These PDF

N° d’ordre 2008ISAL0013
Année 2008
Thèse
Décantation des eaux pluviales dans

un ouvrage réel de grande taille :
éléments de réflexion pour le suivi et
la modélisation
Présentée devant
L’Institut National des Sciences Appliquées de Lyon
Pour obtenir
Le grade de docteur
Formation doctorale : Génie Civil

École doctorale : Mécanique, Energétique, Génie Civil, Acoustique (MEGA)
Par
Andrés Torres
Soutenue le 25 mars 2008 devant la Commission d’examen
Jury MM.
J.-L. Bertrand-Krajewski Maître de conférences – Directeur de thèse
G. Chebbo Directeur de recherche HDR – Examinateur
B. Chocat Professeur – Président
V. Milisic Professeur – Rapporteur
A. Paquier Chercheur HDR – Examinateur
P. Vanrolleghem Professeur – Rapporteur
Laboratoire de Génie Civil et d'Ingénierie Environnementale (LGCIE)

Décantation des eaux pluviales dans un ouvrage réel de grande
taille : éléments de réflexion pour le suivi et la modélisation
Résumé
Les bassins de retenue-décantation constituent des éléments importants de gestion
des rejets urbains de temps de pluie (RUTP). Ces ouvrages de décantation des eaux
pluviales ont déjà fait l’objet de deux types d’investigations : d’une part des expé-
rimentations in situ sur des ouvrages existants plus ou moins complexes, d’autre
part des expérimentations en laboratoire et des modélisations hydrodynamiques en
conditions contrôlées et pour des géométries simples. Les résultats obtenus en labo-
ratoire restent difficilement transposables aux bassins réels pour plusieurs raisons :
complexité des géométries, variabilité des apports et des caractéristiques hydrody-
namiques, hétérogénéité des caractéristiques des sédiments, etc. Ce travail de thèse
s’est donc intéressé à la problématique conjointe de la métrologie et de la modélisa-
tion de la décantation des matières en suspension (MES) des eaux pluviales dans
des ouvrages réels de grande taille. Il s’est appuyé sur le site expérimental du bassin
de retenue-décantation Django Reinhardt à Chassieu (volume : 32000 m3 , surface :
11000 m2 ).
Trois aspects principaux ont été abordés en terme de métrologie :
l’applicabilité du protocole VICAS pour la détermination des vitesses de chute de
sédiments décantés en fond d’ouvrage, la caractérisation physico-chimique des sé-
diments décantés et l’exploitation des données en continu pour estimer les flux de
MES en entrée et sortie d’ouvrage.
Le logiciel CFD Rubar 20 a été utilisé pour modéliser le comportement
hydrodynamique 2D du bassin de retenue-décantation. Le travail a été réalisé en
deux étapes : une première étape uniquement hydraulique, une deuxième étape avec
transport solide. Les résultats obtenus en simulant des événements pluvieux obser-
vés suggèrent : (i) une bonne capacité du modèle pour la prévision des rendements
de décantation et (ii) des similarités entre les zones préférentielles de dépôt simu-
lées et observées sur le terrain. Cependant, la simulation des concentrations en MES
en sortie reste moins satisfaisante.
Les résultats obtenus confirment l’intérêt du couplage métrolo-
gie/modélisation pour améliorer la conception, le calcul, la modélisation et la ges-
tion des bassins de retenue-décantation des RUTP
Mots-Clés: décantation – eaux pluviales – eaux de ruissellement – ouvrage réel – ouvrage

de grande taille – métrologie – modélisation
Stormwater settling process within a full-scale sedimentation
system: elements of reflection for monitoring and modelling
Abstract
Retention and settling basins represent important elements in management of urban
stormwater rejections. These devices, used for settling of stormwater, were already
the subject of two kinds of investigations concerning on one hand, more or less
complex in situ experimentations and on the other hand laboratory experimentations
as well as hydrodynamic modellings under controlled conditions and simple geome-
tries. The results obtained in laboratory conditions remain hardly transposable to
real systems because of many reasons: complexity of geometries, inlet and hydro-
dynamic features variabilities, heterogeneity of sediment characteristics, etc. This
PhD work was thus focused on both metrology and modelling of stormwater total
suspended solids TSS settling problem in full-scale sedimentation systems. It was
supported by the retention and settling basin experimental site Django Reinhardt at
Chassieu (volume : 32000 m3 , surface : 11000 m2).
Three main aspects have been treated in terms of metrology: the applica-
bility of VICAS protocol for the assessment of settling velocities of sediments set-
tled on the bottom of the device, the physico-chemical characterisation of settled
sediments and the processing of the on-line data in order to estimate the pollutant
loads at basin inlet and outlet.
The Rubar 20 CFD software has been applied to modelling the 2D hydro-
dynamic behaviour of the retention and settling basin. The work has been under-
taken in two phases: the first one strictly hydraulic, the second one including solid
transport. The results obtained by modelling of observed storm events suggest: (i) a
good capacity of the model to predict the settling efficiency and (ii) similarities be-
tween settling preferential areas predicted and observed in situ. However, the mod-
elling of outlet TSS concentrations remains less satisfactory.
The results obtained confirm the relevance of coupling metrology and
modelling in order to improve the design, sizing, modelling and management of ur-
ban stormwater retention and settling basins.
Keywords: settling – stormwater – stream water – full-scale device – big size device –
metrology – modelling
à Liliana
Remerciements
Ce travail n’aurait pas été possible sans l’existence de l’OTHU (Observatoire de
Terrain en Hydrologie Urbaine), ni les financements du programme Alßan (bourses
de haut niveau de l’Union Européenne pour Amérique Latine, bourse nº
E04D034837CO) et de la DRAST du Ministère des Transports, de l’Equipement, du
Tourisme et de la Mer.
Je remercie Bernard Chocat pour m'avoir accueilli dans le LGCIE, pour
avoir permis le déroulement de mon travail dans les meilleures conditions et pour
m'avoir fait l'honneur de présider le jury.
Je voudrais exprimer ma gratitude envers mon directeur de thèse Jean-Luc
Bertrand-Krajewski pour m’avoir proposé ce sujet de thèse. Son encadrement m’a
laissé beaucoup de liberté pour développer ma formation autour du sujet. Il a été
toujours présent en faisant possible un déroulement de mon travail sous les
meilleures conditions, m’impliquant dans des projets et activités de recherche
complémentaires. Un grand merci pour les nombreuses idées proposées et les
discussions intéressantes qu’on a eu ensemble, ainsi que pour le rapport amical,
chaleureux et humain. Merci Jean-Luc.
Je remercie les membres du jury : André Paquier pour avoir fait possible
l’utilisation du logiciel de modélisation Rubar 20 et avoir été toujours présent pour
répondre aux différentes questions ; Vladan Milisic pour m’avoir acceuilli dans son
laboratoire à plusieurs reprises afin de travailler sur la partie modélisation et pour
avoir accepté être dans mon jury de thèse en tant que rapporteur ; Peter
Vanrolleghem et Ghassan Chebbo pour avoir accepté de faire partie du jury de thèse
en tant que rapporteur et examinateur, respectivement.
Merci aux stagiaires en Master et en travaux de fin d’étude que j’ai co-
encadré pendant ma thèse, Rémi Renzoni, Séverine Aubert, Markus Hasler, Thomas
Drain et Julie Guilloux, pour l’aide précieuse qu’ils m’ont fourni. Ensemble nous
avons exploré des nombreuses questions sur l’expérimentation et la modélisation.
Merci à tous les techniciens de l’OTHU qui ont participé aux diverses
parties expérimentales de ma thèse : Erwan le Saux, Yvan Béranger, Serge
Naltchayan, Anis Aïfa.
Je remercie toutes les personnes qui m’ont aidé dans la partie
expérimentale : Marie-Christine Gromaire et Sylvain Chastrusse pour m’avoir
accueilli au CEREVE et m’avoir initié dans le protocole VICAS ; Sylvie Barraud
pour les discussions que nous avons eu dans le cadre des projets OTHU et
ECOPLUIE, ainsi que dans mon comité de thèse ; Cécile Delolme de l’ENTPE pour
son soutien et ses commentaires pendant le comité de thèse et les diverses réunions
dans le cadre de l’OTHU; le personnel du LSE (ENTPE) et de l’EEDEMS pour leur
acceuil pendant la réalisation des différents essais (granulométrie, vitesses de chute,
etc.).
Je remercie toutes les personnes qui m’ont aidé dans la partie de
modélisation : Gislain Lipeme Kouyi pour son soutien et son encouragement depuis
son arrivée au LGCIE ; l’équipe LMFA de l’INSA, et plus particulièrement Jean-
Yves Champagne, Mahmoud el Hajem et Alexandre Zelez, pour m’avoir si bien
acceuilli dans leur labo ; Hossein Bonakdari pour avoir passé avec nous une
semaine sur la modélisation 3D et nous avoir partagé son expérience.
Je remercie un certain nombre de personnes pour m’avoir encouragé et
m’avoir enrichi avec des discussions intéressantes : Tim Fletcher qui a été présent
pendant les périodes difficiles ; Stefan Winkler et Günter Gruber qui m’ont acceuilli
dans leurs respectives équipes de recherche ; Jean-Pascal Bardin qui m’a aidé à
résoudre des problèmes de tout genre.
Merci à toute l’équipe de techniciens du LGCIE pour les nombreuses aides
fournies : Dominique Babaud pour son soutien sur le terrain, Sylvie Marchanoff et
Christian Ambroise pour leur soutien informatique. Merci aux secrétaires Valérie
Orhon et Renée Hector pour leur disponibilité et l’efficacité de leur aide
administrative.
Merci à tous les doctorants et chercheurs du LGCIE qui ont contribué à
préserver une excellente ambiance de travail, et qui ont apporté à la réflexion et au
soutien moral : Emilie Baer, Céline Becouze, Hamouda Boutagane, Abel Dembele,
Farah Dorval, Hatem Haidar, Adrien Haxaire, les Macedo-Moura, Mohammad
Mourad, Miguel Nunez et tant d’autres…
Merci à Liliana pour m’avoir soutenu moralement pendant toute ma thèse,
avant et après, pour m’avoir donné tant d’idées intéressantes, pour avoir été
toujours là.
Table des matières
Sommaire
Décantation des eaux pluviales dans un ouvrage réel de grande taille : éléments de
réflexion pour le suivi et la modélisation .............................................................. 2
Stormwater settling process within a full-scale sedimentation system: elements of
reflection for monitoring and modelling ............................................................... 3
INTRODUCTION GENERALE ............................................................................ 15
PARTIE 1 SYNTHESE BIBLIOGRAPHIQUE ..................................................... 19

I NTRODUCTION ..................................................................................................... 20
1. M ETROLOGIE DES SEDIMENTS ............................................................................ 22
1.1 Vitesses de chute des sédiments .............................................................. 22
1.2 Analyses granulométriques des sédiments ............................................... 32
1.3 Résultats rapportés dans la littérature .................................................... 34
2. M ODELISATION DE LA DECANTATION ............................................................. 42
2.1 Modélisation 2D sans transport .............................................................. 42
2.2 Modélisation 2D avec transport solide .................................................... 43
2.3 Modélisation 3D sans transport solide .................................................... 47
2.4 Modélisation 3D avec transport solide .................................................... 51
2.5 Résultats rapportés dans la littérature .................................................... 55
3. M ETHODES STATISTIQUES ............................................................................. 57
3.1 Calcul des incertitudes (NF ENV 13005, 1999)........................................ 57
3.2 Simulations de Monte Carlo ................................................................... 58
3.3 Détection d’outliers ............................................................................... 59
3.4 Méthode PLS (Partial Least Squares) ..................................................... 61
3.5 Géostatistique ........................................................................................ 63
PARTIE 2 MATERIELS ET METHODES ........................................................... 69
I NTRODUCTION ..................................................................................................... 70
4. S ITE EXPERIMENTAL ..................................................................................... 71
5. M ETROLOGIE ............................................................................................... 77
5.1 Pièges à sédiments ................................................................................. 77
5.2 Analyses physico-chimiques .................................................................... 80
5.3 Mesurages en continu ............................................................................. 84
6. M ODELISATION HYDRODYNAMIQUE ............................................................... 87
6.1 Modélisation hydrodynamique en 2D ...................................................... 87
6.2 Modélisation hydrodynamique en 3D ...................................................... 87
7. ANALYSE DES DONNEES ET DES RESULTATS .................................................... 88
PARTIE 3 CARACTERISTIQUES DES SEDIMENTS - RESULTATS ET
DISCUSSION - ...................................................................................................... 89
I NTRODUCTION ..................................................................................................... 90
8. V ITESSES DE CHUTE ...................................................................................... 92
8.1 Caractérisation du protocole VICAS ....................................................... 92
8.2 Protocole VICAS modifié ...................................................................... 101
8.3 Résultats des campagnes ...................................................................... 110
9. G RANULOMETRIE ....................................................................................... 128
9.1 Vérification du paramétrage de l’appareil granulométrique ................... 128
9.2 Résultats des campagnes ...................................................................... 129
9.3 Relations avec les vitesses de chute ....................................................... 134
10. S ICCITE , METAUX LOURDS ET ELEMENTS TRACES ORGANIQUES ................... 136
10.1 Siccité des sédiments ............................................................................ 136
10.2 Métaux lourds ...................................................................................... 138
10.3 Eléments traces organiques .................................................................. 141
11. E VOLUTION PHYSICO -CHIMIQUE DES SEDIMENTS ........................................ 144
A. Torres / Décantation des eaux pluviales dans un ouvrage réel de grande taille
Institut national des sciences appliquées de Lyon / 2008 11
Sommaire
11.1Campagne C4 (4/05/2007) .................................................................... 144

11.2Campagne C5 (31/05/2007) .................................................................. 145
11.3Synthèse des résultats ........................................................................... 146
11.4Conclusions du chapitre ....................................................................... 147
C ONCLUSIONS .................................................................................................... 148
PARTIE 4 EXPLOITATION DES DONNEES EN CONTINU - RESULTATS ET
DISCUSSION - .................................................................................................... 151
I NTRODUCTION ................................................................................................... 152
12. M ESURAGES DES DEBITS ET DES HAUTEURS D ’EAU ..................................... 153
12.1 Mesurages des débits en entrée et sortie du bassin ................................ 153
12.2 Couplage débits-hauteurs en sortie du bassin ........................................ 154
13. M ESURAGES DES MES EN ENTREE ET SORTIE DU BASSIN ............................. 156
13.1 Relations avec la turbidité .................................................................... 156
13.2 Perspective : spectrométrie UV-visible .................................................. 165
C ONCLUSION ...................................................................................................... 180
PARTIE 5 MODELISATION DE LA DECANTATION - RESULTATS ET
DISCUSSION - .................................................................................................... 181
I NTRODUCTION ................................................................................................... 182
14 M ODELISATION HYDRODYNAMIQUE SANS TRANSPORT SOLIDE ....................... 183
14.1 Géométrie et maillage .......................................................................... 183
14.2 Conditions aux limites .......................................................................... 186
14.3 Calage ................................................................................................. 189
14.4 Test ..................................................................................................... 193
14.5 Résultats .............................................................................................. 195
15 M ODELISATION HYDRODYNAMIQUE AVEC TRANSPORT SOLIDE ....................... 206
15.1 Géométrie et maillage .......................................................................... 206
15.2 Conditions aux limites .......................................................................... 206
15.3 Calage ................................................................................................. 210
15.4 Test ..................................................................................................... 212
15.5 Utilisation du modèle ........................................................................... 215
16 C OMPLEMENTS 3D ET COKRIGEAGE ............................................................. 222
16.1 Modélisation 3D .................................................................................. 222
16.2 Lien avec les résultats expérimentaux (Cokrigeage)............................... 228
C ONCLUSION ...................................................................................................... 232
CONCLUSION GENERALE ET PERSPECTIVES ............................................ 235
C ONCLUSIONS PRINCIPALES ................................................................................. 236
Métrologie ...................................................................................................... 236
Modélisation hydrodynamique ......................................................................... 238
P ERSPECTIVES .................................................................................................... 239
Métrologie ...................................................................................................... 239
Modélisation ................................................................................................... 240
REFERENCES BIBLIOGRAPHIQUES ............................................................. 241
ANNEXES ........................................................................................................... 255

A C OPIE DE PUBLICATION ............................................................................... 256
B C OPIE DE PUBLICATION ............................................................................... 269
C C OPIE DE PUBLICATION ............................................................................... 279
D G ENERATION DE NOMBRES ALEATOIRES CORRELES ....................................... 289
D.1 Génération de 3 nombres aléatoires normalement distribués et corrélés
entre eux (Tu, 1998) ........................................................................................ 289
Sommaire
D.2 Généralisation de la méthode ............................................................... 290

E T AILLE DES ECHANTILLONS ARTIFICIELS ...................................................... 295
F E VOLUTION PHYSICO -CHIMIQUE DES SEDIMENTS
(C AMPAGNE C3 - 9/04/2006 -) .................................................................. 296
F.1 Vitesses de chute .................................................................................. 296
F.2 Siccité ................................................................................................. 298
F.3 Métaux lourds ...................................................................................... 300
F.4 Eléments traces organiques .................................................................. 302
G E VOLUTION PHYSICO -CHIMIQUE DES SEDIMENTS
(C AMPAGNE C4 - 4/05/2007 -) .................................................................. 304
G.1 Vitesses de chute .................................................................................. 304
G.2 Granulométrie ..................................................................................... 306
G.3 Siccité ................................................................................................. 309
G.4 Métaux lourds ...................................................................................... 311
G.5 Eléments traces organiques .................................................................. 313
H E VOLUTION PHYSICO -CHIMIQUE DES SEDIMENTS
(C AMPAGNE C5 - 31/05/2007 -) ................................................................. 316
H.1 Vitesses de chute .................................................................................. 316
H.2 Granulométrie ..................................................................................... 318
H.3 Siccité ................................................................................................. 321
H.4 Métaux lourds ...................................................................................... 323
H.5 Eléments traces organiques .................................................................. 325
I H YDROGRAMMES ET VOLUMES CUMULES DES EVENEMENTS SELECTIONNES POUR LA
MODELISATION ................................................................................................... 327
J C AMPAGNES D ’ETALONNAGE DES TURBIDIMETRES ........................................ 339
K E TALONNAGE DU SPECTROMETRE UV-VISIBLE ............................................. 349
L R ELEVE TOPOGRAPHIQUE DU BASSIN DE RETENUE -DECANTATION D JANGO
R EINHARDT ........................................................................................................ 352
M R ESULTATS DES TESTS DU MODELE HYDRODYNAMIQUE
SANS TRANSPORT SOLIDE ......................................................................... 354
M.1 Evénement 20060627............................................................................ 354
M.2 Evénement 20060706............................................................................ 357
M.3 Evénement 20060812............................................................................ 360
M.4 Evénement 20060817............................................................................ 363
M.5 Evénement 20060817............................................................................ 365
N E XEMPLE DE RESULTAT DES TESTS PRELIMINAIRES DE MODELISATION 2D AVEC
TRANSPORT SOLIDE ............................................................................................. 367
O C URRICULUM V ITAE ................................................................................... 368
Introduction Générale
Introduction
Les eaux pluviales, et plus généralement les rejets urbains de temps de pluie (RUTP), ont
fait l’objet de recherches scientifiques depuis la fin des années 1960. On définit les RUTP
comme « l'ensemble des eaux rejetées i) par les installations d'épuration (mélange d'eaux
usées et d'eaux pluviales traitées), ii) par les déversoirs d'orage (mélange d'eaux usées et
d'eaux pluviales non traitées) et iii) par les exutoires pluviaux (eaux pluviales générale-
ment non traitées), pendant un événement pluvieux et pendant la période de temps qui lui
succède, au cours de laquelle le système d'assainissement n'a pas encore retrouvé un fonc-
tionnement nominal de temps sec. » (Chocat et al., 2007).
Les campagnes de mesure effectuées depuis le début des années 1970 sur les
RUTP unitaires et séparatifs montrent que les particules en suspension constituent le
principal vecteur de nombreux polluants, tels que la DCO (Demande Chimique en
Oxygène), les métaux et les micropolluants organiques (Schueler, 1987 ; Marsalek et al.,
1997 ; Chebbo et al., 1995 ; Chocat et al., 2007).
Les particules en suspension (MES) des RUTP, bien qu’ayant des
caractéristiques variables selon les sites et les événements pluvieux, présentent des
vitesses de chute telles que des traitements par décantation extensive sont utilisables avant
rejet vers les milieux aquatiques, avec des rendements compris le plus souvent entre 50 et
85 % pour les MES (voir par exemple Whipple, 1979 dans Marsalek et al., 1997 ;
Marsalek et al., 1992 ; Michelbach et Wöhrle, 1994 ; Herremans et al., 1995 ; Randall,
1982 cité par Matthews et al., 1997 ; Chebbo et al., 2003 ; Chocat et al., 2007). Compte
tenu de leur nature plus minérale et de leurs vitesses de chute légèrement supérieures, les
eaux pluviales issues de systèmes séparatifs sont plus fréquemment traitées par stockage
et décantation extensive que les rejets de réseaux unitaires.
Par ailleurs, également depuis les années 1970 et avec le développement des
techniques alternatives aux réseaux d’assainissement classiques, de nombreuses
collectivités se sont équipées de bassins de stockage en vue de la lutte contre les
inondations. Il est apparu rapidement que pour de nombreux événements pluvieux
fréquents et faibles en regard du dimensionnement des ouvrages, ces bassins pouvaient
également être mis à profit pour assurer une décantation des MES et donc un traitement
avant renvoi des effluents à débit régulé vers les milieux aquatiques.
Ces ouvrages de décantation des eaux pluviales ont fait l’objet de deux types
d’investigations : d’une part des expérimentations in situ sur des ouvrages existants plus
ou moins complexes afin de connaître leur fonctionnement global (entrée-sortie) et leur
rendements de décantation, d’autre part des expérimentations sur maquettes en laboratoire
avec des matériaux synthétiques et des modélisations numériques de type CFD
(Computational Fluid Dynamics), généralement en conditions contrôlées et avec des
géométries simples de type parallèlépipèdes rectangles (Stovin et al., 1999 ; Ta, 1999 ;
Adamsson et al., 2003).
Toutefois, les résultats obtenus à l’échelle du laboratoire restent difficilement
transposables aux bassins réels des systèmes d’assainissement pour plusieurs raisons :
complexité des géométries, variabilité des apports et des caractéristiques
Introduction
hydrodynamiques, hétérogénéité des caractéristiques des sédiments, etc. Rares sont les
travaux ayant associé des mesures in situ et des modélisations hydrodynamiques
d’ouvrages réels.
La connaissance et la modélisation de la décantation des MES des eaux

pluviales dans des ouvrages réels de grande taille constituent donc un champ de
recherche encore largement ouvert, que nous avons décidé d’aborder dans ce travail. Nos
principales questions concernaient deux aspects distincts mais absolument
complémentaires : la métrologie in situ, et la modélisation hydrodynamique. A cette fin,
nous avons travaillé sur le site expérimental du bassin de retenue-décantation Django
Reinhardt à Chassieu (69), d’un volume de 32000 m3 et d’une surface de 11000 m2 . Notre
objectif est de fournir des éléments permettant de progresser tant dans le suivi
expérimental que dans la modélisation de ce type d’ouvrage.
Concernant la métrologie, les deux questions principales auxquelles nous nous

sommes intéressés sont les suivantes :
- le mesurage des caractéristiques physico-chimiques des solides décantés (vitesses
de chute, granulométrie, teneurs en polluants principaux, etc.), leur variabilité
spatiale et temporelle, et leur éventuelle évolution après décantation ;
- utilisation de capteurs de type turbidimètre ou spectromètres UV-visible pour
estimer en continu (i.e. à court pas de temps) les concentrations en MES et DCO en
entrée et en sortie d’ouvrage.
Concernant la modélisation hydrodynamique, nous avons abordé les questions

principales suivantes, avec le souci constant de relier la modélisation de l’ouvrage réel et
les données acquises sur site :
- le calage et l’utilisation d’un modèle hydrodynamique 2D pour simuler le
fonctionnement hydraulique de l’ouvrage ;
- le couplage d’un module de transport solide, sédimentation et érosion et son calage
au moyen des séries expérimentales disponibles en terme de rendement de
décantation ;
- la prévision des zones de sédimentation principales dans l’ouvrage et sa
comparaison avec les observations de terrain.
A plus long terme, ce type de recherche vise à accroître la connaissance des

phénomènes de décantation des eaux pluviales, à améliorer leur modélisation, et à
développer de nouveaux moyens de conception, calcul et gestion de ces ouvrages par les
gestionnaires.
Introduction
Notre travail comporte trois grandes étapes :

- la définition, la mise en place, la validation et l’exploitation d’un dispositif
métrologique expérimental permettant, d’une part, de caractériser les sédiments
décantés lors d’événements pluvieux et, d’autre part, d’étudier leur évolution post-
décantation ;
- le développement et l’exploitation de méthodes et d’outils permettant l’analyse et
l’utilisation des données expérimentales en continu en lien avec la modélisation;
- le calage et le test d’un modèle hydrodynamique 2D de décantation visant à
reproduire le comportement global de l’ouvrage en termes de reproduction des
concentrations en MES en sortie d’ouvrage, de rendement global de décantation et
de prévision des zones préférentielles de dépôt.
La partie 1 de ce document est une synthèse bibliographique concernant : (i)

certains aspects métrologiques relatifs aux caractéristiques des sédiments (chapitre 1), et
particulièrement leurs caractéristiques physiques et chimiques ; (ii) les modèles
hydrodynamiques de décantation en 2D et 3D (chapitre 2) ; (iii) des méthodes statistiques
pour l’analyse et l’interprétation des données expérimentales, notamment calcul des
incertitudes, détection d’outliers, régression PLS et méthodes géostatistiques (chapitre 3).
La partie 2 de ce document comprend une liste des matériels et méthodes mis en
œuvre pour le mesurage et la modélisation de la décantation. Après une description du site
expérimental Django Reinhardt (chapitre 4), on décrit successivement les matériels et
méthodes utilisés en métrologie (chapitre 5), en modélisation (chapitre 6) et pour
l’analyse des données expérimentales et des résultats de modélisation (chapitre 7).
Trois parties du document (parties 3 à 5) sont consacrées aux résultats obtenus et
à leur discussion :
- la partie 3 concerne la caractérisation des sédiments en termes de vitesses de chute
(chapitre 8), de granulométrie (chapitre 9), de teneurs en polluants (chapitre 10) et
d’évolution post décantation (chapitre 11) ;
- la partie 4 traite des mesurages en continu des débits et des hauteurs d’eau pour
plusieurs événements pluvieux (chapitre 12) et des concentrations en matières en
suspension (MES) en entrée et sortie d’ouvrage (chapitre 13) ;
- la partie 5 présente la modélisation hydrodynamique (hauteurs, débits, champs de
vitesse) (chapitre 14), la modélisation de la décantation (chapitre 15), ainsi que des
éléments exploratoires complémentaires (modélisation 3D, utilisation des résultats
de modélisation pour la géostatistique) (chapitre 16).
Après une synthèse des principaux résultats obtenus, nous proposons des pistes pour
poursuivre et améliorer le travail engagé, portant sur les aspects métrologie,
modélisation et application opérationnelle.
Partie 1
Synthèse bibliographique
Partie 1 : Synthèse bibliographique
Introduction
Cette partie du document présente une synthèse bibliographique relative à la
métrologie et à la modélisation de la décantation des eaux pluviales. Elle est
constituée des principaux résultats rencontrés dans la littérature et des
différents outils théoriques permettant de répondre aux objectifs de la thèse.
Dans un premier temps, on aborde l’aspect métrologie (chapitre 1), en
particulier ce qui concerne les équations théoriques et pseudo-empiriques et les
méthodes de laboratoire pour estimer les vitesses de chute des sédiments
(paragraphe 1.1), ainsi qu’une brève description des différentes techniques pour
mesurer les distributions granulométriques des sédiments (paragraphe 1.2),
parmi lesquelles se trouvent les méthodes employées dans ce travail de thèse.
Une série de résultats rapportés dans la littérature est présentée paragraphe 1.3
afin de pouvoir contextualiser les résultats expérimentaux obtenus dans notre
travail.
Dans un deuxième temps on aborde l’aspect modélisation avec le
chapitre 2. Ce chapitre rappelle les bases théoriques de la modélisation
hydrodynamique sans et avec transport solide en 2D et 3D. Il présente aussi une
brève description de quelques résultats de modélisation de la décantation
rapportés dans la littérature. Certaines techniques et équations présentées dans
ce chapitre seront utilisées pour notre modélisation hydrodynamique du bassin
de retenue-décantation.
Le dernier chapitre de cette partie (chapitre 3) présente les méthodes
statistiques utilisées dans notre travail en tant qu’outils d’aide à la gestion,
l’analyse et l’interprétation des données expérimentales et des résultats obtenus.
Plus particulièrement, le paragraphe 3.1 détaille la méthode pour calculer des
incertitudes de mesure, qui sera utilisée pour évaluer les incertitudes associées à
nos différents mesurages (vitesses de chute, turbidité, matières en suspension
MES, etc.). Le paragraphe 3.2 présente brièvement la méthode de Monte Carlo,
qui sera utilisée pour le calcul des incertitudes de mesure, ainsi que pour les
modélisations du comportement hydrodynamique du bassin. Le paragraphe 3.3
est dédié aux méthodes de détection d’outliers multivariés utilisées pour mettre
en évidence des comportements moyens de phénomènes observés
expérimentalement lors des campagnes de mesure (par exemple pour construire
des relations entre la turbidité et la concentration en MES) ou dans les séries
temporelles (par exemple pour construire des relations entre variables mesurées
en continu utilisables comme conditions aux limites dans les modélisations). Le
paragraphe 3.4 est consacré à la méthode d’analyse multivariée PLS (Partial
Least Squares) proposée comme outil d’exploitation des spectres provenant de
spectromètres UV-visibles, utilisés pour mesurer en continu des concentrations
de polluants (MES ou DCO). Enfin le paragraphe 3.5 s’intéresse aux méthodes
géostatistiques, qui seront utilisées pour l’analyse des résultats expérimentaux
Partie 1 : Synthèse bibliographique
spatialement dépendants, comme par exemple les vitesses de chute des

particules mesurées à différents endroits au fond du bassin de retenue-
décantation Django Reinhardt.
Partie 1 : Synthèse bibliographique 1 Métrologie des sédiments
1. Métrologie des sédiments
1.1 Vitesses de chute des sédiments

L’étude de la décantation n’est pas récente (voir e.g. Stypka, 1998 ; Lafond, 1995 ;
Chocat et al., 1997 ; Bürger et Wendland, 2001). Les premiers travaux qui s’intéressèrent
aux facteurs influençant la décantation des particules solides dans l’eau furent ceux de
Hazen en 1904 : il a montré que la durée de détention ne pouvait pas être considéré
comme le seul facteur déterminant dans le dimensionnement de bassins de décantation et
que par contre la fraction solide décantée était proportionnelle à la surface du bassin et
aux propriétés de décantation des matières en suspension, et inversement proportionnelle
au débit traversier dans l’ouvrage. Camp en 1953 réalisa des simplifications de la solution
explicite de l’équation de convection-dispersion simplifiée proposée par Dobbins en 1944
: son analyse aboutit à un abaque de dimensionnement qui donne l’efficacité de
décantation en fonction de la vitesse de chute des particules, du débit surfacique, de la
hauteur d’eau et du coefficient de dispersion supposé constant. A partir de ces
développement d’autres modèles ont été développés en incorporant la turbulence des
écoulements et la remise en suspension, toujours en considérant la vitesse de chute des
particules comme un paramètre important. Les paragraphes suivants sont consacrés à
l’étude bibliographique de différents travaux réalisés pour estimer les vitesses de chute
des sédiments soit au moyen d’équations théoriques et pseudo-empiriques, soit au moyen
des méthodes de laboratoire.
1.1.1 Equations théoriques et pseudo-empiriques

La sédimentation, ou décantation par effet de la gravité, est un processus largement utilisé
pour séparer des milieux de densités différentes. Afin de connaître la trajectoire d’une
particule dans un fluide en mouvement, il est nécessaire de connaître sa vitesse de chute.
Il existe dans la littérature de très nombreuses équations théoriques ou pseudo-empiriques
pour estimer la vitesse de chute des particules, notée Vs . Nous en présentons quelques-
unes ci-dessous.
a) Formule de Stokes
50  ρ p  gd p
2
Vs =  − 1 (1-1)
9  ρ  ν
avec g l’accélération de la pesanteur (m/s 2), Vs la vitesse de chute de la particule en eau
calme (m/s), ρ p la masse volumique des particules (kg/m3), ρ la masse volumique du
fluide (kg/m3 ), d p le diamètre de la particule (m) et ν la viscosité cinématique du fluide
(m2 /s).
Cette équation ne peut être utilisée que pour des particules avec des diamètres in-
férieurs à 0.1 mm pour lesquelles seules la force de traînée, le poids et la force

d’Archimède sont considérées, et sous l’hypothèse que le nombre de Reynolds particu-
laire est inférieur à 1, situation connue sous le nom de "régime de Stokes" (Lafond, 1995).
b) Equation de Hetsroni, 1982 (dans Garde et al., 1990)

 Cγ f
N

Vs = Vs 0   (1-2)
 γs 
où,
−0.88
V d  Vs 0 d p
N = 4.4 s 0 p  pour < 2500 (1-3)
 v  v
V d
N = 2.35 pour s 0 p > 2500 (1-4)
v
avec Vs la vitesse de chute de la particule (m/s), Vs0 la vitesse de chute en eau claire (m/s),
C la concentration de la particule en ppm par poids, γ f le poids spécifique du fluide
(N/m3), γs le poids spécifique des particules (N/m3), d p le diamètre du sable utilisé (m) et
ν la viscosité cinématique du fluide (m2/s).
c) Equations empiriques
On trouve dans la littérature de nombreuses expressions empiriques proposées par
différents auteurs. Quelques unes de ces expressions sont des développements réalisés à
partir de la formule de Stokes (équation (1-1)). La plupart de chercheurs (Oseen, 1927 ;
Sha, 1956 ; Zanke, 1977 ; Raudkivi, 1990) avaient pour objectif le développement
d’expressions applicables au-delà du « régime de Stokes », tout en restant dans le cas
d’une particule sphérique individuelle décantant en eau calme. Un exemple de ces
développements correspond à l’équation d’Oseen (1927) (Cheng, 1997) applicable pour
des particules avec un diamètre supérieur à 0.1 mm (équation (1-5)).
2
− 2C1  2C 
+  − 1  + 2d p C 2
dp  d  (1-5)
 p 
Vs =
2
où,
8νρ f
C1 = (1-6)
3ρ s
16  ρ s 
C2 = g − 1 (1-7)
27  ρ f 

avec d p le diamètre de la particule (m), Vs la vitesse de chute de la particule (m/s), g
l’accélération de la pesanteur (m/s 2), v la viscosité cinématique du fluide (m2 /s), ρs la
masse volumique des particules (kg/m3), ρ f la masse volumique du fluide (kg/m3 ).
D’autres équations ont été développées et utilisées pour étudier le transport

solide dans des cours d’eau. Cheng (1997) propose une liste non exhaustive des équations
développées dans ce domaine. On peut citer par exemple les équations de Van Rijn (1989)
applicables à des particules avec des diamètres supérieurs à 1 mm (équation (1-8)) et
l’équation de Zanke (1977) applicable à des particules avec des diamètres compris entre
0.1 mm et 1.0 mm (équation (1-9))
ρ 
Vs = 1.1  s − 1 gd p (1-8)
ρ 
 f 
 ρ  
 0.01 s − 1 gd 3p 
ν  ρ  
Vs = 10  1 +  f  − 1 (1-9)
dp  ν2 
 
 
avec d p le diamètre de la particule (m), Vs la vitesse de chute de la particule (m/s), g
l’accélération de la pesanteur (m/s 2), v la viscosité cinématique du fluide (m2 /s), ρs la
masse volumique des particules (kg/m3), ρ f la masse volumique du fluide (kg/m3 ).
D’autres relations ont été développées pour le dimensionnement des décanteurs
secondaires des stations d’épuration. Ces équations sont donc spécifiques pour les vitesses
de chute des boues activées. Par exemple, on trouve dans la littérature (e.g. Lee et al.,
1999 ; Vanderhasselt et Vanrolleghem, 2000 ; Zhang, 2006) les équations de Vesilind
(1968) (équation (1-10)), Takacs et al. (1991) (équation (1-11)) et Cho et al. (1993)
(équation (1-12)).
− nC p
Vs = V0e (1-10)
Vs = V0 ' e( (
−rh C p −Cmin )
−e
(
−rp C p −Cmin )
) (1-11)
− n 'C p
e
Vs = k ' (1-12)
Cp
avec V 0 la vitesse de chute maximum de Vesilind (m/s) (voir Tableau 1-1), V 0’ la vitesse
de chute maximum théorique de Takacs (m/s), Cp la concentration de la particule (kg/m3 ),
Cmin la concentration minimum possible (kg/m3), n le paramètre de Vesilind (m3 /kg) (voir
Tableau 1-1), n’ un paramètre dit de Cho (m3 /kg), k’ un paramètre dit de Cho (kg/(m2 s)),
r h et r p : paramètres de décantation de Takacs (m3/kg)
Tableau 1-1 Paramètres de Vesilind (Vanderhasselt et Vanrolleghem, 2000)

3
Concentration (kg/m ) 1.0 – 6.6 2.2 – 14.0 0.5 – 4.1 3.0 – 15.6
V 0 (m/h) 6.9 12.2 5.5 10.3
3
n (m /kg) 0.36 0.21 0.64 0.19
La plupart de ces équations présentent des inconvénients à plusieurs niveaux : (i)
des conditions d’utilisation très contraignantes (e.g. des tailles de particules spécifiques)
et peu réalistes (e.g. « régime de Reynolds ») pour la plupart des applications ; (ii) des
dépendances avec d’autres caractéristiques des particules mal ou pas du tout connues (e.g.
des vitesses de chute maximum équations (1-10) et (1-11), concentration minimum équa-
tion (1-11)) ; (iii) mauvaise adaptabilité pour l’étude d’une fraction particulaire de carac-
téristiques hétérogènes. A cause des inconvénients cités ci-dessus, des méthodes de labo-
ratoire ont été développées de manière à mesurer les vitesses de chute réelles des
particules, notamment celles contenues dans les rejets urbains de temps de pluie. Ceci fera
l’objet des paragraphes suivants.
1.1.2 Méthodes de laboratoire

Les vitesses de chute des MES (Matières En Suspension) sont fréquemment utilisées
comme paramètre pour dimensionner les ouvrages (Bertrand-Krajewski et Chebbo, 2003).
Les valeurs mesurées et les fortes variabilités des ordres de grandeur publiés dépendent en
particulier des épisodes pluvieux échantillonnés et des sites de mesure, des appareils et
des protocoles de mesure et modes opératoires utilisés (Chebbo et al., 2003a).
Un certain nombre de protocoles ont été développés en France et à l’étranger
ayant pour objectif la détermination de la courbe de distribution des vitesses de chute des
particules. Cette courbe représente en ordonnées la fraction cumulée F de la masse totale
de particules ayant une vitesse de chute inférieure à Vs , cette dernière représentée en abs-
cisses (Chebbo et al., 2003b). Les protocoles développés pour obtenir des courbes de dis-
tribution de vitesses de chute des particules sont fondés sur l’un des deux principes décrits
dans le Tableau 1-2, selon les conditions de démarrage des expériences. Une distinction
est faite pour les protocoles suivant le principe de la suspension homogène selon les con-
ditions de mesurage de la décantation (Type A ou B).
Tableau 1-2 Principes appliqués dans les différents protocoles de détermination des courbes de
distribution des vitesses de chute des particules des RUTP (Chebbo et al., 2003a)
PRINCIPE DESCRIPTION
Couche surnageante Au début du mesurage, les particules sont reparties en une couche
mince à la surface du fluide en haut de la colonne de décantation
Suspension homogène Au début du mesurage, les particules sont reparties de façon homogène
sur toute la hauteur de décantation.
Type A : on mesure la masse qui décante au fond de la colonne.
Type B : on mesure la concentration des polluants à une ou plusieurs
hauteurs dans la colonne.
Les paragraphes suivants décrivent brièvement quelques protocoles de mesure

des courbes de distribution de vitesses de chute.
a) Protocole américain
Ce protocole développé aux Etats-Unis et décrit par EPA (1986), Pisano (1996) et EPA
(1999) repose sur le principe de la suspension homogène de type B. Des hublots de
prélèvement de diamètre 1.5 à 2.5 cm, sur lesquels sont fixées des vannes quart de tour
pour assurer le prélèvement rapide des fractions, sont disposés à intervalles réguliers sur
une colonne de décantation en Plexyglas de 1.5 à 2.0 m de hauteur et 15 à 25 cm de

diamètre. Le protocole consiste à faire des prélèvements à ces cinq hauteurs à des instants
donnés (30 s, 1 min, 2 min, 5 min, 10 min, 20 min et 1 h). Le pourcentage des particules
qui ont une vitesse de chute inférieure à V si est calculé directement par l’équation (1-13).
F (Vsi ) = 100
Ci
(1-13)
C0
avec Ci la concentration mesurée au temps t i pour la hauteur de décantation Hi (voir
Figure 1-1), C0 la concentration mesurée sur l’échantillon prélevé lors du remplissage de
la colonne de décantation, Vsi la vitesse de chute des particules calculée selon l’équation
(1-14).
Hi
Vsi = (1-14)
ti
H1
H2
H3
H4
Figure 1-1 Colonne de décantation utilisée dans le protocole américain (EPA,1986)
Chebbo et al. (2003a) ont donné une liste des points positifs et négatifs de cette
méthode. Les points positifs sont : (i) respect des recommandations de Lucas-Aiguier et
al. (1996) ; (ii) le mesurage peut être réalisé très rapidement après le prélèvement sans
prétraitement des échantillons ; (iii) les manipulations sont simples et donc il n’y a pas
nécessité d’un entraînement spécifique de l’opérateur ; (iv) les volumes des fractions sont
suffisants pour déterminer les concentrations en divers polluants. Les points négatifs sont
les suivants : (i) l’important volume nécessaire pour ce protocole (45 L) ne permet pas
l’utilisation d’un seul préleveur automatique standard de 24 L; (ii) un problème
d’hétérogénéité a été détecté : la concentration initiale peut varier de plus de 20 % selon
qu’elle est mesurée en haut ou en bas de la colonne ; (iii) la répétabilité du protocole est
médiocre pour les quatre premières minutes ; (iv) les prélèvements successifs dans une
même colonne peuvent entraîner des perturbations hydrauliques ; (v) la représentativité
spatiale des prélèvements n’a pas encore été prouvée.
b) Protocole de Benoist et Lijklema (1990)

Ce protocole repose sur le principe de la suspension homogène de type B. Il propose
l’utilisation de cinq colonnes de décantation, chacune d’une hauteur de 40 cm et d’un
diamètre de 8 cm pour un volume de 2 L. Le remplissage des colonnes est effectué par
gravité. A chaque temps t i un échantillon de 100 mL est extrait de la colonne i pour une
décantation sur une hauteur hi . Sur chacune des fractions et sur l’échantillon initial sont
mesurées les concentrations en MES et en métaux lourds (Cu, Pb , Zn et Cd). La
distribution des concentrations en MES et métaux lourds en fonction de la vitesse de
chute est représentée sous forme d’histogramme donnant le pourcentage en masse des
polluants pour la fraction de vitesse de chute considérée (Chebbo et al., 2003a).
h5
t1 t2 t3 t4 t5
Figure 1-2 Colonnes de décantation utilisées dans le protocole de Benoist et Lijklema (1990)
Chebbo et al. (2003a) ont donné une liste des points positifs et négatifs de cette
méthode. Les points positifs sont : (i) il permet d’évaluer de manière directe le pourcen-
tage des particules qui ont une vitesse de chute inférieure à une valeur donnée ; (ii) le me-
surage peut être réalisé très rapidement après le prélèvement sans prétraitement des
échantillons. Les points négatifs sont : (i) pas de détails suffisants sur le mode opératoire
(homogénéisation de l’échantillon initial, mode de remplissage des différentes colonnes
de décantation, mode de prélèvements aux temps ti) ; (ii) des problèmes d’homogénéité de
l’échantillon entre les différentes colonnes ont été détectés ; (iii) des problèmes sur la fa-
çon de prélever des fractions successives ont été détectés (horizontalité des prélève-
ments) ; (iv) des problèmes de répétabilité ont été détectés.
c) Protocole ASTON
Ce protocole, décrit par Tyack et al. (1996), repose sur le principe de la couche
surnageante. Il propose l’utilisation d’une seule colonne de décantation en plastique de
diamètre interne 54 mm avec une hauteur de décantation de 1.625 m. Un échantillon de
4.75 L est utilisé. En se référant à la Figure 1-3, le protocole consiste tout d’abord en un
prétraitement dans le but de séparer les fractions flottante et décantable. Ceci est effectué
en laissant l’échantillon dans la colonne en position verticale pendant 3 h avec les vannes
2 et 3 ouvertes. Au bout de ce temps (3 h) les vannes 2 et 3 sont fermées et la fraction
flottante contenu dans le compartiment A est retirée. Le compartiment A est ensuite
rempli par de l’eau potable. La colonne est retournée de manière à ce que le compartiment
B se trouve en haut, les vannes 2 et 3 sont ouvertes et le chronomètre se déclenche. A des
instants de prélèvement préétablis la vanne 3 est fermée et le contenu du compartiment A
est prélevé. Le compartiment A est ensuite rempli par de l’eau potable. La colonne est
ensuite retournée de manière à ce que le compartiment B se trouve de nouveau en haut, la
vanne 3 est ouverte et le test continue. A la fin du test le contenu du compartiment B est
retiré et remplacé par la fraction flottante prélevée préalablement et le test se répète à
nouveau mais avec le compartiment B en bas et le compartiment A en haut de manière à
en prélever les particules flottantes. Le test dure environ 6 h.
Un des principaux avantages de ce protocole sur d’autres (e.g. protocole
américain) est qu’il nécessite moins d’analyses car un seul échantillon est prélevé par
temps de décantation. De plus, il a besoin d’un volume moins important d’échantillon brut
(4.75 L). Cette méthode est conçue pour de fortes concentrations en sédiments en donnant
des meilleurs résultats dans ce cas. Un des inconvénients de la méthode est son
mécanisme à cause de la rotation nécessaire pour appliquer le protocole (EPA, 1999).
Figure 1-3 Colonne de décantation Aston (dimensions en mm) (adapté de Tyack et al.,1996)
d) Protocole UFT (Michelbach et Wöhrle, 1993)

Ce protocole repose sur le principe de la couche surnageante. L’appareillage consiste en
un cône Imhoff et une colonne de décantation. L’échantillon initial subit un
prétraitement : il s’agit d’une décantation pendant 2 h dans le cône Imhoff (Figure 1-4).
Au bout de ce temps les solides décantés sont prélevés en bas du cône. L’appareil de
décantation utilisé est une colonne en Plexiglas d’un diamètre inférieur à 50 mm et une
hauteur totale de 700 mm, dont 200 mm correspondants à un cône gradué situé sur la
partie inférieure (Figure 1-5). Entre 5 et 20 mL de particules prélevées en bas du cône
Imhoff sont placés au-dessus de la colonne. A des instants prédéfinis t i des échantillons
sont prélevés au moyen d’une pince placée à l’extrémité du cône gradué situé sur la partie
inférieure de la colonne de décantation, avec ti = 4 s, 8 s, 15 s, 30 s, 60 s, 4 min, 8 min, 15
min, 30 min, 1 h et 2 h. Ces échantillons sont laissés dans des petits tubes gradués
pendant 2 heures. Le volume et la masse de matières décantées sont ensuite mesurés, de
manière à calculer les fractions comme le rapport du volume (ou de la masse) mesuré dans
chaque tube sur la somme des volumes (ou des masses) prélevés dans tous les tubes. La
vitesse de chute est obtenue directement en calculant le rapport entre la hauteur de
sédimentation (700 mm) sur chaque instant t i.
D=125 mm
1000 mL
H=480 mm
pince d’extraction
tuyau
Figure 1-4 Schéma du cône Imhoff (adapté de Saint-Pierre et al.,1995)
Les points positifs du protocole sont (EPA, 1999) : (i) nombre moins important
d’analyses car un seul échantillon est prélevé par temps de décantation ; (ii) faible volume
nécessaire pour mener le protocole (1 L) donc facilement utilisable sur le terrain. Les
points négatifs sont (Lucas-Aiguier, 1996 ; Bhouri, 2003) : (i) la phase de prétraitement
peut entraîner des modifications des caractéristiques des solides ; (ii) le fait d’introduire
des solides au sommet de la colonne peut provoquer la création de blocs compacts et
entraîner une décantation accélérée des plus fines particules. ; (iii) seule la fraction
décantée dans le cône Imhoff est prise en compte dans le résultat final.
Figure 1-5 Schéma de l’appareil de décantation UFT (Michelbach et Wöhrle, 1993)
e) Protocole VICAS (VItesse de Chute en ASsainissement)

Ce protocole est fondé sur le principe de la suspension homogène de type A (Chebbo et
al., 2003a). Les particules sont supposées décanter dans une colonne de manière
indépendante les unes des autres, sans former d’agrégats et sans diffusion (Gromaire et
Chebbo, 2003), ce qui se traduit par l’équation (1-15).
dM (t )
M (t ) = S (t ) + t (1-15)
dt
avec M(t) la masse accumulée de particules ayant décanté en bas de la colonne après la
durée t, S(t) la masse accumulée de particules décantées en bas de la colonne après la
durée t avec une vitesse de chute supérieure à H/t avec H la hauteur d’eau dans la colonne
(Chebbo, 1992; Chancelier et al., 1998).
Un schéma de la colonne de décantation VICAS est donné Figure 1-6. La liste

des équipements ainsi que la procédure de mesurage seront décrites en détail dans la par-
tie 2 de ce document.
Figure 1-6 Schéma du protocole VICAS (Chebbo et al., 2003b)
f) Protocole VICPOL
Le protocole VICPOL est une modification du protocole proposé par Benoist et Lijklema
(1990). Il repose sur le principe de la suspension homogène de type B (Gromaire et al.,
2003). L’avantage de ce protocole est qu’à partir d’une seule expérience on peut
déterminer les distributions des vitesses de chute de plusieurs polluants. Deux modalités
d’utilisation sont proposées selon les polluants à étudier : (i) la Modalité 1 permet de
déterminer les courbes de vitesses de chute des MES, ainsi que des métaux (totaux et
dissous) et des matières organiques (COP - Carbone Organique Particulaire -, DCO -
Demande Chimique en Oxygène - totale, NTK - Azote Total Kjeldahl - total et dissous) ;
(ii) la Modalité 2 permet de mesurer les courbes de vitesses de chute des MES et des HAP
(Hydrocarbures Aromatiques Polycycliques).
Le protocole consiste à prélever à une même hauteur de décantation H (43 cm)
un volume de 500 mL dans cinq colonnes remplies par le même liquide bien homogénéisé
et à différents instants (4 min pour la colonne 1, 12 min pour la colonne 2, 45 min pour la
colonne 3, 4 h pour la colonne 4 et 24 h pour la colonne 5) (voir Figure 1-7).
Le pourcentage des particules qui ont une vitesse de chute inférieure à Vsi est
calculé directement par l’équation (1-16) (Muca, 2004).
F (Vsi ) = 100
Ci
(1-16)
C0 i
avec Ci la concentration mesurée au temps t i dans la colonne i, C0i la concentration
mesurée sur l’échantillon prélevé lors du remplissage de la colonne i, V si la vitesse de
chute des particules calculée selon l’équation (1-17).
H
Vsi = (1-17)
ti
avec H la hauteur de décantation.
Le protocole VICPOL a une répétabilité assez bonne : Gromaire et al. (2003) ont
trouvé que sur quatre réplicats la fraction décantée variait au maximum de 4 % pour les
temps de décantation 4 h et 24 h, de 8 % pour le temps de décantation 45 min et de 22 %
pour le temps de décantation 12 min.
2 séries de 4 trous
diamètre 4 mm
pompe pompe pompe pompe pompe
50 cm
7 cm
t1 = 4 min t2 = 12 min t3 = 45 min t4 = 4 h t5 = 24 h
Figure 1-7 Colonnes de décantation Vicpol (adapté de Bhouri, 2003)
1.2 Analyses granulométriques des sédiments

L’exactitude de la méthode utilisée pour déterminer la distribution granulométrique d’un
échantillon de sédiments dépend de la forme géométrique des particules étudiées (souvent
liée à leur nature) et de la teneur en matière organique des particules (Centre d’expertise
en analyse environnementale du Québec, 2003). Le Tableau 1-3 indique les différentes
méthodes utilisables pour une analyse granulométrique (Riego Sintes, 2002).
Tableau 1-3 Différentes méthodes pour une analyse granulométrique (Riego Sintes, 2002)
Méthode Explication
Tamisage C’est la méthode la plus répandue, surtout pour l’analyse d’agrégats ou de
particules supérieures à 50 µm. Permet dans certains cas d’analyser des
particules fines (jusqu’à 5 µm). Demande des temps d’analyse relativement
longs (5 à 30 min).
Sédimentation Méthode relativement rapide (3 à 10 min). Ne devrait être utilisée que dans le
cas de particules de densité connue et homogène et pour l’analyse de
particules comprises entre 5 µm et 100 µm.
Diffraction Laser Méthode la plus rapide (environ 10 secondes) et la plus précise. Est utilisée
dans le cas des particules fines à très fines (0.02 µm à 2000 µm), et lorsqu’un
grand nombre d’analyses doit être effectué. Combinée avec l’analyse par
tamisage, elle permet de couvrir toutes les plages de mesure.
Il existe différentes définitions de la taille d’une particule. Les diamètres les plus
utilisés sont les diamètres de sphères équivalentes ou ESD (de l’anglais « Equivalent
Spherical Diameter ») et particulièrement le diamètre en volume d V qui correspond au
diamètre de la sphère ayant le même volume que la particule. Chaque technique de me-
sure utilise une certaine définition du diamètre qui, pour une géométrie sphérique, devrait
donner le même résultat (Tableau 1-4). Par contre, pour des formes non sphériques des
particules, les résultats changent en fonction de la définition du diamètre, ce qui devrait
être pris en compte lors du choix de la méthode d’analyse (Bowen, 2002).
Tableau 1-4 Différentes définitions du diamètre des particules (Bowen, 2002).

Diamètre Symbole Définition
Diamètre de Stokes d st Diamètre d’une sphère chutant librement à la même
vitesse que la particule dans un fluide donné
Diamètre en volume dV Diamètre d’une sphère de même volume que la particule
Diamètre de la surface dA Diamètre du cercle ayant la même surface projetée que
projetée celle de la particule
Diamètre de Féret dF Distance entre deux tangentes parallèles à des côtés
opposés de la particule
Diamètre de Féret d Fmax Distance maximale entre deux tangentes parallèles sur
maximum des côtés opposés de la particule
Diamètre de Féret minimum d Fmin Distance minimale entre deux tangentes parallèles à des
côtés opposés de la particule
Les sédiments sont rarement de taille unique ou homogène et donc ils font partie
d’une distribution de taille. La distribution peut être représentée de différentes manières,
comme par exemple une distribution en fréquence, ou cumulée. Certaines techniques de
mesure fournissent directement une distribution basée sur le nombre (microscopie) ou sur
la masse (tamisage) (Bowen, 2002) (Tableau 1-5).
Tableau 1-5 Exemples de différents diamètres moyens et de leur représentation mathématique

(Bowen, 2002).
DIAMETRE DEFINITION
Nombre – longueur n
∑d N i i
d nl = i =1
n
∑N
i =1
i
Nombre – volume n
∑d i
3
Ni
d nv = 3 i =1
n
∑N
i =1
i
Volume - moment n
(Poids - moment) ∑d i
4
Ni
d vm = i =1
n
∑d
i =1
3
i Ni
Surface spécifique
d BET [µm] =
6
S BET ρ
i = classe des particules, Ni = nombre ou
pourcentage des particules dans la classe i,
SBET = surface spécifique [m 2/g] et ρ = masse
volumique [g/cm 3]
1.3 Résultats rapportés dans la littérature
1.3.1 Vitesses de chute

Les solides en suspension dans les rejets urbains par temps de pluie ont en général des
vitesses de chute très dispersées, mais leurs intervalles sont relativement comparables,
quel que soit le type de réseau, bien que leur masse volumique soit différente : les vitesses
de chute médianes V 50 varient en moyenne de 0.2 m/h à 11.0 m/h en réseaux unitaires et
de 0.6 m/h à 9 m/h en réseaux séparatifs (Chocat et al., 1997 ; Chocat et al., 2007).
L’EPA (1986) généralise les résultats de 46 tests sur des échantillons de
ruissellement urbain sur des colonnes de décantation en proposant cinq classes de vitesses
de chute comme indiqué Tableau 1-6. Malgré la généralisation établie, les remarques
suivantes ont été rapportées : (i) il existe une grande variabilité des tailles des particules,
et par conséquent des vitesses de chute, dans chaque échantillon testé ; (ii) la distribution
des vitesses de chute peut être caractérisée par une distribution log-normale ; (iii) il existe
une variabilité importante (jusqu’à un ordre de grandeur) des vitesses de chute d’une pluie
à une autre ; (iv) une variabilité moins importante des vitesses de chute d’un site à un
autre est observée.
Tableau 1-6 Classes moyennes de vitesses de chute obtenues par l’EPA (1986) sur la base de
46 tests sur des colonnes de décantation
% de particules en Vitesse de chute moyenne
masse (m/h)
0 – 20 % 0.0099
20 – 40 % 0.0990
40 – 60 % 0.4950
60 – 80 % 2.3100
80 – 100 % 21.4500
La Figure 1-8 montre les courbes de distribution de vitesses de chute rapportées

par Pisano et al. (1990) relatives aux solides présents dans les rejets de réseaux
d’assainissement unitaires.
Figure 1-8 Courbes de distribution de vitesses de chute pour les solides présents dans les
rejets de réseaux d’assainissement unitaires (Pisano et al.,1990)
Selon Pisano et al. (1990) la plupart des sédiments présentent une vitesse de
chute comprise entre 0.1 cm/s (3.6 m/h) et 13.0 cm/s (468.0 m/h), selon leur nature : (i)
les particules de grande taille (2 mm et plus) de nature organique ou inorga-
nique présentent les vitesses de chute les plus élevées ; (ii) les particules légèrement or-
ganiques présentent les vitesses de chute les plus faibles ; (iii) les particules inorganiques
comme les sables fins présentent des vitesses de chute intermédiaires. En plus, la Figure
1-8 montre que les courbes de décantation de projet de l’EPA, établies au début des an-
nées 1980 comme fondement pour la conception du « Swirl Concentrator », sont plus
grandes que celles trouvées en pratique (Pisano et al., 1990 ; Pisano et al., 1998).
Michelbach et Wöhrle (1992) ont effectué des expériences sur 350 échantillons
pour déterminer leurs distributions des vitesses de chute selon le protocole UFT. Une vi-
tesse médiane de 0.4 cm/s (14.4 m/h) a été retenue comme représentative des solides étu-
diés.
Michelbach et Wöhrle (1994) ont mis en évidence que les fractions à fort conte-
nu en matière organique présentaient les vitesses de chute les plus élevées (0.8 cm/s à 3.1
cm/s, soit 28.8 m/h à 111.6 m/h) par rapport aux fractions à faible contenu en matière or-
ganique. Par ailleurs, les fractions avec des vitesses de chute entre 0.4 cm/s (14.4 m/h) et
0.8 cm/s (28.8 m/h) présentaient la charge la plus élevée en métaux lourds et micropol-
luants organiques. Michelbach et Wöhrle (1994) associent une valeur de vitesse de chute
de 0.4 cm/s (14.4 m/h) à une particule minérale de densité 2.65 g/cm3 et 0.069 mm de
diamètre. Ils associent également une valeur de vitesse de chute de 0.28 cm/s (10.1 m/h)
au piégeage de 68 % des solides décantables (après prétraitement selon le protocole UFT,
voir paragraphe 1.1.2) , 68 % de la matière organique, 70 % de la DCO et 78 % de la
charge polluante.
Pour des mesurages réalisés en réseau pluvial, Chebbo (1992) trouve des vitesses
de chute V 10 = 0.13 m/h, V 50 = 4.10 m/h et V 90 = 11.00 m/h pour les particules à taille infé-
rieure à 50 µm, et V 10 = 13.00 m/h, V 50 = 50.00 m/h et V 90 = 325.00 m/h pour les parti-
cules à taille supérieure à 50 µm. Pour l’ensemble des particules mesurées, il rapporte des
vitesses de chute V10 = 0.37 m/h, V50 = 7.20 m/h et V 90 = 89.00 m/h.
Pisano (1996) présente un résumé des résultats trouvés entre 1975 et 1995 sur
plusieurs sites aux Etats-Unis et par différentes méthodes. Les valeurs médianes des résul-
tats des vitesses de chute pour les réseaux unitaires et séparatifs sont les suivants : (i) uni-
taire : V 50 entre 0.030 cm/s (1.08 m/h) et 0.066 cm/s (2.38 m/h) ; (ii) séparatif : V 50 entre
0.0015 cm/s (0.054 m/h) et 0.150 cm/s (5.4 m/h). Ceci met en évidence la variabilité des
résultats de vitesses de chute rencontrés, surtout en ce qui concerne les eaux des réseaux
séparatifs. Cependant Gromaire-Mertz et al. (1998) affirment que les vitesses de chute des
MES des réseaux unitaires sont plus faibles et plus variables que celles des réseaux sépa-
ratifs.
Aiguier et al. (1996) présentent les résultats des vitesses de chute obtenus avec
plusieurs méthodes pour de eaux des réseaux unitaires (Tableau 1-7).
Tableau 1-7 Résultats des vitesses de chute pour des eaux de réseaux unitaires (Aiguier et al.,
1996)
Méthode V 20 (m/h) V 50 (m/h) V 80 (m/h) Nombre
d’échantillons
ASTON – 4.68 22.68 1
UFT 1.44 – 21.60 5.40 – 28.80 18.00 – 108.00 98
CERGRENE 0.05 – 1.08 3.24 – 10.80 21.60 – 47.16 6
Hedges et al. (1998) ont montré qu’environ entre 54 à 59 % de DCO, NTK et P

et entre 70 et 90 % d’Al, Cu, Fe, Mg, Zn et Hg se trouvent dans la fraction décantable, dé-
finie comme celle qui présente des vitesses de chute supérieures à 0.18 mm/s (0.65 m/h).
Lors de l’application du protocole VICAS sur le bassin versant expérimental du
Marais à Paris, Chebbo et al. (2003b) ont conclu que les vitesses de chute mesurées pour
les eaux de temps de pluie à l’exutoire du réseau d’assainissement sont nettement supé-
rieures à celles des eaux usées et supérieures à celles des eaux de ruissellement, ce qui est
en relation avec l’importance et la nature des particules érodées à l’intérieur du réseau
d’assainissement durant l’événement pluvieux (Chebbo et al., 2003b).
Li et Pyatt (2004) ont estimé les vitesses de chute des sédiments d’eaux pluviales
associées à un bassin versant périurbain de 15.1 ha, pour les tailles des sédiments D10 et
D50. Les valeurs rapportées vont de 0.0009 m/s (3.24 m/h) à 0.0046 m/s (16.56 m/h) pour
la taille D10 et de 0.00001 m/s (0.036 m/h) à 0.00005 m/s (0.18 m/h) pour la taille D50.
1.3.2 Efficacité de décantation

Les ouvrages de retenue-décantation peuvent présenter de très bonnes performances de
traitement des rejets urbains par temps de pluie. Herremans (1995) rapporte les
estimations suivantes de dépollution attendue après un stockage de quelques heures dans
les ouvrages mettant en œuvre une décantation extensive simple : (i) dépollution en MES :
80 à 85 % ; (ii) dépollution en MO (Matière Organique) : 60 à 70 % ; (iii) dépollution en
métaux lourds : 75 à 80 %.
Un bassin de retenue de 3520 m3 a été instrumenté dans le cadre du « Nationwide
Urban Runoff Program » (NURP) à Washington, D.C. Ce bassin drainait un bassin versant
de 13.9 ha de surface, avec un coefficient d’imperméabilisation estimé à 30.5 %. Le suivi
de 259 événements pluvieux indique une charge totale annuelle en MES de 99.0 kg/ha en
entrée et de 22.5 kg/ha en sortie du bassin de retenue, ce qui représente une efficacité de
décantation de l’ouvrage de 77 % (Randall, 1982).
Des tests menés dans des colonnes de décantation en laboratoire indiquent les
taux suivants de réduction des teneurs en polluants étudiés pour des temps de décantation
compris entre 24 et 40 heures (Whipple et Hunter, 1981 ; Randall et al., 1982, cités par
Marsalek et al., 1992) : (i) MES : 70 à 90 % ; (ii) P : 50 % ; (iii) Pb : 65 à 85 % ; (iv) Zn :
30 à 45 % ; (v) Cu : 40 %. Cependant, des tests dans des bassins réels indiquent des per-
formances moins élevées (Driscoll, 1986, cité par Marsalek et al., 1992).
Stahre (1993) (cité par Saget, 1994) rapporte des efficacités de rétention an-
nuelles de 35 % pour NT et de 31 % pour P, sur le bassin de lagunage de Malmö.
Urbonas (1994) rapporte des efficacités comprises entre 10 et 90 % selon le pol-
luant et la géométrie de l’installation : (i) MES : 50 à 70 % ; (ii) P : 10 à 20 % ; (iii) N :
10 à 20 % ; (iv) Zn : 30 à 60 % ; (v) Pb : 75 à 90 % ; (vi) Bactéries : 50 à 90 %.
Aires et al. (2003) rapportent des efficacités de dépollution pour les ouvrages de
retenue entre 45 et 92 % pour les concentrations en MES et de plus de 50 % pour les con-
centrations en DBO5.
Breuil et Browne (2003) rapportent des efficacités de décantation pour les ou-
vrages du département de Seine-Saint-Denis allant de 70 à 80 % en unitaire comme en sé-
paratif. Li et Pyatt (2004) rapportent des efficacités de traitement de plus de 80 % pour les
concentrations en MES, pour tous les événements mesurés dans un bassin de stockage
d’eau pluviale.
Quelques observations permettent d’affirmer que l’efficacité épuratoire des ou-
vrages varie en fonction de plusieurs paramètres : (i) taille des particules : efficacités
faibles pour les particules de taille inférieure à 1 µm et très élevées pour les particules de
taille supérieure à 105 µm (Ferrara et Hildick-Smith, 1982) ; (ii) nature des pluies : effi-
cacités faibles pour des pluies courtes à intensité maximale élevée et efficacités plus éle-
vées pour des pluies moins intenses (Neary et al., 2004 ; Milano et al., 2004) ; (iii) taille
des bassins : efficacités de 20 % à 30 % pour des volumes d'interception de 20 m3 /ha act.,
supérieures à 50 % pour des volumes d'interception de 50 à 100 m3 /ha act. (Saget 1994).
1.3.3 Propriétés physico-chimiques des sédiments

Les phénomènes qui ont lieu au sein des bassins de retenue associent des phénomènes
physiques, chimiques et biologiques (Marsalek et al., 1997). Afin de mieux planifier des
aspects opérationnels des ouvrages de retenue tels que la gestion des sédiments décantés,
il est nécessaire de connaître certaines caractéristiques quantitatives et qualitatives des
sédiments décantés (Marsalek et al., 1997) selon le Tableau 1-8.
Tableau 1-8 Propriétés des sédiments à déterminer en vue d’une bonne planification des
ouvrages de décantation et de la gestion des sédiments décantés selon Marsalek et al., 1997
Taille des particules
Propriétés physiques Densité des particules
Taux d’humidité des particules
Concentration en métaux lourds sélectionnés
Nutriments
Composés organiques
Propriétés chimiques Paramètres additionnels (OMOE, 1993) comme les PCB, les
pesticides et les HAP
Ecotoxicité des sédiments (pour une approche
environnementale plus large) (Dutka et al., 1994)
a) Granulométrie et masses volumiques

L’étude granulométrique des particules permet de déterminer la surface spécifique (m2 /g)
de l’échantillon et donc la capacité d’adsorption des métaux et des substances organiques,
ainsi que d’estimer la quantité des MES et la masse totale de sédiments décantés (Centre
d’expertise en analyse environnementale du Québec, 2003). Divers travaux indiquent que
la teneur en polluants organiques et minéraux des particules varie en fonction de leur gra-
nulométrie, les particules les plus fines étant usuellement les plus contaminées en micro-
polluants (Chebbo et al., 2003a).
Marsalek et al. (1998) ont effectué trois campagnes de mesures des matières en
suspension arrivant dans un bassin de stockage d’eaux pluviales (le bassin Kingston). Un
appareil laser submersible analysant la taille des particules a été utilisé. Les courbes gra-
nulométriques des particules ont été estimées en 17 endroits dans le bassin. Les tailles
médianes D50 moyennes des particules pour ces campagnes allaient de 6.6 µm à 17.5 µm
en fonction de la température de l’eau. Des expériences complémentaires en laboratoire
ont montré que la densité des particules diminuait avec l’augmentation de leurs tailles.
Chocat et al. (2007) rapportent des résultats des recherches effectuées en Europe
et en Amérique du Nord concernant les caractéristiques physico-chimiques des sédiments
présents dans les rejets urbains par temps de pluie : (i) le diamètre médian D50 est de
l’ordre de 30 à 40 µ m, en réseau unitaire et séparatif, et la plupart des particules en
suspension (70 à 80 %) ont une taille inférieure à 100 µ m ; (ii) la masse volumique oscille
entre 2200 et 2400 kg/m3 en réseau séparatif pluvial et entre 1700 et 2200 kg/m3 en réseau
unitaire, et pour un site donné, les masses volumiques semblent croître avec les pics
d’intensité de la précipitation.
Si les MES présentent des faibles tailles, elles peuvent avoir des vitesses de
chute élevées, à l’exception des MES associées aux événements pluvieux faibles drainés
par des réseaux d’assainissement unitaires, lesquelles sont plus riches en matière
organique que celles véhiculées par les réseaux séparatifs (Chebbo et al., 1995).
b) Matière organique
Les fractions particulaires de la DCO et la DBO5 présentes dans les rejets urbains par
temps de pluie peuvent atteindre des valeurs élevées : entre 0.80 et 0.90 pour la DCO et
entre 0.75 et 0.95 pour la DBO5 (Chocat et al., 2007).
Les sédiments déposés et remobilisées lors d’événements pluvieux moyens et
forts contribuent entre 30 % et 45 % aux MES totales déversées, lesquelles contiennent
entre 40 % et 80 % de matière organique (Chebbo et al., 1995).
La fraction particulaire des rejets urbains de temps de pluie représente 70 % de
la charge journalière de DCO et DBO5 en réseau unitaire : ce pourcentage peut atteindre
des valeurs plus élevées pendant les périodes de débits de pointe (80 %) et moins impor-
tantes pendant la nuit, quand plus de 50 % des polluants se trouvent dans la partie dis-
soute. Les MVS associées aux particules des rejets urbains de temps de pluie peuvent at-
teindre des valeurs allant jusqu’à 70 %, ce qui est beaucoup plus élevé que les valeurs
normalement admises pour le ruissellement de surface (10 %) (Gromaire-Mertz et al.,

1998).
Les prélèvements effectués sur les sédiments provenant des bassins de retenue-
décantation de Sarge et Vitry vont de 10 à 60 % de MV (en % de MS) (Aires et al., 2003).
Le Tableau 1-9 montre des ordres des concentrations de quelques polluants
(MES, DBO5 et MVS) contenus dans des rejets urbains de temps de pluie dans les réseaux
unitaires et séparatifs.
Tableau 1-9 Ordres de grandeur des concentrations moyennes événementielles des polluants
contenus dans les rejets urbains de temps de pluie (Gromaire-Mertz et al., 1998 ; Chocat et al.,
2007)
Type de réseau
Polluant
Réseaux unitaires Réseaux séparatifs
MES (mg/L) 240 – 670 160 – 460
DBO5 (mg/L) 90 – 270 13 – 130
MVS (%) 24 – 55 10 – 40
c) Métaux lourds et éléments traces organiques

Les fractions particulaires des métaux lourds et éléments traces organiques présents dans
les rejets urbains par temps de pluie peuvent atteindre les valeurs indiquées Tableau 1-10.
Tableau 1-10 Synthèse de données européennes et nord américaines concernant les ordres de
grandeur de la fraction particulaire en masse de quelques métaux lourds et éléments traces
organiques contenus dans les RUTP (Chocat et al., 2007)
Polluants Fraction particulaire
Pb 0.80 – 0.98
Zn 0.15 – 0.40
Cu 0.35 – 0.60
Cd 0.20 – 0.60
HAP 0.75 – 0.97
PCB 0.90 – 0.95
Benoist et Lijklema (1990) ont montré qu’une grande partie des rejets en Cu, Pb
et Zn (30% à 50%) est associée à la fraction décantable. Gromaire-Mertz et al. (1998)
rapportent les coefficients de corrélation suivants entre les concentrations en MES et cer-
taines caractéristiques des pluies : (i) -0.75 avec la hauteur totale de pluie ; (ii) -0.62 avec
la durée totale de pluie ; (iii) +0,46 avec la période précédente de temps sec.
Aires et al. (2003) rapportent que les dépôts des bassins de retenue-décantation
sont essentiellement minéraux et contiennent très peu de nutriments mais sont contaminés
par des métaux lourds (en majorité Pb, Cd, Zn) et hydrocarbures. La quantité d’éléments
traces adsorbés par les sédiments des bassins de retenue (comme par exemple Cu, Zn, Cd
et Cr) est généralement supérieure à 50 % (Bechet et al., 2004).
Benoist et Lijklema (1990) ont mis en évidence une corrélation positive entre le
débit maximum pendant les périodes de déversement et la concentration en certains mé-
taux associés : les concentrations en MES et en Pb dans les fractions sédimentables (Vs >
32 m/j (1.33 m/h)) semblent être associées au débit maximum, ce qui n’a pas été observé
pour la concentration moyenne en Cu, qui semble être indépendante du débit maximum.
Viklander (1998) a montré que les concentrations en métaux lourds variaient en
fonction du type de bassin versant associé, et que les concentrations les plus fortes en Cd,
Pb et Zn étaient associées aux rues à plus forte circulation routière.
Partie 1 : Synthèse bibliographique 2 Modélisation de la décantation
2. Modélisation de la décantation
La connaissance de l’hydrodynamique des écoulements dans les bassins de retenue est
nécessaire pour décrire le transport solide et donc les phénomènes liées à la décantation
(Marsalek et al., 1992).
2.1 Modélisation 2D sans transport

Dans sa version monodimensionnelle initiale, le système d’équations de Barré de Saint-
Venant décrit l'écoulement de l'eau dans un canal rectangulaire à fond horizontal par
l'intermédiaire de la hauteur d'eau h(t,x) et de la vitesse moyenne u(t,x). Ce système
comprend l’équation de continuité (équation (2-1)), laquelle exprime la conservation de la
masse dans un volume de contrôle, et l’équation dynamique (équation (2-2)), laquelle
exprime l’équilibre des forces dans ce même volume de contrôle selon la deuxième loi de
Newton.
∂h ∂
+ (hu ) = 0 (2-1)
∂t ∂x
∂hu ∂  2 h2 
+  hu + g  = 0 (2-2)
∂t ∂x  2
avec g l’accélération de la pesanteur.
En prenant en compte des apports et des forces supplémentaires comme les con-
traintes dues au vent, les composantes du frottement à la paroi et l’apport local de pluie,
le système d’équations de Saint-Venant bidimensionnelles peut s’écrire selon les équa-
tions (2-3) à (2-5) (Cemagref, 2004).
∂h ∂qx ∂q y
+ + =P (2-3)
∂t ∂x ∂y
 q x2 h2  q q 
∂  + g  ∂ x y 
   h 
 = − gh ∂z − g q x q x + q y +
2 2
∂q x h 2
+  + 
∂t ∂x ∂y ∂x C 2h2
   qx   (2-4)
  q x  
 ∂  ∂   ∂  ∂  
K   h    +  h    + Fx (W ) + Px
h h
 ∂x  ∂x  ∂y  ∂y 
    
    
 q2 h2  q q 
∂ y + g  ∂  x y 
   h 
∂q y  = − gh ∂z − g q y q x + q y +
2 2
h 2
+  + 
∂t ∂y ∂x ∂y C 2h2
   qy     q y   (2-5)
  ∂    ∂  
∂  h  ∂  h 
K   h    +  h    + Fy (W ) + Py
 ∂x ∂x  ∂y  ∂y 
    
    
avec h la hauteur d’eau, z la cote du fond, q x le débit unitaire (=vitesse*hauteur) selon
l’axe Ox, qy le débit unitaire selon l’axe Oy, K la constante de viscosité ou diffusion, C la
constante de Chézy pour le frottement au fond, W la vitesse du vent, F x et Fy les
contraintes dues au vent, P x et Py les composantes du frottement à la paroi et P l’apport
local de la pluie.
2.2 Modélisation 2D avec transport solide

Le transport solide peut être modélisé en ajoutant aux équations de Saint-Venant une
équation de convection-diffusion d’une concentration de sédiments en suspension
(Cemagref, 2004 ; Duan et Nanda, 2006) (équation (2-6)).
∂ (hC ) ∂  ν ∂hC  ∂  ν ∂hC 
+  hU C − t  +  hV C − t  − (Db − Eb ) = 0
σ s ∂y 
(2-6)
∂t ∂x  σ s ∂x  ∂y 
avec C la concentration des sédiments dans l’eau, h la hauteur d’eau, U la vitesse
moyenne selon l’axe Ox, V la vitesse moyenne selon l’axe Oy, ν t la viscosité turbulente,
σs le nombre de Schmidt représentant le rapport entre la viscosité et la diffusivité
turbulentes et qui peut être calculé selon l’équation de van Rijn (équation (2-7)) (Abad et
al., 2007) et Db et E b les taux de sédimentation et d’érosion respectivement.
1
σs = 2
V  (2-7)
1 + 2 s 
 u* 
avec Vs la vitesse de chute des sédiments et u * la vitesse de cisaillement au fond.
La vitesse de cisaillement au fond (u *) peut être calculée selon l’équation (2-8)
(Cemagref, 2004).
g 2 2
u* = U +V
 h  (2-8)
18 log 4 
 D90 
Duan et Nanda (2006) proposent de calculer la viscosité turbulente (ν t) selon
l’équation (2-9).
2 2 2
 ∂U   ∂V   ∂U ∂V  ∂V
2
νt = L 2
2  + 2  + +  + Cm  m  (2-9)
    
 ∂x   ∂y   ∂y ∂x   ∂z 
m
z =h
avec V m la norme moyenne de la vitesse, Cm un coefficient qui prend une valeur 0 s’il n’y
a que les gradients de vitesse horizontale qui sont considérés et 1.66 dans les autres cas,
L m la longueur moyenne de mélange, qui peut être calculée à partir de l’équation (2-10)
pour un écoulement bidimensionnel :
Lm ≈ 0.101h (2-10)
2.2.1 Le taux d’érosion (Eb)

Il existe plusieurs équations dans la littérature pour calculer le taux d’érosion de
sédiments présents sur un lit. Une d’entre elles est l’équation (2-11) (Cemagref, 2004).
τ 
Eb = M  − 1 si τ > τcr, sinon Eb = 0 (2-11)
 τ cr 
τcr = KDS D50 g (ρp – ρ) (2-12)
avec M un coefficient empirique, τ la contrainte de cisaillement et τcr la contrainte critique
d’érosion qui peut être calculée selon l’équation (2-12), D50 le diamètre médian des
particules, KDS la contrainte critique adimensionnelle calculée à partir du diagramme de
Shields en fonction de D50 , ρ la densité de l’eau et ρ p la densité des particules.
Le diagramme de Shields, largement utilisé depuis 1936 dans le domaine du
transport de sédiments, est une courbe expérimentale de seuil d’arrachement de particules
déposées au fond d’un canal : en-dessous de cette courbe les particules seraient en repos
et en-dessus elles seraient en mouvement. Cette courbe a été calée dans un canal rectangu-
laire à fond plat avec des particules pseudo-sphériques monodispersées et est représentée
sur un graphique qui relie deux grandeurs animensionelles : le nombre de Reynolds parti-
culaire en abscisse et la contrainte de cissaillement au fond en ordonnée. Les contraintes
critiques adimensionnelles KDS sont celles pour lesquelles, pour un nombre de Reynolds
particulaire donné, la contrainte de cissaillement au fond coïncide avec la courbe établie
par Shields. Cette courbe peut être exprimée par l’équation (2-13) de manière à pouvoir
calculer la contrainte critique adimensionnelle (KDS) de manière directe (U.S. Army
Corps of Engineers, 1995).
Figure 2-1 Diagramme de Shields (van Rijn, 1984)
KDS = 0.22 β + 0.06 × 10 −7.7 β (2-13)

−0.6
1 γ p −γ  
β =   gD50 3  (2-14)
ν  γ  
 
avec β un coefficient calculé selon l’équation (2-14), ν la viscosité cinématique du fluide,
γ le poids spécifique de l’eau et γ p le poids spécifique des particules et D50 le diamètre
médian des particules.
D’autres équations très utilisées pour calculer le taux d’érosion (E b) sont celles
de Smith et McLean (1977) (équation (2-15)) et de Garcia et Parker (1991) (équation
(2-16)) (Lou et Schwab, 2000 ; Abad et al., 2007).
τ 
0.65γ 0  − 1
Eb =  τ cr  (2-15)
τ 
1 + γ 0  − 1
 τ cr 
AZ 5
Eb =
A 5 (2-16)
1+ Z
0 .3
avec γ 0 un paramètre égal à 2.4 x 10 -3 , A un paramètre égal à 1.3 x 10 -7 et Z calculé selon
l’équation (2-17) en fonction de R calculé selon l’équation (2-18) (Abad et al., 2007).
u* 0.6
Z= R (2-17)
Vs
Vs d
R= (2-18)
ν
avec u* la vitesse de cisaillement au fond, Vs la vitesse de chute des sédiments, d le
diamètre de la particule, et ν la viscosité cinématique du fluide.
2.2.2 Le taux de sédimentation (D b )

Le taux de sédimentation ou de dépôt (Db) peut être calculé selon l’équation (2-19) (Ce-
magref, 2004).
Db = −αVs (C − Ce ) si C > Ce , sinon Db = 0 (2-19)
avec Ce la concentration d’équilibre qui peut être calculée par l’équation (2-20) ou par
l’équation de van Rijn (Olsen, 2003) (2-21), α un coefficient d’adaptation au non
équilibre (Wu, 2004) ou un coefficient représentant la probabilité que les particules ne
soient pas remises en suspension (Yang, 2006) et V s la vitesse de chute des sédiments.
τ
Ce = C (2-20)
τ crs
3
 τ − τ crs  2
 
d τ
 crs 
Ce = 0.015
1 0.3
  (ρ p − ρ )g  3 
a (2-21)

 d   
  ρν
2
 
 
avec d le diamètre de la particule, a un niveau de référence pris comme la rugosité du
fond ou comme D90 (diamètre maximum pour 90 % des particules) et jamais inférieur à
0.01h (Cemagref, 2004), τ la contrainte de cisaillement au fond, τcrs la contrainte critique
de cisaillement au fond qui varie en fonction du type de sédiment et de la concentration
entre 0.06 N/m2 et 1.10 N/m2 (Yang, 2006) et qui peut aussi être calculée selon l’équation
(2-22) (Cemagref, 2004).
τ crs =
(ρ p − ρ )ghVs C
2 2 (2-22)
Tk U + V
avec Tk une constante adimensionnelle de valeur fixée à 0.0016.
Le coefficient α peut être estimé selon les équations (2-23) (Yang, 2006).
τ
α = 1− pour τ ≤ τ crs
τ crs (2-23)
α =0 pour τ > τ crs
2.3 Modélisation 3D sans transport solide

Le mouvement turbulent d’un fluide newtonien peut être décrit par les équations
instantanées de Navier-Stokes, qui sont issues de la deuxième loi de Newton. Ces
équations sont l’équation de continuité (équation (2-24)) et l’équation de conservation de
la quantité du mouvement (équation (2-25)) :
∂ρ ∂ρU i
+ =0 (2-24)
∂t ∂xi
∂ρU i ∂ρU jU i ∂σ ij
+ = Bi + (2-25)
∂t ∂x j ∂xi
avec
 ∂U ∂U 
σ ij = − Pδ ij + µ  j
+ i 
 (2-26),
∂
 ix ∂x j 
ρ la densité du fluide, P la pression, U la vitesse du fluide, B i le vecteur force

supplémentaire, σij le tenseur des contraintes (égal au tenseur des déformations pour les
fluides newtoniens), δ ij le symbole de Krönecker et µ la viscosité dynamique du fluide.
A partir d’une simplification des équations précédentes, en considérant la densité
du fluide constante sous l’hypothèse que le fluide est incompressible, on a le jeu
d’équations suivant (Milisic, 2004) :
∂U i
=0 (2-27)
∂xi
∂U i ∂U i ∂  P ∂  ∂U i 
+U j =−  + ν 
∂xi  ρ  ∂x j
(2-28)
∂t ∂x j  ∂x 
 j 
avec ν la viscosité cinématique du fluide.

L’ensemble des fluctuations turbulentes inclues dans les équations (2-27) et
(2-28) présente peu d’intérêt pratique. La décomposition de Reynolds est donc proposée.
Elle consiste à considérer chaque grandeur instantanée φ i comme la somme d’une partie
macroscopique φ i et d’une partie turbulente ou fluctuante φ ' (Lafond, 1995 ; Milisic,
2004) :
φ i = φi + φ ' (2-29)
L’équation résultante est appelée «_Reynolds-Averaged Navier-Stokes_»

(RANS) (Schaffner et al., 2004) :
∂U i
=0 (2-30)
∂xi
∂U i ∂U i ∂  P ∂  ∂U i 
+U j =−  + ν − ui ' u j ' 
∂t ∂x j ∂xi  ρ  ∂x  ∂x  (2-31)
  j  j 
La non-linéarité des équations de Navier-Stokes fait apparaître un terme inconnu
supplémentaire u i ' u j ' appelé « tenseur des contraintes turbulentes » ou « tenseur de Rey-
nolds ». L’effet du tenseur de Reynolds peut être très important, en particulier quand le
nombre de Reynolds est élevé (Stavropoulos et al., 2005). Il constitue le principal pro-
blème pour la reconstitution de la turbulence (Lafond, 1995 ; Milisic, 2004). Le système
comprenant les équations (2-30) et (2-31) est dit ouvert, car il y a plus d’inconnues que
d’équations : la décomposition de Reynolds provoque une perte d’information. Il faut
donc réintroduire cette information sous forme de modèles dits de turbulence. On dis-
tingue deux types de modèles de turbulence RANS (van der Walt, 2002) : (i) les modèles
de viscosité turbulente ; (ii) les modèles des contraintes de Reynolds ou RSM (de
l’anglais « Reynolds Stress Models »).
Les modèles de viscosité turbulente éliminent la complexité du phénomène de
turbulence en introduisant une viscosité turbulente isotropique. En plus, ils sont stables
via l’introduction de gradients stabilisateurs de second ordre dans les équations des écou-
lements moyens, et ils fournissent des résultats acceptables pour un grand nombre
d’applications pratiques. Par contre, le caractère isotropique des équations que les mo-
dèles de viscosité turbulente utilisent empêche une bonne représentation des contraintes
normales, et donc il est impossible de prendre en compte les effets de courbure. Quant aux
modèles RSM, leur principal avantage est qu’ils n’ont pas besoin d’une modélisation des
termes de production. Ils sont donc capables d’augmenter ou amortir sélectivement les
contraintes produites par des effets de courbure, d’accélération/ralentissement ou
d’écoulement tourbillonnant, entre autres. Par contre les modèles RSM sont plus com-
plexes et difficiles à mettre en œuvre, peuvent présenter des instabilités et peuvent aug-
menter les temps de calcul (entre 3 et 5 fois par rapport au modèle k-ε) (Davidson, 1997 ;
Yun, 2005).
Les modèles de turbulence les plus utilisés sont issus du concept de viscosité
turbulente (ou « eddy viscosity ») : la fermeture des équations se fait en calculant la vis-
cosité turbulente, laquelle est une propriété de l’écoulement et non pas une propriété in-
trinsèque du fluide comme la viscosité dynamique ou cinématique. Dans cette famille de
modèles, les tenseurs de Reynolds sont exprimés en fonction des gradients moyens des vi-
tesses dans le champ d’écoulement, et ils sont représentés à travers des incréments de vis-
cosité à partir de l’approximation de Boussinesq (1877) (équation (2-32)) (Lafond, 1995 ;
Stavropoulos et al., 2005).
 ∂U ∂U j  2
− ui ' u j ' = ν t  i +  + kδ ij (2-32)
 ∂x ∂x  3
 j i 
avec δ ij le symbole de Krönecker, ν t la viscosité turbulente et k l’énergie cinétique

turbulente qui peut être calculée selon l’équation (2-33) en fonction de chaque
composante directionnelle de la vitesse d’écoulement moyenne.
k=
2
(
1 2
u1 + u 22 + u32 ) (2-33)
Deux des modèles turbulents les plus utilisés, fondés sur l’approximation de
Boussinesq pour exprimer les tenseurs de Reynolds, sont le modèle k-ε et le modèle k–ω
(ou modèle de Wilcox).
2.3.1 Le modèle k-ε

Dans ce type de modèles, la viscosité turbulente se calcule par l’équation (2-34) (Lafond,
1995) :
k2
ν t = Cµ (2-34)
ε
avec Cµ une constante, k l’énergie cinétique turbulente et ε le terme de dissipation de
l’énergie turbulente.
Le calcul de la viscosité turbulente est donc effectué à travers la solution de deux
équations dans le champ d’écoulement, en plus de la résolution des équations RANS (Mi-
lisic, 2004 ; Stavropoulos et al., 2005) : (i) l’équation de la conservation de l’énergie ci-
nétique turbulente (2-35), (ii) l’équation de la dissipation de l’énergie turbulente (2-36).
On parle donc de modèles à deux équations :
∂k ∂k ∂U i  ∂U i ∂U j  ∂  ν t ∂k 
+U j =ν t − + −ε (2-35)
∂t ∂x j ∂x j  ∂x j ∂xi  ∂xi  σ k ∂x j 
∂ε ∂ε ∂U i  ∂U i ∂U j  ε ∂  ν t ∂k 
 − C2 ε
2
+U j = C1ν t − + (2-36)
∂t ∂x j ∂x j  ∂x j ∂xi  k ∂xi  σ ε ∂x j 
 k
avec σk, σε, C1 et C2 des coefficients empiriques. Les valeurs recommandées pour ces
coefficients ainsi que pour Cµ dans l’équation (2-34) sont indiquées Tableau 2-1.
( □)
Tableau 2-1 Coefficients empiriques pour le modèle k-ε (Milisic, 2004 ; : van der Walt, 2002)
σk σε C1 C2 Cµ
(□)
1.00 1.22 ou 1.30 1.44 1.95 0.09
2.3.2 Le modèle k–ω (ou modèle de Wilcox)

Dans ce type de modèles, la viscosité turbulente se calcule selon l’équation (2-37) (Zhao
et al., 2006) :
k
νt = γ * (2-37)
ω
avec γ * une constante, k l’énergie cinétique turbulente et ω le terme de dissipation
spécifique de l’énergie cinétique turbulente, obtenu à partir de l’équation (2-38).
ε
ω= (2-38)
β *k
avec ε la dissipation de l’énergie cinétique turbulente et β * une constante.
Le calcul de la viscosité turbulente est donc effectué à partir d’un modèle à deux
équations, en plus de la résolution des équations RANS (Stavropoulos et al., 2005 ; Zhao
et al., 2006) : (i) l’équation de la conservation de l’énergie cinétique turbulente (2-39), (ii)
l’équation de fréquence turbulente (2-40) :
∂k ∂k ∂  1  ∂k 
+U j =  + σ *ν t   + Pk − β ωk
*
(2-39)
∂t ∂x j ∂x j Re  ∂x j 
∂ω ∂ω ∂  1  ∂ω  γω
+U j =  + σν t  + Pk − βω 2 (2-40)
∂t ∂x j ∂x j  Re  ∂x j  k
avec Re le nombre de Reynolds, P k la production d’énergie cinétique turbulente calculée
selon l’équation (2-41), et σ, σ*, β, β * et γ des coefficients de fermeture empiriques. Les
valeurs recommandées pour ces coefficients ainsi que pour γ * de l’équation (2-37) sont
indiquées Tableau 2-2.
∂ui
Pk = 2ν t Sij (2-41)
∂x j
avec Sij la valeur moyenne du tenseur des contraintes définie selon l’équation (2-42) :
1  ∂ui ∂u j 
Sij = + (2-42)
2  ∂x j ∂xi 
Tableau 2-2 Coefficients empiriques pour le modèle k-ω (Zhao et al., 2006)
σ σ* β β* γ γ*
0.500 0.500 0.075 0.090 0.553 1.000
2.3.3 Le modèle des contraintes de Reynolds ou RSM

Le modèle RSM n’utilise pas la notion de viscosité turbulente, c’est-à-dire que
l’approximation de Boussinesq n’est pas utilisée. Le tenseur de Reynolds est calculé
directement en résolvant une équation de transport pour chaque composante des
contraintes (van der Walt, 2002 ; WS Atkins Consultants, 2003).
Le modèle RSM est issu de l’équation de transport des contraintes de Reynolds,
laquelle est présentée équation (2-43) dans sa forme complète (Yun, 2005).
∂ ui ' u j '
∂u ' u '  ∂u ∂u 
+ ul i j =  ui ' ul ' i − u j ' ul ' i  −
∂t3 ∂xl ∂xl ∂xl 
12 1424 3 1444 424444 3
I II III
∂  ∂ui ' u j '  P'  ∂ui ∂u j 

1
( )
ui ' u j ' ul ' + P' ui 'δ jl + P' u j 'δ il − ν
∂xl  ρ
+  +
∂xl  ρ  ∂x j ∂xi 
−
(2-43)
144444444 42444444444 3 1442443
IV V
 ∂u ∂u j 
2ν  i (
 − 2Ωl u j ' um 'eilm + ui ' um 'e jlm
 ∂xl ∂xl  14 444244443
)
1424 43 4 VII
VI
avec Ωl le taux de rotation autour de l’axe vertical l et e ijl un tenseur de permutation

définie comme étant égal à 1 pour ijl=123,231,312 et égal à -1 pour ijl=213,132,321.
Dans l’équation (2-43) I représente la contribution instable, II est le terme con-

vectif, III représente le taux de production de ui ' u j ' par le cisaillement moyen, IV repré-
sente le transport turbulent, c’est-à-dire le taux de transport spatial de ui ' u j ' dû aux fluc-
tuations turbulentes, fluctuations de pression et diffusion moléculaire, V est le terme dit
de pression-contraintes ou de la redistribution, car il représente la redistribution de
l’énergie cinétique turbulente disponible entre les composantes de la partie fluctuante des
vitesses, VI représente le taux de dissipation de ui ' u j ' dû à l’action moléculaire visqueuse
et VII est le terme de Coriolis représentant un mouvement de rotation.
2.4 Modélisation 3D avec transport solide

Les écoulements de l’eau et des sédiments dans les ouvrages, tels que les bassins de
retenue, sont des phénomènes hautement tridimensionnels et non-permanents. A cette
complexité s’ajoute la variabilité des sollicitations hydrodynamiques auxquelles est
soumis ce type d’ouvrage (variations rapides des hauteurs d’eau, création et évolution de
zones préférentielles de recirculation, changements des niveaux de turbulence, etc.) ce qui
interfère sur le comportement des solides en provoquant des échanges intensifs entre les
sédiments en suspension et ceux du fond (Schmitt et al., 2002 ; Milisic et al., 2004). Le
modèle de transport solide utilise comme paramètres d’entrée d’une part les résultats du
modèle hydrodynamique et d’autre part les caractéristiques des solides (taille, densité,
vitesse de chute) et leurs concentration dans l’eau (Michelbach et Wöhrle, 1993 ; Milisic,
2004).
On distingue dans la littérature deux approches pour la modélisation du transport
solide : (i) approche continue ou Eulérienne ; (ii) approche particulaire ou Lagrangienne.
2.4.1 Approche continue ou Eulérienne

Cette approche considère les particules dans l’écoulement comme un champ continu dont
l’évolution est décrite par l’équation de convection-dispersion au sein du champ fluide
selon l’équation (2-44) (Lafond, 1995) :
∂C ∂U i C ∂  ∂C 
+ =  Dm  + ∑ Si
∂xi 
(2-44)
∂t ∂xi ∂xi 
avec C la concentration en fonction du temps t et des coordonnées x i, Ui la composante de
la vitesse de la particule dans la direction x i, Dm le coefficient de diffusion moléculaire de
la concentration et ΣS i le terme source, traduisant tout apport ou déficit de matière.
En négligeant la diffusion moléculaire (provoquée par l’agitation moléculaire ou
mouvement brownien du fluide) et le terme source et en décomposant la vitesse et la con-
centration en termes moyens et fluctuants (voir équations (2-45) et (2-46)), l’équation de
convection-dispersion prend la forme (2-47) où la partie gauche représente la composante
dite convectée par l’écoulement moyen et la partie gauche représente la partie dite diffu-
sée par la turbulence ou de transport turbulent (Lafond, 1995).
U i = U i + ui ' (2-45)
C = C + c' (2-46)
∂C ∂U i C
∂t
+
∂xi
=
∂
∂xi
ui ' c '( ) (2-47)
Le terme de transport turbulent peut être modélisé en utilisant le concept de

l’analogie de Reynolds ou théorie K. Ce modèle est issu de la théorie cinétique des gaz,
où le débit massique est proportionnel au gradient de concentration en masse, et la diffu-
sivité moléculaire DTi est proportionnelle à la vitesse moyenne moléculaire et à la trajec-
toire libre entre collisions moléculaires. En faisant une analogie entre les mouvements
turbulents aléatoires des particules fluides et le mouvement moléculaire aléatoire dans un
fluide, le terme de transport turbulent peut s’écrire selon l’équation (2-48). L’analogie de
Reynolds permet donc de remplacer les termes fluctuants de l’équation (2-47) par un
terme moyen à l’aide du coefficient de dispersion ou diffusivité DTi pour obtenir
l’équation (2-49) (Lafond, 1995).
∂C
− ui ' c' = DTi (2-48)
∂xi
∂C ∂U i C ∂  ∂C 
+ =  DTi 
∂xi 
(2-49)
∂t ∂xi ∂xi 
avec DTi le coefficient de dispersion ou diffusivité, très souvent calculé par l’équation
(2-50).
νt
DTi = (2-50)
σs
avec σs le nombre de Schmidt et ν t la viscosité turbulente.
A titre d’illustration et de façon à simplifier l’écriture, Lafond (1995) applique
l’équation (2-49) à un écoulement bidimensionnel vertical (décomposition à partir des
équations (2-51) et (2-52)), continu (simplification selon l’équation (2-53)) et permanent
(simplification selon l’équation (2-54)).
xi = ( X , Y ) (2-51)
U i = (U ,V ) (2-52)
∂U ∂V
+ =0 (2-53)
∂X ∂Y
∂C
=0 (2-54)
∂t
En plus des simplifications illustrées ci-dessus, si on prend en compte la vitesse
de chute V s pour les particules solides, l’équation de convection-dispersion s’écrit alors
(Lafond, 1995) :
∂C ∂C ∂  ∂C  ∂  ∂C 
U + (V − Vc ) =  DT +  DT  (2-55)
∂X ∂Y ∂X  ∂X  ∂Y  ∂Y 
Milisic (2004) propose de travailler avec l’équation de convection-dispersion se-
lon l’approche Eulérienne (équation (2-44)) en ignorant le terme source (ΣS i), en utilisant
l’analogie de Reynolds (équation (2-48)) et en introduisant la vitesse de décantation des
particules (V s), de manière à obtenir l’équation de transport de la concentration moyenne
(2-56) (Milisic, 2004).
∂C ∂U i C ∂  ∂C 
+ =  DTi + Vs C δ ij  (2-56)
∂t ∂xi ∂xi  ∂xi 
avec U i la vitesse moyenne d’écoulement, δ ij le symbole de Krönecker, et VsC δ ij le
mouvement vertical descendant dû à la gravité.
Le nombre de Schmidt traduit le rapport de la dispersion fluide en termes de dis-
persion solide. Ce nombre peut être différent pour chaque direction d’espace et donc pour
chaque composante de la dispersion. Il est généralement compris entre 0.5 et 1.0 (Lafond,
1995).
En plus de l’équation (2-50), on trouve dans la littérature plusieurs équations
pour le calcul du coefficient de dispersion ou diffusivité (DTi) de sorte à ne pas utiliser la
viscosité turbulente (ν t). L’équation de Camp, par exemple, ne fait intervenir que la hau-
teur de l’écoulement (H) et la vitesse de cisaillement au fond (u *) (équation (2-57)) (Mili-
sic et Chebbo, 1996). Lafond (1995) propose l’équation (2-58) pour un profil de vitesse
horizontale selon une loi logarithmique de type Nikuradse pour une paroi hydraulique-
ment lisse.
DT = 0.075Hu* (2-57)
κu  y
DT ( y ) = * y1 −  (2-58)
σs  H 
avec u * la vitesse de cisaillement au fond, κ la constante de Von Karman (prise
généralement égale à 0.4) et H la hauteur totale de l’écoulement.
On trouve dans la littérature un certain nombre d’équations permettant d’obtenir
la vitesse de cisaillement au fond u* . Par exemple Camp suggère une équation en fonction
du coefficient de frottement de Darcy (f) et la composante horizontale de la vitesse
d’écoulement (u) selon l’équation (2-59) (Milisic et Chebbo, 1996). Lafond (1995) pro-
pose de calculer u * à partir de la solution de l’équation (2-60), sous l’hypothèse que la vi-
tesse longitudinale a un profil logarithmique. Un autre exemple consiste à résoudre
l’équation (2-61), en assumant une distribution de la vitesse d’écoulement pour un régime
turbulent sur une surface lisse à partir d’une vitesse Um mesurée à une profondeur y m sur
le profil vertical (Stovin et Saul, 1994).
f
u* = u (2-59)
8
  u* H  
ln ν  − 1u* − κU = 0 (2-60)
   
 9y u 
U m = 2.5u* ln m *  (2-61)
 ν 
L’interface séparant deux fluides peut être déterminée à partir de la solution
d’une équation de transport (équation (2-62)) de la fraction de volume Ak (rapport entre le
volume rempli par la phase k et le volume total de la cellule), laquelle permet de connaître
la distribution des fractions volumiques d’eau et d’air dans toutes les mailles du modèle
(Schmitt et al., 2002).
∂Ak ∂A
+ uj k = 0 (2-62)
∂t ∂x j
avec les trois conditions suivantes : (i) A k = 0 quand la phase k n’est pas présente dans la
cellule ; (ii) Ak = 1 quand la cellule est complètement remplie par le k-ième fluide ; (iii) 0
< A k < 1 quand il y a une interface dans la cellule, et dans ce cas une équation simple de
mouvement instantanée est résolue, la valeur de la vitesse résultante étant identique pour
les deux phases. Les propriétés des deux fluides sont calculées selon les équations (2-63)
et (2-64), avec n = 1, 2 (Schmitt et al., 1999).
n
ρ = ∑ ρ k Ak (2-63)
k =1
n
µ = ∑ µ k Ak (2-64)
k =1
2.4.2 Approche particulaire ou Lagrangienne

Cette approche correspond au suivi individuel des particules fluides ou solides le long de
leurs trajectoires respectives dans le domaine occupé par le fluide. La particule fluide est
définie comme un volume dont les dimensions sont grandes par rapport à la taille
moléculaire, mais suffisamment petites pour considérer la vitesse et la pression constantes
à l’intérieur du volume, c’est-à-dire que le volume ne se déforme pas au cours de son
trajet. La description Lagrangienne s’intéresse au mouvement du centre de gravité de
chaque particule dont la position et la vitesse sont calculées en intégrant l’équation de
quantité de mouvement (équation (2-25)) (Mossa, 2005) et en résolvant le jeu d’équations
différentielles (2-65) et (2-66) de manière à obtenir la position et la vitesse de chaque
particule p (Kaufmann, 2004).
∂ ( p)
x = U ( p) (2-65)
∂t
∂ ( p) 1
∂t
U =
τp
(
u − U ( p) ) (2-66)
avec x (p) le vecteur position de la particule p, U(p) le vecteur vitesse de la particule p, u la

vitesse produisant un effet de traînée prenant en compte la structure locale de
l’écoulement du fluide autour de la particule et τp le temps caractéristique de traînée de

Stokes défini selon l’équation.
ρ pd p2
τ p= (2-67)
18µ
avec ρp la masse volumique de la particule, dp le diamètre de la particule et µ la viscosité
dynamique du fluide.
Dans une simulation Lagrangienne, on effectue un certain nombre d’injections de
particules avec des conditions initiales légèrement différentes sur un même champ de vi-
tesse turbulente, puis on calcule les moyennes statistiques de l’écoulement et leurs mo-
ments à partir de moyennes d’ensemble sur les particules (Mossa, 2005).
2.5 Résultats rapportés dans la littérature

Depuis les années 1990 un certain nombre de résultats de modélisation hydrodynamique
concernant la décantation des particules dans des bassins de retenue ont été publiés.
Quelques résultats seront brièvement décrits dans les paragraphes suivants.
Stovin et Saul (1998) ont utilisé l’approche lagrangienne avec le logiciel CFD
Fluent (appelée « particle tracking ») pour simuler le processus de décantation dans une
cuve de décantation de laboratoire. Cette cuve avait un fond horizontal et les dimensions
suivantes : 2 m de longueur, 0.972 m de largeur et 0.45 m de profondeur. Les conduites
d’entrée et de sortie avaient un diamètre de 19 cm et 15 cm respectivement et étaient
positionnées au centre de la paroi correspondant à la largeur de la cuve, leurs radiers
coïncidant avec le fond de l’ouvrage. Les particules injectées étaient des noyaux d’olives
écrasés avec une densité 1500 kg/m3 et une distribution granulométrique correspondant à
D20 = 28 µm, D50 = 47 µm et D80 = 88 µm. Les modélisations fournissant les meilleurs
résultats en termes d’efficacité de décantation ont été effectuées avec des particules de
densité 2500 kg/m3 et diamètre unique de 47 µm (correspondant à D50). Ce travail montre
que l’approche lagrangienne couplée aux équations de Navier-Stokes peut être un outil
intéressant pour prédire non seulement l’efficacité de décantation mais aussi les zones
préférentielles de dépôt en fond d’ouvrage.
Schmitt et al. (2002) ont développé un modèle mathématique et numérique
appelé SIMBADD (SImulation Mathématique des BAssins De Décantation) pour décrire
les échanges solides au fond des ouvrages reliés directement aux grandeurs de
l’écoulement turbulent. Ce modèle a été couplé au logiciel CFD CFX 4.3 dans le but
d’effectuer des modélisations hydrodynamiques en 3D. Il a été validé avec les résultats
métrologiques d’un bassin expérimental de 6 m de longueur, 3 m de largeur et 1.5 m de
profondeur. Ce travail a montré que le profil vertical de concentration en sédiments
mesuré expérimentalement est reproduit d’une manière satisfaisante par la modélisation
hydrodynamique pour trois cas différents d’écoulement : (i) conditions de décantation,
c’est-à-dire quand les concentrations d’entrée sont supérieures à la capacité de
transport ; (ii) conditions d’équilibre entre la sédimentation et l’érosion, c’est-à-dire
quand le débit solide est inférieur à la capacité de transport et supérieur au seuil d’érosion
; (iii) conditions de charriage, c’est-à-dire quand le débit solide est inférieur à la capacité
de transport et au seuil d’érosion.
Dufresne et al. (2007) ont effectué des modélisations 3D avec le logiciel Fluent
pour simuler la décantation dans un pilote de bassin d’orage pour lequel les conditions
expérimentales étaient contrôlées. Il s’agissait d’un bassin de longueur 1.80 m et de
largeur 0.76 m, avec des conduites d’entrée et de sortie d’eau de 8 cm de diamètre
lesquelles étaient positionnées au centre de la paroi correspondant à la largeur du bassin.
Un déversoir placé à une hauteur de 0.4 m par rapport au fond limitait la hauteur d’eau
dans le bassin. Les vitesses d’entrée ont été fixées à des valeurs comprises entre 0.2 et 1.0
m/s. Les particules injectées étaient des sphères de polystyrol hydraté de tailles comprises
entre 350 µm et 1400 µm et de masse volumique 1030 kg/m3 environ. Les résultats des
simulations sur le pilote montrent une bonne concordance avec les résultats
expérimentaux en termes de zones de dépôts et d’efficacité de décantation. Le même type
de modélisation a été ensuite appliqué au bassin d’orage de Rosheim (Alsace) pour lequel
des données d’efficacité et de zones de dépôts étaient disponibles. Il s’agit d’un bassin
d’orage rectangulaire à connexion latérale de longueur 42 m, largeur 24 m et hauteur
d’eau moyenne 2.95 m. Il est connecté au réseau d’assainissement essentiellement unitaire
des communes de Bischoffsheim, Rosenwiller et Rosheim. Pour simuler le transport
solide, un débit d’entrée constant de 0.3 m3/s en régime stationnaire a été considéré. A
cause des données expérimentales des particules présentes dans l’effluent d’entrée
incomplètes et mal adaptées au modèle hydrodynamique, des données granulométriques et
de densité des particules rencontrées dans la littérature correspondantes aux réseaux
d’assainissement unitaires ont été utilisées pour les simulations. Malgré les nombreuses
simplifications effectuées, ce travail montre que la modélisation 3D au moyen du code de
calcul Fluent peut être un outil intéressant pour prédire l’efficacité de décantation et les
zones préférentielles de dépôt au fond d’un ouvrage réel.
Partie 1 : Synthèse bibliographique 3 Méthodes statistiques
3. Méthodes statistiques
Les paragraphes suivants décrivent quelques principes et méthodes de statistiques mis en
œuvre pour l’analyse des données expérimentales obtenues pendant notre recherche.
3.1 Calcul des incertitudes (NF ENV 13005, 1999)

L’incertitude de mesure est le paramètre associé au résultat d’un mesurage, qui caractérise
la dispersion des valeurs qui pourrait raisonnablement être attribuée au mesurande. Elle
peut être représentée par un écart-type ou un multiple de celui-ci ou par la demi-largeur
d’un intervalle de niveau de confiance déterminé. L’incertitude de mesure comprend en
général plusieurs composantes qui peuvent être évaluées à partir de : (i) la distribution
statistique des résultats de séries de mesurages, caractérisée par des écart-types
expérimentaux ; (ii) des écart-types, à partir des lois de probabilité, d’après l’expérience
acquise ou d’après d’autres informations.
L’incertitude type est l’incertitude du résultat d’un mesurage exprimé sous la
forme d’un écart-type. L’incertitude type composée est l’incertitude type du résultat d’un
mesurage lorsque ce résultat est obtenu à partir des valeurs d’autres grandeurs. Elle peut
être calculée comme la racine carrée d’une somme (moyenne géométrique) de variances
et/ou covariances des autres grandeurs, pondérées selon la variation du résultat de mesure
en fonction de celle de ces grandeurs. Quand on veut connaître l’incertitude u(y) d’une
grandeur y dépendante d’autres grandeurs à travers une relation du type y=f(x 1,x2 ,…,xN),
on parle d’incertitude type composée. Le cas le plus général pour son évaluation consi-
dère les grandeurs d’entrée corrélées entre elles, comme indiqué par l’équation (3-1).
2
 ∂f  2 N −1 N
∂f ∂f
u (xi , x j )
N
u ( y ) = ∑ 
2
 u ( xi ) + 2∑ ∑ (3-1)
i =1  ∂xi  i =1 j =i +1∂xi ∂x j
avec u(x i) l’incertitude type associée à la grandeur x i et u(x i,x j) la covariance estimée entre
x i et x j. La covariance u(xi ,x j) est reliée au coefficient de corrélation r(x i,x j) par l’équation
(3-2).
u (xi , x j ) = r (xi , x j )u ( xi )u (x j ) (3-2)
L’incertitude type u(x i) associée à la grandeur x i peut être estimée à partir
d’observations répétées, en calculant son écart-type. Si x i n’a pas été obtenu à partir
d’observations répétées, son incertitude type est évaluée par un jugement scientifique
fondé sur : (i) les résultats de mesures antérieures ; (ii) l’expérience ou la connaissance
générale du comportement et des propriétés des matériaux et instruments utilisés ; (iii) les
spécifications du fabricant des instruments utilisés; (iv) les données fournies par des certi-
ficats d’étalonnage ou autres certificats ; (v) l’incertitude affectée à des valeurs de réfé-
rence provenant d’ouvrages et manuels.
3.2 Simulations de Monte Carlo

La méthode de Monte Carlo est l’une des méthodes numériques les plus largement
utilisées. C’est une méthode robuste, souvent la seule méthode viable pour un grand
nombre de problèmes hautement dimensionnels dans des domaines allant de la physique
atomique aux finances (Halton, 1970 ; Eckhardt, 1989 ; Caflish, 1998). En général on
appelle méthode de Monte Carlo toute méthode visant à calculer une valeur numérique en
utilisant des procédés aléatoires. Elle s’intéresse donc aux méthodes de génération
aléatoire (Eckhardt, 1987 ; Caflish, 1998 ; Elie et Lapeyre, 2001 ; Govaerts, 2007 ;
Ancey, 2007) et aux méthodes d’optimisation mathématique (Kac, 1956 ; Hammersley et
Handscomb, 1964 ; Kac, 1980 ; Warnock, 1987 ; Caflish, 1998 ; Elie et Lapeyre, 2001).
Les paragraphes suivants présentent des méthodes spécifiques pour la génération
de nombres aléatoires et seront utilisées pour le calcul des incertitudes relatives aux
courbes des vitesses de chute déterminées expérimentalement. L’application des méthodes
présentées ci-dessous est montrée paragraphe 8.1.2.
3.2.1 Taille des échantillons à générer

La taille N des échantillons artificiels à générer peut être calculée selon la méthode
décrite dans SPAD (1999). Cette méthode repose sur l’hypothèse de normalité des
distributions. La taille de l’échantillon à générer (N) est déterminée de telle sorte que l’on
ait une incertitude α sur le rapport de l’écart-type de l’échantillon s(Xk) sur l’écart-type de
la population σ(Xk). La taille d’échantillon (N) peut donc être déterminée par itérations
successives à partir de l’équation (3-3).
χ12−α / 2 ( N − 1) − χ α2 / 2 ( N − 1)
N = 1+ (3-3)
∆
avec χ2 la variable Khi-deux, α le niveau de confiance, (N – 1) le nombre de degrés de
liberté et ∆ l’amplitude calculée en fonction de l’incertitude (α) selon l’équation (3-4).
∆ = (1 + α ) − (1 − α )
2 2
(3-4)
En pratique, N est considérée comme une valeur minimum à appliquer.
3.2.2 Génération de nombres aléatoires corrélés

Une méthode pour la génération de nombres aléatoires normalement distribués mais
corrélés entre eux a été présentée par Tu (1998). La méthode a été introduite pour la
génération de 3 nombres X, Y et Z ayant ensemble la matrice de covariance présentée en
équation (3-5). La méthode considère tout d’abord la génération de 3 nombres aléatoires
non-corrélés normalement distribués A, B et C. La relation entre les jeux de nombres,
corrélés et non corrélés, est présentée dans le système d’équations (3-6).
 u 2 ( X ) u ( X , Y ) u ( X , Z )
 
cov( X , Y , Z ) = u ( X , Y ) u 2 (Y ) u (Y , Z )  (3-5)
u ( X , Z ) u (Y , Z ) u 2 (Z ) 
 
avec u2(X) la variance de X, u(X,Y) la covariance entre X et Y
A= X
B = Y + b1 X (3-6)
C = Z + c1 X + c2Y
avec b1 , c 1 et c 2 des coefficients numériques.
Pour résoudre ce système, les valeurs de b 1, c1 et c2 doivent être résolues en cal-
culant les covariances entre les différentes lignes du système (3-6) (voir système
d’équations (3-7)).
u ( A, B ) = u ( X , Y + b1 X ) = b1u 2 ( X ) + u ( X , Y ) = 0
u ( A, C ) = u ( X , Z + c1 X + c2Y ) = c1u 2 ( X ) + c2u ( X , Y ) + u ( X , Z ) = 0 (3-7)
u (B, C ) = u (Y + b1 X , Z + c1 X + c2Y ) = c1u ( X , Y ) + c2u 2 (Y ) + u (Y , Z ) = 0

Si on connaît les composantes de la matrice (3-5), les coefficients b 1, c 1 et c2
peuvent être calculés en résolvant le système d’équations (3-7), pour ensuite calculer les
variances de chaque équation du système (3-6), selon l’équation (3-8).
u 2 ( A) = u 2 ( X )
u 2 (B ) = u 2 (Y ) + b12 u 2 ( X ) + 2b1u ( X , Y ) (3-8)
u (C ) = u (Z ) + c u ( X ) + c u (Y ) + 2[c1u ( X , Z ) + c2 u (Y , Z ) + c1c2 u ( X , Y )]
2 2 2
1
2 2
2
2
Ceci permet de générer les 3 nombres aléatoires non-corrélées normalement dis-

tribués A, B et C. Si les coefficients b 1, c 1 et c2 sont connus, les 3 nombres aléatoires cor-
rélés normalement distribués X, Y et Z peuvent être calculés selon l’équation (3-9).
X=A
Y = B − b1 X (3-9)
Z = C − c1 X − c2Y
3.3 Détection d’outliers

La méthode décrite dans ce paragraphe sera utilisée pour mettre en évidence des
comportements moyens de phénomènes observés expérimentalement lors des campagnes
de mesure présentées en partie 4. Plus particulièrement, elle sera utilisée pour construire
des relations entre : (i) les mesurages en continu de la hauteur d’eau dans le bassin et du
débit de sortie (paragraphe 12.2); (ii) la turbidité et la concentration en MES (paragraphe
13.1). Ces relations seront ensuite utilisées pour définir les conditions aux limites dans les
modélisations hydrodynamiques (partie 5).
Pour un échantillon multivarié de p dimensions x1 ,…,x n, la distance de
Mahalanobis est définie à partir de l’équation (3-10) (Filzmoser et al., 2005).
( )
1
MDi = ( xi − t ) C −1 ( xi − t ) 2
T (3-10)
avec t la localisation multivariée estimée, en général calculée comme la moyenne

arithmétique multivariée (centroïde) et C la matrice de covariance estimée, en général
calculée comme la matrice de covariance de l’échantillon.
Pour des données multivariées normalement distribuées, les valeurs de MDi2 ont
une distribution semblable à Khi-deux avec p degrés de liberté (χp2 ). Si on définit MD2
comme étant égal à une certaine constante, comme par exemple un certain quantile de χp2 ,
il est possible de définir des ellipsoïdes ayant la même distance de Mahalanobis MD par
rapport au centroïde. Les outliers multivariés peuvent être définis comme les observations
ayant une trop grande distance de Mahalanobis MD (Filzmoser et al., 2005).
Un inconvénient de la distance de Mahalanobis MD est qu’elle est très sensible à
la présence d’outliers, c’est-à-dire que quelques outliers ou des groupes d’outliers peuvent
avoir une grande influence sur le résultat du calcul de cette distance. Une des solutions à
ce problème est de calculer les estimateurs de dispersion t et C de manière robuste, c’est-
à-dire résistants à l’influence d’observations outliers (Filzmoser et al., 2005). Le MCD
(Minimum Covariance Determinant) est l’estimateur dit robuste le plus utilisé en pratique.
L’objectif du MCD est de trouver un sous-jeu d’observations h, parmi n au total, dont la
matrice de covariance présente le déterminant minimum (Rousseeuw et van Driessen,
1999). La distance robuste RD est donc définie comme la distance de Mahalanobis calcu-
lée avec des estimateurs t et C dits robustes (t R et CR) selon l’équation (3-11).
( (xi − t R ))2
1
RDi = ( xi − t R ) C R
T −1 (3-11)
La règle pour la détermination d’outliers sera donc la suivante : soit une observa-
tion i, pour laquelle est calculée la distance robuste au carré RDi 2 ; si RDi 2 > χp;(1-α) 2,
l’observation i est un possible outlier avec un niveau de confiance (1-α) (Filzmoser et al.,
2005).
Le choix de la taille h pour calculer les estimateurs de dispersion robustes est un
paramètre important. Quelques recommandations pour fixer la taille h sont les sui-
vantes (Rousseeuw et van Driessen, 1999 ; Verboren et Hubert, 2005) : (i) une taille de h
= 0.75n est recommandée si le jeu de données d’origine contient au plus 25_%
d’observations aberrantes ; (ii) la taille h doit être supérieure aux degrés de liberté p, soit
h > p, car dans le cas contraire la matrice de covariance aura un déterminant nul ; (iii) si
le nombre de degrés de liberté p est inférieur à la moitié du nombre total d’observations n,
soit p < n/2, il est donc recommandé de choisir une taille h qui soit supérieure à la moitié
du nombre total d’observations n, soit h > n/2 ; (iv) on peut prendre h = n/2 si n/p > 5 ; (v)
pour des faibles rapports n/p, il est préférable d’utiliser h=0.75n.
L’algorithme FAST-MCD de Rousseeuw et van Driessen (1999) est fondé sur le
théorème C-step. Ce théorème postule que pour un sous-jeu de h observations pour lequel
les estimateurs de dispersion tk et Ck sont calculés, alors le déterminant de Ck+1 est plus
petit ou égal au déterminant de Ck quand les estimateurs tk+1 et Ck+1 sont calculés avec les
h premières observations triées en fonction de MDi(tk ,Ck).
3.4 Méthode PLS (Partial Least Squares)

Cette méthode sera utilisée comme outil d’exploitation des spectres provenant de
spectromètres UV-visibles, utilisés pour mesurer en continu des concentrations de
polluants (MES ou DCO). L’application de la méthode sera présentée en détail au
paragraphe 13.2.
La méthode PLS est une technique assez récente (proposée par Wold et al.(1983)
cités dans Abdi, 2003) qui généralise et combine les techniques de l’analyse en
composantes principales et de la régression multiple. Elle est particulièrement utile quand
le nombre de descripteurs (variables indépendantes) est comparable ou plus grand que le
nombre d’observations et/ou quand il existe des corrélations entre les variables.
Cependant, l’accent est souvent mis davantage sur la prédiction des réponses plutôt que
sur la compréhension des relations entre les variables (Tobias, 1995).
Le but de la régression PLS est de prédire une variable Y à partir d’une matrice
de variables X et de décrire leur structure commune. Si le nombre de variables indépen-
dantes définissant la matrice X est très grand par rapport au nombre d’observations, une
régression multiple ordinaire n’est plus suffisante pour accomplir cette tâche car X peut
devenir singulière et il peut y avoir de la multicolinéarité. Beaucoup d’approches ont donc
été développées pour éliminer ce problème. Une de ces approches consiste à essayer
d’éliminer quelques variables indépendantes en utilisant des méthodes « stepwise ». Une
autre, appelée régression en composantes principales, consiste à réaliser une analyse en
composantes principales (PCA) de la matrice X et puis à n’utiliser que les composantes
principales de X pour prédire Y : l’orthogonalité de la PCA élimine le problème de multi-
colinéarité, mais le problème du choix du jeu de variables indépendantes est délicat, car il
n’y a pas de garantie que les composantes principales qui expliquent X soient pertinentes
pour expliquer Y. L’avantage de la régression PLS, c’est qu’elle identifie des composantes
de la matrice X qui sont également pertinentes pour expliquer Y. Plus particulièrement, la
régression PLS cherche un jeu de composantes (appelées vecteurs latents) qui fournissent
une décomposition simultanée de X et Y sous la contrainte que ces composantes expli-
quent le mieux possible la covariance entre X et Y. Cette étape généralise la PCA. Il y a
ensuite une étape de régression où la décomposition de X est utilisée pour prédire Y (Abdi,
2003).
La régression PLS est liée aussi à d’autres techniques comme la corrélation ca-
nonique et l’analyse de facteurs multiples. La principale originalité de la régression PLS
est qu’elle préserve l’asymétrie de la relation entre les prédicteurs et les variables dépen-
dantes, tandis que dans les autres techniques, ces relations sont traitées comme symé-
triques.
La régression PLS décompose X et Y comme un produit de jeux communs de fac-
teurs orthogonaux et un jeu de poids spécifiques (Abdi, 2003). Les variables indépen-
dantes se décomposent selon l’équation (3-12).
X = TPt (3-12)
avec T la matrice des scores et P la matrice des poids estimés pour X, dite « loading
matrix ». Les colonnes de T correspondent aux vecteurs latents. Quand le nombre de

colonnes est égal au rang de X, les vecteurs latents fournissent une décomposition exacte
de X. Si tous les vecteurs latents sont utilisés, cela est équivalent à la régression par
composantes principales classique. La matrice P est composée des vecteurs directeurs des
axes principaux.
De la même façon, la matrice des variables dépendantes est estimée selon
Yˆ = TBC t (3-13)
avec B la matrice diagonale contenant les poids de la régression sur la diagonale et C la
matrice des poids estimés pour Y.
Plus spécifiquement, il s’agit de trouver, pour chaque vecteur latent, une paire de
vecteurs t=Xw et u=Yc, de telle sorte que le produit vectoriel t tu soit maximum. Quand le
premier vecteur latent est trouvé, son effet est soustrait de X et de Y et la procédure est
réitérée jusqu’à atteindre le nombre désiré de vecteurs latents.
La PLS a été originalement conçue comme une technique relative à
l’économétrie (Tobias, 1995). Cependant, cette méthode connaît un très grand succès dans
le domaine de la chimie, particulièrement dans les applications des données de chromato-
graphie ou de spectrographie (Tenenhaus, 1998) car, généralement, le nombre de va-
riables (longueurs d’onde) caractérisant les spectres est très élevé par rapport au nombre
d’observations. De plus, ces variables présentent une forte multicolinéarité (Aji et al.,
2003). Par ailleurs, la PLS a aussi été utilisée pour le suivi et le contrôle de processus in-
dustriels (Tobias, 1995).
Dans la PLS, la phase de détermination des variables latentes constitue un point
central dans l’estimation du modèle structurel, du fait que l’estimation des paramètres du
modèle dépend fortement des vecteurs latents obtenus (Hanafi, 2004). Il existe plusieurs
façons, plus ou moins efficaces, de choisir le nombre de vecteurs latents. Une des mé-
thodes consiste à calculer le pourcentage de variance expliquée pour X et pour Y simulta-
nément, pour chaque nombre de vecteurs latents, en commençant par un vecteur latent et
en finissant par le nombre maximum qui correspond au nombre de variables indépen-
dantes du problème. Le nombre de vecteurs latents choisi sera celui à partir duquel le
pourcentage cumulé de variance expliquée pour X et pour Y ne change plus que très peu.
Une autre méthode est la validation croisée, qui détermine le modèle qui a la plus petite
erreur de prédiction parmi plusieurs candidats. L’idée de base est de séparer l’échantillon
initial en deux sous-échantillons. Le modèle de prédiction est construit à partir du premier
(étalonnage) et le deuxième est utilisé pour en tester la qualité (vérification) (Aji et al.,
2003).
Comme indicateur de la qualité prédictive des modèles PLS, un des indicateurs
le plus souvent utilisé est le RMSEP (de l’anglais « Root Mean-Square Error of Predic-
tion ») appliqué pour le jeu de données destiné à la validation, selon l’équation (3-14)
(Dantas Filho et al., 2005) :
PRESS
RMSEP = (3-14)
M
M
PRESS = ∑ ( ym − yˆ m )
2
(3-15)
m =1
avec PRESS (de l’anglais « PRediction Error Sum of Squares ») calculé selon l’équation
(3-15), y m la valeur de référence pour l’objet de validation numéro m, ŷ m la valeur prédite
par la PLS pour l’objet de validation numéro m, et M le nombre total d’objets de
validation.
3.5 Géostatistique
Des méthodes géostatistiques seront utilisées pour l’analyse des résultats de vitesses de
chute des sédiments mesurées à différents endroits au fond du bassin de retenue-
décantation Django Reinhardt. Les applications des méthodes présentées ci-dessous sont
détaillées au chapitre 8.3.3.
La théorie des variables régionalisées considère que la variation spatiale d’une
variable peut être exprimée à partir de la somme de deux termes principaux, selon
l’équation (3-16) (Baillargeon, 2005 ; Grunwald et al., 2007).
Z * ( xi ) = m( xi ) + δ (xi ) (3-16)
*
avec Z (x i) la valeur de la variable aléatoire à des endroits xi , m(xi) la tendance du modèle
– fonction déterministe décrivant la composante structurale de la composante Z *(x i), δ(x i)
une fonction aléatoire stationnaire représentant la variable régionalisée et inférée à partir
d’une analyse variographique.
La géostatistique comprend deux phases (Zaninetti, 2005) : (i) la phase explora-
toire, qui sert à poser les hypothèses sur la structure spatiale des données et qui s’effectue
à l’aide du variogramme ; (ii) la phase de modélisation, qui sert à interpoler une surface à
partir d’un échantillon et qui s’effectue à l’aide de techniques comme le krigeage ou le
co-krigeage.
3.5.1 Analyse variographique

Les observations réalisées à des endroits proches les uns des autres sont considérées être
plus similaires que les observations effectuées à des endroits éloignés. Cette corrélation
spatiale est décrite par la semi-variance γ(d) selon l’équation (3-17). Le semi-
variogramme est obtenu en représentant graphiquement γ en fonction de la distance de
séparation d.
1 N (d )
γ (d ) = ∑ [Z (xi ) − Z (xi + d )]2
2 N (d ) i=1
(3-17)
avec γ(d) la semi-variance calculée pour une distance d séparant deux points de mesure x i,
N(d) le nombre total de paires de points séparés d’une distance d, Z(xi) la valeur de la
variable d’intérêt pour le point xi .

Le concept du semi-variogramme peut être élargi à deux variables, ZU et ZV, de
manière à obtenir un semi-variogramme croisé, selon l’équation (3-18) (Kalivas et al.,
2002 ; Grunwald et al., 2007).
N (d )
γ UV (d )= 1
2N (d ) ∑
[ZU (xi )−ZU (xi +d )][ZV (xi )−ZV (xi +d )] (3-18)
i =1
Il existe des modèles théoriques pour le calage des variogrammes. La sélection

du modèle le plus adapté au cas d’étude peut être faite par validation croisée. Les modèles
les plus utilisés sont (Lamhamedi et al., 2005) : (i) le modèle exponentiel (équation
(3-19)); (ii) le modèle sphérique (équation (3-20)); (iii) le modèle gaussien (équation
(3-21)).
 −3 
d
γ (d ) = C0 + C1 1 − e a 
 (3-19)
 
  d  d  
3
 C0 + (C1 − C0 ) 1.5 − 0.5 


γ (d ) = 
si 0 < d < a
 a  a   (3-20)


 C1 si d ≥ a
 
2
d
−3 
γ (d ) = C0 + C1 1 − e a  (3-21)
 
 
avec C0 l’effet pépite, C1 la covariance estimée, d la distance séparant deux points et a la
portée (Figure 3-1).
La portée a représente la distance à partir de laquelle il n’y a plus de dépendance
spatiale entre les données. Pour cette distance, la semi-variance prend une valeur maxi-
mum appelée palier et représentée par (C0 + C1), laquelle est assimilée à la variance de
l’échantillon. Le degré de dépendance spatiale est souvent exprimé par le rapport C1/(C0 +
C1). L’effet pépite C0 représente la variabilité aléatoire ou non exprimée, laquelle est sou-
vent attribuée à des erreurs de mesure et à des variabilités en-dessous de l’échelle de
sous-échantillonnage (Baillargeon, 2005 ; Lamhamedi et al., 2005). L’utilité du vario-
gramme est de permettre de choisir la forme de la fonction de lissage qui servira ensuite à
ajuster l’interpolation (Zaninetti, 2005).
γ(d)
(C0+C1)
C0
a
d
Figure 3-1 Représentation du semi-variogramme
3.5.2 Le krigeage
Le krigeage est un terme générique adopté par les géostatisticiens pour désigner une
famille d’algorithmes généralisés de régressions par moindres carrés (Grunwald et al.,
2007). La particularité du krigeage par rapport à d’autres méthodes d’interpolation
spatiale c’est qu’elle prend en compte la structure de dépendance spatiale des données. La
prédiction spatiale des valeurs Z à un endroit non échantillonné x 0, objectif du krigeage,
est représentée par l’équation (3-22) (Kalivas et al., 2002).
Z *(x0 )=∑λi Z (xi )
n
(3-22)
i =1
avec x le jeu de coordonnées spatiales {x 1 ,x2}, λ i des poids associés aux points
d’échantillonnage x i.
L’estimateur de régression linéaire Z(x0) peut donc être exprimé selon l’équation
(3-23) (Grunwald et al., 2007).
Z *(x0 )−m(x0 )=∑λi(x0 )[Z (xi )−m(xi )]
n
(3-23)
i =1
avec Z*(x0) l’estimateur de régression linéaire sur la position non échantillonnée x0 et

λ i(x 0) les poids attribués au point x 0, interprété comme une réalisation de la variable
aléatoire Z(x i) et localisé dans une région particulière R(x) centrée en x.
Le modèle de base du krigeage a donc la même forme que le modèle de régres-
sion linéaire classique, mais pour le krigeage les erreurs sont supposées dépendantes spa-
tialement, et leur prise en compte se fait par analyse variographique (Baillargeon, 2005).
Dans la technique du krigeage, les poids sont choisis de telle sorte que les équations
(3-24) et (3-25), traduisant respectivement le non biais de l’estimateur par rapport à la

vraie valeur Z(x 0) et la minimisation de la variance de prédiction, soient satisfaites. En
plus, afin de garantir que la prédiction ne soit pas biaisée, l’équation (3-26) doit être satis-
faite (Kalivas et al., 2002).
E[Z *(x0 )−Z (x0 )]=0 (3-24)
var[Z *(x0 )−Z (x0 )]=min (3-25)
n
∑λ
i =1
i =0 (3-26)
Les limitations principales de la technique du krigeage sont dues à l’hypothèse

de stationnarité car elle n’est pas toujours vérifié en pratique. Cette hypothèse implique
que la fonction aléatoire Z(x) suit une loi spatiale invariante par translation (Grunwald et
al., 2007).
Quelques variantes de la méthode du krigeage ont été développées. Leurs diffé-
rences résident dans le modèle choisi pour représenter la tendance m(x) (Baillargeon,
2005 ; Grunwald et al., 2007) : (i) krigeage simple : m(x) est connue et constante ; (ii)
krigeage ordinaire : des fluctuations sur m(x) sont prises en compte et m(x) est considérée
constante localement (sur le voisinage de krigeage) mais inconnue ; (iii) krigeage avec un
modèle de tendance, krigeage en présence d’une dérive ou krigeage universel : m(x) est
une fonction des coordonnées spatiales ou de variables régionalisées auxiliaires connues
exhaustivement.
Le cokrigreage est une extension multivariable de la méthode du krigeage desti-
née à améliorer l’estimation d’une variable en utilisant l’information sur d’autres va-
riables spatialement corrélées, appelées covariables, variables corégionalisées ou va-
riables auxiliaires. Les covariables sont en général plus densément échantillonnées dans la
zone d’étude, et donc une exploitation de cette information est effectuée en impliquant di-
rectement les valeurs de celles-ci et en mesurant les degrés de leur association spatiale
avec la variable principale à partir d’un semi-variogramme croisé. Mathématiquement,
ceci se traduit en considérant la variable U comme la variable à estimér (variable princi-
pale) et V la covariable, de telle sorte que si U et V sont spatialement et mutuellement cor-
rélées, la variation spatiale de V peut aider à prédire les valeurs de U à des endroits non
échantillonnés. Une prédiction par cokrigeage passe donc par le calcul d’une moyenne
pondérée pour laquelle la valeur de U à un endroit x 0 est estimée comme une somme pon-
dérée linéaire des covariables Vk, selon l’équation (3-27) (Kalivas et al., 2002).
Z *U (x0 )=∑∑λik Z (xik )

V nV
pour tout Vk (3-27)
k =1 i =1
Afin d’éviter le biais, les équations (3-28) et (3-29) doivent être satisfaites (Ka-
livas et al., 2002).
nV
∑λ
i =1
ik = 1 pour U = Vk (3-28)
nV
∑λ
i =1
ik = 0 pour U ≠ Vk (3-29)
La technique du cokrigeage améliore les estimations et réduit la variance de pré-

diction. Cependant elle est plus coûteuse informatiquement que le krigeage car des semi-
variogrammes directs et croisés doivent être estimés et modélisés conjointement de ma-
nière à résoudre un système de cokrigeage plus ou moins important en fonction du nombre
de covariables mises en jeu. En plus, le calcul des semi-variogrammes croisés et des mo-
dèles variographiques théoriques peut être très difficile, en particulier quand la covariable
n’est pas fortement corrélée à la variable principale (Kalivas et al., 2002).
Partie 2
Matériels et méthodes
Partie 2 : Matériels et méthodes
Introduction
Cette partie du document présente les matériels et méthodes utilisés dans notre
recherche dans le but de mesurer et mieux comprendre certains phénomènes liés
à la décantation.
Dans un premier temps, on décrit le site expérimental choisi (chapitre
4). Le chapitre 5 est consacré à la description des différents outils
métrologiques existants sur le site avant le début de ce travail, d’une part, et
ceux mis en place de façon complémentaire, d’autre part.
Dans le chapitre 6 nous présentons brièvement les logiciels utilisés
pour la modélisation hydrodynamique en 2D (paragraphe 6.1) et en 3D
(paragraphe 6.2).
Quelques logiciels statistiques et programmes développés dans le
cadre de cette recherche seront utilisés en tant qu’outils d’aide à la gestion,
l’analyse et l’interprétation des données expérimentales et des résultats obtenus.
Les méthodes et les principes utilisés par ces programmes sont décrits dans le
chapitre 7.
Partie 2 : Matériels et méthodes 4 Site expérimental
4. Site expérimental
Notre recherche a été effectuée dans le cadre de l’OTHU (Observatoire de Terrain en
Hydrologie Urbaine). Les objectifs scientifiques de cet observatoire consistent en
l’amélioration des connaissances relatives à la climatologie, aux risques d’inondations et
de pollution provoqués par les rejets urbains par temps de pluie, aux volumes d’eau et aux
charges polluantes produites et rejetées en milieu urbain, ainsi qu’à leur évolution dans
plusieurs ouvrages (réseaux, bassins, ouvrages d’infiltration, etc.) et à leurs impacts sur
les systèmes naturels (cours d’eau, sols, nappes souterraines et biocénoses) (Graie, 2007).
L’observatoire est constitué de sites expérimentaux installés sur le système
d’assainissement lyonnais. Un de ces sites expérimentaux se trouve à Chassieu. Il s’agit
d’un réseau d’assainissement séparatif qui déverse les eaux pluviales dans l’ouvrage de
retenue/infiltration Django Reinhardt (Graie, 2007). La surface du bassin versant est de
185 ha avec les caractéristiques estimées suivantes (Bardin et Barraud, 2004) : (i) un
coefficient d’imperméabilisation de 75 % ; (ii) un coefficient de ruissellement de 0.4 ;
(iii) un lag-time de 32 minutes (voir Figure 4-1).
ouvrage de
retenue/infiltration
Django Reinhardt
limites du
bassin versant
Figure 4-1 Vue aérienne de l’ouvrage de retenue/infiltration Django Reinhardt et de son basisn
versant (adapté de Lepot, 2007)
L’ouvrage de retenue/infiltration Django Reinhardt a été construit en 1975 par la

Communauté Urbaine de Lyon pour recueillir les eaux pluviales de la zone industrielle de
Chassieu. Il a été réaménagé successivement en 1985, en 2002 et en 2004. Il est
actuellement composé de deux sous-bassins reliés par une canalisation de 60 cm de

diamètre : un sous-bassin de retenue-décantation qui sert de pré-traitement en amont du
sous-bassin d’infiltration. Le radier du sous-bassin de retenue-décantation est revêtu
d’une couche de bitume assurant son étanchéité et possède une cunette d’environ 2 m de
largeur et 20 cm de profondeur permettant l’écoulement des débits de temps sec (rejets
autorisés d’eaux de refroidissement de certains établissements de la zone industrielle).
Les parois du bassin sont des talus naturels inclinés recouverts d’un film
plastique étanche. Le volume du sous-bassin de retenue-décantation est de 32200 m3 et sa
surface au sol de 11300 m2 . Les effluents arrivent dans l’ouvrage par deux collecteurs
circulaires de 1.6 m de diamètre (entrées 1 et 2 sur la Figure 4-2). L’entrée 2 n’est utilisée
que lors des événements pluvieux exceptionnels. Pour favoriser la décantation, un muret a
été construit en 2004. Les eaux supposées être moins chargées en matières en suspension
(MES) après décantation s’écoulent à travers trois orifices pour être vidangées vers le
sous-bassin d’infiltration avec un débit maximal de 350 L/s (Bardin et Barraud, 2004)
(voir photos Figure 4-3 à Figure 4-9).
o1 : orifice no.1
o2 : orifice no.2
o3 : orifice no.3
h1 : capteur de hauteur d’eau no.1
: fosse de décantation des eaux
de temps sec
Figure 4-2 Schéma simplifié du bassin de retenue-décantation Django Reinhardt (vue de

dessus)
Figure 4-3 Vue aérienne du bassin de retenue-décantation Django Reinhardt (2007)
Figure 4-4 Collecteurs d’entrée du bassin de retenue-décantation Django Reinhardt : entrée 1

(gauche), entrée 2 (droite) (7/09/2004)
Figure 4-5 Orifice o1 traversant le muret construit en 2004 pour favoriser la décantation dans
le bassin de retenue-décantation Django Reinhardt (8/04/2005)
Figure 4-8 Surverse du muret construit en 2004 pour favoriser la décantation dans le bassin de
retenue-décantation Django Reinhardt (gauche : 10/12/2004, droite : mars 2006)
Figure 4-9 Cunette de temps sec dans le bassin de retenue-décantation Django Reinhardt
(1/03/2006)
Partie 2 : Matériels et méthodes 5 Métrologie
5. Métrologie
5.1 Pièges à sédiments

Afin de caractériser au mieux les flux particulaires entrant, décantés et sortant de
l’ouvrage, il aurait été souhaitable de collecter des échantillons en entrée, en sortie et en
fond d’ouvrage. Cependant, dans le cadre de cette thèse, nous avons fait porter nos efforts
principalement sur les seuls solides décantés.
En effet, en entrée et en sortie, nous ne pouvions utiliser que des préleveurs-
échantillonneurs classiques, avec les limitations suivantes : (i) prélèvements ponctuels
dans le temps et difficulté d’intégration sur la totalité de l’événement pluvieux, (ii) 24
prélèvements ponctuels maximum correspondant à la capacité du préleveur automatique,
(iii) difficulté à garantir un prélèvement représentatif des solides charriés et/ou avec de
fortes vitesses de chute, car le dispositif OTHU existant vise à prélever essentiellement
les matières en suspension (MES), et non pas la totalité des solides entrant dans ou sortant
de l’ouvrage.
Nous avons donc choisi d’étudier les caractéristiques physico-chimiques des
sédiments décantés à partir de prélèvements effectués au moyen de douze pièges à
sédiments placés en fond de bassin. Les emplacements des 12 pièges ont été déterminés
en fonction de plusieurs critères : (i) des observations effectuées sur le terrain ont permis
d’avoir une délimitation préliminaire des différentes zones d’accumulation des sédiments
en fonction de la quantité des dépôts et de leur nature (taille des sédiments, couleur,
etc.) (Figure 5-1); (ii) des résultats préliminaires (modèle non calé avec un maillage et
une géométrie non définitifs, débit en entrée constant de 0.5 m3 /s et sortie libre) de
modélisation hydraulique en 2D effectuées avec le code CFD Rubar20 (voir description
paragraphe 6.1) ont été utilisés pour identifier les zones de recirculation avec des faibles
vitesses d’écoulement, supposées favorables à la décantation (Figure 5-2).
Cette analyse préliminaire a été confrontée aux résultats d’une étude de DEA
(Al-Bitar, 2003) réalisée avant la construction du muret en 2004 où une proposition pour
l’emplacement de 15 pièges a été retenue sur la base d’observations effectuées sur le
terrain couplées avec une analyse géostatistique et une modélisation hydraulique du
bassin effectuée par Lefebvre et Declercq (2002) (Figure 5-3). Bien que l’étude
préalablement citée ait été effectuée avant la construction du muret, les résultats n’étaient
pas contradictoires avec nos propres observations et par conséquent nous avons décidé de
retenir la proposition d’Al-Bitar (2003). Par contre, les trois pièges qui se trouvaient
proches de la sortie, dont la localisation correspond désormais à la zone comprise entre le
muret et la sortie, n’ont pas été retenus.
Les emplacements définitifs des 12 pièges sont montrés Figure 5-4. Les pièges
sont numérotés en fonction de leur altitude NGF (les numéros augmentent avec les
altitudes). Chaque piège à sédiment est composé de trois bacs plastiques munis de
structures en nid d’abeille de manière à réduire les remises en suspension des particules
après leur piégeage. Chaque bac plastique a les dimensions suivantes : longueur 65.5 cm,
largeur 45.0 cm et profondeur 12.0 cm. Les pièges sont fixés au fond du bassin au moyen
de barres de fer pour éviter qu’ils ne se déplacent ou ne flottent lors des événements
pluvieux.
dépôt important dépôt faible
dépôt faible
dépôt moyen
Figure 5-1 Délimitation visuelle préliminaire des zones d’accumulation des sédiments (2007)
Figure 5-2 Résultats d’une simulation hydraulique pendant 22 heures effectuée avec Rubar20
avec un debit d’entrée constant de 0.5 m3 /s et sortie libre
Légende
piège
zone 1
zone 2
zone 3
zone 4
entrée
sortie
Figure 5-3 Emplacement proposé des piéges à sédiments au fond du bassin de Chassieu (adap-
té d’Al-Bitar, 2003)
sortie entrée
Figure 5-4 Emplacements des 12 pièges à sédiments (haut) et collecte des échantillons (bas)
Pour chaque événement pluvieux à étudier, le protocole d’échantillonnage

comprend 3 étapes : (i) avant l’évènement pluvieux : mise en place des pièges à sédiments
au fond du bassin sur les 12 endroits prévus ; (ii) le plus tôt possible (i.e. pas plus de
quelques heures) après l’événement pluvieux : analyses physico-chimiques d’une partie
des sédiments (eau et sédiments) piégés. Les sédiments restants sont laissés à côté du
bassin, protégés de la montée des eaux lors d’événements ultérieurs ; (iii) 1, 2 et/ou 6
mois après l’événement pluvieux : analyses physico-chimiques sur les sédiments laissés
de côté afin d’observer une éventuelle évolution de leurs caractéristiques physico-
chimiques post-décantation.
5.2 Analyses physico-chimiques

Les analyses physico-chimiques comprennent : (i) analyse de la granulométrie entre 0.1 et
2000 µm au moyen de la technique LPS (Laser Particle Sizer) en utilisant un appareil
Malvern Mastersizer 2000 équipé d’un accessoire de dispersion des échantillons Hydro
2000G ; (ii) détermination des distributions de vitesses de chute au moyen du protocole
VICAS (Gromaire et al., 2003) ; (iii) teneurs en matières sèches et volatiles (laboratoire
d’analyse externe : CARSO - Laboratoire Santé Environnement Hygiène de Lyon -) ; (iv)
concentrations en métaux : cadmium total, cuivre total, plomb total, zinc total (laboratoire
d’analyse externe : CARSO) ; (v) détermination des éléments traces organiques :
hydrocarbures aromatiques polycycliques (HAP), polychlorobiphényles (PCB)
(laboratoire d’analyse externe : CARSO).
5.2.1 Vitesse de chute des sédiments décantés

Les vitesses de chute des sédiments décantés sont mesurées avec le protocole VICAS
(Gromaire et Chebbo, 2003). Ce protocole a été développé pour les solides en suspension
présents dans les eaux de ruissellement. Il est fondé sur le principe de la suspension
homogène, sous l’hypothèse que les particules décantent de manière indépendante les
unes des autres, sans former d’agrégats et sans diffusion. Le mesurage est effectué en
laboratoire dans une colonne de sédimentation en plexiglas (hauteur = 645 mm, diamètre
= 70 mm). Les solides ayant décanté à différents temps t prédéfinis sont collectés
manuellement en bas de la colonne de sédimentation dans des coupelles en aluminium.
Après séchage et pesage des masses contenues dans chaque coupelle, l’évolution de la
masse cumulée des solides décantés en fonction du temps M(t) est déterminée. Une
analyse théorique du processus de décantation dans la colonne amène à exprimer M(t)
selon l’équation (5-1).
dM (t )
M (t ) = S (t ) + t (5-1)
dt
avec M(t) la masse accumulée de particules ayant décanté en bas de la colonne après la
durée t, S(t) la masse accumulée de particules décantées en bas de la colonne après la
durée t avec une vitesse de chute supérieure à H/t avec H la hauteur d’eau dans la colonne
(Chebbo, 1992; Chancelier et al., 1998).
Une liste des équipements du protocole VICAS est donnée Tableau 5-1. Un
schéma et une photo du protocole sont montrés Figure 5-5.
Tableau 5-1 Composantes et équipements du protocole VICAS (adapté de Gromaire et Chebbo,

2003)
Composante Caractéristiques
Diamètre interne = 70 mm ; hauteur = 64 cm ; indicateur de
Colonne de décantation
hauteur ; deux vis de réglage en haut et une vanne 1/4 de tour
En PVC rectangulaire (28 cm x 15 cm x 18 cm) ; cannelure au
Bac de réception fond (27 cm x 9 cm x 5.5 cm) ; plaque de PVC percée de trous
(26.7 cm x 8.8 cm x 1.0 cm)
Support de fixation
Pompe à vide Débit de 30 à 40 L/min
Flacon de protection de
pompe
Coupelles En aluminium : diamètre = 70 mm ; hauteur = 18mm
Porte-coupelles En PVC
Chronomètre
Pichet Gradué en plastique. Volume = 5 L
Bouchon Pour obturer le pied de la colonne (diamètre = 70 mm)
Niveau à bulle
Tamis de 2 mm
Figure 5-5 Schéma (gauche, Chebbo et al., 2003b) et photo (droite, A. Torres) du protocole
VICAS
Le mesurage comporte trois étapes présentées Tableau 5-2.
Tableau 5-2 Procédure du protocole VICAS (adapté de Gromaire et Chebbo, 2003)

Etape Activités
Prétraitement des filtres : (i) laver le filtre avec 50 à 100 mL d’eau distillée ; (ii)
sécher (à 105 °C pour les MES) ou calciner (à 525 ° C pour les MVS) le filtre
pendant une heure ; (iii) laisser refroidir le filtre pendant 15 à 30 min ; (iv) peser le
filtre sur une balance de précision 0.1 mg ; (v) stocker le filtre dans une boite
numérotée
Vérifications : (i) la distance entre le fond du bac de réception et le pied de la
Préparation
colonne doit être suffisante pour permettre la libre circulation des coupelles sous
de
le pied de la colonne ; (ii) la colonne doit être verticale (réglages à faire au moyen
l’expérience
des vis en haut de la colonne)
Préparation des 4 premières coupelles : placer les coupelles sur leurs porte-
coupelles et les remplir d'eau potable
Tamisage de 4.5 L d’échantillon à 2 mm
Détermination de la concentration initiale : sur 3 sous-échantillons avec des
volumes entre 100 à 150 mL chacun
Remplissage de la colonne : (i) Mettre en service la pompe à vide reliée au
sommet de la colonne ; (ii) verser l’échantillon dans le bac de réception ; (iii)
ouvrir la vanne 1/4 de tour située au sommet de la colonne, jusqu’à ce que le
niveau d’eau dans le bac soit juste au-dessus des rebords supérieurs de la
Prélèvement cannelure (cette montée dure de 2 à 5 secondes)
des masses Emplacement de la première coupelle : placer la porte coupelle et sa coupelle
décantées dans la cannelure, puis le faire glisser jusque sous le pied de la colonne,
déclencher le chronomètre, arrêter la pompe à vide et noter la hauteur d’eau dans
la colonne
Changement des coupelles au bout de 1 min, 2 min, 4 min, 8 min, 16 min, 32 min,
64 min, 2 h, 4 h et plus de 12 h
Après le dernier prélèvement : boucher l’extrémité de la colonne et retirer la
colonne de son support
Détermination de la concentration finale : après versement du contenu de la
Fin colonne dans un pichet propre, sur 3 sous-échantillons avec des volumes de 200
d’expérience mL chacun
Détermination des masses prélevées : par filtration sous vide sur une membrane
en fibre de verre selon les normes NF EN 872 pour les MES et NF T 90-029 pour
les MVS (Matière Volatile Sèche)
Le traitement des données expérimentales proposé par Gromaire et Chebbo

(2003) comporte d’abord un calcul du pourcentage d’erreur sur le bilan de masse E de
telle sorte que si cette erreur est supérieure à ± 15 %, il est recommandé d’invalider la
mesure.
M ini − M dec − M fin
E= (5-2)
M ini
avec
Cini HπR 2
M ini = (5-3)
1000
M dec = ∑ mi (5-4)
i
C fin HπR 2
M fin = (5-5)
1000
Cini la concentration initiale de l’échantillon (mg/L), Cfin la concentration finale de
l’échantillon restant dans la colonne à la fin de l’expérience (mg/L), H la hauteur d’eau
dans la colonne (cm), R le rayon de la colonne (cm), mi la masse des solides décantée dans
la coupelle i entre les instants t i-1 et t i .
Le mesurage a pour objectif de déterminer la courbe F(Vs) donnant le pourcen-
tage cumulé en masse des particules ayant une vitesse de chute inférieure ou égale à Vs.
F(Vs) est obtenue par l’équation (5-6) (Gromaire et Chebbo, 2003).
 S (t ) 
F (Vs ) = 1001 −  (5-6)
 M +M 
 dec fin 
avec
  
d

b1 + (1 − d )  
c
dM (t )   t  
S (t ) = M (t ) − t =  2 (5-7)
dt   c d 
1 +   
 t 
 
H
Vs = (5-8)
t
b, c et d des paramètres déterminés par moindres carrés, tels que b>0, c>0 et d ∈ ]0;1[ , à
partir de l’équation (5-9) proposée par Bertrand-Krajewski (2001).
M (t ) =
b
d
c (5-9)
1+  
t
5.3 Mesurages en continu

La turbidité est mesurée par néphélométrie infrarouge à 880 nm avec un capteur
Endress+Hauser CUS-31 selon la norme NF EN 27027. Ce capteur est installé dans les
stations de mesures en entrée et en sortie du bassin de retenue-décantation Django
Reinhardt à Chassieu. Il est placé dans un canal expérimental (longueur de 2 m, largeur de
0.2 m, et radier de forme semi-circulaire) alimenté par une pompe péristaltique (débit de 1
L/s et une vitesse d’aspiration de 1 m/s) (Figure 5-6 et Figure 5-8). D’autres capteurs sont
également installés dans le canal pour mesurer la conductivité (capteur à induction
magnétique Yokogawa ISC 40 G), la température (thermomètre Yokogawa pt 100) et le
pH (sonde de pH Yokogawa FV 20). Un capteur spectro::lyser (ouverture de fenêtre
optique = 2 mm) fabriqué par la compagnie s::can (voir Langergraber et al. (2003),
Hochedlinger (2005), De Bénédittis et Bertrand-Krajewski (2005) pour une description
plus détaillée de ce capteur, et Gruber et al. (2005) pour sa maintenance et son utilisation
in situ) a été placé dans le canal de mesure pour effectuer des tests spécifiques. Ce capteur
mesure des spectres d’absorption UV-visibles entre 200 et 750 nm.
Toutes les grandeurs sont enregistrées avec un pas de temps de 2 minutes dans
un transmetteur de données S50 Sofrel, à l’exception des spectres UV-visibles lesquels
sont sauvegardés avec un pas de temps de 2 minutes dans un PC spécialement dédié. Un
préleveur automatique réfrigéré de 24 flacons de 1 L (Sigma 900R) permet de réaliser des

prélèvements d’effluents dans le canal expérimental, prélèvements dont les concentrations
en polluants sont déterminées ultérieurement en laboratoire. Le débit entrant à l’entrée 2
(collecteur circulaire de diamètre 1.60 m) est estimé à partir des mesurages simultanés de
la hauteur d’eau (capteur ultrasons aériens Nivus Nivubar Plus II) et de la vitesse
d’écoulement (capteur Doppler Nivus OCM/EM). Le débit sortant (collecteur circulaire
de diamètre 0.60 m) est estimé à partir des mesurages simultanés de la hauteur d’eau
(capteur ultrasons aériens Mace Flo-Pro) et de la vitesse d’écoulement (capteur Doppler
Mace Flo-Pro). Deux capteurs piézorésistifs à membrane (NIVUS Nivubar Plus II) placés
au fond du bassin permettent de mesurer les hauteurs d’eau dans l’ouvrage avec un pas de
temps de 2 minutes (hauteurs h 1 et h2 sur la Figure 4-2).
Figure 5-6 Schéma de la station de mesure installée en entrée du bassin de retenue-

décantation Django Reinhardt à Chassieu (Mourad, 2000)
Figure 5-7 A gauche: schéma de la station de mesure installée à Ecully; à droite: pompe
péristaltique et canal de mesure à l’intérieur de la station de mesure
Figure 5-8 Photographie de la station de mesure installée en entrée du bassin de retenue-

décantation Django Reinhardt à Chassieu
Partie 2 : Matériels et méthodes 6 Modélisation hydrodynamique
6. Modélisation hydrodynamique
6.1 Modélisation hydrodynamique en 2D

Pour la modélisation du comportement hydrodynamique du bassin pendant les événements
pluvieux, le code CFD (Computational Fluid Dynamics) Rubar20 (Cemagref, 2004) a été
utilisé. Ce logiciel a été originalement conçu pour le calcul de propagation d’ondes sur
une zone initialement sèche en deux dimensions. Ce logiciel permet d’effectuer tout
calcul hydrodynamique fondé sur la résolution des équations de Barré de Saint-Venant
bidimensionnelles (équations (2-3) à (2-5)) lorsque les variations temporelles des
caractéristiques hydrauliques sont importantes (crues). Le code utilise la méthode des
volumes finis appliquée à une grille composée de quadrilatères et de triangles. La
définition des conditions aux limites est faite au moyen d’ouvrages hydrauliques (sorties
contrôlées, orifices, etc.). Par ailleurs, le logiciel permet de modéliser le transport en
suspension à partir d’une équation de convection-diffusion (équation (2-6)) couplée aux
équations hydrauliques (Cemagref, 2004).
6.2 Modélisation hydrodynamique en 3D

Le logiciel CFD Fluent a été utilisé pour la modélisation hydrodynamique en 3D. Ce
logiciel est capable de modéliser les écoulements des fluides, les transferts de chaleur et
les réactions chimiques. Il utilise la méthode des différences finies dans un volume de
contrôle discrétisé en volumes élémentaires (hexaèdres, tétraèdres et/ou prismes) appelés
mailles pour résoudre les équations de Navier-Stokes (équations (2-24) et (2-25)) (Fluent,
2001).
Le logiciel inclut plusieurs modèles de turbulence : (i) le modèle k-εet ses
variantes (paragraphe 2.3.1); (ii) le modèle k–ω de Wilcox (paragraphe 2.3.2) ; (iii) le
modèle des contraintes de Reynolds RSM (paragraphe 2.3.3).
Deux modèles de transfert de particules sont disponibles dans Fluent : le modèle
granulaire (phase solide traitée comme un fluide) fondé sur l’approche eulérienne
(paragraphe 2.4.1) et le modèle « particle tracking » fondé sur l’approche lagrangienne
(paragraphe 2.4.2)).
Partie 2 : Matériels et méthodes 7 Analyse des données et des résultats
7. Analyse des données et des résultats

Afin d’analyser les données expérimentales et les résultats de modélisation, des outils
spécifiques ont été utilisés. Pour les analyses statistiques, et plus particulièrement
géostatistiques, le logiciel R (R development core team, 2006) a été choisi. Les autres
développements mathématiques ont été réalisés sous MatLab. Ces deux logiciels
présentent le double avantage de proposer des outils spécifiques (Toolbox MatLab et
Librairies R) et un langage de programmation de manière à pouvoir faire des
développements complémentaires.
Un programme appelé UVICAS a été développé sous MatLab. Ce programme
permet d’évaluer les incertitudes de mesure associées aux distributions des vitesses de
chute obtenues à partir du protocole VICAS. Il est fondé sur : (i) la loi de propagation des
incertitudes (NF ENV 13005, 1999) ; (ii) des simulations de Monte-Carlo avec une
génération de séries aléatoires corrélées, selon la méthode décrite par Tu (1998). UVICAS
est détaillé en Annexe A.
Un programme pour la détermination d’outliers multivariés a été développé sous
MatLab. L’algorithme repose sur la méthode proposée par Rousseeuw et Van Driessen
(1999) (paragraphe 3.3) et permet de détecter des outliers dans des séries de données
multivariées avec un niveau de confiance de 95 %. La description de ce programme est
donnée en Annexe B.
Le programme OPP (OTHU PLS Program) a été développé sous MatLab. Ce
programme de régression PLS (Partial Least Squares) est fondé sur l’algorithme NIPALS
(Nonlinear estimation by Iterative Partial Least Squares), originalement conçu par Wold
(1966) (cité dans Tenenhaus, 1998) et présenté par Abdi (2003). Une méthode spécifique
nouvelle pour choisir le nombre de vecteurs latents et les variables indépendantes à
inclure dans le modèle PLS a été développée. Celle-ci est fondée sur la validation croisée
de type Jackknife (Aji et al., 2003). Le programme OPP a été utilisé pour étalonner le
spectromètre UV-visible spectro::lyser testé en entrée et en sortie du bassin de retenue-
décantation Django Reinhardt à Chassieu. OPP est détaillé en Annexe C.
Pour l’analyse des données expérimentales sur les sédiments obtenues à partir
des pièges placés en fond de bassin (analyses physico-chimiques), un code géostatistique
a été développé en utilisant la librairie GSTAT (Pebesma, 2005) couplée avec R (R
development core team, 2006). GSTAT est conçu pour la modélisation des données
spatialement dépendantes à partir d’une analyse de variogrammes, laquelle est utilisée
pour appliquer et visualiser des interpolations par krigeage ou co-krigeage (Zaninetti,
2005).
Partie 3
Caractéristiques des sédiments
- Résultats et discussion -
Partie 3 : Caractéristiques des sédiments
Introduction
Après avoir fait une synthèse bibliographique concernant la métrologie et la
modélisation de la décantation des sédiments des rejets urbains par temps de
pluie (partie 1), et avoir choisi le site expérimental, les protocoles et les
méthodes et logiciels à utiliser pour pouvoir mesurer et modéliser la
décantation (partie 2), cette partie 3 du document présente les résultats et la
discussion concernant la caractérisation physico-chimique des sédiments
décantés dans le bassin de retenue-décantation Django Reinhardt.
Elle fournit des éléments de réponse aux questions suivantes
concernant quelques aspects métrologiques de notre travail, compte tenu des
matériels et méthodes choisis : (i) quelles sont les caractéristiques physico-
chimiques des sédiments décantés dans le bassin de retenue-décantation et avec
quel niveau de précision est-on capable de les mesurer ? (ii) peut-on parler de
valeurs caractéristiques pour les sédiments en vue d’une modélisation de la
décantation ? (iii) peut-on mesurer l’évolution physico-chimique post-
décantation des sédiments en vue d’une meilleure gestion du bassin ?
Dans le chapitre 8 on présente les résultats relatifs aux vitesses de
chute des sédiments décantés. Le protocole VICAS a été originalement conçu et
validé pour estimer les vitesses de chute des sédiments en suspension. Dans un
premier temps, on présente donc une activité préliminaire consistant à évaluer
la pertinence de ce protocole pour notre cas : distributions des vitesses de chute
des sédiments déjà déposés en fond de bassin (paragraphe 8.1). Cette évaluation
a été réalisée en termes de répétabilité (paragraphe 8.1.1), d’incertitudes
(paragraphe 8.1.2) et d’erreurs systématiques (paragraphe 8.1.3). Des biais
possibles ont été détectés, ce qui nous a conduit à proposer une modification du
protocole VICAS initial (paragraphe 8.2). Le paragraphe 8.2 présente la
comparaison des résultats obtenus avec les deux protocoles : VICAS initial et
modifié. A partir d’une série d’expériences, nous avons observé que le
protocole modifié n’est pas assez robuste et que sa répétabilité n’est pas assez
bonne. Nous avons donc décidé d’utiliser systématiquement le protocole
VICAS initial pour les campagnes de détermination des vitesses de chute des
sédiments présents au fond du bassin. Le paragraphe 8.3 présente les résultats
des campagnes réalisées pour caractériser les vitesses de chute des sédiments
décantés dans l’ouvrage. Dans ce paragraphe les courbes de vitesses de chute
obtenues avec le protocole VICAS pour 5 campagnes de mesure sont présentées
paragraphe 8.3.1. Ces résultats présentent d’importantes variabilités
événementielles et hétérogénéités spatiales mises en évidence et analysées
paragraphes 8.3.2 et 8.3.3 respectivement. Les incertitudes de mesure associées
aux courbes de vitesses de chute sont présentées paragraphe 8.3.4.
Le chapitre 9 montre les résultats des analyses granulométriques
effectuées sur les sédiments décantés.
Le chapitre 10 présente les résultats des analyses de siccité

(paragraphe 10.1) et des concentrations en métaux lourds (paragraphe 10.2) et
en éléments traces organiques (HAP et PCB) (paragraphe 10.3).
Le chapitre 11 montre les résultats concernant l’évolution post-
décantation des caractéristiques physico-chimiques des sédiments.
Partie 3 : Caractéristiques des sédiments 8 Vitesses de chute
8. Vitesses de chute
L’étude des vitesses de chute des sédiments décantés a été réalisée avec le protocole
VICAS (VItesse de Chute en ASsainissement) (Gromaire et al., 2003). Le protocole
VICAS a été originalement conçu et validé pour estimer les vitesses de chute des
sédiments en suspension, avec des résultats satisfaisants en termes de répétabilité et de
précision (Gromaire et al., 2003). Cependant, notre intérêt est son utilisation pour le cas
de sédiments déjà déposés en fond de bassin. En effet, nous avons choisi d’étudier les
caractéristiques physico-chimiques des sédiments décantés à partir de prélèvements
effectués au moyen de pièges à sédiments placés en fond de bassin (voir paragraphe 5.1).
Une activité préliminaire a donc consisté à caractériser ce protocole sur les aspects
suivants en vue de son utilisation pour la détermination des vitesses de chute des
sédiments décantés : (i) répétabilité ; (ii) incertitudes associées ; (iii) erreurs associées.
8.1 Caractérisation du protocole VICAS
8.1.1 Répétabilité du protocole VICAS

Deux expériences de répétabilité ont été réalisées le 11/05/2006 et le 13/12/2006. Les
échantillons utilisés ont été prélevés au moyen des pièges P02 et P01 respectivement (voir
localisation Figure 5-4) après des remplissages du bassin lors d’événements pluvieux.
Chaque expérience a été réalisée sur trois sous-échantillons de 5_L chacun constitués à
partir d’un échantillon primaire de 25 L. Pour chaque sous-échantillon le protocole a été
mené de manière à déterminer leurs courbes de vitesses de chute, en utilisant trois
colonnes de décantation VICAS. Les courbes des vitesses de chute obtenues sont
présentées Figure 8-1 (expérience du 11/05/2006) et Figure 8-2 (expérience du
13/12/2006). Pour les deux expériences, les courbes de vitesses de chute obtenues pour les
trois tests sont très semblables. Le coefficient de variation calculé pour les trois tests ne
dépasse pas 7 %, indiquant une très bonne répétabilité du protocole VICAS, même dans le
cas de solides décantés.
Figure 8-1 Expérience de répétabilité (3 répétitions) du protocole VICAS réalisée le 11/05/2006

pour les sédiments collectés au moyen du piège P02
Figure 8-2 Expérience de répétabilité (3 répétitions) du protocole VICAS réalisée le 13/12/2006

pour les sédiments collectés au moyen du piège P01
8.1.2 Incertitudes associées au protocole VICAS

La courbe obtenue à partir du protocole VICAS est représentée mathématiquement par
l’équation (Gromaire et Chebbo, 2003).
 S (t ) 
F (Vs ) = 1001 −  (8-1)
 M +M 
 dec fin 
avec,
  c  
d
b 1 + (1 − d ) 

dM (t )   t  
S (t ) = M (t ) − t = 
2 (8-2)
dt   c d 
1 +   
 t 
 
H
Vs = (8-3)
t
M dec la masse totale décantée, Mfin la masse résiduelle dans la colonne à la fin du
mesurage, b, c et d des paramètres déterminés par moindres carrés de manière que b > 0,
c> 0 et d ∈ ]0 ; 1[, selon l’équation (8-4) proposée par Bertrand-Krajewski (2001).
M (t ) =
b
d
c (8-4)
1+  
t
La grandeur F(Vs) est donc déterminée à partir des six grandeurs t, b, c, d, Mdec et
M fin par la relation fonctionnelle :
 c 
d
b1 + (1 − d )  
  t  
( )
F (Vs ) = f F t , b, c, d , M dec , M fin = 1 − 
2 (8-5)
  c d 
1 +    M
 t 
(
dec + M fin )
 
L’incertitude type de F(Vs) peut être calculée à partir de la loi de propagation des
incertitudes :
6  ∂f  2 ∂f F ∂f F
( )
5 6
u 2
(F (Vs ) ) = ∑   F 2  u ( xi ) + 2 ∑ ∑ u xi , x j (8-6)
∂x
i =1 i  i =1 j = i +1 ∂xi ∂x j
avec x i les 6 variables présentes dans l’équation (8-5) (x 1= b, x 2= c, x 3= d, x 4= t,
x 5= Mdec , x 6= M fin), u(x i) l’incertitude type associée à la variable x i et u(xi ,x j) la
covariance de x i et xj . Les incertitudes types sont considérées équivalentes aux écart-
types.
Toutes les dérivées partielles sont évaluables de manière analytique par les
équations (8-7) à (8-12).
d
bd  c 
−   
∂f F ∂F (Vs ) c 
d
t t
= = 3 
1 + d + (1 − d )  
∂t ∂t   c  d    t   (8-7)
(M dec + M fin )1 +   
 t 
 
d
c
1 + (1 − d ) 
∂f F ∂F (Vs ) t
= =−
∂b ∂b   c d 
2 (8-8)
1 +    (M dec + M fin )
 t 
 
d
c
1 + d + (1 − d ) 
∂f F ∂F (Vs ) bd  c 
d
= = t
 
∂c ∂c c  t    c  d 3 (8-9)
1 +    (M dec + M fin )
 t 
 
∂f F ∂F (Vs )
=
∂d ∂d
d
c
b    c d  c   c  
d
(8-10)
=  t
1 +   + ln  1 + d + (1 − d )   
3
  c d   t  t    t   
1 +    (M dec + M fin ) 
 t 
 
 c 
d
b1 + (1 − d )  
∂f F ∂F (Vs )   t  
= = 
∂M dec ∂M dec  d 2

(8-11)
1 +    (M dec + M fin )2
 c 
 t 
 
  
d

b1 + (1 − d )  
c
∂f F ∂F (Vs )   t  
= = 
∂M fin ∂M fin   c d 
2 (8-12)
1 +    (M dec + M fin )2
 t 
 
Le temps t est mesuré manuellement avec un chronomètre. Les solides décantés
sont collectés dans des coupelles en aluminium avec des indices p = 1 à 10 aux instants tp
= 1 min, 2 min, 4 min, 8 min, 16 min, 32 min, 64 min, 2 h, 4 h et > 12 h. L’incertitude
type u(t) est prise égale à 1 s.
Les incertitudes types sur b, c et d ont été évaluées à partir de simulations de
Monte Carlo. N jeux de 10 masses élémentaires mp (mp est la masse de particules ayant
décanté dans la colonne entre les instants t p-1 et t p) ont été générés comme des séries
aléatoires corrélées en supposant une distribution normale pour chaque série mp. La
méthode utilisée est une généralisation de la méthode présentée par Tu (1998) (voir
Annexe 0). Le nombre N de jeux de masses élémentaires est défini par la méthode
présentée dans SPAD (1999) (voir Annexe E). N = 800 jeux ont été générés pour toutes
les expériences VICAS. Pour chaque jeu, b, c et d ont été déterminés selon la méthode des
moindres carrés. Pour les séries de N valeurs de b, c et d, les moyennes et les écart-types
ont été calculés. La Figure 8-3 illustre, pour un exemple réel (protocole VICAS pour un
échantillon relatif à l’événement pluvieux du 14 juin 2005 prélevé au fond du bassin
Django Reinhardt au moyen du piège P04), les courbes simulées et les résultats (valeur
moyenne et incertitude type) obtenus pour b, c et d.
mean(b) = 721.87 ; std(b) = 8.821 mean(c) = 7.42 ; std(c) = 0.081 mean(d) = 0.98 ; std(d) = 0.005
80
60
frequence
40
20
0
680 700 720 740 760 7 7.2 7.4 7.6 7.8 0.965 0.97 0.975 0.98
bk ck dk
Figure 8-3 Simulation de Monte Carlo pour N = 800 jeux de 10 masses élémentaires mp
(événement : 14/06/2005 ; échantillonnage : piège P04 ; protocole : VICAS)
Pour cet exemple, sur la base des 800 triplets b, c et d estimés, les moyennes
pour chaque paramètre ont été calculées (721.87, 7.42 et 0.98, respectivement), ainsi que
les écart-types (8.821, 0.081 et 0.005, respectivement). On observe aussi que les courbes
des masses cumulées en fonction du temps présentées Figure 8-3 (haut) ne se croisent pas
entre elles. Ceci est dû au fait que la génération a été faite de manière aléatoire mais
corrélée, de manière qu’à chaque génération la masse élémentaire mp+1 dépende de la
masse élémentaire mp, conformément aux observations faites sur les données
expérimentales.
Comme la masse totale décantée M dec est calculée selon l’équation (8-13), son
incertitude type est calculée à partir des incertitudes types sur chaque valeur mp . Un calcul
similaire est réalisé pour M fin, qui est déterminé par filtration de l’eau dans la colonne de
décantation à la fin de l’expérience, en utilisant plusieurs filtres.
10
M dec = ∑ m p (8-13)
p =1
L’incertitude type u(Vs) dépend des deux incertitudes type u(H) = 0.5 mm et
u(t) = 1 s.
Tous les calculs ci-dessus (paragraphe 8.1.2) ont été programmés dans un code
MatLab appelé UVICAS utilisé pour chaque expérience. Un exemple de résultats
d’incertitude est présenté Figure 8-4. Cet exemple correspond à un échantillon relatif à
l’événement pluvieux du 9 avril 2006 prélevé au fond du bassin Django Reinhardt au
moyen du piège P12. La valeur finale de l’incertitude sur F(Vs) décroît pour des valeurs
croissantes de Vs (Figure 8-4) : u(F(Vs)) varie de 0.4 % pour Vs = 0.03 m/h à 0.14 % pour
V s = 30 m/h. Dans cet exemple, la vitesse médiane V 50 a une probabilité de 95 % d’être
comprise entre 2.14 et 2.39 m/h.
Figure 8-4 Incertitudes sur F(V s ) calculées avec le code UVICAS (événement : 9/04/2006 ;
échantillonnage : piège P12)
8.1.3 Erreurs associées au protocole VICAS

Gromaire et Chebbo (2003) ont proposé le calcul d’un bilan de masse présenté équation
(5-2) pour évaluer la qualité des résultats issus des mesurages avec le protocole VICAS.
Ce bilan a pour objectif la détection de pertes de particules qui pourraient générer des
biais ou des erreurs dans le résultat final. Il repose sur la comparaison entre la masse
initiale introduite dans la colonne, d’une part, et la somme de M dec (masse totale de
particules ayant décanté dans la colonne à la fin de l’expérience, voir Figure 8-6) et Mfin
(masse de particules qui reste dans la colonne à la fin de l’expérience, voir Figure 8-7),
d’autre part (voir rappel du schéma du protocole Figure 8-5). Cependant, ce bilan de
masse est difficile à calculer (la masse initiale dans la colonne ne peut pas être mesurée
directement) et pas exhaustif (toutes les sources d’erreurs ne sont pas prises en compte). Il
a donc été décidé d’élargir cette approche de manière à évaluer toutes les sources
d’erreurs possibles pendant les manipulations.
Figure 8-5 Schéma (gauche, Chebbo et al., 2003b) et photo (droite, A. Torres) du protocole
VICAS
M dec
Figure 8-6 Illustration de la masse totale de particules ayant décanté dans la colonne à la fin de
l’expérience M dec
M fin
Figure 8-7 Illustration de la masse de particules qui reste dans la colonne à la fin de
l’expérience M fin
En plus de M dec et M fin, les masses suivantes ont été prises en compte dans nos
calculs :
M ini masse initiale totale dans le seau contenant l’échantillon à verser dans le bac
de réception (Figure 8-8).
M br masse totale de particules qui reste dans le bac de réception à la fin de
l’expérience (Figure 8-5).
M hom masse totale de particules perdue par dépôt sur le mélangeur utilisé pour
homogénéiser l’échantillon dans le seau avant transfert dans le bac de
réception (Figure 8-8).
Ms masse totale de solides qui reste dans le seau après que l’échantillon ait été
versé dans le bac de réception (Figure 8-9).
M hom
M ini
Figure 8-8 Illustration de la masse initiale totale dans le seau contenant l’échantillon à verser
dans le bac de réception Mini et de la masse totale de particules perdue par dépôt sur le
mélangeur utilisé pour homogénéiser l’échantillon dans le seau avant transfert dans le bac de
réception Mhom
Ms
Figure 8-9 Illustration de la masse totale de solides qui reste dans le seau après que
l’échantillon ait été versé dans le bac de réception Ms
M hom et Ms sont déterminées après un rinçage méticuleux de tout le matériel avec

de l’eau distillée. Le bilan de masse est calculé selon l’équation (8-14).
M ini = M dec + M fin + M br + M hom + M s + ∆ (8-14)
avec ∆ l’erreur éventuelle sur le bilan de masse.

Trois tests de bilan de masse ont été réalisés avec un échantillon collecté dans le
bassin de retenue Django Reinhardt le 23 mai 2006 au moyen du piège P01. Cet
échantillon a été séché au four pendant plus de 24 heures pour pouvoir constituer avec lui
des solutions à différentes concentrations (concentration élevée pour le Test 1, moyenne
pour le Test 2 et faible pour le Test 3) fixées en fonction des concentrations observées
lors d’expériences précédentes. Par ces expériences nous voulions avoir une meilleure
connaissance et un meilleur contrôle de la masse initiale à introduire dans la colonne Mini
de manière à réaliser avec plus de certitude le bilan de masse. Les résultats sont indiqués
dans le Tableau 8-1. Les bilans de masse sont globalement satisfaisants, avec des erreurs
comprises entre 3 et 5 %.
Tableau 8-1 Résultats des tests de bilan de masse (prélèvement : 23/05/2006 ;

échantillonnage : piège P01)
Test 1 Test 2 Test 3
Masse (mg) % Mini Masse (mg) % Mini Masse (mg) % Mini
Mdec 3481.2 32 % 1663.9 23 % 83.5 24 %
Mfin 87.0 1% 73.0 1% 9.0 3%
Mbr 6606.8 61 % 3952.3 54 % 202 59 %
Mhom 7.3 0% 6.3 0% 0.3 0%
Ms 353.1 3% 1325.1 18 % 36.5 11 %
∆ 358.6 3% 346.4 5% 13.1 4%
M ini 10894.0 100 % 7367.0 100 % 344.4 100 %
8.2 Protocole VICAS modifié

Pour les résultats présentés Tableau 8-1, les concentrations de particules dans la colonne
de décantation sont inférieures aux concentrations dans le bac de réception. En effet,
l’essentiel de la masse totale initiale de particules est divisé entre le bac de réception Mbr
(plus de 54 %) et la masse décantée Mdec (plus de 23 %).
Les concentrations initiales (Cini) ont été calculées pour les trois échantillons
relatifs aux tests 1 à 3, comme le rapport entre la masse initiale totale dans le seau
contenant l’échantillon à verser dans le bac de réception Mini et le volume d’eau utilisé
pour constituer l’échantillon initial à verser dans le bac de réception V ini (voir Tableau
8-2).
Dans le Tableau 8-2 on observe que le volume initial V ini utilisé pour constituer
l’échantillon du Test 1 est inférieur à celui utilisé pour les autres deux tests (soit 4 L au
lieu de 5 L). Ceci a été effectué pour pouvoir homogénéiser l’échantillon le mieux
possible en évitant des débordements qui auraient pu entraîner une perte de sédiments.
Tableau 8-2 Concentrations en MES pour les échantillons initiaux correspondants à trois tests
de bilan de masse (Mini : masse initiale totale dans le seau contenant l’échantillon à verser dans
le bac de réception ; V ini : volume d’eau utilisé pour constituer l’échantillon initial à verser dans le
bac de réception ; prélèvement : 23/05/2006 ; échantillonnage : piège P01)
M ini V ini C ini = Mini/V ini
(mg) (L) (mg/L)
Test 1 10894.0 4.0 2723.5
Test 2 7367.0 5.0 1473.4
Test 3 344.4 5.0 68.9
Les concentrations finales (Cfin) ont été calculées pour les trois échantillons
relatifs aux tests 1 à 3, comme le rapport entre la masse totale de particules ayant décanté
dans la colonne à la fin de l’expérience M dec plus la masse de particules qui reste dans la
colonne à la fin de l’expérience M fin et le volume d’eau dans la colonne V fin (voir Tableau
8-3).
Tableau 8-3 Concentrations finales en MES C fin pour les échantillons correspondants à trois
tests de bilan de masse (Mdec : masse totale de particules ayant décanté dans la colonne à la fin
de l’expérience ; M fin : masse de particules qui reste dans la colonne à la fin de l’expérience ;
H : hauteur d’eau dans la colonne ; R : rayon de la colonne ; V fin : volume d’eau dans la
colonne ; prélèvement : 23/05/2006 ; échantillonnage : piège P01)
2
Mdec Mfin H R V fin = HπR C fin = (Mdec + Mfin) /Vfin
(mg) (mg) (cm) (cm) (L) (mg/L)
Test 1 3481.2 87.0 60.4 3.5 2.3 1541.2
Test 2 1663.9 73.0 60.4 3.5 2.3 750.2
Test 3 83.5 9.0 60.3 3.5 2.3 40.0
Les Tableau 8-2 et Tableau 8-3 montrent des écarts importants entre les
concentrations Cini et Cfin pour chaque test : l’échantillon contenu dans la colonne au
début de l’expérience n’a pas la même concentration que l’échantillon initial contenu dans
le seau, pour lequel on veut déterminer les distributions de vitesses de chute. La question
de la représentativité des courbes de vitesses de chute obtenues à partir du protocole
VICAS pour nos sédiments décantés se pose car il n’y a aucune garantie que cette perte de
concentration soit homogène pour toutes les classes de vitesses. Au contraire, on aurait
tendance à penser que la plus grande perte de concentration correspondrait aux classes de
sédiments ayant les plus fortes vitesses de chute : pendant le remplissage de la colonne de
décantation, toutes les particules dans le bac de réception n’auraient pas la même
probabilité d’être entraînées par pompage dans la colonne de décantation, en raison d’une
décantation trop rapide dans le bac de réception et de la ségrégation de certaines
particules. Par conséquent, les particules avec des fortes vitesses de chute pourraient être
moins représentées dans la colonne, en comparaison avec le bac de réception. Donc, les
vitesses de chute réelles pourraient être supérieures à celles obtenues avec le protocole
VICAS.
Une modification de la façon de remplir la colonne VICAS a donc été envisagée
(VICAS modifié) pour mettre en évidence le biais éventuel et si possible le corriger. Des
tests spécifiques ont été effectués pour comparer les résultats obtenus avec les deux
protocoles : protocole VICAS initial et protocole VICAS modifié et évaluer ainsi l’effet
du remplissage sur le résultat final (courbes de distribution des vitesses de chute).
Pour le protocole VICAS modifié (voir Figure 8-10), la colonne est remplie par
immersion horizontale dans un grand bac contenant l’échantillon brut (15 L), lequel est
maintenu agité pour éviter autant que possible toute décantation. Une fois remplie, la
colonne est fermée avec un bouchon spécialement conçu pour recueillir la première
fraction décantée. La pompe à vide est ensuite mise en fonctionnement et la colonne est
placée verticalement sur le support de fixation le plus rapidement possible, avec le bac de
réception préalablement rempli avec de l’eau potable (Figure 8-11).
Figure 8-10 Illustration du remplissage de la colonne de décantation pour le protocole VICAS

modifié : en haut, immersion et remplissage de la colonne dans le grand bac ; en bas à gauche,
mise en place du bouchon spécial ; en bas à droite : retrait de la colonne avant fixation verticale
sur son support.
Figure 8-11 Illustration de la fixation de la colonne de décantation sur le support de fixation

pour le protocole VICAS modifié
Ensuite, le bouchon est retiré et remplacé par la première coupelle en aluminium.

Le bouchon est spécialement conçu pour collecter la masse décantée entre l’instant
correspondant au remplissage de la colonne et l’instant correspondant à la mise en place
de la première coupelle en aluminium. Deux tests préliminaires ont été effectués pour
comparer les résultats obtenus avec les protocoles VICAS initial et modifié (Figure 8-12).
Les échantillons, relatifs à l’évènement pluvieux du 7/03/2007, ont été prélevés en
utilisant le piège P01. Dans la Figure 8-12 des différences relatives (∆) importantes ont
été observées entre les deux protocoles VICAS. Pour le test 1, les différences relatives
varient de 99 % (V90) à 137 % (V20). Pour le test 2, les différences relatives varient de
78_% (V10) à 110 % (V90). Ces résultats mettent en évidence qu’un biais peut être présent
pour les courbes de vitesses de chute obtenues avec le protocole VICAS appliqué à des
sédiments déposés en fond de bassin.
Test 1 (12/03/2007) Test 2 (26/03/2007)
Vs initial Vs modifié ∆ Vs initial Vs modifié ∆

(m/h) (m/h) (%) (m/h) (m/h) (%)
V 10 0.06 0.13 127 V 10 0.22 0.38 78
V 20 0.29 0.69 137 V 20 0.51 0.99 94
V 30 0.60 1.40 131 V 30 0.87 1.73 98
V 40 1.03 2.32 126 V 40 1.32 2.64 101
V 50 1.60 3.53 120 V 50 1.89 3.81 102
V 60 2.43 5.25 116 V 60 2.68 5.41 102
V 70 3.75 7.82 109 V 70 3.83 7.75 102
V 80 6.12 12.33 102 V 80 5.76 11.61 101
V 90 12.32 24.52 99 V 90 9.91 20.77 110
Figure 8-12 Comparaison entre les courbes de vitesse de chute obtenues à partir des protocoles
VICAS initial et modifié pour deux tests. Evénement : 7/03/2007; Echantillonnage : piège P01.
∆ : différence relative entre les résultats obtenus avec le protocole modifié et ceux obtenus avec
le protocole initial
Afin de tester plus en détail le protocole VICAS modifié décrit précédemment,

une série d’expériences a été réalisée, notamment pour évaluer la répétabilité du protocole
VICAS modifié. Le Tableau 8-4 montre une synthèse des résultats des vitesses de chute
médianes V 50 de 5 expériences de répétabilité du protocole VICAS modifié ainsi que les
comparaisons entre les résultats de chaque réplicat et ceux obtenus en utilisant le
protocole VICAS initial. Comme indiqué sur le Tableau 8-4, les échantillons ont été
prélevés pendant le mois de mai 2007 au moyen du piège P01, à l’exception de
l’expérience 4. Les échantillons ont été conservés au réfrigérateur entre les dates
correspondantes aux prélèvements et celles correspondantes aux expériences proprement
dites. Pour l’expérience 2, après la conservation au réfrigérateur, l’échantillon a été séché
au four à 100 °C et ensuite a été mélangé avec de l’eau potable lors de la réalisation des
essais VICAS.
Tableau 8-4 Synthèse des expériences pour évaluer la répétabilité du protocole VICAS modifié
(∆i : différence relative (%) entre les résultats obtenus avec le protocole modifié pour le réplicat i
et ceux obtenus avec le protocole initial ; CV : coefficient de variation (%) pour les résultats
obtenus avec le protocole VICAS modifié)
No. 1 2 3 4 5
Date prélèvement 4/05/2007 4/05/2007 29/05/2007 29/05/2007 31/05/2007
Date expériences 15/05/2007 19/06/2007 30/05/2007 31/05/2007 6/06/2007
Piège P01 P01 P01 P04 P01
V 50initial (m/h) 8.33 5.87 1.32 1.44 6.55
V 50modifié(1) (m/h) 18.52 11.12 1.86 1.29 13.28
(∆1 ) (122 %) (90 %) (40 %) (-10 %) (103 %)
V 50modifié(2) (m/h) 10.41 11.65 1.45 0.78 12.28
(∆2 ) (25 %) (99 %) (10 %) (-45 %) (87 %)
V 50modifié(3) (m/h) 18.12 8.92 1.60 1.27 12.32
(∆3 ) (118 %) (52 %) (21 %) (-12 %) (88 %)
CV (%) 29 14 12 26 4
Les figures suivantes montrent les résultats complets des expériences de

répétabilité du protocole VICAS modifié no. 4 (Figure 8-13) et no. 5 (Figure 8-14). On a
choisi d’illustrer d’une manière plus approfondie les résultats relatifs à ces deux
expériences pour les raisons suivantes : (i) l’expérience 4 présente un coefficient de
variation CV très élevé (26 %) et des vitesses de chute médianes obtenues avec le
protocole VICAS modifié inférieures à celles obtenues avec le protocole VICAS initial ;
(ii) l’expérience_5 présente le plus faible coefficient de variation CV (4 %) et des vitesses
de chute médianes obtenues avec le protocole VICAS modifié beaucoup plus élevées que
celles obtenues avec le protocole VICAS initial.
Vs initial Vs modifié(1) Vs modifié(2) Vs modifié(3) CV

(m/h) (m/h) (m/h) (m/h) (%)
(∆1 ) (∆2 ) (∆3 )
V 10 0.06 0.06 ( 7 %) 0.02 (-61 %) 0.07 ( 15 %) 48
V 20 0.22 0.18 (-15 %) 0.12 (-44 %) 0.28 ( 30 %) 42
V 30 0.47 0.39 (-17 %) 0.27 (-43 %) 0.54 ( 14 %) 34
V 40 0.85 0.73 (-14 %) 0.48 (-44 %) 0.85 ( 0 %) 28
V 50 1.44 1.29 (-10 %) 0.78 (-45 %) 1.27 (-12 %) 26
V 60 2.39 2.29 ( -5 %) 1.26 (-47 %) 1.82 (-24 %) 29
V 70 4.10 4.24 ( 3 %) 2.06 (-50 %) 2.64 (-36 %) 38
V 80 7.75 9.03 ( 17 %) 3.67 (-53 %) 4.01 (-48 %) 54
V 90 19.80 28.80 ( 45 %) 8.43 (-57 %) 7.10 (-64 %) 82
∆ i : différence relative (%) entre les résultats obtenus avec le protocole modifié
pour le réplicat i et ceux obtenus avec le protocole initial ; CV : coefficient de
variation (%) pour les résultats obtenus avec le protocole VICAS modifié
Figure 8-13 Expérience de répétabilité no. 4 pour l’évaluation du protocole VICAS modifié.
Prélèvement : 29/05/2007 ; Expériences : 31/05/2007 ; Echantillonnage : piège P04
Vs initial Vs modifié(1) Vs modifié(2) Vs modifié(3) CV

(m/h) (m/h) (m/h) (m/h) (%)
(∆1) (∆2) (∆3)
V 10 0.88 1.67 ( 89 %) 1.68 ( 91 %) 1.67 ( 89 %) 0
V 20 1.85 3.73 (101 %) 3.57 ( 93 %) 3.57 ( 93 %) 3
V 30 3.06 6.23 (104 %) 5.85 ( 91 %) 5.86 ( 92 %) 4
V 40 4.57 9.33 (104 %) 8.68 ( 90 %) 8.72 ( 91 %) 4
V 50 6.55 13.28 (103 %) 12.28 ( 87 %) 12.32 ( 88 %) 4
V 60 9.23 18.86 (104 %) 17.40 ( 88 %) 17.62 ( 91 %) 4
V 70 13.27 27.43 (107 %) 25.12 ( 89 %) 25.26 ( 90 %) 5
V 80 21.64 38.89 ( 80 %) 35.20 ( 63 %) 35.14 ( 62 %) 6
V 90 35.23 53.01 ( 50 %) 47.25 ( 34 %) 47.17 ( 34 %) 7
∆ i : différence relative (%) entre les résultats obtenus avec le protocole
modifié pour le réplicat i et ceux obtenus avec le protocole initial ; CV :
coefficient de variation (%) pour les résultats obtenus avec le protocole
VICAS modifié
Figure 8-14 Expérience de répétabilité no. 5 pour l’évaluation du protocole VICAS modifié.
Prélèvement : 31/05/2007 ; Expériences : 6/06/2007 ; Echantillonnage : piège P01
Les expériences réalisées en vue de déterminer la répétabilité du protocole

VICAS modifié, dont les résultats sont présentés en forme de synthèse dans le Tableau
8-4 présentent des inconvénients à deux niveaux : (i) la répétabilité n’est pas satisfaisante
dans la plupart des cas : les coefficients de variation (CV) peuvent atteindre jusqu’à 29_%
pour les vitesses médianes V50 ; (ii) le biais n’est pas toujours observé en utilisant le
protocole VICAS modifié (voir par exemple les résultats présentés Figure 8-13).
Le deuxième problème évoqué ci-dessus pourrait être expliqué par le fait que les
concentrations initiales en MES dans la colonne au début de l’expérience ne soient pas
identiques d’une expérience à l’autre. Le biais suspecté pourrait donc n’être détecté avec
le protocole VICAS modifié que pour certaines expériences avec une concentration
initiale trop élevée ou trop faible. De manière à évaluer cette hypothèse la Figure 8-15
montre, pour chaque expérience relative au protocole VICAS modifié, en ordonnée la
différence relative en pourcentage (DV50) entre les vitesses médianes V50 déterminées par
le protocole VICAS modifié et par le protocole VICAS initial, et en abscisse la
concentration initiale en MES dans la colonne au début de l’expérience VICAS modifiée,
ainsi qu’un histogramme pour chacune de ces deux variables.
Figure 8-15 Test de répétabilité pour l’évaluation du protocole VICAS modifié.
Sur la Figure 8-15 on observe tout d’abord que la plupart des expériences (47 %)
ont été réalisées pour des concentrations initiales inférieures à 500 mg/L ; 35 % des
expériences ont été réalisées pour des concentrations supérieures à 2000 mg/L et le reste
des expériences ont été réalisées pour des concentrations entre 500 et 2000 mg/L. Quant
au biais, il a été détecté (DV50 > 40 %) pour 65 % des essais réalisés, alors que pour 35 %
des cas DV50 présente des valeurs inférieurs à 40 % ou même négatifs (V50_initial >
V50_modifié ). Cependant, une corrélation entre la concentration initiale et le biais est
difficile à établir.
Le protocole VICAS modifié envisagé ne semble pas être assez fiable ni robuste
pour constituer une amélioration du protocole initial. De plus, le protocole modifié
présente des inconvénients d’ordre pratique, comme le fait que la quantité d’échantillon
requise pour l’utiliser soit trois fois plus importante que celle requise pour le protocole
VICAS initial (soit 15 L minimum). Nous avons donc décidé d’utiliser systématiquement
le protocole VICAS initial pour les campagnes de détermination des vitesses de chute des
sédiments présents au fond du bassin de retenue-décantation Django-Reinhardt, même si
des biais plus ou moins importants ont été mis en évidence pour certaines
expérimentations. Une étude plus approfondie de cette question pourrait être envisagée
ultérieurement.
8.3 Résultats des campagnes
8.3.1 Courbes de vitesses de chute des sédiments décantés

Cinq campagnes (C1 à C5) pour déterminer les répartitions des vitesses de chute dans les
12 pièges (P1 à P12) fixés au fond du bassin ont été réalisées. Les caractéristiques des
événements pluvieux (débit et turbidité maximum Qmax et TUmax à l’entrée du bassin
pendant l’événement pluvieux, volume total ruisselé V tot , durée de temps sec avant
l’événement pluvieux DTS, durée du ruissellement DP) relatives aux cinq campagnes de
mesure sont indiquées Tableau 8-5.
Tableau 8-5 Caractéristiques globales des cinq événements pluvieux étudiés

grandeur C1 C2 C3 C4 C5
3
Q max (m /s) 0.981 0.605 0.849 0.619 0.448
3
V tot (m ) 12446 10023 33589 2868 9984
DTS (h) 229 33 97 20 66
DP (h) 30 16 43 19 30
TU max (NTU) 1029 92 216 196 200
Q max : débit maximum à l’entrée de l’ouvrage pendant l’événement
pluvieux, V tot : volume total ruisselé, DTS : durée de temps sec avant
l’événement pluvieux, DP : durée du ruissellement, TUmax : turbidité
maximum à l’entrée de l’ouvrage pendant l’événement pluvieux
Pour les campagnes C2 et C3, les répartitions des vitesses de chute ont été
déterminées en entrée (E) et sortie (S) du bassin au moyen de préleveurs automatiques
disposés dans les stations de mesures OTHU. Les résultats des courbes des 5 campagnes
sont montrés Figure 8-16 à Figure 8-20. On observe une variabilité assez importante des
courbes obtenues, avec des vitesses médianes (V50) allant d’environ 0.5 m/h (C4, piège 8)
à 16.0 m/h (C3, piège 4). Pour un même événement pluvieux, les courbes de vitesses de
chute sont très variables d’un piège à un autre. Pour un piège donné, les courbes varient
fortement avec les événements pluvieux.
V 20 (m/h) V 50 (m/h) V 80 (m/h) V 90 (m/h)

min 0.32 (P04) 1.66 (P09) 5.04 (P09) 8.86 (P09)
moy 1.16 4.48 13.87 23.81
max 2.27 (P11) 8.36 (P11) 25.87 (P11) 38.89 (P11)
Figure 8-16 Courbes des vitesses de chute pour la campagne de mesure C1 (14/06/2005)
Pour la campagne de mesure C1 les vitesses médianes obtenues varient entre

1.66 m/h (piège P09) et 8.36 m/h (piège P11) avec une moyenne de 4.48 m/h (Figure
8-16).
V 20 (m/h) V 50 (m/h) V 80 (m/h) V 90 (m/h)

min 0.11 (P11) 0.82 (E) 2.63 (E) 4.72 (P02)
moy 0.73 2.82 8.76 15.59
max 1.83 (P03) 6.78 (P01) 20.89 (P01) 36.42 (P01)

0.82 m/h (entrée E) et 6.78 m/h (piège P01) avec une moyenne de 2.82 m/h (Figure 8-16).
V 20 (m/h) V 50 (m/h) V 80 (m/h) V 90 (m/h)

min 0.06 (E) 0.73 (E) 4.14 (E) 10.28 (E)
moy 1.84 6.57 20.54 31.64
max 4.40 (P04) 16.18 (P04) 44.79 (P04) 58.66 (P03)

0.73 m/h (entrée E) et 16.18 m/h (piège P04) avec une moyenne de 6.57 m/h (Figure
8-18).
V 20 (m/h) V 50 (m/h) V 80 (m/h) V 90 (m/h)

min 0.11 (P08) 0.54 (P08) 1.94 (P08) 3.75 (P08)
moy 0.93 3.81 12.91 22.77
max 2.33 (P01) 8.33 (P01) 26.29 (P03) 39.79 (P03)

8-19).
V 20 (m/h) V 50 (m/h) V 80 (m/h) V 90 (m/h)

min 0.33 (P07) 1.40 (P07) 4.35 (P07) 7.68 (P07)
moy 0.73 2.87 9.03 15.94
max 1.85 (P01) 6.55 (P01) 21.64 (P01) 35.23 (P01)

8-20).
Une comparaison des courbes de vitesse de chute obtenues pour chaque piège et
pour chaque campagne de mesure a été effectuée. Afin de synthétiser les résultats de cette
comparaison, la Figure 8-21 montre les valeurs des vitesses médianes V 50 pour chaque
piège pour les cinq campagnes. Cette figure synthétise les deux types de variabilité : (i)
variabilité événementielle : pour un seul piège les résultats des vitesses de chute varient
d’un événement à l’autre ; (ii) hétérogénéité spatiale : pour un seul événement les
résultats des vitesses de chute varient significativement d’un piège à l’autre.
18
C1
16 C2
C3
14 C4
C5
12
V50 (m/h)
10
0
1 2 3 4 5 6 7 8 9 10 11 12
piège no.
Figure 8-21 Valeurs du décile V 50 pour chaque piège (1 à 12, en abscisse) pour les cinq
campagnes de mesure (C1 à C5)
Afin de mettre en évidence la variabilité événementielle, la Figure 8-22 montre

le coefficient de variabilité événementielle CVE en fonction de la valeur moyenne V50 (C).
Le coefficient de variabilité événementielle CVE est calculé pour chaque piège comme le
rapport écart-type des vitesses médianes V 50 / moyenne des vitesses médianes V50 des
cinq campagnes. La valeur moyenne V50 (C) est calculée pour chaque piège comme la
moyenne des vitesses médianes V50 des cinq campagnes.
De manière similaire, la Figure 8-23 montre le coefficient d’hétérogénéité
spatiale CHS en fonction de la valeur moyenne V50 (P). Le coefficient d’hétérogénéité
spatiale CHS est calculé pour chaque campagne comme le rapport écart-type des vitesses
médianes V 50 / moyenne des vitesses médianes V 50 des douze pièges. La valeur moyenne
V50 (P) est calculée pour chaque campagne comme la moyenne des vitesses médianes V50
des douze pièges.
Figure 8-22 Coefficient de variation événementielle CVE (rapport écart-type / moyenne des cinq
campagnes) en fonction de V50 (C) (moyenne des cinq campagnes)
Figure 8-23 Coefficient d’hétérogénéité spatiale CHS (rapport écart-type / moyenne des douze
pièges) en fonction de V50 (P) (moyenne des douze pièges)
Un rappel des emplacements des 12 pièges à sédiments est donné Figure 8-24.
sortie entrée
Figure 8-24 Emplacements des 12 pièges à sédiments
Sur la Figure 8-22 on observe que ce sont les pièges P01 à P04 qui présentent les
vitesses de chute médianes les plus importantes (groupe A : V 50(C) entre 5 m/h et 8 m/h
environ), suivis des pièges P05, P07, P10 et P11 (groupe B : V50 (C) aux alentours de 4
m/h). Les pièges P06, P08, P09 et P12 présentent les vitesses de chute médianes les plus
faibles (groupe C : V50(C) entre 1.5 m/h et 2.5 m/h environ). Parmi les douze pièges, c’est
le piège P09 qui présente la plus faible vitesse de chute médiane (V50 (C) = 1.69 m/h), et le
piège P01 qui présente la vitesse de chute médiane la plus importante (V 50 (C) = 7.74 m/h).
Sur cette même figure on observe que les variabilités événementielles les plus importantes
sont associées aux pièges P02, P04, P07 et P11 (CVE supérieur à 80 % environ), suivis
des pièges P03, P05, P08 et P10 (CVE entre 40 % et 50 % environ). Les pièges P01, P06,
P09 et P12 présentent les variabilités événementielles les plus faibles (CVE entre 10 % et
30 % environ). Parmi les douze pièges, le piège P12 présente la plus faible variabilité
événementielle (CVE = 10 %), et le piège P02 la variabilité événementielle la plus
importante (CVE = 98 %).
Sur la Figure 8-23 on observe que la campagne C3 présente les vitesses de chute
médianes les plus importantes (V50 (P) = 7.49 m/h). Les campagnes C1, C2, C4 et C5
présentent des vitesses de chute médianes plus faibles (V50 (P) entre 2.50 m/h et 4.50 m/h
environ), avec la valeur la plus faible correspondant à la campagne C5 (V 50 (P) = 2.87 m/h).
Sur cette même figure on observe que le coefficient d’hétérogénéité spatiale le plus faible
est CHS = 53 %, relatif aux campagnes C1 et C5, le coefficient d’hétérogénéité spatiale le
plus important est celui correspondant à la campagne C2 (CHS = 76 %), suivi des
campagnes C4 (CHS = 73 %) et C3 (CHS = 68 %).
8.3.2 Variabilité événementielle

Afin d’analyser la variabilité événementielle, les coefficients de corrélation (r) entre les
vitesses médianes moyennes caractérisant chaque événement pluvieux V50 (P) et les
caractéristiques des pluies (voir Tableau 8-5) ont été calculés (Tableau 8-6).
Tableau 8-6 Matrice de corrélation (r) entre les caractéristiques globales des cinq événements
pluvieux étudiés (Tableau 8-5) et les vitesses de chute médianes moyennes V50 (P)
(P)
V 50
0.91 Q max
0.24 0.48 V tot
0.97 0.80 0.26 DTS
0.38 0.45 0.87 0.45 DP
0.96 0.75 -0.02 0.95 0.21 TU max
Q max : débit maximum à l’entrée de l’ouvrage pendant l’événement
pluvieux, V tot : volume total ruisselé, DTS : durée de temps sec avant
l’événement pluvieux, DP : durée du ruissellement, TUmax : turbidité
maximum à l’entrée de l’ouvrage pendant l’événement pluvieux
La durée de temps sec avant l’événement pluvieux DTS, la turbidité maximum à

l’entrée de l’ouvrage pendant l’événement pluvieux TUmax et le débit maximum à l’entrée
de l’ouvrage pendant l’événement pluvieux Qmax ont les corrélations positives les plus
fortes avec les vitesses médianes moyennes V50 (P).
En plus des campagnes complètes C1 à C5, des campagnes exploratoires ont été
réalisées en n’utilisant que le piège P01. Le Tableau 8-7 montre les caractéristiques de ces
événements pluvieux C1 P01 à C4 P01 . Une analyse similaire à celle du Tableau 8-6 a été
effectuée pour toutes les campagnes où le piège P01 a été utilisé (C1 à C5 et C1 P01 à
C4 P01), de manière à corroborer les tendances obtenues. Les coefficients de corrélation r
entre les vitesses médianes du piège P01 V 50(P01) et les caractéristiques des événements
pluvieux ont été calculés (Tableau 8-8).
Tableau 8-7 Caractéristiques globales des cinq événements pluvieux étudiés (haut) et matrice
de corrélation (r) avec les vitesses de chute médianes moyennes V50 (P) (bas)
P01 P01 P01 P01
grandeur C1 C2 C3 C4
(29/11/2005) (12/12/2006) (7/03/2007) (29/05/2007)
3
Q max (m /s) 0.425 0.871 0.160 0.250
3
V tot (m ) 3270 12611 1236 1140
DTS (h) 72 13 128 242
DP (h) 25 34 9 8
TU max (NTU) 344 196 198 194
Tableau 8-8 Matrice de corrélation (r) entre les caractéristiques globales de neuf événements
pluvieux étudiés (Tableau 8-7) et les vitesses de chute médianes moyennes mesurées pour le
piège P01 V 50 (P01)
(P01)
V 50
0.89 Q max
0.45 0.67 V tot
0.15 -0.15 -0.11 DTS
0.56 0.77 0.83 -0.27 DP
0.73 0.49 0.08 0.57 0.24 TU max
Q max : débit maximum à l’entrée de l’ouvrage pendant l’événement pluvieux,
V tot : volume total ruisselé, DTS : durée de temps sec avant l’événement
pluvieux, DP : durée du ruissellement, TUmax : turbidité maximum à l’entrée
de l’ouvrage pendant l’événement pluvieux
Le débit maximum à l’entrée de l’ouvrage pendant l’événement pluvieux Qmax et

la turbidité maximum à l’entrée de l’ouvrage pendant l’événement pluvieux TUmax ont les
corrélations les plus fortes avec les vitesses médianes moyennes V50 (P01) dans le piège
P01. Pour ce piège particulier, la durée de temps sec antérieur n’est plus corrélée avec la
valeur V50(P01).
8.3.3 Interpolation spatiale

Nous avons observé une hétérogénéité spatiale importante des vitesses de chute mesurées.
Ceci a été observé sur la base de 12 pièges à sédiments posés en fond de bassin. Cette
hétérogénéité pose un problème de caractérisation des sédiments en termes de vitesses de
chute, notamment si on veut utiliser cette information à des fins de modélisation. D’autre
part, l’information obtenue pour les 12 points échantillonnés est très partielle (12 m2
environ sur une surface totale de 11300 m2, soit environ 1 pour mille), et loin d’être
représentative de toute la surface du bassin. Afin d’estimer sur toute la surface du bassin
les résultats de vitesses de chute obtenus à partir des 12 pièges, la librairie GSTAT
(Pebesma, 2005) de R (R development core team, 2006) a été utilisée. Les Figure 8-25,
Figure 8-27, Figure 8-29, Figure 8-31 et Figure 8-33 montrent les prédictions effectuées
pour les campagnes C1 à C5 respectivement, par krigeage ordinaire. Des validations
croisées ont été effectuées pour tous les modèles établis : calage du modèle avec 11
pièges et validation avec le 12 ème . Les résultats de ces validations croisées sont montrés
Figure 8-26, Figure 8-28, Figure 8-30, Figure 8-32 et Figure 8-34 pour les campagnes C1
à C5 respectivement. Ces résultats sont présentés en termes de différences entre les
valeurs V50 observées et prédites.
Figure 8-25 V 50 (m/h) interpolation par krigeage ordinaire en utilisant GSTAT pour la campagne
de mesure C1. Modèle variogramme exponentiel avec pépite = 0, seuil = 0.52 et portée = 26.67
r=-0.07, r2=0.01, RMSE=2.7 m/h
14 8
7
V 50 prédite (m/h)
12 6 observation
5 prédiction
4
10
3
2
8 2 4 6 8
V50 (m/h)
V 50 observée (m/h)
0
1 2 3 4 5 6 7 8 9 10 11 12
piège no.
Figure 8-26 Comparaison entre les valeurs V50 observées et prédites après une validation
croisée pour la campagne C1
10
observation r=0.39, r2=0.15, RMSE=2.8 m/h
9 8
prédiction
8 6
V 50 prédite (m/h)
4
7
2
6
V50 (m/h)
5 0 2 4 6 8
4
0
1 2 3 4 5 6 7 8 9 10 11 12
piège no.
de mesure C3. Modèle variogramme exponentiel avec pépite = 0.85, seuil = 73.99 et portée =
8243.30
20 r=0.69, r2=0.47, RMSE=4.1 m/h

observation 16
18 prédiction 14
V 50 prédite (m/h)
12
16
10
14 8
6
12 4
V50 (m/h)
10 5 10 15
0
1 2 3 4 5 6 7 8 9 10 11 12
piège no.
de mesure C4. Modèle variogramme exponentiel avec pépite = 0, seuil = 7379.26 et portée =
468033.30
12
r=0.87, r2=0.75, RMSE=1.3 m/h
observation 8
10 prédiction
V 50 prédite (m/h)
4
8
2
V50 (m/h)
6
2 4 6 8
0
1 2 3 4 5 6 7 8 9 10 11 12
piège no.
10
r=0.74, r2=0.55, RMSE=1.0 m/h
observation
9
prédiction 6
8
V 50 prédite (m/h)
7 4
3
6
V50 (m/h)
2
5
2 3 4 5 6
4
0
1 2 3 4 5 6 7 8 9 10 11 12
piège no.
Les résultats des validations croisées ci-dessus indiquent des faibles capacités
prédictives des modèles établis, avec des écarts moyens RMSE compris entre 1.0 m/h et
4.1 m/h. Ils témoignent de la forte hétérogénéité spatiale des vitesses de chute par rapport
aux points de mesure (pièges), et nous amènent à penser que le nombre de pièges (12) est
insuffisant pour estimer les vitesses de chute des sédiments sur toute la surface du bassin.
Cependant la technique de validation croisée présentée pourrait représenter une méthode
intéressante pour fixer le nombre de pièges à sédiments nécessaire pour atteindre un écart
moyen RMSE (entre les valeurs V 50 observées et prédites par des moyens géostatistiques)
satisfaisant.
8.3.4 Incertitudes de mesure

Le programme UVICAS, décrit plus haut (voir paragraphe 8.1.2), a été utilisé
pour évaluer les incertitudes de mesure liées aux courbes de vitesse de chute présentées
Figure 8-16 à Figure 8-20 relatives aux cinq campagnes de mesure C1 à C5. La Figure
8-35 montre une synthèse des résultats fournis par le programme UVICAS pour les
vitesses médianes V 50 . Les incertitudes relatives sont assez faibles, ne dépassant pas
3.5 %. Pour C1, les incertitudes relatives sont assez stables et faibles : aux alentours de
0.3 %. Pour C2, les incertitudes relatives sont en général plus élevées et plus variables
que pour les autres campagnes, allant de 0.3 % à 3.4 %. Quant aux campagnes C3 à C5,
elles présentent une situation intermédiaire entre les deux campagnes précédentes (C1 et
C2), avec des incertitudes relatives comprises entre 0.3 % et 1.4 % pour C3, entre 0.2 %
et 1.2 % pour C4 et entre 0.2 % et 1.8 % pour C5. Par ailleurs, en général, les pièges de
numéro élevé situés aux altitudes les plus élevées (donc submergés moins longtemps au
cours des événements pluvieux) présentent des incertitudes relatives plus importantes et
vice versa.
3.5
C1
3 C2
C3
C4
2.5 C5
u(F(Vs))/F(Vs) (%)
1.5
0.5
0
1 2 3 4 5 6 7 8 9 10 11 12
piège no.
C1 C2 C3 C4 C5
minimum 0.1 % 0.3 % 0.3 % 0.2 % 0.2 %
(P06) (P04) (P01) (P02) (P01)
maximum 0.7 % 3.4 % 1.4 % 1.2 % 1.8 %
(P04) (P11) (P12) (P11) (P11)
moyenne 0.3 % 1.1 % 0.6 % 0.7 % 0.6 %
écart-type 0.1 % 0.9 % 0.3 % 0.4 % 0.5 %
Figure 8-35 Incertitudes relatives calculées avec le programme UVICAS pour les vitesses
médianes V 50
Partie 3 : Caractéristiques des sédiments 9 Granulométrie
9. Granulométrie
Des analyses granulométriques ont été effectuées par granulométrie laser en utilisant un
appareil Malvern Mastersizer 2000 équipé d’un accessoire de dispersion des échantillons
Hydro 2000G. Avant d’effectuer les analyses granulométriques sur les échantillons
prélevés au moyen des pièges à sédiments, une vérification du paramétrage du
granulomètre a été effectuée.
9.1 Vérification du paramétrage de l’appareil granulométrique

Une poudre étalon (Malvern QAS3002) ayant une distribution granulométrique théorique
connue a été analysée avec l’appareil Malvern Mastersizer 2000. Les résultats de
l’analyse effectuée sont montrés Figure 9-1. On observe que les valeurs obtenues lors de
l’expérience sont très proches des valeurs de référence, avec des différences relatives par
rapport aux valeurs médianes de référence inférieures à 3.7 %.
D 10 D 50 D 90
valeur observée (µm) 38.93 64.15 92.38
minimum théorique (µm) 36.42 61.88 89.27
médiane théorique (µm) 37.55 63.14 92.03
maximum théorique (µm) 38.68 64.40 94.79
différence relative 3.7 % 1.6 % 0.4 %
Figure 9-1 Distribution granulométrique de la poudre étalon testée (différence relative =
100*(médiane théorique – valeur observée) / médiane théorique
9.2 Résultats des campagnes

Pour les campagnes C4 (4/05/2007) et C5 (31/05/2007), des analyses granulométriques
sur les échantillons correspondants aux pièges P01 à P12 ont été effectuées. Les Figure
9-2 et Figure 9-3 montrent les résultats de ces analyses pour les campagne C4 et C5
respectivement. Le diamètre médian D50 varie environ entre 53 µm (C5, piège 9) et 153
µm (C4, piège 8). On observe aussi que l’événement C5 présente une variabilité des
courbes granulométriques moins importante que l’événement C4, ce qui est cohérent avec
les résultats montrés Figure 8-23 où le coefficient d’hétérogénéité spatiale CHS relatif
aux vitesses de chute médianes est plus important pour la campagne C4 que pour la
campagne C5.
Une comparaison des courbes de distributions granulométriques obtenues pour
chaque piège et pour chaque campagne de mesure a été effectuée. Afin de synthétiser les
résultats de cette comparaison, la Figure 9-4 montre les valeurs des diamètres médians D50
pour chaque piège pour les campagnes C4 et C5. Sur cette figure on observe une forte
variabilité événementielle : pour un seul piège les résultats des distributions
granulométriques varient d’un événement à l’autre. Afin de mettre en évidence cette
variabilité, la Figure 9-5 montre le coefficient de variabilité événementielle CVE en

fonction de la valeur moyenne D50 (C). Le coefficient de variabilité événementielle CVE)
est calculé pour chaque piège comme le rapport écart-type des diamètres médians D50 /
moyenne des diamètres médians D50 des campagnes C4 et C5. La valeur moyenne D50 (C)
est calculée pour chaque piège comme la moyenne des diamètres médians D50 des
campagnes C4 et C5.
D 20 (µm) D 50 (µm) D 80 (µm) D 90 (µm)

24.89 56.90 119.03 193.49
min
(P12) (P12) (P12) (P12)
moy 39.52 96.72 225.35 364.09
64.53 153.43 408.45 661.15
max
(P08) (P08) (P08) (P08)
Figure 9-2 Distribution granulométrique des particules relatives aux sédiments de la campagne
C4 (4/05/2007)
D 20 (µm) D 50 (µm) D 80 (µm) D 90 (µm)

20.91 53.13 111.14 162.80
min
(P09) (P09) (P09) (P09)
moy 26.27 64.29 146.22 240.70
30.42 73.42 182.53 317.89
max
(P10) (P03) (P03) (P03)
Figure 9-3 Distribution granulométrique des particules relatives aux sédiments de la campagne
C5 (31/05/2007)
160
C4
140 C5
120
100
D50 (µm)
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
piège no.
Figure 9-4 Valeurs des diamètres médians D 50 pour chaque piège (1 à 12, en abscisse) pour les
campagnes de mesure C4 et C5
Figure 9-5 Coefficient de variation événementielle CVE (rapport écart-type / moyenne des deux
campagnes C4 et C5) en fonction de D50 (C) (moyenne des deux campagnes C4 et C5)
Sur la Figure 9-4 on observe que C4 présente les plus grandes tailles de
particules. Sur la Figure 9-5 on observe que ce sont les pièges 8 et 9 qui présentent les
diamètres médians les plus importants (D50 (C) entre 90 µm et 110 µm environ), suivis des
pièges 2 à 7 et 10 (D50(C) aux alentours de 80 µm). Le piège 12 présente les diamètres
médians les plus faibles (D50 (C) aux alentours de 60 µm). Parmi les douze pièges, le piège
8 présente la valeur la plus importante des diamètres médians (D50 (C) = 109.63 µm). Sur
cette même figure on observe que la variabilité événementielle la plus importante est
associée aux pièges 8 et 9 (CVE supérieur à 55 % environ), suivis des pièges 2 à 7 et 10
(CVE entre 10 % et 40 % environ). Le piège 12 présente la variabilité événementielle la
plus faible (CVE inférieur à 10 % environ). Parmi les douze pièges, le piège 12 présente
la plus faible variabilité événementielle (CVE = 6 %), et le piège 9 la variabilité
événementielle la plus importante (CVE = 61 %).
9.3 Relations avec les vitesses de chute

La Figure 9-6 montre les valeurs de V50 en fonction de D50 pour tous les pièges des
campagnes C4 et C5. On ne remarque pas une tendance claire exprimant une relation
entre les valeurs médianes des vitesses de chute et les valeurs médianes des tailles des
particules.
Figure 9-6 Comparaison des déciles V 50 et D 50 pour les campagnes de mesure C4 (rouge) et C5
(bleu)
Ces observations semblent renforcer le constat déjà fait par de nombreux auteurs
qu’il n’y a pas de relation directe simple entre les grandeurs D50 et V 50 pour les sédiments
des eaux pluviales, compte tenu de la diversité des formes des particules, de l’étendue des
masses volumiques et des interférences possibles dues aux phénomènes de floculation,

d’agrégation, des teneurs en matière organique, etc.
Partie 3 : Caractéristiques des sédiments 10 Siccité, métaux lourds et éléments traces organiques
10. Siccité, métaux lourds et éléments

traces organiques
La siccité et les concentrations en métaux lourds et en éléments traces organiques ont été
déterminées pour les sédiments prélevés au moyen des pièges P01 à P12 pendant la
campagne de mesure C3. Ces mêmes analyses ont été effectuées pour les sédiments des
pièges P01, P04, P09 et P10 pour les campagnes de mesure C4 et C5, en effectuant des
triplicats. Ces pièges ont été choisis comme étant représentatifs du jeu initial P01 à P12,
selon les résultats des vitesses de chute montrés Figure 8-22 : P01 et P04 représentent le
groupe de pièges avec les plus fortes vitesses de chute (groupe A : V50 (C) entre 5 m/h et 8
m/h environ), P10 représente le groupe de pièges avec les vitesses de chute moyennes
(groupe B : V 50 (C) aux alentours de 4 m/h) et P09 représente le groupe de pièges avec les
plus faibles vitesses de chute (groupe C : V 50 (C) entre 1.5 m/h et 2.5 m/h environ). Dans le
groupe A, le piège P01 présente la plus forte vitesse de chute (V50 (C) = 7.74 m/h) et le plus
faible coefficient de variation événementielle (CVE = 21 %) et le piège P04 présente une
vitesse de chute moyenne (V50(C) = 6.76 m/h) et un fort coefficient de variation
événementielle (CVE = 87 %). Dans le groupe B, le piège P10 présente la plus forte
vitesse de chute (V50 (C) = 4.23 m/h) et le plus faible coefficient de variation
événementielle (CVE = 39 %). Dans le groupe C, le piège P09 présente la plus faible
vitesse de chute (V 50 (C) = 1.69 m/h) et un coefficient de variation événementielle assez
faible (CVE = 18 %).
10.1 Siccité des sédiments

Les résultats des analyses de siccité pour les campagnes de mesure C3, C4 et C5 sont
montrés Figure 10-1 (matière sèche) et Figure 10-2 (matière volatile). Les résultats pour
les campagnes de mesure C4 et C5 sont représentés avec des barres d’incertitude
correspondant aux intervalles de confiance à 95 %. Sur la Figure 10-2 on observe que le
contenu en matière volatile pour chaque piège est du même ordre de grandeur pour toutes
les campagnes avec des valeurs comprises entre 15 % et 30 % de matière sèche. Ces
résultats sont du même ordre de grandeur que les résultats rencontrés dans la littérature :
par exemple 10 % à 36 % pour les réseaux séparatifs (Gromaire-Mertz et al., 1998) ; 10 %
à 60 % pour les bassins de retenue-décantation de Sarge et Vitry (Aires et al., 2003).
Figure 10-1 Matière sèche des échantillons prélevés pendant les campagnes C3, C4 et C5
(%MB : pourcentage de matière brute)
Figure 10-2 Matière volatile des échantillons prélevés pendant les campagnes C3 (analyses non
réalisées pour les pièges 5, 6 et 8 à 12), C4 et C5 (%MS : pourcentage de matière sèche).
10.2 Métaux lourds

Les résultats des analyses de métaux lourds pour les campagnes de mesure C3, C4 et C5
sont montrés Figure 10-3 (cadmium), Figure 10-4 (cuivre), Figure 10-5 (plomb) et Figure
10-6 (zinc). Les résultats pour les campagnes de mesure C4 et C5 sont représentés avec
des barres d’incertitude correspondant aux intervalles de confiance à 95 %.
Les teneurs en métaux lourds obtenues lors des campagnes de mesure C3 à C5
varient entre 2 mg/kg MS et 14 mg/kg MS pour le cadmium (Figure 10-3), entre 100
mg/kg MS et 400 mg/kg MS pour le cuivre (Figure 10-4) ainsi que pour le plomb (Figure
10-5) et entre 500 mg/kg MS et 2200 mg/kg MS pour le zinc (Figure 10-6). A quelques
exceptions près, ces valeurs sont du même ordre de grandeur que les teneurs moyennes en
métaux lourds rapportées dans la littérature pour des dépôts en réseaux séparatifs : (i)
cadmium : 446 mg/kg MS (Chebbo, 1992), 11 mg/kg MS (Thévenot, 1992) et 17 mg/kg
MS (Flores-Rodriguez et al, 1993) ; (ii) cuivre : 410 mg/kg MS (Thévenot, 1992), 550
mg/kg MS (Flores-Rodriguez et al, 1993) ; (iii) plomb : 465 mg/kg MS (Chebbo, 1992),
2560 mg/kg MS (Thévenot, 1992), 780 mg/kg MS (Flores-Rodriguez et al, 1993) ; (iv)
zinc : 3030 mg/kg MS (Chebbo, 1992), 410 mg/kg MS (Thévenot, 1992), 18500 mg/kg
MS (Flores-Rodriguez et al, 1993). Cependant, à l’exception du plomb, ces valeurs
dépassent les valeurs d’intervention pour les sols pollués établies dans la norme
hollandaise (12 mg/kg pour le cadmium, 190 mg/kg pour le cuivre, 530 mg/kg pour le
plomb, 720 mg/kg pour le zinc) (NMHSPE, 2000).
Sur les Figure 10-3 et Figure 10-5 on observe que la concentration en cadmium
et en plomb pour les échantillons relatifs à la campagne C3 est supérieure à celle des
campagnes C4 et C5. Par ailleurs, sur ces mêmes figures, on observe que, pour les
résultats relatifs à la campagne C3, en général les pièges situés aux altitudes les plus
élevées (donc submergés moins longtemps au cours des événements pluvieux) présentent
des teneurs en cadmium et plomb plus importantes et vice versa. Cette tendance est moins
évidente pour les résultats des deux autres campagnes (C4 et C5) ainsi que pour les
résultats concernant les autres métaux lourds analysés (cuivre et zinc). Sur la Figure 10-4
on observe que la campagne C4 présente des valeurs de teneurs en cuivre légèrement
supérieures à celles des deux autres campagnes (C3 et C5). Sur la Figure 10-6 on observe
que la campagne C3 présente des valeurs de teneurs en zinc légèrement inférieures à
celles des deux autres campagnes (C4 et C5).
Figure 10-3 Teneurs en cadmium des échantillons prélevés pendant les campagnes C3, C4 et
C5 (MS : matière sèche).
Figure 10-4 Teneurs en cuivre des échantillons prélevés pendant les campagnes C3, C4 et C5
(MS : matière sèche).
Figure 10-5 Teneurs en plomb des échantillons prélevés pendant les campagnes C3, C4 et C5
Figure 10-6 Teneurs en zinc des échantillons prélevés pendant les campagnes C3, C4 et C5
10.3 Eléments traces organiques

Les résultats des analyses de HAP pour les campagnes de mesure C3, C4 et C5 sont
montrés Figure 10-7 (Fluoranthène), Figure 10-8 (Benzo(b)Fluoranthène) et Figure 10-9
(Benzo(a)Pyrène). Les résultats pour les campagnes de mesure C4 et C5 sont représentés
avec des barres d’incertitude correspondant aux intervalles de confiance à 95 %.
Les teneurs en HAP obtenues lors des campagnes de mesure C3 à C5 varient
entre 0.5 mg/kg MS et 3.5 mg/kg MS pour le Fluoranthène (Figure 10-7), entre 0.1 mg/kg
MS et 1.6 mg/kg MS pour le Benzo(b)Fluoranthène (Figure 10-8) et entre 0.1 mg/kg MS
et 1.2 mg/kg MS pour le Benzo(a)Pyrène (Figure 10-9). Ces teneurs sont supérieures aux
teneurs rapportées par Michelbach et Wöhrle (1993) pour des dépôts en réseau unitaire :
maximum 0.29 mg/kg MS pour le Fluoranthène ; de 0.11 à 0.17 mg/kg MS pour le
Benzo(b)Fluoranthène et de 0.14 à 0.18 mg/kg MS pour le Benzo(a)Pyrène.
Figure 10-7 Teneurs en Fluoranthène des échantillons prélevés pendant les campagnes C3
(analyses non réalisées pour les pièges 5, 6 et 8 à 12), C4 et C5 (MS : matière sèche).
Figure 10-8 Teneurs en Benzo(b)Fluoranthène des échantillons prélevés pendant les campagnes
C3 (analyses non réalisées pour les pièges 5, 6 et 8 à 12), C4 et C5 (MS : matière sèche).
Figure 10-9 Teneurs en Benzo(a)Pyrène des échantillons prélevés pendant les campagnes C3
(analyses non réalisées pour les pièges 5, 6 et 8 à 12), C4 et C5 (MS : matière sèche).
Les résultats de la somme des 7 PCB analysés (PCB 28, PCB 52, PCB 101, PCB
118, PCB 138, PCB 153 et PCB 180) sur les sédiments prélevés lors des campagnes de
mesure C3, C4 et C5 sont montrés Figure 10-10. Les résultats pour les campagnes de
mesure C4 et C5 sont représentés avec des barres d’incertitude correspondant aux

intervalles de confiance à 95 %.
Les teneurs en PCB obtenues lors des campagnes de mesure C3 à C5 varient
entre 0.5 mg/kg MS et 3.5 mg/kg MS. Ces valeurs sont du même ordre de grandeur que
celles rapportées par Kari et Herrmann (1989) pour des sédiments en milieu routier : entre
0.41 et 1.30 mg/kg MS.
Figure 10-10 Teneurs en PCB des échantillons prélevés pendant les campagnes C3 (analyses
non réalisées pour les pièges 5, 6 et 8 à 12), C4 et C5 (MS : matière sèche).
Sur les figures précédentes (Figure 10-7 à Figure 10-10) on observe que les
teneurs en éléments traces organiques (HAP et PCB) pour les échantillons relatifs à la
campagne C3 sont supérieures à celles des campagnes C4 et C5. Par ailleurs, pour les
deux dernières campagnes (C4 et C5) les teneurs en HAP et PCB sont similaires, et ceci
pour tous les pièges. De plus, ces valeurs dépassent les valeurs d’intervention pour les
sols pollués établies dans la norme hollandaise (entre 0.015 et 0.045 mg/kg MS pour les
HAP et 1 mg/kg MS pour les PCB) (NMHSPE, 2000).
Nous pouvons donc considérer que pour les métaux (sauf pour le plomb), les
HAP et les PCB, les sédiments décantés dans le bassin Django Reinhardt présentent des
concentrations significatives, et que cette contamination doit être prise en considération
dans la gestion ultérieure des sédiments (curage, traitement, réutilisation, etc.).
Partie 3 : Caractéristiques des sédiments 11 Evolution physico-chimique des sédiments
11. Evolution physico-chimique des

sédiments
Après un test exploratoire (prélèvements effectués à sec – mauvaises hydratation des
sédiments et homogénéisation des échantillons – et aucun réplicat réalisé) sur les
sédiments de la campagne C3 (voir résultats Annexe F), une partie des sédiments des
campagnes de mesure C4 et C5 a été stockée sur le côté du bassin, protégée de la montée
des eaux. Après un certain temps (1.0 et 4.5 mois pour C4 et 3.5 mois pour C5) des
analyses physico-chimiques (vitesses de chute, granulométrie, siccité, métaux lourds et
éléments traces organiques) sur ces échantillons ont été effectuées afin de mettre en
évidence une éventuelle évolution post-décantation. Le suivi des sédiments concernant les
caractéristiques physico-chimiques étudiées n’a été effectué que pour les pièges P01, P04,
P09 et P10 en effectuant des triplicats. Les résultats des analyses réalisées pour les
campagnes C4 et C5 sont illustrés en Annexe G et H respectivement.
Une synthèse générale des résultats obtenus est présentée dans les paragraphes
suivants.
11.1 Campagne C4 (4/05/2007)

Les résultats de cette campagne sont illustrés en détail en Annexe G. Les valeurs
moyennes obtenues aux différents instants de prélèvements t0 (prélèvement effectué le
4/05/2007, soit quelques heures après l’événement pluvieux), t1 (prélèvement effectué le
8/06/2007, soit 1.0 mois après l’événement pluvieux) et t2 (prélèvement effectué le
17/09/2007, soit 4.5 mois après l’événement pluvieux) sont montrées Tableau 11-1.
Tableau 11-1 Valeurs moyennes des caractéristiques physico-chimiques des échantillons de la

campagne C4 (MS : matière sèche)
t0 (4/05/2007) t1 (8/06/2007) t2 (17/09/2007)
V 50 (m/h) 5.34 8.57 5.9
D 50 (µm) 97 117 136
MV (% MS) 24 25 28
Cd (mg/kg MS) 3.3 3.3 2.5
Cu (mg/kg MS) 330 339 298
Pb (mg/kg MS) 179 176 132
Zn (mg/kg MS) 1446 2204 1022
Fluoranthène (mg/kg MS) 0.75 1.13 0.09
Benzo(b)Fluoranthène (mg/kg MS) 0.42 0.51 0.5
Benzo(a)Pyrène (mg/kg MS) 0.27 0.37 0.32
PCB (mg/kg MS) 0.30 0.33 0.28
Les résultats obtenus aux instants de t1 et t2 ont été confrontés aux résultats ini-
tiaux (t0). Une synthèse de ces comparaisons est indiquée Tableau 11-2. Ce tableau
montre les évolutions en pourcentage des caractéristiques des sédiments mesurées à t2 par
rapport à celles mesurées à t0. Un résultat numérique après le signe du changement (- :
diminution ; + : augmentation) indique qu’il a été confirmée par les résultats obtenus à t1
et qu’il est significatif (t-tests : p-value < 0.05). Le cas échéant, le caractère « TnC » est
affiché quand la tendance n’a pas été confirmée par les résultats à t1 (diminution à t1 et
augmentation à t2 par rapport à t0, ou vice versa) et le caractère « +nS » (ou –nS) est affi-
ché quand la tendance est confirmée par les résultats à t1 mais le changement à t2 par
rapport à t0 est non significatif (t-tests : p-value > 0.05).
Tableau 11-2 Evolutions des caractéristiques des sédiments entre t0 et t2 pour C4. (TnC : ten-
dance non confirmée ; +nS (ou –nS) : augmentation (ou diminution) non significative)
P01 P04 P09 P10
V 50 - 50 % TnC + 466 % TnC
D 50 TnC TnC + 78 % + 111 %
MV - 12 % -9% +nS +nS
Cd TnC -nS - 39 % TnC
Cu TnC TnC -nS -nS
Pb - 25 % TnC - 41 % - 16 %
Zn TnC TnC TnC TnC
Fluoranthène TnC TnC TnC TnC
Benzo(b)Fluoranthène +nS +nS +nS TnC
Benzo(a)Pyrène +nS + 53 % TnC TnC
PCB +nS +nS - 44 % +nS
11.2 Campagne C5 (31/05/2007)

Les résultats de cette campagne sont illustrés en détail en Annexe H. Les valeurs
moyennes obtenues aux différents instants de prélèvements t0 (prélèvement effectué le
31/05/2007, soit quelques heures après l’événement pluvieux) et t1 (prélèvement effectué
le 17/09/2007, soit environ 3.5 mois après l’événement pluvieux) sont montrées Tableau
11-3.
Tableau 11-3 Valeurs moyennes des caractéristiques physico-chimiques des échantillons de la

campagne C5 (MS : matière sèche)
t0 (31/05/2007) t1 (17/09/2007)
V 50 (m/h) 3.25 4.97
D 50 (µm) 63 101
MV (% MS) 22 23
Cd (mg/kg MS) 2.5 2.1
Cu (mg/kg MS) 262 229
Pb (mg/kg MS) 161 127
Zn (mg/kg MS) 1420 1046
Fluoranthène (mg/kg MS) 1.17 0.00
Benzo(b)Fluoranthène (mg/kg MS) 0.67 0.52
Benzo(a)Pyrène (mg/kg MS) 0.42 0.36
PCB (mg/kg MS) 0.31 0.35
Les résultats obtenus à l’instant t1 ont été confrontés aux résultats initiaux (t0).
Une synthèse de ces comparaisons est indiquée Tableau 11-4. Ce tableau montre les évo-
lutions en pourcentage des caractéristiques des sédiments mesurées à t1 par rapport à
celles mesurées à t0. Un résultat numérique après le signe du changement (- : diminution ;

+ : augmentation) indique que celui-là est significatif (t-tests : p-value < 0.05). Le cas
échéant, le caractère « +nS » (ou –nS) est affiché quand le changement à t1 par rapport à
t0 est non significatif (t-tests : p-value > 0.05).
Tableau 11-4 Evolutions des caractéristiques des sédiments entre t0 et t1 pour C5.
(+nS (ou -nS) : augmentation (ou diminution) non significative)
P01 P04 P09 P10
V 50 - 40 % + 117 % + 209 % + 131 %
D 50 + 17 % + 58 % + 188 % +8%
MV - 13 % -nS + 60 % +nS
Cd -nS -nS - 32 % +nS
Cu -nS -nS - 28 % -nS
Pb - 16 % -nS - 24 % -nS
Zn - 29 % -nS - 26 % -nS
Fluoranthène - 100 % - 100 % - 100 % - 100 %
Benzo(b)Fluoranthène - 15 % -nS - 50 % -nS
Benzo(a)Pyrène -nS + 11 % - 51 % -nS
PCB + 17 % +37 % -nS +nS
11.3 Synthèse des résultats
11.3.1 Vitesses de chute

Pour les deux campagnes C4 et C5, on observe une diminution des valeurs des vitesses de
chute pour le piège P01, ainsi qu’une augmentation pour le piège P09. Pour les deux
autres pièges (P04 et P10) aucune tendance ne se dégage.
11.3.2 Granulométrie
Pour les deux campagnes C4 et C5, on observe une augmentation des tailles des particules
pour les piège P09 et P10. Pour les deux autres pièges (P01 et P04) les tendances ne sont
pas clairement visibles.
11.3.3 Siccité
Les teneurs en matière volatile diminuent pour les pièges P01 et P04 et augmentent pour
les pièges P09 et P10. Cependant, le seul changement significatif pour les deux
campagnes correspond au piège P01.
11.3.4 Métaux lourds

Les seuls changements significatifs et qui vont dans le même sens pour les deux
campagnes de mesure C4 et C5 sont les suivants : (i) cadmium : diminution de la teneur
pour le piège P09 ; (ii) plomb : diminution de la teneur pour les pièges P01 et P09.
Pour le reste des métaux lourds, les résultats ne sont pas totalement
contradictoires entre les deux campagnes C4 et C5, avec des tendances qui restent à
confirmer : (i) diminution des teneurs en cadmium pour les pièges P01 et P04 et
augmentation pour le piège P10 ; (ii) diminution des teneurs en cuivre pour tous les
pièges (P01, P04, P09, P10) ; (iii) diminution des teneurs en plomb pour les pièges P04 et
P10 ; (iv) diminution des teneurs en zinc pour tous les pièges (P01, P04, P09, P10).
Ceci étant, ces observations ne suggèrent pas de mécanisme particulier pour
expliquer ces changements.
11.3.5 Eléments traces organiques

Les résultats des teneurs en HAP montrent que le seul changement significatif et qui va
dans le même sens pour les deux campagnes de mesure C4 et C5 est l’augmentation de la
teneur en Benzo(a)Pyrène pour le piège P04. Pour une partie des échantillons prélevés, les
résultats ne sont pas totalement contradictoires entre les deux campagnes de mesure C4 et
C5, avec des tendances qui restent à confirmer : (i) diminution des teneurs en
Fluoranthène pour tous les pièges (P01, P04, P09 et P10) ; (ii) diminution des teneurs en
Benzo(b)Fluoranthène pour le piège P10 ; (iii) diminution des teneurs en Benzo(a)Pyrène
pour les pièges P09 et P10. Cependant, il y a des résultats contradictoires entre les deux
campagnes C4 et C5 : pour les pièges P01, P04 et P09, on observe une augmentation à t1
des teneurs en Benzo(b)Fluoranthène pour C4 et une diminution pour C5 par rapport à t0.
Quant aux teneurs en PCB, on n’observe pas des changements significatifs et
allant dans le même sens pour les deux campagnes de mesure C4 et C5. Cependant, les
résultats obtenus ne sont pas totalement contradictoires entre les deux campagnes de
mesure C4 et C5, avec des tendances qui restent à confirmer : (i) augmentation des
teneurs ne PCB pour les pièges P01, P04 et P10 ; (ii) diminution des teneurs en PCB pour
le piège P09.
11.4 Conclusions du chapitre

Les quelques tests destinés à mettre en évidence une éventuelle évolution physico-
chimique des sédiments décantés ne sont pas concluants. Aucune évolution n’est claire-
ment mise en évidence, surtout si l’on tient compte des influences possibles liés à
l’échantillonnage, aux méthodes d’analyse, etc.
Si cette question doit être reprise, il faudra l’aborder de manière beaucoup plus
fine, en appliquant des protocoles plus élaborés.
Conclusions
Cette partie a présenté successivement les résultats relatifs à la caractérisation
physico-chimique des sédiments décantés en fond de bassin en ce qui concerne
leurs vitesses de chute (chapitre 8), leurs distributions granulométriques
(chapitre 9), leurs concentrations en métaux lourds et en éléments traces
organiques (chapitre 10), ainsi que l’évolution post-décantation de ces
caractéristiques (chapitre 11).
La première question que nous nous posions était : quelles sont les
caractéristiques physico-chimiques des sédiments décantés dans le bassin de
retenue-décantation et avec quel niveau de précision est-on capable de les
mesurer, compte tenu des matériels et méthodes choisis ? Pour mesurer les
vitesses de chute des sédiments nous avions choisi de travailler avec le
protocole VICAS. Ce protocole présente une très bonne répétabilité (coefficient
de variation inférieur à 7 %), avec des incertitudes relatives associées assez
faibles (inférieures à 3.5 % pour les vitesses de chute médianes V50 pour 5
campagnes de mesure effectuées) et des bilans de masse globalement
satisfaisants (erreurs comprises entre 3 et 5 % pour des tests spécifiques
effectués). Cependant un biais possible sur les courbes de vitesses de chute
obtenues avec ce protocole a été détecté quand on l’utilise pour déterminer les
courbes des vitesses de chute des sédiments déjà déposés en fond de bassin, ce
qui nous a conduit à tester une modification du mode de remplissage de la
colonne de décantation utilisé par le protocole VICAS initial. En comparant les
résultats obtenus en utilisant les protocoles VICAS initial et modifié nous avons
réussi à détecter un biais pour 65 % des essais réalisés avec les deux protocoles.
Ce biais laisse penser que le protocole VICAS pourrait conduire à une sous-
estimation des vitesses de chute des sédiments décantés en fond d’ouvrage.
Cependant ces mêmes essais nous ont montré que le protocole VICAS modifié
ne semble pas assez fiable ni robuste pour constituer une réelle amélioration du
protocole initial (répétabilité non satisfaisante pour le protocole VICAS
modifié avec des coefficients de variation pouvant atteindre jusqu’à 29_% ; non
détection systématique du biais), ce qui nous a amené à conserver le protocole
VICAS initial. Les résultats de 5 campagnes de mesure montrent des vitesses de
chute médianes V50 entre 0.5 m/h et 16.0 m/h. Pour deux de ces campagnes
nous avons mesuré les distributions granulométriques des sédiments par
granulométrie laser. Le diamètre médian varie environ entre 53 µm et 153 µm.
Trois campagnes de mesure ont été menées afin de réaliser des analyses de
siccité, métaux lourds et éléments traces organiques sur les sédiments déposés
en fond d’ouvrage. La teneur en matière volatile pour chaque point de mesure
est du même ordre de grandeur pour toutes les campagnes avec des valeurs
comprises entre 15 % et 30 % de la matière sèche. Ces résultats sont du même
ordre de grandeur que ceux rapportés dans la littérature (Gromaire-Mertz et al.,
1998 ; Aires et al., 2003). A l’exception du plomb, les teneurs en métaux

lourds, HAP et PCB obtenues dépassent les valeurs d’intervention pour les sols
pollués établies dans la norme hollandaise (NMHSPE, 2000).
La deuxième question posée était : peut-on parler de valeurs
caractéristiques pour les sédiments en vue d’une modélisation de la décantation,
compte tenu des matériels et méthodes choisis ? Les résultats des campagnes de
mesure des vitesses de chute montrent une variabilité importante des courbes
obtenues, représentée par un coefficient de variabilité événementielle CVE
pouvant atteindre 98 % et un coefficient d’hétérogénéité spatiale CHS pouvant
atteindre 76 %. Cette variabilité des caractéristiques des sédiments est
confirmée par les mesurages de granulométrie (CVE pouvant atteindre 61 %).
On peut donc difficilement parler de valeurs uniques caractéristiques ou
représentatives pour les sédiments en vue d’une modélisation. Cependant,
quelques tendances semblent se dégager et mériter un approfondissement
ultérieur : (i) nous avons observé une corrélation significative entre les vitesses
de chute mesurées et le débit et la turbidité maximum à l’entrée de l’ouvrage
pendant les événements pluvieux, ce qui nous amène à penser que la variabilité
des caractéristiques des sédiments pourrait être en partie expliquée par la
variabilité des caractéristiques des événements pluvieux associés ; (ii) les
caractéristiques des sédiments sont en apparence spatialement corrélées, ce qui
nous laisse penser que la variabilité spatiale serait en partie expliquée par
l’hydrodynamique des écoulements au sein de l’ouvrage pendant les
événements pluvieux.
La troisième question posée était : peut-on détecter une éventuelle
évolution des caractéristiques physico-chimiques post-décantation des
sédiments ? Le chapitre 11 a été consacré à cette question. Les tests
exploratoires conduits sur trois campagnes n’ont pas révélé de tendance nette
d’une évolution. Une partie des résultats obtenus semble contradictoire. En
conclusion, ces tests n’ont pas permis de mettre en évidence une évolution
physico-chimique des sédiments décantés. Néanmoins, à partir des visites
régulières sur site, il apparaît clairement que les sédiments évoluent au fond de
l’ouvrage, en raison des cycles séchage/humidification, des remises en
suspension, etc. Mais des protocoles plus affinés et spécifiques seraient
nécessaires pour dégager des résultats probants et des conclusions pertinentes.
Partie 4
Exploitation des
données en continu
Partie 4 : Exploitation des données en continu
Introduction
La partie 3 de ce document a présenté une caractérisation des propriétés
physiques et chimiques des sédiments déposés au fond du bassin de retenue-
décantation Django Reinhardt. Quelques unes de ces caractéristiques seront
utilisées pour la modélisation hydrodynamique ultérieure. Mais il faut
également nous intéresser aux autres grandeurs mesurées dont nous aurons
besoin pour cette modélisation : débits entrant et sortant, hauteur d’eau dans
l’ouvrage, concentrations en MES, etc. Cette partie 4 fournit donc des éléments
pour répondre à ces besoins.
Le chapitre 12 s’intéresse tout d’abord au choix des événements
pluvieux à modéliser (paragraphe 12.1). Ce choix est fondé sur le mesurage en
continu des débits d’entrée et de sortie de l’ouvrage. Le paragraphe 12.2 traite
des mesurages en continu des débits et des hauteurs d’eau en sortie du bassin
dans le but de définir la condition à la limite aval de l’ouvrage nécessaire aux
modèles.
Le chapitre 13 présente l’exploitation des données en continu de
turbidité enregistrées par les stations de mesure OTHU pour estimer les charges
en MES en entrée et sortie de l’ouvrage (paragraphe 13.1). Ces données seront
utilisées pour le calage et le test des modèles hydrodynamiques avec transport
solide. Le paragraphe 13.2 présente, à titre de complément et de perspective,
une méthode pour étalonner des spectromètres UV-visibles. Cette méthode
pourra être appliquée au mesurage en continu de charges polluantes (MES et
DCO) dans les stations de mesure OTHU.
Partie 4 : Exploitation des données en continu 12 Mesurages des débits et des hauteurs d’eau
12. Mesurages des débits et des hauteurs

d’eau
12.1 Mesurages des débits en entrée et sortie du bassin

Parmi les événements enregistrés dans la base de données OTHU, six d’entre eux, pour
lesquels nous possédions des données complètes (aucune donnée manquante, aucun pas de
temps manquant) et fiables (la validation OTHU a pu être réalisée), ont été initialement
sélectionnés pour la modélisation. Ces événements ont été enregistrés entre juin et
décembre 2006. Le choix du début et de la fin de chaque événement a été réalisé avec
comme critère unique la comparaison du débit d’entrée (pour le début) et de sortie (pour
la fin) avec les valeurs respectives de temps sec, habituellement inférieures à 0.01 m3/s :
un débit d’entrée supérieur à 0.01 m3 /s marquait le début de l’événement pluvieux et un
débit de sortie inférieur à 0.01 m3/s marquait la fin de l’événement pluvieux. Une fois
chaque événement pluvieux sélectionné, la différence relative du volume total cumulé
entre l’entrée et la sortie (∆V) a été calculée pour la période comprise entre le début et la
fin de l’événement. Cette différence relative a été prise comme critère pour évaluer la
qualité des mesurages disponibles, de manière à évaluer chaque événement pluvieux
choisi. Le Tableau 12-1 montre les volumes cumulés d'entrée et de sortie, ainsi que la
différence relative en pourcentage (∆V) entre ces volumes pour chaque événement
pluvieux choisi. Des illustrations des hydrogrammes d’entrée et de sortie, ainsi que des
différences entre les volumes cumulés pour chaque événement, sont données en Annexe I.
Tableau 12-1 Différences en pourcentage entre les volumes cumulés d’entrée (Ve) et de sortie
(Vs) pour les six événements pluvieux choisis
3 3
Date Identifiant V e (m ) V s (m ) ∆V (%)
27-juin-06 20060627 10838 9336 14%
06-juil-06 20060706 19126 16695 13%
12-août-06 20060812 9516 7244 24%
17-août-06 20060817 20562 18509 10%
29-août-06 20060829 6026 6065 - 1%
15-sept-06 20060915 27661 21964 21%
On observe Tableau 12-1 que les valeurs des volumes cumulés d’entrée (Ve) sont
systématiquement plus élevées que les valeurs des volumes cumulés de sortie (Vs), à
l’exception de l’événement 20060829. Ceci pourrait s’expliquer par un étalonnage
insuffisant des capteurs Doppler qui mesurent les vitesses d’écoulement. En effet, les
vérifications au moulinet électromagnétique n’ont pu, pour des raisons de sécurité, être
effectuées que par temps sec. Il subsiste donc un doute sur la fiabilité des mesurages par
Doppler en temps de pluie. Des vérifications complémentaires par traçage à la Rhodamine
sont prévues en 2008 dans le cadre général de l’OTHU. Une autre hypothèse, moins
plausible, pourrait être des défauts d’étanchéité du fond du bassin ou à proximité des
berges.
12.2 Couplage débits-hauteurs en sortie du bassin

Des valeurs simultanées du débit Qs en sortie de bassin et de la hauteur d’eau h 2 (voir
rappel de l’emplacement Figure 12-1) ont permis d’établir une loi hauteur-débit empirique
représentée sur la Figure 12-2. Les couples hauteur-débit montrés sur cette figure ont été
établis à partir des mesurages effectués depuis juin 2006 (mois d’installation du capteur
des hauteurs h 2) jusqu’au mois de mars 2007.
o1 : orifice no.1
o2 : orifice no.2
o3 : orifice no.3
de temps sec
Qs

dessus)
Figure 12-2 Evolution du débit de sortie Q s en fonction de la hauteur d’eau h2
Sur la Figure 12-2, la loi empirique a été établie sans prendre en compte les
couples notés comme « outliers ». Les raisons exactes pour lesquelles ces observations
aberrantes existent n’ont pas été explorées dans le cadre de ce travail, cependant quelques
unes pourraient être évoquées : (i) l’environnement dans lequel les capteurs sont installés
n’est pas idéal pour ce type d’appareils (obstructions, bulles, etc.) ; (ii) des périodes de
maintenance des capteurs (nettoyage, réparation, etc.) avec ou sans mise hors tension
pourraient exister.
Ces observations dites « outliers » ont été détectées en utilisant le programme
pour la détermination d’outliers multivariés développé sous MatLab, basé sur la méthode
proposée par Rousseeuw et Van Driessen (1999), avec un niveau de confiance de 95 %.
On observe également sur la Figure 12-2 que les points expérimentaux (h 2, Qs)
présentent une dispersion assez importante autour de la relation empirique moyenne. Cette
dispersion peut être due à plusieurs facteurs : fluctuation des conditions hydrodynamiques
en fonction des événements pluvieux, obstructions partielles et/ou temporaires des
orifices par sédiments, des macro-déchets, des flottants, etc. La relation empirique
moyenne ne permettra donc pas, lorsqu’elle sera utilisée pour la modélisation, de
reproduire avec fidélité la dispersion observée des couples de valeurs (h2 , Qs).
Partie 4 : Exploitation des données en continu 13 Mesurages des MES en entrée et sortie du bassin
13. Mesurages des MES en entrée et sortie

du bassin
Afin d’effectuer une modélisation hydrodynamique des flux de MES, il est nécessaire
d’utiliser des données en continu relatives aux charges polluantes entrant et sortant du
bassin, au même titre que pour les valeurs de débit et hauteur présentées précédemment.
Par ailleurs, ces données en continu permettent également d’évaluer l’efficacité de
l’ouvrage en termes de rétention de sédiments.
Jusqu’à récemment, les charges en matières en suspension (MES) et en demande
chimique en oxygène (DCO) étaient estimées exclusivement à partir d’analyses en
laboratoire d’échantillons collectés pendant les événements pluvieux. Cette pratique
connaît plusieurs limitations : transport, conservation et préservation, délais pour avoir
des résultats, faible représentativité temporelle. En effet, en raison des coûts
expérimentaux et d’analyse élevés, seulement quelques échantillons peuvent être collectés
pour chaque événement (normalement jusqu’à 24 échantillons en raison des contraintes
techniques des préleveurs automatiques) et seulement quelques événements par an
peuvent être mesurés. Les résultats obtenus ainsi ne fournissent pas d’information précise
ni complète en ce qui concerne la dynamique des flux polluants (Bertrand-Krajewski et
al., 2002).
Une solution alternative pour résoudre ces difficultés consiste à utiliser des
capteurs in situ avec des pas d’acquisition de données courts et capables de fournir des
séries temporelles qui puissent être converties en concentrations en MES et en DCO.
Parmi les capteurs existants sur le marché, seuls les turbidimètres et les spectromètres
UV-visibles semblent pouvoir être utilisés in situ avec un niveau acceptable de fiabilité,
vu les conditions particulières de fonctionnement des réseaux d’assainissement (Gruber et
al., 2006). Cependant, comme ces capteurs ne fournissent pas directement des valeurs en
MES ou DCO selon les méthodes normalisées, des méthodes spécifiques doivent être
appliquées pour évaluer les concentrations équivalentes en MES et DCO et leurs
incertitudes respectives (Bertrand-Krajewski, 2004; Bertrand-Krajewski et al., 2007).
13.1 Relations avec la turbidité

Une série de méthodes a été développée et appliquée pour estimer les charges en MES à
partir de mesurages de turbidité in situ. La démarche comprend cinq étapes principales
présentées dans les paragraphes suivants.
13.1.1 Etape 1 : étalonnage des turbidimètres

Le turbidimètre est étalonné régulièrement in situ avec des solutions étalons de formazine
certifiées NIST (National Institute of Standards and Technology). Pour chaque solution,
un minimum de cinq lectures est utilisé pour établir une fonction d’étalonnage f (équation
(13-1)) représentant la valeur mesurée de turbidité Y en fonction de la valeur réelle T de la

solution étalon. Cette fonction f est estimée au moyen des moindres carrés ordinaires. Les
incertitudes sur les coefficients estimés bi et leurs covariances sont aussi calculées.
n
Y = f (T ) = ∑ biT i (13-1)
i =0
Depuis 2003, un étalonnage des turbidimètres en entrée et en sortie du bassin est
effectué chaque année. Les solutions étalons utilisées vont de 20 à 2000 NTU avec un
intervalle de confiance à 95 % égal à ± 5 % de la valeur théorique, à l’exception de
l’année 2007 où l’intervalle de confiance à 95 % est de ± 1 % de la valeur théorique
(solutions étalons primaires). Pour chaque étalonnage, 12 lectures de turbidité par solution
étalon ont été effectuées. Les Figure 13-1 et Figure 13-2 montrent les résultats des
étalonnages réalisés en 2007 en entrée et sortie du bassin de retenue (voir en Annexe J les
résultats de 2003 à 2007). Chaque figure correspondant à chaque étalonnage contient : (i)
en abscisse les valeurs T (NTU) théoriques des solutions étalons utilisées ; (ii) en
ordonnée, les valeurs expérimentales Y (NTU) obtenues avec le turbidimètre ; (iii) la
courbe d’étalonnage obtenue par moindres carrés ordinaires et un tableau avec les valeurs
des paramètres de la courbe d’étalonnage et leurs variances et covariances; (iv) un tableau
en bas du graphique contenant pour chaque solution étalon sa valeur théorique, son
incertitude et les 12 résultats expérimentaux obtenus avec le turbidimètre.
a = 33.7688652
b = 0.697484477
c = 0.000315341
var(a ) = 31.55823882
var(b ) = 0.000377662
var(c ) = 9.08968E-11
cov(a ,b ) = -0.076646742
cov(a ,c ) = 3.12021E-05
cov(b ,c ) = -1.78466E-07
T u(T) Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11 Y12

0 0.0 24.41 24.41 24.41 24.41 24.41 24.41 24.41 24.41 24.41 24.41 24.41 24.41
50 0.3 46.87 46.87 46.87 46.87 46.87 46.87 46.87 46.87 46.87 46.87 46.87 46.87
100 0.5 100.58 100.58 100.58 100.58 100.58 100.58 100.58 100.58 100.58 100.58 101.56 101.56
300 1.5 295.90 295.90 295.90 295.90 295.90 295.90 295.90 295.90 295.90 296.87 296.87 296.87
500 2.5 515.63 516.60 519.53 516.60 515.63 515.63 515.63 515.63 515.63 515.63 516.60 516.60
1000 5.0 996.10 996.10 996.10 996.10 996.10 996.10 996.10 996.10 996.10 996.10 996.10 996.10
2000 10.0 2694.37 2694.37 2694.37 2694.37 2700.23 2700.23 2700.23 2700.23 2700.23 2702.18 2702.18 2702.18
Figure 13-1 Etalonnage du turbidimètre réalisé le 27/02/2007 en entrée du bassin de retenue-
a = 14.94114249
b = 0.829071266
c = 0.000187363
var(a ) = 3.605003665
var(b ) = 0.012470992
var(c ) = 6.1182E-06
cov(a ,b ) = -0.031564024
cov(a ,c ) = 1.28494E-05
cov(b ,c ) = -7.34943E-08

0 0.0 4.88 4.88 4.88 4.88 4.88 4.88 4.88 4.88 4.88 4.88 4.88 4.88
50 0.3 48.82 48.82 48.82 48.82 50.78 50.78 50.78 48.82 48.82 48.82 48.82 48.82
100 0.5 92.77 92.77 92.77 92.77 92.77 92.77 92.77 92.77 92.77 92.77 92.77 92.77
300 1.5 296.87 296.87 296.87 296.87 296.87 296.87 296.87 296.87 296.87 296.87 296.87 296.87
500 2.5 511.72 511.72 511.72 511.72 511.72 511.72 511.72 511.72 511.72 511.72 511.72 511.72
1000 5.0 999.03 998.06 999.03 998.06 999.03 998.06 999.03 998.06 999.03 998.06 999.03 998.06
2000 10.0 2428.74 2428.74 2428.74 2425.00 2425.00 2429.00 2429.00 2427.00 2427.00 2430.00 2430.00 2430.00
Figure 13-2 Etalonnage du turbidimètre réalisé le 01/03/2007 en sortie du bassin de retenue-
La réponse des capteurs n’est pas parfaitement linéaire, comme on peut

l’observer sur les Figure 13-1 et Figure 13-2. Des tests de variance indiquent que les
fonctions d’étalonnage optimales pour les cas présentés ici sont des polynômes de degré
deux.
13.1.2 Etape 2 : utilisation de la fonction d’étalonnage

Pour une valeur Y mesurée par le turbidimètre, on estime la valeur vraie Tˆ la plus
vraisemblable en utilisant la fonction d’étalonnage inverse selon l’équation (13-2).
L’incertitude type u (Tˆ ) est calculée en prenant en compte les incertitudes sur la valeur
mesurée Y et sur les coefficients bi de l’équation (13-1), selon la loi de propagation des
incertitudes (NF ENV 13005, 1999).
Tˆ = f −1 ( y ) (13-2)
Pour une équation polynomiale d’ordre 2, la fonction réciproque est indiquée

équation (13-3).
b1 − b12 − 4b2 (b0 − y )

T =−
ˆ (13-3)
2b2
et l’incertitude type est calculée par :
2
2  ∂Tˆ 
u (Tˆ ) = ∑ u (bi ) 
2

2

i =0  ∂bi 
(13-4)
2
1 2
∂Tˆ ∂Tˆ  ∂Tˆ 
+ 2∑ ∑ cov(bi , b j ) + u ( y ) 2  
i =0 j =i +1 ∂bi ∂b j  ∂y 
où
∂Tˆ
∂b0
(
= b12 − 4b2 (b0 − y )
−1 / 2
) (13-5)
∂Tˆ
∂b1
=−
1
2b2 2b2
b
(
+ 1 b12 − 4b2 (b0 − y )
−1 / 2
) (13-6)
∂Tˆ b b 2
(
= 1 2 − 0 b1 − 4b2 (b0 − y )
∂b2 2b2 b2
−1 / 2
)
(13-7)
−
1
2b2
2
(
b1 − 4b2 (b0 − y )
2 1/ 2
)
∂Tˆ
∂y
(
= b12 − 4b2 (b0 − y )
−1 / 2
) (13-8)
Seules les covariances entre les paramètres bi sont prises en compte dans l’équation
(13-4).
13.1.3 Etape 3 : analyses normalisées de MES et DCO sur des échantillons

instantanés
Au cours de plusieurs événements pluvieux, des échantillons instantanés de 1 L
ont été collectés et analysés en laboratoire de manière à déterminer leurs concentrations
en MES et DCO selon des méthodes normalisées (NF T90-029, 2002 ; NF T90-105-2,
1997 ; NF EN 872, 2005 ; NF T90-101, 2001). Trois réplicats sont mesurés de manière à
calculer les concentrations moyennes en MES et DCO ( MES et DCO ) et estimer leurs
( ) ( )
incertitudes u MES et u DCO . Avant d’effectuer les analyses normalisées, le
turbidimètre est immergé directement dans chaque échantillon de 1 L, lequel est
homogénéisé en permanence. Des mesurages répétés de la turbidité des échantillons sont
alors effectués (typiquement 50 mesurages) et convertis en valeur vraies les plus
vraisemblables Tˆ au moyen de l’équation (13-2). La valeur moyenne de turbidité Tˆ et
()
son incertitude type u Tˆ peuvent alors être évaluées pour chaque échantillon étudié. A
l’issue de cette étape, on dispose de triplets de valeurs Tˆ ,MES,DCO et de leurs ( )
incertitudes types.
13.1.4 Etape 4 : détection d’outliers dans les séries de triplets

Des valeurs suspectes ou aberrantes peuvent être présentes dans les séries de triplets en
raison d’erreurs d’échantillonnage, d’erreurs d’analyse, d’effet de matrice, des
caractéristiques inhabituelles de certains événements pluvieux, etc. Il est important de
détecter et d’éliminer ces outliers avant la détermination des fonctions de corrélation entre
la turbidité et les concentrations en MES. Ceci est effectué en trois étapes : (i) élimination
d’outliers par analyse des triplicats de MES et DCO, c'est-à-dire élimination des valeurs
trop éloignées de la valeur moyenne des réplicats ; (ii) élimination des valeurs moyennes
de turbidité, MES ou DCO dont les incertitudes types sont supérieures à 25 % de la valeur
( )
mesurée ; (iii) application d’une méthode multivariée de détection de valeurs suspectes
aux séries de triplets Tˆ ,MES,DCO . L’algorithme, fondé sur la méthode proposée par
Rousseeuw et Van Driessen (1999), permet de détecter parmi les triplets les valeurs
suspectes de turbidité, de concentration en MES ou DCO en analysant globalement
l’ensemble des triplets, avec des niveaux de confiance de 95 %. Les résultats obtenus en
appliquant les méthodes exposées dans cette étape aux données relatives à l’entrée et la
sortie du bassin sont illustrés Figure 13-3 et Figure 13-4 respectivement.
Figure 13-3 Résultats de la méthode de détection d’outliers multivariés pour les données
relatives à l’entrée du bassin de retenue-décantation Django Reinhardt à Chassieu (outliers :
étoiles rouges ; données validées : points noirs)
Figure 13-4 Résultats de la méthode de détection d’outliers multivariés pour les données
relatives à la sortie du bassin de retenue-décantation Django Reinhardt à Chassieu (outliers :
étoiles rouges ; données validées : points noirs)
Parmi 83 triplets obtenus à partir de campagnes de mesure (au cours de plusieurs

événements pluvieux de caractéristiques variées) effectuées à l’entrée du bassin, nous
avons validé et conservé 61 triplets pour l’étape suivante (7 triplets ont été détectés et
éliminés à l’issu de l’étape 4 (iii), Figure 13-3). De manière similaire, parmi les 62 triplets
disponibles à la sortie du bassin, nous avons validé et conservé 38 triplets pour l’étape
suivante (3 triplets ont été détectés et éliminés à l’issu de l’étape 4 (iii), Figure 13-4).
13.1.5 Etape 5 : détermination des fonctions de corrélation

En utilisant les triplets validés à l’étape précédente, des fonctions de corrélation (équation
(13-9)) sont établies pour déterminer les concentrations équivalentes MES eq à partir des
séries de valeurs vraies les plus probables de la turbidité Tˆ . Ces séries sont calculées au
moyen de l’équation (13-2) à partir des valeurs brutes de turbidité y enregistrées in situ
par les turbidimètres étalonnés à l’étape 1.
n
MESeq = g(Tˆ)=∑ciTˆ i (13-9)
i =0
Les valeurs de MES et turbidité étant toutes affectées d’incertitudes, la méthode

des moindres carrés ordinaires ne peut pas être appliquée pour déterminer les fonctions de
corrélation. La méthode des moindres carrés proposée par York (1966) et Williamson
(1968) pour une droite a été adaptée et étendue à des polynômes d’ordre deux et trois pour
tenir compte des non linéarités (Bertrand-Krajewski, 2004, 2007). Cette méthode a été
utilisée pour établir des expressions de MES eq , de la forme présentée équation (13-9), en
entrée (Figure 13-5) et sortie (Figure 13-6) du bassin.
Figure 13-5 Fonction de corrélation MES=g(T) établie en entrée du bassin de retenue Django
Reinhardt selon la méthode de Bertrand-Krajewski (2007) (notée WLS). OLS : fonction de
corrélation déterminée par moindres carrés ordinaires
Figure 13-6 Fonction de corrélation MES=g(T) établie en sortie du bassin de retenue Django
Reinhardt selon la méthode de Bertrand-Krajewski (2007) (notée WLS). OLS : fonction de
corrélation déterminée par moindres carrés ordinaires
13.2 Perspective : spectrométrie UV-visible

Les spectromètres UV-visible effectuent un mesurage de l’absorption de la lumière par les
particules dissoutes ou en suspension dans une gamme de longueurs d’onde allant de
l’ultraviolet au visible. Le spectromètre commercialisé par la société s::can ®, appelé
spectro::lyser, est un capteur submersible de 60 cm de longueur et 44 mm de diamètre qui
mesure l'atténuation de la lumière entre 200 nm et 750 nm (Langergraber et al., 2003 ;
Hochedlinger, 2005). Cet appareil est livré avec un étalonnage par défaut intégré dans le
logiciel ana::pro, appelé « global calibration », établi par le constructeur. Cet étalonnage
est fondé sur un jeu de longueurs d’onde présélectionné et utilisé dans un modèle de
régression linéaire multiple (Rieger et al., 2006). Pour une estimation plus précise des
concentrations en polluants, cet étalonnage global peut ne pas être suffisant et un
étalonnage spécifique local, dit « local calibration », doit être effectué (Langergraber et
al., 2003). Cet étalonnage local est établi pour chaque polluant en corrélant d’une part des
résultats de mesure in situ (spectres) fournis par le spectromètre et d’autre part des
analyses en laboratoire (concentrations) effectuées sur des échantillons prélevés à
proximité de la fente de mesure du spectromètre. A partir d’une base de données de
spectres d’absorption et d’analyses faites en laboratoire sur les échantillons
correspondants, on peut établir un étalonnage local résultant de la construction d’une
relation mathématique linéaire ou polynomiale entre d’une part les valeurs de
concentrations équivalentes fournies par le capteur en mode étalonnage global et d’autre
part les valeurs de concentration des échantillons fournies par le laboratoire d’analyse (De
Bénédittis et Bertrand-Krajewski, 2005). Autrement dit, l’étalonnage local est fondé sur la
construction d’une fonction polynomiale entre les résultats finaux de l’étalonnage dit
« global calibration » et les résultats des mesurages en laboratoire (Gruber et al., 2005).
13.2.1 Présentation du programme OPP

Nous avons développé sous MatLab un programme appelé OPP (OTHU PLS Programme).
Il est fondé sur l’algorithme NIPALS (Nonlinear estimation by Iterative Partial Least
Squares) originalement conçu par Wold (1966) (cité dans Tenenhaus, 1998) et présenté
par Abdi (2003).
Le nombre optimal de vecteurs latents (voir définition au paragraphe 3.4) est
déterminé en utilisant une validation croisée de type Jackknife (Aji et al., 2003). Les
concentrations équivalentes en MES ou DCO sont calculées à partir du modèle suivant :
n wl
yˆ m = ∑ (λi ⋅ ai ) + K (13-10)
i =1
avec n wl le nombre de longueurs d’onde λi choisi par PLS, a i les poids respectifs de chaque
longueur d’onde λi et K une constante de calage.
Comme indicateur de la qualité prédictive des modèles, le programme OPP uti-
lise la valeur RMSEP (Root Mean-Square Error of Prediction) pour le jeu de données des-
tiné à la validation (Dantas Filho et al., 2005) :
PRESS
RMSEP = (13-11)
M
M
PRESS = ∑ ( ym − yˆ m )
2
(13-12)
m =1
avec PRESS (de l’anglais « PRediction Error Sum of Squares ») calculé selon l’équation
(3-15), y m la valeur de référence pour la donnée de validation numéro m, ŷ m la valeur
prédite par la PLS pour la donnée de validation numéro m, et M le nombre total de
données de validation.
Pour déterminer le nombre optimal de variables indépendantes, une méthode
spécifique a été dévelopée et inclue dans le programme OPP. Elle consiste à classer les
variables indépendantes par ordre de coefficient de corrélation croissant entre chaque
variable indépendante et la variable dépendante étudiée. Ce classement est effectué pour
le jeu de données destiné à l’étalonnage et il est utilisé pour réaliser les tests suivants : (i)
on prend d’abord les deux variables indépendantes en tête de classement et on cale des
modèles PLS pour 1 et 2 vecteurs latents, en calculant à chaque fois l’indicateur PRESS ;
(ii) on prend ensuite les trois variables indépendantes en tête de classement et on cale des
modèles PLS pour 1, 2 et 3 vecteurs latents, en calculant à chaque fois l’indicateur
PRESS ; (iii) on réitère la procédure jusqu'à atteindre le nombre total H de variables
indépendantes et obtenir la matrice indiquée Figure 13-7. Dans cette matrice, la cellule
avec la valeur PRESS i,j la plus petite indique les variables indépendantes à prendre en
compte et le nombre de vecteurs latents à utiliser dans l’algorithme PLS. Le code OPP a
été validé en utilisant la librairie « pls » (Wehrens et Mevik, 2005) sous R (R
development core team, 2006).
Figure 13-7 Représentation schématique de la matrice fournie par le programme OPP, utilisée
pour déterminer le nombre optimum de variables indépendantes et de vecteurs latents
13.2.2 Validation du programme OPP

Les paragraphes suivants présentent un des exemples utilisés pour valider le programme
OPP.
Des mesurages de MES, pH, conductivité, turbidité, température et DCO ont été
réalisés en laboratoire sur 24 échantillons d’eau usée prélevés dans le réseau unitaire du
site expérimental de l’OTHU à Ecully. L’objectif est de prédire la concentration en DCO
à partir des autres paramètres mesurés. Les données utilisées sont fournies Tableau 13-1.
La Figure 13-8 montre les résultats fournis par la librairie « pls » de R et la Figure 13-9
montre les résultats obtenus en utilisant le programme OPP. Sur chaque figure, sont
représentés l’ajustement du modèle PLS aux données utilisées pour le calage (en haut) et
pour le test (en bas), ainsi que deux indicateurs de qualité de ces ajustements (le
coefficient de corrélation r et la valeur de RMSEP). Sur les graphiques de gauche, on
indique la concentration en DCO (mg/L) prédite par le modèle PLS, en ordonnée, en
fonction de la concentration en DCO (mg/L) de référence mesurée en laboratoire, en
abscisse. Pour le jeu de données d’étalonnage, les qualités des ajustements par le
programme OPP et par la librairie « pls » de R sont semblables (RMSEP = 28 mg/L pour
« pls » de R et RMSEP = 32 mg/L pour OPP). Cependant, pour le jeu de données de test,
la qualité de l’ajustement est meilleure avec le modèle fourni par le programme OPP
(RMSEP = 38 mg/L) qu’avec celui de la librairie « pls » de R (RMSEP = 100 mg/L).
Tableau 13-1 Résultats d’analyses en laboratoire sur 24 échantillons d'eau usée prélevés dans
le réseau unitaire du site expérimental de l'OTHU à Ecully
date MES pH Conductivité Turbidité Température DCO
(mg/L) (µS/cm) (NTU) (°C) (mg/L)
29/09/2004 16:00 136 7.5 989 113 20.0 424
29/09/2004 17:00 148 7.7 966 91 20.0 374
29/09/2004 18:00 164 7.7 994 119 20.2 393
29/09/2004 19:00 266 7.8 1030 218 20.4 506
29/09/2004 20:00 304 7.7 952 182 20.9 551
29/09/2004 21:00 266 7.6 897 170 21.0 515
29/09/2004 22:00 180 7.6 911 101 21.0 436
29/09/2004 23:00 100 7.6 882 65 20.6 259
30/09/2004 00:00 102 7.8 917 60 20.4 282
30/09/2004 01:00 74 7.6 885 44 20.1 196
30/09/2004 02:00 41 7.5 804 20 19.9 105
30/09/2004 03:00 36 7.5 769 14 19.7 77
30/09/2004 04:00 25 7.5 715 10 19.5 54
30/09/2004 05:00 17 7.5 847 10 19.3 49
30/09/2004 06:00 22 7.5 740 10 19.2 44
30/09/2004 07:00 112 7.8 807 44 19.4 184
30/09/2004 08:00 444 8.4 1085 278 20.2 706
30/09/2004 09:00 338 8.1 1134 199 20.5 612
30/09/2004 10:00 258 7.6 877 175 20.5 539
30/09/2004 11:00 208 7.5 865 131 20.6 411
30/09/2004 12:00 246 7.5 877 152 20.8 411
30/09/2004 13:00 162 7.4 905 113 20.7 369
30/09/2004 14:00 178 7.3 942 124 20.8 439
30/09/2004 15:00 202 7.2 970 124 20.8 463
2
ETALONNAGE : r=0.99, r =0.97, RMSEP=28 mg/L
2
TEST : r=0.98, r =0.97, RMSEP=1e+002 mg/L
Figure 13-8 Représentation de l’ajustement des résultats de DCO fournis par le modèle de
régression PLS en utilisant la librairie « pls » de R (nombre de vecteurs latents : 3). (Site OTHU
d’Ecully)
2
2
TEST : r=0.99, r =0.97, RMSEP=38 mg/L
Figure 13-9 Représentation de l’ajustement des résultats de DCO fournis par le programme OPP
(variables indépendantes utilisées : MES, conductivité, turbidité, température / nombre de
vecteurs latents : 1) (Site OTHU d’Ecully)
13.2.3 Application du programme OPP à l’étalonnage d’un spectromètre

UV-visible
Pour étalonner le spectromètre UV-visible spectro::lyser avec la méthode proposée, des
campagnes de mesure à l’entrée du bassin de retenue-décantation de Chassieu ont été
effectuées. L’objectif à terme est d’établir un étalonnage spécifique pour ce site, de
manière à estimer en continu les flux de MES et de DCO par temps sec et par temps de
pluie. Pour cet exemple, les données utilisées pour l’étalonnage sont : (i) par temps de
pluie : huit échantillons (28 novembre 2005) ; (ii) par temps sec : huit échantillons (22
novembre et 15 décembre 2005).
Quatre méthodes d’étalonnage ont été comparées : (i) une corrélation linéaire
simple avec la turbidité ; (ii) un étalonnage global dit « global calibration » mis au point
par le constructeur et implémenté dans le programme ana::pro fourni avec le spectromètre
UV-visible ; (iii) un étalonnage local dit « local calibration » effectué avec le logiciel
ana::pro selon les instructions du constructeur ; (iv) un étalonnage PLS effectué avec le
code OPP.
Le choix des échantillons destinés à l'étalonnage et au test a été réalisé de

manière aléatoire. Ces sous-jeux de données (étalonnage, test) ont été utilisés pour les
différentes méthodes d'étalonnage ci-dessus. Le Tableau 13-2 présente les caractéristiques
des échantillons.
Tableau 13-2 Résultats d’analyses en laboratoire sur 8 échantillons de temps de pluie

(28/10/2005) et 8 échantillons de temps sec (22/11/2005, 15/12/2005) à l’entrée du bassin de
retenue-décantation Django Reinhardt à Chassieu
No. Pluie/Sec Turbidité MES DCO Etalonnage/Test
(mg/L) (mg/L)
1 Pluie 162 152 230 Etalonnage
2 Pluie 347 345 364 Test
7 Pluie 95 41 31 Test
9 Sec 8 2 24 Test
10 Sec 23 13 54 Etalonnage
12 Sec 31 11 17 Test
15 Sec 14 5 51 Test
Le capteur spectro::lyser fournit un spectre spécifique à chaque échantillon : on

observe Figure 13-10 et Figure 13-11 que les absorbances sont plus élevées pour les
spectres de temps de pluie que pour les spectres de temps sec, et ceci pour la plupart des
longueurs d’onde. Les absorbances les plus élevées correspondent aux échantillons les
plus concentrés du Tableau 13-2. Un étalonnage spécifique pour chacun de ces deux
contextes sera donc nécessaire dans une phase ultérieure si l’on veut obtenir une
estimation des concentrations la plus satisfaisante possible.
Figure 13-10 Spectres fournis par le capteur spectro::lyser sur 8 échantillons de temps de pluie
à l’entrée du bassin de retenue-décantation Django Reinhardt à Chassieu
Figure 13-11 Spectres fournis par le capteur spectro::lyser sur 8 échantillons de temps sec à
l’entrée du bassin de retenue-décantation Django Reinhardt à Chassieu
La relation MES-Turbidité obtenue par moindres carrés ordinaires pour le sous-

jeu destiné à l’étalonnage est montrée Figure 13-12. Cette relation a été testée pour les
deux sous-jeux de données (étalonnage, test). La représentation de l’ajustement des

concentrations en MES en utilisant la relation MES-Turbidité est montrée Figure 13-13.
y =0.848x−11.300
r =0.986
Figure 13-12 Relation MES-Turbidité pour le sous-jeu destiné à l’étalonnage
2
réf
MES turb (mg/L)
300 300 turb
MES (mg/L)
200 200
100 100
100 200 300 0 2 4 6 8 10 12 14 16

MES réf (mg/L) observation no.
2
TEST : r=0.99, r =0.98, RMSEP=31 mg/L
300 300 réf

turb
MES turb (mg/L)
MES (mg/L)
200 200
100 100
0 0
0 100 200 300 0 2 4 6 8 10 12 14
Figure 13-13 Représentation de l’ajustement des concentrations en MES en utilisant la relation
MES-Turbidité
La relation DCO-Turbidité obtenue par moindres carrés ordinaires pour le sous-

jeu destiné à l’étalonnage est montrée Figure 13-14. Cette relation a été testée pour les
deux sous-jeux de données (étalonnage, test). La représentation de l’ajustement des
concentrations en DCO en utilisant la relation DCO-Turbidité est montrée Figure 13-15.
y =0.750x+16.690
r =0.938
Figure 13-14 Relation DCO-Turbidité pour le sous-jeu destiné à l’étalonnage
2
DCO turb (mg/L) 300 300 réf

turb
DCO (mg/L)
200 200
100 100
100 200 300 0 2 4 6 8 10 12 14 16

DCO réf (mg/L) observation no.
2
TEST : r=0.96, r =0.93, RMSEP=49 mg/L
réf
300 300
DCO turb (mg/L)
turb
DCO (mg/L)
200 200
100 100
100 200 300 0 2 4 6 8 10 12 14

Figure 13-15 Représentation de l’ajustement des concentrations en DCO en utilisant la relation
DCO-Turbidité
On observe Figure 13-13 et Figure 13-15 qu’en général la qualité de l’ajustement

est meilleure pour les relations MES-Turbidité (RMSEP étalonnage = 21 mg/L et RMSEP test =
31 mg/L) que pour les relations DCO-Turbidité (RMSEP étalonnage = 40 mg/L et RMSEP test
= 49 mg/L) et que, pour les deux cas, l’ajustement est meilleur pour le jeu de test que
pour le jeu d’étalonnage.
Les ajustements des concentrations en MES et DCO fournies par la sonde
spectro::lyser en utilisant l’étalonnage global (« global calibration ») et local (« local
calibration ») du logiciel ana::pro sont illustrés en Annexe K.
La Figure 13-16 présente l’ajustement des concentrations en MES fournies par la
sonde spectro::lyser en utilisant le programme OPP. De manière similaire, la Figure 13-17
présente les résultats obtenus en utilisant le programme OPP pour le cas de la DCO.
2
ETALONNAGE : r=1, r =1, RMSEP=8.5 mg/L
réf
MES opp (mg/L)
300 300 opp
MES (mg/L)
200 200
100 100
100 200 300 0 6 2 84 10 12 14 16

2
TEST : r=1, r =1, RMSEP=11 mg/L
réf
300 300
MES opp (mg/L)
opp
MES (mg/L)
200 200
100 100
0 0
0 100 200 300 0 2 4 6 8 10 12 14 16
Figure 13-16 Représentation de l’ajustement des résultats des concentrations en MES fournies
par la sonde spectro::lyser en utilisant le programme de régression PLS développé sous MatLab
aux valeurs de MES de référence (variables longueur d’onde utilisées : 290 à 730 nm ; nombre
de vecteurs latents : 3)
2
300 300 réf

DCO opp (mg/L)
opp
DCO (mg/L)
200 200
100 100
0 0
0 100 200 300 0 2 4 6 8 10 12 14 16
2
TEST : r=1, r =0.99, RMSEP=14 mg/L
réf
300 300
DCO opp (mg/L)
opp
DCO (mg/L)
200 200
100 100
100 200 300 0 2 4 6 8 10 12 14 16

Figure 13-17 Représentation de l’ajustement des concentrations en DCO fournies par la sonde
spectro::lyser en utilisant le programme de régression PLS développé sous MatLab (variables
longueur d’onde utilisées : 207.5 à 730 nm ; nombre de vecteurs latents : 4)
Le Tableau 13-3 montre une synthèse de la qualité des ajustements des modèles
obtenus avec les quatre méthodes d'étalonnage utilisées (relation linéaire simple avec la
turbidité, global calibration, local calibration et programme OPP).
Le capteur spectro::lyser présente une meilleure qualité prédictive des
concentrations en MES (test) que le turbidimètre, quelle que soit la méthode d’étalonnage
utilisée : (i) pour les concentrations en MES, on passe de r2 = 0.981 et RMSEP = 31 mg/L
pour les résultats fournis par la relation MES-Turbidité à r2 entre 0.981 et 0.998 et
RMSEP entre 11 et 23 mg/L pour les résultats fournis par le spectro::lyser ; (ii) pour les
concentrations en DCO, on passe de r 2 = 0.931 et RMSEP = 49 mg/L pour les résultats
fournis par la relation DCO-Turbidité à r2 entre 0.911 et 0.991 et RMSEP entre 40 et 14
mg/L pour les résultats fournis par le spectro::lyser.
Pour les concentrations en MES et DCO, les résultats obtenus confirment qu’il
est préférable d’utiliser un étalonnage local, soit avec le logiciel ana::pro du
spectro::lyser, soit avec la méthode OPP : (i) pour les concentrations en MES les valeurs
de RMSEP passent de 23 mg/L à 13 mg/L et 11 mg/L ; (ii) pour les concentrations en
DCO, les étalonnages global (« global calibration ») et local (« local calibration)
fournissent des résultats d’ajustement équivalents (RMSEP de 40 mg/L et 39 mg/L
respectivement), tandis que le programme OPP fournit de meilleurs résultats (RMSEP =

14 mg/L).
Le programme OPP fournit des résultats avec un niveau de précision équivalent
ou même meilleur que le programme ana::pro pour le jeu de données utilisé : (i) pour les
concentrations en MES la différence est négligeable, avec des valeurs de RMSEP de 13
mg/L pour ana::pro et 11 mg/L pour OPP ; (ii) pour les concentrations en DCO la
différence est plus importante, avec des valeurs de RMSEP de 39 mg/L pour ana::pro et
14 mg/L pour OPP.
Tableau 13-3 Qualité des ajustements des modèles obtenus pour les quatre méthodes
d'étalonnage
MES DCO
METHODE Etalonnage Test Etalonnage Test
2 2 2 2
r RMSEP r RMSEP r RMSEP r RMSEP
relations avec
0.972 21 0.981 31 0.879 40 0.931 49
la turbidité
global
calibration - - 0.981 23 - - 0.911 40
(ana::pro)
local
calibration 0.975 20 0.998 13 0.902 36 0.940 39
(ana::pro)
OPP * 0.996 8 0.996 11 0.978 17 0.991 14
* MES : variables longueur d’onde utilisées : 290 à 730 nm ; nombre de vecteurs latents : 3
DCO : variables longueur d’onde utilisées : 207.5 à 730 nm ; nombre de vecteurs latents : 4
Le programme OPP a été utilisé dans un projet de recherche en collaboration

avec l’Université Technique de Vienne intitulé « Mesurages in-situ par capteurs dans les
hydrosystèmes urbains : applicabilité, étalonnage, incertitudes et validation ».
L’application du programme OPP dans le cadre de ce projet est expliquée dans Bertrand-
Krajewski et al. (2007).
Partie 4 : Exploitation des données en continu
Conclusion
Cette partie 4 a présenté successivement les résultats concernant l’exploitation
des données de débit et de hauteur d’eau (chapitre 12), ainsi que de turbidité
(chapitre 13) enregistrées par les stations de mesure OTHU en entrée et en
sortie du bassin.
Ces résultats serviront à définir les conditions aux limites amont et
aval du domaine à introduire dans le modèle hydrodynamique : (i) une relation
entre le débit de sortie et la hauteur d’eau dans le bassin a été définie ; (ii) des
relations entre les concentrations en matières en suspension (MES) et les
turbidités mesurées en entrée et en sortie du bassin ont été établies. Cependant,
ces relations présentent plusieurs limites.
Les observations ou points expérimentaux utilisés pour construire la
relation entre le débit de sortie et la hauteur d’eau dans le bassin ont une
dispersion importante. La relation établie chapitre 12 ne représente donc qu’un
comportement global du débit de sortie en fonction d’une sollicitation
hydraulique de l’ouvrage, représentée par la hauteur d’eau dans le bassin. Par
conséquent, les couples hauteur-débit mesurés pour un événement particulier
seront plus ou moins éloignés de cette relation.
Les relations entre les concentrations en matières en suspension (MES)
et les turbidités mesurées en entrée et en sortie du bassin (chapitre 13) ont été
établies à partir d’une série de campagnes expérimentales, et donc d’une série
d’événements pluvieux particuliers. Ces relations négligent donc la diversité
des eaux de ruissellement qui peuvent solliciter l’ouvrage pendant des
événements pluvieux particuliers. Ceci peut poser des problèmes au niveau de
la modélisation hydrodynamique avec transport solide puisque ces relations
seront systématiquement imposées comme conditions aux limites amont et aval
du domaine, indépendemment de la nature spécifique des eaux de ruissellement
propre à chaque événement pluvieux à modéliser.
Partie 5
Modélisation de la décantation
Partie 5 : Modélisation de la décantation
Introduction
Les parties 3 et 4 ont présenté successivement la caractérisation des sédiments
déposés au fond du bassin de retenue-décantation Django Reinhardt (partie 3),
et des événements pluvieux associés (débits, concentrations) (partie 4). Malgré
les problèmes métrologiques rencontrés et évoqués dans ces deux parties (biais
possible, variabilité spatiale et temporelle, incertitudes, etc.), lesquels
confirment la complexité des phénomènes étudiés, nous avons décidé d’utiliser
ces informations pour modéliser la décantation.
L’objectif de notre travail a consisté à essayer de reproduire les
observations de terrain. Si cette phase est concluante, une phase ultérieure
consistera à modéliser le fonctionnement du bassin sur de longues périodes
(échelles annuelles et pluri-annuelles).
Une description en 2D semble suffisante pour une première tentative
de modélisation de ce bassin. En effet, comme il a été détaillé plus haut
(chapitre 4, partie 2), il s’agit d’un ouvrage très étendu en surface (11300 m2 )
avec des hauteurs d’eau inférieures à 2.5 m (voir Figure 12-2, partie 4). Un
modèle 2D du bassin a été donc calé et testé en utilisant le logiciel Rubar 20
(Cemagref, 2004) (voir description du logiciel au paragraphe 6.1). Le procesus
calage/test a été effectué en deux temps pour une série d’événements pluvieux
pour lesquels on disposait de données complètes et fiables : (i) dans un premier
temps, les paramètres hydrauliques (pas d’espace, rugosité et coefficients de
débit des orifices) ont été calés et testés, sans prendre en compte le transport
solide (chapitre 14); (ii) dans un deuxième temps, les paramètres liés au
transport solide (nombre de Schmidt, coefficient de dépôt, contrainte critique
adimensionnelle) ont été calés et testés, en utilisant les résultats de l’étape
précédente (chapitre 15).
Plus prospectif, le chapitre 16 comporte deux parties : d’une part une
première approche de la modélisation de l’ouvrage en 3D (paragraphe 16.1),
d’autre part l’utilisation des résultats de modélisation pour interpréter et
analyser certains résultats expérimentaux (paragraphe 16.2).
Partie 5 : Modélisation de la décantation 14 Modélisation hydrodynamique sans transport solide
14 Modélisation hydrodynamique sans

transport solide
14.1 Géométrie et maillage

Un schéma simplifié du bassin de retenue-décantation Django Reinhardt est donné Figure
14-1.
o1 : orifice no.1
o2 : orifice no.2
o3 : orifice no.3
de temps sec

dessus)
Le code Rubar 20 pour la modélisation 2D utilise la méthode des volumes finis

appliquée à une grille composée de quadrilatères et de triangles. Un relevé topographique
détaillé du bassin (voir Annexe L) a été utilisé pour le représenter géométriquement.
Les orifices o1, o2 et o3 (voir Figure 14-1) sont représentés dans Rubar 20
comme des ouvrages de type déversoir rectangulaire (seule option géométrique pour
représenter des orifices disponible dans Rubar 20). Le programme prend en compte des
comportements hydrauliques différents selon s’il s’agit ou non d’un écoulement noyé
et/ou en charge.
Le Tableau 14-1 montre les différentes équations utilisées par le programme. Des
relevés de terrain indiquent que les trois orifices ont un diamètre interne de 19 cm et que
leurs cotes de mise en fonctionnement sont respectivement 196.028 m pour o1, 195.430 m
pour o2 et 196.098 m pour o3. Ces cotes ont été conservées pour la modélisation, mais la
section transversale des orifices a dû être adaptée. Il a été décidé d’introduire dans le
modèle des orifices carrés de 16.8 cm de côté, de manière à conserver la section
maximum d’écoulement (283.5 cm2 ). Cette modification de la forme de la section
transversale des orifices est susceptible d’avoir des conséquences sur la pertinence des
modèles pour simuler des situations hydrauliques impliquant une faible hauteur d’eau
dans le bassin, plus particulièrement en début et fin d’événement lorsque les hauteurs
d’eau sont très faibles. Ces modèles ne seraint donc pas adaptés à la simulation de
l’hydrodynamique relative aux périodes de temps sec (faible débit entrant dans le bassin)
et leur précision serait mise en cause en début et fin d’événement pluvieux.
La surverse, le muret et la cunette de temps sec (voir Figure 14-1) ont été
représentés directement à partir des relevés topographiques.
Tableau 14-1 Equations utilisées par Rubar 20 pour calculer le débit à travers un ouvrage de
type rectangulaire
Type Equation utilisée Schéma
d’écoulement
Q = µL 2 g (z1 − zd )
3
2
conditions :
Dénoyé et à 2 1
surface libre z2 < z1 + z d et
3 3
3
z1 ≤ z d + k1w
2
1
 w 2
Q = cd Lw 2 g  z1 − zd − 
 2
conditions :
2 1
Dénoyé et en z2 < z1 + z d et
charge 3 3
3
z1 > z d + k1w et
2
1
z 2 ≤ zd + w
2
Q = cn Lw 2 g ( z1 − z2 )
1
2
conditions :
2 1
z2 < z1 + z d et
3 3
3
z1 > zd + k1w et
Noyé et en 2
charge
1
z2 > z d + w
2
ou
2 1
z2 ≥ z1 + z d et
3 3
z2 > zd + k 2 w
Q = µ ' L 2 g (z2 − zd )(z1 − z2 )
1
2
conditions :
Noyé et à
2 1
surface libre z2 ≥ z1 + z d et
3 3
z2 ≤ z d + k2 w
L : longueur de déversement, z d : cote de seuil, zm : cote de mise en charge, µ : coefficient de débit du seuil
dénoyé, µ ’ : coefficient de débit du seuil noyé, w = zm – zd : hauteur de l’orifice rectangulaire, z1 : cote d’eau
amont, z2 : cote d’eau aval, k 1 = 0.75, k 2 = 0.58, c n = c d = 1.51 µ = k 2 µ ’
Un maillage initial régulier carré avec un pas d’espace ∆x de 6 m a été défini. Ce

maillage a été utilisé ensuite comme maillage de base pour constituer des maillages
réguliers de tailles différentes par fractionnement du premier. Pour chaque nouveau
maillage, tous les points topographiques ont été pris en compte et des interpolations ont
été effectuées, de manière à rester le plus fidèle possible à la topographie réelle. La Figure
14-2 illustre, à titre d’exemple, le maillage régulier carré avec ∆x = 2.0 m, ainsi que la
bathymétrie correspondante.
Figure 14-2 Maillage et bathymétrie (m) avec ∆x = 2.0 m pour la modélisation hydrodynamique
du bassin de retenue-décantation Django Reinhardt (vue de dessus) avec le logiciel Rubar 20
14.2 Conditions aux limites

Le capteur de hauteur h2 a été installé au mois de juin 2006 (voir Figure 14-1). Les
valeurs simultanées du débit Qs en sortie de bassin et de la hauteur d’eau h 2 ont permis
d’établir une loi hauteur-débit représentée sur la Figure 12-2. Cette loi empirique a été
imposée en sortie comme condition à la limite aval du domaine de calcul. Rubar 20
permet d’identifier l’arête concernée à une sortie définie par une loi de tarage donnant un
débit unitaire normal sortant en fonction de la cote z (Cemagref, 2004). Cette référence
permet de définir une loi de tarage avec au maximum 20 couples débits unitaires de sortie
(q s) – cote de la surface d’eau (z2) (Tableau 14-2).
Tableau 14-2 Loi de tarage imposée comme condition à la limite aval du domaine de calcul
qs
0.0003 0.0044 0.0128 0.0325 0.0488 0.0550 0.0985 0.1070 0.1185 0.1310
(m 2 /s)
z2
195.378 195.509 195.579 195.679 195.739 195.759 195.949 195.989 196.049 196.129
(m)
qs
0.1585 0.1585 0.1595 0.1595 0.1610 0.1610 0.1610 0.1620 0.1620 0.1795
(m 2 /s)
z2
196.419 196.429 196.689 196.759 197.459 197.479 197.529 197.889 197.919 205.419
(m)
L’hydrogramme d’entrée, variable pour chaque événement et défini comme

condition à la limite amont du domaine de calcul, et les orifices o1, o2 et o3 sont définis
au moyen d’ouvrages hydrauliques sur Rubar 20.
L’hydrogramme d’entrée est représenté par un ouvrage de type « Q », lequel est
défini comme un apport de débit ponctuel (en m3 /s) en fonction du temps, selon une
fonction linéaire par morceaux (Cemagref, 2004). Sur la version de Rubar 20 utilisée, le
type d’ouvrage « Q » accepte un maximum de 125 couples temps – débit, ce qui
correspondrait à une durée totale de 4 h 10 min pour chaque événement simulé (les
valeurs expérimentales sont enregistrées au pas de 2 minutes). La plupart des événements
pluvieux observés ayant une durée supérieure à 4 h 10 min, il est important de choisir les
couples temps – débit de manière à représenter aussi fidèlement que possible la
dynamique des débits entrant expérimentalement observés. Un programme fondé sur la
méthode de Monte Carlo a été développé sous MatLab : parmi tous les couples temps -
débit observés pour un événement donné, le programme choisi aléatoirement un nombre
de couples défini par l’utilisateur (par exemple 125) et calcule la somme des écarts au
carré (SEC) entre les débits observés et les débits issus d’une interpolation entre deux
couples successifs choisis dans le jeu. Cette procédure est réitérée un nombre de fois
choisi arbitrairement par l’utilisateur (en fonction de la variabilité et du nombre
d’observations de débit définissant l’événement pluvieux en question) au terme desquelles
le jeu de couples définitif est celui qui présente la plus petite somme des écarts au carré
(SEC). A titre d’exemple, les figures suivantes illustrent cette procédure appliquée à
l’événement du 17 août 2006 (noté 20060817) : la Figure 14-3 montre les résultats
obtenus pour la première itération, la Figure 14-4 montre les résultats pour l’itération
présentant la plus petite SEC et la Figure 14-5 montre l’évolution des SEC pour 5000
itérations successives.
obs
choix
1
0.8
Qe (m3/s)
0.6
0.4
0.2
0
0 5 10 15 20 25 30 35 40 45 50
t (h)
Figure 14-3 Débits d’entrée observés (obs) et choisis (choix) pour l’itération no. 1 (r = 0.83,
SEC = 14.80 (m3 /s)2 ), événement 20060817
obs
choix
1
0.8
Qe (m3/s)
0.6
0.4
0.2
0
0 5 10 15 20 25 30 35 40 45 50
t (h)
Figure 14-4 Débits d’entrée observés (obs) et choisis (choix) pour l’itération no. 2023 (r =
0.88, SEC = 0.54 (m3 /s)2 ), événement 20060817
2
10
1
10
SEC (m3/s)2
0
10
-1
10
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
itération no.
Figure 14-5 Suivi des sommes des écarts au carré (SEC) entre les débits observés et choisis au
cours de 5000 itérations. En rouge : itération no. 2023 avec la plus petite SEC
14.3 Calage
Les valeurs expérimentales du débit sont enregistrés au pas de temps de deux minutes en
entrée et en sortie de bassin. Deux capteurs placés au fond du bassin permettent de
mesurer les hauteurs d’eau dans l’ouvrage au même pas de temps (h 1 et h 2 sur la Figure
14-1).
Parmi les six événements pluvieux sélectionnés (Tableau 12-1), le calage initial
du modèle a été réalisé à partir de l’événement de référence 20060829. En effet, cet
événement présente l’écart le plus faible entre les volumes cumulés d’entrée et de sortie.
La vérification des résultats numériques a été faite en utilisant les cinq autres
événements. Le critère choisi pour déterminer les valeurs des paramètres de calage est
l’écart moyen EM calculé comme suit :
∑ (Yi −obs − Yi −sim )

N
2
(14-1)
EM = i =1
N
avec Y i-obs la hauteur h 1 (ou le débit Qs) mesurée ; Y i-sim la hauteur h 1 (ou le débit Qs)
simulée ; N le nombre de valeurs mesurées au cours de l’événement pluvieux.
Les paramètres de calage (pas d’espace ∆x, rugosité de Strickler K, coefficients
de débit pour les orifices µ ) les plus pertinents sont ceux qui permettent de minimiser les
écarts entre les hauteurs d’eau mesurées et calculées. Le pas de temps est choisi de telle
sorte que la condition de Courant (CFL) soit respectée. Plusieurs combinaisons ont été
testées en calculant l’écart EM pour h 1 et Q s. Pour chaque pas d’espace fixé, nous avons
testé manuellement tous les autres paramètres. Les valeurs des différents paramètres sont
regroupées dans le Tableau 14-3 :
Tableau 14-3 Paramètres de calage testés (* : d’après des valeurs de la littérature (Chow,
1959) ; ** : valeur recommandée sans obstructions = 0.42 (Cemagref, 2004))
Pas d’espace Rugosité(*) Coefficients de débit pour les orifices (**)
1/3
∆x = 1, 2, 3, 6 m K = 30, 40, 50 m /s µ = 0.20, 0.32, 0.42
Les résultats du calage représentés Figure 14-6 à Figure 14-8 ont été obtenus en
minimisant les écart EM pour h 1 et Qs. Ces résultats correspondent à un maillage régulier
avec un pas d’espace ∆x de 2 m, un pas de temps ∆t de 0.4 s (CFL = 0.6), une rugosité de
Strickler de 30 m1/3/s (constante dans tout le domaine) et des coefficients de débit fixés à
0.2 pour les orifices o 1 et o 3 et à 0.32 pour l’orifice o 2.
0.5 obs
sim
0.45
0.4
0.35
h1 (m)
0.3
0.25
0.2
0.15
2 4 6 8 10 12 14 16 18 20
temps (h)
Figure 14-6 Comparaison des hauteurs d’eau h1 observées et simulées pour l’événement de
référence 20060829 (r = 0.99, EM = 0.018 m)
0.9 obs
sim
0.8
0.7
0.6
h2 (m)
0.5
0.4
0.3
0.2
0 5 10 15 20 25 30
temps (h)
Figure 14-7 Comparaison des hauteurs d’eau h2 observées et simulées pour l’événement de
référence 20060829 (r = 0.91, EM = 0.092 m)
0.3
obs
sim
0.25
0.2
Qs (m3/s)
0.15
0.1
0.05
0
0 5 10 15 20 25 30
temps (h)
Figure 14-8 Comparaison des débits de sortie Q s observés et simulés pour l’événement de
référence 20060829 (r = 0.93, EM = 0.026 m3 /s)
La Figure 14-6 montre que l’évolution des hauteurs h 1 simulées est la même que
celle des hauteurs h 1 mesurées au cours de l’événement 20060829, avec un faible écart
moyen (EM = 0.018 m), de l’ordre de l’incertitude de mesure de h1 . Les décalages
observés pour les hauteurs h 2 et les débits Qs de pointe (7 à 8 h après le début de
l’événement pluvieux) (Figure 14-7 et Figure 14-8) sont dus au fait que les observations
ou points expérimentaux utilisés pour construire la loi hauteur-débit imposée comme
condition à la limite en sortie du bassin ont une dispersion importante (Figure 12-2). La
loi hauteur-débit ne représente donc qu’un comportement moyen parmi un certain nombre
de couples expérimentaux hauteur-débit enregistrés. Par conséquent, certains points
particuliers, liés à certains événements ou à certains instants au cours des événements,
peuvent ne pas suivre l’évolution moyenne du débit de sortie Qs en fonction de la hauteur
h 2. Les couples hauteur-débit mesurés pour un événement particulier seront donc plus ou
moins éloignés de la loi hauteur-débit imposée systématiquement dans les modélisations.
Pour illustrer ceci, à titre d’exemple la Figure 14-9 montre les couples hauteur-débit
résultants de la modélisation et observés pour l’événement de référence 20060829, ainsi
que la loi hauteur-débit empirique utilisée. On observe que pour un même débit de sortie
Q s élevé (aux alentours de 0.300 m3/s) les hauteur h 2 observées sont faibles (aux alentours
de 0.75 m) par rapport aux hauteurs simulées (aux alentours de 0.90 m), ce qui est à
l’origine des décalages observés Figure 14-7 et Figure 14-8.
0.35
0.3
0.25
sim
0.2 obs
loi
Qs (m3/s)
0.15
0.1
0.05
-0.05
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
h (m)
2
Figure 14-9 Couples hauteur-débit observés (obs) et simulés (sim) pour l'événement de
référence 20060829, et loi hauteur-débit empirique (loi)
14.4 Test
Les paramètres de calage obtenus avec l’événement de référence 20060829 ont été testés
en exploitant les données des cinq autres événements pluvieux choisis (voir liste Tableau
12-1). Les résultats sont donnés en Annexe M.
La Figure 14-10 montre une synthèse des résultats obtenus pour tous les
événements pluvieux modélisés. Cette figure représente pour chaque événement pluvieux
modélisé : (i) en haut : l’écart relatif (∆ V) entre les volumes cumulés d’entrée (V e) et de
sortie (V s) et l’écart relatif ( ∆Qs obs/loi) entre le débit de sortie observé et le débit de sortie
correspondant à la loi hauteur-débit empirique, pour une même hauteur h2 donnée ; (ii) en
bas : les écarts relatifs moyens (ERM) entre les hauteurs d’eau (h 1 ou h 2) modélisées et
observées, ainsi qu’entre les débits de sortie (Qs) modélisés et observés.
110
h1 x=h1
h2
100 x=h
2
Qs
90 x=Q
s
événement
80 utilisé pour
le calage
70
ERM (%)
60
50
40
30
20
10
0
20060627 20060706 20060812 20060817 20060829* 20060915
événement
Figure 14-10 Comparaison des hauteurs d’eau et des débits de sortie simulés et mesurés pour
les six événements pluvieux choisis (∆V événement : écart relatif entre les volumes cumulés d’entrée
(V e ) et de sortie (V s ) ; ∆Qs obs/loi : écart relatif entre le débit de sortie observé et le débit de sortie
correspondant à la loi hauteur-débit empirique ; ERM : écart relatif moyen ; * : événement utilisé
pour le calage)
Nous constatons que les écart relatifs moyens (ERM) sont inférieurs à 15 % pour
les hauteurs d’eau h1 , à 30 % pour les hauteurs d’eau h 2 et à 35 % pour les débits de sortie
Q s. Ces différences, considérées comme acceptables compte tenu des incertitudes de
mesure expérimentales, ont été obtenues pour les événements pluvieux dont les écarts
entre les volumes cumulés en entrée et en sortie ne dépassent pas 15 %.
Par ailleurs, sur cette figure on observe une relation entre les écarts relatifs
(ERM) d’une part, et ∆ V et ∆ Qs obs/loi d’autre part. Par exemple, parmi les six événements
présentés Figure 14-10, l’événement 20060812 présente les écarts ∆ V et ∆ Qs obs/loi les plus
importants (∆ V = 24 % et ∆ Qs obs/loi = 18 %), suivi de l’événement 20060915 (∆ V = 21 %
et ∆Qsobs/loi = 9 %). C’est aussi pour ces deux événements que nous observons les écarts
relatifs moyens ERM les plus importants : 27 %, 44 % et 112 % pour h1 , h 2 et Qs
respectivement pour l’événement 20060812 et 19 %, 27 % et 47 % pour h 1, h2 et Qs
respectivement pour l’événement 20060915. Un comportement inverse est observé pour
les événements avec des écarts ∆V et ∆ Qs obs/loi moins importants. Ceci montrerait que
l’ajustement des résultats de modélisation par rapport aux données expérimentales
observées dépendrait en partie de la qualité de ces dernières, et pas uniquement du modèle
en soi.
14.5 Résultats
Avec ce premier niveau de calage, et malgré les écarts qui subsistent, nous pensons que le
modèle peut être utilisé pour étudier le comportement du bassin soumis à des événements
pluvieux isolés ou à des séries d’événements pluvieux. Les résultats obtenus sont les
évolutions des hauteurs d’eau et des vitesses d’écoulement dans tout le domaine d’étude.
A titre d’exemple, les résultats obtenus pour les instants 2 h 40 min (débit élevé en
entrée), 3 h 27 min (débit élevé en sortie) et 7 h 46 min (débit faible en entrée et en sortie)
du 17 août 2006 (événement 20060817) sont montrés Figure 14-11, Figure 14-12 et
Figure 14-13, respectivement. En comparant ces figures, on observe une évolution des
champs de vitesses et de hauteurs d’eau au cours de l’événement pluvieux simulé. Il
existe une certaine permanence dans l’espace des zones de recirculation (vitesses
d’écoulement entre 0 et 0.04 m/s, vecteurs vitesse non parallèles) pour tous les instants
représentés. On observe, sauf à quelques exceptions près, que les vitesses d’écoulement
sont dans l’ensemble inférieures à 0.36 m/s. Des vitesses d’écoulement plus élevées sont
observées principalement en entrée d’ouvrage (quand un fort débit est imposé) et au
voisinage du muret et des parois (où les hauteurs d’eau sont faibles, inférieures à 20 cm).
18/08/06 19/08/06 18/08/06 19/08/06

0.35
2
0.3
0.25
1.5
Qe (m3/s)
Qs (m3/s)
0.2
1 0.15
0.1
0.5
0.05
0 0
0h 6h 12h 18h 0h 6h 12h 18h 0h 0h 6h 12h 18h 0h 6h 12h 18h 0h
heure heure
Figure 14-11 Champs des hauteurs d’eau et des vitesses d’écoulement modélisés à 2 h 40 min
du 17/08/2006 (événement 20060817)
18/08/06 19/08/06 18/08/06 19/08/06

0.35
2
0.3
0.25
1.5
Qe (m3/s)
Qs (m3/s)
0.2
1 0.15
0.1
0.5
0.05
0 0
heure heure
du 17/08/2006 (événement 20060817)
18/08/06 19/08/06 18/08/06 19/08/06

0.35
2
0.3
0.25
1.5
Qe (m3/s)
Qs (m3/s)
0.2
1 0.15
0.1
0.5
0.05
0 0
heure heure
du 17/08/2006 (événement 20060817)
Pour caler le modèle, nous avons utilisé les grandeurs h 1 , h 2 et Qs. Ce faisant,
nous admettons que, si le calage est satisfaisant pour ces grandeurs, il le sera aussi pour
les champs des hauteurs d’eau et de vitesses dans tout le domaine d’étude. En l’état
actuel, cette hypothèse est indispensable, car nous ne disposons pas d’instruments de
mesure donnant accès à ces informations. Or la décantation au sein de l’ouvrage sera
fortement conditionnée par les hauteurs et les champs de vitesse sur l’ensemble de
l’ouvrage.
Une analyse succincte des champs de vitesses peut donner une idée des zones
préférentielles de décantation, avant même de modéliser la décantation en soi. En effet,
une partie des matières en suspension (MES) contenues dans l’eau lors de son entrée dans
le bassin peut décanter avant que l’eau ne passe dans le bassin d’infiltration. Cependant,
cette décantation ne se produit pas de façon uniforme sur toute la surface du bassin : sa
répartition dépendra essentiellement de l’hydrodynamique de chaque événement pluvieux
et en particulier des zones de recirculation de l’eau. Cette recirculation dépend en grande
partie de la sollicitation du bassin propre à chaque événement pluvieux et des
particularités géométriques du bassin (forme, obstructions, topographie, orifices, zones
d’accumulation des sédiments, etc.). Des zones préférentielles de décantation vont donc
apparaître au fond du bassin.
En prenant en compte les résultats des simulations hydrauliques précédentes, une
tentative d’identification des caractéristiques des champs de vitesse pouvant donner lieu à
des zones préférentielles de dépôt a été effectuée. Trois conditions indissociables sur les
champs de vitesse semblent être fortement liées à la présence des zones préférentielles de
dépôt : (i) condition sur la direction des vecteurs vitesse : celle-ci doit être différente
d’une cellule à une autre ; (ii) condition sur la norme des vecteurs vitesse : celle-ci doit
être faible, de façon à ne pas créer un réentraînement des particules déposées ; (iii)
condition de pérennité : le phénomène a lieu pendant plusieurs pas de temps consécutifs
pour que les particules aient le temps de se déposer. En étudiant divers événements
pluvieux avec des caractéristiques différentes, et en appliquant ces conditions, des
similitudes entre événements pluvieux ont pu être observées de manière à proposer une
généralisation (Figure 14-14). Cette généralisation a été proposée par Guilloux (2007)
dans le cadre d’un travail de Master que nous avons co-encadré. Elle n’est fondée que sur
les résultats des modélisations hydrodynamiques et a été effectuée indépendamment des
observations de terrain. Nous avons décidé de conserver cette généralisation car elle
semblait être très peu influencée par la connaissance préalable de l’état réel (sur le
terrain) des dépôts. La Figure 14-14 ainsi obtenue a été confrontée ensuite aux
observations de terrain et a montré des concordances intéressantes (voir Figure 14-15 à
Figure 14-19).
Figure 14-14 Emplacements des principales zones préférentielles de décantation, selon les
résultats des simulations hydrodynamiques sans transport solide par Rubar20 (Guilloux, 2007)
Figure 14-15 Zones de dépôt de sédiments dans le bassin de retenue-décantation Django

Reinhardt observées en mars 2006


Reinhardt observées en septembre 2006

Reinhardt observées en novembre 2006

Partie 5 : Modélisation de la décantation 15 Modélisation hydrodynamique avec transport solide
15 Modélisation hydrodynamique avec

transport solide
Les valeurs des paramètres retenues après la phase de calage précédente sont conservées
pour simuler, dans une deuxième étape, les processus de décantation au sein de l’ouvrage.
Une variante du programme Rubar 20 appelée Rubar 20 TS a été utilisée.
15.1 Géométrie et maillage

La géométrie et le maillage utilisés pour la modélisation hydrodynamique avec transport
solide sont les mêmes que ceux définies pour la modélisation sans transport solide (voir
paragraphe 14.1), avec une maille carrée de 2 m.
15.2 Conditions aux limites

Les conditions aux limites pour la modélisation hydrodynamique avec transport solide
sont les mêmes que celles définies pour la modélisation sans transport solide (voir
paragraphe 14.2), à l’exception de la condition amont du domaine de calcul : pour la
modélisation sans transport solide, la condition à la limite amont utilisée était un
hydrogramme d’entrée propre à l’événement pluvieux à modéliser ; pour la modélisation
avec transport solide, il est nécessaire d’ajouter les concentrations de sédiments associées.
Pour ceci, Rubar 20 TS permet de définir un ouvrage de type « Q » par un maximum de
125 triplets temps-débit-concentration.
Les données relatives à la concentration de sédiments proviennent des mesurages
en continu de la turbidité, en appliquant la relation MES=g(T) en entrée du bassin
présentée au paragraphe 13.1 (Figure 13-5).
Le programme développé sous MatLab pour choisir les 125 points définissant la
sollicitation provoquée sur l’ouvrage par un événement pluvieux a été modifié de manière
à prendre en compte les concentrations. En effet, un jeu de triplets défini par rapport aux
débits peut ne pas être suffisant ou représentatif vis-à-vis de la dynamique des
concentrations en MES observées pendant l’événement, et vice versa. Le critère de choix
utilisé par le programme modifié est la moyenne des écarts moyens relatifs EMR Q,C, selon
EMRQ + EMRC
EMRQ ,C = (15-1)
2
avec EMR Q l’écart moyen relatif entre les débits observés et interpolés et EMRC
l’écart moyen relatif entre les concentrations observées et interpolées.
A titre d’exemple, les figures suivantes illustrent la procédure appliquée à
l’événement du 23 janvier 2007 (noté 20070123) : la Figure 15-1 montre les résultats
obtenus pour la première itération, la Figure 15-2 montre les résultats pour l’itération
présentant le plus petit écart EMR Q,C et la Figure 15-3 montre l’évolution des EMR pour
5000 itérations successives.
0.3
obs
choix
0.25
0.2
Qe (m3/s)
0.15
0.1
0.05
0
0 2 4 6 8 10 12 14 16 18 20
t (h)
0.35 obs
choix
0.3
0.25
Ce (kg/m3)
0.2
0.15
0.1
0.05
0
0 2 4 6 8 10 12 14 16 18 20
t (h)
Figure 15-1 Débits et concentrations d’entrée observés (obs) et choisis (choix) pour l’itération
no. 1 (EMR Q,C = 4.7 %), événement 20070123
0.3
obs
choix
0.25
0.2
Qe (m3/s)
0.15
0.1
0.05
0
0 2 4 6 8 10 12 14 16 18 20
t (h)
0.35 obs
choix
0.3
0.25
Ce (kg/m3)
0.2
0.15
0.1
0.05
0
0 2 4 6 8 10 12 14 16 18 20
t (h)
Figure 15-2 Débits et concentrations d’entrée observés (obs) et choisis (choix) pour l’itération
no. 3024 (EMR Q,C = 2.2 %), événement 20070123
5.5 14
5
12
4.5
4 10
EMRQ (%)
EMRC (%)
3.5
8
3
2.5 6
2
4
1.5
1 2
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
itération no. itération no.
7
EMRQ,C (%)
2
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
itération no.
Figure 15-3 Suivi des écarts moyens relatifs (EMR) au cours de 5000 itérations. En rouge :
itération no. 3024 avec le plus petit EMR Q,C
Comme pour la modélisation sans transport solide, les orifices o1, o2 et o3 (voir
Figure 14-1) ont été représentés comme des ouvrages de type déversoir rectangulaire,
avec les mêmes caractéristiques que précédemment. La surverse, le muret et la cunette de
temps sec (voir Figure 14-1) n’ont pas été modifiés par rapport à la modélisation sans
transport solide.
L’option « -9 » de calcul utilisée sur Rubar 20 TS correspond à un calcul de
transport de sédiments effectué aux nœuds et non pas au centre des mailles et à des taux
d’érosion et de sédimentation calculés selon les équations (15-2) et (15-3) respectivement
(Cemagref, 2004).
E b = αVs (C − C e ) (15-2)
Db = −αVs (C − Ce ) (15-3)
avec C la concentration des sédiments dans l’eau, C e la concentration d’équilibre calculée
par l’équation (2-20), α un coefficient de calage et V s la vitesse de chute des sédiments,
donnée par l’utilisateur et qui n’est pas corrigée pendant les calculs.
τ
Ce = C (15-4)
τ crs
avec τ la contrainte de cisaillement au fond et τ crs la contrainte critique de cisaillement au
fond calculée selon l’équation (2-12).
τcrs = KDS D50 g (ρp – ρ) (15-5)
avec D50 le diamètre médian des particules, KDS la contrainte critique adimensionnelle
donnée par l’utilisateur, ρ la densité de l’eau et ρ p la densité des particules.
Pour l’application de l’option de calcul « -9 », les paramètres α et KDS ont été
choisis comme paramètres de calage. Des tests préliminaires effectués en introduisant
dans Rubar 20 TS les vitesses de chute et les tailles de sédiments médianes (V 50 et D 50)
obtenues au paragraphe 8.3 ont fourni des résultats de concentrations en sortie d’ouvrage
beaucoup trop élevés (voir Annexe N). Nous avons réduit ces divergences en imposant les
valeurs suivantes : (i) la vitesse de chute des sédiments a été fixée à une valeur V 90m =
17_m/h qui correspond à la valeur médiane des vitesses V 90 mesurées pour tous les pièges
pour les campagnes de mesure C1 à C5 (voir paragraphe 8.3) ; (ii) le diamètre des sédi-
ments a été fixé à une valeur D 90m = 294 µm qui correspond à la valeur médiane des dia-
mètres D 90 mesurés pour tous les pièges pour les campagnes de mesure C4 à C5 (voir pa-
ragraphe 8.3) ; (iii) la densité des particules a été fixée à une valeur ρ p = 2640 kg/m3 .
15.3 Calage
Le transport solide sur Rubar 20 TS est modélisé en ajoutant aux équations de Saint-
Venant une équation de convection-diffusion d’une concentration de sédiments en
suspension (Cemagref, 2004) :
∂ (hC ) ∂  ν ∂hC  ∂  ν ∂hC 
+  hU C − t  +  hV C − t  − (Db − Eb ) = 0
σ s ∂y 
(15-6)
∂t ∂x  σ s ∂x  ∂y 
avec C la concentration des sédiments dans l’eau, h la hauteur d’eau, U la vitesse
moyenne selon l’axe Ox, V la vitesse moyenne selon l’axe Oy, ν t la viscosité turbulente,
σs le nombre de Schmidt et D b et Eb les taux de sédimentation et d’érosion respectivement.
Les valeurs expérimentales de turbidité sont enregistrées au pas de temps de
deux minutes en entrée et en sortie de bassin, pour être ensuite transformées en
concentration en MES à partir des relations MES-Turbidité établies au chapitre 13.
Le calage des paramètres de transport solide présentés plus haut a été réalisé à
partir de l’événement de référence 20060829.
Le critère permettant de déterminer les valeurs des paramètres de calage est la
différence entre l’efficacité de rétention de l’ouvrage mesurée et celle modélisée. Les

paramètres de calages (σs , α et KDS) les plus pertinents sont ceux qui permettent de
minimiser les différences ∆eff entre l’efficacité de rétention mesurée Eff obs et modélisée
Eff sim, selon l’équation (15-7).
∆ eff = Eff obs − Eff sim (15-7)
avec
Eff obs = 100

∫ Ce obs Qeobs dt − ∫ Cs obs Qs obs dt
(15-8)
∫ Ce obs Qeobs dt
Eff sim = 100

∫ Ce sim Qesim dt − ∫ Cs sim Qs sim dt
(15-9)
∫ Ce sim Qesim dt
avec Ceobs et Csobs les concentrations mesurées en entrée et sortie du bassin respective-
ment, Qe obs et Qs obs les débits mesurés en entrée et sortie du bassin respectivement, Ce sim
et Cssim les concentrations simulées en entrée et sortie du bassin respectivement, Qesim et
Qssim les débits simulés en entrée et sortie du bassin respectivement.
Plusieurs combinaisons ont été testées en faisant varier manuellement σs entre
0.4 et 1.0 (nombre de Schmidt inférieur à 1 (Cemagref, 2004) mais généralement pris
entre 0.5 et 1.0 (Lafond, 1995), voir paragraphe 2.4.1), α entre 0.001 et 0.050 (paramètre
de calage pris par défaut égal à 0.01 dans Rubar 20 TS), KDS entre 0.03 et 0.50 (valeurs
proches des contraintes critiques adimensionnelles calculées pour D 90 et D20 - obtenues au
paragraphe 9.2 - respectivement selon l’équation (2-13) de l’U.S. Army Corps of
Engineers, 1995).
Pour σs = 0.45, α_=_0.025 et KDS = 0.220, nous avons obtenu ∆ eff = 1 % pour
l’événement de référence 20060829. La comparaison de l’évolution des concentrations en
MES (kg/m3 ) observées et simulées avec ces valeurs en sortie du bassin est représentée
Figure 15-4. Sur cette figure on observe que les concentrations observées et simulées sont
du même ordre de grandeur (jusqu’à 0.024 kg/m3 pour les concentrations observées et
0.015 kg/m3 pour les simulées) et que leur dynamique générale est semblable.
0.025
obs
sim
0.02
0.015
Cs (kg/m3)
0.01
0.005
0
0 5 10 15
temps (h)
Figure 15-4 Comparaison des concentrations en MES (kg/m3 ) en sortie du bassin pour
l’événement de référence 20060829 (∆ eff = 1 %)
15.4 Test
Les paramètres de calage obtenus avec l’événement de référence 20060829 ont été appli-
qués aux événements 20060627, 20060706, 20060915 et 20070123. Ces événements ont
été sélectionnés sur la base de la disponibilité de données complètes et fiables pour les
débits et les concentrations. Le Tableau 15-1 montre les résultats obtenus. Les comparai-
sons des évolutions des concentrations en MES (kg/m3 ) observées et simulées pour les
événements 20060627, 20060706, 20060915 et 20070123 sont montrées Figure 15-5 à Fi-
gure 15-8.
Tableau 15-1 Résultats des tests du modèle hydrodynamique avec transport solide calé avec
l’événement 20060829 (marqué avec trame de fond jaune)
Evénement Eff obs Eff sim ∆ eff
20060627 94 % 90 % 4%
20060706 94 % 84 % 10 %
20060829 94 % 93 % 1%
20060915 93 % 85 % 8%
20070123 79 % 96 % -17 %
0.9
obs
0.8 sim
0.7
0.6
Cs (kg/m3)
0.5
0.4
0.3
0.2
0.1
0
0 5 10 15 20 25
temps (h)
l’événement 20060627 (∆eff = 4 %)
0.5
obs
0.45 sim
0.4
0.35
0.3
Cs (kg/m3)
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10
temps (h)
l’événement 20060706 (∆eff = 10 %)
0.09
obs
0.08 sim
0.07
0.06
Cs (kg/m3)
0.05
0.04
0.03
0.02
0.01
0
0 2 4 6 8 10 12 14 16 18
temps (h)
l’événement 20060915 (∆eff = 8 %)
0.08
obs
0.07 sim
0.06
0.05
Cs (kg/m3)
0.04
0.03
0.02
0.01
0
0 2 4 6 8 10 12 14 16 18 20
temps (h)
l’événement 20060915 (∆eff = -17 %)
Ces premiers résultats sont encourageants et montrent une bonne capacité du
modèle à prédire les efficacités de décantation du bassin, critère pris en compte pour le
calage du modèle. Par contre, les résultats des évolutions des concentrations en MES
fournis par le modèle ne sont pas ajustés de manière satisfaisante aux observations pour
tous les pas de temps. Ceci est tout d’abord attribué à la qualité du calage qui reste
perfectible. Cependant, comme il a été montré dans la partie 4 de ce document, les
concentrations en MES dites observées, et prises comme valeurs de référence pour les
phases de calage et de test, ne sont pas mesurées directement mais elles proviennent de
relations avec la turbidité. Par conséquent les données de référence connaissent des
incertitudes de 20 à 30 % en valeur instantanée, voire plus en sortie d’ouvrage (voir
Figure 13-5 et Figure 13-6), et une partie des écarts observés pourrait provenir de ces
incertitudes.
15.5 Utilisation du modèle

Une fois calé et validé, le modèle pourra être utilisé pour étudier d’une part l’efficacité de
rétention du bassin, et d’autre part l’évolution de zones préférentielles de dépôt. A titre
d’exemple, les accumulations totales de sédiments (dépôt – érosion) modélisées sur toute
la surface du bassin de 0 h à 2 h , de 0 h à 4 h, de 0 h à 11 h et de 0 h à 20 h le 23 janvier
2007 (événement 20070123) sont présentées Figure 15-9, Figure 15-10, Figure 15-11 et
Figure 15-12, respectivement.
Attention, pour des raisons de lisibilité, l’échelle de couleurs des hauteurs de sé-
diments déposés en fond d’ouvrage varie très largement d’une figure à l’autre. Les figures
successives ne doivent donc pas être comparées directement les unes aux autres.
23/01/2007 23/01/2007
0.6 0.35
0.5 0.3
0.25
0.4
Ce (kg/m3)
Qe (m3/s)
0.2
0.3
0.15
0.2
0.1
0.1
0.05
0 0
0h 2h 4h 6h 8h 10h 12h 14h 16h 18h 20h 0h 2h 4h 6h 8h 10h 12h 14h 16h 18h 20h
heure heure
Figure 15-9 Evolution cumulée du fond (mm) modélisée à 2 h du 23/01/2007 (événement

20070123)
23/01/2007 23/01/2007
0.6 0.35
0.5 0.3
0.25
0.4
Ce (kg/m3)
Qe (m3/s)
0.2
0.3
0.15
0.2
0.1
0.1
0.05
0 0
heure heure

20070123)
23/01/2007 23/01/2007
0.6 0.35
0.5 0.3
0.25
0.4
Ce (kg/m3)
Qe (m3/s)
0.2
0.3
0.15
0.2
0.1
0.1
0.05
0 0
heure heure

20070123)
23/01/2007 23/01/2007
0.6 0.35
0.5 0.3
0.25
0.4
Ce (kg/m3)
Qe (m3/s)
0.2
0.3
0.15
0.2
0.1
0.1
0.05
0 0
heure heure

20070123)
Les observations effectuées sur le terrain montrent des similarités avec les
résultats obtenus (voir Figure 15-13 et Figure 15-14). Cette comparaison reste toutefois
indicative puisque les dépôts observés sur le terrain correspondent à une accumulation sur
plusieurs événements pluvieux, tandis que les résultats de simulation montrés
correspondent à un seul événement pluvieux.
Néanmoins, les localisations sont cohérentes et corroborent les zones
préférentielles identifiées Figure 14-14.


Partie 5 : Modélisation de la décantation 16 Compléments 3D et cokrigeage
16 Compléments 3D et cokrigeage
16.1 Modélisation 3D
Quelques essais de modélisation 3D ont été effectués. Deux logiciels commerciaux, CFX
et FLUENT, ont été utilisés. L’objectif initial était d’utiliser le programme de décantation
SIMBADD (Milisic, 2004), lequel a été développé pour être couplé au logiciel CFX 4.3.
Ce logiciel s’est avéré mal adapté à l’ouvrage réel à modéliser car, entre autres, la version
4.3 présente des problèmes de tolérance pour la définition de la géométrie et un manque
de souplesse pour raffiner le maillage à certains niveaux. Ces problèmes sont moins
critiques dans le cas du logiciel FLUENT et par conséquent il a été décidé de l’utiliser
pour effectuer des tests exploratoires.
Une représentation géométrique simplifiée du bassin a été établie à partir d’un
relevé topographique détaillé. La Figure 16-1 montre une vue de dessus des volumes
principaux construits avec FLUENT.
Figure 16-1 Représentation géométrique du bassin de retenue-décantation Django Reinhardt

introduite sur FLUENT (vue de dessus)
Pour ces tests exploratoires, la cunette de temps sec représentée Figure 14-1 n’a
pas été prise en compte (cela aurait conduit à une augmentation très importante du nombre
de mailles, et donc des temps de calcul déjà très longs en 3D). Le muret a été représenté
comme une paroi sans épaisseur avec des ouvertures représentant les orifices o1, o2 et o3
(Figure 16-2), ainsi qu’une ouverture rectangulaire représentant la surverse (Figure 16-3).
D’une manière similaire à la représentation géométrique pour la modélisation 2D, les
orifices ont une forme carrée avec 16.8 cm de côté, de manière à reproduire la surface
maximum d’écoulement réel, et ils ont été placés en respectant les cotes de mise en
fonctionnement établies à partir des relevés topographiques, soit 196.028 m pour o1,
195.430 m pour o2 et 196.098 m pour o3. Les dimensions de la surverse correspondent
aux dimensions réelles relevées sur site, soit 8.15 m x 0.50 m.
Figure 16-2 Représentation géométrique du muret et des orifices du bassin de retenue-

décantation Django Reinhardt introduite sur FLUENT
Figure 16-3 Représentation géométrique de la surverse du bassin de retenue-décantation

Django Reinhardt introduite sur FLUENT
Un maillage le plus régulier possible a été établi avec des pas d’espace ∆x = ∆y
=2.0 m et ∆z = 0.1 m. Un maillage plus fin au niveau des orifices, de l’entrée et de la
sortie a été mis en oeuvre. Le nombre total de mailles est d’environ 120000. La Figure
16-4 montre une vue de dessus du maillage final.
Figure 16-4 Maillage du bassin de retenue-décantation Django Reinhardt introduit sur FLUENT
(vue de dessus)
L’événement du 23 janvier 2007 (noté 20070123) a été choisi arbitrairement

pour réaliser des tests (voir hydrogramme d’entrée Figure 15-12). En raison du temps de
calcul élevé (entre 2 et 3 mois sur un ordinateur personnel en fonction de la durée de
l’événement pluvieux à simuler) des simulations en introduisant l’hydrogramme complet
d’entrée – ce qui impliquerait la réalisation des calculs en régime non stationnaire – il a
été décidé d’effectuer nos tests en choisissant sept instants particuliers de l’événement, de
manière à travailler en régime stationnaire. Ces instants (te1 à te7) ont été choisis en
fonction de la dynamique de l’hydrogramme Qe(t) mesuré en entrée du bassin. Les
instants correspondants en sortie du bassin (t s1 à ts7 ) ont été sélectionnés visuellement sur
l’hydrogramme de sortie mesuré Q s(t) en fonction des réponses aux sollicitations d’entrée,
de manière à considérer la différence temporelle entre les entrées et les sorties du bassin.
Les instants te1 à te7 sont associés au débit d’entrée Q e , à la concentration en MES mesurée
en entrée C e et à la hauteur d’eau h1. Les instants ts1 à ts7 sont associés au débit de sortie
Q s, à la concentration en MES mesurée en sortie C s et à la hauteur d’eau h2. Une
représentation des valeurs de débit, concentration et hauteur d’eau en entrée et sortie de
l’ouvrage est montrée Figure 16-5 à Figure 16-7.
t (h)
0 2 4 6 8 10 12 14 16 18 20
0.8
Qe (m3/s) 0.6
e2 e
4
0.4 e
6
0.2
e1 e3
e5 e
0 7
0.6
0.4
s4
Qs (m3/s)
s2
0.2 s3 s
s1 s5 6 s7
0
-0.2
0 2 4 6 8 10 12 14 16 18 20
t (h)
Figure 16-5 Hydrogrammes d’entrée et sortie du bassin de retenue-décantation Django

Reinhardt et instants choisis pour la modélisation sur FLUENT (événement 20070123)
t (h)
0 2 4 6 8 10 12 14 16 18 20
0.8
0.6
e
h1 (m)
4
0.4 e e e3
1 2 e e7
e 6
5
0.2
s4
s
2
h2 (m)
0.5 s3
s
s1 s5 6 s7
0
0 2 4 6 8 10 12 14 16 18 20
t (h)
Figure 16-6 Hauteurs d’eau h1 et h2 dans le bassin de retenue-décantation Django Reinhardt et

instants choisis pour la modélisation sur FLUENT (événement 20070123)
t (h)
0 2 4 6 8 10 12 14 16 18 20
0.4
0.3
Ce (mg/L) e4
e
6
0.2
0.1 e e e e
e1 2 3 5 7
0.04
0.03
Cs (mg/L)
s6 s7
s
0.02 s4 5
s
s2 3
0.01 s1
0
0 2 4 6 8 10 12 14 16 18 20
t (h)
Figure 16-7 Concentrations en MES en entrée et sortie du bassin de retenue-décantation

Django Reinhardt et instants choisis pour la modélisation sur FLUENT (événement 20070123)
Une série de tests a été réalisée pour le premier instant choisi (te1 et ts1). La loi de
vidange n’a pas été introduite directement dans le modèle, par contre un seuil avec une
hauteur permettant de garantir une hauteur d’eau h2(ts1) = 0.35 m a été imposé en sortie
de bassin. Selon le calage du modèle en 2D, la rugosité de Strickler au fond du bassin a
été fixée à une valeur K = 30 m1/3/s.
Un débit constant Qe(t e1) = 0.102 m3/s a été imposé en entrée du modèle. Les
options de modélisation sélectionnées sont les suivantes : (i) modèle de turbulence k-ε ;
(ii) modèle VOF (Volume of Fluid) pour la surface libre ; (iii) schéma de discrétisation du
second ordre. Ces options de calcul permettent d’obtenir la hauteur d’eau h1(te1) = 0.37 m
à la hauteur de la maille près (0.10 m). Les résultats peuvent être obtenus en termes de
champs de vitesses (Figure 16-8) et de lignes de courant (Figure 16-9) sur toute la surface
de l’ouvrage.
Figure 16-8 Champ de vitesses (m/s) modélisé sur FLUENT pour un débit d’entrée de 0.102
m3 /s
Figure 16-9 Lignes de courant modélisées sur FLUENT pour un débit d’entrée de 0.102 m3 /s
Des tests de transport solide en utilisant le modèle lagrangien « Particle

Tracking » en mode non couplé ont été effectués avec 1000 simulations. A chaque
simulation, 6000 particules de densité 2640 kg/m3 et de diamètre D 50m = 79 µm ont été
injectées à l’entrée du bassin. D 50m correspond à la valeur médiane des diamètres D 50
mesurés pour tous les pièges pour les campagnes de mesure C4 et C5 (voir Chapitre 9). Le
modèle « Particle Tracking » permet de suivre les trajectoires préférentielles des
particules et leurs positions finales au fond du bassin après décantation. La Figure 16-10
montre la position finale des particules au fond du bassin, pour une simulation en régime
stationnaire.
Figure 16-10 Positions finales des particules de densité 2640 kg/m3 et diamètre 79 µm au fond
du bassin modélisées sur FLUENT pour un débit d’entrée de 0.102 m3 /s
Les résultats présentés sur la Figure 16-10 sont assez différents des résultats
obtenus avec Rubar 20 TS (Figure 15-9 à Figure 15-12). De plus, les positions finales des
particules ne correspondent pas d’une manière satisfaisante aux zones préférentielles de
dépôt identifiées Figure 14-14. Ceci pourrait s’expliquer par le choix de travailler en
régime stationnaire. En effet, les résultats des simulations montrés ici correspondent au
premier instant t e1 (et ts1), et par conséquent les débits d’entrée et de sortie choisis sont
faibles (voir Figure 16-5). Ceci expliquerait l’importante accumulation des particules près
de l’entrée du bassin (Figure 16-10).
16.2 Lien avec les résultats expérimentaux (Cokrigeage)

Nous avons essayé, au paragraphe 8.3.3, d’appliquer une méthode géostatistique de
krigeage ordinaire pour tenter d’estimer les vitesses de chute des sédiments décantés au
fond du bassin. Les résultats obtenus n’étaient pas probants.
Dans ce paragraphe, nous proposons de reprendre cette estimation, mais en utili-
sant un co-krigeage avec, comme co-variable, une grandeur globale calculée à partir des
simulations hydrodynamiques. En effet, nous pouvons faire l’hypothèse que la distribu-
tion des vitesses médianes de décantation V 50 sur la surface du bassin dépend du compor-
tement hydrodynamique dans le bassin pendant chaque événement pluvieux. Pour tester
cette hypothèse, le modèle hydrodynamique établi avec Rubar 20 a été appliqué à
l’événement pluvieux du 9 avril 2006 relatif à la campagne de mesure C3 (noté C3). Les
résultats du modèle hydrodynamique sans transport solide sont fournis en termes de hau-
teur d’eau, débit, nombre de Froude et vitesse d’écoulement pour chaque maille (modèle
avec 5103 mailles de 2 m x 2 m) et pour chaque pas de temps (2 minutes). A titre
d’exemple, la Figure 16-11 représente pour chaque maille les hauteurs d’eau moyennes
simulées pendant toute la durée de l’événement C3.
Figure 16-11 Hauteurs d’eau moyennes (m) simulées avec Rubar 20 pour l’événement C3
De manière à comparer les vitesses de chute mesurées avec le comportement

hydrodynamique, la corrélation entre la valeur moyenne de chaque variable (hauteur
d’eau, débit, nombre de Froude et vitesse d’écoulement) pendant chaque événement
pluvieux et la vitesse de chute médiane V 50 a été calculée pour les mailles correspondant à
l’emplacement des pièges à sédiments (Tableau 16-1). Le temps t pendant lequel chaque
piège est immergé a été aussi inclus dans l’analyse.
Tableau 16-1 Matrices de corrélation des résultats hydrodynamiques avec les vitesses médianes
de décantation V 50 pour l’événement C3. (t: temps total pendant lequel le piège est immergé (s),
h: moyennes des hauteurs d’eau (m); V: moyenne des vitesses d’écoulement (m/s); q: moyenne
des débits unitaires (m2 /s); Fr: moyenne des nombres de Froude)
V 50
0.48 t
0.80 0.70 h
-0.42 -0.33 -0.55 V
0.03 0.08 -0.07 0.80 q
-0.48 -0.50 -0.54 0.69 0.28 Fr
Le Tableau 16-1 indique que la variable la mieux corrélée avec V 50 est la hauteur
d’eau moyenne h : r(V 50, h) = 0.80. Nous testons alors l’hypothèse d’une relation spatiale
entre ces deux grandeurs. La hauteur d’eau moyenne sur chaque maille fournie par le
modèle hydrodynamique a été utilisée pour estimer les valeurs V 50 sur la surface du bassin
par cokrigeage avec le logiciel GSTAT (Pebesma, 2005) de R (R development core team,
2006) – variogramme exponentiel croisé avec pépite = 0.01, seuil = 6.00 et portée =
8243.30. Les résultats sont montrés Figure 16-12.
Figure 16-12 Interpolation des valeurs V 50 (m/h) par cokrigeage (covariable: hauteur d’eau
moyenne h (m)) en utilisant GSTAT
Comme dans le cas du krigeage ordinaire, une validation croisée a été appliquée.
Les différences entre les valeurs V 50 observées et prédites sont montrées Figure
8-30. L’écart moyen (RMSE) est maintenant de 2.7 m/h au lieu de 4.1 m/h avec le
krigeage ordinaire (voir Figure 8-30). Ceci correspond à une amélioration de 34 % par
rapport au krigeage ordinaire. On peut donc considérer que la qualité prédictive est
améliorée en utilisant le cokrigeage avec la hauteur d’eau moyenne comme covariable.
r=0.85, r2=0.72, RMSE=2.7 m/h

observation 16
20 prédiction
14
12
V 50 prédite (m/h)
10
15
8
6
V 50 (m/h)
10 4 6 8 10 12 14 16
0
1 2 3 4 5 6 7 8 9 10 11 12
piège no.
Figure 16-13 Comparaison entre les valeurs V50 observées et prédites par cokrigeage après une
validation croisée pour l’événement C3
Conclusion
Cette partie du document a montré les résultats de modélisation sans transport
solide (chapitre 14) et avec transport solide (chapitre 15). Ce dernier constitue
une première tentative de modélisation de la décantation du bassin de retenue-
décantation Django Reinhardt.
Ces modèles ont été établis sur la base d’observations expérimentales
des caractéristiques des sédiments (vitesses de chute, diamètres) et des
événements pluvieux réels (voir parties 3 et 4 de ce document). Le dispositif
expérimental a permis l’utilisation de données complètes et fiables concernant
les variables hydrodynamiques utilisées pour le calage et la validation des
modèles (débits, hauteurs d’eau, etc.). Cependant, quelques difficultés
expérimentales ont été à l’origine d’une série d’hypothèses de travail qui restent
à confirmer. En effet, le modèle hydrodynamique sans transport solide a été
calé en utilisant des données de débit de sortie et de hauteur d’eau sur deux
points du bassin. Mais l’objectif de ce travail (modélisation de la décantation)
impliquait la connaissance des hauteurs d’eau et des vitesses d’écoulement dans
tout le domaine d’étude. Face à l’impossibilité de travailler avec un dispositif
plus fin spatialement, nous avons travaillé sous l’hypothèse que le calage sur
l’évolution des débits de sortie et des hauteurs d’eau sur deux points du bassin
était équivalent au calage sur les champs hydrodynamiques sur tout le domaine
d’étude. De manière similaire, pour le modèle avec transport solide, le calage a
été établi sur la base de données de concentration en MES en sortie du bassin,
et non pas sur des mesurages de la décantation sur tout le domaine d’étude.
Les résultats du modèle de décantation établi montrent une bonne
capacité à prédire les efficacités de rétention du bassin, critère pris en compte
pour son calage. Par contre, les résultats des évolutions des concentrations en
MES fournis par le modèle ne sont pas ajustés de manière satisfaisante aux
observations pour la plupart des pas de temps. Ceci pourrait être attribué à
plusieurs raisons : (i) par l’utilisation d’une seule vitesse de chute et d’un seul
diamètre pour tous les sédiments et tous les événements pluvieux simulés, le
modèle de décantation établi néglige l’importante diversité de ces
caractéristiques mise en évidence expérimentalement (voir partie 3 de ce
document) ; (ii) le modèle néglige également les caractéristiques des dépôts
existants dans le bassin avant chaque événement pluvieux ; (iii) le modèle
hydrodynamique utilise comme condition à la limite aval une loi hauteur-débit
établie empiriquement et représentant un comportement global de l’ouvrage, et
par conséquent il néglige des comportements particuliers de certains
événements pluvieux qui ont été mis en évidence (voir partie 4) ; (iv) le modèle
de décantation utilise des concentrations en MES provenant de relations
uniques (la même relation pour tous les événements pluvieux) avec la turbidité
établies dans la partie 4 de ce document, et par conséquent il néglige la
diversité des natures des eaux de ruissellement qui peuvent solliciter l’ouvrage
pendant des événements pluvieux particuliers. Les raisons exposées ci-dessus
nous amènent à penser qu’une partie des divergences observées pourrait
provenir non seulement des limites en modélisation mais aussi des limites
expérimentales.
Conclusion Générale et Perspectives
Conclusions Générales et Perspectives
Conclusions principales
Notre travail de thèse s’est intéressé à la problématique de la décantation des MES des
eaux pluviales dans des ouvrages réels de grande taille. Plusieurs questions relatives à la
métrologie in situ et à la modélisation hydrodynamique ont été abordées et traitées de
manière complémentaire sur le site expérimental du bassin de retenue-décantation Django
Reinhardt à Chassieu (volume : 32000 m3 , surface : 11000 m2 ). Les principaux résultats
obtenus sont rappelés ci-dessous ; les publications répertoriées en annexe O (p. 368) sont
indiquées entre crochets le cas échéant.
Métrologie
Trois aspects principaux ont été abordés : l’applicabilité du protocole VICAS pour la dé-
termination des vitesses de chute de sédiments décantés en fond d’ouvrage, la caractérisa-
tion physico-chimique des sédiments décantés et l’exploitation des données en continu
pour estimer les flux de MES en entrée et sortie d’ouvrage. Les sédiments décantés ont
été échantillonnés au moyen de 12 pièges à sédiments répartis au fond de l’ouvrage. Les
données mesurées en continu sont les hauteurs d’eau et les vitesses d’écoulement en en-
trée et sortie d’ouvrage, les hauteurs d’eau au sein du bassin et la turbidité en entrée et
sortie d’ouvrage.
Applicabilité du protocole VICAS

Ce protocole, mis au point originalement pour les matières en suspension, a été étudié en
vue de son utilisation pour la détermination des vitesses de chute de sédiments décantés
en bassin de retenue:
- les expérimentations avec le protocole VICAS ont montré une très bonne
répétabilité (coefficient de variation < 7 %), des incertitudes de mesure faibles (<
5 %) et des bilans de masse satisfaisants (erreurs < 5 %) ;
- un biais, conduisant à une sous-estimation possible des vitesses de chute réelles des
sédiments décantés, a été détecté pour 65 % des essais réalisés avec un protocole
modifié (VICAS modifié) ; cette sous-estimation pourrait être due à une décantation
et à une ségrégation des particules présentant les vitesses de chute les plus élevées
lors du remplissage de la colonne de décantation ;
- l’analyse du protocole VICAS modifié a mis en évidence plusieurs inconvénients
qui nous ont conduit à conserver néanmoins le protocole VICAS initial : (i)
répétabilité non satisfaisante, (ii) biais non systématique et/ou très variable d’une
expérience à l’autre.
- une méthode permettant la prise en compte complète des incertitudes de mesure a
été mise au point (programme UVICAS).
Publications [(5), (8), (11), (17)].
Caractéristiques physico-chimiques des sédiments

- les courbes de vitesses de chute ont été mesurées pour cinq campagnes de mesure :
(i) les vitesses médianes V 50 sont comprises entre 0.5 m/h et 16.0 m/h ; (ii) on
observe une très grande variabilité des résultats : d’une part en fonction des
événements pluvieux (coefficient de variabilité événementielle CVE de 10 à 98 %),
d’autre part en fonction de la localisation des pièges à sédiments (coefficient de
d’hétérogénéité spatiale CHS de 53 à 76 %).
- les distributions granulométriques ont été déterminées pour deux campagnes de
mesure : (i) les diamètres médians D 50 varient entre 53 µm et 153 µm ; (ii) une forte
variabilité a été mise en évidence en fonction des événements pluvieux (coefficient
de variabilité événementielle CVE de 6 à 61 %).
- sur la base de trois campagnes de mesure, et à l’exception du plomb, les teneurs en
métaux lourds (cadmium, cuivre et zinc), en HAP et en PCB obtenues dépassent les
valeurs d’intervention pour les sols pollués établies dans la norme hollandaise
(NMHSPE, 2000).
- des tests exploratoires pour détecter une éventuelle évolution physico-chimique
post-décantation des sédiments ont été conduits pour trois campagnes de mesure :
des changements des caractéristiques analysées (vitesses de chute, granulométrie,
teneurs en polluants) ont été observés, mais aucune tendance claire montrant un
comportement évolutif généralisable n’a été mise en évidence.
Publications [(6), (10), (11), (17), (18)].
Estimation en continu des flux de MES en entrée et sortie d’ouvrage

- une méthode d’estimation des flux de MES à partir de mesurage de la turbidité a été
mise au point et utilisée en lien avec la modélisation. Cette méthode comporte 5
étapes principales : 1) étalonnage des capteurs, 2) utilisation de la fonction
d’étalonnage, 3) analyses sur échantillons, 4) détection et élimination d’outliers
(méthode spécifique développée et programmée pendant notre travail) et 5)
établissement de fonctions de corrélation reliant turbidité et MES (ou DCO).
Chaque étape comporte une évaluation des incertitudes.
- à titre complémentaire, l’estimation en continu de flux de MES et de DCO par
spectrométrie UV-visible a été abordée. Une méthode nouvelle de régression PLS a
été mise au point (programme OPP) afin de permettre un étalonnage plus
satisfaisant de ce type de capteur. Une autre partie du travail a porté sur la
comparaison des valeurs de DCO obtenues avec différentes techniques (analyses
classiques en laboratoire, microméthodes et spectrométrie UV-visible).
Publications [(1), (2), (3), (4), (7), (9), (12), (14), (15), (16)].
Modélisation hydrodynamique
Le logiciel CFD Rubar 20 a été utilisé pour modéliser le comportement hydrodynamique
2D du bassin de retenue-décantation. Le travail a été réalisé en deux étapes : une
première étape uniquement hydraulique, une deuxième étape avec transport solide.
Modélisation hydraulique
Six événements pluvieux pour lesquels on disposait des données (hauteurs, débits,
turbidité) en continu ont été choisis pour caler manuellement le modèle puis tester son
aptitude à simuler les hauteurs d’eau dans l’ouvrage et le débit de sortie. Une méthode
originale de sélection de 125 valeurs pour représenter les hydrogrammes d’entrée a été
utilisée. Cette étape a permis de déterminer le pas d’espace (maille de 2 m), la rugosité de
Strickler (30 m1/3.s -1) et les coefficients de débit des orifices (0.20 et 0.32) permettant de
reproduire de façon acceptable le comportement hydraulique global de l’ouvrage en
régime transitoire pendant les événements pluvieux.
Publications [(13), (18)].
Modélisation avec transport solide

Les valeurs des paramètres établies à l’étape précédente ont été conservées pour simuler
le processus de décantation au sein de l’ouvrage. Les données expérimentales suivantes
ont été utilisées pour les simulations: (i) diamètre et vitesse de chute ; (ii) données en con-
tinu des concentrations en matières en suspension. Cette étape a permis de déterminer le
nombre de Schmidt (), le coefficient de calage pour les taux d’érosion et de sédimentation
() et la contrainte critique adimensionnelle en fond d’ouvrage () permettant de simuler le
rendement de décantation de l’ouvrage. La comparaison des simulations et des données
expérimentales permet d’établir les constatations suivantes :
- une bonne capacité du modèle à prédire le rendement de décantation du bassin.
- de fortes similitudes entre les zones préférentielles de dépôt simulées et observées
sur le terrain.
- des évolutions des concentrations en MES simulées en sortie d’ouvrage qui ne
correspondent qu’assez faiblement aux observations ; le calage du modèle est donc
plus facile en terme de rendement de décantation qu’en terme de reproduction des
concentrations en sortie. Ceci peut être dû en partie à la qualité du calage (qui reste
perfectible) et en partie aux incertitudes sur les concentrations instantanées en MES
obtenues à partir des mesurages de turbidité.
Perspectives
Ce travail nous a permis de proposer des contributions pour le suivi expérimental et la
modélisation hydrodynamique d’un bassin de retenue-décantation des eaux pluviales.
Néanmoins, plusieurs points mériteraient un approfondissement. Les paragraphes suivants
proposent quelques pistes dans cette voie et indiquent des perspectives plus large sur la
poursuite de la recherche en associant métrologie et modélisation.
Métrologie
- confirmer la présence d’un biais sur les vitesses de chute des sédiments décantés
obtenues avec le protocole VICAS et, le cas échéant, étudier la possibilité d’un
protocole permettant sa mise en évidence et son évaluation.
- améliorer l’échantillonnage des sédiments entrant et sortant du bassin de manière à
avoir une meilleure représentativité des caractéristiques physico-chimiques des
sédiments avant leur dépôt en fond d’ouvrage.
- avoir une connaissance davantage représentative des caractéristiques physico-
chimiques des sédiments décantés, notamment en regard de leur variabilité
importante dans l’espace et en fonction des événements pluvieux.
- étudier de manière plus approfondie l’hétérogénéité spatiale des sédiments décantés
en fond d’ouvrage, la représentativité et l’amélioration de son mesurage et sa
possible prise en considération pour une meilleure gestion du bassin.
- étudier de manière plus approfondie l’éventuelle évolution physico-chimique et
biologique des sédiments décantés, ainsi que sa prise en considération pour la
gestion de l’ouvrage.
- améliorer la représentativité instantanée et événementielle des estimations des
concentrations en MES en continu en entrée et sortie d’ouvrage en développant les
méthodes existantes (par exemple des estimations spécifiques de temps sec et de
temps de pluie peuvent être envisagées) et/ou des méthodes nouvelles impliquant
éventuellement une diversification des technologies de mesure (par exemple des
estimations de concentrations à partir de la spectrométrie UV-visible).
- améliorer le dispositif métrologique existant en considérant par exemple : (i) un
nombre plus important de points de mesure des hauteurs d’eau dans le bassin ; (ii)
la mise en place de capteurs de vitesses d’écoulement dans le bassin ; (iii) la mise
en place de capteurs permettant de mesurer des hauteurs d’eau et des vitesses
d’écoulement à des endroits hydrauliquement critiques, comme par exemple dans
les orifices et la surverse du muret.
- étudier la possibilité de mettre en place un dispositif métrologique permettant
d’étudier l’évolution des masses de sédiments décantés et éventuellement les
concentrations en MES à des endroits particuliers du bassin pendant un événement
pluvieux et/ou une série d’événements.
Modélisation
Le modèle hydrodynamique du bassin proposé représente une contribution pour l’étude du
comportement de l’ouvrage soumis à des événements pluvieux considérés indépendam-
ment ou en série chronologique, en ce qui concerne le rendement de décantation des ma-
tières en suspension et les zones de dépôt préférentielles des sédiments. Cependant, pour
que ce modèle soit opérationnel comme outil d’aide à la gestion de l’ouvrage, les amélio-
rations suivantes sont à envisager :
- intégrer dans le modèle la variabilité et l’hétérogénéité des valeurs hydrauliques
(débits, hauteurs) et des caractéristiques des sédiments (distributions étendues de la
granulométrie et des vitesses de chute, variabilité des masses volumiques, etc.)
associées aux événements pluvieux observés.
- prendre en considération l’évolution post-décantation des sédiments et leur
influence sur les simulations hydrodynamiques en série.
- tester d’autres options de calcul permettant une meilleure représentation des
phénomènes de décantation, érosion et charriage des sédiments, notamment en
calculant les contraintes de cisaillement au fond, en tenant compte de la turbulence
et de l’accumulation des sédiments susceptible de modifier la rugosité et la
géométrie, …
- étudier l’influence des profils verticaux des vitesses d’écoulement, des
concentrations en MES et des contraintes de cisaillement sur l’ajustement des
concentrations simulées aux observations par une modélisation en 3D.
- étudier l’influence d’une représentation géométrique plus fine de l’ouvrage, ainsi
que celle d’un maillage plus fin du domaine sur l’ajustement des résultats de
simulation aux données observées, éventuellement en discriminant temps sec et
temps de pluie.
- considérer des formes des orifices (tuyau d’environ 4 m de long à section
tranversale circulaire de diamètre 19 cm) et des pertes d’énergie plus réalistes
conduisant à une meilleure représentation du comportement hydraulique du bassin.
Références bibliographiques
Institut national des sciences appliquées de Lyon / 2008
241
Abad J.D., Buscaglia G.C., Garcia M.H. (2007). 2D stream

hydrodynamic, sediment transport and bed morphology model for
engineering applications. Hydrological Processes, 2007, DOI :
10.1002/hyp.6697. ISSN 1099-1085
Abdi H. (2003). Partial least squares (PLS) regression. In: Encyclopedia
of social sciences research methods. M. Lweis-Beck, A. Bryman, T.
Futing (eds). Thousand Oaks, CA (USA) : Sage, 792-795.
Adamsson Å., Stovin V., Bergdahl L. (2003). Bed shear stress boundary
condition for storage tank sedimentation. Journal of Environmental
Engineering, 129(7), 651-658.
Aiguier E., Chebbo G., Bertrand-Krajewski J.-L., Hedges P., Tyack J.N.
(1996). Methods for determining the settling velocity profiles of solids in
storm sewage. Water Science and Technology, 33(9), 117-125. ISSN
0273-1223.
Aires N., Chebbo G., Tabuchi J.-P., Battaglia P. (2003). Dépollution des
effluents urbains de temps de pluie en bassins de stockage-décantation.
TSM, 12, 70-86.
Aji S., Tavolaro S., Lantz F., Faraj A. (2003). Apport du bootstrap à la
régression PLS : application à la prédiction de la qualité des gazoles. Oil
& Gas Science and Technology, 58(5), 599-608.
Al-Bitar A. (2003). Décantation des RUTP en bassin de retenue :
réflexion pour la métrologie et la modélisation dans le bassin de retenue
de Chassieu. Rapport DEA Génie Civil. Villeurbanne : URGC, INSA-
Lyon, 8 septembre 2003, 135 p.
Ancey C. (2007). Risques hydrologiques et aménagement du territoire.
Notes de cours Master Risques hydrologiques et aménagements.
version 2.1. Écublens, CH-1015 Lausanne, Suisse : École Polytechnique
Fédérale de Lausanne, Laboratoire hydraulique environnementale
(LHE), 29 août 2007.
Audusse E. (2004). Modélisation hyperbolique et analyse numérique
pour les écoulements en eaux peu profondes. Thèse de doctorat. Paris :
Université Paris VI, Pierre et Marie Curie, 2004, 196 p.
Baillargeon S. (2005). Le krigeage : revue de la théorie et application à
l'interpolation spatiale de données de précipitations : rapport de stage,
maîtrise. Québec : Université de Laval, 2005, 137 p.
Bardin J.-P., Barraud S. (2004). Aide au diagnostic et à la restructuration
du bassin de rétention de Chassieu. Rapport pour le compte de La
Direction de l'Eau du Grand Lyon. Villeurbanne (France) : INSA de Lyon
- URGC Hydrologie Urbaine, juin 2004, 62 p.
Bechet B., Durin B., Legret M. (2004). Mobilisation of solute and colloidal
heavy metals from a retention pond sediment. Novatech 2004 : 5ème
conférence internationale sur les nouvelles technologies en
assainissement pluvial. Lyon, France, 6-10 Juin 2004, 1277-1284. ISBN
2-9509337-5-0.
242
Benoist A., Lijklema L. (1990). Distribution of sedimentation rates of

suspended solids and heavy metals in combined sewer overflows. Water
Science and Technology, 22(10/11), 61-68.
Bertrand-Krajewski J.-L. (2002). Détermination des vitesses de chute
des polluants des rejets urbains par ajustement numérique de la courbe
M(t) pour le protocole Victor. Rapport de recherche - version révisée
finale. Villeurbanne (France) : URGC, INSA de Lyon, avril 2002, 62 p.
Bertrand-Krajewski J.-L. (2004). TSS concentration in sewers estimated
from turbidity measurements by means of linear regression accounting
for uncertainties in both variables. Water Science and Technology,
50(11), 81-88.
Bertrand-Krajewski J.-L. (2007). Programme rw23 : 2nd and 3rd order
polynomial Williamson regression with uncertainties in both variables.
User note. Villeurbanne (France): INSA-Lyon, LGCIE, October 2007, 9 p.
Bertrand-Krajewski J.-L., Barraud S., Bardin J.-P. (2002). Uncertainties,
performance indicators and decision aid applied to stormwater facilities.
Urban Water, 4(2), 163-179.
Bertrand-Krajewski J.-L., Chebbo G. (2003). Méthode de
dimensionnement et ordres de grandeur des ouvrages de traitement des
rejets urbains de temps de pluie. TSM, 12, 21-37. ISSN 0299-7258.
Bertrand-Krajewski J.-L., Laplace D., Joannis C., Chebbo G. (2000).
Mesures en hydrologie urbaine et assainissement. Paris (France) :
Technique et Documentation, juin 2000, 794 p. ISBN 2-7430-0380-4.
Bertrand-Krajewski J.-L., Winkler S., Saracevic E., Torres A., Schaar H.
(2007). Comparison of and uncertainties in raw sewage COD
measurements by laboratory techniques and field UV-visible
spectrometry. Water Science and Technology, 56(11). ISSN 0273-1223.
Bhouri R. (2003). Distribution des polluants contenus dans les eaux
pluviales urbaines par classes de vitesse de chute des particules.
Rapport DEA Sciences et Techniques de l'Environnement. Paris :
CEREVE, 30 juin 2003, 72 p.
Bowen P. (2002). Particle Size Distribution Measurement From
Millimeters to Nanometers and From Rods to Platelets. J. Dispersion
Science and Technology, 23(5) 631-662 (2002). DOI : 10.1081/DIS-
120015368.
Breuil B., Browne O. (2003). Les bassins de stockage-dcantation en
Seine-Saint-Denis. TSM, 12, 93-95.
Caflisch R.E. (1998). Monte Carlo and Quasi-Monte Carlo Methods. Acta
Numerica, 7: 1-49, 1998.
Cemagref. (2004). Logiciel Rubar 20. Notice d'emploi. Lyon (France) :
Cemagref, Département Gestion des Milieux Aquatiques, Unité de
Recherches Hydrologie-Hydraulique, Mai 2004, 64 p.
243
Centre d’expertise en analyse environnementale du Québec. (2003).

Détermination de la granulométrie dans les sols agricoles et les
sédiments : méthode Bouyoucos, MA. 205 – GRA 1.0, Ministère de
l’Environnement du Québec, 2003, 16 p.
Chebbo G. (1992). Solides des rejets pluviaux urbains - Caractérisation
et traitabilité. Thèse de doctorat. Paris (France) : Ecole Nationale des
Ponts et Chaussées, 410 p.
Chebbo G., Musquerre P., Bachoc A. (1990). Solids transferred into
sewers. Proceedings of the 5th International Conference on Urban Storm
Drainage, July 1990, Osaka, Japan, pp. 885-890.
Chebbo G., Bachoc A., Laplace D., Le Guennec B. (1995). The transfer
of solids in combined sewer networks. Water Science and Technology,
31(7), 95-105. ISSN 0273-1223.
Chebbo G., Bertrand-Krajewski J.-L., Gromaire M.-C., Aires N. (2003a).
Répartition des polluants des eaux urbaines par classes de vitesses de
chute. Partie A : description des protocoles de mesure. TSM, 12, 50-58.
ISSN 0299-7258.
Chebbo G., Gromaire M.-C., Lucas E. (2003b). Protocole VICAS :
mesure de la vitesse de chute des MES dans les effluents urbains. TSM,
12, 39-49. ISSN 0299-7258.
Cheng N.S. (1997). A simplified settling velocity formula for sediment
particle. Journal of Hydraulic Engineering, ASCE, 123(2), 149-152.
Chocat B. (1997). Encyclopédie hydrologie urbaine et assainissement.
Paris (France): Technique et Documentation, 1136 p. ISBN 2-7430-
0126-7.
Chocat B., Bertrand-Krajewski J.-L., Barraud S. (2007). Eaux pluviales
urbaines et rejets urbains par temps de pluie. Paris (France): Les
Techniques de l'Ingénieur, article W 6 800, août 2007, 17 p. + annexes.
Chow V.T. (1959). Open-Channel Hydraulics. New York : McGraw–Hill.
Colandini V. (1997). Effets des structures réservoirs à revêtement
poreux sur les eaux pluviales: qualité des eaux et devenir des métaux
lourds. Thèse de doctorat. Pau : Université de Pau et des Pays de
l'Adour, Ecole Doctorale des Sciences Exactes et de leurs Applications,
spécialité: chimie et microbiologie de l'eau, janvier 1997, 255 p.
Dantas Filho H.A., de Souza E.S., Visani V., de Barros S.R., Saldanha
T.C., Araújo M.C., Galvao R.K. (2005). Simultaneous Spectrometric
Determination of Cu2+, Mn2+ and Zn2+ in Polivitaminic/Polimineral Drug
Using SPA and GA Algorithms for Variable Selection. J. Braz. Chem.
Soc., 16(1), 58-61.
Davidson L. (1997). An Introduction to Turbulence Models. Rept. 97/2.
Göteborg : Sweden Dept. of Thermo and Fluid Dynamics, Chalmers
University of Technology, 1997.
244
De Bénédittis J., Bertrand-Krajewski J.-L. (2005). Mesurage de la

concentration en polluants dans les eaux usées par spectrométrie UV-
visible. Actes de la conférence "Autosurveillance, diagnostic permanent
et modélisation des flux polluants en réseaux d'assainissement urbains",
SHF-GRAIE-ASTEE, Marne-la-Vallée, France, 28-29 juin 2005, 201-210.
ISBN 2-906831-62-X.
Duan J.G., Nanda S.K. (2006). Two-dimensional depth-averaged model
simulation of suspended sediment concentration distribution in a groyne
field. Journal of Hydrology, 327 (3), p.426-437, Aug 2006
Dufresne M., Vazquez J., Terfous A., Ghenaim A., Poulet J.-B. (2007).
La modélisation 3D comme outil de dimensionnement des bassins
d’orage : du pilote expérimental à l’ouvrage réel. Actes de la conférence
SHF "Transports solides et gestion des sédiments en milieux naturels et
urbains", Lyon, France, 28-29 novembre 2007, 5-16. ISBN 2-906831-71-
9.
Dutka B.J., Marsalek J., Jurkovic A., McInnis R., Kwan K.K. (1994). A
seasonal ecotoxicological study of stormwater ponds. Z. Angew. Zool.
80: 361-381.
EPA. (1986). Methodology for Analysis of Detention Basins for Control of
Urban Runoff Quality. United States Environmental Protection Agency,
Office of Water Nonpoint Source Branch, Washington DC 20460,
EPA440/5-87-001, Sept 1986, 51 p. + annexes.
EPA. (1999). Development of Bench-Scale Settling Apparatus: Settling
Velocity Data for Design and Operation of Wet-Weather Flow Solids-
Liquid Separation Processes. United States Environmental Protection
Agency, Office of Research and Development, Washington DC 20460,
EPA/600/X-99/031, Sept 1999, 42 p. + annexes.
Ferrara R.A., Hildick-Smith A. (1982). A modelling approach for storm
water quantity and quality control via detention basins. Water Resources
Bulletin, 18(6), 975-981.
Filzmoser P., Garrett R.G., Reimann C. (2005). Multivariate outlier
detection in exploration geochemistry. Computers & Geosciences, 31
(2005) 579–587.
Flores-Rodriguez J., Bussy A.L., Thévenot D.R. (1993). Toxic metals in
urban runoff : physico-chemical mobility assessment using speciation
schemes. Proceedings of the 6th International Conference on Urban
Storm Drainage, Niagara Falls, September 1993, pp 182-187.
Fluent. (2001). Fluent 6.0 software User’s Guide. Fluent Inc, 2001.
Garde R.J., Ranga Raju K.G., Sujudi A.W.R. (1990). Design of settling
basins. Journal of Hydraulic Research, 28(1), 81-91.
Geffard O. (2001). Toxicité potentielle des sédiments marins et
estuariens contalinés : Evaluation chimique et biologique,
biodisponibilité des contaminants sédimentaires. Spécialité:
245
Ecotoxicologie. Thése de doctorat. Bordeaux : Université Bordeaux I,

Décembre 2001, 351 p.
Govaerts B. (2007). Calcul Statistique sur Ordinateur [en ligne]. Notes
de cours Master spécialisé en statistique. Université Catholique de
Louvain, Institut de Statistique, Louvain-la-Neuve, Belgique. Disponible
sur : http://www.stat.ucl.ac.be/cours/stat2020/notes_de_cours.html
(consulté le 18/10/2007)
Graie (2007). Observatoire de terrain en hydrologie urbaine [en ligne].
Villeurbanne : OTHU, 2007. Disponible sur : http://www.graie.org/othu/
(consulté le 01.10.2007).
Gromaire M.-C., Chebbo G. (2003). Mesure de la vitesse de chute des
particules en suspension dans les effluents urbains, protocole VICAS,
manuel de l'utilisateur. Paris : CEREVE, novembre 2003, 70 p.
Gromaire M.-C., Saad M., Chebbo G. (2003). Répartition des polluants
des eaux urbaines par classes de vitesses de chute. Partie B : analyse
des méthodes de mesure. TSM, 12, 59-68.
Gromaire-Mertz M.-C., Chebbo G., Saad M. (1998). Origins and
characteristics of urban wet weather pollution in combined sewer
systems: the experimental urban catchment "Le Marais" in Paris. Water
Science and Technology, 37(1), 35-43. ISSN 0273-1223.
Gruber G., Bertrand-Krajewski J.-L., De Bénédittis J., Hochedlinger M.,
Lettl W. (2005). Practical aspects, experiences and strategies by using
UV/VIS sensors for long-term sewer monitoring. Proceedings of the 10th
International Conference on Urban Drainage, Copenhagen (Denmark),
21-26 August 2005, 8 p.
Gruber G., Bertrand-Krajewski J.-L., De Bénédittis J., Hochedlinger M.,
Lettl W. (2006). Practical aspects, experiences and strategies by using
UV/VIS sensors for long-term sewer monitoring. Water Practice and
Technology (paper doi10.2166/wpt.2006.020), 1(1), 8 p. ISSN 1751-
231X.
Grunwald S., Rivero R.G., Reddy K.R. (2007). Understanding spatial
variability and its application to biogeochemistry analysis. In : Sarkar D.,
Datta R., Hannigan R. (eds.), Concepts and Applications in
Environmental Geochemistry. Amsterdam, The Netherlands : Elsevier,
2007, pp. 435-462. ISBN 978-0-08-046522-7.
Guilloux J. (2007). Modélisation hydrodynamique d’un bassin de
décantation: Etude du bassin Django Reinhardt de Chassieu (69).
Rapport Master Génie Civil. Villeurbanne : LGCIE, INSA-Lyon, 14
septembre 2007, 137 p.
Halton J.H. (1970). A Retrospective and Prospective Survey of the
Monte Carlo Method. SIAM Review, 12(1): 1-63, 1970.
Hammersley J.M., Handscomb D.C. (1964). Monte Carlo Methods.
Methuen & Co., London/J. Wiley & Sons, New York, 95 p., 1964.
246
Hanafi M. (2004). Approche PLS : une hiérarchie des stratégies pour la

détermination des variables latentes. Actes des XXXVIèmes Journées
de Statistique, Montpellier (France), 24-28 mai 2004, 5 p.
Hedges P.D., Becker F.A., Smisson R.P.M. (1998). The application of
settling velocity as a parameter for characterising wastewater solids.
Water Science and Technology, 37(1), 45-52. ISSN 0273-1223.
Herremans L. (1995). Ouvrages de dépollution : une conception unique
existe-t-elle ? Exemple du bassin versant expérimental de Boudonville
(54). Colloque « Maitrise de l’assainissement par temps de pluie. De la
théorie à la pratique », Créteil (France), Octobre, 101-107.
Herremans L., Bertrand-Krajewski J.L., Le Poder N. (1995). Les
solutions techniques pour la maîtrise de la pollution urbaine par temps
de pluie. TSM, spécial Eaux Pluviales, (11), 839-845. ISSN 0299-7258.
Hochedlinger M. (2005). Assessment of combined sewer overflow
emissions. PhD thesis. Austria : Faculty of Civil Engineering, University
of Technology Graz, June 2005, 174 p. + annexes.
Kac M. (1953). Some Stochastic Problems in Physics and Mathematics.
Magnolia Petroleum Company Colloquium Lectures in the Pure and
Applied Sciences, Field Research Laboratory, Socony Mobil Oil
Company, Inc., no.2, October 1956. 191 p.
Kac M. (1980). Integration in Function Space and some of Its
Applications. Pisa, Italy : Lezioni Fermiane, Accademia Nazionale dei
Lincei, Scuola Normale Superiore, 1980, 76 p.
Kalivas D.P., Triantakonstantis D.P., Kollias V.J. (2002). Spatial
prediction of two soil properties using topographic information. Global
NEST: The International Journal, 4(1), 2002, pp. 41-49.
Kari F.G., Herrmann R. (1989). Abspülung von organischen
Spurenschadstoffen und Schwermetallen aus einem städtischen
Einzugsgebiet : Ganglinienanalyse, Korngrössenzuordnung und
Metallspeziesauftrennung. Deutsche Gewässerkundliche Mitteilungen,
1989, vol 33, no 5/6, pp 172-183.
Kaufmann A. (2004). Towards Eulerian-Eulerian large eddy simulation of
reactive two phase flows. PhD thesis. Toulouse : Institut National
Polytechnique de Toulouse, March 2004, 247 p.
Lafond J.-M. (1995). Comparaison de modèles de transport en
suspension - Application à des ouvrages de stockage-dépollution. Thèse
de doctorat. Lyon, France : Université Claude Bernard, mai 1995, 250 p.
Lamhamedi M.S., Labbé L., Margolis H.A., Stowe D.C., Blais L., Renaud
M. (2005). Spatial Variability of Substrate Water Content and Growth of
White Spruce Seedlings. Soil Sci. Soc. Am. J., 2005; 70: 108-120.
Langergraber G., Fleischmann N., Hofstädter F. (2003). A multivariate
calibration procedure for UV/VIS spectrometric quantification of organic
matter and nitrate in wastewater. Water Science and Technology, 47(2),
63-71.
247
Lee T.T., Wang F.Y., Newell R.B. (1999). Distributed Parameter

Approach to the Dynamics of Complex Biological Processes. AIChE
Journal, Vol. 45, No. 10, October 1999. pp. 2245-2268
Lefebvre G., Declercq N. (2002). Elaboration d’une méthode de
prélèvement de sédiments par pièges en bassin de retenue d’eau
pluviale : l’exemple du bassin de Django Reinhardt à Chassieu. Mémoire
de fin d’études (PIRD). Villeurbanne : URGC-HU INSA-Lyon, 74 p.
Lepot M. (2007). Métrologie en hydrologie urbaine : prévalidation
automatique des données mesurées en continu, utilisation de la turbidité
pour évaluer les flux de MES et DCO. Mémoire de fin d’études pour
obtenir le diplôme d’Ingénieur de l’ENGEES. Strasbourg, Villeurbanne :
ENGEES, INSA de Lyon, juillet 2007, 93 p.
Lipeme Kouyi G. (2004). Expérimentations et modélisations
tridimensionnelles de l’hydrodynamique et de la séparation particulaire
dans les déversoirs d’orage. Thèse de doctorat. Strasbourg : Université
Louis Pasteur de Strasbourg, décembre 2004, 260 p.
Li J., Pyatt L. (2004). Performance evaluation of a stormwater quality
pond during construction stages. Novatech 2004 : 5ème conférence
internationale sur les nouvelles technologies en assainissement pluvial.
Lyon, France, 6-10 Juin 2004, 153-160. ISBN 2-9509337-5-0.
Lou J., Schwab D.J., Beletsky D., Hawley N. (2000). A model of
sediment resuspension and transport dynamics in southern Lake
Michigan. Journal of Geophysical Research, 105(C3), 2000, 6591-6610.
Lucas-Aiguier E., Chebbo G., Hedges P., Bertrand-Krajewski J.-L.
(1996). Mesure des vitesses de chute des particules dans les rejets
urbains de temps de pluie. in "Mesures et Environnement", Actes des
Journées du DEA "Sciences et Techniques de l'Environnement", 23-24
mai 1996, Paris (France): Editions Presses des Ponts et Chaussées, 67-
79.
Marsalek J., Krishnappan B.G., Watt W.E., Anderson B.C. (1998). Size
distribution of suspended sediments in an on-stream stormwater
management pond. Proc. NOVATECH 1998, 3rd International
Conference on Innovative Technologies in Urban Storm Drainage, Lyon,
France, May 4-6, 1998, Vol. 1, pp. 543-550.
Marsalek J., Watt W.E., Anderson B.C., Jaskot C. (1997). Physical and
chemical characteristics of sediments from a stormwater management
pond. Water Quality Research Journal of Canada, 32(1), 89-100.
Marsalek J., Watt W.E., Henry D. (1992). Retrofitting stormwater ponds
for water quality control. Water Poll Res J. Canada, 27(2), 403-422.
Matthews R.R., Watt W.E., Marsalek J., Crowder A.A., Anderson B.C.
(1997). Extending retention times in a stormwater pond with retroffited
baffles. Water Quality Research Journal of Canada, 32(1), 73-87.
248
Michelbach S., Wöhrle C. (1992). Settleable solids in a combined sewer

system - measurement, quantity, characteristics. Water Science and
Technology, 25(8), 181-188.
Michelbach S., Wöhrle C. (1993). Settleable solids in a combined sewer
system, settling characteristics, heavy metals, efficiency of storm water
tanks. Water Science and Technology, 27(5-6), 153-164.
Michelbach S., Wöhrle C. (1994). Settleable solids from combined
sewers : settling, stormwater treatment, and sedimentation rates in
rivers. Water Science and Technology, 29(1-2), 95-102.
Milano V., Pagliara S., Dellacasa F. (2004). Runoff pollution removal by
storage basins. Novatech 2004 : 5ème conférence internationale sur les
nouvelles technologies en assainissement pluvial. Lyon, France, 6-10
Juin 2004, 1517-1524. ISBN 2-9509337-5-0.
Milisic V. (2004). Analyse du transport des matières en suspension dans
les bassins de stockage-décantation de la pollution des surverses des
réseaux unitaires. Application à la conception et à la gestion de ces
bassins dans la ville de Marseille. Synthése et conclusions des travaux
réalisés dans le cadre de la thèse de F. Schmitt. Talence, France :
Laboratoire de Génie des Procédés et Environnement, Université V.
Segalen Bordeaux 2, février 2004, 66 p. + annexes
Milisic V., Chebbo G. (1996). Design of settling basins. 12th International
Congress of Chemical and Process Engineering, Prague, Check
Republic, 20-30 August 1996, 21 p.
Milisic V., Chebbo G., Stovin V. (2004). Modélisation du comportement
des sédiments dans les bassins de stockage/décantation. Journée
technique du groupe pluvial - Les bassins de stockage décantation en
réseau d'assainissement, Paris, 27 janvier 2004.
Mossa J.B. (2005). Extension polydisperse pour la description Euler-
Euler des écoulements diphasiques réactifs. Thèse de doctorat.
Toulouse : Institut National Polytechnique de Toulouse, March 2005, 179
p.
Mourad M. (2000). Eléments pour la validation de données
expérimentales en hydrologie urbaine. Villeurbanne (France) : INSA de
Lyon - Laboratoire URGC Hydrologie Urbaine, rapport de DEA Génie
Civil, septembre 2000, 134 p.
Muca E. (2004). Distribution des polluants contenus dans les eaux
pluviales urbaines par classe de vitesse de chute des particules.
Application aux échantillons des sites OPUR. Rapport de stage de DEA
Sciences et Techniques de l'Environnement. Paris : CEREVE, 74 p.
Neary V.S., Neel C.B., Stearman G.K., George D.B. (2004). Detention
basin retrofit for storm water treatment. Novatech 2004 : 5ème
assainissement pluvial. Lyon, France, 6-10 Juin 2004, 1525-1532. ISBN
2-9509337-5-0.
249
NF EN 27027 (1994). Qualité de l'eau - Détermination de la turbidité.

Paris (France) : AFNOR, avril 1994, 11 p.
NF EN 872 (2005). Qualité de l'eau - Dosage des matières en
suspension - Méthode par filtration sur filtre en fibres de verre. Paris
(France): AFNOR, Juin 2005, 14 p.
NF ENV 13005 (1999). Guide pour l'expression de l'incertitude de
mesure. Paris (France) : AFNOR, août 1999, 113 p.
NF T90-029 (2002). Qualité de l'eau - Détermination des résidus secs à
105 °C et 180 °C. Paris (France): AFNOR, Août 2002, 5 p.
NF T90-101 (2001). Qualité de l’eau - Détermination de la demande
chimique en oxygène. Paris (France): AFNOR, Février 2001, 7 p.
NF T90-105-2 (1997). Qualité de l'eau - Dosage des matières en
suspension - Méthode par centrifugation. Paris (France): AFNOR,
Janvier 1997, 8 p.
NMHSPE (2000). Circular on Target Values and Intervention Values for
Soil Remediation. The Netherlands Ministry of Housing, Spatial Planning
and the Environment. 2000. Disponible sur <http://www.vrom.nl/>
(consulté le 13.12.2006)
Olsen, N. R. B. (2003). Three-Dimensional CFD Modeling of Self-
Forming Meandering Channel. Journal of Hydraulic Engineering, Vol.
129, No. 5, May 1, 2003. ©ASCE, ISSN 0733-9429/2003/5-366–372/
Ontario Ministry of the Environment (OMOE). (1993). Guidelines for the
protection and management of aquatic sediment quality in Ontario.
Ontario Ministry of the Environment, August 1999, 32 p. ISBN 0-7729-
9248-7.
Pisano W.C. (1996). Summary : United States "sewer solids" settling
characterization methods, results, uses and perspective. Water Science
and Technology, 33(9), 109-115.
Pisano W.C., Barsanti J., Joyce J., Sorensen H. (1998). Sewer and Tank
Sediment Flushing: Case Studies. National Risk Management Research
Laboratory, Office of Research and Develoment, U.S. Environmental
Protection Agency, Cincinnati, OH 45268, EPA/600/R-98/157, December
1998. 113 p.
Pisano W.C., Thibault N., Forbes G. (1990). The vortex solids separator.
Water Environment and Technology, 17(5/6), 64-71.
R Development Core Team (2006). R: A language and environment for
statistical computing. Vienna (Austria): R Foundation for Statistical
Computing, ISBN 3-900051-07-0. URL http://www.R-project.org
Randall C.W. (1982). Stormwater detention ponds for water quality
control. Proceedings of the Conference on Stormwater Detention
Facilities, Engineering Foundation, ASCE, NY, 200-204.
250
Rieger L., Langergraber G., Siegrist H. (2006). Uncertainties of spectral

in situ measurements in wastewater using different calibration
approaches. Water Science and Technology, 53(12), 187-197.
Riego Sintes J.M. (Ed.). (2002). Guidance Document on the
Determination of Particle Size Distribution, Fibre Length and Diameter
Distribution of Chemical Substances. Luxembourg: Office for Official
Publications of the European Communities. EUR 20268 EN. ISBN 92-
894-3704-9
Rousseeuw P.J., van Driessen K. (1999). A fast algorithm for the
minimum covariance determinant estimator. Technometrics, 41, 212-
223.
Saget A. (1994). Base de données sur la qualité des rejets urbains de
temps de pluie : distribution de la pollution rejetée, dimensions des
ouvrages d'interception. Thèse de doctorat. Paris, France : ENPC,
décembre 1994, 333 p.
Saint-Pierre S., Chebbo G., Lucas-Aiguier E. (1995). Analyse des
méthodes de mesure de la vitesse de chute des solides des rejets
urbains de temps de pluie. Noisy Le Grand, décembre 1995, 43 p. +
annexe.
Schueler T.R. (1987). Controlling Urban Runoff: A Practical Manual for
Planning and Designing Urban BMPs. Publ. No. 87703. Metropolitan
Washington Council of Governments, Washington, DC. 275 p.
Segarra-Garcia R., Loganathan V.G. (1992). Stormwater detention
storage design under random pollutant loading. Journal of Water
Resources Planning and Management, 118(5), 475-491.
Schaffner J., Oberlack M., Kirchheim N. (2004). The application of
numerical modeling (3-D) for the calculation of flush waves in sewer
channels. UDM'04, 6th International Conference on Urban Drainage
Modelling, Dresden, Germany, 15th-17th sept 2004, 249-256.
Schmitt F., Milisic V., Bertrand-Krajewski J.-L., Laplace D., Chebbo G.
(1999). Numerical modelling of bed load sediment traps in sewer
systems by density currents. Water Science and Technology, 39(9), 153-
160. ISSN 0273-1223.
Schmitt F., Milisic V., Chebbo G. (2002). Storage settling basins design
and management. Proceedings of the 3rd International Conference on
Sewers Processes and Networks (3rd SPN). Paris (France), 15-17 April
2002, 8 p.
SPAD. (1999). Aide mémoire statistique. Courbevoie (France) : SPAD,
285 p. ISBN 2-906711-35-7.
Stavropoulos M., Charlesworth D., Dixon M. (2005). The application of
CFD for vortex induced vibration analysis of marine risers in projects
Marine 2005. International Conference on Computational Methods in
Marine Engineering, MARINE 2005. 10 p.
251
Stovin V.R., Saul A.J. (1994). Sedimentation in storage tank structures.

Water Science and Technology, 29(1-2), 363-372.
Stovin V.R., Saul A.J. (1998). A computational fluid dynamics (CFD)
particle tracking approach to efficiency prediction. Water Science and
Technology, 37 (1), 285-293.
Stovin V.R., Saul A.J., Drinkwater A., Clifforde I. (1999). Field testing
CFD-based predictions of storage chamber gross solids separation
efficiency. Water Science and Technology, 39(9), 161-168.
Strecker E.W. (1998). Considerations and Approaches for Monitoring the
Effectiveness of Urban BMPs. National Conference on Retrofit
Opportunities for Water Resource Protection in Urban Environments,
Chicago, IL, Febr 9-12 1998, 65-82.
Strecker E., Quigley M., Urbonas B., Jones J., Clary J., O'Brien J.
(2004). Urban stormwater BMP performance: Recent findings from the
International Stormwater BMP Database Project. Novatech 2004 : 5ème
assainissement pluvial. Lyon, France, 6-10 Juin 2004, 407-414. ISBN 2-
9509337-5-0.
Ta C. T. (1999). Computational fluid dynamic model of storm tank.
Proceedings of the 8th Int. Conf. Urban Storm Drainage, Sydney,
Australia, 30 Aug.-3 Sept., 3, 1279–1286.
Tenenhaus M. (1998). La régression PLS, théorie et pratique. Paris
(France) : Technip, 254 p.
Thévenot D.R. (1992). Pollution des eaux pluviales urbaines : origine,
niveaux et mobilité des polluants. Formation Continue. Paris : ENPC,
Octobre 1992, 13 p.
Tobias R. (1995). An Introduction to Partial Least Squares Regression.
Proceedings of the Twentieth Annual SAS Users Group International
Conference, Cary, NC (USA), SAS Institute Inc., 1250-1257.
Tu S.T. (1998). Stochastic modelling and error correlation in dynamic
financial analysis. Casualty Actuarial Society Forum, 1998 Seminar on
Dynamic Financial Analysis. Marriott Copley Place, Boston,
Massachusetts (USA), July 13-14, 207-219.
Tyack J.N., Hedges P.D., Smisson R.P.M. (1996). The relationship
between settling velocity grading and the characteristics of the
contributing catchment. Water Science and Technology, 33(9). ISSN
0273-1223.
Urbonas B. (1994). Assessment of stormwater BMPs and their
technology. Water Science and Technology, 29(1-2), 347-353. ISSN
0273-1223.
U.S. Army Corps of Engineers. (1995). Sediment Investigations in Rivers
and Reservoirs. EM 1110-2-4000. Washington, D.C. CECW-EH-Y. 177
p.
252
van der Walt J.J. (2002). The modelling of water treatment process
tanks. D. Eng. Thesis. South Africa : Rand Afrikaans University, 2002.
200 p.
van Rijn L.C. (1984). Sediment transport, part I : bed load transport.
Journal of Hydraulic Engineering, 110(10), 1431-1456.
Vanderhasselt A., Vanrolleghem P.A. (2000). Estimation of sludge
sedimentation parameters from single batch settling curves. Wat. Res.,
34, 395-406.
Verboven S., Hubert M. (2005). LIBRA: a MATLAB library for robust
analysis. Chemometrics and Intelligent Laboratory Systems, 2005, 75,
pp. 127-136.
Viklander M. (1998). Particle size distribution and metal content in street
sediments. Journal of Environmental Engineering, 124 (8), pp. 761-766.
ISSN 0733-9372.
Warnock T. (1987). Random-number generators. Los Alamos Science,
Special Issue dedicated to Stanislaw Ulam, 1987, pp. 137-141.
Wehrens R., Mevik B.-H. (2005). The pls Package for R, Partial Least
Squares Regression (PLSR) and Principal Component Regression
(PCR). Version 1.0-3 (http://www.r-project.org/).
Weiming Wu, M.ASCE. Depth-Averaged Two-Dimensional Numerical
Modeling of Unsteady Flow and Nonuniform Sediment Transport in Open
Channels. Journal of Hydraulic Engineering, © ASCE, October 2004, 10,
1013-1024. ISSN 0733-9429
Whipple W., Hunter J.V. (1981). Settleability of urban runoff pollution.
JWPCF, 53(12), 1726-1731.
WS Atkins Consultants. (2003). Best practice guidelines for marine
applications of computational fluid dynamics. Technical report, MARNET
CFD, 2003. 84 p.
Yang C.T. (2006). Erosion and Sedimentation Manual. US Department of
the Interior, Bureau of Reclamation, Technical Service Center,
Sedimentation and River Hydraulics Group, Denver, Colorado November
2006. 601 p.
Yun A. (2005). Development and analysis of advanced explicit algebraic
turbulence and scalar flux models for complex engineering
configurations. PhD thesis. Darmstadt : Technische Universität
Darmstadt. 112 p.
Zaninetti J.M. (2005). Statistique spatiale : méthodes et applications
géomatiques. Paris : Hermès Sciences Publications, Lavoisier, 2005.
320 p. ISBN 2-7462-1203-X.
Zhang D., Li Z., Lu P., Zhang T., Xu D. (2006). A method for
characterizing the complete settling process of activated sludge. Water
Research, 40 (2006) 2637-2644.
253
Zhao M., Cheng L., Teng B., Dong G. (2007). Hydrodynamic forces on
dual cylinders of different diameters in steady currents. Journal of Fluids
and Structures, 23, 2007, 59-83. ISSN 0889-9746.
254
Annexes
255
Annexes
A C OPIE DE PUBLICATION ................................................................................................ 257

B C OPIE DE PUBLICATION ................................................................................................ 269
C C OPIE DE PUBLICATION ................................................................................................ 279
D G ENERATION DE NOMBRES ALEATOIRES CORRELES ........................................................ 289
E T AILLE DES ECHANTILLONS ARTIFICIELS ....................................................................... 295
F E VOLUTION PHYSICO -CHIMIQUE DES SEDIMENTS (C AMPAGNE C3 - 9/04/2006 -) .............. 296
F.1 Vitesses de chute ................................................................................................... 296
F.2 Siccité .................................................................................................................. 298
F.3 Métaux lourds ....................................................................................................... 300
F.4 Eléments traces organiques ................................................................................... 302
G E VOLUTION PHYSICO -CHIMIQUE DES SEDIMENTS (C AMPAGNE C4 - 4/05/2007 -) .............. 304
G.1 Vitesses de chute ................................................................................................... 304
G.2 Granulométrie ...................................................................................................... 306
G.3 Siccité .................................................................................................................. 309
G.4 Métaux lourds ....................................................................................................... 311
G.5 Eléments traces organiques ................................................................................... 313
H E VOLUTION PHYSICO -CHIMIQUE DES SEDIMENTS (C AMPAGNE C5 - 31/05/2007 -) ............ 316
H.1 Vitesses de chute ................................................................................................... 316
H.2 Granulométrie ...................................................................................................... 318
H.3 Siccité .................................................................................................................. 321
H.4 Métaux lourds ....................................................................................................... 323
H.5 Eléments traces organiques ................................................................................... 325
I H YDROGRAMMES ET VOLUMES CUMULES DES EVENEMENTS SELECTIONNES POUR LA
MODELISATION .................................................................................................................... 327
J C AMPAGNES D ’ETALONNAGE DES TURBIDIMETRES......................................................... 339
K E TALONNAGE DU SPECTROMETRE UV-VISIBLE .............................................................. 349
L R ELEVE TOPOGRAPHIQUE DU BASSIN DE RETENUE -DECANTATION D JANGO REINHARDT .... 352
M R ESULTATS DES TESTS DU MODELE HYDRODYNAMIQUE SANS TRANSPORT SOLIDE ............ 354
M.1 Evénement 20060627 ............................................................................................ 354
M.2 Evénement 20060706 ............................................................................................ 357
M.3 Evénement 20060812 ............................................................................................ 360
M.4 Evénement 20060817 ............................................................................................ 363
M.5 Evénement 20060817 ............................................................................................ 365
N E XEMPLE DE RESULTAT DES TESTS PRELIMINAIRES DE MODELISATION 2D AVEC TRANSPORT
SOLIDE ................................................................................................................................ 367
O C URRICULUM V ITAE .................................................................................................... 368
Annexes A Copie de publication
A Copie de publication
Torres A., Bertrand-Krajewski J.-L. (2007). Evaluation of uncertainties in settling
velocities of particles in urban stormwater runoff. Proceedings of the 5th SPN
International Conference on Sewer Processes and Networks, Delft, Netherlands,
28-31 August 2007, 10 p.
Annexes A Copie de publication
Annexes B Copie de publication
B Copie de publication
Bertrand-Krajewski J.-L., Barraud S., Lipeme Kouyi G., Torres A., Lepot M.
(2007). Event and annual TSS and COD loads in combined sewer overflows
estimated by continuous in situ turbidity measurements. Proceedings of the 11th
International Conference on Diffuse Pollution, Belo Horizonte, Brazil, 26-31
August 2007, 8 p.
Annexes B Copie de publication
Annexes C Copie de publication
C Copie de publication
Torres A., Bertrand-Krajewski J.-L. (2007). PLS local calibration of a UV-visible
spectrometer used for in situ measurements of COD and TSS concentrations in
urban drainage systems. Proceedings of the International Conference on
Automation in Water Quality Monitoring "AutMoNet 2007", Ghent, Belgium, 5-7
September 2007, 8 p.
Annexes C Copie de publication
Annexes D Génération de nombres aléatoires corrélés
D Génération de nombres aléatoires

corrélés
D.1 Génération de 3 nombres aléatoires normalement distribués

et corrélés entre eux (Tu, 1998)
Supposons qu’on doive générer 3 nombres aléatoires X, Y et Z normalement distribués et
corrélés entre eux. Ensemble, ils ont la matrice de covariance suivante (Tu, 1998) :
 u 2 ( X ) u ( X , Y ) u ( X , Z )
 
u ( X , Y ) u (Y ) u (Y , Z ) 
2
(D-1)
u ( X , Z ) u (Y , Z ) u 2 (Z ) 
 
avec u2(X) la variance de X et u(X,Y) la covariance entre X et Y.
Pour pouvoir générer ces 3 nombres corrélés, on doit générer préalablement 3
nombres aléatoires non-corrélés normalement distribués A, B et C. La relation entre les
deux familles de nombres est la suivante :
A= X
B = Y + b1 X (D-2)
C = Z + c1 X + c2Y
avec b1 , c 1 et c 2 des coefficients numériques.
Pour résoudre le système, on doit trouver les valeurs de b 1, c 1 et c 2. Pour cela, on
doit calculer les covariances entre les différentes lignes de l’équation (D-2) :
u ( A, B ) = u ( X , Y + b1 X ) = b1u 2 ( X ) + u ( X , Y ) = 0
u ( A, C ) = u ( X , Z + c1 X + c2Y ) = c1u 2 ( X ) + c2u ( X , Y ) + u ( X , Z ) = 0 (D-3)
u (B, C ) = u (Y + b1 X , Z + c1 X + c2Y ) = c1u ( X , Y ) + c2u 2 (Y ) + u (Y , Z ) = 0

Si on connaît les composantes de la matrice (D-1), on peut calculer b 1, c1 et c 2 en
résolvant le système d’équations (D-3). Ensuite, on peut calculer les variances de chaque
équation du système (D-2) :
u 2 ( A) = u 2 ( X )
u 2 (B ) = u 2 (Y ) + b12 u 2 ( X ) + 2b1u ( X , Y ) (D-4)
u 2 (C ) = u 2 (Z ) + c12u 2 ( X ) + c22 u 2 (Y ) + 2[c1u ( X , Z ) + c2u (Y , Z ) + c1c2 u ( X , Y )]

Ceci permet de générer les 3 nombres aléatoires non-corrélées normalement
distribuées A, B et C. Une fois qu’on a calculé ces trois nombres, et en connaissant b 1, c 1
et c 2, on peut calculer les 3 nombres aléatoires corrélées normalement distribuées X, Y et
Z à partir de l’équation (D-2) :
X=A
Y = B − b1 X (D-5)
Z = C − c1 X − c2Y
D.2 Généralisation de la méthode
Ce processus peut être utilisé pour n’importe quelle quantité de nombres aléatoires
corrélés à générer. Supposons qu’on doive générer une quantité n de nombres aléatoires
normalement distribués, allant de x 1 à x n. Supposons qu’ensemble ils aient la matrice de
covariance suivante :
 u 2 ( x1 ) u ( x1 , x2 ) u ( x1 , x3 ) L u ( x1 , xn )
 
u ( x1 , x2 ) u ( x2 ) u (x2 , x3 ) L u ( x2 , xn )
2
u ( x1 , x3 ) u ( x2 , x3 ) u 2 ( x3 ) L u ( x3 , xn ) (D-6)
 
 M M M O M 
u ( x , x ) u ( x , x ) u ( x , x ) L u ( xn ) 
2
 1 n 2 n 3 n
avec u2(x i) la variance de x i et u(x i,x j) la covariance entre x i et x j.

Pour pouvoir générer ces n nombres corrélés, on doit générer n nombres
aléatoires non-corrélés normalement distribués, allant de a 1 à a n. La relation entre les
deux familles de nombres est la suivante :
a1 = x1
a 2 = x2 + b11 x1
a3 = x3 + b21 x1 + b22 x2 (D-7)
M
a n = xn + b( n−1)1 x1 + b( n−1) 2 x2 + b( n−1)3 x3 + L + b( n−1)( n−1) x( n−1)
avec b ij les variables non connues à être trouvées.
Pour résoudre le problème, on doit trouver les valeurs b ij . Pour cela, on doit
calculer les covariances entre les différentes lignes de l’équation (D-7) :
U*υ = W (D-8)
avec U matrice de la forme (D-9), υ la matrice des coefficients (D-10) et W la matrice de
covariance (D-11).
u 2 ( x1 ) 0 0 0 0 0 L 0 0 0 L 0 
 
 0 u ( x1 ) u ( x1 , x2 )
2
0 0 0 L 0 0 0 L 0 
 0 u ( x1 , x2 ) u ( x2 )
2
0 0 0 L 0 0 0 L 0 
 
 0 0 0 u ( x1 ) u ( x1 , x2 ) u ( x1 , x3 )
2
L 0 0 0 L 0 
 0 0 0 u ( x1 , x2 ) u 2 ( x2 ) u ( x2 , x3 ) L 0 0 0 L 0 
 
 0 0 0 u ( x1 , x3 ) u ( x2 , x3 ) u 2 ( x3 ) L 0 0 0 L 0 
U=  (D-9)
M M M M M M O 0 0 0 L 0
 
 0 0 0 0 0 0 0 u 2 ( x1 ) u ( x1 , x2 ) u ( x1 , x3 ) L u ( x1, xn −1 )
 
 0 0 0 0 0 0 0 u ( x1 , x2 ) u 2 ( x2 ) u ( x2 , x3 ) L u ( x2 , xn −1 )
 0 0 0 0 0 0 0 u ( x1 , x3 ) u ( x2 , x3 ) u 2 ( x3 ) L u ( x3 , xn −1 )
 
 M M M M M M M M M M O M 
 0
 0 0 0 0 0 0 u ( x1 , xn −1 ) u ( x2 , xn −1 ) u ( x3 , xn −1 ) L u ( xn −1 ) 
2
b11 0 0 L 0 
0 b21 0 L 0 
 
0 b22 0 L 0 
 
0 0 b31 L 0 
0 0 b32 L 0 
 
0 0 b33 L 0 
υ=
0 
(D-10)
M M M O
 
0 0 0 0 b( n −1)1 
0 0 0 0 b( n −1) 2 
 
0 0 0 0 b( n −1)3 
 
M M M M M 
0 0 0 0 b( n −1)( n −1) 

− u ( x1 , x 2 ) 0 0 L 0 
 0 − u ( x1 , x3 ) 0 L 0 
 
 0 − u ( x 2 , x3 ) 0 L 0 
 
 0 0 − u ( x1 , x 4 ) L 0 
 0 0 − u (x 2 , x 4 ) L 0 
 
 0 0 − u (x3 , x 4 ) L 0 
W=  (D-11)
M M M O 0
 
 0 0 0 0 − u ( x1 , x n ) 
 0 0 0 0 − u(x2 , x n ) 
 
 0 0 0 0 − u ( x3 , x n ) 
 
 M M M M M 
 0 0 0 0 − u ( x n−1 , x n )
Si on connaît les composantes de la matrice U on peut calculer les variables

inconnues de la matrice υ en résolvant le système d’équations (D-8). Ensuite, on peut
calculer les variances de chaque équation du système (D-7) :
u 2 (a1 ) = u 2 ( x1 )
u 2 (a 2 ) = u 2 ( x2 + b11 x1 )
u 2 (a3 ) = u 2 ( x3 + b21 x1 + b22 x2 ) (D-12)
M
u 2 (a n ) = u 2 (xn + b( n −1)1 x1 + b( n−1) 2 x2 + b( n−1)3 x3 + L + b( n−1)( n−1) x( n−1) )
Ceci permet de générer les n nombres aléatoires non-corrélés normalement
distribués a 1 à a n. Une fois qu’on a calculé ces n nombres, et en connaissant la matrice υ ,
on peut calculer les n nombres aléatoires corrélés normalement distribués x1 à x n, à partir
de l’équation (D-7) :
x1 = a1
x2 = a2 − b11 x1
x3 = a3 − b21 x1 − b22 x2 (D-13)
M
xn = an − b( n−1)1 x1 − b( n−1) 2 x2 − b( n−1)3 x3 − L − b( n−1)( n−1) x( n−1)
Annexes E Taille des échantillons artificiels
E Taille des échantillons artificiels

La taille N des échantillons artificiels, dans le cas d’une loi normale, est déterminée de
telle sorte que le rapport de l’écart type de l’échantillon s(X k) sur l’écart type de la
population σ(X k) soit compris dans un intervalle [a, b] d’amplitude (b – a) selon (E-1).
s( X k )
a≤ ≤b (E-1)
σ (X k )
Pour que le rapport des variances soit compris dans l’intervalle d’amplitude ∆
choisi, défini par ∆ = (b 2 – a 2), il faut, pour un niveau de confiance (1 - α) donné,
déterminer par itérations successives une taille d’échantillon N telle que, avec le nombre
de degrés de liberté ν = N – 1, on ait des valeurs de la variable Khi-deux, notée χ2 , qui
vérifient la relation (E-2) (SPAD, 1999).
χ12−α / 2 ( N − 1) − χ α2 / 2 ( N − 1)
N = 1+ (E-2)
∆
Annexes F Evolution physico-chimique des sédiments (Campagne C3 - 9/04/2006 -)
F Evolution physico-chimique des

sédiments (Campagne C3 - 9/04/2006 -)
F.1 Vitesses de chute
Figure F-1 Comparaison des courbes de vitesses de chute des échantillons prélevés à t0
(10/04/2006, en lignes continues rouges) et à t1 (24/05/2006, en pointillées bleues), campagne
de mesure C3
15
t0
t1
10
V 50 (m/h)
0
P02 P07 P11
Figure F-2 Comparaison des vitesses de chute médianes (V50 ) des échantillons prélevés à t0
(10/04/2006) et à t1 (24/05/2006), campagne de mesure C3
F.2 Siccité
60
t0
55 t1
50
45
40
35
%MB
30
25
20
15
10
0
P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 P11 P12
piège no.
Figure F-3 Comparaison du pourcentage en matière sèche des échantillons prélevés à t0

(10/04/2006) et à t1 (24/05/2006), campagne de mesure C3 (%MB : pourcentage de matière
brute)
27.5
t0
25 t1
22.5
20
17.5
15
%MS
12.5
10
7.5
2.5
0
P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 P11 P12
piège no.
Figure F-4 Comparaison de la teneur en matière volatile des échantillons prélevés à t0

(10/04/2006) et à t1 (24/05/2006), campagne de mesure C3 (%MS : pourcentage de matière
sèche)
F.3 Métaux lourds
14
t0
t1
12
10
8
mg/kg MS
0
P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 P11 P12
piège no.
Figure F-5 Comparaison de la teneur en cadmium des échantillons prélevés à t0 (10/04/2006)

et à t1 (24/05/2006), campagne de mesure C3 (MS : matière sèche)
275 t0
t1
250
225
200
175
mg/kg MS
150
125
100
75
50
25
0
P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 P11 P12
piège no.
Figure F-6 Comparaison de la teneur en cuivre des échantillons prélevés à t0 (10/04/2006) et à

t1 (24/05/2006), campagne de mesure C3 (MS : matière sèche)
t0
350
t1
300
250
mg/kg MS
200
150
100
50
0
P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 P11 P12
piège no.
Figure F-7 Comparaison de la teneur en plomb des échantillons prélevés à t0 (10/04/2006) et à

1200
t0
1100
t1
1000
900
800
700
mg/kg MS
600
500
400
300
200
100
0
P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 P11 P12
piège no.
Figure F-8 Comparaison de la teneur en zinc des échantillons prélevés à t0 (10/04/2006) et à

F.4 Eléments traces organiques
5
t0
4.5 t1
3.5
3
mg/kg MS
2.5
1.5
0.5
0
P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 P11 P12
piège no.
Figure F-9 Comparaison de la teneur en Fluoranthène des échantillons prélevés à t0

(10/04/2006) et à t1 (24/05/2006), campagne de mesure C3 (MS : matière sèche)
1.6 t0
t1
1.4
1.2
1
mg/kg MS
0.8
0.6
0.4
0.2
0
P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 P11 P12
piège no.
Figure F-10 Comparaison de la teneur en Benzo(b)Fluoranthène des échantillons prélevés à t0

1.3
t0
1.2
t1
1.1
1
0.9
0.8
mg/kg MS
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 P11 P12
piège no.
Figure F-11 Comparaison de la teneur en Benzo(a)Pyrène des échantillons prélevés à t0

2.25 t0
t1
2
1.75
1.5
mg/kg MS
1.25
0.75
0.5
0.25
0
P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 P11 P12
piège no.
Figure F-12 Comparaison de la teneur en PCB des échantillons prélevés à t0 (10/04/2006) et à

Annexes G Evolution physico-chimique des sédiments (Campagne C4 - 4/05/2007 -)
G Evolution physico-chimique des

G.1 Vitesses de chute
Figure G-1 Comparaison des courbes de vitesses de chute des échantillons prélevés à t0
(4/05/2007, en lignes continues rouges), à t1 (8/06/2007, en pointillées bleues) et à t2
(17/09/2007, en lignes discontinues vertes), campagne de mesure C4
12
t0
t1
10
t2
8
V 50 (m/h)
0
P01 P04 P09 P10
Figure G-2 Comparaison des vitesses de chute médianes des échantillons prélevés à t0
(4/05/2007), à t1 (8/06/2007) et à t2 (17/09/2007), campagne de mesure C4
G.2 Granulométrie
Figure G-3 Comparaison des courbes de distributions granulométriques des échantillons

prélevés avec les pièges P01 (haut) et P04 (bas) à t0 (4/05/2007, en lignes continues rouges), à
t1 (8/06/2007, en pointillées bleues) et à t2 (17/09/2007, en lignes discontinues vertes),
campagne de mesure C4
Figure G-4 Comparaison des courbes de distributions granulométriques des échantillons

prélevés avec les pièges P09 (haut) et P10 (bas) à t0 (4/05/2007, en lignes continues rouges), à
t1 (8/06/2007, en pointillées bleues) et à t2 (17/09/2007, en lignes discontinues vertes),
campagne de mesure C4
Figure G-5 Comparaison des tailles médianes des échantillons prélevés à t0 (4/05/2007), à t1
G.3 Siccité
Figure G-6 Comparaison du pourcentage en matière sèche des échantillons prélevés à t0

(4/05/2007), à t1 (8/06/2007) et à t2 (17/09/2007), campagne de mesure C4 (%MB :
pourcentage de matière brute)
Figure G-7 Comparaison de la teneur en matière volatile des échantillons prélevés à t0

(4/05/2007), à t1 (8/06/2007) et à t2 (17/09/2007), campagne de mesure C4 (%MS :
pourcentage de matière sèche)
G.4 Métaux lourds
Figure G-8 Comparaison de la teneur en cadmium des échantillons prélevés à t0 (4/05/2007), à

t1 (8/06/2007) et à t2 (17/09/2007), campagne de mesure C4 (MS : matière sèche)
Figure G-9 Comparaison de la teneur en cuivre des échantillons prélevés à t0 (4/05/2007), à t1

Figure G-10 Comparaison de la teneur en plomb des échantillons prélevés à t0 (4/05/2007), à

t1 (8/06/2007) et à t2 (17/09/2007), campagne de mesure C4 (MS : matière sèche)
Figure G-11 Comparaison de la teneur en zinc des échantillons prélevés à t0 (4/05/2007), à t1

G.5 Eléments traces organiques
Figure G-12 Comparaison de la teneur en Fluoranthène des échantillons prélevés à t0

(4/05/2007), à t1 (8/06/2007) et à t2 (17/09/2007), campagne de mesure C4 (MS : matière
sèche)
Figure G-13 Comparaison de la teneur en Benzo(b)Fluoranthène des échantillons prélevés à t0

sèche)
Figure G-14 Comparaison de la teneur en Benzo(a)Pyrène des échantillons prélevés à t0

sèche)
Figure G-15 Comparaison de la teneur en PCB des échantillons prélevés à t0 (4/05/2007), à t1

Annexes H Evolution physico-chimique des sédiments (Campagne C5 - 31/05/2007 -)
H Evolution physico-chimique des

H.1 Vitesses de chute
Figure H-1 Comparaison des courbes de vitesses de chute des échantillons prélevés à t0
(31/05/2007, en lignes continues rouges) et à t1 (17/09/2007, en pointillées bleues), campagne
de mesure C5
Figure H-2 Comparaison des vitesses de chute médianes des échantillons prélevés à t0
H.2 Granulométrie
Figure H-3 Comparaison des courbes de distributions granulométriques des échantillons

prélevés avec les pièges P01 (haut) et P04 (bas) à t0 (31/05/2007, en lignes continues rouges)
et à t1 (17/09/2007, en pointillées bleues), campagne de mesure C5
Figure H-4 Comparaison des courbes de distributions granulométriques des échantillons

prélevés avec les pièges P09 (haut) et P10 (bas) à t0 (31/05/2007, en lignes continues rouges)
et à t1 (17/09/2007, en pointillées bleues), campagne de mesure C5
Figure H-5 Comparaison des tailles médianes des échantillons prélevés à t0 (31/05/2007) et à
t1 (17/09/2007), campagne de mesure C5
H.3 Siccité
Figure H-6 Comparaison du pourcentage en matière sèche des échantillons prélevés à t0

(31/05/2007) et à t1 (17/09/2007), campagne de mesure C5 (%MB : pourcentage de matière
brute)
Figure H-7 Comparaison de la teneur en matière volatile des échantillons prélevés à t0

(31/05/2007) et à t1 (17/09/2007), campagne de mesure C5 (%MS : pourcentage de matière
sèche)
H.4 Métaux lourds
Figure H-8 Comparaison de la teneur en cadmium des échantillons prélevés à t0 (31/05/2007)

et à t1 (17/09/2007), campagne de mesure C5 (MS : matière sèche)
Figure H-9 Comparaison de la teneur en cuivre des échantillons prélevés à t0 (31/05/2007) et à

Figure H-10 Comparaison de la teneur en plomb des échantillons prélevés à t0 (31/05/2007) et

à t1 (17/09/2007), campagne de mesure C5 (MS : matière sèche)
Figure H-11 Comparaison de la teneur en zinc des échantillons prélevés à t0 (31/05/2007) et à

H.5 Eléments traces organiques
Figure H-12 Comparaison de la teneur en Fluoranthène des échantillons prélevés à t0

Figure H-13 Comparaison de la teneur en Benzo(b)Fluoranthène des échantillons prélevés à t0

Figure H-14 Comparaison de la teneur en Benzo(a)Pyrène des échantillons prélevés à t0

Figure H-15 Comparaison de la teneur en PCB des échantillons prélevés à t0 (31/05/2007) et à

Annexes I Hydrogrammes et volumes cumulés des événements sélectionnés pour la modélisation
I Hydrogrammes et volumes cumulés des

événements sélectionnés pour la
modélisation
date
28/06/06 29/06/06 30/06/06
2
1.8
1.6
1.4
1.2
Qe (m3/s)
0.8
0.6
0.4
0.2
0
0.35
0.3
0.25
0.2
Qs (m3/s)
0.15
0.1
0.05
-0.05
6h 12h 18h 0h 6h 12h 18h 0h 6h 12h 18h 0h
heure
Figure I-1 Hydrogrammes d’entrée (Q e, haut) et de sortie (Q s , bas) pour l’événement du 27 juin
2006 (noté 20060627)
date
28/06/06 29/06/06 30/06/06
10000
9000
8000
7000
6000
V (m3)
5000
4000
3000 sortie
entrée
2000
1000
6h 12h 18h 0h 6h 12h 18h 0h 6h 12h 18h 0h

heure
Figure I-2 Comparaison des volumes cumulés (V) d’entrée et de sortie pour l’événement du 27
juin 2006 (noté 20060627)
date
07/07/06
2.5
1.5
Qe (m3/s)
0.5
0
0.35
0.3
0.25
0.2
Qs (m3/s)
0.15
0.1
0.05
-0.05
6h 12h 18h 0h 6h 12h 18h
heure
Figure I-3 Hydrogrammes d’entrée (Q e, haut) et de sortie (Q s , bas) pour l’événement du 6

juillet 2006 (noté 20060706)
date
07/07/06
18000
16000
14000
12000
V (m 3)
10000
8000
6000
4000
2000 sortie
entrée
6h 12h 18h 0h 6h 12h 18h

heure
juillet 2006 (noté 20060706)
date
12/08/06 13/08/06
1
0.9
0.8
0.7
0.6
Qe (m3/s)
0.5
0.4
0.3
0.2
0.1
0
0.1
0.09
0.08
0.07
0.06
Qs (m3/s)
0.05
0.04
0.03
0.02
0.01
0
0h 6h 12h 18h 0h 6h 12h
heure

août 2006 (noté 20060812)
date
12/08/06 13/08/06
9000
8000
7000
6000
V (m3)
5000
4000
3000
2000
1000 sortie
entrée
0h 6h 12h 18h 0h 6h 12h

heure
août 2006 (noté 20060812)
date
17/08/06 18/08/06 19/08/06
2.5
1.5
Qe (m3/s)
0.5
0
0.4
0.35
0.3
0.25
Qs (m3/s)
0.2
0.15
0.1
0.05
-0.05
0h 6h 12h 18h 0h 6h 12h 18h 0h
heure

août 2006 (noté 20060817)
date
4
x 10 18/08/06 19/08/06
1.8
1.6
1.4
1.2
V (m3)
0.8
0.6
0.4
0.2 sortie
4 entrée
x 10
0h 6h 12h 18h 0h 6h 12h 18h 0h
heure
août 2006 (noté 20060817)
date
30/08/06
1.4
1.2
0.8
Qe (m3/s)
0.6
0.4
0.2
0.3
0.25
0.2
Qs (m3/s)
0.15
0.1
0.05
-0.05
18h 0h 6h 12h 18h
heure

août 2006 (noté 20060829)
date
30/08/06
6000
5000
4000
V (m3)
3000
2000
sortie
entrée
1000
18h 0h 6h 12h 18h

heure
août 2006 (noté 20060817)
date
15/09/06 16/09/06
4
3.5
2.5
Qe (m3/s)
1.5
0.5
0
0.4
0.35
0.3
0.25
Qs (m3/s)
0.2
0.15
0.1
0.05
-0.05
0h 6h 12h 18h 0h 6h 12h 18h
heure
Figure I-11 Hydrogrammes d’entrée (Q e , haut) et de sortie (Q s , bas) pour l’événement du 15

septembre 2006 (noté 20060915)
date
4
x 10 16/09/06
2.5
2
V (m 3)
1.5
sortie
entrée
0.5
4
x 10
0h 6h 12h 18h 0h 6h 12h 18h
heure
septembre 2006 (noté 20060915)
Annexes J Campagnes d’étalonnage des turbidimètres
J Campagnes d’étalonnage des

turbidimètres
a = -3.867826142
b = 1.028187852
c = -3.12829E-05
var(a ) = 0.211118894
var(b ) = 1.60453E-06
var(c ) = 3.52468E-13
cov(a ,b ) = -0.000443876
cov(a ,c ) = 1.72445E-07
cov(b ,c ) = -7.24004E-10

20 0.5 16.6 16.6 16.6 16.6 17.76 16.6 16.6 16.6 16.6 16.6 16.6 16.6
200 5.0 202.15 202.15 202.15 202.15 202.15 202.15 202.15 202.15 200.19 202.15 200.19 200.19
600 15.0 598.64 598.64 598.64 598.64 598.64 598.64 598.64 598.64 598.64 598.64 599.61 599.61
1000 25.0 995.13 995.13 995.13 995.13 995.13 995.13 995.13 995.13 995.13 995.13 995.13 995.13
2000 50.0 1927.76 1927.76 1928.74 1927.76 1927.76 1925.81 1925.81 1925.81 1925.81 1926.78 1927.76 1927.76
Figure J-1 Etalonnage du turbidimètre réalisé le 01/12/2003 en entrée du bassin de retenue-

a = 1.543583193
b = 0.925824315
c = 8.1396E-05
var(a ) = 3.429680804
var(b ) = 2.86464E-05
var(c ) = 6.30246E-12
cov(a ,b ) = -0.007575382
cov(a ,c ) = 2.99117E-06
cov(b ,c ) = -1.29834E-08

20 0.5 17.57 17.57 17.57 16.60 17.57 16.60 17.57 16.60 17.57 16.60 17.57 16.60
200 5.0 185.54 185.54 185.54 187.50 187.50 187.50 187.50 187.50 187.50 187.50 187.50 187.50
500 12.5 498.05 500.00 498.05 498.05 498.05 498.05 497.07 498.05 498.05 497.07 498.05 498.05
1000 25.0 1000.01 1000.01 1000.01 1000.01 1000.01 1000.01 1000.01 1000.01 1000.01 1000.01 1000.01 1000.01
2000 50.0 2179.00 2180.00 2181.00 2180.00 2179.00 2180.00 2180.00 2180.00 2180.00 2181.00 2181.00 2181.00
a = -11.74320022
b = 1.018664788
c = -7.77584E-05
var(a ) = 167.4590156
var(b ) = 0.001635199
var(c ) = 3.70835E-10
cov(a ,b ) = -0.397621738
cov(a ,c ) = 0.000160712
cov(b ,c ) = -7.5214E-07

20 0.5 29.29 28.32 29.29 29.29 28.32 29.29 29.29 28.32 29.29 29.29 28.32 29.29
100 2.5 104.50 104.50 105.47 104.49 104.50 105.47 104.49 104.50 105.47 104.49 104.49 104.49
300 7.5 306.64 306.64 306.64 306.64 306.64 306.64 306.64 306.64 306.64 306.64 306.64 306.64
500 12.5 358.40 359.38 358.40 359.38 359.38 358.40 359.38 359.38 358.40 359.38 359.38 358.40
1000 25.0 1003.92 1004.80 1004.80 1004.80 1004.80 1004.80 1004.80 1004.80 1004.80 1004.80 1004.80 1004.80
2000 50.0 1697.29 1698.26 1699.23 1700.2 1701.17 1702.14 1703.11 1704.08 1705.05 1706.02 1706.99 1707.96
a = -6.099206349
b = 1.030517196
c = -2.52513E-05
var(a ) = 0.021464169
var(b ) = 7.45633E-07
var(c ) = 5.50616E-13
cov(a ,b ) = -0.000115334
cov(a ,c ) = 9.418E-08
cov(b ,c ) = -6.34441E-10

100 2.5 96.70 96.70 96.70 96.70 96.70 96.70 96.70 96.70 96.70 96.70 96.70 96.70
300 7.5 300.70 301.70 300.70 300.70 300.70 300.70 300.70 300.70 300.70 300.70 300.70 300.70
1000 25.0 999.00 1000.00 999.00 1000.00 999.00 999.00 999.00 999.00 999.00 999.00 999.00 999.00
a = 33.7688652
b = 0.697484477
c = 0.000315341
var(a ) = 31.55823882
var(b ) = 0.000377662
var(c ) = 9.08968E-11
cov(a ,b ) = -0.076646742
cov(a ,c ) = 3.12021E-05
cov(b ,c ) = -1.78466E-07

0 0.0 24.41 24.41 24.41 24.41 24.41 24.41 24.41 24.41 24.41 24.41 24.41 24.41
50 0.3 46.87 46.87 46.87 46.87 46.87 46.87 46.87 46.87 46.87 46.87 46.87 46.87
100 0.5 100.58 100.58 100.58 100.58 100.58 100.58 100.58 100.58 100.58 100.58 101.56 101.56
300 1.5 295.90 295.90 295.90 295.90 295.90 295.90 295.90 295.90 295.90 296.87 296.87 296.87
500 2.5 515.63 516.60 519.53 516.60 515.63 515.63 515.63 515.63 515.63 515.63 516.60 516.60
1000 5.0 996.10 996.10 996.10 996.10 996.10 996.10 996.10 996.10 996.10 996.10 996.10 996.10
2000 10.0 2694.37 2694.37 2694.37 2694.37 2700.23 2700.23 2700.23 2700.23 2700.23 2702.18 2702.18 2702.18
a = -6.32325726
b = 0.975511476
c = 1.32448E-05
var(a ) = 3.015874149
var(b ) = 0.008314251
var(c ) = 3.89681E-06
cov(a ,b ) = -0.01912322
cov(a ,c ) = 7.42933E-06
cov(b ,c ) = -3.11918E-08

20 0.5 7.81 7.81 7.81 7.81 7.81 7.81 7.81 7.81 7.81 7.81 7.81 7.81
200 5.0 188.47 189.45 189.45 188.47 188.47 188.47 188.47 189.45 188.47 188.47 188.47 188.47
600 15.0 604.50 603.52 603.52 603.52 604.50 604.50 604.50 603.52 604.50 603.52 603.52 603.52
1000 25.0 966.81 965.83 965.83 965.83 965.83 965.83 965.83 965.83 965.83 965.83 965.83 965.83
2000 50.0 2000.00 2000.00 2000.00 2000.00 2000.00 2000.00 2000.00 2000.00 2000.00 2000.00 2000.00 2000.00
Figure J-6 Etalonnage du turbidimètre réalisé le 7/11/2003 en sortie du bassin de retenue-
a = 2.308048244
b = 0.993208717
var(a ) = 1.760456042
var(b ) = 0.001711457
cov(a ,b ) = -0.002179239

20 0.5 33.20 33.20 33.20 32.20 32.20 32.20 33.20 33.20 33.20 32.20 32.20 32.20
200 5.0 187.50 187.50 187.50 187.50 187.50 187.50 187.50 187.50 183.50 183.50 182.20 182.20
500 12.5 506.84 506.84 506.84 505.80 505.80 506.80 506.80 505.80 505.80 506.80 506.80 505.80
1000 25.0 989.20 989.20 989.20 991.20 991.20 991.20 991.20 990.20 990.20 990.20 991.20 991.20
2000 50.0 1989.20 1990.20 1990.20 1992.20 1992.20 1991.20 1991.20 1990.20 1990.20 1991.20 1991.20 1990.20
a = -11.74320022
b = 1.018664788
c = -7.77584E-05
var(a ) = 12.94059564
var(b ) = 0.040437588
var(c ) = 1.92571E-05
cov(a ,b ) = -0.397621738
cov(a ,c ) = 0.000160712
cov(b ,c ) = -7.5214E-07

20 0.5 29.29 28.32 29.29 29.29 28.32 29.29 29.29 28.32 29.29 29.29 28.32 29.29
100 2.5 104.50 104.50 105.47 104.49 104.50 105.47 104.49 104.50 105.47 104.49 104.49 104.49
300 7.5 306.64 306.64 306.64 306.64 306.64 306.64 306.64 306.64 306.64 306.64 306.64 306.64
500 12.5 358.40 359.38 358.40 359.38 359.38 358.40 359.38 359.38 358.40 359.38 359.38 358.40
1000 25.0 1003.92 1004.80 1004.80 1004.80 1004.80 1004.80 1004.80 1004.80 1004.80 1004.80 1004.80 1004.80
2000 50.0 1697.29 1698.26 1699.23 1700.20 1701.17 1702.14 1703.11 1704.08 1705.05 1706.02 1706.99 1707.96
a = -6.227507069
b = 1.084794447
c = -0.000142667
var(a ) = 5.767789238
var(b ) = 0.017493115
var(c ) = 8.68838E-06
cov(a ,b ) = -0.072441208
cov(a ,c ) = 2.86528E-05
cov(b ,c ) = -1.4437E-07

0 0.0 4.88 4.88 4.88 4.88 4.88 4.88 4.78 4.78 4.78 4.78 4.78 4.78
20 0.5 15.57 15.57 15.57 15.57 15.57 15.57 15.47 15.47 15.47 15.47 15.47 15.47
100 2.5 105.47 105.47 105.47 105.47 105.47 105.47 105.37 105.37 105.37 105.37 105.37 105.37
300 7.5 314.45 314.45 314.45 314.45 314.45 314.65 314.65 314.65 314.65 314.65 314.65 314.65
500 12.5 462.89 462.89 462.89 462.89 462.89 462.69 462.69 462.69 462.69 462.69 462.69 462.69
800 20.0 721.69 721.69 721.69 721.69 721.69 721.89 721.89 721.89 721.89 721.89 721.89 721.89
1000 25.0 1005.87 1005.87 1005.87 1005.87 1005.87 1005.57 1005.57 1005.57 1005.57 1005.57 1005.57 1005.57
2000 50.0 1584.00 1584.00 1584.00 1584.00 1584.00 1586.00 1586.00 1586.00 1586.00 1586.00 1586.00 1586.00
a = 14.94114249
b = 0.829071266
c = 0.000187363
var(a ) = 3.605003665
var(b ) = 0.012470992
var(c ) = 6.1182E-06
cov(a ,b ) = -0.031564024
cov(a ,c ) = 1.28494E-05
cov(b ,c ) = -7.34943E-08

0 0.0 4.88 4.88 4.88 4.88 4.88 4.88 4.88 4.88 4.88 4.88 4.88 4.88
50 0.3 48.82 48.82 48.82 48.82 50.78 50.78 50.78 48.82 48.82 48.82 48.82 48.82
100 0.5 92.77 92.77 92.77 92.77 92.77 92.77 92.77 92.77 92.77 92.77 92.77 92.77
300 1.5 296.87 296.87 296.87 296.87 296.87 296.87 296.87 296.87 296.87 296.87 296.87 296.87
500 2.5 511.72 511.72 511.72 511.72 511.72 511.72 511.72 511.72 511.72 511.72 511.72 511.72
1000 5.0 999.03 998.06 999.03 998.06 999.03 998.06 999.03 998.06 999.03 998.06 999.03 998.06
2000 10.0 2428.74 2428.74 2428.74 2425.00 2425.00 2429.00 2429.00 2427.00 2427.00 2430.00 2430.00 2430.00
Annexes K Etalonnage du spectromètre UV-visible
K Etalonnage du spectromètre UV-visible

La Figure K-1 présente l’ajustement des résultats de MES fournis par la sonde
spectro::lyser en utilisant l’étalonnage global (« global calibration ») du logiciel ana::pro.
De manière similaire, la Figure K-2 présente les résultats obtenus en utilisant l’étalonnage
global (« global calibration ») du logiciel ana::pro pour le cas de la DCO.
2
r=0.99, r =0.98, RMSEP=23 mg/L
Figure K-1 Représentation de l’ajustement des résultats de MES fournis par la sonde
spectro::lyser en utilisant l’étalonnage global (« global calibration ») du logiciel ana::pro
2
r=0.95, r =0.91, RMSEP=40 mg/L
Figure K-2 Représentation de l’ajustement des résultats de DCO fournis par la sonde
spectro::lyser en utilisant l’étalonnage global (« global calibration ») du logiciel ana::pro
La Figure K-3 présente l’ajustement des résultats de MES fournis par la sonde
spectro::lyser en utilisant l’étalonnage local (« local calibration ») du logiciel ana::pro aux
valeurs de MES de référence. De manière similaire, la Figure K-4 présente les résultats
obtenus en utilisant l’étalonnage local (« local calibration ») du logiciel ana::pro pour le
cas de la DCO.
2
2
TEST : r=1, r =1, RMSEP=13 mg/L
Figure K-3 Représentation de l’ajustement des résultats de MES fournis par la sonde
spectro::lyser en utilisant l’étalonnage local (« local calibration ») du logiciel ana::pro
2
2
TEST : r=0.97, r =0.94, RMSEP=39 mg/L
Figure K-4 Représentation de l’ajustement des résultats de DCO fournis par la sonde
spectro::lyser en utilisant l’étalonnage local (« local calibration ») du logiciel ana::pro
Annexes L Relevé topographique du bassin de retenue-décantation Django Reinhardt
L Relevé topographique du bassin de

retenue-décantation Django Reinhardt
Annexes L Relevé topographique du bassin de retenue-décantation Django Reinhardt
Annexes M Résultats des tests du modèle hydrodynamique sans transport solide
M Résultats des tests du modèle

hydrodynamique sans transport solide
M.1 Evénement 20060627
0.65
obs
0.6 sim
0.55
0.5
0.45
h1 (m)
0.4
0.35
0.3
0.25
0.2
0.15
0 5 10 15 20 25 30 35 40
temps (h)
Figure M-1 Comparaison des hauteurs d’eau h1 observées et simulées pour l’événement
20060627 (r = 0.96, EM = 0.050 m)
1.1 obs
sim
1
0.9
0.8
0.7
h2 (m)
0.6
0.5
0.4
0.3
0.2
0 10 20 30 40 50 60
temps (h)
20060627 (r = 0.79, EM = 0.157 m)
0.3 obs
sim
0.25
0.2
Qs (m3/s)
0.15
0.1
0.05
0
0 10 20 30 40 50 60 70
temps (h)
Figure M-3 Comparaison des débits de sortie Q s observés et simulés pour l’événement
20060627 (r = 0.81, EM = 0.049 m3 /s)
0.35
0.3
0.25
0.2
Qs (m3/s)
0.15
0.1
0.05
sim
0 obs
loi
-0.05
0 0.2 0.4 0.6 0.8 1
h2 (m)
Figure M-4 Couples hauteur-débit observés (obs) et simulés (sim) pour l'événement 20060627,
et loi hauteur-débit empirique (loi)
1.2 obs
sim
1.1
0.9
0.8
h1 (m)
0.7
0.6
0.5
0.4
0.3
0.2
0 5 10 15 20 25 30 35
temps (h)
20060706 (r = 0.98, EM = 0.080 m)
1.8
obs
sim
1.6
1.4
1.2
h2 (m)
0.8
0.6
0.4
0.2
0 5 10 15 20 25 30 35 40 45
temps (h)
20060706 (r = 0.94, EM = 0.182 m)
obs
0.3 sim
0.25
0.2
Qs (m3/s)
0.15
0.1
0.05
0
0 5 10 15 20 25 30 35 40 45
temps (h)
20060706 (r = 0.91, EM = 0.052 m3 /s)
0.35
0.3
0.25
sim
0.2 obs
loi
Qs (m3/s)
0.15
0.1
0.05
-0.05
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
h2 (m)
Figure M-8 Couples hauteur-débit observés (obs) et simulés (sim) pour l'événement 20060706,
et loi hauteur-débit empirique (loi)
0.45
obs
sim
0.4
0.35
h1 (m)
0.3
0.25
0.2
0.15
0 5 10 15 20 25 30
temps (h)
20060812 (r = 0.94, EM = 0.071 m)
obs
0.7
sim
0.6
0.5
h2 (m)
0.4
0.3
0.2
0 5 10 15 20 25 30 35 40
temps (h)
20060812 (r = 0.79, EM = 0.106 m)
obs
0.25
sim
0.2
Qs (m3/s)
0.15
0.1
0.05
0
0 5 10 15 20 25 30 35 40
temps (h)
Figure M-11 Comparaison des débits de sortie Qs observés et simulés pour l’événement
20060812 (r = 0.81, EM = 0.051 m3/s)
0.35
sim
0.3 obs
loi
0.25
0.2
Qs (m3/s)
0.15
0.1
0.05
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
h2 (m)
Figure M-12 Couples hauteur-débit observés (obs) et simulés (sim) pour l'événement
20060812, et loi hauteur-débit empirique (loi)
0.8 obs
sim
0.7
0.6
h1 (m)
0.5
0.4
0.3
0.2
0 5 10 15 20 25 30 35 40 45
temps (h)
20060817 (r = 0.98, EM = 0.044 m)
obs
sim
1.2
0.8
h2 (m)
0.6
0.4
0.2
0 5 10 15 20 25 30 35 40 45 50
temps (h)
20060817 (r = 0.91, EM = 0.153 m)
0.35
obs
sim
0.3
0.25
Qs (m3/s)
0.2
0.15
0.1
0.05
0
0 10 20 30 40 50 60
temps (h)
20060817 (r = 0.88, EM = 0.054 m3 /s)
0.4
0.35
0.3
0.25 sim
obs
loi
Qs (m3/s)
0.2
0.15
0.1
0.05
-0.05
0 0.2 0.4 0.6 0.8 1 1.2
h2 (m)
1.8 obs
sim
1.6
1.4
1.2
h1 (m)
0.8
0.6
0.4
0.2
0 5 10 15 20 25 30 35 40 45
temps (h)
20060915 (r = 0.96, EM = 0.191 m)
obs
sim
1.5
h2 (m)
0.5
0 5 10 15 20 25 30 35 40 45
temps (h)
20060915 (r = 0.90, EM = 0.352 m)
0.35 obs
sim
0.3
0.25
Qs (m3/s)
0.2
0.15
0.1
0.05
0
0 5 10 15 20 25 30 35 40 45
temps (h)
20060915 (r = 0.81, EM = 0.087 m3 /s)
0.4
0.35
0.3
0.25
Qs (m3/s)
0.2
0.15 sim
obs
0.1 loi
0.05
-0.05
0 0.5 1 1.5 2
h2 (m)
N Exemple de résultat des tests

préliminaires de modélisation 2D avec
transport solide
0.18
obs
0.16 sim
0.14
0.12
Cs (kg/m3)
0.1
0.08
0.06
0.04
0.02
0
0 2 4 6 8 10 12 14 16 18 20
temps (h)
Figure N-1 Comparaison des concentrations en MES (kg/m3 ) en sortie du bassin en utilisant V50
et D 50 (événement 20070123) avec Rubar 20 TS
Annexes O Curriculum Vitae
O Curriculum Vitae
Andrés TORRES andres.torres@insa-lyon.fr

Né le 5/02/1975 andres.torres@javeriana.edu.co
Nationalité : Colombienne
FORMATION
2004-2008 Doctorat en Génie Civil. Institut National des Sciences Appliquées (INSA),
Lyon, France. Bourse du Programme AlBan de l’Union Européenne
2001 - 2003 Spécialisation (DESS) en Gestion de Projets d’Ingénierie. Pontificia Univer-

sidad Javeriana (Bogotá, Colombie).
1999 - 2000 DEA Génie Civil. Institut National des Sciences Appliquées (INSA), Lyon,
France. Projet : Etude des Profils Hydriques par la Méthode TDR (Time
Domain Reflectometry). Mention : Assez Bien. Bourse des Fonds pour les
Etudes en France (FEF).
1994 - 1999 Diplôme d’Ingénieur en Génie Civil. Pontificia Universidad Javeriana (Bo-
gotá, Colombie). Major de la promotion.
LANGUES
Espagnol : langue maternelle / Français : courant / Anglais : courant
EXPERIENCE PROFESSIONNELLE
Institut National des Sciences Appliquées de Lyon - INSA-LYON

Depuis 2004 : Préparation de la thèse « Décantation des eaux pluviales dans un ouvrage
réel de grande taille : éléments de réflexion pour le suivi et la modélisation ».
Directeur : Jean-Luc Bertrand-Krajewski
Laboratoire LGCIE Hydrologie Urbaine
Pontificia Universidad Javeriana - Bogotá - PUJ

2000 – 2004 : Enseignant-chercheur (Profesor Instructor : 2000-2003 ; Profesor Asis-
tente : 2003-2004)
Enseignement : “Hydrologie”, “Ressources Hydriques”, “Mécanique des Fluides” et
“Alimentation en eau potable et systèmes d’assainissement”.

Participation à des projets de recherche en Hydrologie et Hydrologie Urbaine. Membre du
groupe de recherche « Hidrociencias ».
Compañía de Estudios e Interventorías (CEI) Ltda. – Bogota

1999 : Auxiliaire de Génie Civil.
Département de Génie Hydraulique : Participation à des projets de conception et renou-
vellement de réseaux d’assainissement d’eaux pluviales pour la ville de Bogotá.
PARTICIPATION A DES PROJETS DE RECHERCHE PENDANT LA THESE
2005 - 2008 Projet ECOPLUIES : Techniques alternatives de traitement des eaux plu-
viales et de leurs sous-produits, vers la maîtrise du fonctionnement des ou-
vrages d'infiltration urbains.
Institut National des Sciences Appliquées de Lyon (INSA-Lyon). Finance-
ment ANR
2005 - 2006 Mesurages in-situ par capteurs dans les hydrosystèmes urbains : applicabi-
lité, étalonnage, incertitudes et validation.
Institut National des Sciences Appliquées de Lyon (INSA-Lyon), Vienna
University of Technology (TU-Wien). Financement PMC « Amadeus »
2004 - 2008 OTHU : Observatoire de Terrain en Hydrologie Urbaine, Field Observatory
for Urban Water Management.
Institut National des Sciences Appliquées de Lyon (INSA-Lyon).
PUBLICATIONS PENDANT LA THESE
Revues Internationales
(1) Torres A., Bertrand-Krajewski J.-L. (2008). PLS local calibration of a UV-
visible spectrometer used for in situ measurements of COD and TSS
concentrations in urban drainage systems. Water Science and
Technology, 57(4), 581-588.
(2) Bertrand-Krajewski J.-L., Winkler S., Saracevic E., Torres A., Schaar H.
(2007). Comparison of and uncertainties in raw sewage COD
measurements by laboratory techniques and field UV-visible
spectrometry. Water Science and Technology, 56(11), 17-25.
Conférences Internationales
(3) Winkler S., Bertrand-Krajewski J.-L., Torres A., Saracevic E. (2007).

Benefits, limitations and uncertainty of in-situ spectrometry. Proceedings
of the International Conference on Automation in Water Quality Monitoring
"AutMoNet 2007", Ghent, Belgium, 5-7 September 2007, 8 p.
(4) Torres A., Bertrand-Krajewski J.-L. (2007). PLS local calibration of a UV-
visible spectrometer used for in situ measurements of COD and TSS
concentrations in urban drainage systems. Proceedings of the
International Conference on Automation in Water Quality Monitoring
"AutMoNet 2007", Ghent, Belgium, 5-7 September 2007, 8 p.
(5) Torres A., Bertrand-Krajewski J.-L. (2007). Evaluation of uncertainties in
settling velocities of particles in urban stormwater runoff. Proceedings of
the 5th SPN International Conference on Sewer Processes and Networks,
Delft, Netherlands, 28-31 August 2007, 8 p.
(6) Torres A., Bertrand-Krajewski J.-L. (2007). Heterogeneity and variability
of settling velocities of desposits in urban stormwater runoff. Proceedings
of the 5th SPN International Conference on Sewer Processes and
Networks, Delft, Netherlands, 28-31 August 2007, 8 p.
(7) Bertrand-Krajewski J.-L., Barraud S., Lipeme Kouyi G., Torres A., Lepot
M. (2007). Event and annual TSS and COD loads in combined sewer
overflows estimated by continuous in situ turbidity measurements.
Proceedings of the 11th International Conference on Diffuse Pollution,
Belo Horizonte, Brazil, 26-31 August 2007, 8 p.
(8) Torres A., Bertrand-Krajewski J.-L. (2007). Distribution of settling
velocities of particles in urban stormwater: assessment and uncertainties
of the Vicas protocol. Proceedings of the 32th IAHR Congress, Venice,
Italy, 1-6 July 2007, 9 p.
(9) Bertrand-Krajewski J.-L., Winkler S., Saracevic E., Torres A., Schaar H.
(2007). Uncertainties of laboratory and in-sewer measurements of COD in
raw sewage. Proceedings of Novatech 2007, Lyon, France, 24-27 June,
vol 3, 1433-1440. ISBN 2-9509337-9-3.
(10) Torres A., Hasler M., Bertrand-Krajewski J.-L. (2007). Spatial
heterogeneity and inter-event variability of sediment settling distributions
in a stormwater retention tank. Proceedings of Novatech 2007, Lyon,
France, 24-27 June, vol 2, 673-680. ISBN 2-9509337-8-5.
Revues Françaises
(11) Torres A., Hasler M., Bertrand-Krajewski J.-L. (2007). Hétérogénéité

spatiale et événementielle des vitesses de chute des sédiments décantés
dans un bassin de retenue d'eaux pluviales. TSM, 11, 27-34. ISSN 0299-
7258.
Conférences Nationales
(12) Bertrand-Krajewski J.-L., Barraud S., Lipeme Kouyi G., Torres A., Lepot
M. (2007). Mesurages en continu des flux polluants particulaires en
réseaux d'assainissement urbains : enjeux, méthodes, exemple
d'application. Actes de la Conférence SHF "Transports solides et gestion
des sédiments en milieux naturels et urbains", Lyon, France, 28-29
novembre 2007, 12 p.
(13) Torres A., Lipeme Kouyi G., Bertrand-Krajewski J.-L., Paquier A. (2007).
Modélisation 2D de l'hydrodynamique dans un bassin de retenue d'eau
pluviale. Actes des 25èmes Rencontres Universitaires de Génie Civil,
AUGC, Bordeaux, France, 23-25 mai 2007, 8 p.
(14) Torres A., Bertrand-Krajewski J.-L. (2006). Amélioration des algorithmes
d'étalonnage d'un spectromètre UV-visible pour le mesurage in situ en
continu des polluants dans les effluents urbains. Actes des 24èmes
Rencontres Universitaires de Génie Civil, AUGC, La Grande Motte,
France, 1-2 juin 2006, 8 p.
Autres
(15) Winkler S., Bertrand-Krajewski J.-L., Torres A., Saracevic E. (2007). On

uncertainties in continuous COD measurements with UV-visible
spectrometer. Novatech 2007, pre-conference Workshop 3, A workshop of
the International Working Group on Data and Models, Uncertainties in
Urban Drainage Data and Models, IWA/IAHR Joint Committee on Urban
Drainage, 2007, Villeurbanne, France, 24 June 2007, 11-12.
(16) Torres A., Bertrand-Krajewski J.-L. (2006). De l'estimation en continu de
la DCO par spectrométrie UV-visible. Actes du 2° Séminaire Scientifique
de l'OTHU, Lyon, France, 25 janvier 2006, 119-134.
(17) Torres A., Hasler M., Bertrand-Krajewski J.-L. (2006). Hétérogénéité
spatiale et événementielle des vitesses de chute des sédiments décantés
dans un bassin de retenue d'eau pluviale. Actes des 2° Journées
Doctorales en Hydrologie Urbaine "JDHU 2006", Nantes, France, 17-18
octobre 2006, 59-67.
(18) Torres A., Bertrand-Krajewski J.-L. (2005). Measurement and modelling of
the settling process within a stormwater retention tank. Proceedings of the
4th World Wide Workshop for Young Environmental Scientists (WWW-
YES), Vitry-sur-Seine, France, 10-13 May 2005, 10 p.
CO-ENCADREMENT DE PROJETS DE FIN D’ETUDE ET DE MASTER

RECHERCHE PENDANT LA THESE
Co-encadrement avec Jean-Luc Bertrand-Krajewski

Drain T. (2007). Mesurage des vitesses de chutes des particules d'eaux de
ruissellement, Expérimentation en laboratoire et campagnes de mesures
expérimentales. Rapport Master Recherche, LGCIE, INSA-Lyon, 22 juin 2007, 67
p.
Guilloux J. (2007). Modélisation hydrodynamique d’un bassin de décantation:
Etude du bassin Django Reinhardt de Chassieu (69). Rapport Master Recherche,
LGCIE, INSA-Lyon, 14 septembre 2007, 137 p.
Hasler M. (2007). Field and laboratory experiments on settling process in
stormwater storage tanks. Mémoire de fin d’études, LGCIE, INSA-Lyon,
Department of Civil Engineering, Urban Drainage, TU-Graz, 2007, 128 p.
Guilloux J. (2007). Modélisation hydrodynamique d'un bassin de décantation.
Mémoire de fin d’études, VA Infrastructure et Circulation, ENTPE, 28 juin 2007,
110 p.
Aubert S., Renzoni R. (2006). Etude du bassin de rétention de Chassieu :
Modélisation de la sédimentation des polluants particulaires. Mémoire de fin
d’études (PIRD), URGC-Hydrologie Urbaine, INSA-Lyon, 2006. 83 p.
LISTE DES SEMINAIRES, COLLOQUES ET CONGRES SUIVIS PENDANT

LA THESE
International Conference on Automation in Water Quality Monitoring "AutMoNet

2007", Ghent, Belgium, 5-7 September 2007. (Avec communications)
5th SPN International Conference on Sewer Processes and Networks, Delft,
Netherlands, 28-31 August 2007. (Avec communications)
Novatech 2007, Sustainable Techniques and Strategies in Urban Water
Management, 6th International Conference, Lyon, France, 24-27 June. (Avec
communications)
Novatech 2007, Workshop 3, A workshop of the International Working Group on
Data and Models, Uncertainties in Urban Drainage Data and Models, IWA/IAHR
Joint Committee on Urban Drainage, 2007, Villeurbanne, France, 24 June. (Avec
communication)
25èmes Rencontres Universitaires de Génie Civil, AUGC, Conception et vie des
ouvrages, Bordeaux, France, 23-25 mai 2007. (Avec communication)
2° Journées Doctorales en Hydrologie Urbaine "JDHU 2006", Nantes, France, 17-
18 octobre 2006. (Avec communication)
Conférence nationale GRAIE-ASTEE Eaux pluviales et assainissement :

nouvelles préoccupations sanitaires, Villeurbanne, France, 10 octobre 2006.
24èmes Rencontres Universitaires de Génie Civil, AUGC, Construire : les
nouveaux défis. La Grande Motte, France, 1-2 juin 2006. (Avec communication)
Séminaire MEGA : Etude biomécanique multi-échelle d’un système articulaire. Par
Patrick Chabrand, LABM – CNRS et Université de la Méditerranée. INSA-Lyon,
Villeurbanne, 18 mai 2006.
2° Séminaire Scientifique de l'OTHU, Lyon, France, 25 janvier 2006. (Avec
communication)
Journées « Caractérisation et valorisation des sédiments et autres sous-produits
de l'assainissement des chaussées », LCPC, Nantes, France, 15 et 16 novembre
2005.
10th International Conference on Urban Drainage, Copenhagen, Denmark, 22-26
August 2005.
"Autosurveillance, diagnostic permanent et modélisation des flux polluants en
réseaux d'assainissement urbains", SHF-GRAIE-ASTEE, Marne-la-Vallée, France,
28-29 juin 2005.
4th World Wide Workshop for Young Environmental Scientists (WWW-YES), Vitry-
sur-Seine, France, 10-13 May 2005. (Avec communication)
Séminaire MEGA : Radiation heat transfer in disperse systems: the main results
of investigations and some applications. Par Leonid A. Dombrovsky, Institute for
High Temperatures of the Russian Academy of Sciences. INSA-Lyon,
Villeurbanne, 7 janvier 2005.
Séminaire MEGA : Corrélation d'images: mesure et identification en mécanique
des solides. Par François Hild, LMT-Cachan, ENS de Cachan, CNRS UMR 8535 /
Université Paris 6. INSA-Lyon, Villeurbanne, 4 novembre 2004.
Journées AGAP qualité "Eau et géophysique : ressource, environnement, risque",
Lyon, France, 27-28 octobre 2004.
1° Journées Doctorales en Hydrologie Urbaine "JDHU 2004", Lyon, France, 25-26
octobre 2004.

Langue

These PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

These PDF

Titre original :

Transféré par

Droits d'auteur :

Formats disponibles

N° d’ordre 2008ISAL0013

Décantation des eaux pluviales dans

Formation doctorale : Génie Civil

Soutenue le 25 mars 2008 devant la Commission d’examen

Laboratoire de Génie Civil et d'Ingénierie Environnementale (LGCIE)

Mots-Clés: décantation – eaux pluviales – eaux de ruissellement – ouvrage réel – ouvrage

PARTIE 1 SYNTHESE BIBLIOGRAPHIQUE ..................................................... 19

11.1Campagne C4 (4/05/2007) .................................................................... 144

ANNEXES ........................................................................................................... 255

D.2 Généralisation de la méthode ............................................................... 290

La connaissance et la modélisation de la décantation des MES des eaux

Concernant la métrologie, les deux questions principales auxquelles nous nous

Concernant la modélisation hydrodynamique, nous avons abordé les questions

A plus long terme, ce type de recherche vise à accroître la connaissance des

Notre travail comporte trois grandes étapes :

La partie 1 de ce document est une synthèse bibliographique concernant : (i)

spatialement dépendants, comme par exemple les vitesses de chute des

1. Métrologie des sédiments

1.1 Vitesses de chute des sédiments

1.1.1 Equations théoriques et pseudo-empiriques

férieurs à 0.1 mm pour lesquelles seules la force de traînée, le poids et la force

b) Equation de Hetsroni, 1982 (dans Garde et al., 1990)

D’autres équations ont été développées et utilisées pour étudier le transport

Tableau 1-1 Paramètres de Vesilind (Vanderhasselt et Vanrolleghem, 2000)

1.1.2 Méthodes de laboratoire

Les paragraphes suivants décrivent brièvement quelques protocoles de mesure

une colonne de décantation en Plexyglas de 1.5 à 2.0 m de hauteur et 15 à 25 cm de

Figure 1-1 Colonne de décantation utilisée dans le protocole américain (EPA,1986)

b) Protocole de Benoist et Lijklema (1990)

d) Protocole UFT (Michelbach et Wöhrle, 1993)

Figure 1-4 Schéma du cône Imhoff (adapté de Saint-Pierre et al.,1995)

Figure 1-5 Schéma de l’appareil de décantation UFT (Michelbach et Wöhrle, 1993)

e) Protocole VICAS (VItesse de Chute en ASsainissement)

Un schéma de la colonne de décantation VICAS est donné Figure 1-6. La liste

Figure 1-6 Schéma du protocole VICAS (Chebbo et al., 2003b)

pompe pompe pompe pompe pompe

Figure 1-7 Colonnes de décantation Vicpol (adapté de Bhouri, 2003)

1.2 Analyses granulométriques des sédiments

Tableau 1-4 Différentes définitions du diamètre des particules (Bowen, 2002).

Tableau 1-5 Exemples de différents diamètres moyens et de leur représentation mathématique

1.3 Résultats rapportés dans la littérature

1.3.1 Vitesses de chute

La Figure 1-8 montre les courbes de distribution de vitesses de chute rapportées

Hedges et al. (1998) ont montré qu’environ entre 54 à 59 % de DCO, NTK et P

1.3.2 Efficacité de décantation

1.3.3 Propriétés physico-chimiques des sédiments

a) Granulométrie et masses volumiques

normalement admises pour le ruissellement de surface (10 %) (Gromaire-Mertz et al.,

c) Métaux lourds et éléments traces organiques

2.1 Modélisation 2D sans transport

2.2 Modélisation 2D avec transport solide

2.2.1 Le taux d’érosion (Eb)

Figure 2-1 Diagramme de Shields (van Rijn, 1984)

KDS = 0.22 β + 0.06 × 10 −7.7 β (2-13)

2.2.2 Le taux de sédimentation (D b )

2.3 Modélisation 3D sans transport solide

ρ la densité du fluide, P la pression, U la vitesse du fluide, B i le vecteur force

avec ν la viscosité cinématique du fluide.

L’équation résultante est appelée «_Reynolds-Averaged Navier-Stokes_»

avec δ ij le symbole de Krönecker, ν t la viscosité turbulente et k l’énergie cinétique

2.3.1 Le modèle k-ε