and quantified the impact of migration and consolidation of alteration of hydraulic properties. All the knowledge gained through this project shows that anthropogenic genesis of a soil of cranberry field affect the drainage capacity and that it occurs in the first years of implementation of a field. Acquiring knowledge on anthropogenic genesis mechanisms now allows to predict the evolution of soils according to several conditions and better anticipate and control their future negative effects on cranberry production through the implementation of soil conservation strategies.
v
Table des matières
Résumé ... iii
Abstract ... iv
Table des matières ... v
Liste des figures ... x
Liste des Tableaux ... xvii
Remerciements ... xix
Avant-propos ... xx
Chapitre 1: Introduction générale ... 1
1.1 Introduction ... 1
1.2 Références ... 5
Chapitre 2: Assessment of the drainage capacity of cranberry fields: problem identification using soil clustering and development of a new drainage criterion ... 11
2.1 Résumé ... 11
2.2 Abstract ... 11
2.3 Introduction ... 12
2.4 Material and Methods... 13
2.4.1 Soil sampling and site description ... 13
2.4.2 Particle size distribution... 14
2.4.3 Soil chemical analysis ... 15
2.4.4 Soil physical analyses and hydraulic properties characterization ... 15
2.4.5 Simulation of drainage scenarios ... 16
2.4.6 Drainage and soil water availability criteria ... 17
2.4.7 Statistical and cluster analyses ... 17
2.4.7.1 Soil profile classification and cluster analysis ... 17
2.4.7.2 Linear model of the drainage criterion ... 19
2.5 Results and Discussion ... 19
vi
2.6 Conclusion ... 22
2.7 Acknowledgments ... 22
2.8 References ... 22
Chapitre 3: Use of X-ray CT scan to characterise the evolution of the hydraulic properties of a soil under drainage conditions ... 41
3.1 Résumé ... 41
3.2 Abstract ... 41
3.3 Introduction ... 42
3.4 Material and methods ... 43
3.4.1 Soil column preparation ... 43
3.4.2 CT scanning ... 44
3.4.3 Voxel porosity ... 45
2.4.4 Spatial and temporal variability of the saturated hydraulic conductivity ... 45
3.4.5 Equivalent soil hydraulic conductivity ... 47
3.4.6 Soil deformation and consolidation ... 48
3.5 Results and discussion ... 49
3.5.1 Total soil porosity ... 49
3.5.2 Saturated hydraulic conductivity of the soil column... 49
3.5.3 Soil volumetric deformation ... 53
3.6 Conclusions ... 53
3.7 Acknowledgments ... 54
3.8 References ... 54
Chapitre 4: Predicting soil hydraulic properties from X-ray CT scan analysis and particle size distributions ... 67
4.1 Résumé ... 67
4.2 Abstract ... 67
4.3 Introduction ... 68
vii
4.4.1 CT scanning ... 70
4.4.2 Soil preparation and laboratory characterization of hydraulic properties ... 70
4.4.3 Voxel porosity ... 71
4.4.4 Particle size distribution... 72
4.4.5 Particle void nearest-surface complementary cumulative density function ... 73
4.4.6 Hydraulic properties ... 74
4.5 Results and Discussion ... 77
4.5.1 Equivalent soil hydraulic properties ... 77
4.5.2 Spatial variability of hydraulic properties ... 80
4.6 Conclusions ... 83
4.7 Acknowledgments and Data ... 83
4.8 References ... 84
Chapitre 5: Characterization of spatiotemporal variability of hydraulic properties and matric potential of soil under drainage and recharge cycles by X-ray tomography and wavelet transforms ... 103
5.1 Résumé ... 103
5.2 Abstract ... 104
5.3 Introduction ... 104
5.5 Materials and methods ... 106
5.5.1 Soil column preparation ... 106
5.5.2 Matric potential time series and wavelet transforms ... 108
5.5.3 CT scanning ... 108
5.5.4 Voxel porosity ... 109
5.5.5 Unsaturated hydraulic conductivity of the soil ... 109
5.6 Results and discussion ... 110
5.6.1 Wavelet analyses ... 110
5.6.2 Evolution of soil hydraulic properties ... 114
5.7 Conclusions ... 115
viii
5.9 References ... 116
5.10 Appendix ... 130
5.10.1 Particle distribution ... 130
5.10.2 Hydraulic properties ... 131
Chapitre 6: Predicting soil hydraulic properties of sandy soils using a neural network ... 133
6.1 Abstract ... 133
6.2 Abstract ... 133
6.3 Introduction ... 134
6.4 Materials and Methods ... 136
6.4.1 Database ... 136
6.4.2 Neural Network Method ... 137
6.4.3 Supervised learning ... 138
6.5 Results and Discussion ... 139
6.5.1 Variations and correlations in the hydraulic properties of sandy soils ... 139
6.5.2 Ability of MLP to predict soil hydraulic properties ... 141
6.6 Conclusions ... 142
6.7 Acknowledgements ... 143
6.8 References ... 143
6.9 Nomenclature ... 147
Chapitre 7: Multilocal sensitivity analysis of soil hydraulic properties: case study of a heterogeneous soil profile ... 158
7.1 Résumé ... 158
7.2 Abstract ... 158
7. 3 Introduction ... 159
7. 4 Materials and Methods ... 161
7.4.1 Soil water dynamics simulation ... 161
7.4.2 Soil hydrodynamic parameters ... 162
ix
7.4.4 Sensitivity analysis ... 163
7.4.4.1 Configurations of climatic, geometric, and soil hydrodynamic conditions ... 163
7.4.4.2 Simulation procedure of sensitivity analyses ... 164
7.4.4.3 Sensitivity calculations ... 165
7.4.4.3.1 Multilocal Gâteaux directional derivative ... 165
7.4.4.3.2 Global sensitivity ... 166
7.5 Results and Discussion ... 167
7.5.1 Sensitivity analysis ... 167
7.5.1.1 Multilocal Gâteaux directional derivative ... 167
7.5.1.2 Global sensitivity ... 169
7.6 Conclusions ... 170
7.8 Acknowledgments ... 170
7.9 References ... 171
Chapitre 8: Conclusion générale ... 184
Annexe: Liste de publications et communications effectuées au doctorat (86) ... 189
Peer-reviewed journal articles (10) ... 189
Peer-reviewed conference papers (proceedings) (4) ... 189
Peer-reviewed journal articles in preparation (5) ... 190
Thesis and monographs (1) ... 190
Scientific Report (5) ... 191
Scientific oral presentation (28) ... 191
Scientific poster presentation (22) ... 194
x
Liste des figures
Chapitre 1
Figure 1.1. Schéma synoptique de la thèse ... xxi
Chapitre 2
Figure 2.1. Location of the three study sites within Canada. ... 31
Figure 2.2. Flow domain with boundary conditions and observation point (star). ... 32
Figure 2.3. Tree diagram of the cluster analysis with the soil profiles along the x-axis and
the Euclidian distance between clusters along the y-axis. Colors represent the nine group of
soil and symbols represent the identification of soil profile. ... 33
Figure 2.4. Photos of soil profiles of groups 1 to 7 ... 34
Figure 2.5. Photos of soil profiles of groups 8 and 9... 35
Figure 2.6. Schematic representation of the nine groups of soils. ... 36
Figure 2.7. Decision tree to determine the soil group, indices I, II, III refer to each horizon.
... 37
Figure 2.8. Average soil hydraulic property curves of each group: volumetric water content
and hydraulic conductivity of horizons I [(a) & (b)]; II [(c) & (d)] and III [(e) and (f)],
respectively. ... 38
Figure 2.9. Relationship between the minimum values of of each horizon of a same profile
and the log10 of the time to achieve the target value of −3 kPa. ... 39
Figure 2.10. Observed versus fitted
... 40
Chapitre 3
Figure 3.1. Schematic diagram and photos of the experimental setup. ... 61
Figure 3.2. Pressure boundary for saturation-drainage cycles in the repacked soil column. 62
Figure 3.3. Longitudinal slice of porosity (cm3 cm−3) from a CT scan taken at x = 6 cm.
(b) Fitted variogram of porosity values as a function of distance. The latter was selected to
calculate the fractal dimension of the pore network. ... 62
Figure 3.4. Temporal variation of the spatial distribution of porosity ( (cm
3cm
−3)) within
the soil column (0, 1, 3, 5, 22, 47, and 95 h). ... 63
10
xi
Figure 3.5. (a) Equivalent saturated hydraulic conductivity calculated by different methods
as a function of time. (b)
as a function of time. (c) Mean saturated hydraulic conductivity
of each longitudinal image as a function of coordinate x. (d) Cumulative fraction of the
saturated hydraulic conductivity in the cylinder. (e) Fractal dimension of each longitudinal
image as a function of coordinate x. (f) Cumulative fraction of the fractal dimension in the
cylinder. The colour legend represents the elapsed time since the onset of the experiment.
(N.B. The origin is located on the left side of these graphs, which corresponds to ‘top’ of
the fine sand (705).) ... 64
Figure 3.6. Temporal distribution of the natural logarithm of the saturated hydraulic
conductivity throughout the soil column (ln (cm h-1)). ... 65
Figure 3.7. Distribution of the volumetric deformation (
v
x y z, ,
(cm)) at different time
steps during the experiment. ... 66
Chapitre 4
Figure 4.1. Simulation of the water path from the spatial variation of the absorption
coefficient (Hu) of an image obtained from CT scan. The red line is the straight-line water
path (L), and the black line is the tortuous water path (Le). (a) shows the water path within
an image slice, and (b) an enlarged view of this water path. ... 94
Figure 4.2.Cumulative mass fractions (M(R)) for particle radius R (µm) in the 705 soil (a)
and the Flint soil (b). ... 94
Figure 4.3. Equivalent soil hydraulic properties of the 705 and Flint soils. (a) water
retention curves for 705, (b) water retention curves for Flint, (c) unsaturated hydraulic
conductivity curves for 705, (d) unsaturated hydraulic conductivity curves for Flint. The
simulated data are represented by lines, and the observed data by circles. ... 95
Figure 4.4 D spatial variation of porosity (a,b,c), rmax (d,e,f) and saturated hydraulic
conductivity (g,h,i) for 705 - drying curve, 705 -wetting curve Flint for drying curve,
respectively. ... 96
Figure 4.5. 3D spatial variations and histograms of the effective saturation at different
values of the matric potential at the middle of the sample for the drying curve of the 705
soil: −5 (a), −6 (b), −7 (c), −8 (d), −9 (e), and −10 kPa (f). ... 97
xii
Figure 4.6. 3D spatial variations and histograms of the effective saturation at different
values of the matric potential at the middle of the sample for the wetting curve of the 705
soil: −3 (a), −4 (b), −5 (c), −6 (d), −7 (e), and −8 kPa (f). ... 98
Figure 4.7. 3D spatial variations and histograms of the effective saturation at different
values of the matric potential at the middle of the sample of Flint soil: −1 (a), −2 (b), −2.5
(c), −3 (d), −3.5 (e), and −4 kPa (f). ... 99
Figure 4.8. 3D spatial variations and histograms of the relative hydraulic conductivity at
different values of the matric potential at the middle of the sample for the drying curve of
the 705 soil: −5 (a), −6 (b), −7 (c), −8 (d), −9 (e), and −10 kPa (f). ... 100
Figure 4.9. 3D spatial variations and histograms of the relative hydraulic conductivity at
different values of the matric potential at the middle of the sample for the wetting curve of
the 705 soil: −3 (a), −4 (b), −5 (c), −6 (d), −7 (e), and −8 kPa (f). ... 101
Figure 4.10. 3D spatial variations and histograms of the relative hydraulic conductivity at
different values of the matric potential at the middle of the sample for the Flint soil: −1 (a),
−2 (b), −2.5 (c), −3 (d), −3.5 (e), and −4 kPa (f). ... 102
Chapitre 5
Figure 5.1. Setup of one soil column. After saturating the soil column from the bottom up
to -35 cm (35 cm below the surface), the water level oscillated between ‒55 cm and ‒35 cm
by alternately opening the recharge (A) and drainage (B) valves. Irrigation was initiated by
opening valve C. ... 123
Figure 5.2. Particle size distributions of the fine and medium coarse sands and the
zirconium oxide (ZrO
2). ... 124
Figure 5.3. Time series of soil matric potential at the depth of 17 cm for soil column 1A (a)
and the wavelet transforms for soil columns 1A (b), 1B (c) and 1C (d). ... 125
Figure 5.4. Time series of soil matric potential at the depth of 17 cm for soil column 2A (a)
and the wavelet transforms for soil columns 2A (b), 2B (c) and 2C (d). ... 126
Figure 5.5. Total porosity () and ZrO
2concentration (%) profiles for the three replicates of
column 1. The symbols sc1 to sc8 represent scan numbers 1 to 8. The corresponding years
represented by each scan for column 1A are 0.00, 5.30, 9.88, 11.19, 13.73, 15.56, and 18.29
yr. For column 1B, they are 0.00, 0.69, 1.99, 2.78, 3.26, 3.92, 4.11, and 4.57 yr. For column
1C, they are 0.00, 2.58, 6.18, 9.09, 14.49, 17.81, 20.99, and 22.84 yr. ... 127
xiii
Figure 5.6. Total porosity () and ZrO
2concentration (%) profiles for the three replicates of
column 2. The symbols sc1 to sc8 represent the scan numbers 1 to 8. The corresponding
years represented by each scan for column 2A are 0.00, 0.51, 0.55, 0.66, 0.69, 0.72, and
0.80 yr. For column 2B, they are 0.00, 0.74, 5.91, 8.69, 13.43, 19.12, 32.97, and 38.63 yr.
For column 2C, they are 0.00, 0.95, 2.41, 3.34, 4.19, 5.46, 7.93 and 11.06 yr. ... 128
Figure 5.7. Unsaturated hydraulic conductivity curves for soil columns 1, 2, 3, and 4 of
experiments 1 and 2. ... 129
Chapitre 6
Figure 6.1. Example of a neural network with six input covariates (θ
s, W, σ
1, μ
1,σ
2and μ
2),
one output variable (Y) (
α, α
w, n, K
sd,
K
sw,
θ
rand τ) and three hidden layers consisting of
seven hidden neurons. The configuration is referred to as (7,7,7). ... 153
Figure 6.2. Schematic representation of the configuration of MLP hidden layers. ... 153
Figure 6.3. Soil hydraulic property and PSD parameter variations in soils used in this study:
coarse silt (1), very fine sand (2), fine sand (3) and medium sand (4): (a) saturated hydraulic
conductivity of the drainage curve, (b) saturated hydraulic conductivity of the wetting
curve, (c) the inverse of air entry of the drainage curve, (d) the inverse of air entry of the
wetting curve, (e) the empirical parameter of the drainage and wetting curves, (f) the pore
tortuosity-connectivity parameter, (g) the water content at saturation (assumed to be equal
to the porosity), (h) the weighting factor of the PSD, (i) the standard deviation of ln(R) of
subdomain 1 of the PDS, (j) the mean of ln(R) of subdomain 1 of the PDS, (k) the standard
deviation of ln(R) of subdomain 2 of the PDS and (l) the mean of ln(R) of subdomain 2 of
the PDS. Textural classes were determined using the rysgran library of Gilbert et al. (2012)
in R (R Core Team, 2014). ... 154
Figure 6.4. Pearson correlation matrix of soil hydraulic parameters and PSD characteristics.
A red X indicates a non-significant correlation (0.05 level). ... 155
Figure 6.5. PSDs of all soil samples (372) by sand class. The inset is the same plot in log
scale to show the bimodal log normal distribution of the PSDs. ... 156
Figure 6.6. Water retentions (a) and unsaturated hydraulic conductivities (b) for the main
desorption and sorption curves of all 372 samples. ... 157
xiv
Chapitre 7
Figure 7.1. Schematic view of the physical domain and corresponding boundary conditions;
(A) 1D-domain 100-cm high (x in the vertical direction); (B) Time-dependent, upper
boundary conditions (virtual rainfall and potential evapotranspiration). In figure A, the Soil
1 corresponds to the reference/original soil and Soil 2 is the restrictive layer with a
variation of soil hydraulic properties. ... 176
Figure 7.2. Parameter sampling space of a five-dimension hypercube. ... 177
Figure 7.3. (A) Soil water retention curves and (B) soil hydraulic conductivity curves for
the median values of hydraulic parameters obtained from soil core samples (md
corresponds to the original soil and is called Soil 1) and for values of combination of n and
α for p1 to p25 with
and K
ss
fixed at the median values of the spatial grid, that is 0.39 cm
-3
cm
-3and 14.95 cm
hr
-1, respectively. ... 178
Figure 7.4. Simulation procedure and link between HYDRUS 1D and SENSAN ... 178
Figure 7.5. Variations in matric potential (
m) 24 hours after the highest water table level
following rainfall as a function of different conditions (hydrodynamic, geometric and
climatic). In each column of Figure A the abscissa represents values of p
unsat(α and n) in
the interval of p1 to p25 and the gray zone represented the target intervals of matric
potential (−41 to 70 cm) that need to be reached in 24 hours after the rain. The
corresponding boxplots are for: (B) p
unsatof the restrictive layer (Soil 2), (C) p
satof the
restrictive layer (Soil 2), (D) depth of the restrictive layer (Soil 2), (E) thickness of the
restrictive layer (Soil 2) and (F) rainfall. In all boxplots (B, C, D, E, F), the abscissa is the
level of the parameters corresponding to (B) p
unsat, (C) p
sat, (D) depth, (E) thickness and (F)
rainfall and the ordinate is the matric potential (
m) 24 hours after the highest water table
level following rainfall. ... 179
Figure 7.6. Fourth-order Gâteaux directional derivatives of the soil hydraulic parameters
according to different conditions (hydrodynamic, geometric and climatic) and their
associated boxplots of: (B) p
unsat, (C) p
sat, (D) depth, (E) thickness and (F) rainfall. In each
column of Figure A the abscissa represents values of p
unsat(α and n) in the interval p1 to
p25. The corresponding boxplots are for: (B) p
unsat, (C) p
sat, (D) depth, (E) thickness and (F)
rainfall. In all boxplots (B, C, D, E, F), the abscissa represents the level of (B) p
unsatof the
xv
restrictive layer (Soil 2), (C) p
satof the restrictive layer (Soil 2), (D) depth of the restrictive
layer (Soil 2), (E) thickness of the restrictive layer (Soil 2) and (F) rainfall, and the ordinate
is the logarithm of the Fourth-order Gâteaux directional derivatives of the soil hydraulic
parameters. ... 180
Figure 7.7. (A, B) Gâteaux directional derivatives of the matric potential, 24 hours after the
highest water table level following precipitation with respect to: rainfall (R)). (C, D)
Gâteaux directional derivatives of the matric potential 24 hours after the highest water table
level following precipitation with respect to depth (D). (E, F) Gâteaux directional
derivatives of the matric potential 24 hours after the highest water table level following
precipitation with respect tothickness (T). In each column of Figures A, B and C the
abscissa represents values of p
unsat(α and n) in the interval p1 to p25. The corresponding
boxplots with respect to levels of: (B) rainfall, (D) depth of the restrictive layer (Soil 2) and
(F) thickness of the restrictive layer (Soil 2) are presented. In each boxplots (B, D, F), the
abscissa is level of (B) rainfall, (D) depth and (F) thickness and the ordinate are the
Gâteaux directional derivatives of the matric potential, 24 hours after the highest water
table level following rainfall... 181
Figure 7.8. (A) Seventh-order Gâteaux directional derivatives with respect to different
conditions (hydrodynamic, geometric and climatic) and their corresponding boxplots for
each level of: (B) p
unsat, (C) p
sat, (D) depth, (E) thickness and (F) rainfall. In each column of
Figure A, the abscissa represents values of p
unsat(α and n) in the interval p1 to p25. For the
restrictive layer (Soil 2), the corresponding boxplots of (B) p
unsat, (C) p
sat, (D) depth, (E)
thickness and (F) rainfall are presented. In each boxplot (B, C, D, E, F), the abscissa is the
level of each parameter (B) p
unsat, (C) p
sat, (D) depth, (E) thickness and (F) rainfall and the
ordinate is the logarithm of the Seventh-order Gâteaux directional derivative. ... 182
Figure 7.9. Global sensitivity based on variance decomposition. In the above histogram, the
ordinate is the global sensitivity based on variance decomposition using Equation (10). The
abscissa shows the eight most important sensitivity indices;
unsat
p
S
is the first-order
sensitivity index of superparameter
p
unsat(n and α);
S , the first-order sensitivity index of
Dthe depth of the restrictive soil layer;
:unsat
p D
S
, the second-order sensitivity index of
interaction between superparameter
p
unsatand D;
sat
p
xvi
superparameter
p (
sat and
sK );
s :unsat sat
p p
S
,the second-order sensitivity index of interaction
between superparameter
p
unsatand
p ;
satS , the first-order sensitivity index of the
Tthickness of the layer;
:sat
p D
S
, the second-order sensitivity index of interaction between
superparameter
p
satand D; and
S
T D:, the second-order sensitivity index of interaction
between superparameter T and D. ... 183
xvii
Liste des Tableaux
Chapitre 2
Table 2.1. Mean and standard deviation of chemical variables and Munsell color of groups
1 to 6 ... 27
Table 2.2. Mean and standard deviation of chemical variables and Munsell color of groups
7 to 9 ... 28
Table 2.3. Mean and standard deviation of particle size distribution variables and soil
hydraulic parameters of groups 1 to 5. ... 29
Table 2.4. Mean and standard deviation of particle size distribution variables and soil
hydraulic parameters of groups 6 to 9. ... 30
Chapitre 3
Table 3.1. Parameters of the cumulative fraction curves, associated coefficients of
determination, and fitted
values of Eq. 10. ... 61
Chapitre 4
Table 4.1. Parameters of the cumulative mass fraction (M(R)) for particle radius (R (µm)) in
the the 705 soil and the Flint soil. ... 91
Table 4.2. Equivalent water content (cm
3cm
−3) at saturation for drying and wetting curves
predicted by the X-ray CT scan method and measured by weight after the instantaneous
profile experiment... 91
Table 4.3. Calibrated parameter values of equation (10) for three replicates of the 705 and
Flint soils. ... 92
Table 4.4. Equivalent saturated hydraulic conductivities (cm h
−1) predicted by our method
(pred) and measured by the constant head method (meas). ... 92
Table 4.5. Comparison of the performance obtained for predicting saturated soil hydraulic
conductivity with different methods. ... 93
Chapitre 5
Table 5.1. Summary of the results of wavelet analyses... 122
Table 5.2. Parameters of cumulative mass fraction (M(R)) of particle radius R (µm) for
soils 705 and Flint. ... 122
xviii
Chapitre 6
Table 6.1. Performance of ANN to predict soil hydraulic properties ... 149
Chapitre 7
xix
Remerciements
Silvio, je voudrais te remercier pour ton support et ton encouragement tout au long de mon cheminement de thèse de doctorat. Tu as toujours été présent pour les moments où j’en avais vraiment besoin. Surtout merci de m’avoir fait confiance.
Merci Alain, ta rigeur, tes qualités d’écrivain et tes connaissances scientifiques m’ont permis de m’améliorer énormément sur mes aptitudes scientifiques.
Merci Jean de m’avoir fait confiance toutes ces années et surtout de m’avoir donné ma chance. Dès la première rencontre tu as été un modèle de réusite et d’excellence pour moi. C’est toujours un vrai plaisir de travailler en ta compagnie.
Je voudrais te remercier, Jacques, pour ton aide essentielle et enrichissante lors de la rédaction des chapitres de cette thèse. Ta rigeur et ta façon de travailler et d’écrire mon permis d’apprendre énormément sur la rédaction de contenu scientifique.
Je tiens à remercier un homme d’exception et d’une grande générosité, Bernard Long. Un grand chercheur qui m’a donné la chance d’expérimenter l’utilisation d’un tomographe médical qui est devenu une analyse essentielle pour la réalisation de mes travaux de thèse de doctorat. Je souhaite offrir mes plus sincères condoléances à la famille et aux amis pour ce départ beaucoup trop hâtif.
Merci Jonathan pour ta précieuse aide que ce soit pour la coordination des tâches et les analyses de laboratoires et pour tes encouragements tout au long de mes études. C’est toujours été un plaisir de discuter avec toi. Et surtout merci pour ton humour unique et légendaire.
Je tiens à remercier Alexandre Papillon pour sa précieuse aide sur le terrain et au laboratoire pour les nombreuses heures à creuser des profils de sol et à faire des analyses parfois répétitives et peu intéressantes mais énormément précieuses pour la qualité de mes résulats de recherches.
Je voudrais remercier ma famille (parents, frère et sœur, beaux parents et tous les autres) et mes amis pour leur soutien et leur encouragement tout au long de mes nombreuses années d’études. Les moments passés en votre compagnie sont toujours aussi agréables et me remplissent de bonheur.
Finalement, les amours de ma vie: Janique, Isaac et Liam, merci de m’aimer comme je suis et de faire de moi une personne meilleure chaque jour. Je suis si heureux et fière de notre famille.
xx
Avant-propos
Cette thèse s’inscrit dans le cadre d’un projet intitulé « La Chaire de recherche industrielle CRSNG-Hortau en irrigation de précision » financé par une subvention de recherche et développement coopérative du Conseil de Recherches en Sciences Naturelles et en Génie du Canada (RCIPJ 411630-08 and RDCPJ 394875-09) en partenariat avec les entreprises Canneberges Bieler inc., la Ferme Onésime Pouliot Inc., Hortau, Nature Canneberge, et Transport Gaston Nadeau inc.
Cette thèse est rédigée sous forme d'articles scientifiques dont je suis l’auteur principal et les Chapitres 2, 3, 4, 5 et 6, 7 sont rédigés en anglais. J’ai moi-même réalisé les analyses de laboratoires et fait les calculs nécessaires pour tous mes travaux de recherches. Toutefois, les professionnels de recherches: Benjamin Parys et Jonathan Lafond ainsi que des auxilliaires de recherches l’équipe de recherche du professeur Jean Caron ont participé à certaines des analyses de laboratoires. La rédaction des articles a été réalisée en coécriture avec plusieurs auteurs : Dr Silvio José Gumière, Dr Jacques Gallichand, Dr Jean Caron, Dr Michel Cailler et Dr Jonathan Lafond de l’Université Laval, Dr Alain N. Rousseau et Dr Bernard Long de l’INRS et Dr Dennis Hallema de Eastern Forest Environmental Threat Assessment Center, USDA Forest Service Southern Research Station. Un schéma synoptique de la thèse est présenté à la Figure 1. La partie I porte sur un inventaire des types de profils de sol de canneberges du Québec. Dans le cadre de cette étude une caractérisation exhaustive des propriétés physico-chimiques et hydrauliques des sols de canneberge du Québec a été réalisée afin de regrouper les types de sol en types homogènes afin de faciliter le diagnostic de leur capacité de drainage et de remontée capillaire. De plus, cette étude a permis de proposer un nouveau critère de drainage basé sur le flux matriciel potentiel permettant d’identifier les types de sol présentant un problème de drainage. Ce travail a également révélé la présence d’un grand nombre de type de profils de sols ayant un horizon qui possède des propriétés hydrauliques limitantes pour le drainage. Ce chapitre a été publié dans le Journal Canadien de Science du Sol.
La partie II est dédiée au développement de méthodes expérimentales pour prédire l’évolution de propriétés hydrauliques du sol de canneberge anthropisé menant à la formation d’un horizon ayant des propriétés hydrauliques limitante pour le drainage. Dans cette partie, le développement d’un cadre méthodologique de prédiction des propriétés hydrauliques à l’aide d’analyse tomodensitométrique, de distribution granulométrique ainsi que d’analyses fractales et de tortuosité a été fait et est présenté dans les chapitres 3, 4 et 5 et ont été publié dans la revue Geoderma, dans deux articles de conférence présenté lors du congrès 2nd International Conference on Tomography of Materials and Structures,
xxi
et deux articles soumis pour publication dans l’édition spéciale de Vadose Zone Journal intitulé « Noninvasive Imaging of Processes in Natural Porous Media: From Pore to Field Scale ».
La partie III porte sur le développement d’outils de diagnostic pour l’aide à l’identification des problèmes de drainages à des horizons ayant des propriétés hydrauliques restrictives. Dans le chapitre 6, le développement de fonctions de pédotransfert à l’aide des réseaux de neurones a été proposé afin de faciliter la prédiction des propriétés hydrauliques d’un sol sableux à l’aide de la connaissance de la porosité et de la granulométrie uniquement. Cette analyse sera utilisée afin de diagnostiquer les problèmes de drainage liés à des horizons de sols ayant des propriétés hydrauliques restrictives. Ce travail a été soumis pour publication au Vadose Zone Journal.
Dans le chapitre 7, le diagnostic de l’impact de l’hétérogénéité et de la présence d’une couche restrictive sur le potentiel matriciel a été étudié à l’aide de modélisation hydrologique d’un cycle de drainage pour plusieurs combinaisons de profil de sol ayant différentes propriétés hydrauliques avec diverses configurations d’épaisseurs et de profondeurs d’horizons soumis à plusieurs niveaux de précipitations. Dans ce chapitre, l’utilisation d’analyse de sensibilité globale basée sur la décomposition de la variance et multi-locale basée sur les dérivées directionnelles de Gâteau ont permis de fournir l’information nécessaire à l’établissement du diagnostic de l’état de drainage. Ce chapitre a été accepté avec révision modéré pour la revue Journal of Hydrology.
1
Chapitre 1: Introduction générale
1.1 Introduction
La province de Québec au Canada est un important producteur de canneberges. En 2014, le Québec était le deuxième producteur de canneberges au monde avec 3961 ha en production avec un rendement total de 109 337 t, générant plus de 90 M $. Entre la période de 1995-2004 et celle de 2005-2014, le rendement de la canneberge au Québec a augmenté de 66% (Pelletier et al., 2015). Cette augmentation est due en partie à une meilleure compréhension des processus hydrologiques agricoles et à la gestion améliorée de l'eau à l'échelle de la ferme. De nos jours, la gestion de l'eau dans la production de canneberges est principalement basée sur les données tensiométriques (Bonin, 2009, Caron et al., 2016, Pelletier et al., 2013, Pelletier et al., 2015, Pelletier et al., 2015). Au Québec, les champs de canneberges sont souvent construits sur des sites ayant des horizons compacts tel que des Podzol (Fragipan, ortstein, placique), ou les sols organiques ou horizons d'argile d'un gleysol (Raymond et al., 1965, Rompré et al., 1984). Les sols de canneberge présentent une forte hétérogénéité verticale et peuvent avoir une capacité de drainage faible causée par des propriétés hydrodynamiques limitantes. Ceci impose une contrainte majeure sur la dynamique de l'eau en formant des barrières capillaires et hydrauliques (Bedard-Haughn, 2011, Paul et al., 2011, Raymond et al., 1965, Rompré et al., 1984, Sanborn et al., 2011) menant à une incapacité de maintenir une tension optimale pour la culture de la canneberge.
En général, les profils de sols hétérogènes peuvent provenir de processus d'évolution naturelle lents (Sanborn et al., 2011) ou de la pression anthropique induite par les activités agricoles intensives (Bodner et al., 2013, Dubois et al., 1990, Frison et al., 2009). En effet, par rapport aux conditions naturelles, certaines pratiques de gestion de l'eau, tels que les inondations, l'irrigation, l'irrigation souterraine, et le drainage, peuvent augmenter la fréquence de fluctuation de la nappe phréatique (cycles de drainage et de recharge) et exercer une forte pression sur le sol. Ceci peut conduire à des changements importants dans les propriétés physicochimiques du sol (Huang et al., 2015, Montagne et al., 2009) et induire une modification dans la distribution de la taille des pores du sol (Bodner et al., 2013, Bodner et al., 2013, Mubarak et al., 2009). La mise en place d'un système de drainage favorise un écoulement d'eau du sol plus rapide ce qui induit des changements dans la structure du sol, de distribution de la taille des pores, de porosité totale, des propriétés de rétention d'eau, de la densité apparente, le point d'entrée d'air et des conductivités hydrauliques saturée et insaturée (Alletto et al., 2015, Bodner et al., 2013, Bodner et al., 2013, Frison et al., 2009, Montagne et al., 2009, Montagne et al., 2008).
2
De plus, la construction d'un champ de canneberge peut conduire à la stratification anthropique du sol. Pendant la construction, la couche superficielle est enlevée et remplacée par une couche de sable non consolidé (10 - 30 cm). Dans les champs de canneberges, Gumiere et al. (2014) ont observé des horizons du sol ayant un drainage très lent qui réduit significativement la capacité du sol à maintenir un potentiel matriciel optimum et de ce fait même réduit considérablement le rendement. Les sols anthropiques, tels que ceux dans la production de canneberges, Anthrosols et Technosols (IUSS Working Group WRB, 2014), sont souvent caractérisés comme des matériaux lâches et non consolidés qui subissent une genèse rapide et intense (Séré et al., 2012). Cette évolution rapide des sols peut être expliquée par la migration de particules fines induite par l'écoulement (1-10 um), et par la réorganisation des particules plus grossières au cours du processus d’hydroconsolidation (McDaniel et al., 2001, Pires et al., 2007). La grande quantité d'eau utilisée dans la production de canneberges (environ 5000 m3 ha−1an−1 (500 mm an−1)) pour l'irrigation et les inondations pendant la
récolte et protection contre le gel (Poirier, 2010) pourrait contribuer à réduire la capacité de drainage du sol par ces processus de genèse.
L'étude de ces variations spatio-temporelles des propriétés hydrauliques du sol représente une tâche ardue qui peut exiger de nombreuses analyses en laboratoires qui sont destructrices, et qui peut nécessiter plusieurs observations sur le terrain (Bodner et al., 2013). De plus, le carottage peut affecter les propriétés du sol, telles que la densité apparente et la distribution de la taille des pores, ce qui conduit à des différences entre les mesures in situ et en laboratoire des propriétés hydrauliques du sol (rétention d'eau et conductivité hydraulique) (Pires et al., 2007). L'évolution des propriétés du sol après le travail du sol peut être très rapide et, par conséquent, il peut être difficile de l’observer avec précision en utilisant des techniques standard d'échantillonnage du sol (Rab et al., 2014). De plus, les méthodes classiques ne fournissent pas d'informations sur la variabilité spatiale 3D des propriétés hydrauliques du sol à grande résolution. Par conséquent, il existe un besoin pour une approche alternative d’évaluer les propriétés hydrauliques d'un échantillon de sol et de faire progresser notre compréhension de la dynamique de l'eau à petite échelle. En outre, une méthode non destructive et rapide pourrait être utilisée pour comprendre comment l'eau se déplace à travers un sol pendant le drainage et la remontée capillaire et pourrait être utilisée pour analyser l’évolution des propriétés du sol soumis à des cycles répétés de drainage et de recharge.
La tomodensitométrie à rayons X est une technique d'imagerie non destructive qui peut être utilisée pour l’analyse à haute résolution spatiale et temporelle des propriétés du sol telles que la densité apparente, la tortuosité, la porosité, les caractéristiques du réseau de pores, la perméabilité, la teneur en eau volumétrique, le transport de solutés (Helliwell et al., 2013), les propriétés fractales, les
3
caractéristiques des agrégats du sol (Garbout et al., 2013, Helliwell et al., 2013), les courbes de conductivités hydrauliques insaturées et de rétention en eau du sol (Tracy et al., 2015). L'analyse tomodensitométrique a été largement utilisée dans le passé pour la caractérisation des propriétés hydrauliques du sol (Papafotiou et al., 2008, Porter et al., 2009, Schaap et al., 2007, Tracy et al., 2015, Vogel and Roth, 1998, Vogel et al., 2005) et la réalisation d'études sur le transport colloïdal (Chen et al., 2009, Chen et al., 2010, Gaillard et al., 2007, Li et al., 2006), la compaction du sol (Keller et al., 2013) et la consolidation du sol par les cycles de drainage-recharge (Keller et al., 2013, Ma et al., 2015, Pires et al., 2007, Pires et al., 2014). Plusieurs techniques sont utilisées pour obtenir les propriétés hydrauliques du sol à partir du CT scan, mais la plupart des méthodes actuelles utilisent l'approche de segmentation qui est limitée par la résolution du scanner et par l'efficacité de l'algorithme utilisé pour identifier et distinguer les différentes phases. Cette technique est combinée à des modèles numériques qui solutionnent les équations de Darcy et de Richards qui nécessitent de long temps de calcul lors de leur processus itératif. De plus, l’utilisation des micros scans est restreinte par la faible taille de l'échantillon (≈ 1000 cm3), ce qui empêche d'étudier un volume assez grand pour
être représentatif des processus qui se déroulent à l'échelle macroscopique. (Porter et al., 2009, Schaap et al., 2007, Tracy et al., 2015, Vogel and Roth, 1998, Vogel et al., 2005). Pour ces raisons, il est nécessaire de développer une méthode capable de prédire avec précision et rapidement les propriétés hydrauliques du sol avec une résolution fine sur un échantillon de taille représentative.
L'analyse des séries chronologiques de potentiel matriciel du sol, de la teneur en eau et de la profondeur de la nappe phréatique peut être utilisée pour évaluer la capacité de drainage et de la capillarité du sol. Ce type d'information peut être obtenu à partir d’une analyse spectrale et d’ondelettes (Adamowski and Chan, 2011, Bodner et al., 2013). Cependant, Adamowski and Chan (2011) ont constaté que l'analyse par ondelettes semble être un outil plus efficace que la transformée de Fourier pour l'analyse des séries temporelles non stationnaires. Les ondelettes sont des fonctions mathématiques qui donnent une représentation temps-échelle d'une série chronologique et de leurs relations pour analyser les séries chronologiques qui contiennent des non-stationnarités. Les ondelettes peuvent être utilisées pour décomposer une série temporelle observée (comme le potentiel matriciel du sol) en différentes composantes telles que la période de drainage et la recharge. Ce type d’analyse peut être utilisé pour observer le changement de comportement lié à la capacité de drainage et de capillarité dû aux modifications du sol suite à une genèse anthropique.
Les descriptions physiques de l'écoulement de l'eau et le transport de soluté sont nécessaires pour définir des stratégies de gestion bénéfiques pour l'irrigation et la fertilisation, améliorer la croissance des plantes et le rendement de canneberge, et réduire la pression constante sur les ressources en eau.
4
La modélisation numérique de l'écoulement de l'eau et le transport de soluté dans la zone vadose en utilisant des solutions des équations de Richards (Richards, 1931) et d'advection-dispersion permet de faire cette description mais nécessite les courbes de rétention et de conductivité hydraulique en drainage et en réhumectation. La caractérisation par des mesures directes effectuées en laboratoire de ces propriétés nécessite du personnel qualifié, et elle peut être longue et coûteuse. A titre d'alternative aux méthodes directes, plusieurs approches empiriques et semi-physiques ont été proposées pour caractériser les propriétés hydrauliques du sol (Mohammadi and Vanclooster, 2011). Les principales préoccupations dans des modèles semi-physiques comprennent des hypothèses de sphéricité des particules du sol, un modèle d’assemblage unique et des formes de pores cylindriques. De plus, ces modèles ne tiennent pas compte des facteurs importants du sol telles que la porosité, la densité apparente, la teneur en matière organique et des caractéristiques de surface solide. L'autre alternative implique des fonctions de pédotransfert empiriques (PTF) sur la base des informations taxonomiques tels que le contenu en sable, limon ou en argile, la distribution granulométrique, teneur en matière organique, et la porosité (Mohammadi and Vanclooster, 2011). Les deux méthodes les plus courantes sont des régressions linéaires multivariées et des réseaux de neurones artificiels (ANN) (Merdun et al., 2006). Les principaux avantages des ANNs sont les suivantes: (i) ils ne nécessitent pas une connaissance a priori de la structure du modèle ou des liens entre les variables indépendantes; et (ii) ils performent mieux que des régressions linéaires multiples (Minasny et al., 1999, Pachepsky et al., 1996, Schaap and Leij, 1998).
En raison des coûts et mesures techniques connexes, l'évaluation expérimentale et in-situ de l'impact de l'hétérogénéité du sol sur la performance de drainage devient très difficile. Cependant, l'utilisation de modèles hydrologiques, tels que Hydrus 1D (Simunek et al., 2008), combinée à une analyse de sensibilité à haute performance offrent un cadre solide et rentable pour investiguer des situations complexes et diverses configurations de profils de sol hétérogènes et leur impact sur l’atteinte d’un potentiel matriciel cible après une précipitation (Cheviron and Coquet, 2009). Par conséquents, les objectifs de cette thèse sont les suivants :
1. Classer les profils de sol des fermes de canneberges du Québec selon des groupes homogènes.
2. Identifier les variables de diagnostic liées à la capacité de drainage des sols de canneberge.
3. Recenser la fréquence de problèmes de drainage causés par l’hétérogénéité verticale et la présence d’horizons ayant des propriétés hydrauliques limitantes.
5
4. Proposer un cadre méthodologique utilisant la tomodensitométrie pour caractériser l'évolution spatio-temporelle des propriétés hydrauliques des sols et la migration de colloïdes d'un sol sablonneux hétérogène dans des conditions de drainage.
5. Développer une méthode pour déterminer les propriétés hydrauliques des sols (courbes de rétention en eau, courbes de conductivité hydrauliques insaturés, pour le drainage et la réhumectation, conductivité hydraulique saturée) en utilisant une combinaison d’analyses tomodensitométrique et granulométrique.
6. Analyser des séries chronologiques de potentiel matriciel d'un sol sablonneux hétérogène sous conditions de cycles de drainage-recharge à l’aide de transformées d’ondelettes.
7. Prédire les propriétés hydrauliques du sol à l’aide de la distribution de la taille des particules et de la porosité par l’utilisation de réseaux de neurones.
8. Évaluer quelles combinaisons de propriétés hydrauliques du sol, configurations des horizons du sol et intensité des précipitations pourraient affecter de manière significative l'efficacité de drainage empêchant finalement l’atteinte d'un seuil de potentiel matriciel pour la gestion de l'irrigation.
9. Déterminer les conditions pour lesquelles cette couche restrictive pourrait avoir un impact significatif sur le potentiel matriciel dans la zone racine.
1.2 Références
Adamowski, J. and H.F. Chan. 2011. A wavelet neural network conjunction model for groundwater
level forecasting. Journal of Hydrology 407: 28-40.
doi:http://dx.doi.org/10.1016/j.jhydrol.2011.06.013.
Alletto, L., V. Pot, S. Giuliano, M. Costes, F. Perdrieux and E. Justes. 2015. Temporal variation in soil physical properties improves the water dynamics modeling in a conventionally-tilled soil. Geoderma 243–244: 18-28. doi:http://dx.doi.org/10.1016/j.geoderma.2014.12.006.
Bedard-Haughn, A. 2011. Gleysolic soils of Canada: Genesis, distribution, and classification. Canadian Journal of Soil Science 91: 763-779. doi:doi:10.4141/cjss10030.
Bodner, G., P. Scholl and H.P. Kaul. 2013. Field quantification of wetting-drying cycles to predict temporal changes of soil pore size distribution. Soil and Tillage Research 133: 1 - 9.
6
Bodner, G., P. Scholl and H.P. Kaul. 2013. Field quantification of wetting–drying cycles to predict temporal changes of soil pore size distribution. Soil Tillage Res. 133: 1-9. doi:http://dx.doi.org/10.1016/j.still.2013.05.006.
Bodner, G., P. Scholl and H.P. Kaul. 2013. Field quantification of wetting–drying cycles to predict temporal changes of soil pore size distribution. Soil and Tillage Research 133: 1-9. doi:http://dx.doi.org/10.1016/j.still.2013.05.006.
Bodner, G., P. Scholl, W. Loiskandl and H.P. Kaul. 2013. Environmental and management influences on temporal variability of near saturated soil hydraulic properties. Geoderma 204–205: 120-129. doi:http://dx.doi.org/10.1016/j.geoderma.2013.04.015.
Bonin, S. 2009. Régie agroenvironnementale de l'irrigation dans la production de canneberges (Vaccinium macrocarpon Ait.). Université Laval.
Caron, J., S. Pepin and S. Bonin. 2016. Determination of irrigation set points for cranberries from soil and plant-based measurements. Can. J. Soil Sci: (ar press).
Chen, C., B.L.T. Lau, J.-F. Gaillard and A.I. Packman. 2009. Temporal evolution of pore geometry, fluid flow, and solute transport resulting from colloid deposition. Water Resour. Res. 45: n/a-n/a. doi:10.1029/2008WR007252.
Chen, C., A.I. Packman, D. Zhang and J.-F. Gaillard. 2010. A multi-scale investigation of interfacial transport, pore fluid flow, and fine particle deposition in a sediment bed. Water Resour. Res. 46: n/a-n/a. doi:10.1029/2009WR009018.
Cheviron, B. and Y. Coquet. 2009. Sensitivity Analysis of Transient-MIM HYDRUS-1D: Case Study Related to Pesticide Fate in Soils. Vadose Zone Journal 8: 1064-1079. doi:10.2136/vzj2009.0023.
Dubois, J.-M.M., W.A. Martel and D.C.e.L. Nadeau. 1990. Les ortsteins du Québec: répartition geographique, relations geomorphologiques et essai de datation. Canadian Geographer / Le Géographe canadien 34: 303-317.
Frison, A., I. Cousin, D. Montagne and S. Cornu. 2009. Soil hydraulic properties in relation to local rapid soil changes induced by field drainage: a case study. European Journal of Soil Science 60: 662-670.
7
Frison, A., I. Cousin, D. Montagne and S. Cornu. 2009. Soil hydraulic properties in relation to local rapid soil changes induced by field drainage: a case study. Eur. J. Soil. Sci. 60: 662-670. doi:10.1111/j.1365-2389.2009.01143.x.
Gaillard, J.-F., C. Chen, S.H. Stonedahl, B.L.T. Lau, D.T. Keane and A.I. Packman. 2007. Imaging of colloidal deposits in granular porous media by X-ray difference micro-tomography. Geophys. Res. Lett. 34: L18404. doi:10.1029/2007GL030514.
Garbout, A., L.J. Munkholm and S.B. Hansen. 2013. Temporal dynamics for soil aggregates
determined using X-ray CT scanning. Geoderma 204–205: 15-22.
doi:http://dx.doi.org/10.1016/j.geoderma.2013.04.004.
Gumiere, S.J., J.A. Lafond, D.W. Hallema, Y. Périard, J. Caron and J. Gallichand. 2014. Mapping soil hydraulic conductivity and matric potential for water management of cranberry: characterisation
and spatial interpolation methods. Biosyst. Eng. 128: 29-40.
doi:http://dx.doi.org/10.1016/j.biosystemseng.2014.09.002.
Helliwell, J.R., C.J. Sturrock, K.M. Grayling, S.R. Tracy, R.J. Flavel, I.M. Young, et al. 2013. Applications of X-ray computed tomography for examining biophysical interactions and structural development in soil systems: a review. Eur. J. Soil. Sci. 64: 279-297. doi:10.1111/ejss.12028.
Huang, L.-M., A. Thompson, G.-L. Zhang, L.-M. Chen, G.-Z. Han and Z.-T. Gong. 2015. The use of chronosequences in studies of paddy soil evolution: A review. Geoderma 237–238: 199-210. doi:http://dx.doi.org/10.1016/j.geoderma.2014.09.007.
IUSS Working Group WRB. 2014. World Reference Base for Soil Resources 2014. International soil classification for naming soils and creating legends for soils maps. FAO, Rome. p. 181.
Keller, T., M. Lamandé, S. Peth, M. Berli, J.Y. Delenne, W. Baumgarten, et al. 2013. An interdisciplinary approach towards improved understanding of soil deformation during compaction. Soil Tillage Res. 128: 61-80. doi:http://dx.doi.org/10.1016/j.still.2012.10.004.
Li, X., C.-L. Lin, J.D. Miller and W.P. Johnson. 2006. Pore-scale observation of microsphere deposition at grain-to-grain contacts over assemblage-scale porous media domains using X-ray microtomography. Environ. Sci. Technol. 40: 3762-3768. doi:10.1021/es0525004.
8
Ma, R., C. Cai, Z. Li, J. Wang, T. Xiao, G. Peng, et al. 2015. Evaluation of soil aggregate microstructure and stability under wetting and drying cycles in two Ultisols using synchrotron-based
X-ray micro-computed tomography. Soil Tillage Res. 149: 1-11.
doi:http://dx.doi.org/10.1016/j.still.2014.12.016.
McDaniel, P.A., R.W. Gabehart, A.L. Falen, J.E. Hammel and R.J. Reuter. 2001. Perched Water Tables on Argixeroll and Fragixeralf Hillslopes. Soil Sci. Soc. Am. J. 65: 805-810.
Minasny, B., A.B. McBratney and K.L. Bristow. 1999. Comparison of different approaches to the development of pedotransfer functions for water-retention curves. Geoderma 93: 225-253. doi:http://dx.doi.org/10.1016/S0016-7061(99)00061-0.
Mohammadi, M.H. and M. Vanclooster. 2011. Predicting the Soil Moisture Characteristic Curve from Particle Size Distribution with a Simple Conceptual Model Vadose Zone Journal 10: 594-602. doi:10.2136/vzj2010.0080.
Montagne, D., S. Cornu, L. Le Forestier and I. Cousin. 2009. Soil Drainage as an Active Agent of Recent Soil Evolution: A Review. Pedosphere 19: 1-13.
Montagne, D., S. Cornu, L. Le Forestier, M. Hardy, O. Josière, L. Caner, et al. 2008. Impact of drainage on soil-forming mechanisms in a French Albeluvisol: Input of mineralogical data in mass-balance modelling. Geoderma 145: 426-438.
Mubarak, I., J.C. Mailhol, R. Angulo-Jaramillo, P. Ruelle, P. Boivin and M. Khaledian. 2009. Temporal variability in soil hydraulic properties under drip irrigation. Geoderma 150: 158-165. doi:http://dx.doi.org/10.1016/j.geoderma.2009.01.022.
Pachepsky, Y.A., D. Timlin and G. Varallyay. 1996. Artificial Neural Networks to Estimate Soil Water Retention from Easily Measurable Data. Soil Science Society of America Journal 60: 727-733. doi:10.2136/sssaj1996.03615995006000030007x.
Papafotiou, A., R. Helmig, J. Schaap, P. Lehmann, A. Kaestner, H. Flühler, et al. 2008. From the pore scale to the lab scale: 3-D lab experiment and numerical simulation of drainage in heterogeneous
porous media. Advances in Water Resources 31: 1253-1268.
9
Paul, S., L. Luc and H. William. 2011. Podzolic soils of Canada: Genesis, distribution, and classification. Canadian Journal of Soil Science 91: 843-880. doi:doi:10.4141/cjss10024.
Pelletier, V., J. Gallichand and J. Caron. 2013. Effect of soil water potential threshold for irrigation on cranberry yield and water productivity. Transactions of the ASABE 56: 1325-1332.
Pelletier, V., J. Gallichand, J. Caron, S. Jutras and S.b. Marchand. 2015. Critical irrigation threshold and cranberry yield components. Agricultural Water Management 148: 106 - 112.
Pelletier, V., J. Gallichand, S. Gumiere, S. Pepin and J. Caron. 2015. Water Table Control for Increasing Yield and Saving Water in Cranberry Production. Sustainability 7: 10602.
Pires, L.F., O.O.S. Bacchi and K. Reichardt. 2007. Assessment of soil structure repair due to wetting and drying cycles through 2D tomographic image analysis. Soil Tillage Res. 94: 537-545. doi:http://dx.doi.org/10.1016/j.still.2006.10.008.
Pires, L.F., L.V. Prandel and S.C. Saab. 2014. The effect of wetting and drying cycles on soil chemical composition and their impact on bulk density evaluation: An analysis by using XCOM data and
gamma-ray computed tomography. Geoderma 213: 512-520.
doi:http://dx.doi.org/10.1016/j.geoderma.2013.09.003.
Poirier, I. 2010. La canneberge au Québec et au Centre-du-Québec, Un modèle de développement durable à la conquête de nouveaux marchés. Ministère de l’Agriculture, des Pêcheries et de l’Alimentation. Direction régionale du Centre-du Québec. . p. 35.
Porter, M.L., M.G. Schaap and D. Wildenschild. 2009. Lattice-Boltzmann simulations of the capillary pressure–saturation–interfacial area relationship for porous media. Advances in Water Resources 32: 1632-1640. doi:http://dx.doi.org/10.1016/j.advwatres.2009.08.009.
Rab, M.A., R.E. Haling, S.R. Aarons, M. Hannah, I.M. Young and D. Gibson. 2014. Evaluation of X-ray computed tomography for quantifying macroporosity of loamy pasture soils. Geoderma 213: 460-470. doi:http://dx.doi.org/10.1016/j.geoderma.2013.08.037.
Raymond, R., M. Auguste and D. Armand. 1965. Pédologie de la région du Lac-St-Jean Ministère de l'agriculture et de la colonisation.
10
Rompré, M., G. Laflamme, L. Ouellet, D. Carrier, J.-C. Dubé and F. Pagé. 1984. Étude pédologique du comté d'ArthabaskaMinistère de l'agriculture, des pêcheries et de l'alimentation du Québec, Direction de la recherche agricole.
Sanborn, P., L. Lamontagne and W. Hendershot. 2011. Podzolic soils of Canada: Genesis, distribution, and classification. Canadian Journal of Soil Science 91: 843-880. doi:doi:10.4141/cjss10024.
Schaap, M.G. and F.J. Leij. 1998. Using neural networks to predict soil water retention and soil hydraulic conductivity. Soil and Tillage Research 47: 37-42. doi: http://dx.doi.org/10.1016/S0167-1987(98)00070-1.
Schaap, M.G., M.L. Porter, B.S.B. Christensen and D. Wildenschild. 2007. Comparison of pressure-saturation characteristics derived from computed tomography and lattice Boltzmann simulations. Water Resources Research 43: n/a-n/a. doi:10.1029/2006WR005730.
Séré, G., S. Ouvrard, V. Magnenet, B. Pey, J.L. Morel and C. Schwartz. 2012. Predictability of the evolution of the soil structure using water flow modeling for a constructed technosol. Vadose Zone J. 11. doi:10.2136/vzj2011.0069.
Simunek, J., M.T. van Genuchten and M. Sejna. 2008. Development and Applications of the HYDRUS and STANMOD Software Packages and Related Codes. Vadose Zone J. 7: 587-600.
Tracy, S.R., K.R. Daly, C.J. Sturrock, N.M.J. Crout, S.J. Mooney and T. Roose. 2015. Three-dimensional quantification of soil hydraulic properties using X-ray Computed Tomography and image-based modeling. Water Resour. Res. 51: 1006-1022. doi:10.1002/2014WR016020.
Tracy, S.R., K.R. Daly, C.J. Sturrock, N.M.J. Crout, S.J. Mooney and T. Roose. 2015. Three-dimensional quantification of soil hydraulic properties using X-ray Computed Tomography and image-based modeling. Water Resources Research 51: 1006-1022. doi:10.1002/2014WR016020.
Vogel, H.J. and K. Roth. 1998. A new approach for determining effective soil hydraulic functions. European Journal of Soil Science 49: 547-556. doi:10.1046/j.1365-2389.1998.4940547.x.
Vogel, H.J., J. Tölke, V.P. Schulz, M. Krafczyk and K. Roth. 2005. Comparison of a Lattice-Boltzmann Model, a Full-Morphology Model, and a Pore Network Model for Determining Capillary Pressure–Saturation Relationships. Vadose Zone Journal 4: 380-388. doi:10.2136/vzj2004.0114.
11
Chapitre 2: Assessment of the drainage capacity of
cranberry fields: problem identification using soil
clustering and development of a new drainage criterion
Yann Périard1, Silvio José Gumiere1, Alain N. Rousseau2, Michel Caillier1, Jacques Gallichand1 andJ. Caron1
1Department of Soils and Agri-Food Engineering, Laval University, 2480 Hochelaga Blvd, Quebec,
QC, Canada, G1V 0A6
2Institut national de la recherche scientifique, Centre Eau Terre Environnement, Quebec, QC, Canada
G1K 9A9
2.1 Résumé
Au cours des dernières années, une grande acquisition de connaissances avancées dans le domaine de l'hydrologie dans la canneberge a conduit à une augmentation substantielle de la production. Une grande partie de ce progrès est venu de la connaissance de la relation entre la capacité de drainage et les propriétés physico-chimiques et hydrauliques du sol. Cependant, les problèmes de drainage peuvent se produire et un diagnostic approprié reste essentiel afin de faire des recommandations adaptées à chaque type de sol. Les objectifs de cette étude étaient les suivants: (1) grouper les profils de sol en production de canneberges en grands groupes homogènes (2) identifier les variables diagnostic liées à la capacité de drainage. Pour diagnostiquer et classifier la capacité de drainage, les profils ont été caractérisés pour de nombreuses propriétés physico-chimiques et hydrauliques à l'aide d'une analyse de « cluster ». Les résultats indiquent qu'un critère peut être défini et utilisé pour évaluer la capacité de drainage par rapport à un système de classification des sols en fonction des propriétés physico-chimiques et hydrauliques. La méthodologie développée dans cette étude fournit un cadre pour identifier les problèmes et les solutions de drainage local basé sur les caractéristiques du sol.
2.2 Abstract
Over the last few years, advanced knowledge in cranberry field hydrology has lead to substantial increase in production. Much of this progress has come from knowing the relationship between drainage capacity and soil profile properties. However, drainage problems can occur and an appropriate diagnosis remains essential for making recommendations adapted to each soil type. The
12
objectives of this study were to: (1) classify soil profiles under cranberry production and (2) identify diagnostic variables related to drainage capacity. To diagnose and classify drainage capacity, profiles were characterized for many physicochemical and hydraulic properties using a cluster analysis. Results indicate that a criterion can be defined and used to assess drainage capacity with respect to a soil classification scheme based on physicochemical and hydraulic properties. The methodology developed in this study provides a framework to identify local drainage problem and solutions based on soil characteristics.
2.3 Introduction
The province of Québec, Canada, is a major producer of cranberry. In 2014, Québec was the second cranberry producer in the world with 3961 ha in production with a total yield of 109 337 t, generating more than 90 M$. Between the period of 1995-2004 and that of 2005-2014, Cranberry yield in Québec has increased by 66% (Pelletier et al. 2015b). This increase is partly due to a better understanding of farm-scale hydrological processes and to improved water management. Nowadays, water management in cranberry production is mostly based on tensiometric data (Bonin 2009; Caron et al. 2016; Pelletier et al. 2013; Pelletier et al. 2015a; Pelletier et al. 2015b). In Québec, cranberry fields are often constructed on sites either with compact Podzol horizons (Fragipan, Ortstein, Placic), or organic soils, or clay horizons of a gleysol (Raymond et al. 1965; Rompré et al. 1984). The soils present a strong vertical heterogeneity, which may have a major impact on water dynamic processes, limiting hydrodynamic properties, and low drainage capacity (Bedard-Haughn 2011; Paul et al. 2011; Raymond et al. 1965; Rompré et al. 1984; Sanborn et al. 2011).
In general, heterogeneous soil profiles may originate from slow natural evolution processes (Sanborn et al. 2011) or from anthropic pressure induced by intensive agricultural activities (Bodner et al. 2013; Dubois et al. 1990; Frison et al. 2009). The large amount of water used in cranberry production (about 5000 m3 ha−1yr−1 (i.e., 500 mm yr−1) for irrigation and flooding during harvest and frost protection
(Poirier 2010)) might cause migration of small particles (Phillips 2001) (1-10 µm). This hydroconsolidation process contributes to reducing the soil drainage capacity (McDaniel et al. 2001). The construction of a cranberry bed can lead to anthropic layering of soil. During construction, the topsoil is removed and replaced by a layer of sand (10 – 30 cm). In cranberry fields, Gumiere et al. (2014) observed that soil horizons have very slow drainage, which can hamper the capacity of the soil to maintain an optimum matric potential. This layering process and the developpment of a restrictive horizon appear to be linked to current drainage and irrigation practices.
