Memoire Compressed

Modélisation des échanges nappe-rivière à l’échelle
intermédiaire : conceptualisation, calibration, simulation

Yohann Cousquer
To cite this version:

Yohann Cousquer. Modélisation des échanges nappe-rivière à l’échelle intermédiaire : conceptuali-
sation, calibration, simulation. Hydrologie. Université Bordeaux Montaigne, 2017. Français. <tel-
01567824>
HAL Id: tel-01567824

https://hal.archives-ouvertes.fr/tel-01567824
Submitted on 24 Jul 2017
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
THÈSE DE DOCTORAT DE L’UNIVERSITÉ
BORDEAUX MONTAIGNE
École Doctorale Montaigne Humanités (ED 480)
Discipline : Géosciences
Spécialité : Hydrogéologie
présentée par
Yohann Cousquer
pour obtenir le grade de :
Docteur de l’Université Bordeaux Montaigne
Modélisation des échanges nappe-rivière à l’échelle

intermédiaire : conceptualisation, calibration, simulation
Directeur de thèse : M. Alain Dupuy
Co-encadrant : M. Alexandre Pryet
Soutenue le 18 janvier 2017 devant le jury composé de :
M. Hervé Jourde Pr., Université de Montpellier Président du Jury

M. Philippe Ackerer DR, CNRS Rapporteur
M. Alain Dassargues Pr., Université de Liège Rapporteur
M. Nicolas Flipo Dr., HDR, Mines ParisTech Examinateur
M. Olivier Atteia Pr., Bordeaux INP Examinateur
M. Xavier Litrico Dr., HDR, LyRE Invité
Résumé
Les interactions entre les eaux souterraines et les eaux de surface sont
complexes et jouent un rôle prépondérant dans le fonctionnement des
hydrosystèmes, tant en termes quantitatifs (soutien des étiages, évène-
ments de crues) que qualitatifs (transport de polluants d’origines agri-
cole ou industrielle). Ces problématiques sont abordées à travers la ca-
ractérisation et la modélisation des échanges nappe-rivière à l’échelle
intermédiaire [1-10km] avec pour objet d’étude le champ captant de
Thil-Gamarde qui alimente la métropole de Bordeaux en eau potable.
Ce champ captant est traversé par un cours d’eau, la Jalle de Saint-
Médard, vecteur historique de pollutions. L’objectif principal de ces
recherches, réalisées dans le cadre d’un projet de recherche intitulé
MHYQADEAU, est de proposer un outils d’aide à la gestion de la
ressource en eau.
Une revue bibliographique des méthodes d’étude des échanges nappe-

rivière fait état de la rareté des méthodes disponibles à l’échelle in-
termédiaire, et met en avant la nécessité d’employer la modélisation,
conjointe à des mesures de terrain, pour étendre l’information locale
à l’échelle intermédiaire.
Ainsi, une première phase est constituée d’un volet théorique, visant à
améliorer les modalités d’intégration des rivières dans les modèles hy-
drogéologiques de l’échelle intermédiaire à régionale. Les rivières sont
généralement modélisées par l’intermédiaire d’une condition de type
Cauchy. Ce type de condition est basé sur une valeur de conductance
(Coefficient RIVière, CRIV ). La difficulté majeure étant la détermina-
tion d’une valeur cohérente du CRIV, paramètre qui intègre plusieurs
phénomènes physiques. Un outil a été développé pour estimer cette
valeur à partir d’informations sur les paramètres hydrodynamiques et
géométriques de la nappe et de la rivière. Cet outil consiste en un
modèle conceptuel réalisé avec le code de calcul SUTRA, à l’échelle
locale d’une section d’aquifère en relation avec une rivière. Contrai-
rement aux autres approches utilisées jusqu’à présent pour obtenir
CRIV, la méthode proposée prend en compte la taille du maillage, et
l’anisotropie de conductivité hydraulique de l’aquifère. Une analyse
de sensibilité globale indique la forte sensibilité de ces paramètres sur
le CRIV. La valeur du CRIV obtenue est assortie d’une distribution
probabiliste a priori et peut constituer une valeur initiale et de régu-
larisation pour la calibration d’un modèle d’intéraction nappe-rivière.
L’étude du champ captant de Thil-Gamarde, qui constitue le cœur de

ce travail de thèse, débute avec l’établissement d’un modèle conceptuel
des écoulements et du transport en nappe. Cette partie est fondée es-
sentiellement sur des travaux de terrain visant à acquérir un maximum
d’informations sur la zone d’étude. L’approche multidisciplinaire en-
visagée est constituée de travaux hydrogéologiques complétés par des
travaux hydro-chimiques et géophysiques réalisés en parallèle. L’en-
semble des ces études ont permis i) de décrire un contexte structural
fortement hétérogène, ii) de mettre en place un réseau de suivi hydro-
géochimique, iii) de définir les rapports de mélange nappe-rivière en
chacun des points d’observation, et iv) d’obtenir de l’information a
priori sur les propriétés hydrodynamiques de l’aquifère et du lit de la
rivière.
Un modèle 2D horizontal en régime transitoire élaboré avec les codes

de calculs MODFLOW pour l’écoulement et MT3DMS pour le trans-
port, a été construit. Les propriétés hydrodynamiques de l’aquifère,
transmissivité et coefficient d’emmagasinement, sont paramétrisées à
travers un grand nombre de points pilotes. La calibration du mo-
dèle est réalisée avec l’algorithme de Gauss-Levenberg Marquardt im-
plémenté dans la suite PEST++. La calibration des paramètres du
modèle est réalisée vis-à-vis des chroniques de charge hydraulique me-
surées en différents points de l’aquifère ainsi que sur les rapports de
mélange nappe-rivière aux ouvrages de production, déduit des cam-
pagnes géochimiques. Une régularisation de type Tikhonov sur les
valeurs a priori de chaque paramètre est effectuée pour contraindre la
calibration. Elle a également été accompagnée par une régularisation
mathématique (SVD).
L’étape de calibration des rapports de mélange nappe-rivière simulée
avec MT3DMS nécessite des temps de calculs importants. Pour pal-
lier ce problème, un modèle équivalent, rapide, de transport advectif
avec le suivi de particules a été développé avec MODPATH. Cette mé-
thode se base sur le décompte de particules semées depuis un point
de production (puits) jusqu’à sa source (rivière) (backward particle
tracking).
L’étape de calibration avec régularisation est menée conjointement sur
les modèles d’écoulement et de transport. A l’issue de cette phase de
calibration l’estimation des incertitudes paramétriques et prédictives
du modèle est conduite par analyse linéaire et méthode du Null Space
Monte Carlo (NSMC).
Enfin, quelques scénarios prédictifs de gestion sont présentés afin de

répondre à la contrainte majeure de la réduction des proportions d’eau
de rivière dans les ouvrages de production.
Mots clés : Échanges nappe-rivière, modélisation, MODFLOW, MT3DMS,

MODPATH, calibration, simulation
Remerciements
Après avoir répliqué à de nombreuses reprises à la question récur-

rente : "Alors, elle avance cette thèse ?" par un ironique "oui oui, je
suis en train d’écrire les remerciements...", il est temps d’accomplir
cette étape plusieurs fois évoquée comme étant le point final à ce qui
fut trois années de travail et de vie. Je profite donc avec plaisir de
cette section, afin de remercier toutes les personnes qui ont partici-
pées à l’aboutissement de ce travail.
Mes pensées vont tout d’abord à mes directeurs de thèse, merci à

Alain Dupuy pour sa bienveillance, son soutien et sa confiance tout
au long du projet. Merci à Alexandre Pryet pour son accompagne-
ment indéfectible tout au long de ces trois années, son encouragement
et son enthousiasme. Merci messieurs pour votre investissement dans
ce projet, votre expertise et pour tout ce que vous avez su m’apporter
sur le plan professionnel comme personnel. Ce fut un réel plaisir de
travailler à leurs côtés
J’aimerais remercier les membres du jury qui m’ont fait l’honneur de

juger mon travail : Philippe Ackerer et Alain Dassargues pour
avoir accepté le rôle de rapporteur de cette thèse, merci à Hervé
Jourde pour avoir accepté la présidence du jury et le rôle d’exa-
minateur, merci à Nicolas Flipo et Olivier Atteia d’avoir accepté le
rôle d’examinateur.
Je tiens à remercier toutes les personnes avec qui j’ai eu le plaisir de

collaborer. Merci à Nicolas Flipo, pour les discussions passionées sur
les intercations nappe-rivière. Merci à Myriam Schmutz, pour sa vi-
sion géophysique des échanges nappe-rivière. Merci à Olivier Atteia,
pour l’expertise qu’il m’a apporté sur la problématique du transport
et les discussions très interessantes sur les mécanismes de dispersion.
Je pense également aux postdocs qui ont participé à ce projet et sans
qui ce travail ne serait pas ce qu’il est. Merci à Abdelaziz Fanzar, Cé-
lestine Delbart et Rémi Valois. Ce fut un réel plaisir de travailler
avec vous, et d’apprendre de vos spécialités respectives. Je tiens éga-
lement à remercier les membres Suez Environnement avec qui j’ai eu
plaisir à échanger et travailler. Merci à Xavier Litrico qui a toujours
porté un regard attentif sur le déroulement de cette thèse. Je remer-
cie également Mélodie Chambolle avec qui il a toujours été agréable
d’échanger et de travailler. Merci à Michel Fargeot, pour nous avoir
partagé son expertise sur le champ captant de Thil-Gamarde et avoir
su nous faciliter la réalisation des opérations necessaires au bon dé-
roulement du projet. Je tiens aussi à remercier l’ensemble du per-
sonnel de Suez Environnement travaillant sur le champ captant de
Thil-Gamarde qui nous ont permis de mener à bien ce projet.
Je souhaiterais remercier l’ensemble du personnel de l’ENSEGID qui

ont rendu la vie au laboratoire agréable. Tout d’abord mes co-bureaux :
Hugo avec qui j’ai partagé mon bureau du premier jour jusqu’à l’im-
pression du manuscrit. Merci pour son écoute, son soutien et les nom-
breuses discussions fort interessantes, parfois scientifiques parfois pas
du tout, autour d’un café mais aussi de quelques bières. Merci éga-
lement aux autres co-bureaux de passage avec qui il a été agréable
de discuter et d’échanger : Line, Mouloud, Léonard et Anita. Je tiens
également à remercier les doctorants et post-doctorants qui ont éga-
lement contribué à rendre mon séjour agrébale : Clément pour les
petites parties de foot improvisées de fin d’aprés-midi du mois d’août
et les discussions de 18h30 toujours accompagnées de Rémi et d’Hugo.
Merci à Morgan pour l’entraide mutuelle en fin de thèse. Merci à Eli-
cia pour les échanges et conseils notament sur la mise en oeuvre du
null-space monte carlo. Marci également à Alex, Tamara, Jean, Nico,
Mehdi, Elyess, Adrien, Adel, Kevins, Luca, Aurelie, Constance. J’ai-
merais remercier les membres du personnel qu’ils soient enseignant-
chercheurs, ingénieurs, administratifs, pour leur soutien et leur aide
et notamment François, Michel, Raphaël, Jean-Marie et Greg pour les
bons moments partagés.
Dans un registre moins académique j’aimerais remercier mes amis,

tout d’abord la bande des Montpelliérains : David, Manu, Marco,
Max, Paul et Pauline un immense merci pour tous les moments in-
oubliables partagés, et ce depuis bien avant ces années de thèse. Je
pense aussi à mes collégues et amis de Master qui s’en sont allés faire
leur thèse de l’autre coté de l’Atlantique Raph et Nico et plus loca-
lement Clio et Thomas, nos trop rares retrouvailles ont toujours été
un réel plaisir. Je pense également aux belles recontres faites ici et
nottament à Aurelie merci pour les quelques relectures de dernière
minute et les pastis Landais ! Brittany, pour tous les bons moments
passés ensemble. Merci également à Antoine, pour les sorties durant
son séjour à Bordeaux, et Emile pour les belles bouteilles partagées.
J’aimerais remercier mes parents qui m’ont permis d’avoir la curosité

necessaire, pour leur soutient et leur encouragement sur ces trois der-
nières années et bien avant, je leur doit beaucoup. Merci aussi à mes
deux frères, Sylvain et Guillaume, pour tout ce qu’ils ont su m’appor-
ter en tant que "grands" frères.
Et enfin, un merci un peu spécial à Clotilde pour son soutien sans

faille, pour avoir toujours été à mon écoute mais aussi pour les pré-
cieuses relectures qu’elle a pu faire sur les parties en anglais comme
en français. Ma reconnaissance envers toi s’étend bien au delà de ce
travail de thèse.
Table des matières
1 Introduction générale 1
1.1 Motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Contexte scientifique . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Organisation du projet . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Structure du document . . . . . . . . . . . . . . . . . . . . . . . . 4
I Caractérisation 7
2 Échanges nappe-rivière à l’échelle intermédiaire 9
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Échanges nappe-rivière et échelle spatiale d’observation . . . . . . 10
2.3 Méthodes de mesure des interactions nappe-rivière . . . . . . . . . 15
2.4 Cas de l’échelle intermédiaire . . . . . . . . . . . . . . . . . . . . 18
2.5 Modélisation des échanges nappe-rivière . . . . . . . . . . . . . . 20
3 Estimating River Conductance from Prior Information to Im-

prove Surface-Subsurface Model Calibration 25
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 The Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3 Applications of the Methodology . . . . . . . . . . . . . . . . . . 34
3.4 Sensitivity of the River Conductance to Hydrodynamic and Geo-
metric Parameters . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.5 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.6 The Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.8 Acknowledgments . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.9 Appendix A : Validation of the Local Numerical Model . . . . . . 41
II Conceptualisation 43
4 Échanges nappe-rivière à l’échelle intermédiaire : le champ cap-
tant de Thil-Gamarde 45
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
vii
TABLE DES MATIÈRES
4.2 Contexte général . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

4.3 Présentation du champ captant . . . . . . . . . . . . . . . . . . . 49
4.4 Caractérisation et conceptualisation des écoulements et du transport 55
III Modélisation et calibration 79

5 Construction du modèle d’échanges nappe-rivière à l’échelle in-
termédiaire 81
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.2 Approche de modélisation : choix des modèles . . . . . . . . . . . 81
5.3 Plateforme de modélisation . . . . . . . . . . . . . . . . . . . . . 82
5.4 Modélisation de l’écoulement . . . . . . . . . . . . . . . . . . . . . 82
5.5 Modélisation du transport . . . . . . . . . . . . . . . . . . . . . . 94
5.6 Discussion et perspectives . . . . . . . . . . . . . . . . . . . . . . 96
6 Parameter Estimation with Particle Tracking as a Surrogate Mo-

del for Advective-Dispersive Transport 99
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.2 Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.3 Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.4 Discussion and Conclusions . . . . . . . . . . . . . . . . . . . . . 110
7 Estimation des paramètres et quantification des incertitudes 113

7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.2 Estimation des paramètres dans les modèles hydrogéologiques . . 113
7.3 Mise en œuvre de l’estimation des paramètres . . . . . . . . . . . 123
7.4 Résultats de l’estimation des paramètres . . . . . . . . . . . . . . 129
7.5 Quantification des incertitudes . . . . . . . . . . . . . . . . . . . . 142
IV Simulation 155
8 Apport de la modélisation des échanges nappe-rivière à la gestion
du champ captant 157
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
8.2 Caractérisation des échanges nappe-rivière . . . . . . . . . . . . . 157
8.3 Exemples d’application du modèle développé . . . . . . . . . . . . 160
8.4 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
V Conclusions et perspectives 167

9 Conclusions 169
9.1 Développements méthodologiques . . . . . . . . . . . . . . . . . . 169
9.2 Résultats opérationnels . . . . . . . . . . . . . . . . . . . . . . . . 170
viii
TABLE DES MATIÈRES
9.3 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
10 Perspectives 173
10.1 Perspectives de recherche . . . . . . . . . . . . . . . . . . . . . . . 173
10.2 Perspectives opérationnelles . . . . . . . . . . . . . . . . . . . . . 174
Références 175
ix
Chapitre 1
Introduction générale
1.1 Motivations
De nombreux champs captants puisent leurs ressources en eau potable au sein du

continuum surface-souterrain en zones urbaines ou péri-urbaines où les risques
de pollutions accidentelle ou diffuse sont élevés (Derx et al., 2010; Doppler et al.,
2007; Engeler et al., 2011; Kurtz et al., 2014; Loizeau, 2013). C’est le cas du
champ captant de Thil-Gamarde (Gironde) qui alimente en eau la métropole de
Bordeaux à hauteur d’environ 20% de ses besoins. On y exploite un système aqui-
fère de sub-surface inter-connecté avec les eaux de surface. Le site a fait l’objet
durant l’été 2011 d’une première alerte de pollution au perchlorate d’ammonium
sur ses ouvrages AEP. Le cours d’eau qui traverse ce champ captant, la Jalle de
Saint-Médard, est un des vecteurs avéré de cette pollution.
C’est dans ce contexte que la région Nouvelle-Aquitaine (ancienne région Aqui-
taine), en partenariat avec le LyRE de Suez-Environnement et le laboratoire de
recherche Géoressources & Environnement, a mis en place le projet MHYQA-
D’Eau (Modélisation HYdrogéologique intégrée surface - profondeur pour la ges-
tion Quantitative et qualitative des ressources en eau en Aquitaine et le Dévelop-
pement durable). Ce projet a pour but de caractériser les échanges nappe-rivière
à l’échelle du champ captant de Thil-Gamarde à travers la conceptualisation et la
modélisation des écoulements et du transport en nappe, afin de mettre en place
un outil permettant d’évaluer des scénarios alternatifs de gestion pour gérer et
protéger la ressource en eau.
Au delà de ce cas d’étude sur la métropole bordelaise, les recherches menées dans
le cadre de cette thèse s’inscrivent dans une démarche plus générale d’améliora-
tion de la prise en compte des échanges nappe-rivière dans les modèles hydro-
géologiques. Cette démarche s’étend de la conceptualisation à la simulation en
passant par l’estimation des paramètres et la quantification des incertitudes pa-
ramétriques et prédictives. L’approche développée se veut réplicable à d’autres
contextes et sites d’études où la modélisation des échanges nappe-rivière est un
enjeu fort.
1
1. INTRODUCTION GÉNÉRALE
1.2 Contexte scientifique

Les eaux souterraines et les eaux de surface ne sont pas des objets isolés du cycle
de l’eau, mais deux composantes inter-connectées d’une même ressource (Fle-
ckenstein et al., 2010; Sophocleous, 2002). Ainsi, les impacts sur l’une de ces
deux composantes affectent inévitablement l’autre, que ce soit qualitativement
ou quantitativement (Winter, 1995).
Les ressources en eaux de surface et souterraines ont pourtant longtemps été étu-
diées et gérées séparément. Cependant, la pression anthropique exercée à l’heure
actuelle sur les eaux de surface comme souterraines, associée au changement cli-
matique, entraine des problèmes de disponibilité et de qualité de la ressource en
eau (de Marsily, 2009). C’est ce qui a conduit à la nécessité de gérer ces deux
entités comme une ressource unique (Fleckenstein et al., 2010). Cette nouvelle
perception a permis de faire évoluer la gestion de la ressource en eau des hydro-
systèmes en apportant de nouveaux défis aux chercheurs et gestionnaires dans le
but de préserver une gestion durable et qualitative de la ressource en eau.
Initié dans les années 60 (Tóth, 1999), ce n’est que depuis une vingtaine d’années
que l’intérêt pour l’étude des interactions entre les eaux de surface et les eaux
souterraines a considérablement augmenté, avec 3 articles majeurs marquant ce
tournant : Winter (1999) ; Woessner (2000) ; Sophocleous (2002). De nombreuses
méthodes de mesure des interactions nappe-rivière ont été développées (Kalbus
et al., 2006; Mouhri et al., 2012) et l’utilisation de modèles comme interpolateur
spatio-temporel a permis la compréhension des processus d’échanges sur diffé-
rentes échelles spatiales et temporelles (Flipo, 2013). Néanmoins, de nombreux
enjeux et questions persistent et constituent un domaine de recherche multidis-
ciplinaire actif. La caractérisation des processus bio-géochimiques associés aux
fonctions écologiques de l’interface nappe-rivière, et la capacité de cette interface
a atténuer les pollutions en font partie (Fleckenstein et al., 2010). D’un point de
vue quantitatif, l’intégration des rivières dans les modèles d’échange nappe-rivière
en intégrant les hétérogénéités géologiques et les processus sur différentes échelles
est un autre défit majeur (Fleckenstein et al., 2006; Flipo, 2013).
D’un point de vue appliqué, de nombreuses recherches ont été menées avec comme
but la gestion qualitative ou quantitative de la ressource en eau du continuum
surface-souterrain (Dujardin et al., 2014; Engeler et al., 2011; Goderniaux et al.,
2009; Kurtz et al., 2014; Leaf et al., 2015; Peyrard et al., 2008) et notamment en
France, où une forte proportion de l’eau potable consommée provient de nappes
alluviales d’accompagnement en relation directe avec les entités de surfaces (La-
barthe, 2016; Lalot, 2014; Loizeau, 2013; Pryet et al., 2015b).
1.3 Méthodologie
Le souterrain est par nature difficilement accessible et analysable. Cela entraine
un manque d’information sur ses propriétés et son fonctionnement. La modélisa-
2
1.3 Méthodologie
tion est souvent la meilleure option pour décrire le fonctionnement d’un système
hydrogéologique ainsi que pour prédire les conséquences de scénarios prospec-
tifs (Anderson et al., 2015). C’est dans cette optique qu’a été initié ce projet de
thèse. La réalisation de cet objectif a permis de se poser certaines questions sur
la conceptualisation, la modélisation, l’estimation des paramètres et la mise en
pratique d’un modèle d’échange nappe-rivière à l’échelle intermédiaire [100 m -
10 km]. Les réponses à ces questions ont pu déboucher sur l’élaboration ou l’uti-
lisation de méthodologies originales concernant la modélisation des interactions
nappe-rivière à cette échelle.
Une modélisation des échanges nappe-rivière passe en partie par une intégration
rigoureuse des eaux de surfaces au sein des modèles hydrogéologiques. A notre
échelle de travail et jusqu’à l’échelle de l’hydrosystème, les eaux de surface sont
très largement simulées au travers de modèle à conductance (type Cauchy) à
partir du code de calcul MODFLOW (Ebel et al., 2009; McDonald and Har-
baugh, 1988; Rosenberry and LaBaugh, 2008). L’amélioration de la simulation
des échanges nappe-rivière à travers l’estimation de la valeur de conductance
constitue un axe majeur de recherche (Anderson, 2005; Mehl and Hill, 2010;
Morel-Seytoux, 2009; Morel-Seytoux et al., 2014; Rushton, 2007). Cependant, les
méthodes proposées sont souvent trop simples pour fournir une valeur fiable de
conductance ou alors trop complexes pour être utilisées par les modélisateurs.
Une première partie des recherches consiste à développer une méthodologie vi-
sant à proposer un outil d’estimation de la conductance basé sur l’information a
priori des paramètres physiques du système.
La réalisation de l’objectif opérationnel passe par la conceptualisation des écou-
lements et du transport nappe-rivière à l’échelle du site d’étude à travers des
travaux de terrain. La traduction du modèle conceptuel établi, en modèle mathé-
matique d’écoulement et de transport, est réalisé. L’estimation des paramètres par
résolution du problème inverse, étape inhérente à la modélisation, est conduite
avec l’aide de l’algorithme d’estimation des paramètres PEST++ (Welter et al.,
2012). En dehors de l’estimation des paramètres classiquement réalisée vis-à-vis
des observations de charges, les besoins de l’étude nécessitent une bonne simu-
lation du transport nappe-rivière, caractérisé par des observations de rapports
de mélange eau de surface - eau souterraine. Cependant, les simulations utilisant
la résolution de l’équation d’advection - dispersion sur des modèles complexes
sont souvent trop longues pour être utilisées dans le processus de calibration né-
cessitant plusieurs milliers d’appels de modèle (Carniato et al., 2015; Hill and
Tiedeman, 2006). Une méthodologie a alors été développée pour simuler les rap-
ports de mélanges entre les eaux de surface et les eaux souterraines à partir d’un
modèle équivalent, rapide, de suivi de particules à partir du code de calcul MOD-
PATH.
La diminution des problèmes liés à l’estimation des paramètres en modélisation
hydrogéologique, notamment la non-unicité et l’incertitude de la solution, est
un domaine de recherche actif (Zhou et al., 2014). Ces problématiques ont été
considérées dans cette thèse en utilisant des techniques de régularisation mathé-
matique largement employées (Doherty, 2003; Doherty and Skahill, 2006), mais
3
1. INTRODUCTION GÉNÉRALE
également en utilisant des observations de terrain, telles que les cartographies

de résistivité électrique afin de tendre vers une solution unique des paramètres
hydrodynamiques calibrés. Une méthodologie de quantification de l’incertitude
paramétrique et prédictive est mise en place à partir de l’analyse du Null-Space
Monte Carlo (Tonkin and Doherty, 2009).
L’aboutissement de ces recherches consiste en la proposition d’un modèle d’écou-
lement et de transport, permettant de tester des scénarios de gestion alternatifs
en vue de protéger la ressource en eau souterraine du vecteur de contaminations
rivière. Une méthodologie est mise en place pour tester des scénarios alternatifs
de gestion et prendre en compte l’incertitude associée à chacun des scénarios est
envisagée.
1.4 Organisation du projet

Cette thèse s’inscrit dans le cadre du projet MHYQAD’Eau dont elle fixe les li-
mites du premier volet (octobre 2013 - octobre 2016). Trois post-doctorants ont
également pris part au projet : Celestine Delbart de septembre 2014 à septembre
2016 sur l’axe géo-chimie du projet, dont les travaux ont portés sur l’acquisition
de données chimiques pour : i) caractériser les rapports de mélange surface -
souterrain aux points d’observation ; ii) décrire la dégradation biologique des per-
chlorates dans les sédiments du lit de la rivière. Abdelaziz Fanzar de septembre
2014 à septembre 2015 sur l’axe numérique du projet au travers du développement
et de la programmation d’outils numériques. Rémi Valois de septembre 2015 à
septembre 2016 sur l’axe géophysique du projet dont les travaux ont portés sur : i)
l’acquisition de données éléctro-magnétiques (EM 31) et de résistivité électrique
pour caractériser les structures géologiques de la zone d’étude ; ii) l’utilisation
de la méthode du potentiel spontané (PS) pour caractériser le sens d’échange
nappe-rivière.
Le projet et la thèse sont globalement divisés en plusieurs phases chronologiques :
la première année a majoritairement été consacrée aux travaux de terrain (ins-
trumentation, acquisition, traitement des données) et à l’étude bibliographique
des échanges nappe - rivière ; la deuxième année a servi au développement de
l’outil de calcul du coefficient rivière en parallèle des travaux de terrain et de
la construction du modèle d’écoulement et de transport de la zone d’étude ; la
troisième année a servi à la phase modélisation, estimation des paramètres et la
gestion des incertitudes ainsi qu’à la rédaction du manuscrit de thèse.
1.5 Structure du document

Ce document est divisé en quatre parties principales : I) Caractérisation, II)
Conceptualisation, III) Modélisation et calibration et IV) Simulation.
La Partie I vise à établir un état de l’art des échanges nappe - rivière à l’échelle
intermédiaire et à améliorer l’intégration des rivières au sein des modèles hydro-
géologiques. Pour cela le chapitre 2 est axé sur la caractérisation de ces échanges,
4
1.5 Structure du document
la description des méthodes de mesure et la modélisation des échanges nappe -

rivière. Le chapitre 3 propose une approche pour estimer une valeur a priori du
coefficient rivière visant à améliorer la calibration des modèles d’échanges nappe
- rivière. Ce chapitre correspond à un article accepté par la revue Groundwater.
La Partie II vise à décrire le site d’étude et à établir le modèle conceptuel des
écoulements et du transport (Chapitre 4). Cette partie est principalement basée
sur les travaux de terrain réalisés au cours de cette thèse.
La Partie III est axée sur la construction du modèle d’échange nappe - rivière
(Chapitre 5) à travers la modélisation des écoulements et du transport à partir
d’une méthode de suivi de particule développée (cette méthode est décrite et vali-
dée dans le chapitre 6 sous la forme d’un article). L’estimation des paramètres et
la quantification des incertitudes paramétriques et prédictives est en suite décrite
(Chapitre 7). La Partie IV permet d’illustrer les possibilités de l’outil développé
pour le test de scénarios de gestion prédictifs, et la quantification des incertitudes
associées (Chapitre 8).
Les conclusions générales de cette thèse ainsi que les perspectives sont finalement
présentées (Partie V).
5
Première partie
Caractérisation
7
Chapitre 2
Échanges nappe-rivière à l’échelle

intermédiaire
2.1 Introduction
L’intérêt porté pour l’étude des interactions nappe-rivière est croissant sur les
dernières décennies (Fleckenstein et al., 2010). Les travaux menés par les éco-
logues, géologues et hydro(géo)logues ont permis une approche multidisciplinaire
dans l’étude des interactions nappe-rivière avec une vision d’ensemble des pro-
cessus entrants en jeu. L’interface nappe-rivière peut être considérée comme un
objet multi-échelle dont les processus et les moyens d’étude varient selon l’échelle
spatiale et temporelle d’observation (Flipo et al., 2014; Kalbus et al., 2006). À
l’échelle locale [0 m - 100 m], l’interface nappe-rivière est considérée comme une
zone, constituée par une couche de sédiments saturée en eau, située autour du lit
de la rivière (Kalbus et al., 2006), appelée zone hyporhéique (ZH) (Schwoer-
bel, 1961), alors qu’à l’échelle de l’hydrosystème [10 km - 100 km] l’interface
nappe-rivière est souvent constituée d’une plaine alluviale. La perception des pro-
cessus associés à ces deux échelles diffère spatio-temporellement, du changement
de pression à l’échelle infra-métrique à l’origine des échanges hyporéiques rapides
dans le premier cas, à des écoulements plus lents d’eau à l’échelle kilométrique
répondant à des gradients de charge régionaux pour le second (Figure 2.1). Les
flux ainsi échangés au travers de l’interface nappe-rivière répondent à des gra-
dients d’ampleur centimétrique à kilométrique sur des temps allant de la seconde
aux mois (Datry et al., 2008). De plus, la distribution des échanges est souvent
fortement irrégulière dans l’espace et dans le temps avec des débits très variables
le long et en travers du cours d’eau (Sophocleous, 2002).
Aux interfaces entre ces deux échelles, se situe l’échelle intermédiaire [100 m
- 10 km] dont les processus régissant les échanges englobent à la fois des phéno-
mènes locaux et régionaux.
Ce chapitre vise à caractériser les échanges nappe-rivière en fonction de ces trois
échelles spatiales d’observation : de la zone hyporhéique à l’hydrosystème
en passant par l’échelle d’intérêt pour ce travail, l’échelle intermédiaire. Un
inventaire non exhaustif des méthodes de mesure des échanges nappe-rivière sera
9
2. ÉCHANGES NAPPE-RIVIÈRE À L’ÉCHELLE INTERMÉDIAIRE
Figure 2.1 : Flux échangés nappe-rivière à différentes échelles. Flux de type hy-
porhéiques en bleu et violet et régionaux/intermédiaires en vert (Stonedahl et al.,
2010)
réalisé. Finalement, la description des méthodes d’intégration des rivières dans

les modèles hydrogéologiques d’écoulement sera faite.
2.2 Échanges nappe-rivière et échelle spatiale

d’observation
2.2.1 A l’échelle locale : la Zone Hyporhéique (ZH)
La ZH est un terme employé dans un premier temps par les écologues afin de
désigner un habitat écologique où les eaux de surface et les eaux souterraines se
mélangent (Datry et al., 2008). D’un point de vue hydrologique, la ZH est la zone
où les eaux de surface s’infiltrent dans la nappe, latéralement et en dessous du lit
de la rivière, et reviennent à la surface plus en aval (Harvey and Wagner, 2000).
La ZH peut faire entre quelques cm d’épaisseur, et jusqu’à plus de 100 m d’épais-
seur autour du cours d’eau (Ellis et al., 2007). Un principe simple implique que :
tout obstacle à l’écoulement du flux de surface provoque, si la perméabilité du
lit de la rivière le permet, des échanges à travers la ZH, l’amplitude des mouve-
ments dépendant en partie de la taille de l’obstacle. Ces échanges peuvent avoir
lieu sur différentes échelles spatiales : de l’échelle intermédiaire, où la sinuosité
du cours d’eau joue un rôle dans les échanges hyporhéiques, à l’échelle locale
10
2.2 Échanges nappe-rivière et échelle spatiale d’observation
Figure 2.2 : Les échanges hyporhéiques à différentes échelles spatiales Datry et al.
(2008)
par la présence d’un tronc d’arbre, ou d’un radier/mouille (Datry et al., 2008)
(Figure. 2.2).
D’après Hester and Doyle (2008) les échanges hyporhéiques obéissent princi-
palement aux mécanismes suivants :
• 1. les flux dus au changement local de pente du cours d’eau et induits par
le gradient de charge créé ;
• 2. les flux dus aux remous, créés par le gradient de charge formé par l’afflux
d’eau à la suite d’un obstacle dans le fond de la rivière (tronc d’arbre,
débris...) ;
• 3. les flux dus aux pertes de charge.
Le passage temporaire d’eau dans l’aquifère a d’importantes conséquences d’un
point de vue qualitatif de par les processus bio-géochimiques qui s’y produisent (Ful-
ler and Harvey, 2000; Soulsby et al., 2001). L’effet dépolluant de la ZH a éga-
11
Figure 2.3 : Condition hydraulique classique rencontrée à proximité d’une rivière,

la convergence des flux de l’aquifère vers la rivière permet l’échange, d’après (Ro-
senberry and LaBaugh, 2008)
lement été mis en avant (Gandy et al., 2007), et notamment sur la dégradation
des perchlorates (Célestine Delbart, communication personnelle et expérimenta-
tion). Cependant d’un point de vue quantitatif, au delà d’une certaine échelle, ces
échanges n’ont pas d’effet. La bibliographie menée à ce sujet montre d’ailleurs que
généralement, l’étude de la ZH est réalisée dans l’objectif d’étudier les procédés
bio-géochimiques.
Il convient de définir deux types de flux nappe-rivière : i) le flux total échangé
entre la nappe et la rivière qui correspond à la somme algébrique des flux entrants
ou sortants de l’interface nappe-rivière et ii) le flux net qui correspond au flux
échangé entre la rivière et l’aquifère excluant les flux localisés dans la ZH voués
à un circuit entre la rivière et la ZH. Lorsque l’on élargit l’échelle d’étude des
échanges nappe-rivière au delà de la ZH, la résultante des flux nappe-rivière tend
vers le flux net, qui est lui contrôlé par des paramètres régionaux (recharge de la
nappe par exemple), et revêt un fort intérêt sur le quantitatif.
En dehors des flux uniquement contenus dans la ZH, c’est également à l’échelle
locale que le flux net nappe-rivière est directement échangé au travers de l’inter-
face (Figure 2.3). Lorsque l’on considère une coupe transversale à la rivière, on
réalise que l’arrangement des lignes de courant est convergent / divergent (sauf
dans le cas d’une rivière complètement pénétrante). Ces flux, contrôlés par les
paramètres régionaux sont déterminants pour l’étude quantitative du flux net
nappe-rivière (Morel-Seytoux et al., 2014).
12
2.2 Échanges nappe-rivière et échelle spatiale d’observation
2.2.2 A l’échelle régionale : l’hydrosystème

A l’échelle de l’hydrosystème, l’étude des échanges nappe-rivière est placée dans
un contexte général de bassin versant (Mouhri et al., 2012), ce qui implique
souvent la non prise en compte de processus locaux, comme par exemple les
échanges hyporhéiques, qui n’ont plus d’effet quantitatif à cette échelle. On consi-
dère alors que les échanges nappe-rivière répondent principalement au gradient
hydraulique régional et aux propriétés hydrodynamiques du milieu (conductivité
hydraulique) (Sophocleous, 2002; Winter, 1995). La direction des échanges évolue
en fonction de la différence de charge hydraulique entre la rivière et la nappe, et
les volumes échangés dépendent de la configuration géométrique et des propriétés
hydrodynamiques de l’aquifère et du lit de la rivière (Rushton, 2007; Sopho-
cleous, 2002). A cette échelle, estimer les échanges nappe-rivière implique la prise
en compte de divers processus aux amplitudes temporelles variables ; horaire à
journalier pour les écoulements de surface, annuel à décennale pour la recharge,
et décennal à centennal pour les écoulements souterrains (Flipo et al., 2012). La
modélisation numérique doit alors souvent être employée comme interpolateur
spatio-temporel (Mouhri et al., 2013).
Les études portant sur les échanges nappe-rivière à l’échelle de l’hydrosystème
sont plutôt rares à l’heure actuelle, et sont largement minoritaires sur l’ensemble
des études sur les échanges nappe-rivière (Flipo, 2013). Parmi les études exis-
tantes, on peut citer Kikuchi et al. (2012) qui utilisent un dispositif multi-échelles
intégrant les trois échelles spatiales d’analyse (locale, intermédiaire et régionale)
pour caractériser les échanges nappe-rivière d’un bassin versant. Cette approche
permet dans un premier temps de déterminer des zones d’échange à l’échelle du
bassin versant (régional) pour ensuite effectuer des mesures à l’échelle de la section
de rivière (intermédiaire), puis à l’échelle locale. Ce type d’approche multidisci-
plinaire et multi-échelle permet de limiter les erreurs d’estimation (Fleckenstein
et al., 2010; Sophocleous, 2002).
D’un point de vue de la modélisation numérique les travaux cherchant à quantifier
les échanges nappe-rivière à l’échelle de l’hydrosystème sont également rares (La-
barthe, 2016; Leaf et al., 2015; Monteil, 2011; Pryet et al., 2015b; Saleh et al.,
2011; Thierion et al., 2012), cela est sans doute du au manque de données dispo-
nibles à cette échelle et des difficultés à mettre en œuvre de tels modèles (Pryet
et al., 2015b).
Quand les études de la ZH sont généralement réalisées dans un but de compré-
hension et de protection des écosystèmes s’y développant, l’étude des échanges
nappe-rivière à l’échelle régionale a majoritairement pour but la gestion de la res-
source en eau d’un point de vue quantitatif ou qualitatif (Thierion et al., 2012).
2.2.3 L’échelle intermédiaire

Suite à la présentation de l’échelle locale et régionale on peut distinguer : i) les
échanges hyporéiques, voués à un passage temporaire entre la sub-surface et la
rivière, et produits par le régime d’écoulement, les irrégularités morphologiques
13
Regional
Time scale Median
Local
Length scale
Figure 2.4 : Processus d’échange nappe-rivière dans le temps et l’espace. Dia-

gramme de Stommel modifié d’après (Blosch et al., 2015)
du lit de la rivière, les méandres, ou encore des obstacles présents sur le lit de la
rivière, ii) les échanges à plus large échelle qui répondent au gradient hydraulique
entre la nappe et la rivière (Figure 2.1).
Se situant entre les frontières des échelles locales et régionales, l’échelle intermé-
diaire [100 - 10km] englobe des processus aux fréquences temporelles et aux éten-
dues spatiales très différentes (Figure 2.4). Par exemple, la prise en compte des
processus hyporhéiques, qui est fondamentale dans l’étude et la modélisation de
l’interface nappe-rivière à l’échelle locale, n’est pas forcement à négliger à l’échelle
intermédiaire. Selon leurs étendues, les échanges hyporhéiques peuvent influer sur
les écoulements et le transport dans un périmètre proche de la rivière (Datry et al.,
2008), comme dans le cas d’un méandre ou encore d’un seuil. De l’autre coté, les
processus régissant les échanges nappe-rivière à l’échelle régionale sont également
fondamentaux à l’échelle intermédiaire. Les gradients hydrauliques régionaux et
la structure géologique générale vont directement guider le sens et l’intensité des
échanges à l’échelle intermédiaire (Sophocleous, 2002; Winter, 1995). Cette échelle
d’étude répond donc à certains processus locaux comme régionaux, spatialement
restreints comme étendus et temporellement rapides comme très lents. Bien que
plutôt rare comparé à l’échelle locale, il existe un certain nombre d’études sur les
échanges nappe-rivière à l’échelle intermédiaire (Doppler et al., 2007; Dujardin
et al., 2014; Engeler et al., 2011; Hunt et al., 2006; Loizeau, 2013). Généralement
traités sous l’angle de la modélisation, ces études utilisent des mesures locales
de charges (Doppler et al., 2007; Loizeau, 2013), température (Dujardin et al.,
2014; Engeler et al., 2011) pour calibrer un modèle numérique à l’échelle inter-
médiaire. Le but étant souvent la nécessité d’utiliser différents types de données
14
2.3 Méthodes de mesure des interactions nappe-rivière
pour limiter les erreurs d’estimations (Fleckenstein et al., 2010; Hunt et al., 2006;
Sophocleous, 2002)
2.3 Méthodes de mesure des interactions nappe-

rivière
De part la forte variabilité spatio-temporelle des processus entrant en jeu, les
moyens d’étude de l’interface nappe-rivière vont varier selon les objectifs à at-
teindre (Kalbus et al., 2006).
On peut classer les méthodes d’étude de l’interface nappe-rivière en deux grandes
parties en fonction de l’échelle d’étude : d’un coté les méthodes étudiant les pro-
cessus à l’échelle locale de la ZH (flux total) et d’un autre coté l’étude à plus large
échelle, s’intéressant au flux net. Dans le premier cas, les méthodes sont générale-
ment liées à l’étude des transferts bio-géochimiques à des fins écologiques (Anibas
et al., 2011; Cardenas and Wilson, 2007a; Schmidt et al., 2007) alors que dans le
deuxième cas les méthodes ont plus souvent un objectif quantitatif lié à la gestion
de la ressource en eau (Doppler et al., 2007; Kikuchi et al., 2012). On peut égale-
ment différencier les méthodes qui cherchent à identifier le sens des échanges, et
celles qui cherchent à identifier leur intensités.
Un tour d’horizon des méthodes les plus couramment utilisées est établi ici, l’ex-
haustivité n’étant pas l’objectif de cette section, le lecteur peut se rapporter à
des revues plus détaillées (e.g Kalbus et al. (2006); Mouhri et al. (2012))
2.3.1 Mesure directe du flux d’eau

Les mesures directes du flux de l’eau sont généralement basées sur l’utilisation
d’un capteur d’exfiltration (seepage meters) dont les premiers ont été proposés
par Lee (1977). Cet instrument consiste en un cylindre, de quelques dizaines de
centimètres de diamètre, dont une des extrémités est surplombée d’une poche, et
l’autre extrémité du cylindre est enfoncée dans les sédiments du lit de la rivière. Le
flux d’eau de la nappe vers la rivière est collecté dans la poche. Le débit échangé
est ensuite déduit à partir du temps de mesure et de la section du cylindre. Dans le
cas d’échange de la rivière vers la nappe un volume d’eau connu peut être introduit
dans le sac plastique et le volume perdu peut par la suite être déduit. Bien que
simple d’utilisation, et encore très utilisée (McCallum et al., 2012; Rosenberry
and Pitlick, 2009) les performances de cette méthode sont très discutées du fait
de la modification de la charge hydraulique dans le sac plastique due au débit
s’écoulant du cylindre (Murdoch and Kelly, 2003), il est également difficile de
faire la part des choses entre flux net et flux total avec les débits provenant
des échanges nappe-rivière, les échanges hyporhéiques et les re-circulations d’eau
(Kalbus et al., 2006). Il y a également un problème de représentativité spatiale,
du aux fortes hétérogénéités du lit de la rivière.
15
2.3.2 Méthode des traceurs thermiques

Le contraste de température entre les eaux de surface et les eaux souterraines
peut être utilisé pour caractériser et quantifier les échanges nappe-rivière. De
manière générale la température de l’eau souterraine est relativement stable au
cours de l’année. La température de l’eau de surface, au contraire, varie à l’échelle
journalière et saisonnière. Le transfert d’énergie thermique dans les sédiments ré-
pond aux mécanismes d’advection-dispersion (Mouhri et al., 2013). En l’absence
d’effet de densité il est décrit par la même équation d’advection-dispersion que
pour le transport de soluté en milieu poreux. Les méthodes thermiques sont ro-
bustes et relativement bon marché, elles permettent de connaitre rapidement et
facilement les zones de recharge ou de perte dans le lit de la rivière avec une forte
résolution spatiale. Cette méthode est très utilisée dans l’étude des flux d’eau
à travers la ZH pour caractériser les variations spatiales et temporelles de flux
d’eau échangé (Anibas et al., 2011; Fleckenstein et al., 2010; Mouhri et al., 2013;
Schmidt et al., 2007). Cependant, l’atténuation rapide du signal thermique en
fonction de la distance avec la rivière (Mouhri et al., 2013) rend difficile l’utili-
sation de cette méthode pour la quantification du flux net de la rivière vers la
nappe.
2.3.3 Méthodes basées sur la loi de Darcy

Ces méthodes sont basées sur la loi de Darcy, régissant les écoulements au sein
des milieux poreux :
Q = KAi (2.1)
où Q [L3 T−1 ] est le débit nappe-rivière échangé, K [L T−1 ] la conductivité
hydraulique, A [L2 ] l’aire de la section considérée, i [-] le gradient hydraulique
entre le puits d’observation et la rivière.
La mesure du niveau d’eau en un point de la nappe (piézomètre) proche rivière,
permet de déduire la direction et le flux entre le point mesuré et la rivière. Cepen-
dant cette méthode pose plusieurs problèmes : i) elle fait l’hypothèse de ligne de
courant strictement verticales (hypothèse de Dupuit–Forchheimer) et ne prend
donc pas en compte les flux convergent / divergeant autour de la rivière (Fi-
gure 2.3), ii) la difficulté d’obtenir la conductivité hydraulique équivalente entre
le puits d’observation et la rivière. La représentativité de cette méthode varie en
fonction de la distance entre le puits et la rivière. Noorduijn et al. (2014) montrent
en effet que la représentativité du débit d’échange estimé, sur la longueur de ri-
vière, est approximativement égale à la distance entre la rivière et le piézomètre.
Pour la composante verticale du flux souterrain, qui est particulièrement impor-
tante dans l’étude des interactions nappe-rivière, un système dit en "flûte de pan",
constitué de plusieurs piézomètres installés cote à cote mais à des profondeurs dif-
férentes, doit être envisagé (Kalbus et al., 2006).
En pratique, l’équipement conjoint de piézomètres et de points en rivière, avec
des sondes de pression, permet d’obtenir des mesures de charge hydraulique ponc-
16
2.3 Méthodes de mesure des interactions nappe-rivière
tuelle dans la nappe et dans la rivière. Facile et rapide à mettre en place cette
méthode permet le suivi temporel des fluctuations de niveau en nappe et en ri-
vière.
On peut également citer les méthodes "classiquement" utilisées en hydrogéolo-
gie pour estimer la conductivité hydraulique en nappe, avec les essais de nappe,
l’analyse granulométrique, mais également les mesures de conductivité hydrau-
lique du lit de la rivière, où Cheng et al. (2011) proposent une méthode basée sur
la construction d’un perméamètre à enfoncer verticalement ou horizontalement
dans les sédiments du lit de la rivière pour en déduire la conductivité hydraulique
verticale ou horizontale.
L’utilisation de ces méthodes répartie en plusieurs points de l’espace permet d’ob-
tenir une idée du sens, de la dynamique et de l’intensité des échanges nappe-
rivière. La difficulté réside ensuite dans la spatialisation des mesures effectuées.
2.3.4 Jaugeage différentiel

Le principe de cette méthode est de mesurer le débit sur différentes sections du
cours d’eau étudié et d’estimer ainsi les volumes d’eau perdus ou gagnés entre
deux sections de mesure par la différence de débit mesurée. Cette méthode est
parfois couplée avec une injection de traceurs entre deux sections jaugées (Harvey
and Wagner, 2000). Pour cette méthode, les volumes échangés entre la nappe et la
rivière doivent être significativement supérieurs à l’erreur de mesure sur le débit
de la rivière, ce qui contraint cette méthode à une résolution spatiale élevée, de
l’ordre du kilomètre (Kikuchi et al., 2012).
2.3.5 Méthodes hydro-chimiques

Diverses méthodes chimiques sont également utilisées pour l’étude des échanges
nappe-rivière, tels que les traceurs environnementaux et artificiels.
Avec l’étude des traceurs environnementaux (éléments majeurs, isotopes), les
contrastes de concentration d’un élément donné entre les eaux de surface et les
eaux souterraines sont utilisés comme traceurs des échanges nappe-rivière. Les
traceurs environnementaux sont utilisés depuis plusieurs décennies dans l’étude
des échanges nappe-rivière (Cook, 2013). L’avantage des traceurs environnemen-
taux est qu’ils peuvent potentiellement apporter des informations sur la distribu-
tion spatiale des échanges nappe-rivière à large échelle spatiale (Kimball et al.,
2001).
Les essais de traçage sont également utilisés dans l’étude de l’interface nappe-
rivière, l’injection d’un traceur artificiel en un point de la nappe ou de la rivière
est réalisée, par la suite un suivi dans le temps de sa réception est mis en place
sur plusieurs points de l’espace en nappe et en rivière. Les traceurs artificiels
fournissent des informations sur les vitesses d’écoulement dans la nappe, les ci-
nétiques de dispersion dans l’aquifère, et sur le degré de connexion hydraulique
avec le cours d’eau (Mouhri et al., 2012).
17
2.3.6 Méthodes Géophysiques

Les méthodes géophysiques classiquement utilisées pour l’étude des échanges
nappe-rivière ont pour objectif de caractériser la structure géologique et les pos-
sibles connectivités entre la rivière et le substratum. Les méthodes géophysiques
de cartographie de la résistivité électrique permettent de mettre à jour les in-
trusions d’eau (peu minéralisée) dans l’aquifère, mais difficilement le contraire.
Ces mêmes méthodes peuvent être utilisées pour la cartographie géologique de
l’interface, et en particulier l’identification de milieux argileux, peu conducteurs
d’un point de vue hydraulique (Binley et al., 2015).
Par exemple Cardenas and Markowski (2010a) utilisent la méthode géoélectrique
de résistivité électrique pour cartographier les zones d’échanges hyporhéiques le
long d’un cours d’eau.
Dans de cette thèse nous avons participé au développement d’une méthodologie
pour caractériser le sens d’échange nappe-rivière à partir de mesure de potentiel
spontané (PS) (en Annexe). Le PS est sensible aux flux d’eau souterrains (vitesse
de Darcy). A travers l’étude d’un modèle conceptuel couplé PS et écoulement
2D vertical traversant une rivière, les résultats ont montré que l’aspect du profil
PS renseigne sur le sens d’échange nappe-rivière. Cette méthode a été appliquée
sur un transect de rivière du site d’étude. La modélisation inverse du profil PS
acquis a permis de déterminer le sens d’échange entre la nappe et la rivière. Le
PS est donc une méthode non destructive qui permet d’obtenir le sens d’échange
nappe-rivière.
2.4 Cas de l’échelle intermédiaire

La plupart des méthodes d’étude des échanges nappe-rivière présentées dans la
section précédente sont représentatives d’un site local, et ne permettent pas, à
elles seules, de quantifier les échanges nappe-rivière le long d’un cours d’eau, ce qui
demande alors une approche pluridisciplinaire (Mouhri et al., 2013; Sophocleous,
2002; Winter, 1995; Woessner, 2000) et multi-échelle (Scanlon et al., 2002).
Se plaçant à l’interface entre deux échelles, l’étude à l’échelle intermédiaire des
échanges nappe-rivière doit faire face aux limitations de l’étude locale comme
régionale. En effet, les méthodes locales (mesures directes du flux d’eau, ther-
miques) sont difficilement applicables sur des portions de rivière étendues et ne
s’intéressent qu’aux échanges concentrés dans la ZH quand l’étude de l’échelle
intermédiaire s’intéresse aussi et surtout à l’identification du flux net. De l’autre
coté les méthodes applicables à très large échelle, sont d’une part limitée (Mouhri
et al., 2012) et d’autre part souvent trop étendues (jaugeage différentiel, ana-
lyse de l’hydrogramme) pour faire face aux besoins rencontrés à l’échelle inter-
médiaire. Cette revue bibliographique des méthodes de mesure des interactions
nappe-rivière met en avant la difficulté de mesurer ces échanges à l’échelle inter-
médiaire au regard des phénomènes à caractériser.
Ainsi les méthodes adaptées à l’échelle intermédiaire sont restreintes (Kalbus
et al., 2006; Mouhri et al., 2012) :
18
2.4 Cas de l’échelle intermédiaire
Figure 2.5 : Synthèse des méthodes d’étude des interactions nappe-rivière

d’après Kalbus et al. (2006) modifié par Mouhri et al. (2012)
19
i) les méthodes basées sur la loi de Darcy. Ces méthodes constituent une informa-
tion, certes spatialement ponctuelle, mais cruciale concernant le sens, l’intensité
et la dynamique temporelle des échanges nappe-rivière, ainsi que sur les proprié-
tés hydrodynamiques du sous sol ;
ii) les méthodes géophysiques, informant sur la structure du sous sol, ainsi que
sur le sens d’échange nappe - rivière (PS). Elles ne fournissent cependant qu’une
information ponctuelle dans le temps et ne sont valables que sous certaines condi-
tions (par exemple rivière en perte pour la cartographie de résistivité électrique) ;
iii) les méthodes hydro-chimiques sont quant à elles bien adaptées à l’étude de
l’échelle intermédiaire, bien qu’elles ne fournissent souvent qu’une information
ponctuelle dans le temps et l’espace.
A l’échelle intermédiaire, comme régionale, l’utilisation de méthode de mesure
indirecte des échanges nappe-rivière est fondamentale bien que n’apportant une
information souvent que ponctuelle dans l’espace et dans le temps. De ce fait, les
techniques de modélisation, en complément des méthodes de mesure, vont per-
mettre leur interpolation spatio-temporelle.
2.5 Modélisation des échanges nappe-rivière

Comme décrit dans les sections précédentes, l’étude des interfaces nappe-rivière
nécessite de conjuguer des mesures de terrain à l’emploi de modèles numériques.
Un modèle est une représentation simplifiée de la complexité du milieu natu-
rel (Anderson et al., 2015). Pour cela le modèle calcule l’évolution de variables
inconnues, les sorties, en fonction de variables d’entrées connues et des différents
paramètres du système. Seuls les modèles mécanistiques seront traités dans ce
travail, très majoritairement utilisés dans la modélisation des échanges nappe-
rivière (Flipo et al., 2014). La modélisation passe alors par la résolution des
équations gouvernant les processus (écoulement, transport, etc) à l’échelle du do-
maine, limitées par des conditions limites spécifiant la charge ou le flux. Pour
les modèles transitoires un état initial indiquant les charges, concentrations à
l’échelle du domaine étudié est spécifié.
Les modèles demandent une forte simplification du milieu étudié. Selon les pro-
cessus à modéliser, certaines entités des modèles sont souvent simplifiées et repré-
sentées par des conditions limites. Souvent cela est bénéfique pour simplifier le
problème tout en conservant un niveau acceptable de compréhension et pour des
raisons pratiques de capacité numérique à résoudre le problème (Furman, 2008).
Dans les modèles hydrogéologiques les cours d’eau sont ainsi représentés à travers
des conditions limites, de ce fait, certains processus de surface (hydraulique du
cours d’eau) ou de subsurface (échanges hyporhéiques) peuvent être modélisés de
manière implicite en prenant en compte la résultante de leur effet à plus grande
échelle.
Les cours d’eau peuvent être intégrés au modèle hydrogéologique par deux types
de conditions limites : i) par continuité de pression et de flux à l’interface, avec
20
une condition de type Dirichlet (Condition de type-II à charge fixe), ii) par un
modèle à conductance avec une condition de Cauchy (condition mixte de type-
III). On présente dans les deux sections suivantes les caractéristiques, intérêts et
limites de ces deux types de conditions limites.
2.5.1 Condition de type Dirichlet

La condition de type Dirichlet, ou charge imposée est intégrée au modèle en fixant
une valeur de charge à la cellule/élément le long de la limite, en l’occurrence les
cellules/éléments traversés par le cours d’eau. Cette approche fonctionne en assu-
rant la continuité du champ de pression et des flux à l’interface nappe-rivière. De
fait, la charge imposée ne varie pas en fonction des conditions hydrogéologiques
simulées. Cette approche nécessite un maillage fin, avec des mailles dont les di-
mensions (largeur et profondeur) sont au maximum égales à celles du cours d’eau.
Le maillage doit obligatoirement être 3D, l’hypothèse de Dupuit-Forchheimer (ho-
rizontalité des flux) n’étant pas valide à proximité d’un cours d’eau, un maillage
2D serait considérer le cours d’eau comme étant totalement pénétrant sur l’épais-
seur de l’aquifère modélisé.
Ce type de condition limite est le plus souvent utilisé dans l’étude des flux hy-
porhéiques à l’échelle locale (Boano et al., 2011; Cardenas, 2009; Cardenas and
Wilson, 2007a; Tonina and Buffington, 2007), ou alors lors du couplage de modèle
de surface aux modèles souterrains à plus grande échelle (Discacciati et al., 2002;
Furman, 2008; Sulis et al., 2010). Les modèles de surface et souterrains sont soit :
i) entièrement couplés, en imposant la continuité du niveau d’eau et des flux à
l’interface nappe-rivière (Peyrard et al., 2008), ii) semi couplés, où les équations
sont résolues séparément puis couplées soit de manière séquentielle, soit avec un
cycle itératif (voir Sulis et al. (2010)), iii) découplés où les sorties du modèle
de surface sont utilisées comme forçage du modèle souterrain (Cardenas, 2009;
Cardenas and Wilson, 2007a). Plus récemment des modèles entièrement couplés
ont vu le jour où un système matriciel couple les équations de surface avec les
équations souterraines qui sont résolues simultanément. Cette méthode semble
être la méthode numérique la plus stable de couplage des modèles de surface et
souterrains (Peyrard et al., 2008).
De manière générale l’utilisation d’une limite de Dirichlet reste marginale, en
dehors de l’étude des échanges hyporhéiques.
2.5.2 Condition de type Cauchy

Avec une condition de type Cauchy, le cours d’eau est hydrauliquement connecté
à la cellule/élément mais n’occupe pas physiquement d’espace au sein du maillage
(Figure 2.6). Le flux échangé à l’interface nappe-rivière est alors calculé par le
produit d’un coefficient de conductance (CRIV ) par la différence de charge entre
la rivière et la cellule où la condition de Cauchy est appliquée.
21
Impermeable walls
River
CRIV
. Hr Streambed
Q = CRIV (Hr - Ha)

Ground-water model
. . Ha .
Figure 2.6 : Représentation conceptuelle en coupe d’une rivière dans un modèle

à conductance
Le volume nappe-rivière échangé est exprimé ainsi :
Qs = CRIV × (Hs − Hc ) (2.2)

Où Qs [L3 T−1 ] est le débit de la rivière à l’aquifère, Hs [L] est le niveau d’eau
en rivière, Hc [L] est la charge hydraulique au centre de la cellule où la condition
de Cauchy est appliquée, CRIV [L2 T−1 ] est le terme conductance (coefficient
rivière).
Lorsque Prickett and Lonnquist (1971) introduisent le concept de conductance
pour représenter les interactions nappe-rivière dans les modèles hydrogéologiques,
ils suggèrent un modèle conceptuel simplifié où les pertes ou les gains d’une rivière
sont gouvernés par la perméabilité des dépôts du lit de la rivière (Figure 2.6). La
difficulté principale de cette approche réside dans l’estimation de la conductance
qui va contrôler les échanges entre la nappe et la rivière. Plusieurs méthodes,
plus ou moins complexes permettent d’avoir une approximation de la conduc-
tance (Flipo et al., 2014; McDonald and Harbaugh, 1988; Mehl and Hill, 2010;
Morel-Seytoux, 2009; Morel-Seytoux et al., 2014; Rushton, 2007).
CRIV est habituellement contraint par calibration (Doppler et al., 2007; Pryet
et al., 2015b). Cependant, le caractère souvent "mal-posé" (ill-posed) des modèles
hydrogéologiques (forte corrélation entre paramètres, équi-finalité) peut entrai-
ner une mauvaise estimation des paramètres par calibration (Carrera et al., 2005;
Zhou et al., 2014). Les méthodes de régularisation, comme par exemple la spécifi-
cation d’une valeur préférée des paramètres (régularisation de Tikhonov) peuvent
permettre de pallier en partie à ce problème (Doherty, 2015; Doherty and Ska-
hill, 2006) d’où la nécessité de renseigner une valeur initiale et de régularisation
22
de CRIV cohérente. La difficulté avec CRIV c’est qu’il "contient" plusieurs phé-
nomènes physiques et qu’il ne peut pas être mesuré sur le terrain. La section
suivante propose alors une méthode pour calculer une valeur initiale et de régu-
larisation de CRIV à partir de paramètres physiques mesurables sur le terrain
ou en laboratoire. Cette section est présentée sous forme d’un article publié dans
la revue Groundwater.
23
Chapitre 3
Estimating River Conductance

from Prior Information to
Improve Surface-Subsurface
Model Calibration
25
3. ESTIMATING RIVER CONDUCTANCE FROM PRIOR INFORMATION TO IMPROVE
SURFACE-SUBSURFACE MODEL CALIBRATION
Estimating River Conductance from Prior

Information to Improve Surface-Subsurface
Model Calibration
by Yohann Cousquer1,2 , Alexandre Pryet1 , Nicolas Flipo3 , Célestine Delbart1,2,4 ,
Alain Dupuy1
Accepted for publication in Groundwater
Abstract
Most groundwater models simulate stream-aquifer interactions with a head - de-
pendent flux boundary condition based on a river conductance (CRIV ). CRIV
is usually calibrated with other parameters by history matching. However, the
inverse problem of groundwater models is often ill-posed and individual model
parameters are likely to be poorly constrained. Ill-posedness can be addressed by
Tikhonov regularization with prior knowledge on parameter values. The difficulty
with a lumped parameter like CRIV, which cannot be measured in the field, is
to find suitable initial and regularization values. Several formulations have been
proposed for the estimation of CRIV from physical parameters. However, these
methods are either too simple to provide a reliable estimate of CRIV, or too com-
plex to be easily implemented by groundwater modelers. This paper addresses the
issue with a flexible and operational tool based on a 2D numerical model in a lo-
cal vertical cross-section, where the river conductance is computed from selected
geometric and hydrodynamic parameters. Contrary to other approaches, the grid
size of the regional model and the anisotropy of the aquifer hydraulic conducti-
vity are also taken into account. A global sensitivity analysis indicates the strong
sensitivity of CRIV to these parameters. This enhancement for the prior estima-
tion of CRIV is a step forward for the calibration and uncertainty analysis of
surface-subsurface models. It is especially useful for modeling objectives that re-
quire CRIV to be well known such as conjunctive surface water – groundwater use.
1
EA 4592 Georessources & Environment, Bordeaux INP and Univ. Bordeaux Montaigne, EN-
SEGID, 1 allée F. Daguin, 33607 Pessac cedex, France
2
Le LyRE, SUEZ Environnement, Domaine du Haut-Carré 43, rue Pierre Noailles, 33400 Ta-
lence, France
3
Geosciences Department, MINES ParisTech, PSL Research University, 35 rue Saint-Honoré,
77305 Fontainebleau, France
4
Université François Rabelais de Tours, EA 6293 GéHCO, Parc de Grandmont, 37200 Tours,
France
26
3.1 Introduction
3.1 Introduction
Numerical models are increasingly used to explore stream-aquifer interactions
in a scope of water resources protection and management (Fleckenstein et al.,
2010; Flipo et al., 2014; Kalbus et al., 2006). Due to the continuity between
these two entities, the development or the contamination of one is likely to affect
the other (Sophocleous, 2002). In such contexts, stream-aquifer flow needs to be
carefully quantified.
In groundwater models, stream-aquifer flow can be considered with three kinds
of boundary conditions : prescribed head (Dirichlet-type), head-dependent flux
(Cauchy-type) and specified flux (Neumann-type). The last kind of boundary
condition is rarely used to simulate streams. When a prescribed head is employed,
the hydraulic head in the stream is imposed at the aquifer cells crossed by the
stream. This kind of boundary condition is most often limited to the study of
hyporheic flow at the local scale (Boano et al., 2011; Cardenas, 2009; Cardenas
and Wilson, 2007b; Tonina and Buffington, 2007; Zlotnik et al., 2015) or in the
case of coupled surface - subsurface models (Discacciati et al., 2002; Furman, 2008;
Sulis et al., 2010). However, the use of prescribed head boundary conditions for
simulating streams is rare at the regional scale (Peyrard et al., 2008).
Stream to aquifer flow is usually parameterized with a river conductance (CRIV )
using a head-dependent flux (Cauchy-type) boundary condition (Ebel et al., 2009;
Flipo et al., 2014; Furman, 2008; Goderniaux et al., 2009) such as implemented in
the MODFLOW river package (Furman, 2008; McDonald and Harbaugh, 1988).
The stream-aquifer exchange flow is calculated as the product of CRIV by the
head difference between the stream and the cell where the Cauchy-type boundary
condition is applied :
Qs = CRIV × (Hs − Hc ) (3.1)

where Qs [L3 T−1 ] is the stream-aquifer flow, Hs [L] is the stream water le-
vel, Hc [L] is the hydraulic head at the center of the cell where the Cauchy-type
boundary condition is applied. CRIV accounts for numerous processes and pro-
perties ; it is a lumped parameter that cannot be measured on the field (Ebel
et al., 2009; McDonald and Harbaugh, 1988; Rushton, 2007). As a consequence,
the value of CRIV is commonly calibrated by history matching together with the
other unknown hydraulic parameters (Engeler et al., 2011; Pryet et al., 2015b).
Surface-subsurface models are affected by the quasi-systematic ill-posed nature
of hydrogeological inverse problems, which is now wildly known (Carrera et al.,
2005; Zhou et al., 2014). Ill-posedness may lead to non-uniqueness, non-existence
and non-steadiness of the inverse model solution (Zhou et al., 2014). An infi-
nite number of parameter sets can equally well calibrate the model. In order to
deal with the issue, several options have been proposed. Among them, Tikho-
nov regularization with prior information about model parameters has proven its
efficiency (Hunt et al., 2007; Tihonov, 1963). Calibration with Tikhonov regula-
rization considers soft knowledge on model parameters in the calibration, so as
obtain a well-posed problem (Aster et al., 2005; Doherty and Skahill, 2006). In
27
order to perform a calibration with Tikhonov regularization, there is a need for

soft knowledge about model parameters. In general, soft knowledge comes from
field measurements, literature or expert knowledge. For example, aquifer hydro-
dynamic properties, such as transmissivity and porosity, can be characterized
from aquifer and permeability tests in the field or at the laboratory. However,
as CRIV is a lumped parameter that encompasses many processes controlling
stream-aquifer flow, it is challenging to estimate suitable initial and regulariza-
tion values.
When Prickett and Lonnquist (1971) introduced the concept of river conduc-
tance, they considered a simplified conceptual model where stream-aquifer flow
is controlled by the thickness and vertical hydraulic conductivity of streambed
deposits. This widely used approach is described in the MODFLOW river pa-
ckage (McDonald and Harbaugh, 1988) and reads as follows :
Kr × L × W
CRIV = (3.2)
M
where W [L] is the stream width, L [L] is the length of the river reach within
the grid cell, M [L] is the streambed thickness and Kr [L T−1 ] is the hydrau-
lic conductivity of the streambed. More parameterized methods have since been
implemented in MODFLOW, as SFR1 and SFR2 ((Niswonger and Prudic, 2005;
Prudic et al., 2004). These methods extend the original expression (McDonald
and Harbaugh, 1988), so as to include additional parameters such as the hydrau-
lic gradient along the stream, and complex river cross-sections.
These formulations based on the Prickett and Lonnquist (1971) model and used
in the MODFLOW family of codes assume that all head losses occur in the stream-
bed. Aquifer hydrodynamic properties and grid size are not taken into account.
In fact, the value of CRIV depends on numerous additional parameters such as
aquifer hydraulic conductivity and should also account for the effect of additional
head losses due to converging / diverging flow that cannot be considered in a 2D
horizontal model (Morel-Seytoux, 2009; Rushton, 2007). Moreover, the value of
CRIV has been recently shown to differ by as much as 122% depending on the
resolution of the model grid (Mehl and Hill, 2010).
Several alternatives for the estimation of the CRIV have been proposed, either
based on analytical or numerical methods (Anderson, 2003a,b, 2005; Mehl and
Hill, 2010; Morel-Seytoux, 2009; Morel-Seytoux et al., 2014; Rushton, 2007).
In line with Anderson (2003a), Morel-Seytoux (2009) proposes a formulation
which takes into consideration flow convergence / divergence at the vicinity of
the stream with the complex potential theory. This method is extended to more
complex partially penetrating stream geometries in Morel-Seytoux et al. (2014).
However, the presence of streambed deposits and the dependence of CRIV on
grid size are not taken into account. Although its importance has been highligh-
ted by Nield et al. (1994), the the anisotropy of aquifer hydraulic conductivity is
not considered.
As an alternative, Rushton (2007) proposes to estimate CRIV with a 2D ver-
tical numerical model. The 2D fine-grid model represents one single cell of the
28
3.2 The Approach
Figure 3.1 : The local 2D vertical finite element model transverse to the river
(forefront, A) is used for the estimation of the CRIV controlling the Cauchy boun-
dary condition in the regional 2D horizontal finite difference model (background,
B)
regional model centered over the stream. The river conductance is then inferred
from the regression between stream-aquifer flow, on one hand, and the head diffe-
rence between the aquifer cell and the stream on the other. This work points out
the predominant influence of aquifer horizontal hydraulic conductivity compared
to vertical streambed hydraulic conductivity for certain configurations. Rushton
(2007) explains that for a relatively thin streambed (0.2 m) with a hydraulic
conductivity of 0.05 m d−1 , less than a third of head losses occur in the stream-
bed, the rest is due to convergent / divergent fluxes in the aquifer at the stream
vicinity. However, this method does not account for anisotropy and grid size.
This work first details an extension of the numerical approach developed by Ru-
shton (2007) for the estimation of CRIV . Numerous parameters often neglected
so far are considered. The use of the method is illustrated with a synthetic ap-
plication, where the value of CRIV is estimated and provided with a confidence
interval. A parametric study is then conducted to describe the respective effects
and sensitivities of CRIV to controlling parameters. The advantages and limita-
tions of the methodology are then discussed.
3.2 The Approach

The approach proposed in this work consists in computing the CRIV used in a 2D
horizontal large-scale finite difference model from a 2D vertical local scale model
transverse to the stream (Figure 3.1).
29
Figure 3.2 : The value of CRIV can be inferred by linear regression of stream
aquifer flow per unit river length, Qs [m2 s−1 ] against the difference in hydraulic
head between the aquifer cell (Hc ) and the stream (Hs ). Qs is an output of the
vertical model. The effect of grid size is taken into account through Hc, computed
with Eq. 3.4.2
Although a longitudinal component may sometimes be observed (Woessner,

2000), aquifer flow is assumed to be strictly perpendicular to the stream. In
addition, boundary conditions are imposed so that the stream and the aquifer
remain hydraulically connected. Transient flow and disconnection are beyond the
scope of this study, more information on the subject can be found in Brunner
et al. (2009, 2011); Rivière et al. (2014). The vertical model is run several times,
with the same geometry using different head differences between the stream and
the aquifer. After these executions of the vertical model, CRIV is obtained by
linear regression between the stream-aquifer flow and the head difference between
the stream and the aquifer cell where the Cauchy boundary condition is applied
(Figure 3.2).
3.2.1 The 2D Vertical Fine-Grid Model

The 2D vertical local scale cross-section model covers the extent of three cells of
the horizontal model in a direction transverse to the stream (Figure 3.1). A fixed
head boundary condition, HS , is imposed to the nodes located at the stream-
aquifer boundary. The presented method considers symmetric head conditions.
A fixed head, HB , is applied at both sides of the model lateral boundaries (Fi-
gure 3.1).
Other boundaries of the local model are impermeable. The flow equation is solved
with the variable saturation, finite element code SUTRA (Voss, 1984). This mo-
30
3.2 The Approach
del was chosen because it can simulate an unconfined aquifer in a vertical plan.
Furthermore, it is compatible with unstructured grids, which provide flexible re-
finement possibilities and a good representation of stream bottom geometry. The
model grid is composed of quadrilateral elements generated with Gmsh depending
on selected model geometry (Geuzaine and Remacle, 2009).
3.2.2 Vertical Model Extent and Horizontal Grid Size Cell

In this study, we consider that CRIV accounts for all head losses due to converging
/ diverging flows in the vicinity of the stream. As a consequence, the grid cell of
the horizontal model where a Cauchy-type boundary condition is applied should
be large enough to include all the converging / diverging flows associated with the
stream. For these reasons, the distance away from the stream where groundwater
flow is horizontal, Xf ar , must be estimated. In other words, Xf ar corresponds
to the distance from the stream where the Dupuit-Forchheimer approximation is
valid. A "characteristic leakage length" λ [L] can be used to approximate Xf ar ,
as 95% of converging / diverging flows are included in 3λ from surface water
shore (Haitjema, 2006; Haitjema et al., 2001; Hunt et al., 2003). Here, Xf ar can
be easily inferred from the vertical model in the configuration where Xf ar is the
largest, i.e. with the maximum head gradient between the stream and the aquifer.
We will assume that Xf ar is reached when the ratio between the vertical and the
horizontal components of groundwater flow is less than 5%. Assuming the stream
to be located at the center of the cell in the horizontal model where a Cauchy-
type boundary condition is applied, this cell should be at least as large as 2 Xf ar .
The computation of Xf ar is a preliminary step to the calculation of CRIV, as it
constrains the grid resolution of river cells in the large-scale horizontal model.
3.2.3 The Determination of the River Conductance

Stream - aquifer flow is computed with the vertical model for a set of values of
head - gradient between the stream and the aquifer. To this effect, different values
of HB are imposed at the lateral boundaries of the local model while the stream
level, HS , remains fixed (Figure 3.1). Interactions between the different parts of
the model are managed with a Python script : (1) the user defines the input va-
riables listed in (Table 3.1), consisting of hydrodynamic properties and geometric
settings (Figure 3.3) ; (2) Gmsh software is run to build the grid with the user
defined geometry ; (3) SUTRA input files are generated from grid coordinates and
hydrodynamic parameters (Table 3.1) ; (4) the following steps (4.a) and (4.b) are
repeated for different values of stream-aquifer head difference : (a) SUTRA is run
(b) SUTRA output files are post-processed so as to extract stream-aquifer flow ;
eventually, (5) the unit length river conductance coefficient (CRIVu) is inferred
by linear regression between the computed stream-aquifer flow and the head dif-
ference between the stream and the aquifer (HC − HS ) (Figure 3.2). Given the
linearity between the stream-aquifer flow and the head difference between the
stream and the connected aquifer (Figure 3.2), the linear regression of step (5)
31
Parameters Value Unit GSA range

Aquifer thickness (ct) 30 [m] -
Horizontal model cell width (cw) 100 [m] [15, 200]
River width (w) 10 [m] [5, 10]
River depth (d) 1 [m] [1, 5]
Bank angle (a) 90 [-] [90, 100]
Riverbed thickness (m) 0 [m] [1, 10]
Aquifer horizontal hydraulic conductivity (Kh ) 10-3 [m s−1 ] [1e-5, 1e-1]
Riverbed vertical hydraulic conductivity (Kvb ) - [m s−1 ] [1e-5, 1e-1]
Anisotropy (anis) 0.1 [-] [1e-3, 1]
Tableau 3.1 : Geometric and hydrodynamics parameters used in the illustrative

case. The second column provides the most probable value for each parameter ;
the fourth is the chosen range to perform the probabilistic sampling for the Global
Sensitivity Analysis.
may be reduced to a simple ratio considering only two distinct head differences.
However considering multiple head differences (approximately 10) is a quality
check, which makes the method more robust to potential model failures.
The obtained CRIVu [L T−1 ] accounts for stream-aquifer flow per unit river
length. CRIVu should therefore be multiplied by the length of the stream reach
within the grid cell (L) to obtain CRIV [L2 T−1 ] as used in MODFLOW.
3.2.4 Grid-Size Dependence of Cauchy Boundary Condi-

tions
One of the difficulties of this approach is to obtain the value of Hc in the vertical
model, which corresponds to the head at the center of the middle cell in the
horizontal model (Figure 3.4).
Because of divergent / convergent fluxes, Hc cannot be obtained from the ver-
tical model at its corresponding location. In contrast, finite-element mesh nodes
at the centers of adjacent cells (L and R, Figure 3.4) are located far enough from
the stream for vertical flow to be negligible so that HL and HR can be directly
inferred from the vertical model. To address the issue, a relation between HL,
HR and HC can be established from the diffusivity equation in finite difference
expressed in steady conditions for the central cell of the horizontal model (Fi-
gure 3.4). The flow from the left and right cells to the middle cell is deduced from
Darcy’s law :
1
QL = TL−C × (HL − HC ) × ×L (3.3)
cw
32
3.2 The Approach
Figure 3.3 : Schematic representation of the python script used for the computa-
tion of the river conductance with the vertical model. The program Gmsh builds
the mesh and the numerical code SUTRA solves the Richard’s equation
Figure 3.4 : Idealized cross-section of an aquifer in interaction with a stream

over 3 cells of the horizontal regional model, which corresponds to the extent of
the vertical model. HL , HC , and HR are the hydraulic heads at the center of the
left, middle, and right cell of the horizontal model, respectively. See Table 3.1 for
further parameter definitions
33
1
QR = TR−C × (HR − HC ) × ×L (3.4)
cw
where QL/R [L2 T−1 ] is the flow between right / left cells and center cell,
HL/R [L] is the hydraulic head at the centroid of the right / left cell, HC [L] is
the hydraulic head at the centroid of center cell ; cw [L] is the width of the cells.
T(L/R)−C [L2 T−1 ] is the equivalent transmissivity between the right / left cell and
the middle cell.
Assuming that the component of groundwater flow longitudinal to the stream is
negligible, the equation of mass conservation in steady state expressed for the
middle cell reads as follows :
QL + QR + QS = 0 (3.5)
where QS is the flow from the stream to the middle cell. Combining Eqn. 3.2.4, 3.2.4
and 3.2.4 we obtain :
1 QS × cw
Hc = ( + HL − HR ) (3.6)
2 T ×L
where the values of QS , HL and HR are provided by the vertical model, and
T is the aquifer transmissivity, assumed to be homogeneous and independent of
hydraulic head over the three cells of interest (TL−C = TR−C ). HL and HR are
taken at a single node in the centroid of L and R cells of the vertical model.
Using this latter expression of HC for the regression of QS against (HC − HS ),
we consider the dependence of the horizontal grid-size, cw, for the calculation of
the river conductance.
3.3 Applications of the Methodology

So as to illustrate the interest of the approach, we consider a 2D horizontal large-
scale groundwater model where the simulated aquifer interacts with a stream.
The characteristics of the aquifer and the stream are chosen to correspond to a
classical context (Table 3.1). The value of CRIV used in the large-scale horizon-
tal model will be eventually adjusted by calibration together with other model
parameters, but this is out of the scope of this study. However, when the accurate
quantification of stream-aquifer flow is essential, initial and regularization values
should be carefully chosen for the calibration of CRIV. In addition, the probabi-
listic distribution of CRIV prior to calibration is also useful for post-calibration
uncertainty analysis.
34
3.3 Applications of the Methodology
Figure 3.5 : The probabilistic distribution of CRIV (bottom right) is obtained

with the presented tool from the distributions of input parameters.
3.3.1 Estimation of the River Conductance From Expec-

ted Parameter Values
The most probable parameter values for this synthetic case (Table 3.1) are set
in the Python script, which generates the finite-element grid and runs the model
for various head differences between the stream and the aquifer. Xf ar is first
calculated with the tool so as to take into account the grid size. With an Xf ar
of about 50 m, the river cell size in the horizontal model should be set to 100
m. With these parameter values for this synthetic case, CRIV u is estimated at
6.6910−5 L T−1 with a computation time shorter than a minute. Multiplied by the
length of the reach within the grid cell of the model (100 m), the value of CRIV
is 6.6910−3 L2 T−1 . This value can be used as initial and regularization values for
the calibration of the horizontal model (Hunt et al., 2007).
3.3.2 Prior Probabilistic Distribution of the River Conduc-

tance
The probabilistic CRIV distribution can also be obtained with the presented tool
by random sampling from the prior statistical distributions of input parameters.
We assumed a normal distribution for geometric parameters and log-normal dis-
tribution for hydrodynamic parameters (Table 3.1, Figure 3.5). CRIV is then
computed for each of the parameter sets. The resulting CRIV distribution (Fi-
gure 3.5) is an essential element to perform parameter and predictive uncertainty
analysis (Gallagher and Doherty, 2007).
35
3.4 Sensitivity of the River Conductance to Hy-

drodynamic and Geometric Parameters
The effect of the parameters considered in this study over CRIV is first illustrated
with parameter variations, taken one by one, from the reference configuration of
the stream described in (Table 3.1). This parametric analysis is useful to describe
how each parameter may impact CRIV in a regular stream-aquifer configuration.
A global sensitivity analysis is thereafter performed to rank the sensitivities of
CRIV to its parameters over a wide range of realistic parameter values.
3.4.1 Parametric analysis

CRIV values have been calculated for a range of likely values of aquifer hydraulic
conductivity (Kh ) and anisotropy (anis), horizontal grid size (cw), and streambed
vertical hydraulic conductivity (Kvb ) (Figure 3.6). When they are fixed, parame-
ters are kept to the reference values from the synthetic case study (Table 3.1).
Several studies solely base the estimation of CRIV on Kh (Pryet et al., 2015b;
Rushton, 2007). This approach is validated here, since Kh is one of the most im-
portant controlling factors of the stream aquifer exchanges for this case (Figure 3.6
a). A modification by one order of magnitude of Kh produces a modification by
one order of magnitude of CRIV .
The influence of anis (Figure 3.6 b) (which stands for Kv /Kh where Kv is the
vertical hydraulic conductivity of the aquifer [ L T−1 ]) is explained by the oc-
currence of vertical flow in the vicinity of the stream. A high value of anisotropy
impedes the occurrence of converging / diverging flow and reduces stream-aquifer
flow. An increase by one order of magnitude of anis (from 1 and 0.1) leads to
an increase of CRIV by a factor approaching 30. Modelers often choose a rather
arbitrary value of 0.1 for anis (Derx et al., 2010; Doppler et al., 2007; Engeler
et al., 2011) following Chen (2000). Our results highlight that an inappropriate
value of anisotropy may imply a large error on stream-aquifer flow estimates.
The influence of the grid size of the horizontal model, cw, is also important (Fi-
gure 3.6 c). CRIV decreases by a factor of 25 when the grids cell size increases
from 10 to 110 m. The influence of Kvb is highly non-linear (Figure 3.6 d). As
long as Kvb is greater than Kh , Kvb has no influence on CRIV . In contrast, when
Kvb is lower than Kh , CRIV decreases with Kvb . We recall that in this study,
CRIV is calculated for values of the Kvb /Kh ratio that remain characteristic of
a connection between the stream and the aquifer (Brunner et al., 2009).
In the range of likely values for hydrogeological model parameters, the most im-
portant controlling factors of CRIV , in this case, are, in decreasing order of
importance (Figure 3.5) : Kh , which can change CRIV by six orders of magni-
tude ii) Kvb by four orders of magnitude iii) cw by three orders of magnitude iv)
anis by two orders of magnitude. However a variation by one order of magnitude
in anis or cw has more impact on CRIV than Kh and Kvb .
This parametric analysis is relevant to graphically illustrate how each parameter
affects CRIV . However, this method is very dependent on the choice of reference
36
3.4 Sensitivity of the River Conductance to Hydrodynamic and Geometric Parameters
Figure 3.6 : Dependence of CRIV u per unit river length to model parameters
values : a) streambed hydraulic conductivity (Kvb ) b) aquifer anisotropy (anis)
c) horizontal grid size (cw) d) Aquifer hydraulic conductivity (Kh ). Cross marks
indicate reference parameter values (Table 3.1)
37
parameter values and does not quantify the effect of joint parameter variations.
Those issues can be addressed with a global sensitivity analysis.
3.4.2 Global Sensitivity Analysis of CRIV

The importance of the parameters used to compute CRIV is discussed here
through a global sensitivity analysis (GSA). Compared to the sensitivity analysis
based on the local derivative (Hill and Tiedeman, 2006), the GSA can be applied
to non-linear models, and provides more robust information on the effect of res-
pective parameters to a model output, here CRIV . Over the large variety of GSA
methods, the variance-based sensitivity indicator (Sobol) is largely used (Saltelli
et al., 2004; Sobol, 2001; Welter et al., 2015). Sobol method is based on the
analysis of model output values obtained from a large range of parameters sets
sampled from probabilistic distributions (Saltelli et al., 2004). This is applicable
to non-linear models. The sensitivity of each parameter is described by the first
order sensitivity index, which is the contribution of a single model parameter to
the model output variance (Sobol, 2001) :
Vi
Si = (3.7)
Vtot
Where Vi is the variance of CRIV attributed to the i-th parameter and Vtot
is the variance of model output CRIV .
Parameter lower and upper bounds are provided in Table 3.1. About 15,000
CRIV values have been computed with a uniform distribution of parameter sets
obtained with the Saltelli sampler (Saltelli et al., 2004) from Jon and Usher (2015)
Python script.
The influence of hydrodynamic parameters prevails over geometric parameters
(Figure 3.7). Results highlight the strong influence of hydrodynamics parame-
ters kvb , kh and anis. Taken together they account for 30% of the total CRIV
variance, as they respectively explain 14%, 10% and 6% of the CRIV variance.
Geometric parameters such as stream depth and bank angle have a small effect.
Taken together, they account for ca. 2% of the CRIV variance. However the grid
cell size (cw) has more influence on CRIV with 4.5% of the CRIV variance as
well as the riverbed thickness (m) with 7% of the CRIV variance. In total, 43.5%
of the total CRIV variance is explained by parameters taken alone, the remaining
56.5% is explain by the interactions between parameters.
Results of the GSA confirm the observations made with the parametric ana-
lysis. Kh , Kvb and anis are the major controlling factors ; cw and m are strong
controlling factors. While Kh and Kvb are generally taken into account for the
estimation of CRIV , the importance of anis and cw is often disregarded. Our
results highlight that neglecting the importance of these parameters may induce
an error by multiple orders of magnitude on the value of CRIV .
38
3.5 Discussion
Figure 3.7 : Global sensitivity analysis (GSA) of the CRIV coefficient to model
parameters where Si is the first order sensitivity index. The main controlling factors
of CRIV are Kvb , Kh , anis and m and in a lesser extent cw. The Parameter ranges
are presented Table 3.1
3.5 Discussion
The proposed method aims at constraining the value of CRIV from a local ver-
tical model given hydrodynamic and geometric parameters. These parameters
correspond to physical properties potentially measurable in the field or at the
laboratory. Geometric parameters such as stream width, depth and bank angle,
aquifer and streambed thicknesses can be easily obtained from direct measure-
ments, geological logs or geophysical methods (Cardenas and Markowski, 2010b).
The spatial variability of these parameters can also be investigated based on local
hydrogeophysical measurements (Mouhri et al., 2013). Hydrodynamic properties
of the aquifer and the streambed can be characterized from pumping and per-
meability tests in the field or at the laboratory (Chen, 2000). The measurement
of hydraulic heads at different depths near a stream can provide estimates of the
anisotropy of hydraulic conductivity (Kalbus et al., 2006). However, it should be
acknowledged that obtaining reliable and representative estimates for each of the
hydrodynamics parameters is challenging.
As demonstrated by numerous authors Gaffield et al. (1998); Gianni et al. (2016);
Levy et al. (2011), the use of a temporally and spatially constant value for CRIV
is questionable and can be affected by biological clogging in the riverbed (Newco-
mer et al., 2016). However it is so far considered as constant in regional models.
For the spatial aspect, the user can split the stream network in interaction with
the simulated aquifer into a limited number of reaches sharing common features
(aquifer properties, stream geometry, . . . ) and estimate a value of CRIV for each
of the respective reaches.
The accuracy of CRIV estimates obtained with the proposed method depends
on the uncertainty of the parameters of the local scale vertical model, as shown
39
by the probabilistic CRIV distribution (Figure 3.5). A calibration step is gene-

rally needed where the value of CRIV estimated with the presented approach
is used as initial and regularization values. Calibration by history matching is
usually conducted against observations of stream flow and groundwater level fluc-
tuations (Engeler et al., 2011; Pryet et al., 2015b). However, obtaining an initial
value from prior information can be critical. Pryet et al. (2015b) based their initial
estimates on the relation between CRIV and horizontal hydraulic conductivity
developed by Rushton (2007). Our method improves this approach by including
in the prior estimate of CRIV numerous parameters often neglected. Obtaining
objective initial and regularization values of CRIV from the approach presented
in this paper is a significant improvement to the uniformed and evaluated cali-
bration of CRIV . Moreover, our method takes into consideration the effect of
grid-size, providing an upscaling procedure for the estimation of CRIV from the
local scale to the watershed scale ( 10- 1000 km2) (Flipo et al., 2014; Mehl and
Hill, 2010). Given these elements, the method described in this study is likely
to improve simulation of stream-aquifer interactions, especially at the scale of
watersheds (Flipo et al., 2012).
The method presented in this study has been developed with the assumption of
symmetric settings with a straight stream located at the center of a horizontal
model cell. The precision of CRIV estimated with this approach may therefore
become questionable when the configuration of interest strongly deviates from
this simplified model, such as very winding stream with important meanders wi-
thin a single horizontal model cell. Such configurations may require a 3D local
model for the estimate of CRIV . However, the gain of precision with such a more
complex approach is likely to be small with respect to the irreducible uncertainty
attributed to the estimates of controlling parameters, in particular aquifer and
riverbed hydraulic properties. The value of CRIV obtained with the presented
approach should be considered as a first, but objective estimate that can subse-
quently be adjusted by calibration.
3.6 The Software

So as to simplify the tedious task of considering multiple configurations, a flexible
Python script has been developed and is provided as supplementary materials to
this article. It can be used to estimate a value of CRIV from a single parameter
set, or to obtain the probabilistic distribution of CRIV given the probabilis-
tic distributions of input parameters. The code is available here : https ://gi-
thub.com/rivtools/criv
3.7 Conclusion
A method has been described to compute the value of CRIV with a vertical fine-
grid cross-sectional model transverse to the stream. This model is applicable to a
wide range of stream characteristics, aquifer properties and grid resolutions. The
40
3.8 Acknowledgments
value of CRIV can now be estimated from physical parameters that can be mea-
sured in the field. Parameters, neglected so far are now taken into account : i) the
anisotropy of aquifer hydraulic conductivity, and ii) the size of river cells in the
regional model grid. The global sensitivity analysis highlighted the importance of
these parameters and justifies their consideration. The estimate of CRIV from
prior information can constitute initial and regularization values for the calibra-
tion of a surface-subsurface model. This is crucial when the inverse problem is
ill-posed, which is often the case. The approach also provides the probabilistic
distribution of CRIV given input parameter probabilistic distributions, which is
essential for post-calibration uncertainty analysis.
3.8 Acknowledgments
This work was conducted in the frame of the Mhyqadeau project supported by
Suez Environnement (LyRE) and the French Aquitaine regional council. The au-
thors are very grateful to Dr. Randal J. Hunt and two anonymous reviewers for
their valuable comments for improving this manuscript. We also thank Clotilde
Thompson for her help in improving English language.
3.9 Appendix A : Validation of the Local Nu-

merical Model
Stream to aquifer flow obtained from the 2D cross-sectional numerical model are
validated with two analytical solutions describing stream to aquifer flow with
simplified geometries. Similar stream-aquifer designs have been chosen for each
validation cases. Firstly an analytical formulation given by (Morel-Seytoux, 2009)
from complex potential theory approach is used. In this case, the stream is re-
presented by a point source without the effect of a streambed deposit and the
stream-aquifer flow is given by :
1
QS = 2 × KL{ } × (Hs − Hr/l ) (3.8)
0.5 × eB Brect + ∆x
( )+( )
Brect e
Where L [L] is the length of the stream reach, K [L T-1] is the aquifer hy-
draulic conductivity assumed to be isotropic, eB [L] is the aquifer depth below
the bottom of the reach cross-section, Brect [L] is the width of the stream, and
e[L] is the average aquifer thickness. ∆x [L] is the distance from the riverbank to
the centroids of adjacent cell Hr/l [L].
Another approach, proposed by Herbert (1970), considers a small circular stream
channel in comparison to the saturated thickness of the aquifer eB . The flow from
the aquifer to the stream is assumed to be radial. Then, adapting the Thiem equa-
tion :
41
Parameters Morel-Seytoux (2009) Herbert (1970) Presented method

eB [m] 28 28 28
Brect [m] 5 - 5
Xf ar [m] 95 - -
e [m] 30.5 - 30.5
Hs − Hc [m] - 0.56 0.56
∆H [m] 5 - -
rs [m] - 5 -
K [m s−1 ] 1E-3 1E-3 1E-3
Q [m2 s−1 ] 1.65E-03 1.71E-03 1.75E-03
Difference 6.4% 2.4% -
Tableau 3.2 : Parameters of analytical solutions used for the validation of the
local numerical model
HS − HC
QS = πLK 0.5 × eB (3.9)
ln( )
rs
Where rs [L] is the effective stream radius. When the stream channel has a
trapezoidal cross-section, an effective stream radius must be used. For a channel
width of 10 m and a water depth of 1.0 m, the effective radius of the stream is
5.0 m (Rushton, 2007).
The values of QS [ L3 T−1 ] obtained with these two analytical solutions are com-
pared to the output of the local numerical model with parameters presented in
(Table ??). Stream-aquifer flow obtained from the three methods is nearly iden-
tical and validates the vertical numerical model used in the present approach.
42
Deuxième partie
Conceptualisation
43
Chapitre 4
Échanges nappe-rivière à l’échelle

intermédiaire : le champ captant
de Thil-Gamarde
4.1 Introduction
Ce chapitre établit les bases du cas d’étude de cette thèse, avec comme objectif la
définition du modèle conceptuel de fonctionnement hydrogéologique d’un site de
production d’eau à l’échelle intermédiaire : le champ captant de Thil-Gamarde
à Saint Médard en Jalle (Gironde - France). Ce chapitre s’appuie sur des tra-
vaux de terrain qui ont constitué une partie importante de ce travail de thèse.
L’établissement du modèle conceptuel hydrogéologique passe par l’acquisition et
l’analyse de variables pertinentes, permettant d’articuler entre eux les processus
importants du système étudié. Un modèle conceptuel est une simplification du
problème hydrogéologique réel tenant compte des phénomènes essentiels. Il doit
pouvoir être traduit mathématiquement (Haitjema, 1995). Ainsi la capacité du
modèle mathématique à fournir des prédictions fiables dépend en partie de la ca-
pacité du modèle conceptuel à rendre compte de la réalité du terrain (Anderson
et al., 2015). Généralement le niveau de détail du modèle conceptuel doit être
le plus simple possible en incluant seulement les processus importants vis-à-vis
des objectifs à atteindre, tout en conservant un niveau de complexité suffisant
pour représenter pertinemment le comportement du système (principe de parci-
monie, Hill and Tiedeman (2006)). Le modèle conceptuel peut ensuite éventuel-
lement être complexifié au cours de l’étape de modélisation.
Avec pour principal objectif la caractérisation des échanges nappe-rivière à l’échelle
du champ captant, l’établissement du modèle conceptuel est basé sur l’étude des
informations et données déjà disponibles ainsi que sur l’acquisition de données
hydrologiques, hydrogéologiques, géophysiques et hydrogéochimiques de terrain
complémentaires. Ce travail servira de base à la réalisation du modèle mathéma-
tique des écoulements et du transport à l’échelle de la zone d’étude ainsi qu’à
sa calibration avec l’apport de données a priori sur les paramètres physiques du
système.
45
4. ÉCHANGES NAPPE-RIVIÈRE À L’ÉCHELLE INTERMÉDIAIRE : LE CHAMP
CAPTANT DE THIL-GAMARDE
4.2 Contexte général

Le site d’étude, situé au nord-ouest de l’agglomération bordelaise (Gironde -
France), est le champ captant de Thil-Gamarde (Figure 4.1). Le champ captant
est situé au cœur d’un bois d’environ 250 hectares, entouré d’un dense tissu
urbain. La rivière Jalle de Saint-Médard ainsi que deux affluents intermittents
traversent le champ captant à proximité directe des ouvrages. Ce site joue un
rôle économique important puisque la ressource en eau y est exploitée au moyen
de différents ouvrages captant l’aquifère en présence et alimente environ 20% des
besoins en eau domestique de l’agglomération bordelaise (Metropole, 2016).
A l’origine, une source de débordement y fut exploitée à partir de 1857, date à
laquelle l’aqueduc du Taillant fut construit pour acheminer l’eau depuis la source
jusqu’à la ville de Bordeaux. En 1928, la création d’une galerie drainante marqua
le point de départ d’une exploitation plus intensive de la ressource. La création de
puits de prélèvement dans les années 1950 ainsi que l’ajout de barbacanes le long
de l’aqueduc du Taillant a permis d’utiliser le champ captant de Thil-Gamarde
comme point stratégique d’approvisionnement en eau de l’agglomération borde-
laise (Caballero, 2007; Safege, 2009a). A l’heure actuelle l’aqueduc du Taillan
peut véhiculer jusqu’à 44 000 m3 j−1 d’eau.
Figure 4.1 : Contexte général de la zone d’étude
46
4.2 Contexte général
Figure 4.2 : Carte géologique du site modifiée d’après la carte géologique de France
au 1 : 50 000 n 803 Bordeaux, BRGM 2000 avec le tracé de la coupe géologique
4.2.1 Géologie
La zone étudiée est située dans le Bassin Aquitain. Le champ captant de Thil-
Gamarde est traversé par la faille de Bordeaux de tracé sud est – nord ouest d’âge
éocène (Figure 4.2) responsable d’un décalage des terrains avec un abaissement
des compartiments au Sud-Ouest. A l’affleurement, on retrouve des formations
alluviales d’âge Oligocène composées de calcaires à astéries constituant l’aquifère
étudié, partiellement karstifiées et des formations plio-quaternaires composées de
sable des Landes et d’alluvions anciens de la Garonne. Verticalement la séquence
géologique depuis le Plio-Quaternaire jusqu’à l’Oligocène inférieur est la suivante
(Figure 4.3) (Canik, 1968; Larroque, 2004) :
• sables argileux et graviers du Pléistocène : formations associées au système

alluvial de la Garonne ;
• sables du Burdigalien (Miocène inférieur)1 ;
• calcaires gréseux à faible fraction argileuse de l’Aquitanien (Miocène inférieur)1 ;
• argiles lacustres à nodules calcaires du Chattien (Oligocène supérieur) éponte ;

Ces formations ne sont pas présentes au droit du champ captant du fait
d’une discontinuité géologique, se reporter à la Figure 4.3
• calcaires à astéries du Stampien (Rupélien - Oligocène moyen / inférieur)

aquifère ;
47
• marnes et calcaires lacustres type « Castillon » (Oligocène inférieur) sub-

stratum de l’aquifère oligocène ;
• molasses du Fronsadais (Oligocène inférieur).
Figure 4.3 : Coupe schématique passant par la zone d’étude (BRGM), le tracé
A-B de la coupe est représenté Figure 4.2. Les formations miocène et oligocènes
supérieur sont en discordance sur la majorité du champ captant, ainsi les formations
oligocène inférieur sont en contact direct avec les formation plio-quaternaire
La puissance des différentes formations est très hétérogène à l’échelle du champ

captant, notamment pour les formations plio-quaternaires, d’épaisseur très va-
riable à l’échelle du site (Canik, 1968), information qui est corroborée par l’étude
des logs stratigraphiques des piézomètres de la zone. On distingue : un compar-
timent nord-est où les calcaires à astéries de l’Oligocène sont réduit (de 5 à 35
m) ; un compartiment sud-ouest où l’épaisseur est plus importante (60 à 80 m)
mais recouverte par endroit par les argiless du Chattien et les formations mio-
plio-quaternaires. Ce décalage s’explique par la présence de la faille de Bordeaux
décalant les formations (Figure 4.3). On notera également la présence de lentilles
d’argiles ou de marnes parfois présentes entre les calcaires de l’Oligocène et les
formations du Plio-Quaternaire (Larroque, 2004).
4.2.2 Hydrologie de surface

La zone d’étude est parcourue par un cours d’eau majeur, la Jalle de Saint-
Médard, et ses ruisseaux affluents temporaires ; Sainte Christine et le Monastère
(Figure 4.2). Le ruisseau Sainte Christine s’écoule la plupart de l’année mais
peut s’assécher au cours de l’été alors que le ruisseau du Monastère se surimpose
à une perte karstique au nord du champ captant et ne s’écoule que très rarement
48
4.3 Présentation du champ captant
lorsqu’il est en charge. La rivière Jalle d’une longueur de 32 km est un affluent

de la rive gauche de la Garonne. Elle prend sa source dans la commune de Saint-
Jean-d’Illac, au sud-ouest du champ captant. Alors que dans sa partie amont,
la Jalle traverse des zones rurales couvertes de forêts cultivées de pins, la Jalle
traverse dans sa partie aval, des zones fortement urbanisées et industrielles. Elle
constitue alors l’exutoire des divers réseaux pluviaux et des stations d’épuration
de ce secteur (Caballero, 2007). Après avoir traversé les zones urbanisées de la
commune de Saint-Médard-en-Jalle, la Jalle traverse le champ captant de Thil-
Gamarde.

4.3.1 Hydrogéologie et exploitation de la ressource en eau
Les aquifères exploités pour la ressource en eau font partie du continuum Oligo-
cène - Plio-Quaternaire :
Aquifère du Plio-Quaternaire : aquifère libre présente sur la majorité du
champ captant. Composée de sable des Landes et d’alluvions de la Garonne. Elle
possède une forte hétérogénéité de conductivité hydraulique (Canik, 1968). Sa
puissance varie de quelques mètres à plusieurs dizaines de mètres. Les valeurs de
transmissivité sont de l’ordre de 10−3 m2 s−1 dans le secteur d’étude (Caballero,
2007). Bien que cette nappe ne soit pas directement exploitée, les logs géologiques
montrent qu’elle est souvent en continuité directe avec l’aquifère oligocène pré-
sentant ainsi un unique ensemble aquifère.
Aquifère de l’Oligocène : il se développe dans les calcaires à Astéries de l’Oli-
gocène moyen / inférieur qui affleurent ou sub-affleurent au droit du champ cap-
tant. Ces calcaires sont partiellement karstifiés, fracturés et érodés au sommet du
réservoir, les propriétés hydrodynamiques y sont hétérogènes, avec des niveaux
coquilliers particulièrement productifs. L’écoulement des eaux dans l’aquifère s’ef-
fectue au travers de la porosité matricielle, de fissures et de fractures (liés au jeu de
la faille de Bordeaux et potentiellement de failles transverses) avec des transmis-
sivités variant fortement entre 3 × 10−4 et 10−2 m2 s−1 (Caballero, 2007). Le sens
d’écoulement régional s’effectue du sud-ouest vers le nord-est. De fortes variations
d’épaisseur caractérisent cet aquifère. Le mur de cette nappe est constitué par les
calcaires et marnes de Castillon et de molasse (observée dans la basse vallée de
la Jalle). Cet aquifère est surmonté par des colluvions et d’alluvions et parfois
des lentilles imperméables d’argiles ou de marnes au droit du champ captant de
Thil-Gamarde, et par des formations miocènes plus à l’ouest. En fonction des
secteurs la nappe oligocène est libre, semi-captive ou captive.
Le champ captant de Thil-Gamarde se décompose en deux sous-ensembles géo-
graphiques situés de part et d’autre de la rivière Jalle : Thil au nord, et Gamarde
au sud. L’ensemble des ouvrages prélève de l’eau dans les calcaires à Astéries de
l’Oligocène. Les ouvrages actuellement exploités sont au nombre de six, et sont
décrits d’après Caballero (2007) (Figure. 4.4) :
49
Figure 4.4 : A) Schéma d’exploitation du champ captant de Thil-Gamarde

d’après (Caballero, 2007) B) Vue aérienne du champ captant
50
Domaine du Thil (rive gauche de la Jalle) :

• Forage R21 [n◦ BSS : 803-5X-0279]
D’une profondeur de 6.5 m, le forage est en trou nu après -2.4 m et une cavité
formée par la karstification se situe de -3.3 à -5.8 m. La transmissivité calculée
suite à un essai de pompage de 24 h est estimée entre 1.2 et 2×10−1 m2 s−1 .
Actuellement, une pompe à débit asservi à une hauteur d’eau dans l’ouvrage
d’environ 9 mNGF permet un débit maximum de 230 m3 h−1 à l’étiage et de 500
m3 h−1 en hautes eaux. Le fond du forage est composé d’un conglomérat d’argile
et de sédiments compacts. Il n’existe aucune arrivée d’eau au fond de l’ouvrage.
Des diagraphies de conductivité électrique et d’oxygène dissout réalisées pendant
cette thèse ont montrées que les arrivées d’eau venaient majoritairement entre
4.7 m et le fond du forage.
• Source R21 [n◦ BSS : 803-5X-0280]
L’eau de cette source se déverse directement par gravité, lorsque le niveau d’eau
le permet, dans un aqueduc (du "Taillan") qui achemine l’eau jusqu’à Bordeaux.
• Captage Thil R20 [n◦ BSS : 803-5X-0281]
D’une profondeur de 10.6 m, il est équipé d’un tubage crépiné de -1.2 m à -10.6
m. Ce captage est également équipé d’une pompe dont le débit est asservi à
une hauteur d’eau dans l’ouvrage. La transmissivité calculée suite à un essai de
pompage de 24 h est estimée entre 1.2 et 2×10−1 m2 s−1
• Barbacanes [n◦ BSS : 803-5X-0286]
Une quarantaine de barbacanes longues de 0.3 à 1.3 m ont été aménagées pour
capter l’aquifère au niveau de l’aqueduc du Taillan, elles s’étendent sur une lon-
gueur d’environ 650 m et se déversent directement dans l’aqueduc.
Domaine de Gamarde (rive droite de la Jalle) :

• Galerie de Gamarde [n◦ BSS : 803-5X-0006]
Cet ouvrage est composé de deux galeries creusées dans le calcaire oligocène.
Les arrivées d’eau se font de façon naturelle à travers le calcaire constitutif des
parois. La voute de la galerie est maçonnée pour supporter les terrains sus-jacents.
L’ouvrage est réalisé à environ 6 m de profondeur, ses dimensions sont de 1.75
m en hauteur et de 1.5 m en largeur avec une longueur de 500 m. Le pompage
de la galerie de Gamarde s’effectue au niveau de la "bâche eau brute (EB)" à
mi-longueur de la galerie. Le débit de pompage de la galerie de Gamarde se situe
autour de 270 m3 h−1 .
• Puits rayonnant [n◦ BSS : 803-5X-0008]
Il s’agit d’un puits à 5 drains rayonnants autour d’un puits central de 17.3 m
de profondeur cimenté au fond. Cet ouvrage est hors service à l’heure actuelle et
ne fonctionne que très ponctuellement pour les besoins d’études spécifiques. La
transmissivité calculée suite à un essai de pompage de 24h dans l’ensemble de
l’ouvrage est estimée entre 3.5 et 2.9×10−1 m2 s−1 .
51
4.3.2 Vulnérabilité du champ captant

De part sa localisation en périphérie de l’agglomération bordelaise et son ancrage
dans un dense tissu urbain, le champ captant de Thil-Gamarde est soumis à
de fortes pressions anthropiques. Plusieurs foyers potentiels de pollutions ont
été désignés par Caballero (2007) dans le document de la déclaration d’utilité
publique de 2007 (Figure 4.5).
Bien que les foyers de pollution ne soient pas forcement directement en contact
avec l’aquifère oligocène exploité, de nombreuses zones à risques sont présentes
sur le bassin versant de la Jalle et de ses affluant traversant le champ captant
de Thil-Gamarde (Ruisseau du Monastère et de Ste Christine). De nombreuses
zones industrielles, stockages d’hydrocarbures, décharges, rejet de réseau pluvial,
etc sont présentes sur le bassin versant de la Jalle (Figure 4.5). Le champ cap-
tant est alors susceptible d’être contaminé par drainance depuis les aquifères en
présence au droit des potentiels foyers de pollutions mais également par échange
nappe-rivière entre la Jalle, ses affluents et l’aquifère oligocène.
Dans l’historique des pollutions rencontrées sur les ouvrages AEP du champ cap-
tant, de fortes concentrations en éther éthyle tertiobutyle (ETBE), un additif
pour carburant, ont été retrouvées dans les eaux de la galerie de Gamarde en
juin 2009 (Safege, 2009b). Cette pollution aurait pour origine une station service
présente à moins d’1 km au sud de la galerie de Gamarde et se serait propagée
directement à travers l’aquifère oligocène et par le ruisseau Ste Christine (Safege,
2009b).
Le champ captant de Thil-Gamarde a également fait l’objet, durant l’été 2011,
d’une première alerte de pollution au perchlorate sur les ouvrages AEP de Thil et
de Gamarde. Des concentrations en ions perchlorates ont été mesurées en diffé-
rents points du champ captant de Thil-Gamarde allant jusqu’à environ 100 µg L−1
(Safege, 2012). Les concentrations maximales mesurées dans les ouvrages AEP
sont d’environ 40µg L−1 , pour les trois ouvrages actifs du champ captant (Fi-
gure 4.6). Les concentrations maximales relevées en rivière sont également de 40
µg L−1 . On note une diminution constante de la concentration en perchlorate dans
les ouvrages AEP R21 et Galerie en accord avec la diminution des concentrations
en rivière. L’ouvrage AEP R20 conserve de faibles concentrations en perchlorate,
souvent inférieures au seuil de détection, hormis pour quelques événements.
Toxique, l’ion perchlorate est un perturbateur endocrinien. En France, l’Agence
nationale de sécurité sanitaire de l’alimentation, de l’environnement et du travail
(Anses) fixe en 2011 des restrictions de consommation (Anses, 2011) :
• à partir de 4 µg L−1 de perchlorates pour les nourrissons de moins de 6

mois ;
• au-delà de 15 µg L−1 de perchlorates pour les femmes enceintes et allaitantes

ainsi que pour les autres individus ;
Le perchlorate d’ammonium, NH4 ClO4 , est un composé inorganique extrêmement

soluble dans l’eau (Solubilité du perchlorate d’ammonium : 200 g L−1 (Ashford,
52
Figure 4.5 : Foyers potentiels de pollution identifiés d’après Caballero (2007)
53
Figure 4.6 : Concentrations en perchlorate µg L−1 , débit et niveau associés dans

les ouvrages AEP et la Jalle au niveau du champ captant de Thil-Gamarde
54
4.4 Caractérisation et conceptualisation des écoulements et du transport
1994). Le perchlorate est généralement utilisé comme un oxydant solide pour les
systèmes de propulsion de missiles, bombes et munitions ainsi que pour la confec-
tion de réacteurs de fusées. De ce fait, les concentrations les plus importantes de
perchlorate mesurées se trouvent souvent dans des zones d’activité industrielles
en particulier l’industrie d’armement et aérospatiale. On en retrouve également
dans les anciennes zones de guerre, bombardées où des munitions peuvent encore
être enterrées.
Le perchlorate d’ammonium se dissocie au contact de l’eau en deux ions : le
perchlorate (ClO− +
4 ) et l’ammonium (NH4 ). L’ammonium n’étant pas toxique,
nous nous intéressons ici exclusivement à l’ion perchlorate. Selon la littérature,
l’ion perchlorate est un élément très mobile et très stable dans l’environnement
aqueux (Jackson et al., 2004). De plus il n’est pas adsorbé de manière significative
dans les sédiments ou la matière organique (INERIS, 2014). La combinaison de
la forte solubilité, de la faible adsorption du perchlorate font que les panaches
de pollution sont souvent grands, persistants et difficiles à supprimer (Trumpolt
et al., 2005).
La présence de perchlorate dans l’eau des ouvrages du champ captant de Thil-
Gamarde peut avoir plusieurs origines :
• la Jalle : en effet en amont du champ captant de Thil-Gamarde la Jalle

draine des terrains pollués au perchlorate d’ammonium (Safege, 2012) (plu-
sieurs milliers de µg L−1 dans les eaux de l’aquifère miocène en présence).
La modification du sens d’échange au droit du site créé par l’exploitation
de la ressource en eau peut alors entrainer une contamination de l’aquifère
en relation directe avec la Jalle ;
• des munitions enfouies dans le sous sol : le site de Thil-Gamarde a été un

lieu de stockage militaire lors de la seconde guerre mondiale (Tauzia, 2015),
des résidus d’armement pourraient toujours être lessivés et s’écouler dans
l’aquifère.
La continuité hydraulique entre les eaux de surface et les eaux souterraines au

droit du champ captant de Thil-Gamarde implique que : le développement ou la
contamination de l’une des deux entités peut affecter l’autre (Sophocleous, 2002),
et ce, notamment dans un contexte de prélèvement d’eau dans la zone riparienne
(proche rivière) (Woessner, 2000).
Bien que les perchlorates soient la source majeure de pollution du champ captant,
les recherches porterons principalement sur la vulnérabilité du champ captant face
au vecteur de pollution rivière dans son ensemble.
4.4 Caractérisation et conceptualisation des écou-

lements et du transport
L’apport de solutions de gestion de la ressource en eau, vis-à-vis de la probléma-
tique de contamination de l’aquifère par les eaux de surface, passe par une phase
55
Figure 4.7 : Carte des ouvrages d’observation et de production du champ captant

de Thil-Gamarde
préliminaire de compréhension et de caractérisation du système au travers de la

conceptualisation des écoulements et du transport.
Dans un système aquifère le transfert de pression et de masse répondent à des
sollicitations externes, telles que : la recharge atmosphérique, les prélèvements
anthropiques, les échanges avec les entités de surface, etc. Le système aquifère
réagit à ces sollicitations en fonction des propriétés hydrodynamiques qui le ca-
ractérisent, telles que : la transmissivité et le coefficient d’emmagasinement, la
dispersion, etc. Afin d’établir le modèle conceptuel de l’aquifère étudié, nous cher-
chons ici à caractériser : i) la dynamique du système aquifère au travers du champ
de charge hydraulique ; ii) les différentes sollicitations auxquelles l’aquifère est
soumis ; iii) la réactivité de l’aquifère face à ces sollicitations et iv) les propriétés
hydrodynamiques du système contraignant les transferts de pression et de masse.
La caractérisation de ces processus et propriétés passe par l’analyse de données
et de rapports existants, la mise œuvre d’un suivi d’observation et l’acquisition
de données hydrogéologiques, hydrogéophysiques et hydrogéochimiques au cours
de travaux de terrain. L’ensemble est décrit dans cette section en s’appuyant sur
la Figure 4.7 comme référence géographique.
56
4.4.1 Hydrologie
4.4.1.1 Débits de production des ouvrages
Les débits de production de l’ensemble des ouvrages d’exploitation du site ont été
fournis par Suez Environnement au pas de temps 5 minutes. Il s’agit des débits
de production des ouvrages R20, R21, Galerie et Barbacanes, ils sont également
représentés dans sur la figures 4.10.
4.4.1.2 Précipitations
Les données de la station de Mérignac, gérée par Météo France, se situant à
environ 7 km de la zone d’étude nous ont été fournies (source climathèque Météo-
France). L’ensemble des données de précipitation sont fournies par Météo-France
(Centre National de Recherches Météorologiques, CNRM).
4.4.1.3 Suivi de la pression en nappe

Nous avons équipé, entre 2013 et 2015, l’ensemble des puits d’observation et
des ouvrages de prélèvement en état ainsi que deux points en rivière, avec des
sondes de pression et de température autonomes mini-DIVER (Schlumberger®)
qui enregistrent la pression et la température toutes les 6 minutes (Figure 4.7).
Deux sondes mini-BARO (Schlumberger®) émergées ont également été placées
dans les puits d’observation P32 et P25 afin de mesurer la température et la
pression atmosphérique, permettant de compenser de la pression atmosphérique
les mesures de pression immergées.
Suite à une réflexion sur la disponibilité spatiale des observations de charge vis-à-
vis des échanges nappe-rivière, nous avons participé, durant le mois de septembre
2014 à la réalisation de nouveaux piézométres que nous avons également équipé
de sonde de pression et de température (P34, P35, P36, P37, P38, P39 et P40
sur la Figure 4.7) L’ensemble des points n’a pas été équipé simultanément, et
certaines périodes sont manquantes sur plusieurs points. La Figure 4.8 permet de
rendre compte de la disponibilité en chaque point et de l’ensemble des données
disponibles.
Nous avons nivelé l’ensemble des ouvrages à l’aide d’un GPS différentiel
Leica® GS-08 raccordé à une antenne fixe de Bordeaux Métropole présente à
environ 10 km de la zone d’étude. Une fois traitées, les données GPS obtenues
nous fournissent l’altitude en m NGF du haut de chaque tubage avec une préci-
sion centimètre. Par la suite l’ensemble des chroniques piézométriques en m NGF
a pu être obtenu. Les chroniques de précipitation, le niveau d’eau en rivière, le
niveau d’eau dans deux piézomètres (P24 et P34), le niveau d’eau dans les 3 ou-
vrages de production ainsi que leurs débits de production associés sont présentés
Figure 4.10.
A partir de ces données, une carte piézomètrique sur les bases d’enregistre-
ment du 10 octobre 2014 (Figure 4.11) a été réalisée. Nous avons fait l’hypothèse
d’une continuité de la pression entre la rivière Jalle et la nappe. Cette carte nous
57
Figure 4.8 : Disponibilité des données aux points d’observation du champ captant.
En chaque point (noir) et cumulée (rouge)
Figure 4.9 : A) Exemple de relevé de sonde DIVER dans un puits (P26) B)

nivellement DGPS au abord du l’ouvrage R21
58
Figure 4.10 : Chroniques de précipitation, niveau d’eau en rivière, niveau d’eau

dans deux piézomètres (P24 et P34), niveau d’eau dans les 3 ouvrages de production
ainsi que les débits de pompage associés
59
Figure 4.11 : Carte piézométrique réalisée à partir des données de sonde DIVER
au 10-10-2014
renseigne sur les directions générales des écoulements ainsi que sur l’influence des
différents "objets" du champ captant (rivière, ouvrages de production, seuil, etc).
Les écoulements sont principalement contraints par les prélèvements des ou-
vrages dans l’aquifère et les écoulements de surface (rivière Jalle). La présence du
seuil de la Jalle (Figure 4.7) décalant l’altitude du lit de la rivière d’environ 1.2
m a une influence significative sur les écoulements souterrains en créant des gra-
dients hydrauliques importants de part et d’autre du seuil. La rivière Jalle est en
condition de perte sur la majorité du champ captant, excepté en aval du seuil ou
en rive gauche où l’aquifère alimente la rivière. On remarque également des axes
où les gradients hydrauliques sont faibles, révélateurs d’une forte transsimisivité
de l’aquifère ; en rive droite proche dans l’axe des ouvrages de production et au
sud de la galerie de Gamarde.
L’analyse des chroniques piézomètriques obtenues nous renseigne sur les dyna-
miques de transfert de pression, mais également sur les propriétés hydrodyna-
miques de l’aquifère en fonction de la réponse de chaque puits à tel ou tel for-
çage. On peut ainsi classer chaque ouvrage en fonction de sa réactivité, ainsi les
ouvrages peuvent être influencés par les prélèvements dans R21, dans R20, dans
la galerie ainsi que par les signaux rivière et recharge. L’identification de chaque
ouvrage en fonction de sa sensibilité aux ouvrages de production est répertorié
dans la figure 4.12.
60
Figure 4.12 : Classement des ouvrages en fonction de leur réactivité piézométrique
L’ensemble des chroniques pézomètriques observées est influencé par le signal

rivière, excepté PF, P26, P27 et P30 dont les logs indiquent qu’ils n’atteignent
pas l’aquifère oligocène mais restent dans des formations du Plio-Quaternaire. La
moindre influence de la rivière sur leur signal piézomètrique peut être expliquée
par la présence d’argiles atténuant le signal, ou par la distance par rapport à la
rivière (PF, P30).
Les ouvrages en rive gauche à l’ouest du R21 réagissent nettement aux différentes
sollicitations du puits de production R21. Plus à l’est, les ouvrages réagissent aux
sollicitations du puits de production R20 mais également aux prélèvements dans
la galerie de Gamarde en rive droite. Le point P8 qui se situe à mi-chemin entre
R20 et R21 réagit à ces deux puits de production et dans une moindre mesure
aux prélèvements de la galerie de Gamarde. Les puits d’observation en rive droite
réagissent aux prélèvements de la galerie de Gamarde.
D’un point de vue hydrodynamique, la forte réactivité de certains ouvrages face
aux prélèvements est le signe de fortes transmissivités qui sont à associer avec les
faibles pertes de charges observées entre certains points d’observation et de pré-
lèvements (également observés sur la carte piézomètrique). De manière générale
on observe les axes transmissifs suivants :
• dans le prolongement du puits de prélèvement R21 en direction des ouvrages

d’observation AP1, P25, P24, P39, P40, P28, P29 ;
• dans l’axe R20 - P8 ;
• autour de la galerie et dans l’axe galerie - PH.
61
Figure 4.13 : Essai par pompage sur l’ouvrage P32
A contrario on observe également des zones faiblement transmissives :
• entre le puits d’observation P25 et la rivière où les pertes de charges sont

conséquentes ;
• entre le puits d’observation P33 et la rivière ;
• dans l’axe R20 - P38 - P37 ;
• entre les ouvrages de production R20, R21 et la rivière ;
4.4.1.4 Estimation de la transmissivité de l’aquifère

Une série d’essais par pompage a été réalisée entre décembre et avril 2015, dans
le cadre d’un projet étudiant que nous avons encadré (Rossi et al., 2015).
Réalisés à débit constant, le rabattement en fonction du temps a été reporté
sur un graphique semilog. Les essais par pompage ont été interprétés avec la
solution de Cooper-Jacob pour les cas sans présence de limite d’alimentation,
avec comme hypothèse que le rabattement reste relativement faible par rapport
à l’épaisseur de l’aquifère (inférieur à 10% de l’épaisseur de l’aquifère) et que
le milieu est homogène (Kruseman et al., 1990). Cette solution est uniquement
r2 S
valide pour u = ≤ 10−3 . Ainsi, d’après l’équation :
4T t
Q 2.25T Q

s= ln 2 + ln(t) (4.1)
4πT r S 4πT
Où s [L] est le rabattement, T [L2 T−1 ] la transmissivité, r [L] le rayon du
puits, Q [L3 T−1 ] le débit de pompage et t [T] la durée du pompage.
62
Les cas avec présence de limite d’alimentation ont été interprétés avec la solution
de Theis, d’après l’équation :
Q 4T t 4T t

s= W −W (4.2)
4πT r2 S Sr02
Où r0 [M] est la distance au puits image. Les valeurs de transmissivités sont
résumées :
Ouvrage T m2 s−1 Lithologie

P25 2 × 10−3 limon sable noir, calcaire altéré, calcaire plus ou moins fracturé
P27 4.5 × 10−3 sable marron sur marnes
−4
P32 1.6 × 10 sable argileux, graviers sable et calcaire sableux avec graviers
P33 8.5 × 10−4 sable brun et sable grossier
−3
PF 2.3 × 10 sable fauve jaunâtre, sable blanc
PM 1.1 × 10−3 données indisponibles
PZHM1 3.2 × 10−3 données indisponibles
−3
P8 7.2 × 10 données indisponibles
Tableau 4.1 : Résultats des essais par pompages
La moyenne des transmissivités estimées est de 2.6×10−3 m2 s−1 , ce qui fait une
conductivité hydraulique moyenne comprise entre 4 et 9 × 10−5 m s−1 . Cependant
si l’on prend en compte les valeurs obtenues par les essais réalisés aux ouvrages
de production la conductivité hydraulique moyenne serait plus de l’ordre de 5 ×
10−4 m s−1 .
4.4.1.5 Estimation de l’anisotropie de l’aquifère

L’anisotropie est le rapport entre la conductivité hydraulique verticale Kv [
L’anisotropie a été approximée par modélisation inverse d’une section de
l’aquifère traversée par la rivière et le dispositif en flûte de pan, avec l’hypo-
thèse d’un milieu homogène. Les paramètres géométriques et hydrodynamiques
proviennent des mesures de terrain décrites dans ce chapitre, avec une valeur de
conductivité hydraulique de 5 × 10−4 m s−1 pour l’aquifère et le lit de la rivière.
La section d’aquifère est simulée avec le code de calcul SUTRA (Voss, 1984) et le
maillage produit par le mailleur d’éléments finits Gmsh (Geuzaine and Remacle,
2009), les fichiers d’entrée et de sortie étant générés à l’aide d’un script Python.
Un modèle analogue à celui décrit dans l’article (Cousquer et al., 2017) a été uti-
lisé en appliquant un gradient hydraulique entre la rivière et la nappe identique à
celui mesuré sur le terrain. Le niveau piézomètrique mesuré dans le dispositif en
flûte de pan le même jour a été reproduit en faisant varier l’anisotropie renseignée
dans le modèle (Figure 4.15). On observe (Figure 4.16) la répartition des isolignes
de charge hydraulique en mètre, et ainsi la convergence des flux à proximité de
63
Figure 4.14 : Dispositif des piézomètres en "flute de pan"
Figure 4.15 : Différence de charge entre P35 et P35 en fonction de l’anisotropie
la rivière permettant d’obtenir la bonne valeur d’anisotropie en reproduisant la

différence de charge mesurée dans le dispositif en "flûte de pan".
La différence de cote piézomètrique entre les puits P35 et P36 est de 1.07 m,
l’anisotropie est ainsi estimée à 0.6 (Kv /Kh ).
4.4.1.6 Estimation des propriétés hydrodynamiques du lit de la rivière
Les propriétés hydrodynamiques du lit de la rivière, et notamment sa conduc-

tivité hydraulique verticale fait partie des paramètres les plus influants sur les
flux nappe-rivière échangés (Cousquer et al., 2017; Morel-Seytoux, 2009; Rush-
ton, 2007). Ce paramètre peut être estimé au moyen de tests de perméabilité
in-situ. Cheng et al. (2011) proposent un dispositif de mesure, comprenant un
perméamètre à enfoncer verticalement dans les sédiments du fond de la rivière
64
Figure 4.16 : Modèle permettant d’estimer l’anisotropie en fonction des observa-

tions faites dans les piézomètres en flûte de pan
Figure 4.17 : schéma du pérméamètre in−situ pour déterminer la conductivité

hydraulique verticale du lit de la rivière d’après Cheng et al. (2011)
(Figure 4.17). Après avoir enfoncé le tube dans les sédiments d’environ 30 cm, de
l’eau est ajoutée dans le tube depuis le haut. La charge hydraulique dans le tube
descend et est enregistrée sur différents pas de temps. La conductivité hydraulique
est ensuite déduite de l’équation de Hvorslev (Hvorslev, 1951) :
πD
!
+ Lv
11m h1
Kvb = ln (4.3)
t2 − t1 h2
Où Lv [L] est la profondeur de pénétration du tube dans les sédiments (ici
30 cm), h1 et h2 [L] sont les charges mesurées respectivement
q aux temps t1 et t2
[T], D [L] est le diamètre interne du tube et m = Khb /Kvb avec Kh [L T−1 ] la
conductivité hydraulique horizontale moyenne des sédiments entourant le tube.
D’après Cheng et al. (2011) m peut être choisi arbitrairement car il n’influence
que peu la valeur estimée de Kvb .
Nous avons réalisé ce protocole de mesure sur plusieurs points, le long d’un tron-
65
Figure 4.18 : Log de la conductivité hydraulique, en hautes et basses eaux, sur

un transect de rivière face à l’ouvrage P35
çon de rivière face au piézomètre P35. Les mesures ont été réalisées deux fois,
en hautes et basses eaux, afin d’estimer l’éventuelle variabilité de conductivité
hydraulique du lit de la rivière au cours de l’année (Figure 4.18).
On observe une légère diminution des conductivités hydrauliques mesurées en
période de basses eaux 4.18, sans doute induite par des vitesses d’écoulement plus
faibles favorisants les dépôts de sédiment moins perméables (argiles), ce phéno-
mène est également à l’origine des faibles conductivités hydrauliques retrouvées
à proximité des des berges.
La moyenne arithmétique de conductivité hydraulique du lit de la rivière est es-
timée à 5 × 10−4 m s−1 , cette valeur est équivalent à la conductivité hydraulique
moyenne de l’aquifère.
4.4.2 Hydrochimie
Trois campagnes géochimiques, deux en basses eaux et une en hautes eaux ont été
réalisées dans le cadre de cette thèse et du post-doctorat de Célestine Delbart. Les
méthodes et résultats méritent d’être présentés ici, car ces données ont été utilisées
dans la suite de cette étude. L’ensemble des ouvrages d’observation et de produc-
tion a été échantillonné dans le but de caractériser les échanges nappe-rivière.
Deux traçages artificiels ont également été conduits par Suez Environnement.
4.4.2.1 Traçages
Deux principaux traçages à la fluorescéine ont été réalisés par Suez Environne-
ment et Safege (Safege, 2012) :
• le 22-03-2012, avec comme lieu d’injection la rivière Jalle, légèrement en

aval du P26. Il avait pour but de caractériser les échanges nappe-rivière
66
Figure 4.19 : Traçage depuis la Jalle (point source) au 22-03-2012
vis-à-vis des puits de production (Figure 4.19) ;

• les 13-01-2015 et 22-01-2015 avec comme point d’injection le piézomètre
P24. Il a eu pour but de caractériser les échanges entre la zone aquifère du
P24 et les ouvrages de production (Figure 4.20).
Ces traçages mettent en avant la forte connexion existante entre la Jalle et la

Galerie et dans une moindre mesure vis-à-vis de l’ouvrage R21 et quasi-inexistant
avec le R20. Ils indiquent également des temps de transfert très courts au sein de
l’aquifère où le traceur met respectivement 20 h pour parcourir environ 450 m et
230 m entre P24 et R20, R21, et 5h pour parcourir environ 500m entre la Jalle
et la Galerie (Figure 4.21). Les vitesses de transfert sont rapides mais ne sont
cependant pas proportionnelles à la distance entre les différents ouvrages, signe
d’une hétérogénéité dans les vitesses d’écoulements.
67
Figure 4.20 : Traçage depuis le piézomètre P24 (point source) les 13-01-2015 et
22-01-2015 (barre rouge)
68
Figure 4.21 : Temps de transfert moyen estimé à partir des traçages
4.4.2.2 Calcul des rapports de mélange eau de surface - eau souter-

raine
Trois campagnes géochimiques ont été réalisées en octobre 2014 et en avril et

octobre 2015.
Un modèle géochimique de mélange entre les eaux de la rivière et les eaux

souterraines basé sur les concentrations en ions Ca2+ et HCO− 3 a été réalisé pour
chaque campagne par projection des valeurs des couples Ca et HCO−
2+
3 aux points
de mesure sur la droite de mélange reliant les pôles surface et souterrain (Carrera
et al., 2004). Un pôle d’eau de surface est défini à partir de l’eau de rivière et
un pôle considéré comme souterrain avec l’eau de l’ouvrage P28. Les rapports
de mélange Ca2+ - HCO− 3 des eaux prélevées aux différents points d’observation
et de production sont comparés à la droite de mélange modélisée (Figure 4.23
pour la campagne d’octobre 2015). A partir du modèle de mélange, le rapport de
mélange eau de surface - eau souterraine est estimé pour l’ensemble des ouvrages
échantillonnés du site (Figure 4.24). Il est important de noter que les rapports
de mélange pour l’ouvrage Galerie ont été réalisés à partir du point Rth, l’eau
qui arrive au point Rth ne représente qu’une part faible de l’eau produite par
l’ouvrage Galerie puisque le pompage est effectué au niveau du point EB.
69
Figure 4.22 : Échantillonnage d’eau pour la mesure de la composition géochimique

au niveau du seuil de la Jalle
Figure 4.23 : Rapport de mélange (α) Ca2+ - HCO− 3 des eaux prélevées et modèle
de mélange entre le pôle surface (Jalle) (α = 1) et le pôle souterrain (P28)(α=0)
70
Figure 4.24 : Rapport de mélange déduit du modèle de mélange Ca2+ - HCO− 3

pour la campagne d’octobre 2015, où le rapport de mélange α [%] représente le
pourcentage d’eau de surface
4.4.3 Géomorphologie
La géomorphologie de la zone d’étude est essentiellement marquée par l’incision

des formations géologiques par les différents cours d’eau : la Jalle, le ruisseau
St Christine et le ruisseau du Monastère, et le comblement de ces incisions par
des alluvions. Seule la rivière Jalle coule de façon permanente. Le ruisseau Ste
Christine coule pendant une majeure partie de l’année et le ruisseau du Monastère
ne coule qu’en cas d’évènements pluvieux exceptionnels. Habituellement, celui-
ci se perd environ 2km au nord du site. Cependant la topographie (Figure 4.25)
montre clairement le tracé de ce cours d’eau ainsi qu’un alignement morphologique
parallèle à la faille de Bordeaux à l’est du point P8.
Bien que le cours d’eau ne coule que très rarement, un réseau de fractures
souligné par la topographie, doit permettre un écoulement préférentiel des eaux
le long du ruisseau. Par fortes pluies le réseau de fracture se met en charge et
permet l’écoulement en surface du ruisseau du Monastère.
Des formations karstiques ont également été rencontrées sur la "bute" topogra-
phique à l’est du point P8 (Figure 4.26).
Des investigations réalisées en avril 1990 ont mis en évidence une série de
conduits karstiques, dans la zone proche de la galerie de Gamarde et en relation
directe avec celle-ci (Seguin, 1990) (Figure 4.27).
71
Figure 4.25 : MNT de la zone d’étude de résolution 5m, d’après RGE ALTI®(ign)
4.4.4 Géophysique
Une série de campagnes géophysiques a été menée dans le cadre du projet dans
lequel s’inscrit cette thèse. Elles ont eu pour but de caractériser les structures
géologiques responsables des hétérogénéités d’écoulement observées à l’échelle du
site. La méthode géoélectrique électromagnétique (EM31) et la tomographie de
résistivité électrique (ERT) ont été effectuées. Cette section s’appuie principale-
ment sur les travaux de post-doctorat de Rémi Valois.
4.4.4.1 Prospection électromagnétique (EM31)

L’EM31 est constitué de deux bobines, l’une est émettrice et l’autre réceptrice.
Le passage d’un courant électrique alternatif dans la bobine émettrice crée un
champ magnétique, le passage de ce champs à travers le sous sol crée alors un
courant induit générant un champ magnétique secondaire mesuré par la bobine
réceptrice (McNeill, 1980). Ce dispositif permet de mesurer la conductivité élec-
trique apparente du milieu avec une profondeur d’investigation d’environ 5m.
Combinées à des mesures au GPS différentiel, les mesures EM31 effectuées ont
permis d’établir une cartographie de la conductivité apparente (Figure 4.29). La
localisation des zones couvertes par EM31 s’explique par l’impossibilité de couvrir
certaines zones présentant des objets métalliques (forte sensibilité de la méthode
aux métaux) mais aussi le tissu forestier parfois trop dense pour effectuer des me-
72
Figure 4.26 : Présence de modelés karstiques rencontrés sur le terrain à l’est du

point P8, la cavité de taille importante en bas de l’image correspond à l’entrée
d’une carrière abandonnée
Figure 4.27 : Mise en évidence de structure karstique souterraine au niveau du

point RCK2 (Seguin, 1990)
73
sures. Dans l’ensemble le milieu est plutôt résistant, correspondant probablement

aux sables et calcaires non saturés de l’Oligocène et du Plio-Quaternaire. Ainsi
la galerie de Gamarde est comprise dans une zones résistante ce qui est cohérent
avec les calcaires oligocènes, non saturés proches de la surface, qui la constitue.
Certaines zones plus conductrices (en bleu) sont susceptibles de correspondre à
des formations argileuses également présentes sur la zone, comme par exemple les
dépôts argileux provenant de la rivière Jalle correspondant à la zone conductrice
à l’est de la carte (Figure 4.29). On notera la présence de zone plus conductrices
notamment à l’est du point P8 et l’alignement nord / nord-ouest de l’ouvrage de
production R21. On remarquera également le passage de la faille de Bordeaux
(pointillés fins Figure 4.29, tel que représenté sur la carte géologique 1/50 000 du
BRGM Figure 4.2), traversant le champ captant. Des profils de résistivité élec-
trique traversant les zones conductrices proches des puits R21 et P8 ont alors été
réalisés en complément.
4.4.4.2 Tomographie de résistivité électrique (ERT)

La méthode ERT est effectuée au travers de l’injection d’un courant électrique
et la mesure de la différence de potentiel à partir d’électrodes plantées dans le
sol (?). Cette méthode est réalisée ici à travers une configuration Wenner avec
un espacement inter-électrode de 2 m. Les données acquises le long du profil sont
ensuite inversées par le logiciel d’inversion Res2dinv (Loke and Barker, 1996) afin
d’obtenir un modèle 2D vertical de résistivité électrique.
Les profils ont été réalisés dans le but de caractériser les structures présentes
dans les zones conductrices mises en évidence avec l’EM31. Un premier profil a
été réalisé dans la zone est du P8 (Figure 4.28).
Le profil ERT (Figure 4.28) présente trois couches distinctes :
• une 1ere couche conductrice de faible épaisseur ∼ 2 m, pouvant correspondre

à une zone argileuse ;
• une 2eme couche très résistante, caractéristique des calcaires non saturés
rencontrés dans la zone, d’une épaisseur d’environ 10 m ;
• Une 3eme couche de résistivité moyenne correspond à l’aquifère oligocène

saturé.
Une discontinuité est marquée au sein de la 2eme couche, lorsque la 1ere couche
est légèrement plus épaisse. Cette discontinuité est à mettre en relation avec le
passage de la faille de Bordeaux, pouvant alors créer des zones de fractures, par
la suite comblées par des argiles.
3 autres profils ont été réalisés dans la zone d’anomalie conductrice proche du
puits de production R21 (Figure 4.29). Les profils ERT (Figure 4.29) présentent
également trois couches distinctes :
• une 1ere couche très résistante de faible épaisseur ∼ 1 m, correspondant à

des sables secs rencontrés sur le terrain ;
74
Figure 4.28 : Cartographie de conductivité électrique EM31 (les couleurs chaudes

représentent les zones de faible conductivité électrique alors que les couleurs froides
représentent des zones de forte conductivité électrique). De nombreuses zones n’ont
pas pu être investiguées à cause de la présence d’éléments métalliques. Profil de
résistivité électrique à travers la zone conductrice à l’est du P8
• une 2eme couche conductrice comprise entre ∼ 5 et 10 m d’épaisseur, un

échantillonnage à la tarière a fait état d’argiles ;
• une 3eme couche de résistivité moyenne correspond à l’aquifère oligocène

saturé.
Cet alignement argileux, de direction nord / nord-est, est sans doute lié au
passage de failles secondaires à la faille de Bordeaux, également d’alignement
nord / nord-est. Cette hypothèse est corroborée par les résultats d’un rapport de
la Safege (Safege, 2009a) où une tomographie de résistivité électrique montre un
abaissement du mur de l’aquifère oligocène (Figure 4.30).
On remarque une discordance dans la couche conductrice (en violet sur le
profil Figure 4.30) associée à l’Oligocène inférieur marneux constitutif du mur de
l’aquifère. Cette discordance a lieu dans la même zone conductrice mise en avant
avec l’EM31 et les tomographies électriques précédentes. Par un abaissement de
la couche oligocène, une couche argileuse serait venue en comblement, expliquant
ainsi les zones conductrices retrouvées avec l’EM31 et la tomographie de résisti-
vité électrique (Figure 4.30).
Les ouvrages de production R20 et R21 sont situés dans l’axe de zone conduc-
trice, conséquence d’un comblement de zones faillées/fracturées par des argiles.
Potentiellement très transmissives, ces zones fracturées sont sans doute à l’origine
des vitesses d’écoulement rapides mises en évidence sur le terrain.
75
Figure 4.29 : Cartographie de conductivité électrique EM31 et profil de résis-

tivité électrique à travers la zone conductrice dans l’alignement de l’ouvrage de
production R21
Figure 4.30 : Cartographie de conductivité électrique EM31 et profil de résistivité

électrique d’après (Safege, 2009a)
76
Synthèse
L’ensemble des données acquises au cours de cette thèse permettent
d’établir le modèle conceptuel du champ captant, comportant les
points essentiels suivants :
• le champ captant exploite un aquifère libre de sub-surface

dans les calcaires de l’Oligocène en continuité hydraulique
avec les sables du Plio-Quaternaire ;
• ce champ captant est vulnérable car il est encadré par un tissu

urbain et industriel dense comprenant de nombreuses zones
à risques. Il est notamment traversé par un cours d’eau, la
Jalle, vecteur avéré de pollution ;
• d’un point de vue hydrogéologique, à l’échelle du site, les écou-

lements sont majoritairement contraints par le niveau de la
Jalle (affecté par la présence d’un seuil au centre du site), et
par les débits de production des différents ouvrages ;
• les échanges entre les eaux de surface et les eaux souterraines

se font naturellement dans le sens nappe-rivière, la présence
d’ouvrage de prélèvement vient inverser ce sens d’échange sur
les tronçons de rivière proches de ces ouvrages ;
• les propriétés hydrodynamiques de l’aquifère présentent de

fortes hétérogénéités à l’échelle du site. Des axes très trans-
missifs ont été mis en évidence notamment dans l’axe des ou-
vrages de prélèvement. La présence d’écoulements en conduits
(fractures / objets karstiques) a également été mis en avant
par des différents traçages artificiels ;
• les observations hydrodynamiques peuvent être expliquées par

des observations de terrain mettant en avant la présence de
figurés karstiques. La prospection géophysique a également
permis d’observer des zones favorables aux écoulements ra-
pides sur plusieurs axes ;
• à partir de la composition géochimique des eaux, les rapports

de mélange entre les eaux de surface (Jalle) et les eaux sou-
terraines ont pu être réalisés.
77
Troisième partie
Modélisation et calibration
79
Chapitre 5
Construction du modèle
d’échanges nappe-rivière à
l’échelle intermédiaire
5.1 Introduction
Un modèle d’hydrodynamique souterraine est développé dans le but de protéger la
ressource en eau du champ captant de Thil-Gamarde face au vecteur de pollution
rivière. Ce chapitre décrit la traduction numérique du modèle conceptuel décrit
dans le chapitre précédent. La construction du modèle sera réalisée afin de repré-
senter au mieux l’écoulement de l’aquifère et sa réaction face aux forçages naturels
(fluctuation de la recharge météorique, du niveau de la rivière) et anthropiques
(variation des débits de production), ainsi que les interactions nappe-rivière d’un
point de vue du transfert de pression et de masse. Ce chapitre précède l’étape de
calibration du modèle et l’estimation des incertitudes paramétriques et prédic-
tives présentées Chapitre 7. La finalité étant l’utilisation du modèle comme outil
d’aide à la décision basé sur des scénarios prédictifs (Chapitre 8).
5.2 Approche de modélisation : choix des mo-

dèles
Bien que de formation globalement poreuse, l’aquifère à modéliser présente des
zones partiellement karstifiées associées à des vitesses d’écoulement rapides dé-
taillées dans le modèle conceptuel présenté au chapitre précédent. Ces régimes
d’écoulement se situent en dehors des limites de validité de la loi de Darcy utilisée
dans la modélisation des milieux poreux (de Marsily, 1986). Différentes approches
permettent de modéliser ce type d’écoulement (Bailly, 2009) et nécessitent sou-
vent de modéliser explicitement un réseau discret de fractures/chenaux. Cela
implique une connaissance a priori suffisamment détaillée de la distribution spa-
tiale des fractures. Difficile d’accès et difficile à acquérir à l’échelle de l’aquifère
étudié (cf. prospection géophysique Chapitre 4), nous ne disposons pas de cette
81
5. CONSTRUCTION DU MODÈLE D’ÉCHANGES NAPPE-RIVIÈRE À L’ÉCHELLE
INTERMÉDIAIRE
information de façon suffisamment détaillée. Bien qu’il soit possible de générer

avec succès un réseau stochastique discret de fracture à l’échelle régionale (Jaquet
et al., 2004), de fortes incertitudes sur la structure et l’hétérogénéité du réseau gé-
néré persistent (Borghi et al., 2012). L’approche du milieu poreux équivalent est
donc envisagée, où i) les objets de taille inférieure au volume élémentaire repré-
sentatif (cellule) ne sont pas explicitement modélisés et ii) les équations utilisées
ne permettent pas de rendre compte des régimes d’écoulement karstiques. Cette
approche a cependant été menée avec succès sur plusieurs systèmes présentant des
structures karstiques (Abusaada and Sauter, 2013; Larocque et al., 1999; Scanlon
et al., 2003; Wang et al., 2016) et montre la capacité d’un modèle de ce type
à simuler les écoulements d’un aquifère karstifié. Cette approche ne permettra
cependant pas de rendre compte des temps de transfert rapides observés sur le
terrain, tel que les essais de traçages (Chapitre 4).
5.3 Plateforme de modélisation

Les codes de calculs utilisés pour la modélisation sont MODFLOW (McDonald
and Harbaugh, 1988) pour l’écoulement, MT3DMS (Zheng and Wang, 1999) pour
le transport advectif-dispersif et MODPATH (Pollock, 1994) pour le suivi de par-
ticules. Ces deux codes de calculs, basés sur les écoulement obtenus avec MOD-
FLOW sont largement utilisés au sein de la communauté de modélisateur et
présentent l’avantage d’être libres, gratuits et très bien documentés. Ce qui offre
une flexibilité appréciable pour gérer de nombreuses exécutions de modèles en
parallèle pour l’estimation des paramètres, la gestion d’incertitude et les tests de
scénarios.
Le logiciel de Système d’Information Géographique (SIG) Qgis (www.qgis.org)
est ici utilisé pour la visualisation et le pré-traitement des données géographiques
d’entrées des modèles. Le maillage est réalisé à l’aide du plugin Qgridder (https ://gi-
thub.com/apryet/Qgridder) (Pryet et al., 2015a). Les fichiers d’entrées / sorties
des modèles sont générés et lus en langage Python avec l’enveloppe (wrapper)
FloPy (https ://github.com/modflowpy/flopy ) (Bakker et al., 2016) (voir Fi-
gure 5.1).
5.4 Modélisation de l’écoulement

Les écoulements sont modélisés avec le code de calcul MODFLOW-2005 (Har-
baugh, 2005; McDonald and Harbaugh, 1988), code d’écoulement développé par
l’USGS (United States Geological Survey) qui résout l’équation de la diffusivité
à travers la technique numérique des différences finies. Bien que les écoulements
réels sont en 3D, l’utilisation d’un modèle 2D horizontal permet de réduire consi-
dérablement les temps de calcul ce qui est nécessaire à l’estimation des para-
mètres, la gestion des incertitudes et l’évaluation de multiples scénarios de ges-
tion. Les modèles 2D horizontaux font l’approximation de Dupuit-Forchheimer
82
Figure 5.1 : Schéma conceptuel de la plateforme de modélisation utilisée : l’in-

terface graphique du SIG Qgis est d’abord utilisée pour visualiser et pré-traiter les
données géographiques d’entrée. Le plugin Qgis Qgridder est alors employé pour
générer le maillage. Les scripts Python preproc.py et model_run.py sont ensuite
exécutés pour terminer le traitement des données d’entrée et communiquer avec le
wrapper FloPy pour l’exécution d’un ou plusieurs modèles. Les résultats du modèle
sont renvoyés vers Qgis pour la visualisation et le traitement, par l’intermédiaire
de FloPy et du script Python postproc.py
83
INTERMÉDIAIRE
(D-F), supposant que les flux sont majoritairement horizontaux et donc que les
gradients verticaux sont négligeables. La comparaison des solutions utilisant l’ap-
proximation de D-F avec les solutions des flux tri-dimensionnel (3D) montrent
que les charges calculées avec un modèle D-F sont quasiment indistinguables des
charges du modèle 3D à une distance supérieure à 2.5 × d d’un objet hydraulique
à l’origine de flux verticaux (rivière, puits partiellement pénétrants ...) (Haitjema,
2006), où : q
d = b Kh /Kv (5.1)
Avec, b [L] l’épaisseur de l’aquifère, et Kh /Kv l’anisotropie de conductivité hy-
draulique de l’aquifère. Dans le cas d’un écoulement souterrain à l’échelle régionale
ou intermédiaire, où les objets hydrauliques à l’origine des flux verticaux sont lo-
calisés aux conditions limites, l’approximation de D-F est bonne si la longueur
du système est supérieure à 5d (Haitjema, 2016). Dans notre cas, cette longueur
est comprise entre 50 m et 140 m (avec b = 30 m et 0.1< Kh /Kv < 0.8 ), ce qui
est largement inférieur aux dimensions du système (> 1 km). Cela nous permet
d’utiliser l’approximation de D-F.
Les variations de charge dans l’aquifère sont inférieures à 10% de l’épaisseur de
l’aquifère (environ 40m) ce qui permet de faire l’hypothèse d’une transmissivité
constante dans le temps. Cela permet de linéariser l’équation de la diffusivité.
Ainsi pour des flux 2D horizontaux dans un aquifère libre, hétérogène et isotrope,
l’équation de la diffusivité est définie par (de Marsily, 1986) :
∂h ∂ ∂h ∂ ∂h
ωs + Q(x, y) = (T (x, y) ) + (T (x, y) ) (5.2)
∂t ∂x ∂x ∂y ∂y
Où, ωs [-] est la porosité de drainage, h [L] la charge hydraulique, T (x, y)
[L T−1 ] le champ de transmissivité de l’aquifère et Q(x, y) [L T−1 ] le terme
2
source. L’approximation d’une transmissivité constante dans le temps permet

de linéariser l’équation de la diffusivité et d’éviter les calculs itératifs trop longs.
Une telle approximation permet ainsi de réduire le temps d’exécution et d’aug-
menter la stabilité du modèle, ce qui est particulièrement utile pour l’exécution de
multiples modèles (calibration, analyse d’incertitudes, etc) (Sheets et al., 2015).
La modélisation nécessite la discrétisation du domaine spatial et temporel ainsi
que l’imposition de conditions aux limites externes et internes. Les paramètres
hydrodynamiques de l’aquifère sont également à renseigner.
5.4.1 Discrétisation
5.4.1.1 Discrétisation spatiale
L’emprise du modèle consiste en un rectangle (2D) de 4490 m par 2600 m, elle
est volontairement étendue afin de limiter l’influence des conditions limites sur la
zone d’intérêt.
Le choix de la grille de modélisation est une étape importante, qui conditionne la
précision de la solution, le temps de calcul (Anderson et al., 2015), et peut aussi
avoir une influence sur la modélisation des échanges entre les eaux de surface et les
84
Figure 5.2 : Part horizontale de l’écoulement, tous les 5 m depuis le centre de la

rivière, calculée avec l’application développée chapitre 3. Dans le cas présent, on
peut considérer que les écoulements sont strictement horizontaux au delà de 50 m
de la rivière
eaux souterraines (Haitjema et al., 2001; Hunt et al., 2003; Mehl and Hill, 2010).
En effet, comme discuté dans le chapitre 3 et expliqué par Mehl and Hill (2010), la
discrétisation spatiale choisie va directement influencer les volumes nappe-rivière
échangés, si la valeur de conductance de la condition de Cauchy n’est pas adaptée
au maillage. Afin de conserver un sens physique à la condition limite rivière, la
taille des cellules rivière doit contenir l’ensemble des flux convergents / divergents
associé aux échanges nappe-rivière. Ainsi la distance, depuis la rivière, à partir
de laquelle les flux sont horizontaux Xf ar (condition de Dupuit-Forchheimer)
doit être calculée afin d’appliquer un maillage en conséquence. Plusieurs auteurs
(Haitjema et al., 2001; Morel-Seytoux, 2009; Rushton, 2007) utilisent des solutions
empiriques pour déterminer cette distance. Le modèle numérique développé dans
le chapitre 3 nous permet de calculer Xf ar . Le gradient nappe-rivière maximal
observé sur le terrain, ainsi que les paramètres géométrique et hydrodynamique
a priori sont utilisés pour estimer la composante verticale des flux en fonction de
la distance à la rivière (Figure 5.2).
La rivière étant placée au centre de la cellule, la taille des cellules rivière doit
théoriquement être au minimum de 2 ×Xf ar , ce qui fait ici 100 m. Le respect de
cette distance permet d’assurer un sens physique à la condition limite rivière de
type Cauchy. Cependant une distance de cellule inférieure n’implique pas auto-
matiquement une simulation erronée des échanges nappe-rivière, un calcul d’une
valeur de conductance adaptée doit alors être étudié. Étant donné l’étendue spa-
tialement restreinte des phénomènes à représenter, et la proximité des objets à
modéliser (les ouvrages de production sont à moins de 100m de la rivière) de
telles tailles de cellule sont ici inadaptées. Un choix entre le niveau de détail des
85
INTERMÉDIAIRE
solutions apportées par le modèle et le sens physique de la condition limite rivière

doit être fait. En l’occurrence, il n’est pas souhaitable de rogner sur la précision
des solutions du modèle dans le but de conserver un sens physique strict des
paramètres. Ainsi, une discrétisation spatiale plus appropriée aux phénomènes à
modéliser, de 10 m × 10 m a été choisie. Un calcul de conductance adapté à ce
maillage devra donc être appliqué. Par conséquence, le paramètre de la condition
limite rivière ainsi que les paramètres hydrodynamiques à proximité de la rivière
perdent leur sens physique. On introduit une erreur structurelle dans le modèle
à travers l’hypothèse de flux horizontaux dans des mailles où ils ne le sont pas en
réalité. Par conséquent, la conductivité hydraulique sur la zone 0 -100 m depuis
la rivière peut-être réduite pendant la calibration en deçà de sa valeur réelle pour
compenser l’erreur structurelle.
Avec une discrétisation spatiale de 10 m × 10, le nombre total de cellules est de
117 448.
5.4.1.2 Discrétisation temporelle

Permanent ou transitoire ? Cette question est fondamentale et chacun des deux
type de simulation présente ses avantages et limitations. Les systèmes hydrogéo-
logiques ne sont quasiment jamais à l’état permanent (Rousseau-Gueutin et al.,
2013), cependant plusieurs problèmes peuvent être résolus par la modélisation
en régime permanent (Anderson et al., 2015). Townley (1995) (dans Haitjema
(2006)) a étudié analytiquement de multiples problèmes d’écoulement sous condi-
tion de forçages périodiques (marée, interaction nappe-rivière, variation annuelle
de recharge). Il détermine que ces solutions analytiques sont contrôlées par un
paramètre sans dimension :
S × L2
τ= (5.3)
4×k×b×P
Où S [-] est le coefficient d’emmagasinement, L [m] la distance moyenne aux
eaux de surfaces, k [m s−1 ] la conductivité hydraulique, b [m] l’épaisseur moyenne
d’aquifère saturée et P [s] la période de forçage (365 j pour les fluctuations sai-
sonnières). Le paramètre τ permet de caractériser le temps réponse de l’aquifère
à un forçage périodique. La valeur de τ peut alors être un indicateur du régime
transitoire ou permanent de simulation à adopter (Haitjema, 2006, 1995) :
• τ > 1 : un modèle en régime permanent est valable ;
• 0.1 < τ < 1 : un modèle transitoire est nécessaire ;
• τ < 0.1 : une succession d’états permanents (hautes/basses eaux, année
humide/sèche) peut être adopté ;
Dans notre cas :
0.3 × 502 0.01 × 502

< τ < (5.4)
4 × 1 × 10−1 × 30 × 864000 4 × 1 × 10−6 × 30 × 864000
86
ainsi :
7 × 10−4 < τ < 7 (5.5)
Cette écart extrême est expliqué par la naturei, fortement hétérogène, des
paramètres hydrodynamiques du système. La période de forçage choisie est de
864000 sec (10 jours) afin de rendre compte de la périodicité des forçages natu-
rels (rivière) et anthropiques (pompage). Ces résultats indiquent qu’une simula-
tion en régime permanent peut être pertinente. Le choix de simuler le système
en régime permanent peut alors être judicieux, réduisant le temps de calcul et
permettant ainsi de réaliser plusieurs scénarios prospectifs. Cependant, le nombre
important d’informations transitoires dont nous disposons sur le système (charge,
recharge, niveau en rivière, débit d’exploitation des ouvrages) nous permet d’ap-
porter de l’information supplémentaire à l’étape de calibration et ainsi de mieux
la contraindre. En effet, l’ajout de données d’observations transitoires permet de
réduire le caractère mal-posé (ill-posed ; non-unicité de la solution) des modèles
hydrogéologiques (Hill and Tiedeman, 2006; Hunt et al., 2006; Zhou et al., 2014)
Au vue des fluctuations journalières de niveau d’eau en rivière, des débits de
pompage et des événements de recharge. La calibration du modèle sera exécutée
en régime transitoire, à partir d’un état permanent simulé comme état initial. Le
pas de temps est journalier et constant sur chaque période de simulation, de fa-
çon à simuler correctement la dynamique du système sans prolonger les temps de
calcul. Il est exécuté sur une période d’une année (Janvier 2014 à Janvier 2016)
pour la calibration, et 6 mois (Janvier 2016 à Juillet 2016) pour la validation.
La période de simulation choisie pour la calibration du modèle correspond à la
période où la densité spatiale du réseau d’enregistrement des niveaux en nappe
était maximale.
Au vue de la réactivité supposée du système (τ > 1), et suite à l’étape de cali-
bration, les scénarios prospectifs pourront éventuellement être exécutés en régime
permanent afin de réduire les temps de calculs.
5.4.2 Conditions limites

5.4.2.1 Externes
Les études préalables sur le fonctionnement hydrogéologique du site (Chapitre 4)

font état d’écoulement de nappe de sens nord-sud, de sens sud-nord en rive droite
et nord-sud en rive gauche de la Jalle. Les écoulements sont fortement contrôlés
par les prélèvements et les connexions nappe-rivière.
Idéalement les conditions limites externes d’un modèle sont placées sur des condi-
tions limites naturelles, tel qu’un cours d’eau, un changement d’unité géologique,
une zone imperméable etc. Dans notre cas l’aquifère Oligocène est d’étendue ré-
gionale et dépasse largement l’emprise de la zone d’intérêt, aucun cours d’eau
suffisamment proche (et totalement pénétrant) ne permet d’y établir une limite.
Les points d’observation en nappe (ADES) sont trop éloignés de la zone d’intérêt
pour s’en servir comme limite du modèle (Figure 5.3).
87
INTERMÉDIAIRE
Figure 5.3 : Puits instrumentés ADES et zone d’étendu du modèle
Les limites sont alors placées "arbitrairement" relativement éloignées de la

zone d’intérêt, ce qui a l’avantage d’en limiter leur influence par rapport aux
conditions limites internes (Anderson et al., 2015). Les limites externes sont pla-
cées suffisamment loin de sorte que l’effet des contraintes internes du système
n’atteignent pas ces dernières. Les flux étant, à l’échelle du site, majoritairement
sur un axe nord-sud (Cabaret, 2011), des conditions à flux nul (type Neumann)
sont appliqués aux conditions limites est et ouest du modèle. Dans un soucis de
contraindre au minimum l’influence des conditions limites nord et sud du modèle,
comme pourrait le faire une condition à potentiel imposé (type Dirichlet), une
condition de type limite dépendante de la charge (General Head Boundary, type
Cauchy) est appliquée aux limites nord et sud et s’exprime ainsi Figure 5.4 :
QB = CB × (HB − hi,j,k ) (5.6)
Où QB [L3 T−1 ]est le flux échangé entre la cellule à laquelle la condition est
appliquée et la cellule adjacente, CB [L2 T−1 ] est la conductance, HB [L] est la
charge de la cellule adjacente et hi,j,k [L] est la charge de la cellule à laquelle la
condition est appliquée.
Une condition à potentiel imposé (type Dirichlet) fixe une charge et contraint
ainsi la direction des écoulements (perpendiculaires à la condition limite) et leur
intensité, pouvant provoquer une forte erreur structurelle. Avec une condition de
type Cauchy (GHB), les valeurs de charge à la frontière ne sont pas nécessaire-
ment celles de la condition GHB (Hi,j,k ). Une condition GHB revient à imposer
un gradient hydraulique. Ce type de condition peut alors permettre de réduire
l’erreur structurelle en jouant directement sur les flux entrant dans le modèle via
une valeur de conductance, de plus elle ne force pas de direction d’écoulement.
88
Figure 5.4 : Fonctionnement de la condition limite de type GHB d’après McDo-

nald and Harbaugh (1988)
Il reste à définir la charge et la conductance à appliquer aux conditions GHB nord

et sud. Fleckenstein et al. (2006) calculent la charge à partir de la moyenne arith-
métique des charges sur 15 ans à 1000 m des frontières du modèle, simulée avec
un modèle régional. Hassan et al. (2014) définissent la charge générale à partir
de mesures piézométriques dans l’aquifère et la conductance est ajustée par cali-
bration. Les valeurs de charge simulées pour l’aquifère Oligocène avec le modèle
régional développé par Cabaret (2011) en Gironde, et les observations de terrain,
permettent d’évaluer un niveau piézométrique compris entre 10 et 15 m pour la
condition nord et 8 à 12 m pour la condition sud. Des valeurs moyennes de 12 m
et 10 m sont appliquées respectivement à la condition nord et sud. Les valeurs
initiales de conductance(CB) sont calculées selon la formule suivante (McDonald
and Harbaugh, 1988) :
K ×A
CB = (5.7)
L
Où K [L T−1 ] est la conductivité hydraulique de l’aquifère au droit de la
condition limite, A [L2 ] est l’aire de la cellule dans un plan vertical parallèle à la
bordure du domaine, et L [L] la distance entre HB et hi,j,k (Figure 5.4).
5.4.2.2 Ouvrages de prélèvement

Les ouvrages de prélèvement R20 et R21, la galerie drainante de Gamarde et
les Barbacanes (voir Chapitre 4, Figure 4.4 et 4.7) sont modélisés de la manière
suivante.
• Les pompages dans les puits de production R20 et R21 sont simulés avec
des points sources (well package (WEL) de MODFLOW). Une valeur de
débit par pas de temps de calcul déduite des chroniques de prélèvements
des ouvrages du site est associée à chacun des deux puits.
89
INTERMÉDIAIRE
Figure 5.5 : Schéma conceptuel de la fonction de production de Ledoux d’après

(Ledoux et al., 1984). Avec CRT la capacité au champ moyenne [mm], DCRT la
capacité au champ minimale [mm], FN la capacité d’infiltration du sol [mm], QImax
le paramètre d’infiltration maximal [mm], QRmax la saturation maximale du sol
[mm], CQI le coefficient de récession du flux vers la zone non saturée [j−1 ], CQR le
coefficient de récession du flux hypodermique [j−1 ]
• La Galerie drainante de Gamarde, et les Barbacanes sont simulées avec des

conditions de type Cauchy (drain package (DRN) de MODFLOW). Cette
condition est similaire à la condition rivière, à la différence que si la charge
de la cellule à laquelle la condition DRN est appliquée est inférieure à la
charge dans le drain, alors le débit d’échange est nul. Autrement dit, le sens
d’échange s’effectue toujours dans le sens nappe vers drain. Une chronique
journalière de charges mesurées en galerie est appliquée à la condition li-
mite de cette dernière. Ne disposant pas de chronique de charge pour les
Barbacanes, une valeur moyenne du niveau d’eau de 8.3 m mesuré au GPS
différentiel est appliquée. Une conductance de 1×10−5 m2 s−1 pour la Gale-
rie et de 7×10−5 m2 s−1 pour les Barbacanes, obtenue avec l’outil développé
(voir Chapitre 3), constituent les valeurs initiales de conductance.
5.4.2.3 Recharge
L’occupation des sols étant globalement homogène sur la zone d’intérêt du mo-
dèle, un flux de recharge homogène est appliqué au pas de temps journalier à
l’ensemble du domaine avec le recharge package (RCH) de MODFLOW (condi-
tion de type Neumann). Les chroniques de recharge sont générées à partir de la
fonction de production de Ledoux ((Ledoux et al., 1984), Figure 5.5). Les don-
nées météorologiques d’entrées, précipitations et ETP (Penman-Monteith), sont
fournies au pas de temps journalier par la station Météo France de l’aéroport
Mérignac à environ 10 km de la zone d’étude.
90
Paramètre Moyenne Écart-type

Épaisseur de l’aquifère 30 m 10 m
Largeur de la cellule 10 m 10 m
Largeur de la rivière 10 m 5m
Profondeur de la rivière 1m 1m
Angle des berges 90° 5°
Épaisseur du lit de a rivière 3m 1m
Anisotropie 0.6 0.1
Conductivité hydraulique de l’aquifère 5 × 10−4 m s−1 1 × 10−5 m s−1
Conductivité hydraulique du lit de la rivière 5×10−4 m s−1 1 × 10−5 m s−1
Tableau 5.1 : Moyenne et écart-type a priori considérés pour la distribution pro-

babiliste des paramètres du modèle de calcul de CRIV
Les paramètres CRT et DCRT servent à estimer la pluie efficace, disponible

au ruissellement et à l’infiltration. Le paramètre FN contrôle la partition entre
ruissellement et infiltration de la pluie efficace. CQR et QRmax interviennent dans
les dynamiques de ruissellement. CQI et QImax interviennent dans les dynamiques
d’infiltration.
DCRT intervient dans plusieurs fonctions non-linéaires, difficile à calibrer il est
alors préférable d’en fixer une valeur (Labarthe, 2016). Une étude bibliographique
des valeurs de DCRT usuellement utilisées sur des sols similaires (Labarthe,
2016; Pryet et al., 2015b) permet de fixer une valeur à 75 mm. Les valeurs de
CQR , QRmax , CQR et QRmax sont également fixées d’après Labarthe (2016); Pryet
et al. (2015b) respectivement à 0.1, 0.1, 0.1,10. Les valeurs de CRT et F N seront
quand à elles calibrées.
5.4.2.4 Rivière
Les deux cours d’eau présents sur la zone d’étude, la rivière Jalle et le ruisseau
St Christine sont modélisés au travers du river package (RIV) de MODFLOW
(condition limite de type Cauchy). L’outil développé dans le chapitre 3 sert à
déterminer une valeur initiale de CRIV. Comme décrit dans la section 5.4.1.1
pour le maillage établi, le CRIV perd le sens physique que lui confère la méthode
proposée pour le calculer. Néanmoins, un CRIV s’adaptant au contraintes de
discrétisation est choisi pour simuler correctement les flux nappe-rivière échan-
gés. Pour cela une distribution probabiliste de CRIV est obtenue par un tirage
aléatoire à partir de distribution statistique des paramètres d’entrées (Tableau
6.1).
CRIV est calculé pour chacun des 700 tirages de jeu de paramètres. Nous sup-
posons une distribution normale pour les paramètres géométriques et log-normale
pour les paramètres hydrodynamiques. Les résultats sont présentés Figure 5.6. La
91
INTERMÉDIAIRE
Figure 5.6 : Distribution probabiliste de CRIV
distribution des largeurs de cellules permet de prendre en compte l’incertitude sur

CRIV liée à la taille de la cellule (10 m). En prenant une telle gamme de largeur
de cellule, cela permet de prendre en compte l’incertitude faite sur le calcul de la
charge de la cellule rivière.
La charge appliquée aux cellules rivière est déduite des chroniques de pression
enregistrées sur le terrain, puis étendue par interpolation linéaire à l’ensemble
des cellules rivière afin de respecter une pente moyenne de 3 ‰ mesurée sur le
terrain.
5.4.3 Propriétés hydrodynamiques

Les valeurs initiales des propriétés hydrodynamiques sont établies à partir des
travaux de terrain (Chapitre 4) et la littérature (Canik, 1968; Larroque, 2004).
Pour la transmissivité et la porosité de drainage, elles sont respectivement es-
timées à 1.5 × 10−2 m2 s−1 et 0.2 [-]. La valeur de transmissivité correspond
à la valeur moyenne des conductivités hydrauliques estimées par essai de nappe
(5×10−4 m s−1 ) multipliée par l’épaisseur de l’aquifère (30m), supposée constante
à l’échelle du modèle. La valeur de coefficient d’emmagasinement, provient d’une
estimation à partir d’études du même système aquifère (Cabaret, 2011; Canik,
1968; Larroque, 2004). L’hétérogénéité du champ de ces deux paramètres sera
représentée aux travers d’un ensemble de point-pilotes (de Marsily et al., 1984;
Doherty, 2003), dont les valeurs seront ajustées par calibration.
5.4.4 Synthèse
L’ensemble des conditions limites du modèle d’écoulement est synthétisé Fi-
gure 5.7 :
92
Figure 5.7 : Synthèse des conditions limites du modèle d’écoulement. A noter

que par soucis de visibilité l’emprise du modèle dans sa partie est a été légèrement
raccourcie.
93
INTERMÉDIAIRE
5.5 Modélisation du transport

Le transport est simulé avec le code de calcul MT3DMS développé par Zheng and
Wang (1999) d’après (Zheng, 1990). MT3DMS permet de simuler les variations
de concentration d’espèces dissoutes en considérant l’advection, la dispersion,
la diffusion moléculaire et quelques réactions chimiques simples (Zheng et al.,
2012). MT3DMS communique directement avec MODFLOW, qui lui fournit les
solutions d’écoulement nécessaires à la simulation du transport par résolution de
l’équation d’advection-dispersion. En deux dimensions elle est définie par :
∂C ∂ ∂C ∂C
θ = (θDij ) − θνi + qs Cs + ΣRn (5.8)
∂t ∂xi ∂xj ∂xi
Où C [ML−3 ] est la concentration de l’espèce, θ [-] est la porosité de l’aquifère,

t [T] est le temps, xi [L] est la distances le long de l’axe, Dij [L2 T−1 ] est le tenseur
de dispersion hydrodynamique, ν [L T−1 ] est la vitesse de pore, qs [T−1 ] est le
débit du terme source, Cs [ML−3 ] est la concentration de l’espèce du terme source,
ΣRn [ML3 T−1 ] est le terme de réaction chimique, il n’est pas pris en compte ici.
Le tenseur de dispersion hydrodynamique, pour un milieu poreux isotrope est
définie, d’après Bear (2013), par :
νx2 νy2
Dxx = αL + αT + D∗ (5.9)
|ν| |ν|
νy2 ν2
Dyy = αL + αT x + D∗ (5.10)
|ν| |ν|
νx νy
Dxy = Dyx = (αL − αT ) (5.11)
|ν|
où Dxx , Dyy [L2 T−1 ] sont les composantes principales du tenseur de dispersion,
Dxy , Dyx [L2 T−1 ] sont les termes diagonaux du tenseur de dispersion, αL [L] est
la dispersivité longitudinale, αT [L] est la dispersivité transversale, D∗ [L2 T−1 ]
νx , νy [L T−1 ] sont les composantes de vitesse
est la diffusion moléculaire effective,q
de pore le long de l’axe x et y, |ν| = νx2 + νy2 [L T−1 ] est la magnitude du vecteur
vitesse.
MT3DMS se base sur la même discrétisation spatiale que MODFLOW, cepen-
dant la discrétisation temporelle ainsi que les conditions limites et les paramètres
de transport ont besoin d’être renseignés.
5.5.1 Discrétisation
5.5.1.1 Discrétisation spatiale
Bien que MT3DMS doit suivre la même discrétisation spatiale que MODFLOW,
le maillage doit souvent être adapté en fonction des besoins du transport éga-
lement (Zheng and Wang, 1999). Prenons l’exemple d’un modèle d’interaction
94
5.5 Modélisation du transport
Figure 5.8 : Configuration asymétrique des échanges nappe-rivière par rapport

au régime en gain et en perte de la rivière, modifié d’après Ben Simon et al. (2015)
nappe-rivière. Lorsque la rivière est représentée par une condition de type Cau-
chy sur une seule cellule "rivière", seules les configurations perte ou gain peuvent
être représentées. Les configuration asymétriques ne peuvent alors être représen-
tées (Figure 5.8).
Cela n’a pas d’importance pour la simulation des écoulements puisque le bilan
hydrique de la cellule reste globalement correct. Cependant, cet aspect devient
gênant pour la simulation du transport. En effet, dans une configuration asymé-
trique ou la majorité de la rivière gagne de l’eau, mais qu’une minorité en perd
aucun transport de soluté n’aura lieu depuis la rivière vers l’aquifère. A la suite
de la simulation de transport nappe-rivière exploratoire, Ben Simon et al. (2015)
arrivent à la conclusion qu’un minimum de 2 cellules est nécessaire pour simu-
ler correctement le transport nappe-rivière dans des conditions asymétriques. Le
niveau de discrétisation est conditionné par le gradient hydraulique de l’aquifère
ainsi que le ratio entre la conductivité hydraulique de l’aquifère et celle du lit de
la rivière. Ben Simon et al. (2015) rappellent tout de même que ce type de confi-
guration d’échange nappe-rivière reste marginal, et que les limitations engendrées
restent minimes dans la majorité des cas.
Dans un but de représenter au mieux les échanges nappe-rivière, cela implique
donc de raffiner les cellules rivière du modèle d’écoulement et de transport. Une
discrétisation spatiale de 2.5 × 2.5 pour les cellules rivière est alors choisie.
MODFLOW-2005 ne permettant pas de maille déstructurée, le raffinement des
cellules rivière se propagent le long des deux axes (x,y) portant le nombre total
de cellules à 972 000. La valeur de conductance, CRIV, de la condition limite ri-
vière précédemment déterminée est divisée par 4 afin de respecter cette nouvelle
discrétisation spatiale.
95
INTERMÉDIAIRE
5.5.1.2 Discrétisation temporelle

Généralement, le modèle d’écoulement et de transport ont les mêmes pas de
temps. Cependant, lorsque l’écoulement est permanent, alors le transport peut
avoir un nombre de pas de temps différents de l’écoulement, nécessaire pour at-
teindre un état permanent de transport (Zheng and Wang, 1999). La durée des
pas de temps utilisés pour l’écoulement est généralement trop longue pour être
utilisée aussi pour le transport, du fait de contraintes de stabilité et/ou de pré-
cisions plus restrictives pour le transport que pour l’écoulement. Chaque pas de
temps de l’écoulement doit alors être divisé en pas de transport. La taille des pas
de transport est soit spécifiée soit déterminée automatiquement par le modèle.
Contrairement aux observations de charges, nous ne disposons de rares valeurs
concentrations mesurées (en réalité, rapport de mélange nappe-rivière). sur la
zone étudiée. La simulation du transport transitoire à partir d’un état transitoire
d’écoulement perd alors de son intérêt pour la calibration. On s’intéressera donc,
pour le modèle de transport au comportement permanent. Néanmoins, la réso-
lution numérique de l’équation 5.5 pose souvent problème en régime permanent.
On réalisera donc un calcul transitoire de l’équation 5.5, mais avec des conditions
de forçage permanentes, jusqu’à ce que le système se stabilise.
5.5.2 Conditions limites

Le but du modèle de transport est de modéliser les transferts de masse nappe-
rivière, à travers la simulation des rapports de mélanges surface / souterrain à
l’échelle du site. Pour cela, seule la condition limite (type Cauchy) représentant
la rivière Jalle sera affectée d’une concentration constante dans l’espace et dans
le temps d’une valeur de 1, l’ensemble du domaine sera constitué de cellules de
calcul avec une concentration initiale de 0, les autres conditions limites auront
comme valeur 0.
5.6 Discussion et perspectives

La construction du modèle précède sa phase de calibration, où la résolution du
problème inverse consiste à contraindre les valeurs des paramètres à partir des
observations. Cette étape est nécessaire à la réalisation de prédictions fiables par
le modèle. Elle peut être manuelle par essai-erreur ou automatisée algorithmi-
quement. Bien que l’étape manuelle par essai-erreur soit fondamentale, car elle
permet de comprendre comment chacun des paramètres affecte les sorties du
modèle, elle contient certaines limitations. En effet cette méthode est considé-
rée comme laborieuse, trop demandeuse de temps, et subjective (Carrera and
Neuman, 1986). Généralement une méthode de calibration automatique, mathé-
matiquement rigoureuse doit être adoptée en complément. Les méthodes algorith-
miques de calibration nécessitent de multiples exécutions de modèle en fonction du
nombre de paramètres. Dans le cas des modèles hautement paramétrisés (conte-
nant beaucoup de paramètres), le temps de calibration peut s’avérer long selon la
96
5.6 Discussion et perspectives
rapidité d’exécution du modèle. Malgré le fait que les puissances de calculs aient
augmentées aux cours de la dernière décennie, les temps de calibration peuvent
vite devenir trop importants pour être réalisables. Ce problème est souvent le
cas pour la calibration des modèles de transport, ou la simulation du transport
par advection-dispersion sur une période annuelle peut vite demander des heures
voire des jours pour être exécutée sur un ordinateur personnel (Hill and Tie-
deman, 2006; Konikow, 2011). En effet des tests préliminaires sur le modèle de
transport envisagé montrent des temps de calcul allant de 30 min et 3 h par an-
née simulée, selon le solver utilisé.. Atteindre un état de transport à l’équilibre
nécessite alors plusieurs heures de calculs. De tels temps d’exécution, empêchent
toute calibration algorithmique. Si l’on suppose 10 000 appels de modèle par ca-
librations, nécessitant chacun 1 h de calculs, une calibration demande alors plus
d’une année pour être exécutée. Ce temps peut être réduit en parallélisant les
calculs, mais reste cependant toujours trop important.
La simulation des transferts de masse entre la rivière et la nappe fait partie des
objectifs à atteindre par le modèle. Dans un but d’améliorer la calibration et
les performances du modèle, l’ajout d’information sur le transport, tels que les
rapports de mélange observés sur le terrain, est un réel avantage. Le modèle de
transport élaboré au cours de ce chapitre ne permettant pas de réaliser cette étape
de part sa durée d’exécution, un modèle de substitution (surrogate model (Bur-
rows and Doherty, 2015)) a été développé à partir du code de suivi de particules
MODPATH (Pollock, 1994). Ce modèle permet de simuler rapidement les rap-
ports de mélange entre les eaux de surface et les eaux souterraines, à partir du
modèle d’écoulement décrit section 5.4 et du modèle équivalent développé. Par
la suite le modèle de transport présenté (section 5.5), avec le maillage fin adapté,
sera utilisé pour valider les résultats de la modélisation inverse, et comme mo-
dèle direct. Cette approche est présentée dans le chapitre suivant sous forme d’un
article qui vise à être soumis dans une revue scientifique.
97
Chapitre 6
Parameter Estimation with

Particle Tracking as a Surrogate
Model for Advective-Dispersive
Transport
99
6. PARAMETER ESTIMATION WITH PARTICLE TRACKING AS A SURROGATE
MODEL FOR ADVECTIVE-DISPERSIVE TRANSPORT
Parameter Estimation with Particle Tracking as

a Surrogate Model for Advective-Dispersive
Transport
by Yohann Cousquer1,2 , Alexandre Pryet1 , Olivier Atteia1 , Alain Dupuy1
Abstract
The inverse problem of groundwater models is often ill-posed and model parame-
ters are likely to be poorly constrained. The issue is less salient when diverse data
types are involved in the calibration, such as head and concentration data. Howe-
ver, the use of detailed groundwater models that simulate complex processes can
be restrained by prohibitive computation times. For example, advective-dispersive
models such as MT3DMS, are generally associated with too large computation
times for transport observations in the calibration process. In the case of sur-
face water - groundwater (SW-GW) models, transport observations such as SW-
GW mixing ratio would be a relevant field observation to constrain SW-GW
exchanges. However SW-GW mixing ratio simulation conventionally needs an
advective-dispersive model. Surrogate models have been used to overcome the
issue of time computation with the utilization of a lower-fidelity physically sur-
rogate model for the original complex model. This paper proposes a solution, to
simulate the SW-GW mixing ratio with the particle-tracking code MODPATH to
simulate the SW-GW mixing ratio at a sink point (well or drain). A comparison
between surrogate and complex advective-dispersive models shows that disper-
sion can be neglected when the mixing ratio is simulated in a sink in steady-state
condition. The efficiency of the surrogate model to resolve inverse SW-GW trans-
port problems as well as the complex advective-dispersive model is demonstrated
through a synthetic case.
1
EA 4592 Georessources & Environment, Bordeaux INP and Univ. Bordeaux Montaigne, EN-
SEGID, 1 allée F.Daguin, 33607 Pessac cedex, France
2
Le LyRE, SUEZ Environnement, Domaine du Haut-Carré 43, rue Pierre Noailles, 33400 Ta-
lence, France
100
6.1 Introduction
6.1 Introduction
Parameters involved in groundwater models are generally obtained by history-
matching against hydraulic head measurements. However, this approach gene-
rally leads to ill-posed inverse problems (Anderman and Hill, 1997; Carrera et al.,
2005). This is particularly the case for groundwater - surface water (GW-SW) mo-
dels, where independent estimates of surface water in/outflow are most important
for constraining surface water exchanges (Fleckenstein et al., 2010; Hunt et al.,
2006; Sophocleous, 2002). To address this problem, the introduction of additional
field observations is an option to alleviate the ill-posedness(Zhou et al., 2014).
In groundwater models, solute transport observations have been used as additio-
nal field observations and are included in the calibration process (Christiansen
et al., 1995; Hunt et al., 2006; Medina and Carrera, 1996; Pool et al., 2015). Ac-
cording to Konikow (2011) different approaches yield to simulate solute-transport
depending on conceptual complexity i) flow equation, solved by MODFLOW (Mc-
Donald and Harbaugh, 1988) can provide heads, flux and flow directions, ii) advec-
tive transport, as used in MODPATH (Pollock, 1994) can provide velocity vectors
and the time of travel iii) advective-dispersive, as used in MT3DMS (Zheng and
Wang, 1999) can provide concentration distribution. Theoretically, flow and ad-
vective transport models cannot predict concentrations (Konikow, 2011). Conse-
quently, calibration against transport observations are generally made with an
advective-dispersion model (Christiansen et al., 1995; Fienen et al., 2009a; Ton-
kin and Doherty, 2009). The main difficulty of the calibration against concentra-
tion observation is the computational burden of advective-dispersive transport
simulations. The simulation of advective-dispersive transport over a period of
years to decades may require hours or days on modern personal computers (Hill
and Tiedeman, 2006; Konikow, 2011). Consequently, a trade-off is often needed
between accuracy and execution time (Hill et al., 2016), a greater accuracy gene-
rally requires a prohibitive computation time. Simplifying assumptions are often
made regarding the spatial distribution of aquifer parameters, groundwater flow
and transport dynamics(Hill and Tiedeman, 2006). Thus, only few transport stu-
dies inferred heterogeneity from available data, while numerous studies have been
conducted for flow problems only (Carniato et al., 2015).
Over the past decade, surrogate modeling has been used to alleviate the issue re-
garding the computationally efficiency of some hydrogeological problems. Surro-
gate models are mostly used in an optimization framework, where a lower-fidelity
physically surrogate simplifies the original complex model so as to reduce the
computational cost(Razavi et al., 2012). However, certain criteria must be met
by a surrogate model (Burrows and Doherty, 2015) : i) outputs of the surrogate
model have to be reasonably consistent with the original complex model ii) it
must compute outputs made by the complex model iii) parameters used by both
models must play similar roles. For example, a coarser grid and a less accurate
numerical solver leads to a surrogate model (Burrows and Doherty, 2015). As
classical advective-dispersive modeling is time consuming the following question
applies : can we use a particle tracking approach and neglect dispersion, as a
101
surrogate model to simulate SW-GW exchange observations to improve SW-GW

inverse modeling ?
Dispersion can be taken into account with a random walk particle tracking me-
thod (Delay et al., 2005; Salamon et al., 2006) but which also requires too much
computation time.
Particle-tracking techniques have been used and compared to advective-dispersive
transport models such as MT3DMS. Gusyev et al. (2014) performed a comparison
of measured and simulated tritium concentrations with particle-tracking (MOD-
PATH - MODFLOW) and solute transport (MT3DMS - MODFLOW) models.
Concentration results are very similar. Particle tracking methods have also been
used in surface water - groundwater modeling such as to reproduce temperature
observations (Brookfield et al., 2009; Engeler et al., 2011; Kurtz et al., 2014;
Mouhri et al., 2013), observed lake plume elevation (Fienen et al., 2009a; Hunt
et al., 2006), advective front location observation (Anderman and Hill, 1997; Hill
and Tiedeman, 2006) or to delineate the hyporheic zone (Kasahara and Wond-
zell, 2003; Storey et al., 2003). However, particle tracking has never been used
to simulate SW-GW mass transfer and used as additional field observations to
improve model calibration.
A method is proposed herein to simulate SW-GW mixing ratio with the particle
tracking model MODPATH. The proposed surrogate model is validated by com-
paring obtained concentrations with the well-established MT3DMS advective-
dispersion code on a conceptual case. Thereafter, the surrogate model is used for
the resolution of a synthetic surface water - groundwater inverse problem, results
are then compared with MT3DMS. Contribution of the proposed surrogate mo-
del on surface water - groundwater inverse modeling, benefit and limitation are
eventually discussed.
6.2 Approach
The approach consists in using advective transport only to simulate SW-GW
mixing ratio in a pumping well in steady-state, with particle-tracking. The me-
thod is described for a stream simulated with a head-dependent flux (Cauchy-
type), boundary condition (Cousquer et al., 2017; Ebel et al., 2009; Flipo et al.,
2014; Furman, 2008) as implemented in the MODFLOW river package (McDo-
nald and Harbaugh, 1988). However, it can be used with other boundary condi-
tions (fixed head and fixed flux). The proposed approach consists in automati-
cally determining the origins of particles disseminated around a sink point (well
or drain). The quantity of water brought by each particle and its proportion of
water from each boundary condition is determined with backward particle tra-
cking. The mixing ratio at the sink point (α) is then deduced. The procedure is
lead as follows :
A large number of particles (>1000) are disseminated around a sink point/zone
of a MODFLOW model so as to perform a steady-state MODPATH backward
particle tracking simulation. As each particle does not provide the same water
102
6.2 Approach
Figure 6.1 : for each river particle s : i) particle is weighted with its first timestep
velocity (v) ii) the stream water part of the particle is deduced from the cell bud-
get of the river cell. Particles coming from other boundary conditions are simply
weighted by their velocity
flow depending on the MODFLOW model velocity field, each particle is weighted
with its first tracking velocity (v) of the first particle-tracking timestep which
corresponds to the arrival of the particle at the sink. Particles are classified de-
pending on their position of origin in order to identify the particles originating
from the river (s).
Each particle originating from the river (s) is a mix between river and aquifer
water when flow through river occurs (see Figure 6.1). So as to determine river
part of a s particle, each s particle is weighted by the ratio between river water and
aquifer water (αr ). αr is obtained from the cell by cell budget of the MODFLOW
model, where in/outflow of each model’s cells faces are resumed Figure 6.2 as
follow :
QS
αr = P (6.1)
Qi
i=1
P
Where QS is the SW-GW flux and Qi are the total cell budget (sum of
i=1
all Qi ). QL and QR are flow component longitudinal to the strean and can be
neglected compared to QF and QB in almost all cases. The steps completed for a
river particle s are summarized in Figure 6.1. The total mixing ratio α of the sink
point / drain is the sum of each particle velocity(vj ) multiplied by their mixing
ratio between river and aquifer water(αr ) and divided by the total velocity of all
particles (vk ). It is expressed as follows :
(vj × αr,j )
P
i=j
α= P (6.2)
vk
i=k
Where j correspond to particles originated from the stream, and k all disse-
minated particles. This method must be validated in order to prove its efficiency
as a surrogate model to simulate SW-GW mixing ratio.
103
Figure 6.2 : Budget of a cell where a river condition is applied (particle endpoint)
6.3 Validation
6.3.1 Synthetic Case
6.3.1.1 Model Setting
A synthetic case is considered so as to validate the particle tracking surrogate

model. The SW-GW mixing ratio in a sink point is simulated with a particle tra-
cking code (MODPATH) and an advective-dispersive transport model MT3DMS
code as well, from a steady-state flow model simulated with MODFLOW. Models
(MODFLOW - MODPATH - MT3DMS) are pre- and post processed using the
Python wrapper FloPy (Bakker et al., 2016) and Qgridder (Pryet et al., 2015a)
on the Qgis platform (QGIS, 2012). A 2D rectangular domain (100 × 150 m),
crossed by a stream is built with a regular mesh (1 × 1 m). Lateral boundary
conditions are fixed head (FH) : 10 m to the left and 9.5 m to the right. Upper
and lower boundary conditions are no flux boundary conditions. The stream is
simulated with a head-dependent flux (Cauchy-type) boundary condition, with a
head of 9 m and a river coefficient of 0.01 m2 s−1 . These boundary conditions have
been selected so as to allow the mixing of water between SW and GW in river
cells (see cross section in Figure 6.3). The hydraulic conductivity is homogeneous
over the model with 3 ×10−4 m s−1 . Aquifer thickness is set to 30 m. Simulations
have been conducted for a range of flow condition in the sink point from 0 to
0.17 m3 s−1 (Figure 6.3).
The steady-state MODPATH model is performed with a set of 1000 particles
disseminated around the well. For river condition, the weak sink option of the
104
6.3 Validation
Figure 6.3 : MT3DMS and MODPATH simulations show mixing between surface
water and groundwater, a crossed section describes model settings
105
MODPATH file is set to 1, which allows particles to pass through cells with weak
sinks such as a stream in gaining condition. However, the weak source option is
set to 2, which stops particles in cells with a weak source. Stream-aquifer mixing
ratio is then obtained from the presented method.
The transient MT3DMS model is performed from a MODFLOW simulation of
50 steady-state simulations. A concentration of 1 is set in the river boundary
condition and a concentration of 0 is set in all of the other cells and boun-
dary conditions. MT3DMS simulations are performed with different solvers (FD,
HMOC) with a longitudinal dispersion set to 1 m. The same simulations are also
performed for a longitudinal dispersion set to 10 and 100 m with HMOC, so as to
determine the impact of dispersion on simulated mixing ratio in a pumping well.
106
6.3 Validation
6.3.1.2 Results
MODPATH and MT3DMS simulated mixing ratio in the pumping well are com-
pared in Figure 6.4. The MODPATH and MT3DMS models yield similar results
Figure 6.4 : The evolution of α in sink point depending on sink point flow. A)
With low dispersion set at 1 m, the accuracy of surrogate models is shown with
a great gain of time B) with a longitudinal dispersion αL of 10 m and 100 m
(αT = 0.1 × αL for MT3MS simulations, simulated MR is still acceptable for the
MODPATH surrogate model
Figure 6.4, A) Below a pumping flow of 100 m3 s−1 , the head in the well stays
above the head of the stream. Beyond this flow, a mix of stream water and water
from the right boundary conditions supplies the well. These results validate the
proposed approach in term of particle count, weighting of each particle velocity
and the computation of the αr of river particles. Results obtained with a lon-
gitudinal dispersion of 10 m and 100 m reveal interesting features (Figure 6.4).
In Figure 6.4 B) The same simulation as A is performed for MODPATH that
cannot take into account dispersion. When dispersion is too large (100 m) the
α decreases, but it remains in the same order of magnitude as it does without
taking into account dispersion. The error made on the α by disregarding the
effect of dispersion by the surrogate model, is about 6% for a longitudinal dis-
persion of 100 m. These results validate the simulation of α in a pumping well in
steady-state condition. Outside of the steady-state condition, and for a non sink
point, dispersion could play a significant role (Faybishenko et al., 1995; Grubb,
1993). The performance of the surrogate model must now be demonstrated for
the resolution of an heterogeneous SW-GW inverse problem.
107
6.3.2 Inverse Problem

6.3.2.1 Model settings
A highly parametrized synthetic model is developed to demonstrate the efficiency
of the proposed surrogate model to improve SW-GW transport calibration. The
presented test case is a SW-GW model in a randomly heterogeneous log-normal
hydraulic conductivity field. The model seeks to simulate head and observed
mixing ratios in pumping wells. Model settings are shown in Figure 6.5. The
model domain is horizontal, two-dimensional and is discretized into 75 columns
and 100 rows of 1 m (7 500 cells). Five sink points are set with a flow rate ranging
from 1 to 5 of : 0.015, 0.06, 0.04, 0.1, 0.15 m3 s−1 . Lower and upper boundary
conditions are fixed head with 10 and 9.5 m and stream is implemented with a
head-dependent flux (Cauchy-type) boundary condition with a head of 9 m and
a river coefficient of 0.5 m2 s−1 .
The heterogeneous hydraulic conductivity field is generated using a unconditional
Gaussian simulation algorithm based on the GSTAT R package (Pebesma and
Wesseling, 1998). This simulation is based on an exponential variogram with a
range of 20 m, variance in the log domain is 0.8 and the nugget is set to 0.001.
The transient MT3DMS model is performed from a MODFLOW simulation of
100 steady-state simulations so as to obtain the direct model output of head and
mixing ratio α at observation wells. A noise measurement has been added to direct
model head observations with a normal random for a standard deviation of 5 cm.
The following inverse model seeks to estimate model hydrodynamic parameters.
6.3.2.2 Inverse Modeling

Parameter estimation is first performed only against head observations. Thereaf-
ter, both head and mixing ratio observations are used for the parameter esti-
mation with the developed particle-tracking surrogate model. The parameters to
be calibrated are the river coefficient and the hydraulic conductivity field. The
heterogeneous hydraulic conductivity field is represented using 266 pilot points,
a calibration-adjustable parameter is associated with each of the pilot points (Fi-
gure 6.5). The hydraulic conductivity field is krigged using the same variogram
as for the unconditional Gaussian simulation. The calibration was completed by
using the parameter-estimation computer code PEST++ (Doherty et al., 1994;
Welter et al., 2012) with the Gauss Levenberg Marquardt Algorithm (GLMA).
Calibration processes are parallelized on 20 cores.
6.3.2.3 Results
The best objective function was achieved after seven iterations for the calibra-
tion against head only, and after 20 iterations for the calibration against head
and mixing ratio with the surrogate MODPATH model. Objective function is
calculated as : m
(wi ri )2
X
Φ= (6.3)
i=1
108
6.3 Validation
Figure 6.5 : Schematic diagram of the synthetic case
109
Model Calibration Time ΦH Φ H + α surrogate Φ H + α MT3D T RMSE

MODFLOW 5 min 2.2E-02 453 548 6160
MODFLOW + MODPATH 30 min 4E-01 3E-02 53 5660
Tableau 6.1 : Inverse modeling results : calibration time, final objective func-
tion of H, objective function of H + α from the surrogate and MT3D model, and
transmissivity RMSE
Where Φ is the objective function, wi is the weighting factor of the i’th ob-
servations, and ri expresses the difference between the model outcome and the
measurement for the i’th observation
Obtained α are compared with the original MT3DMS model after calibration.
Results of calibration are summarized in Table 6.1, in term of : calibration time ;
head objective function (ΦH), and α objective function obtained after the sur-
rogate calibration (Φ H +α surrogate) and calculated with MT3DMS in post
calibration (Φ H +α MT3D), and RMSE of calibrated hydraulic conductivity (T
RMSE).
Surrogate model accurately reproduces observed α with a total Φ of 3E-02.

Calculated Φ, post calibration, with MT3DMS is of 53, which corresponds to a
mean residual of 3% between observed and modeled α. Whereas, a calibration
against heads only gives an objective function of 548, which corresponds to a
mean residual of 20% between observed and modeled α.
Real, and calibrated hydraulic conductivity fields are shown Figure 6.6.
Accepting the fact that a calibrated parameter field cannot claim to represent
reality without a loss of detail(Moore and Doherty, 2006), calibrated fields are
visually close to the real field with a gain of "details" for the hydraulic conductivity
field calibrated with the surrogate model. So as to compare the two calibrated
hydraulic conductivity fields, the RMSE has been calculated between observed
and measured hydraulic conductivity cell by cell. The hydraulic conductivity field
calibrated with the surrogate model against head and α reduces the hydraulic
conductivity field RMSE of 8.1% compared to head only.
In terms of gain of time, surrogate calibration needs a reasonable computation
time with less than 1 hour. As the surrogate model seems to be between 20 and 90
faster than original MT3DMS model (Figure6.4), depending on MT3DMS solver.
Indeed the same kind of calibration as presented, may need between 15 hours and
more than two days to be completed. Therefore surrogate models is considerably
time saving.
6.4 Discussion and Conclusions

The development of the proposed surrogate model was motivated by the need
to include transport observation to improve SW-GW parameter estimation with
realistic computational burden. It is now demonstrated that the presented me-
110
6.4 Discussion and Conclusions
Figure 6.6 : Log of hydraulic conductivity field, observation wells (white) and
pumping wells (red) A) "Real" hydraulic conductivity field obtained by unconditio-
nal Gaussian simulation, B) Calibrated hydraulic conductivity field against head
observation only C) Calibrated hydraulic conductivity field against head and α
observations with the proposed surrogate model
111
thod is a relevant surrogate model to simulate SW-GW mixing observation and

this method fulfills the requirement of the surrogates model criteria of Razavi
et al. (2012) presented in the introduction.
The proposed surrogate model aims to improve SW-GW transport model cali-
bration with additional field observations like mixing ratio, to achieve these, we
developed a surrogate model so as to reduce computational cost of such simulation
which is often too time consuming. The interest of such calibration improvement
allows a better simulation of groundwater transport with a more realistic hydrau-
lic conductivity field and SW-GW exchange parameters. Such surrogate methods
help modelers adding different data types to calibrate a model, so as to reduce
estimation error (Fleckenstein et al., 2010; Hunt et al., 2006; Sophocleous, 2002)
This model does not have the vocation to replace original advective-dispersion
models like MT3DMS, but to reduce computational cost of time extensive tasks
like parameter calibration, optimization, uncertainty and sensitivity analysis that
need thousands of model calls. However, original advection-dispersion models still
needs to be used in direct modeling.
The principal limitation of the proposed method is related to the dispersion which
is not taken into account. Dispersion can be taken into account with a random
walk particle tracking method (Delay et al., 2005; Salamon et al., 2006) but which
also demands much larger computation times. As demonstrated, dispersion effect
is low for steady state SW-GW mixing in a pumping well, and can be neglected
for surrogate simulations. The proposed method can either be extended to others
steady-state sources, like a permanent pollution source. However, the proposed
method cannot aim to simulate mixing ratio in a transient state where dispersion
would play a significant role.
112
Chapitre 7
Estimation des paramètres et

quantification des incertitudes
7.1 Introduction
Le problème direct, détaillé dans les chapitres précédents est contrôlé par de très
nombreux paramètres, dont on ne connait pas ou peu les valeurs (Chapitre 5).
Il s’agit dans ce chapitre d’utiliser les observations disponibles pour estimer les
paramètres. C’est la résolution du problème inverse.
Suite à une description de l’estimation des paramètres avec l’algorithme de Gauss
Levemberg Marquart (GLMA), la mise en œuvre de l’estimation des paramètres
à travers le code PEST++ est détaillée. Les résultats issus de cette étape sont en-
suite décrits et assortis de la quantification des incertitudes associées par méthode
linaire et celle du Null Space Monte-Carlo (NSMC).
7.2 Estimation des paramètres dans les modèles

hydrogéologiques
7.2.1 Généralités
Les propriétés du système hydrogéologique que le modèle vise à simuler sont ma-
térialisées par des paramètres, tels que la conductivité hydraulique, le coefficient
d’emmagasinement, les conditions limites etc. Ces propriétés sont souvent hétéro-
gènes et difficilement mesurables car en sous-sol. Le modélisateur peut cependant
avoir une idée de la valeur de certains paramètres grâce à des travaux de ter-
rain, de laboratoire ou de sa connaissance a priori du site. Cependant ces valeurs
ne constituent souvent qu’une information ponctuelle dans l’espace, au vu d’un
modèle bien plus vaste en deux- ou trois-dimensions. L’obtention d’une valeur
d’un paramètre est alors un problème probabiliste puisque la valeur exacte d’un
jeu de paramètre ne peut être connue, seule une estimation est exprimée, avec
des bornes plus ou moins étendues encadrant la valeur (Doherty, 2015). Afin de
proposer un modèle opérationnel et robuste, le modélisateur résout le problème
113
7. ESTIMATION DES PARAMÈTRES ET QUANTIFICATION DES INCERTITUDES
inverse, ce qui consiste à contraindre les paramètres du modèle avec les observa-
tions disponibles (Aster et al., 2005).
Le modèle direct permet de calculer l’état du système modélisé, charge hydrau-
lique, concentration... basé sur une paramétrisation préalable du modèle. Le pro-
blème inverse vise à contraindre / estimer les paramètres inconnus du modèle en
utilisant des observations de l’état du système (Tarantola, 2005). La résolution
du problème inverse peut également permettre de mettre en exergue d’éventuelles
erreurs ou imprécisions dans la conceptualisation du modèle (Zhou et al., 2014).
La résolution du problème inverse est une étape essentielle. Aucune prédiction
ne peut être faite sans une bonne caractérisation des paramètres du modèle et
l’estimation de l’incertitude sur les variables prédites (Poeter and Hill, 1997).
L’estimation des paramètres peut être "manuelle" par essais erreurs ou algorith-
mique. L’étape manuelle est intéressante et nécessaire dans un premier temps
pour se rendre compte de la sensibilité et de l’impact de tel ou tel paramètre,
mais comporte souvent bien trop de limitations pour effectuer par la suite des
prédictions fiables (Carrera and Neuman, 1986).
La résolution du problème inverse peut être soit directe sois indirecte. Dans la mé-
thode directe les paramètres sont directement déduits par résolution de l’équation
de l’écoulement sur la base de mesure de charge en chaque nœud du modèle (Em-
sellem and De Marsily, 1971). La difficulté d’obtenir une valeur de charge en
chaque point conduit à des problèmes d’instabilité de la méthode directe, qui est
aujourd’hui largement substituée par les méthodes indirectes (Zhou et al., 2014).
L’approche indirecte consiste en une procédure d’ajustement des données de sortie
du modèle sur les variables observées, cette procédure est appelé history-matching.
La suite du document ne traitera que de l’approche indirecte de résolution du pro-
blème inverse.
Afin d’estimer la distribution des paramètres, l’approche bayésienne est idéale-
ment la meilleure (Aster et al., 2005; Bernier et al., 2000; Oliver et al., 2008).
A partir de tirages de Monte Carlo sur une distribution a priori des paramètres,
une distribution a posteriori des paramètres est retenue conduisant à des valeurs
simulées reproduisant raisonnablement les valeurs observées. Cependant la mise
en œuvre de l’approche bayésienne est très coûteuse en temps de calcul pour les
modèles contenant de très nombreux paramètres (fortement paramétrisés) néces-
sitant de nombreux appels de modèles (Zheng et al., 2002).
La méthode Gauss-Newton modifiée par Levenberg-Marquart est une des mé-
thodes qui permet de résoudre un problème numérique par minimisation d’une
fonction objectif (Aster et al., 2005). Cette méthode est plus économe en nombre
d’appel de modèle que l’approche bayésienne et permet d’obtenir des résultats
vraisemblables (Oliver et al., 2008). Elle est implémentée au sein de plusieurs
codes de calculs parmi lesquels PEST est le plus employé (Anderson et al., 2015;
Doherty, 2015; Fienen et al., 2009b) dont l’approche sera décrite par la suite.
La résolution du problème inverse comporte plusieurs écueils, en effet en modéli-
sation hydrogéologique la résolution du problème inverse est quasi systématique-
ment "mal-posé" mathématiquement (ill-posed), dans le sens où il n’existe soit pas
de solution au problème inverse soit pas de solution unique, ou que la solution est
114
7.2 Estimation des paramètres dans les modèles hydrogéologiques
instable face aux variations des données d’entrée du modèle (Carrera et al., 2005;
Yeh, 1986). Le problème le plus courant dans la résolution du problème inverse en
hydrogéologie étant la non-unicité de la solution (Zhou et al., 2014). Afin de pal-
lier à ces problèmes, plusieurs solutions existent telles que la réduction du nombre
de paramètres ou l’augmentation du nombre de données observées afin de réduire
la sous-détermination (Hill and Tiedeman, 2006). Des méthodes de régularisation
servent également à tendre vers un problème bien-posé. Par exemple, en ajoutant
de l’information a priori (régularisation de Tikhonov) pour réduire l’espace dans
lequel les paramètres peuvent varier (Tihonov, 1963; Tonkin and Doherty, 2005),
ou la régularisation mathématique par décomposition en valeurs propres (SVD)
afin de réduire les variations lors des itérations d’optimisation (Tonkin and Do-
herty, 2005). La description de ces méthodes ainsi que leur implémentation dans
le logiciel PEST++ sera décrite dans la section suivante.
7.2.2 Estimation des paramètres avec l’algorithme de Gauss

Levemberg Marquart (GLMA)
7.2.2.1 Résolution du problème inverse pour un modèle linéaire
De manière générale, le problème inverse peut être représenté par la relation,
entre le vecteur de paramètre b et le vecteur d’observation c, suivante (Aster
et al., 2005) :
Xb = c (7.1)
Où X est une matrice de dimension m × n correspondant au modèle linéaire,
avec m le nombre d’observations, et n le nombre de paramètres. Si l’on dispose
d’au moins autant d’observations que de paramètres le vecteur des paramètres b
se résout de la manière suivante :
b = (X t X)−1 X t c (7.2)
Seulement, les modèles hydrogéologiques ne sont pas souvent linéaires et l’on
dispose rarement d’autant d’observations que de paramètres.
7.2.2.2 Estimation des paramètres pour un modèle non linéaire (mé-

thode de Newton)
Lorsqu’un modèle est non-linéaire il n’est pas possible de minimiser la fonction
objectif à partir de l’équation 7.2. Le modèle doit alors être localement linéarisé
à partir de l’approximation de Taylor. La mise en œuvre de l’approximation de
Taylor permet de générer un vecteur d’observation c correspondant à un vecteur
de paramètre b légèrement différent du vecteur initial de paramètre b0 . La relation
de Taylor suivante est souvent admise :
c = c0 + J (b − b0 ) (7.3)
115
Figure 7.1 : Calcul de la dérivée d’une observation par rapport à un paramètre par
la méthode centrale, en trois point, pour le calcul de la jacobienne par la méthode
des perturbations
Où J est la matrice jacobienne telle que :
∂ci
Ji,j = (7.4)
∂bj
Où J est la matrice jacobienne comprenant m lignes (une pour chaque obser-
vation), les n éléments de chaque lignes étant les dérivés d’une observation par
rapport à chacun des n paramètres. Plusieurs méthodes peuvent être employées
pour calculer la matrice jacobienne (Yeh, 1986), dont la méthode par "pertur-
bation" qui fonctionne en incrémentant positivement et/ou négativement chaque
paramètre autour de sa valeur centrale. Cette méthode requiert n + 1 exécutions
de modèle pour le calcul de la dérivée en deux points, 2n + 1 en trois points. Pour
le calcul en trois points, la dérivée est calculée à partir d’un polynôme du second
degré (Figure 7.1) avec pour le paramètre n et l’observation m :
∂cm
= 2ax2 + b (7.5)
∂bn
Ainsi, comme pour le modèle linéaire l’équation 7.3 se résout de la manière

suivante :
b = b0 + u (7.6)
avec :
u = (J t QJ )−1 J t Q(c − c0 ) (7.7)

Où u est le vecteur de mise à jour des paramètres, Q est la matrice diagonale
contenant le carré des facteurs de pondération des observations wi . Étant donné
que ce processus est basé sur une linéarisation du modèle le résultat ne peut être
116
Figure 7.2 : Amélioration itérative des valeurs des paramètres initiaux vers le
minimum global de la fonction objectif d’après Doherty et al. (1994)
directement obtenue. Ainsi un processus itératif doit être mis en place pour ré-
péter cette opération jusqu’à minimisation d’une fonction objectif (Figure 7.2)
7.2.2.3 Calcul du gradient

L’algorithme GLMA est basée sur le principe de minimisation d’une fonction
objectif. La fonction objectif Φ correspond à la somme des carrés des résidus
pondérés entre variables simulées par le modèle et observées :
Φ = (c − Xb)t Q(c − Xb) (7.8)

ce qui revient aussi à :
m
(wi ri )2
X
Φ= (7.9)
i=1
où Φ est la fonction objectif à minimiser, Q est la matrice diagonale contenant

le carré des facteurs de pondération des observations wi , et ri le résidus entre
variables simulées pas le modèle et observées.
Le direction et le sens de minimisation de la fonction objectif doivent être calculés
à partir du gradient de la fonction objectif. Le gradient de la fonction objectif
dans l’espace des paramètres est calculé par le vecteur g tel que le ieme élément
117
Figure 7.3 : Phénomène d’"hemistitching" d’après Doherty et al. (1994)
du vecteur g est défini par :

∂Φ
gi = (7.10)
∂bi
Où g peut être calculé grâce à la matrice jacobienne de la manière suivante :
g = −2J t Qr (7.11)
−g est défini comme étant la direction de plus grande pente de descente de la
fonction objectif Φ. Cependant le vecteur de mise à jour des paramètres u peut
être un meilleur paramètre de mise à jour que la direction −g, surtout lorsque
les paramètres sont fortement corrélés (Doherty et al., 1994). En effet suivre la
direction de plus grande pente peut conduire au phénomène d’"hemistitching"
lorsque les paramètres "sautent" de part et d’autre du domaine où la fonction
objectif atteint son minimum (Figure 7.3).
Afin d’éviter ce problème, le paramètre "Marquardt" (α) permet d’ajuster le
vecteur u tel que :
u = (J t QJ + αI)−1 J t Qr (7.12)
Où I est la matrice d’identité n × n. Ainsi plus α est grand plus la direction u
se rapproche de la plus grande pente −g et inversement. Ainsi lorsque le vecteur
de paramètre se rapproche de l’optimum de Φ il vaut mieux utiliser des valeurs
faibles de α afin d’éviter les phénomènes d’"hemistitching" (Figure 7.3).
118
Souvent les problèmes inverses impliquent différents types d’observation et de

paramètres dont les grandeurs peuvent considérablement varier, ainsi les éléments
de la matrice jacobienne J peuvent être de grandeur très variable. Ainsi si le
vecteur de mise à jour u est calculé par l’Equation 7.12 cela peut mener à des
problèmes d’arrondis. Ce problème peut alors être résolu par l’utilisation d’une
matrice de mise à l’échelle S ; une matrice carrée n × n composée d’éléments
diagonaux, dont le ieme élément diagonal de S est donné par :
−1/2
Sii = (J t QJ )ii (7.13)
Ainsi avec l’instruction du vecteur de mise à l’échelle S dans l’équation 7.12,

l’équation suivante est obtenue pour S −1 u :
S −1 u = ((J S)t QJ S + αS t S)−1 (J S)t Qr (7.14)
Cette équation est mathématiquement équivalente à l’équation 7.12 mais plus

performante d’un point de vue numérique (Doherty, 2010).
L’élément le plus élevé de la matrice αS t S est appelé le "Marquart lambda" noté
λ, permettant d’ajuster la direction du vecteur u.
Maintenant que le paramètre Marquart permet d’orienter le vecteur u, la ma-
gnitude de ce vecteur doit également être optimale. La magnitude optimale du
vecteur u, noté β est calculée ainsi (Doherty et al., 1994) :
Pm 2
i=1 (ci − c0i )wi γi
β= Pm 2
(7.15)
i=1 (wi γi )
avec :
γ = Ju (7.16)
Ainsi si b0 représente le jeu de paramètres actuel, le jeu mis à jour est calculé
de la manière suivante :
b = b0 + βu (7.17)
L’algorithme GLMA ne converge pas vers la même solution pour différents

points de départ si le problème est mal posé, ce qui est presque tout le temps le
cas (Carrera et al., 2005). Des techniques de régularisation permettent de stabi-
liser la solution
7.2.3 Régularisation
La régularisation de Tikhonov (Tihonov, 1963) et la décomposition en valeur
propre (SVD pour Singular Value Decomposition) (Tonkin and Doherty, 2005)
sont utilisées dans le but de stabiliser la solution du problème inverse.
119
7.2.3.1 Régularisation de Tikhonov

La régularisation de Tikhonov permet l’ajout d’informations a priori dans le pro-
cessus de calibration afin de promouvoir une solution unique au problème inverse.
Cette régularisation permet de faire tendre la valeurs des paramètres estimés vers
les valeur "préférées" par le modélisateur, pouvant provenir d’information a priori
ou de connaissances d’expert. L’équation de régularisation comprend une fonction
objectif de régularisation qui est minimisée en parallèle de la fonction objectif de
mesure. Pour rappel la fonction objectif de mesure est définie telle que :
Φm = (c − Xb)t Qm (c − Xb) (7.18)

où l’indice m introduit dans cette équation par rapport à l’équation 7.8 si-
gnifie "mesure". Lors de la régularisation de Tikhonov une fonction objectif de
régularisation Φr doit également être minimisée par le jeu de paramètre estimé
par l’algorithme elle est ainsi définie par :
Φr = (d − Zb)t Qr (d − Zb) (7.19)

Où Qr est la matrice diagonale comprenant le carré des facteurs de pon-
dérations des valeurs "préférées" de régularisation d, Z est la matrice exprimant
l’équation de régularisation. Ainsi une fonction objectif totale comprenant la fonc-
tion objectif de mesure Φm et la fonction objectif de régularisation Φr est définie
par l’équation suivante :
Φt = Φr + γΦm (7.20)
Où γ est le multiplicateur Lagrangien de pondération de la régularisation. γ
est calculé à chaque itération en fonction de la valeur de la fonction objectif cible.
7.2.3.2 Décomposition en valeurs propres tronquée (TSVD)

La méthode TSVD permet de supprimer les paramètres insensibles, ou groupes
de paramètres corrélés, qui ne sont pas ou mal contraints par les observations
disponibles. Ces paramètres ou combinaisons linéaires de paramètres sont identi-
fiés à travers la décomposition en valeurs propres de la matrice jacobienne (Aster
et al., 2005; Tonkin and Doherty, 2005). Les valeurs propres et vecteurs propres
sont obtenus par décomposition de la matrice jacobienne J (Moore and Doherty,
2005) :
J t QJ = V EV t (7.21)
Où V est la matrice des vecteurs propres de la matrice J t QJ , et E est la

matrice diagonale où l’on retrouve les valeurs propres de la matrice J t QJ . Le
vecteur propre V peut être subdivisé en deux groupes V 1 et V 2, où le premier
comporte les vecteurs propres correspondant aux valeurs propres à un certain seuil
de troncature (eigenvalue ratio threshold) préalablement définit, et le deuxième
120
comporte les vecteurs propres restants. Ainsi tous les vecteurs propres inférieurs
à un certain seuil de troncature seront assignés d’une valeur nulle et ne sont pas
pris en compte dans l’estimation des paramètres. Ainsi, chaque paramètre qui ne
peut pas être contraint est considéré comme étant dans l’"espace nul" (null space)
de calibration n’est plus mis à jour lors des itérations successives.
7.2.4 Approche des points pilotes

La subjectivité de la simplification habituelle des paramètres hydrodynamiques,
telle que la zonation lorsqu’elle n’est pas basé sur un modèle géologique détermi-
niste, introduit d’importantes erreurs structurelles (Anderson et al., 2015).
Dans l’approche des points pilotes, la valeur des paramètres spatialisés (trans-
missivité, coefficient d’emmagasinement) est estimée au niveau de point pilotes
distribués sur le domaine du modèle et étendus à chaque cellule par interpola-
tion (de Marsily et al., 1984). L’utilisation de points pilotes permet d’accroitre la
flexibilité spatiale dans la paramétrisation du modèle, et permet ainsi au proces-
sus de calibration d’extraire plus d’information des données d’observations afin
de compenser en partie certaines erreurs structurelles du modèle (Doherty and
Welter, 2010; Hunt et al., 2007). Cependant le gain de flexibilité amené par une
augmentation du nombre de paramètres peut également mener à des problèmes
d’insensibilité ou de corrélations entre paramètres, la non unicité de la solution
et un problème inverse "mal posé". La régularisation peut résoudre en partie ce
problème en facilitant une solution stable et unique au problème inverse (Aster
et al., 2005).
7.2.5 PEST++
La méthode GLMA, ainsi que les techniques de régularisation présentées sont im-
plémentées au sein de l’algorithme d’estimation PEST++ (Welter et al., 2012).
PEST++ s’inscrit dans la lignée des codes d’estimation des paramètres par ré-
gression non linéaire, tels que UCODE (Poeter and Hill, 1999) et PEST (Doherty
et al., 1994). PEST++ est écrit en C++ et est une ré-écriture complète de l’algo-
rithme de PEST, largement utilisé au sein de la communauté de modélisateur et
initialement développé en Fortran par Doherty et al. (1994). Les logiciels PEST et
PEST++ sont libres, gratuits et bien documentés. Les fichiers sont compatibles
entre PEST et PEST++, les différences entre les deux logiciels sont décrites dans
Welter et al. (2012). De manière générale PEST++ est annoncé comme plus ro-
buste, plus rapide que PEST et avec de nouvelles fonctions intégrées. De plus,
les calculs sont désormais plus facilement parallélisables sur plusieurs stations de
calculs en réseau, facilitant l’estimation des paramètres des modèles hautement
paramétrisés ou de nombreuses exécutions de modèle sont nécessaires.
121
7.2.5.1 Calcul de la matrice jacobienne
La matrice jacobienne (Équation 7.4) est calculée dans PEST++ par la méthode
de perturbation (Doherty, 2010). D’abord la dérivée a été calculé avec deux points
demandant ainsi n + 1 exécutions de modèle (pour n paramètres). Ce procédé
de calcul de la dérivée ne permettant pas de converger vers un optimum sa-
tisfaisant, un calcul en trois points de la dérivée à partir d’un polynôme (voir
Équation 7.2.2.2 ) nous a permis de régler ce problème avec comme conséquence
un nombre supérieur d’exécutions de modèle (2n + 1).
7.2.5.2 Régularisation de Tikhonov
Nous avons vu que le multiplicateur lagrangien de pondération de la régularisa-

tion (γ) permet de réguler la valeur de la fonction objectif cible. Ce multiplicateur
lagrangien, décrit par la variable PHIMLIM dans PEST++, contrôle le compro-
mis entre l’ajustement avec les observations (minimisation de la fonction objectif
de mesure) et l’ajustement du champ de paramètre en accord avec l’information
a priori (minimisation de la fonction objectif de régularisation). PHIMLIM est la
variable de contrôle majeure de la régularisation dans PEST++ (Doherty, 2003;
Fienen et al., 2009b). Une valeur de PHIMLIM trop faible favorise un champ de
paramètre irréaliste par un "sur-ajustement" sur les observations, à l’inverse avec
une valeur de PHIMLIM trop élevée, cela va favoriser un trop fort rapprochement
du champ de paramètre préféré au détriment de l’information apportée par les
observations. Aucune méthode rapide et robuste n’existe pour déterminer cor-
rectement une valeur de PHIMLIM (Fienen et al., 2009b), cependant plusieurs
conseils ont été proposés par Anderson et al. (2015) et Fienen et al. (2009b). Une
valeur légèrement supérieure ( ' 10%) à la meilleure valeur de la fonction objectif
de mesure atteinte sans régularisation peut théoriquement constituer une bonne
première valeur de PHIMLIM. Par la suite une valeur de PHIMLIM peut être
ajustée en fonction de ce que le modélisateur juge comme étant un ajustement
"suffisamment bon" des fonctions objectif de mesure et de régularisation.
L’information a priori a été incorporée dans le processus de calibration comme
valeur préférée pour l’ensemble des paramètres soumis à la calibration. Identique
à la valeur initiale, elles sont présentées dans le tableau 7.2.
7.2.5.3 Régularisation TSVD
La définition d’un seuil de troncature (eigenvalue ratio threshold) est nécessaire

à l’utilisation de la méthode de régularisation mathématique TSVD. Un seuil de
troncature compris entre 10−6 et 10−7 est généralement admis pour marquer la
limite entre l’espace des solutions et l’espace nul (Doherty et al., 2011; Fienen
et al., 2009b), nous avons choisi un seuil de 10−7 entre l’espace des solutions et
l’espace nul.
122
7.3 Mise en œuvre de l’estimation des paramètres

7.3.1 Observations
Les observations suivantes sont utilisées pour l’estimation des paramètres :
• les charges provenant de l’instrumentation des piézomètres et des ouvrages

de prélèvement du site équipés de sonde DIVER ;
• débit de production des ouvrages Galerie de Gamarde et Barbacane de la
base de données SUEZ environnement ;
• rapport de mélange eaux de surface - eaux souterraines déduit des cam-
pagnes géochimiques pour les ouvrages R20, R21 et le point Rth de la
galerie (Rappel : le point Rth ne représente qu’une part faible de l’eau pro-
duite par l’ouvrage Galerie puisque le pompage est effectué au niveau du
point EB).
7.3.2 Approche d’estimation des paramètres

Dans cette étude, l’estimation des paramètres du modèle précédemment décrit,
est réalisée vis-à-vis d’observations de charges, de débits de drainages des galeries
et de rapports de mélange entre les eaux de surface et les eaux souterraines aux
ouvrages de production. Plusieurs types de données d’observation sont utilisées
dans le but de mieux contraindre les paramètres du modèle (Hunt et al., 2006).
Le chapitre précédent a mis en évidence la difficulté d’utiliser des observations de
transport pour l’estimation des paramètres au vu des temps de calcul trop impor-
tants des modèles d’advection-dispersion classiques (e.g MT3DMS). Le modèle
équivalent, basé sur le suivi de particules développé dans le chapitre 6 nous permet
de pallier à ce problème, mais seulement à partir d’un modèle d’écoulement en ré-
gime permanent. Les chroniques de charge dont nous disposons nous permettent
d’estimer les paramètres à partir d’un modèle transitoire et ainsi d’augmenter le
nombre d’observations pour mieux contraindre les paramètres.
Ainsi deux approches vont servir à l’estimation des paramètres :
• approche n°1 : un modèle transitoire d’écoulement dont les sorties sont
les charges et les débits produits des drains (galerie et barbacanes) ;
• approche n°2 : un modèle transitoire d’écoulement dont les sorties sont
les charges et les débits produits des drains (galerie et barbacanes) + un
modèle permanent d’écoulement et de suivi de particules associé (modèle
équivalent précédemment développé), dont les sorties sont les rapports de
mélange entre les eaux de surface et les eaux souterraines aux ouvrages de
production (Figure 7.4).
Les résultats de la simulation des observations de rapport de mélange réalisés avec
le modèle équivalent seront validés, suite à l’étape d’estimation des paramètres,
par comparaison avec le modèle classique d’advection-dispersion MT3DMS.
123
Figure 7.4 : Estimation des paramètres avec l’approche n°2 : deux modèles sont
exécutés en fonction des données d’entrées (variables, paramètres), les sorties des
modèles sont comparées aux observations et traitées par PEST++ qui ajuste les
données d’entrées pour minimiser la fonction objectif, les paramètres ensuite esti-
més sont comparés au modèle original d’advection dispersion MT3DMS
7.3.2.1 Traitement des observations

Les observations de charge ont été ré-échantillonnées au pas de temps journalier
(moyenne journalière des données observées au pas de temps 6 min) afin de corres-
pondre au pas de temps de calcul du modèle. Le même traitement a été appliqué
aux données de débits. Les observations des rapports de mélange entre les eaux
de surface et les eaux souterraines proviennent de trois campagnes géochimiques,
deux de ces campagnes ont été réalisées dans les mêmes conditions hydrologiques
début octobre 2014 et 2015, et une autre en avril 2015. Ces trois campagnes
présentent des valeurs similaires de rapport de mélange, cependant, seules les ob-
servations de la dernière campagne effectuée en octobre 2015 seront utilisées car
elles se rapprochent au plus du schéma de production conduit à l’heure actuelle
par les services de production d’eau.
7.3.2.2 Pondération des observations

Pour la phase de résolution du problème inverse par l’algorithme PEST++, le
poids des observations doit préférablement être ajusté pour prendre en compte
des considérations telles que le besoin d’équilibre et de représentativité des diffé-
rents types d’observation (charges, flux, etc), la distribution spatiale (Bourgault,
1997), et l’importance des observations pour les besoins du modèle (proches ou
éloignées de la zone d’intérêt par exemple) (Anderson et al., 2015).
Nous sommes face à une fonction objectif hybride prenant en compte divers types
d’observations, ayant différentes unités et différents ordres de grandeur. Afin de
répondre au besoin d’équilibre et de représentativité des différents types d’obser-
vation, les observations de charge (h) sont toutes pondérées d’un poids de 1, les
124
observations de débit (q) de production d’un poids de 0.01 et les observations de

rapport de mélange (α) d’un poids de 100. Ces poids permettent un bon équilibre
entre les différentes observations dans la fonction objectif. Les fonction objectif
des deux approches sont donc défini par :
approche n°1 :
m m
(hobs,i − hsim,i )2 + (0.01(qobs,i − qsim,i ))2
X X
Φ1 = (7.22)
i=1 i=1
approche n°2 :
m m m
(hobs,i −hsim,i )2 + (0.01(qobs,i −qsim,i ))2 + (100(αobs,i −αsim,i ))2 (7.23)
X X X
Φ1 =
i=1 i=1 i=1
7.3.3 Paramétrisation
La traduction des propriétés du système réel au sein du modèle numérique né-
cessite d’assigner une valeur de paramètre à chaque cellule de la grille. Pour les
besoins de la calibration, l’ensemble des paramètres du modèle est réduit en pa-
ramètre à calibrer, amenés à varier pendant la phase de calibration. Cette étape
de paramétrisation dépend en partie des données disponibles et du jugement du
modélisateur (Anderson et al., 2015). Idéalement le nombre de paramètres doit
être inférieur au nombre d’observations afin de tendre vers un problème inverse
sur-déterminé et mathématiquement bien posé (well-posed) (Hill and Tiedeman,
2006; Zhou et al., 2014). Cependant, la réduction du nombre de paramètres à ca-
librer nécessite souvent des simplifications subjectives de la part du modélisiteur
pouvant conduire à des erreurs structurales importantes (Doherty and Welter,
2010). Le choix de modèle hautement paramétrisé (contenant beaucoup de para-
mètre highly parametrized model) a été fait afin d’éviter la sur-simplification du
modèle et d’accroitre ses performances. Le problème inverse est alors dit sous-
déterminé et mal posé, afin qu’il puisse être résolu les paramètres seront contraints
par régularisation mathématique (Tonkin and Doherty, 2005). L’approche de pa-
ramétrisation choisie est présentée au travers du Tableau 7.2.
Les paramètres des conditions limites externes et internes (rivières et drains)
sont homogènes et linéaires le long de chaque condition limite, la recharge est
également homogène sur la zone modélisée, pour plus de détail sur la construc-
tion du modèle se référer au Chapitre 5.
Compte tenue de l’hétérogénéité observée des propriétés hydrodynamiques de
l’aquifère, celles-ci sont représentés aux travers de points pilotes (de Marsily et al.,
1984; Doherty, 2003).
Tous les paramètres ont été log-transformés (base 10) afin de stabiliser le proces-
sus d’inversion, et d’empêcher les valeurs négatives (Doherty et al., 2011).
125
Paramètre Transformation paramétrisation Valeur a priori Borne inf. Borne sup. Obtention Nombre
Condition limites externes

CGHB_N [m2 s−1 ] Log Linéaire 1E-2 1E-10 1 Déduit de T (C = T /L) 1
HGHB_N [m] Fixée - 12 - - Modèles H_CUB (Cabaret, 2011) & Piézométrie (ADES) 0
CGHB_S [m2 s−1 ] Log - 1E-2 1E-10 1 Déduit de T (C = T /L) 1
HGHB_S [m] Fixée - 10 - - Modèles H_CUB (Cabaret, 2011) & Piézométrie (ADES) 0
Recharge
CRT [mm] Log Zone 90 76 130 Littérature, modèle Seine (Pryet et al., 2015b) 1
DCRT [mm] Fixée - 75 - - - 0
F N [mm] Log - 15 5 30 - 1
QImax [mm] Fixée - 10 - - - 0
QRmax [mm] Fixée - 0.1 - - - 0
[d−1 ] Fixée - 0.1 - - - 0
126
CQI
CQR [d−1 ] Fixée - 0.1 - - - 0
Rivières
CRIV _Jalle [m2 s−1 ] Log Linéaire 8.84E-3 1E-10 1 Outil CRIV développé, distribution probabiliste 1
CRIV _Ru [m2 s−1 ] Log - 4.4E-3 1E-10 1 - 1
Drains
CGalerie [m2 s−1 ] Log Linéaire 1E-1 1E-10 1 Valeur obtenue de l’outil CRIV développé 1
CBarbacanes [m2 s−1 ] Log - 1E-1 1E-10 1 - 1
Paramètres hydrodynamques
T [m2 s−1 ] Log Points pilotes 1E-2 1E-4 1 Essai par pompage 251
S [-] Log - 0.2 1E-1 1 Connaissance a priori, littérature 251
Total : 510
Tableau 7.1 : Paramétrisation du modèle d’écoulement et de transport
7.3.3.1 Paramétrisation des propriétés hydrodynamiques

En tout 657 points pilotes sont distribués sur le domaine modélisé pour repré-
senter la transmissivité et la porosité de drainage, 406 sont liés entre eux (car
dépourvus d’observations proches et éloignés de la zone d’intérêt) pour ne former
qu’un seul paramètre portant le nombre total de points pilotes ajustables à 251
(Figure 7.5).
La paramétrisation des points pilotes a été faite en suivant les recommanda-
tions de Doherty et al. (2011) dans le guide Background and Issues Regarding
Use of Pilot Points basé sur des tests numériques des points pilotes. Pour la lo-
calisation des points pilotes : i) emplacement uniforme des points pilotes, avec
ajout de points pilotes dans la zone d’intérêt en respectant un écart entre points
pilotes selon l’étendue caractéristique supposée de l’hétérogénéité des propriétés
hydrodynamiques, ii) les points pilotes sont placés à proximité et entre chaque
point d’observation, iii) placer des points pilotes entre les conditions limites in-
ternes, et iv) augmenter la densité de points pilotes là ou les données observées
sont importantes.
Le krigeage a été choisi comme interpolateur pour étendre la valeur des propriétés
hydrodynamiques des points pilotes à la grille de calcul. Cette méthode d’inter-
polation permet une bonne estimation des propriétés hydrodynamiques entre les
points pilotes Doherty et al. (2011). Étant donné que l’on a souvent que peu d’in-
formation pour établir un variogramme expérimental, le choix d’un variogramme
pour le krigeage est souvent fait en fonction de la géométrie du modèle et de
la distribution des points pilotes plutôt que sur un variogramme expérimental.
Un variogramme exponentiel a été choisi car il est moins enclin à la création de
champs de paramètres parasites entre les points pilotes, et permet donc d’établir
des champs géologiquement plus vraisemblables. Le paramètre contraignant le
plus l’interpolation va être la portée, elle doit être choisie comme étant environ
la distance entre 2 à 3 points pilotes, ce paramètre peut en suite être adapté afin
d’éviter la création de motifs circulaires lors de l’interpolation (bulls eyes). Une
portée de 250 m a été choisie, l’effet pépite est fixé à 0.1 et le palier à 2. Le
krigeage est effectué à l’aide de la librairie R GSTAT (Pebesma and Wesseling,
1998).
127
Figure 7.5 : Points pilotes utilisés pour représenter les paramètres hydrodyna-
miques : transmissivité porosité de drainage. Les points pilotes indépendants re-
présentent chacun un paramètre alors que les points pilotes liées représentent un
seul paramètre
128
7.4 Résultats de l’estimation des paramètres
Figure 7.6 : Évolution des fonctions objectif de charges , de débit, et de rap-

ports de mélange lors de la phase d’estimation des paramètres par l’algorithme
PEST++. On notera la faible représentation des observations de débits dans la
fonction objectif totale

L’estimation des paramètres a été réalisée en deux étapes : dans un premier
temps les paramètres ont été estimés par résolution du problème inverse sur le
modèle d’écoulement seul (dénommé comme étant l’approche n°1), par la suite
les paramètres ont été estimés par résolution du problème inverse sur le modèle
d’écoulement et de suivi de particules (MODPATH) combiné, tel que présenté
Figure 7.4 (dénommé comme étant l’approche n°2). Les résultats sont majori-
tairement présentés pour l’approche n°2. Cependant, la comparaison entre les
résultats de l’estimation des paramètres avec l’approche n°2 et l’approche n°1
sera faite afin d’évaluer les avantages / inconvénients de l’apport des informa-
tions de transport à l’estimation des paramètres.
7.4.1 Performance de l’estimation algorithmique des pa-

ramètres par PEST++
Les résultats de la performance de l’estimation algorithmique des paramètres, sont
ici présentés pour l’approche n°2, puisqu’ils représentent l’aboutissement de notre
réflexion sur la modélisation du site d’étude, et le modèle qui permettra de réaliser
des prédictions. La fonction objectif a atteint sa valeur minimale à l’itération
38 (Figure 7.6). L’estimation des paramètres a demandé 38 004 exécutions de
modèle. Chaque exécution de modèle prend environ 5 minutes de temps CPU.
Les calculs ont été parallélisés sur 44 processeurs portant le temps de calcul total
de l’estimation des paramètres à 2 jours et 18 heures.
129
ID Type Nb. Obs Poids RMSE Φ contribution

ap1 charge [m] 215 1 0.21 9.72
p23 charge [m] 193 1 0.14 3.68
p24 charge [m] 629 1 0.20 25.02
p25 charge [m] 629 1 0.12 9.57
p26 charge [m] 537 1 0.17 15.50
p27 charge [m] 537 1 0.20 21.70
p28 charge [m] 537 1 0.18 17.44
p29 charge [m] 537 1 0.20 20.63
p30 charge [m] 537 1 0.32 55.44
p32 charge [m] 628 1 0.19 21.79
p33 charge [m] 628 1 0.21 29.02
p34 charge [m] 414 1 0.15 9.89
p37 charge [m] 419 1 0.14 7.85
p38 charge [m] 419 1 0.16 11.29
p39 charge [m] 419 1 0.19 15.30
p40 charge [m] 419 1 0.19 15.83
p8 charge [m] 628 1 0.25 37.90
pf charge [m] 593 1 0.16 14.74
ph charge [m] 497 1 0.28 39.41
pzhm1 charge [m] 537 1 0.17 15.21
r20 charge [m] 613 1 0.20 24.69
r21 charge [m] 449 1 0.28 35.90
rck1 charge [m] 132 1 0.12 1.76
rck2 charge [m] 132 1 0.13 2.39
3 −1
eau brute débit [m h ] 636 0.01 12.51 9.96
barbacanes débit [m3 h−1 ] 705 0.01 10.88 8.34
galerie rapport mélange [%] 1 100 2.65 7.00
r20 rapport mélange [%] 1 100 3.50 12.26
r21 rapport mélange [%] 1 100 18.81 353.94
FN/DCRT régularisation - 1 - 17.85
CRIVRu régularisation - 1 - 17.85
Cgalerie régularisation - 1 - 17.80
Cbarbac régularisation - 1 - 17.79
Point pilote S régularisation - 1 - 17.89
Point pilote T régularisation - 1 - 17.97
CGHB_S régularisation - 1 - 18.12
CGHB_N régularisation - 1 - 18.55
CRIV _Jalle régularisation - 1 - 17.85
Φ Total = 1014.8
Φ Mesure = 853
Φ Régularisation = 161.7
Tableau 7.2 : Résumé de la contribution à la fonction objectif Φ de chaque groupe

d’observation, de leur poids et de leur RMSE
130
Figure 7.7 : Histogramme des résidus des charges (charge observée - simulée) pour
le modèle n°2
La performance de l’estimation des paramètres est résumée dans le tableau 7.2.

La RMSE (racine carré de la somme des résidus au carré) est de 0.19 m en
moyenne pour les charges, et de 11.7 m3 h−1 pour les débits. Les rapports de
mélange sont plutôt bien simulés avec une erreur pour la galerie et R21 de 2.6 et
3.5% d’eau de rivière respectivement. Pour R21, les rapports de mélange sont un
peu moins bien simulés avec une sur-estimation de 18.81% de la proportion d’eau
de rivière (Tableau 7.2). La capacité du modèle à reproduire l’état du système est
également évaluée au travers de la distribution des résidus entre les observations et
les simulations de charges hydrauliques pour l’ensemble des points d’observation
(Figure 7.7).
La distribution des résidus de charge hydraulique (Figure 7.7) ne souligne

pas d’erreur importante sur la simulation des charges. La figure 7.8 représente les
chroniques de charges observées et simulées pour trois points d’observation choisis
comme représentatifs du système. Les dynamiques du système, et les réponses aux
arrêt / reprise de pompage en fin de chronique sont correctement simulées. La
période post-calibration qui peut être assimilée à une phase de validation conserve
une bonne simulation des charges.
Ces représentations (Figures 7.2, 7.7 et 7.8) confirment une bonne performance
de l’estimation des paramètres par l’algorithme PEST++ et une bonne simulation
de l’état transitoire du système pour le modèle n°2. La simulation des charges
hydrauliques, débits et rapports de mélanges à partir des paramètres estimés est
satisfaisante.
131
Figure 7.8 : Charges observées et simulées par le modèle n°2 pour les points
d’observation P33, P25 et P35
132
7.4.2 Performance de la régularisation

L’estimation des paramètres de l’approche n°2 a été réalisée avec une valeur de
facteur lagrangien (PHIMLIM dans PEST++) de pondération de la régularisa-
tion de Tikhonov de 1 (voir section 7.2.3.1). Cette valeur est faible et ne permet
en théorie qu’une prise en compte faible des valeurs de régularisation (Anderson
et al., 2015; Fienen et al., 2009b). Cependant les valeurs de facteur lagrangien
plus élevées testées, évaluées selon les recommandations de Fienen et al. (2009b)
(décrit section 7.2.3.1), ne permettent pas de satisfaire suffisamment les observa-
tions et notamment les valeurs de rapport de mélange entre les eaux de surface et
les eaux souterraines. Lors de l’estimation des paramètres avec l’approche n°1, les
observations de charge ont pu être correctement représentées tout en donnant un
poids élevé à la fonction objectif de régularisation. La difficulté d’obtenir une forte
régularisation pour l’approche n°2 peut s’expliquer par : l’obligation de créer un
champ hétérogène des paramètres hydrodynamiques pour satisfaire les rapports
de mélange observés, ce qui va à l’encontre d’une valeur unique de régularisation
pour l’ensemble des points pilotes qui tend à homogénéiser le champ des para-
mètres hydrodynamiques.
De plus lorsque l’on n’utilise pas de régularisation, les performances de l’algo-
rithme (réduction de la valeur de la fonction objectif) sont bien moins bonnes. La
régularisation, même faible, a un effet positif, de stabilisation de l’algorithme (Fie-
nen et al., 2009b)
Le compromis entre la fonction objectif de mesure et la fonction objectif de régu-
larisation au cours des itérations d’estimation des paramètres pour le modèle n°2
est représenté sur la Figure 7.9. On observe que la fonction objectif de régularisa-
tion n’a pas besoin d’être fortement dégradée pour améliorer la fonction objectif
de mesure. Les paramètres obtenus lors de la dernière itération (38), satisfaisant
au mieux les observations, peuvent être gardés tout en conservant une cohérence
avec les données de régularisation.
Pour ce qui est de la régularisation mathématique TSVD, il s’est avéré au cours
de la phase d’estimation des paramètres que les valeurs de seuil communément
admises étaient bien trop faibles pour notre problème, une valeur comprise entre
1E-3 et 1E-2 aurait été plus justifiée. Cependant ces valeurs étant bien trop
éloignées des valeurs de référence (Doherty et al., 2011; Fienen et al., 2009b), nous
avons décidé de garder un seuil bas quitte à réduire l’effet de la régularisation
mathématique TSVD. Cette absence de seuil marquant l’espace nul peut être
expliquée par la faible corrélation entre paramètres et la bonne sensibilité de
la quasi-totalité des paramètres face aux observations qui sera confirmée par
l’analyse linéaire.
7.4.3 Comparaison des résultats avec le modèle classique

de transport MT3DMS
Comme détaillé précédemment les observations de transport (rapport de mélange
nappe-rivière aux ouvrages de production) ont été simulées à partir d’un mo-
133
Figure 7.9 : Le compromis entre la fonction objectif de mesure et la fonction

objectif de régularisation pour chaque itération, la fonction objectif de régularisa-
tion n’a pas besoin d’être fortement dégradée pour améliorer la fonction objectif
de mesure.
134
Ouvrage observé [% eau de rivière] Simulé MODPATH (calage) Simulé MT3D (validation)
Galerie (Point Rth) 90 92 90
R20 10 13 12
R21 30 49 51
Tableau 7.3 : Validation de la simulation du transport avec le modèle équivalent
dèle équivalent de suivi de particules (Chapitre 6). Les résultats de la simulation

des observations de transport obtenus à partir de l’estimation des paramètres
sont maintenant confrontés au modèle classique de transport advectif-dispersif
MT3DMS (Figure 7.11). Les valeurs de rapport de mélange simulées avec le mo-
dèle équivalent et le modèle classique sont comparées dans le Tableau 7.3. Les
valeurs de rapport de mélange réalisées avec le modèle équivalent basé sur le suivi
de particules sont cohérentes avec celles du modèle classique basé sur la résolu-
tion de l’équation d’advection-dispersion. Ce résultat vient valider l’approche du
modèle équivalent développé.
L’estimation des paramètres a été réalisée vis-à-vis des observations de trans-
port faites aux puits de production uniquement, condition nécessaire à l’utilisa-
tion du modèle équivalent (voir Chapitre 6). Cependant, avec le modèle classique
d’advection dispersion MT3DMS les rapports de mélange peuvent être simulés
sur l’ensemble des points d’observation. La comparaison entre valeurs simulées
et observées est faite, post-calibration, sur l’ensemble des points échantillonnés à
partir du modèle classique MT3DMS (Figure 7.10).
La simulation des rapports de mélange aux points d’observation est satisfai-
sante avec un coefficient de corrélation supérieur à 0.8. Les points dont la valeur
des rapports de mélange observés et simulés diffèrent se trouvent majoritairement
en bordure du "panache" d’eau de rivière (Figure 7.11). En perspective, ces si-
mulations pourraient sans doute être améliorées en ajustant la dispersion, sur le
modèle MT3DMS, pouvant être à l’origine des différences entre valeurs simulées et
observées sur les points proches de la frange dispersive. L’hypothèse d’un régime
d’écoulement permanent peut également être une source d’erreur. Par exemple,
la valeur du rapport de mélange au point P32 peut varier fortement en fonction
des saisons et du régime d’exploitation dans l’ouvrage Galerie.
135
Figure 7.10 : Rapports de mélange observés et simulés (MT3DMS) pour l’en-

semble des puits échantillonés, l’estimation des paramètres ayant été faite avec le
modèle équivalent (MODPATH) sur les points Galerie, R20 et R21
136
Figure 7.11 : Simulation du transport avec le modèle équivalent de suivi de parti-

cule (MODPATH) et avec le modèle classique d’advection dispersion (MT3DMS).
Les lignes de courant bleus représentent les particules interceptant la rivière Jalle,
les particules blanches représentent les particules n’interceptant pas la Jalle
137
7.4.4 Valeurs des paramètres estimés
Les paramètres estimés par résolution du problème inverse de l’approche n°2 sont
présentés dans cette section et comparés à ceux obtenus avec l’approche n°1 afin
d’évaluer la prise en compte des informations de rapport de mélanges sur l’esti-
mation des paramètres.
Les cartes de transmissivité résultent de l’estimation des paramètres par l’ap-
proche n°1 et 2 sont comparées (Figure 7.13). Le champ de transmissivité ob-
tenu à partir du modèle prenant en compte les observations de transport est plus
contrasté que lorsque seules les observations de charges et de débits sont prises
en compte. Cela peut s’expliquer par la régularisation sur les valeurs préférées de
transmissivité qui est moins forte sur l’approche n°2 que n°1. Mais également, et
les deux choses sont liées, par les couloirs de forte transmissivité qui doivent être
formés afin de permettre l’apport d’eau souterraine aux ouvrages de production
R20 et R21 pour satisfaire les rapports de mélange observés. Ces zones sont à
mettre en relation avec les zones d’anomalie géophysique mises en avant par les
prospections électro-magnétique et électrique désignant des zones préférentielles
de fracture (cf Chapitre 4). De plus, la direction de ces couloirs de forte trans-
missivité, notamment à l’ouest du R21, peut être reliée avec la direction de la
faille de Bordeaux et des potentielles fractures associées. Une zone de plus faible
transmissivité est également présente le long du cours d’eau temporaire entre les
puits R20 et R21.
Parmi les différentes prospections de terrain visant à caractériser les écoulements,
certaines sont ici à relier avec l’estimation des paramètres spatialisés et viennent
confirmer une partie du champ de transmissivité obtenu. Ces différentes zones
ne sont cependant pas ressorties de l’estimation des paramètres basée sur les
observations de charge et de débit seuls (Figure 7.13). Ces résultats soulignent
l’intérêt d’incorporer divers types d’observations et notamment de transport pour
contraindre l’estimation des paramètres d’un modèle hydrogéologique d’échange
nappe-rivière (Anderman and Hill, 1997; Fleckenstein et al., 2010; Hunt et al.,
2006).
La distribution des valeurs de transmissivité et de porosité de drainage obte-

nue par l’estimation des paramètres montre une distribution moins étendue pour
l’approche n°1 que pour la n°2 (Figure 7.12). La distribution des valeurs de po-
rosité de drainage ne sont pas représentées pour le modèle n°1 puisqu’elles sont
identiques en chaque point pilote et égales à la valeur initiale / régularisation de
0.2. La distribution plus réduite pour l’approche n°1 que pour la n°2 s’explique
pour les mêmes raisons que celles énoncées plus haut, c’est à dire la difficulté de
régulariser autant sur la valeur préférée pour l’approche n°2 que sur le n°1, ex-
pliquée par l’obligation de créer des contrastes de transmissivité pour reproduire
correctement les rapports de mélange observés aux ouvrages de production.
Les paramètres non spatialisés obtenus à partir de l’approche n°1 et 2 sont sen-
siblement différents (Figure 7.14). Les paramètres obtenus à partir de l’approche
n°1 sont équivalents aux valeurs initiales et de régularisation. Cependant pour
138
Figure 7.12 : Distribution des paramètres hydrodynamiques estimés aux points

pilotes sans (modèle n°1) et avec (modèle n°2) prise en compte du transport. La
distribution de S sans transport n’est pas représentée car le champ est homogène
139
Figure 7.13 : Comparaison des champs de transmissivité obtenus par estima-

tion des paramètres avec les informations de transport et sans les informations de
transport.
140
Figure 7.14 : Paramètres estimés, avec le modèle sans transport (approche n°1) et
avec transport (approche n°2). L’intervalle à 95% sur les paramètres estimés avec
transport est déduit de l’analyse linéaire
l’approche n°2, les valeurs des paramètres se sont éloignées des valeurs de régu-
larisation afin de satisfaire les observations de rapport de mélange au détriment
des contraintes de régularisation.
L’intervalle de confiance à 95% des paramètres obtenus à partir du modèle n°2

est calculé par analyse à partir linéaire de la matrice Jacobienne (Équation 7.4).
Ce résultat est obtenu à partir de la suite PEST++. Les intervalles de confiance
sont largement étendus pour le paramètre F N , étendus pour les conductances
des conditions limites CGHB_S et CGHB_N et les conductances des drains CGal
et CBarbac , faibles pour les autres paramètres. Ces écarts peuvent en partie être
expliqués par l’analyse des sensibilités (sensibilité composite), et de la corrélation
entre paramètres (coefficient de corrélation) conduite dans la section suivante. Ces
deux outils statistiques permettent de définir le caractère identifiable d’un para-
mètre au vu des observations de l’état du système, et d’expliquer a posteriori les
incertitudes paramétriques à l’origine d’éventuelles incertitudes prédictives (Hill
and Tiedeman, 2006).
141
7.5 Quantification des incertitudes

7.5.1 Analyse linéaire
D’après Doherty et al. (2011), les incertitudes proviennent de plusieurs sources :
les incertitudes sur les mesures (charges, débits, etc) ; sur les paramètres et les
erreurs structurelles du modèle. Des valeurs erronées de paramètre peuvent alors
venir compenser ces sources d’incertitudes. L’analyse de l’incertitude est néces-
saire afin de faire face aux risques associés aux différentes stratégies de gestion
élaborées à partir d’un modèle (Delottier et al., 2016).
Les méthodes d’analyse linéaire sont basées sur l’analyse de la matrice Jacobienne
(Équation 7.4). Elles sont généralement pratiquées pour obtenir un écart-type,
une variance ou un intervalle de confiance à 95% sur les paramètres où une variable
prédite (Anderson et al., 2015). Elle permet également d’obtenir une idée de la
corrélation entre les paramètres ainsi que la sensibilité de chaque paramètre (Hill
and Tiedeman, 2006). Ce type d’analyse est rapide à exécuter et permet d’établir
un diagnostic efficace des résultats de l’estimation des paramètres (Hill et al.,
2016). L’intervalle de confiance des paramètres obtenus (Figure 7.14), la sensibi-
lité composite, ainsi que la matrice de corrélation entre paramètres sont ici utilisés
pour évaluer le degré de confiance sur les valeurs des paramètres estimés. Les ré-
sultats de l’analyse linéaire présentés sont réalisés avec la suite PEST++ (Welter
et al., 2012) ainsi que le code python développé par White et al. (2016).
7.5.1.1 Sensibilité composite
La sensibilité du paramètre i est définie par (Doherty, 2010) :
1/2
si = ((J t QJ )ii /m)× | log10 (i) | (7.24)
où J est la matrice Jacobienne, Q est la matrice contenant le carré des facteurs

de pondération des observations, m est le nombre d’observations. Afin d’obtenir
des valeurs de sensibilité comparables entre plusieurs paramètres d’unités et de
magnitudes différentes, cette sensibilité est multipliée par la valeur absolue du
logarithme du paramètre i.
L’ensemble des paramètres présente des sensibilités ayant le même ordre de
grandeur, hormis le paramètre F N qui présente une faible sensibilité. Le para-
mètre F N est une valeur seuil représentant la capacité d’infiltration du sol, dans
la fonction de production de Ledoux (Ledoux et al., 1984) (cf Section 5.4.2.3).
7.5.1.2 Coefficient de corrélation des paramètres
La calcul du coefficient de corrélation en parallèle de la sensibilité composite

permet une étude efficace du caractère identifiable d’un paramètre au vu des
observations (Hill and Tiedeman, 2006). Le coefficient de corrélation entre deux
142
Figure 7.15 : Sensibilité composite si (Équation 7.24) des paramètres non spa-
tialisés. P P _1113 représente l’ensemble des points pilotes liés (Figure 7.5). L’axe
des ordonnées est à l’échelle logarithmique
Figure 7.16 : Valeur absolue du coefficient de corrélation post-calibration des

paramètres non spatialisés. P P _1113 représente l’ensemble des points pilotes liés
(Figure 7.5). D’après cette analyse, les coefficients de corrélation sont relativement
faibles (< 0.77).
paramètres est obtenu par :
Cov(b)jk
ccjk = (7.25)
V ar(b)jj × V ar(b)kk
où, Cov(b)jk est la covariance entre deux paramètres et V ar(b)jj et V ar(b)kk sont
les variances de chacun des deux paramètres. Les valeurs peuvent s’étaler de -1 à
1, où -1 correspond à une anti-corrélation totale et 1 une corrélation totale, une
valeur de 0 indique aucune corrélation.
Les coefficients de corrélation (Figure 7.16) obtenus font état de faibles cor-
rélations. Seul le coefficient de corrélation entre la conductance de la condition
limite nord (CGHBN ) et la zone de points pilotes liée présente une certaine corré-
lation (supérieure à la valeur de référence de 0.75 (Frontier et al., 2001)). Il est
admis les paramètres sont fortement corrélés et ainsi difficile à estimer pour des
coefficients de corrélation supérieurs à 0.95 (Hill and Tiedeman, 2006).
L’analyse linéaire réalisée sur les paramètres non spatialisés, montre qu’il n’y a
143
pas de forte corrélation entre ces paramètres, ni de paramètres insensibles en de-

hors du paramètre F N . Ainsi d’après ces résultats, hormis F N , les paramètres
peuvent potentiellement être bien identifiés à partir des observations car ils ne
présentent ni de trop forte corrélation ni d’insensibilités (Doherty, 2015; Hill and
Tiedeman, 2006). Une analyse plus poussée de l’incertitude paramétrique est réa-
lisée à partir de la méthode non-linaire du Null-Space Monte Carlo (NSMC).
7.5.2 Méthode du Null-Space Monte Carlo (NSMC)

L’analyse d’incertitude paramétrique, amorcée par l’analyse linéaire, est appro-
fondie sur le modèle n°2 dans le but d’évaluer l’efficacité de la phase d’estimation
des paramètres. L’incertitude prédictive est également menée dans le but de quan-
tifier le niveau de confiance des prédictions du modèle.
L’estimation de l’incertitude peut être linéaire ou non-linéaire. Les méthodes li-
néaires sont généralement peu coûteuses en temps de calcul car basées sur l’ana-
lyse de la matrice jacobienne, calculée une seule fois et comprenant la sensibi-
lité des paramètres aux sorties du modèle (Anderson et al., 2015). Cependant
les valeurs associées aux résultats de l’analyse linéaire sont moins fiables que
celles obtenues par analyse non-linéaire (Doherty et al., 2011). Les méthodes
non-linéaires demandent cependant plus de temps de calcul et une plus grande
implication de l’utilisateur dans sa pratique. Elles sont dites non-linéaires, parce
qu’elles ne supposent pas une relation linéaire entre les entrées du modèle et les
prédictions (Anderson et al., 2015). Deux méthodes d’analyse non-linéaire sont
implémentées dans la suite PEST++, la méthode par maximisation/minimisation
et le Null-Space Monte Carlo (NSMC). La méthode du NSMC, plus robuste que
la méthode par maximisation/minimisation (Doherty et al., 2011), est utilisée
ci-après pour approfondir l’analyse d’incertitude paramétrique et prédictive.
7.5.2.1 Principe de la méthode NSMC

De nombreuses méthodes basées sur des tirages de Monte Carlo sont utilisées
pour l’analyse d’incertitude des modèles hydrogéologiques (Doherty, 2015). Pour
la méthode Monte Carlo une distribution est tirée pour chaque paramètre, ba-
sée sur leur distribution a priori, et chaque jeu de paramètre obtenu représente
une solution. Malheureusement, cette méthode demande généralement des mil-
liers voir des millions d’exécution de modèle (Zheng et al., 2002) ce qui limite leur
utilisation pour les modèles fortement paramétrisés (Tonkin and Doherty, 2009).
C’est pour les mêmes raisons que l’approche Bayésienne, tel que les chaines de
Markov Monte Carlo (MCMC) (Oliver et al., 2008), est souvent difficilement ap-
plicable pour ce type de modèle hydrogéologique.
La méthode du NSMC est proposée comme alternative par Tonkin and Doherty
(2009). L’espace des paramètres peut être décomposé en deux domaines : l’espace
des solutions et l’espace nul. Si le modèle est linéaire, les variations des para-
mètres (ou combinaisons linéaires de paramètres) dans l’espace nul n’ont pas de
conséquences sur les observations intégrées dans la fonction objectif. La méthode
144
NSMC est une technique d’échantillonnage dans l’espace nul des paramètres qui
permet de générer des paramètres reproduisant correctement les observations dis-
ponibles.
Keating et al. (2010) montrent, à travers une comparaison entre analyse bayé-
sienne et NSMC sur un modèle hydrogéologique réel, que les résultats obtenus
par NSMC sont proches de ceux obtenus par analyse bayésienne. Cependant,
comparé à d’autres méthodes comme l’estimation des paramètres à partir de plu-
sieurs jeux de paramètres de départ (multiple starting point method), le NSMC
semble minimiser les incertitudes prédictives (Yoon et al., 2013). Glenz (2013) dé-
montre également, à travers une étude théorique sur un modèle conceptuel, que
dans un contexte non-linéaire la méthode NSMC peut effectivement sous-estimer
les incertitudes. La méthode NSMC a cependant montré son efficacité sur des
problématiques pratiques (Sepúlveda and Doherty, 2015; Tavakoli et al., 2013),
et reste un bon compromis entre efficacité et temps de calcul (Anderson et al.,
2015). Les étapes de réalisation de la technique NSMC, telles qu’utilisées dans
cette étude sont Tonkin and Doherty (2009) :
1. l’estimation des paramètres réalisée telle que présentée dans les sections
précédentes avec une régularisation hybride Tikhonov-TSVD ;
2. le calcul de la matrice Jacobienne J à partir des paramètres estimées ;
3. réaliser la décomposition en valeurs propres de la matrice J t QJ afin d’ob-

tenir V 1 et V 2 (Section 7.17) ;
4. déterminer les dimensions de l’espace de calibration en fonction d’un seuil

de troncature ;
5. génération stochastique de nombreux jeux de paramètres basé sur les para-

mètres préalablement estimés et leurs intervalles de confiance a priori ;
6. calculer V2 V2t et projeter la différence entre les paramètres stochastiques et

les paramètres estimés à l’intérieur de l’espace nul de calibration ;
7. ajouter cette différence aux valeurs des paramètres calibrés ;
8. re-calibrer les jeux de paramètres s’écartant de la fonction objectif définie

comme acceptable.
7.5.2.2 Génération et projection dans l’espace nul de jeux de para-

mètres stochastiques
L’étape d’estimation des paramètres a permis d’obtenir un jeu de paramètres
calibrés b, ce qui constitue la première étape du NSMC. Un ensemble de jeux
de paramètres est ensuite généré aléatoirement suivant une distribution (normale
dans notre cas, car les paramètres sont log-transformés). La moyenne utilisée pour
générer la distribution correspond à la valeur estimée et l’écart type est déduit
à partir des bornes inférieures et supérieures a priori de chaque paramètre (σ =
145
Figure 7.17 : Détermination du nombre de "super paramètres" basé sur la dé-

composition en valeurs propres (SVD) de la matrice J t QJ après l’estimation des
paramètres du modèle.
(vmax −vmin )/4 avec vmax et vmin les valeurs maximales et minimales du paramètre
après transformation logarithmique). Le jeu de paramètres obtenu doit ensuite
être projeté dans l’espace nul de calibration. Pour cela la limite entre l’espace des
solutions et l’espace nul doit être définie. L’obtention des vecteurs propres pour
chaque paramètre par décomposition de la matrice de sensibilité J t QJ permet
cela (Équation 7.2.3.2). Le vecteur propre V peut être subdivisé en deux groupes
V1 et V2 , où le premier comporte les vecteurs propres correspondant aux valeurs
propres supérieures à un certain seuil de troncature et le deuxième comporte les
vecteurs propres restant définissant l’espace nul. Le seuil de troncature a été établi
par représentation graphique des valeurs propres (Figure 7.17), un nombre de 8
"super paramètres" correspondant au vecteur propre V1 a été défini.
A partir de cela, la différence entre les jeux de paramètres générés stochasti-
quement et les valeurs estimées des paramètres peuvent être projetés dans l’espace
nul de calibration (Tonkin and Doherty, 2009) :
(b − bst )0 = V2 V2t (b − bst ) (7.26)

où bst représente les paramètres générés stochastiquement, (b − bst )0 est la pro-
jection dans l’espace nul de la différence entre paramètres générés et estimés,
(b − bst ) représente le vecteur de la différence entre paramètres générés et estimés
avant projection, V2 V2t est la matrice contenant les vecteurs couvrant l’espace
nul. Une fois calculé, (b − bst )0 peut être ajouté aux paramètres estimés pour
produire un nouveau jeu de paramètre. L’ensemble de cette étape a été réalisée
à l’aide du module Python PyEMU développé par White et al. (2016) disponible
sur le dépôt GitHub : https ://github.com/jtwhite79/pyemu. Ce module permet
d’effectuer les étapes précédemment décrites pour lire et écrire les fichiers d’entrée
compatibles avec PEST++.
Un ensemble de 100 jeux de paramètres a été généré et projeté dans l’espace nul.
146
Figure 7.18 : Histogramme de la répartition de la fonction objectif (Phi) pour les

jeux de paramètres projetés dans l’espace null de calibration A) avant et B) après
re-estimation de jeu de paramètres
La fonction objectif Φ (equation 7.8) a été calculée pour chaque jeu de para-
mètre projeté (figure 7.18). Les jeux de paramètres jugés comme ne calibrant pas
suffisamment le modèle sont alors re-calibrés.
7.5.2.3 Re-estimation des jeux de paramètres projetés

Seuls les jeux de paramètres dont la fonction objectif Φ associée dépasse 2200
sont re-calibrés. La valeur 2200 de fonction objectif cible a été adoptée comme
permettant de maintenir un modèle suffisamment bien calibré, sur la base d’un
respect des charges et des rapports de mélanges simulés. 78 jeux de paramètres
sont ainsi re-estimés (Figure 7.18). Ces 78 jeux de paramètres sont re-estimés avec
l’algorithme PEST++ en fixant le nombre maximal d’itérations à 2. Un nombre
supérieur d’itérations permettrait d’obtenir plus de jeux de paramètres calibrant
le modèle mais serait trop coûteux en temps de calcul. Après cette phase de re-
estimation des jeux de paramètres, 47 sont conservés comme étant vraisemblables
et simulant correctement les données observées (Figure 7.18).
7.5.3 Résultats de l’estimation des incertitudes par la mé-

thode NSMC
7.5.3.1 Incertitudes paramétriques
La méthode NSMC permet d’obtenir plusieurs jeux de paramètres réalistes (car
le tirage est basé sur la distribution a priori des paramètres) et calibrant correc-
tement le modèle (car on ne retient que les jeux de paramètres qui conduisent
à un ajustement acceptable avec les observations). La distribution obtenue pour
chacun des paramètres permet l’estimation de l’incertitude paramétrique. La ré-
partition de chaque paramètre non spatialisé est présentée (Figure 7.19).
147
Figure 7.19 : Diagramme en boite de la répartition obtenue de chaque para-

mètre par la méthode NSMC. CGHBN et CGHB_S sont les conductance des condi-
tions limites nord et sud, CRIV _Jalle et CRIV _Ru sont les coefficients rivière
des conditions limites rivière de la Jalle et du ruisseau Ste Christine, Cgalerie et
CBarbacanes sont les conductances des drains (Galerie de Gamarde et Barbacanes),
CRT la capacité au champ moyenne et F N la capacité d’infiltration du sol sont
les paramètres de la fonction de production de Ledoux (Ledoux et al., 1984).
Certains paramètres se démarquent par leur incertitude : la conductance des

conditions limites nord et sud CGHB_N et CGHB_S ainsi que les conductances
des drains Cgalerie et CBarbacanes . Les autres paramètres montrent des incertitudes
plus réduites inférieures à un ordre de grandeur. Ce résultat est cohérent avec le
résultat de l’intervalle de confiance par l’analyse linéaire. Les incertitudes sur les
conditions limites nord et sud CGHB_N et CGHB_S peuvent être expliquées par
l’effet de la zone de points pilotes liés qui sépare la zone d’intérêt du modèle des
conditions limites. Cette zone de points pilotes liés vient limiter l’influence des
conditions limites sur les simulations du modèle. Cette effet a été recherché lors
de la construction du modèle de part notre faible connaissance sur les conditions
limites (cf Chapitre 4).
Les fortes incertitudes sur les conductances des drains Cgalerie et CBarbacanes , peut
s’expliquer par la représentation limitée des débits dans la fonction objectif. En ef-
fet, la fonction objectif que l’algorithme PEST++ cherche à diminuer est hybride,
c’est à dire qu’elle contient plusieurs types de données, aux unités différentes et
variant sur des ordres de grandeurs différents. Les poids associés aux observa-
tions (Section 7.3.2.2) ont été choisis pour respecter un bon équilibre entre les
différentes observations dans la fonction objectif. Ce choix a permis une bonne
simulation des différents type d’observation lors de l’estimation des paramètres
(Section 7.4.1). Cependant lors de la re-estimation des jeux de paramètres proje-
tés, une large étendue de valeur de conductance des drains Cgalerie et CBarbacanes
ont permis de maintenir le modèle "calibré" (Φ < 2200), tout en simulant des
débits fortement éloignés des observations. Cela s’explique par une trop faible
148
représentativité des débits dans la fonction objectif totale (on peut l’observer Fi-
gure 7.6), pour l’étape de ré-estimation des paramètres issus du NSMC.
De plus, certains paramètres bien que présentant une incertitude faible s’écartent
de leur valeur initiale et de régularisation, notamment CRIV _Jalle et CRIV _Ru.
Les valeurs initiales et de régularisation de ces deux paramètres ont été définies à
partir de l’approche développée par (Cousquer et al., 2017). L’écart par rapport
à la valeur initiale peut s’expliquer par :
• une incertitude sur les paramètres utilisés pour le calcul de CRIV ;
• une valeur unique de CRIV pour l’ensemble de la condition limite rivière,

alors que les propriétés hydrodynamiques de l’interface nappe-rivière évo-
luent dans le temps et l’espace (Irvine et al., 2012; Sophocleous, 2002) ;
• l’erreur structurelle engendrée par la taille des mailles trop grandes pour
prendre en compte l’ensemble des flux divergents / convergents à proximité
de la rivière, qui peut être compensée par un ajustement de la valeur de
CRIV (Cousquer et al., 2017; Mehl and Hill, 2010).
L’incertitude sur les valeurs de transmissivité, spatialisées au travers de points

pilotes, peut être représentée par l’écart-type du Log10 T des valeurs de transmis-
sivité aux points pilotes obtenu par NSMC (Glenz, 2013; Woodward et al., 2016).
Cette carte (Figure 7.20) est obtenue pas krigeage des valeurs d’écart-type de
Log10 T aux points pilotes, basé sur le même variogramme que pour l’estimation
des paramètres.
Plusieurs zones où l’incertitude sur le Log10 T est faible apparaissent : la zone
où les points pilotes sont liés et les zones proches des ouvrages de production.
L’écart type est plus élevé dans le reste du domaine. Les zones proches des ou-
vrages présentant de faibles écarts-types correspondent à des zones de fortes tran-
simissivités obtenues lors de l’estimation des paramètres. Ces zones de fortes
transmissivités permettent de satisfaire les rapports de mélange observés aux ou-
vrages de productions. L’apport d’observation de transport, tel que réalisé ici
avec les rapport de mélange, permet de réduire l’incertitude sur le champ de
transmissivité aux abords des points d’observation.
7.5.3.2 Incertitudes prédictives

Les incertitudes prédictives sont réalisées sur les sorties d’intérêts du modèle
vis-à-vis de la qualité de l’eau aux ouvrages de production : la recharge, les vo-
lumes échangés de la rivière vers la nappe et les rapports de mélanges simulés
aux ouvrages de productions. Ces incertitudes sont représentées sous forme de
diagrammes contenant les prédictions pour chaque jeux de paramètres obtenus
par NSMC (Figure 7.21 et Figure 7.22). Les incertitudes prédictives sur la re-
charge, sont représentées par la répartition de la lame d’eau de recharge sur la
période de calibration. De même pour les incertitudes prédictives sur les volumes
nappe-rivière échangés. Pour les volumes nappe-rivière échangés seule la section
149
Figure 7.20 : Interpolation de l’écart-type de Log10 T aux points pilotes, des

différents jeux de paramètres obtenue par NSMC
de rivière allant de l’amont du modèle jusqu’à la diffluence de la Jalle à l’extré-

mité des barbacanes est prise en compte (voir Figure 7.20). Seule cette section
est réellement d’intérêt pour les problématiques de gestion du champ captant de
Thil-Gamarde.
L’incertitude sur la prédiction de la recharge est acceptable (Figure 7.21).
L’incertitude sur les débits échangés de la rivière à l’aquifère s’étale sur plusieurs
ordres de grandeur. Les volumes échangés entre la nappe et la rivière sont contrô-
lés par l’équation (rappel des débits échangés pour une condition rivière de type
Cauchy) :
Q = CRIV _Jalle × (Hriv − Haq ) (7.27)

où Q [L3 T−1 ] est le débit de la rivière à l’aquifère, Hriv [L] est le niveau d’eau en
rivière, Haq [L] est la charge hydraulique au centre de la cellule où la condition de
Cauchy est appliquée, CRIV _Jalle [L2 T−1 ] est le terme conductance (coefficient
rivière).
L’incertitude sur le paramètre CRIV _Jalle semble faible d’après les résultats de
l’analyse linéaire et NSMC. Hriv est une entrée du modèle, de ce fait les variations
de débits des différents modèles NSMC est à imputer à Haq et donc au gradient
Hriv − Haq qui contrôle tout autant le débit échangé que CRIV . Hriv − Haq est
susceptible d’évoluer dans les différents modèles NSMC à la faveur du champ
de transmissivité (Figure 7.20), mais également des débits des drains dont nous
venons de voir qu’ils varient fortement selon les tirages.
150
Figure 7.21 : Distribution A) de la lame d’eau de recharge et B) des volumes

échangés rivière - nappe obtenus par NSMC sur la période de calibration
Figure 7.22 : Distribution des rapports de mélanges simulés aux ouvrages de

productions obtenue par NSMC
151
L’incertitude sur les rapports de mélange est faible, cependant pour l’ensemble
des ouvrages le modèle tend à sur-estimer la proportion d’eau de rivière. Les tra-
vaux de terrain décrits Chapitre 4 ont montré une structure de l’aquifère forte-
ment hétérogène et localement karstifiée susceptible d’être à l’origine des rapports
de mélange observés présentant des proportions d’eau de rivière faible au vu de
la position des ouvrages de production R20 et R21 (très proche rivière). Le choix
d’un modèle d’écoulement et de transport par l’approche du milieux poreux équi-
valent a été discuté et justifié (cf Chapitre 5). Cependant, la sur-estimation des
rapports de mélange par le modèle peut être expliquée par cette approche, où les
transferts de masse aux travers de conduits karstiques ne peuvent être correcte-
ment simulés. On observe par ailleurs des valeurs de transmissivités estimées très
élevées, proches des limites pour un milieu poreux, dans l’axe des ouvrages de
production. Ces fortes transmissivités peuvent être le signe de réseaux de conduits
karstiques, où l’on est en limite de validité de la loi de Darcy pour un modèle à
milieu poreux équivalent.
152
Synthèse 1/2
La construction du modèle d’écoulement et de transport com-
porte l’approche suivante :
• le choix d’un modèle 2D (hypothèse de Dupuit-Forchheimer) à mi-

lieu poreux équivalent pour simuler l’écoulement et le transport ;
• paramétrisation des propriétés hydrodynamiques avec un en-

semble de points pilotes afin de prendre en compte les hétéro-
gnéités du système dans un contexte où elles ne sont pas connues
a priori ;
• Simulation des échanges nappe-rivière par une condition de type

Cauchy suivant l’approche développée dans le Chapitre 3 ;
• afin de pallier aux problèmes de temps de calcul liés à la simulation

classique des observations de transport par les modèles advectif-
dispersifs, nous avons développé un modèle équivalent pour simu-
ler les observations de rapport de mélange nappe-rivière au moyen
du code de suivi de particule MODPATH. Cette approche a été
validée avec le modèle classique MT3DMS et expérimentée sur un
modèle conceptuel d’échange nappe-rivière.
L’estimation des paramètres a été conduite avec l’approche

suivante :
• utilisation de l’Algorithme de Gauss-Levenberg Marquardt

(GLMA) de la suite PEST++ ;
• régularisation hybride Tikhonov-TSVD pour stabiliser le proces-

sus d’estimation des paramètres et tendre vers un problème "bien-
posé" ;
• estimation des paramètres à partir de 2 modèles, un modèle

d’écoulement transitoire pour les observations de charges et de
débits couplé à un modèle de transport (modèle équivalent de
suivi de particules) permanent pour les simulations de rapport de
mélange aux ouvrages de production ;
153
Synthèse 2/2
L’estimation des paramètres conduit aux résultats suivants :
• bonne simulation des charges et débits observés et simulation sa-

tisfaisante des rapports de mélanges nappe-rivière dans les ou-
vrages de production ;
• validation des résultats obtenus à partir du modèle équivalent de

suivi de particule avec le modèle original MT3D ;
• les paramètres estimés à partir du modèle couplé écoulement-

transport (approche n°2) montre : i) des effets moindres de la
régularisation de Tikhonov afin de respecter les observations de
rapport de mélanges ii) la nécessité de créer un champ de trans-
missivité plus hétérogène pour satisfaire les rapports de mélange ;
• les paramètres estimés à partir du modèle couplé écoulement-

transport (approche n°2) montrent une cohérence entre le champ
de transmissivité estimé et les observations de terrain (géophy-
sique, structures géologiques liées à la faille de Bordeaux).
Les analyses d’incertitude paramétrique et prédictive in-

diquent :
• la cohérence des résultats de l’analyse linéaire avec l’approche

NSMC ;
• une faible corrélation entre paramètre et sensibilité élevée pour la

majorité des paramètres (hormis F N ), les paramètres sont donc
a priori bien identifiables ;
• des intervalles de confiance et incertitude larges pour les para-

mètres CGHB_N , CGHB_S , Cgalerie et CBarbacanes qui peuvent
s’expliquer par la présence d’une zone de point pilote liés cor-
rélée aux paramètres CGHB_N et CGHB_S . Pour les paramètres
Cgalerie et CBarbacanes , la fonction objectif hybride ne permet pas
une représentativité des observations de débit suffisante pour re-
jeter les valeurs de Cgalerie et CBarbacanes incohérentes lors de la
re-calibration des générations NSMC ;
• l’écart-type sur les valeurs de transissivité aux points pilotes des

tirages NSMC indique une diminution de l’incertitude dans les
zones proches des ouvrages de production où l’information sur les
rapports de mélange a été apporté ;
• l’incertitude prédictive indique une bonne prédiction de la re-

charge. Une incertitude très élevée sur les volumes échangés de
la nappe à la rivière causée par l’incertitude sur les transmissivi-
tés (donc sur les charges, et donc sur la différence entre niveau de
rivière et niveau de l’aquifère), ainsi que la mauvaise simulation
des débits des drains par les tirages NSMC.
154
Quatrième partie
Simulation
155
Chapitre 8
Apport de la modélisation des

échanges nappe-rivière à la
gestion du champ captant
8.1 Introduction
Un modèle d’écoulement et de transport a été développé dans la partie III. Les
paramètres de ce modèle ont été estimés et les incertitudes paramétriques et pré-
dictives ont été évaluées. Cette partie a permis de répondre à l’objectif principal
de cette thèse qui était de mettre en place un outil de gestion de la ressource en
eau sur le champ captant de Thil-Gamarde. Cet outil peut maintenant servir à
tester des scénarios alternatifs de gestion visant à limiter l’influence de vecteurs
de pollution, telle que la Jalle, sur la ressource en eau.
Ce chapitre vise à illustrer l’emploi de cet outil, à travers la caractérisation des
échanges nappe-rivière et l’évaluation de scénarios alternatifs de gestion.
8.2 Caractérisation des échanges nappe-rivière

Le modèle réalisé au cours de cette thèse permet de caractériser les écoulements
et le transport en prenant en compte les échanges entre la nappe et la rivière
traversant le champ captant de Thil-Gamarde. L’étude des débits échangés en
régime permanent pour des conditions d’exploitation actuelles et pour des condi-
tions hydrologiques en hautes et basses eaux (voir Tableau 8.1) fait état de débits
linéiques nets échangés (débits par unité de longueur de cours d’eau) allant de 0
à 0.4 m3 h−1 m−1 en hautes eaux et de 0.07 à 0.28 m3 h−1 m−1 en basses eaux
(Figure 8.1).
Les débits échangés sont plus importants en hautes eaux qu’en basses eaux.
Le gradient nappe - rivière est plus important en hautes eaux, en partie parce que
les niveaux d’eau dans les drains (Galerie et Barbacanes) est le même en hautes
et basses eaux.
Une caractéristique marquante est que l’ensemble de la section de rivière considéré
157
8. APPORT DE LA MODÉLISATION DES ÉCHANGES NAPPE-RIVIÈRE À LA
GESTION DU CHAMP CAPTANT
Hautes eaux Moyennes eaux Basses eaux

Jalle amont seuil 11.2 m 10.7 m 10.2 m
Jalle aval seuil 10 m 9.5 m 9m
Galerie 8.5 m 8.5 m 8.5 m
Barbacanes 8.4 m 8.4 m 8.4 m
R20 200 m3 h−1 200 m3 h−1 200 m3 h−1
R21 300 m3 h−1 300 m3 h−1 300 m3 h−1
Tableau 8.1 : Conditions hydrologiques et débits / niveaux aux ouvrages de

production
Figure 8.1 : Carte piézométrique et volume rivière-nappe échangé simulé en hautes

eaux A, et en basses eaux B.
158
8.2 Caractérisation des échanges nappe-rivière
Figure 8.2 : Lignes de courant simulées pour chacun des ouvrages du champ
captant de Thil-Gamarde et foyers potentiel de pollution modifié d’après Caballero
(2007). Les lignes de courant blues représentent les particules interceptant la rivière
Jalle, les particules blanches représentent les particules n’interceptant pas la Jalle
est en perte (échange dans le sens rivière vers nappe). L’influence du seuil est mis
en évidence par la diminution abrupte des débits échangés entre l’amont et l’aval.
Les zones de pertes importantes se situent proches des ouvrages R20 et R21 en
amont du seuil. Le ruisseau Sainte-Christine apporte également des débits non
négligeables.
Le suivi de particules, réalisé à contre-courant depuis les ouvrages de production,
permet d’identifier la zone d’alimentation de chacun des ouvrages (Figure 8.2).
En ajoutant, à partir d’un traitement sur un SIG, l’image aérienne de la zone
d’étude cela permet de savoir si une zone potentiellement contaminée se situe
dans la zone d’alimentation d’un ouvrage (voir Figure 4.5 section 4.3.2).
Pour les conditions d’exploitation actuelles et pour des conditions hydrolo-
giques en moyennes eaux (Tableau 8.1, Figure 8.2) .
• L’ouvrage R21 couvre une large zone d’appel et est alimenté à hauteur d’en-
viron 30% en eau de rivière depuis un tronçon d’environ 500 m de la rivière
159
Jalle. L’autre part de son alimentation est assurée par la partie aquifère
présente au nord de l’ouvrage. L’alimentation venant du nord traverse des
zones urbanisées à risque de pollution (cf Chapitre 4).
• La zone d’appel de l’ouvrage R20 est plus restreinte et son alimentation

par la rivière à hauteur d’environ 10% est assurée par un court tronçon de
rivière de quelques dizaines de mètres. Bien que l’ouvrage soit proche de
la rivière, le reste de son alimentation est assuré par la partie d’aquifère
présente au nord de l’ouvrage, qui s’explique très bien ici par l’anomalie de
transmissivité au nord, illustrée par le suivi de particule (chapitre 7). Cette
alimentation par le nord présente les mêmes problématiques que pour l’ou-
vrage R21.
• Les barbacanes sont alimentées à hauteur d’environ 30% par un tronçon de

rivière équivalent à sa longueur (400 m) et par la partie de l’aquifère au nord.
• La galerie est majoritairement alimentée par la Jalle et le ruisseau Sainte

- Christine. Son alimentation se fait majoritairement par le tronçon de la
Jalle en aval du seuil, et par la partie aval du ruisseau Sainte - Christine.
Il est important d’insister sur le fait que les rapports de mélanges entre les eaux
de surfaces et les eaux souterraines sont caractérisés pour un régime permanent.
Ce régime est d’intérêt pour l’étude d’une pollution persistante et prolongée,
comme c’était initialement le cas pour la contamination en perchlorate sur le site
de Thil Gamarde. La nature de la pollution a changé pendant le projet, passant
d’une pollution permanente et chronique au perchlorate par drainage de la nappe
par la rivière, à un risque de pollution accidentelle par déversement dans le réseau
pluvial. Ainsi ce sont les rapports de mélange pic-à-pic (tels que ceux estimés par
traçage ou modèle de transport transitoire) qui deviennent intéressants. En effet,
la dispersion lors du transport en milieu poreux atténue les concentrations en
pic. De ce fait, l’étude du régime permanent ne peut être que le pire scénario
envisageable face à une telle pollution ponctuelle.
8.3 Exemples d’application du modèle développé

La pertinence de l’analyse d’un système hydrogéologique en régime permanent
dépend des propriétés hydrauliques et des temps de réponse du système étu-
dié (Haitjema, 2006). L’emploi d’un régime permanent est ici justifiée (voir Sec-
tion 5.4.1.2). Le modèle équivalent de transport avec suivi de particule (Cha-
pitre 6) est également utilisé dans le but de réduire les temps de calcul pour la
simulation et l’estimation des incertitudes associées à chaque scénario alternatif
de gestion. Chaque scénario sera testé sur l’ensemble des 47 jeux de paramètres
160
Figure 8.3 : Positionnement de la galerie de Gamarde dans le champ captant de

Thil-Gamarde, avec le regard Rth, ainsi que le point de pompage EB
retenus à partir de l’analyse du Null-Space Monte-Carlo (NSMC) permettant

d’estimer l’incertitude associée à chaque prédiction.
Les évaluations de scénario alternatifs peuvent chercher à prendre en compte dif-
férentes contraintes telles que : le maintient d’un certain volume de production ;
le maintient en service de certains ouvrages stratégiques du site ; la minimisation
de l’apport d’eau de rivière ; etc (Figure 8.3). Pour satisfaire une ou plusieurs de
ces contraintes, les scénarios alternatifs à envisager peuvent s’appuyer sur plu-
sieurs stratégies telles que : la modification du schéma d’exploitation à travers la
diminution, l’augmentation, ou l’arrêt de l’exploitation de certains ouvrages, la
recherche de nouveaux emplacements pour l’implantation d’ouvrage d’exploita-
tion, etc.
Par exemple on remarque que l’arrêt de l’exploitation de l’ouvrage R21 semble
élargir la zone d’appel de l’ouvrage R20, mais ne semble cependant pas augmenter
significativement son apport d’eau de rivière (Figure 8.4 B) avec 13% d’eau de
rivière en R20 avant l’arrêt du R21 et 14% après l’arrêt. En condition d’arrêt de
l’ouvrage R21 (Figure 8.4 B), la Galerie est alimentée en majeure partie d’eau de
rivière par la partie amont du seuil. En effet le cône de rabattement de l’ouvrage
R21 s’étend au delà de la rivière en rive droite de la Jalle (Figure 8.4 A), une
fois l’ouvrage R21 arrêté cela permet un apport d’eau supplémentaire à la Galerie.
8.3.1 Évaluation de la vulnérabilité de la Galerie

La Galerie drainante de Gamarde est un point stratégique de la production en
eau du champ captant, pouvant fournir jusqu’à plus de 10 000 m3 j−1 , soit plus
d’un quart de la production totale du champ captant (Caballero, 2007).
161
Figure 8.4 : Suivi de particules avec l’ensemble des ouvrages en production (A)
et l’arrêt des prélèvements dans R21 (B). Les lignes de courant blues représentent
les particules interceptant la rivière Jalle, les particules blanches représentent les
particules n’interceptant pas la Jalle
162
Figure 8.5 : Proportion d’eau de rivière en fonction du niveau d’eau en galerie

avec les modèles obtenus par NSMC, et diagrammes en boite associés. Les résultats
sont donnés en fonction du niveau de la galerie, et non du débit de production, car
ce dernier dépend des paramètres
Les rapports de mélange calculés au niveau du regard de la galerie (point Rth

Figure 8.3) ont toujours présenté des proportions d’eau de surface élevées, au-
tour de 90% (Chapitre 4, Section 4.4.2.2). Ce rapport de mélange a été utilisé
comme observation pour l’estimation des paramètres, dont les résultats ont été
concluants. Cependant pour ce qui est de la gestion de la ressource prélevée en
Galerie, l’eau qui arrive au point Rth n’est pas forcément représentatif de l’eau
produite par l’ouvrage Galerie puisque le pompage est effectué au niveau du point
EB (Figure 8.3). Une des problématiques de gestion est de savoir quel débit peut
être prélevé dans l’ouvrage galerie tout en assurant une proportion d’eau de ri-
vière (Jalle) minimale.
C’est sur cette problématique de gestion que se base le scénario illustrant l’uti-
lisation de l’outil développé. Les proportions d’eau de rivière sont simulées pour
différents niveaux d’eau en galerie (simulée avec une condition de type Cauchy où
un niveau est renseigné, voir chapitre 5) avec chaque jeu de paramètres obtenu
par NSMC. Le niveau d’eau en rivière correspond au niveau basses eaux (voir
Tableau 8.1).
On observe une forte incertitude sur les proportions d’eau de rivière pour les
niveaux d’eau en galerie inférieurs à 8.9 m (Figure 8.5). Au deçà de 8.9 m la
majorité des modèles NSMC s’accordent sur une proportion d’eau de rivière en
Galerie inférieure à 20%. Cette hauteur d’eau en Galerie correspond à un débit
allant de 50 à 300 m3 h−1 selon les jeux de paramètres (principalement le pa-
ramètre de conductance de la Galerie). Le niveau d’eau en galerie de 8.9 m est
163
Figure 8.6 : Proportion d’eau de rivière en fonction du débit produit en R20 avec
les modèles obtenus par NSMC, et diagrammes en boite associés. Le débit actuel
de production est d’environ 300 m3 h−1
proche du niveau d’eau en rivière juste après le seuil (Figure 8.3). Lorsque le ni-
veau en galerie devient supérieur à la hauteur d’eau en rivière en amont du seuil,
le gradient hydraulique entre la Galerie et la section de la rivière Jalle en amont
du seuil s’inverse et la galerie n’est plus alimentée en majorité par la rivière. Dans
l’état actuel des choses ce scénario comporte des incertitudes trop importantes
pour prédire correctement le comportement de la galerie pour les niveaux d’eau
en galerie inférieurs à 8.9 m (section 8.4).
8.3.2 Évaluation de la vulnérabilité de l’ouvrage R20

Afin d’évaluer les résultats de scénario prédictif dans une zone où les incertitudes
sont plus réduites, le même type de scénario a été effectué pour l’ouvrage R20
(Figure 8.3).
L’incertitude sur les rapports de mélange est plus réduite pour le scénario sur
R20 que sur la Galerie (Figure 8.6), et permet de faire des prédictions avec un
intervalle de confiance acceptable. La majorité des modèles se trouvent dans un
intervalle d’environ 20% de proportion d’eau de rivière.
8.4 Discussion
Ce chapitre illustre l’intérêt de l’outil de modélisation développé pour le test de
scénario prédictif de gestion. L’évaluation du scénario sur l’ouvrage Galerie sou-
164
8.4 Discussion
ligne le besoin d’estimer les incertitudes associées aux prédictions d’un modèle
de gestion. Comme souligné par Pappenberger and Beven (2006) et Poeter and
Hill (1997) l’estimation des incertitudes associées aux modèles hydrogéologiques
est nécessaire, bien qu’une part encore importante de la communauté de modéli-
sateur soit encore réticente à les employer.
Ces fortes incertitudes peuvent être expliquées par :
• l’incertitude sur le paramètre Cgalerie contrôlant les débits échangés entre

l’aquifère et la Galerie ;
• les incertitudes sur les valeurs de transmissivité en rive droite de la Jalle et

aux abords de la Galerie (Figure 7.20 Chapitre 7) ;
• les fortes incertitudes sur les débits produits par les barbacanes pouvant
affectées les échanges nappe-rivière sur la section de rivière alimentant éga-
lement la Galerie ;
• les incertitudes sur les débits nappe-rivière échangés.
Cette analyse de scénario souligne certaines incertitudes liées au modèle dé-

veloppé. Cependant plusieurs pistes sont envisageables pour réduire l’incertitude
sur les simulations de rapport de mélange dans la Galerie :
• calculer les rapports de mélange pour la Galerie au niveau de son point de

production (point EB Figure 8.3) et apporter cette information à l’étape
d’estimation des paramètres. Une diminution de l’incertitude a été observée
dans les zones où des observations de rapport de mélange ont été apportées
à la calibration (Chapitre 7) ;
• même étape pour l’ouvrage Barbacane en rive gauche de la Jalle (Figure 8.3) ;
• création de piézomètres d’observation supplémentaires au sud de la Galerie

où l’information est faible.
165
Cinquième partie
Conclusions et perspectives
167
Chapitre 9
Conclusions
Les travaux réalisés dans le cadre de cette thèse ont permis d’améliorer la compré-
hension et la gestion des systèmes nappe-rivière à l’échelle intermédiaire, avec la
modélisation comme outil principal. Le résultat opérationnel est un outil de modé-
lisation qui servira à évaluer des scénarios prédictifs de gestion de la ressource en
eau du champ captant de Thil-Gamarde. Nous dressons dans ce dernier chapitre
le bilan synthétique de ce travail, en terme de développements méthodologiques
originaux et de résultats opérationnels sur le champ captant de Thil-Gamarde.
Les principales limites rencontrées dans cette approche sont aussi mentionnées.
Cette partie s’achève sur la présentation des perspectives qu’ouvrent ce travail de
thèse.
9.1 Développements méthodologiques

Différents développements méthodologiques sur la modélisation des échanges nappe-
rivière, réplicables à d’autres sites, ont été réalisés dans le cadre de cette thèse.
• Un outil innovant a été développé (Chapitre 3) afin d’estimer une valeur

initiale et de régularisation pour le coefficient rivière (CRIV ) à partir d’in-
formations a priori sur les paramètres physiques mesurables sur le terrain.
Une analyse de sensibilité globale a été utilisée pour apprécier l’influence de
chacun de ces paramètres sur le coefficient rivière, et a mis en avant la forte
dépendance de paramètres souvent négligés : l’anisotropie et la taille des
cellules rivières. Ces recherches ont été publiées dans la revue Groundwater.
• Devant des temps de calculs souvent rédhibitoires de la simulation du trans-
port par résolution de l’équation d’advection-dispersion (MT3DMS), un mo-
dèle de transport convectif de suivi de particules a été développé et validé
(Chapitre 6). Le gain de temps considérable, jusqu’à 90 fois plus rapide,
permet de multiples exécutions de modèle pour l’estimation des paramètres
et la quantification des incertitudes.
• Grâce à ce modèle de transport convectif, les rapports de mélange entre les
eaux de surface et les eaux souterraine, mesurables sur le terrain, peuvent
169
9. CONCLUSIONS
être intégrés dans l’estimation des paramètres et permettre de réduire l’in-

certitude des modèles d’échanges nappe-rivière.
• L’estimation des paramètres a été effectuée avec l’algorithme PEST++ à

partir du modèle d’écoulement, couplé au modèle équivalent de suivi de par-
ticules. Cela conduit à une fonction objectif hybride avec des observations
de charges, de débits et de rapports de mélange.
• L’information structurelle obtenue par investigation de terrain (géophy-

sique, géologie, géomorphologie) permet de valider en partie les paramètres
estimés par modélisation inverse.
• L’évaluation des incertitudes paramétriques et prédictives a été réalisée par

la méthode du Null-Space Monte Carlo qui est assez rarement utilisée sur
des cas d’application réels.
9.2 Résultats opérationnels

Plusieurs résultats spécifiques au domaine d’étude ont été obtenus tout au long
de cette thèse.
• Des investigations de terrain (Chapitre 4) ont permis d’obtenir de l’infor-

mation a priori sur les paramètres hydrodynamiques du système, des ob-
servations de l’état du système (charges, débits d’exploitation, rapports
de mélange entre les eaux de surface et les eaux souterraines) et des in-
formations structurelles par investigation géophysique pour contraindre la
modélisation hydrogéologique.
• Le sens et l’intensité des échanges nappe-rivière du champ captant de Thil-

Gamarde ont été estimés sur le domaine d’étude. Ils sont contraints par le
régime de la Jalle et les débits des ouvrages de productions, perturbant le
régime naturel d’écoulement.
• Les investigations de terrain et les résultats de l’estimation des paramètres

ont mis en avant un aquifère hétérogène et des figures de karstification à
l’origine d’écoulements rapides.
• Bien que proche de la Jalle (<100 m) les ouvrages R20 et R21 sont alimentés
en majorité par la partie aquifère au nord de ces ouvrages (environ 90% pour
R21 et 70% pour R21). En revanche la Galerie est alimentée en majorité
par la rivière (environ 90%).
• Le seuil, décalant le niveau d’eau en rivière à proximité des ouvrages de

production, a une influence majeure sur les échanges et les rapports de
mélanges nappe-rivière aux ouvrages de production.
170
9.3 Limites
• Le potentiel de l’outil de modélisation du champ captant de Thil-Gamarde

développé dans le cadre de cette étude, a été illustré au travers de scénarios
prédictifs de gestion assortis de leurs incertitudes, et permet des résultats
opérationnels probants.
9.3 Limites
Les approches utilisées et développées présentent certaines limites qu’il est im-
portant de souligner.
L’outil développé pour estimer le paramètre CRIV ne prend pas en compte les
états de déconnexion entre la nappe et la rivière. L’approche implique que l’en-
semble des écoulements à composantes verticales (flux convergents ou divergents)
autour de la rivière soient compris dans une seule cellule du modèle. Cela im-
plique que la taille des cellules nécessaires au bon emploi de la méthode soit assez
grande (100 m dans notre cas), pour que tous les flux convergents aient lieu à
l’intérieur même de la cellule où s’applique la condition limite rivière. Ceci s’avère
contraignant lorsque certains modèles nécessitent un niveau de détail plus fin que
la taille des mailles requise. Les flux peuvent cependant être bien estimés au prix
d’une compensation de cette erreur structurelle par un ajustement des propriétés
hydrodynamiques des cellules proches rivière, qui perdent alors une partie de leur
sens physique.
Le modèle équivalent de suivi de particules se montre satisfaisant pour la ré-

duction du temps de calcul. Cependant la non prise en compte de la dispersion
limite son utilisation à la simulation de rapport de mélange sur des points sources
(puits, drain) et en régime permanent.
De plus, l’approche du milieu poreux équivalent, pour simuler un milieu partiel-
lement karstifié, ne permet pas de reproduire les vitesses de transfert réelles dans
l’aquifère. Cette approche limite l’utilisation du modèle à la caractérisation des
pollutions persistantes et prolongées, et ne permet pas de simuler les pollutions
ponctuelles et les temps de transfert associés.
La fonction objectif hybride utilisée lors de l’estimation des paramètres a donné

des résultats satisfaisants. Cependant lors de la procédure du Null-Space Monte
Carlo, les débits ont pu être très mal simulés sans que la fonction objectif ne soit
suffisamment dégradée pour rejeter les paramètres à l’origine de cette mauvaise
simulation.
L’analyse d’incertitude a été menée par l’utilisation de multiples jeux de para-

mètres (NSMC) basés sur une seule structure de modèle. La faiblesse principale
de cette approche réside dans le fait que toutes les sources d’incertitude sont
alors attribuées à l’erreur sur les paramètres, sans tenir compte de l’incertitude
sur la conceptualisation du modèle qui peut représenter un tiers des incertitudes
du modèle (Rojas et al., 2008).
171
Chapitre 10
Perspectives
10.1 Perspectives de recherche

Au vu des limites précédemment énoncées et des résultats acquis au cours de cette
thèse, les perspectives de recherches pourraient se porter sur les points suivants.
• Réaliser l’estimation des paramètres et l’analyse d’incertitudes sur de mul-

tiples conceptualisations de modèle (e.g (General Likelihood Uncertainty
Estimation (Beven and Binley, 1992)), Hublart et al. (2015); Rojas et al.
(2008)). Une réflexion reste cependant à mener pour trouver une démarche
permettant de réaliser un ensemble de conceptualisations vraisemblables
(cette réflexion constitue un sujet actif de recherche, discuté notamment au
cours des rencontres avec le Darcy lecturer 2016 (Ferre, 2016)).
• La méthode du Null-Space Monte Carlo est une méthode dérivée du Monte

Carlo (approche bayésienne) mais qui présente ses limites (hypothèse li-
néaire pour le Null Space). On pourrait donc préférer les méthodes de Monte
Carlo, mais qui sont cependant très exigeantes en temps de calcul.
• Des efforts pourraient être réalisés pour réduire les temps de calcul du mo-
dèle d’écoulement afin de pouvoir réaliser le type d’approche précédemment
décrite.
• Envisager une méthode de pondération des observations dans la fonction

objectif hybride (e.g Madsen (2000); Yapo et al. (1998)), permettant d’éviter
que certains groupes d’observation, notamment les débits, puissent être très
mal simulés sans dégrader suffisamment la fonction objectif pour rejeter les
paramètres estimés lors de la procédure du NSMC.
• Mettre en place un modèle de transport réactif, pour prendre en compte

l’éventuelle dégradation des contaminants.
• Déterminer, avec le modèle développé, le ou les schémas de gestion optimaux

de la ressource en eau du champ captant étudié, en fonction de contraintes
(réduction du l’apport d’eau de rivière, débit de production maximale, etc),
173
10. PERSPECTIVES
à partir d’algorithme d’optimisation (Particle Swarm Optimization PSO,

Genetic Algorithme GA e.g Onwunalu and Durlofsky (2010)).
10.2 Perspectives opérationnelles

Cette thèse a permis une meilleure compréhension du fonctionnement du champ
captant de Thil-Gamarde et la mise en place d’un outil de gestion de la res-
source en eau basé sur un modèle numérique. Les perspectives opérationnelles
consistent en majeure partie à la mise en pratique de l’outil développé à travers
la proposition de scénarios de gestion. Une classification de ces scénarios pourra
être dressée. Leur classement en terme de vulnérabilité, notamment à la rivière,
et l’optimisation du schéma des scénarios les plus intéressants sera à conduire,
tout en conservant un débit de production d’environ 1000 m3 h−1 pour l’ensemble
du champ captant. Pour cela plusieurs stratégies seront envisagées :
• la modification de la répartition des prélèvements entre les ouvrages actuels

(puits R20, R21, Galerie de Gamarde, Barbacanes) ;
• la simulation de nouveaux ouvrages de production où différentes localisa-

tions et profondeurs de productions seront envisagées ;
• la suppression du seuil du moulin de Thil ;
• la simulation d’une barrière hydraulique entre la rivière et la galerie.
Ces scénarios peuvent éventuellement être associés (e.g suppression du seuil avec
la réalisation d’un nouvel ouvrage).
Des investigations de terrain supplémentaires seront également à conduire :
• évaluation des rapports de mélange sur l’ensemble de l’ouvrage Galerie

(point EB) et sur les Barbacanes ;
• investigations géophysiques complémentaires pour caractériser les struc-

tures géologiques générales et éventuellement au droit des zones identifiées
comme intéressantes pour l’implantation de nouveaux forages.
De telles observations permettraient de contraindre et d’affiner les prédictions du

modèle. Suite à ces recherches, la méthodologie appliquée permettra de proposer
et d’établir des scénarios de gestion opérationnels sur le champ captant.
174
Références
Abusaada, M. and Sauter, M. (2013). Studying the flow dynamics of a karst aqui-
fer system with an equivalent porous medium model. Groundwater, 51(4) :641–
650.
Anderman, E. R. and Hill, M. C. (1997). Advective-transport observation (adv)

package, a computer program for adding advective-transport observations of
steady-state flow fields to the three-dimensional ground-water flow parameter-
estimation model modflowp. Technical report, US Geological Survey : Infor-
mation Services [distributor],.
Anderson, E. I. (2003a). An analytical solution representing groundwater–surface

water interaction. Water Resources Research, 39(3) :1071.
Anderson, E. I. (2003b). The effective resistance to vertical flow in dupuit models.

Advances in water resources, 26(5) :513–523.
Anderson, E. I. (2005). Modeling groundwater-surface water interactions using

the dupuit approximation. Advances in water resources, 28(4) :315–327.
Anderson, M. P., Woessner, W. W., and Hunt, R. J. (2015). Applied groundwater

modeling : simulation of flow and advective transport. Academic press.
Anibas, C., Buis, K., Verhoeven, R., Meire, P., and Batelaan, O. (2011). A simple
thermal mapping method for seasonal spatial patterns of groundwater-surface
water interaction. Journal of hydrology, 397(1) :93–104.
Anses (2011). Avis de l’agence nationale de sécurité sanitaire de l’alimentation,

de l’environnement et du travail relatif a la présence d’ions perchlorate dans
le lait infantile et dans l’eau destinée à la consommation humaine en france.
Technical report, Agence nationale de sécurité sanitaire de l’alimentation, de
l’environnement et du travail.
Ashford, R. D. (1994). Ashford’s dictionary of industrial chemicals : properties,

production, uses. Wavelength.
Aster, R., Borchers, B., and Thurber, C. (2005). Parameter estimation and in-
verse problems. Elsevier Academic Press : Burlington.
175
RÉFÉRENCES
Bailly, D. (2009). Vers une modélisation des écoulements dans les massifs très fis-
surés de type karst : étude morphologique, hydraulique et changement d’échelle.
PhD thesis, Institut National Polytechnique de Toulouse.
Bakker, M., Post, V., Langevin, C. D., Hughes, J. D., White, J., Starn, J., and
Fienen, M. N. (2016). Scripting modflow model development using python and
flopy. Groundwater, XX :XXX.
Bear, J. (2013). Dynamics of fluids in porous media. Courier Corporation.
Ben Simon, R., Bernard, S., Meurville, C., and Rebour, V. (2015). Flow-through
stream modeling with modflow and mt3d : Certainties and limitations. Ground-
water, 53(6) :967–971.
Bernier, J., Parent, E., and Boreux, J.-J. (2000). Statistique pour l’environnement.
Traitement bayésien de l’incertitude. Editions Tec & Doc.
Beven, K. and Binley, A. (1992). The future of distributed models : model cali-
bration and uncertainty prediction. Hydrological processes, 6(3) :279–298.
Binley, A., Hubbard, S. S., Huisman, J. A., Revil, A., Robinson, D. A., Singha,
K., and Slater, L. D. (2015). The emergence of hydrogeophysics for improved
understanding of subsurface processes over multiple scales. Water resources
research, 51(6) :3837–3866.
Blosch, G., Thybo, H., and Savenije, H. (2015). A voyage trough scale. European
Geoscience Union.
Boano, F., Revelli, R., and Ridolfi, L. (2011). Water and solute exchange through
flat streambeds induced by large turbulent eddies. Journal of Hydrology,
402(3) :290–296.
Borghi, A., Renard, P., and Jenni, S. (2012). A pseudo-genetic stochastic model
to generate karstic networks. Journal of hydrology, 414 :516–529.
Bourgault, G. (1997). Spatial declustering weights. Mathematical geology,

29(2) :277–290.
Brookfield, A., Sudicky, E., Park, Y.-J., and Conant, B. (2009). Thermal trans-
port modelling in a fully integrated surface/subsurface framework. Hydrological
processes, 23(15) :2150–2164.
Brunner, P., Cook, P. G., and Simmons, C. T. (2009). Hydrogeologic controls

on disconnection between surface water and groundwater. Water Resources
Research, 45(1) :1422.
Brunner, P., Cook, P. G., and Simmons, C. T. (2011). Disconnected surface water
and groundwater : from theory to practice. Ground Water, 49(4) :460–467.
176
RÉFÉRENCES
Burrows, W. and Doherty, J. (2015). Efficient calibration/uncertainty analysis

using paired complex/surrogate models. Groundwater, 53(4) :531–541.
Caballero (2007). Champ captant de thil-gamarde déclaration d’utilité publique.

Technical report, Societé d’Ingénierie pour l’Eau et l’Environnement.
Cabaret, O. (2011). Caractérisation physique et approche numérique du rôle

des aquitards dans les systèmes aquifères multicouches-Application au complexe
tertiaire nord-aquitain. PhD thesis, Université Michel de Montaigne-Bordeaux
III.
Canik, B. (1968). Etude géologique et hydrogéologique du bassin versant de la Jalle

de Saint-Médard... PhD thesis, Université de Bordeaux. Faculté des sciences.
Cardenas, M. B. (2009). Stream-aquifer interactions and hyporheic exchange in

gaining and losing sinuous streams. Water Resources Research, 45(6) :6429.
Cardenas, M. B. and Markowski, M. S. (2010a). Geoelectrical imaging of hypo-

rheic exchange and mixing of river water and groundwater in a large regulated
river. Environmental science & technology, 45(4) :1407–1411.
Cardenas, M. B. and Markowski, M. S. (2010b). Geoelectrical imaging of hypo-

rheic exchange and mixing of river water and groundwater in a large regulated
river. Environmental science & technology, 45(4) :1407–1411.
Cardenas, M. B. and Wilson, J. (2007a). Hydrodynamics of coupled flow above

and below a sediment–water interface with triangular bedforms. Advances in
water resources, 30(3) :301–313.
Cardenas, M. B. and Wilson, J. L. (2007b). Exchange across a sediment–water

interface with ambient groundwater discharge. Journal of hydrology, 346(3) :69–
80.
Carniato, L., Schoups, G., van de Giesen, N., Seuntjens, P., Bastiaens, L., and
Sapion, H. (2015). Highly parameterized inversion of groundwater reactive
transport for a complex field site. Journal of contaminant hydrology, 173 :38–
58.
Carrera, J., Alcolea, A., Medina, A., Hidalgo, J., and Slooten, L. J. (2005). Inverse
problem in hydrogeology. Hydrogeology journal, 13(1) :206–222.
Carrera, J. and Neuman, S. P. (1986). Estimation of aquifer parameters under

transient and steady state conditions : 1. maximum likelihood method incor-
porating prior information. Water Resources Research, 22(2) :199–210.
Carrera, J., Vazquez-Sune, E., Castillo, O., and Sanchez-Vila, X. (2004). A metho-
dology to compute mixing ratios with uncertain end-members. Water resources
research, 40(12) :W12101–1.
177
RÉFÉRENCES
Chen, X. (2000). Measurement of streambed hydraulic conductivity and its ani-

sotropy. Environmental Geology, 39(12) :1317–1324.
Cheng, C., Song, J., Chen, X., and Wang, D. (2011). Statistical distribution
of streambed vertical hydraulic conductivity along the platte river, nebraska.
Water resources management, 25(1) :265–285.
Christiansen, H., Hill, M. C., Rosbjerg, D., and Jensen, K. H. (1995). Three-
dimensional inverse modelling using heads and concentrations at a danish land-
fill. IAHS Publications-Series of Proceedings and Reports-Intern Assoc Hydro-
logical Sciences, 227 :167–176.
Cook, P. G. (2013). Estimating groundwater discharge to rivers from river che-

mistry surveys. Hydrological Processes, 27(25) :3694–3707.
Cousquer, Y., Pryet, A., Flipo, N., Delbart, C., and Dupuy, A. (2017). Estimating
river conductance from prior information to improve surface-subsurface model
calibration. Ground Water, XX :XX.
Datry, T., Dole-Olivier, M.-J., Marmonier, P., Claret, C., Perrin, J.-F., Lafont,
M., and Breil, P. (2008). La zone hyporhéique, une composante à ne pas
négliger dans l’état des lieux et la restauration des cours d’eau. Ingénieries-
EAT, 54(54) :p–3.
de Marsily, G. (1986). Quantitative hydrogeology. Technical report, Paris School

of Mines, Fontainebleau.
de Marsily, G. (2009). L’eau, un trésor en partage. Dunod Paris.
de Marsily, G., Lavedan, G., Boucher, M., and Fasanino, G. (1984). Interpre-
tation of interference tests in a well field using geostatistical techniques to fit
the permeability distribution in a reservoir model. Geostatistics for natural
resources characterization, Part, 2 :831–849.
Delay, F., Ackerer, P., and Danquigny, C. (2005). Simulating solute transport in
porous or fractured formations using random walk particle tracking. Vadose
Zone Journal, 4(2) :360–379.
Delottier, H., Pryet, A., and Dupuy, A. (2016). Why should practitioners be
concerned about predictive uncertainty of groundwater management models ?
Water Resources Management, xx :1–13.
Derx, J., Blaschke, A., and Blöschl, G. (2010). Three-dimensional flow patterns
at the river–aquifer interface a case study at the danube. Advances in Water
Resources, 33(11) :1375–1387.
Discacciati, M., Miglio, E., and Quarteroni, A. (2002). Mathematical and nume-
rical models for coupling surface and groundwater flows. Applied Numerical
Mathematics, 43(1) :57–74.
178
RÉFÉRENCES
Doherty, J. (2003). Ground water model calibration using pilot points and regu-
larization. Ground Water, 41(2) :170–177.
Doherty, J. (2010). PEST, Model-independent parameter estimation - user ma-

nual (5th ed., with slight additions). Watermark Numerical Computing.
Doherty, J. (2015). Calibration and uncertainty analysis for complex environmen-

tal models. Watermark Numerical Computing.
Doherty, J., Brebber, L., and Whyte, P. (1994). PEST : Model-independent pa-
rameter estimation, volume 122. Watermark Numerical Computing.
Doherty, J. and Skahill, B. E. (2006). An advanced regularization methodology

for use in watershed model calibration. Journal of Hydrology, 327(3) :564–577.
Doherty, J. and Welter, D. (2010). A short exploration of structural noise. Water

Resources Research, 46(5) :5525.
Doherty, J. E., Hunt, R. J., and Tonkin, M. J. (2011). Approaches to highly

parameterized inversion : A guide to using PEST for model-parameter and
predictive-uncertainty analysis. US Department of the Interior, US Geological
Survey.
Doppler, T., Franssen, H.-J. H., Kaiser, H.-P., Kuhlman, U., and Stauffer, F.
(2007). Field evidence of a dynamic leakage coefficient for modelling river–
aquifer interactions. Journal of Hydrology, 347(1) :177–187.
Dujardin, J., Anibas, C., Bronders, J., Jamin, P., Hamonts, K., Dejonghe, W.,
Brouyère, S., and Batelaan, O. (2014). Combining flux estimation techniques
to improve characterization of groundwater–surface-water interaction in the
zenne river, belgium. Hydrogeology Journal, 22(7) :1657–1668.
Ebel, B. A., Mirus, B. B., Heppner, C. S., VanderKwaak, J. E., and Loague,
K. (2009). First-order exchange coefficient coupling for simulating surface
water–groundwater interactions : Parameter sensitivity and consistency with a
physics-based approach. Hydrological Processes, 23(13) :1949–1959.
Ellis, P. A., Mackay, R., and Rivett, M. O. (2007). Quantifying urban river–
aquifer fluid exchange processes : a multi-scale problem. Journal of contaminant
hydrology, 91(1) :58–80.
Emsellem, Y. and De Marsily, G. (1971). An automatic solution for the inverse

problem. Water Resources Research, 7(5) :1264–1283.
Engeler, I., Franssen, H. H., Müller, R., and Stauffer, F. (2011). The importance
of coupled modelling of variably saturated groundwater flow-heat transport for
assessing river–aquifer interactions. Journal of Hydrology, 397(3) :295–305.
179
RÉFÉRENCES
Faybishenko, B. A., Javandel, I., and Witherspoon, P. A. (1995). Hydrodynamics

of the capture zone of a partially penetrating well in a confined aquifer. Water
Resources Research, 31(4) :859–866.
Ferre, T. (2016). Topics for discussion. https ://darcylec-
ture2016.wordpress.com/.
Fienen, M., Hunt, R., Krabbenhoft, D., and Clemo, T. (2009a). Obtaining parsi-
monious hydraulic conductivity fields using head and transport observations :
A bayesian geostatistical parameter estimation approach. Water Resources
Research, 45(8) :8405.
Fienen, M. N., Muffels, C. T., and Hunt, R. J. (2009b). On constraining pilot
point calibration with regularization in pest. Ground water, 47(6) :835–844.
Fleckenstein, J. H., Krause, S., Hannah, D. M., and Boano, F. (2010).
Groundwater-surface water interactions : New methods and models to im-
prove understanding of processes and dynamics. Advances in Water Resources,
33(11) :1291–1295.
Fleckenstein, J. H., Niswonger, R. G., and Fogg, G. E. (2006). River-aquifer
interactions, geologic heterogeneity, and low-flow management. Groundwater,
44(6) :837–852.
Flipo, N. (2013). Modélisation des hydrosystèmes continentaux pour une gestion
durable de la ressource en eau. habilitation a diriger des recherches, universit
pierre et marie curie.
Flipo, N., Monteil, C., Poulin, M., Fouquet, C., and Krimissa, M. (2012). Hybrid
fitting of a hydrosystem model : Long-term insight into the beauce aquifer
functioning (france). Water Resources Research, 48(5) :5509.
Flipo, N., Mouhri, A., Labarthe, B., Biancamaria, S., Rivière, A., and Weill, P.
(2014). Continental hydrosystem modelling : the concept of nested stream–
aquifer interfaces. Hydrology and Earth System Sciences, 18(8) :3121–3149.
Frontier, S., Davoult, D., Gentilhomme, V., and Lagadeuc, Y. (2001). Statistique
pour les sciences de la vie et de l’environnement : cours et exercices corrigés.
Dunod.
Fuller, C. C. and Harvey, J. W. (2000). Reactive uptake of trace metals in the
hyporheic zone of a mining-contaminated stream, pinal creek, arizona. Envi-
ronmental Science & Technology, 34(7) :1150–1155.
Furman, A. (2008). Modeling coupled surface–subsurface flow processes : a review.
Vadose Zone Journal, 7(2) :741–756.
Gaffield, S. J., Bradbury, K., and Potter, K. W. (1998). Hydrologic assessment of
the Kickapoo Watershed, southwestern Wisconsin. Wisconsin Geological and
Natural History Survey.
180
RÉFÉRENCES
Gallagher, M. and Doherty, J. (2007). Parameter estimation and uncertainty ana-

lysis for a watershed model. Environmental Modelling & Software, 22(7) :1000–
1020.
Gandy, C., Smith, J., and Jarvis, A. (2007). Attenuation of mining-derived pol-
lutants in the hyporheic zone : a review. Science of the Total Environment,
373(2) :435–446.
Geuzaine, C. and Remacle, J.-F. (2009). Gmsh : A 3-d finite element mesh
generator with built-in pre-and post-processing facilities. International Journal
for Numerical Methods in Engineering, 79(11) :1309–1331.
Gianni, G., Richon, J., Perrochet, P., Vogel, A., and Brunner, P. (2016). Rapid
identification of transience in streambed conductance by inversion of a flood-
wave response. Water Resources Research, 52(4) :2647–2658.
Glenz, D. (2013). Inverse modeling of groundwater flow in the Rhône alluvial

aquifer-impact of the Third Rhône correction. PhD thesis, Université de Neu-
châtel.
Goderniaux, P., Brouyère, S., Fowler, H. J., Blenkinsop, S., Therrien, R., Orban,
P., and Dassargues, A. (2009). Large scale surface–subsurface hydrological
model to assess climate change impacts on groundwater reserves. Journal of
Hydrology, 373(1) :122–138.
Grubb, S. (1993). Analytical model for estimation of steady-state capture zones of

pumping wells in confined and unconfined aquifers. Ground Water, 31(1) :27–
32.
Gusyev, M., Abrams, D., Toews, M., Morgenstern, U., and Stewart, M. (2014). A
comparison of particle-tracking and solute transport methods for simulation of
tritium concentrations and groundwater transit times in river water. Hydrology
and Earth System Sciences, 18(8) :3109–3119.
Haitjema, H. (2006). The role of hand calculations in ground water flow modeling.
Ground water, 44(6) :786–791.
Haitjema, H. (2016). Horizontal flow models that are not. Groundwater,

54(5) :613–613.
Haitjema, H., Kelson, V., and Lange, W. (2001). Selecting modflow cell sizes for
accurate flow fields. Groundwater, 39(6) :931–938.
Haitjema, H. M. (1995). Analytic element modeling of groundwater flow. Acade-

mic Press.
Harbaugh, A. W. (2005). MODFLOW-2005, the US Geological Survey modular

ground-water model : the ground-water flow process. US Department of the
Interior, US Geological Survey Reston, VA, USA.
181
RÉFÉRENCES
Harvey, J. W. and Wagner, B. J. (2000). Quantifying hydrologic interactions

between streams and their subsurface hyporheic zones. Technical report, USGS.
Hassan, S. T., Lubczynski, M. W., Niswonger, R. G., and Su, Z. (2014). Surface–
groundwater interactions in hard rocks in sardon catchment of western spain :
An integrated modeling approach. Journal of Hydrology, 517 :390–410.
Herbert, R. (1970). Modelling partially penetrating rivers on aquifer models.
Groundwater, 8(2) :29–36.
Hester, E. T. and Doyle, M. W. (2008). In-stream geomorphic structures as
drivers of hyporheic exchange. Water Resources Research, 44(3) :3417.
Hill, M., Kavetski, D., Clark, M., Ye, M., Arabi, M., Lu, D., Foglia, L., and Mehl,
S. (2016). Practical use of computationally frugal model analysis methods.
Ground water, 54(2) :159.
Hill, M. C. and Tiedeman, C. R. (2006). Effective groundwater model calibration :
with analysis of data, sensitivities, predictions, and uncertainty. John Wiley &
Sons.
Hublart, P., Ruelland, D., Dezetter, A., and Jourde, H. (2015). Reducing struc-
tural uncertainty in conceptual hydrological modelling in the semi-arid andes.
Hydrology and Earth System Sciences, 19(5) :2295–2314.
Hunt, R. J., Doherty, J., and Tonkin, M. J. (2007). Are models too simple ?
arguments for increased parameterization. Ground Water, 45(3) :254–262.
Hunt, R. J., Feinstein, D. T., Pint, C. D., and Anderson, M. P. (2006). The
importance of diverse data types to calibrate a watershed model of the trout
lake basin, northern wisconsin, usa. Journal of Hydrology, 321(1) :286–296.
Hunt, R. J., Haitjema, H. M., Krohelski, J. T., and Feinstein, D. T. (2003).
Simulating ground water-lake interactions : Approaches and insights. Ground
Water, 41(2) :227–237.
Hvorslev, M. J. (1951). Time lag and soil permeability in ground-water observa-
tions. Technical report, DTIC Document.
INERIS (2014). Données technico-économiques sur les substances chimiques en
france : Perchlorate d’ammonium. DRC-13-126866-06964C 71 p., INERIS.
Irvine, D. J., Brunner, P., Franssen, H.-J. H., and Simmons, C. T. (2012). Hete-
rogeneous or homogeneous ? implications of simplifying heterogeneous stream-
beds in models of losing streams. Journal of Hydrology, 424 :16–23.
Jackson, W. A., Rainwater, K., Anderson, T., Lehman, T., Tock, R., Rajagopalan,
S., and Ridley, M. (2004). Distribution and potential sources of perchlorate
in the high plains region of texas. Technical report, Texas Commission on
Environmental Quality, Austin.
182
RÉFÉRENCES
Jaquet, O., Siegel, P., Klubertanz, G., and Benabderrhamane, H. (2004). Sto-
chastic discrete model of karstic networks. Advances in Water Resources,
27(7) :751–760.
Jon, H. and Usher, W. (2015). Salib sensitivity analysis library in python. Tech-
nical report, SALib.
Kalbus, E., Reinstorf, F., and Schirmer, M. (2006). Measuring methods for
groundwater ? surface water interactions : a review. Hydrology and Earth Sys-
tem Sciences Discussions, 10(6) :873–887.
Kasahara, T. and Wondzell, S. M. (2003). Geomorphic controls on hyporheic

exchange flow in mountain streams. Water Resources Research, 39(1) :1005.
Keating, E. H., Doherty, J., Vrugt, J. A., and Kang, Q. (2010). Optimization and
uncertainty assessment of strongly nonlinear groundwater models with high
parameter dimensionality. Water Resources Research, 46(10) :W10517.
Kikuchi, C., Ferre, T. P., and Welker, J. M. (2012). Spatially telescoping measu-
rements for improved characterization of ground water–surface water interac-
tions. Journal of Hydrology, 446 :1–12.
Kimball, B., Runkel, R., and Gerner, L. (2001). Quantification of mine-drainage

inflows to little cottonwood creek, utah, using a tracer-injection and synoptic-
sampling study. Environmental Geology, 40(11-12) :1390–1404.
Konikow, L. F. (2011). The secret to successful solute-transport modeling. Ground

Water, 49(2) :144–159.
Kruseman, G. P., Ridder, N. A., et al. (1990). Analysis and evaluation of pumping
test data. International Institute for Land Reclamation and Improvement.
Kurtz, W., Hendricks Franssen, H.-J., Kaiser, H.-P., and Vereecken, H. (2014).
Joint assimilation of piezometric heads and groundwater temperatures for
improved modeling of river-aquifer interactions. Water Resources Research,
50(2) :1665–1688.
Labarthe, B. (2016). Quantification des échanges nappe-riviere au sein de l’hy-

drosysteme Seine par modélisation multi échelle. PhD thesis, Université de
recherche Paris Science et Lettres - PSL Research University.
Lalot, E. (2014). Analyse des signaux piezométriques et modélisation pour l’éva-

luation quantitative et la caractérisation des échanges hydrauliques entre aqui-
fères alluviaux et rivières-Application au Rhône. PhD thesis, Saint-Etienne,
EMSE.
Larocque, M., Banton, O., Ackerer, P., and Razack, M. (1999). Determining karst
transmissivities with inverse modeling and an equivalent porous media. Ground
water, 37(6) :897–903.
183
RÉFÉRENCES
Larroque, F. (2004). Gestion globale d’un système aquifère complexe. PhD thesis,
Université Michel de Montaigne-Bordeaux III.
Leaf, A. T., Fienen, M. N., Hunt, R. J., and Buchwald, C. A. (2015).

Groundwater/surface-water interactions in the bad river watershed, wisconsin.
Technical report, US Geological Survey.
Ledoux, E., Girard, G., and Villeneuve, J. (1984). Proposition d’un modèle couplé
pour la simulation conjointe des écoulements de surface et des écoulements
souterrains sur un bassin hydrologique. La houille blanche, 39(1-2) :101–120.
Lee, D. R. (1977). A device for measuring seepage flux in lakes and estuaries1.
Limnology and Oceanography, 22(1) :140–147.
Levy, J., Birck, M. D., Mutiti, S., Kilroy, K. C., Windeler, B., Idris, O., and Al-
len, L. N. (2011). The impact of storm events on a riverbed system and its
hydraulic conductivity at a site of induced infiltration. Journal of environmen-
tal management, 92(8) :1960–1971.
Loizeau, S. (2013). Amélioration de la compréhension des fonctionnements hy-

drodynamiques du champ captant de Crépieux-Charmy. PhD thesis, Université
de Grenoble.
Loke, M. H. and Barker, R. (1996). Rapid least-squares inversion of apparent

resistivity pseudosections by a quasi-newton method. Geophysical prospecting,
44(1) :131–152.
Madsen, H. (2000). Automatic calibration of a conceptual rainfall–runoff model

using multiple objectives. Journal of hydrology, 235(3) :276–288.
McCallum, J. L., Cook, P. G., Berhane, D., Rumpf, C., and McMahon, G. A.
(2012). Quantifying groundwater flows to streams using differential flow gau-
gings and water chemistry. Journal of Hydrology, 416 :118–132.
McDonald, M. G. and Harbaugh, A. W. (1988). A modular three-dimensional

finite-difference ground-water flow model. Technical report, USGS.
McNeill, J. (1980). Electromagnetic terrain conductivity measurement at low

induction numbers.
Medina, A. and Carrera, J. (1996). Coupled estimation of flow and solute trans-
port parameters. Water Resources Research, 32(10) :3063–3076.
Mehl, S. and Hill, M. C. (2010). Grid-size dependence of cauchy boundary condi-

tions used to simulate stream–aquifer interactions. Advances in water resources,
33(4) :430–442.
Metropole, B. (2016). Champ captant du thil, un site alliant approvisionnement

en eau et préservation de la biodiversité. Technical report, Bordeaux Metropole.
184
RÉFÉRENCES
Monteil, C. (2011). Estimation de la contribution des principaux aquifères du

bassin versant de la Loire au fonctionnement hydrologique du fleuve à l’étiage.
PhD thesis, École Nationale Supérieure des Mines de Paris.
Moore, C. and Doherty, J. (2005). Role of the calibration process in reducing

model predictive error. Water Resources Research, 41(5) :W05020–1.
Moore, C. and Doherty, J. (2006). The cost of uniqueness in groundwater model

calibration. Advances in Water Resources, 29(4) :605–623.
Morel-Seytoux, H. J. (2009). The turning factor in the estimation of stream-

aquifer seepage. Groundwater, 47(2) :205–212.
Morel-Seytoux, H. J., Mehl, S., and Morgado, K. (2014). Factors influencing the
stream-aquifer flow exchange coefficient. Groundwater, 52(5) :775–781.
Mouhri, A., Flipo, N., Réjiba, F., De Fouquet, C., Bodet, L., Kurtulus, B., Tallec,
G., Durand, V., Jost, A., Ansart, P., et al. (2013). Designing a multi-scale
sampling system of stream–aquifer interfaces in a sedimentary basin. Journal
of Hydrology, 504 :194–206.
Mouhri, A., Flipo, N., and Saleh, F. (2012). État de l’art sur les méthodes
de caractérisation et de quantification des échanges nappe-rivière disponible
en ligne : http ://www.metis.upmc.fr/piren/ ?q=webfm_send/1040. Technical
report, PIREN Seine.
Murdoch, L. C. and Kelly, S. E. (2003). Factors affecting the performance of

conventional seepage meters. Water Resources Research, 39(6) :SWC2–1.
Newcomer, M. E., Hubbard, S. S., Fleckenstein, J. H., Maier, U., Schmidt, C.,
Thullner, M., Ulrich, C., Flipo, N., and Rubin, Y. (2016). Simulating bioclog-
ging effects on dynamic riverbed permeability and infiltration. Water Resources
Research, 52(4) :2883–2900.
Nield, S. P., Townley, L. R., and Barr, A. D. (1994). A framework for quantitative
analysis of surface water-groundwater interaction : Flow geometry in a vertical
section. Water Resources Research, 30(8) :2461–2475.
Niswonger, R. G. and Prudic, D. E. (2005). Documentation of the streamflow-

routing (SFR2) package to include unsaturated flow beneath streams–A modifi-
cation to SFR1. US Department of the Interior, US Geological Survey.
Noorduijn, S. L., Harrington, G. A., and Cook, P. G. (2014). The representative

stream length for estimating surface water–groundwater exchange using darcy’s
law. Journal of Hydrology, 513 :353–361.
Oliver, D. S., Reynolds, A. C., and Liu, N. (2008). Inverse theory for petroleum
reservoir characterization and history matching. Cambridge University Press.
185
RÉFÉRENCES
Onwunalu, J. E. and Durlofsky, L. J. (2010). Application of a particle swarm

optimization algorithm for determining optimum well location and type. Com-
putational Geosciences, 14(1) :183–198.
Pappenberger, F. and Beven, K. J. (2006). Ignorance is bliss : Or seven reasons

not to use uncertainty analysis. Water resources research, 42(5) :10.
Pebesma, E. J. and Wesseling, C. G. (1998). Gstat : a program for geostatistical

modelling, prediction and simulation. Computers & Geosciences, 24(1) :17–31.
Peyrard, D., Sauvage, S., Vervier, P., Sanchez-Perez, J.-M., and Quintard, M.
(2008). A coupled vertically integrated model to describe lateral exchanges
between surface and subsurface in large alluvial floodplains with a fully pene-
trating river. Hydrological Processes, 22(21) :4257–4273.
Poeter, E. P. and Hill, M. C. (1997). Inverse models : A necessary next step in

ground-water modeling. Ground water, 35(2) :250–260.
Poeter, E. P. and Hill, M. C. (1999). Ucode, a computer code for universal inverse
modeling. Computers & Geosciences, 25(4) :457–462.
Pollock, D. W. (1994). User’s Guide for MODPATH/MODPATH-PLOT, Version

3 : A Particle Tracking Post-processing Package for MODFLOW, the US :
Geological Survey Finite-difference Ground-water Flow Model. US Department
of Interior.
Pool, M., Carrera, J., Alcolea, A., and Bocanegra, E. (2015). A comparison of
deterministic and stochastic approaches for regional scale inverse modeling on
the mar del plata aquifer. Journal of Hydrology, 531 :214–229.
Prickett, T. A. and Lonnquist, C. G. (1971). Selected digital computer techniques

for groundwater resource evaluation. Technical report, Illinois Water Survey
Bull.
Prudic, D. E., Konikow, L. F., and Banta, E. R. (2004). A new streamflow-

routing (sfr1) package to simulate stream-aquifer interaction with modflow-
2000. Technical report, USGS.
Pryet, A., Atteia, O., Delottier, H., and Cousquer, Y. (2015a). Flexible envi-
ronmental modeling with python and open-gis. In EGU General Assembly
Conference Abstracts, volume 17, page 9733.
Pryet, A., Labarthe, B., Saleh, F., Akopian, M., and Flipo, N. (2015b). Repor-
ting of stream-aquifer flow distribution at the regional scale with a distributed
process-based model. Water Resources Management, 29(1) :139–159.
QGIS (2012). Qgis geographic information system. open source geospatial foun-
dation project.
186
RÉFÉRENCES
Razavi, S., Tolson, B. A., and Burn, D. H. (2012). Review of surrogate modeling
in water resources. Water Resources Research, 48(7) :7401.
Rivière, A., Goncalves, J., Jost, A., and Font, M. (2014). Experimental and nu-
merical assessment of transient stream–aquifer exchange during disconnection.
Journal of Hydrology, 517 :574–583.
Rojas, R., Feyen, L., and Dassargues, A. (2008). Conceptual model uncertainty in
groundwater modeling : Combining generalized likelihood uncertainty estima-
tion and bayesian model averaging. Water Resources Research, 44(12) :W12418.
Rosenberry, D. O. and LaBaugh, J. W. (2008). Field techniques for estimating

water fluxes between surface water and ground water. Technical report, Geo-
logical Survey (US).
Rosenberry, D. O. and Pitlick, J. (2009). Effects of sediment transport and seepage

direction on hydraulic properties at the sediment–water interface of hyporheic
settings. Journal of Hydrology, 373(3) :377–391.
Rossi, C., Meloni, A., and Tarozzi, N. (2015). Projet de fin d’études, études
hydrogéologique et géochimique sur le champ captant du thil. Technical report,
ENSEGID.
Rousseau-Gueutin, P., Love, A., Vasseur, G., Robinson, N., Simmons, C., and
Marsily, G. (2013). Time to reach near-steady state in large aquifers. Water
Rushton, K. (2007). Representation in regional models of saturated river–aquifer

interaction for gaining/losing rivers. Journal of Hydrology, 334(1) :262–281.
Safege (2009a). Dossier techniques de recueil de données, etudes ancienne et

recente sur la géologie, l’hydrogéologie et sur la qualité des eaux sur le secteur
de gamarde. Technical report, SAFEGE.
Safege (2009b). Etude hydrogéologique du captage de gamarde à saint-médard-

en-jalles dans le cadre de la pollution aux hydrocarbures de juin 2009. Technical
report, Suez Environnement.
Safege (2012). Pollution des captages aep de-saint-medard-en-jalles : Resultats

de la campagne de prélévement et du tracage. Technical report, SAFEGE.
Salamon, P., Fernàndez-Garcia, D., and Gómez-Hernández, J. J. (2006). A review

and numerical assessment of the random walk particle tracking method. Journal
of contaminant hydrology, 87(3) :277–305.
Saleh, F., Flipo, N., Habets, F., Ducharne, A., Oudin, L., Viennot, P., and Ledoux,
E. (2011). Modeling the impact of in-stream water level fluctuations on stream-
aquifer interactions at the regional scale. Journal of Hydrology, 400(3) :490–500.
187
RÉFÉRENCES
Saltelli, A., Tarantola, S., Campolongo, F., and Ratto, M. (2004). Sensitivity
analysis in practice : a guide to assessing scientific models. John Wiley &
Sons.
Scanlon, B. R., Healy, R. W., and Cook, P. G. (2002). Choosing appropriate tech-
niques for quantifying groundwater recharge. Hydrogeology Journal, 10(1) :18–
39.
Scanlon, B. R., Mace, R. E., Barrett, M. E., and Smith, B. (2003). Can we
simulate regional groundwater flow in a karst system using equivalent porous
media models ? case study, barton springs edwards aquifer, usa. Journal of
hydrology, 276(1) :137–158.
Schmidt, C., Conant, B., Bayer-Raich, M., and Schirmer, M. (2007). Evalua-
tion and field-scale application of an analytical method to quantify groundwa-
ter discharge using mapped streambed temperatures. Journal of Hydrology,
347(3) :292–307.
Schwoerbel, J. (1961). Über die lebensbedingungen und die besiedlung des hypo-
rheischen lebensraumes. Archiv für Hydrobiologie Supplement, 25 :182–214.
Seguin (1990). Captage de gamarde rapport d’inspection. Technical report, hydro

invest.
Sepúlveda, N. and Doherty, J. (2015). Uncertainty analysis of a groundwater flow

model in east-central florida. Groundwater, 53(3) :464–474.
Sheets, R. A., Hill, M. C., Haitjema, H. M., Provost, A. M., and Masterson, J. P.
(2015). Simulation of water-table aquifers using specified saturated thickness.
Groundwater, 53(1) :151–157.
Sobol, I. M. (2001). Global sensitivity indices for nonlinear mathematical models

and their monte carlo estimates. Mathematics and computers in simulation,
55(1) :271–280.
Sophocleous, M. (2002). Interactions between groundwater and surface water :

the state of the science. Hydrogeology journal, 10(1) :52–67.
Soulsby, C., Malcolm, I., and Youngson, A. (2001). Hydrochemistry of the hypo-
rheic zone in salmon spawning gravels : a preliminary assessment in a degraded
agricultural stream. Regulated Rivers : Research & Management, 17(6) :651–
665.
Stonedahl, S. H., Harvey, J. W., Wörman, A., Salehin, M., and Packman, A. I.
(2010). A multiscale model for integrating hyporheic exchange from ripples to
meanders. Water Resources Research, 46(12) :12539.
188
RÉFÉRENCES
Storey, R. G., Howard, K. W., and Williams, D. D. (2003). Factors controlling

riffle-scale hyporheic exchange flows and their seasonal changes in a gaining
stream : A three-dimensional groundwater flow model. Water Resources Re-
search, 39(2) :1034.
Sulis, M., Meyerhoff, S. B., Paniconi, C., Maxwell, R. M., Putti, M., and Kollet,
S. J. (2010). A comparison of two physics-based numerical models for simu-
lating surface water–groundwater interactions. Advances in Water Resources,
33(4) :456–467.
Tarantola, A. (2005). Inverse problem theory and methods for model parameter
estimation. siam.
Tauzia, J.-M. (2015). La poudrerie de saint-médard-en-jalles 1660-2010 350 ans
d’histoire. Technical report, patrimoine saint medard.
Tavakoli, R., Yoon, H., Delshad, M., ElSheikh, A. H., Wheeler, M. F., and Arnold,
B. W. (2013). Comparison of ensemble filtering algorithms and null-space
monte carlo for parameter estimation and uncertainty quantification using co2
sequestration data. Water Resources Research, 49(12) :8108–8127.
Thierion, C., Longuevergne, L., Habets, F., Ledoux, E., Ackerer, P., Majdalani, S.,
Leblois, E., Lecluse, S., Martin, E., Queguiner, S., et al. (2012). Assessing the
water balance of the upper rhine graben hydrosystem. Journal of Hydrology,
424 :68–83.
Tihonov, A. N. (1963). Solution of incorrectly formulated problems and the
regularization method. In Soviet Math. Dokl, volume 4, pages 1035–1038.
Tonina, D. and Buffington, J. M. (2007). Hyporheic exchange in gravel bed rivers
with pool-riffle morphology : Laboratory experiments and three-dimensional
modeling. Water Resources Research, 43(1) :W01421.
Tonkin, M. and Doherty, J. (2009). Calibration-constrained monte carlo analysis
of highly parameterized models using subspace techniques. Water Resources
Research, 45(12) :B10–1.
Tonkin, M. J. and Doherty, J. (2005). A hybrid regularized inversion methodology
for highly parameterized environmental models. Water Resources Research,
41(10) :W10412.
Tóth, J. (1999). Groundwater as a geologic agent : an overview of the causes,
processes, and manifestations. Hydrogeology journal, 7(1) :1–14.
Townley, L. R. (1995). The response of aquifers to periodic forcing. Advances in
Water Resources, 18(3) :125–146.
Trumpolt, C. W., Crain, M., Cullison, G. D., Flanagan, S. J., Siegel, L., and
Lathrop, S. (2005). Perchlorate : Sources, uses, and occurrences in the envi-
ronment. Remediation Journal, 16(1) :65–89.
189
RÉFÉRENCES
Voss, C. I. (1984). Sutra (saturated-unsaturated transport). a finite-element simu-

lation model for saturated-unsaturated, fluid-density-dependent ground-water
flow with energy transport or chemically-reactive single-species solute trans-
port. Technical report, DTIC Document.
Wang, X., Jardani, A., Jourde, H., Lonergan, L., Cosgrove, J., Gosselin, O., and
Massonnat, G. (2016). Characterisation of the transmissivity field of a fractured
and karstic aquifer, southern france. Advances in Water Resources, 87 :106–121.
Welter, D. E., Doherty, J. E., Hunt, R. J., Muffels, C. T., Tonkin, M. J., and
Schreuder, W. A. (2012). Approaches in highly parameterized inversion :
Pest++, a parameter estimation code optimized for large environmental mo-
dels. Technical report, US Geol Surv Tech Methods, Book.
Welter, D. E., White, J. T., Hunt, R. J., and Doherty, J. E. (2015). Approaches
in highly parameterized inversionest++ version 3, a parameter estimation and
uncertainty analysis software suite optimized for large environmental models.
Technical report, US Geological Survey.
White, J. T., Fienen, M. N., and Doherty, J. E. (2016). A python framework for
environmental model uncertainty analysis. Environmental Modelling & Soft-
ware, 85 :217–228.
Winter, T. C. (1995). Recent advances in understanding the interaction of ground-

water and surface water. Reviews of Geophysics, 33(S2) :985–994.
Winter, T. C. (1999). Relation of streams, lakes, and wetlands to groundwater

flow systems. Hydrogeology Journal, 7(1) :28–45.
Woessner, W. W. (2000). Stream and fluvial plain ground water interactions :

rescaling hydrogeologic thought. Ground Water, 38(3) :423–429.
Woodward, S. J., Wöhling, T., and Stenger, R. (2016). Uncertainty in the mo-
delling of spatial and temporal patterns of shallow groundwater flow paths :
The role of geological and hydrological site information. Journal of Hydrology,
534 :680–694.
Yapo, P. O., Gupta, H. V., and Sorooshian, S. (1998). Multi-objective global

optimization for hydrologic models. Journal of hydrology, 204(1) :83–97.
Yeh, W. W.-G. (1986). Review of parameter identification procedures in ground-

water hydrology : The inverse problem. Water Resources Research, 22(2) :95–
108.
Yoon, H., Hart, D. B., and McKenna, S. A. (2013). Parameter estimation and
predictive uncertainty in stochastic inverse modeling of groundwater flow :
Comparing null-space monte carlo and multiple starting point methods. Water
190
RÉFÉRENCES
Zheng, C. (1990). Mt3d, a modular three-dimensional transport model. Technical

report, SS Papadopulos & Associates.
Zheng, C., Bennett, G. D., et al. (2002). Applied contaminant transport modeling,
volume 2. Wiley-Interscience New York.
Zheng, C., Hill, M., Cao, G., and Ma, R. (2012). Mt3dms : Model use, calibration,
and validation. Transactions of the ASABE, 55(4) :1549–1559.
Zheng, C. and Wang, P. P. (1999). Mt3dms : a modular three-dimensional mul-

tispecies transport model for simulation of advection, dispersion, and chemical
reactions of contaminants in groundwater systems ; documentation and user’s
guide. Technical report, DTIC Document.
Zhou, H., Gómez-Hernández, J. J., and Li, L. (2014). Inverse methods in hydro-
geology : Evolution and recent trends. Advances in Water Resources, 63 :22–37.
Zlotnik, V. A., Toundykov, D., and Cardenas, M. B. (2015). An analytical

approach for flow analysis in aquifers with spatially varying top boundary.
Groundwater, 53(2) :335–341.
191

Memoire Compressed

Transféré par

Droits d'auteur :

Formats disponibles

Memoire Compressed

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Memoire Compressed

Transféré par

Droits d'auteur :

Formats disponibles

Modélisation des échanges nappe-rivière à l’échelle

intermédiaire : conceptualisation, calibration, simulation

To cite this version:

HAL Id: tel-01567824

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

Docteur de l’Université Bordeaux Montaigne

Modélisation des échanges nappe-rivière à l’échelle

Directeur de thèse : M. Alain Dupuy

Co-encadrant : M. Alexandre Pryet

Soutenue le 18 janvier 2017 devant le jury composé de :

M. Hervé Jourde Pr., Université de Montpellier Président du Jury

Une revue bibliographique des méthodes d’étude des échanges nappe-

L’étude du champ captant de Thil-Gamarde, qui constitue le cœur de

Un modèle 2D horizontal en régime transitoire élaboré avec les codes

Enfin, quelques scénarios prédictifs de gestion sont présentés afin de

Mots clés : Échanges nappe-rivière, modélisation, MODFLOW, MT3DMS,

Après avoir répliqué à de nombreuses reprises à la question récur-

Mes pensées vont tout d’abord à mes directeurs de thèse, merci à

J’aimerais remercier les membres du jury qui m’ont fait l’honneur de

Je tiens à remercier toutes les personnes avec qui j’ai eu le plaisir de

Je souhaiterais remercier l’ensemble du personnel de l’ENSEGID qui

Dans un registre moins académique j’aimerais remercier mes amis,

J’aimerais remercier mes parents qui m’ont permis d’avoir la curosité

Et enfin, un merci un peu spécial à Clotilde pour son soutien sans

3 Estimating River Conductance from Prior Information to Im-

4.2 Contexte général . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

III Modélisation et calibration 79

6 Parameter Estimation with Particle Tracking as a Surrogate Mo-

7 Estimation des paramètres et quantification des incertitudes 113

V Conclusions et perspectives 167

9.3 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171

De nombreux champs captants puisent leurs ressources en eau potable au sein du

1.2 Contexte scientifique

également en utilisant des observations de terrain, telles que les cartographies

1.4 Organisation du projet

1.5 Structure du document

la description des méthodes de mesure et la modélisation des échanges nappe -

Échanges nappe-rivière à l’échelle

réalisé. Finalement, la description des méthodes d’intégration des rivières dans

2.2 Échanges nappe-rivière et échelle spatiale

Figure 2.3 : Condition hydraulique classique rencontrée à proximité d’une rivière,

2.2.2 A l’échelle régionale : l’hydrosystème

2.2.3 L’échelle intermédiaire

Time scale Median

Figure 2.4 : Processus d’échange nappe-rivière dans le temps et l’espace. Dia-

2.3 Méthodes de mesure des interactions nappe-

2.3.1 Mesure directe du flux d’eau

2.3.2 Méthode des traceurs thermiques

2.3.3 Méthodes basées sur la loi de Darcy

2.3.4 Jaugeage différentiel

2.3.5 Méthodes hydro-chimiques

2.3.6 Méthodes Géophysiques

2.4 Cas de l’échelle intermédiaire

Figure 2.5 : Synthèse des méthodes d’étude des interactions nappe-rivière

2.5 Modélisation des échanges nappe-rivière

2.5.1 Condition de type Dirichlet

2.5.2 Condition de type Cauchy

Q = CRIV (Hr - Ha)

Figure 2.6 : Représentation conceptuelle en coupe d’une rivière dans un modèle

Le volume nappe-rivière échangé est exprimé ainsi :