Modélisation hydrologique SWAT du bassin versant de la Charente : du traitement des données au calage du modèle

HAL Id: hal-02609674

https://hal.inrae.fr/hal-02609674

HAL is a multi-disciplinary open access

archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Modélisation hydrologique SWAT du bassin versant de

la Charente : du traitement des données au calage du

modèle

Lise Andro

To cite this version:

Lise Andro. Modélisation hydrologique SWAT du bassin versant de la Charente : du traitement des données au calage du modèle. Sciences de l’environnement. 2019. �hal-02609674�

Mé moiré dé projét dé Mastér 2

Sciéncés dé l’éau - Hydro3

Modélisation hydrologique SWAT du bassin versant de la

Charente : du traitement des données au calage du modèle

Unité de Recherche Environnement, Territoires et Infrastructures (UR ETBX)

Irstea de Bordeaux

Lise ANDRO

Encadrante : Odile PHELPIN-LECCIA

Professeur référent : Christophe CUDENNEC

Rémérciéménts

Je remercie tout d’abord ma maîtresse de stage Odile Leccia, ainsi que Françoise Vernier et Jean-Marie Lescot coordinateurs du projet COASTAL, de m’avoir accueillie au sein de l’unité ETBX de l’Irtsea pour travailler sur ce projet. Merci à Odile pour son accompagnement et ses conseils qui m’ont permis de développer mes compétences et mes connaissances en modélisation hydrologique.

Mes remerciements vont aussi à Kevin Petit, pour son aide en SIG et les petits tips à garder dans un coin de sa tête.

Merci à Christophe Cudennec pour m’avoir aidée dans l’orientation de mon rapport de stage. Et bien évidemment merci aux autres stagiaires, CDD, et doctorants de l’unité ETBX de l’Irstea de Bordeaux, devenus maintenant des amis, et sans qui ce stage aurait eu une autre saveur. Merci tout spécialement à Anne-Charlotte, notre future équatorienne, à Yolène, notre plongeuse rayonnante, à Fiona, notre cheffe potager, à Florian, notre copain salé, à Stella, notre super correctrice et à Médérico, notre marathonien-je-peux-pas-je-dois-écrire-mon-rapport.

Merci également à l’ensemble du personnel de l’unité ETBX que j’ai eu l’occasion de rencontrer, pour leur sympathie.

Et pour finir en beauté, un grand merci à notre super promo 2017-2019, riche en découverte, en échange et en bonne humeur.

Acknowlédgéménts

Pré séntation dé la structuré

L’IRSTEA (Institut national de recherche en sciences et technologies pour l’environnement et l’agriculture), anciennement Cemagref, est un établissement public à caractère scientifique et technologique, dont les recherches se concentrent sur l’eau, les écotechnologies et l’aménagement des territoires pour répondre aux enjeux environnementaux et sociétaux d’aujourd’hui et de demain. L’établissement est labellisé Institut Carnot depuis 2006.

Neuf centres sont répartis sur l’ensemble du territoire français, et l’Irstea emploie plus de 1200 personnes sur l’ensemble de ces neuf centres. Quatre Domaines Scientifiques Stratégiques (DSS) structurent la recherche de l’institut, et son pilotés par trois départements : Eaux, Ecotechnologie et Territoires. Les quatre DSS sont :

- Risques naturels, sanitaires et environnementaux

- Bioéconomie et économie circulaire des bioressources et des effluents

- Gestion adaptative des ressources dans les territoires sous contrainte du changement global

- Biodiversité : dynamique et gestion des écosystèmes et services écosystémiques

L’ensemble de ces projets se réparti au sein de 14 unités de recherche et 5 unités mixtes sur l’ensemble du territoire.

Les recherches au sein du centre de Bordeaux, dirigé par M. Frédéric SAUDUBRAY, se concentrent sur trois domaines principaux : l’impact des changements globaux sur les écosystèmes aquatiques ; l’adaptation des territoires aux changements globaux ; et la gestion patrimoniale des infrastructures liées à l’eau. Le centre regroupe deux unités de recherche, EABX (Unité de Recherche Ecosystèmes aquatiques et changements globaux) et ETBX (Unité de Recherche Environnement, territoires et infrastructures) au sein de laquelle j’ai effectué mon stage.

L’unité ETBX est dirigée Clarisse CAZALS, et regroupe deux équipes de recherche, EADT (Environnement Acteurs et Dynamiques Territoriales) et GPIE (Gestion Patrimoniale des infrastructures des réseaux d’eaux). Au sein d’ETBX les missions sont axées autour de quatre domaines d’application que sont : Agriculture et transition agroécologique ; Territoires forestiers : multifonctionnalité et bioéconomie ; Territoires Littoraux et fluvio-estuariens ; Gestion patrimoniale des infrastructures liées à l’eau.

Sommairé

Introduction ... 1

1 Contexte... 2

1.1 Projet de recherche COASTAL ... 2

1.2 Le bassin versant de la Charente ... 2

1.2.1 Climat ... 3

1.2.2 Géologie / pédologie... 4

1.2.3 Hydrologie / Hydrogéologie ... 4

1.2.4 Occupation du sol et activités économiques ... 5

2 Matériel et méthode ... 6

2.1 SWAT – Soil and Water Assessment Tool ... 6

2.1.1 Le modèle SWAT – Choix et généralités ... 6

2.1.2 Principes du modèle SWAT ... 7

2.2 Paramétrage du modèle ... 9

2.2.1 Données d’entrée ... 9

2.2.2 Application du modèle SWAT ... 10

2.3 SWAT-CUP – Calage et évaluation des incertitudes ... 11

2.3.1 Principe ... 11

2.3.2 SUFI-2 ... 11

2.3.3 Application de SUFI-2 ... 13

3 Résultats ... 14

3.1 Résultats de la modélisation : débits ... 14

3.2 Incertitudes ... 15

4 Discussion ... 16

4.1 Modélisation des débits ... 16

4.2 Réduction de l’incertitude sur les paramètres... 17

4.3 Réduction de l’incertitude sur les données ... 17

Conclusion ... 18

1

Introduction

La gestion durable de la ressource en eau est un enjeu socio-économique et environnemental majeur pour les territoires. De nombreux usages et activités sont dépendants de la ressource en eau, en terme quantitatif et qualitatif. Il est donc nécessaire pour un territoire, et ses acteurs, de connaître l’évolution de cette ressource au cours du temps au sein du bassin versant et de mettre en place des mesures de gestion pour sa préservation ou des actions correctives pour sa reconquête. Pour pouvoir anticiper cette évolution, la modélisation hydrologique peut être utilisée comme un outil d’aide à la décision.

La modélisation hydrologique permet de simuler le cycle de l’eau à l’échelle d’un bassin versant. Elle a trois fonctions : une fonction d’analyse, en s’intéressant aux mécanismes qui produisent et à ceux régissent les flux entre compartiments (le transport de l’eau et de la matière), une fonction de représentation du système dans un état donné et de suivi de son évolution et une fonction de prédiction, en modifiant les paramètres du système et en analysant les résultats des simulations.

La représentation d’un bassin versant pris en tant que système est dépendante de la construction du modèle. Il est donc important de choisir un modèle adapté au domaine d’application (e.g. un modèle au pas de temps journalier ne sera pas adapté à la simulation d’événement ponctuels (se déroulant sur quelques heures), comme les phénomènes de crues) (Gnouma 2006). Il existe différents modèles hydrologiques capables de modéliser des bassins versants de taille importante (Arnold et al. 2015), mais le choix du modèle s’est porté sur SWAT (Soil and Water Assssment Tool) (Arnold et al. 1998) plus adapté au contexte agricole (modélisation des cultures) et à la simulation sur de longues périodes de temps, mais cependant extrêmement gourmand en données.

L’utilisation du modèle SWAT pose le problème de la non-unicité des paramètres, c’est-à-dire la difficulté à caler et à interpréter les résultats du modèle, lié au nombre importants de données nécessaires au modèle, à leur incertitude spatiale et à l’incertitude des mesures (Abbaspour et al. 2007).

Ce rapport propose des pistes pour répondre à cette interrogation : Comment optimiser le calage du modèle SWAT, sur le bassin versant de la Charente, en considérant la complexité des processus modélisés, le grand nombre de paramètres, leur disponibilité, et leur non-unicité?

Pour ce faire, ce rapport présente d’abord le fonctionnement du modèle SWAT et le calage du modèle par la méthode SUFI-2 ; puis la modélisation SWAT au sein du bassin versant de la Charente, ainsi que la méthode de calage appliquée ; enfin, l’étude et l’interprétation des premiers résultats de modélisation.

2

1 Contexte

1.1

Projet de recherche COASTAL

Le projet de recherche européen COASTAL (COllaborative lAnd Sea inTegrAtion pLatform), financé par le programme européen pour la recherche et l’innovation H2020, vise à identifier et à améliorer les synergies entre zones rurales et zones côtières, en collaboration avec les acteurs de ces territoires. L’objectif du projet est de développer des outils d’aide à la décision et des recommandations pour améliorer la gestion des territoires et promouvoir le développement économique, tout en préservant l’environnement.

Le projet regroupe six « Laboratoires Multi-Acteurs » (Multi-Actor Lab, MALs) à travers l’Europe. En France le projet COASTAL est coordonné par l’unité de recherche ETBX (Environnement, Territoires et infrastructures) de l’IRSTEA (Institut National Recherche en Sciences et Technologie pour l’Environnement et l’Agriculture) de Bordeaux. Le site d’étude est le territoire du bassin versant du fleuve Charente.

Quatre étapes construisent le projet. Dans un premier temps des exercices collaboratifs entre acteurs locaux et experts permettent d’analyser les problèmes, de proposer et de discuter de solutions et d’interpréter les impacts de décisions économiques et politiques simulées. Par la suite, des études qualitatives et quantitatives des sites d’étude sont réalisées, pour permettre de comprendre en profondeur le système d’interactions terre-mer. Ensuite ce système est analysé puis décrypté, à l'aide de modèles en Dynamique des Systèmes, dans le but d’en ressortir des scénarios de transitions pour les principaux indicateurs économiques et stratégiques. Enfin, pour la dernière étape, des feuilles de route et des solutions politiques seront proposées à l’issue de ces analyses, qui pourront évoluer en fonction des scénarios modélisés.

Au sein de l’étape d’analyses qualitative et quantitative du territoire, le projet consiste à faire un état des lieux du territoire d’étude, nécessaire à l’analyse des interactions côtier/rural, en matière d’environnement, de démographie, de marché et de climat. Pour cette étape, le groupe d’étude a décidé d’utiliser, entre autres, la modélisation hydrologique afin de s’intéresser plus particulièrement à l’évaluation quantitative des impacts sur la ressource en eau liés au climat, et aux activités anthropiques.

1.2

Le bassin versant de la Charente

Le bassin versant du fleuve Charente s’étend sur six départements, dont essentiellement ceux de Charente et de Charente-Maritime. La surface du bassin versant est d’environ 10 000 km². Deux espaces particuliers s’y distinguent : l’intérieur des terres à dominantes agricole et viticole, avec

3 quelques pôles industriels et des villes moyennes, et la côte, plus densément peuplée et sous l’influence des activités maritimes (conchyliculture et tourisme). De par ces activités, le bassin versant de la Charente est soumis à de forts enjeux concernant la gestion de la ressource en eau, et notamment en ce qui concerne la gestion quantitative de la ressource. (Bry et Holflack 2004)

1.2.1 Climat

Le fleuve de la Charente prend sa source à Chéronnac, en Haute-Vienne, sur les contreforts du Massif central et se jette dans l’océan Atlantique. Le climat est un climat océanique doux et ensoleillé. Les précipitations sont de l’ordre de 700 à 1000 mm/an. Les précipitations sont plus importantes à l’est du bassin versant. L’été, en juillet et août qui sont les mois les plus secs, les précipitations sont de l’ordre de 50 mm/mois. Les précipitations sont environ deux fois moins élevées en été qu’en hiver sur la côte (EI SAGE Charente, 2012).

L’évapotranspiration potentielle (ETP) moyenne en juillet et août à Cognac est d’environ 520 mm ce qui correspond à 2 à 3 fois les précipitations de juin, juillet et août.

Les températures maximales annuelles moyennes, sur la période de 1986 à 2018, sont de l’ordre de 17°C à 19°C, et les températures minimales moyennes annuelles de 7°C à 9°C (Figure 1).

Figure 1 : Moyennes des conditions climatiques (températures min et max, précipitations) sur le bassin versant de la Charente

4

1.2.2 Géologie / pédologie

Le bassin versant de la Charente couvre une grande partie du nord du Bassin Aquitain. Trois grandes zones géologiques s’y distinguent : un socle cristallin à l’amont du bassin, des formations quaternaires dans les grandes vallées, et des formations de roches sédimentaires dans la majeure partie du reste du bassin (calcaires jurassiques au nord du fleuve et calcaires crétacés au sud). L’altitude du bassin est faible, 100 à 200 m en moyenne, et la topographie très peu heurtée (60% du bassin versant est situé en dessous de 100 m d’altitude) (Bry et Holflack 2004, Bichot et al. 2010).

Les types de sol du bassin versant sont majoritairement des sols de faible épaisseur. Du fait de la géologie du territoire, les sols sont souvent calcaires et marneux. Les principaux sols du bassin versant sont les sont les calcosols, les calcisols et les rendosols (Bernard, 2014).

1.2.3 Hydrologie / Hydrogéologie

La Charente s’écoule sur environ 380 km et compte 22 affluents. La totalité du réseau hydrographique du bassin représente environ 2 000 km de cours d’eau (Filali et al. 2007). Les cours d’eau suivent une pente très faible. Le débit moyen à l’exutoire est de 65 m3/s et il existe une forte variation interannuelle des débits, de quelques m3/s à l’étiage (juillet-août) à 800 m3/s en crue à Saintes (Bry et Holflack 2004, EI SAGE Charente, 2012).

Les débits de la Charente, et de plusieurs de ses affluents, sont très faibles en période d’étiage voire nuls, dans le cas de la Boutonne, structurellement déficitaire. Les barrages de Lavaud et de Mas-Chaband ont été réalisés, en 1989 et 2000 respectivement, pour le soutien d’étiage du fleuve jusqu’à Angoulême. Leur capacité totale cumulée est de 24,2 millions de m3, et correspond à un volume utile d’environ 20 millions de m3/an. Le débit de pointe des retenues peut atteindre 3 à 4 m3/s (EI SAGE Charente, 2012).

Trois cours d’eau du bassin versant se perdent dans le karst de la Rochefoucauld : le Bandiat, la Tardoire et la Bonnieure. Ces cours d’eau sont des affluents de la Charente. A l’étiage, la Charente n’est plus alimentée par deux de ces cours d’eau (le Bandiat et la Tardoire) qui se perdent totalement dans le karst. L’apport des rivières représenterait environ 70% du débit de la résurgence de la Touvre, située juste en amont d’Angoulême. Cette résurgence est l’un des principaux affluents de la Charente. En période d’étiage, le débit de la Touvre est supérieur à celui de la Charente (Bichot et al. 2010, GIRET 2002).

5 En amont d’Angoulême, la Charente se décompose en méandres, réseaux de bras et d’îlots. Plus en amont, sur le socle, le réseau hydrographique est plutôt dense, tandis qu’au niveau du karst le réseau est beaucoup plus faible, voire inexistant pendant l’été. Le cheminement de l’eau est en partie court-circuité par le karst. En aval d’Angoulême, le fleuve s’élargit et le paysage laisse place à des prairies inondables. Plus en aval, aux alentours de Rochefort, les marais côtiers s’étendent sur plus de 20 000 ha. Puis, à l’embouchure du fleuve se trouve le bassin de Marennes-Oléron (Bry et Hoflack, 2004).

1.2.4 Occupation du sol et activités économiques

La majeure partie du territoire est dédiée à l’agriculture (la Surface Agricole Utile (SAU) représente environ 60% du bassin versant). L’élevage de viande bovine et l’activité laitière, dans la partie nord et orientale du bassin respectivement, sont minoritaires par rapport à la céréaliculture (blé et maïs) et aux cultures industrielles (oléoprotéagineux) présentes sur les grands plateaux calcaires au nord du fleuve et dans sa basse vallée. La viticulture est également une activité présente sur le bassin versant, pour la production de cognac et de pineau des Charentes notamment, avec 57 000 ha de vignes selon le RPG 2008. (EI SAGE Charente, 2012). L’agriculture est la principale activité économique du bassin versant, pour la production de maïs et la production viticole.

Les principales agglomérations du bassin versant sont Angoulême, Rochefort, Saintes et Cognac et sont toutes situées le long du fleuve de la Charente. Les activités industrielles se concentrent principalement autour des villes d’Angoulême et de Cognac. Ces activités industrielles regroupent les industries agro-alimentaires, chimiques, mécaniques et électroniques.

La côte est également plus urbanisée. Sur la frange côtière la population est largement supérieure au reste du bassin versant (80 à 100 habitants/km² contre 40 à 60 habitants/km²). Les principales activités de cette région du bassin versant sont la conchyliculture et le tourisme. La production conchylicole du bassin Marennes-Oléron est renommée et représente des enjeux économiques importants (chiffre d’affaire moyen de 200 millions d’euros) (Bry et Holflack 2004).

Les forêts, à l’est, et les marais, à l’ouest, composent également la mosaïque de paysages du bassin versant (EI SAGE Charente, 2012).

SYNTHESE DES ENJEUX

Les cultures telles que la maïsiculture, très présente sur le bassin versant, demandent d’importantes quantités d’eau. Depuis les années 1970, l’irrigation a fortement augmentée pour répondre aux besoins en eau de l’agriculture (Bry et Holflack 2004). D’après le Registre Parcellaire Graphique (RGA) de 2008, la surface irriguée du bassin s’étendait sur 54 000 ha (EI SAGE Charente, 2012).

6

2 Matériel et méthode

2.1

SWAT – Soil and Water Assessment Tool

2.1.1 Le modèle SWAT – Choix et généralités

SWAT a été développé aux États-Unis au début des années 90, dans le but d’aider à la gestion de la ressource en eau sur des bassins versants agricoles de grande superficie et sur de longues périodes de temps (Arnold, Srinivasan et al. 1998). C’est un modèle amplement utilisé à travers le monde dans les études de bassin versant à dominante agricole (Abbaspour et al. 2015) tel que celui de la Charente. Il est donc adapté au projet et au contexte de l’étude.

Le modèle agro-hydrologique SWAT couple la modélisation des pratiques agricoles à la modélisation des flux hydrologiques. Du fait de la complexité de représentation de ces processus, SWAT nécessite l’implémentation de nombreux paramètres, certains à bases physiques, d’autres empiriques. Ces paramètres sont des grandeurs physiques, mesurées ou estimées, représentant des Les activités agricoles ont une forte influence sur la quantité d’eau disponible, surtout lors de la période estivale, lorsque la demande en eau pour l’irrigation est la plus forte et les ressources en eau les plus limitées. D’un point de vue quantitatif, la ressource en eau est nécessaire à l’irrigation, à l’Alimentation en Eau Potable (AEP), à la fourniture d’eau douce à l’estuaire et au maintien de l’état écologique des cours d’eau. Il est important de trouver un équilibre pour le partage de la ressource, afin de limiter les conflits d’usages et dans le but de protéger les activités dépendantes de la ressource et la biodiversité.

Les activités agricoles sont aussi vectrices de pollutions diffuses, du fait des amendements et de l’utilisation de produits phytosanitaires. Des pollutions accidentelles peuvent également être engendrées en cas de déversements accidentels. La pollution diffuse influence la qualité des eaux superficielles et souterraines, et cela a des conséquences sur les usages de l’eau, et notamment pour l’AEP. Des phénomènes d’eutrophisation sont également observés sur le bassin. Ces phénomènes sont liés aux rejets de nitrates et de phosphates, du fait des activités agricoles et des rejets industriels et domestiques. Les enjeux liés à la qualité de l’eau sont donc aussi à considérer sur le bassin versant de la Charente.

7 processus physiques ou leurs concepts. Le modèle, ainsi que les théories sur lesquelles il s’appuie, sont une approximation de la réalité (Beven 1993).

Les modèles hydrologiques distribués à grande échelle sont difficiles à caler et à interpréter du fait de l’incertitude spatiale des données, de l’incertitude des valeurs mesurées et de la non-unicité des solutions optimales des valeurs des paramètres. La non-unicité des paramètres signifie qu’il peut y avoir une infinité de « bonnes » solutions, du fait des différentes combinaisons de paramètres possibles (Abbaspour et al. 2007).

2.1.2 Principes du modèle SWAT

SWAT est un modèle conceptuel semi-empirique à base physique (i. e. il représente le bassin versant comme un ensemble de réservoirs interconnectés), semi-distribué (i.e. l’hétérogénéité spatiale des caractéristiques du bassin versant est considérée), continu (i.e. il ne représente pas un événement unique mais des processus continus dans le temps) au pas de temps journalier (Gnouma 2006). Les principales entités qui composent le modèle sont l’hydrologie, le climat, l’érosion/la sédimentation, la température et les propriétés du sol, la croissance des plantes, les nutriments, les pesticides et les pratiques culturales (Arnold et al. 1998, Arnold et Fohrer 2005). Ainsi, les processus physiques associés au cycle de l’eau, au transfert des sédiments, au développement de la végétation et au transfert de nutriments sont directement simulés. Les restitutions du modèle à l’échelle des sous-bassins versants concernent le climat, les HRU (Unités de Réponse Hydrologique), le cours d’eau principal, l’eau souterraine et les zones humides (Neitsch et al. 2005).

Le bassin versant est discrétisé en sous-bassins versants, eux-mêmes découpés en HRU qui correspondent à des combinaisons uniques d’occupation du sol, de type de sol et de pratique culturale (Figure 2). C’est à l’échelle de la HRU que sont calculés les processus liés au bilan hydrique. Ces HRU représentent un pourcentage de chaque sous-bassin versant, et peuvent ne pas être continues et spatialement définies (Arnold, Moriasi et al. 2012).

8 L’équation du bilan hydrique, base de la simulation du cycle hydrologique de SWAT, est la suivante (Neitsch et al. 2005) :

𝑆𝑊𝑡 = 𝑆𝑊0+ ∑(𝑅𝑑𝑎𝑦− 𝑄𝑠𝑢𝑟𝑓− 𝐸𝑎− 𝑤𝑠𝑒𝑒𝑝− 𝑄𝑔𝑤) 𝑡

𝑖=1

La simulation des processus hydrologiques peut être séparée en deux phases : la phase « sous-bassin » et la phase « transfert ».

La première phase de la modélisation consiste à simuler la quantité d’eau, de sédiments, de nutriments et de pesticides arrivant au cours d’eau principal de chaque sous-bassin versant. Les processus modélisés peuvent être classés dans différents modules : le climat (précipitations, températures, ensoleillement, humidité, vent, température du sol), l’hydrologie (interception par les végétaux, infiltration, redistribution, évapotranspiration, flux latéral de sub-surface, ruissellement de surface, réservoirs, …), la croissance des cultures, l’érosion / la sédimentation, les nutriments, les pesticides et les pratiques culturales. Les « sorties » obtenues pour chaque HRU sont sommées ou pondérées pour chaque sous-bassin, et les résultats sont restitués à chaque exutoire de sous-bassin (Figure 3).

Dans la seconde phase de modélisation, une fois que le modèle a déterminé la quantité d’eau, de sédiments, de nutriments et de pesticides arrivant au cours d’eau, ces « charges » sont acheminées au sein du réseau hydrographique. Cette phase « transfert » comprend les transferts de l’eau, des sédiments, des nutriments et des composés chimiques. Ils sont modélisés au sein du cours d’eau principal et au sein des réservoirs.

Avec SWt = teneur en eau du sol (mm) Qsurf = ruissellement de surface (mm)

SW0 = quantité initiale d’eau disponible (mm) Ea = évapotranspiration (mm)

t = temps (jour) wseep = percolation (mm)

Rday = quantité de précipitation (mm) Qgw = débit de base (mm)

9

2.2

Paramétrage du modèle

2.2.1 Données d’entrée

Dans un premier temps, les données nécessaires à la modélisation ont été récoltées. Ces données correspondent aux données qui décrivent physiquement le bassin versant ainsi que les données climatiques, qui sont la base des processus hydrologiques.

Les données climatiques, ou données de forçage, nécessaires au fonctionnement du modèle sont : les précipitations, les températures minimales et maximales, l’ensoleillement, l’humidité et la vitesse du vent. Ces données ont été téléchargées sur la publithèque de Météo France. Du fait d’anciens projets sur une partie du bassin versant (Vernier et al. 2009, Vernier et al. 2017), certaines données climatiques étaient déjà disponibles. Il a fallu les compléter spatialement, pour couvrir l’ensemble du bassin versant de la Charente, ainsi que temporellement, pour correspondre à la période de modélisation. Les stations ont été choisies selon plusieurs critères : leur automatisation, la quantité et les périodes de données disponibles. En tout 13 stations météo ont été sélectionnées et leurs données météo téléchargées de 1986 à 2018.

Les autres données d’entrée du modèle sont : le Modèle Numérique de Terrain (MNT) (d’une résolution 25m*25m), l’occupation du sol, les types de sol et les itinéraires techniques correspondant aux différentes pratiques de gestion agricoles. La table des pratiques agricoles est préalablement renseignée au sein du logiciel avec des données américaines, qu’il est nécessaire de modifier ou d’adapter au contexte français.

Les données relatives aux types de sols n’ont pas pu être récupérées pour l’ensemble des départements du bassin versant. Les portions de territoire des départements de la Dordogne et de la Haute Vienne ont dues êtres extrapolées via des projets antérieurs, en attendant de recevoir les données sols validées pour cette partie du bassin.

Le réseau hydrographique a également été utilisé, en complément du MNT, pour la délinéation hydrographique (voir partie 2.2.2).

Enfin, toutes les données débit et qualité ont été téléchargées pour l’ensemble du bassin versant de la Charente. Puis un tri spatial plus précis (e.g. sélection des stations hydrométriques du cours d’eau principal), ainsi qu’un tri temporel ont été effectués afin d’obtenir des plages de données relativement complètes sur la période de temps désirée, correspondant aux périodes de calage et de validation. Réciproquement, ces périodes de calages et de validation ont été déterminées et adaptées en fonction des données existantes et disponibles. La période de calage du modèle est de 1998 à 2008 et la période

10 de validation de 2009 à 2018. Treize stations hydrométriques et vingt-sept stations qualités ont été sélectionnées sur le cours d’eau modélisé.

Une fois les données triées, elles ont été mises en forme et traitées afin de pouvoir être implémentées dans SWAT. Un gros travail de mise en forme a été réalisé, les données nécessaires au modèle représentant plusieurs centaines de milliers de données.

2.2.2 Application du modèle SWAT

La première étape est la délinéation hydrographique. Elle se fait sous ArcSWAT, i.e., via le système d’information ArcGIS dans lequel est interfacé SWAT (Olivera et al. 2006). Les programmes SIG de calculs de direction des eaux, et d’accumulation des eaux en fonction du MNT permettent de délinéer les cours d’eau principaux et secondaires, les sous bassins avec l’action du modélisateur, et le bassin. Le traçage du réseau hydrographique peut être forcé en prenant en compte le réseau hydrographique institutionnel, notamment sur les bassins versant de faible pente où les écoulements peuvent ne pas être bien représentés et sur les parties où le cours d’eau naturel est fortement contraint par les ouvrages d’art (canaux, écluses, barrages, etc.).

C’est également lors de cette étape que les exutoires sont déterminés. Ces exutoires correspondent aux points du réseau hydrographique où les variables d’intérêt sont modélisées. C’est à ces points que les calculs de transfert au niveau des sous-bassins sont restitués. Ces exutoires sont placés, par le modélisateur, aux différentes stations hydrométriques et stations qualité sélectionnées précédemment. Ainsi les sous-bassins versant et l’ensemble du bassin sont dessinés. Les barrages, résurgences, ou tout autre type d’entité hydrographique sont définis à cette étape pour être considérés dans le modèle.

Cette étape est importante car elle pose les conditions du modèle. Le nombre de sous-bassins versants, la précision du réseau hydrographique, les entrées et sorties du modèle, la qualité des données, sont des éléments définis par le modélisateur. Les meilleurs choix doivent être faits en considérant le compromis entre simplification du système et fidélité de sa représentation. La représentation spatiale des résultats doit elle aussi être considérée, afin de correspondre par exemple aux différentes entités de gestion de l’eau sur le bassin versant.

Pour le projet, la zone littorale correspondant à la « mer des Pertuis », sous influence maritime, a été exclue du bassin versant. Cette zone regroupe les marais, les zones d’élevage de prés salants et les zones d’ostréiculture de la baie d’Oléron. La pente étant extrêmement faible, les canaux drainent les marais, les écoulements y sont difficilement modélisables et peuvent entraîner des erreurs lors de

11 l’utilisation du logiciel. De plus l’influence des marées au sein du réseau hydrographique n’est pas prise en compte par SWAT. L’exutoire du bassin a donc été défini en amont de Rochefort.

Par la suite les Unités de Réponse Hydrologique (HRU) sont créées automatiquement en superposant les données relatives aux types de sols, à l’occupation des sols et à la pente, ce qui représente environ 6 000 HRU pour ce projet.

2.3

SWAT-CUP – Calage et évaluation des incertitudes

2.3.1 Principe

SWAT-CUP (Abbaspour, Yang et al. 2007) (ou SWAT Calibration Uncertainty Procedures) est une plateforme regroupant différentes procédures de calage et d’analyse de l’incertitude de modèle SWAT. SWAT-CUP regroupe trois procédures (GLUE (Beven et Binley, 1992), ParaSol (van Griensven et Meixner, 2006), SUFI-2 (Abbaspour, Yang et al. 2007)) afin de pouvoir appliquer la bonne méthode selon la simulation et le projet traité.

Cette plateforme est utilisée du fait de son adaptation aux projets SWAT, de son interface ergonomique, de sa vitesse de traitement et de ses fonctionnalités qui permettent de créer des graphiques ou de comparer les différents résultats entre eux.

Pour le projet, le choix de la méthode de calage s’est porté sur la procédure SUFI-2 (Abbaspour et al. 2007). D’après les travaux de Wu et Chen (Wu et Chen 2015), SUFI-2 montre les meilleurs résultats de calage en considérant la performance du modèle et l’efficacité des calculs, comparé aux deux autres méthodes GLUE et ParaSol, même si des efforts de recherche doivent être poursuivis pour l’analyse des différentes méthodes de calage.

2.3.2 SUFI-2

L’hypothèse sur laquelle se base SUFI-2 est que l’incertitude du modèle comprend toutes les sources d’incertitudes telles que l’incertitude liée aux données d’entrée, l’incertitude liée au concept propre au modèle, et l’incertitude liée aux paramètres et aux données mesurées (Abbaspour et al. 2007). La méthode propose une dizaine de fonctions objectif pour optimiser le calage du modèle, parmi lesquelles le critère de Nash-Sutcliffe et le coefficient de détermination R² qui sont les deux fonctions objectif les plus utilisées en ce domaine (Legates et McCabe 1999, Arnold et al. 2012).

12 Plusieurs itérations sont nécessaires pour mettre à jour les jeux de paramètres. Au sein du programme, tous les paramètres du modèle sont renseignés ainsi que leurs valeurs potentielles minimales et maximales ayant une signification physique réelle, ceci afin de ne pas obtenir de valeurs aberrantes. Ainsi les paramètres varient aléatoirement entre les min et max définis, simulation après simulation, en diminuant l’amplitude de l’incertitude, et en se centrant sur le dernier « meilleur » jeu de paramètres.

L’estimation de l’incertitude est définie par le P-factor et le R-factor.

Le P-factor correspond au pourcentage d’observation compris dans la bande d’incertitude de 95% (95PPU). Le 95PPU est la représentation de toutes les incertitudes liées aux paramètres, aux données utilisées et à la construction du modèle. Un échantillonnage par hypercube latin est réalisé sur l’ensemble des paramètres inconnus, et les sorties du modèle sont générées pour une multitude de jeux de paramètres différents. Le 95PPU représente l’ensemble des sorties du modèle, compris entre les 2,5% et 97,5% de la distribution cumulée des variables de sortie. Ce 95PPU correspond à un ensemble de sorties du modèle, considéré correct, à différencier avec un signal unique représentant les « meilleurs » paramètres. Le but du calage est de faire coïncider le maximum d’observations avec la bande du 95PPU, et ainsi d’obtenir le meilleur P-factor (allant de 0 à 100%).

La figure 4 représente le concept de la variation de l’incertitude de la simulation en fonction de l’incertitude des paramètres. Un seul paramètre serait représenté par un point (fig. 2a) et donnerait une seule réponse au modèle (ligne grise), tandis que plusieurs paramètres potentiels (fig. 2b et 2c), représentés par une ligne noire, donneraient plusieurs réponses potentielles au modèle, symbolisées par la bande grise et équivalent au 95 PPU.

Le deuxième facteur est le R-factor. Il correspond à la largeur de la bande d’incertitude 95PPU. Le R-factor représente ainsi l’amplitude de l’incertitude attribuée aux paramètres du modèle. L’objectif du calage est, de ce fait, d’avoir le maximum d’observations compris dans le 95PPU en ayant le R-factor le plus faible possible (Arnold et al. 2012).

Les résultats des simulations sont des graphiques représentant le 95PPU, les valeurs des P-Factor et R-factor et la valeur de la fonction objectif, ici le critère de Nash-Sutcliffe.

Figure 4: Concept des relations entre incertitudes des paramètres et incertitude

de la simulation

a

b

13

2.3.3 Application de SUFI-2

 Fonction objectif :

La fonction objectif utilisée est le critère de Nash-Sutcliffe (NSE) (Nash and Sutcliffe 1970). Il détermine l’amplitude de la variance résiduelle (ou « bruit ») comparé à la variance des données mesurée (Moriasi et al. 2007). Le critère NSE évalue l’ajustement des données simulées aux données observées, par une valeur allant de - ∞ à 1. Plus le NSE est proche de 1 et plus la modélisation est bonne. L’équation est la suivante :

𝑁𝑆𝐸 = 1 − ∑ (𝑄𝑖 𝑚−𝑄𝑠)𝑖 2

∑ (𝑄𝑖 𝑚,𝑖−𝑄´ )𝑚 2

 Analyse de sensibilité des paramètres :

L’analyse de sensibilité sert à sélectionner les paramètres ayant le plus d’influence sur les processus mis en jeu dans le modèle, par rapport à une variable ou groupe de variables considérées (e.g. le débit). Ainsi, le calage se fait à partir de ces paramètres afin de simplifier les calculs (Abbaspour et al. 2017).

Une analyse de sensibilité a été effectuée sur un projet antérieur (MODCHAR2 (Vernier et al., 2016)), réalisé sur une partie du bassin versant de la Charente. Les paramètres les plus sensibles ont été récupérés pour être appliqués au projet, et en considérant que le bassin versant étant en partie le même (environ 42%), les processus hydrologiques restent sensiblement les mêmes. Seize paramètres hydrologiques ont été considérés plus sensibles et ont donc été sélectionnés pour être optimisés lors du calage du modèle. Cinq de ces paramètres sont relatifs au type de sol, quatre sont relatifs à l’aire de la nappe contributrice à la station de mesure, six sont uniformes et un dernier est relatif aux rotations de culture.

 Méthode de calage par sous-bassin versant :

Le débit est la première variable modélisée, avant les nitrates, les phosphates ou les sédiments étant donné que ce sont les débits qui contrôlent en partie les autres variables.

Le calage général de l’ensemble du bassin versant ne donnera pas de résultats satisfaisants pour les sous-bassins (Abbaspour et al. 2017). Il faut prendre en compte la variabilité spatiale des caractéristiques hydrologiques du bassin versant. Pour cela, le calage du modèle s’est fait sur treize exutoires situés au niveau des treize stations hydrométriques. Pour chaque exutoire, une seule itération de cinq-cents simulations a été réalisée. Les résultats des calages sont présentés dans la partie suivante.

Avec Q est la variable considérée (e.g. le débit)

m = données mesurées s = données simulées

14

3 Résultats

3.1

Résultats de la modélisation : débits

Les résultats des calages sont présentés pour les sous-bassins versants numéros 53, 66 et 95 (Figure 5). Tous les exutoires des sous-bassins se trouvent le long de la Charente. Le sous bassin versant 53 est le sous-bassin monitoré situé le plus en amont. Le sous-bassin 66 se trouve juste en amont de la résurgence de la Touvre et le sous-bassin 95 à son aval.

Les calages de chaque sous-bassin ont été réalisés sur les mêmes paramètres. Les débits observés et simulés sont présentés Figure 6 pour le sous-bassin 53, Figure 7 pour le sous-bassin 66 et Figure 8 pour le sous-bassin 95. La « meilleure » simulation, d’après les critères d’évaluation de l’incertitude, est présentée.

Figure 5 : Sous-bassins versants et de leurs exutoires pour lesquels des calages ont été réalisés au sein du bassin versant de la Charente

15 Artefact

Figure 7 : Débits observés et simulés à l’exutoire du sous-bassin 66 sur la période du 01/01/1998 au 31/12/2008

Les débits simulés au sous-bassin 53 sont assez proches des débits observés mais sont légèrement surestimés, excepté lors des pics où les débits sont sous-estimés. La dynamique des débits est bien reproduite. Les débits simulés sont plus ajustés aux débits observés que sur les autres sous-bassins.

Les données de débit commencent au 01/01/2002 pour la station hydrométrique R3090020 correspondant à l’exutoire du bassin versant 95, elles n’existent pas avant cette date. Les débits de base aux exutoires 66 et 95 sont surestimés sur toute la période de modélisation. Cependant la dynamique des simulations est cohérente avec les observations. Les pics ont les mêmes ordres de grandeur, même si certains événements sont surestimés et d’autres sous-estimés.

3.2

Incertitudes

Les incertitudes liées à la modélisation sont présentées dans le Tableau 1.

Des valeurs pour les P-factor et R-factor sont proposés par Abbaspour et al. (Abbaspour et al., 2015). pour estimer la qualité des simulations.

Figure 8 : Débits observés et simulés à l’exutoire du sous-bassin 95 sur la période du 01/01/2002 au 31/12/2008

Tableau 1: Critères représentatifs de l'incertitude liée aux simulations

16 Pour le P-factor des valeurs supérieures à 0,7 et pour le R-factor des valeurs inférieures à 1,5 sont préconisées pour obtenir une bonne modélisation. Ces valeurs sont à considérer selon les caractéristiques des modélisations.

La meilleure modélisation est celle du sous-bassin 53 avec un R-factor élevé de 0,88 et un NSE de 0,5. Le R-factor est légèrement supérieur à la valeur préconisée mais la modélisation peut être considérée de bonne qualité.

Les R-factor sont bons pour les sous-bassins 66 et 95 mais leurs P-factor sont assez faibles, ce qui signifie que peu d’observations se situent dans le 95PPU. Les NSE des sous-bassins 66 et 95 sont inférieurs à 0, les simulations peuvent être considérées comme n’étant pas de très bonne qualité.

4 Discussion

4.1

Modélisation des débits

La modélisation des débits est bonne pour le sous-bassin 53. Cependant pour les deux autres sous-bassins les critères évaluant l’incertitude ne sont pas très bons, dû à la surestimation des débits simulés imputable vraisemblablement aux trop forts débits de base.

La surestimation des débits peut s’expliquer par la présence du karst. Le karst n’influence pas le débit à l’exutoire du sous-bassin 53, mais influence les autres sous-bassins. La Charente à l’exutoire du sous-bassin 66 a subi les pertes, partielles ou totales à l’étiage, de deux affluents au sein du karst, tandis qu’à l’exutoire du sous-bassin 95 la Charente a subi ces pertes mais est également sous l’influence de la résurgence de la Touvre. Cette hypothèse sera investiguée en établissement pour chaque sous-bassin monitoré, le bilan hydrique (quantification des parts respectives des différents flux hydriques : ruissèlement de surface, contribution des nappes, flux latéraux, percolation, etc).

Un des inconvénients de SWAT est qu’il ne représente pas en détail le compartiment du sous-sol. La représentation des aquifères est limitée, et il n’y a pas de résultats au niveau des nappes. Pourtant, au sein du bassin versant les flux souterrains influencent fortement le débit de la Charente, du fait de la géologie et de la présence du karst. Pour prendre en compte la question du karst, il serait nécessaire de modifier le code du modèle. Des travaux en ce sens ont été menés (Amatya, Jha et al. 2010) mais n’ont pas encore été validés et transférés à la communauté des modélisateurs.

Tous les sous-bassins sont également sous l’influence des barrages de soutien d’étiage. Les lachûres des barrages sont des données relativement sensibles difficilement communiquées, elles ont pourtant une grande influence sur le débit de la Charente. Cela induit une forte incertitude sur la modélisation, et complique le calage du modèle.

17 Les prélèvements pour l’irrigation, l’AEP et les industries sont également des facteurs qui n’ont pas été considérés et qui ont une influence sur le débit de la Charente. Ces données devraient être implémentées dans le modèle pour être prises en compte.

Le calage d’un modèle doit se faire en considérant la variable et l’espace modélisés. Ainsi, le calage du modèle sur le sous-bassin versant 66 sera différent du calage du modèle à l’exutoire. Chaque région hydrographique possède ses caractéristiques particulières et un calage optimal ne peut pas être étendu à l’ensemble d’un bassin hétérogène. C’est pourquoi, pour les débits, le calage se fait de façon séquentielle, des sous-bassins à l’amont vers l’aval. Le calage du modèle doit se faire selon l’objectif poursuivi, et son évaluation en fonction des caractéristiques du bassin versant pour chaque variable considérée.

4.2

Réduction de l’incertitude sur les paramètres

Pour chaque sous-bassin une seule itération a été réalisée. Effectuer plusieurs itérations permettrait d’affiner les plages de paramètres, et d’obtenir des calages plus précis. De plus, consulter les experts locaux sur les valeurs de ces paramètres permettrait d’orienter le calage, pour obtenir une modélisation plus proche de la réalité.

Pour améliorer la finesse du calage plusieurs variables devraient être considérées dans la fonction objectif. Ainsi les paramètres seraient déterminés en s’appuyant sur différentes variables. L’utilisation de plusieurs exutoires pour caler le modèle est également recommandé pour limiter le problème lié à la non-unicité des paramètres (Abbaspour et al. 2017).

4.3

Réduction de l’incertitude sur les données

L’accès aux données est souvent limité et cela entraîne des complications dans la mise en place de modèles. Pour ce projet, les données pédologiques de deux départements du Sud-Est du bassin versant n’ont pas pu être récupérées jusqu’à présent. Les données ont dû être extrapolées et cela induit une incertitude quant à leur fiabilité. Les défauts des simulations peuvent aussi être liés au manque de données sur la gestion des réserves de Mas-Chaband et Lavaud. Des données plus précises sur l’historique des lâchures des barrages permettraient d’améliorer la simulation des débits.

La gestion des données est particulièrement importante dans un projet de modélisation. Ce sont ces données qui définissent en partie le modèle (climat, occupation du sol, etc.). Un suivi et une

18 attention particulière aux traitements des données doivent être réalisés, afin de considérer leur incertitude.

Il est également important de noter que pour comparer les résultats de plusieurs modèles sur un même territoire, il faut avoir gardé les mêmes données pour paramétrer ces modèles (Abbaspour et al. 2015)

Conclusion

La modélisation des débits au sein du bassin versant de la Charente a été réalisée grâce au modèle SWAT. Les débits aux exutoires de trois sous-bassins versants ont été calés en utilisant la méthode SUFI-2, qui prend en considération la non-unicité des paramètres. Les premiers résultats de calage sur les débits aux trois sous-bassins amont monitorés sont variables. L’allure des hydrogrammes permet de déceler une mauvaise simulation du débit de base.

Les différentes réponses entre les sous-bassins versants expriment la difficulté de prendre en compte la variabilité des processus hydrologiques au sein d’un bassin versant hétérogène de taille importante.

Plus la modélisation est globale, et plus l’incertitude de la modélisation sera élevée. Pour affiner le modèle il est nécessaire d’utiliser le plus de données disponibles et de regrouper le maximum d’informations sur les caractéristiques locales du bassin versant.

Peu d’outils sont capables d’estimer les transferts à de fortes échelles spatiale et temporelle, et aptes à prendre en compte des sous bassins non ou mal monitorés, sur de longues périodes afin de permettre une aide à la décision publique en matière d’utilisation du sol et de gestion de l’eau. SWAT est un modèle complexe, nécessitant beaucoup de données, mais permettant d’obtenir des résultats satisfaisants dans de nombreux projets. C’est un outil efficace pour fournir les tendances d’évolution de la ressource, et pour cela il est apte à apporter des conseils d’orientation de gestion, tout en considérant l’incertitude liée à la modélisation.

Pour la poursuite des travaux, les paramètres du modèle vont être affinés. Les données concernant les lachûres des barrages vont être récupérées, ainsi que les données pédologiques manquantes, afin d’être implémentées dans le modèle. Un travail sur les données concernant l’irrigation sera également réalisé.

19

Bibliographie

Abbaspour, K., et al. (2017). "A Guideline for Successful Calibration and Uncertainty Analysis for Soil and Water Assessment: A Review of Papers from the 2016 International SWAT Conference." Water 10(1): 6.

Abbaspour, K. C., et al. (2015). "A continental-scale hydrology and water quality model for Europe: Calibration and uncertainty of a high-resolution large-scale SWAT model." Journal of Hydrology 524: 733-752.

Abbaspour, K. C., et al. (2007). "Modelling hydrology and water quality in the pre-alpine/alpine Thur watershed using SWAT." Journal of Hydrology 333(2-4): 413-430.

Amatya, D., et al. (2010). Application of SWAT model on chapel branch creek watershed with a karst topography, SC, Pittsburgh, PA.

Arnold, J., et al. (1998). "Large area hydrologic modeling and assessment partI : model development." Journal of the American Water Ressources Association 34(1): 73-89.

Arnold, J. G. and N. Fohrer (2005). "SWAT2000: current capabilities and research opportunities in applied watershed modelling." Hydrological Processes 19(3): 563-572.

Arnold, J. G., et al. (2012). "SWAT : model use, calibration, and validation." Transactions of the ASABE 55(4): 1491-1508.

Arnold, J. G., et al. (2015). "Hydrological Processes and Model Representation: Impact of Soft Data on Calibration." Transactions of the ASABE 58(6): 1637-1660.

Bernard, (2014) "Topologie pédologique des sols de Charente-Maritime : proposition de profils de référence."

Beven, K. J. et Binley, A. M. (1992). "The future of distributed models : model calibration and uncertainty prediction." Hydrological Processes 6: 279-298.

Beven, K. (1993). "Prophecy, reality and uncertainty in distributed hydrological modelling." Advances in Water Resources 16: 41-51.

Bichot, F., et al. (2010). Bassin versant de la Charente : recherche d'une méthodologie pour prévoir l'évolution des teneurs en nitrates et phytosanitaires en fonction des pratiques anthropiques. Phase 1 : Etat des lieux par rapport aux nitrates., BRGM: 194.

Bry, C. and P. Holflack (2004). "Le bassin versant de la Charente : une illustration des problèmes posés par la gestion quantitative de l'eau." Le Courier de l'environnement de l'INRA 52: 81-87.

Etat Initial SAGE Charente - Rapport provisoire (2012). Etablissement Public Territorial de Bassin Charente. 472.

Filali, R., et al. (2007). La gestion du cycle de l'eau à l'échelle du bassin fluvial de la Charente. Géologues. 154.

GIRET, A. (2002). "L'hydrologie de la Charente entre nature et anthropisation (1960-1994)." Science et changements planétaires/Sécheresse 13(2): 105-112.

Gnouma, R. (2006). Aide à la calibration d'un modèle hydrologique distribué au moyen d'une analyse des processus hydrologiques : application au bassin versant de l'Yzeron. , Institut National des Sciences Appliquées de Lyon: 412.

20 Legates, D. R. and G. J. McCabe (1999). "Evaluating the use of “goodness-of-fit” Measures in hydrologic and hydroclimatic model validation." Water Resources Research 35(1): 233-241.

Moriasi, D. N., et al. (2007). "Model evaluation guidelines for systematic quantification of accuracy in watershed simulations." Transactions of the ASABE 50(3): 885-900.

Nash, J. E. and J. V. Sutcliffe (1970). "River flow forecasting through conceptual models. Part I. A discussion of principles." Journal of Hydrology 10: 282-290.

Neitsch, S. L., et al (2009). "Soil and Water Assessment Tool" Theoretical Documentation, Version 2009, Texas Water Resources Institute Technical Report No. 406.

Olivera, F., et al. (2006). "ArcGIS-SWAT: A geodata model and GIS interface for SWAT." Journal of the American Water Resources Association 42(2): 295-309.

Oeurng, C. (2010). "Transport des matières en suspension et du carbone organique à l’échelle d’un bassin versant agricole: analyse de la dynamique et modélisation agro-hydrologique (SWAT)." Université Toulouse III - Paul Sabatier. 203p.

van Griensven, A. et al. (2006). "A global sensitivity analysis tool for the parameters of multi-variable catchment models." Journal of Hydrology 324(1-4): 10-23.

Vernier, F., et al. (2009). SSA 10 (Pertuis sea and Charente river basin) Agriculture-Irrigation box: Definition and impact of scenarios Links with SSA10 extend model. Spicosa meeting, 13/10/2009 - 14/10/2009, Copenhagen, DNK.

Vernier, F., L e c c i a , O . et al. (2016). Rapport final du projet MODCHAR2 : Modélisation des pressions agricoles et de leur impact 2013-2015 - Evaluation environnementale et économique de scénarios agricoles par modélisation intégrée (IMAS) dans le bassin versant de la Charente: 279.

Vernier, F., Leccia-Phelpin, O. et al. (2017). "Integrated modeling of agricultural scenarios (IMAS) to support pesticide action plans: the case of the Coulonge drinking water catchment area (SW France)." Environ Sci Pollut Res Int 24(8): 6923-6950.

Wu, H. and B. Chen (2015). "Evaluating uncertainty estimates in distributed hydrological modeling for the Wenjing River watershed in China by GLUE, SUFI-2, and ParaSol methods." Ecological Engineering 76: 110-121.

ANNEXES

ANNEXE 1 : Principaux cours d’eau du bassin versant de la Charente

ANNEXE 2 : Sous-bassins versants et points de suivi du bassin versant de la Charente

Ré sumé

Le bassin versant de la Charente doit faire face à de forts enjeux concernant la gestion quantitative de la ressource en eau. L’eau connaît d’importantes pressions liées notamment à l’irrigation des terres agricoles, mais elle doit également être disponible en quantité suffisante sur la côte pour la conchyliculture. Le modèle hydrologique SWAT a été utilisé pour modéliser le bassin versant de la Charente, dans le but de comprendre le cycle hydrologique et appréhender les impacts liés à sa gestion. Le modèle a été calé en utilisant la méthode SUFI-2. La modélisation et le calage des débits au sein de différents sous-bassins versants ont souligné la complexité de modélisation des processus hydrologiques ainsi que l’incertitude des prédictions liées au modèle. Le modèle doit encore être amélioré pour réduire les incertitudes et obtenir une modélisation plus précise. L’étude appuie sur le fait qu’il est important de considérer toutes les incertitudes liées au modèle, pour fournir les meilleures pistes d’aide à la décision en matière de gestion de la ressource en eau.

Abstract

The Charente watershed faces strong issues regarding the quantitative water management. There are high pressures on the water ressource, especially linked to the irrigation of agricultural lands, but water must also be available in sufficient quantity on the coast for shellfish farming. In order to understand its hydrological cycle and grasp the impact of water management, the SWAT hydrological model has been used to model the Charente watershed. The SUFI-2 program has been used to perform model calibration. Modeling and calibration of the discharge of many subbasins have underlined the complexity of the hydrological processes modeling as well as the prediction uncertainties due to the model. An enhancement of the model has to be done to reduce uncertainties and have a more accurate model. The study shows that it is important to consider all uncertainties related to the model to provide the best decision-making support for water resource management.