Académique Documents
Professionnel Documents
Culture Documents
DE
MONTPELLIER
UNIVERSITE
DES
SCIENCES
ET TECHNIQUES
DU LANGUEDOC
THESE
prsente lUniversit pour obtenir Spcialit des Sciences et Techniques le diplme de DOCTORAT (Hydrologie) du Languedoc
: Gnie Civil,
Amnagement
--
CONTRBUTION
A LETUDE
DU RUISSELLEMENT
Eric
SERVAT
Soutenue
le
30 Septembre
1987
devant
le Jury
compos
de :
MM.
C. M. M. J.C. F.
Prsident
ACADEMIE.
DE MONTPELLIER
UNIVERSITE
DES SCIENCES
ET TECHNIQUES
DU LANGUEDOC
THESE
prsen&$e lUniversit pour Spcialit obtenir : Gnie des Sciences le diplme et Techniques de DOCTORAT (Hydroiogie) , du Languedoc
Civil, Amzkagement
CONTRIBUTION
A LETUDE
DU RUISSELLEMENT
par
Eric SERVAT
Soutenue le
30 Septembre
1987
devant le Jury
compos de :
MM.
C. M. M. J.C.
Prsident
F.
Edi&x deI'ORSTQM
; lNSTl.VUT FRANAIS DE RECHERC-HE SCIENTIFIQUE POtil3 LE-:DVELOPPEMENT EN COOPRATION
l
c ORSTOM 0
a La loi du 11 mars u 41, a lusage u part,
K
1957
aux
termes
des alineas
part, du
K que copiste
et les counes ou ou
citations reproduclion
tration,
intPgrsle, droit
de ses ayants
ou ayants
est illicite>
de Ianicle
u Cette t constituerait
ou
reproduction, sanctionn6e
par
quelque par
prcckd 425
que et
ce
soit.
contrefaon
les articles
suivant!
a du
Codk
ANNEE :
NOM DE LAUTEUR
DE LA POLLUTION
DU RUISSELLEMENT
RESUME : La Premiere partie de ce travail prsente les aspects gneraux de la pollution du ruissellement pluvial urbain. Elle est loccasion de faire le point sur un certain nombre de modeles de.qualit des,eaux drankes par les reseaux dassainissement. On dresse ensuite un rapide bilan de ce que ft la campagne de mesure franaise, assez exceptionnelle tant par sa dure que par son cot systematique. Cest dans ce cadre IA qulont t recueillies les donnes que nous avons utilisees a loccasion de cette thse. Lanalyse statistique raliske sur ces donnes a laide de diffrentes techniques (Stepwise, A.CP.,...) permet de tirer certaines conclusions concernant les parametres qui ont une influence sur laccumulation et lentranement de la pollution (MES, DBOS, DCO) a la surface des bassins versants. Partant de la on prockde ensuite a une modlisation de lentranement de la pollution. Notre objectif tait de reproduire les massesentranes observes sur une longue duree mais aussi Iechelle dun vnement pluvieux. Dans ce but nous pr&entons ici deux modles reposant sur des concepts diffrents. i
MOTS-CLES : MES, DBOS, DCO, Ruissellement urbain, Pollution, Hydrologie Entranement, Modblisation. urbaine, Accumulation,
EST OUI, ?
Woody
ALLEN
.-
.-
_-. __ ..
.~
REMERCIEMENTS
Avant
toute
et toute
mon amiti
de
dHydrologie et de sa grande
Mathmatique exprience
dans
ses nombreux
mont t prcieux
Mes remerciements
vont maintenant
contribu,
de ce travail
Monsieur toujours
le Professeur
Directeur
du Laboratoire
dHydrologie
Mathmatique, davoir
a bien
et bienveillance.
voulu prsider
Monsieur Toulouse
le Professeur
M. ALQUIER,
de lInstitut
de Mcanique occasions
des Fluides
de IENSEEIH
de
et a accept dtre
lun de mes
rapporteurs.
du Service Technique
de
lUrbanisme, a permis la ralisation de ce travail notamment sur le plan matriel. Sur le plan scientifique et-technique sa collaboration me ft prcieuse.
Monsieur F. MONIOD, Directeur de recherche IORSTOM, a accept dapporter sa caution ce travail en tant le second de mes rapporteurs.
Je tiens galement remercier Messieurs F. BRISSAUD et J.M. MASSON, Matres de Confrences au Laboratoire dHydrologie Mathmatique, et A. GtiILBOT, Ingnieur CNRS, pour la formation
lexprime travailler
la ralisation
en adressant
du Laboratoire
dhydrologie
de IORSTOM
: J. RAZANAMIADANA
matrielle
de ce travail,
la ralisation
des graphiques.
SOMMAIRE
Page
AVANt
PROPOS
INTRODUCTION
ASPECTS PLUVIAL
GENERAUX
DE LA POLLUTION
DU RUISSELLEMENT
11
LA CAMPAGNE RESULTATS
DE MESURE
FRANCAISE
ET SES PRINCIPAUX
28
EXPLOITATION
STATISTIQUE
DES DONNEES
: MES, DBOS,
DC0
38
APPROCHE
MODELISATRICE
86
CONCLUSION
115
REFERENCES
BIBLIOGRAPHIQUES
120
ANNEXES
137
AVANT PROPOS
ici toute
ma reconnaissance
plusieurs
organismes
publics
sans lesquels
ce
p tre ralis :
le Service Technique
de lurbanisme
(Direction
de lurbanisme
et des Paysages),
du Service Assainissement
de la Direction
Dpartementale
de
de la SEINE ST-DENIS,
le Centre dEtudes
Techniques
de IEquipement
dAIX-EN-PROVENCE.
INTRODUCTION
INTRODUCTION
La prise de conscience est assez rcente dbut des annes tentatives pralables
de lexistence
vhicule
par le ruissellement
En FRANCE,, cest en 1978 que le Service Technique du Logement) des divers Intrieur, a pris en charge la cration des Ministres
de lurbanisme de travail
(Ministre comprenant
et
dun groupe
services
concerns
( lpoque
: Environnement
de Vie, privs.
Sant Publique),
des collectivits
et de bureaux dtudes
vite gure
apparu
disponibles,
dorigine
utilisables
mthodologies de lancer
envisager
en FRANCE
Quatre
bassins
versants
exprimentaux
t retenus, parisienne,
AIX-ZUP
et AIX-Nord
AIX-
EN-PROVENCE, lance.
et la campagne
a pu tre de
utilises
dans le cadre
recherche. savoir :
de la campagne
estimer pluvieux,
les charges
polluantes
maximales
pouvant
tre entranes
valuer
les quantits
de pollution
Clest
majeurs
de pollution en premier
cherch
de reproduire,
rejetes vhicules
au cours
dune
longue
priode
(une anne
environ)
et, en second
lieu,
les masses
globalement
pluvieux.
Le chapitre
de la pollution effectus
du ruissellement
pluvial
La campagne
de mesure franaise
et ses principaux
rsultats
font lobjet
du chapitre
2.
3 consiste
statistique
des donnes
en en
dite du Stepwise
et de la technique
Lapproche chapitre 4.
modlisatrice
(accumulation
et entranement
des polluants)
est dveloppe
dans le ,t,<:
On trouvera, travaux.
et les communications
ralises
partir
de ces
11
ASPECTS
GENERAUX
DE LA POLLUTION
DU RUISSELLEMENT
PLUVIAL
1. GENERALITES
La pollution
du ruissellement
pluvial urbain
de lurbanisation.
De nombreuses pluvieux,
accumule FERRARA
la surface (1985),
une proccupation
HVITVED-
JACOBSEN (1985)) :
il
en suspension
naturels
sur terrains
dcouverts
du colmatage
en concentrations daccroissement
de la turbidit,
du ruissellement de pollution
dautres polluants,
De nombreux
chimique
sont vhiculs
et al. (1980), REVITT et al. (1981), BUFILL (1984), MARSALEK occasionnant (notamment ainsi des dommages importants
RAY etTRIEFF (1980), BELTON et al. (1982), KAY (1984), FERRARA (1985)).
de rseaux
sont quant
dimportants
problmes
de
ds aux matires
hydraulique
12
laugmentation laccumulation
de la rugosit de particules
des sections
dcoulement
due
ii)
pluvial
en zone urbaine
vhiculent
de nombreux
polluants
autres
matires Cette
oxydables
qui rduisent
la teneur
en oxygne doxygne
dissous demande
pollution
est value
en quantit
biochimique
en oxygne
mesure
chimique
(1982), HVITVED-JACOBSEN
et LAVALLEE (1985))
composs
azots et phosphats
enquantits
cependant
infrieures
HVITVED-JACOBSEN
bactries
du ruissellement MANCINI
(BENZIE
GELDREICH
Ces polluants
de perturbations
et de modifications
de la faune et de
de concepts
hyginistes
en matire
dassainissement,
la concep-
des eaux a t base sur leur vacuation (stations dpuration). Cela a conduit
et de traitement
convenant
En outre,
le fonctionnement
de ces ouvrages
13
iv) Les impacts sur les milieux conception unitaires des modes
rcepteurs
aux consquences
parfois
de la
de drainage
et de rejet en vigueur
(dversoirs
des systmes
Caractrisation
prcise et traitement
i)
la pollution
est discontinue
et se dverse
en un laps
parfois dommageables
ii)
traiter
classiques
aprs concentration
au niveau
des stations
sont importants .
pluvial
sont
diffuses
et ingalement
2. ORIGINE
DES POLLUANTS
. .
ies valeurs
-importance
de la pollution atmosphrique,
-type doccupation des sols, - nature et tat des surfaces permables et impermables, - nature et intensit du trafic routier, - pratiques locales en matire de nettoyage urbain, -et, bien sr, caractristiques spcifiques des vnements pluvieux.
14
2.1. Oriqine
atmosphrique
contenues
et rsultant
essentiellement
de lactivit cependant
se dposer
par temps
de 60 70 % de la contribution
de latmosphre
(MELANEN
auteurs
(1981))
On saccorde
considrer
(NOVOTNY
La majeure
des polluants
les premires
minutes
de la pluie
un phnomne
de premier
ou premire
dassainissement, enregistres
cite en dbut
cas comme
responsable
parfois
(rappelons
que le first
prcdents
la surface de la pluie.
de
2.2. Toitures
Plusieurs
tudes permettent
contribuent
fournir
de lordre
de 15 tel
dans le ruissellement
pluvial proviennent
En outre,
rapidit
des rponses
des toitures
pentues, de first
que le observ
ruissellement
soit lorigine
du phnomne
15
de stockage
et en particulier
il est
concluent
que la pollution
saccumule par le
impermables, A lheure
vacue
actuelle
Si certains
estiment
que laccumulation
par lintensit
du trafic
urbain
(WHIPPLE et al. (1977), HAMILTON de grandeur bactrienne domestiques. de la pollution dans les quartiers
des ordres
accumule rsidentiels
de pollution danimaux .
tre attribues
la prsence
Lanalyse
granulomtrique
accumules
que 70 85 % dentre 4 8
un diamtre
infrieur
25 % de la
en oxygne,
et du phosphore .
totaux.
de diamtre
des particules)
reprsentent
75 % du pouvoir
polluant
que certains,
tels SARTOR et BOY D (1972) ou SHAHEEN (1975), ont montr des rues taient particulirement inefficaces pour les
classiques
de nettoyage . .. .
250 microns
commerciales
Tableau 1
: Pollution
accumule
ELLIS (1985)).
17
3. LES MODELES
DE QUALITE
DES EAUX
DRAINEES
DASSAINISSEMENT
Notre propos nest pas de dresser ici une liste exhaustive des diffrents modles conceptuels ou empiriques mais de prsenter certaines approches modiisatrices. Pour plus de dtails, nous renverrons le lecteur dautres publications (SERVAT (1984), DESBORDES(1985), HEMAIN (1985), HUBER (1985)).
3.1.1. Gnralits
Les modles peuvent tre utiliss pour atteindre certains des objectifs de ltude de la qualit du ruissellement urbain. Ils permettront, notamment, de :
-caractriser la pollution du ruissellement pluvial, -fournir des entres pour les tudes de qualit des milieux rcepteurs, les dimensions et les effets de dispositifs de traitement ou de contrle,
-dterminer
-autoriser des analyses frquentielles des paramtres de qualit, -fournir des lments dentres pour les tudes doptimisation des cots.
En rgle gnrale, on peut dire qu lheure actuelle aucun modle ne saurait fournir de valeurs prcises de charges et de concentrations sans un calage partir de donnes locales. Cest une diffrence majeure par rapport ter-tains modles de ruissellement dont lutilisation gnralise (DESBORDES(1985)). peut tre
du
(METCALFand EDDY, Inc. etal. (1971,a), HUBERet ai. (1981), ROESNERet al. (1981)).
18
Actuellement, manuel
la quasi-totalit
des modles
rellement
oprationnels
(cest--dire,
prsentant
un
de lutilisateur
et une documentation
dtaiile,
tant utilis
par dautres
personnes a t
et tant continuellement
adapt, en particulier
par un service
national)
aux USA mis part le QQS (RFA) (GEIGER et DORSCH (1980,a), (LINDHOLM (1978)).
(1980,b))
et le NIVA
3.1.2. Accumulation
des polluants
la surface
proposes
pour laccumulation
ne dtaillent
les prcipitations
atmosphriques
sches, la contribution
AMMON
(1979)
a montr
que
conceptuelles
gnralement
utilises
correspondaient
accumulation P = at
(1-l)
-.
accumulation P = atb
variable avec
accumulation
19
par la pluie.
La plupart
des formulations
est dorigine
empirique
de SARTOR et un
de NAKAMURA
qui conduisent
lentranement.
(DESBORDES,
= - K w f(i) . P . A V(i)
(1.5)
de disponibilit
f(i) = AV(i)
= 1, ce qui correspond
un processus
du premier
ordre, on arrive la
de lquation
de lessivage (METCALF et EDDY, Inc. et al. (1971 ,a) : Po -P = Po(7 - e-Kwt) (1.6)
Po tant la quantit
initiale de polluant
sur le bassin.
Posant
f(i) = i, lexpression
devient
Ce qui conduit
lexpression
de la concentration
C: (1.8)
C = ~dPldt~/Q = KW PIA avec indiquant A : surface du bassin. que C dcrot et Q: dbit avec P.
continuellement
20
En ralit lintensit
de nombreuses
observations
montrent
une augmentation
des concentrations
lorsque
de disponibilit
A V(i) = a + b ic
(METCALF et EDDY, Inc. et al. (1971,a), HUBER et al. (1975)), dans le modle STORM (ROESNERet al: (1974)), et dans les modles DR3M-QUAL (ALLEY et SMITH (1982)) et FHWA (DEVER et al. (1983)). Si c>O les concentrations pourront crotre avec lintensit en cours daverse.
La dernire version du SWMM propose une quation simplifie : dPldt = KwicP (1.10)
On notera, en outre, que la forme exponentielle classique de lquation de lessivage a fait lobjet de nombreuses publications (PRICE et MANCE (1978), AMMON (1979), SONNEN (1980),
t proposes, principalement
transport solide (CRAWFORD et DONIGIAN (1973), DONIGIAN et DAVIS (1978), JOHANSON et al. (t980)).
Bon nombre des diffrents types de surfaces rencontrs dans les bassins versants urbains sont susceptiblesdtre rods par la pluie (HUBER (1985)).
21
retenues
le phnomne versants
drosion naturels
issues de
simplifis
dvelopps
des bassins
et DONIGIAN
(1973), SOLOMON
et DAVIS (1978)).
On ramne habituellement
lrosion
un phnomne
deux composantes
a) lattaque
reprsente
par :
Sr = k, $1 (1.11)
avec
Sr = b, = k, =
massede sdiment arrache par la pluie dintensit i exposant voisin de 2 (SOLOMON et GUPTA (1977), DONIGIAN et DAVIS (1978)). coefficient reli empiriquement de nombreux facteurs : rodibilit,
HEANEY et ai. (1975), HYDROLOGIC ENGINEERING CENTER (1977), JOHANSON et al. (1980), HUBERetal (1981)). .y,.:,
b) lentranement
:>:
avec
FS= b2 =
flux massique de sdiments transport par le ruissellement Q exposant compris entre 1.6 et 2 (SOLOMON et GUPTA (1977), DONIGIAN et DAVIS (1978)).
Le dpt des sdiments dans les rseaux est une composante importante
de la pollution
du
ruissellement pluvial urbain dans la mesure o il peut tre lorigine des phnomnes de first flush parfois constats (PISAN0 et QUEIROZ (1977), PISAN0 et al. (1979), BROEKER (1984), GEIGER (1984), LINDHOLM (1984), STOTZ et KRAUTH (1984)).
22
thoriques
comme
celle de SONNEN
bases comporte
sur la mcanique
du
un logiciel de calcul
qui procde
3.?.6..Transport
modles est :
utiliss
sappuient
sur lquation
dadvection
et de diffusion
dont
la
SC ii+-=D-fS
SC 6x
s2c 8x2
(1.13)
avec
dun polluant
donn
le long de la conduite
S = terme reprsentant
Cette quation
complte.
correspond
piston
(advection
pure), schma
La suppression mlangeur
dadvection employ
et de diffusion
permet
dobtenir
un schma
de
notamment
23
3.2.1. Gnralits
intervenant
vhicule
en un point
dun
bassin
beaucoup
les approches
ou conceptuelles
de la modlisation
(DESBORDES,
conceptuelles
disponibles
sans et pour
pralable encore,
fondamentale
du ruissellement empiriques
(DESBORDES,
purement
sappuyant
de traitement
de linformation.
de noter
quelle
soit
empirique dtudes
ou
des limites
des rsultats
contradictoires
variables
prtendument et IAUKANEN
explicatives (1980),
(DESBORDES JEWELL
et ADRIAN
On distingue (1985)).
habituellement
trois principaux
types de modles
(DESBORDES
(19851,
HEMAIN
de planification
utiliss
divers
scnarios
damnagement de charges
et leurs ou
rcepteurs.
lestimation
mensuelles
24
annuelles
gnralement
obtenues
par corrlation
classiques
de pluie ou
de ruissellement
multiples,
une charge
Yi dun polluant
donn en fonction
de variables
(SERVAT (1985,a)).
de pollutogramme pluvieux
qui reprsentent
lvolution
des concentrations
ou pour tester
de rgression
du temps :
Ci(t)
lui-mme
(DONIGIAN
= a Qb(t) = aQb(t) tc
(1.14)
(1.15)
ou avec
Ci(t)
Bien quil y ait eu de trs nombreuses tudes de caractrisation de la pollution du ruissellement pluvial ralises au cours des dix dernires annes, les rsultats sont peu exploitables pratiquement impossibles, gnraliser. Le tableau 2 montre ltendue car
des domaines de
des
phnomnes (HEMAIN (1981), JEWELL et ADRIAN (1982), DESBORDESet SERVAT (1984)). La hirarchisation des variables peut, en effet, se montrer trs diffrente dune tude a lautre.
SITE
Superficie (ha)
I l
\.. vs
Concentration
(mg/l)
Nb. Obs.
pers./acre) COI -Big Dry Cr CO1 -Cherry Col-1 16lClaude DCl-La Keridge DC1 -5tratton IL1 -John N KS 1-0verton MDl-Bolton Hill MDl-Homeland MD l-Mt Wash. MDl-Res Hill WA1 -Surrey WI 1-Burbank Wll-Hastings FLI-Young Apts TXl-Hart Wll-Lincoln TNl-R2 DC1 -Westleigh KS 1-IC-92-nd ILl-John S. TNl-RI WAl-Lake Hills ILl-Mattis 5. FLl-Charter Hdg DCl-Fairidge ILZ-Comb Inlets NCl-1023 DC1 -Stedwick Tableau 2 13.2 22.8 66.8 27.2 3.2 21.6 23.2 5.6 9.2 6.8 4.0 38.0 25.2 13.2 3.6 151.2 14.4 35.6 16.4 25.2 15.6 27.6 40.8 11.2 16.8 7.6 209.6 129.6 10.8 : Variations 19 24 14 21 18 8 30 9 12 55 9 15 17 9 18 4 3 18 11 12 22 41 38 24 33 19 38 51 29 29 76 29 50 51 6 40 57 13 21 37 18 33 37 37 16 34 17 27 34 16 14 15 44 31 31 14 19 13 20 13 118 27 23 12 11 16 11 39 11 29 11 127 30 12 48 24 34 45
Moyenne
C.V.
Mdiane
Intervalle de confiance 90% 79-139 77-l 36 76-l 39 43-58 39-53 79-122 101-180 85-193 101-192 96-170 94-194 39-46 24-38 30-44 34-79 42-94 46-94 34-52 41-52 80-197 69- 108 56-l 35 36-41 119-178 35-64 42-52 78-134 51-82 34-45
a 6 15
129 122 137 60 51 126 162 218 172 168 177 48 39 41 73 82 91 45 51 176 111 120 44 180 55 51 138 90 45 amricain (daprs
.72 .66 .74 .66 .45 .80 .67 1.38 .73 .a5 .85 .54 .79 .55 .96 .83 .95 .39 .46 .98 .80 .96 .54 .72 .64 .46 .90 .97 .60 US. EPA (1983))
105 102 103 50 45 98 135 128 139 128 135 42 30 36 52 63 66 42 46 126 87 87 38 146 47 47 102 64 39
h) lJl
26
modlisations
proposes
peuvent
conclure
des effets
opposs
dune
(HEMAIN
(1982)).
Aucun
modle
ne semble
actuelle,
quun spcifique
autre.
II est donc de
indispensable, donnes
dans un premier
de raliser empirique
dacquisition
puis de construire
un modle
ou de caler un modle
existant
(DESBORDES (1985)).
27
CHAPITRE
,2
28
LA CAMPAGNE
DE MESURE
FRANCAISE
ETSES PRINCIPAUX
RESULTATS
1_ HISTORIQUE
Comme nous lavons dit prcdemment, cest en 1978 que le Service Technique de lurbanisme a cr le groupe de travail dassainissement. no 8 Pollution des Eaux de Ruissellement. Choix dun systme
Etant donn le nombre et la spcificit des objectifs viss dans ce cadre, il a fallu crer trois sousgroupes :
- sous-groupe 1 : typologie des bassinsversants et pathologie des rseaux dassainissement, -sous-groupe 2 : technique de la mesure, interprtation - sous-groupe 3 : traitement de la donne,
Les sous-groupes 1 et 2 ont fonctionn en parallle, le premier recherchant des bassins versants sur lesquels des mesures reprsentatives du phnomne pourraient laborant une mthodologie et une technique de mesure. tre ralises, le second
La campagne de mesure sest droule de septembre 1980 dcembre 1982 sur quatre bassins versants (deux en rgion parisienne, LESULIS et MAUREPAS, grs par le Laboratoire Rgional de lOuest Parisien (LROP), et deux AIX-EN-PROVENCE, AIX-ZUP et AIX-Nord, d!Etudes Techniques de IEquipement (CETE)). dont on trouvera dans le tableau 3. grs par le Centre
Cette campagne de mesure a donne lieu la rdaction dun document de synthse (SERVAT (1985,a)) sappuyant sur les travaux dHEMAIN ((1983,a), (1983,b), (1983,c), (1984)).
BASSIN jurface (ha) ente moyenne Impermabilisation I%l Terrain naturel iabitat individuel Surface totale) iabitat collectif [Surface totale) Type de toiture sur zone dhabit. collet. Densit de Popul. (hab/ha) Type de rseau Collecteur au point de (%)
MAUREPAS 267 O,5 60 Limon -Argile meulire (peu permable) 70 17 Terrasses 100 sparatif T 130-80
LES ULIS 43,l 0,55 42 Limon -Argile meulire (peu permeable) 0 100 Terrasses 350 sparatif 01800 (41 12181 12182
AIX ZUP 25,6 23 78 Marne sous eboulis (impermable) 0 100 Terrasses 210 sparatif 01200 1,7 10180 02182
AIX NORD 92,0 65 35 EboulisMarne forme calcaire en plaquette (impermable) 30 60 40% Terrasses 60% Pentes 40 separatif T 180-108 2,o 10180 02182
mesure
?ente au point de nesure (%) Griode de mesure
Tableau 3 :
Caractristiques (1983,a)).
de mesure (daprs
HEMAIN
30
2. BILAN
QUANTITATIF
ET QUALITATIF
On trouvera
dans le tableau 4 la liste des indicateurs de pollution tudis. MES, DB05 et DC0
sont les trois indicateurs de base, choisis en vue dtablir des comparaisons avec les donnes disponibles d.eaux usesou de rivires. Pour ces trois paramtres on a procd des analyses sur des chantillons moyens mais galement sur des chantillons fractionns pollutogrammes. afin dobtenir des
des
Les caractristiques des vnements pour lesquels on dispose de pollutogrammes selon les bassins)sont trs varies ce qui leur confre une bonne reprsentativit.
(de 10 20
Ces rsultats se rvlent satisfaisants et sont le fruit dune mthodologie dchantillonnage adapte et dun suivi trs strict assur par les units oprationnelles.
bien
En outre, un examen des donnes (SERVAT (1985,a)) a montr que les chantillons recueillis offraient toute garantie quant leur reprsentativit. Une srie de vrifications a, en effet,
permis de conclure que lasservissement des prleveurs au dbit tait tout fait correct (HEMAIN (?983,a)), et que les coefficients de variation de la distribution des volumes moyens prlevs
taient suffisamment faibles (0,09 0,18) pour que ces derniers puissent tre considrs comme ( constants. Nous reviendrons prlvement plus loin &r le p.roblme de la reprsentativit du point de
INDICATEUR DC0 MES DB05 MES MES DC0 Ad2 DB05 Ad2 PLOMB MERCURE ZINC CADMIUM NICKEL CHROME CUIVRE (**) AZOTE KJELDAHL % % ORGANIQUE MINERAL
DANALYSE _...
NFT 90101 NFT 90105 NFT 90103 NFT 90105 NFT 90105 NFT 90101 NFT 90103 (*) (***) (*)
480
2,o
mg/1 dO2 % % mg/l dO2 mg/1 dO2 mg/l mg/l mg/l mg/l mg/l mg/l mg/l mg/l de N
2,o
4.0
0
0,0015 0,0001 0,Ol 0,0002 0,001 0,0005 0,001 0,05
sans flamme
et A.A. sans flam. avec flamme sans flamme sans flamme sans flamme sans flamme et dosage
et distillation du NH4
AZOTE AMMONIACAL
42
dosage Norme
du NH4
mg/1 de NH4
0,02
NFT 90015 NFT 90012 NFT 90023 NFT 90023 NFT 90203 NFT 90109 mesurs (daprs HEMAIN mg/l de NO3 mgll de PO4 mg/l de P mg/l mg/J (1983,a)) on1 os1 081 0,04 0,025
43 46 47 50 60 Tableau 4 : Indicateurs
HYDROCARBURES PHENOLS
de pollution
Le LROP (pour les bassins de MAUREPAS et LES ULIS) mesure la DB05 par la mthode de Winckler alors que le CETE (pour les bassins dAIX EN PROVENCE) utilise la mthode respiromtrique (sonde) Le cuivre na pas t recherch sur les bassins dAIX EN PROVENCE Pour les mtaux, les chantillons sont acidifis (HN03,l CC/~) ds leur arrive au.Laboratoire puis conservs dans des rcipients en verre. Par la suite, ils sont filtrs (filtration rapide sous vide et sur papier filtre AIX, sur filtre sans cendre au LROP) avant dtre analyss par absorption atomique.
32
3. EXPLOITATION
enregistres
au cours de la campagne
de mesure bassins
destimer
entranes
exprimentaux
(cf. tableau
5) (HEMAIN
(1983,b),
CHARGE ANNUELLE
INDICATEUR
MAUREPAS
AIX ZUP
exprimentaux
(kg)
Les ordres
de grandeur
obtenus
(20 40 tonnes
de MES, 10 20 tonnes
de KO,
1 3 tonnes
de
DB05 par bassin et par an) confirment est un phnomne bien rel.
pluvial
en terme
de concentration,
les valeurs
moyennes
annuelles
varient
dun
bassin
de 200 500 mg/l pour les MES, de 100 300 mg/l pour la DC0 et de 15 45 mg/1 pour la chiffres pour qui sont suprieurs aux normes de rejetdes quau stations niveau dpuration F (niveau des eaux uses les
prvoient
le plus svre)
tre suprieures
33
Lexamen retenir
des donnes
a galement
permis :
davancer
dautres
conclusions
quil
convient
de
avec prudence
(SERVAT (1985.a))
de manire
sensible
par le rgime
( hauteur totale
des de
constantes.
4. EVALUATION
DES RISQUES
DE POLLUTION
IMPORTANTE
Un autre objectif de ltude tait dvaluer les risques de pollutions importantes susceptibles de perturber gravement, un instant donn, la qualit des eaux du milieu rcepteur. II est ncessaire, dans ce cas, dtudier le phnomne lchelle dun vnement pluviomtrique. On est alors en mesure davancer quelques ordres de grandeur, Cest ainsi qu lexamen des donnes recueillies on peut affirmer que, sur des zones dhabitat
de quelques
dizaines
.Y
Ence qui concerne les concentrations moyennes maximales, les ordres de grandeur valables pour des zones dhabitat de quelques hectares sont :
- 1 4 g/l de MES,
34
correspondant importantes
leves
sont
caractrises
etiou
des
dure de temps
nexcdent
Pour ce qui est des concentrations lesplus lves correspondent sec importante.
maximales,
contrairement
pluies caractrises
dure de temps
5. POLLUANTS
conclusions
concernant
autres (1984),
et DCO, renvoyant
aux travaux
publis
par ailleurs
(1985,a)).
II semble plupart
sensible
annuelles Hormis
en mtaux.
La
du trafic routier.
valeur quantit
locale et indicative
collectif en
comparativement suspension
est moindre
les matires
et la matire total,
aux diffrentes
N et P tant beaucoup
plus complexe
(cf. tableau
BASSIN MAUREPAS NDICATEUR Pb W Zn Cd Ni Cr CU N Kjel. NH4+ N03. Ortho. P total POd3 11 0.13 44 0.18 1.7 0.69 2.0 440 120 620 150 110 (0.41) (0.0049) (1.65) (0.0067) (0.064) (0.026) (0.075) (16) (4.5) (23) (5.6) (4.1) . 13 0.10 37 0.24 1.5 0.54 2.3 720 200 620 130 210 (0.30) (0.0023) (0,86) (0.0056) (0.035) (0.013) (0.053) (17) (4.6) (14) (3.0) (4.9) 300 52 290 53 66 (12) (2.0) (11) '(2.1) (2.6) 300 21 170 30 60 (3.3) (0.23) (1.8) (0.33) (0.65) 9 0.27 17 0.11 0.90 0.17 (0.35) (0.011) (0.66) (0.0043) (0.035) (0.0066) 16 0.30 21 0.13 1.0 0.26 (0.17) (0.0033) (0.23) (0.0014) (0.011) (0.0028) w lJl LES ULIS AIXZUP AIXNORD
Hydrocarbures
370
(14)
910
(21)
Tableau 6
Polluants autres que MES, DB05, DC0 - Charges annuelles sp&ifiques (kg/ha/an) - (daprs HEMAIN (1984))
retenues _ ti --.<
en kg/an et valeurs
36
pluvial
rejettent
dazote
Kjeldahl
et de 3 5 kg/ha
Ces ordres
pondent (1980)).
ceux trouvs
CHAPITRE
38
EXPLOITATION
STATISTIQUE
1, REPRESENTATIVITE
DES DONNEES
Si la technique crpine
dchantillonnage
utilise
de mesure
nationale
(une
place lintrieur
les matires
il nen va pas de mme pour ce qui est des matires de transport sont varis (charriage, saltation,
bien adapts.
donc se poser
le problme
; ce que nous avons fait en reprenant consiste poser, quun de transport coulement prcisment
de VELIKANOV hydrauliques
(1978)).
sont connues,
une capacit
dterminer
le comportement dcoulement
pour diverses
conditions
DESBORDES
simulations
effectues
ont montr
des matires
en suspension
peuvent
tre juges
et sans analyse
(granulomtrie,
gradients
le caractre de mesures
particulier
du polluant
imaginer dautres
et proposer
un
publications
(SERVAT nous
DESBORDES
en annexes
et sur lesquelles
ne reviendrons
pas ici.
39
2. CARACTERISTIQUES
STATISTIQUES
antrieurs pluviomtriques,
(DESBORDES
SERVAT (1984), SERVAT (1985,b)) ont pu tre identifies urbain. II sagit de : comme
dbitmtriques
lies la pollution
du ruissellement
dbit de pointe
et dure de temps
Lintensit reprsentative
moyenne
maximale
est mesure
en un point observes
du bassin versant
Les distributions
et des masses de MES, DB05 et DC0 ont t analyses bassin versant tudi.
7 10 (N.B.
: A la suite -volumes
aucune
distribution statistiques
na t tudie
Lexamen
caractristiques
de tirer certains
enseignements
les variables
la dissymtrie
avec un
dans tous les cas la dispersion de la moyenne, valeurs extrmes, cart-type premier
importante
: mode et mdiane
suprieur
quartile
faible et troisime
Concentrations (mg/l) MES Taille de lchantillon Moyenne Mdiane Mode Variante Ecart-type Minimum Maximum 119 182.4 126 100 28597.6 169.1 17 894 DB05 119 15.8 11 11 224.5 14.9 2 110 ; : DC0 119 106.8 81 81 7890.8 88.8 22 590 MES 96 227.9 60.9 56.3 482266 694.5 4.2 5972.6
Masses (kg) DB05 96 13.0 7.4 7.3 484.0 22.0 0.11 187.4 DC0 96 85.5 42.8 42.3 30893.5 175.8 2.4 1561.9
Volume ruissel b-W 119 1098.4 455 140 3,07 106 1751.7 28 12495
Hauteur de pluie (mm) 103 6.0 3.4 1 60.0 7.7 0.4 47.4
1er et
10 4.5 25.4
67 2.6 8.7
Coefficient dapplatissement
Tableau Caractristiques
Concentrations b-WI) MES Taille de lchantillon Moyenne Mdiane Mode Uariance Ecart-type Minimum Maximum Ecart entre valeurs extrme5 1 er quartile 3 quartile Ecart entre 1er et 3 quartile Coefficient dassymtrie Coefficient dapplatissement 92
515.8
DB05 92
74.3 35
MES 76
426.1 210.6
DB05 76 39.7
27.4 23.4
(m3) 92 1055.4
544 535 1.84106
193.2
354868
156613 395.7
42
595.7
1.8
220.8 4.3
1070.1
200.8 25 1145
1120 60 '210 150
10.3 1 56.3
55.3 3.3 10.4 7.1
4.8
0.05
2720 2678
120.5
2853.6
2851.8
25.4
25.35 0.65 4.25
1065.8
61.8
64 42 3.6
1087.5 2.6
8.4
2.8 9.4
2.0
4.4
2.7
'8.5
14.1
1.5
4.3
Concentrations b-WI) MES Taille de Ichantilon Moyenne Mdiane Mode Variante Ecart-type Minimum Maximum Ecart entre valeurs extrmes ler quartile 3 quartile Ecart entre ler et 3 quaftile Coefficient dassymetrie Coefficient dapplatissement 74 505.7 237 68 452424 672.6 13 3740 3727 138 660 522 3.0 DB05 74 94.7 42.5 5 26994.7 164.3 0 1167 1167 18 103 85 4.5 DC0 74 448.9 247 46 547968 740.2 41 5600 5559 116 494 378 5.2 MES 69 274.7 101.0 70.0 246544 496.5 19.9 3262.0 _ 3242.1 55.1 273.6 218.5 4.2
Masses (kg) DB05 69 49.3 16.1 1.0 21739 147.4 0.0 1199.3 1199.3 9.6 39.4 29.8 7.2 DC0 69 206.5 119.1 151.2 168891 410.9 6.7 3272.6 3265.9 50.0 206.2 156.2 6.4
VoIume ruissel
Dbit de pointe
Hauteur de pluie
(m3
74 917.7 469 56 1.54 106 1242.4 27 6746 6719 175 1001 826 2.7
(I/d
72 190.6 71 60 114575 338.5 10 2400 2390 39.5 212.5 173 4.5
(mm)
72 7.9 4.3 4.2 76.9 8.8 0.4 43.6 43.2 2.3 9.7 7.4 2.2
Intensit m.ax en 5mn (mm/h) 72 10.0 5.9 4.2 277.2 16.6 0.7 132.6 131.9 3.1 10.8 7.7 5.9
Dure de temps 5ec (jour) 73 6.5 2.6 0.2 80.2 8.9 0.1 42.2 42.1 0.75 8.7 7.95 2.3
10.0
25.3
33.2
20.6
56.4
46.8
8.1
25.8
5.0
42.2
5.7
Concentrations (mg/l) MES Taille de lchantillon Moyenne Mdiane Mode Variante Ecart-type Minimum Maximum Ecart entre valeurs extrmes 1 er quartile 3 quartile Ecart entre 1er et 3 quartile Coefficient dassymtrie Coefficient dapplatissement 56 387 260 113 292459 540.8 20 3780 3760 116.5 413.5 297 4.8 28.5 DB05 40 70.7 24.5 19 6605.8 81.3 4 300 296 15 125 110 1.5 1.5 DC0 49 307.5 204 120 70173 264.9 48 1260 1212 121 416 295 1.8 3.4 I MES
Hauteur de pluie
(mm)
71 8.2 4.2 2.0 82.0 9.1 0.8 49.6 48.8 2.2 11.2 9.0 2.2 6.1
Intensit max en 5mn (mm/h) 67 10.5 5.8 4.2 212.9 14.6 0.9 88.8 87.9 2.8 12.5 9.7 3.5 14.2
Dure de temps sec (jour) 71 6.4 2.8 0.15 84.5 9.2 0.1 48 47.9 0.7 8.7 8 2.6 8.0
Q.
44
se vrifient
lorsque
lon examine
de frquence
et des
de frquences dissymtrie
relatives positive
cumules.
Ils confirment
trs marque.
On trouvera
dexemple
de DB05
ont t reports
des variables
dbitmtriques
sont voisines
versant de temps
pluviomtriques
sont plus levs pour les bassins dAIX-EN-PROVENCE Cest particulirement 2. sensible
d.e la rgion
II faut
galement
noter
des valeurs
extrmes
plus leves
AIX-EN-PROVENCE
en matire
dintensit
Comme relation
de mettre enregistres
en vidence ; le critre
une de
classification
le type doccupation
des sols.
Histagramnje 40
des
Frequences 20
Ill11 1
Histagramme
III1
des
II 1 Ii III
Frequencee
II 1 II 1 III
30
.jJ.Ij..
.-J
16
Hlllm
I . .
12 20
L II.,,. . . , . . . . . . . :. . . . . . . . . .
........................
a
10
0
0 5 10 15
20 Ulis
Concentrations
en
MES(mg/l)-Les
Histogramme 30 25 20 15 10 5 0 0 Concentrations L1 en
des
Frequences
Histogramme
des
1 I 1 l , I
Frequencss
1 1 I
l-
,
. .
,
.-a..
. . . . ...
2 MES(mg/lI
0 Concentrations
1 en
2 MES (mg/!)
Figure
Frequencss
relatives
cumulees
la m 60 +J c
fi L J n 40
20
0 Concentrations
0.2
0.4 en
P-6 MES(mg/ll-Maurepas
0.8 (X 1~00~
10 en
15 MES(mg/l)-Les
20 Ulis
Concentrations
Frequences 100
relatives
cumulees
Frequences
relatives
cumules6
80
. . . . .. . .
.lJ C iii L J a
il m
60
40
20 I 0
. . . . .
0 , 1 I 1 Concentrations
.
I I
. . . .. . . . . . . . . . . . . I
I I I 2 en MES (mg/l) I I , 3 -Aix (X ~00~ ZUP 0 Concentrations 1 en 2 MES(mg/l)-Aix 3 IX 140001 NORD
Fiaure 3
Histoqremrpe
60
des
FrsquspceEi
50
................
..........
40
...........................
30
.................
..........
20
10
..............
.:.
.........
40
60
120
160
200
40
80
120
160
Masses
de
DB0
(kg1
-Maurepas
Masses
de
DB05
(kg)
-Les
Ulis
Histogramme 60 50
40
des
Frequences
:. . ..
..
30
20
10
10
(X
1z30)
Masses
de
DB05
(kgl-Aix
ZUP
Figure 3
Frequencs?
relatives
cum4lees
Frequencps
relatives
Cumule$s
100
. . . . . . . . . _. . . . . : . . . . .* . . . . a0
. . .. . . . . . . . . . . . .
. . . .
.. .
. . .
60
. . . :.
. . . :.
. . . .:.
. . . : . . . .
40
20
0
Masses
40 de DB00
a0 (kg)-Les
120 Ulis
160
Frequences
relatives
cumulees
; 50 .!J
t Ill
ao . . ... . . . vi al
; 3
0
: . . .
. . ... . . . . . . . .. . . . . .. . . . . . . .
. . . . . . . . ;..,.. . . . . :. . . . :. .
. . .:. . . . : . . . .:. . . . .. . . . .. . . .
40
20
1:
:Y
4 de
6 DB05
(kg)
a -Aix
10 ZUP
(X 11200,
Masses
Histogramme 60 50
40
dss
Frequencss 40
t-listoqr$mms
des
Frequsncss
.*.
.*
*.
.*
0 i II
a u
30 20 10 0 0 Duree 5 de temps 10 sec 15 (DTS. 20 jours) 25 -Maurepas 30 0 Duree 5 de temps 10 sec 15 (DTS. 20
:
. . . . . . . . . . . . . . . . . . . . . :...
0 lk
. . . . ,. . . . .* . . . . .. . . . .* . . .
. . . . : . . . :. . . :. . . . : . . .
25 -Les ulis
30
jours)
Histogramme 40
des
Frequences 40
Histogramme
des
Frequences
30 lu F a
30
20
..........
......
: ..........
20
*.
*.
..
ii 4 IL
10
..............
, ..........
30 jours)
40 -Aix
50 NORD
Duree
de
Figure 5
Frequences
100
relatives
12umulses
80
60
40
20
. . . . . . . . . . . :. . :. . . : . . . . 1 i 1< 1 . . .i . . . .. . . . .. . . . .. . . . . . .i . .. lr
IIIIIIIIl1IIIIIIIIIII!IlII
0 Duree 5 de temps 10 sec 15 (KITS. 20 jours) 25 -Maurepas 30 Frequences relatives cumulees
. : v ................C...
80
60
1..
. .
40
:.
:.
20
. .
0 0 Duree 5 de
IllltlJl,illlli,llli,,, i
10 temps sec 16 (DTS. 20
i
25 jours)
l
30 Ulis -Les
Frequences
100
relatives
cumulees
80
. . . . .. . . . . :
. . . . ., . . . .
60
60
. . . . . . . . . . . . . . a . . . . . .*.
. . .
40
40
. . . :.
. . . :.
. . . .:.
. . . ._.
. .
20
20
. . , . . . _ . . *.
. . . ~ :.
. . . .,.
. . .
0 0 Duree 10 de temps 20 sec (LITS. 30 jours) 40 -Aix 50 ZUP 0 Duree de 10 temps 20 sec (DTS. 30 jours) 40 -Aix 50 NORD
51
. 3. AJJSTEMENT ET DC0 DES DISTRI6UTIONS DE CONCENTRATIONS ET DE MASSES DE MES, DBOS
Quil
sagisse
ou des masses
de lun ou lautre
considrs,
les de
coefficients lordre
de 6 ou 7.
paramtres
la dissymtrie incomplte
de
distributions. a conduit
Lutilisation
naturelles
des rsultats
peu satisfaisants,
en raison
des variables
de type racine
de confiance de normalit
90 %, laide de la distribution
dont la validit
de retour
dun vnement
T donne
titre
dexemple,
les ajustements
raliss
pour
en masses
et
MAUREPAS en figures
(DC0
et MES en masses)
et AIX-ZUP
en concentrations)
7 11.
BASSIN
VERFANT:LQ
ULIS
m?sse DBOSjkg)
,,
moy. thdorique de
( 32
po.ints
N
10
0.01
0.05
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.6
0.3
0.95
0.99
PROB.
Figure 7 : Ajustement dune loi de type Pearson III
DE NON DEPASSEMENT
!Sg bric.
SRSSIbj
VE@$RNT:bES
ULIS
3.0
. . . . .
moy. thdorique de
( 92
points
2.5
. . . !Y/
. /
2.0
0:5
0
0.01 0.05 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 0.95 0.33
DE
NON
DEPASSEMENT
VERSflfjT:MAUREPAS
3.5
.
. . . . .
Masses LOI
observes thdorique
C 119 ajuste
points
2.5
1.5
Moy Ect
= = =
Dys
0.5
0
El.01 a.05 0.1 8.2 8.3 8.4 0.5 0.6 0.7 8.3 8.93
PROB.
DE
NQbl
DEPRSSEMENT
Figure 9 : Ajustement
dune
loi de type
Pearson
III
@$$SIN
VERSRNT:MWREPRS
/. .
. . . . . Massas Lot Interv.
observ6as th6orique
de conf.
C 119 ajust6e
h 90%
points
.l
WI .m
Moy Ect
Dys
0.81
8.03
8.1
43.2
0.3
0.4
0.5
0.6
8.7
0.8
0.9
8.95
Figure
10 : Ajustement
dune
Ill
(mg/l))
BflSS~tj
Vfg?q7NT~~R1X--nJP
/ / /
3.5
. . . . .
Conc. Loi
moy. th6orique de
( 74
points
Inter-v.
2.5
2
Moy = 2.400 0.440
1.5
1
Ect Dys
0.456
0.5
0
0.01 0.05 0.1 8.2 0.3 0.4 0.5 0.6 0.7 8.6 0.9 0.95 0.99
DE NON
DEPRSSEMENT
57
4. CORRELATION
SIMPLE
11 14 (pages versants
suivantes) partir
de corrlation
tablies
pour et
des bassins
prcdemment
: concentrations
coefficients
de
corrlation
simple
entre
une
variable 1 S.
explicative
et les
ont t reports
dans le tableau
(96 observations)
I
I
-~~
Meilleurs polluants coefficients de corrlation et une variable explicative simple entre concentrations et masses de la grande le polluant homognit de comportement considrs, entre en ce qui concerne cest toujours les concentrations. DTS qui est explique) de la priode dans certains de cette cas et
Tableau
la variable
compris variable
explique). deux
est la seule qui soit reprsentative Cest certainement cela souligne insuffisant limportance
vnements
pluvieux. mais
pourcentage
de variante
explique) global
phase
daccumulation
dans le processus
accumulation-entranement.
Concentrations
Masses
(kg)
.019 -.187 .005 .924 .043 .946 -.242 .784 .853
Imax5 (mm/h)
Qmax Ws)
DTS (jours)
MES
MES .272 .341 .084 .022 .571 .529 .475 .568 .568 -.179 1 .ooo .554 .853 .235 ,228 .275 .746 .196 .842 ,978 ,853 .746 1.000 .226 .674 .689 -.208 .251 .629 .781 .609 .235 ,336 .226 .228 ,275 .196 .226 1 .ooo
.722
-.032 .804 -.032 .068 1.000 -.008 .005 .946 .784 -.008
I
I I I
-.208
.978
DTS (jours)
.629
Tableau 11
des principales
variables observes
Masses (kg) DC0 .790 .909 1.000 -.039 .093 MES .336 -.113 -.039 1.ooo .734 DB05 ,293 1079 .093 .734 1.ooo DC0 .293 -.037 .063 .860 .874
HP - (mm)
Imax5 (mm/h)
Qmax Ws)
DTS (jours)
Concentrations b-cdl) MES MES (conc. mg/l) DB05 (conc. mg/0 DC0 (conc. mg/l) 1 .ooo .814 ,878 DB05 ..814 1.000 ,951 DC0 .878 .951 1.ooo
Masses (kg)
[max5
Qmax
DTS
(mm/h) MES
.057 -.005 -.043 DB05 .012 .120 .024 DC0 .014 .074 .026 -.241 -.202 -.236 -.022 .013 -.034 -.228 -.191 -.225
(1~s)
(jours)
Tableau 13
des principales
variables observees
Concentrations hgN MES VlES Conc. mg/l) )BO5 Conc. mg/l) KO Conc. mgll) inES Masses kg) >BO5 Masses kg) ,l. nnn l ,n 1 .oou .462 DB05 .462 DC0 .598 MES
HP (mm)
ImaX5 (mm/h)
Qmax (IN
DTS (jours)
-.061 -.315
1 .ooo
,884
-.43-l
-IOC
nn4 I -.vv
I .
lC.0
Masses kg) -lP mm) max5
I
1 -.061 .117 1 -.315 .024 1 I -.295 _ nn1 1 I 1 1 -.240
lr m3) 7max Vs) )TS jours) .544 .480 .495 _< -.240 -.075
Tableau
14
Bassin versant
de corrlation
des principales
variables
observes
62
prises
de corrlation
r sont
de bassins versants
sont caractristiques
dune diffrenciation
et climatique
La diffrence
puisse pas en avoir confirmation les variables transportes, Pour AIX-ZUP, dbitmtriques r variant
par contre,
deux fois et Qmax une fois (masses de MES), mais la leve sur ce bassin (r = .958). Concernant ruissels il convient cependant moyenne de remarquer en polluant Les fortes dis-
de la concentration ruissel
et du volume
correspondant.
des corrlations
5. ANALYSE
MULTIVARIABLE
5.1_ Mthodoloqie
La mthode couramment
utilise
est la mthode
classique du Stepwise,
technique
de rgression
progressive
(DRAPER et SMITH (1967), CHATFIELD et COLLINS (1980)). nous avons recherch des concentrations des rgressions moyennes linaires multiples
au cours de chacun
des vnements
explicatives
aux variables dcrites plus haut : HP, Imax5, Vr, Qmax, DTS.
63
Le Stepwise Le seuil
de rgression lentre
utilise
ascendante. tait de 5 %.
de confiance
variable si :
Cest--dire,
lhypothse
corrlation
nulle de libert)
2 F critique
(3.1)
avec :
F : variable
de FISHER
5.2. Rsultats
Pour
chaque
polluant
et pour
chaque
bassin
versant,
pour
comme
pour
les
masses,
la mthode
du Stepwise
a t applique
aux valeurs
et aux valeurs
aprs
transformation
logarithmique.
dans
une structure
additive
de rgression
(3.2)
sur les valeurs
cas, la structure :
a la forme
Y = Constante
ce qui aprs transformation
X1
Xi
scrit :
(3.3)
logarithmique
(3.4) (3.5)
naturelles sont
dans
les tableaux
se rfrant
d porter intervenir
quation
des couples
prsentant
64
Equation
STEPWISE
concent. MAU REPAS Masses Concent. LES ULIS Masses Concent. AIX ZUP Masses Concent. AIX,NORD Masses Tableau 16 :
&ES = 112.52 - 7.04 HP + 5.64 Imax 5 + 24.22 DTS MMES = - 173.50 + 0.24 Vr + 0.47 Qmax + 7.16 DTS
CMES =
MMES
-47.56
+ 2.45 Qmax
CMES = 220.65 + 45.00DTS MMES = - 55.33 + 0.07 Vr + 1.24 Qmax + 5.18 DTS CMES = - 19.68 + 0.66 Qmax + 50.12 DTS -__----__
Equation
STEPWISE
Coefficient de corrlation .864 .914 + 19.7DTS .778 ,848 ,616 .883 .480 I l
Concent. M&J REPAS Masses Concent. LES U LIS Masses Concent. pdx ZUP Masses Concent. AIX,NORD Masses Tableau 17 :
CDB05
cDBO5 =23.05
MDBOS CDB05 = =
65
Equation
STEPWISE
Coefficient de corrlation .717 + 2.12 DTS .844 ,823 + 12.4 DTS ,865 .619 .924 ,495
Concent. MAUREPAS Masses Concent. LES U LIS Masses concent. AIX ZUP Masses Con,cent. AIX NORD Masses Tahleau 18 :
coco
MDCO
- 11.46
CDC0 = 229.30
MDCO =
- 16.60
+ 0.07 Vr + 0.51 Qmax + 52.01 DTS + 22.32 ImaxS + 20.01 DTS ----_____
CDC0 = 120.59
MDCO COCO = =
- 19.20 225.71
de DC0 enregistres
66
Equation
STEPWISE
foefficient de :orrlation
Concent. MAUREPAS Masses Concent. LES U LIS Masses Concent. AIX ZUP Masses
CMES
= 2.10
= =
MMES CMES
+ 0.62 Imax 5 - 0.46 HP + 0.29 DTS + 0.7? Vr + 0.65 Imax 5 + 0.26 DTS + 0.16 DTS ,760 .644 .841 .558 .578
MMES
- 0.68
1.37 + 0.37 Vr + 0.59 Imax 5 .+ 0.16 DTS 3.68 + 0.67 Qmax - 0.76 HP
Tableau
Analyse multivariable des donnes de MES exprimentaux. Valeurs aprs transformation correspondent en fait leurs logarithmes)
enregistres sur les bassins versants logarithmique (les noms des variables
Equation
STEPWISE
Coef. de dtermination
Concent. MAUREPAS Masses Concent. LE5 WLIS Masses Concent. AIXZUP Masses Concent. AIX NORD Masses Tableau 20 :
Coao5
Moso5 CD005
Moso5
- 0.98
+ 0.55 Vr + 0.22 Imax 5 + 0.46 DTS + 0.47 DTS + 0.46 DTS ,398
= - 0.61 3.37
.158
Analyse multivariable des donnes de DB05 exprimentaux. Valeurs aprs transformation correspondent en fait leurs logarithmes)
enregistres logarithmique
67
Equation
STEPWISE
Concent. MAUREPAS Masses Concent. LES U LIS Masses Concent. AIX ZUP Masses Concent. AIX NORD Masses Tableau 21 :
Coco = 3.41
MDCO =
-0.72
CDC0=
D~O =
5 + 0.34 DTS
,509
.520 .282
1.18 + 0.48Vr
~~~~
Analyse multivariable des donnes de DC0 exprimentaux. Valeurs aprs transformation correspondent en fait leurs logarithmes)
enregistres sur les bassins versants logarithmique (les noms des variables
_,
-.
--
.I.
68
affiche
de rgression de variables
versants mmes
parisienne
explicatives
des coefficients
dtermination
sont gnralement
en valeurs
naturelles,
lhomognit
des bassins
de la rgion
de dtermination
sont cependant
DCO, MAUREPAS)
et 0.948 (masses
correspondant
aux concentrations
en valeurs
transformes pour
rien de dAIX-ENde
la prise en compte
de plusieurs
variables
on notera la rptition
la combinaison correspond,
7 fois sur 9 et
de la forme
Massedepolluanttnmsporte
= K Vra
Imadb
DTSC
(3.6)
logarithmique
nont revenir
Y = Constante et
+ aX1
b X,
(forme 1)
(3.7)
Y = Constante
Xi
69
en utilisant -
deux
critres
la moyenne
(3.9)
la moyenne de pondration observes. pondre retenu des carts absolus est le rapport privilgie entre valeurs calcules observe et observes. la moyenne Le coefficient des valeurs
de la valeur
Ce facteur
importants valuation
au regard dure :
et dans loptique
1
T
Llensemble montre meilleurs voisines. que, de ces lments quel
III
Yc-
Y0
2 Y0 l
(3.10)
de comparaison
a t report
:; .,:t,
considr,
prsente
rsultats.
et mis part
les valeurs
En outre,
la rgression
linaire
dordre
conceptuel
ngatives
dans certains
cas, tant
en concentrations
quen
masses,
lorigine.
Dans le cadre
dune
modlisation Y
notre =
prfrence x;
irait
donc
la rgression (3.11)
non linaire
de type
c x;
ladquation
en utilisant
des mthodes
doptimisation
non linaire.
CRITERE
EQUATION DE REGRESSION
1 N -1
FORME (+) 1
Y0
E[
FORME (+) 1
(Yc-Yo)
FORME () 2
-N
Yc-Y0
y0 FORME (*)
1
2
: 15175 105717 b-W 64 (W) 77 Wg) 16156 115312 134 821 b-W 7 (ng) 15 (ng) 150 985
Conc.
DB05
74
11
Masse
DB05
88
15
Conc.
DC0
4006
4344
63
75
Masse
DC0
8541 0-M
9952
177 (ng)
207
. (ng)
signifie
a gnr
des valeurs
1 CRITERE
EQUATION DE REGRESSION
-i (Yc-Yo) -N
1 FORME (*) 2
N -3
FORME (+)
Yc-Y0 v
FORME (+) 1
I *-
Y0 r Y0
FORME (1
1
2
Vlasse
MES
108315
424
Ionc.
DB05
4559
106 (ng) 19
114
Vlasse
DB05
429
18
Zone.
DC0
6085 1
288
Masse
DC0
13268
142
. (ng) signifie
a gnr
des valeurs
..:
CRITERE
-11
EQUATION DE REGRESSION FORME (+)
N
1
(Yc-Yo)
FORME 2 (*)
-N 1
l XE
FORME (+) 1
Yc-Y0
*-
Y0 -Y0
FORME (*)
1
2
: 303944 12024 (ng) 17621 199950 2982 i 722 134 (ng) 226 670 270
Zone.
DB05
9365
177
Vlasse
DB05
4569 (ng)
12854
120 (ng)
203
Ionc.
DC0
355844
295749
975
1017
Vlasse
DC0
24457 Wg) que lquation Tableau correspondante 24: Bassin versant a gnr
40805 0
486
. (ng) signifie
des valeurs
de rgression
1 CRITERE
EQUATION DE REGRESSION
1 (Yc-Yo) N
FORME (*) 2
N -1
FORME (+) 1
Yc-Y0 V
FORME (+) 1
Y0 *7 I Y0
FORME 2 (1
Conc.
DB05
5080
5397
87
107
Masse
Dl305
Conc.
DC0
58911
51595
263
264
Masse
DC0
. (ng) signifie
a gnr
des valeurs
74
6.
ANALYSE
EN COMPOSANTES et SERVAT
(DESBORDES
6.1. Mthodoloqie
Lanalyse variables
en composantes interdpendantes.
principales
(A.C.P.)
permet
dtudier
les variations
simultanes
de
Paur
le calcul
combinaisons permettant
linaires de distinguer
non ces
corrles observations
observes,
(HAAN
frquemment simultane.
que les deux ou trois premires On pourra constitus peuvent dans ce cas reprsenter premires
composantes
expliquent dans
90 95 % de un systme de
en vidence. associations
spcificits,
qui
leur
soient
certaines
simplifications
dans le protocole
de mesure.
nous avons
appliqu
la technique qlobalement
danalyse
en composantes appeler
principales un vnement
un au
et la DCO.
Les 15 variables
retenues
(1) le facteur
de pollution : :
en concentration en m3
ou en masse
(2) VR
(3) DR
ruissel
de ruissellement
(en jours)
75
(4) (5)
Qmax
de pointe
(en Vs)
QS
HP DP ITC
de temps sec (en Vs) de pluie de pluie prcipite (en jours) maximale sur une dure gale au temps de durant Iwkement considr
(6)
(7)
(mm)
(8)
intensit concentration
(9)
Imax5
intensit minutes
maximale
durant
un intervalle
de temps
de 5
(10)
DTS
dure considr
de temps
sec
prcdant
lvnement
(11)
HEPRUI
prcipite
au cours
de lvnement
prcdent
(12)
HDERUI
hauteur occasionn
deau
prcipite
le dernier
vnement
ayant
(13)
H7
hauteur lvnement
cours
des
7 jours
prcdant
considr deau
(14
H14
hauteur lvnement
prcipite
considr deau
(15)
H28
hauteur lvnement
prcipite
considr
(en mm)
HDERUI
est
une
qui
caractrise
lhumidit phnomnes
deux
en compte
certains
pas de ruissellement
avoir
76
6.2. Rsultats
12 et 13 sont de chacun
donnes
titre
dexemple
permettant entre
: bassin
en DB05).
lensemble
les rsultats
intressants
62-l.
MES
Pour difficile
moyennes la barre
comme
pour
les masses
des 70 % de variante
explique
composantes
principales.
principales caractriser
27 et 29
les concentrations
-.
comme
reprsentatif
des variables
dbitmtriques
et
climatique, prcisment.
.6 .2
.4 -.2--
11
13
1Q
9 5
3 8
-.4-i I i
16 15
Figure
12 : BASSIN VERSANT
reprsentation
en DB05
__..
-.
,.
._.
.--..---..--
-.
._I
HNRLYSE
EN
COMPOSqtf&S
PRINCIPf+ES
-____ !-----
____
-__
.-,.--
-_-_c_-.------
Fe.-.Comp < .
-Irlnc.
-.
f-Pr2
<- ----
SE 4
16 24 62 51 48 39 la 45
.e b tl
-5 as
-1
II 2
sa 78 72
20 47
88 S!a
-1 81 OI
-2 la37
67
IIe
-: I -70
74
Figure
13 : BASSIN VERSANT
en DB05
I
Axe 1 (%) Axe 2 (%) Axe3(%) Total (%)
MAUREPAS
AIX-ZU
I 33.5 21.4
AIX-NORD
Tableau
26
Polluant : MES (Concentrations) Pourcentage de variante explique par les trois premires principales de chacun des bassins versants
composantes
MAU REPAS Axe 1 Axe 2 Axe3 Tableau 27 Polluant : MES (Concentrations) Variables caractristiques bassins versants + Qmax,lTC, Imax5
composantes
principales
pour
chacun
des
AIX-ZUP 34,9 Axe 2 (%) Axe 3 (%) Total (%) 16,s Il,6 70,l 17,6 12,7 68,3 21,7 13,s 70,l
AIX-NORD
Tableau
28 :
Polluant : MES (Masses) Pourcentage de variante explique par les trois premires principales de chacun des bassins versants
composantes
AIX-NORD
t-Axe 3
Tableau 29 : Polluant: MES (Masses) Variables caractristiques bassi ns versants
composantes
principales
pour
chacun
des
._
_.._
80
6.2.2. DB05 Les rsultats sont du mme ordre que pour les MES et sont prsents dans les tableaux 30 33.
MAU REPAS Axe l(%) 36,8 20,l 11,5 68,4 33.0 21,0 13,4
AIX-ZUP
Tableau
30 :
Polluant : DB05 (Concentrations) Pourcentage de variante explique par les trois premires principales de chacun des bassins versants MAU REPAS LES ULIS Vr, Qmax, HP, ITC AIX-ZUP Vr, HP, Qmax H7, H 14, H28
composantes
AIX-NORD Qmax, HP
Vr, Qmax,
HP
Polluant : DB05 (Concentrations) Variables caractristiques des trois bassins versants MAU REPAS
premires
composantes
principales
pour
chacun
des
AIX-ZUP
AIX-NORD
67,7
Tableau
32
Polluant : DB05 (Masses) Pourcentage de variante explique par les trois premires principales de chacun des bassins versants
composantes
MAU REPAS Axe 1 Axe 2 Axe 3 Tableau 33 : Polluant : DB05 (Masses) Variables caractristiques bassins versants f Vr, Qmax, HP H7, H14, H28 H7, H14, H28
composantes
principales
pour
chacun
des
81
6.2.3. DC0 Les rsultats sont du mme ordre que pour les MES et sont prsents dans les tableaux 34 37.
MAU REPAS Axe 1 (%) Axe 2 (%) Axe 3 (%) Total (%) 36,7 195 11,7 67,9 33,0 21,2 13,s
AIX-ZU
67,9
Tableau
34 :
Polluant : DC0 (Concentrations) Pourcentage de variante explique par les trois principales de chacun des bassins versants
premires
composantes
I
Axe 1 Axe 2 Axe 3, Tableau 35 : .
Vr, Qmax,
*X-NOR
HP H7, H14, + DTS, H28 ).j;* pour chacun des
composantes
principales
MAU REPAS Axe 1 (%) Axe2 (%) 42,l 165 11,5 70,l 37,8 18,O 12,6
LES U LIS
AIX-ZUP
AIX-NORD
68,4
69,3
Tableau
36 :
Polluant : DC0 (Masses) Pourcentage de variante explique par les trois premires principales de chacun des bassins versants
composantes
I
Axe 1 Axe 2 Axe 3
AIX-NORD
Vr, Qmax,
82
7. CONCLUSIONS
mesures urbain
dans le cadre
de mesure
nationale
sur la
du ruissellement
ont t analyses
de vue statistique.
lanalyse
principales, (1984),
appuys SERVAT
de
antrieurs
et SERVAT
oprer
des variables
enregistres
et ne retenir urbain.
que celles
qui apparaissaient
lies la pollution
du ruissellement
Lanalyse
ralise
laide
de la mthode
du Stepwise
permet
daboutir
plusieurs
conclusions
environ
50 % de la variante
de la concentration parisienne
moyenne
en MES peut
tre explique
laide
et de DTS AIX-EN-PROVENCE.
en ce qui concerne
moyennes
en DB05
expliquer
38 % de variante
-.
sexpliquent
relativement
des variables
Qmax,
Vr
gographique fallacieuses.
nanmoins
de ne pas ignorer
dventuelles
pour
le paramtre
simposent
pour
parisienne
: Vr
par contre,
on retrouve
Imax5 vont
de la pluie.
Les pourcentages
de variante
ULIS) 84 % (MAUREPAS).
83
dans le cas des masses de DC0 les quations font apparatre Vr, Qmax
retenues
parisienne
et
de 71 % mais avec un
MAUREPAS coefficient
est de 85 %.
II apparat
donc,
vue, que dans le cas des quations et pour les valeurs climatiques naturelles, diffrentes
multiple,
des variables
les conditions
Lanalyse
principales dun
permet vnement
environ
70 % de la variante pratiquement
prcise par
la seconde
Lindividualisation ACP.
de ces deux
de variables
Plusieurs lavons
enseignements ralise :
peuvent
donc
tre tirs
de lexploitation
des donnes
telle
que
nous
des pendant
des
bassins
versants
des
lvnement
considr.
de temps
indniable
vraisemblablement
caractriser
accumulation.
le dcollement lagressivit
de la pollution intensit
de (5 mn
de pointe.
84
dans
le cadre
dun
travail
calcules titre.
sur
les
logarithmes conceptuel
des variables
Stepwise
naturelles
deux limitations
la gnration la prsence
pratiquement y=cxyx;
identique
du type
permet
de surmonter
La combinaison
fait intervenir
Imax5,
Vr et DTS et scrira
Masse de polluant
(3.13)
la capacit
de la pluie arracher
la pollution
de la surface la phase
du processus
dentranement,
Lensemble dveloppe
modlisatrice
CHAPITRE
86
APPROCHE
MODELISATRICE
1. DEFINITION
DES OBJECTIFS
disponibles
influent
sur le
du ruissellement un modle
pluvial
urbain,
on pourrait
plusieurs
sur des pas de temps traitement concevoir vnement naturel ventuel un modle et permettant
de prendre
globalement
dapprocher dure.
s!agit de procder
La nature proposerons
et la prcision
des donnes
disponibles
vont imposer
les limites
du modle
plus loin. Dans le cadre de la campagne lexutoire raliss des bassins versants.
t effectues prlvements
Lchantillonnage,est
alors le tmoin
La gnralisation
des relations
obtenues
du nombre climatique
rduit pourra
de mesure.
87
tre
mise en vidence
vu le choix
des bassins
versants
(deux
en rgion
parisienne
et deux
dans
le
Sud de la FRANCE).
modlisatrice
nationale une
anne)
ait la taille
de superficie
< 50 ha).
chacun
majeurs
de pollution
(MES,
DCO) nous
avons
donc
cherch
au ,.I!
et rejetes globalement
lchelle
vnement.
strictement
empirique, ou non,
la dtermination parat
dquations Elle va
linaires
diffrentes
lautre,
lencontre
Qui plus
reproductible doccurrence
prsentant
tablies.
Une modlisation ralises Ifidentification dassainissement,est point lchelle ruissellement de mesure, du bassin sont
des systmes
aurait
puisque
de sortie
du systme,
car consistant
combinaison
accumule,
de surface.
du systme
reste, lheure
88
finalement
retenue
exposs
prsenterons
de modles
la surface
la production
de polluant
versants
un pas de temps
2. APPROCHE
CONCEPTUELLE
Dans
le cadre
modlisation, savoir :
nous
nous
sommes
appuys
sur le schma
propos
par
DESBORDES
DES
MESURES
EMPS
avec :
A, =
la surface i et i-l.
du B.V. au cours
de la priode
de temps
sec sparant
les
pluvieux
E, = R, =
de surface
i.
du bassin versant
dfinir
lentranement
i,
Mdi = Ai + Q-1).
Divers concepts,
trs plausibles,
commandent
ltablissement
de
modles daccumulation
laccumulation, lchelle
nous avons
suppos
que la production
journalire
de
(environ
la masse
en moyenne.
dobservation, stock
prcdent)
assez voisine
Lentranement concepts
de la pollution
a t reprsent
laide
de deux
modles
reposant
sur des
diffrents.
calcule partir un
daccumulation
un facteur
de pollution
: un premier profond,
niveau, parfois
et un second pas un ,,
et qui ne constitue
qui nintervient
modle,
les variables
retenues sur
sont les mmes dans les deux cas et dcoulent une courte dure, ici 5 minutes capacit arracher doivent la pollution tre (Imax5)
des donnes.
Lintensit
maximale
de la pluie et de sa en
accumule vers
mouvement
achemins
le rle du
90
.
retenues
au bout du compte
renvoyant
dautres
3. MODELE DACCUMULATION
LINEAIRE (SERVAT(1985,c),
SERVAT (1986)).
Ce modle daccumulation
nonces
prcdemment
-taux
de production
constant
sur le pas de temps considr, du stock final sur une longue dure (Ro # Rn), infrieure ou gaie la masse disponible.
- stock -masse
est directement
proportionnelle
Aj = Pr DTSj
avec :
Ai = massede pollution. accumule la surface du B.V. au cours de la priode de temps sec DTSi. Pr = production de polluants (MES, DB05 ou DCO) sur un pas de temps.
On peut tablir un bilan massique pour chacun des vnements de la priode dobservation :
R,
Rl R2
t
+ i-
Al
A2 A3
=
= =
El
E2 E3
+
+ +
R,
R2 R3 (4.3)
Rk-1 + Ak =
fk
+ Rk
R,., +
A,,
En
R,
91
Do en sommant
n R + Ii i=l Ai = rl
Ei + R
(4.4)
avec : Rcl = Rn =
Ai=
vnements Ei =
Ri =
entrane restant
i. aprs lvnement i.
A partir
de lhypothse
Ro # Rn, on peut :
calculer
une
valeur
de la production
journalire,
en
MES, DB05
ou DC0 puisque
i=l
DTSi tant exprim en nombre
A. = Pr
1
zl
DlS.
(4.5)
1
de pas de temps.
Soit en reprenant
lquation
prcdente
R.
et
Pr
;,
DTS. 1 =
il
E. 1 + Rn
(4.6)
;, Pr =
E.+(R
1
R. 1
(4.7)
z,
DTS. 1
92
dure,
Ro # Rn , alors :
Pr =
El E. 1
z, DTS.L
(4.8)
Une fois
Pr dtermin,
que la contrainte
Ei S
R(i-11 + Ai
Dans ce but, sur chacun des B.V., on a retenu un vnement un lessivage complet de la surface.
une valeur
de
R(i-11 des en
et, de proche
Ro et Rn une constante
la surface
Le tableau 38 prsente les valeurs de production journalire en MES, DB05 et DC0 auxquelles nous sommes arrivs (rappelons quil na pas t possible de travailler en terme de massessur le, bassin dAIX-Nord).
aux une
charges spcifiques annuelles du tableau 39. (Les valeurs entre parenthses correspondent production journalire calcule partir de la charge annuelle).
Les diffrents
notre
un modle daccumulation linaire napparat pas entirement dans le cas de la DB05 puisquon ne peut, dans ces
Ri Ckgi
8000,
6000,
20
Figure 14 :
40
MES - BASSIN surface VERSANT versant
8o;
- Ri : Masses vnement
NO.des I 100
rsiduelles pluvieux
vnements I 120
la
du bassin
Ri CkgI
I 20
Figure
I 40
60 I
I 80
:, MAUREPAS aprs chaque ( ,;
No des I 100
vnements I
I 120
75 : 1 OC0 surface ..
- BASSIN
VERSANT: versant
- Ri : Masses vnement
rsiduelles pluvieux
la
du bassin
95
MES MAU REPAS LES U LIS AIX-ZUP Tableau 38 : Productions (kg/j/ha) 2.60 3.10 1.70
1 ;
journalires
MES 37 (2.25)
DC0
(.74)
Velizy (B)
400 (1.10)
(-52)
Nice(B)
540 .(1.50)
(1.45) 34
(A) : (RIBSTEIN et DESBORDES (1978)) (B) : (HEMAIN (1980)) (C) : (O.C.D.E. (1982) Tableau 39: Charges annuelles spcifiques journalires correspondantes Daprs HEMAIN (1983) en kg/an/ha et productions (valeurs entre 0) en kg/j/ha.
96
4. MODELES DENTRAINEMENT
nous lavons
se
deux concepts
fait intervenir
laide du modle
daccumulation
linaire),
un stock
La mthode
doptimisation
utilise
par ROSENBROCK
(1960). observes
minimise
de la mme faon dans chacun des cas, savoir dvnements moiti reprsentant
: une optimisation
environ
transporte,suivie dtermine.
de la srie,
de lexpression
Signalons, valeurs
de pouvoir versants.
retenir
(aux
Cest la condition
lventuelle
4.1. Modle
dentranement
fonction
de la masse disponible
La formulation
retenue
est du type :
E = K M8
avec : E Md Imax5 Vr = masse transporte = masse disponible = intensit = volume maximale
Irnc~x5~ VrY
(4.9)
(kg).
K,. a, p et y
97
Les valeurs
dtermines
ont t reportes
40 42.
La fonction
sous la forme
(Eobs N
= = =
observe. calcule.
nombre dvnements sur lesquels a port le calage des paramtres et correspondant environ 50 % de la massetotale observe.
Les tableaux 43 45 prsentent les rsultats obtenus. Ceux-ci sont illustrs par les tracs de double cumul massesobserves-massescalcules des figures 16 et 17. Cestracs. ne concernent que les bassins versants des ULIS et dAIX-ZUP, les rsultats pour MAUREPAS tant assez peu satisfaisants.
Les simulations pour les paramtres DC0 et DB05 sont moins bonnes que pour les MES. II est difficile de fournir une vritable explication aux carts importants relevs sur le bassin de
prcise ce qui correspond la ralisation de notre premier objectif. Concernant les vnements proprement dits, on atteint une prcision de i 10 % +30 % pour les plus importants dentre eux. Cest un rsultat intressant en soi dans la mesure o ils correspondent la majeure partie de la pollution transporte.
98
Tableau 40 :
Tableau 41 :
Tableau 42 :
99
LES ULIS
AIX-ZUP
274.7
20.41
92.76 I
30.03
13
5.3
6.2
MES - Rsultats obtenus sur les 3 B.V. avec E = K Mda ImaxSP Vru
MAU REPAS
LES U LIS
AIX-ZUP
13.0
39.7
49.3
0.15
0.54
0.85
2.3
-6.9
44:
DB05 - Rsultats obtenus sur les 3 bassins versants avec E = K Mda Imax5P Vru
,i.i,C
l
~Masse moyenne entrane (kg) 1Fonction critre
1
MAUREPAS
LES ULIS
AIX-ZUP
85.5
200.9
206.5
4.70
12.11
18.40
7.4
5.7
1.5
DC0 - Rsultats obtenus sur les 3 bassins versants avec E = K Mda ImaxSP Vru
Y-
Double
cumul
Double
cumul
Masses
Observees
kg1
MES
Masses
Observees
(kg1
0505
Double
cumul
0.90
1.50
X104
Masses
Observees
(kg1
DC0
Figure Bassin
: 16 versant:
E-K.
Md
a Imax5
Les
P Vr y Ulis
Double cumul : masses calcules - masses observe; (sur la totalit de la priode denregistrement)
Double
cumul
Double
cumul
i.00
2.00
Masses
Observees
(kg)
MES
Masses
ObserVees
(kg1
0805
Double
cumul
0.50
i.00
Masses
Observees
(kg1
DC0
Figure
17
E-K
Mda
Irnax5
Vr
Bassin
versant:
Aix-ZUP
Double
cumul
- masses
observes
(sur la totalit
denregistrement)
-.
-.
_. . -
._
102
Nous nous sommes ensuite livrs une analyse de sensibilit paramtre unevaleur paramtre quelle variation lun aprs lautre. donne tudi La procdure retenue
du modle.
: le paramtre paramtres
on procde
une optimisation
une bonne
simulation zone de
nous ne pourrons
simuler
Cette tude ralise pour les trois polluants montr que les paramtres K et a ntaient
En ce qui concerne
a cest la fi et pour
wafeur de Md, calcule partir dhypothses y sont par contre assez sensibles
qui pourrait
et lon notera
de variation
tracs.
Ceux-ci avec un
sous forme
ralises
Ces graphes
montrent
autorise
les rsultats
et calcules
suprieur
10 %). Les
les autres
tracs se trouvant
Tableau 46 :.
103 W'
------
K fixe
: .a03 .OlO :::g
Double
cumul
T
2,
fixe
Double
cumul
1.00
2.00
3.00
xi04
1.00
2.00
3.00
xi04
Masses
Observees
(kg)
Masses
Observees
(kg1
fi
fixe
Double
cumul
---.mm-
fixe
z .3oa .4ao :g:
Double
cumul
/; e .
1.00
2.00
1.00
2.00
3.00
x 104
Masses
Observees
(kg)
Masses
Observees
(kg)
Figure Polluant
: 18 :MES
E-K
Mda E.V.
Irnax5 : Les
Vr Ulis
Etude
de sensibilite
Double cumul : masses
des
calcules
differents
- masses observes
parametres
(sur la totalit
de la priode
denregistrement)
K fixe
Double
cumul
fixe
Double
cumul
---.-e-
- .010 z ::o:
-1.000 /.
/Y.
Masses
Observees
(kg)
Masses
Observees
(kg)
T
----m--
P fixe
: .ioo ::g: . 900
Double
cumul
fixe
Double
cumul
, /
; .
..
f / /-
0.50
1.00
i.50
xi04
Masses
Observees
(kg)
Masses
Observees
(kg)
Figure Polluant
: 19 :OC0
E-K
Md
Imax5
Vr
B.V.
: Aix-ZUP
Etude
de
Double
sensibili
cumul
te
de la priode
des
di f feren
ts
parame
tres
: masses calcules
- masses observes
(sur la totalit
denregistrement)
105
4.2. Modle
dentranement
sans facteur
limitant
retenue
est du type :
E = K Irna3~5~ VrV
avec : E, Imax5 et Vr dfinis comme prcdemment.
(4.11)
Lesualeurs dtermines pour chacun des paramtres ont t reportes dans les tableaux 47 49.
Les tableaux
50 52 presentent les rsultats obtenus. Ceux-ci sont illustrs par les trac&
de
double cumul masses observes-massescalcules des figures 20 et 21. Cestracs ne concernent, l aussi, que les bassins versants des ULIS et dAIX-ZUP.
texamen des tableaux et des graphes montre que les rsultats sont quivalents ceux obtenus avec le modle prcdent. La prcision sur les massestotales reste de lordre de 5 10 %. Les unements les plus importants en terme de massetransporte sont reproduits + 10 % 30 % prs.
Nous avons galement procd une analyse de sensibilit du modle en suivant la procdure dcrite plus haut. Cette tude a montr que les trois paramtres du modle taient sensibles. Cest un point positif plaidant en faveur de cette seconde formulation. assez
Les intervalles
de variation dlimits pour chacun des bassinsversants prsentent, l aussi, de larges zones de recouvrement. Lensemble de ces rsultats a t report dans le tableau 53.
106
Tableau
47 :
paramtres
MAUREPAS K P Y Tableau 49 : 0.745 0.739 0.487 DC0 -Valeurs des diffrents Modle: E = K Imax5PVrY
107
LES ULIS
AIX-ZUP
227.9
426.
274.7
24.81
108.22
29.31
68.2
0.5
9.6
LES ULIS Masse moyenne entrane (kg) Fonction critre Ecart entre masses totales observes et calcules (Oh) Tableau 51 :
AIX-ZUP
13.0
39.7
49.3
0.10
0.53
0.86
25.1
-0.1
-9.4
versants
LES U LIS
AIX-ZUP
185.5
200.9
206.5
3.95
11.79
15.29
36
8.6
-8.1
DC0 - Rsultats obtenus sur les 3 bassins versants avec E = K ImaxSP VrY
._-
- .
.. - _
_,
-,,. - _
_._
__. -
108
v Double cumul
n
Da~l~le
cumul
!2 Y
Masses
Observees
(kg)
MES
Masses
Observees
(kg)
0805
Double'
cumul
,
o.ao 1.00 i-S-0 X9.04
Masses
Observees
(kg)
DC0
Figure Bassin
: 20 versant:
E-K
Imax5
P Vr
Y1
Les
Ulis
Double
cumul
- masses
observes
(sur la totalit
denregistrement)
Double
cumul
Double
cumul
.Masses
Observees
(kg)
Mi3
Masses
Observees
(kg)
DB05
Double
,C
cumul
L 0.10
Masses
Observees
(kg1
DC0
Figure
: 21
E-K
Imax5
Vr
Bassin
versant:
_
Aix-ZUP
Double
cumul
: masses
calcules
- masses observes
(sur la totalit
de la priode
denregistrement)
110
Tableau 53 :
en figures titre
cumul illustrant
Ils
dexemple
tant
en annexe.
5, CONCLUSION
En fonction objectif,
du plan dexprience
dfini
pour la campagne :
de mesure
exprimentale,
notre
en terme de modlisation,
tait double
-reproduire - reproduire
entrane
globalement
modle
dentranement
faisant
intervenir linaire),
la notion permet
de sensibilit
du modle
montre
il sembleque,
on puisse retenir
un
---.---
/ -9. .
. .
i.00
2.00
3.00
x104
i.00
2.00
3.00
xi04
Masses
Observe@s
(kg1
Masses
Observees
(kg1
P
EIx- --.---
Y fixe
: 13:: - .500 - -8oo
Double
cumul
G.
1.00
2.00
3.00
xi04
Masses
Observees
(kg)
P
Figure Polluant:
: 22 :MES
E = K ImaxS
E.V. : Les
VP
Ulis
Etude
de Double
sensibili cumul
te
des
di
f ferents
parame
tres
- masses observes
(sur la totalit
denregistrement)
_ K' fixe
_ ._.
112 .
Double
cumul
P fixe
Double
cumul
Masses
Observees
(kg)
Masses
Observees
(kg)
fixe
q ouble
cumul
-l
5 x--- ,----
Masses
Observees
(kg)
0'
Vry'
- masses
(sur la totalit
de la priode
denregistrement)
113
La formulation
Lerlede
sest vu confort
par lanalyse
de sensibilit.
Un.tel
modle,
ne ncessite
pas le calcul
des masses
disponibles,
conduit
2: 5 % + 10 % sur les masses totales simules sur une longue priode, C 10 % + 30 % sur les massestransportes au cours des principaux vnements.
Les rsultats
pourraient,
certainement,
tre
amliors
par lobtention
de mesures
supplmentaires ou de qualit encore meilleure. On peut proposer un certain nombre de points allant dans ce sens, nous y reviendrons dans les conclusions gnrales.
114
CONCLUSIION
115
CONCLUSION
La.campagne connat
nationale
de mesure ailleurs,
de la pollution
du ruissellement
pluvial
urbain,
pas dquivalent
tant par sa dure que par son ct systmatique, que nous avons pu exploiter.
masse dinformations
de bonne qualit
il apparat
de la de La
de mesure constitue
lobtention
et contraignante, pourra
dans le domaine
de la mesure
servir de rfrence
dans le
cas de futures
tirer
plusieurs
mieux urbains
et entranement
des polluants
climatiques
prcdant
considr,
et.qui
reste la
des polluants
des- bassins
de temps
actuellement
insuffisante
le phnomne.
se pencher
mais galement
qualitative
de la variable
intervenir
pluviomtriques.
de la pluie, caractrise
par lintensit
maximale
dure
(ici 5 des
est responsable
du dcollement
116
parmi
les quations
de rgression
multiple
celles de type
monme
se rvlent
les plus
intressantes prsentent
o elles ne gnrent
pas de valeurs
ngatives
et o elles ne
lorigine.
Enfonction objectif,
dfini
pour la campagne
de mesure
exprimentale,
notre
tait double :
reproduire reproduire
de pollution
entrane
entranes
globalement
les travaux
concernent
deux approches
conceptuelles diffrentes. Dans le premier cas, la massedisponible est un facteur limitant, dans le second cas, elle ne lest pas. On considre en effet avec cette deuxime ventualit que le stock de pollution prsent en surface est constitu de deux niveaux, le premier est frquemment lest plus rarement et ne constitue pas un facteur limitant.
La formulation
Masse entrane
Vru
(5.1)
- un taux de production journalire constant, -lentranement sur une longue dure de tout ce qui a t produit.
Cependant, ltude de sensibilit de ce premier modle dentranement quatre paramtres ne jouaient pas un rle important.
117
On retiendra sensibilit
donc, de prfrence,
la formulation
trois paramtres,
conforte
par ltude
de
et conduisant entranes
des rsultats
! t 5 10 % sur les au
masses totales
vnements).
Masse entrane
= K
/max5
P . VrU
(5.2)
de mesures de
qualit encore meilleure quel que soit le polluant considr. II sagit donc, dans un premier temps, de sefforcer de combler lcart qui existe entre laspect technologique (mthodologie, linformation du problme de
recueillie, cart qui est lavantage trs net de ce dernier pour le moment.
Onpeut,
tre retenues
:]. ll;
dans le cadre dun futur plan dexprience : , la mise au point dun appareillage peut tre mieux adapt. Cela passe par la ralisation de certaines tudes pralables : :. ,
. _
granulomtrie des particules transportes, existence ou non de gradients de concentration collecteurs. au sein des effluents vhiculs dans les
linstallation la surface des bassinsversants exprimentaux de pluviographes faibles temps dintgration. Imax5 sest rvl comme le paramtre reprsentatif de lagressivit de la
pluie. Cependant, nous ne disposions pas de mesures dintensit sur des pas de temps plus courts (30 secondes ou 1 minute) qui pourraient se rvler plus significatives encbre (SERVAT, 1984), bien que ces mesures ponctuelles spatialement distribu. ne soient que le tmoin dun phnomne
118
de variables
climatiques
au moyen
ayant un rle
de polluants
des E.V.
la mesure
dbitmtriques
plus performantes
que celles
utilises jusqu
ce problme.
II serait
galement
intressant
de se fixer maintenant
comme
but daccder
une chelle
de
modlisation
permettant
de contrler un des
ce qui constitue
de lassainissement
119
REFERENCES
BIBLlOGRAPHI$UES
120
REFERENCESBIBLIOGRAPHIQUES
ALLEY W.M., SMITH P.E. (1982) M&i-event Reston, VA. urban runoff quality model US. Geological Survey Open File Report 82-764,
D.C. (1979) stormwater pollutant buildup and washoff relationships. Master of Engineering Thesis,
Engineering
Sciences, Gainesville.
Association) runoff.
of urban
Administration.
AVCO Economie Systems Inc. (1970) Storm water pollution from urban land-activity. FW QA Pub. no 11034 FKL.
.,
LOCKWOOD
of Environmental
Protection,
BENNERSTEDT K., BRATTBERG G. (1984) . Effects on lake Malaren from combined Urban Storm Drainage, Goteborg, Sweden
sewer - 4-8
overflow.
June.
Third
International
Conference
on
R.J. (1966) storm sewers and combined sewers. Journal Water Pollution Control
BROEKER
H.W. (1984)
Third International
BRUNNERP.G. (1977) Contribution of roadway usage to water pollution. A review of the research position.
Wasserwirtschaft, 67,98-101.
BUFILL M.C. (1984) Hydrological aspects of the study of non point pollution on a motorway catchment. Third
CASPERS H. (1978) The effect of storm drain outflow centre of Hamburg. U:K. on the ecosystem of the Alster Lake and its canais in the Conference on Urban Storm Drainage - Southampton -
First International
CHATFIELD
C., COLLINS
A.J. (1980)
Introduction 81.
to multivariate
CRAWFORD J.H., DONIGIAN A.S. (1973) Pesticide transport. and runoff mode1 for agricultural lands. EPA 66012-74-013
CUNGE J.A., HOLLY F.M. Jr, VERWEY A. (1980) Practical aspects of computational river hydraulics. Pittman Publishing Inc. Boston, MA.
122
M. (1985) et recherches sur la pollution du Nord. du ruissellement L.H.M. - Universit pluvial urbain dans les pays de -
et de lAmrique
des Sciences
- Montpellier
runoff 130,8 p.
: a national
J.C., SERVAT
de laccumulation
urbains.
S.H.F., 19 Journes
de IHydraulique,
1986, question
E. (1984) Statistical Drainage, analysis Goteborg, of french Sweden, experimental 4-8 June. data. Third International
in urban on Urban
E. (1986) de mesure Sciences des matires solides de lEau, en suspension prsentes dans
mthodologie pluvial.
et Techniques
J.A. (1983) model, Federal vol. 4. Surface Runoff Program, users manual D.C. and
storm FHWA/RD
documentation.
Highway
Administration,
Washington,
DONIGIAN Modelling
N.H. (1976) from the land surface. US EPA Ecological research series. Report
EPA 60013-76-083.
123
DONIGIAN Users
A.S., DAVIS
manual
for agricultural
H- (1967) analysis. Wiley series in probability and mathematical statistics. John Wiley
ELLIS J.B. (1977) The characterisation Effects of particulate of urbanisation Publ. solids and quality of water discharged regime from and an urban on water
catchment. quality.
and industrialisation
on hydrological
IAHS/AISH.
n 123 - UNESCO.
ELLIS J.B. (1979) The nature and sources of urban sediments and their - Norwich. relation to water quality. Mans impact .,,
on the hydrological
ELLIS J.B. (1985) Pollutional aspects of urban runoff. Urban Runoff Pollution - NATOASI Series, vol. GlO.
FERRARA Toxic
R. (1985) : impact and fate in receiving waters. Urban Runoff Pollution - NATO ASI
pollutants
A.N.,
MASTERS control
pollution
FISCHER H.B., LIST E.J., KOH R.C.Y., IMBERGERJ., Mixing in inland and coastal waters. Academic
BROOKS
Press - New
124
GEIGER W.F. (1984) Characteristics Drainage of combined - Sweden sewer runoff. Third International Conference on Urban Storm
- Goteborg
- 4-8 June.
GEIGER W.F., DORSCH H.R. (7980,a) Quantity-quality cantrol. simulation (QQS) : A detailed testing continuous planning mode1 for urban runoff
and applications.
EPA - 600/2-80-011.
GEICER W.F., DORSCH H.R. (1980,b) Quantity-quality control. simulation (QQS) : A detailed EPA - 600/2-80-l 16. continuous planning mode1 for urban runoff
GELDREICH E.E., EEST L.C., KENNER B.A., VAN DONSEL D.J. (1968) Thebacteriological aspects of stormwater pollution. J.W.P.C.F. vol. 40, pp. 1861-1872.
GOETTLE A. (1978) Atmospheric Conference, contaminant5 Stockholm, fall out and their effects on storm quality. IAWPR, 9th International
pp. 455-467.
GRAF W.H. (1971) Hydraulic of sediment transport. Mc. Graw Hill Book Company, New York.
HAAN CT. (1977) Statistical methods in hydrology. Iowa state university Press/ames, pp. 236-245.
HAMILTON Resuspension
R.S., DUGAN M.J. (1985) road surface dust in : Heavy metals .in the environment,
125
HARREMOES lmmediate
P. (1982) and delayed oxygen depletion in rivers. Water Research, vol. 16, pp. 1093-l 098.
M.A.,
DARLING
and decision
EPA 670/2-75-022
HEDLEY Suggested
and storm
overflow
performance.
J.C(l981) analysis of runoff on Urban quality Storm data from french Illinois and - U.S.A. US. catchments. Second
Conference
Drainage,
J.C. (1983,a) de la pollution exprimentale. du ruissellement L.H.M. Universit pluvial urbain. Rapport Montpellier. no 1 : Suivi Note 21183. et bilan de la
des Sciences.
J.C. (1983,b) de la pollution L.H.M., Universit du ruissellement pluvial Montpellier, urbain. note Rapport 25/83. no 2 : Exploitation des
des Sciences,
J.C. (1983,c) de la pollution L.H.M. Universit du ruissellement des Sciences, pluvial Montpellier, urbain. Rapport no 3 : Interprtation des
note 38183.
126
J.C(l984) de la pollution du ruissellement L.H.M., pluvial Universit urbain. Rapport no 4 : Exploitation Montpellier, des donnes
des Sciences,
note 8/84.
J.C. (1985) based modeling of urban runoff quality : State of the art. Urban Runoff Pollution -
ASI Series,
vol. G 10.
on Urban
Drainage
- Sweden
- 4-8 lune.
M.A.,
SHEIKH version
management
Users
EPA-670/2-75-017
DICKINSON users
management
manual,
HUBER W.C. (1985) Deterministic GlO. modeling of urban runoff quality. Urban runoff pollution - NATO ASI Series. Vol.
of combined
Research,
127
T. (1985) impacts on receiving waters. Urban Runoff Pollution - NATO ASI Series.
pollutant
T., YOUSEF Y.A., WANIELISTA and nitrogen UK. 6-9 septembre in ponds
M.P., PEARCE D.B. (1984) highway runoff. Int. Symp. environment, on Highway 33, pp. 259-
receiving
Pollution, 270;
of the total
ENGINEERING overflow,
treatment, 723-S8-L7520,
Corps of Engineers,
Davis, CA.
JOHANSON User?
R.C., IMHOFF
J.C., DAVIS H.H. (1980) simulation programm - Fortran (HSPF) EPA 600/9-80-015
manual
for hydrological
KAY S.H. (1984) Potential Army Corps for biomagnification of Engineers of contaminants Experiment within Station. marine Vicksburg, and freshwater MS Technical food report webs. D-84-7. US
Waterways
SIMONS oxygen
R.S. (1980) storm runoff. Proceedings pp. 223-244. of the National Conference -
- Florida
(novembre
1979)
EPA 600/9-80-056,
128
KITE G.W. (1975) Confidence limits for design events. Wat. Res. Res., vol. 11 no 1, pp. 48-53.
KITE G.W. (1976) Frequency Applied and risk analyses division. in hydrology. Network planning Inland waters and forecasting directorate. Water resources Canada. branch.
hydrology
section, Ottawa,
KLUESENER J-W., LEE G.F. (1974) Nutrient 920-936. loading from a separate storm sewer in Madison, Wisconsin. J.W.P.C.F., vol. 46, pp.
LAVALLEE P. (1980) Les impacts sur les eaux rceptrices de la pollution diffuse urbaine. Thse Matrise s-Sciences,
du Qubec, Qubec.
LLNDHOLM Modelling
O.G. (1978) of sewerage systems. 10. Mathematical models in water pollution control. John Wiley
O.G. (1984) deposition in combined sewers. Third International Conference on Urban Storm
Drainage
- Goteborg
- Sweden
- 4-8 June.
MALMQU Urban
IST P.A. (1983) stormwater pollutant sources. Chalmers Univ. of Technology - Goteborg - Sweden.
129
J.L. (1980) of intermittent Orlando, urban Florida. discharges novembre on receiving waters. Proceedings of the National
26-28
MARSALEK Toxic
J. (1985) in urban runoff : a case study. Urban Runoff Pollution - NATO ASI Series,
contaminants
vol. GlO.
M.J. (1981) of runoff Helsinki. water in urban areas. 123-190 - Publ. 42. Water Research Inst., National Board
MELANEN Urban
R.H. (1980) and its dependence Tech. on some hydrological parameters. ,,,
in Finland
IAWPRIPergammon
12 : 1073- 1083.
WATER report.
RESOURCES
ENGINEERS
Management 11024
.Poilution
DOC 07/71,352
p. (NTIS : PB 203-289).
METCALF Storm
OF FLORIDA,
WATER
- Vol. 2. Verification
.r
Control
Research
DOC 08171
MILISIC
Contribution
130
NAKAMU Factors
RA E. (1984,a) affecting stormwater - Goteborg quality decay coefficient. 4-8 June. Third International Conference on
- Sweden.
NAKAM U RA E. ( 1984,b) Factors research. Ministry affecting the removal Research - Japan. rate of street surface contaminants Institute. by overland flow. Journal of
NEELY W.B. (1980) Chemicals Y or-k. in the environment-distribution, transport, fate, analysis. Marcel Dekker, Inc. New
V., CHESTERS V. (1981) of non-point pollution : sources and management. Van Nostrand Reinhold CO.,
OBERST G.L. (1982) Water resources management : non point source pollution. Tech. rep. 10-82-016. Metropolitan
Water
management
on control
of diffuse
O.C.D.E. - Paris.
G-L., QUEIROZ C.S., BLANC F.C., OSHAUGHNESSY s and flushing for combined sewer overflow
600/2-79-133
(NTIS PB80-118524).
131
PISAN0 W.C., QUEIROZ C.S. (1977) Procedures for estirnating dry weather pollutant deposition in sewerage systems. EPA - 600/2-
PIlT R., BAZEMAN M. (1980) Water quality and biological effects of urban runoff on Coyote creek. In : Urban stormwater andcombined sewer overflow impact in receiving water bodies - EPA 600/9-80-056.
PITT R., BAZEMAN M. (1982) Sources of urban runoff pollution and its effects on an urban creek. EPA 600/2-82-090.
POPEW.N., GRAHAM J.D., YOUNG R.J., PERRYR. (1976) Urban runoff from a road surface - a water quality study. Prog. Wat. Techn., 10, no 516, pp. 533543.
PRATT C.J., HARRISON J.J., ADAMS J.R.W. (1984) Storm runoff simulation in runoff quality investigations. Systems. Chalmers Univ. of Technol., Goteborg - Sweden. Analysis and Design of Stormwater
PRICER.K., MANCE G. (1978) A suspended solids mode1 for storm water runoff. Storm Drainage. Southampton. U.K. First International Conference on Urban
RANDALLC.W., HELSELD.R., GRlZZARDT.J., HOEHN R.C. (1978) The impact of atmospheric contaminants on storm water quality in an urban area. IAWPR, 9th lntern. Conf., Stockholm, 417-431.
132
T.J., HELSEL D.R., GRIFFIN Jr D.M. (1981) mass on Urban loads Storm in precipitation Drainage, and University runoff in urban areas. Second 2,
of Illinois,
Urbana-Champaign,
RAY S.M., TRIEFF N.M. (1980) Bioaccumulation Arbor Science of anthropogenic Publishers, toxins Mi. in the ecosystem. Environment and health - Ann
REVITT Variation
D.M.,
F. (1981) suspended Drainage, solids Illinois, in a separate U.S.A., 2,49-58. sewer system. Second
in heavy
International
Conference
L.A.,
NICHANDROS
H.M.,
SHUBINSKI
R.P., FELDMAN
A.D.,
ABBOTT
J.W.,
FRIEDLAND,
A~model Resources
runoff-quality Technical
in metropolitan Memorandum
master
planning. York.
ASCE Urban
Water
no 23 - ASCE New
ROESNER Storm
- Users
600/2-84109b
(NTIS : PB 84-198431).
133
ROSENBROCK An automatic
(1960) method for finding the greatest or least value of a function. Computer Journal,
E., GREEN R.S. (1980) impacts overflow on receiving impact streams in North bodies. Caroiina. In : Urban stormwater 197-223. and
on receiving
water
EPA 600/9-80-056,
J-D., BOYD G.B. (1972) pollution of Research aspects of street surface contaminants Series, URS Research EPA R2 72-08. Company for US EPA
and Monitoring,
SCHILLING Cisterns
J.J. (1985) suspended particles in urban stormwater. JWPCF, vol. 57, no 5, pp.
SERVAT
E. (1984) ltude urbain. des matires Thse en suspension du ruissellement Universit pluvial lchelle dun petit
Docteur-Ingnieur,
des Sciences
- Montpellier.
E. (1985,a) de la pollution de synthse. du ruissellemnt L.H.M., Universit pluvial urbain. Campagne exprimentale - Note 1/85. franaise.
des Sciences
- Montpellier
134
E. (1985,b) de la DB05 et de la DC0 du ruissellement des Sciences - Montpellier - Note 11/85. pluvial urbain. Essai de modlisation. L.H.M.,
SERVAT TSS,
E. (1985,c) BO05 and Urban COD accumulation Runoff Pollution. and NATO transport ASI Series, over urban catchment surfaces : a modeling
approach.
vol. GIO.
SHAHEEN Contribution
C.R. (1977) for Council the of continuous Governments, storm runoff Water mode1 Resources SEM-STORM. Engineers,
S.K. (1977) mode1 for estimating Water Resources runoff and sediment 13 (3) : 619-629. discharge of ungaged rivers. 2.
development.
Research.
M.B. (1980) runoff quality : information needs. Journal of the technical councils, ASCE. 106 (TCI) :
K. (1984) first flushes in combined - 4-8 June. sewers. Third International Conference on Urban
- Sweden
135
KAWAMOTO models
5. (1984) and pollutant runoff on in view Urban of their Storm reliability, Drainage -
International
Conference
- Sweden
THOMANN Size
R.V. (1978) mode1 of hazardous substances in aquatic food chain. EPA 600/3-28-036.
dependent
R.D., BEBEE B.N., LAZOFFS., of sediments in Seattles on receiving and nearshore water
SWARTZ
particulate waters.
bodies.
EPA 600/9-80-056,
planning
division urban
of the nationwide
P. (1985) to river Urban quality Runoff deterioration Pollution - NATO and methodologic approach
.T for
influence
evaluation.
D., HART W.C. (1985) nutrients and chlorides in urban runoff. - Urban Runoff Pollution - NATO ASI Series - vol.
no 36-7,914-924.
136
WHIPPLE W., HUNTER J.V., YU S.L. (1977) Effects Control of stonn Federation frequency on pollution from urban runoff. Journal of the Water Pollution
- pp. 2243-2248.
WISCHMEIER Rainfall
W.H., SMrTH D.D. (1958) and its relationship to soil loss. Transactions American Geophysical Union. 39
energy
(2) : 285-29 1.
W.H., SMITH D.D. (1965) rainfall erosion losses from Cropiand Washington, East of the Rocky DC. Mountains. Agricultural
YOUNG R.L. (1970) Above lake Needwood. In : Trends in Parks and Recreation, Jan-Feb. 1970.
137
ANNEXES
138
SOMMAIRE
DES ANNEXES
Annexe
Publications
et Communications
Annexe2
de frquences
et des courbes
de frquences
relatives
Annexe3
de sensibilit
des diffrents
paramtres.
139
ANNEXE
1:
PUBLICATIONS
ETCOMMUNICATIONS
au .Third 1984.
International
Conference
on Urban
Storm
Drainage
- Goteborg
Communication
au sminaire
OTAN
: Urban
Runoff
Pollution
- Montpellier
- Aot
1985.
,,1 :
Publication
dans Sciences
et Techniques
de lEau
- Fvrier
1986.
Communication
aux 19 Journes
de IHydraulique
1986.
au Fourth 1987.
International
Conference
on Urban
Storm
Drainage
- Lausanne
140
Data
AKTRACT From a very general point of view, solids should be considered as one of the basic indicators of pollutional aspects of urban runoff. Total suspended solids (T.S.S.) data, observed at the outlets of four catchments (carefully selected within the framework of the french national programme on urban runoff pollution study), have been analysed to detect relationships with different characteristics of rainfall events. First of ail, a classical multivariable analysis has been conducted to determine the most importa.nt hydrological parameters related to T.S.S. concentrations. A Principal Component Analysis was then performed to complete the results obtained at the first step of the study. At last, using an adaptative approach, the Kalman Filter, has allowed to optinize the preceding relations and to detect interesting events from a methodological point of view. Keywords : Urban Runoff, Multivariable Urban Runoff Suspended Solids, analysis, Kalman Filtering.
141 Rcsc;trcl~ on urban runoff Ijollution haz bcyun in Frsncc- in the nticldlc uf the 70's. With the evergrowing urtsnizstion it bas bcen quickly pointcd out that urban runoff pollution should havc significant impact on receiving water bodies. In order to allow quick estimates of runoff quality, rcscarchers"have dcfincd a lot of parameters or indicators which, in turn, may be cssily related to urbanization characteristics. Due to high costs of water quality data collection and analysis programs, the number of these indicators must be as limited as possible. Among a11 of them, suspended solids (SS) is p.robably one of the most significant because : - they to the - their oxygen, have bad effects in reducing the photo turbidity they may create, in covering organic part in reveiving even water if synthesis activities water plants, etc... due
dissolved reactions
loads of toxic substances (heavy metals, which are adsorbed on solid particles. of stormsewers systems maintenance pro-
areas,
etc....
Some good urban runoff S.S. data banks have been already established, mainly in north american countries. However, they may reflect specific urbanization conditions, or data collection programs aims. So it was decided to define a national program on runoff pollution study. The measurement period has taken place from October 1980 to December 1982. It has been done for four well selected urban catchments (Hmain, 1983). The main characteristics of the catchments are given in Table 1. The present paper only shows a facet of the whole study. It is concerned with research of relationships between S.S. mean concentrations, C.S.S., during a rainfall event and rainfall, runoff and climatic parameters, analysis, Three methods have been used mainly ; a multiple regression a principal components analysis and a Kalman Filtering approach of the data series. MULTIPLE REGRESSION ANALYSIS
A SO called "Stepwise" procedure has been performed (Chatfield. and The confident threshold for hypothesis Collins, 1980 ; Hmain, 1981). testing of zero correlation coefficient value was 5 %. Tested explanatory variables simple regression procedures have allowed to retain In a first step, 9 explanatory variables among a11 those which have been considered for C.S.S., explanation. They are : (5)*QMAX : peak discharge (l/s) (9) ITC : mean maximum intensity during the time of concentration(mm/h) X (CO& nd& ii'l ?hb'lC-i~d COm~3OllCM~ti afld!yAti - ACC a&?CR-)
Tablc~
1. Catcllmcnts
--
characteristicz.
p-e-. --
142
AI x rKl1w
South of
rKAUHI:l'AS near
26.7
LI:S ULIS
ncar 43.1 0.55 42
Paris
Paris
Frirnce
92 6.5 35
70
0 100
350
0 100
210
30
rbltiplc I'amily housing (2 of wholc arca) Population (pcrsons/ha) ROOfS types density
60
40
Fiat Autocleaned
Storm sewer
I'lirt Autocleaned
Storm sewer
60
40 Z Fiat U Steep
Scwers
I:umber
Autocleaned
Storm sewcr
events study
C.S.S.
62
40
44
values
185 Max
(ng/l)
Mean Min -
21 - 894
40
512 - 2480
22
288 - 976
15
471 3780
mean maximum intensity during a 5 mn time intervaf (mm/h) total rainfall depth during the event to be considered (mm) rainfall event duration (days) runoff duration (days) duration (days) of thedry weather period preceding the event (14) H7 : rainfall depth during the seven days precedint the event(mm) (12)HDERUI: rainfall depth since the last event for which runoff has been observed (including dew, fog or small rainfall events) as it Will be shown after, that some of these variables One must note, should be more or less correlated. HDERUI and H7 may be considered as on surface dusts wetness indicators and should have some influence making them more or less erodable. Dry weather period consolidation, duration DTS has been,defined as the time elapsed between the end of event to be the last observed runoff and the beginning of the rainfall considered. Results of the stepwise regression analysis
: : : : :
Best sirmple correlation coefficients for the 9 explanatory variables the best simple corcombinations are listed in Table 2. SO are listed relation coefficients between C.S.S. and one of the 9 explanatory variables. As it has been said strongly correlated. southern catchments some rainfall or runoff variables before, Correlations seem to be more significant (AIX) than for the northern ones. . are for the
ldI>lC
2.
ISc:!; t
imJ)lc
Cocbfl ici
(.rlt:;.
AIX 0.975
0.964
ZLJP
L15 ULIS
0.907 0.825 0.857 0.857 0.617
ITC DP
; IMAy.5 ; DR
0.910
0.831
C.S.S. and one of the 9 variables' Two explanatory variables, with mean suspended solids variables are the same for matic conditions. That last regression analysis whose in mg/l).
DTS
0.668 DTS
IMAX5 and DTS, seem to be well correlated concentrations, C.S.S., Moreover, these each pair of catchments with the same cliobservation is confirmed by the stepwise results are given in Table 3 (C.S.S. are given .-..."
Looking at the results of Table 3, one should conclude tha,t C.S.S. are strongly depending on climatic or regional parameters. The relationships are very similar for the catchments in the Paris areas. For the catchments' in the south of France, the high correlation coefficient between C.S.S. and IMAXS, for the AIX NORD catchment, should be resulting from the.steep slopes of overlandflow (up to 8 8 in,some place) and from natural contributing zones under'high intensities rainfall events. During such events, S.S. loads are higher and have a high weight in correlation analysis. Table' 3. "Stepwise" Regression Relationships. Corrlation Coefficients 3.37
H7
,-. ,. ,.
Catchment AIX ZUP AIX NORD LES ULIS MAUREPAS css css css
"StepwiseV = 302 +
Relationships 4.51 .IMAXS IfilAX5 DTS + 13.49 DTS + 3.42 IMAX5 IMAX5 -
css -=
One should make some climatic hypothesis regarding the "deposit-removaltransportation" phenomena of S.S. In the south of France (AIX), dry weather periods are much more longer (almost twice) than in the north, SO dusts should be more consolidated and their on an average basis. removal should necessitate higher rainfall intensities. In southern areas, IMAX5 should be a good indicator of rainfall erosivity. Moreover, as overlandflow peak discharges are generally.strongly correlated with Ilr'LAX5,solids transpork in overlandflow and consequently in
In the north of France (!:?JlREPAS ; LI:S ULIS) , dry wcatljcr pcriod? arc' shorter, so dusts should be l(>ss consoli(latcd, and thr catct,mcnts' arc ~he dry wcathcr pcriod duration washed off by rainfall more frcquently. DTS scems to bc tt!e bcst cxpl.arlatory variaL)lc in that c*ase, as t cxplains Ijotential SS loads betwccn two rainfall evcnts. Mowever these observations are only hypothesis. Experimcntal conditions only give CSS at one point of a very complex process including solids production, dcposit, consolidation, erosion by rainfall, removal by ovcrlandflow, transportation in sewers, etc... The problem is mathematically undefined without making a lot of conceptual, logical or Unfortunately some groups of hypothesis should rational hypothesis. belong to different concepts while starting from the s'ame data analysis. if solids production and deposit should explain most of For example, the variability of the measured CSS (autocleaned sewers, catchments almost totally washed off after most of the events) one should make the sssumption that the deposit process nature should have strong influence on linear relationships as given in Table 3. If solids deposit inmay be well linearly creases linearly with DTS, that last variable correlated with CSS (northerne catchments for example). Now the linear hypothesis should be unrealistic and the solids deposits should be assymptotically limited ; for longer DTS (as in southern catchments), CSS and DTS should not be linearly correlated. Such assymptotic limits for surface solids deposits have been proposed by some researchers (Hmain, 1980). Some more measurements such as dayly mean wind speed , etc.should make easier the choice between groups of hypothesis, wetness, PRINCIPAL COMPONENTS ANALYSIS
point of view in order to reduce P.C.A. cari be used from a qualitative of a p.dimensional space described by p more ,or less dimensionality For each catchment we have applied .PCA linearly correlated variables. to 15 variables describing what should be called an "event" regarding The aims of the analysis was to look for some the SS whole process. transf,orm arrangements of "events" in a reduce space. A Wilson-Hilferty has been applied to the variables in order to make their distributions The 15 variables group was composed of the 9 ones close to normality. to which'have been added : defined above, ( 3) VR ( 6) QS (12) H?RUI (15) (16) (17) H14 H28 css :'runoff volume (m3) : dry weather flow (Vs) depth during : rainfall been observed (may be : rainfall depth during : rainfall depth during : (mg/11
the last event for which runoff different from HDERUI) (mm) the 14 days preceding the event the 28 days preceding the event
Figures 1 and 2 are given as examples for the AIX ZUP catchment. Figure 1 gives for the two first components plane, locations of variaFigure 2 givec for same plane, bles (indicated by their code numbers). locations of individuals, i.e. of "events". For the three first COmponents, the total explained variantes reaches
Figure
1.
Principal
Compo~wn
Location
Cstdrmf:nt
: AI%
ZUP
Figure
2.
Principal
Catchment
: AIX
ZUP
.6--
11 -
13
I -. I -. I c -.4 1 m -. 1 I
.e--
1 1 .
1 A
1 .6
Axis I .D
1 .
4
-.2
1%
s
a
146 67 t (LI:S ULIS) t-0 72 ':t (AIX ZUl') . 'l'hc di:;LrihUtiOI~ mach comyonent is r.imilar from onct catchment Table Cstchments AIX ZUP AIX NORD LES ULIS YAUREPAS 4. Percentage Axis 1 (%) 33 33.5 33.6 38 of cxplainccl Axis 2 (E) 22.6 21.4 19 19
of
percentages of explained variante, for one givcn component, are However, indicate that "SS events" space dimcnsionality rather low, which should could not be reduced without sgnificant losses of the information content. That last observationis confirmed when looking at the correlations between principal components and variables. Results listed in They indicate that the first component Table 5 are rather homogeneous. is mainly characterized by VR, QMAX and ITC, the second one by H7, H14 and H28, while the third one is not SO well defined. Table Catchments AIX ZUP AIX NORD LES ULIS MAUREPAS 5. P.C.A. Axis 1 Axis characterization Axis 2 Axis css DP 3
cannot be defined by only a Finally P.C.A. confirms that a "SS event" few variables as indicated by multiple regression analysis. Moreover, should be characterized by rainfallP.C.A. shows that such "SS events" variables of the runoff variables (VR, QMAX, ITC, IMAXS) and climatic period preceding the rainfall-runoff event to be considered (H7,H14,R28, DTS). Among these last ones, the only DTS variable, seems to be inadequate for a precise knowledge of the runoff SS process, evaluated by the measurement of CSS at a given catchment outlet. KALMAN FILTERING APPROACH
The Kalman filtering procedure (KFP) is a well-known adaptative process, of linear regressions in order to optimizing the regression parameters take into account systematic errors or random changes that could occur, The process Will not be described here between two successive events. and the reader Will find more detailed informations in a lot of referentes (Mehra, 1970 ; Amirthanathan, 1982). has been performed on the simple K.F.P. the events being CSS = f(IMAX5 or DTS), classified classical KFP use , then being values. Errors structures estimates regression equations, i.e. ordered in time in a first in order of increasing
CSS
structures are known. In our K.F.P. may be efficient when the errors of IMAX5 or DTS measunot only contain systematic errors case, errors but also errors of simple linear regression mode1 adequacy. rements,
147 As CSS rcsult:; in a arcs1 rsinfall-runoff I)rocrfss, mcan arca rninlall intencity durillg 5 minutes, 1~~15, r;i~ould tje mort adcquatc than point IMAX5. We have made thrb assumption that thc variancc of errof SI should aTm corresponding hc parsbolic according to Figure 3, thc minimum value to mean IMAX5, IMAX5, SIm = 0.05 m. For DTS we have made the assumption thst the variante of errors of measuremcnts is in inverse ratio to DTS it self (cf. Figure 3). Effectively the measurements of the very short dry periods have secmed to us to be the most tainted with err:r. Figure 3. Variante of the errors of pTS and IYfiX5 measurements.
I ! SI
z Slm
si Ts.s. b) IvAX5
a) DTS
has been defined in order ," For the mode1 adequacy the errors structure According to Mehra (1970) to satisfy optimality filtering conditions. this implies that the residuals V = (CSSo - CSSc), between observed and residuals calculated values of CSS, must be a "white noise", i.e. the It cari be shown that autocorrelation coeffi' should be purely random. TZ,, "k, must be+in the confident interval, the cients with a lag j = l,... 95 % confident limits of which being - 1.96 & (N = sample size). GV Optimality conditions lead to slowly adaptative filtering procedure which is in agreement with our qualitative analysis by the Kalman filtering process. Results For for C.S.S. time series studied simple linear relationships SUC~ as : = A + Bx(IMAX5 or DTS) css looking for A and B optimized parameters, according to K.F.P. The procedure has been first performed for an homogeneous sample, excluding high CSS and DTS or IMAX5 values, then for the whole sample. Figures 4 and 5 give examples of temporal variations of optimized A and B parameters (Figure 4) and-correlographs of v residuals (Figure 5) .for No specific trends have been detected, even if A and AIX ZUP catchment. B parameters have been adapted according to K.F.P. Returning to events for which A and B signif icant changes cari be noted, it has not been of hydrological or climatic possible to find systematic combinations the period preceding these parameters which could explain them, during This may be due probably to the low filtering significant changes. combined to the rather low adequacy procedure which has been adopted, of the linear regression model. 'However, the KFP procedure detect local changes that failures in the:measurement allows to test the CSS time series They may be related cari be analysed. procedure or to specific event. and to to some each catchment we have
148
(,.
.Y
Fig.4 Results
Temporal for
variation AIX
of ZUP
residuals
C.S.S.
classed
We have made the assumption that This is a less frequent use of K.F.P. C.S.S. measurement was a stationnary process. We have SO tested the efvalues on A and B reqression parameters accorfects of increasing C.S.S. ding to K.F.P. For IU.XS,'Fiqure with increasinq were established. the only INAXS. 6 indicates a reqular increase of A and B parameters However no significant polynomial fits C.S.S. values. should be explained by other variables than SO C.S.S. could be fitted (Hmain, 1980) -b DTS ) or bysuch : anequation = a DTS/(b catchments as proposed DTS + c) during the dry by
c..
For DTS the trends other investiqators P: ( DTS ) =a(l-e N beinq weathei
. . . . .._..._._.._.............-.
_.m.m..
A -..-- . -1
-.
B . .e. .*.--..-. -................ . . I I . - * t 6 ::
Figure (C.S.S.
6. Variation of regression parameters. Catchment : AIX N0P.D classed in increasing order of magnitude) C.S.S. = A+BxIYAXS
149 Thc mcn C.S.S. valuc:: of ttlr: natioric?l rllnoff cju;~l.ity ~r~ea:;~r~rnc~nt rJrr.,gram, supported by the Trxchnical Scrvicc of Urtjanization of tt,p French Elinistry of Urtanization and Ilousing, have been ana1yscd hy threc complcnu.ntary proceclurcs, in order to detcct the main explanatory variables of C.S.S. values. The classical "s tepwise" procedure bas shown that 50 % of thc total variante should be explained by one or two variables only. These are : - mcan maximum 5 minutes rainfall intensity IMAXS which should cilaracterizc rainfsll intensity and solids transport indirectly - dry westhcr duration DTS which should characterize solids accumulation and consolidation. The weight of these two variables seems to be different for different climatic conditions encountered in the studied catchments. The Principal Components AnalGis indicates similar results as the first axis characterizes hydrological parameters effects (rainfall-runoff) while the second one mainly reflects climatic parameters influences during the period preceding a given event. The Kalman Filtering Procedure, has been performed on C.S.S. time series and C.S.S. ordered in increasing values. The general trends indicate that C.S.S. modeling is depending on antecedent weather conditions and on the magnitude of hydrological variables. The K.F.P. has allowed to detect "unormal" events that Will be separately examined in order to increase modeling adequacy. They cari be due to experimental failures in the measurement process or to natural departures from ,modeling concepts. The three procedures lead to the same conclusions : i: - antecedent climatic conditions during a not yet well defined period' preceding a given rainfall event have great influences on C.S.S. values, - the whole solids transform process cannot be precisely modelized by linear mode1 between C.S.S. and hydrological or classical parameters, even in the case of small well defined urban catchments with autocleaned sewers. In order to go further in solids 'process modeling we need some more ;Y informations and measurements. Conceptual modeling of different steps of the whole process (production, consolidation, erosion) should be established with specific measurements including climatic variables (mean speed wind, wetness, etc...). Moreover C.S.S. measurements should be carefully checked in order to limit uncertainties increasing C.S.S, modeling difficulty. REFERENCES Amirthanathan, G.E.(.1982). Contrib. des techniques de filtrage optimal quelques problmes hydrologiques. Th. D.I., U.S.T.L. Montpellier. Chatfield, C. and Collins, A.J. (1980). Introduction to multivariate analysis. Chapman and Hall ed. London. Approche mthodologique pour l'tude de la pollution Hmain, J.C. (1980). du ruissellement pluvial urbain. Th. D.I., U.S.T.L. Montpellier. Hmain, J.C. (1981). Statistical analysis of runoff quality data from french and U.S. catchments. 2nd conf. on Urban Storm Drainage, 2, Illinois University, Urbana. Hmain, J.C. (1983). Mesure de la pollution du ruissellement pluvial urbain. Suivi et bilan de la campagne de mesure. LHM 21/83.U.S.T.L. On the identification of variantes and adaptative Mehra, R.K. (1970). on automatic control AC15 n02,p.175-184 Kalman filtering. I.E.E., Trans.
,.
150 TSS, BOD5 AND COD ACCUMULATION AND TRANSPORT SURFACES: A MODELLING APPROACH fric Servat Laboratoire d'Hydrologie Mathematique Universite des Sciences et Techniques Montpellier Cedex 34060 France OVER URBAN
CATCHMENT
du Languedoc
Introduction awareness of pollution prohlems in urban This is the reason why, in France, a national sewer management. experimental program on urban runoff pollution has been started In the study reported in this paper, the data which have (3) been collected for more than one year from the four experimental catchments (Maurepas and Les Ulis near Paris, Aix-Zup and Aix. Nord in Aix-en-Provence) have been used. We propose here to develop a modeling approach for the production-accumulation mechanisms and for the surface transport of TSS, BOD5 and COD. summarize the main results and refer the reade,r For TSS, we Will to already published papers (5). Several rainfall-runoff pollution modeling objectives cari be theoretically defined. Nevertheless, the nature and accuracy of the available data Will set certain mode1 limits. Within the defined framework of the monitoring was carried French experimental catchment program, The raw data were out at the outfalls of various watersheds. based on several samples collected during rainfall events and thus sampling cari be viewed as a spatially-varying'phenomenon that cari be characterized by a pollutant mean concentration value, The modeling approach we have developed is directly. derived from the objectives of the national monitoring program to determine estimates of transported pollutant mass over a long duration (about one year) and for a "space scale" which relates to small catchments (less than 50 ha).
l
There
is
an increasing
NATO ASI Stries, Vol. GlO Urban Runoff Pollution. Edited by H.C. Torno, J. Marsalek, 0 Springer-Verlag Berlin Heidelberg
151 Empirical modeling of the rainfall-runoff process has been shown to possess certain limits (5). Moreover, it appears that the determination of statistical relationsips would be unduly influenced by high magnitude events for which the probability of occurrence is quite low. For these compatible and with reasons a conceptual procedure is proposed which is with the representativeness of the sampling program the trends arising from the data analysis (5,6). and Transport the main (2,s). model, Modelling results Approach for the modeling ap-
TSS Accumulation
This section summarizes proach developed earlier A linear theses, TSS accumulation was selected :
based
on the
following
hypo., .
- A constant production rate within a given time interval:;:: - An initial mass of pollutant (stock) close to the final one on the surface of the catchment when considered over a long time period. - The transported mass during an event i is less than or equal to the available one, i.e., EiIMdi. In such cases, the to the dry weather accumulated period: mass is taken to be proportional
. ..c
Ai = Pr x DTSi in which Ai :
(Eq.
1)
= accumulated mass (kg) over catchment surface during dry weather period DTSi (in time interval units) which separates rainfall events i and i-l. rate during a time interval (kg/time Pr = TSS production interval unit).
(5):
i=l
2, was checked such Prr as computed by Equation straint Ei f Mdi was appropriate for each event. The computed consideration daily are: production rate for the
that
the con-
catchments
under
Examination of the chronology of sampled rainfall events cari determine successive residual masses over the catchment surfaces within the limits of an undetermined constant. Indeed, we have assumed that a full surface "wash UP" has been reached once in order to be able to compute Pr (sec Fig. 1, Maurepas Given that the previous hypotheses was verified, example). the proposed linear accumulation mode1 was adopted in preferasymptotic accumulation, power function ence to others (e.g. accumulation, parabolic accumulation with an Upper limited With regard stock, different from the chosen criteria)(5). t0 TSS transport, the objective of the modeling procedure was to reproduce the transported mass during each event and also the total transported mass within the observed event series. Three control variables were chosen for this step:
153
RiO%)
8000
6000
4000
2000
numbers ,
0 Figure
20
40
60
80
120
after
- Available mass, Md (kg) - Maximum intensity within Imax 5 (mm h-1) - Runoff Volume, VR (m3) The chosen mode1 is: Imax5 B VR -f
a five-minute
time
interval,
E = K.Mda in which:
(Eq.
3)
mass during any E = transported VR = defined above Md, ImaxS, peculiar K, a, 8, Yt = parameters
event to
154 t Mode1 parameters were identified using Rosenbrockls based on the minimization of the sum of the square viations between observed and computed values, subject the two fOllOWi.ng constraints: - The transported - The transported available one. Table 1 summarizes Table 1 the mass cannot mass cannot be negative. be greater method
of the
(4),
de-
to
than
the
values
of K, CY, fi and 7. for each catchment VR MAUREPAS 0.412 0.165 . 0.921 0.382
K, CY~ 8,
7 values
ImaxS
In each case the different parameters have comparable values. This is interesting and positive in SO far as one one of the aims is to obtain a transport law that could be generalized, at least in tenns of its form. Results expressed as deviations and criterion functions are given in Table 2. The reproduction of the total observed transported mass shows reasonable accuracy as an absolute value. For events with high transported masses, the difference between observed and computed mass varies between c 10% good, since it embraces most of the - and + 30%. This is quite particle masses which are discharged to the receiving waters.
155 Table 2 - Results for the Total Suspended three Solids exqerimental - TSS VRY LES ULIS MAUREPAS catchments:
carried
mass 225.56 14 .l% mass 50.981 - 5.8% - 6.1% - 5.6% 92.757 -i- 5.3% 1.4% 9.8% 417.70 10.7% 187.25 1'0.6% 20.408 - 13.0% 12.0% - 33.6% '
Observed and computed total mass deviation (%) Deviation-calibration (%) Deviation-verification Y (%)
Rainfall intensity within a five minute time interval is the lowest time boundary used to determine rainfali aggressivity during the French national program. The use of other rain gauges with very low integration times should supply data on rainfall aggressivity which is even more representative. Additional climatic variables such as wind speed, humidity, etc... would further improve the results.
and Transport
Modeling
Approach
a statistical analysis of the observed mean As a first step, concentrations and masses was performed (6). The results are similar to those we could get for TSS. Concerning the observed BOD5 and CCD masses, which are the parameters we are interested in, the explanatory variables seem to be Imax5 and VR, and to
156 a lesser degree the dry weather period events (DTS). The transport mode1 Will first results. up from these hetween two be partially rainfall built
Accumulation Modelling Approach Four pollutant accumulation models were tested asymptotic model, a power function, a parabolic Upper limited stock, and a linear model. The asymptotic M(to) model: e-K(t-tO) Pr + -(lK e -K(t-tO))
(Eq.
4)
mass
in
time
accumulated
particles during
= pollutant (kg/time
this mode1 was found to produce daily rates much too Rowever, if the asymptote is reached after high, for BOD5 and COD, except Such a mode1 is not appropriate a two month period (K = 0.025). for which the time scale is on the order of a for a phenomenon The power function mode1 cari be written: "few daysl. M(t) in which : t (kg). production + a t" (E9 5)
. 'and
mass in time M( t.1 = accumulated a = function of the pollutant a time interval, Pr. n 4 1.
rate
during
TO compute -
a,
that
for
tc
= x days,
we have: (Eq.6)
d M(t) dt
t = tc It is then possible to compute a and Pr for different values of n. Plausible values of daily production rates of pollutants (BOD5 and CCD) were reached for low n (n = 0.2) and high tc (tc = 60 days) (see Table 3). Table 3 - BODg and
COD Daily
Production
Rates
'; as for the previous scheme, these results are not However, TO get such values representative of the studied phenomenon. 6 is confirmed with tc = 10 days, n should,' of Pr, if Equation be about 10'3 or 10e4, which has no meaning. For the paraholic M(t) mode1
t2
with
an Upper
limited
stock: (Eq. 7)
= - a-+Prt 2
i50 . It has verified. also been assumed that The Upper limit of dM(t) dt = 0 t = t lim for the tc = x days, Equation 6 is stock is reached when:
(Eq.
8)
As in the two previous modeling approaches, we have computed pr for several hypotheses. Results do not agree with the "timeof the phenomenon in SO far as they seem to be plausible scale" for t values about 60 days for BOD5 and for COD, as given by Equation 6.
As a result, the linear accumulation mode1 was chosen. Concep: it may not be the most satisfactory model, given that tually, such a mode1 does not consider the degradation phenomenon that should occur with BODg and COD. However, the measuring procedures may not be accurate enough to allow a modeling approach that integrates pollutant degradation. Given the hypotheses developed for TSS:
- A constant production rate within a time interval. - An initial stock close to the final one on the surface catchment when considered over a long time observation. - The transported mass during an event i less or equal to the available mass (EifMdi). It is then possible to Write Equation 2 for BODg and COD:
i=l Pr =
Ei
DTSi i=l Ei DTSi = = transported mass during the dry weather period events i and i-l. a rainfall event i which separates rainfall
159 The computed Table daily production rates are in Table Rates, 4. Linear
Production d-1)
Results agree with previous hypotheses except for Les Ulis, where the final stock is very different from the initial one, considering BOD5 as well as COD. This could be due to a measuring procedure failure but this cannot be confirmed. This is the reason why two transport modeling approaches have been ~. The first one considers the available mass as a vartested. the second does not (since none of the iable of the model, accumulation models tested is fully satisfying). Transport
As
Modelling before,
i1 ,,, TSS
mentioned
- Available mass, Md (kg) - Maximum intensity within interval, Imax5 mm/h) - Runoff volume, VR (m3)
a five
minute
time
160 - The second one considers the catchment surface: requested, and a second is sometimes requested factor. In this case, tient, Imax5 and VR. E = K'
For
a two-level pollution stock on a first level which is usually one, called "deep level", which but which cannot be a bounding two control The proposed variables equation are suffiis given by: (Eq. 9)
Imax5
VR
Y'
BOD5 and COD, parameter Rosenbrock's method (4). types of constraints were - The transported - The transported available one. For the applies. second modeling
was carried out using the first approach, two each everit:
be negative. be greater
than
the
approach,
only
the
first
constraint
*E=KMd
Imax5 B
are K, ffl @ and Y values deviations and criterionBCD5 and COD, respectively.
Table
5 - K, cy, 0,
Y Values
for VR
each
Catchment
E = K Md Imax5 AIX-ZUP BOD5 K ff P Y 1.255 -0.069 0.989 0.227 COD 0.795 0.313 0.780 0.226 LES ULIS BOD5 0.555 0.126 0.217 0.451
MAUREPAS BOD5 0.361 0.223 0.500 0.291 COD 0.122 0.630 0.807 0.142
161
Table
6 - BOD5:
Results
for
the
Three
Catchments
MAUREPAS
41.8
13.1
mass
13.1% 1.208
. 7.9%
0.528
13.7%
0.145
Observed and computed total mass deviation (%) Deviation (%) calibration
10.4%
-6.1%
2.5% -14.7%
57.6%
5.8% 26.8%
38.5% 73.4%
Deviation-verification
Table
7 - COD: Results
E =
for
the
Three
Imax5
Catchments
K Md cr
AIX-ZUP Average
(kg)
MAUREPAS
carried
9.8% 21.607
7.6% 11.738
12.0% 4.699
-5.2%
6.5%
73.4%
-1.0% 19.8%
3.0%
26.6%
Deviation-verification (%)
11.5%
137.6%
162 Strictly speaking, this mode1 should not have been used with Les ulis data because one of the assumptions of the accumulation mode1 was not met. The results are not as good as they were with TSS, especially those on the Maurepas catchment. There are large differences between calibration and verificatien results. Therefore, if the reproduction of the total observed transported mass is quite accurate (excluding Maurewe cannot say that the proposed modelling approach is pas), a fully satisfying one. * E = K'ImaxS B' VR 7'
Y' values are K'r B'and deviations and criterion ~0~5 and COD, respectively.
given in functions
Table are
8. in
Table
8 - K',
@',
and
Y'
Values
for VR"
each
Catchment
E = K' AIX-ZUP BOD5 K' P' 7' 0.994 1.085 0.148 COD 1.252 0.793 0.464
MAUREPAS
~-
Deviations between observed and computed masses are similar to The reproduction of the total those of the previous model. observed transported mass is not as good as it was with TSS, since differences between calibration and verification results results are of the same are not at a11 negligible. However, The investigation shows order as those obtained previously. that for the events with high transported masses, the differ-
Table
9 - BOD5:
Results
for E = K'
the
Three
Catchments
Imax5O'
AIX-ZUP Average
(kg)
MAUREPAS
carried
12.6% 1.121
7.8% 0.520
11.5% 0.103
Observed and computed total mass deviation (%) Deviation-calibration (%) Deviation-verification (%)
Table
10 - COD: Results
for E = K'
the
Three
Catchments
Imax5 0'
AIX-ZUP Average
(kg)
MAUREPAS
carried
Average quadratic deviation as a % of. the average carried mass Criterion function
9.1% 18.502
7.4% 11.150
10.9% 3.948
observed and computed total mass deviation (3) Deviation-calibration (%) Deviation-verification (%)
164
ence between observed and computed masses is usually between + 10% and 2 30%, which is interesting in SO far as it embraces most of the particle masses discharged to the receiving waters. For the use the available inclusion etc... same level of accuracy, it seems more appropriate to second model, because it is not necessary to compute masses of pollutant. For TSS, we think that the of climatic variables such as wind speed, humidity, would further improve the results. integration times, shorter time be even more urban areas, the most important since once they they are almost
Likewise, more rain gauges, having very low 1 could have shown much'higher intensities with intervals (30 seconds or 1 minute) that would representative of rainfall aggressivity. In rainfall aggressivity must be considered as index to explain the transport of pollutants, have been entrained from the ground surface certain to be flushed by the runoff. Several other E = K' E = K' formulations Md (1 - e-p' (1 - e -8' (1 Imax5 P' E = K' in which: DR = runoff They were not duration for (days). several deviation to another. reasons: which varies Imax5 B + 6 DR+ vg' Y VR+CI were Imax5) ImaxS) vRY'
I
not
adopted
(61,
including:
VRY'
E = K Eld"'
adopted quadratic
- A mean one
too
much
from
catchment
165 - The criterion - Differences high. Conclusions Using data from a national experimental measurement program, the modeling objective was to reproduce the total TSS, BOD5 and COD loads for selected urban catchments. A two-step approach involving accumulation and transport was first performed. This approach led to good results with TSS. A linear accumulation mode1 was chosen, which depends on a constant daily production rate and on the assumption that over a long time period the total mass produced Will be removed. Simulation and rainfall-runoff TSS transport was achieved using a threevariable mode1 (available mass, rainfall intensity within a :', five minute time interval and runoff volume). The results are good (2 5%) in SO far as over a long time period the total transported mass cari be reproduced by the following model: E = K Md" Imax5' VR' function shows between calibration high values. and verification
are
The same two-step approach did not lead to the same level of accuracy for BOD5 and COD, given that catchments could not satisfy the assumptions in the accumulation models tested. A one-step tried to simulateon rainfall-runIn this case, only two control off BOD5 and COD transport. variables were retained. This mode1 is conceptually different because it assumes that available mass is not a limiting facter.. Results are good enough (+ 10%) SO that over a long time the total transported masses of BOD5 and COD cari be period, reproduced using the following relationship: E = K' The TSS. results, however, Imax50' are VR7' not as good as those obtainod for approach was then
catchment, BODg and COD computed balances are irrespective of the approach used. NO always overestimated, explanation could be given for the discrepancy. More generally, for each pollutant and for each of the retained approaches, with respect to small events the reproduction of the observed masses is not very good, because the relative influence of one or another of the variables is not well known. For large-scale events, the level of accuracy (from + 10% to + 30%) seems to be very acceptable. The modeling of pollutant accumulation and transport presented here is undoubtedly subject to improvement. improvement, however, would require the acquisition different data such as wind speed, humidity, etc.., thodology and a measurement protocol better suited Likewise, other modelling objectives tant sampling. be developed. Such formulations would necessarily alternative views depend on shorter include pollutogram the prediction of References 1. Chatfield, analysis. C. and Collins; A.J. Chapman and Hall ed., Introduction to multivariate London. 1980. of the modeled time intervals. reconstruction, receiving water phenomena Such an of more and or a mepollumight provide to be
For
the
Maurepas
phenomena, since they would Such 'formulations could eeal-time management, and discharge.
2. Desbordes, M. and Servat, E. Solids in urban runoff. StatistiThird Internacal analysis of French experimental data. tional Congress on Urban Storm Drainage, Goteborg, Sweden, 4-8 June, 1984. Mesure de la pollution du ruissellement 3. Hemain, J.C. Rapport 1 : Suivi et bilan de la campagne pluvial urbain. Laboratoire d'Hydrologie Mathematique, USTL, experimentale. Note LHM 21/83. 1983. Montpellier, France. An automatic method for finding the 4. Rosenbrock. Computer Journal, or least value of a function. P= 175, 1960. greatest vol. 3,
167
--.
5.
Servat, E. Contribution a l'etude des matieres en suspension du ruissellement pluvial a l'echelle d'un petit bassin versant urbain. These de Docteur-Ingenieur, 29 juin 1984, USTL, Montpellier, France, 182 pages + 189 p. annexes. 1984. Servat, pluvial logie 11/85. E. Etude de la DR05 et de la urbain. Essai de modelisation. Mathematique, USTL, Montpellier, (a paraitre). 1985. DC0 du ruissellement Laboratoire d'HydroFrance, Note LHM
6.
OPRATION 168
PROPOSITION DUNE MTHODOLOGIE DE MESURE DES MATIRES SOLIDES EN SUSPENSION PRSENTES DANS LES-EAUX DE RUISSELLEMENT PLUVIAL
M. Desbordes,
Laboratoire dliydrologie Mathmatique, U.S.T.L., 34060 MONTPELLIER Cdex France
E. Servat
Dfinition Rsum
Pour diverses raisons, il parat lgitime de sintresser au polluant particulier que reprsentent les matires en suspension (MES), (elles sont responsables du colmatage des fonds et des berges, de /a baisse de lactivit photsynthtique, de dpts dans les rseaux, etc...). Rsoudre les problmes qui y sont aitaths passe par la mise au point dune mthodologie approprie permettant dobtenir des chantillons de bonne qualit. On dcrit ici /a chane de mesures telle quon !a conoit dans les meilleures conditions pour chacune des tapes du ~~cycle~~ des MES: production, accumulation, entranement en surface, transport dans les rseaux. Il apparat cependant que, pralablement toute campagne de mesure, il serait ncessaire de sintresser la nature des MES transportes et leur compotfement (existence de gradients de la concentration par exemple). Les, propositions faites dans le cadre de cette tude ont pour objectif damliorer la qualit des donnes eu gard au large foss qui existe entre la nature des informations recueillies et la puissance des outils (mathmatiques et informatiques) dont on dispose pour les analyser.
des objectifs
Limpact des Matires en Suspension (MES) du ruissellement pluvial urbain sur le milieu rcepteur et les problmes quelles posent aux gestionnaires de rseaux ne sont en rien ngligeables. Les MES sont responsables du colmatage des fonds et des berges: leur prsence en concentrations leves entrane une baisse de lactivit photosynthtique. Un grand nombre de polluants et de toxiques fixs sur les MES, par adsorption ou par liaison lectrostatique, sont vhiculs et relchs dans le milieu rcepteur, pouvant occasionner ainsi des dommages importants. La prsence de particules dans les rseaux conduit bon nombre de problmes: colmatage des canalisations, rduction de la capacit hydraulique des collecteurs due Iaugmentation de la rugosit des parois, diminution des sections dcoulement, etc... Lintrt dune tude exprimentale portant essentiellement sur les Matires en Suspension parat donc vident. Or, notre connaissance, la grande majorit, sinon la totalit, des campagnes de mesures ralises jusqu prsent avaient pour objectif lvaluation simultane de plusieurs paramtres de pollution. Ctait le cas, notamment, de la campagne nationale franaise mene sur quatre bassins versants exprimentaux (J.C. HEMAIN, 1983). Une approche de ce type convient une valuation globale du phnomne de pollution des eaux de ruissellement pluvial urbain, mais ne convient pas lorsquil sagit de sattaquer aux problmes poss par un type de polluant particulier tel que les MES. II faut donc, dans ce cas, dfinir une mthodologie spcifique. Une bonne connaissance dun phnomne passe par son valuation au cours des diffrentes tapes du ~~cycle~~ qui le caractrise. Dans les meilleures conditions, on chercherait donc atteindre, par le biais de la mesure, la production des MES, leur entranement par la pluie la surface des bassins versants, leur transport dans les rseaux et leur rejet dans le milieu rcepteur. Bien comprendre comment ragissent les matires en suspension aux caractristiques pluviomtriques et dbitmtriques des averses auxquelles elles sont soumises passe par une srie de mesures sur un bassin versant dont le rseau ne comporte pas de singularits. Cependant, les collecteurs sont trs souvent quips douvrages particuliers (puisards de rue, chambres sable, bassins de dcantation, etc...) dont le fonctionnement au regard des MES est une des proccupations des gestionnai65
Abstract
For many reasons it cari be right to be interested in the specific pollutant that are total suspended solids (TSS) (they are responsible for the choke of beds and banks, for the photosynthesis drop, for the choke ofpipes, etc...). TO solve these problems the solution could be to establish a well fitted methodology to achieve good qua/& samples. The measures have been described, for what would be the best conditions, for each of the TSS (cycle stages: production, accumulation, surface transport, sewers transport. But before any measure campaign it seems that it would be necessary to look over transported TSS nature and behaviour (concentration rates for example). Propositions made in this study aim to improve data qua@ because of the important cifference that exists between collected data nature and tools power (mathematical and automatic) that cari be used to analyse them.
SCIENCES
ETTECHNIQUES
169
res <de rseaux. Supprimer lun des deux aspects du problme reviendrait navoir quune connaissance partielLe du phnomne. atteinte durant ce laps de temps. Or, dans le cadre de la campagne de mesure exprimentale franaise, par exemple, la priode denregistrement de lintensit moyenne maximale la plus courte tait de cinq minutes.
120 110 94 90 100 80 70 60 50 45.6 40 30 20 10 0 14h41 14h42 14h43 14h44 14h45 14h46 14h47 141148 14h49 14h50 . __ _ _ _ - _ _ - - _ _ _ - _ _ _ . . A 1: \
Proposition
Etude du 6yclel
dune
mthodologie
des MES
La procdure que lon retiendrait dans le meilleur des cas consisterait : l quiper au moins N bassins dans un mme site urbain si N est le nombre de types doccupation des sols tudis, afin danalyser les phnomnes pour une mme chronologie de pluies et dpisodes secs: l quiper au moins N autres bassins dans un site diffrent pour mettre en vidence une ventuelle influence climatique. Lquipement de ces bassins devrait permettre la ralisation de mesures au niveau des diffrentes tapes que sont la production, laccumulation, lentranement, le transport en rseauetle rejet des MES dans le milieu naturel (E. SERVAT, 1984). Les bassins versants slectionns devront satisfaire ,un certain nombre de contraintes destines viter tout apport extrieur au (cycle), des MES (J.C. HEMAIN, 198O)f On-sefforcera donc de choisir des bassins versants (BS.): l sans activit polluante occasionnelle, l sans chantier de terrassement, l sans pollution atmosphrique spcifique (proximit dune usine trs polluante par exemple), l sans nettoyage des rues. Ajoutons, en outre, quen fonction de leur taille, les B.V. devront tre quips dun nombre de pluviographes suffisant pour prendre en compte la rpartition spatiale des pluies. Etude du fonctionnement MES des singularits au regard des
Figure 1. intensits releves Issy-les-Moulineaux le 2/9/79. Comparaison entre lintensit sur un faible pas de temps dintgration et sur une dure de cinq minutes.
Lessentiel des sources de pollution nest pas directement accessible la mesure (rosion des surfaces permables ou impermables, trafic routier, rejets de dchets, etc...). On peut, cependant, valuer la contribution de latmosphre, en sparant retombes sches et pollution entraine par la pluie au cours des averses. Cest lobjet de lappareillage dcrit dans la figure 2. *
1 2-
Une premire approche peut tre la ralisation des mesures en entre et en sortie des ouvrages ou des singularits concernes. Elles devront stendre sur une dure suffisamment longue pour tre reprsentative au niveau pluviomtrique. Cependant, ces rsultats seraient gnralisables si les modes de fonctionnement hydraulique internes taient semblables. Ce nest pas le cas, il faudra donc sattacher galement a mieux les dfinir.
6X==
10
,\
ZZZ
11
La chane de mesures
Conformment la mthodologie dfinie, dune part les mesures raliser au niveau tapes du eccycle,) des MES et dautre part prendre pour tudier les phnomnes dans on envisagera des diffrentes celles entreles singularits.
II
a A
Figure 2. Mesure humides,. g; (1) et (2) (3) et (4) (5)
4% "
de la qualit
u B
des prcipitations sches et
Au niveau des diffrentes tapes du sccycle,, il y a, dune part, les mesures effectuer en surface des bassins versants et, dautre part, celles qui concernent le transport dans les collecteurs. Pour ce qui est des premikes, limportance de lintensit pluviomtrique sur de courtes dures ayant t tablie (E. SERVAT, l984), il convient dutiliser des pluviographes qui soient en mesure de rendre compte du caractre agressif de la pluie. La figure 1 obtenue partir dun appareil mis au point par A. AZOULAY et al. (1979) montre que pour un pas de temps de cinq minutes, la zone dintensit moyenne maximale (Imax5) ne comprend pas la pointe dintensit la plus leve, et ne rend que trs peu compte de lintensit
SCIENCES ETTECHNIQUES DE LEAU, VOL. 19, NO 1, F@.RiER 1986
(111
Piuviographe <(sec>) Pluviographe <(humide)) Couvercles Mcanismes dentranemnt de (1) et (2) Dispositif de pigeage lectrostatique des prcipitations sches Augets bascuieurs Rcipients [lavage eau distille pour (a), pluie pour (WI Commande (3) et (4) asservie (6) [hauteur donne pendant une dure donne]. Un systme de relais chronomtrique reli a (11) pourrait remettre le dispositif a zro (a) ouvert, (b) ferm. Enregistreur de pluie 67
Laccumulation des particules la surface est une tape difficile atteindre par la mesure. D.G. SHAHEEN (1975) a montr que les diffrentes techniques utilises taient assez peu efficaces. La mesure des matires en suspension entranes par le ruissellement de surface est, dans ltat actuel des choses, le seul moyen dapprocher globalement plusieurs tapes du wcycle~~ des MES : production, accumulation et entrainement en surface. Nous proposons donc dfquiper un certain nombre davaloirs de rues sur un mme bassin versant, laide du dispositif dcrit dans la figure 3 qui permet de prendre en compte la mesure du dbit. Les observations qui en dcoulent seront reprsentatives dune petite partie du. B.V..,. a priori homogne, et en tant que telles elles peuvent apporter des informations intressantes en ce qui concerne. le comportement de petites units urbaines au regard des processus de production et daccumulation des MES.
On peut tudier le phnomne dentranement des particules en termes nergtiques. Cest reprendre, alors, la dmarche de VELIKANQV (V. MILISIC, 1978) qui consiste poser quun coulement dont les caractristiques hydrauliques sont connues possde une capacit de transport prcisment dfinie. Nous avons cherch dterminer le comportement des MES en fonction de leur rpartition granulomtrique pour diverses conditions dcoulement. Notre objectif tait de mieux cerner les cas pour lesquels des phnomnes de sdimentation avaient pu se produire, mettant ainsi en doute la reprsentativit des chantillons prlevs. Les simulations effectues lont t partir de deux hypothses granulomtriques diffrentes (Tableau 1). La premire dentre elles est celle qui se rapproche le plus de ce qui semblerait tre la granulomtrie des MES du ruissellement pluvial (prs de 50 % des particules de dimension infrieure 50 CL).Le comportement de ces deux distributions granulomtriques a t analys pour diffrentes valeurs de pentes, de diamtres des collecteurs et de couples witessedbit,> dans le cas de concentrations en particules variant de 0.1 g/l 1.5 g/l. Les conditions hydrauliques de lcoulement permettent de dfinir 3 situations (figure 4):
f(U,J)
Figure 4. Courbe donnant les trois scnarios tion des conditions dcoulement. Figure 3. Principe (1) (2) (3) (4) (5) (6) (7) dchantillonnage dans un avaloir. possibles en fonc-
avaloir (ventuellement muni dune grille) crpine dchantillonneur automatique (sur trottoir) grille de transquilisation escamotable dversoir triangulaire vers Igot sonde de mesure de niveau deau bac de mesure fix dans lavaloir
l l
Erosion: lnergie fournie par lcoulement autorise le transport des MES et rode les dpts existants sil y en a et sils nont pas chang dtat lors de la mise sec des collecteurs (induration des dpts, transformations chimiques, etc...). Transport: lnergie fournie par lcoulement rend possible le transport des MES de Ieffluent. Dpt: les eaux sont trop charges et lnergie fournie par lcoulement est insuffisante pour permettre le transport des MES.
Les mesures effectues au sein des collecteurs sont dune autre nature. Mieux connues et ralises depuis fort longtemps, elles se heurtent dautres problmes. En effet, si de telles mesures peuvent paratre simples dans le cas de paramtres ltat dissous, elles sont plus complexes lorsquil sagit dchantillonner des particules solides inorganiques. Les types de transport des matires en suspension sont diverses (charriage, saltation, suspension) et les chantillonneurs classiques ne sont pas toujours bien adapts ces cas particuliers, dautant plus que lexistence dventuels gradients de concentration nest gnralement pas prise en compte.
66
Avec la premire hypothse granulomtrique (E. SERVAT, 1984),- les tableaux 2 et 3 et les figures 5 et 6 sont donnes titre dexemple -, on observe des dpts de MES dans le cas de faibles pentes (l/,. pour tous les types de collecteurs (du 0 500 au 0 2000). (emplacements tableau 2 et figure 5 - tableau 3 et figure 6) Le phnomne se produit pour des vitesses qui sont toujours infrieures 1 m/s. Le tableau 4 montre que la concentration entranant lapparition des dpts augmente avec la vitesse et le diamtre du collecteur. L
SCIENCES ETTECHNIQUES DE LEAU, VOL. 19, NO 1, FVRIER 1966
Tableau
i. - Diamtre retenues 1
171 des particules (CL), % en masse, vitesse de chute (mis), pour des simulations avec le modle de VELIKANOV
- Hypothse.
Diamtre des particules ( ~JJ % en masse Vitesse de chute en m/s
14
22 10 .00032
29 10 .00071
38 10 .00130
46 10 .00160
55 10 .0022
68 70 .0035
90 10 .0060
150 10 .0150
500 10 .062
10 .00016
- Hypothese
Diamtre des particules (~JJ % en masse Vitesse de chute en m/s
2
52 10 .002 82 10 .005 130 10 .012 200 10 .023 320 10 .042 500 10 .062 800 10 .090 1300 10 .120 1900 10 .155 3250 10 .190
Tableau2
- 0 500: Rsultats des simulations effectues avec le modle de VELIKANOV - 1 re hypothse granulomtrique.
Rsultats de la simulation V = .315 m/s V = ,470 m/s Dpts partir de .5 g/l Dpts partir de 1 g/l
Pente 1 %o 5 ?ho 1 %Y 3%
Erosion et donc transport pour toutes les situations, de 0.1 1.5 g/l. - idem - idem I 0.5 1 b
1.5
Tableau
3 - 0 1508: Rsultats des simulations effectues avec le modle de VELIKANOV - 1 re hypothse granulomtrique.
Rsultats de la simulation V = .7 m/s Transport .l g/l Dpts 1.5 g/l Erosion dans tous les autres cas Erosion dans tous les cas - idem -
V(m/s)
avec le
Figure 5. 0 500: Tracs des simulations effectues modle de VELIKANOV lw hypothse granulomtrique.
Pente 1 ?ho 5 %o 1%
Tableau
4 - Pente = 1 Y00 - Concentrations entranant lapparition de dpts diffrentes vitesses. Ire hypothse granulomtrique.
V = .315m/s V = .470 mis Dpts partir de .5 g/l Dpts partir de 1 g/l
pour
I .-
0500
0.5..
0 1000 V = .525 m/s V = .622 m/s 0 1500 V = .700m/s 0 2000 V = .900 m/s
Dpts partir de .5 g/l Dpts partir de 1.5 g/l Dpts partir de 1.5 g/l Dpts partir de 1.5 g/l
v b-d4
avec le
Figure 6. 0 1500: Tracs des simulations effectues modle de VELIKANCV lM hypothse granulomtrique.
SCIENCES
ETTECHNIQUES
69
172 Les autres situations correspondent des phnomnes de transport ef/ou drosion des matriaux solides. Les prlvements effectus dans ces conditions peuvent donc tre considr6 3 comme reprsentatifs, dans la mesure o Iappareillage, lui-mme, permet un bon chantillonnage. On a calcul un ordre de grandeur des concentrations en MES qui peuvent tre vhicules dans le cas dun faible taux de remplissage des collecteurs. Les simulations ralises correspondent un rapport Dbit rel/Dbit pleine section gal 0.2. En dehors des coulements faible pente (l/OO), on reste loin des capacits de transport maximales au sein des rseaux, et ce, mme dans le cas dvnements entranant de fortes concentrations en MES dans les eaux de ruissellement pluvial (E. SERVAT, 1984). Le tableau 5 est un exemple des rsultats auxquels nous sommes arrives.
dcanteurs, chambres a sable, etc..., il convient de procder une srie de mesures, en amont et en aval, afin dtablir des bilans massiques et de dterminer lefficacit de ces ouvrages. Sur un plan qualitatif, on procdera des analyses granulomtriques. La comparaison des rsultats obtenus aux courbes dtermines pour les MES transportes dans les rseaux devrait apporter des informations intressantes quant au fonctionnement des dispositifs particuliers placs sur les rseaux. Le second cas concerne des zones de fluides faibles vitesses susceptibles dentraner le dpt de particules gnant lcoulement. La comprhension et la suppression de ces dpts rsultent de lanalyse du problme en termes purement hydrauliques.
Conclusion
Comme nous lavons dit, jusqu prsent les campagnes de mesure ralises dans le but dvaluer la pollution des eaux de ruissellement ont cherch amliorer notre connaissance globale du phnomne. Dans ce cadre, les diffrents polluants ont t analyss partir dchantillons prlevs selon un protocole unique. Nanmoins, les matires en suspension ont, elles, un componement spcifique d leur granulomtrie et leurs modes de transport (charriage, saltation ou suspension). La matrise de ce type de pollution passe, dans un premier temps, par une procdure dchantillonnage bien adapte et permettant danalyser les phnomnes chacune des tapes du c<cycle>ades MES. On a vu que les retombes atmosphriques (sches ou entranes par la pluie) constituaient pratiquement, la seule source de pollution directement accessible par la mesure (aux erreurs prs lies lappareillage, aux phnomnes de turbulence atmosphrique, etc...). Quelques mesures de ce typeont t effectues, dans le cadre de la campagne de mesure nationale, qui ont montr que cet apport de MES tait peu prs ngligeable. On peut, nanmoins, souhaiter que des analyses de ce type soient ralises rgulirement durant les campagnes de mesure. De mme, des analyses de dpt de surface et deaux prleves lentre des rseaux sont de nature amliorer notre connaissance du phnomne ctdaccumulation entranement,2 des MES. Ceci va de pair avec Iinstajlation en surface de pluviographes trs faibles temps dintgration et dappareils de mesure de variables climatologiques qui jouent, nen pas douter, un rle important sur la structure plus ou moins agrge des dpts (vent, humidit). II parat ncessaire de faire prcder lchantillonnage dans les collecteurs de certaines tudes relatives la nature des MES transportes et leur comportement : analyses granulomtriques, existence ventuelle de gradients de concentration, etc... Une telle tude pralable permettrait de dfinir le modle de prleveur le mieux adapt et la part dinformation qui nous chappe pour des conditions dcoulement donnes (dpts partiels en cas de collecteurs faibles pentes, tri hydraulique lorsque la vitesse dcoulement diminue, etc...). Lapplication dun protocole comme celui-ci dans le cadre dune campagne de mesure portant sur des bassins versants soigneusement slectionns entranerait lobtention de mesures plus reprsentatives de la ralit. Ceci dit, daprs les rsultats des simulations effectues partir du modle de VELIKANOV, il existe un grand nombre de cas o les mesures peuvent tre juges reprsentatives bien quelles aient t effectues laide dun seul prleveur
SCIENCES E-l TECHNIQUES DE LEAU, VOL. 19, NO 1, FVRIER 1986
dans le cas dun faible taux de remplissage des collecteurs (Q/Qp.s. = 0.2). Modle de VELIKANOV. 1 re hypothse granulomtrique.
Concentration de transport possible (911) 7 20 120
Pente 5 %o 1% 3%
Les essais raliss partir de la seconde hypothse granulomtrique mettent en vidence des dpts plus frquents que prcdemment pour des pentes faibles et moyennes (I?i& et SO/,,). Avec une telle granulomtrie, comportant un pourcentage important de particules de grande taille (50 % sont suprieures 400 j.~), la totalit des matriaux prsents en surface ne se retrouverait pas en suspension. Dans ce cas, lchantillonnage ne serait que faiblement reprsentatif de la ralit. Nanmoins, une telle distribution granulomtrique est relativement exceptionnelle et assez loigne de ce qui.caractrise habituellement le ruissellement pluvial. Partant de ces rsultats, les prochaines tudes portant surles matires en suspension devraient sattacher vrifier lexistence ou non de gradients de concentration. Dans cette optique, on peut imaginer le dispositif exprimental suivant, utilisant des chantillonneurs classiques par aspiration: l installation de trois crpines sur deux verticales, afin doprer des prlvements diffrentes profondeurs; l dclenchement simultan des oprations de prlvement, a analyse granulomtrique des diffrents chantillons. Linstallation dun pige sdiments doit, quant lui, permettre de recueillir des informations concernant les lments les plus grossiers, transports par charriage ou par saltation. De lanalyse de diffrentes tudes (M. CATHELAIN et -J.P. DEMIAUTTE, 1980) (P.E. SHELLEY, 1975)s il apparat galement quil est indispensable de disposer plusieurs crpines au sein de lcoulement pour amliorer la reprsentativit de lchantillon prlev. En ce qui concerne les mesures dans les singularits, on distinguera dune part les ouvrages particuliers des rseaux et dautre part les singularits dues aux rseaux. Dans !e premier cas, le dpt de MES est lobjectif souhait. Pour tudier le rendement de dispositifs tels que
70
173
et sans analyse pralable (granulomtrie, gradients de concentration, etc...). Malgr cela, et afin de pouvoir arriver de meilleurs rsultats, notamment en termes de modlisation des phnomnes, il parat importanide dsigner comme un objectif prioritaire lamlioration de la qualit des mesures. Ceci dautant plus quil existe, dsormais, un large foss entre les techniques de mesure utilises et la puissance et limportance des outils (mathmatiques et informatiques) dont on dispose pour analyser et traiter les donnes.
HEMAIN J.C. (1960). UApproche mthodologique pour ltude de la pollution du ruissellement via1 urbain*. - Thse Docteur-IngBnieur. U.S.T.L. Montpellier. HEMAIN J.C. (1963): -Mesure de la pollution du ruissellement pluvial urbain. Rapport bilan de la campagne exprimentales.. Laboratoire dHydrologie que, Rapport de Recherche 21:63. U.S.T.L. Montpellier. MILISIC V. (1976). <Contribution a lanalyse Sabatier. Toulouse. du phnomne de suspension>.. Thse. ptu-
1: Suivi et Mathmari-
Universit
P.
Rfrences
bibliographiques
R., PUECH J.L. (1979). ?I faible temps dintgration-. - C.N.E.T., Note Tech-
SERVAT E. (1964). - &ontribulion a ltude des matires en suspenslon du ruissellement pluvial lchelle dun petit bassin versant urbain,,. rhese Docteur-Ingnieur, U.S.T.L. Montpellier. SHAHEEN D.G. (1975). *$Contribution of urban roadway usage to water pollution~~. - E.P.A. Report R2 73 - 261. SHELLEY P.E. (1975). - ~~Design and testing of a prototype automatic sewer sampling system-. - E.P.A. Report R2 - 75.
CATHELAIN M:. DEMIAUITE J.P. (1960). <*Etude blbllographlque des preleveurs pour la mesure de la qualIt des eaux de rulssellement*s. - C.E.T.E. Nord Picardie. Lab. Rg. St Quentin, Rapporl de Recherche P.V. 60692.
SCIENCES
ET TECHNIQUES
1966
71
174
QUESTION RAPPORT
N II No8
Approche modlisatrice de laccumulation et du transport des M.E.S. la surface des bassins versants urbains
M. DESBORDES
LabaratOire
dH)drologie
MethBmetlque,
Universit
des Sciences
et Techniques
du Languedcc,
A4ompallier
J.C.
Service Technique
DEUTSCH Paris
de /Urbanisme,
E. SERVAT
ORSTOM. Mon@al/ier
Resume
: ,:e t. +
ht 5,t r .31:!
I.n a :III~+~: /se. 3a.1 ~.cur~: de es donnees r ecuel 1 : ies dans 13 c:;Imvagne ,112 mesur+ franaise Plus jurie annke.
i~;TRClOU~.T13N L tmpact . des mat leres suspens 1 on en (Il.E.5. 1 du ru1S;el lement rlutii3i sur 13 ,ret.+ptr;cYs ainsi ,iUe qua1 I ! 6 des e .3 II x ias probl+mes 9Ue! les. posent 3~1% ges<:C VS;t?31.( t I0rtinalr es ne sont en rien r-691 lgeabl es. -e; I1.E.S. responsables sont notamment lu t-o!matage des fonds et jas berqes, et leur prOS+nce en concentrat rons irnportantes ontrair,e I;le baisse de Iac.ii~itG d 1 1 e ; :I e 1~phot osvnt het I~US. Eri outre, vent 3uSs i a91r eIi tant ve1.t eu1 sue d un* autre pollution Puisfurme de le milieu rou e I ! es acliemi nen t dans cept sur de. nombreux polluants et :nhi-
1 1.1 a?5
OIJ
par
.q I; i i e 1.8 r liaison
Pzral Ilement, particules les r*seauk dassainissesol ides dans m R n ! c! n t r a i n e 1.1 nr&duct ion de la secJ e 5 condu 1 es et, Par voi e 11 e t 1011 c 11n 4 is q u P n c e , une reduction pafois sensible de IeLr c3csit4 hfdrau I i qui iIL f.+it de l~u~nen~at ion de la rugosit4 dlminut ion des sec:des DaroIs et de la
adsorpt
ion
i 1 iskes
t+ ur
dans .le cadre de recue i 1 1 I lis pendant ,quat re bassi n<. ver(Maurepas et les
11.8.1
175
Ulis dans la region parisienne, Aix-Zup et Aix-Nord a Aix-en-Provence) dans le cadre de la campagne de mesure nationale dont le Service Technique de lUrbanisme tait le principal instigateur (SERVAT, 1985) ) (Cf. tableau 1). -&55inversant
Ssrfice (bal Pente ao~eanc (11 MUEEPAS LES ULIS 2697 015
La mod&lisation empirique du phGnom&ne a montre ses limites (SERVAT, 1984). La determination dquations de rbgressions simples ou multiples (lineaires ou non) nest dailleurs pas r8ell ement sat isfaisante dans la mesure air lon na pas affaire 21 un phenombne reproductible -mais d des $vnements. Dans ces AIX-ZUP AIX-WORD conditions, les relations obtenues seraient fortement influencees par des 2516 92 evenements importants a faible probabi1 ite d occurence.
695 55 30 60
APPROCHE CONCEPTUELLE est celui (1980) et dcrit represente par en En fin de compte, la procedure que nous avons retenue est de nature conceptuelle et sappuie sur les tendances revelkes par lanalyse des donnees (SERVAT, 1984).
60 70
17 100 rlscao 185
40
Le schema retenu DESBORDES et a1 figure 1. k71
J : dbut
des E,
de rlscaax
512
Fin
des
liiniwr - tiaxiwr
ta1 e franaise,
fectubes versants.
chantillons
des
plusieurs prklevs durant les episoLechantillonnage rkalis le temoin dun phenomene spa-
lexutoire sagissait
Schkma et du
conceptuel transport
et caracterisb
moyenne en M.E.S.
par
et i-l.
masse accumu 1 Ge A la surface du au cours de la pbriode .de temps separant les vnements pluvieux i
Lapproche modlisatrice que nous avons developp&e derive des objectifs de la campagne de mesure, savoir : lestimation des masses de polluants transportees sur une longue periode (envipan une pour de petits bassins versants annbel urbains (surfaces < 50 ha), et lkvalua-tien des charges maximales pouvant &tre entraInes au cours dun seul BvenementDans un premier temps, on va estimer la production de matires en suspension a lbchelle du bassin considere et pour un On cherchera pas de temps journalier. ensuite I reproduire la masse de partiglobalement au cours cules transportee d un 6venemen t .
Ri
bassin
masse versant
rsiduelle apres
Mdi = masse disp. cours de lkvnement L etabl issement des de transport hvpotheses.
au
+ Ri-l
tion
sieurs En ce
SUPPOSE
et
qui
11.8.2
176
AFPRCCHE MCDELISATRICE DE LACCUMULAllCN ET DU TFWX5F0RT DES M.E.S. A LA SURFACE DES SASSINS VERSANTS URBAINS
FwFcKr
Il.8 pas de temps) i et i-1. dant un Pr pas qui spare les evenements penpour dob-
M.E.S.
tait constante a lechel le dun bassin versant et que la conservation de la masse etait verifiee, c est-d-dire, que sur une 1 ongue pbriode (une annee environ) 1e stock initial de I1.E.S. (ROI est peu different du stock final (Rn) present a la surface du bassin. Dans ce cas, la masse de particules produite et la masse de particules entranee sont gales. en moyenne, sur la mme periode. Le systme restera cependant indetermine puisqu il ne nous est pas possible de mesurer Ro et Rn. On peut rduire le champ de cette indtermination en introduisant des contraintes numriques ou physiques*
Les resul tats de lanalyse des donnees on.t contribue a lelaboration du modle de, transport. On a suppose que la masse de tl.E.S. vhicule par le ruissellement est fonction de trois variables : *La masse disponible. la masse disponible est gnbralement porte antc&dents posante ainsi tre prise en duree mdiaire de la qui intervient dans daccumulation. et relation entre la masse transadmise. La comcl imatiques peut compte par linterde temps sec (DIS; le cadre du modeie La
On peut chacun
servation
et
en
sommant =i$IEi
: + Rn (q* 2)
Ro +i$,,i -
Avant suppos que Ro etait peu diffbrent de Rn, on peut cal culer la valeur de ire de M.E.S. : production journa
la
&Ai = Pr
Lequation Ro + Pr et n CEi x 5 i=l
xc0
i=l
2 peut DTSi
T Si alors secr-ire
(q. : (89.
3:
+ L intensit moyenne maximum sur un interval 1 e de temps de courte duree, prsent (imax cinq minutes dans le cas 5). Cette variable est caracteristique la pluie, et de la de lagressivith de entraner la capaci te h dcoller et pollution accumulise en surface. * Le volume ruissele. VR, particules .j USqU A les bassin versant. La masse transportee ment du schema puisse actuellement le modele ce que ch.er representer. etant conceptuel tre elabore qui transporte lexutoire le du
=i$lEi
+ Rn
4)
+ (Rn-Ro)
i=l
Pr = 5 DTSI i=l
m. apres ;fin.lhypothese alors :
(q.
5i
une n
longue
d observa-
vhrifiee,
ACCUtlULATION DES M.E.S. BASSINS VERSANTS Le modele modele 1 inbaire bas sur definies precedemment. La masse portionnelle accumulee d la daccumulation
A LA SURFACE
&Ei
Pr =
6)
On a ainsi
Ai = Pr x DTSi
avec face riode :
duction
determine journalire
les :
valeurs -
de
pro-
Aix-Zup Ai : masse
bassin temps accumulbe a la surversant durant la P&sec DTSi (en nombre de Maurepas Les Ulis
:
: :
1,7 kgIha1.i
2,6 3,l kg/ha/j kg/ha/j
dun de
11.8.3
177
Ce
modele
fiant
l'avons ( SERVAT, asymptotique, fonction
les
daccumulation hypothkses
retenu de 1984).
lineaire initiales,
v&rinous
preference d d'autres ( accumulation accumulation selon une puissance, accumulation parabolique avec un stock presentant une limite superieure) qui ne pouvaient satisfaire les critres d'adequation retenus et qui presentaient des fonctions critkres trop elevees, une independance des valeurs de Ro et Rn, une incoherence au niveau de l'echelle des temps entre le modele et le phenomne qu'il doit representer, etc. Ayant la possibilite de nous de modliser accumulees calculer les sommes maintele transport en periode de
Pour chaque bassin versant, iterations nous ont conduit de K, a, fl et y reportees bleau 2 :
masses
disponibles,
nant en mesure des particules temps sec* TRANSPORT L'objectif, M.E.S.. trainee observee au cours DES en
: .$:fj;:;,
M.E.S.
ACCUHULEES Les differents parametres unt des Laleurs comparables d'un site de mesu:-e A l'autre, ce qui est intressant dans la mesure ou l'un des objectifs est d'ariiver B une loi d'entrainement qui puisse tre genral i,;e au moins dans .;.a forme. Les r-esultats, fonction critkre, sein du tableau en 3 terme ont : d'ecarts regroupes et de au
Les
au -
terme de transport des etait de reproduire la masse englobalement au cours de la serie ainsi que la masse transportee de chaque evenement. variables retenues dans ce but sont nombre de trois : disponible. Rd (Kg) moyenne -
et@
masse
intensi
de temps - volume
te maximum de 5 minutes.
ruissele,
Imax
(m3)
sur un 5 (mm/h)
pas
VR
A;I-::; __-----^___----------------------------------------..----------------
i 5.: L-.
I(! .,L_i
7.2
:;:L!!?AS
La :
formul
ation
du
modele
est Y
la
suivante
Rd=
Imax :
5'
VR
transportee
durant
un
evne-
Pld, Imax
5, VR paramtres versant.
definis
propres
ci-dessus.K, A chaque
Loptimisation
alisee BROCK au moyen (1960).
des de
parametres la methode
a et rede ROSEN-
La fonction
somme valeurs des
critere
carres observees des et
utilise
ecarts calculees
minimise
entre :
la
les
-Bobs
Ecale)* (BS. 8)
N x 1000
Les carts "observs-calcules" fisamment reduits pour permettre produire les masses de particules lement transport&es avec une precision. C'est ce que montre bleau 4 :
sont
11.8.4
178
FWPORT Ii.8
APPROCHE MODELISATRICE DE LACCUMULATION ET DU TRANSPORT DES M.E.S. A LA SURFACE DES BASSINS VERSANTS URBAINS
lk.jjP
iltaie
iaiCUi#E
iKg1
Le transport des R.E.S. a et& simule a l'aide d'un modele a trois variables : disponiblee, masse intensit moyenne maximale sur un pas de temps de cinq minutes et volume ruissel. Les resultats sont assez bons dans la mesure ou la masse globale transportbe sur une longue duree peut tre reproduite avec une precision de l'ordre de +/5 Z par une expression du type : E= La reproduction cours des K I?d= Imax 5 ' VRY
Oans le cas des nevements transportant de faibles masses, les,ecarts "observescalcules" restent gnralement eleves, ce qui peut tre d a la difficult qu'il Y a dans ce cas, a privilegier telle ou telle variable explicative. En ce qui concerne les vhicule des masses importantes, l'ecart generalement compris est et +/30 2. C'est assez sure ou cela concerne des M.E.S. rejetees recepteur. Une autre prise en supplementaires humidit, mliorer methodologie compte de evenements ayant de particules "observe-calcul" entre +/10 .'; bon dans la mela majeure partie dans le milieu
des masses observees au evnements n'est pas de la mme qualitk. Dans ce cas, en effet, l'influence relative des differentes variables pluviomtriques ou dbitmetrin'est pas bien connue. En ce qui ques concerne les evenements plus importants, le niveau de prcision atteint (de l'or30 F<, dre de +/10 % a +/'semble satisfaisant compte tenu des donnees dont nous disposions et des objectifs definis prcedemment. petits Cette modelisation des phenomnes de transport et d'accumulation real isee dans le cadre de bassins versants offrant des donnbes nombreuses reste indubitablement perfectible. Sa generalisation se heurte actuellement a la dfinition de la duree de ia campagne de mesure necessaire au calage des parametres du modele. De mme, d'autres objectifs pourraient tre assignes cette mod@lisation. 51s conduiraient a apprehender les phenomenes differemment puisquils reposent sur des pas de temps gnralement plus faibles : reconstitution de pollutogrammes, gestion en temps reel. matrise des rejets dans le miiieu recepteur, etc. REFERENCES DESBORDES M., DEUTSCH J.C., HEI1AIN J.C. (198O)"Urban runoff pollution in France: a national proqram". Proc. Helsinki Symposium. June 1980. IAHS. Publ. i30. pp. 29-36. ROSENBROCK (1960)An automatic method for finding the gratest or least value of a function". Computer Journal. Vol. 3. p. 175. SERVAT E. (1984)"Contribut,ion l'etude des matieres en suspension du ruissellement pluvial a l'echelle d'un petit bassin versant urbain". Th&se Doct-Ing. U.S.T.L. flontpellier. France. SERVAT E. (1985)Mesure de la du ruissellement pluvial urbain. gne experimentale francaise. de svnthese". L.H.M. - U.S.T.L. Montpellier. Note 11'1985. pollution Campa Rapport
Les donnes enregistres dans le cadre de cette campagne de mesure ne nuus ont pas permis de determiner des intensites max,imales moyennes pour un pas de temps infrieur a cinq minutes. D'autres types de pluviographes auraient pu mettre en evidence des intensites plus leves sur plus courts !30 secondes pas de temps des ou 1 minute) permettant peut-tre de mieux caractkriser l'agressivite de la zone urbaine, il semble pluie. Or. en que ce parametre soit un facteur expl icatif important de l'entranement des R.E.S., puisqu'une fois dcollees de la surface du sol. les particules sont presque automatiquement entrainees par le ruissellement* CONCLUSION
Flfin
de reproduire les charges de MES en deux temps, accumula une approche tion et transport, nous a paru la plus representative. Nous avons retenu un modele d'accumulation lineaire s'appuyant sur une production journaliere constante de M.E.S. et sur l'hypothese que la totalite de la masse produite tait entrafne sur une longue duree.
11.8.5
TRANSPORT
MODEL
OVER URBAN
CATCHMENT
SURFACES
REGARDING
TSS, BO05
AND COD
M. DESBORDES *, E. SERVAT ** * L.H.M. - Univ. Sciences- Place Eugene Bataillon - 34100 MONTPELLIER - FRANCE ** ORSTOM - Miniparc Bt. 2 - Rue de la Croix Verte - 34100 MONTPELLIER - FRANCE
SUMMARY : A modelling approach has been performed from the context of the French national program on urban runoff pollution. been developped to simulate the total loads annually transported transported during each event. The reached accuracy level ( + 5% to and - + 10% to f 30 %for the observed events) appears satisfactory cari always be improved. INTRODUCTION
data collected within the Two transport models have by runoff and the loads & 10% for the annual load though such a modelization
We propose here to develop a modelling approach for the surface transport of TSS, BODS and COD. It is directly derived from the objectives of the national monitoring program to determine estimates of transported pollutant mass over a long duration (about one year) and for a space scale which relates to small catchments (less than 50 ha). A conceptual procedure is proposed which is compatible with the representativeness of the sampling program and with the trends arising from the data analysis (SERVAT, 1984), (SERVAT, 1985). CONCEPTUAL PROCEDURE e transport : models.
We needed to evaluate the pollution available mass for one of the developed Thus an accumulation mode1 was developed, based on the following hypotheses a constant production rate within a given an initial mass of pollutant (stock) close when considered over a long time period the transported mass during an event i is time interval ; to the final one on the surface ; less than or equal to the available
of the
catchment
Two transport modelling approaches have been tested. The first one considers that the available mass evaluated from the accumulation mode1 is a bounding factor. The second one considers a two-level pollution stock on the catchment surface : a first level which is usually requested, and a second one, called deep level, which is sometimes requested but which cannot be a bounding factor. In this case we do not need to evaluate the available mass. Further this available mass which takes place only in the first model, the chosen variables are the same in both cases and they proceed from data analysis ((DESBORDES and SERVAT, 1984) (SERVAT, 1985)). The maximum intensity within a short time interval, here five minutes (lmax S), is representative of the rainfall agressevity and of its ability to stick the accumulated pollution off from the catchment surface. These pollutants potentially set going must be conveyed towards the catchment outlet. It is done through surface runoff taken into account as runoff volume (Vr). ACCUMULATION MODEL
A linear pollutant accumulation mode1 was selected on the above hypothesis. The accumulated in which mass is then taken to be proportional to the dry weather period : Ai = Pr.DTSi Ai = accumulated mass (kg) over catchment surface during dry weather period DTSi (in time interval units) which separates rainfall events i and i - 1 Pr = pollutant production rate during a time interval (kg/time interval unit)
Il.80
It was then possible to compute (SERVAT, 1984) : TRANSPORT MODELS been developped refering to two different concepts : the pollutant available mass (the accumulation mode1 Will be considers a two level pollution stock which cari never be a control variables are : minutes time interval, Imax 5 (mm/h) daily production rates for the catchments under consideration
Two types of transport models have first one needs an evaluation of the used in this case) and the second one bounding factor. In the first case the - available mass, Md (kg) - maximum intensity within a five - runoff volume, Vr (m3) and the equation is given by : with
E = transported mass during an event (kg) K, a, B y parameters peculiar to each catchment. control variables are sufficient,
E = K MdQ.Imax
klP.VrY
equation
is
: E, Imax5 and Vr = defined above -K,P,Y = parameters peculiar to each catchment. on the values.
E = KIrna~5~.Vt-~
Mode1 parameters were identified using ROSENBROCKS method (1960) based minimization of the sum of the square of the deviations between observed and computed CONCLUSIONS
Using data from the national experimental measurement program, the modelling objective was to reproduce the total TSS, BOD5, and COD loads for selected urban catchments. A two-step approach involving accumulation and transport was first performed. A linear accumulation mode1 was chosen, which depends on a constant daily production rate and on the assumption that over a long time period the total mass produced Will be removed. Simulation of pollution results are good transport was achieved using a three variable mode1 : E = KMdalmaxSBVru.The in SO far as the total transported mass cari be reproduced with a +- 5 % to + 10 % deviation. A one step approach was then performed to simulate pollution transport. In this case only two control variables were retained. This mode1 is conceptually different because it assumes that The results are available mass is nota limiting factor. Its formulation is : E = KlmaxSPVru. good enough since the total transported mass cari also be reproduced with the same k 5 % to f * 10 % deviation. For each pollutant and for each of the retained approaches, with respect to small events the reproduction of the observed masses is not very good, because the relative influence of one or another of the variables is not well known. For large scale events, the level of accuracy (from + 10% to + 30%) seems to be very acceptable.
l
* REFERENCES DESBORDES M., SERVAT E. (1984) - Solids in urban runoff. Statistical analysis of french experimental data. Third Int. Cong. on Urban Storm Drainage - Goteborg - 4-8 June. ROSENBROCK H.H. (1960) - An automatic method for finding the greatest or least value of a function. Computer Journal, Vol. 3, no 3, pp. 175-184. ltude des matires en suspension du ruissellement SERVAT E. (1984) - Contribution pluvial lchelle dun petit bassin versant urbain. These Dr. Ing., Univ. des Sciences, Montpellier, France. SERVAT E. (1985) - Etude de la DB05 et de la DC0 du ruissellement pluvial urbain. Essai de modlisation. LHM - Univ. des Sciences, Montpellier, France - Note 11/85.
181
ANNEXE
2:
Tracs
des histogrammes
de frquences
et des courbes
de frquences
relatives
cumules.
; il
des
Frequenceg 30
lrn.
26
Eal :
0 300 400 DCO(mg/l)-Meurepas 500 600 0 0.5 Concentrations Concentrations
....... .>, .:. . ............. ........ _ .................. 1 r-77 .............,... ..,., ...
1
IZOO)
Histaqramme
des
Frequences
. . . . : .
1 en
1.5 DCO(mg/l)-Les
2.5
(X Ulis
des ,,,,
Histogramme
des
Frequences
l0 ~--T----l----~
. . . . . . . . . . . . . . : . . . . .. . . . .
30
. . . . , . .
.. . . . . . . . . . . , . . . . . . . . . . 20
. .
. . . .
10 :. . . . *:. a.
Frequences
relatives
cumulees 100
relatives -.
cumulees --.. . * .: . . .
60
. . . . . . . . . ,.
Fil .P . .. .. . . . . . . . .. . . . . .. . . . . . . . z 60 I i :. i
; 40 . . . . . . . . l..... . . . :. , . :. . . 3 a
20
100
200 en
300
400 DCO(mg/l)-Maurepas
500
600
Concentrations
Frequences
relatives
cumulees
loo F
.. . . . ,. . . . .. . . . . . . . . . . .
60
. . . . . . . .. . . . .. . . . . .. . . . . . . . :. . . :. . . . :. . :. . . . :. . .
il
60
40
20
0
0 1
. . .: . .: i1 _ .. . . . . . <m . :. . . :. . . . _ . . ldci!!! i
Frequences relatives cumulees
HZ
. .
.. .
.. ,
.. .1
i:$
-1
. . -4
4
4
4 -1
. . : .
.. .
. .4
..,i-.--i-,-L.il.-A 3
- L..l.--J 12
Chricentrations
en
DCO(mg/l)-Aix
NORD
Histogrsmme 50
des
Fyeqyances
Histogramme
des
Frequences
40
F . . . . . . . . . . . . . . ... . . . . . . 1 -4
30
20
....... ... ..*. ...I,., :....1 : .,:. I-I-I: I .... I...: j ..i
)-j : : : :
Ih.. .:. . . . .:. . . .:. . . ;. . .A
20 40 en 60 60 100 120 DB05(mg/l)-Maurepss
30 : C fj cr i! LL 10
. .
20
.:
. .
. .
10
0 0 Concentrations
Histogramme 50
des
Frequences
Histogramme
des
Frequences
40
. .. . . . :. . .
. . . ., . . . .:
: .
I .
. .. . . . . . . . 1
30
,. . :.
. .. . . :.
. . . .
3
. .
20
. . :.
10
. ,. . . . ..
. .. . .
., . . .
0 0 Concentrations 50
iL
100
60
40
20
Concentrations
fi ................... * ... 60 . . . . . . . . . . . . . z / i ...... .............. :. . .t 40 . . . . . . . . . ..; . ..*. 3 ii ....... ................. 20 . . .:. . . . .:. . . . ) . < . . r ! : 1, l!!!ill~ll!~lti~l
Frequences relatives cumulees Frequences relatives cumulees
.:
20
40
60
80
100
120
200
400
600
800
en
DBO!(mg/l)-Maurepas
Concentrations
en
DB05(mg/l)-Les
Ulis
Frequences
relatives
cumulees 100
Frequences
relatives
cumulees
80
80
Iu
60
FP
. :
.. .
. .
. .
j 4
40
. . . :. . . . :. . -3 A
4J !i
a
if
60
F 3
40
20
20
Cbkicentrations
DBOEi(mg/l)-Aix
Histogramme
des
Fr,equences 24
Histogramme
des
Frequences
20 60 0 7 k E lk 20 6 40
. . .
. . ,
16
. . .
. . .
12
..
. . . . . . . . . . . . . . . . . .1
. ..
..
4
0.5 Masses
1 de
Histogramme
des
Frequences
0 Masses
1 de MES
2 (kg) -Aix
3 (X ZUP l%OO)
100
. . r
Frequences
relatives
cumulees
Frequences
relatives
cumulees
CL
: . . .. ..
: . +. : . : .
. .. .
. : . .
1 Masses
2 de
3 MES (kg)
4 -Maurepas
(X
160001
0.5 Masses
1 de
2 -Les
2.5 Ulis
(X
13000)
Frequences 100
relatives
cumulees
BO
: .
60
. .
. . .
. . , .
40
. . . . :.
. :.
. . . .:.
20
. . . . . ..
. . ..
. .
. . ,. . .
. .
Histogramme 60
des
Histogramme
des ,,,
50
20
40
16
30
5 3 a: k.
12
..*.........
20
--
10
--
Histogramme 40
des
frequences
30
20
10
0
Masses
1
de DC0
2 (kg) -Aix
3 (X ZUP 14000)
Frequences 100
relatives
cumulees 100
Frequences
relatives
cumulees
I
.. ..y.. . . :. . .:. . . .:.
l--I
. .-$
a0 0: : c u
L il a
. . . . . . . . . . .
. . . .
: . .. .
: . . . : .
a0
. .
60 40
20
r
0 Massas 4
: .
0
. :. . . . : . . . :. . , :. . . . : . . . v . . .! . . . .*. , . . . . . *.. . . . .! . . .1 -l F/
. . . . . . . . . . . . . . . . . . . . . s... I/i I i
a
de DC0 (kg) -Maurepas
12 (X 11z30,
2 Masses
4 de DC0
a
(kg)
a -l-es Ulis
10 (X %o,
P a3 W
Frequences
relatives
cumulees
0 Massas
1 de DC0
2 (kg) -Ai%
3 IX ZUP 14000)
Histogramme 40
des
Frequences 12
Histogramme
des
Frequences
,
10 30 6
.... ....
:, * ...
..
20
.........
......
..........
10
........................
0
Hauteur
5 de
10 pluie
15 (HP.
20 mm] -Les
25 Ulis
30
Histogramme
des
Frequences 20
Histogramme
des
Frequences
16 15
............... i ..........
16
...... ...................
*.*
*.
. .
.*
12 9 a 6 4
. .
. .
I..
..*
I..
.:.
0 0 Hauteur 10 de
....
0 30 (HP. mm) -Aix 40 ZUP 50 0 Hauteur 10 de 20 pluie (HP. 30 mm) -Aix 40 NORD 50
20 pluie
Frequences
relatives
cumulees
100
Frequencgs
relatives
cumulees
BO il z : 0 5
. . . . : .
60
40
20
0 0 Hauteur 10 de 20 pluie (HP. 30 mm) 40 -Maurepas 50 0 Hauteur 5 de 10 pluie 15 (HP. 20 mm) -Les 25 Ulis 30
Frequences
relatives
cumulees 100
Frequences
relatives
cumulees
80
60 . . :. k/ : . . . :. . . . . : . . . . :. . . . 1
40
..:...
.-
5 a
40
20
0 40 mm1 -Aix ZUP 50 0 -Y. Hauteur 10 de 20 pluie [HP. 30 mm) -Aix 40 NORD 50
Histogramme 24
des
Frequences
Histogramme
. . . . ..
16
. . : . . . . ..
. . . . _ . . . .. . . . . .. . . . .
: . . ..
. . . .:
. Jllll
0 Intens. 10 max 20 en Histogramme
. . . . . . . . . : . . . :
. . A-l 30 5mn (IMAXS.
. . ..
Ali
40
J-l
. : . * . . : . . A.
. . : . . . . . . . , . . . : . . * . . . . . . . . : . . . i.
50 60 -Maurepas
. . : . . . ... :.,.1
20
16
................... . . . I1
. . . . .. . . . . . . . . . . . . , . c . . . . . . :. . . . :. . . :_. .
bes
Frequences
-I
10 Intens. max
20 en 5mn
30 (IMAXS.
40 mm/hl
50 -Les
60 Ulis
mm/h)
des
Frequences 40
Histogramme
des
Frequences
30
30
...
.......
...
20
20
..........
......
..........
10
10
........................
0
0
20 max en
40 5mn (IMAXS.
60 mm/h)
60 -Aix
100 NORD
Intens.
Frequences
relatives
cumulees
Frequsnces
relatives
cumulees
BO
60
40
20
0 10
1 1 1 1 II
60
0 10
20 max en 5mn
30 (IMAXS.
40 mm/h)
50 -Maurepas
20 en Smn
30 (IMAXS.
40 mm/h)
50 -l-es
60 Ulis
Intens.
Intens
.max
Frequences
relatives
cumulees
100
Frequences
relatives
cumulees
80
.:
. . . :
40 a 1
. . . :. 1 . . . .:.
. . . :. 1 . . . .:.
. .
.:. 1
. . . :.I
. . . 1
il m -?J c (u i! 3 0 n
60
.._ .
. .. . .
40
20
l 0
. . . .;.
, , . .:.
. . .
20
.:
0
. . . .
. .
I 30
I 60
I 90
II
II
j-,,,i,,d,,,i
0 j, 20 max en 40 5mn fIMAX5. 60 t en s .
LLL..LJ.
80 mm/h)
150 ZUP In
Intens.
max
en
5mn
(IMAXS.
Histogramme
des
Frequences
H$stogremme
des
Frequences
16
12
:.
..
0 4 0 Debit 0.5 de 1 pointe 1.5 (QMAX, 2 l/s) 2.5 -Maurepas IX 1:00, Debit de pointe
Histogramme 50
des
Frequences 50
Histogramme
des
Frequences
40
hl
#tl..
30
20
10
...... ....
... . . .. . .
_ ,
e .
. . .
.:.
.,.
. ..
..
.j
40
: .
10
Frequences 100
relatives
cumulees
100
Frequences
relatives
, I
cumulees
, , * ,
60
..
. : . . . : . . .
80 0, z cl L
.-
60
. .
60
..
..
40
:.
:.
:.
40
..
1 20 a
: . . : . .
20
..
..
..
.,
-3
0
0 Debit 2 de 4 pointe 6 (QMAX. 6 l/s) -l-es 10
(X
Ulis
12 100)
lW u-l
Frequences
relatives
cumulees
Frequences
relatives
cumulaes
: . .. .
. :
.. . . . . . .. . . . .
. . . . ._ . . . .
. , . .. . . . . . .. . . .
. . . _. . . . .
. . . . .
(u L
3 a
40
. . . :.
. .
:.
. . . . :
. . . :.
. .
20
0
0
111111111111111IIII
4 Debit de 6 pointe 12 (QMAX. 16 l/s) 20 -Aix IX 21400, ZUP 0 Debit 1 de 2 pointe (QMAX. 3 l/s) -Aix 4 (X NORD 150001
Histogramme
des
Frequences
40 60 al ; 40 : ; 20 lk 10 20 30
0 0
. 1
Histogramme
*. . . .
des
Frequences
6 (X Ulis lYlO0)
Volume
ruissele
Histogramme 40
des
Frequences
30
. .
20
. .
10
n-n-l
EJOO)
Frequences 100
relatives
cumulees 100
Frequencas
relatives
cumulees
60
60
. . ...
.:
60 El :
c al ii
60
40
. . . :.
. . . :
. *
. : . . . . . . : . . . . . . . . .
J
. .
. . .
I 6
.
, 9 WR. m3) I I 12 (X -Maurepas I I 15 10001
20
0 0
I 3
Volume
ruissele
Frequences 100
relatives
cumulees
60
zl
z 6 0 s a
60
40
20
198
ANNEXE
3 :
de sensibilit
des diffrents
paramtres.
199
K
fixe
Double
cumul
a fixe'-
Double
cumul
0.50
i.00
i.50
2.00
xi04
0.50
1.00
1.50
2.00
xi04
Masses
Observees
(kg1
Masses
Observees
(kg)
P fixe
Double
cumul
Double
cumul
0.50
1.00
1.50
2.00
0.50
1.00
1.50
2.00
x9.04
Masses
Observees
(kg1
Masses
Observees
(kg)
Figure
E-K
Md
ImaxS
Vr
Polluant
:MES
E.V.
Aix-ZUP
Etude
de Double
sensibili cumul
te
des
di
f feren
ts
parame
tres
- masses observes
(sur la totalit
denregistrement)
K -
Double
cumul ---.-
fixe .oio
Double
cumul
2 x-
--.-
.004 .700
1.00
2.00
3.00
X100
1.00
2.00
3.00
Xl03
Masses
Observees
(kg)
Masses
Observees
(kg)
P ---.---
Double
cumul
m 0
---.------.
Y
r
fixe
,050 .lOO .600 :;9:
Double
cumul
1.00
2.00
3.00
x10=
1.00
2.00
3.00
x103
Masses
Observees
(kg)
Masses
Observees
(kg)
Figure
E-K
Md
Imax5
Vry
Polluant
:DB05
E.V.
Les
Ulis
Etude
de
Double
sensibilite
cumul : masses
des
calcules
differents
- masses observes
parametfes
denregistrement)
201
K fixe
Oouble cumul
10
Cl
fixe
Double
cumul
i.00
2.00
1.00
2.00
X103
Masses
Observees
(kg)
Masses
Observees
[kg)
P
---.---
fixe
.500 .650 1.00 1.10
Oouble
cumul
n 0 Y
2 Y- --.-
fixe 1 :g
.700
Double
cumul
--em-
z :zg
w /
1.00
2.00
3.00
Xi03
Masses
Observees
(kg)
Masses
Observees
(kg)
Figure
E-K
Md
LmaxS
Vr
Polluant
:DB05
B.V.
Aix-ZUP
Etude
de
Double
sensibilite
cumul
des
differents
- masses observes
parametres
(sur la totalit
denregistrement)
fixe
Double
cumul
fixe
Double
cumul
0.50
i.00
1.50
XI04
Masses
Observees
(kg)
Masses
Observees
(kg)
fixe
Oouble
cumul
0 rl Y- -,-.--A ---A. -
fixe
Double
cumul
s: x-
----
z -
:g .lOO
1 :z:: -1.000
Lt 0 ri 3
U s-l u
?.. d
0 VI
: 0
Masses
Observees
(kg)
Masses
Observees
(kg)
: :OC0
E-K
MdE.V.
fmax5 : Les
p L Ulis
de Double
sensibili cumul
te
des
di
f ferents
parametres
- masses observes
(sur la totalit
denregistrement)
203
K fixe
Double
cumul
P fixe
---.--- .oso z :A:: -1.000
Double
cumul
1.00
2.00
xi04
0.50
1.00
1.50
2.00
xi04
Masses
Observees
(kg)
Masses
Observees
(kg)
y
2 Y--.-
Double
cumul
_.
0.50
1.00
1.50
2.00
xi04
Masses
Observees
(kg)
Figure Polluant
: :MES
E = K Imaxs
E3.V.
Vr
Aix-ZUP
Etude
de
Double
sensibili
cumul
te
des
di f ferents
- masses observes
parame
tres
(sur la totalit
denregistrement)
204 K
fixe Double cumul
P fixe
Double
cumul
1.00
2.00
3.00
Xl03
Masses
Observees
(kg)
Masses
Observees
(kg)
fixe
Double
cumul
--.------.
1.00
2.00
3.00
x10=
Masses
Observees
(kg)
Figure
E = K Imax5
:DB05 E.V.. : Les
P J
Polluant
Ulis
Etude
de Double
sensibili cumul
te
des
di
f feren
ts
parame
tres
- masses observes
(sur la totalit
denregistrement)
K'
fixe
Double
cumul --.-e-
0 fixe
z :;:: - .950 -1.000
Double
cumul
zi Y
x-----
1.00
2.00
3.00
X103
Masses
Observees
(kg)
Masses
Observees
(kg)
fixe
Double
cumul
Masses
Observees
(kg)
Figure
E = K'ImaxS :DB05
E.V. :
P' VF
Aix-ZUP
'
Polluant
Etude
de
Double
sensibilite
cumul
des
d2fferent.s
- masses observes
parametres
(sur la totalit
denregistrement)
206
0 :, K fixe Double cumul
P
: x-
P fixe
--.---
Double
cumul
z ;g:
.700 .a00 / ,'
l Y
Masses
Observees
(kg)
Masses
Observees
(kg)
p,
0 rl Y-
Y
--.---
fixe
.300 :::a .soo
Double
cumul
z -
Masses
Observees
[kg)
Figure
E = K Irnax5
:DCO E.V. : Les
Vr
Polluant
Ulis
Etude
de
Double
sensibilite
cumul
des
differents
- masses observes
paramef-res
(sur la totalit
denregistrement)