AgriEAU : outil géomatique d’aide à la gestion et l

© David Dugré, 2019

AgriEAU : outil géomatique d’aide à la gestion et l'aménagement des cours d’eau ruraux

Mémoire

David Dugré

Maîtrise en génie agroalimentaire - avec mémoire

Maître ès sciences (M. Sc.)

Québec, Canada

AgriEAU – Outil géomatique d’aide à la gestion et l’aménagement des cours d’eau ruraux

Mémoire Maîtrise en génie agroalimentaire

David Dugré

Sous la direction de :

Robert Lagacé, Université Laval

ii

Résumé

Sous l’initiative de l’Université Laval, un projet collaboratif a été mis sur pied afin de répondre au besoin des

municipalités régionales de comté (MRC) d’avoir un outil pour les aider à procéder à la création d’un plan d’action

face à la gestion et l’aménagement de leurs cours d’eau. Ce projet, qui inclut la participation de l’Université de

Concordia et l’Institut de Recherche et Développement en Agroenvironnement (IRDA), a comme objectif de

développer un outil informatique qui permet d’effectuer des analyses de cours d’eau pour identifier les zones

problématiques potentielles.

Dans ce cadre, le projet de maîtrise a consisté à participer au développement du progiciel. Les objectifs du

projet de maîtrise ont été de supporter le projet en effectuant une revue de littérature, de participer à son

développement, de valider que le progiciel puisse bien diagnostiquer certaines problématiques d’un cours d’eau

et, finalement, de valider les méthodes de traitements répertoriés.

Supporté par la revue de littérature, le progiciel développé est constitué de onze outils qui permettent de produire

les éléments nécessaires à l’analyse des cours d’eau. De ces onze outils, dix ont été supportés (testés et

documentés) et un a été complètement développé dans le cadre du projet de maîtrise pour intégrer l’outil

« Qmax_PBV » qui permet de calculer les débits maximaux.

Les données produites par le progiciel nous confirment la possibilité d’effectuer un diagnostic d’un bassin

versant agricole. À partir des données du progiciel, les différents profils transversaux ont été caractérisés soit

comme les profils stables, ceux qui s’érodent ainsi que ceux qui présentent de la sédimentation. De cette

caractérisation, les observations notées sur le terrain ont été confirmées.

Finalement, la méthode d’extraction des profils transversaux qui a été utilisée dans l’un des outils du progiciel a

été validée dans le cadre du projet. La méthode de définir des profils transversaux à partir de relevés LiDAR

(Roelens et al., 2016) avait été développée avec des LiDAR de densité de 16 pts/m2. L’objectif a été de définir

s’il est possible de l’appliquer avec un LiDAR d’une densité de 1pt/m2. L’évaluation qualitative de 21 profils nous

a permis de déterminer que la largeur minimale de la zone d’échantillonnage de points LiDAR considérée

comme convenable pour l’obtention des profils est de 6 m.

iii

Table des matières

Résumé ................................................................................................................................................ ii

Table des matières ..............................................................................................................................iii

Liste des figures ................................................................................................................................... v

Liste des tableaux ............................................................................................................................... vii

Remerciements ................................................................................................................................. viii

Introduction ........................................................................................................................................ 1

1.Revue de littérature ......................................................................................................................... 2

1.1.Introduction .............................................................................................................................. 2

1.2.Éléments techniques ................................................................................................................. 2

1.2.1.Hydrologie .......................................................................................................................... 2

1.2.2.Géomorphologie ................................................................................................................ 6

1.3.Géomatique............................................................................................................................... 8

1.3.1.Formats de données ........................................................................................................... 8

1.3.2.Logiciels hydrologiques .................................................................................................... 17

1.3.3.Algorithmes pour déterminer le réseau hydrographique ................................................ 18

1.3.4.Langage de programmation et SIG .................................................................................. 23

1.4.Modules .................................................................................................................................. 24

1.4.1.GéODEP ............................................................................................................................ 24

1.4.2.QmaxPBV .......................................................................................................................... 25

1.4.3.Géomorphologie .............................................................................................................. 25

1.5.Législation ............................................................................................................................... 25

2.Développement du progiciel .......................................................................................................... 27

2.1.Introduction ............................................................................................................................ 27

2.2.Hypothèse et objectifs ............................................................................................................ 27

2.3.Matériel et méthode ............................................................................................................... 27

2.3.1.Données disponibles ........................................................................................................ 28

2.3.2.Choix du SIG et du langage de programmation ............................................................... 28

2.3.3.Méthodologie de développement ................................................................................... 29

2.4.Résultats .................................................................................................................................. 29

iv

2.4.1.Structure générale ........................................................................................................... 29

2.4.2.Dévelopement de l’outil « Qmax_BV » ............................................................................ 32

2.4.3.Documentation ................................................................................................................ 41

2.5.Conclusion ............................................................................................................................... 42

3.Utilisation – Validation par l’application à un cas .......................................................................... 43

3.1.Introduction ............................................................................................................................ 43

3.2.Hypothèse et objectifs ............................................................................................................ 43

3.3.Matériel et méthode ............................................................................................................... 43

3.4.Résultats .................................................................................................................................. 45

3.4.1.Géotraitement .................................................................................................................. 45

3.4.2.Hydrologie ........................................................................................................................ 53

3.4.3.Géomorphologie .............................................................................................................. 53

3.4.4.Analyse des résultats ........................................................................................................ 54

3.5.Conclusion ............................................................................................................................... 55

4.Profils transversaux ........................................................................................................................ 59

4.1.Introduction ............................................................................................................................ 59

4.2.Revue de littérature ................................................................................................................ 59

4.3.Hypothèses et objectifs ........................................................................................................... 61

4.4.Matériel et méthodes ............................................................................................................. 61

4.5.Site ........................................................................................................................................... 62

4.6.Résultats .................................................................................................................................. 63

4.7.Conclusion ............................................................................................................................... 69

Conclusion ......................................................................................................................................... 70

Bibliographie ..................................................................................................................................... 71

Annexe A – Exemple de fenêtre de lancement ................................................................................. 82

Annexe B – Script « Qmax_BV » ........................................................................................................ 85

v

Liste des figures

Figure 1 : Représentation d’un bassin versant et sous-bassins versants

(hydrauliqueformation.blogspot.ca, 2014) ......................................................................................... 4

Figure 2 : Exemple d'un profil transversal (Lagacé, 2016) .................................................................. 6

Figure 3 : Exemple de profil longitudinal (Lagacé, 2016) .................................................................... 6

Figure 4 : Migration typique de méandres observée par positionnement du chenal sur

plusieurs années (Piégay et al. 2005). ................................................................................................. 7

Figure 5 : Exemple de points, lignes et surfaces définis en format vectoriel (Geospatial

Innovation Facility, n.d.) ...................................................................................................................... 9

Figure 6 : Représentation de la taille des cellules et résolutions de l’information dans un

raster (ESRI, 2008) ............................................................................................................................. 10

Figure 7 : Exemple de points, lignes et surfaces définis en format raster (Geospatial

Innovation Facility, n.d.) .................................................................................................................... 11

Figure 8 : Modélisation ArcScene de la forêt en bordure de la rivière Sainte-Anne à 4 points

au m2 (Dugré, 2016) ........................................................................................................................... 13

Figure 9 : Comparaison entre un modèle numérique de surface (MNE) et un modèle

numérique de surface (MNS) (Wiki GIS, 2013) ................................................................................. 15

Figure 10: Visualisation de procédure pour définir la direction d’écoulement avec

l’algorithme D8 (Cooper, 2013) ......................................................................................................... 18

Figure 11 : Étapes de modélisation d'un cours d'eau à l’aide de l'algorithme D8 (Turcotte,

2001) ................................................................................................................................................. 19

Figure 12: Exemple de conversion d’un DRLN à partir d’un format vectoriel à un format

matriciel (raster) : A) Trajet vectoriel initial B) Ajout de points au réseau vectoriel C)

Conversion des points vectoriels en coordonnées de rangées et colonnes D) Élimination des

cas problématiques i) Cellules qui nécessitent deux directions ii) confluent artificiel iii)

répétitions de confluents E) Remplissage des lacs F) Assignation de la valeur zéro aux

cellules non incluses dans le parcours (Turcotte, 2001). .................................................................. 20

Figure 13 : Exemple de divergence générée par un ajustement unique de la direction

d'écoulement des cellules chevauché par le DRLN : A) Cas initial B) Parcours et direction

d’écoulement obtenue par le D8 C) exemple de divergence dans la direction D) exemple

d’écoulement attendu suite à l’utilisation de l’approche proposée (les flèches blanches

représentent la direction d’écoulement modifié après avoir utilisé le DRLN) (Turcotte, 2001). ..... 21

Figure 14: Comparaison des méthodes de définition des parcours d’écoulement avec deux

algorithmes : a) Single Flow Direction b) Multiple Flow Direction (Cooper, 2013) ......................... 22

Figure 15: Correspondance des outils à la procédure d’analyse des cours d’eau manuelle

avec la structure et l’interrelation entre les outils ............................................................................ 30

Figure 16 : Code pour l'ajout d'un champ dans une table d'attribut associée à une carte et

pour le peuplement du champ .......................................................................................................... 36

Figure 17 : Code pour l'extraction spatiale d'une carte vectorielle .................................................. 36

vi

Figure 18 : Code de la concaténation de deux champs d'une table d'attribut ................................. 38

Figure 19 : Code d'intégration de la table SQL pour la conversion des termes et jointure à la

table d'attribut .................................................................................................................................. 39

Figure 20 : Fonctions utilisées pour l'extraction des coordonnées des nœuds des extrémités

des segments ..................................................................................................................................... 39

Figure 21 : Échantillon de résultat contenu dans le fichier CSV « Qmax_calc_results » .................. 40

Figure 22 : Titres principaux de la table des matières de la documentation d'AgriEAU (Dugré

et al., 2018) ....................................................................................................................................... 41

Figure 23 : Visuel du secteur du cours d'eau de l'étude de cas (Google Map,2018) ........................ 44

Figure 24: Liste des parcours et noms des LiDAR dans le fichier texte (.txt) .................................... 45

Figure 25: MNE de résolution de 5 m produit par « CreateDEM » ................................................... 46

Figure 26: Profil transversal au niveau d’une correction de ponceau dans le bassin versant

du cours d’eau Castor à Brome-Missisquoi : a) avant correction et b) après correction ................. 47

Figure 27 : Position de l'exutoire et produits de l'outil « Watershed » : a) raster du bassin

versant et b) raster des distances par rapport à l'exutoire .............................................................. 48

Figure 28: Éléments du bassin versant : a) le réseau de drainage avec l’identifiant des

segments, b) les points longitudinaux et c) les sous-bassins versants ............................................. 49

Figure 29: a) Disposition des profils transversaux de 30 m de longueur à intervalle de 50 m

sur le réseau hydrographique de Castor avec leur identifiant respectif; b) Position des

profils transversaux du réseau hydrographique du cours d’eau Castor .......................................... 50

Figure 30 : Table d’attributs associées à la carte des points positionnant les profils

transversaux ...................................................................................................................................... 50

Figure 31 : Profil transversal no. 283 brute produite à partir des données LiDAR ........................... 51

Figure 32 : Profil transversal no. 283 lissé ......................................................................................... 52

Figure 33: Extraction du profil d'un cours d'eau (Roelens et al., 2016) ............................................ 60

Figure 34 : Représentation imagée de a) la déviation verticale et b) la différence relative de

l'aire (Roelens et al., 2016) ................................................................................................................ 60

Figure 35 : Profils transversaux lissés du profil transversal no. 101 pour les largeurs de

données LiDAR de : a)1 m, b)2 m, c)3 m et d)4 m ............................................................................. 64


données LiDAR de : e)5 m, f)6 m et g)7 m......................................................................................... 65


données LiDAR de: a)1 m, b)2 m, c)3 m et d)4 m ............................................................................. 66


données LiDAR de : e)5 m, f) 6 m et g)7 m ........................................................................................ 67

Figure 39 : Graphique des notes par rapport au nombre de points ................................................. 68

Figure 40 : Fenêtre de lancement GRASS de l'outil « Qmax_BV » .................................................... 84

vii

Liste des tableaux

Tableau 1 : Classification des points LiDAR dans un fichier LAS........................................................ 14

Tableau 2 : Données nécessaires au progiciel et sources ................................................................. 28

Tableau 3 : Cartes produites par le module « Géotraitement » ....................................................... 31

Tableau 4 : Méthodes de calcul de tc, Ru, CN et C............................................................................ 34

Tableau 5 : Échantillon de la table d'attribut complète des points positionnant les profils

transversaux ...................................................................................................................................... 52

Tableau 6 : Vitesses maximales admissibles correspondant à la végétation et la pédologie

du cours d’eau Castor (annexe E, Dugré et al. 2018) ........................................................................ 54

Tableau 7 : Résultats présentés dans le CSV produit pour chaque tronçon de cours d'eau et

des récurrences variées .................................................................................................................... 57

Tableau 8 : Données produites par « CheckStability »...................................................................... 58

Tableau 9 : Résumé de la notation des profils transversaux ............................................................ 69

viii

Remerciements

Ce projet d’envergure n’aurait pas été possible sans le travail et l’aide apporté par les différents participants,

dont la collaboration de l’équipe du GRIAGE soutenue par Pascale Biron de l’Université de Concordia, Aubert

Michaud et Mohammed Niang de l’Institut de Recherche et Développement en Agroenvironnement (IRDA),

Simon Lajeunesse de la municipalité régionale de comté de Brome-Missisquoi et de Élisabeth Bussière et

Pierre-Luc Bégin du Ministère de l’Environnement et Lutte contre le Changement Climatique (MELCC).

Je souhaite tout particulièrement remercier Robert Lagacé pour la prise en charge du projet, son orientation,

son implication dans le développement et son soutien sans quoi le tout n’aurait jamais été possible.

Pour le travail et l’aide apporté lors de toutes les étapes de l’élaboration de l’outil, un grand merci à Guénolé

Choné (professionnel de recherche – Concordia).

Finalement, j’aimerais aussi souligner la contribution non négligeable de Pier-Philippe Labrie (MRC- Brome-

Missisquoi), Arianne Blais-Gagnon (IRDA), Charles Frenette-Vallières (stagiaire à l’IRDA) et Françoise Tadif

(étudiante à l’Université Laval).

1

Introduction

Ce mémoire a été réalisé dans le cadre d’un projet collaboratif entre l’Institut de Recherche et Développement

en Agroenvironnement (IRDA), l’Université de Concordia et l’Université Laval. L’objectif du projet consistait à

élaborer un progiciel devant fournir des informations de base et essentielles pour l’étude et l’aménagement des

cours d’eau afin de permettre des analyses plus complètes. Le progiciel (AgriEAU) est le résultat de l’intégration

des travaux antérieurs et présents des trois organisations. Plus précisément, l’Université de Concordia a apporté

le module « Géomorphologie » qui traite de la stabilité des cours d’eau. L’Université Laval a, pour sa part, mis

à disposition l’application « Qmax_PBV » qui effectue les calculs des débits pour différentes récurrences et ce,

selon différences méthodes. Finalement, l’IRDA a mis à disposition l’application « GéoDEP » qui évalue

l’exportation de sédiments et nutriments d’un territoire. Pour regrouper le matériel existant et compléter

l’information nécessaire à l’analyse d’un cours d’eau, des traitements et des outils ont dû être développés.

Le développement a été effectué avec une vision de logiciel libre, ce qui offre la possibilité d’une distribution

gratuite et sans licence restrictive, ainsi que la possibilité de développement à long terme avec des tierces

parties.

Le travail effectué dans le cadre du mémoire a consisté à effectuer une revue de littérature des méthodes et

outils disponibles pour le développement, participer à la définition de la structure de traitement, développer

certains outils, tester les outils développés, valider les méthodes de traitements, procéder à la création de la

documentation du progiciel et valider les résultats sur un cas identifié.

Le mémoire se divise en quatre chapitres. Tout d’abord, le premier chapitre présente la revue de littérature qui

identifie et décrit les éléments d’intérêt pour le progiciel. Par la suite, le deuxième chapitre décrit en détail le

développement du progiciel et le troisième chapitre présente la validation des résultats obtenus par AgriEAU

avec l’étude d’un cas. Finalement, le quatrième et dernier chapitre présente l’analyse effectuée pour évaluer la

possibilité d’utiliser une méthode d’extraction des profils transversaux des cours d’eau en utilisant des relevés

LiDAR de faible densité (1 point/m 2) au lieu d’un relevé LiDAR de haute densité (16 points /m2).

2

1. Revue de littérature

1.1. Introduction

La revue de littérature est la base du projet de développement du progiciel en fournissant l’information de

référence pour déterminer les étapes de traitements à effectuer, identifier les méthodes de traitements ainsi

qu’identifier les choix au niveau de la méthodologie et du matériel. Le contenu de cette section est séparé en

quatre parties.

La première partie présente les éléments techniques pour élaborer l’analyse d’un cours d’eau en abordant

l’hydrologie et la géomorphologie. La deuxième partie présente les éléments de géomatique d’intérêt lors de

l’étude des cours d’eau en abordant les formats de données, les outils hydrologiques disponibles, les

algorithmes utilisés en hydrologie, les méthodes de traitements répertoriées et le langage de programmation.

La troisième partie présente sommairement les modules (GéODEP, QmaxBV et Géomorphologie) qui ont été à

l’origine du projet AgriEAU. Finalement, la quatrième partie présente la législation qui a été adoptée en 2018 et

qui soulève le besoin d’un outil d’aide à la gestion et l’aménagement des cours d’eau afin d’aider les MRC à

produire un plan régional des milieux humides et hydriques.

1.2. Éléments techniques

Cette section est une présentation de la méthodologie sur laquelle se base les calculs d’hydrologie (écoulement)

et de géomorphologie (stabilité) pour les cours d’eau d’une zone d’étude. Les deux domaines sont intimement

liés puisque les résultats des calculs hydrologiques (débits et vitesses) sont essentiels pour procéder à ceux de

géomorphologie (puissance spécifique et vitesse admissible).

1.2.1. Hydrologie

L’hydrologie est définie comme étant l’étude du cycle de l’eau et permet de définir les débits, soit le volume

d’eau traversant une aire perpendiculaire au cours d’eau à un temps déterminé.

Le débit est une valeur définie ponctuellement dans le temps et l’espace puisqu’il dépend du volume d’eau

drainé sur le secteur qui l’influence. Par exemple, la présence d’une précipitation sur le territoire étudié mène à

une augmentation ponctuelle du volume à drainer, ce qui augmente le débit temporairement.

Puisque les débits varient, pour des raisons d’uniformité et pour la conception d’ouvrages hydrauliques, les

débits sont évalués pour quelques récurrences. Ces récurrences sont reliées à l’intensité des précipitations sur

le bassin versant qui est la délimitation pour le partage des eaux selon l’élévation du sol et dont toute l’eau y

3

tombant afflue au point le plus bas (exutoire) et l’aire drainée (figure 1). Par exemple, si une précipitation est

observée une fois aux 10 ans, le débit correspondant à la crue est un débit de récurrence 10 ans. Ces périodes

concordent aussi avec les pluies les plus importantes et donc les débits les plus importants. Les récurrences

normalement analysées sont celles de 2, 5, 10, 20, 25, 50 et 100 ans.

La méthode la plus simple pour calculer un débit est la méthode rationnelle (MDDELCC, 2017). Cette méthode

est valide pour évaluer les débits de pointe des bassins versants d’une superficie inférieure à 25 km2.

L’équation 1 présente la formule du calcul du débit.

𝑄𝑝 =𝐶 𝐼𝑃 𝐴𝑏

360 [Éq. 1]

𝑂ù

𝑄𝑝 ∶ 𝐷é𝑏𝑖𝑡 𝑑𝑒 𝑝𝑜𝑖𝑛𝑡𝑒 𝑑𝑢 𝑏𝑎𝑠𝑠𝑖𝑛 𝑣𝑒𝑟𝑠𝑎𝑛𝑡 (𝑚3

𝑠)

𝐶 ∶ 𝐶𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑟𝑢𝑖𝑠𝑠𝑒𝑙𝑙𝑒𝑚𝑒𝑛𝑡 (−)

𝐼𝑝: 𝐼𝑛𝑡𝑒𝑛𝑠𝑖𝑡é 𝑑𝑒 𝑙𝑎 𝑝𝑟é𝑐𝑖𝑝𝑖𝑡𝑎𝑡𝑖𝑜𝑛 (𝑚𝑚

ℎ)

𝐴𝑏 ∶ 𝑆𝑢𝑝𝑒𝑟𝑓𝑖𝑐𝑖𝑒 𝑑𝑢 𝑏𝑎𝑠𝑠𝑖𝑛 𝑣𝑒𝑟𝑠𝑎𝑛𝑡 (ℎ𝑎)

Le facteur C est directement influencé par le territoire puisqu’un territoire aura tendance à présenter de

nombreuses irrégularités telles que la présence de milieu agricole, de déforestation ou d’urbanisation. Afin de

réduire ces variations et d’obtenir des résultats plus fiables, il est possible de subdiviser le bassin versant en

plusieurs sous-bassins selon le réseau hydrographique. Le choix de la valeur du facteur C est encadré par des

tables dédiées à cette fin (Stämpfli et al. 2007).

Le facteur Ip est quant à lui déterminé par le temps de concentration (MDDELCC, 2018). Ce temps est ensuite

utilisé avec les courbes IDF (Intensité – Durée – Fréquence) ou HDF (Hauteur – Durée – Fréquence) pour définir

la hauteur d’eau tombant sur le territoire en millimètres pour la durée de temps de concentration et la récurrence

choisie.

1.2.1.1. Temps de concentration

Le temps de concentration est défini comme étant le temps nécessaire à une goutte d’eau pour effectuer le

trajet le plus long à partir des limites du bassin versant jusqu’à son exutoire. Ce temps permet de définir deux

éléments.

Le premier est un aperçu de l’intensité de réaction du bassin. Plus le temps de concentration est court, plus la

crue du débit est rapide. Cet élément est aussi relié à la forme du bassin. Un temps court correspond

habituellement à un petit bassin pentu, de forme compacte et imperméable.

4

Le deuxième élément permet d’estimer la durée de la pluie nécessaire pour que tout le bassin contribue à

l’écoulement. Par exemple, si le temps de concentration est de 2 h, pour une pluie constante et uniforme, le

débit sera maximisé au bout de 2 h et le temps de sollicitation est alors de 2 h. Cette valeur permet de déterminer

la durée de précipitation lors de la mise sur pied de projets.

Plusieurs formules existent pour évaluer ce temps (Kirpich 1940, Chow 1962, Watt et Chow 1985) et l’élément

reliant toutes ces équations est la longueur de parcours (L) et la pente du cours d’eau (S).

Figure 1 : Représentation d’un bassin versant et sous-bassins versants (hydrauliqueformation.blogspot.ca, 2014)

1.2.1.2. Courbes IDF - HDF

Avec les stations météorologiques au Québec, la hauteur d’eau et la durée des pluies ont été répertoriées par

secteur et ont permis de créer des courbes qui définissent la hauteur d’eau pour des précipitations de durée

déterminée, le tout selon la récurrence. Il s’agit des courbes IDF (Intensité – Durée – Fréquence) ou HDF

(Hauteur – Durée – Fréquence) qui sont accessibles auprès de AgroMétéo (AgroMétéo, 2018).

1.2.1.3. Vitesse

À partir du débit, il est possible de calculer la vitesse d’écoulement en se basant sur l’équation 2. Cependant,

l’aire est impossible à obtenir telle quelle. Vient alors en compte l’équation 3 qui permet de transformer le terme

de la vitesse.

5

𝑉 =1

𝑛𝑅ℎ

2/3𝑆1/2 [Éq. 2]

𝑂ù

𝑉 ∶ 𝑣𝑖𝑡𝑒𝑠𝑠𝑒 (𝑚

𝑠)

𝑛 ∶ 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑟𝑢𝑔𝑜𝑠𝑖𝑡é 𝑑𝑒 𝑀𝑎𝑛𝑛𝑖𝑛𝑔 𝑅ℎ: 𝑟𝑎𝑦𝑜𝑛 ℎ𝑦𝑑𝑟𝑎𝑢𝑙𝑖𝑞𝑢𝑒 (𝑚)

𝑆: 𝑝𝑒𝑛𝑡𝑒 𝑑𝑢 𝑐𝑜𝑢𝑟𝑠 𝑑′𝑒𝑎𝑢(𝑚

𝑚)

𝑄 = 𝐴𝑡𝑉 [Éq. 3]

𝑂ù

𝑄 ∶ 𝑑é𝑏𝑖𝑡 (𝑚3

𝑠)

𝐴𝑡 ∶ 𝑎𝑖𝑟𝑒 𝑑𝑒 𝑙𝑎 𝑠𝑒𝑐𝑡𝑖𝑜𝑛 𝑡𝑟𝑎𝑛𝑠𝑣𝑒𝑟𝑠𝑎𝑙𝑒 (𝑚2)

𝑉: 𝑣𝑖𝑡𝑒𝑠𝑠𝑒 (𝑚

𝑠)

𝑅ℎ =𝐴

𝑃 [Éq. 4]

𝑂ù 𝑅ℎ: 𝑟𝑎𝑦𝑜𝑛 ℎ𝑦𝑑𝑟𝑎𝑢𝑙𝑖𝑞𝑢𝑒 (𝑚) 𝐴𝑡 ∶ 𝑎𝑖𝑟𝑒 𝑑𝑒 𝑙𝑎 𝑠𝑒𝑐𝑡𝑖𝑜𝑛 𝑡𝑟𝑎𝑛𝑠𝑣𝑒𝑟𝑠𝑎𝑙𝑒(𝑚2) 𝑃 ∶ 𝑝é𝑟𝑖𝑚è𝑡𝑟𝑒 𝑚𝑜𝑢𝑖𝑙𝑙é (𝑚)

Avec les équations 3 et 4, il est possible de transformer l’équation 2 pour qu’elle soit dépendante de l’aire

(équation 5).

Q =1

𝑛(

𝐴𝑡2

𝑃)2/3𝑆1/2 [Éq. 5]

Avec la pente du cours d’eau, le profil de la section transversale et l’équation 5, il est possible de déterminer

l’aire exacte par itération en ajustant la hauteur d’eau dans la section jusqu’à atteindre un débit équivalent à

celui obtenu avec l’équation 1. Une fois cet équilibre obtenu, la vitesse correspondante est établie pour ce débit.

Profil transversal

Un profil transversal (figure 2) d’un cours d’eau est l’équivalent d’une coupe perpendiculaire à l’écoulement. Ce

profil révèle la forme du lit du cours d’eau. Cette coupe peut être uniforme ou varier sur la largeur et ce profil

influence la vitesse d’écoulement en offrant plus ou moins de surface de contact selon la hauteur d’eau s’y

trouvant. C’est aussi avec la hauteur d’eau que l’aire correspondant à l’écoulement est déterminé.

6

Figure 2 : Exemple d'un profil transversal (Lagacé, 2016)

1.2.1.4. Profil longitudinal et pente des cours d’eau

Le profil longitudinal (figure 3) est une visualisation graphique de l’élévation du fond du cours d’eau en suivant

la ligne du talweg (endroit le plus profond). À partir de ce profil, il est possible d’extraire la pente du cours d’eau.

Figure 3 : Exemple de profil longitudinal (Lagacé, 2016)

1.2.2. Géomorphologie

Dans un contexte de gestion des cours d’eau, la géomorphologie apporte des éléments de réponse concernant

la stabilité potentielle des cours d’eau dans le temps. La « stabilité » signifie le maintien du chenal sous sa forme

actuelle, c’est-à-dire en l’absence d’érosion des berges et du lit, ainsi qu’en l’absence de dépôt de sédiments. Il

est important de remarquer qu’une telle stabilité ne correspond pas à l’état naturel d’un cours d’eau dans la

majorité des cas. Normalement il y a migration naturelle des méandres des cours d’eau. Cette migration est

causée par l’érosion des berges du côté externe des méandres et des dépôts des sédiments du côté interne

(figure 4). Cette migration du chenal a par ailleurs un rôle écologique important en permettant un maintien

dynamique des habitats (Florsheim et al. 2008).

Malgré les aspects écologiques liés au dynamisme naturel des cours d’eau, la linéarisation des cours d’eau en

milieu agricole et la mise en place de système de drainage des cultures imposent souvent un besoin de maintenir

le chenal dans un état statique, sans érosion ni dépôt de sédiments. Cette stabilité géomorphologique peut être

testée de trois manières différentes : par la technique de la vitesse maximale admissible, par le calcul de la

7

puissance spécifique en utilisant des valeurs seuils, ou bien par le calcul de la puissance spécifique en utilisant

la variation de cette puissance.

Figure 4 : Migration typique de méandres observée par positionnement du chenal sur plusieurs années (Piégay et al. 2005).

1.2.2.1. Vitesse maximale admissible

Le manuel de conception des chenaux du United States Department of Agriculture (USDA, 2007) fournit

plusieurs techniques pour dimensionner un chenal artificiel de façon à en assurer la stabilité. Ces techniques

peuvent être utilisées pour tester la stabilité d’un cours d’eau de dimensions existantes ou projetées. La

technique de la vitesse maximale admissible y apparaît comme la plus adaptée pour les cours d’eau en milieu

agricole. Cette technique consiste à calculer la vitesse moyenne d’écoulement au-delà de laquelle le chenal

réajuste sa forme, soit la vitesse maximale admissible. Cette vitesse maximale admissible peut être comparée

à la vitesse moyenne d’écoulement pour un débit d’une récurrence donnée (récurrence de conception). Si la

vitesse moyenne d’écoulement de l’eau est supérieure à la vitesse maximale admissible, les berges du chenal

sont alors susceptibles de s’éroder. Pour déterminer la vitesse maximale admissible, plusieurs méthodes

existent et les données requises varient selon la méthode utilisée. L’une de ces méthodes consiste à se baser

sur des tables de références présentant les limites des vitesses maximales selon le type de matériau qui

constitut le canal à l’étude. Une telle table a été produite en 1926 et elle fût basée sur un questionnaire qui a été

répondu par des ingénieurs en irrigation (Fortier et Scobey, 1926). En 1991, une seconde table avec des critères

similaires a été produite par l’USDA (NRCS, 2008).

8

Puissance spécifique

La puissance est l’énergie que possède le cours d’eau. La puissance n’est pas uniforme sur toute la longueur

du cours d’eau puisque c’est une caractéristique géomorphologique de celui-ci. Selon la quantité d’énergie

disponible, les sédiments peuvent soit se déposer dans le cas d’un manque d’énergie, soit poursuivre leur

chemin si cela leur est possible ou de nouvelles particules peuvent être arrachées des talus ou du fond du cours

d’eau. Bagnold (1966) définit les concepts de puissance totale (équation 6) (Ω, en W/m) et de puissance

spécifique (équation 7) (𝜔, en W/m2) comme suit :

Ω = 𝜌𝑔𝑄𝑏𝑓𝑆𝑏 [Éq. 6]

𝜔 = 𝜏0𝑉 = Ω𝑊⁄ [Éq. 7]

𝑂ù

𝜏0 ∶ 𝐶𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑑𝑒 𝑐𝑖𝑠𝑎𝑖𝑙𝑙𝑒𝑚𝑒𝑛𝑡 (𝑁

𝑚2)

𝑉 ∶ 𝑉𝑖𝑡𝑒𝑠𝑠𝑒 𝑚𝑜𝑦𝑒𝑛𝑛𝑒 (𝑚

𝑠)

𝜌 ∶ 𝐷𝑒𝑛𝑠𝑖𝑡é 𝑑𝑒 𝑙’𝑒𝑎𝑢 (𝑘𝑔

𝑚3)

𝑔 ∶ 𝐴𝑐𝑐é𝑙é𝑟𝑎𝑡𝑖𝑜𝑛 𝑔𝑟𝑎𝑣𝑖𝑡𝑎𝑡𝑖𝑜𝑛𝑛𝑒𝑙𝑙𝑒 (𝑚

𝑠2)

𝑄𝑏𝑓 ∶ 𝐷é𝑏𝑖𝑡 𝑝𝑙𝑒𝑖𝑛 𝑏𝑜𝑟𝑑 (𝑚3

𝑠)

𝑊 ∶ 𝐿𝑎𝑟𝑔𝑒𝑢𝑟 𝑝𝑙𝑒𝑖𝑛 𝑏𝑜𝑟𝑑 (𝑚)

𝑆𝑏 ∶ 𝑃𝑒𝑛𝑡𝑒 𝑑𝑢 𝑙𝑖𝑡 (𝑚

𝑚)

Des valeurs seuils de puissance spécifique ont été définies empiriquement, notamment par Brookes (1988,

1990), pour déterminer le comportement d’un cours d’eau, en termes d’érosion ou de dépôt de sédiments. Au

Québec, les travaux de Guillou (2012) ont confirmé la validité de ces résultats en milieu agricole, avec des

signes d’érosion et de création d’un méandre pour des cours d’eau ayant une puissance spécifique supérieure

à 25 W/m2, et une sédimentation pour les cours d’eau ayant une puissance spécifique inférieure à 7 W/m2.

1.3. Géomatique

Cette section présente les éléments reliés aux outils géomatiques. Elle débute en présentant les formats de

données disponibles, pour ensuite présenter les logiciels qui peuvent les traiter. Par la suite, les outils

géomatiques sont abordés, pour s’attarder aux algorithmes utiles en hydrologie et une méthode de traitement.

La section se termine avec le langage de programmation que les outils utilisent.

1.3.1. Formats de données

Les informations pouvant décrire un territoire tel que la population, l’occupation du sol, la pédologie et la

topographie peuvent être représentées sous forme vectorielle, matricielle (raster) ou LiDAR. Cette section

9

présente ces formats et les outils qui permettent de les traiter, ainsi que les algorithmes reliés à l’hydrologie qui

sont utilisés par ces outils, le langage de programmation qu’ils utilisent et les méthodes de traitements les

exploitants.

1.3.1.1. Vectoriel

Le vectoriel est un format de données permettant de représenter l’information dans les outils SIG. Ce modèle

dispose principalement d’informations ponctuelles de localisation x, y et z correspondant à un système de

coordonnées (UTM, MTM, etc.). De ces points qui sont les éléments de base, des liens peuvent être produits

afin de former des relations et ainsi obtenir des lignes, des « polylignes » et des polygones (figure 5). Ces

éléments peuvent représenter des objets comme des limites de bassin versant, le parcours de cours d’eau ou

une zone pédologique. Pour ce faire, certaines règles concernant la topologie doivent être respectées :

- Les limites ne devraient pas se croiser. Seules les lignes correspondantes, par exemple, à des ponts

traversant une rivière peuvent se croiser;

- Les lignes et les limites partagent des nœuds seulement si leur extrémité respective est la même;

- Une aire commune ne devrait pas être présente plus d’une fois;

- Une aire doit absolument être fermée;

- Il est recommandé que les aires et les éléments linéaires soient placés dans des couches séparées.

Figure 5 : Exemple de points, lignes et surfaces définis en format vectoriel (Geospatial Innovation Facility, n.d.)

Avec ces éléments, une représentation d’un milieu peut être produite, fournissant des informations

supplémentaires d’une topologie. Par exemple, un réseau routier peut être présenté avec des intersections

(points), des arcs (lignes), des polygones et des étiquettes qui permettent d’associer des informations

supplémentaires, offrant ainsi une représentation précise d’un réseau routier. De plus, chaque objet peut avoir

une liste d’attributs correspondant à des caractères des objets comme le type de sol, la série de sols ou le type

de recouvrement dans le cas d’une carte.

10

L’avantage de ce format est que les données disposent d’une bonne représentation des mesures puisqu’elles

ne sont que des valeurs, ce n’est donc que la précision de la valeur recueillie qui affecte la mesure. De plus, les

données sont compactes et la topologie peut être complètement décrite par ce format. Cependant, la structure

est complexe et les polygones séparés sur plusieurs couches superposées peuvent amener des difficultés de

traitements. Aussi les simulations sont difficiles puisque les unités possèdent différentes formes topologiques.

1.3.1.2. Raster

À son état le plus simple, un raster est une matrice de cellules (pixels) organisées en rangées et colonnes où

chaque cellule dispose d’informations propres à sa localisation. Ces pixels peuvent avoir des dimensions aussi

grandes ou petites que nécessaire pour représenter la surface et véhiculer ces informations. Cependant, la taille

des pixels détermine la taille et la finesse des motifs et des fonctionnalités du raster. Plus ceux-ci sont petits,

plus le raster sera lisse et précis et plus ceux-ci sont grands, plus il risque d’y avoir une perte d’informations et

de détails (figure 6). Aussi, la taille des pixels détermine le niveau de détail et l’espace de stockage nécessaires

pour la carte. Plus précis est celui-ci, plus l’espace de stockage exigé est important.

Figure 6 : Représentation de la taille des cellules et résolutions de l’information dans un raster (ESRI, 2008)

Le positionnement de chaque cellule est défini par la ligne et la colonne où elle se trouve dans la matrice. Les

rangées correspondent aux coordonnées cartésiennes en x et les colonnes à l’axe y.

Les rasters sont des représentations numériques de phénomènes réels qui peuvent être thématiques. Les

données thématiques représentent les caractéristiques, des données fixes, telles que les données sur les sols.

Il est à préciser que les pixels peuvent représenter des informations continues ou des images. Les données

continues sont les températures, les élévations ou encore des images satellites contenant des données

spectrales (données qui peuvent varier dans le temps) et les images sont les cartes scannées ou des photos

de construction (données externes reliées à secteur géographique).

Les données thématiques et continues peuvent être affichées sous forme de couche avec d’autres données

géographiques, mais sont habituellement utilisées comme données sources.

11

La structure des cartes raster est simple et cette caractéristique permet de les utiliser dans de nombreuses

applications. Les données raster sont divisées sous quatre classes principales dans les SIG :

- La première classe est l’arrière-plan. Trois sources principales sont utilisées comme base : les

orthophotos (photos rectifiées géométriquement et égalisées radiométriquement) provenant de la

photo aérienne, l’imagerie satellite et les cartes balayées.

- La seconde classe est la carte de surface. Cette classe fournit une méthode efficace de stocker les

données continues (température, densité de population, élévation) en tant que surface en plus d’offrir

une représentation régulièrement espacée des surfaces.

- La troisième classe est la carte thématique qui sous-divise en catégories la couverture terrestre

(végétation, plaines, sol, etc.) et attribue une valeur à cette catégorie. Cette classe peut être le résultat

d’un traitement de données.

- La quatrième classe est l’attribut d’une fonctionnalité. Cette classe inclut tous les éléments externes

qui peuvent être liés à un objet géographique (photos numériques, documents numérisés, documents

juridiques identifiant une transaction, etc.).

Avec ces informations, des liens peuvent exister entre les cellules, permettant ainsi de produire des éléments

ponctuels (bâtiments, station météo, etc.), des lignes (réseau hydrographique, réseau routier, etc.) et des

surfaces (zone forestière, zone humide, milieu urbain, etc.) (figure 7).

Figure 7 : Exemple de points, lignes et surfaces définis en format raster (Geospatial Innovation Facility, n.d.)

L’utilisation de raster présente de nombreux avantages. En effet, ce type de carte dispose d’une structure simple

des données, ce qui permet de représenter des surfaces continues et d’effectuer des analyses de surface. Il est

aussi possible de stocker uniformément des points, des lignes, des polygones et des surfaces en plus d’effectuer

12

des superpositions rapides de données. C’est aussi un format puissant pour l’analyse spatiale et les statistiques

avancées.

Un désavantage de ce format est la résolution. L’utilisation de grandes cellules mène à une perte d’information

reliée à chaque pixel puisque la superficie correspondante est plus importante. Cela est équivalent à effectuer

une moyenne de l’information de plusieurs pixels plus petits.

1.3.1.3. Format vectoriel – shapefiles

Un « shapefile » (.shp) est un format populaire de données vectorielles géospatiales (points, lignes et régions)

qui a été développé et est régulé par l’« Environmental Systems Research Institute » (ESRI). Ce format garde

en mémoire des informations géométriques et des attributs pour des données à caractéristiques spatiales. La

géométrie est stockée en tant que forme comprenant des coordonnées vectorielles.

Le terme « shapefile » ne fait référence qu’au fichier .shp qui n’est pas fonctionnel seul. Le « shapefile » est

constitué au minimum d’un fichier principal (.shp), d’un fichier index (.shx) et d’une table dBASE. Le fichier

principal est un fichier d'accès direct, qui dispose des formes enregistrées et d’une liste de sommets

correspondant à ces formes. L’index contient le décalage de l’enregistrement par rapport au début du fichier

principal. Les attributs contenus dans la table correspondent à un seul élément du fichier principal et sont

ordonnés pour suivre le même ordre.

En plus de ces trois formats nécessaires au fonctionnement, il est possible de les accompagner d’extensions

qui sont optionnelles : « projection format » (.prj), « spatial index » (.sbn et .sbx), « spatial index » pour les

« shapefiles » (.fbn et .fbx), « attribute index » (.ain et .aih), « geocoding index » pour écrire-lire les

« shapefiles » (.ixs et .mxs pour le format ODB), « metadata » en format XML (.shp.xml) et pour identifier les

caractères encodés à utiliser (.cpg).

Puisqu’ils n’ont pas besoin de traitement par rapport à la structure des données topologiques, les « shapefiles »

ont l’avantage d’être rapides lors de la préparation et l’affichage des données. Ils nécessitent aussi moins

d’espace de stockage en plus d’être faciles à lire et écrire avec les outils SIG.

Malgré leur avantage de rapidité et de faible espace de stockage, ce type de fichier comprend quelques

désavantages. Il ne dispose pas de la capacité de stocker les informations topologiques et la taille que peut

atteindre les fichiers .shp et « .dbf » est limitée à 2GB, ce qui représente un maximum d’environ 70 millions de

points. De plus, le « shapefile » n’est pas en mesure de mélanger le type de forme qu’il enregistre, c’est-à-dire

que par exemple, les polylignes et les polygones ne peuvent se retrouver dans un même fichier, produisant un

minimum de trois fichiers (points, lignes et polygones).

13

1.3.1.4. LiDAR

Le LiDAR, pour « light detection and ranging » (laser de télédétection), est une technique de détection par laser

qui permet de déterminer la distance entre la source émettrice du signal et le point de réflexion avec un laser

d’une puissance de l’ordre du micromètre (1064 nm) (Emilie, 2013).

Son fonctionnement consiste en un signal envoyé par l’appareil qui se divise lorsqu’il touche un objet. Une partie

de ce signal est absorbée par le milieu, une autre renvoyée par réflexion à la source. Selon la surface que le

laser a touchée, l’intensité, la fréquence et la phase du signal lumineux en reviennent modifiées (Populus, 2002).

Le relevé LiDAR aéroporté ne peut produire une densité de points aussi importante que s’il était installé au sol,

mais il peut tout de même produire un fini précis pouvant aller de 1 à 10 points au mètre carré. Il est possible

d’observer la résolution une fois les points introduits dans un logiciel comme ArcScene, un logiciel de la suite

ArcGIS permettant la visualisation des données LiDAR (figure 8). L’avantage de cette méthode est qu’elle

permet d’effectuer la prise de données sur un vaste territoire en peu de temps. De plus, même si l’appareil se

situe à plus de 300 m au-dessus du lieu d’analyse, la précision est de 10 cm sur les axes des x, y et z (Simmers

et al., 2014) et avec une géolocalisation par satellite de l’appareil, la précision peut être de 4 à 5 cm, lorsque

couplée avec une station de géolocalisation se situant au sol.

Figure 8 : Modélisation ArcScene de la forêt en bordure de la rivière Sainte-Anne à 4 points au m2 (Dugré, 2016)

14

Tableau 1 : Classification des points LiDAR dans un fichier LAS

Valeur de classification (bits de 0 à 4) Signification

0 Jamais classé

1 Non attribué

2 Sol

3 Végétation basse

4 Végétation moyenne

5 Végétation haute

6 Bâtiment

7 Bruit

8 Clé de modèle

9 Eau

10 Réservé à la définition ASPRS

11 Réservé à la définition ASPRS

12 Superposition

13–31 Réservé à la définition ASPRS

Les relevés LiDAR nécessitent un traitement pour procéder à une classification des points. Cette classification

se fait avec un code numérique qui a été défini par l’« American Society for Photogrammetry and Remote

Sensing » (ASPRS). Le tableau 1 présente toute la classification (ArcGIS, 2013). Sauf si des traitements

supplémentaires sont effectués, les classes obtenues sont limitées à la différenciation du sol et de la végétation.

Les classes 0 et 1 représentent les points se retrouvant à l’intérieur ou à l’extérieur du secteur demandé par le

client. Ces points représentent tous les éléments pouvant avoir été captés, tels que la végétation haute, la

végétation intermédiaire, le sol et la surface de l’eau. Ces points constituent une suite de données se situant

dans une zone grise ou simplement exclue des classes désirées, donc non classifiées.

Les classes 2 et 8 sont des points au sol. La classe 8 est constituée de points clés qui sont considérés comme

étant représentatifs de la majorité et permettent d’alléger la quantité de données tout en conservant une

précision adéquate pour élaborer une image. Selon la topographie, une concentration plus ou moins grande de

points est utilisée dans cette classe. La classe 2 est constituée de tous les points qui ne se retrouvent dans la

classe 8.

Le relevé LiDAR est un outil géomatique permettant d’obtenir des représentations précises des lieux en peu de

temps et à faible coût (Jones et al., 2007). En 2002, Charlton et ses collaborateurs (Charlton, M. E. et al., 2003)

ont comparé des relevés terrain avec des relevés LiDAR pour vérifier l’exactitude de ceux-ci. Le LiDAR s’est

révélé comparable aux données terrain.

15

Le relevé LiDAR est depuis quelques décennies de plus en plus utilisé dans le domaine fluvial, en permettant

de déterminer les pentes des berges, le parcours des rivières et bien plus (Hohenthal et al., 2011). Par exemple,

Fulford (2004) a élaboré une gradation des risques d’inondation des plaines inondables grâce aux relevés LiDAR

et les outils SIG. Cet outil a bien évolué et David et al. (2012) ont évalué l’utilité du LiDAR pour l’analyse de

rivières à lit de gravier, soulignant la capacité d’obtenir des données sur une grande distance rapidement avec

une précision acceptable et la capacité d’obtenir la bathymétrie de la rivière (Milan et al., 2012).

Actuellement, le gouvernement du Québec effectue des relevés LiDAR aéroportés sur l’ensemble du territoire

québécois (Géoboutique Québec, 2017).

1.3.1.5. Modèle numérique de terrain (MNT)

Deux types de cartes contenant des données d’élévation existent : les modèles numériques d’élévation (MNE)

(ou plus fréquemment appelé par son appellation anglophone « Digital Elevation Model » (DEM)) et les modèles

numériques de surface (MNS) (« Digital Surface Model » (DSM)).

Le MNE se réfère à la représentation d’une sous-classe des données brutes. C’est-à-dire tout ce qui est sol

(terre nue), donc excluant les sections caractérisées comme étant des bâtiments, des ponts, de la végétation,

etc. Cette ségrégation est habituellement obtenue à la suite d’un traitement des données. Le MNS pour sa part

inclut tous ces éléments, permettant ainsi d’avoir une bonne vision globale en modélisant le paysage et les

villes. Bien qu’il soit préférable d’avoir un support visuel, la majorité des outils de modélisations nécessitent le

MNE pour évaluer les zones inondables, trouver le réseau de drainage, faire des études d’utilisation du sol,

effectuer de la gestion. La figure 9 présente bien la différence entre les deux types de modèles.

Figure 9 : Comparaison entre un modèle numérique de surface (MNE) et un modèle numérique de surface (MNS) (Wiki GIS, 2013)

Les MNE sont représentés sous forme de raster, réseau d’éléments triangulaires (TIN – Triangulated Irregular

Network) ou courbe de niveau par un raster. Ceux-ci sont utilisés dans les systèmes d’information

16

géographiques (SIG) et constituent la base de nombreux types de cartes élaborés dans de nombreux domaines

(Awda, 2018).

La surface du territoire que le MNE décrit comprend deux éléments : les éléments aléatoires et les éléments

systématiques. L’élément aléatoire (stochastique) représente les surfaces continues qui ne permettent pas de

représenter une forme fixe sauf dans le cas d’une présence d’un nombre de points infinis. Cette partie est

habituellement décrite avec un réseau de points plus léger à traiter, laissant place à des triangles en pente ou

des quadrants réguliers.

L’élément systématique représente toutes les variations plus définies, comme des fissures pointues, le haut et

le bas d’une coupe de route, etc. Ces éléments sont faciles à caractériser verbalement (exemple : falaise ou

pente lisse) et à représenter avec la géométrie de base qui est constituée de points, lignes et zones.

L’agglomération de toutes les données ne reste qu’une approximation de la réalité puisque la modélisation

dépend de la densité des données prises et des algorithmes les traitant. Par exemple, il est possible de produire

un MNE avec des points LiDAR d’une résolution (taille de pixels) désirée.

L’obtention des données de MNE peut être non efficiente avec certaines techniques. Par exemple, l’arpentage

est particulièrement pratique pour avoir des points clés de références ou avoir un aperçu grossier d’un territoire

local, mais exigeant pour l’obtention d’un MNE précis. Cependant, il existe aussi des techniques qui permettent

d’obtenir des données plus denses, sur un territoire plus vaste et à coût raisonnable tel que le relevé LiDAR et

la stéréo photogrammétrie. D’autres outils et techniques existent, mais ce sont principalement ces deux derniers

qui sont utilisées.

Les MNE sont des sources d’informations dont les modélisations sont partiellement ou entièrement

dépendantes, d’où l’importance de valider les données. Plus cette source est précise, plus les résultats s’y

reliant seront de qualité. Lors de la création d’un MNE, deux types d’erreurs peuvent se glisser. L’une est sur la

position cartographique qui implique que la localisation géographique est erronée sur la dimension et la

trajectoire des contours. Cela affecte seulement les modèles vectoriels. La seconde est sur l’attribut

(thématique), indiquant que les valeurs, comme l’altitude et les populations, sont mal assignées. Cette erreur

peut affecter les modèles vectoriels, mais particulièrement les rasters car les valeurs d'altitude sont

généralement attribuées par des méthodes d'interpolation qui provoquent également des erreurs de plusieurs

facteurs.

La qualité d’un MNE dépend de la précision de l’élévation qui est reliée à chaque pixel (précision absolue) et de

la précision de la morphologie (précision relative). La qualité de tout ce qui est produit de cette carte peut être

affectée par différents facteurs tels que la rugosité du terrain, la densité d’échantillonnage, la résolution de la

17

grille (taille des pixels), l’algorithme d’interpolation, l’algorithme d’analyse de terrain et la résolution verticale.

Même si ces facteurs influencent le résultat découlant de l’utilisation d’un MNE, il est seulement possible de

réduire l’erreur en ayant des données initiales les plus complètes et précises possible.

1.3.2. Logiciels hydrologiques

Dans le domaine hydrologique, quelques logiciels ont été développés pour procéder au traitement de données

et produire des données sur les cours d’eau.

L’un d’entre eux est HEC-RAS (« Hydrologic Engineering Center's River Analysis System ») développé par

« The US Army Corps of Engineers » (2017) qui permet de faire des calculs de débits constants ou variables,

ainsi que des calculs de sédimentation. Ce logiciel est un développement indépendant et ne peut être utilisé

comme base pour procéder au développement d’un autre outil puisque les codes sources sont non disponibles.

Un autre outil est Hydrotel. Cet outil permet d’effectuer l’analyse de bassins versants pour mieux prendre en

compte les variabilités spatiales des caractéristiques physiographiques de celui-ci (topographie, occupation du

sol, type de sol, etc.) et des systèmes météorologiques qui l’affectent (Hydrotel, 2000). Son fonctionnement est

dépendant du logiciel Physitel qui lui fournit une carte comportant des données topographiques sous un format

non précisé. De plus, le programme est peu documenté et le code source est non disponible, ce qui limite le

développement potentiel d’application.

1.3.2.1. Système d’Information Géomatique (SIG)

Les Systèmes d’Information Géomatiques sont des logiciels polyvalents qui offrent une capacité de gestion de

la donnée spatiale dans de nombreux domaines en disposant d’outils spécialisés. Entre autres, pour la

modélisation hydrologique, de nombreux outils ont été développés (Molina et al., 2014).

De nombreux outils géomatiques existent pour effectuer l’analyse et le traitement de données cartographiques.

Pour n’en nommer que quelques-uns, il y a : ArcGIS (ESRI, 2018), QGIS (QGIS, 2018), GRASS GIS (GRASS,

2018) et SAGA GIS (Conrad et al., 2015). Certains sont commerciaux, d’autres sont « Open Source », ce qui

permet une utilisation gratuite. De plus, avec les logiciels « Open Source », il est possible d’utiliser les codes

sources déjà existants et les réutiliser ou les modifier. Cette ouverture de la part des groupes responsables de

ces logiciels face aux changements du programme permet à ceux-ci d’évoluer, de le maintenir à jour avec

notamment l’ajout de nouveaux outils et de rester comparables ou même supérieurs en termes de performance

aux logiciels propriétaires. Ce type de logiciel est alors un excellent moyen pour les échanges et

développements dans le domaine de la recherche puisque tout est disponible et qu’il y a un partage de

connaissances en continu par la simple application ou amélioration des codes sources. Par exemple, GRASS

18

(GRASS, 2018) est un SIG « Open Source » qui, au fil des années, a été amélioré et dont des contributeurs

externes ont aidé à développer des outils dédiés à des domaines précis.

1.3.3. Algorithmes pour déterminer le réseau hydrographique

La majorité des algorithmes disponibles pour extraire le réseau hydrographique utilisent les modèles numériques

d’élévation (MNE) pour extraire les différents paramètres hydrologiques: direction de l’écoulement, réseau

hydrographique et sous-bassins versants correspondants (Turcotte, 2013). Cette section présente les trois

principaux algorithmes utilisés pour extraire le réseau hydrographique à partir d’un MNE et l’algorithme AT.

1.3.3.1. D8 – SingleFlow Direction (SFD)

L’approche traditionnelle pour déterminer la direction de l’écoulement à partir d’une matrice consiste à utiliser

l’algorithme D8. Le D8 (figure 10) sélectionne une direction entre huit options jusqu’à atteindre des points

stagnants ou le point le plus bas de la zone d’analyse. Plus précisément, la base de la sélection de la direction

est basée sur une matrice disposant des élévations de la zone à l’étude (MNE), ce qui impose que chaque case

soit entourée de huit autres cases. À partir d’un point, huit directions sont donc possibles et celle sélectionnée

est la plus accentuée de celles l’entourant. La figure 10 présente le procédé de sélection du parcours

hydrologique de l’algorithme D8.

Figure 10: Visualisation de procédure pour définir la direction d’écoulement avec l’algorithme D8 (Cooper, 2013)

Le D8 permet d’effectuer un lien cohérent entre la direction d’écoulement, le parcours des rivières et des lacs

qui est associé au parcours de l’eau. Pour arriver au résultat désiré, il est nécessaire de passer par quatre

étapes (figure 11). À la première étape, la matrice d’élévation est analysée pour produire une couche des

directions d’écoulement en sélectionnant la pente la plus abrupte. Cependant, il lui est impossible de déterminer

la direction d’écoulement s’il y a présence de cellules disposant toutes de la même altitude, un critère arbitraire

est alors utilisé pour déterminer la direction. Le processus est réitéré si le critère ne mène nulle part. La deuxième

étape permet de déterminer les bassins versants et de lier la sortie de l’écoulement à celui-ci. La troisième étape

consiste à remonter le parcours d’écoulement à partir de l’exutoire pour modéliser la rivière et les lacs.

Finalement, la quatrième étape sert à délimiter les sous-bassins versants pour chaque branche de rivière en

sélectionnant toutes les cellules se concentrant au même point de sortie.

Toutefois, malgré le bon fonctionnement de l’algorithme, ce dernier n’est pas parfait. La détermination de la

direction avec seulement huit directions possibles limite la détermination du réseau et peut poser un problème

19

sur la continuité de l’écoulement. De plus, l’angle d’une courbe est limité par le manque de direction possible

menant à une discrétisation qui résulte en une perte d’information du parcours réel. Ce problème est

principalement généré par la résolution verticale et horizontale du MNE. Parfois aussi, dû à cette résolution, il y

a possibilité d’une absence de section de rivière et de présence de parcours non existant ou parallèle à celui

existant. (Turcotte, 2001)

Figure 11 : Étapes de modélisation d'un cours d'eau à l’aide de l'algorithme D8 (Turcotte, 2001)

De plus, il est difficile de déterminer le sens de l’écoulement pour les surfaces planes telles que les plaines et

de différencier entre les plaines et les lacs. Cependant, Jones et al. (2007) ont prouvé qu’il était possible de

déterminer le parcours hydrologique de ces surfaces en réduisant les facettes des polygones originalement

obtenus. Le résultat est pratique pour raffiner la détermination des nœuds et le réseau du système

hydrographique (Jones et al., 2012).

1.3.3.2. Digital River and Lake Network (DRLN)

Le DRLN (Turcotte, 2001) se base sur une carte vectorielle existant du réseau hydrologique que l’algorithme

convertit en raster et utilise avec l’algorithme D8 pour ajuster les parcours. Les ajustements consistent à

linéariser les courbes serrées telles que de petits méandres et identifier les sections pouvant être un lac. Les

méandres sont touchés car leur parcours peut être peu défini et être problématique lors de la définition du

parcours d’écoulement final. Les sections à pente très faible se séparant en deux pour se rejoindre un peu plus

loin sont quant à elles considérées comme des lacs, ce qui rend le sens d’écoulement un peu plus cohérent et

permet d’identifier les étendues d’eau non considérées avec d’autres algorithmes dans les zones planes.

Lorsque l’ajustement du réseau est terminé, il est superposé avec le résultat de l’algorithme D8. En se basant

sur le DRLN, le parcours du D8 est modifié pour que le sens de l’écoulement défini soit redirigé vers le parcours

du DRLN qui est considéré comme dominant. Cet algorithme permet ainsi de mieux définir le réseau

20

hydrographique. La figure 12 présente les étapes de l’utilisation du DRLN et la figure 13 est un exemple

d’ajustement de l’écoulement avec le DRLN et le D8.

Figure 12: Exemple de conversion d’un DRLN à partir d’un format vectoriel à un format matriciel (raster) : A) Trajet vectoriel initial B) Ajout de points au réseau vectoriel C) Conversion des points vectoriels en coordonnées de rangées et colonnes D) Élimination des cas problématiques i) Cellules qui nécessitent deux directions ii) confluent artificiel iii) répétitions de confluents E) Remplissage des lacs F) Assignation de la valeur zéro aux cellules non incluses dans le parcours (Turcotte, 2001).

21

Figure 13 : Exemple de divergence générée par un ajustement unique de la direction d'écoulement des cellules chevauché par le DRLN : A) Cas initial B) Parcours et direction d’écoulement obtenue par le D8 C) exemple de divergence dans la direction D) exemple d’écoulement attendu suite à l’utilisation de l’approche proposée (les flèches blanches représentent la direction d’écoulement modifié après avoir utilisé le DRLN) (Turcotte, 2001).

1.3.3.3. Multiflow Direction (MFD)

Le « Multi Flow Direction » (Cooper, 2013) est très semblable à l’algorithme de base D8, « Single Flow

Direction ». Il utilise la pente pour déterminer le parcours de l’eau et dirige l’écoulement vers les cellules plus

basses. Tel que présenté à la figure 14, la seule différence est que le MFD distribue l’écoulement sur plusieurs

cases selon un ratio défini par la pente. Ce ratio est déterminé avec l’équation 8.

𝑓𝑖 =max(0,𝑆𝑖

𝑃)

∑ max(0,𝑆𝑗𝑃)8

𝑗=1

, 𝑗 𝑖𝑛𝑐𝑙𝑢𝑠 𝑖 [Équ. 8]

𝑂ù 𝑓𝑖 ∶ 𝐹𝑟𝑎𝑐𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙’é𝑐𝑜𝑢𝑙𝑒𝑚𝑒𝑛𝑡 𝑑𝑖𝑟𝑖𝑔é à 𝑙𝑎 𝑐𝑒𝑙𝑙𝑢𝑙𝑒 𝑖, 𝑗 ∶ 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒𝑠 𝑑𝑖𝑟𝑒𝑐𝑡𝑖𝑜𝑛𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠

𝑆 ∶ 𝑃𝑒𝑛𝑡𝑒 (𝑚

𝑚)

𝑃 ∶ 𝑃𝑜𝑖𝑑𝑠

22

Figure 14: Comparaison des méthodes de définition des parcours d’écoulement avec deux algorithmes :

a) Single Flow Direction b) Multiple Flow Direction (Cooper, 2013)

Avec cette méthode, l’écoulement n’est pas limité à une seule direction et permet ainsi d’inclure d’autres

parcours secondaires.

1.3.3.4. Algorithme AT

L’algorithme AT est une méthode qui permet d’accélérer le calcul d’équations linéaires. Lorsqu’une matrice A

est symétrique en diagonale dominante (SDD), il est possible de résoudre les problèmes linéaires dans un

temps correspondant presque à une tendance linéaire en réduisant le temps de recherche. Ce type d’algorithme

a trouvé sa place dans le milieu informatique, permettant de développer des systèmes rapides pour modéliser

entre autres des éléments naturels de systèmes physiques comme les réseaux hydrographiques (Kelner et al.,

2013).

Cet algorithme fait maintenant partie intégrante des algorithmes « Single Flow Direction (D8 - SFD) » et

« Multiple Flow Direction » (MFD) de GRASS GIS qui permettent de déterminer le réseau hydrographique des

bassins versants.

L’extraction des paramètres hydrographiques à partir des MNE n’est pas parfaite et dispose de deux problèmes

principaux. Le premier est la précision des réseaux hydrographique. La précision des informations disponibles

impacte directement sur la qualité du parcours d’écoulement obtenu. Le deuxième problème est que les

informations des zones planes sont difficilement dissociées pour identifier les lacs et les plaines. Cet élément

est important pour déterminer l’écoulement des cours d’eau dans un lac ou une plaine puisqu’ils ne disposent

pas d’une variation d’élévation importante laissant la définition du parcours d’écoulement difficile.

1.3.3.5. Profils transversaux

Mis à part les algorithmes permettant la définition du réseau hydrographique sur un secteur défini, peu de

méthodologies sont répertoriées avec les SIG dans le domaine de l’hydrologie. Roelens et al. (2016) a présenté

une méthode qui permet l’extraction de profils transversaux à partir de points LiDAR. Le long d’un cours d’eau,

des lignes transversales sont positionnées et une zone tampon est tracée autour de celles-ci. L’ensemble des

23

points LiDAR situés dans cette zone sont alors projetés orthogonalement sur la ligne transversale. La position

relative à la ligne est par la suite utilisée pour procéder à la visualisation du profil transversal.

Un élément qui peut devenir problématique à son application est que les relevés LiDAR utilisés par l’équipe de

Roelens sont de haute densité (16 pts/m2) tandis que ceux disponibles sur l’ensemble du Québec sont de faibles

densités (1 pt/m2). Il sera nécessaire de vérifier la méthodologie avec les données de faible densité.

1.3.4. Langage de programmation et SIG

La création de programmes informatiques peut s’effectuer avec de nombreux langages informatiques (Java,

JavaScript, C/C++, Python, R, S, Matlab, etc.), tous présentant leurs avantages et inconvénients. Chacun des

langages dispose de particularités d’écriture par leur structure, leur alphabet et leurs variables, en plus d’utiliser

un interpréteur pour procéder à la lecture des scripts en les compilant ou en les interprétant.

Les logiciels de SIG utilisent des scripts pour pouvoir définir des applications particulières, adapter certains outils

ou créer des séries de traitements. Les SIG GRASS (GRASS, 2018), QGIS (QGIS, 2018) et ArcGIS (ESRI,

2018) utilisent le langage Python pour le développement de leurs scripts.

Python (Python, 2018) a été créé en 1991 et depuis de nombreux développements ont été réalisés. De

nombreux outils ont été développés, lui permettant de concurrencer du point de vue de la performance avec les

autres langages populaires tels que C/C++ et Java. Certains ajouts ont même permis d’accélérer les temps de

traitement en allant chercher les avantages de certains autres langages. Par exemple, pour le traitement de

données, des sections de la programmation peuvent être converties en C ou C++ qui est plus puissant pour ce

type de tâche.

1.3.4.1. Librairies Python

Les librairies Python sont des compléments qui ont été développés par des tierces parties et qui permettent

d’augmenter les fonctionnalités du langage. La simple installation d’une des librairies permet ainsi de simplifier

le travail de programmation. Python dispose d’une vaste bibliothèque de ces librairies ainsi que la documentation

correspondante. Les librairies d’intérêts sont Numpy, Scipy et Matplotlib.

La librairie Numpy (Numpy, 2017) contient des fonctions sophistiquées, des outils pour le calcul numérique, le

traitement de tableaux N-dimensionnel et l’algèbre linéaire nécessaire pour les transformations de Fourier. Ces

composantes font de NumPy un incontournable pour l’informatique scientifique. L’avantage principal de la

librairie est sa capacité à produire une structure multidimensionnelle incorporant des données aléatoires dans

des limites définies.

24

La librairie SciPy (Scipy, 2017) est une extension de la librairie NumPy et est un regroupement d’algorithmes

mathématiques et de fonctions qui fournit des fonctions et des classes permettant de manipuler et de visualiser

des données. L’interactivité d’une session Python peut alors être comparable à MATLAB, IDL, Octave, R-Lab

et SciLab. Contrairement aux outils énumérés, l’avantage d’utiliser SciPy est qu’il permet de développer des

programmes sous le langage Python et de les inclure dans le traitement avec les SIG.

Matplotlib (Matplotlib, 2017) est une librairie qui permet la création graphique et utilise NumPy pour fournir de

bonnes performances afin d’offrir les mêmes fonctionnalités que MATLAB, tout en étant indépendant de

MATLAB. Un avantage de Matplotlib est qu’il est orienté objet, ce qui permet d’augmenter les possibilités

d’appliquer des fonctions complexes tout en simplifiant le procédé. Le code de la librairie est constitué de trois

parties. La première est l’interface pylab qui regroupe l’ensemble des fonctions qui permet à l’utilisateur de

produire des figures avec un code semblable à MATLAB. La deuxième est l’interface Matplotlib qui est constituée

de toutes les classes qui effectuent la création et la gestion des figures, textes, lignes, etc. Elle correspond au

traitement intermédiaire. La troisième partie constitue le résultat avec des fonctions permettant de transformer

la représentation en copie papier ou périphérique d’affichage.

1.4. Modules

Les modules ici présentés sont l’origine du projet AgriEAU. Ils constituent des outils, des connaissances et des

expertises regroupés et créés dans le cadre de recherches et projets.

1.4.1. GéODEP

GéODEP (Drouin et al., 2013) est un outil de diagnostic spatialisé des exportations de sédiments et de

phosphore qui peut être utilisé à l’échelle du bassin versant. L’outil a été développé sur les bases conceptuelles

et les algorithmes de l’Outil de diagnostic des exportations de phosphore (ODEP), développé antérieurement

par l’IRDA en collaboration avec la commission de la fertilité des sols du Centre de Référence en Agriculture et

Agroalimentaire (CRAAQ) (Michaud et al., 2008). ODEP a été développé à l’origine en langage Visual Basic

sous un environnement Microsoft Access®. Il était alors destiné à une application à l’échelle d’une parcelle ou

d’un ensemble de parcelles données. GéODEP (Drouin et al., 2013) a repris les algorithmes de l’ODEP et permis

leur application à l’échelle du territoire par le recours à l’application Model Builder d’ESRI, du SIG ArcGIS.

GéODEP fait dès lors intervenir des banques de données géospatiales relatives aux propriétés géophysiques

du territoire (données d’élévation, pédologie, hydrographie) et à l’occupation des sols afin de simuler l’effet de

scénarios de gestion du parcellaire sur le ruissellement, l’écoulement aux drains, les pertes de sol et les charges

de phosphore à l’échelle du bassin versant.

25

1.4.2. QmaxPBV

QmaxPBV (Michaud et al., 2014) est une application de calcul des débits et hauteurs de ruissellements pour

des petits bassins versants de moins de 30 km2. Il a comme objectif de définir le temps de concentration, ainsi

que les débits pouvant circuler dans les cours d’eau selon des récurrences variées, permettant ainsi de gérer

les différents volumes de ruissellement du bassin à son exutoire. Pour un bassin versant défini, le module

procède à la définition de l’arborescence du réseau hydrographique du bassin versant à l’étude et selon la

sélection des méthodes de calcul pour la pente, le ruissellement et le temps de concentration, il fournit les

résultats correspondants. Cependant, le module dépend des données qu’il doit recevoir d’un SIG.

Les méthodes que propose le module sont les suivantes :

- Pente : simple, 85_10 ou hydraulique;

- Ruissellement : SCS (SCS, 1986), Monfet (Monfet,1979) et coefficient de ruissellement;

- Et le temps de concentration : Kirpich (Kirpich, 1940), Mockus (Mockus, 1961), SCS Lag (Folmar et

al,2007) et Bransby-Williams (Williams, 1922);

Le débit est par la suite estimé par la méthode rationnelle avec les données de l’IDF.


Concordia dispose d’une expertise importante reliée à la géomorphologie appliquée aux cours d’eau du Québec.

En plus de leur expertise, deux éléments d’intérêts ressortent de leur travail. Le premier est une procédure de

traitement dédiée à fournir les données nécessaires pour procéder au calcul de la puissance spécifique à partir

de relevés LiDAR (Biron et al. 2013) et la deuxième est une évaluation de la capacité d’introduire des chenaux

à deux niveaux dans les cours d’eau ruraux (Paradis A. et Biron P.M., 2017).

1.5. Législation

Adoptée le 21 décembre 1972, la Loi sur la qualité de l’environnement (LQE, 1972; chap. Q-2) est une initiative

du gouvernement du Québec pour réduire les effets du développement anthropiques sur l’environnement. Elle

« assure le respect des principes de développement durable, tels que définis dans la loi du développement

durable ainsi que la prise en compte des impacts cumulatifs » (Gouvernement du Québec, 2018). Avant d’être

ce qu’elle est aujourd’hui, la LQE a fait face à des réticences puisqu’elle aborde et défends les concepts

d’« écosystèmes , biosphères et biodiversité » qui étaient peu valorisés et connus. Cette réticence a mené une

suite de modifications au fil des années, mais les objectifs que la loi soutient sont aujourd’hui mieux acceptés

malgré qu’ils « restent un sujet difficile » (Halley, 2012). Ces objectifs sont : « la protection, l’amélioration, la

restauration, la mise en valeur et la gestion de l’environnement » (Gouvernement du Québec, 2018).

26

Le 16 juin 2017, la nouvelle loi sur la qualité de l’environnement est adoptée pour être mise en vigueur le 23

mars 2018. Cette nouvelle loi se veut principalement une amélioration sur le régime d’autorisation en le rendant

« clair, prévisible, optimisé et conforme aux plus hauts standards de l’environnement » (Gouvernement du

Québec, 2018).

La LQE régit les procédures d’encadrement de certaines activités, dont l’aménagement des cours d’eau. Selon

l’article 22 de la section II (procédure d’encadrement de certaines activités) de la LQE (Q-2, 2017, c.14, a.27),

toute intervention d’un milieu humide et hydrique nécessite l’autorisation au préalable du ministre du

Développement durable, de l’Environnement et des Parcs (Gouvernement du Québec, 2018).

Selon la description provenant de la nouvelle version de la LQE, la définition du milieu hydrique par l’article

46.0.2 de la section V.1 (Q-2, 2017, c.14, a.31) vise tout secteur naturel dont l’eau circule à faible ou grand débit

et/ou vitesse (exemple : rivière, marais ou lac), de manière permanente ou temporairement et qui laisse place

à une végétation hydrophile. Les éléments précisément mentionnés qui ne faisaient pas partie de ce groupe

sont : « les fossés de voies publiques ou privées, mitoyens et de drainage selon l’article 103 de la Loi sur les

compétences municipales » (Q-2, 2017, c.14, a.31).

En plus de clarifier le processus d’approbation des projets dans ces milieux en précisant les éléments qui sont

pris en considération dans leur analyse, elle facilite aussi « la réalisation de projets pilotes » (Gouvernement du

Québec, 2018) en offrant la possibilité au ministre de donner des autorisations pour la recherche reliée à la

nouvelle technologie ou pratiques.

De plus, la LQE modifie la loi affirmant le caractère collectif des ressources en eaux et favorisant une meilleure

gouvernance de l’eau et des milieux associés. Cette loi « vise à favoriser le maintien » (Gouvernement du

Québec, 2018) des milieux humides et hydriques. La LQE modifie aussi la Loi sur l’eau qui encourage

l’aménagement durable. Dans ce sens, « les MRC se voient spécifiquement confié le rôle d’élaborer des plans

régionaux qui leur permettront de mieux planifier leurs actions et leurs interventions relatives à la conservation

des milieux humides et hydriques » (Gouvernement du Québec, 2018). Ce plan est nommé « plan régional des

milieux humides et hydriques » et doit être effectué pour l’ensemble du territoire des MRC ou regroupements

de MRC (liste d’interventions, échéanciers, localisation des milieux potentiels à la création de milieux humides

et hydriques, mesures de suivi et d’évaluation).

27

2. Développement du progiciel

2.1. Introduction

Le développement du progiciel consiste à créer des outils basés sur les connaissances identifiées dans la revue

de littérature pour obtenir les données essentielles à l’étude des cours d’eau. Ces outils doivent répondent à

huit objectifs distincts qui constituent chacun une étape de la procédure manuelle qui doit être suivie pour obtenir

les résultats à un endroit donné sur un cours d’eau :

1. Produire le modèle numérique d’élévation (MNE);

2. Délimiter le bassin versant que draine le cours d’eau visé pour l’étude;

3. Définir les parcours de l’eau et les sous-bassins versants;

4. Définir les profils longitudinaux des parcours de l’eau;

5. Définir les profils transversaux le long des parcours de l’eau;

6. Extraire les données pour chaque sous-bassin versant et segment de cours d’eau (pédologie,

occupation du territoire, pentes, longueur des cours d’eau, etc.);

7. Effectuer les calculs hydrologiques;

8. Et effectuer les calculs géomorphologiques.

Cette section présente la méthode de développement du progiciel, aborde sommairement le travail de

développement effectué hors du cadre du projet de maîtrise, mais qui est intimement relié, présente en détail la

section de développement effectué dans le cadre de ce mémoire et termine avec la documentation produite

pour supporter l’utilisation du produit final.

2.2. Hypothèse et objectifs

La vision pour le progiciel est qu’il devienne un outil pouvant supporter les professionnels dans l’analyse des

cours d’eau en se basant sur les informations qui sont accessibles au Québec. De cette vision, l’hypothèse

posée est que les connaissances tirées de la revue de littérature sont suffisantes pour procéder au

développement du progiciel afin de permettre de réaliser l’étude des cours d’eau.

L’objectif est de produire des outils permettant de procéder aux huit étapes mentionnées précédemment.

2.3. Matériel et méthode

La section « Matériel et méthode » présente trois éléments. Le premier présente les données de base

nécessaires pour procéder à l’utilisation des outils du progiciel développés. Le deuxième est le choix du SIG

28

avec lequel les traitements sont effectués, ainsi que le langage informatique dans lequel les scripts sont écrits.

Le troisième élément abordé est la méthodologie de développement utilisé pour chacun des outils.

2.3.1. Données disponibles

Le développement des outils du progiciel est basé sur les données disponibles au Québec. De ces données,

l’information nécessaire aux calculs hydrologiques et géomorphologiques a été extraite. Le tableau 2 présente

les cartes utilisées et leur provenance.

Tableau 2 : Données nécessaires au progiciel et sources

Carte Description Format Source

Zones agricoles du Québec Délimitation des zones agricoles principales au Québec.

.shp

IRDA, 2018

Sous-régions agricoles du Québec

Délimitations détaillées des zones agricoles du Québec.

.shp

Pédologie Délimitations et noms de la pédologie du Québec.

.shp

Tables de transformation Base de données SQLite permettant d’effectuer une transformation de données.

.sql

Base de données des parcelles et productions agricoles

déclarées (BDPPAD)

Délimitation des parcelles agricoles étant ou ayant été assurée pour l’année choisie.

.shp Financière Agricole du

Québec, 2018

Données Écoforestières Délimitation de l’occupation du territoire (forestier, agricole, urbain et points d’eau) au Québec.

.shp

Ministère des Forêts, de la Faune et des Parcs du Québec,

2018

Relevés LiDAR (« light detection and ranging »)

Produit d’une méthode de mesure de l’élévation à distance, catégorisé selon l’objet qu’il représente (sol, végétation et bâtiment).

.las Ministère des Ressources

Naturelles, 2017

2.3.2. Choix du SIG et du langage de programmation

De nombreux systèmes d’information géographiques (SIG) du domaine public ou commercial sont disponibles

et chacun a ses avantages et ses inconvénients. De toute la liste des SIG disponibles, trois sont plus présents

en Amérique du nord : GRASS (domaine public) (GRASS GIS, 2018), QGIS (domaine public) (QGIS, 2018) et

ArcGIS (commercial) (ESRI, 2018).

Le choix du SIG s’est effectué principalement par l’entremise de la MRC Brome-Missisquoi qui dispose

d’expérience avec les différents outils constituant les trois choix. Pour ses outils spécialisés en hydrologie et sa

capacité à procéder à la définition des cours d’eau avec le D8 et le MFD de manière efficace et précise, le SIG

GRASS a été sélectionné. Ce logiciel permet un développement « libre », c’est-à-dire une distribution gratuite

qui offre une accessibilité aux codes, et dispose d’une importante documentation sur toutes ses facettes.

29

Puisque GRASS et ses deux autres concurrents utilisent le langage de programmation Python 2. Python version

2.7, s’est alors avéré le langage de programmation par défaut.

2.3.3. Méthodologie de développement

Le développement des outils a été initialement effectué pour qu’ils procèdent aux traitements de données pour

correspondre aux huit étapes d’une analyse manuelle d’un cours d’eau qui ont été mentionnées précédemment.

Le développement de chacun des outils suit une méthodologie qui se divise en cinq étapes.

1. Identifier les données nécessaires;

2. Identifier les résultats à produire;

3. Développer l’outil;

4. Tester l’outil;

5. Rédiger la documentation.

À partir des données initiales, il est possible que des traitements intermédiaires soient nécessaires pour obtenir

des données intermédiaires utiles à l’obtention du résultat final désiré. Dans ce sens, les étapes d’analyse

manuelle peuvent être divisées, ce qui crée des étapes de traitement supplémentaires. Ces étapes de

traitements supplémentaires peuvent être utilisées indépendamment pour permettre de visualiser et évaluer le

résultat afin d’appliquer des ajustements au besoin.

Lorsque le processus pour obtenir les résultats désirés à partir des données disponibles est établi, le

développement de l’outil est fait par itération avec l’étape des tests. Une partie du code est écrit pour être ensuite

testé, corrigé et ensuite poursuivi jusqu’à produire l’outil complet fonctionnel. Même lorsque l’outil est terminé, il

est testé pour assurer son fonctionnement dans un plus grand nombre de situations.

Vient finalement la documentation de l’outil. Cette documentation répertorie le plus d’éléments possible sur l’outil

afin d’assurer que les utilisateurs puissent s’y référer et avoir une bonne compréhension de son fonctionnement.

2.4. Résultats

Cette section présente les résultats du développement des outils. Le tout est présenté en trois parties. La

première présente la structure générale du progiciel et aborde le fonctionnement des modules. La deuxième

partie présente en détail le développement de l’outil « Qmax_BV » du module hydrologique effectué dans le

cadre du projet de maîtrise et la troisième partie présente un sommaire de la documentation qui a été produite.

2.4.1. Structure générale

À la suite du développement, un total de 11 outils ont été créés et ceux-ci empruntent l’interface du SIG GRASS

pour procéder à leur lancement, le traitement des données et la visualisation des résultats. Ce nombre est le

30

résultat de la division des étapes de traitements manuels pour procéder à l’analyse d’un cours d’eau. Puisque

ces étapes constituent le processus complet de traitement et que les étapes sont interreliées, le résultat d’un

outil peut être final ou destiné à être utilisé par un ou des outils à une étape subséquente.

Pour permettre de définir facilement l’objectif commun des outils, ceux-ci ont été regroupés sous forme de

modules. Le module « Géotraitement » vise à produire une structure complète sur laquelle les autres modules

peuvent se baser. Le module « Hydrologie » est dédié à produire les données nécessaires aux calculs

hydrologiques, ainsi que de procéder à ces calculs. Finalement, le module « Géomorphologie » procède aux

calculs reliés à la stabilité des cours d’eau.

La figure 15 présente la structure des modules et des outils les composants, ainsi que l’identification numérique

des étapes de la procédure manuelle d’analyse des cours d’eau à laquelle les outils correspondent.

Figure 15: Correspondance des outils à la procédure d’analyse des cours d’eau manuelle avec la structure et l’interrelation entre les

outils

Le travail de développement a été réparti avec l’Université de Concordia. Ils ont procédé à la définition des

intrants, la définition des résultats à produire et le développement de l’outil des modules « Géotraitement » et

« Géomorphologie ». Dans le cadre du projet de maîtrise, la mise au test et la rédaction de la documentation

ont été effectués pour les outils de ces deux modules. De plus, le processus complet de développement a été

appliqué pour l’outil « Qmax_BV » du module « Hydrologie ».

2.4.1.1. Module « Géotraitement »

Le module « Géotraitements » représente les étapes 1 à 5 de l’analyse d’un cours d’eau. Pour procéder à ces

étapes, neuf outils ont été développés, ce qui permet de créer la structure hydrographique et certaines données

de base que les autres modules ont besoin.

31

L’outil « CreateDEM » produit un MNE du territoire à l’étude à partir de fichiers LiDAR et l’outil

« CulvertTreatment » ajuste l’élévation dans les cours d’eau afin d’éliminer les obstacles tels que les ponts et

les ponceaux pour obtenir des parcours d’écoulement continus. Avec le MNE nettoyé et avec un exutoire défini

par l’utilisateur, le bassin versant drainé est délimité avec l’outil « Watershed ». Cette délimitation permet de

déterminer le réseau hydrographique et les sous-bassins versants associés à chaque segment avec l’outil

« ExtractStreams ». En utilisant le réseau hydrographique, ce même outil procède à l’extraction de l’élévation le

long des segments pour permettre de produire les profils longitudinaux de chaque segment. Par la suite, des

profils transversaux sont positionnés à intervalle régulier le long des segments avec l’outil

« DefineCrossSections » et l’outil « ExtractCSfromLAS » procède à leur extraction pour permettre de les

visualiser. L’élévation des points des profils longitudinaux est ajustée avec l’outil « RefineProfiles » pour assurer

un écoulement positif pour les calculs hydrologiques et les profils transversaux sont interpolés avec une

« Spline » dans l’outil « SmoothCS » pour obtenir un résultat lisse et réaliste. Finalement, la valeur de la pente

en amont est ajoutée ainsi qu’une valeur pour le coefficient de rugosité de Manning sont ajoutées avec l’outil

« CaracterizeCS » pour chaque profil transversal.

À la suite du processus de traitement du module « Géotraitement », trois cartes sont disponibles pour être

utilisées par les deux autres modules. Le tableau 3 présente ces cartes.

Tableau 3 : Cartes produites par le module « Géotraitement »

Carte Description Format Source

Réseau hydrographique Réseau hydrographique produit à partir de l’outil « ExtractStreams » du module

« Géotraitement ». vecteur -

Sous-bassins versant Réseau hydrographique produit à partir de l’outil « ExtractStreams » du module

« Géotraitement ». vecteur -

Modèle numérique d’élévation (MNE)

Réseau hydrographique produit à partir de l’outil « CulvertsTreatment » du

module « Géotraitement ». raster -

2.4.1.2. Module « Hydrologie »

Le module « Hydrologie » est constitué d’un seul outil (« Qmax_BV ») et permet de procéder aux étapes 6 et 7

de l’analyse des cours d’eau.

L’outil « Qmax_BV » se base sur deux éléments pour procéder à ses traitements, soit le parcours

hydrographique et les limites des sous-bassins versants produits avec « ExtractStreams ». Ils sont utilisés pour

procéder à l’extraction des données décrivant le territoire à l’étude (aires drainées, longueur de segment,

coordonnées spatiales des extrémités des segments, pédologie, délimitation des zones agricoles, etc.). À partir

des données regroupées, les calculs hydrologiques sont lancés pour résulter par une liste de débits pour des

récurrences de 2, 5, 10, 20 et 50 ans pour chaque segment.

32

2.4.1.3. Module « Géomorphologie »

Le module « Géomorphologie », tout comme le module précédent, dispose d’un seul outil (« CheckStability »)

pour procéder aux calculs de géomorphologie. Ces calculs représentent la dernière étape pour effectuer une

analyse complète d’un cours d’eau.

L’outil « Checkstability » permet de calculer les vitesses et puissances spécifiques au niveau de chaque profil

transversal. Pour se faire, quatre éléments sont utilisés. Le premier est l’élévation des profils longitudinaux

fournis par l’outil « ExtractStreams ». Le deuxième est la position des profils transversaux qui est définie lors de

leur création avec l’outil « DefineCrossSections ». Le troisième est les caractéristiques des segments des cours

d’eau définis avec « CaractérizeCS » et le quatrième est le résultat des calculs de débits de « Qmax_BV ».

2.4.1.4. Interface graphique

En plus des scripts écrits pour procéder aux calculs, des scripts ont été créés pour exploiter l’interface graphique

de GRASS pour permettre à l’utilisateur d’utiliser les outils. Le résultat est une fenêtre qui a trois objectifs. Le

premier est de permettre à l’utilisateur d’entrer les cartes et données dont l’outil a besoin pour fonctionner. Le

deuxième est de permettre de procéder au lancement de l’outil et le troisième est de suivre le processus jusqu’à

l’obtention d’une confirmation que l’outil est terminé ou qu’une erreur est survenue.

Ce type de script a été développé dans le cadre du projet de maîtrise pour accompagner l’outil «Qmax_BV» et

est présenté à l’annexe A avec une capture d’écran de la fenêtre produite.

2.4.2. Dévelopement de l’outil « Qmax_BV »

L’outil « Qmax_BV » est dédié à fournir l’information nécessaire pour procéder aux calculs hydrologiques

provenant de l’ancien outil « Qmax_PBV » (Michaud et al., 2013). Ce dernier procède aux calculs des débits à

récurrence variable selon plusieurs méthodes.

2.4.2.1. Identification des données nécessaires

Puisque l’outil « Qmax_PBV » est celui devant être alimenté de données, il est possible de déterminer les

données nécessaires pour procéder au calcul des débits selon l’équation qu’il utilise.

33

𝑄 = 𝐶𝑟 ∗ 𝐴 ∗ 𝑖 =𝑅𝑢 ∗ 𝐴

𝑡𝑐 [Équ. 9]

𝑂ù

𝑄 = 𝐷é𝑏𝑖𝑡 (𝑚3

𝑠)

𝐴 = 𝐴𝑖𝑟𝑒 𝑑𝑒 𝑙𝑎 𝑠𝑢𝑟𝑓𝑎𝑐𝑒 𝑑𝑟𝑎𝑖𝑛é𝑒 (ℎ𝑎) 𝐶𝑟 = 𝐶𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑟𝑢𝑖𝑠𝑠𝑒𝑙𝑙𝑒𝑚𝑒𝑛𝑡 (−) i = Intensité de précipitation pour une durée égale au temps

de concentration du territoire (mm

h)

𝑅𝑢 = 𝑅𝑢𝑖𝑠𝑠𝑒𝑙𝑙𝑒𝑚𝑒𝑛𝑡 (𝑚𝑚) 𝑡𝐶 = 𝑇𝑒𝑚𝑝𝑠 𝑑𝑒 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑡𝑖𝑜𝑛 (ℎ)

2.4.2.2. Identification des résultats à produire

Afin d’obtenir les données nécessaires pour que « Qmax_PBV » puisse procéder à ses calculs, les données

nécessaires doivent être produites. Certaines de ces variables disposent d’une ou plusieurs méthodes pour les

obtenir. C’est en analysant les méthodes pour obtenir les données nécessaires qu’il est possible d’identifier les

résultats à produire. Le tableau 4 présente quelques méthodes de calcul pour tc et Ru, ainsi que quelques

variables qui les constituent. Pour les autres variables de l’équation 9, ils font automatiquement partie de la liste

d’éléments à produire.

Les résultats à produire ainsi identifiés sont : la superficie drainée (A), la longueur maximale de parcours de

l’eau (L), la pente (S) et l’occupation du sol (CN moyen et C moyen).

34

Tableau 4 : Méthodes de calcul de tc, Ru, CN et C.

Variable Méthode Équation Source

𝒕𝑪

Kirpich 0.000325 𝐿0.77

𝑆0.385 Kirpich, 1940

Mockus 𝐿0.8(1000

𝐶𝑁−9)

1.67

20837 𝑆0.5

MAPAQ, 1988

SCS-LAG 𝐿0.8 ((

1000𝐶𝑁

− 9)0.7

4407𝑆0.5)

SCS, 1990;

Fangmeier et al., 2006

Bransby-Wiliams 0.000378 𝐿

𝑆0.2𝐴0.1 MTQ, 2004

Aéroport 0.01188(1.1 − 𝐶) ∗ 𝐿0.5

𝑆0.33 MTQ, 2004

Ru

Monfet * 0.33 ∗ 𝑆 − 2 Monfet, 1979

SCS** (S − 0.2 ∗ Rm)2

S + 0.8 ∗ Rm SCS, 1990

CN

Tables Fonction de S et tc

Monfet, 1979;

USDA-NRCS,2004;

USDA-NRCS,2009

CN 25400

𝑆𝑠 + 254 NRCS, 1950

CN (I) 4.2 𝐶𝑁(𝐼𝐼)

10 − 0.058𝐶𝑁(𝐼𝐼)

SCS, 1986;

Chow et al., 1988

CN (III) 23CN(II)

10 + 0.13CN(II)

SCS, 1986;

Chow et al., 1988

CN(II) Table Cho et al., 1988

C

C 0.2 (1 - Imp) + 0.9 Imp MOE, 1987

Tables Fonction de l’occupation du sol

Wright et McLaughlin, 1991;

MTQ, 1995;

ASCE/WEF, 1992;

ARTC, 1982

*Calcul variable selon CN **Calcul variable selon la pente tc = temps de concentration (h) A = superficie du bassin versant (ha) L = Longueur maximale du parcours de l’eau dans le bassin versant (m) S = pente moyenne de l’écoulement (m/m) CN = Numéro de courbe moyen – Indice de ruissellement C = Coefficient de ruissellement n = Coefficient de Manning du cours d’eau P = Précipitation Ss = stockage dans le sol (mm) Imp = Pourcentage de surface imperméable Rm = Rétention maximale (dépend de CN)

35

2.4.2.3. Développement de l’outil

Cette section présente les détails des résultats du développement de l’outil « Qmax_BV » en abordant le

processus de traitement qu’utilise l’outil pour procéder aux calculs hydrologiques. La première présente la

procédure de manière schématique, tandis que la deuxième partie va plus en profondeur en décrivant les

éléments que le script contient.

2.4.2.4. Procédure schématique

Le module « Géotraitement » a permis de déterminer les éléments qui sont réutilisés dans le module

« Hydrologie » pour l’outil « Qmax_BV ». Ces éléments permettent de définir la longueur du parcours

d’écoulement de l’eau (L), la pente (S) et l’aire drainée (A).

Avec l’outil « ExtractStreams » le réseau hydrographique et les sous-bassins que chaque segment draine sont

produits. À partir du réseau hydrographique, la longueur des segments peut être obtenue en interrogeant les

lignes représentant chaque segment. En connaissant la correspondance entre chacun de ces segments, les

longueurs de parcours peuvent être définies, dont le parcours le plus long du réseau (L). De la même manière,

les sous-bassins versants peuvent être interrogés pour connaître l’aire des polygones, ce qui correspond à la

superficie drainée. La figure 28 présente un exemple de réseau hydrographique et de sous-bassins versants.

Pour la pente, les segments du réseau hydrographique peuvent être réutilisés. Puisque le réseau n’est présenté

qu’en deux dimensions, les segments doivent avoir l’élévation de leurs extrémités. L’outil « CulvertsTreatment »

crée un MNE dont les ponceaux sont éliminés. De cette carte, l’élévation peut être extraite. L’ajout de la donnée

peut alors s’effectuer par correspondance spatiale. Le calcul de la pente du cours d’eau peut par la suite

s’effectuer.

Vient finalement la définition de l’occupation du sol. Pour répondre aux définitions de la majorité des méthodes

de définition de CN et C, de nombreuses sources sont considérées. Ces sources sont pour la majorité des

cartes vectoriels qui peuvent être superposées pour joindre et délimiter les zones dont l’information est uniforme.

Le reste des données sont sous forme de bases de données SQLite qui sont joint directement aux tables

d’information des zones. Cette méthode donne de nombreuses valeurs pour chaque bassin versant, ce qui

nécessite de procéder à une moyenne de CN et C pour obtenir celle des bassins versants. Les cartes

considérées pour définir l’occupation du sol sont présentées dans le tableau 2.

2.4.2.5. Procédure détaillée

« Qmax_BV » procède en deux temps. Il commence en complétant l’information que dispose la carte des sous-

bassins versants (figure 27) et la carte du réseau hydrographique (figure 28), pour terminer avec le lancement

des calculs. L’information ajoutée aux deux cartes provient de plusieurs sources qui sont présentées au tableau

36

2 qui nomme et décrit brièvement les cartes. L’acquisition est effectuée par étape en procédant à l’ajout dans

les tables d’attributs des deux cartes jusqu’à l’obtention de toutes les données nécessaires.

Plus précisément, la procédure de traitement de l’outil débute avec la carte des sous-bassins versants. La

première étape est l’extraction des aires en hectare. Pour ce faire, un champ est ajouté à la table d’attribut avec

« v.db.addcolumn », puis peuplée en procédant avec « v.to.db » qui extrait l’information directement de la carte

pour compléter selon l’identifiant. Ces deux outils sont ceux du SIG GRASS. Il est possible de reconnaître leur

source dans le script grâce à l’appellation « tools.GRASSmodule » qui permet de faire leur appel et de les

utiliser. La figure 16 présente l’utilisation de la fonction d’ajout de champs et d’acquisition de données de la carte

même.

#Ajout d’un champ dans la table d’attribut

tools.GRASSmodule('v.db.addcolumn', map=vect3, col="area_hec double")

#Ajout de l’aire du polygone dans le champ correspondant

tools.GRASSmodule('v.to.db', map=vect3, option="area", columns="area_hec",

units="hectares")

Figure 16 : Code pour l'ajout d'un champ dans une table d'attribut associée à une carte et pour le peuplement du champ

L’acquisition de données se poursuit en procédant à l’extraction spatiale de données des cartes

« ZonesAgric18 » et « Pédologie ». Des champs du même nom que ceux des cartes sources sont ajoutés à la

carte qui procède à l’acquisition comme précédemment. Les informations sont ensuite ajoutées selon la position

spatiale de chaque polygone des bassins en questionnant les polygones des cartes superposés en utilisant

« v.what.vect ». Les informations extraites sont NOS_CD_SOLS de la carte pédologique qui donne le type de

sol constituant le bassin, ainsi que REGADM_S_N et REGADM_S_D de la carte ZonesAgrics18 qui serviront

plus tard. La figure 17 présente un exemple de la fonction d’acquisition spatiale de GRASS.

# Ajout des données par acquisition spatiale

tools.GRASSmodule('v.what.vect', map=vect3, column='NOS_CD_SOL',

query_map=pedologie, query_column='NOS_CD_SOL')

Figure 17 : Code pour l'extraction spatiale d'une carte vectorielle

La même fonction est utilisée avec la carte des sous-régions agricoles du Québec, la carte écoforestière et une

carte produite par la superposition des cartes des cultures assurées de la Financière Agricole du Québec. Les

champs ainsi ajoutés sont GROPRO (code identifiant ce qui est cultivé dans les champs), DESGROPRO

(description du code GROPRO), TER_CO_FOR (code identifiant le type de territoire (urbain, forestier, agricole)),

TCO_DESC (description des identifiants de TER_CO_FOR) et Factruissm (facteur de ruissellement des sous-

régions agricoles).

À ce point, des tables provenant de la base de données SQLite doivent être intégrées à la table d’attribut. Cette

intégration s’effectue avec un champ qui doit être produit par la concaténation des champs NOS_CD_SOLS et

37

REGADM_S_N doit être faite. Cependant, la procédure de concaténation classique

(NOS_CD_SOLS|REGADM_S_N) s’est avérée peu fructueuse lors des tests, le tout causé par les formats

différents des champs (texte et valeur numérique). Une méthode détournée a alors été utilisée est basé sur

l’utilisation de fichiers CSV.

La procédure crée initialement trois fichiers. Le premier fichier est un fichier CSV qui sert à exporter les données

de la table d’attribut (nommé « Qmax.csv »). Le deuxième est aussi un CSV, mais vierge (nommé

« editQmax.csv ») et est utilisé pour procéder aux modifications. Le troisième fichier est un fichier CSVT (nommé

« editQmax.csvt ») qui est utilisé automatiquement avec le CSV du même nom par la fonction de lecture de

GRASS pour déterminer le format des colonnes de la table. Ce dernier est le premier fichier à être défini. Il est

ouvert et le contenu écrit est une liste décrivant les formats des colonnes (valeur entière, valeur réelle ou texte).

Vient ensuite la lecture de la table initiale d’attribut qui a été transférée dans le premier CSV. À partir de chaque

ligne lue de ce CSV, une ligne est écrite dans le deuxième CSV. Cette ligne écrite contient les modifications

apportées qui est la concaténation de deux colonnes. Le processus est effectué ligne par ligne jusqu’à ce que

toute la table soit traitée. Le tout est par la suite clos et importé dans GRASS avec « db.in.ogr ». Cette intégration

crée une table indépendante, ce qui nécessite de joindre la table avec celle des bassins versants en utilisant

« v.db.join » basé sur l’identifiant (cat). Cette jointure permet une visualisation du tout, mais ne permet pas une

modification permanente puisque la table d’attribut est une table SQL. Pour que la table puisse être conservée

avec les ajouts, une requête SQL doit être utilisée, c’est pourquoi la table est mise à jour avec la fonction

« v.db.update » qui effectue exactement cette tâche. Les CSV sont ensuite effacés de l’ordinateur avec

« os.remove » et la table indépendante éliminés avec « db.droptable ». La figure 18 présente le code utilisé pour

la concaténation.

38

# fichiers temporaires

tmpcat = "tmp_cat" # Fichier temporaire

path_original = path_name + "Qmax.csv"

path_edit = path_name + "editQmax.csv"

path_edit_t = path_name + "editQmax.csvt"

# Exporte les données du fichier vectoriel dans un csv temporaire

tools.GRASSmodule('v.out.ogr', format='CSV', input=vect3,

output=path_original)

# Le fichier csvt contient une description des types du fichier csv

(utilisé automatiquement par db.in.ogr)

csvtfile = open(path_edit_t, 'w')

csvtfile.write("\"Integer\",\"Real\",\"Real\",\"Integer\""

",\"Integer\",\"String\",\"String\",\"String\"")

csvtfile.close()

# Crée une seconde version modifiée du csv

out = open(path_edit, "wb")

outw = csv.writer(out, dialect=csv.excel)

# Ouvre le csv pour le lire

csvfile = open(path_original, 'rb')

fichiercsv = csv.reader(csvfile, dialect=csv.excel)

#Procédure de concaténation

i = 0

for ligne in fichiercsv:

if i == 0:

ligne[8] = ligne[8]

else:

REGADM_S_N = ligne[4]

NOS_CD_SOL = ligne[5]

expression = str(str(REGADM_S_N) + NOS_CD_SOL)

#Création du champ résultat de la concaténation

ligne[8] = ligne[8].replace('', expression)

#Écriture du résultat

outw.writerow(ligne)

i += 1

out.close()

csvfile.close()

# Ajoute l'info au fichier GRASS de points aux CS, à partir du fichier csv

tools.GRASSmodule('db.in.ogr', nowarnings=True, input=path_edit,

output=tmpcat)

tools.GRASSmodule('v.db.join', map=vect3, column='cat', other_table=tmpcat,

other_column='cat_')

tools.GRASSmodule('v.db.update', map=vect3, column='CDSolREG',

query_column='concatenation')

# Suppression de fichiers et tables

tools.GRASSmodule('db.droptable', flags='f', table=tmpcat)

tools.GRASSmodule('v.db.dropcolumn', map=vect3,

columns='concatenation' + ',' + 'cat_' + ',' + 'label')

os.remove(path_original)

os.remove(path_edit)

os.remove(path_edit_t)

Figure 18 : Code de la concaténation de deux champs d'une table d'attribut

39

Avec la concaténation et les champs précédents remplis, l’intégration de tables SQL contenant des données

par défaut (Fact C, udg_default et SOLS_INTERMS) et des tables de conversion (conv_tercofor et conv_culture)

est possible. Ces tables sont ajoutées avec la fonction « db.copy » et intégrées selon les champs précédemment

ajoutés. La figure 19 présente un exemple pour une table de conversion des codes écoforestiers.

# Importe les tables sqlite

path_db = path_database + '\spatial.sqlite'

tools.GRASSmodule('db.copy', from_database=path_db,

to_table='conv_tercofor', select="SELECT * FROM

conv_tercofor")

# Ajouter [util_terr] provenant de la table [conv_tercofer] a [vect2]

# base sur l'attribut [TER_CO_FOR]

tools.GRASSmodule('v.db.join', map=vect3, column='TER_CO_FOR',

other_table='conv_tercofor', other_column='TER_CO_FOR')

Figure 19 : Code d'intégration de la table SQL pour la conversion des termes et jointure à la table d'attribut

Finalement, pour la carte des bassins versants, un nouvel identifiant pour l’intégration éventuelle du facteur C

est créé en procédant à la concaténation des champs « util_terr » et « TRAV_SOL » provenant des tables SQL.

Vient maintenant l’acquisition de données pour la carte des cours d’eau. La procédure débute par l’ajout des

champs qui seront éventuellement remplis. Dans ces champs, la première étape est l’intégration des

coordonnées des extrémités des segments et de la longueur de chacun d’eux. La longueur est ajoutée en

procédant à une interrogation de la carte elle-même avec « v.to.db ».

L’ajout des coordonnées des extrémités des segments nécessite quant à eux quelques étapes. Les extrémités

des segments sont d’abord transformées en points avec « v.to.points ». L’élévation (Z) correspondant à leur

position est ensuite ajoutée allant chercher l’information sur les pixels du MNE. Les pixels sélectionnés sont

ceux situés sous chaque point et cela est effectué avec « v.what.rast ». En parallèle, les coordonnées des

extrémités des segments sont ajoutées (Xamont, Yamont, Xaval et Yaval) en questionnant la carte des parcours de

l’eau en utilisant « v.to.db ». Avec les coordonnées des points et des lignes, une correspondance est effectuée

pour ajouter à la carte des parcours de l’eau l’élévation acquise avec les points. La figure 20 présente les lignes

de code de l’acquisition des coordonnées.

tools.GRASSmodule('v.to.points', input=vect2, type='line',

output=tmp_points,

use='node')

tools.GRASSmodule('v.what.rast', map=tmp_points, raster=mne , type='point',

layer=2,

column='Zam')

tools.GRASSmodule('v.to.db', map=vect2, type='line', option='start',

columns='Xam' + ',' + 'Yam', units='meters')

Figure 20 : Fonctions utilisées pour l'extraction des coordonnées des nœuds des extrémités des segments

40

L’acquisition des données se termine en regroupant les données des bassins versants correspondant à chaque

segment par jointure spatiale avec la fonction « v.what.vect ». Les champs ainsi ajoutés sont « cat_SB » qui

sont les identifiants des sous-bassins qui sert de référence, « area_ha » qui est l’aire de chaque bassin,

« CD_Sol_REG » qui est la description des sols, « GROPRO » qui présente les cultures, « util_terr » qui est

l’utilisation du territoire et « TER_CO_FOR » qui décrit le type de territoire (urbain, forestier, agricole).

Avec les données regroupées dans la carte du réseau hydrographique, les calculs peuvent être effectués avec

le lancement de l’outil « Qmax_PBV » en prenant la carte du réseau hydrographique comme entrée.

Le résultat final produit par l’outil « Qmax_BV » est un fichier CSV nommé « Qmax_calc_results ». Ce fichier

contient les résultats des calculs pour différentes récurrences en précisant les méthodes utilisées. La figure 21

présente un exemple de la table.

Figure 21 : Échantillon de résultat contenu dans le fichier CSV « Qmax_calc_results »

L’ensemble du code de l’outil « Qmax_BV » est présenté à l’annexe B.

2.4.2.6. Test des outils

Les tests de tous les outils ont été basés sur quatre tuiles de relevés LiDAR de 1 km2 (4 km2) situé sur le territoire

de la MRC Brome-Missisquoi puisque les données de tout son territoire étaient disponibles. Ce sont des tuiles

sélectionnées dans un secteur aléatoire du territoire. Elles devaient répondre à trois critères : être adjacentes

les unes des autres, être complètes et contenir un cours d’eau.

Tous les outils ont été testés en boucles en utilisant des données et des configurations variables afin de détecter

les failles possibles. De plus, les résultats sont comparés avec des éléments répertoriés lorsque cela est

possible (exemple : tracé des cours d’eau).

La majorité des erreurs rencontrées se sont retrouvé être des exceptions d’utilisation qui nécessitent des

précisions sur l’utilisation de l’outil. Ce n’est que dans quelques cas isolés que des corrections dans le code ont

été nécessaires.

Lorsque les tests sont avancés et que le fonctionnement reste stable, la documentation technique de l’outil est

réalisée. Le contenu de la documentation est sommairement présenté à la section 3.4.3. En complément de la

41

documentation dédiée à chaque outil, des informations additionnelles sont ajoutées dans le manuel d’utilisateur

du progiciel pour informer et équiper l’utilisateur pour utiliser et comprendre le progiciel.

2.4.3. Documentation

Pour assurer une meilleure compréhension de la part des utilisateurs sur ce que le progiciel fait, une

documentation a été créée (Dugré et al., 2018). La figure 22 présente les titres principaux de la table des

matières.

1. Introduction 2. Information générale 3. Description du progiciel 4. Programme d’aide à la gestion 5. Structure du programme 6. Étude de cas 7. Références

Annexe A Acquisition de données Annexe B Installation Annexe C Première utilisation de GRASS Annexe D Volumes de ruissellement et débits de crue Annexe E Méthode de calcul de la vitesse maximale admissible Annexe F Calculs du module GéODEP Annexe G Coefficient de rugosité « n » - Manning Annexe H Fiches d’utilisation des outils

Figure 22 : Titres principaux de la table des matières de la documentation d'AgriEAU (Dugré et al., 2018)

La section 2 de la documentation est dédiée à informer l’utilisateur sur les bases constituant l’outil dont

l’hydrologie, la géomorphologie, la géomatique et le matériel informatique relié (les vecteurs, les rasters, le

format de fichier, les outils de traitements, etc.). Les sections 3 et 4 sont une présentation d’AgriEAU; ce qu’il

est (les fichiers et dossiers), ainsi que son installation. La section 5 est une description du fonctionnement du

progiciel et présente comment les outils peuvent être utilisés, leur interrelation et ce qu’ils font sommairement.

La section 6 présente un exemple de l’utilisation à partir du premier outil jusqu’à l’analyse des données.

Les annexes du document sont des compléments dédiés à l’utilisateur pour l’aider avec l’utilisation du progiciel

et son interface, ainsi que pour offrir des informations techniques pouvant aider certains choix ou l’analyse.

Les annexes A, B et C sont dédiées au progiciel. L’annexe A offre des informations pour procéder à l’acquisition

des données de base que l’utilisateur doit se procurer pour procéder dans les différentes étapes de traitement.

L’annexe B, quant à elle, présente la méthodologie étape par étape pour procéder à l’installation du progiciel

(GRASS et les librairies). Finalement, l’annexe C est une initiation à l’utilisation de l’interface GRASS pour la

visualisation et l’ajout des données initiales et des fichiers résultats des outils.

42

Les annexes D, E et F sont dédiées à offrir des informations plus techniques que la section 2 sur l’hydrologie et

la géomorphologie. De plus, elles disposent de tables pouvant aider à l’analyse des résultats des outils.

L’annexe G aborde un élément technique spécifique au calcul hydrologique, soit le « n » de Manning qui

caractérise la rugosité d’un cours d’eau et est une variable à définir lors de l’utilisation de l’un des outils. L’annexe

est donc dédiée à aider à sélectionner une valeur adéquate pour cette variable.

L’annexe H est constituée de toutes les fiches décrivant chaque outil d’AgriEAU. Chacune de ces fiches présente

une description courte de l’outil, la liste de tous les paramètres détaillés d’entrée et sortie qu’il exige, une

description un peu plus détaillée, une courte description du traitement qu’il effectue et un exemple de ce qu’il

produit. Ces fiches ont été élaborées pour être une des premières références pour l’utilisateur.

2.5. Conclusion

En conclusion, basé sur la revue de littérature, le développement d’AgriEAU s’est effectué sous Python en

utilisant le SIG GRASS pour procéder aux traitements des données et en suivant la méthode d’analyse manuelle

répertoriée avec la rationnelle dédiée au calcul du débit. Pour chacune des étapes de l’analyse d’un cours d’eau,

un ou plusieurs outils ont été créés afin de produire les éléments nécessaires pour procéder aux calculs

hydrologiques et géomorphologiques. Au total, onze outils constituent le progiciel. Pour dix d’entre eux, la partie

du processus effectué dans le cadre du projet de maîtrise est la mise au test et la documentation. Pour le

onzième outil, un développement complet a été effectué, débutant par l’identification des éléments nécessaires,

ceux à produire, le développement en parallèle à la mise au test et la documentation.

43

3. Utilisation – Validation par l’application à un cas

3.1. Introduction

AgriEAU a été mis au point pour qu’un usager ayant des connaissances de base puisse réaliser l’étude d’un

cours d’eau lorsqu’il dispose des données géomatiques requises. De plus, l’outil vise à produire des données

reproductibles qui fournissent suffisamment d’informations pour identifier les problématiques potentielles et/ou

actuelles d’un cours d’eau. Pour donner suite au développement du progiciel, le projet de maîtrise poursuit avec

l’application de l’outil à un cas particulier. Celui-ci est dédié à confirmer que le progiciel peut produire des

données reproductibles et que les résultats sont suffisants pour permettre l’étude d’un cours d’eau.

3.2. Hypothèse et objectifs

AgriEAU a été développé avec la vision de fournir aisément l’information nécessaire à l’étude d’un cours d’eau

lorsque l’utilisateur dispose des données géomatiques requises. Dans ce sens, il est posé comme hypothèse

que les résultats que fournit AgriEAU soient suffisants pour pouvoir procéder au diagnostic d’un cours d’eau.

L’objectif est de procéder au traitement d’un cours d’eau, de valider le réalisme des résultats et de procéder à

l’identification des problématiques potentielles.

3.3. Matériel et méthode

En collaboration avec la MRC de Brome-Missisquoi, un secteur présentant une problématique connue a été

sélectionné. Le lieu en question considère comme exutoire la branche 5 du cours d’eau Castor situé sur le

territoire de la MRC Brome-Missisquoi à environ 3 km à l’ouest de Bedford. L’exutoire a été positionné aux

coordonnées 45°07’30.7’’N et 73°01 ’49.4’W, ce qui correspond à un bassin versant d’environ 60 ha. De plus,

le territoire est en zone agricole (figure 23) et la problématique relevée est une accumulation lente de sédiments

qui provoquent un rehaussement du lit du cours d’eau jusqu’à bloquer les drains.

À partir de la localisation du cours d’eau et des données géomatiques nécessaires, le traitement des données

est effectué. Basée sur les résultats obtenus, une analyse est faite pour identifier les problématiques

potentielles. Les problématiques ressorties sont ensuite comparées avec celles que la MRC Brome-Missisquoi

a observées sur le terrain. Ces problématiques ne sont présentés qu’à la fin du processus d’analyse.

44

Figure 23 : Visuel du secteur du cours d'eau de l'étude de cas (Google Map,2018)

Les données nécessaires à l’étude qui ont été utilisées sont les suivantes :

- Localisation grossière de l’exutoire du cours d’eau;

- Les relevés LiDAR englobant la zone d’intérêt (tuiles de 1km2 de précision de 1 point/m2) fournis par le

centre GéoStat de l’Université Laval;

- Un shapefile des zones agricoles du Québec qui a été fourni par l’IRDA;

- Un shapephile des sous-régions agricoles du Québec qui a été fourni par l’IRDA;

- Un shapefile des cultures assurées de l’année actuelle et celle de l’année précédente qui ont été fournies

par l’IRDA, mais disponible auprès de la Financière Agricole Québec (Financière Agricole du Québec,

2016);

- Un shapefile de la pédologie. Cette couche est extraite d’un shapefile comportant l’information pour tout

le Québec et qui a été fournie par l’IRDA;

- Et un shapefile de l’information écoforestière. Cette couche est extraite d’un shapefile comportant

l’information pour tout le Québec et qui est disponible auprès du Ministère des Forêts, de la Faune et des

Parcs du Québec (MFFP, 2018).

45

3.4. Résultats

AgriEAU est constitué de 11 outils et cette section présente les éléments produits par chaque outil avec les

données de la branche 5 du cours d’eau Castor à l’étude. Les problématiques rencontrées sont par la suite

présentées.

3.4.1. Géotraitement

Le module « Géotraitement » effectue le traitement des données pour générer les structures et données

nécessaires pour les calculs hydrologiques et géomorphologiques. Cette section présente les étapes de ce

module.

3.4.1.1. Création du modèle numérique d’élévation (MNE)

La création du MNE, qui permet d’obtenir une représentation du territoire, est effectuée en utilisant l’outil

« CreateDEM ». Les éléments nécessaires pour l’utiliser sont la précision du MNE à produire, ainsi que le nom

d’un fichier en format text (.txt) qui contient la liste des chemins vers les fichiers LiDAR et leurs noms. La

précision utilisée est celle par défaut de 5 m. La figure 24 présente le fichier texte utilisé et la figure 25 présente

le raster de résolution de 5 m obtenu.

Figure 24: Liste des parcours et noms des LiDAR dans le fichier texte (.txt)

Il est à noter que la création du MNE est une étape cruciale pour le traitement subséquent puisqu’il permet de

produire les profils du cours d’eau et que ceux-ci sont utilisés pour le calcul des débits. En ce sens, pour obtenir

les meilleurs résultats possibles, les LiDAR doivent avoir été pris à une période où le niveau d’eau est bas. Si

cela est impossible, une correction manuelle des profils peut être apportée à la suite de l’extraction avec l’outil

« ExtractCSfromLAS ». Ces corrections doivent préférablement être supportés par des mesures sur le terrain.

Dans le cas que ces options ne soient accessibles, les résultats du progiciel seront un peu décalés, mais

permettrons de visualiser le comportement des cours d’eau.

3.4.1.2. Correction du MNE

L’outil « CulvertsTreatment » est utilisé pour nettoyer les cours d’eau de tout élément pouvant bloquer

l’écoulement comme les ponceaux. Ce nettoyage est effectué, car la présence de ces éléments pourrait limiter

la définition du réseau hydrographique. Pour fonctionner, l’outil a besoin de se faire indiquer le nom de la carte

46

raster qui correspond au MNE à analyser, la largeur minimale des obstacles et la différence d’élévation entre le

dessus de l’obstacle et le pixel voisin. Dans ce cas, ce fut le MNE produit avec « CreateDEM » qui a été utilisé

avec les valeurs par défaut de 10 m de largeur et une différence d’élévation de 1 m.

La correction des ponceaux s’effectue en quatre étapes :

1. Localisation des obstacles;

2. Positionnement de polygones pour couvrir les obstacles;

3. Attribution d’une valeur qui correspond au lit du cours d’eau à chaque polygone;

4. Modification de la valeur des pixels du MNE (élévation) par celle des polygones.

La figure 26 présente le profil d’un cours d’eau avant et après la correction.

Figure 25: MNE de résolution de 5 m produit par « CreateDEM »

47

Figure 26: Profil transversal au niveau d’une correction de ponceau dans le bassin versant du cours d’eau Castor à Brome-Missisquoi : a) avant correction et b) après correction

3.4.1.3. Définition du bassin versant

L’outil « Watershed » utilise le MNE nettoyé d’obstacles, le positionnement approximatif de l’exutoire et un rayon

de recherche autour de l’exutoire pour aller chercher le cours d’eau le plus près. La définition de la position de

l’exutoire peut s’effectuer de deux manières : par une carte vectorielle possédant un point correspondant à la

position de l’exutoire ou en fournissant les coordonnées (décimales ou Degrés-Minutes-Secondes (DMS)). Dans

cette étude, la méthode du point a été utilisée avec un rayon de recherche de 25 m.

Avec le point et le rayon de recherche, le cours d’eau le plus près est identifié et le bassin versant qu’il draine

est délimité. En plus de la délimitation du territoire drainé, un raster dont chaque pixel dispose de la distance

jusqu’à l’exutoire est créé. La figure 27 présente le bassin versant, le raster des distances jusqu’à l’exutoire et

l’exutoire en question marqué par un « x ».

48

a) b)

Figure 27 : Position de l'exutoire et produits de l'outil « Watershed » : a) raster du bassin versant et b) raster des distances par rapport à l'exutoire

Cet outil présente deux problématiques importantes reliées à la définition de la position de l’exutoire. La première

problématique survient avec la méthode utilisant les coordonnées. Lorsque la projection est mal établie dans le

SIG, la position ne correspond pas à l’emplacement réel. L’exutoire se retrouve dans ce cas à côté de l’endroit

désiré ou encore, hors de la zone que les relevés LiDAR couvrent. La deuxième problématique survient lors de

l’utilisation de la méthode qui nécessite le positionnement manuel de l’exutoire. Le manque de repères visuels

peut rendre la procédure de positionnement plus ardue. Cependant, avec la définition des chemins et

résidences, il est possible de se situer en procédant à des comparaisons sur des cartes externes telles que

Google Map ou OpenWebGIS.

3.4.1.4. Définition du réseau hydrographique

En utilisant la délimitation du bassin versant, le MNE dépourvu d’obstacles et avec la taille minimale des sous-

bassins versants, le réseau hydrographique et les sous-bassins versants sont produits avec l’outil

« ExtractStreams ». De plus, avec le parcours hydrographique, l’outil produit une carte vectorielle de points qui

correspondent à ce même réseau. Ces points sont utilisés pour extraire l’élévation du MNE et la distance de

l’exutoire pour permettre de produire des profils longitudinaux des segments auxquels ils correspondent.

Le choix de la taille minimale des sous-bassins versants influence la finesse du parcours hydrographique qui

est produit. Des sous-bassins très petits créeront des segments qui vont chercher plus de détails, mais ils

créeront des sous-bassins versants et des chemins d’écoulement de nature plus parcellaires. Pour l’analyse de

la branche 5 du cours d’eau Castor, la taille sélectionnée est de 50000 m2 (5 ha) pour avoir un réseau fin sans

49

aller chercher les chemins préférentiels des parcelles. La figure 28 présente le réseau hydrographique, les points

produits pour les profils longitudinaux et les sous-bassins versants produits.

a) b) c) Figure 28: Éléments du bassin versant : a) le réseau de drainage avec l’identifiant des segments,

b) les points longitudinaux et c) les sous-bassins versants

Le problème de cet outil est qu’il ne permet pas de visualiser la correspondance des éléments produits. Il est

possible de pallier à cette problématique en ajoutant des étiquettes pour identifier les points, les segments et

les bassins versants, mais cela nécessite une certaine connaissance du SIG.

3.4.1.5. Positionnement et définition des profils transversaux

Utilisant le réseau hydrographique, un intervalle entre les profils transversaux et la longueur des profils (distance

de part et d’autre du cours d’eau), l’outil « DefineCrossSections » positionne d’aval en amont les lignes

représentant les profils transversaux. Pour l’étude de ce cas, l’intervalle choisi est de 50 m entre les profils afin

d’obtenir des résultats fins et la longueur a été définie à 30 m. La figure 29 présente le positionnement des profils

transversaux le long du réseau hydrographique.

50

a) b) Figure 29: a) Disposition des profils transversaux de 30 m de longueur à intervalle de 50 m sur le réseau hydrographique de Castor avec leur identifiant respectif; b) Position des profils transversaux du réseau hydrographique du cours d’eau Castor

Les points positionnant les profils transversaux contiennent l’information suivante : l’identifiant des points pour

GRASS (cat), l’identifiant du segment correspondant (segment_id) et les coordonnées (x et y). Ces informations

sont accessibles dans la table d’attributs de la carte vectorielle et sont de la forme présentée à la figure 30.

Figure 30 : Table d’attributs associées à la carte des points positionnant les profils transversaux

Comme pour l’outil « ExtractStreams », l’identifiant des profils n’est pas effectué automatiquement. L’ajout des

identifiants doit se faire manuellement à partir des propriétés de la carte résultant de l’outil.

51

3.4.1.6. Extraction des profils transversaux

L’outil « ExtractCSfromLAS » procède à l’extraction de points LiDAR dans une zone établie grâce aux lignes

transversales des profils transversaux et la largeur d’extraction utilisée de part et d’autre de ces lignes. Avec les

points extraits, un fichier CSV contenant leurs informations est produit pour permettre de créer des graphiques

des profils transversaux à l’aide d’un tableur (exemple : Excel).

Le CSV contient la liste des points extraits avec l’information suivante: l’identifiant du point (cs_pt), l’identifiant

du profil transversal correspondant (cs_line), l’identifiant du segment sur lequel se trouve le profil transversal

(segment_id), le positionnement sur le long du profil transversal (x) et l’élévation du point (z). Les coordonnées

x utilisées sont une valeur obtenue à la suite d’une projection orthogonale des points sur la ligne médiane de la

zone d’extraction.

Pour le cas étudié, la largeur de la zone d’extraction de part et d’autre de la ligne a été définie à 3 m, ce qui

correspond à une largeur totale de 6 m. Cette valeur est aussi celle par défaut. La figure 31 présente un exemple

de profil transversal brut obtenu à partir des données du fichier CSV.

Figure 31 : Profil transversal no. 283 brute produite à partir des données LiDAR

La problématique de cet outil est qu’il nécessite que le dessin des profils transversaux se fasse avec un outil

externe.

3.4.1.7. Lissage des profils transversaux

En utilisant le fichier CSV des points extraits pour les profils transversaux, l’outil « SmoothCS » interpole les

données des profils (interpolation spline) et le profil interpolé est par la suite échantillonné à nouveau à intervalle

défini pour créer un nouveau fichier CSV. Avec ce nouveau fichier, des profils lisses et bien définis peuvent être

produits. Dans l’analyse de ce cas, l’intervalle d’échantillonnage choisi est celui par défaut, soit 0.1 m.

La figure 32 présente le profil no. 283 une fois lissé.

0 5 10 15 20 25 30

49

49.5

50

50.5

51

51.5

52

52.5

Distance le long de la section transversale, X (m)

Élév

atio

n, Z

(m

)

52

Figure 32 : Profil transversal no. 283 lissé

3.4.1.8. Correction des profils longitudinaux

L’outil « RefineLProfile » procède à une correction de l’élévation des points qui constitue les profils

longitudinaux. Le processus consiste à effectuer des comparaisons d’élévation de l’aval à l’amont. Il compare

deux points adjacents et si celui en aval est plus élevé, il est corrigé pour avoir la même élévation que celui en

amont. Cet ajustement permet de corriger les pentes négatives.

3.4.1.9. Caractérisation des profils transversaux

À partir des points positionnant les profils transversaux et les données des profils longitudinaux, l’outil

« CaracterizeCS » complète l’information avec une valeur du « n » de Manning définie par l’utilisateur et la pente

du profil longitudinal.

Pour déterminer la pente, une distance est à définir. À partir de cette donnée, l’outil sélectionne un point du profil

longitudinal à cette même distance en amont de chaque profil transversal et en extrait l’élévation. Avec cette

valeur et l’élévation correspondant à celui du profil, la pente est calculée. Selon la variation de l’inclinaison du

territoire, la distance peut être augmentée ou réduite pour compenser une fluctuation non désirée. Puisque le

secteur est agricole et relativement plat (observation d’élévation avec Google Earth), la valeur par défaut de 200

m est conservée pour l’étude de ce cas.

Pour le « n » de Manning, puisqu’aucune sortie terrain n’a été effectuée, la valeur de Manning utilisée ici est

celle par défaut, soit de 0.05. Cette valeur correspond à un cours d’eau dans une plaine qui est en forme de

« u » et dont des mauvaises herbes s’y trouvent (Chow, 1959).

Le tableau 5 présente un échantillon de la table d’attribut associée à la carte vectorielle à la suite de l’utilisation

de l’outil.

Tableau 5 : Échantillon de la table d'attribut complète des points positionnant les profils transversaux

0 5 10 15 20 25 30 35

49.5

50

50.5

51

51.5

52

52.5

Distance le long de la section transversale, X (m)

Élév

atio

n, Z

(m

)

53

cat segment_id x y slope n

12 7 341892.5 4999552.5 0.05

14 7 341952.5 4999552.5 0.05

24 7 341882.5 4999502.5 0.00132 0.05

34 7 341882.5 4999452.5 0.000632 0.05

44 10 341832.5 4999417.5 0.05

51 7 341877.5 4999412.5 0.007668 0.05

3.4.2. Hydrologie

Le module « Hydrologie » est constitué d’un seul outil nommé « Qmax_BV ». Il se base sur le réseau

hydrographique et les sous-bassins versants de l’outil « ExtractStreams », ainsi que sur l’information provenant

de plusieurs cartes qui caractérisent le territoire et des tables qui complètent l’information. De ces éléments, il

procède à l’extraction d’information qu’il a besoin pour procéder aux calculs des débits.

D’abord avec le réseau hydrographique et les sous-bassins versants, les données de base telles que la longueur

des segments, leur élévation aux extrémités et l’aire des bassins sont extraites. Par la suite, l’information des

autres cartes qui caractérisent le territoire (carte pédologie, carte des zones agricoles, carte des cultures

assurées, carte écoforestière) est regroupée par superposition spatiale. Leur caractérisation est ensuite jointe

à chaque bassin versant et reliée aux segments du cours d’eau. À partir de ces données, l’information est

complétée avec celles de quelques tables externes et les calculs hydrologiques sont effectués (pentes, temps

de concentration, ruissellement et débits) selon la méthode choisie pour les récurrences de 2, 5, 10, 20 et 50

ans. Ces calculs se font d’amont en aval afin que chaque segment considère les résultats de ceux en amontLes

méthodes appliquées pour le calcul de la pente, du temps de concentration et le ruissellement sont

respectivement la pente simple, la méthode de Lag_CN2 pour le temps de concentration et la méthode Monfet

pour le ruissellement. Les résultats obtenus sont par la suite écrits dans un fichier CSV nommé

« Qmax_calc_results ». Le contenu du CSV produit est présenté au tableau 7.


L’outil « CheckStability », se base sur le réseau hydrographique, les profils longitudinaux, les points qui

positionnent les profils transversaux et leur profil pour procéder à ses traitements. Il produit une copie de la carte

vectorielle qui positionne les profils transversaux pour y ajouter les résultats de ses calculs de vitesse et de

puissance spécifique.

Les résultats permettent d’effectuer une évaluation sommaire des profils transversaux plus à risque de s’éroder,

de former des méandres ou de sédimenter en évaluant la vitesse et la puissance spécifique de chacun d’entre

eux. Les données de la table d’attribut associées à la carte résultante sont présentées au tableau 8.

54

3.4.4. Analyse des résultats

Les résultats des débits obtenus avec les deux modules ne sont pas identiques puisqu’ils utilisent des méthodes

différentes. De plus, de telles analyses doivent être normalement supportées par des données terrains pour

plusieurs débits afin valider les résultats. Cependant, dans le cas présent aucune donnée terrain n’est disponible

mis à part de la problématique actuelle. Ainsi, il n’est pas possible de valider les méthodes utilisées et d’identifier

laquelle est la plus représentative. Cependant, les résultats des deux modules sont comparés pour procéder à

l’analyse du comportement du cours d’eau afin de vérifier s’il est possible de noter un comportement semblable

à celui observé sur le terrain.

Avant de s’attarder aux résultats des modules « Hydrologie » et « Géomorphologie », il est important de

connaître le type de sol selon la carte vectorielle comportant l’information pédologique de la zone à l’étude

(« Pédo »). Cette information permet d’effectuer les comparatifs pour les vitesses maximales admissibles qui

dépendent des sols présents. Dans le cas présent, le sol est composé de loam sablo-argileux (Bedford), loam

argileux (Sainte-Rosalie et Sainte-Brigitte) et loam sableux (Saint-Damase). Les vitesses correspondantes à un

chenal enherbé possédant une pente inférieure à 5% selon la table des vitesses admissibles de l’USCE et celle

établie par Fortier et Scobey (1926) sont présentés au tableau 6.

Tableau 6 : Vitesses maximales admissibles correspondant à la végétation et la pédologie du cours d’eau Castor (annexe E, Dugré et al. 2018)

Source Critère Vitesse maximale admissible (m/s)

USCE (1991) Loam sableux 1.83

Loam argileux 2.44

Fortier et Scobey (1926)

Eau claire sans détritus Limon alluvial (non-colloïdal) 0.61

Limon alluvial (colloïdal) 1.14

Eau transportant des limons colloïdaux

Limon alluvial (non-colloïdal) 1.07

Limon alluvial (colloïdal) 1.52

Il est à noter que l’analyse des débits s’effectue en considérant chacune des récurrences à part égale

puisqu’elles permettent d’obtenir une visualisation complète du comportement du cours d’eau.

En analysant les résultats du module « Géomorphologie », les vitesses (V10) calculées, sont pour la majorité

de l’ordre de 0.2 à 2.85 m/s pour la récurrence de 10 ans. En isolant les profils disposant des vitesses au-dessus

de la limite de 2.44 m/s, ceux-ci se situent le long du segment no. 8 (profils transversaux no. 202, 214 et 231).

Ces vitesses plus élevées peuvent être une source potentielle d’érosion surtout à des récurrences plus élevées.

Pour ce qui est de la puissance spécifique (USP), elle se situe entre 0.2 et 27.5 W/m2. Ces valeurs indiquent

qu’il y a potentiel de sédimentation (moins de 8 W/m2). Cette sédimentation risque de s’observer dans le

55

segment no. 7 (profils transversaux no. 24 et 34), au centre du segment no. 11 (profils transversaux no. 101,

110 et 120) et au niveau du profil transversal no. 244 puisque les vitesses diminuent à ces endroits.

En comparant avec les débits provenant du module « Hydrologie », il est possible de remarquer que les débits

de « Qmax_BV » sont plus élevés, ce qui est causé principalement par la méthode utilisée. Cette augmentation

est environ 1.2 à 3 fois la valeur du module « Géomorphologie ». Cependant, même s’ils ne sont pas identiques,

ils permettent de procéder à une évaluation des vitesses et puissances spécifiques pour des récurrences plus

élevées. Une augmentation du débit mènerait à une augmentation de la vitesse et de la puissance spécifique.

Par exemple, avec les débits maximaux (récurrence de 50 ans), une stabilisation des berges est à considérer

aux endroits qui étaient plus enclins à présenter de la sédimentation (profils no. 24, 34, 101, 110, 120 et 244).

De plus les profils étant sur les limites de l’érosion sont plus à risque de laisser place à ce phénomène (profils

no. 202, 214 et 231). Avec cette procédure, les autres profils sont considérés comme stables, peu importe le

débit.

Dans ce cours d’eau, une présence de sédimentation faible est présente puisque les profils ne présentent pas

une vitesse et une puissance suffisante pour transporter les sédiments y arrivant. Dans ce cas, les sources de

sédiments proviennent probablement du ruissellement de surface.

3.5. Conclusion

La mise à l’essai des outils du progiciel a permis de procéder à l’analyse complète de la branche 5 du cours

d’eau Castor. Un MNE a d’abord été produit et corrigé avec les outils « CreateDEM » et « CulvertTreatments ».

Par la suite le bassin versant à l’étude est délimité avec l’outil « Watershed » ce qui permet d’extraire le réseau

hydrographique et les profils longitudinaux avec l’outil « ExtractStreams ». À partir du réseau hydrographique,

les profils transversaux sont positionnés avec l’outil « DefineCrossSections » et extraits avec l’outil

« ExtractCSfromLAS » pour compléter l’information qu’ils contiennent avec l’outil « CaracterizeCS ». Les profils

transversaux et longitudinaux sont finalement lissés avec les outils « SmoothCS » et « RefineLS ». Les calculs

hydrologiques sont ensuite faits en se basant sur les données extraites précédemment avec l’outil

« Qmax_BV ». Basé sur les résultats des calculs, les calculs de vitesse et puissance sont effectués avec l’outil

« CheckStability ». De leur utilisation, il est possible de confirmer que le progiciel est fonctionnel et produit

l’information nécessaire pour procéder à l’analyse d’un cours d’eau.

La problématique soulignée par la municipalité a aussi pu être observée grâce au progiciel. À partir des résultats

des calculs hydrologiques et géomorphologies produits par les outils « Qmax_BV » et « CheckStability » ainsi

que l’information sur le sol. Ces données ont permis de cibler les profils qui présentent des risques de

sédimentation (profils no. 24, 34, 101, 110, 120 et 244) et d’érosion (profils no. 202, 214 et 231). Les débits plus

56

importants de « Qmax_BV » ont quant à eux permis de procéder à la vérification du comportement du cours

d’eau avec des résultats provenant d’une seconde méthode et des récurrences différentes.

De plus, deux problématiques sont ressorties de l’utilisation des outils. La première est la capacité d’identifier

des éléments produits pour localiser les problématiques (bassins versants, segment du réseau hydrographique

et profils transversaux. La deuxième problématique est la visualisation de certains éléments (profils transversaux

et profils longitudinaux). Ces deux difficultés nécessitent un travail manuel de la part des utilisateurs. Cependant,

leur visualisation est réalisable puisque toute l’information nécessaire est présente.

57

Tableau 7 : Résultats présentés dans le CSV produit pour chaque tronçon de cours d'eau et des récurrences variées

Troncon Nom_meth Meth tc Meth Ru Meth Qmax Recurrence tc(h) Pte(mm) Ru(mm) Q(m3/s)

7 Rat_Lag2_Monfet Lag_CN2 Monfet Ration. 2 ans 0.59 22.05 8.62 0.41
























17 Rat_Lag2_Monfet Lag_CN2 Monfet Ration. 50 ans 3.97 75.52 32.68 1.062 Troncon : Identifiant du tronçon Nom_meth : Nom de la méthode générale Meth_tc : Nom de la méthode de calcul du temps de concentration Meth_Ru : Nom de la méthode du calcul du ruissellement Recurrence : Période de récurrence correspondante aux calculs Tc(h) : Valeur du temps de concentration en heure Pte(mm) : Valeur de la précipitation en millimètre Ru(mm) : Valeur de la hauteur de ruissellement en millimètre

58

Tableau 8 : Données produites par « CheckStability »

cat segment_id x y slope n Q10 V10 z_flood USP delta_USP

12 7 341892.5 4999552.5 0.05

14 7 341952.5 4999552.5 0.05

24 7 341882.5 4999502.5 0.00 0.05 0.15 0.72 54.47 0.63

34 7 341882.5 4999452.5 0.00 0.05 0.15 0.50 54.42 0.20 -0.43

44 10 341832.5 4999417.5 0.05

51 7 341877.5 4999412.5 0.01 0.05 0.16 1.75 54.35 6.80 6.59

62 11 341832.5 4999382.5 0.01 0.05 0.25 2.00 53.05 18.52

72 11 341832.5 4999332.5 0.01 0.05 0.26 1.46 53.97 4.91 -13.60

81 11 341812.5 4999287.5 0.00 0.05 0.31 1.11 52.79 4.70 -0.21

91 11 341807.5 4999237.5 0.00 0.05 0.33 0.78 52.70 2.40 -2.29

101 11 341797.5 4999187.5 0.00 0.05 0.35 0.52 52.69 0.76 -1.63

110 11 341787.5 4999142.5 0.00 0.05 0.37 0.29 52.66 0.20 -0.56

120 11 341777.5 4999092.5 0.00 0.05 0.40 0.20 52.63 0.10 -0.10

130 11 341767.5 4999042.5 0.00 0.05 0.42 0.59 52.01 1.20 1.10

140 11 341762.5 4998992.5 0.01 0.05 0.46 1.92 51.61 17.12 15.91

149 11 341757.5 4998947.5 0.01 0.05 0.46 2.16 51.35 25.87 8.75

159 11 341752.5 4998897.5 0.01 0.05 0.49 1.89 50.97 25.05 -0.81

169 11 341747.5 4998847.5 0.00 0.05 0.50 1.00 50.86 5.25 -19.80

170 8 341927.5 4998847.5 0.05

189 11 341742.5 4998797.5 0.00 0.05 0.52 0.98 50.81 3.49 -1.75

194 8 341927.5 4998787.5 0.05

202 8 341882.5 4998772.5 0.02 0.05 0.08 2.49 54.13 27.19

214 8 341842.5 4998757.5 0.02 0.05 0.06 2.80 52.86 9.90 -17.29

231 8 341797.5 4998747.5 0.02 0.05 0.12 2.72 51.95 9.53 -0.37

244 17 341742.5 4998712.5 0.00 0.05 0.63 0.99 50.61 4.28 -8.74

253 17 341742.5 4998667.5 0.00 0.05 0.64 1.06 50.49 5.53 1.24

263 17 341742.5 4998617.5 0.00 0.05 0.65 1.19 50.30 7.43 1.90

273 17 341742.5 4998567.5 0.05

283 17 341742.5 4998517.5 0.05

cat : Identifiant de la section transversale segment_id : Identifiant du segment correspondant à la section transversale x : Position en x y : Position en y original_z : Élévation du lit du cours d’eau slope : Pente n : Coefficient de Manning Q10 : Débit de récurrence 10 ans V10 : Vitesse pour un débit de récurrence de 10 ans z_flood : Élévation maximale de l’eau avant inondation USP : Puissance spécifique delta_USP : Puissance spécifique de la deuxième méthode

59

4. Profils transversaux

4.1. Introduction

La connaissance des profils transversaux est un élément majeur lors de l’étude des cours d’eau. Les profils

transversaux détaillés permettent de déterminer plusieurs caractéristiques, dont la section, le périmètre mouillé,

le rayon hydraulique, la largeur, la pente des talus et la puissance spécifique.

La disponibilité des relevés LiDAR est d’intérêt, car ces derniers permettraient de remplacer à moindre coût les

relevés topographiques traditionnels avec les stations totales, niveau ou théodolite.

Lors de la recherche bibliographique, la méthodologie de Roelens et al. (2016) qui permet de définir des profils

transversaux à partir de données LiDAR haute densité (16 points/m2) est ressortie (méthode présentée à la

section 2.3.2.3.). Au Québec, la densité des données LIDAR disponibles est de faible densité (1 point/m2). Cette

différence soulève la question suivante : est-ce que la méthodologie proposée par Roelens et al. (2016) est

applicable avec des données LiDAR de faible densité?

4.2. Revue de littérature

La méthodologie développée par Roelens et al. (2016) consiste à effectuer une extraction des profils

transversaux à partir de données LiDAR (figure 33). Le principe consiste à créer une zone tampon de part et

d’autre d’une ligne traversant perpendiculairement un cours d’eau. Les données dans cette zone sont extraites

et forment une bande de données qui est ramenée sur la ligne médiane. Le rapatriement par projection

orthogonale permet ainsi d’appliquer une interpolation et d’obtenir un profil bien défini.

Dans le cadre de l’étude de Roelens et al. (2016), les profils sont créés avec des zones d’échantillonnage qui

sont définies par leur largeur (dans la direction du cours d’eau) qui varie entre 0.1 et 0.7 m de part et d’autre du

profil transversal par incrément de 0.1 m et la longueur des lignes perpendiculaires au cours d’eau. Avec un

relevé LiDAR de haute précision (16 pts/m), les largeurs qu’ils ont sélectionnées correspondent à 1.6 pts/m pour

0.1 m, 6.4 pts/m pour 0.4 m et 11.2 pts/m pour 0.7 m.

En plus de ces profils créés à partir des données LiDAR, ils disposent de profils de référence définis avec des

relevés terrain. À partir de ces deux versions de profil, trois éléments ont été analysés. Le premier est le nombre

de points extraits pour chaque itération. Le deuxième est la déviation verticale qui est la différence d’élévation

entre le profil extrait et celui de référence. Le troisième est l’aire relative des profils qui est la différence entre

l’aire des deux profils (LiDAR vs relevé terrain). Il est possible de visualiser le principe de la déviation verticale

et de l’aire relative à la figure 34.

60

Figure 33:Extraction du profil d'un cours d'eau (Roelens et al., 2016)

Figure 34 : Représentation imagée de a) la déviation verticale et b) la différence relative de l'aire (Roelens et al., 2016)

Leurs résultats montrent que le nombre de points extraits augmente linéairement avec la largeur des zones

d’extractions. Cependant, l‘erreur reliée à la différence d’élévation et de l’aire des profils reste constante malgré

l’augmentation de la largeur de la bande d’échantillonnage, ce qui indique que le nombre de points n’est pas

problématique si ceux-ci sont uniformément répartis.

Pour chaque largeur, l’aire avec la méthode d’extraction reste plus petite comparativement au relevé terrain,

mais à partir de 0.4 m de largeur cette différence reste constante. Puisque les erreurs sont devenues constantes

61

à partir de cette largeur, les estimations pour la déviation verticale ont été effectuées à cette valeur. La déviation

verticale moyenne ainsi obtenue est de 0.14 m. La discordance entre le profil obtenu et le réel provient

principalement du fait que le chenal est végétalisé et qu’il y ait de l’eau, ce qui empêche une acquisition du

fonds, surélevant le profil obtenu par l’entremise du LiDAR.

De leurs comparaisons, le groupe de recherche indique que la méthode offre des résultats précis

correspondants en grande partie au profil réel avec un coefficient de détermination (R2) de 0.87.

4.3. Hypothèses et objectifs

L’hypothèse est qu’il est possible de définir adéquatement des profils transversaux avec des données LIDAR

de faible densité (1 point/m²) à condition d’avoir une largeur suffisante de la bande des données.

L’objectif est de vérifier s’il est possible de définir adéquatement des profils transversaux avec des données

LIDAR de faible densité (1 point/m²) en élargissant la largeur de bande des données et d’identifier alors une

largeur de bande adéquate.

4.4. Matériel et méthodes

En utilisant les outils développés pour AgriEAU et les relevés LiDAR de faible densité (1 point/m2) du site à

l’étude, les profils sont extraits selon la même méthodologie que Roelens et al. (2016). La procédure débute par

la création du MNE du site en utilisant le script « CreateDEM ». De ce MNE, les cours d’eau sont nettoyés de

tout obstacle potentiel avec le script « CulvertsTreatments » pour permettre de définir les limites du bassin

versant avec le script « Watershed ». En utilisant le MNE nettoyé et le bassin versant qui délimite la zone de

travail, le script « ExtratStreams » crée le réseau hydrographique. Sur les segments des cours d’eau du réseau,

les profils transversaux sont positionnés avec le script « DefineCrossSections ».

Vient ensuite l’étape d’extraction des données LiDAR avec le script « ExtractCSfromLAS ». Cet outil définit la

zone d’extraction (profondeur et largeur) pour procéder à l’extraction des points LiDAR et ramener les points sur

la ligne médiane transversale au cours d’eau. L’information est par la suite enregistrée dans un fichier CSV.

La longueur qui est la ligne perpendiculaire au cours d’eau a été positionnée et définie avec le script

« DefineCrossSections » pour être suffisamment longue pour dépasser de part et d’autre le chenal du cours

d’eau (dans ce cas une longueur de 30 m). La largeur qui est parallèle au cours d’eau est établie également de

chaque côté de la ligne. Dans ce sens, lors de l’introduction de la valeur dans le script « ExtractCSfromLAS »,

c’est une demi-largeur qui doit être inscrite. Une fois que les données LiDAR extraites sont enregistrées dans

un fichier CSV, une interpolation spline est appliquée avec le script « SmoothCS » afin d’obtenir une tendance

pour chacun des profils. Les profils interpolés sont finalement enregistrés dans un nouveau fichier CSV.

62

Puisque Roelens et al. (2016) n’ont précisé aucune recommandation de largeur d’extraction, mais qu’ils ont

démontré que les erreurs devenaient stables à partir d’une largeur de 0.4 m, le nombre de points au mètre

linéaire (6.4 pts/m) extrait avec leur relevé LiDAR (16 points/m2) est considéré comme étant un référentiel dans

le cadre du projet de mémoire. Avec la densité des relevés LiDAR disponibles, une largeur de 7 m est

nécessaire, afin d’obtenir un nombre de points équivalent (7 pts/m). Dans ce sens, les essais sont réalisés avec

des incrémentations de 1 m, pour des largeurs variant de 1 à 8 m. Des incréments de

1 m sont choisis puisque des incréments plus petits sont considérés non pertinents avec la densité disponible

(1 pt/m). La largeur de 8 m est utilisée pour assurer un nombre suffisant de points pour obtenir des profils

équivalents à ceux de Roelens et al. (2016).

Contrairement à eux, aucune donnée terrain n’est disponible, ce qui signifie que l’évaluation des profils ne peut

s’effectuer de la même manière. Dans ce sens, les profils sont évalués qualitativement sur un barème de 1 à

10 en procédant à une comparaison avec le profil disposant du plus grand nombre de points (celui effectué à 8

m). Cette comparaison est considérée valide puisque le profil est alors plus dense à celui produit par Roelens

et al. (2016) par le nombre de points disponibles (possibilité de 8 pts/m).

Le barème d’évaluation est établi selon certains critères qui ont été observés lors de la création des profils. Une

note de 1 correspond à un profil ne présentant aucune cohérence et forme pertinente. La note de 3 correspond

une forme logique avec l’absence d’aberrations. Une note de 5 correspond à un profil qui dispose d’une forme

générale près de celle extraite à 8 m. Une note de 7 correspond à une forme générale et d’un fond de cours

d’eau bien défini. Finalement une note de 9 est un profil presque identique au profil de référence de 8 m de

largeur. Les valeurs intermédiaires servent quant à elles à permettre d’indiquer s’il y a amélioration du profil

même si le cas n’est pas nécessairement suffisamment éloquent pour atteindre la note supérieure. Avec cette

méthode de notation, la note de 7 est considérée offrir un profil acceptable.

4.5. Site

Le site utilisé pour procéder à la vérification de l’hypothèse est le même que celui utilisé dans le cadre de la

validation du progiciel par l’application à un cas (section 4). Le bassin versant est celui de la branche 5 du cours

d’eau Castor à Brome-Missisquoi (45°07’30.7’’N 73°01 ’49.4’W) qui est situé dans un milieu agricole, dont peu

de forêt et de bâtiments sont présents (figure 23). Le réseau hydrographique est constitué de cinq segments

disposant de profils transversaux positionnés à intervalles de 50 m pour un total de 30 profils potentiellement

utilisables. Les segments sont présentés à la figure 28-a de la section 4.4.1.4 et l’identification ainsi que la

position des profils transversaux sont présentés à la figure 29 de la section 4.4.1.5.

63

4.6. Résultats

Afin d’éviter les problèmes potentiels causés par des courbes du cours d’eau, seuls les profils se situant sur des

segments rectilignes ont été considérés. Sur les 30 profils potentiels, un total de 21 a été utilisé pour procéder

à l’évaluation pour les extractions à 8 largeurs. De ces profils, deux ont été sélectionnés comme exemple type

puisqu’ils représentent deux cas de figure importants.

Le premier cas est le profil transversal no. 101 (figures 35 et 36) qui présente des difficultés à se définir puisqu’il

y a un manque de points sur l’une des deux berges. Le deuxième cas est le profil transversal

no. 244 (figures 37 et 38) où la définition globale présente des formes bien définies initialement causées par un

plus grand nombre de points LiDAR et une distribution plus uniforme.

À partir du profil no.101, il est possible d’observer qu’à 3 m de largeur, la forme du profil se définit même avec

peu de points. De plus, il est possible de remarquer un manque de points permettant de déterminer la pente de

la berge de gauche. C’est à une largeur de 6 m que cette erreur est corrigée pour se rapprocher du meilleur

cas.

Le profil no.244 dispose déjà d’une densité de points de 2.6 pts/m pour une largeur de 1 m, ce qui équivaut à

l’extraction à une largeur de 3 m pour le profil no.101 (3.1 pts/m) qui présente les premières définitions d’un

profil complet. En comparant ces deux profils (no. 244 à 1 m et no.101 à 3 m), il est aussi possible de remarquer

que la distribution des points du no.244 est plus uniforme, ce qui permet une interpolation plus précise.

De plus, de ces deux profils, il est possible de visualiser que les fonds du chenal sont définis à partir d’environ

8 pts/m (7.5 pts/m pour le profil no.101 et 8.4 pts/m pour le profil no.244).

Basé sur les notes et le nombre de points par mètre des profils, le tableau 9 présente quelques valeurs

statistiques (moyenne, maximum et minimum) pour les notes et le nombre de points par mètre de profil, le tout

selon les largeurs d’extractions. De plus, les tendances observées sur les profils selon les largeurs d’extractions

sont précisées.

64

a) b)

c) d) Figure 35 : Profils transversaux lissés du profil transversal no. 101 pour les largeurs de données LiDAR de : a)1 m, b)2 m, c)3 m et d)4 m

52

52.5

53

53.5

54

54.5

55

0 5 10 15 20 25 30

1 m - 0.9 pts/m

Points LiDAR Profil 8 m Profil 1 m

52

52.5

53

53.5

54

54.5

55

0 5 10 15 20 25 30

2 m - 2.0 pts/m


52

52.5

53

53.5

54

54.5

55

0 5 10 15 20 25 30

3 m - 3.1 pts/m


52

52.5

53

53.5

54

54.5

55

0 5 10 15 20 25 30

4 m - 4.1 pts/m


65

e) f)

g) Figure 36 : Profils transversaux lissés du profil transversal no. 101 pour les largeurs de données LiDAR de : e)5 m, f)6 m et g)7 m

52

52.5

53

53.5

54

54.5

55

0 5 10 15 20 25 30

5 m - 5.0 pts/m


52

52.5

53

53.5

54

54.5

55

0 5 10 15 20 25 30

6 m - 6.2 pts/m


52

52.5

53

53.5

54

54.5

55

0 5 10 15 20 25 30

7 m - 7.5 pts/m


66

a) b)

c) d) Figure 37 : Profils transversaux lissés du profil transversal no. 244 pour les largeurs de données LiDAR de: a)1 m, b)2 m, c)3 m et d)4 m

50

50.5

51

51.5

52

52.5

0 5 10 15 20 25 30

1 m - 2.6 pts/m


50

50.5

51

51.5

52

52.5

0 5 10 15 20 25 30

2 m - 3.9 pts/m


50

50.5

51

51.5

52

52.5

0 5 10 15 20 25 30

3 m - 5.5 pts/m


50

50.5

51

51.5

52

52.5

0 5 10 15 20 25 30

4 m - 8.4 pts/m


67

e) f)

g) Figure 38 : Profils transversaux lissés du profil transversal no. 244 pour les largeurs de données LiDAR de : e)5 m, f) 6 m et g)7 m

50

50.5

51

51.5

52

52.5

0 5 10 15 20 25 30

5 m - 10.7 pts/m


50

50.5

51

51.5

52

52.5

0 5 10 15 20 25 30

6 m - 12.0 pts/m


50

50.5

51

51.5

52

52.5

0 5 10 15 20 25 30

7 m - 14.1 pts/m


68

Figure 39 : Graphique des notes par rapport au nombre de points

0 1 2 3 4 5 6 7 8 9 1 0

0

2

4

6

8

10

12

NOMBRE DE POINTS/MÈTRE

NO

TE

1 m 2 m 3 m 4 m 5 m 6 m 7 m

69

Tableau 9 : Résumé de la notation des profils transversaux

Largeur (m)

Note Nombre de points par mètre Observations générales

Moy. Min. Max. Moy. Min. Max.

1 1.71 1 4 2.23 1 9 Profils incohérents présents

fréquemment

2 3.57 1 5 3.71 2 4 Forme globale grossière

3 5.10 1 7 5.54 3 7 Forme générale proche de celle de 8 m

4 6.38 4 8 7.53 4 9

5 7.67 6 8 9.44 5 12 Fond du cours d’eau bien défini

6 8.14 7 10 11.26 6 13

7 9.33 8 10 13.31 7 16 Profil presque parfait

8 10.00 10 10 15.37 8 18

Il est possible d’observer du tableau 9 que, tout comme Roelens et al. (2016), le nombre de points augmente

en suivant une tendance linéaire selon la largeur de la bande. De plus, le nombre de points par mètre est plus

important que celui estimé initialement de 1 pt/m2. Les relevés LiDAR présentent une densité de points moyens

de 1.92 pts/ m2 pour un minimum de 1 pt/ m2 et un maximum de 2.25 pts/ m2.

Selon la méthode de notation définie pour évaluer les profils, la note de 7 est considérée comme suffisante pour

obtenir un profil fiable. Selon le tableau 9, cette note est obtenue en tout temps avec une largeur d’extraction

minimale de 6 m, ce qui correspond en moyenne à une extraction de 11.26 pts/m et au minimum à 6 pts/m. À

partir des mêmes données que le tableau, la figure 39 présente les notes individuelles des profils par rapport

au nombre de points par mètre. De cette figure, il est possible d’observer que le nombre de points minimum

pour obtenir la note de 7 est de 4.2 pts/m et que pour un nombre de points allant jusqu’à 8.2 pts/m la note de 7

n’est pas nécessairement atteinte. Ces observations permettent de définir que le nombre de points n’est pas

une variable qui permet d’assurer la qualité d’un profil. Ce serait la répartition de ceux-ci qui serait le plus

importante. Le nombre de points ne permettrait que d’offrir un indice qu’il y a de bonnes chances d’avoir

suffisamment d’information le long du profil pour bien le définir.

4.7. Conclusion

L’analyse des 21 profils a permis d’observer qu’il est possible d’obtenir des profils transversaux extrait à partir

de relevés LiDAR de faible densité (1 point/m2). Un profil peut être obtenu à partir d’une largeur de 3 m, mais

c’est avec une largeur de 5 m que les détails du fond du cours d’eau ressortent. Cependant, à cette valeur, des

cas ont été répertoriés sans fond bien défini. Pour obtenir une note minimale de 7, la largeur minimale

d’extraction devrait être de 6 m. Cette largeur assure une densité de points suffisante pour compenser la

distribution inégale des points sur le profil.

70

Conclusion

Basé sur de l’information répertoriée, l’expertise et les outils que disposaient les institutions qui ont participé au

projet, le développement du progiciel AgriEAU permettrait d’effectuer l’analyse d’un cours d’eau a été réalisé.

Au total, onze outils le constituent. Un d’entre eux, « Qmax_BV », a été développé, mis au test et documenté

dans le cadre du projet de maîtrise, tandis que les dix autres ont été testés et documentés.

Le progiciel a ensuite été mis à l’essai afin de déterminer s’il est possible de procéder au diagnostic d’un cours

d’eau avec l’information que le progiciel produit. Le cours d’eau ainsi analysé est la branche 5 du cours d’eau

Castor dans la MRC Brome-Missisquoi qui présente une problématique de sédimentation lente. À partir des

résultats de AgriEAU, ce phénomène a été observé et les sources potentielles de la problématique ont même

été isolées. Au moins pour un des débits correspondant aux récurrences de 2, 5, 10, 20 et 50 ans, les profils

no. 24, 34, 101, 120 et 244 présentent les caractéristiques correspondantes à de la sédimentation. Dans le

même ordre d’idée, les profils no. 202, 214 et 231 sont plus enclins à éroder les berges. Les autres profils sont

stables.

De cet essai, deux problématiques sont ressorties de l’utilisation du progiciel. La première est l’identification des

éléments produits (bassins versants, segment du réseau hydrographique et profils transversaux) pour localiser

les problématiques et la deuxième problématique est la visualisation de certains éléments (profils transversaux

et profils longitudinaux). Cependant ces problématiques peuvent être palliées puisque les informations

nécessaires sont déjà présentes.

Finalement, la méthode permettant de procéder à l’extraction des profils transversaux en se basant sur des

relevés LiDAR (Roelens et al., 2016) qui est utilisée dans le processus de traitement d’AgriEAU a été validée

pour son utilisation avec un relevé faible densité (1pt/m). Par évaluation qualitative des profils, le résultat a été

appliqué à 21 profils pour en extraire la largeur adéquate pour produire un profil considéré comme convenable.

La largeur minimale ainsi obtenue est de 6 m.

71

Bibliographie

Agriculture, Pêcheries et Alimentation du Québec (2016). Géomatique. Retrieved November 27, 2017, from

https://www.mapaq.gouv.qc.ca/fr/Productions/Agroenvironnement/mesuresappui/Pages/agriculturegeomatique

.aspx

Agrométéo. (2018). Atlas agroclimatique. Retrieved January 24, 2018, from

http://www.agrometeo.org/atlas/idf/true

Anonyme, 1954. Handbook of Channel Design for Soil and Water Conservation. United State Department of

Agriculture, Soil Conservation Service. SCS -TP -61.

ASPRS. (2013). LASer (LAS) File Format Exchange Activities. Retrieved from https://www.asprs.org/committee-

general/laser-las-file-format-exchange-activities.html

Ateshian, J. K. H. 1974. Estimation of rainfall erosion index. J. Inig. Drainage Dir. ASCE llX): 293-307.

ArcGIS. (n.d.). Couches. Retrieved July 18, 2017, from https://doc.arcgis.com/fr/arcgis-

online/reference/tile-layers.htm

ArcGIS. (2013). Jeu de données LAS. Retrieved July 31, 2017, from

http://resources.arcgis.com/fr/help/main/10.1/index.html#/na/015w00000057000000/

Bagnold, R. A (1966) An approach to the sediment transport problem from general physics. USGS Professional

Paper, 422-I : 37.

Bailly, Y. (2008). Initiation {à} la programmation avec {Python} et {C++}.

Barnes, H.H. 1967. Roughness Characteristics of Natural Channels. U.S. Geological survey - supply paper 1849.

United States Government printing office. Washington, DC.

Beran M. (1980). The Bransby Williams formulas-an evaluation. Proc. Instn. Civ. Engrs., Part 1, 1980, 68(Feb.),

145-147.

Biron, P. M., Choné, G., Buffin-Bélanger, T., Demers, S., & Olsen, T. (2013). Improvement of streams hydro-

geomorphological assessment using LiDAR DEMs. Earth Surface Processes and Landforms, 38(15), 1808–

1821. https://doi.org/10.1002/esp.3425

72

Brunner, G. W., C.-H. (2016). HEC-RAS River Analysis System User’s Manual, 960.

Brunner, G. W., C.-H (2016). HEC-RAS River Analysis System, 538.

Brunner, G. W., C.-H (2016). HEC-RAS River Analysis System 2D Modeling User’s Manual, 171.

Brunner, G. W., Warner, J. C., Wolfe, B. C., Piper, S. S., & Marston, L. (2016). HEC-RAS Applications Guide,

519.

Brookes, A. 1988. Channelized rivers: Perspectives for environmental management. Chichester; New York:

Wiley.

Brookes, A (1990). Restauration and enhancement of engineered river channels: some Eropean experiences,

Regulated Rivers: Research and Management, 5:45--56.

B. Mehdi, Lehner, B., Gombault, C., Michaud, A., Beaudin, I., Sotille, M- F., Blondot, A. 2015. Simulated impacts

of climate change and agricultural land use change on surface water quality with and without adaptation

management strategies. Agriculture, Ecosystems and Management. (213): 47-60

Canada, G. du. (n.d.). Digital Elevation Models. Retrieved July 12, 2017, from http://www.nrcan.gc.ca/earth-

sciences/geomatics/satellite-imagery-air-photos/satellite-imagery-products/educational-resources/9395

Charlton, M. E., Large, A. R. G., & Fuller, I. C. (2003). Application of airborne lidar in river environments: The

River Coquet, Northumberland, UK. Earth Surface Processes and Landforms, 28(3), 299–306.

https://doi.org/10.1002/esp.482

Chow, Ven Te, 1959. Open -Channel Hydraulics. McGraw -Hill, Toronto.

Christoph Gohlke, Laboratory for Fluorescence Dynamics, University of California, I. (n.d.). Unofficial Windows

Binaries for Python Extension Packages. Retrieved November 21, 2017, from

https://www.lfd.uci.edu/~gohlke/pythonlibs/

Church, Michael. G. Roy, André. M. Biron, Pascale. (2012). Gravel-Bed Rivers: Processes, Tools, Environments.

WILEY-BALKWELL, page 261-285.

Conrad, O., Bechtel, B., Bock, M., Dietrich, H., Fischer, E., Gerlitz, L., Wehberg, J., Wichmann, V., and Boehner,

J. (2015): System for Automated Geoscientific Analyses (SAGA) v. 2.1.4. Geosci. Model Dev., 8, 1991-2007,

doi:10.5194/gmd-8-1991-2015.

https://doi.org/10.1002/esp.482

73

Cook, D.J., N.T. Dickinson et R.P. Rudra. 1985. GAMES: Guelph model for evaluating the effects of agricultural

management systems on erosion ands sedimentation- User’s manual, School of Engineering, University of

Guelph, Technical report 126-171, Guelph, Ontario.

Cooper, W. (2013). Multi-Flow Direction Algorithms in GIS, 2013.

Demers S., Olsen T. et Buffin-Bélanger T. (2014). Développement d’une méthode hydrogéomorphologique pour

mieux considérer les dynamiques hydrosédimentaires aux droits des traverses de cours d’eau du Bas-Saint-

Laurent et de la Gaspésie dans le contexte de changements climatiques et environnementaux. Laboratoire de

géomorphologie et de dynamique fluviale, Université du Québec à Rimouski. Remis au ministère des Transports

du Québec, décembre 2014, 202 pages.

Dugré, D., R. Lagacé, G. Choné, A. Blais-Gagnon, P. Biron, et A. Michaud. 2018. AgriEau - Outil géomatique

d’aide à la gestion et l’aménagement des cours d’eau ruraux - Manuel d’utilisation V. 1.12. Groupe de recherche

interuniversitaire en aménagement et gestion des cours d’eau. Université Laval. 195 pages.

Digital Elevation Model. (2013). Retrieved from http://wiki.gis.com/wiki/index.php/Digital_Elevation_Model

Drouin, A., I. Beaudin, J. Desjardins, A.R. Michaud et N. Côté. 2013. GEODEP : L’outil de diagnostic des

exportations de phosphore spatialisé – Contenu et fonctionnement. Réalisé dans le cadre du programme «

Évaluation des pratiques de gestion bénéfique à l’échelle des bassins hydrographiques II (EPHB II) – Rivière

Bras d’Henri et ruisseau Fourchette » , d’Agriculture et Agroalimentaire Canada. Institut de recherche et

développement en agroenvironnement inc. (IRDA), Québec, Canada.

Emilie Poullain. Exploitation de l’intensité du signal LASER d’un LiDAR topographique aéroporté pour des

environnements littoraux sableux. Interfaces continentales, environnement. Université deCaen, 2013. Français.

Esri, A., & Paper, W. (1998). ESRI Shapefile Technical Description, (July).

ESRI. (2008). What is raster data? Retrieved July 13, 2017, from

http://webhelp.esri.com/arcgisdesktop/9.2/index.cfm?TopicName=What_is_raster_data%3F

ESRI. (2017). Créer un Outil de Script. Retrieved November 17, 2017, from https://pro.arcgis.com/fr/pro-

app/help/analysis/geoprocessing/basics/create-a-python-script-tool.htm

ESRI. (2018). Retrieved October 24, 2018. http://www.arcgis.com/index.html

Fasken, G. B. 1963. Guide for selecting roughness coefficient “n” values for channels. U.S. Department. of

Agriculture, Soil Conservation Service. Lincoln, NE.

74

Fatichi, S., Vivoni, E. R., Ogden, F. L., Ivanov, V. Y., Mirus, B., Gochis, D., … Tarboton, D. (2016). An overview

of current applications, challenges, and future trends in distributed process-based models in hydrology. Journal

of Hydrology. https://doi.org/10.1016/j.jhydrol.2016.03.026

Financière agricole, F.-D. des technologies et de la sécurité. (2017). Guide de l ’utilisateur Base de données des

parcelles et productions agricoles déclarées.

Financière Agricole du Québec. (2016). Base de données des parcelles et productions agricoles déclarées.

Retrieved October 6, 2018, from https://www.fadq.qc.ca/fr/documents/donnees/base-de-donnees-des-

parcelles-et-productions-agricoles-declarees/

Florsheim, J. L., J. F. Mount et A. Chin. 2008. Bank erosion as a desirable attribute of rivers. Bioscience, 58 (6):

519-29.

Folmar N.D., Miller A.C., Woodward D. E. (2007). History and development of the NRCS lag time equation. J.

Am. Water Resour. Assoc., 43(3), 829-838. DOI: 10.1111/j.1752- 1688.2007.00066.x.

François Anctil, J. R. et N. L. (2012). Hydrologie - Cheminement de l’eau. (CURSUS, Ed.) (Deuxième). Québec:

Presses Internationales Polythecnique.

Forestiers, I. (2009). Troisième inventaire écoforestier. Ministère des Ressources Naturelles et Faune du

Québec.

Fulford, J. M. (2004). An Intensity Sacle for Riverine Flooding, (228), 1–9.

Geospatial Innovation Facility. (n.d.). GIS Data Formats. Retrieved July 13, 2017, from

http://gif.berkeley.edu/documents/GIS_Data_Formats.pdf

Gericke O.J., Smithers J.C. (2014). Review of methods used to estimate catchment response time for the

purpose of peak discharge estimation. Hydrolog. Sci. J., 59(11), 1935-1971. DOI:

10.1080/02626667.2013.866712.

GDAL. (n.d.). GDAL - Geospatial Data Abstraction Library. Retrieved August 18, 2017, from http://www.gdal.org/

Godin, L. (2000). SIEF - Système d’information écoforestière, 24.

GRASS GIS. (n.d.). Raster data processing in GRASS GIS. Retrieved July 13, 2017, from

https://grass.osgeo.org/grass72/manuals/rasterintro.html

https://doi.org/10.1016/j.jhydrol.2016.03.026

75

GRASS GIS. (2016). r.watershed. Retrieved July 17, 2017, from

https://grass.osgeo.org/grass72/manuals/r.watershed.html

GRASS Development Team. (2017). Download. Retrieved November 21, 2017, from

https://grass.osgeo.org/download/

GRASS GIS. (2017). Vector data processing in GRASS GIS. Retrieved July 18, 2017, from

https://grass.osgeo.org/grass72/manuals/vectorintro.html

GRASS. (2018). HOME. Retrieved October 24, 2018. https://grass.osgeo.org/

Guillou, M. (2012). Analyse hydrologique et morphologique d’un cours d’eau agricole de la plaine du Saint--

Laurent. Mémoire de maîtrise. Université Laval, Québec, 212 p.

Gouvernement du Canada (2017). Données et scénarios climatiques canadiens. Retrieved March 8, 2017, from

http://www.cccsn.ec.gc.ca/?page=main&lang=fr

GWP, & RIOB. (2009). Manuel de Gestion Intégrée des Ressources en Eau par Bassin.

Halley, P. (2012). La loi sur la qualité de l’environnement a 40 ans. Retrieved July 18, 2018, from

https://www.ledevoir.com/opinion/idees/366907/la-loi-sur-la-qualite-de-l-environnement-a-40-ans

Hohenthal, J., Alho, P., Hyyppa, J., & Hyyppa, H. (2011). Laser scanning applications in fluvial studies. Progress

in Physical Geography, 35, 782–809. https://doi.org/10.1177/0309133311414605

Howard, B., Mateusz, L., & and others. (2016). libLAS. Retrieved August 18, 2017, from

https://www.liblas.org/index.html

Hydrotel. (2000). Hydrotel Théorie 1, 104.

Institut de recherche et de développement en agroenvironnement (IRDA) et Ministère de l’agriculture, des

pêcheries et de l’alimentation du Québec (MAPAQ). 2006. Pédologie (fichiers numériques). Fichiers numérisés

de 1998 à 2006.

IRDA. (2013). Classement des séries de sols minéraux du Québec selon les groupes hydrologiques. Institut de

Recherche et de Développement En Agroenvironnement, 82 p.

IRDA. (n.d.). Études pédologiques. Retrieved January 5, 2018, from https://www.irda.qc.ca/fr/outils-et-

services/informations-sur-les-sols/etudes-pedologiques/

76

IRDA. (2015). License d’utilisation d’un produit numérique cartographique. Retrieved January 5, 2018, from

https://www.irda.qc.ca/assets/documents/Pédologie/Info_pedo_arda_mai2015.pdf

Jones, A. F., Brewer, P. A., Johnstone, E., & Macklin, M. G. (2007). High-resolution interpretative

geomorphological mapping of river valley environments using airborne LiDAR data. Earth Surface Processes

and Landforms, 32(10), 1574–1592. https://doi.org/10.1002/esp.1505

Kelner, J. A., Orecchia, L., Sidford, A., Allen, Z., Zhu, A., Link, C., & Kelner, J. A. (2013). Accessed A Simple,

Combinatorial Algorithm for Solving SDD Systems in Nearly-Linear Time.

Kirpich Z.P. (1940). Time of concentration of small agricultural watersheds. Civil Eng., 10(6), 362

Lagacé, R. 2012. VisuHydro. Logiciel d’analyse hydrologique développé dans le cadre du projet de Mise à jour

des normes et procédures de conception des ouvrages hydro-agricoles dans un contexte de changements

climatiques. Mesure 26 du Plan d’action sur les changements climatiques 2006-2012 (PACC) du gouvernement

du Québec en collaboration avec Ressources naturelles Canada (ICAR)

Lagacé, R. 2016. Notes de cours : Aménagement des cours d’eau et conservation des sols (GAE-3005).

Université Laval. 330 pages.

Lamontagne, L. et M. Nolin. 2006. Base de données électroniques des profils pédologiques (physico-chimique)

de référence des sols du Québec. Laboratoires de Pédologie et Agriculture de Précision, Agriculture et

Agroalimentaire Canada, Québec, Canada.

La Financière agricole du Québec (FADQ). 2017. Banque de données des cultures assurées (BDCA) ou des

cultures généralisées (BDCG).

La Financière Agricole Québec. (2016). Base de données des parcelles et productions agricoles déclarées.

Retrieved January 9, 2018, from https://www.fadq.qc.ca/documents/donnees/base-de-donnees-des-parcelles-

et-productions-agricoles-declarees/

Loi concernant la conservation des milieux humides et hydriques, projet de loi n°132 (Adopté - 16 juin 2017),

première session, quarante et unième législature (Qc), chapitre 14.

Loi sur la qualité de l’environnement, L.Q. 2018.

Martin, I. (n.d.). LASlib. Retrieved September 18, 2017, from

http://www.cs.unc.edu/~isenburg/lastools/download/laslib_README.txt

77

matplotlib. (2017). Retrieved August 29, 2017, from http://matplotlib.org/users/intro.html

Madramootoo, C. A., A. R. Michaud, J. Whalen et S.-C. Poirier. 2012. Mesures précises et approches innovantes

en modélisation de la dynamique des nutriments en bassin et en plan d’eau contribuant aux fleurs des

cyanobactéries. Rapport final n° 2009-CY-130646. Programme de recherche en partenariat sur les

cyanobactéries. Fonds québécois de la recherche sur la nature et les technologies et Fonds de la recherche en

santé du Québec. 30 p. https://www.irda.qc.ca/fr/publications/mesures-precises-et-approches-innovantes-en-

modelisation-de-la-dynamique-des-nutriments-en-bassin-et-en-plan-d-eau-contribuant-aux-fleurs-des-

cyanobacteries/

MDDELCC. (2017). Manuel de calcul et de conception des ouvrages municipaux de gestion des eaux pluviales.

Retrieved from http://www.mddelcc.gouv.qc.ca/eau/pluviales/manuel-calcul-

conception/manuel.pdf%0Ahttp://www.mddelcc.gouv.qc.ca/eau/pluviales/manuel-calcul-conception/index.htm

Michaud, A., C. Gombault, J.-F. Cyr, H. Côté. 2012. Implications des scénarios climatiques futurs sur la gestion

des sols et de l’eau à la ferme CRAAQ. 16 pages.

Michaud, Aubert. R.; Deslandes, Julie; Gagné, Gilles; Grenon, Lucie; Vézina, K. (2009). Gestion raisonnée et

intégrée des sols et de l’eau (GRISE). Rapport final. Institut, (6062), 87.

Michaud, A.R., A. Drouin, A. Mailhot, G. Talbot, D. Huard, S. Biner, R. Lagacé, N-R. Rocha et G. Gagné. 2012.

Mise à jour des normes et procédures de conception des ouvrages hydro-agricoles dans un contexte de

changements climatiques. Projet réalisé dans le cadre de la mise en œuvre du Plan d’action 2006-2012 sur les

changements climatiques du gouvernement du Québec et en collaboration avec Ressources naturelles Canada.

Consortium de recherche OURANOS. Institut de recherche et de développement en agroenvironnement inc.

(IRDA), Québec, Canada. 168 pages et annexes.

Michaud, A.R., I. Beaudin, J. Deslandes, F. Bonn et C. A. Madramootoo. 2007. SWAT-predicted influence of

different landscape and cropping systems alterations on phosphorus mobility within the Pike River watershed of

South-western Quebec. Canadian journal of soil science 87(3) 329-344.Milan, D. J., & Heritage, G. L. (2012).

LiDAR and ADCP Use in Gravel-Bed Rivers: Advances Since GBR6.

Michaud, A.R., M. Giroux, I. Beaudin, J. Desjardins, G. Gagné, M. Duchemin, J. Deslandes, C. Landry, P.

Beaudet et J. Lagacé. 2008. ODEP; un Outil de diagnostic des exportations de phosphore. Manuel de

l’utilisateur. Projet « Gestion du risque associé aux facteurs source et transport du phosphore des sols cultivés

au Québec », réalisé dans le cadre de l’Initiative d’appui aux conseillers agricoles (PIACA-204). Institut de

78

recherche et de développement en agroenvironnement inc. (IRDA) et Centre de référence en agriculture et

agroalimentaire du Québec (CRAAQ), Québec, Canada. https://www.irda.qc.ca/fr/outils-et-services/odep/

Michaud, A.R., R. Lauzier et M.R. Laverdière. 2005. Mobilité du phosphore et intervention agroenvironnementale

en bassin versant agricole : Étude de cas du ruisseau au Castor, tributaire de la rivière aux Brochets, Québec.

Agrosol. 16 ( 1 ) : 47-61.

Michaud, A.R., N.-R. Rocha Medrano, R. Lagacé et A. Drouin. 2014. Développement et validation de méthodes

de prédiction du ruissellement et des débits de pointe en support à l'aménagement hydro-agricole. Rapport final.

Projet réalisé dans le cadre du Programme canadien d’adaptation agricole (PCAA) en collaboration avec le

Conseil pour le développement de l’agriculture du Québec (CDAQ). Institut de recherche et de développement

en agroenvironnement inc. (IRDA), Québec, Canada, 142 pp.

Ministère de l’Énergie et des Ressources Naturelles du Québec (MERN). 2010. Carte écoforestière.

Ministère de l’Énergie et des Ressources Naturelles du Québec. (2017). Géoboutique Québec. Retrieved from

http://geoboutique.mern.gouv.qc.ca/edel/pages/recherche/critereRechercheEdel.faces

Ministère des Forêt, F. et P. du Q. (2018). Cartes et plans. Retrieved October 12, 2018, from

https://mffp.gouv.qc.ca/le-ministere/cartes-plans/

Molina, J. L., Rodríguez-Gonzálvez, P., Molina, M. C., González-Aguilera, D., & Espejo, F. (2014). Geomatic

methods at the service of water resources modelling. Journal of Hydrology, 509, 150–162.

https://doi.org/10.1016/j.jhydrol.2013.11.034

Monfet, J. 1979. Évaluation du coefficient de ruissellement à l’aide de la méthode SCS modifiée. Ministère des

Richesses naturelles. 35p.

Nations Unis. (2015). Gestion intégrée des ressources en eau - Décennie internationale d’action : L’eau, source

de vie (2005-2015). Retrieved from http://www.un.org/fr/waterforlifedecade/themes/management.shtml

Neitsch, S. L., J. G. Arnold, J. R. Kiniry, J. R. William et K. W. King. 2011. Soil and Water Assessment tool

Theoretical Documentation. Grassland, Soil and Water Research Laboratory, Agricultural Research Service,

Texas, États-Unis. 618 p.

N.-R. Rocha Medrano. R., Lagacé, R., Drouin, A., & Michaud, A. (2013). VisuHydro - Manuel d’utilisateur.

Québec.

NumPy. (2017). Retrieved August 29, 2017, from http://www.numpy.org/

79

Paradis, A., & Biron, P. M. (2017). Integrating hydrogeomorphological concepts in management approaches of

lowland agricultural streams: Perspectives, problems and prospects based on case studies in Quebec. Canadian

Water Resources Journal, 42(1), 54–69. https://doi.org/10.1080/07011784.2016.1163241

Piégay, H., S. E. Darby, E. Mosselman et N. Surian (2005). A review of techniques available for delimiting the

erodible river corridor: A sustainable approach to managing bank erosion. River Research and Applications, 21

(7) : 773-89.

PIP. (2016). Retrieved August 14, 2017, from https://pip.pypa.io/en/stable/

Populus, Jacques (2002). Altimétrie par Lidar aéroporté Et Modèle Numériques de Terrain. Direction de

l’Environnement et de l’Aménagement Littoral Service des Applications Opérationnelles, page 3-4.

Python software foundation. (2018). Retrieved October 24, 2018. https://www.python.org/.

QGIS. (2018) Retrieved October 24, 2018. https://qgis.org/fr/site/index.html

Québec, Énergie et ressource naturelle. (n.d.). Tarification des produits et services. Retrieved January 9, 2018,

from http://geoboutique.mern.gouv.qc.ca/edel/pages/menu/tarification.faces

Rapidolasso GmbH. (n.d.). LASTools. Retrieved from https://rapidlasso.com/lastools/

Ree, W.O. 1949. Hydraulic characteristics of vegetation for vegetated waterways. Agr. Eng. Vol. 30:

184 -187, 189.

Renard, K. K., G. R. Foster, G. A. Weesies, D. K. McCool et D. C. Yoder. 1996. Predicting soil erosion by water:

A guide to conservation planning with the revised universal soil loss equation (RUSLE). Agriculture Handbook

Number 703: U.S. Department of Agriculture, États-Unis.

Roelens, J., S. Dondeyne, J. Van Orshoven, J, Diels. 2016. Extracting cross sections and water levels of

vegetated ditches from LiDAR point clouds. International Journal of Applied Earth Observation and

Geoinformation v. 53, p 64-75.

Satellite Imaging Corporation. (n.d.). Digital Elevations Models (DEM). Retrieved July 12, 2017, from

http://www.satimagingcorp.com/services/dem/

Schwab, G.O., R.K. Frevert, T.W. Edminster et K.K. Barnes, 1966. Soil and Water Conserva- tion Engineering.

John Wiley and Sons, New York.

80

Scipy.org. (2017). Retrieved August 29, 2017, from https://www.scipy.org/about.html

SCS (Soil Conservation Service) (1986). Urban Hydrology for small Watersheds, Technical release no. 55.

Sensing, R. (2013). LAS SPECIFICATION, (July), 1–28.

Syndicat International du Bassin Versant de la Seiche (SIBV Seiche). (n.d.). L’entretien de la végétation des

berges. Retrieved from http://www.syndicatdelaseiche.fr/entretenir-et-restaurer-les-cours/entretenir-les-berges-

48/article/l-entretien-de-la-vegetation-des

Simon, A.L., 1976. Practical Hydraulics. John Wiley and Sons, Toronto.

Spe, S. P., & Spring, S. (2000). Las 3.0, 1–44.

SQLite. (n.d.). About SQLite. Retrieved July 26, 2017, from https://sqlite.org/about.html

Stämpfli, N., Rimmer, H. C., Beaulieu, R., Breune, I., Guillou, M., Arpin, B., … Savoie, V. (2007). Évaluation des

débits de pointe pour les petits bassins versants agricoles du Québec. Agriculture et Agroalimentaire Canada

(AAC), 1–6.

Stefano, C. Di, V. Ferro, P. Porto. 1999. Length slope factors for applying the Revised Universal Soil Loss

Equation at basin scale in Southern Italy. J. agric. Engng Res. (2000) 75, 349-364.

Tabi, M., L. Tardif, D. Carrier, G. Laflamme et M. Rompré. 1990. Inventaire des problèmes de dégradation des

sols agricoles du Québec. Rapport synthèse. Ministère de l’Agriculture, des Pêcheries et de l’Alimentation du

Québec, Québec, Canada. 70 p.

Turcotte, R., Rousseau, A. N., Fortin, J., Turcotte, R., & Royer, A. (2011). PHYSITEL , a specialized GIS for

supporting the implementation of distributed hydrological models.

Turcotte, R. (2001). Determination of watershed drainage structure using a digital elevation model and a digital

river and lake ..., (May 2015). https://doi.org/10.1016/S0022-1694(00)00342-5

Urbaine, H. (2014). Bassin versant. Retrieved January 23, 2018, from

http://hydrauliqueformation.blogspot.ca/2014/05/bassin-versant.html

U.S. army corps of engineering. HEC-RAS. Retrieved April 11, 2017, from

http://www.hec.usace.army.mil/software/hec-ras/

81

U.S. Soil Conservation Service. 1954. Handbook for channel design for soil and water conservation. USDA, Soil

Conservation Service. SCS -TP -61.

USDA. 2007. National Engineering Handbook Part 654 – Stream Restoration Design. Chapter 8 – Threshold

Channel Design. https://directives.sc.egov.usda.gov/OpenNonWebContent.aspx?content=17784.wba

Wall, G.J., D.R. Coote, E.A. Pringle et I.J. Shelton (éditeurs). 2002. RUSLE-CAN — Équation universelle révisée

des pertes de sol pour application au Canada. Manuel pour l’évaluation des pertes de sol causées par l’érosion

hydrique au Canada. Direction générale de la recherche, Agriculture et Agroalimentaire Canada, No de la

contribution AAC2244F, 117 p.

Williams, J. R. 1975. Sediment-yield prediction with universal equation using runoff energy factor. Present and

prospective technology for predicting sediment yield and sources. Proceedings of the sediment-yield workshop.

28-30 novembre 1972. ARS-S-40, USDA Sedimentation Lab., Oxford, MS, État-Unis.

Wischmeier, W.H. and D.D. Smith. 1965. Predicting rainfall-erosion losses from cropland east of the Rocky

Mountains. Guide for selection of practices for soil and water conservation. U. S. Department of Agriculture,

Agriculture Handbook No. 282.

Wiki GIS. (2013). Digital Elevation Model. Retrieved July 12, 2017, from

http://wiki.gis.com/wiki/index.php/Digital_Elevation_Model

Wiki GIS. (2013). Shapefile. Retrieved August 9, 2017, from http://wiki.gis.com/wiki/index.php/Shapefile

Wiki GIS. (2017). Vector Data. Retrieved July 18, 2017, from http://wiki.gis.com/wiki/index.php/Vector_Data

Wischmeier, W.H. et D.D. Smith. 1978. Predicting rainfall erosion losses - A guide to conservation planning.

U.S. Department of Agriculture, Agriculture Handbook No 537, 58 p.

Wischmeier, W.H. et D.D. Smith. 1978. Predicting rainfall erosion losses - A guide to conservation planning.

U.S. Department of Agriculture, Agriculture Handbook No. 537. 58 pp.

Yamaska, M. L. haute. (n.d.). GESTION DES COURS D’EAU. Retrieved May 24, 2018, from http://www.haute-

yamaska.ca/cgi-cs/cs.waframe.content?topic=55700&lang=1

82

Annexe A – Exemple de fenêtre de lancement

Script de la fenêtre de lancement GRASS de l’outil qui permet la création du MNE – « Qmax_BV ».

#!/usr/bin/env python

# coding: latin-1

# Fichier Qmax_BV_GRASS.py

# v0.0.1 - 08/01/2018

### Contenu ###

# Interface de l'outil Qmax_BV pour l'utiliser dans GRASS

### Historique des versions ###

# v0.0.1 - 21/12/2017 - Création - David Dugré

### Description des entrées et sorties, pour le GUI de GRASS ###

#%module

#% description: Ajoute de l'information aux sous bassins versants

#% keyword: vectadd

#%end

#%option G_OPT_R_INPUT

#% key: mne

#% label: Modele numerique d'elevation corrige (input)

#% required: yes

#%end

#%option G_OPT_V_INPUT

#% key: vect

#% label: Sous-bassins versants (input)

#% required: yes

#%end


#% key: pedo

#% label: Couche vectorielle des zones pédologiques (input)

#% required: yes

#%end


#% key: za

#% label: Couche vectorielle des zones agricoles (input)

#% required: yes

#%end


#% key: bdca

#% label: Couche vectorielle des culture assurées récente (input)

#% required: yes

#%end


#% key: bdca_ante

#% label: Couche vectorielle des culture assurées récente de l'année précédente (input)

#% required: yes

#%end

#%option G_OPT_V_OUTPUT

#% key: ecofor

#% label: Couche vectorielle écoforestière (input)

#% required: yes

#%end


83

#% key: sousregionagric

#% label: Couche vectorielle des sous régions agricoles (SousRegionAgric) (input)

#% required: yes

#%end


#% key: rd_lines

#% label: Réseau de drainage (lines) (input)

#% required: yes

#%end


#% key: vect2

#% label: Réseau de drainage modifié (output)

#% required: yes

#%end

#%option G_OPT_F_OUTPUT

#% key: path_name

#% label: Parcours vers le lieu d'enregistrement (output) (ex: F:\...\Castor\)

#%end

#%option G_OPT_F_OUTPUT

#% key: path_database

#% label: Parcours pour préciser le lieu de la base de données SQLite (input) (ex:

F:\...\hydro\BD\)

#%end

# Importation des bibliothèques nécessaires

import os

import sys

sys.path.append(os.path.join(sys.path[0], '..'))

from bib_multi.grass_messages import GRASSMessages

from hydro.Qmax_BV import Qmax_BV_Tool

import grass.script as gscript

def main():

# Configuration des messages pour GRASS

GRASSMessages()

options, flags = gscript.parser()

mne = options['mne']

vect = options['vect']

pedo = options['pedo'] za = options['za']

sousregionagric = options['sousregionagric']

rd_lines = options['rd_lines']

vect2 = options['vect2']

bdca = options['bdca']

bdca_ante = options['bdca_ante']

ecofor = options['ecofor']

path_name = options['path_name']

path_database = options['path_database']

Qmax_BV_Tool().execute(mne, vect, pedo, za, bdca, bdca_ante, ecofor,

sousregionagric, rd_lines, vect2, path_name, path_database)

return 0

if __name__ == "__main__":

sys.exit(main())

84

Résultat à la suite du lancement du script :

Figure 40 : Fenêtre de lancement GRASS de l'outil « Qmax_BV »

85

Annexe B – Script « Qmax_BV »

class Qmax_BV_Tool(tools.tool):

def execute(self, mne, vect, pedologie, ZonesAgrics, bdca, bdca_ante, ecofor,

SousRegionAgric, RD_lines, vect2, path_name, path_database):

# vect : string - Couche vectorielle dont l'information doit être

# ajouté - input

# pedologie : string - Couche vectoriel disposant de l'information

# pedologique de la région à l'étude - input

# ZonesAgric : string - Couche vectorielle disposant des informations

# des zones agricoles du Québec - input

# bdca : string - Couche vectorielle des cultures assurées pour

# l'année en cours - input

# bdca_ante : string - Couche vectorielle des des cultures assurées

# pour une années antérieur - input

# ecofor : string - Couche vectorielle comportant les informations

# écoforestières - input

# SousRegionAgric : string - Nom de la couche vectorielle du même

# nom fournie avec l'outil - input

# RD_lines : string - Nom de la couche qui contient les lignes du réseau

# de drainage produit par "ExtractStreams"

# vect2 : string - Nom de la couche vectorielle produite disposant de

# l'information supplémentaire - output

# path_name : string - Parcours vers le lieu d'enregistrement

# (ex: F:\...\Castor\) - input

# path_database : string - Parcours pour préciser le lieu de la base de

# données SQLite (ex: F:\...\hydro\BD\) - input

# Initialise la région de travail

tools.GRASSmodule('g.region', vector=vect)

# ajoute une nouvelle catérogie pour que tous les éléments en disposent

d'un

vect3 = "tmp_vect3"

tools.GRASSmodule('v.category', input=vect, option='add',

type='point' + ',' + 'line' + ',' + 'boundary' + ',' +

'centroid' + ',' + 'area',

layer=1, output=vect3)

# Ajoute l'aire des sous-bassins versants

tools.GRASSmodule('v.db.addcolumn', map=vect3, col="area_hec double")

tools.GRASSmodule('v.to.db', map=vect3, option="area",columns="area_hec",

units="hectares")

# Importe les données de ZonesAgrics et pedologie

# Ajoute les colonnes pour l'importation de données

tools.GRASSmodule('v.db.addcolumn', map=vect3,

col='OBJECTID DOUBLE' + ',' + 'REGADM_S_N DOUBLE' + ','

+ 'NOS_CD_SOL' + ',' + 'REGADM_S_D' + ','

+ 'CDSolREG' + ',' + 'concatenation')

# Ajout des données

# tools.GRASSmodule('v.what.vect', map=vect3, column='OBJECTID',

# query_map=pedologie, query_column='OBJECTID')

tools.GRASSmodule('v.what.vect', map=vect3, column='NOS_CD_SOL',

query_map=pedologie, query_column='NOS_CD_SOL')

tools.GRASSmodule('v.what.vect', map=vect3, column='REGADM_S_N',

query_map=ZonesAgrics, query_column='REGADM_S_N')

tools.GRASSmodule('v.what.vect', map=vect3, column='REGADM_S_D',

query_map=ZonesAgrics, query_column='REGADM_S_D')

86

# Concaténation de deux attributs (REGADM_S_N & NOS_CD_SOL)













# (utilisé automatiquement par db.in.ogr)




csvtfile.close()




i = 0


if i == 0:

ligne[8] = ligne[8]

else:

REGADM_S_N = ligne[4]

NOS_CD_SOL = ligne[5]

expression = str(str(REGADM_S_N) + NOS_CD_SOL)



i += 1

out.close()

csvfile.close()

# Ajoute l'info au fichier GRASS de points aux CS, à partir du fichier

# csv


output=tmpcat)

tools.GRASSmodule('v.db.join', map=vect3, column='cat',

other_table=tmpcat, other_column='cat_')

tools.GRASSmodule('v.db.update', map=vect3, column='CDSolREG',

query_column='concatenation')



tools.GRASSmodule('v.db.dropcolumn', map=vect3,

columns='concatenation' + ',' + 'cat_' + ',' + 'label')




# Join les couches bdca et bdca_ante

bdca_over = 'tmp_bdca_over'

87

tools.GRASSmodule('v.overlay', ainput=bdca, binput=bdca_ante,

operator='and', output=bdca_over)



col='GROPRO' + ',' + 'DESGROPRO' + ','

+ 'TER_CO_FOR' + ',' + 'TCO_DESC' + ','

+ 'Factruissm DOUBLE PRECISION')


tools.GRASSmodule('v.what.vect', map=vect3, column='GROPRO',

query_map=bdca_over, query_column='b_GROPRO')


query_map=bdca_over, query_column='a_GROPRO')

tools.GRASSmodule('v.what.vect', map=vect3, column='DESGROPRO',

query_map=bdca_over, query_column='a_DESGROPRO')

tools.GRASSmodule('v.what.vect', map=vect3, column='DESGROPRO',

query_map=bdca_over, query_column='b_DESGROPRO')

tools.GRASSmodule('v.what.vect', map=vect3, column='TER_CO_FOR',

query_map=ecofor, query_column='TER_CO_FOR')

tools.GRASSmodule('v.what.vect', map=vect3, column='TCO_DESC',

query_map=ecofor, query_column='TCO_DESC')

tools.GRASSmodule('v.what.vect', map=vect3, column='Factruissm',

query_map=SousRegionAgric, query_column='Factruissm')

# Importe les tables sqlite

path_db = path_database + '\spatial.sqlite'


to_table='conv_tercofor', select="SELECT * FROM

conv_tercofor")


to_table='conv_culture', select="SELECT * FROM

conv_culture")


to_table='SOLS_INTERM', select="SELECT * FROM

SOLS_INTERM")


to_table='udg_defaut', select="SELECT * FROM

udg_defaut")


to_table='factC', select="SELECT * FROM factC")

# Ajouter [util_terr] provenant de la table [conv_tercofer] a [vect2]

# base sur l'attribut [TER_CO_FOR]

tools.GRASSmodule('v.db.join', map=vect3, column='TER_CO_FOR',

other_table='conv_tercofor', other_column='TER_CO_FOR')

# Ajouter [util_terr et cult_ante] provenant de la table [conv_cult] a

# [vect2] base sur l'attribut [GROPRO]

tools.GRASSmodule('v.db.join', map=vect3, column='GROPRO',

other_table='conv_culture', other_column='GROPRO')

# Ajouter [facteurK] provenant de la table [udg_defaut] a

# [vect2] base sur l'attribut [util_terr]

tools.GRASSmodule('v.db.join', map=vect3, column='util_terr',

other_table='udg_defaut', other_column='util_terr')

# Concaténation de deux attributs (util_terr & TRAV_SOL)


tools.GRASSmodule('v.db.addcolumn', map=vect3, col='id_C')


88
















csvtfile.close()




i = 0


if i == 0:

ligne[40] = ligne[40]

else:

util_terr = ligne[13]

if str(ligne[37]) == "1.0":

TRAV_SOL = 1

elif str(ligne[37]) == "2.0":

TRAV_SOL = 2

elif str(ligne[37]) == "3.0":

TRAV_SOL = 3

else :

TRAV_SOL = 4

# TRAV_SOL = int(float(ligne[37]))

expression = str(str(util_terr) + str(TRAV_SOL))



i += 1

out.close()

csvfile.close()


# csv


output=tmpcat)





tools.GRASSmodule('v.db.dropcolumn', map=vect3, columns='cat_' + ',' +

'label')

89




#

# Join la table factC

tools.GRASSmodule('v.db.join', map=vect3, column='id_C',

other_table='factC', other_column='id_C')

# Calcul facteur C


tools.GRASSmodule('v.db.addcolumn', map=vect3, col='factC')
















",\"Integer\",\"String\",\"String\",\"String\""

",\"String\",\"String\",\"String\",\"Real\""

",\"Integer\",\"String\",\"String\",\"Real\""

",\"Integer\",\"Integer\",\"Integer\",\"Integer\""






",\"String\",\"Real\",\"Real\",\"Real\""

",\"Real\"")

csvtfile.close()




i = 0


if i == 0:

ligne[44] = str(ligne[44])

else:

if str(ligne[14]) == "FOI" or str(ligne[14]) == "NON":

ligne[44] = float(ligne[41]) * 0.5

elif str(ligne[14]) == "SOY":

ligne[44] = float(ligne[41]) * 1.2

else:

ligne[44] = ligne[41]


i += 1

90

out.close()

csvfile.close()


# csv


output=tmpcat)





tools.GRASSmodule('v.db.dropcolumn', map=vect3, columns='cat_' + ',' +

'label')




# Traitement du réseau de drainage

tools.GRASSmodule('g.copy', vector=RD_lines + ',' + vect2)

# Ajoute des attributs vides


columns='Xam' + ',' + 'Yam' + ',' +

'Zam DOUBLE PRECISION' + ','

+ 'Xav' + ',' + 'Yav' + ',' +

'Zav DOUBLE PRECISION' + ','

+ 'longueur' + ',' + 'cat_SB INT' + ',' +

'area_ha DOUBLE PRECISION' + ','

+ 'CDSolREG' + ',' + 'GROPRO' + ',' +

'util_terr' + ',' + 'TER_CO_FOR')

# Calcule de [longueur]

tools.GRASSmodule('v.to.db', map=vect2, type='line', option='length',

columns='longueur', units='meters')

# Ajoute les coordonnées amont et aval

tmp_points = 'tmp_points'

tmp_points2 = 'tmp_points2'



tmp_ls = 'tmp_ls'


output=tmp_points, use='node')


output=tmp_points2, use='node')

tools.GRASSmodule('v.what.rast', map=tmp_points, raster=mne ,

type='point', layer=2, column='Zam')

tools.GRASSmodule('v.what.rast', map=tmp_points2, raster=mne ,

type='point', layer=2, column='Zav')

tools.GRASSmodule('v.db.addcolumn', map=tmp_points, columns='Xam' + ',' +

'Y', layer=2)

tools.GRASSmodule('v.db.addcolumn', map=tmp_points2, columns='Xav' + ','

+ 'Y', layer=2)

tools.GRASSmodule('v.to.db', map=tmp_points, type='point', option='coor',

query_layer=1, layer=2, columns='Xam' + ',' + 'Y',

units='meters')

91

tools.GRASSmodule('v.to.db', map=tmp_points2, type='point',

option='coor', query_layer=1, layer=2, columns='Xav' +

',' + 'Y', units='meters')

tools.GRASSmodule('v.to.db', map=vect2, type='line', option='start',

columns='Xam' + ',' + 'Yam', units='meters')

tools.GRASSmodule('v.to.db', map=vect2, type='line', option='end',

columns='Xav' + ',' + 'Yav', units='meters')

tools.GRASSmodule('db.copy', from_table='tmp_points_2',

to_table=tmp_points5)

tools.GRASSmodule('db.copy', from_table='tmp_points2_2',

to_table=tmp_points6)

tools.GRASSmodule('db.copy', from_table=vect2, to_table=tmp_ls)

tools.GRASSmodule('db.dropcolumn', table=tmp_points5, flags='f',

column='lcat')


column='along')


column='cat')


column='Y')


other_table=tmp_ls, other_column='cat')

tools.GRASSmodule('v.db.join', map=vect2, column='Xam',

other_table='tmp_points5', other_column='Xam')

tools.GRASSmodule('v.db.join', map=vect2, column='Xav',

other_table='tmp_points6', other_column='Xav')

tools.GRASSmodule('v.db.dropcolumn', map=vect2, columns='network')


tools.GRASSmodule('v.what.vect', map=vect2, column='cat_SB',

query_map=vect3, query_column='cat')

tools.GRASSmodule('v.what.vect', map=vect2, column='area_ha',

query_map=vect3, query_column='area_hec')

tools.GRASSmodule('v.what.vect', map=vect2, column='CDSolREG',

query_map=vect3, query_column='CDSolREG')


query_map=vect3, query_column='GROPRO')

tools.GRASSmodule('v.what.vect', map=vect2, column='util_terr',

query_map=vect3, query_column='util_terr')

tools.GRASSmodule('v.what.vect', map=vect2, column='TER_CO_FOR',

query_map=vect3, query_column='TER_CO_FOR')

# tools.GRASSmodule('v.what.vect', map=vect2, column='FactC',

# query_map=vect3, query_column='factC')


path_original = path_name + "\Qmax_BV.csv"



bd_Sols = "BD_Sols.sqlite"

bd_HDF = "HDF.sqlite"

path_original = os.path.join(path_name, "Qmax_BV.csv")

path_results = os.path.join(path_name, "Qmax_calc_results.csv")

fi_bd_Sols = os.path.join(path_database, bd_Sols)

fi_bd_HDF = os.path.join(path_database, bd_HDF)

Calcul_Qmax_bassin(path_original, path_results, fi_bd_Sols, fi_bd_HDF)

92

# Élimination de couches non utiles

tools.GRASSmodule('g.remove', flags='f', type='vector', name=tmp_ls)

tools.GRASSmodule('g.remove', flags='f', type='vector', name=vect3)

tools.GRASSmodule('g.remove', flags='f', type='vector', name=tmp_points)

tools.GRASSmodule('g.remove', flags='f', type='vector', name=tmp_points2)



Documents

AgriEAU : outil géomatique d’aide à la gestion et l