chap10

Modélisation

Modélisation CHAPITRE 10-1

CHaPitRE 10

Quelles sont les dimensions du réseau de drainagepouvant transporter sans surcharge les débits depointequ’onpeutassocieràunepériodederetourde1 dans5 ans?

Quelledevrait être lacapacitéd’unponceau traver-santuneautoroute?

Queldevraitêtrelevolumeutiled’unbassinderéten-tiondevantprévenirlesinondationsoulessurchar-gesdesréseauxenaval?Quelscontrôlesseraientop-timauxpourminimiserl’érosiondanslecoursd’eaurécepteur?Poureffectueruncontrôledelaqualitéetminimiserlesimpactspourunrejetdansunerivière?

Lesdeuxpremièresquestionsapparaissentsimplesàpremièrevueetpeuventgénéralementêtreanalyséesdefaçonsatisfaisante,àtoutlemoinsdanslecasd’unbas-sinversantdepetitetaille,avecuneapprochesimplifiéecomme laméthode rationnelle.Lesquestions soulevéesdansletroisièmepointnepeuventtoutefoispasêtreadé-quatementanalyséesaveclaméthoderationnelleetc’estdanscetypedesituations,trèscommuneslorsqu’onparledegestiondeseauxpluviales,qu’unmodèleplusdétaillédeviendranécessaire.

L’utilisation d’un modèle suppose par ailleurs qu’onsoitconscientdesrelationsplusoumoinsflouesquipeu-ventexisterentrelesproblèmesdeconceptionquidoiventêtrerésolus,l’incertitudequipeutêtreassociéeaumodèleetl’interprétationdesrésultatsobtenusparmodélisation.Il existe généralement un degré de complexité optimalpourdifférentstypesdeproblèmesetonpeutconsidérercommeunebonnepratiqued’avoirrecoursaumodèleleplussimplepossiblequipuissetoutdemêmefournirdes

10.1 IntroductIon10.1.1 Concepts généraux et terminologie Lesmodèlessontunereprésentationsimplifiéed’unpro-cessusoud’unsystème,laplupartdutempssousunefor-medifférenteparrapportausystèmelui-même.Letermemodèleestencesensapparentéàlanotiondeconceptquipeutêtretraduitsubséquemmentenrelationsmathéma-tiques.Ilestimportantdesoulignerquelemodèlemathé-matiquepeutêtreaussisimplequ’uneseuleéquationouencomprendreplusieurscentainespourdécriredefaçonplusdétailléecertainsprocessus.Àtitred’exemple,lamé-thoderationnelleconstitueenelle-mêmeunmodèlequipermetd’estimer,aveccertainessimplificationsethypo-thèses,undébitdepointepourlaconceptiondesréseaux.Lesmodèlesélaborésaveccertainslogicielsdesimulationpeuvent servir à établir le même paramètre de concep-tion,maisenutilisantunereprésentationbeaucoupplusdétailléequecellesurlaquellesebaselaméthoderation-nelle.Danscertainscas,celaneveuttoutefoispasdirequelaréponseobtenueavecunmodèlepluscomplexesoitné-cessairementpluspréciseouvalidequecelleobtenueaveclaméthoderationnelle.

Les comportements hydrologique et hydrauliqued’unsous-bassinurbainsoumisàuneprécipitationpeu-ventêtretrèscomplexesetunmodèlenousfournitunevue simplifiée permettant de réduire cette complexitéet de résoudre des problèmes spécifiques. Un problèmeestunedifficultéqu’ilfautrésoudrepourobteniruncer-tainrésultatet,enhydrologieurbaine, lesproblèmesdeconceptionpeuventsouventêtreramenésàdesquestionsspécifiquesquiserventàdéfinirdesobjectifsrelativementprécis,parexemple:


téristiquesetlesinterrelationspeuventêtrerelativementcomplexes. Ce système peut être défini par différentescomposantesauxquellesontpeutassocierdifférentspro-cessus; ces processus peuvent être dans certains cas to-talement indépendants de ce qui se passe dans d’autrescomposantesmaisilssontleplussouventinterreliés.Letableau10.2fournitunelistedesprincipalescomposan-tesetdesdifférentsprocessusqui leur sontassociés.Ledécoupageetl’analysed’unsystèmecomplexecommeunbassinversanturbainparcomposantesetprocessusfaci-litentledéveloppementd’unmodèle.

réponsessuffisammentprécisespourlesbesoins.Accroî-treleniveaudedétailspourunmodèle(etparlàmêmesacomplexitéetlapossibilitédemieuxreprésenterlaréa-lité)asouventunimpactsurl’incertitudequipeutluiêtreassociéeetleniveaudeconnaissancestechniquesquisontnécessaires; le tableau 10.1 fournit d’autres avantages etdésavantageslorsqu’oncompareunmodèlesimpleetunmodèlecomplexe.

Enhydrologieurbaine,lesystèmequ’ontentedesi-muleràl’aidederelationsmathématiquesestcomposédubassinversantetdesréseauxdedrainagedontlescarac-

Tableau 10.1

avantages et désavantages des modèles simples ou complexes (adapté de James, 2003).

Modèle simple Modèle complexe

Peut être non réaliste Peut nécessiter des ressources appréciables pour son élaboration

Moins flexible et adaptable à différentes situations donne des résultats plus détaillés

Plus facile à comprendre Plus difficile à comprendre

Utilisable sur n’importe quel ordinateur demande un ordinateur plus performant

Moins probable qu’il contienne des erreurs Plus grande probabilité de contenir des erreurs

Plus facile à vérifier Plus difficile à vérifier

demande moins de données d’entrée demande plus de données d’entrée

Plus facile à modifier si les objectifs de conception changent avec le temps Permet d’investiguer les effets de plusieurs facteurs sur le système

Permet d’obtenir rapidement des résultats offre plus de flexibilité à l’usager, s’adaptant à différents environnements

nécessite peu d’habileté technique ou de connaissances approfondies pour l’utilisation

Requiert un modélisateur plus expérimenté et avec des connaissances techni-ques plus approfondies

Tableau 10.2

Composantes d’un bassin versant urbain et processus typiquement associés (adapté de Walesh, 1989).

Composantes Processus

sous-bassin transformation de la précipitation en ruissellementaccumulation et lessivage des polluants

tronçon de canal naturel – plaine inondable transport et laminage de débitsérosion et sédimentation

Réseau d’égout transport et propagation des débits surcharge

Rues débit en caniveau et interception par les grillestransport et propagation des débits accumulation en surface

Bassin de rétention laminage des débitsaccumulation de sédimentsEnlèvement des polluants

Pont / ponceau Effet de courbe de remousaffouillement atténuation des débits


et qui peuvent influencer le comportement du modèle(paramètresd’infiltration,dépressionsinitiales,etc.).Lesparamètres(C)sontdefaçongénéralelesdonnéesquinechangentpasdurant la simulationetquipermettentdedécrireleréseau(pente,diamètre,typedeconduites)oucertainsaspectsdubassinversant(parexemplelessuper-ficiesdessous-bassinsoulepourcentageimperméable).

Lecœurdumodèleestévidemmentlelogicielquire-groupelesrelationsmathématiquesutiliséespoursimulerlesdifférentsprocessusetleurinteractionavecdifférentesprocéduresdeprogrammation.Unefoisréaliséelatrans-formationdesdonnéesd’entréeparlelogiciel,onobtientfinalementlesrésultats(R).Cettesimpleschématisationpermetàlasectionsuivantededéfinircertainstypesdemodèles.

10.1.2 Types d’utilisation et d’application des modèlesUnpremiertypedemodèle,quireprésenteunesituationoùondoiteffectueruncalage,estmontréàlafigure10.2a.Danscecas,pourunbassinversantdonné,onmesurelapluieetledébitàl’exutoireetonchercheàajusterlesva-riablesd’entréepourobtenir,aveclesdifférentesfonctionsdetransformationdanslelogiciel,lesrésultatscorrespon-dantauxmesuresdedébits.

La figure 10.2b montre un deuxième type de mo-dèle, alorsqu’onchercheà connaître le fonctionnementdu système pour une entrée connue. Ceci constitue leproblème classique de diagnostic du fonctionnement etonpeutdistinguerdanscecas lesconditionspour l’étatactueloupourlesconditionsdansunétatsoitdeprédé-veloppementou représentantune situation future.C’estévidemment un des avantages importants apportés parlamodélisation:avoirlapossibilitéd’analyserdescondi-tionspasséesoufuturesquantàl’étatdecertainsélémentsdusystèmepourpouvoirparexempleétablirdescritèresdecontrôle(conditionsdeprédéveloppement)oudimen-sionnerdesouvragesenfonctiondesconditionsquipré-vaudrontdansunfuturplusoumoinslointain.L’analyserapide de différents scénarios est ainsi facilitée et peutservirdebasepourdesprisesdedécisionéclairées.

Lesdifférentescomposantesd’unmodèledesimula-tiondedrainageurbainpeuventégalementêtreregroupéesen4principalescatégories,commelemontre letableau10.3. Chaque composante nécessite l’élaboration d’unmodèleparticulierpourreprésenterunoudesprocessus;différentslogicielspourrontavoirdesmodèlesdifférentspour simuler un même processus et il deviendra doncimportant, lorsqu’onauraàcomparer les résultatsobte-nusavecdifférentslogiciels,detenircomptedecetaspect.

En terminant cette section générale, il apparaît im-portantdedéfinircertainstermesquisontparfoisutilisésdefaçonplusoumoinsambiguëenpratique.

Unsystèmeestunensembled’élémentsoudecompo-santesreliésfonctionnellementlesunsauxautres.Unmo-dèleestunereprésentationsimplifiéesoitd’unprocessusoud’unsystèmeprisdanssonensemble.Àtitred’exemple,le modèle de Horton permet de représenter les proces-susd’infiltrationalorsquelaméthoderationnelleestunmodèlepermettantd’obtenir ledébitdepointepourunsystèmeglobal (etquienglobedoncde façonsimplifiéeplusieursprocessus,dontceuxliésàl’infiltration).

Unlogicielouunprogrammeregroupeparailleursunensembledelignesdecodetraduisantenlangagein-formatiquelesdifférentsprocessusetrelationsmathéma-tiques les décrivant; il permet de simuler les différentsprocessusetdeprendreencompteleurinteractionpourcréerunmodèle.

Unmodèlededrainageurbainpeutparailleursêtreschématiséaveclesdifférentsélémentsmontrésàlafigure10.1.Misàpartlapluie(P),onretrouvecommedonnéesd’entréedeuxcatégoriesd’éléments, soit lesdonnéesva-riableset lesparamètres.Lesdonnéesvariables(E)sontcellesquichangentavecletemps(durantlasimulation)

Tableau 10.3

Catégories de composantes pour le regroupement de processus pour

la simulation de réseaux de drainage.

Catégorie de composantes Modèles

sous-bassin Hydrologique

tronçon de réseaux Hydraulique

ouvrages spéciaux (vannes, ponceaux, orifices, déversoirs)

Modèles spécifiques

Milieu récepteur Modèle de pollution

Figure 10.1 Composantes d’un modèle.


sontsusceptiblesd’êtrerésolusenutilisantunemodélisa-tiondufonctionnementd’unréseau:1. établissementdudiagnosticdefonctionnementd’un

réseau;2. conceptiond’unréseauneufdansunezonesituéeà

l’amontduréseauexistant;3. définitiondesinterventionssurunréseauexistant;4. planificationetétudesglobales;5. analysedelaqualitédeseaux.

Lacatégorie3estévidemmentreliéeàlacatégorie1puisque lediagnosticduréseauservirasouventdebasepourdéfinirdesinterventions,localesoudeplusgrandeenvergure,surlesréseauxexistantspourpermettred’at-teindreuncertainniveaudeservice.Lediagnosticpourunréseaudoitparailleurstenircomptedel’étatactueloudel’étatfuturtantencequiconcernel’occupationdusolque leréseau.Quatresous-problèmespeuventdoncde-voirêtreanalysés: Commentfonctionneleréseauexistantdansl’étatac-

tueldelavilleetdesréseaux? Commentfonctionneraitleréseauexistantsansmo-

dificationdansunétatfuturdelaville? Commentfonctionneraitleréseauaprèsintervention

dansl’étatactueldelaville? Commentfonctionneraitleréseauaprèsintervention

dansunétatfuturdelaville?

Laposed’undiagnosticadéquatnécessiteégalementdeporteruneattentionparticulièreauchoixdelapluied’analyse.Danslecasd’unévénementréelayantcausédesdébordementsourefoulements,onpourravaliderlemo-dèleaveclesniveauxd’eauobservés.Sionveutparailleursévaluerleniveaudeserviceduréseau,lasélectiondelapluie devra nécessairement se faire en fonction de dif-férentsparamètres,dontnotammentl’occupationdusoletlesdimensionsdubassinversant.Idéalement,leséva-luationsdevraientcomprendrelamodélisationdepluieshistoriquesquiontentraînédesdysfonctionnementsbiendocumentésdesréseaux.

Parailleurs,lestypesd’applicationpeuventégalementêtreclassésenfonctiondutyped’ouvrageoud’objectifs.

Réseau de conduitesCertainslogicielspermettentdesimulerleproblèmetra-ditionneldeconceptiondesréseaux,sansconsidérerde

Finalement, un troisième type de modèle (figure10.2c)représentelecasoùondésireconnaîtreledimen-sionnementàdonnerauxouvragespourobtenirunni-veaudeservice(ouunétatdefonctionnement)quel’ons’estfixépourdesvariablesd’entréeégalementfixées.Danscettesituation,ondoitdéfinirunniveauderisqueaccep-table,quidicteraparexemplelapériodederetourdelapluiesélectionnéeainsiqueleniveaudeserviceattendudanslesrésultats.

Par ailleurs, on peut reconnaître qu’en pratique ilexisteessentiellementdeuxtypesdemodélisation:celleeffectuéepourunnouveauréseau,pourlaquelleiln’exis-te évidemment pas de données pour caler le modèle etcelle pour un réseau existant, où des mesures peuventêtredans ce casdisponiblespourajuster lemodèle auxconditions réelles. Dans la première situation, on doitdoncprocéderparinférence,c’est-à-direassumerqu’aveccertaines hypothèses concernant les valeurs à utiliserpourlesparamètresqu’onnepeutaprioriquantifierdefaçontrèsprécise,lemodèlesimuleradefaçonacceptablelesystèmeréelprojeté.Laseuleprocédurequipeutalorsfourniruneassistancepourévaluerl’incertitudeassociéeàl’utilisationdumodèleestl’analysedesensibilité,oùlesparamètressontvariésunàunpourétablirleurinfluencesurlesrésultatsdelamodélisation.

Dansledeuxièmecas,oùondoitanalyserlecompor-tementd’unréseauexistant,onpeut,aprèsavoireffectuéune analyse de sensibilité, caler et valider le modèle enconfrontantlesrésultatsàdesmesuresdeprécipitationetdedébits.Cesétapescomplétées,onpourraensuitesou-mettrelemodèleàdesconditionscritiquesetdégagerlessolutionsoptimalespour la réhabilitationou l’opérationduréseau.

Encequiconcernelestypes d’application,onpeutdistinguercinq (5) grandes catégories de problèmesqui

Figure 10.2 types de modèles. le type (a) représente un calage,

le type (b) un diagnostic et le type (c) un dimensionnement.


1985).L’utilisationdemodèlespourétablirlesparamètresdequalitésousdifférentesconditionssansavoirrecoursàdesmesurespermettantlecalagedoitdoncêtrefonda-mentalementquestionnée:lesvaleursobtenuespeuventenfaitvarierparunordredegrandeuret indiquertoutauplus l’effet relatifdedifférentes stratégiesdecontrôle(ASCE/WEF,1992).

10.2 LogIcIeLs pour L’anaLyse de réseaux et La gestIon des eaux pLuvIaLes

10.2.1 Généralités – classification de logicielsPlusieurstypesdeclassificationontétéproposéspourleslogicielsdesimulationcourammentemployésenhydro-logieurbaine.Ilspeuventtoutd’abordêtreclassésselonletyped’applicationauxquelsilssontdestinés:laplanifica-tiondesréseaux,laconceptionoul’opération.Leslogicielsdeplanifications’entiennentàuneéchellemacroscopiqueetnécessitentunemoinsgrandequantitédedonnées;ilsserventessentiellementàévalueretcomparerdifférentesal-ternatives,enconsidérantuneéchelleplusmacroscopique.

Leslogicielsdestinésàlaconceptiondesréseauxsontd’autrepartgénéralementplussophistiquésetpermettentd’analyserlecomportementdesréseauxàuneéchelleplusfine.Onpeutdanscecasdistinguerégalementsilelogi-cielpermetdesimulerounonlesécoulementsencharge,ce qui pourra évidemment devenir un critère de choiximportant si on doit simuler par exemple le comporte-mentd’unréseauexistantsoumisàuneprécipitationtrèsimportante.

Finalement,onpeututilisercertainslogicielscommeoutilsdecontrôleetd’opérationdesréseaux,defaçonàenoptimiserlefonctionnementetlacapacité.Lesavantagesquepeutprocureruncontrôleentempsréeldecertainsouvragesdansleréseaupeuventparexempleêtreexami-nésaveccertains logiciels(oucertainsmodulesdelogi-cielscommerciaux).

Onpeutégalementdistinguerleslogicielsselonleurcapacité à simuler en continu (sur une longue périodede temps) ou avec seulement un événement pluvieux àla fois. Certains logiciels comme SWMM (Stormwater Management Model)peuventpermettreunesimulationautantencontinuquepourunévénementuniquealorsque d’autres logiciels n’acceptent qu’un événement plu-vieuxà lafois.Unimportantavantagedelasimulationencontinurésidedanslefaitqu’onpeutalorsintégrerlesconditionsantécédentesd’humiditédanslessimulations

surcharge ou d’interaction entre les réseaux majeur oumineur (analyse en double drainage). D’autres logicielscommeSWMM(Stormwater Management Model)etsesdifférentsdérivéspeuventserviràanalyserlesproblèmesdesurchargeavecdesméthodesplussophistiquéesbaséessur la résolution des équations de Saint-Venant. Enfin,d’autres logiciels comme OTTHYMO (OTTawa HYdro-logic MOdel)ouSWMHYMO(Stormwater Management HYdrologic Model),DDSWMM(DualDrainageStormwa-ter Management Model)ouPCSWMM.NETpermettentdetenircompteà la foisduréseaumineuretduréseaumajeurainsiquedeleurinteraction.Enrèglegénérale,lasimulationdelaquantitéd’eauruisseléeestrelativementbienconnuepuisquedenombreusesétudesetvalidationsdesprincipauxlogicielsontpermisd’établirleurfiabilitéetcrédibilité relativementàcetaspect.L’analysepeut sefairepourunnouveauréseaudeconduitesoupourunepartiederéseaudéjàexistant.Lesapprochesàprivilégierserontévidemmentdifférentespourchaquecasetlesdif-férentesétapesdelamodélisationneserontpasnécessai-rementlesmêmes.

Contrôle quantitatif – RétentionLa plupart des logiciels actuellement disponibles per-mettent l’analyse hydraulique des ouvrages de rétentiondeseaux,avecdesdegrésdesophisticationvariés.Ilim-portetoutefoisdeconnaîtrelanaturedesalgorithmesquisontcodifiésdanschaqueprogrammepuisquelescalculsde volume de rétention effectués par certains peuventconduireàunemauvaiseévaluationdesvolumesàprévoirpourcertainessituations.Lesconnaissancesquantàl’im-pactqu’acetterétentionsurlaqualitédeseauxrelâchéesnesonttoutefoispastrèsavancées,fautededonnéesetdemesuressurdesprototypesdéjàconstruits.Uneexcellen-tesynthèsedecetaspectestfourniedansMinton(2005).

Contrôle de la qualité de l’eauLaquantificationdesimpactscausésparlesrejetsd’eauxpluvialesversunmilieurécepteurimpliquelamodélisa-tionàlafoisdelaquantitéetdelaqualitédeseauxruisse-lées.Cedernieraspectestbeaucoupmoinsbiencomprisactuellementquedanslecasdelaquantitéd’eauruisseléeetons’entendgénéralementpourdireque laprédictionde valeurs absolues des concentrations des paramètresdécrivant la qualité de l’eau est à peu près impossiblesansdonnéesdecalageetdevérificationvalables(Huber,


et considérer la régénération du potentiel d’infiltrationainsi que l’accumulation de polluants entre les événe-mentspluvieux.

Uneautredistinctionpeutégalementêtrefaiteentreleslogicielsquipermettentlasimulationdelaqualitédel’eauetceuxquin’offrentpascettepossibilité.Commeonl’adéjàsouligné, lamodélisationde laqualitédeseauxruisselées est très complexe et on peut difficilement at-tribuerbeaucoupdecrédibilitéauxrésultatss’ilsnesontpasbaséssuruncalageappuyéparunecampagnedeme-sures.Considérantcettesituation,onadéveloppéparal-lèlementauxmodèlesélaborésdifférentesoptionsimpli-quantdesméthodesplusoumoins simplespermettantd’obtenirtoutdemêmeunordredegrandeuracceptablepourlesparamètrespertinents.Onretrouveradanscer-tainesréférencesunediscussiondétailléedecesdifféren-tesméthodes(ASCE/WEF,1992;Schueler,1987;Shaver et al.,2007),quiontégalementétéprésentéespourcer-tainscasàlasection8.Plusieursdecesméthodessimpli-fiéessontbaséessurlavastebasededonnéesaccumuléeaudébutdesannées1980danslecadred’unimportantprogrammedecaractérisationcomplétéauxÉtats-Unis(Nationwide Urban Runoff Program(NURP),EPA,1983)etquiestmaintenantappuyéepardesdonnéesplusré-centes(CWP,2007;Shaver et al.,2007;Geosyntec,2008).

10.2.2 Description des logiciels LesprincipauxlogicielsactuellementutilisésauQuébecetauCanadasontentrèsgrandemajoritébaséssuruneapproche nord-américaine qui s’est développée essen-tiellementdurantlesannées1970etaudébutdesannées1980, sous le leadership des États-Unis et de certainsprogrammesderechercheenOntario.Quelques-unsdeces logiciels sontutilisés enEuropemais lespayseuro-péensontplutôtdéveloppéparallèlementdesoutilsquileursontpropres.Àtitred’exemple,leslogicielsMOUSEouMikeUrbandéveloppésparDHIauDanemarkouIn-foWorks(Wallingford,Grande-Bretagne)sontlargementrépandus en Europe pour la conception et l’analyse desréseaux,maisilssontrelativementmoinsutilisésenAmé-riqueduNord.LeslogicielsquiserontdiscutésdanscettesectionsontceuxquisontemployésdefaçoncouranteauQuébecetauCanada.

Il est pertinent ici de souligner que, contrairementaux États-Unis où plusieurs organismes gouvernemen-taux comme la EPA (Environmental Protection Agency)

etleNRCS(National Resources Conservation Service,an-ciennementappeléleSCS(Soil Conservation Service)dudépartementd’agricultureaméricain)ontdéveloppédesmodèlesetlogicielsetspécifientceux-cidanslesdifféren-tes études et projets qu’ils parrainent, les chercheurs etingénieursauCanadaontgardéuneattitudecritiquefaceaux différents modèles développés aux États-Unis. DesprogrammesderecherchecanadienscommeleIMPSWM(IMPlementation of Stormwater Management)àl’univer-sitéd’Ottawadanslesannées1980sesontdoncintéressésàlavalidationdeslogicielsetontpermisledéveloppementdeversionscanadiennesaméliorantetdiversifiantlesca-pacités des logiciels originaux. Deux exemples typiquessont le modèle OTTSWMM (dérivé de SWMM, main-tenantcommercialisésouslenomdeDDSWMM(DualDrainage Stormwater Management Model) et le modèleOTTHYMO(bonifiantlemodèleaméricainHYMO).

On peut distinguer aujourd’hui deux sources prin-cipalesàpartirdesquellessesontélaborésetdéveloppéslaplupartdeslogicielscourammentenusageauQuébecpour le drainage urbain. Ces sources sont les logicielsSWMM (Stormwater Management Model) et HYMO(HYdrologic MOdel):laplupartdesplusrécentsmodèlesse sont développés à partir de ces deux sources princi-palesetdesalgorithmesdecalculsquiysont intégrés.LelogicielSWMMestmaintenantdanssaversion5etestdisponiblegratuitementsurlesitewebdelaEPA(En-vironmental Protection Agency).Plusieurslogicielscom-merciaux (PCSWMM.NET, XP-SWMM, DDSWMM,InfoSWMMouStormNet)sontdesdérivésdeSWMMetajoutent certaines fonctionnalitésadditionnellesà cellesfourniesdanslelogicieldebase.

Uneautrefamillede logicielsregroupeles logicielsdéveloppés par le centre HEC (Hydrologic Engineering Center du Corps of Engineersdel’arméeaméricaine);leslogicielslesplussusceptiblesd’êtreutilisésenhydrologieurbainesontHEC-HMS(anciennementHEC-1,pourlagénérationdedébitsderuissellement)etHEC-RAS(an-ciennement HEC-2, pour les calculs de courbes de re-mous).CertainsautreslogicielscommeleTR-20ouTR-55sontbasésuniquementsurlesméthodesdéveloppéesparleSCS(Soil Conservation ServicedesÉtats-Unis);ilssontcependanttrèspeuutilisésauQuébecouauCanada.

Finalement,ilexisteaussicertainslogicielsquiutili-sentparexemplelaméthoderationnellepourl’établisse-mentdesdébitsdepointeetquieffectuelessimulations


defaçongénéralebeaucoupplusélevés.Leslogicielsdé-veloppésplusspécifiquementpour lemarchéaméricain(InfoSWMM,StormNETouCivilStorm) sontbasés surle module de calculs de SWMM5 mais incluent aussid’autresméthodeshydrologiquespourlagénérationdesdébitsquisontutiliséesauxÉtats-Unis(méthodesNRCSetautresméthodesquisontd’applicationplusrégionale).Par ailleurs, certains logiciels comme DDSWMM ouSWMHYMOn’offrentpasd’interfacegraphique.

10.2.3 Sélection du logicielComptetenudunombreappréciabledelogicielsquiexis-tentactuellement,leprocessusdesélectiondulogicielleplusappropriépouruneapplicationdoit s’inscriredansuncontexteplusglobaloùonpeutparlerdegestiondelamodélisation.Chaquelogicielestévidemmentdecom-plexitévariableetpossèdedesforcesetdesfaiblessesqu’ilvautmieuxbienévalueravantdefairesonchoix.Laso-

avec des approches hydrauliques simplifiées mais avecuneinterfacegraphiquesophistiquée.Leslogicielsdéve-loppésparhaestadMethods(filialedeBentley)sontunexempledecetyped’outildeconception.

Le tableau 10.4 fournit une liste des principaux lo-giciels,évidemmentnonexhaustive,avecleursprincipa-lescaractéristiquesetfonctionnalités.SWMM5etHEC-HMS (comme HEC-RAS) sont des logiciels développéspardesagencesfédéralesaméricainesetpeuventêtretélé-chargésgratuitementsurInternet;touslesautreslogicielssontdéveloppéspardescompagniesprivéesetleurscoûtsvarientd’environ1000$àplusde10 000$dépendantdesfonctionnalitésquisontoffertes.Les logicielseuropéenscommeMOUSE(DHI)ouInfoWorks(Wallingford),quinesontpasinclusautableau10.4,offrentcertainesfonc-tionnalités spécifiques et se caractérisent par une inter-face graphique et des possibilités d’intégration étendueavec des SIG. Leurs coûts d’acquisition sont cependant

Tableau 10.4

liste comparative des principaux logiciels de simulation pour la gestion des eaux pluviales et l’analyse de réseaux.

Logiciel

Hydrologie Types d’analyse

Bassins ruraux

Bassins urbains

Continu ou événement

pluvieux unique

Planification Rétention Double drainage

Réseau en charge

Conception des réseaux (écoulement

à surface libre)

Simulation de la qualité

de l’eau

sWMM5 • •• les 2 •• •• • •• •• ••

PCsWMM.nEt • •• les 2 •• •• •• •• •• ••

XP-sWMM • •• les 2 •• •• • •• •• ••

stormnEt • •• les 2 •• •• •• •• •• ••

infosWMM • •• les 2 •• •• •• •• •• ••

ddsWMM ⊗ •• événement unique ⊗ • •• ⊗ •• ⊗

sWMHYMo ou ottHYMo ou Visual HYMo

•• •• les 2 •• •• •• ⊗ •• ⊗

HEC-HMs •• • Continu •• •• ⊗ ⊗ • ⊗

stormCad • •• événement unique •• ⊗

(PondPack) • ⊗ •• ⊗

Civilstorm • •• les 2 •• •• •• •• •• ••

• Convient, avec limitation •• Point fort (convient très bien) ⊗ ne convient pas


lutiond’unproblèmeenparticulierparunemodélisationpeutsefairedefaçonrationnelleenconsidérantuncadred’analyseenglobantlespointssuivants:1. Revueduproblèmeetdéfinitiondesobjectifs.Tous

les éléments hydrologiques et hydrauliques perti-nents doivent être clairement identifiés et les ob-jectifsbiendéfinisde façonàceque leou les logi-cielspuissentêtresélectionnésenfonctiondeleurscapacitésàsimulerdefaçonadéquatelesprocessusconcernés.

2. Établissement des critères de performance. En rè-glegénérale,ondoitutiliserlelogicielleplussimplequipermettrad’obtenirlameilleuresolutionaveclemoins d’effort de modélisation. L’identification pré-cisedescritèresdeperformanceàatteindredans lamodélisation permettra de déterminer le degré deraffinementappropriéetlaprécisionnécessaire.

3. Évaluation des ressources disponibles. L’expertise etl’expériencede lapersonneenchargede lamodéli-sationsontdesfacteurstrèsimportantspourassurerl’utilisation judicieuse d’un logiciel. Le temps ainsique lesbudgetsdisponiblespour la réalisationd’unprojet doivent également être considérés; il est trèscommun de rencontrer des projets où l’utilisationd’un logiciel trop sophistiqué pour le problème àl’étudeaoccasionnédesdépassementsimportantsauniveaudel’échéancieroudubudget.

4. Revuedesprincipaux logicielsetde leurscapacités.Finalement,lechoixd’unlogicielenparticuliers’im-posera en confrontant les objectifs de l’étude et lescritèresdeperformanceàatteindreauxcapacitésres-pectivesdesdifférents logicielsdisponibles.Le logi-cielsélectionnédevraitidéalementsatisfairelestroiscritères suggérés par Bedient et Huber (1988) pourattester qu’un logiciel est opérationnel. L’utilisateurd’unlogicieldoittoutd’abordavoiraccèsàunmanueldécrivantendétaillathéorie,lesalgorithmesutilisésainsiquelaméthodologiepourentrerlesdonnéesetinterpréterlesrésultats.Deuxièmement,unsupportadéquatpar téléphoneoucorrespondanceavecuneoudespersonnesressourcesdoitêtredisponible.Fi-nalement,lelogicieldevraavoirunhistoriquerelati-vementbiendocumentédeplusieursprojetscomplé-téspardesutilisateursautresque lapersonnequiadéveloppéleprogramme.Tous les logicielsprésentésau tableau10.4 sontac-

tuellement bien supportés par les développeurs et lesusagerspeuventavoirdanslaplupartdescasaccèsàunebonnedocumentationetàdel’aideenligne.LeslogicielscommerciauxPCSWMM.NET, InfoSWMM,StormNETetCivilStormonttousrecoursauxmodulesdecalculdeSWMM5(quiestdisponiblequantàluigratuitementsurlesitedelaEPA(EnvironmentalProtectionAgency)desÉtats-Unis).L’apprentissagedeSWMM5etlaconnaissancedesonfonctionnementetdesalgorithmesdecalculsqu’ilcontientpeuventdoncêtretransférablespourl’utilisationdes autres logiciels commerciaux, qui offrent évidem-mentplusdefonctionnalitésetdepossibilitéspourl’en-tréedesdonnéesetletraitementgraphiquedesrésultats.

Pourdesprojetsrelativementsimplesquinécessitentpeudemanipulationdedonnées,detraitementgraphi-queélaboréoudecompatibilitéétendueavecdesbasesdedonnéesoudesSIG,l’utilisationdeSWMM5permettradanslaplupartdescasderépondreaubesoinpuisquelaplupartdesconditionshydrauliquesetdecontrôlesqu’onpeutretrouverdansunréseaupeuventêtresimulées.LeslogicielsDDSWMMetSWMHYMOpeuventparailleurspermettred’analyserdesréseauxendoubledrainage(entenantcomptedelacapacitéd’interceptiondesgrillesderue)maisilsnedisposentpasd’interfacegraphique,cequirendleurutilisationunpeumoinsconviviale.Uneana-lyseendoubledrainageestpossibleavecSWMM5maispeutserévélerpluslaborieusepourdesmodèlesdeplusgrandeimportance.DesfonctionnalitésspécifiquespourcefairesontparailleursmaintenantdisponiblesdanslesautreslogicielscommerciauxbaséssurSWMM5,cequifaitqu’unedesraisonsd’êtredeDDSWMM(l’analyseendoubledrainage)apparaîtmoinsspécifiqueetunique.

Certains autres logiciels non utilisés directementpourl’analysedesréseauxdedrainageurbainpourrontparailleursêtreutiliséspourcertainesétudesspécifiques.HEC-RAS(RiverAnalysisSystem)pourraparexempleêtre employé pour l’analyse de cours d’eau urbains, depontoudeponceauouHY-8 (développépar laFHWA(Federal Highway Administration des États-Unis) pourl’analysehydrauliquedesponceaux.

Ilfautparailleursconsidérerqueledéveloppementdelogicielspourl’analysedesréseauxdedrainageévo-lue toujours et que certaines fonctionnalités s’ajoutentconstammentauxlogicielspourleurpermettredemieuxrépondre aux besoins des utilisateurs. Ces possibilitésrendent toutefois de plus en plus complexe l’utilisation


moyennedubassin,letypedesolenplace,ledegréd’imperméabilité, un paramètre pour l’aspect tem-poreldelaréponsehydrologiquedubassin,lescoef-ficientsdeManningpourlessurfacesperméablesetimperméables,lestauxd’infiltrationetlespertesini-tialesduesauxdépressionsdesurface.

Les caractéristiques physiques des différentes com-posantes des systèmes mineur et majeur: les di-mensions des conduites, routes et fossés; les penteslongitudinales et les coefficients de rugosité; les di-mensionsdesouvragesdecontrôleetderégulation.Pourlamodélisationderéseauxexistants,ilvauttou-jours mieux relever directement les ouvrages sur lesitepuisqu’ilestfréquentdeconstatercertainesdiffé-rencesimportantesentrelesplansdeconstructionetcequiestréellementenplace.Cetteétapeestessen-tiellepourassurerlavaliditédessimulations.

Autresdonnéespertinentes,pouvantinclurelesme-sures de précipitation, de débits et/ou de degré depollutionquipourrontêtreutiliséespourl’étalonnageetlavalidationdumodèle.

10.3.2 Élaboration du modèleCettevérificationinitialeétantcomplétéeetlesdonnéesdebaseayantétérassemblées,onprocèdeensuiteàl’éla-borationdumodèle,soitlapréparationdufichierinfor-matiqueproprementditdansunformatcompatibleaveclelogicielderuissellementchoisipourl’analyse.Unefoislemodèleétabli,ondoitalorsdansunpremiertempsvé-rifierquelaconnectivitéentrelesconduitesetélémentscorrespondbienàlaréalitéphysiquedusystèmemodé-lisé. On devrait également vérifier que la continuité estbienassuréeeneffectuantmanuellementcertainesvérifi-cationsdesrésultatsfournisparlemodèle.Finalement,onpeutvérifierglobalement lesrésultatsà l’aided’unemé-thodesimplecommelaméthoderationnelle,cequiper-metdefaireressortirdeserreursgrossièresquelesautresétapesn’auraientpasfaitressortir.

Bien que ces différentes étapes soient primordiales,elles sont trop souvent ignorées ou complétées rapide-mentparl’utilisateurnovicequiassumeraàtortquelesrésultatsdoiventêtreadéquatsdèsqu’illesverraapparaî-treàl’écranousurdupapier.L’usagerdoits’assurerqu’ilcomprendbien lesalgorithmesdebasedumodèlequ’ilutilise et qu’il est en mesure de juger de la validité desrésultats,enparticulierpourdesmodèlesquifournissent

deceslogicielsetilfautgarderàl’espritquelechoixd’unmodèlecomplexenécessiteuneformationetdesconnais-sances plus poussées en hydrologie et en hydraulique.Dansplusieurscas, l’expérienceet lesconnaissancesdel’usager seront des facteurs déterminants pour l’utili-sation judicieuseet appropriéed’un logiciel et,danscecontexte,lesfacteursimportantspourlechoixdulogicielseront la possibilité d’avoir de la formation, l’existencede documentation adéquate et également de groupesd’usagers,quipeuventêtreunesourceimportanted’in-formationpratique.Lacommunautéd’usagersutilisantlelogicielSWMM5ettoussesdérivéspeutparexemplebénéficier d’un tel groupe de discussion (http://www.computationalhydraulics.com/Community/Listservers/swmm-users.html).

L’approche générale pour la sélection d’un logicielayantétédécrite,onpeutmaintenantdétaillerlesdifféren-tesétapesàcompléterdanslecadred’unemodélisation.

10.3 déveLoppement d’un modèLe10.3.1 Données de baseDanslaplupartdescas,desdonnéesserontdisponiblesavantmêmequel’utilisationd’unmodèlesoitenvisagéepuisqu’onauravraisemblablement identifiéetquantifiépréliminairementunproblèmeàl’aidedemesuresoud’ob-servations.Parexemple,deséchantillonsd’eaupourrontindiquerunproblèmedecontaminationoudesrefoule-mentsdanscertainssous-solsaurontétéobservéslorsdecertainespluies.Lacompilationdecesdonnéespermet-trahabituellementd’indiquer letypededonnéesoudemesuresadditionnellesquidevrontêtrerassemblées.Sil’analysedecesdonnéesinitialesindiquequ’unemodéli-sationestnécessairepourrésoudreadéquatementlepro-blèmeàl’étude,lesdonnéesdebaseàrecueilliravantledé-butdelamodélisationsonthabituellementlessuivantes: Lesdonnéesmétéorologiques,quicomprennentnor-

malement un ou des événements pluvieux décritssous forme de hyétogrammes. La pluie est évidem-mentunparamètrefondamentalpourlamodélisationpuisqu’elleconstitue l’élémentmoteurengendrant leruissellement.Pourcertainesapplicationsplusspéci-fiques qui sont plus rares, d’autres données commele rayonnement solaire, l’évaporation potentielle, latempératureetleventpeuventêtrenécessaires.

Lescaractéristiquesdusolpouvantinfluencerlesvo-lumesetdébitsderuissellement:lasurface,lapente


pasévaluéesavecuneanalysedesensibilitéetl’utilisateurdisposedepeud’informationsurlanaturestatistiquedel’erreurassociéeàl’évaluationduparamètre,queseuluncalagesurdesmesurespeutfournir.Parailleurs,defaçongénérale, plus le pourcentage de surfaces imperméablesaugmentepourunbassinenparticulier,plusl’incertitudequipeutêtreassociéeàladéterminationdesdébitsetvo-lumesderuissellementtendàdiminuer.Desmesuresdedébitspourunstationnementseraientdoncmoinsappro-priées que pour des sous-bassins comprenant des parcsoudeszonesnondéveloppées.Deplus,danslecasd’unréseaupseudo-séparatifoùlesapportsd’eauentempsdepluiesontplusdiffus,ilpeutdevenirdifficiled’évaluerledegréréeld’incertitudeàl’aideuniquementd’unexercicedesensibilité.Pourcescas,ilvautsouventmieuxprévoirdes campagnes de mesures qui permettront de caler lemodèle et d’évaluer ainsi de façon plus précise le degréd’incertitudequipourraêtreattribuéauxmodélisations.

Uneétapepréalableaucalageconsisteévidemmentàrecueillirlesdonnéesparl’entremised’unecampagnedemesuresdedébitsoudepolluantsdanslecasd’unmodèlepourlecontrôledelaqualité

10.3.4 Mesures de débitLescampagnesdemesuresdedébitsurdesréseauxpeu-vent être coûteuses et leur planification doit se faire defaçon à ce que les résultats puissent être adéquatementutiliséspourbiencalerlemodèleàpartirduquelonauraàrépondreàcertainsobjectifsdeconception.

Avanttouteschoses,lapériodechoisiepourlacam-pagnedemesuresdoitsefaireenfonctiondutyped’évé-nementpluvieuxquiprévaudraetdutypederéseauana-lysé.Auprintemps,lespluiessontgénéralementdemoinsgrandeintensitémaislevolumederuissellementgénéréparlafontedesneiges(accompagnéounonpardespluies)estsouventappréciable,créantainsidesconditionsoùlanappe phréatique est relativement haute. L’infiltrationdanslesréseauxestainsisouventàsonmaximumauprin-tempsetunecampagnedemesuresàcettepériodeseraplusutilesionveutobtenirparexempledel’informationsurunréseauexistantpseudo-séparatifouunréseaudontl’exutoiresetrouvedansuncoursd’eaudontlesniveauxdeviennenttrèshautsauprintempsetquiinfluencentlecomportementhydrauliquedesréseaux.

Normalement,lescampagnesdemesurespourl’ana-lysedesréseauxdedrainageserontdurantlapériodees-

peuderéférencesdans lesfichiersde sortie;de simplesvérificationspermettrontd’éviterdeserreurspotentielle-mentcoûteusesetdifficilesàcorrigerplustard.

10.3.3 Analyse de sensibilitéEndestermestrèssimples,effectueruneanalysedesen-sibilitéconsisteessentiellementàvérifiercequisepassesionchangeteloutelparamètreetsicechangementestplus ou moins important par rapport aux paramètresqu’onveutanalyser.habituellement,lesparamètresnesontpaschangésarbitrairementmaisplutôtentenantcompted’unegammeraisonnablepourchaqueparamètre.Lasen-sibilitéd’unparamètreestprésentéeenévaluantlechan-gementenpourcentagedanslesrésultatsdumodèleparrapportauchangementenpourcentageduparamètreenquestion.L’analysedesensibilitépeutêtretrèsutilepouraideràminimiserlescritiquesquipourraientêtrefaitessurl’exercicedemodélisation,enmontrantparexemplequetelparamètreaunimpactpeusignificatifsurlesré-sultatsetlesrecommandationsquiendécoulent.

Enanalysantlasensibilitérelativededifférentspara-mètres,ilfauttenircomptededifférentsfacteurs:

Lavariationdecertainsparamètrespeutameneruneréponse très différente selon qu’on considère différentstypes de pluie (longue ou courte, intense ou non, etc.).Certainsparamètres(commeceuxassociésàl’infiltrationouauxpertesinitiales)peuventparexempleêtreimpor-tants pour des pluies de faible envergure sur un bassinavecunpourcentageélevédezonesperméablesalorsquel’influencedecesmêmesparamètrespeutêtremoinssi-gnificativepourdespluiestrèslonguesetavecunequan-titédepluieimportante.

Laréponsepeutparfoisêtrenonlinéaire,enparticu-liersionaparexempledestronçonsavecsurchargeous’ilyadesdébordementsdansleréseau.

En l’absence de données sur lesquelles le modèlepuisseêtrecalé,l’analysedesensibilitéconstituesouventlaseuleapprochepermettantd’apprécierl’incertituderat-tachéeàl’utilisationd’unmodèle.Comptetenudelafa-cilitéaveclaquellecegenred’analysepeutêtrecomplétéeaveccertainslogiciels,elledevraitêtredanslaplupartdescasutiliséeparlesutilisateurs.

Quoiqu’ellesoittrèsutile,l’analysedesensibilitéace-pendantcertaineslimitesquinécessitentdanscertainscaslerecoursàunexercicedecalageetdevalidation.Ainsi,les interactions entre les différents paramètres ne sont


fonctionnement), avec une densité qui pourra êtrevariableselonquelesecteursetrouveenterrainplatouplusaccidenté (Wapug,2002).Unevaleurqui aété suggérée (WEF MOP FD-17, 1999) est d’avoirunpluviomètrepour100 haà200 ha.Onpeutparailleurs,commeledécritlemanueldelaWEF,asso-cierladensitédespluviomètresauxdimensionsdescellulesorageusesquisontdel’ordrede600à800 hadediamètre,cequisuggèreunespacementde6à8kmentrelespluviomètres.

3. Durée de la campagne de mesures. Idéalement,on devrait viser à obtenir au moins 3 événementsd’importance, ce qui fait qu’une durée d’au moins 1mois devrait être retenue (idéalement de 2 mois).

Avantleurutilisationpourlesétapesdecalageetvéri-fication,ilyalieuévidemmentd’effectuerunevérificationdétailléedelavaliditédesmesuresrecueilliesetd’effectueruneanalysecritiquedecetteinformation.Idéalement,lesévénementssélectionnéspourlecalagedevraientserap-procherlepluspossibledessituationsqu’onvoudrasimu-lerpourlaconception.Parexemple,sionveutconcevoirledimensionnementdeconduitespourunévénementplu-vieuxrelativement important (périodederetour1 dans5 ans)etquelesseulsévénementsquiontétémesurésontunepériodederetourlargementinférieureà1 dans2 ans,ilfautdemeurerprudentlorsqu’ons’appuierasurunmo-dèlequiauraétécalésurdesévénementstrèsdifférentsdeceuxutiliséspourlaconception.Unautreexempleestl’utilisationd’unévénementpluvieuxtrèsintenseettrèscourtpour l’analysed’unvolumede rétention (pour le-quel un événement plus contraignant serait plutôt unepluielongueetrelativementmoinsintense).

Uneactivitédecalagenécessiteradesinvestissementsquipeuventdevenirimportantsetondevratoujourséva-luersi,enfonctiondutypeetdel’ampleurduprojet,unecampagnedemesuresdoitvraimentêtrecomplétée.Évi-demment, pour la conception d’un nouveau réseau, onnepourrapascalerlemodèlepuisquelesystèmen’existepas.Àl’autreextrême,desmesuresdedébitetdeprécipi-tationssontpratiquementtoujoursnécessaireslorsqu’ondésireparexempleanalyserlecomportementd’unréseaupseudo-domestiqueou lecontrôlede laqualitéde l’eau.Danscescas,lesprocessusgénérantlesdébitsencondui-te ou affectant la qualité sont complexes et moins bien

tivaleouàl’automne.Lesprécipitationsdurantl’été,asso-ciéesleplussouventàdesoragesdefindejournée,serontsurtoutcaractériséespardespluiesrelativementcourtesetintensesquisontsouventlespluscritiquespourledi-mensionnement des conduites et des réseaux de trans-port. Ces types d’événements pluvieux sont par contreplusdifficilesàcapterenraisondeleurdisparitéspatialeet lesdébitsqu’ilsgénèrentenréseaupeuventcréerdesrefoulementsquipeuventaltérerl’hydrogrammemesuré.Parailleurs,lesprécipitationsobservéesàl’automnesontdefaçongénéralededuréepluslongueetdeplusfaiblesintensités,pouvantgénérerdesvolumesderuissellementplus importantsetune réponsehydrologiqueplusmar-quéedesbassinsàcaractèreruralouavecunplusgrandpourcentagedesurfacesperméables.Cestypesdepréci-pitationprésententgénéralementunemeilleurehomogé-néitéspatiale.

Enplusdesmesuresdedébitsàunouplusieursen-droitssurleréseauàmodéliser,toutecampagnedeme-suresdevraitcomprendrel’installationd’unouplusieurspluviomètres à l’intérieur du bassin versant à l’étude.Considérantlavariationspatialedelaprécipitation,quipeutêtretrèsmarquéeparexemplepourdescellulesora-geuses se déplaçant sur le territoire, il est impératif detenter d’obtenir le plus de précision quant à la précipi-tationréellequiesttombéesurlebassinversant.Ilpeutmême devenir impossible de caler le modèle si l’infor-mationsurlaprécipitationn’estpassuffisammentpréciseou détaillée. Idéalement, les intervalles de temps pourl’enregistrement des précipitations, tout comme celuidesdébitsd’ailleurs,devraientêtrede5 minutesou,aumaximum,de15 minutes.Laprécisiondesmesuresdepluiedevraitêtreminimalementde0,25 mm.

Lapriseenchargedescampagnesdemesuresseraty-piquementconfiéeàdesentreprisesspécialiséesmais lapersonneenchargedesmodélisationsaurasouventuneimplicationpourdiverséléments:1. Planification des points de mesures.Évidemment,

le responsable de la modélisation sera souvent lemieuxplacépourétablirlenombreetlalocalisationdespointsdemesuresenfonctiondesesbesoins.

2. Localisation et nombre de pluviomètres.Cecidé-pendradelasuperficiedubassinversant,delacom-plexité et de la topographie générale du secteur. Àtitre indicatif, un minimum de 2 pluviomètres estrecommandé(aucasoùundesdeuxaitunmauvais


connus (infiltration, influence de la nappe phréatique,évolution des polluants, difficultés de les mesurer, etc.).

Entrecesdeuxextrêmes,toutdépendraducontexte.Enrèglegénérale,pourdesréseauxd’égoutpluviauxavecdesbassinsde formeconventionnelleetayantunpour-centaged’imperméabilitéassezélevé,plusieursétudesontdémontréquel’utilisationdevaleurspardéfautpermet-taitd’obtenirdesvaleursadéquatesdedébitoudevolumeà± 15à20 %avecSWMM.Siuneprécisiondecetordreestjugéeacceptable,unecampagnedemesuresetunca-lageneseraientdoncpasindispensables.

10.3.5 Échantillonnage et mesures pour polluantsPourcertainscasspécifiques,notammentpourévaluerlesimpactsderejetsverslemilieurécepteurouencorepourévaluerl’influencequedesouvragespeuventavoirsurlaqualitédecesrejets,descampagnesdemesuresspécifi-quespourcertainspolluantspourrontêtrenécessaires.Cetypedecampagnedemesuresdansunréseaupeutdevenircomplexeàplanifieretàmettreenœuvreàcausenotam-mentdelavariabilitéquipeutexisterdanslaqualitédeseauxpluviales.Lesparamètresimpliquéspeuventvariergrandementàunsiteenparticulier,tantentredifférentsévénementspluvieuxquependantunévénementdonné;parconséquent,unnombred’échantillons troprestreintnepourrapasvraisemblablementdonneruneévaluationadéquatepourunsitedonnéoupour l’évaluationd’unePGO.Lacollected’unnombresuffisantd’échantillonsestdoncgénéralementnécessairepourpouvoircaractériserdefaçonsuffisammentpréciselaqualitédeseauxderuis-sellementàunsiteoupourunePGO.

Ildevientdoncdanscecontexte importantque lacampagnedemesuressoitbienplanifiée,avecuneiden-tification claire des buts, du type et de la qualité desdonnées nécessaires pour atteindre ces buts. Des res-sources considérables, tant en personnel qu’en coûts,peuventêtrenécessairespourmeneràbiencetypedecampagnes.D’autresapprochespourrontêtreutiliséessi ces ressources ne sont pas disponibles (Geosyntecet al.,2002): Utiliser une approche par phase, en se restreignant

parexempleàunsous-bassinenparticulierouauxquestionslesplusimportantes.

Limiterlenombredepolluantsàévaluerplutôtquederéduirelenombred’échantillons.

Utiliserlesdonnéesdisponiblesdanslalittératuresur

d’autressitescomparablespoursupporterlaprisededécision.

La sélection des paramètres à mesurer est évidem-mentimportanteetpourravarierenfonctiondesobjec-tifs.Lespolluantsstandardpouvantpermettredecaracté-riserleseauxpluvialessont(EPA,1983): LaconcentrationdesMES(Matièresensuspension); DBO(Demandebiochimiqueenoxygène); DCO(Demandechimiqueenoxygène); Cu(Cuivre); Pb(Plomb); Zn(Zinc); Phosphoretotal; Phosphoresoluble; NTK-AzotetotalKjeldahl; Nitratesetnitrites.

Lesfacteurssuivantspeuventinfluencerlechoixdesparamètresàconsidérer(Strecker,1994): Lepolluantaétéidentifiédansleseauxderuisselle-

menturbainàdesconcentrationspouvantcauserunedégradationdelaqualité.

Lesméthodesd’échantillonnagepourlepolluantsontsimplesetfiablespourdupersonnelméticuleux.

Lesanalysesdupolluantsontéconomiquespourunegrandeéchelle.

Le traitement est une option viable pour réduire lachargedepolluant.

La liste de polluants donnée plus haut est un pointde départ et peut ne pas complètement représenter lespolluantspourcertainscasparticuliers.Ilyasouventuncompromisàfaireentrel’étenduedespolluantscouverteetlenombred’échantillonspourunmêmecoûtetilpour-radevenirintéressantdelimiterlenombredepolluantssuivispouraugmenterlenombred’échantillons.Deplus,certains paramètres sont connus pour être fortementcorrélésavecd’autrespolluants,quisontplusdifficilesàmesurer.Letableau10.5donnedesexemplesdecespara-mètresdesubstitution.


l’analysed’ungrandréseau lorsquede largescollec-teurs se combinent; une mauvaise évaluation de ceparamètrepeutavoirunimpactsignificatifsurlesdé-bitsdepointesimulés.Ceparamètrepeutégalementdevenirimportantdanslecasd’unprojetdecontrôleentempsréelderéseaux.

Lecalagepourlespolluantspeutévidemmentêtrein-fluencéparlesparamètresquantitatifsmaisfaitintervenird’autresfacteursquipeuventrendrepluscomplexelepro-cessusdecalage.Certainesréférencesdiscutentplusenpro-fondeurducalagepourlesaspectsqualitatifsetonpourras’y référer (WEF MOP FD-17, 1999; Wanielista, 1993).

Ondevraégalementtenircomptedanscetyped’ana-lyse des erreurs inhérentes aux instruments de mesureutilisés,quipeuventdanscertains cas être importantes.Deplus,l’exactitudedesdonnéesbrutesdedébitdoittou-joursêtrevérifiéeavantsonutilisationdansunprocessusdecalage,enparticulierpourdesconduitesavecdefaiblespentes(doncavecdefaiblesvitesses)etlorsqu’ilyapossi-bilitéd’uncontrôleavalpouvantveniraffecterlesmesuresdevitesseetdehauteursd’eauausiteàl’étude.

Comme on le spécifiait à la section précédente surlescampagnesdemesures,ilfaudraitviseràobtenirdesinformations surunnombreminimalde5ou6 événe-ments(minimalement3événements),quidevraientidéa-lementcouvrirunelargeplageencequiconcerneletypedeprécipitation.Parexemple,silemodèledoitêtreutilisépourlaconception,iln’estprobablementpastrèsimpor-tantqu’ilsoittrèsjustepourdespetitespluies.Sionveutparcontrebiensimulerlaqualitédel’eau,ildevientplusnécessairedereproduireadéquatementlecomportementdusystèmelorsquesoumisàdespetitespluiespuisquelamajeurepartiedelapollutionestassociéeàcespluspetitsévénements.

Règles pour le calageCertaines règles générales peuvent être suggérées pourle calage d’un modèle avec SWMM. Essentiellement, laplupartdesparamètresquisontsusceptiblesd’êtrecaléssontcontenusdansleblocdecalculsquigénèrelesdébitsderuissellement. Il faut toutefoisgarderà l’espritque lelaminage en conduite pourra aussi avoir un effet signi-ficatifsurlesdébitsdepointeouletempsderéponse,enparticulierpourdescollecteursdegrandesdimensionsetinstallésavecdefaiblespentes.

Tableau 10.5

Polluants qui peuvent être analysés par corrélation avec d’autres

polluants (Geosyntec et al., 2002).

Paramètre substitut Paramètre représenté par le substitut

turbidité MEs

Coliformes fécaux Pathogènes

dCo dBo

Plusieursguidesontétépubliéspourlaplanificationetlamiseenœuvredescampagnesdemesurespourlespolluants et on pourra y référer au besoin (Geosyntecet al.,2002;USGS,2000;Shaveret al.,2007;FHWA,2001;WEFMOPFD-17,1999).

10.3.6 Calage et vérificationAspects générauxSelonMarsalek(1977),lesdeuxprincipalesfonctionsducalage d’un modèle sont (1) de fournir des estimationspourlesparamètresd’entréequisontdifficilementmesu-rablesdirectementet(2)decompenserjusqu’àuncertaindegrépourlesinsuffisancesetdéficiencesmineuresdumo-dèle.Lecalagepeutégalementserviràindiquerquelssontlesparamètreslesplussensiblespourlesystèmeàl’étude.

Bien que des approches d’optimisation formellessoientpossibles,lecalageestsouventunprocessusitératifd’essai-erreur.L’objectifestdetrouverlesvaleursoptimalesdechaqueparamètre,encommençantaveclesplussensi-blesetenprocédantensuiteavecceuxquilesontmoins.Lorsdesétapesdecalage,ilestessentieldegarderàl’es-pritleoulesparamètresquisontleplusimportantspourleprojet.Les3paramètresquisonttypiquementanalyséssont le débit de pointe, le volume de ruissellement ou le temps de réponse.Ilestsouventdifficiled’enarriveràuncalagequiseraentièrementsatisfaisantpourcestroisparamètresenmêmetempsetondoitparfoisadapter lecalageenconséquence.Chacundestroisparamètrespeutêtreplusimportantdanscertainessituationsspécifiques:

Débit de pointe: pour le dimensionnement desconduites et pour estimer la capacité résiduelle deconduitesexistantes.Volume de ruissellement: lorsque de la rétentionestconsidéréeoupourlecontrôledesdébordementsd’eauxuséesdanslecasd’unréseauunitaire.Temps de réponse: peut devenir important dans


Aprèsavoirétablique la formegénéraledeshydro-grammescorrespondbienàcelledesenregistrementsdepluie(cequi,danslecascontraire,indiqueraitquelapluiemesuréen’estpascellequiauraitgénérélesdébitsmesu-rés), lesrèglesdebasesuivantespeuventpermettred’enarriver assez aisément à un calage satisfaisant, pourvuévidemmentquecetexercices’appuiesurdesmesuresdebonnequalité(tantdelaprécipitationquedesdébits):1. Ajustementduvolumederuissellementsurlessurfa-

cesimperméables,enajustantsurtoutlepourcentageimperméable et les dépressions de surface. On doittenter dans ce cas de sélectionner des événementspluvieux qui sont survenus après une période detempssec,defaçonàminimiserleruissellementpro-venantdessurfacesperméables.

2. Ajustementde la formegénéralede l’hydrogramme(débit de pointe et temps de réponse). Principale-mentenmodifiantsurtoutlalargeurdedrainage(va-riableWdansSWMM)et,dansunemoindremesure,lapentedubassinetlecoefficientdeManningpourleruissellementdesurface.

3. Ajustement plus fin du calage, à l’aide d’un ajuste-mentsurlesautresparamètrescommeceuxassociésàl’infiltrationetauxdépressionsdesurface(surfacesperméables).

Fonctions et critères d’évaluationLorsducalage,undesaspectsàdéfinirestdesavoirselonquelcritèrelemodèlepourraêtrejugéraisonnablementbiencalé.Encorelà,plusieursfonctionsd’évaluationontété suggérées pour établir la qualité du calage (James,2003).Cellesquisontlesplusutiliséessontlessuivantes:

€

Min F = (qi

i=1

n

∑ - ri )2

(10-1)

oùFestlecritèrepourjugerdelaqualitéducalage(quidoitêtreminimisé);qiestlavaleurobservéeoume-suréepourl’événementi;riestlavaleursimuléeetnestlenombredepairesdepoints.Cettesimplefonctiondonnegénéralementdebonsrésultats(James,2003),quoiqu’elletendàfavoriserleslargeserreursetlesdébitsimportants.Une façon de limiter l’impact des déviations pour lesgrandsdébitsestd’utiliserleslogarithmes:

€

Min F = (ln(qi

i=1

n

∑ ) - ln(ri ))2

(10-2)

D’autresétudesontparailleursétabliquelafonctionditedeNashproduisaitmoinsdevariabilitéquelesautres:

€

1 -

(ri

q ii=1

n

∑ )2

(qi

q ii=1

n

∑ )2

(10-3)

où

€

qi estledébitmoyenmesuré.

Silerésultatrecherchéestdedéfinirlediamètred’uneconduite,onpeutexaminerladifférenceincrémentaleen-tredeuxdimensionsstandardsdeconduites,cequipeutvarierdansunelargegammedépendantdudiamètredelaconduite.Parailleurs,onretrouvetypiquementdanscer-taines références lesniveauxdeprécision suivantspourjugerdelaqualitédecalage(James,2003):Pour temps sec (dans le cas d’un réseau unitaire ou sanitaire) ±5 %pourlevolume; ±10 %pourledébit.Pour le temps de pluie ±10 %pourlevolume ±15 %pourledébit.

James (2003) rapporte également les critères d’ungrouped’usagersenGrande-Bretagne(Wapug,2002)quirecommandelesbalisessuivantes(avecunminimumdetroisévénementsmajeurs): Débit de pointe:+25 %à–15 % Volume:+20 %à–10 % Hauteur de surcharge:+0,5 mà–0,1 m

Forme générale des hydrogrammes (mesurésetsimulés):devraitêtresimilaire.Ilapparaîtimportantenterminantcettediscussionsurlecalagedeparlerdelaprécipitation,quijoueévidemmentunrôlemajeurpourlamodélisationduruissellementur-bain.Àcauseessentiellementdelatropfaibledensitédespluviomètressurleterritoireétudié,cettedonnéed’entréepeutdevenirunesourceimportanted’incertitude.Leca-laged’unmodèlepeutêtretrèsdifficile(mêmeimpossibledanscertainscas)sionnedisposepasd’informationsurlapluieàunniveaudedétailsuffisantetilfauttoujoursgar-dercetaspectàl’espritlorsqu’ontentedecalerlemodèle.Particulièrementdanslecasd’oragesd’été,onpeutsouventobserverunevariabilitéspatialeconsidérabledelapluie,même sur un territoire de quelques kilomètres carrés.


10.4 utILIsatIon des modèLesDefaçonàceque lesmodèlesdéveloppéspuissentêtremodifiés et adaptés au besoin lors de mise à jour et dechangementdans leshypothèsesdebase, ilestessentielque les activités de développement soient bien docu-mentées dans un rapport technique. Minimalement, cerapportdevraitdécrire leou lesobjectifsdumodèleenfonctionduprojet, inclures’ilya lieulesrésultatsde lacampagnedemesuresetducalage,regrouper leshypo-thèsesdebasepourl’élaborationdumodèleetlesrésultatsdes simulations obtenus, le tout appuyé par des figuresetgraphiquesappropriéspourrendrefacilementcompré-hensiblel’utilisationquiestfaitedumodèle.

Comme le montre la figure 10.3, l’application d’unmodèle peut se faire selon 5 étapes, qui pourront êtreséquentiellesounon.Parexemple,deséchantillonnagesoudesmesuresadditionnellespourrontsefaireaprèslecalaged’unmodèlepourenvérifierlavalidité.Lelogicieldoitgénéralementêtreceluileplussimplequipourraêtreapplicableàlasituation.Lesprincipauxfacteursàconsi-dérersontlesobjectifs,lescaractéristiquesdusystèmeàl’étudeet lacompatibilitédesdonnéesdisponiblesaveccellesquisontrequisesparlelogiciel.Deuxélémentspar-ticuliersorienterontsouvent lechoixd’un logicielpourlesanalyses:lapossibilitéd’étudierdesécoulementsencharge(nécessairesdanslaplupartdescaspourl’analysederéseauxexistants)etlaqualitédeseaux.

Évidemment,l’objectifdanstouteffortdemodélisa-tionestl’utilisationdumodèlepourl’analysedescondi-tionsdifférentesdecellesprévalantactuellement.L’éva-luationcomparativededifférentesalternativesimposeratypiquement la définition d’une condition de base, quipourra être celle pour les réseaux existants ou encorecellesansdéveloppement.Àpartirdecesconditionsdebase,onpourrapar lasuiteévaluercequepeuventde-venir les conditions si le développement se réalise sansmodificationauxréseauxouavecdesinterventionsauxréseauxquipourrontêtredéfinies.

En terminant, il apparaît important de soulignerque lavaliditéet l’incertitudedesrésultatsobtenusparmodélisation sont souvent plus fortement dépendantesdel’expérienceetdesconnaissancesdelapersonneres-ponsabledelamodélisationetdusoinaveclequellemo-dèleestdéveloppéquedulogiciellui-même.Lessourcesd’incertitudedansunmodèlepeuventinclurelesrepré-sentations mathématiques des processus, les problèmes

decalculsnumériques,leniveaudedétail,lesvaleursas-suméespourlescaractéristiquesdusystème,lesdonnéesd’entréeetladéfinitiondesconditionsinitiales.Lafaçondontlesrésultatsdelamodélisationsontévaluésetutili-sésdansleprocessusdeprisededécisionenfonctiondesincertitudesdépenddesconnaissancesetdujugementdel’utilisateur.

Malgrécesquelquesréserves,lamodélisationestunoutilprivilégiéenhydrologieurbainepuisqu’ellepermetd’obtenir une meilleure compréhension des systèmesàl’étudeetdefourniràl’utilisateurunebasepouruneprise dedécision éclairée;on peut trouver làun de sesplusgrandsavantages.Considérantlecoûtrelativementmineurqu’elleimpliquedansplusieurscascomparative-ment aux coûts des travaux et d’interventions qui doi-ventêtreanalysés,elledevraitêtreencouragéesaufpourlesprojetstrèssimples.

Figure 10.3 étapes à considérer pour l’utilisation d’un modèle.


James,W.(2003).Rules for responsible modelling.CHIPublications,ComputationalHydraulicsInternational,Guelph,Ontario.

Marsalek, J. (1977). (2005). Data collection, instrumentation and verification of models.Proc.Conf.ModelingConceptsUrbandrainage,Paperno.8.

Minton,G.(2005).Stormwater treatment: Biological, chemical, and engineering principles.ResourcePlanningAssociates,Seattle,WA.

Schueler, T. (1987). Controlling urban runoff: a practical manual for planning and designing urban BMPs. Department of En-vironmental Programs. Metropolitan Washington Council of Governments,Washington,DC.

Shaver, E., Horner, R., Skupien, J., May, C. et Ridley, G. (2007).Controlling urban runoff: a practical manual for planning and designing urban BMPs. Department of Environmental Programs. Metropolitan Washington Council of Governments. NorthAmerican Lake Management Society et EPA, Madison, WI.

Walesh, S. (1989). Urban Surface water management. Wiley,New York.

Wapug(WastewaterPlanningUsersGroup)(2002).Codeofprac-ticeforthehydraulicmodellingofsewersystems,version3.0,WapugCommittee,Londres.

WEF (Water Environment Federation) (1999). Prevention andcontrolofsewersystemoverflows,MOPFD-17,Virginie.

Wanielista, M. et Yousef, Y. A. (1993). Stormwater management.JohnWileyandsons,NewYork.

RÉFÉREnCES

ASCE/WEF(1992).Design and Construction of Urban Stormwater Management Systems.AmericansocietyofcivilengineersandWaterenvironmentfederation,New York.

ASCE (American Society of Civil Engineers) et WEF (WaterEnvironment Federation) (1998). Urban stormwater quality: planning, management and BMP design.Manueldepratique,New York.

Bedient,P.B.etHuber,W.C.(1988).Hydrology and floodplain ana-lysis,Addison-Wesleypublishers,Reading,MA.

CWP (2007). National Pollutant Removal Performance Database.CenterforWatershedProtection,ElliotCity,Maryland.

EPA(1983).Environmental Protection Agency desÉtats-Unis.Results of Nationwide Urban Runoff Program.EPA-PB/84-185552.

GeosyntecetWrightWaterEngineers(2008).Analysis of treatment system performance. International stormwater best manage-ment practices (BMP) database (1999-2008). Programme desuiviASCE/WEF.

GeoSyntec,UrbanDrainageandFloodControlDistrictetUWRRC.(2002).Urban stormwater BMP performance monitoring – A guidance manual for meeting the national stormwater BMP da-tabase requirements.RapportEPA-821-B-02-001pourASCE/EPA,Washington,DC.

Huber,W.C.(1985).Deterministic modeling of urban runoff quality, Urban runoff pollution,seriesG:EcologicalSciences,NATOASISeries,H.C.Torno,J.MarsaleketM.Desbordes(éditeurs),vol.10,Springer-Verlag,New York.

Documents

chap10