Mémoire
présenté pour l'obtention du Master
Mention : Eau
Spécialité : Eau et Agriculture
Simulation et analyse de scénarios de gestion
quantitative de l’eau sur un territoire agricole
par Gregory OBIANG NDONG
Année de soutenance : 2017
Organisme d'accueil : Institut National de la Recherche Agronomique -
INRA
Mémoire de fin d'études
présenté pour l'obtention du Master
Mention : Eau
Spécialité : Eau et Agriculture
Simulation et analyse de scénarios de gestion
quantitative de l’eau sur un territoire agricole
par Gregory OBIANG NDONG
Année de soutenance : 2017
Mémoire présenté le : 12/06/2017 devant le jury :
Jean Stéphane BAILLY Gilles BELAUD
François COLLIN
Institut National de la Recherche Agronomique - INRA
Enseignant tuteur : François COLIN Maître de stage : Sandrine ALLAIN
RESUME
La gestion quantitative de l’eau suscite des tensions au sein de l’aval du bassin de l’Aveyron. Pour cause, le déséquilibre en eau en période d’étiage dû principalement aux prélèvements agricoles. Les pouvoirs publics poussent à la mise en place de réformes structurelles pour résoudre ce déficit, mais les acteurs du territoire s’opposent sur les leviers à privilégier et manquent d’éléments pour les comparer. Quels peuvent être les effets des changements envisagés sur la durabilité du territoire ? La simulation informatique peut être un recours utile pour évaluer ex ante (en amont de leur mise en œuvre) les effets de tels changements, et favoriser le dialogue entre acteurs du territoire. Dans ce stage, trois alternatives ont été testées : (a) la construction d’une nouvelle retenue de substitution à usage agricole, (b) l’utilisation de matériels d’irrigation plus efficients et d’outils d’aide à la décision, et (c) la modification de l’assolement. La plateforme de modélisation MAELIA (Multi-Agents for Environmental Norms Impact Assessment) a été utilisée comme outil pour simuler l’impact de ces alternatives. Divers indicateurs quantitatifs ont été mobilisés pour interpréter les sorties du modèle et évaluer les performances des alternatives de gestion de l’eau au regard d’enjeux locaux : la préservation des milieux aquatiques, l’économie agricole, et la facilité à ajuster offre et demande en eau au cours de la période d’irrigation.
Nous montrons que la construction d’une nouvelle retenue de substitution à usage agricole augmente les prélèvements d’irrigation du bassin, l’utilisation de matériels d’irrigation plus efficients et d’outils d’aide à la décision (OAD) baisse significativement les prélèvements et permet de réaliser des économies d’eau conséquentes, et que la modification de l’assolement baisse les prélèvements en eau et entraine une faible variation des rendements.
Mots clés :
Déficit hydrique, gestion quantitative de l’eau, modélisation multi-agent, territoire agricole, évaluation ex ante
ABSTRACT
Quantitative water management leads to tensions in the downstream part of the Aveyron watershed. For cause, the water imbalance in the low-flow period due to withdrawals for agricultural water use. Public authorities promote the implementation of structural reforms to solve this deficit, but local actors disagree on the levers to favor and lack elements to compare them. What can be the effects of the changes they propose on the watershed sustainability? Computer simulation can be a useful means to estimate ex ante (before their implementation) the effects of such changes, and to favor the dialogue between local actors. In this internship, three alternatives were tested: (a) the construction of a new agricultural dam, (b) the use of more efficient irrigation equipment and decision-support tools, (c) the modification of crop rotation systems. The modelling platform MAELIA (Multi-agents for Environmental Norms Impact Assessment) was used as tool to simulate the impact of these alternatives. Different quantitative indicators were mobilized to interpret the outputs of the model and estimate the performances of the water management alternatives with regard to local stakes: the conservation of the aquatic environment, agricultural economics, and the ease to adjust water supply and demand during the irrigation period.
We show that the construction of a new substitution reservoir for agricultural use increases the water withdrawals in the watershed, the use of more efficient irrigation equipment and decision-support tools significantly reduces the water withdrawals and allows substantial savings, and that the change in crop rotation reduces withdrawals and results a low yields variation.
Keywords: Water deficit, agricultural catchment, quantitative water resources management, agent-based modeling, ex ante evaluation
REMERCIEMENTS
Je tiens à remercier mon maître de stage Sandrine Allain pour la confiance placée en moi tout au long de mes travaux, partie intégrante de sa thèse de doctorat. Je lui témoigne toute ma considération, et lui souhaite une pleine réussite pour la suite de ses travaux de thèse. Je tiens également à remercier Romain Lardy de m’avoir accompagné et guidé dans la prise en main du modèle MAELIA. Je lui suis reconnaissant de son aide précieuse et quotidienne. Aussi, j’adresse mes remerciements à Ulric Eza pour son aide précieuse dans la prise en main et l’usage de l’interface de simulation SIMULT’EAU.
Je tiens à remercier Delphine Leenhardt pour l’encadrement de ce stage. Je lui suis reconnaissant de ses commentaires et corrections dans la rédaction de ce mémoire.
Je remercie Clément Murgue pour sa disponibilité et le partage de son expérience sur l’usage du modèle MAELIA.
J’adresse mes remerciements à François Colin mon tuteur de stage école pour ses réponses et éclaircissements lors des interrogations que j’ai pu rencontrer.
J’adresse mes remerciements à Vorlette Nuttinck de la direction départementale des territoires (DDT) de Tarn-et-Garonne pour sa disponibilité et son aide dans ce travail.
Je remercie particulièrement mes collègues stagiaires pour la bonne ambiance quotidienne, les échanges fructueux, et les moments chaleureux.
Pour finir, je remercie tous ceux qui ont contribué d’une quelconque façon au bon déroulement de ce stage, notamment les membres de l’Unité Mixte de Recherche AGIR pour leur accueil chaleureux.
TABLE DES MATIERES
RESUME ... 2
ABSTRACT ... 3
REMERCIEMENTS ... 4
TABLE DES MATIERES ... 5
AVANT-PROPOS ... 7
INTRODUCTION ... 1
1. CONTEXTE ET OBJECTIF DE L’ETUDE ... 2
1. Contexte scientifique ... 2
2. Problématique et objectif de l’étude ... 5
2. MATERIEL ET METHODES ... 5
1. Périmètre d’étude : l’aval du bassin de l’Aveyron ... 5
a. Climat et sol ... 5
b. Contexte agricole ... 6
c. Hydrologie du bassin ... 7
d. Organisation de la gestion de l’eau ... 8
1. Démarche méthodologique ... 8
a. Spécification des scénarios alternatifs et implémentation ... 9
b. Simulation des scénarios avec MAELIA ... 16
c. Traitement et analyse des sorties de simulation ... 19
3. RESULTATS ... 21
1. Prélèvements d’irrigation – PRELV ... 21
2. Prélèvement d’irrigation par ressource en eau et par matériel – PRELEV-RESS-MAT . 22 3. Prélèvements d’irrigation par culture irriguée – PRELEV-CULT ... 23
4. Mobilisation des réserves de soutien d’étiage – SEcumul ... 24
5. Fréquence de franchissement du débit d’objectif d’étiage à l’exutoire du bassin – FDOE ... 25
6. Dynamique du débit à l’exutoire du bassin – QEXT ... 26
7. Rendement et production agricole – RDT-PROD ... 26
4. DISCUSSION ... 27
1. Discussion générale ... 27
CONCLUSION ET PERSPECTIVES ... 31
REFERENCES BIBLIOGRAPHIQUES ... 32
LISTE DES FIGURES ... 36
LISTE DES TABLEAUX ... 38
ANNEXES ... 39
AVANT-PROPOS
Pour l’étudiant que je suis, l’achèvement du cycle Master représente une étape d’accomplissement personnel.
Tout au long de ce Master, j’ai pu étudier les « enjeux, questions et solutions à l’interface de l’eau et de l’agriculture, de l’eau et de la plante », aussi bien sur les aspects de gestion quantitative que qualitative.
Y prendre part a été l’occasion de compléter et d’approfondir mes connaissances sur des thématiques de recherche multidisciplinaires, et m’a permis de développer une capacité d’analyse globale, essentielle pour cerner et résoudre les problèmes de gestion de l’eau dans les agro-hydrosystèmes.
Pour cela, je remercie Jean Stéphane Bailly et Gilles Bellaud, co-responsables du parcours « Eau et Agriculture » du Master Sciences de l’Eau de m’avoir donné la possibilité d’intégrer cette formation. A eux et à l’ensemble du corps professoral, je témoigne toute ma gratitude pour l’accompagnement et la disponibilité permanente.
C’est également l’occasion de remercier mes camarades de classe pour l’ambiance chaleureuse et les échanges fructueux durant ces deux années de formations.
Après mes précédents stages en bureau d’études, organismes publics et entreprises privées, j’ai souhaité réaliser mon stage de fin de cycle en institut de recherche, afin de découvrir et d’expérimenter dans le quotidien le fonctionnement d’une unité de recherche. L’occasion m’en a été donné dans le cadre de ce stage d’une durée de 6 mois réalisé au sein de l’Unité Mixte de Recherche Agroécologie – Innovations – TeRitoires (UMR AGIR) du Centre Inra Occitanie-Toulouse. J’ai ainsi pu confronter mes connaissances et compétences sur une thématique de recherche d’actualité : la gestion quantitative de l’eau dans les territoires agricoles.
Pour des contraintes de délais liés aux dépôts des candidatures de thèse auprès des écoles doctorales, ce mémoire ne présente qu’une partie des travaux réalisés dans le cadre de mon stage.
1
INTRODUCTION
La gestion quantitative de l’eau est un enjeu majeur dans de nombreux territoires agricoles. C’est notamment le cas dans le bassin Adour-Garonne (BAG) qui souffre d’un déficit hydrique annuel de 250 Mm3 (demandes vs ressources). Le principal consommateur d’eau en période d’étiage est l'agriculture irriguée (environ 80%) (Lardy et al., 2014). Dès lors, la question du partage de l’eau entre différents usages se pose, tant pour le gestionnaire chargé de délivrer l’eau aux usagers en temps et lieux utiles au cours d’une année, que pour les gestionnaires chargés de planifier à plus long terme l’eau et les usages de l’eau (Leenhardt et al., 2011). De ce fait, on ne saurait se contenter d’une approche purement "hydraulique" de la question, sans faire intervenir les relations complexes et les interactions entre (i) les systèmes de culture pratiqués, leur distribution spatiale et les pratiques d’irrigation, (ii) les types de sols et (iii) les types d’hydrosystèmes, incluant différents types de ressources en eau (nappes "réservoir", rivières avec leurs nappes alluviales associées, et retenues/barrages)(Amigues et al., 2006) et leur gestion.
Afin de gérer ce genre de situation de déséquilibre entre ressources disponibles et usages associés, de nombreux travaux pour aborder des questions de gestion quantitative de l’eau ont été menés dans différents contextes (Black et al., 2014 ; Chantre et al., 2016 ; Cheviron et al., 2016 ; Fabre et al., 2013 ; Hattermann et al., 2004 ; Leenhardt and Lemaire, 2002 ; Letcher et al., 2007 ; Molinos-Senante et al., 2014 ; Moreau, 2012 ; Murgue, 2014 ; Nunes et al., 2017 ; Qin et al., 2016 ; Rinaudo et al., 2013 ; Rojas et al., 2010 ; Scholten et al., 2007 ; Singh, 2014a, 2014b ; Therond et al., 2014 ; Usman et al., 2015).
La présente étude a pour terrain la partie avale du bassin de l’Aveyron, un territoire agricole avec de nombreuses cultures irriguées l’été. Comme dans d’autres sous-bassins du BAG, le fort déséquilibre en eau en période d’étiage (Murgue, 2014)donne lieu chaque année à des restrictions d’usage de l’eau, ce qui cristallise les tensions entre usagers de l’eau. Pour améliorer la connaissance sur les moyens de remédier à ce déséquilibre et ces crises, nous spécifions, simulons et évaluons différents scénarios de gestion quantitative de l’eau à l’aide de la plateforme de modélisation et simulation MAELIA (Multi-Agents for Environmental Norms Impact Assessment, Therond et al., 2014).
Dans ce mémoire, je commence par présenter dans la partie « Contexte et objectifs de l’étude », (i) un aperçu non exhaustif de l’état de l’art sur le développement d’outils pour aborder des questions de gestion quantitative de l’eau et (ii) la problématique et l’objectif de cette étude. Dans la partie « Matériels et méthodes », je présente (i) la zone d’étude et (ii) les différentes étapes de la démarche méthodologique adoptée. Enfin, dans les parties « Résultats et Discussion » je présente et commente les résultats de l’implémentation et de la simulation des scénarios.
2
1.
CONTEXTE ET OBJECTIF DE L’ETUDE
1. Contexte scientifique
Pour enrichir la réflexion sur la gestion quantitative de l’eau au sein de l’aval du bassin de l’Aveyron, un projet de recherche doctoral a été initié en juin 2015. Ce projet de recherche réalisé à l’UMR AGIR1
par Sandrine Allain vise à « concevoir et mettre en œuvre une méthode d’évaluation multicritère, multi-acteurs et spatialisée dans le but de mettre en débat des scénarios de gestion de l’eau pour l’aval du bassin de l’Aveyron ».
L’expérimentation de changements (des modalités de gestion de l’eau ou de facteurs impactant la gestion de l’eau) étant impossible à l’échelle d’un bassin, la simulation de scénarios représente un moyen d’évaluer leurs impacts, sous réserve des conditions de validité des modèles utilisés pour la simulation. On parle alors d’évaluation ex ante, par opposition à l’évaluation ex post (qui évalue les conséquences de changements effectivement mis en œuvre et peut donc mobiliser des données réelles).
In fine, la simulation de scénarios vise à :
(i) avoir des données (les sorties de simulation) quant à leurs impacts ;
(ii) comparer la performance de ces scénarios, notamment pour réduire l’occurrence des crises de gestion de l’eau sur le bassin ;
(iii) mettre en lumière d’éventuels effets contre-intuitifs des solutions envisageables. S’agissant du développement d’alternatives efficaces pour améliorer l’utilisation de l’eau dans les bassins irrigués, on distingue généralement deux approches : (i) l’usage de modèles de simulation des processus biophysiques, et (ii) les modèles d’optimisation économique (Jiang et al., 2016).
Le Tableau 1 présente un aperçu non exhaustif de différents modèles de simulations qui abordent des questions de gestion quantitative de l’eau.
Ces travaux appliqués à différents contextes montrent que les interactions entre usages de l’eau et comportement locaux des acteurs (agriculteurs, services de l’État, etc.) ont un impact majeur sur la dynamique globale du système. On ne saurait donc se limiter à une approche purement agro-hydrologique de la question, sans tenir contre des aspects socio-économiques des agro-hydrosystèmes étudiés.
Mazzega et al. (2014) soulignent quant à eux les difficultés particulières soulevées par l'intégration de divers types de processus décisionnels (certains choix décisionnels collectifs) dans la modélisation de la gestion de l'eau.
1
3
Le modèle multi-agent MAELIA a été développé pour intégrer ces différents types de processus. Ainsi, il permet de simuler les impacts sociaux, économiques et environnementaux de scénarios de gestion de l’eau sur la dynamique d’un territoire, en tenant compte des interactions entre les différentes ressources et les différents acteurs de l’agro-socio-hydrosystème.
4
Modèle Nature Utilisations Objectifs Sources
ADEAUMIS Simulation platform based on bio-decisional modelling and spatial information
Simulate a realistic dynamics of water withdrawal over the region
Estimating irrigation demand for
water management (Leenhardt et al., 2004)
HYDRUS Effects of evaporation from the storage layer on the soil moisture
Evaluating the efficiency of the irrigation schemes for the green roof
Irrigation management of green roofs, different water
managements
(Qin et al., 2016; Tan et al., 2014)
CALVIN Economic-engineering optimization model
Water management and economic performance, including water sources, storage and agricultural and urban uses
Supporting the decision process of water resources optimisation in areas with limited water resources
(Draper et al., 2001; Kondili et al., 2010; Molinos-Senante et al., 2014)
FlowLogo Agent-based platform for simulating complex human-aquifer interactions
Simulate complex
socioenvironmental couplings in groundwater systems
Interdisciplinary groundwater studies and policy making at the basin scale
(Castilla-Rho et al., 2015)
MP-MAS Agent-based software package Simulate farm decision-making in agricultural systems
Ex ante impact assessment of agricultural innovations and policies
(Schreinemachers and Berger, 2011)
OPTIRRIG (PILOT in the past) Model simulation of the irrigation water demand
Simulates soil water balance and crop yield at a daily time
Estimating irrigation demand for water management strategies
(Cheviron et al., 2016b; Mailhol et al., 2011)
SINUSE Multi-agent model to negotiate water
demand management
Research or experimental tool, to explore the dynamics of the system and to test scenarios
Help the authorities in their search for a socially acceptable way of managing demand to protect the resource
(Feuillette et al., 2003)
SWIM Hydrological processes, vegetation, erosion
and nutrient dynamics at the basin scale Eco-hydrological watershed model
Analyse local water table dynamics inside subbasins along with river flow on the regional scale
(Hattermann et al., 2004)
5
2. Problématique et objectif de l’étude
La résorption du déficit hydrique étant un objectif politique, porté par la Directive Cadre sur l’Eau et la Loi sur l’Environnement et les Milieux Aquatiques, les études prospectives se développent. Par exemple, l’Agence de l’Eau Adour Garonne a tenté de lister des leviers potentiels pour réaliser des économies d’eau sur le BAG (AEAG, 2017) . Parmi les leviers considérés, on retrouve le remplacement des matériels d’irrigation, des changements de cultures ou d’itinéraires techniques, et le développement du conseil en irrigation et outils de pilotage adaptés.
Dans ce stage, nous cherchons à contribuer aux réflexions sur les moyens de résoudre le déficit hydrique avec deux spécificités : (i) la prise en compte de la complexité des interactions socio-agro-hydrologiques grâce à un modèle conçu pour cela, et (ii) l’utilisation de scénarios de changement plus spécifiques et appliqués à un territoire donné. Quelles sont les performances de ces leviers une fois traduits dans des scénarios de changement sur un territoire donné ?
Pour répondre à cette problématique, ce stage se propose de simuler et d’analyser via un outil de modélisation intégrée des socio-agro-hydrosystèmes (MAELIA) 3 scénarios de gestion quantitative de l’eau. Ce travail qui vient en support à la thèse de doctorat de Sandrine Allain, se focalise essentiellement (i) sur l’implémentation et la simulation de scénarios de gestion quantitative de l’eau, et (ii) sur l’analyse des résultats en sortie de simulations. Par la suite, dans le cadre d’un dispositif d’évaluation participative (thèse de Sandrine Allain), ces résultats seront mobilisés en tant qu’ « indicateurs » pour permettre à différents acteurs du territoire de juger les scénarios simulés en fonction de leurs enjeux propres, et éventuellement d’identifier des solutions acceptables pour réduire les crises de gestion quantitative de l’eau.
2. MATERIEL ET METHODES
1. Périmètre d’étude : l’aval du bassin de l’Aveyron
Le territoire d’étude est l’aval du bassin de l’Aveyron (environ 840 km2) situé au Nord-Est de Montauban, dans le bassin Adour-Garonne (117 650 km2). Ce territoire correspond à la partie avale du bassin hydrologique de l’Aveyron sur laquelle se concentre l’irrigation, l’amont étant une zone plutôt orientée vers l’élevage.
a. Climat et sol
Le climat est de type océanique, avec des précipitations très variables en fonction du relief (AEAG, 2014). L’évapotranspiration de référence (ETref) est minimale d’octobre à mars (inférieure à 60 mm) et maximale d’avril à septembre (supérieure à 60 mm), avec le max en
6
juillet (130 mm) (moyennes mensuelles sur la période 1970-2013). Les grandes classes de sol présentes sont les alluvions, les argiles, les boulbènes2 et les limons.
Figure 1 - Classe des sols présents sur le bassin et localisation des points nodaux
b. Contexte agricole
La surface agricole utile (SAU) du bassin de l’Aveyron est d’environ 40 000 ha, dont 26% de surfaces toujours en herbe, et 34% de surface irriguée entre 2007 et 2009 répartis au sein de 1150 exploitations.43% de ces exploitations pratiquent l’irrigation, en moyenne sur environ 38% de leur SAU (Murgue, 2014). Le paysage agricole (RPG 2014) est dominé par les prairies (15 000 ha), les céréales à paille (8 800 ha), et les maïs (4 500 ha). Les principales cultures irriguées sur le bassin sont les maïs (3 500 ha), les céréales à paille (2 900 ha), et les semences (1 600 ha). Comme système d’irrigation, on retrouve principalement les enrouleurs, l’irrigation par couverture intégrale, le pivot, et le goutte-à-goutte. Les ressources utilisées pour l’irrigation sont de trois types : les eaux de surfaces (cours d’eau), les eaux souterraines, et les retenues.
Pour rappel, nous distinguons sur l’aval du bassin de l’Aveyron quatre types de retenues :
retenue connectée : retenue située sur un cours d’eau ;
retenue déconnectée : réserve alimentée par ruissellement et éventuellement par pompage hivernale (01/11 - 31/05) dans la rivière ;
2
La boulbène est un sol assez léger, en général facile à travailler, se développant sur des alluvions et des colluvions (http://encyclopedie_universelle.fracademic.com).
7
retenue sur-nappe : réserve directement alimentée par une nappe libre ;
retenue en barrage : retenue situé sur un cours d’eau ; sauf dispositif particulier de débit minimum (avec prise de l’eau en amont), toute l’eau qui rejoint le cours d’eau à l’aval a transité par la retenue3
.
Figure 2 - Le terrain d’étude : situation géographique et surfaces agricoles (Source de données : RPG 2014)
c. Hydrologie du bassin
Le cours d’eau principal du territoire est l’Aveyron, qui le traverse d’Est en Ouest. La Lère, avec des débits environ 20 fois inférieurs à ceux de l’Aveyron, s’étend sur un axe Nord-Est – Sud-ouest. Sur la partie Sud du territoire, de nombreux petits affluents se jettent dans l’Aveyron (le « chevelu »)
Les deux principales stations de mesure des débits sont l’Aveyron à Montauban (O5882510 dans la banque Hydro) et la Lère à Réalville (O5854010) (Figure 1). Elles servent notamment de référence pour évaluer si les débits d’objectif d’étiage (cf. 2.1.d) sont respectés et assurer un suivi de la dynamique hydrologique à long terme. Les débits mesurés (moyenne mensuelle interannuelle) au niveau sur l’Aveyron et la Lère (Annexe 2) montrent des fluctuations mensuelles significatives et des étiages marqués. La tendance d’évolution des débits sur la période 1969-2016 (Annexe 3) montre une baisse d’environ 27 % du débit pour l’Aveyron mesuré à Montauban, et d’environ 19 % pour la Lère à Réalville. Si cette tendance
3
Inspiré de IRSTEA, 2016, IMPACT CUMULÉ DES RETENUES D’EAU SUR LE MILIEU AQUATIQUE - Expertise scientifique collective
8
observée par le passé se poursuit, cela pourrait à long terme accentuer le déséquilibre en eau actuel sur le bassin, compte tenu des changements climatiques.
Le débit d’objectif d’étiage (DOE) est de 4 m3/s pour l’Aveyron à Montauban, et de 0,1 m3/s pour la Lère à Réalville. Le franchissement des DOE entraine la réunion d’un comité sécheresse et la mise en place de restrictions. Le DOE sert également de référence pour évaluer l’état quantitatif d’une rivière à long terme.
d. Organisation de la gestion de l’eau
La gestion opérationnelle des étiages sur le bassin passe par la mobilisation des réserves de soutien d’étiage d’une part, et d’autre part par la mise en vigueur de restrictions d’usage (arrêtés préfectoraux).
Comme principaux ouvrages entièrement dédiés au soutien d’étiage, on compte: le barrage de Saint Géraud (15 Mm3),le barrage des Falquettes sur la Lère (1,3 Mm3), et le barrage de Fourogue (900 000 m3) (Gaulupeau, 2010). Deux barrages (hors bassin) destinés initialement à la production hydroélectrique et gérés par EDF4
servent également au soutient d’étiage (Pareloup et Thuries) (Annexe 4).
Les principales retenues de substitution à usage agricole présentes sur le bassin sont situées sur le Gouyre et le Tordre, et sont gérées par une association syndicale autorisée (ASA).
1. Démarche méthodologique
La Figure 3 présente brièvement la démarche générale de ce travail et ses liens avec la thèse de Sandrine Allain.
4 EDF : Electricité de France - Les lâchers de barrages réalisés par EDF pour le soutient d’étiage ne se font pas
sans conséquence. En effet, l’AEAG est lié à EDF par une convention signée en 1988 afin que les lâchers fassent l’objet de compensations financières fondées sur la notion de préjudice énergétique (Fernandez and Debril, 2016).
9
Figure 3 - Démarche générale de travail : en couleur orange les travaux relatifs à la thèse de Sandrine Allain (pré et post-stage) qui ont servi de base pour ce stage, et en couleur bleue les travaux réalisés lors du stage.
La première partie de mon travail a consisté à implémenter5 les scénarios de gestion quantitative de l’eau, définis avec des acteurs du territoire avant le début du stage et spécifiés lors de réunions de travail auxquelles j’ai assisté. Les scénarios ainsi implémentés ont donc pu être simulé par le modèle MAELIA.
La seconde partie de mon travail à consisté à réaliser un traitement des sorties du modèle (vérification de la cohérence, mise en forme des données, etc.). Enfin, j’ai effectué une analyse de ces résultats traités.
Par la suite, les scénarios seront mis en débat avec les parties prenantes du territoire lors d’ateliers post-stage.
a. Spécification des scénarios alternatifs et implémentation
Les scénarios définis par les acteurs représentent une rupture avec la situation de gestion actuelle, et n’ont pas pour objectif d’être réalisables mais de permettre d’ « apprendre des choses » et de susciter le débat. Ces scénarios font écho à des leviers « classiques » pour gérer les déficits structurels (cf. 1.2) ; il s’agit de :
La construction d’une nouvelle retenue de substitution à usage agricole (Sc_Ret) ;
5
Consiste à créer les fichiers d’entrée du modèle pour chaque scénario en modifiant les données du scénario de référence.
10
L’utilisation de matériel plus efficient et d’outils d’aide à la décision (Sc_EM+OAD) ;
Une modification de l’assolement (Sc_Assol) ;
L’introduction de pratiques innovantes (Sc_P.innov).
En comité de stage, nous avons décidé de séparer le scénario d’efficience matérielle et d’outils d’aide à la décision (Sc_EM+OAD) en deux scénarios distincts : le scénario d’efficience (Sc_EM), et le scénario d’outils d’aide à la décision (Sc_OAD). Cela afin de voir les contributions respectives de ces deux types de changements.
Le scénario portant sur l’introduction de pratiques innovantes (Sc_P.innov) sera spécifié, implémenté et simulé dans le temps de stage qui suit la soutenance. Il ne sera donc pas évoqué dans la suite de ce mémoire.
Les trois autres scénarios ont fait l’objet de diverses réunions pour définir leurs caractéristiques plus précises. Ce travail de spécification a parfois nécessité de réaliser un diagnostic sur certaines caractéristiques du territoire (Annexe 1). Nous décrivons ici les 3 scénarios implémentés à ce jour :
Construction d’une nouvelle retenue de substitution à usage agricole (Sc_Ret) Sur l’aval du bassin aval de l’Aveyron, à côté d’une multitude de retenues de petites tailles, deux grandes retenues à usage agricole existent actuellement dans le sud du bassin : Le lac du Tordre (3,2 Mm3) et le lac du Gouyre (3,4 Mm3).
Ce scénario vise à concentrer dans trois principales retenues agricoles (Le Tordre, Le Gouyre, et une spécialement créée à proximité du réservoir des Falquettes) tous les prélèvements d’irrigation réalisés à partir de retenues agricoles connectées, déconnectées, et sur-nappe, la capacité totale de stockage sur le territoire restant constante. Les prélèvements directs en nappe et en rivière restent tels quels.
Ainsi, la capacité de stockage des retenues du Tordre et du Gouyre augmente respectivement de 1,9 Mm3 et 790 000 m3. La nouvelle retenue créée à proximité du réservoir des Falquettes sur la Lère, a une capacité de 3,9 Mm3. Cette nouvelle retenue est alimentée par pompage dans la Lère pendant l’hiver et est gérée à l’image du Gouyre et du Tordre, c’est-à-dire sous forme d’ASA.
Tous les points de prélèvement en retenues localisés au niveau de la rive sud de l’Aveyron ont été répartis dans les retenues du Gouyre et du Tordre en fonction de leurs proximités, et tous les points en retenues localisés au niveau de la rive nord ont tous été affectés à la retenue nouvellement créée (Figure 4). Ces réaménagements ne changent en rien la répartition initiale des surfaces irrigables. Par contre, cela suppose conceptuellement d’équiper le bassin en réseaux (conduites, canaux) de transport d’eau d’irrigation supplémentaires.
11
Le choix de concentrer la pression des prélèvements en retenues sur trois principales retenues a pour objectif de (i) favoriser une meilleure dynamique d’écoulement au niveau des rivières en limitant la présence de nombreux ouvrages de rétention, et donc de garantir le bon fonctionnement des milieux aquatiques correspondants. Il s’agit surtout aussi de (ii) concentrer la pression des prélèvements sur les rivières les plus « grosses », et donc de relâcher la pression sur les petits affluents .De plus, au sein du bassin Adour-Garonne (BAG), la profession agricole envisage comme un des leviers d’actions la construction d’ouvrages de stockage de l’eau afin que l’offre et les modalités de gestion soient adaptées aux besoins du secteur (D. Leenhardt et al., 2015).
Dans ce scénario, on fait l’hypothèse que les retenues abandonnées ont été rebouchées (naturellement ou avec une intervention).
Figure 4 - Points de prélèvement d’irrigation par nature de ressource avant (AV) et après (AP) implémentation du scénario Sc_Ret
Utilisation de matériel plus efficient et d’outils d’aide à la décision (Sc_EM+OAD) Ce scénario vise à analyser (i) les conséquences d’une conduite d’irrigation de précision associée à (ii) un investissement dans des technologies d’irrigation plus efficientes.
Il s’agit principalement de :
- (i) la modification du mode de pilotage de l’irrigation (pilotage fait avec des sondes) ; - (ii) la modification du matériel d’irrigation des principaux systèmes de cultures (SdC)
irrigués sur le bassin.
(i) Modification du mode de pilotage de l’irrigation
L’objectif recherché est d’apporter une quantité d’eau optimale qui permette de satisfaire les besoins des plantes et d’éviter une situation de stress hydrique sur tout le cycle de
12
croissance. Pour l’agriculteur, ce type de pilotage correspond à un pilotage assisté par des sondes tensiométriques et un outil d’aide à la décision (OAD).
Dans le modèle, ce scénario consiste à activer une stratégie d’irrigation « théorique ». Dans cette stratégie, l’irrigation est déclenchée selon que les besoins en eau de la plante sont satisfaits (à hauteur de 0,8 ETM) ou non (Figure 5). Le niveau de satisfaction hydrique nécessaire au bon développement de la plante est défini de façon théorique, suivant son stade physiologique. Ainsi, chaque jour, on regarde si l’eau disponible dans le sol permet d’atteindre le niveau de satisfaction hydrique théorique de la plante. Si c’est le cas, la culture ne sera pas irriguée et les besoins en irrigation recalculés le lendemain ; sinon, l’irrigation sera déclenchée. Cette stratégie d’« irrigation théorique » a été développée par l’INRA de manière empirique.
Figure 5 - Seuils de satisfaction hydrique théoriques qui servent au déclenchement de l’irrigation dans le scénario de pilotage de l’irrigation assisté
(ii) Modification du matériel d’irrigation
Les changements de matériel d’irrigation se sont concentrés sur les systèmes de culture suivants : monocultures de maïs, maïs/blé irrigué et arboriculture.
Pour les monocultures de maïs et les systèmes de culture maïs/blé, les surfaces irrigables initialement équipées d’enrouleurs ont toutes été passées en irrigation par pivot.
Pour les surfaces en arboriculture, toutes les surfaces initialement en couverture intégrale ont été passées en goutte-à-goutte.
Notons toutefois que cette modification de matériel s’est faite à l’échelle de l’« îlot », et non à l’échelle parcellaire. Ainsi, une modification de matériel d’irrigation vise l’ensemble des systèmes de cultures (SdC) présents dans l’ilot. Ceci explique que d’autres systèmes de culture soient également concernés par une modification de matériel.
Par ailleurs, comme le passage au goutte-à-goutte n’est cohérent que pour de l’arboriculture, le passage de la couverture intégrale au goutte-à-goutte n’a concerné que les îlots contenant uniquement des parcelles en arboriculture ou associant l’arboriculture à des cultures conduites en sec.
13
La Figure 6 présente les résultats de l’implémentation.
Figure 6 - Résultats de l'implémentation du scénario efficience matérielle et d’outils d’aide à la décision
Figure 7 - Surface irrigable par type de matériel d'irrigation avant et après implémentation du scénario
Figure 8 - Répartition du matériel d’irrigation avant (AV) et après (AP) implémentation du scénario
0 1 000 2 000 3 000 4 000 5 000 6 000 7 000 8 000 Goutte-à-goutte Pivot Couverture integrale Enrouleurs Surface [ha] Situation initiale Après modification
6%
26% 28% 40%
AP
Goutte-à-goutte Enrouleurs Couverture integrale Pivot
2%
53% 32% 13%
AV
14
Ces résultats montrent une multiplication par trois des surfaces initiales équipées de pivot et de goutte-à-goutte. 27 % des surfaces irrigables ont été modifiées pour recevoir des pivots (1 700 ha initialement contre 5 170 ha après modification), et 4 % ont été modifiées pour recevoir du goutte-à-goutte (180 ha initialement contre 810 ha après modification). A contrario, on observe dans les mêmes proportions une modification des surfaces irrigables équipées d’enrouleur (6 920 ha initialement contre 3 320 ha après modification), et de celles en couverture intégrale (4 150 ha initialement contre 3 650 ha après modification).
La distribution spatiale induite par ces modifications de matériel (Figure 9) montre que le centre du bassin est la principale zone impactée.
Figure 9 - Distribution spatiale du matériel d’irrigation avant (AV) et après (AP) implémentation du scénario (Source de données : BD Carthage ; RPG 2014 et Corine Land Cover)
Modification de l’assolement (Sc_Assol)
Le premier gestionnaire de l’eau à usage agricole est l’agriculteur. Ses choix de culture et ses itinéraires techniques le conduisent à avoir une demande en eau d’irrigation plus ou moins importante (Leenhardt et al., 2011).
Selon les zones du bassin (zones réalimentées ou non), la disponibilité en eau est plus ou moins forte. Dans ce scénario, on cherche à limiter l’irrigation sur les zones-non-réalimentées6
pour des questions d’économies d’eau (volumes prélevables), et à réimplanter des prairies permanentes « en tête de bassin », pour des questions de qualité de l’eau. Pour ce faire, toutes les parcelles irrigables à partir de points de prélèvement d’irrigation (toutes ressources confondues) situées dans un rayon de 100 m autour de la rivière Aveyron
6D’un point de vue administratif, les zones non réalimentées correspondent aux bassins versants de
fonctionnement hydrologique autonome : (i) les cours d’eau principaux de la zone prennent leur source au sein même de la zone, avec une absence d’eau venant de zone extérieure. (ii) Il n’y a pas de lâchers de soutien d’étiage, et (iii) pas de point nodal.
15
et de la partie de la Lère réalimentée à partir du réservoir des Falquettes sont maintenues. Sont également maintenues toutes les parcelles irrigables à partir de points de prélèvement situés dans des retenues du Gouyre et du Tordre (ASA réalimentée à partir de l’Aveyron). Toutes les autres parcelles irrigables ne répondant pas à ces critères (soit les points de prélèvement situés en zones-non-réalimentées) sont passées en sec suivant le schéma suivant :
pour les premiers 50 % des surfaces les moins pentues (entre 0 et 5 % de pente), les semences sont passées en céréales à paille (car il est impossible d’avoir des contrats pour les semences sans irrigation), et toutes les autres cultures en sec (inchangées) ;
les 50 % des surfaces restantes les plus pentues (entre 5 et 28 % de pente) sont passées intégralement en prairie permanente.
La Figure 10 illustre la répartition spatiale des surfaces après ces modifications d’assolement. On observe globalement que le passage en sec concerne majoritairement les surfaces amont du bassin, et celles situées dans la partie amont du chevelu.
Figure 10 - Scénario modification de l’assolement : répartition spatiale des surfaces après implémentation
On observe que les surfaces irrigables à partir des zones-non-réalimentées (et qui sont donc passées en sec) représentent 5 537 ha, soit 43 % des surfaces irrigables. Les 57 % restant (surfaces irrigables où est maintenue l’irrigation, en zones réalimentées) représentent 7 424 ha.
Les maïs, les céréales à paille (« CP »), les semences, et les vergers représentent les cultures majoritaires des surfaces irrigables avec maintien de l’irrigation, avec respectivement 2 120 ha (29 %), 1 250 ha (17 %), 1 100 ha (15 %), et 920 ha (12 %). S’agissant des surfaces irrigables qui seront passées en sec, les « CP », les maïs, et les prairies temporaires
16
(« prairiet ») représentent les cultures majoritaires, avec respectivement 1 563 ha (28 %), 1 300 ha (24 %), et 670 ha (12 %).
Figure 11 - Surfaces avec maintien de l'irrigation ou passage en sec. Dans le cas des semences, le « passage en sec » correspond aussi à un changement de culture : passage en céréales à pailles (CP).
Figure 12 - Proportion par culture de surfaces concernées par le maintien ou non de l'irrigation
b. Simulation des scénarios avec MAELIA
Sauf mention, les informations présentées dans cette section sont issues de Balestrat and Therond, (2014); Franco et al., (2013) ; Gaudou et al., (2014) ; Lardy et al., (2016) ; Mazzega et al., (2014) ; Therond et al., (2014).
MAELIA est une plateforme de modélisation et de simulation multi-agents. Elle permet d’évaluer à l’échelle du territoire, les impacts environnementaux, économiques et sociaux des changements combinés de normes de gestion de l’eau, d’activités agricoles et de contextes globaux (démographie, dynamique d’occupation du sol et changements climatiques). MAELIA représente à des résolutions spatiales et temporelles fines (ilot de
0 500 1 000 1 500 2 000 2 500 3 000 3 500 4 000 vignes pois colza gel prairiep soja tour vergers prairiet semence CP maïs
Surfaces irrigables [ha] Passage en sec Maintien irrigation
29% 17% 15% 12% 11% 6% 3% 3% 2% 2% Maintien irrigation
maïs CP semence vergers
prairiet tour soja gel
prairiep colza pois vignes
24% 28% 9% 2% 12% 9% 5% 2% 6% 1% Passage en sec
maïs CP semence vergers
prairiet tour soja gel
17
culture, journée) les interactions entre les activités agricoles, l’hydrologie des différentes ressources en eau et la gestion des ressources en eau (lâchers, restrictions, choix entre ressources). Elle propose une architecture logicielle suivant le schéma conceptuel présenté dans la Figure 13.
En fonction des besoins, un ensemble d’indicateurs de sortie est disponible en standard dans la plateforme : biophysiques (débit aux points DOE, rendement des cultures irriguées, etc.), économiques (production agricole, revenu des exploitations agricoles, assolement, surfaces totales et irriguées des exploitations agricoles, etc.), sociaux (fréquence et date des crises, degré de gravité des crises, niveau de satisfaction des besoins en eau des autres usagers de l’eau, etc.). La calibration et la validation du modèle doit être réalisée sur chaque bassin versant.
Pour le lancement des simulations dans MAELIA, j’ai utilisé l’interface SIMULTEAU. Il s’agit d’une interface ergonomique nouvellement développée dont l’avantage est d’offrir à l’utilisateur la possibilité d’activer ou désactiver des sous modules (ex. choix d’assolement), de définir plus facilement les paramétrages de simulation (ex. période de simulation, sorties souhaitées, etc.), de lancer les simulations plus facilement, et de représenter sous forme graphique certaines sorties de simulation.
Figure 13 - Schéma conceptuel de la plateforme MAELIA (Source : Murgue, 2014)
Modélisation hydrologique
Dans MAELIA, l’hydrologie de surface et souterraine est représentée par le recodage des formalismes du modèle SWAT (Soil and Water Assessment Tool), un modèle
agro-18
hydrologique semi-empirique et semi-distribué utilisé par une large communauté dans une grande diversité de bassins dans le monde. Les flux d'eau sont simulés à travers un réseau complexe de masses d'eau (en particulier, les rivières, les eaux souterraines, les réservoirs, les barrages et les canaux), en tenant compte des nombreux prélèvements de l'industrie, des fournisseurs d'eau potable et des agriculteurs.
• Modélisation de l’agriculture
La forêt est modélisée par une version simplifiée des formalismes de SWAT®, tandis que la croissance des cultures est simulée par le modèle de grandes cultures AqYield (effets à l’échelle journalière des pratiques agricoles sur la dynamique de l’eau du sol et sur la croissance des cultures) ou HerbSim (pour les prairies), tous deux développés par l’INRA de Toulouse.
• Modélisation des aspects sociaux
Deux types de dynamiques sociales sont représentés dans MAELIA : les phénomènes socio-économiques (changement d’occupation des sols, prélèvement d’eau à usage domestique ou industriel) et les activités de gestion quantitative de l'eau des gestionnaires de barrages (lâchers d’eau) d’une part et des services locaux de l’Etat (restrictions réglementaires d’utilisation de l’eau).
• Intégration des données
L’utilisation de la plateforme sur un territoire donné nécessite l’intégration de plus d’une vingtaine de types de données : sol, climat, altitude, occupation des sols, barrages, retenues collinaires, points de prélèvement et de rejet d’eau, cours d’eau, canaux, nappes, distribution spatiale des îlots, systèmes de cultures, zonages de restrictions d’irrigation, etc. Des traitements SIG ont été développés pour faciliter la mise au format de ces données provenant de sources diverses (Tableau 2) et, par conséquent, l’utilisation de la plateforme sur de nouveaux bassins versants.
Module Entité de la structure Exemple de source de données
Agricole
Exploitation Registre parcellaire Graphique – RPG Ilot PAC Registre parcellaire Graphique – RPG Parcelle Registre parcellaire Graphique – RPG Culture Registre parcellaire Graphique – RPG Bloc de parcelles (même système de culture) Registre parcellaire Graphique – RPG Matériel d’irrigation Experts locaux
Équipement de captage IRR Système d’information des agences de l’eau Bloc d’irrigation (même matériel
d’irrigation)
Experts locaux
Agent agriculteur RPG + données experts Agricole et
hydrologique
Sol BDGSF (carte des sols au 1/1 000 000) + fonction/règle de transfert
Zone Météo ClimBox ou SAFRAN (maille 8 x 8 km)
19
Terrain (MNT BD ALTI®) 25m de l’IGN Nappe phréatique BD CARTHAGE®
Cours d’eau BD CARTHAGE®
Canal BD CARTHAGE®
Homogenous Response Unit (HRU) Croisement sol (BDGSF) x classe de pente (MNT) x Occupation du sol (Corine Land Cover et RPG) Barrage Expert et base de données locales
Équipement de captage / rejet des canaux Système d’information des agences de l’eau Retenue collinaire BDTOPO
Gestion de l’eau
Agent gestionnaire de barrage – Agent organisme unique – Périmètre élémentaire MIPYGéo Agent préfet et police de l’eau –
Zone administrative d’arrêté de sécheresse Données locales (DDT) Secteur administratif d’arrêté de sécheresse
(division de la zone administrative pour spécifier les jours de la semaine qui sont en restriction)
Données locales (DDT)
Autres utilisateurs d’eau
Commune (préleveurs d’eau potable) Modèle OMPHALE de l’INSEE/ BD CARTHO® de l’IGN
Équipement de captage/rejet industriel Système d’information des agences de l’eau Équipement de captage/rejet eau potable Système d’information des agences de l’eau Tableau 2 - Liste des principales entités physiques représentées dans MAELIA et quelques exemples de sources de données
(Source : Lardy.R)
c. Traitement et analyse des sorties de simulation
Les sorties des simulations à produire, mettre en forme et analyser ont été sélectionnées au regard des enjeux du territoire, traduits en « critères d’évaluation ». La définition de critères d’évaluation des scénarios et d’indicateurs ne faisait pas partie des objectifs du stage. Les critères ont été définis à partir d’entretiens et d’une réunion collective dans le cadre de la thèse de Sandrine Allain. Celle-ci a conduit ensuite une série de réunion avec des experts de différents organismes (recherche et terrain) afin de définir les indicateurs potentiels pour chacun des critères.
Le stage se concentre sur des indicateurs dont la valeur peut être simulée par MAELIA (ou à calculer à partir des sorties de MAELIA) et dont la valeur varie a priori d’un scénario à l’autre. Les indicateurs à simuler ont donc été discutés collectivement, ce qui a permis que je me concentre sur un jeu d’indicateurs plus restreint.
Le travail de production des indicateurs est toujours en cours. Le Tableau 3 présente les indicateurs produits et analysés dans le cadre de ce mémoire. Ils ne représentent qu’une partie des indicateurs retenus dans le cadre du stage. Ainsi, l’accent a été mis sur des indicateurs relatifs à la gestion de l’eau (soutien d’étiage et respect du DOE), à l’hydrologie (débits à l’exutoire du bassin, prélèvements), et à l’activité agricole (rendements, production).
20
Tableau 3 - Liste des indicateurs utilisés pour analyser les sorties des simulations
Indicateur Définition Calcul
PRELEV Volume d’eau prélevé pour l’irrigation Volume d’eau prélevé pour l’irrigation en moyenne par an.
𝑃𝑅𝐸𝐿𝐸𝑉 = ∑2013𝑛=2001(∑ 𝑉𝑖 𝑖)𝑛 13
(Vi)n le volume total prélevé au point de prélèvement i pendant l’année n
PRELEV-RESS-MAT
Volume d’eau prélevé pour l’irrigation par nature de ressource en eau et par matériel
Volume d’eau prélevé pour l’irrigation par nature de ressource en eau et par matériel en moyenne par an.
(Vi)n le volume total prélevé par ressource/matériel i pendant l’année n
PRELEV-CULT Volume d’eau prélevé pour l’irrigation par culture
Volume d’eau prélevé pour l’irrigation par culture irriguée en moyenne par an
(Vi)n le volume total prélevé par la culture i pendant l’année n
SEcumul Mobilisation des réserves de soutien d’étiage
Volume d’eau déstocké à partir de barrages ou plans d’eau servant à réapprovisionner en eau les cours d’eau pendant la période d’étiage.
𝑆𝐸𝑐𝑢𝑚𝑢𝑙= 1 13 ∑ (∑ 𝑆𝐸𝑖 𝑖 ) 𝑛 2013 𝑛=2001
SEin le volume de soutien d’étiage déstocké à partir du barrage i l’année n (en m3)
FDOE
Fréquence de dépassement du débit d’objectif d’étiage
Nombre de jours pendant lesquels le débit d’objectif d’étiage (DOE) est franchi sur une période donnée. Soit ∝𝑗= {1 𝑠𝑖 𝑄0 𝑠𝑖𝑛𝑜𝑛𝑗< 𝐷𝑂𝐸 𝐹𝐷𝑂𝐸𝑎= ∑ ∝𝑗 365 𝑗=1 𝐹𝐷𝑂𝐸𝑚= 1 13 ∑ (∑ ∝𝑗 30 𝑗=1 ) 𝑎 2013 𝑎=2001
FDOEa la valeur de FDOE l’année a ;
∝_j le nombre de jours sous le DOE
Qj le débit simulé au point nodal de Loubja (aval de l’Aveyron) au jour j; DOE la valeur du DOE (4m3/s à Loubéjac).
FDOEm la valeur moyenne de FDOE le mois m. QEXT Dynamique du débit à l’exutoire du
bassin
Débits journaliers simulés à l’exutoire (point nodal
de Loubéjac - O5882510) ---
RDT - PROD Production agricole et rendement des cultures
Production agricole (PROD)
Quantité produite en moyenne par an. Rendement des cultures (RDT)
Production ramenée à la surface cultivée.
Production agricole (PROD) 𝑃𝑅𝑂𝐷𝑐=
1
13 ∑ 𝑃𝑐,𝑎 2013
𝑎=2001 Rendement des cultures (RDT)
𝑅𝐷𝑇𝑐= 1 13 ∑ ( 𝑃𝑐,𝑎 𝑆𝑐,𝑎 ⁄ ) 2013 𝑎=2001
Production agricole (PROD)
PRODc la valeur de PROD pour la culture c.
Pc,a la production agricole de la culture c l’année a
Rendement des cultures (RDT)
RDTc la valeur de RDT pour la culture c ;
Pc,a la production agricole de la culture c l’année a ;
21
3. RESULTATS
Nous présentons les résultats puis les interprétons en comparaison avec le scénario de référence (qui correspond à la représentation de la situation actuelle dans le modèle). Les résultats correspondent aux sorties des simulations sur une série temporelle de 13 ans (2001-2013), que nous avons mise en forme de sorte à les rendre facilement compréhensibles.
1. Prélèvements d’irrigation – PRELV
Les prélèvements d’irrigation varient d’une année à l’autre et entre scénarios sur la période de simulation (2001-2013). Les prélèvements maximums sont observés en 2003, 2009 et 2011 avec des volumes prélevés supérieurs à 18 Mm3 (Figure 14). Le Sc_Ret se distingue par une augmentation des prélèvements de 1,2 Mm3 (soit + 8 %). Les scénarios Sc_EM+OAD, Sc_OAD et Sc_Assol entrainent des baisses de prélèvements de respectivement 4,9 Mm3 (-30 %), 4,2 Mm3 (-26 %) et 3,5 Mm3 (-22 %). Le scénario Sc_EM entraine une baisse « marginale » des prélèvements de 0,9 Mm3 (-6 %) (Figure 15).
Figure 14 - Evolution annuelle des prélèvements d'irrigation sur la période de simulation (2001-2013)
Figure 15 - Moyenne interannuelle des prélèvements d'irrigation (2001-2013)
Par ailleurs, les prélèvements se font essentiellement sur la période mi-avril mi-novembre (étiage). La variation des prélèvements mensuels entre scénarios est plus accentuée entre
0 5 10 15 20 25 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 Mm 3
Sc_Ref Sc_Ret Sc_EM+OAD Sc_EM Sc_OAD Sc_Assol
0 5 10 15 20 25
Sc_Ref Sc_Ret Sc_EM+OAD Sc_EM Sc_OAD Sc_Assol
Mm 3 +8 % -30 % -6 % -26 % -22 %
22
mi-juillet et fin septembre. Mi-juillet mi-août est la période où sont concentrés tous les prélèvements (tous scénarios confondus), avec des volumes prélevés dépassant les 4 Mm3/mois.
Comparés aux autres scénarios (Figure 16), les scénarios Sc_EM+OAD et Sc_OAD entrainent un avancement de 10 jours environ de la date de fin des prélèvements (fin des prélèvements le 08 octobre au lieu du 16 en moyenne). Tous les scénarios, en dehors du Sc_Ret, présentent un pic de prélèvement en juillet (et août) inférieur au Sc_Ref, cette baisse étant la plus marquée pour Sc_Assol (plus d’1 Mm3 en moins prélevés en juillet par rapport au Sc_Ref).
Figure 16 - Prélèvements moyens mensuels d'irrigation (2001-2013)
2. Prélèvement d’irrigation par ressource en eau et par matériel –
PRELEV-RESS-MAT
S’agissant de la nature des ressources en eau dans lesquelles sont effectués les prélèvements (Figure 17-a), nos résultats montrent que le scénario Sc_Ret entraine une augmentation des prélèvements dans les retenues de 2 Mm3 (soit +136 %). Cette augmentation des prélèvements en retenues est compensée par une baisse des prélèvements dans les nappes de 360 000 m3 (soit -19 %), et de 450 000 m3 dans les eaux de surface (soit -4 %). Les scénarios Sc_EM+OAD et Sc_OAD entrainent une baisse des prélèvements dans les eaux de surfaces de respectivement 3,9 Mm3 (soit -31 %) et 3,2 Mm3 (soit -26 %). Le scénario Sc_Assol baisse considérablement les prélèvements dans les retenues de 1,2 Mm3 (soit -87 %) et dans les nappes de 1,6 Mm3 (soit -87 %), mais marginalement dans les eaux de surface 530 000 m3 (-4 %). Le scénario Sc_EM entraine une baisse marginale des prélèvements quelle que soit la ressource (-4 % à -6 %).
Concernant la nature du matériel d’irrigation (Figure 17-b), nos résultats montrent que…
0 1 2 3 4 5 6
janv févr mars avr mai juin juil août sept oct nov déc
Mm
3
23
Figure 17 - Moyenne interannuelle de la répartition des prélèvements d'irrigation par nature de ressource en eau (a) et par matériel d’irrigation (b) (2001-2013)
3. Prélèvements d’irrigation par culture irriguée – PRELEV-CULT
Les prélèvements varient d’une culture à l’autre et entre scénarios. Les scénarios Sc_EM+OAD et Sc_OAD se distinguent par une réduction des prélèvements sur les cultures de maïs (- 30 %) et les semences (-28 %). Le scénario Sc_Ret entraine une augmentation des prélèvements principalement sur les semences (+10 %) et les maïs (6 et 13 %).
Figure 18 - Moyenne interannuelle des prélèvements d'irrigation par culture (2001-2013)
0 1000 2000 3000 4000 5000
CP colza maïsEnsil maïs pois prairiet semence soja tour vergers
m
3/h
a
Sc_Ref Sc_Ret Sc_EM+OAD Sc_EM Sc_OAD Sc_Assol 0 5 10 15 20 25
Sc_Ref Sc_Ret Sc_EM+OAD Sc_EM Sc_OAD Sc_Assol
Mm
3
(a)
Eaux de surface Retenues Nappes
0 5 10 15 20 25
Sc_Ref Sc_Ret Sc_EM+OAD Sc_EM Sc_OAD Sc_Assol
Mm
3
(b)
24
4. Mobilisation des réserves de soutien d’étiage – SEcumul
Nos résultats montrent que les scénarios Sc_EM+OAD et Sc_OAD permettent de réduire grandement les volumes déstockés des réserves Pareloup (-48 % et -42 %), Falquettes (-58 % et -57 %), et Thuriès (-15 % pour les deux scénarios).
Le scénario Sc_EM se distingue par une augmentation des volumes déstockés via les réserves Falquettes (+21 %) et St-Géraud (+11 %). Ce scénario n’a aucun impact sur les réserves de Pareloup et Thuries.
Le scénario Sc_Ret entraine une augmentation des volumes déstockés sur les réserves Pareloup et St-Géraud (+9 % pour les deux réserves), et une baisse des volumes déstockés sur les réserves Falquettes et Thuries (-2 à -3 %).
Le scénario Sc_Assol entraine une baisse significative des volumes déstockés sur la réserve Falquettes (-67 %), et une augmentation sur la réserve St-Géraud (+8 %).
Par ailleurs, les volumes déstockés pour le soutien d’étiage varient d’une année à l’autre, avec un soutien d’étiage très marqué les années 2005 et 2001 (volumes déstockés supérieurs à 8 Mm3).
Figure 19 - Moyenne interannuelle (a) et total du volume déstocké par an (b) à partir des principales réserves de soutient d’étiage (Falquettes + Parloup + St-Géraud + Thuries)
0 5 10 15 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 Mm 3 (b)
Sc_Ref Sc_Ret Sc_EM+OAD Sc_EM Sc_OAD Sc_Assol 0 1 2 3 4 5 6 7 8
Sc_Ref Sc_Ret Sc_EM+OAD Sc_EM Sc_OAD Sc_Assol
Mm
3
(a)
25
5. Fréquence de franchissement du débit d’objectif d’étiage à l’exutoire du bassin – FDOE
Seuls les scénarios Sc_Ret, Sc_EM+OAD, et Sc_OAD (total par an) entrainent une baisse de la fréquence de dépassement du DOE de respectivement 2 jours, 5 jours, et 6 jours par rapport au scénario de référence.
La période août-septembre est celle avec le plus de franchissement du DOE (nombre de jours moyen de franchissement/an supérieur à 8).
Par ailleurs, les fréquences de franchissement du DOE varient d’une année à l’autre et entre scénarios sur la période de simulation. Les fréquences de franchissements maximales (nombre de jours par an) sont observées en 2003, 2011 et 2012, avec valeurs de franchissement supérieures à 60 jours/an (Figure 21).
Figure 20 - Fréquence moyenne mensuelle de franchissement du DOE pour la station de l’Aveyron à Montauban (2001-2013). Cela correspond au nombre de jour/mois ou le débit est inférieur au DOE.
Figure 21 - Dynamique annuelle de franchissement du DOE pour la station de et l’Aveyron à Montauban (2001-2013). Cela correspond au nombre de jour/an ou le débit est inférieur au DOE.
0 10 20 30 40
janv févr mars avr mai juin juil août sept oct nov déc Total
N o mb re d e jo u rs mo ye n s/an
L’Aveyron à Montauban - O5882510
Sc_Ref Sc_Ret Sc_EM+OAD Sc_EM Sc_OAD Sc_Assol
0 20 40 60 80 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 N o mb re d e jo u rs /an
L’Aveyron à Montauban - O5882510
26
6. Dynamique du débit à l’exutoire du bassin – QEXT
L’impact des scénarios sur le débit à l’exutoire du bassin varie selon les mois. Le scénario Sc_Assol se distingue par une augmentation marginale du débit à l’exutoire durant toute l’année, avec des augmentations de +0,01 % de janvier à avril, et entre 0,03 et 0,33 % de mai à décembre. Les augmentations les plus fortes du débit sont observées les mois de juillet, août et septembre avec respectivement +0,25 %, +0,29 %, et 0,33 %.
Le scénario Sc_EM+OAD entraine une augmentation des débits entre mai et octobre, avec les plus fortes augmentations en août (+ 1,60 %), septembre (+3,46 %), et octobre (+0,98 %). En revanche, on observe dans ce scénario une baisse des débits en novembre (-0,05 %) et décembre (-0,01 %). Le scénario Sc_OAD suit la même tendance que le Sc_EM+OAD avec des augmentations quasi similaires.
Le scénario Sc_Ret entraine une augmentation du débit de février à août (entre 0,06 % et -0,9 %), et une baisse de novembre à janvier (entre -0,03 % et -0,3 %). Le mois de juillet est celui où est observée la plus forte augmentation du débit (+0,9 %).
Figure 22 - Modules inter-annuel simulés à l'exutoire du bassin (2001 à 2013. Représentation en différence par rapport au scénario de référence (Sc_i – Sc_Ref)
7. Rendement et production agricole – RDT-PROD
Les rendements obtenus varient entre scénarios et entre cultures. Le scénario Sc_Ret entraine une augmentation de rendement principalement sur le maïs ensilage (+11 %), les semences (+10 %), le soja (+10 %), et les vergers (+6 %).
Le scénario Sc_EM+OAD entraine une augmentation de rendement principalement sur le maïs ensilage (+14 %) et les vergers (+16 %). Une baisse de rendement est principalement observée sur le maïs (-8 %) et les semences (-5 %). Le scénario Sc_EM suit quasiment les mêmes tendances que le Sc_EM+OAD.
-0,10 -0,05 0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40
janv févr mars avr mai juin juil août sept oct nov déc
D
ébi
t
(m
3/s)
Module inter-annuel simulé de l’Aveyron à Montauban - O5882510 (2001-2013)
27
Le scénario Sc_OAD entraine une augmentation de rendement principalement sur les vergers (+35 %) et les prairies temporaires (+8 %). Une baisse de rendement est principalement observée sur le maïs (-5 %) et les semences (-4 %).
Le scénario Sc_Assol entraine une augmentation de rendement principalement sur le maïs ensilage (+9 %) et les prairies temporaires (+6 %). Une baisse de rendement est principalement observée sur le soja (-7 %).
La production agricole suit quasiment les mêmes tendances observées sur les rendements, à l’exception du scénario Sc_Assol qui entraine une baisse de la production entre 10 et 33 % sur l’ensemble des cultures.
Figure 23 - Moyenne interannuelle des rendements(a) et des productions agricoles (b) par culture (2001-2013)
4. DISCUSSION
1. Discussion générale
La plateforme de modélisation MAELIA permet de simuler différentes alternatives de gestion de l’eau dans les bassins agricoles. Les résultats obtenus montrent que la performance des scénarios simulés varie en fonction des indicateurs.
Nous discutons ici la performance générale des différents scénarios par une analyse intégrant les différents indicateurs simulés.
0 5 10 15 20 25 30
CP colza maisEnsil maïs pois prairiet semence soja tour vergers
Re n d em en t (t/h a) (a)
Sc_Ref Sc_Ret Sc_EM+OAD Sc_EM Sc_OAD Sc_Assol
0 4000 8000 12000 16000 20000
CP colza maïsEnsil maïs pois prairiet semence soja tour vergers
to
n
n
e
(b)
28
Le scénario Sc_Ret met en évidence des résultats contre-intuitifs du fait qu’il fait varier faiblement le débit à l’exutoire du bassin (entre 0,03 % et 0,9 %), et augmente par ailleurs les volumes d’irrigation, ce qui remet en cause sa capacité à favoriser une meilleure dynamique d’écoulement au niveau des rivières. Cette augmentation générale des prélèvements masque (i) une augmentation des prélèvements dans les retenues agricoles, et à l’inverse une (ii) baisse des prélèvements dans les nappes. En revanche, les prélèvements réalisés dans les cours d’eau restent faiblement affectés. L’augmentation des prélèvements dans les retenues agricoles s’explique car dans le scénario Sc_Ret, la nouvelle retenue créée est supposée être remplie à sa capacité maximale en début de campagne, elle est donc peu limitante. Cette plus grande disponibilité en eau entraine de ce fait une sollicitation plus forte des retenues par rapport au scénario de référence. L’augmentation des prélèvements dans les retenues n’est pas compensée par une diminution équivalente des prélèvements à partir des autres ressources.
Le scénario Sc_EM+OAD se distingue significativement des autres. Nos résultats montrent qu’une modification du mode de pilotage de l’irrigation combiné à une modification du matériel d’irrigation des principaux systèmes de cultures irrigué permet de réaliser des économies d’eau de 4,8 Mm3/an en moyenne sur le territoire, avec une prédominance d’économies sur les prélèvements en cours d’eau et de raccourcir la période d’irrigation. Ceci a pour effet d’augmenter les débits des cours d’eau en période d’étiage. Les principales cultures concernées par ces économies d’eau sont les maïs (ensilage, grain, tardif), les semences et les verges, soit 400 à 1200 m3/ha. De même, cette association entre conduite d’irrigation de précision et investissement dans des technologies d’irrigation plus efficientes (OAD) permet de réduire considérablement les volumes déstockés des principales réserves de soutien d’étiage (notamment celles de Pareloup et Thuries). Or, les lâchers de volumes d’eau pour le soutien d’étiage de ces deux retenues font l’objet de compensations financières entre l’AEAG et EDF fondées sur la notion de préjudice énergétique. Cette baisse de volumes déstockés (1 Mm3/an en moyenne) représente ainsi un gain économique important pour l’AEAG.
En revanche, ce scénario entraine des baisses de rendements sur les maïs tardifs (2t/ha). Cela s’explique par la stratégie d’« irrigation théorique » mise en œuvre qui restreint l’irrigation (limite ainsi les prélèvements, Figure 16) vers la fin du cycle végétatif de la culture, et ne permet donc pas de satisfaire pleinement les besoins hydriques sur cette période.
Le fait de simuler séparément le scénario Sc_EM+OAD en deux scénarios distincts (Sc_EM et Sc_OAD) montre une contribution plus significative du scénario Sc_OAD.Le changement de matériel seul, sans changement du pilotage, présente de ce fait peu d’intérêt. On ne saurait donc se limiter à la mise en œuvre de la seule alternative correspondant au changement de matériel, au risque de limiter les impacts positifs potentiels sur la gestion des ressources en eau. Sachant que le Sc_OAD peut être mis en œuvre assez simplement contrairement au changement de matériel, on peut donc imaginer une transition en deux temps.
