{"id":242,"date":"2022-07-07T14:31:47","date_gmt":"2022-07-07T12:31:47","guid":{"rendered":"https:\/\/e-publish.uliege.be\/peyresq22\/?post_type=chapter&p=242"},"modified":"2022-12-21T09:17:08","modified_gmt":"2022-12-21T08:17:08","slug":"estimation-rshe","status":"publish","type":"chapter","link":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/chapter\/estimation-rshe\/","title":{"raw":"Estimation d\u2019un REH \u00e9quivalent en syst\u00e8me drain\u00e9 et pr\u00e9diction  de  la  concentration en nitrate dans les eaux de drainage agricole","rendered":"Estimation d\u2019un REH \u00e9quivalent en syst\u00e8me drain\u00e9 et pr\u00e9diction  de  la  concentration en nitrate dans les eaux de drainage agricole"},"content":{"raw":"
\r\n\r\nR\u00e9sum\u00e9<\/strong>\r\n\r\nLa pollution diffuse des eaux douces par le nitrate fait partie des pr\u00e9occupations majeures des \u00c9tats membres de l\u2019UE. En milieu agricole, les vitesses de transfert du nitrate sont plus importantes en pr\u00e9sence d\u2019un syst\u00e8me de drainage artificiel. Cela conduit g\u00e9n\u00e9ralement \u00e0 une augmentation des exportations d\u2019azote min\u00e9ral vers les eaux superficielles.\r\n\r\nLe d\u00e9veloppement r\u00e9cent du mod\u00e8le conceptuel NIT-DRAIN<\/em> permet la simulation des flux et concentrations en nitrate \u00e0 partir d\u2019une variable de stock initial en azote que l\u2019on nomme REHe<\/sub>, \u00e9quivalent \u00e0 un reliquat azot\u00e9 en entr\u00e9e d\u2019hiver (REH) sur l\u2019\u00e9chelle d\u2019investigation. Ce mod\u00e8le est appliqu\u00e9 sur trois sites repr\u00e9sentatifs drain\u00e9s en France pour lesquels des donn\u00e9es de d\u00e9bit et de concentrations acquises au pas de temps horaire sont disponibles sur une p\u00e9riode de plusieurs ann\u00e9es. L\u2019objectif est en premier lieu d\u2019analyser le fonctionnement du mod\u00e8le sur les trois sites d\u2019\u00e9tude puis d\u2019analyser la fr\u00e9quence d\u2019\u00e9chantillonnage des concentrations en nitrate \u00e0 partir de laquelle l\u2019erreur sur l\u2019estimation des REH reste acceptable (< 10\u00a0%).\r\n\r\nL\u2019estimation des REHe<\/sub> est plus pr\u00e9cise sur le site de la Jailli\u00e8re qui correspond \u00e0 l\u2019\u00e9chelle parcellaire (1 ha). D\u00e8s lors que l\u2019\u00e9chelle investigu\u00e9e est pluriparcellaire, le REHe<\/sub> estim\u00e9 par mod\u00e9lisation correspond \u00e0 une valeur moyenne interparcellaire. Des performances \u00e9lev\u00e9es ont \u00e9t\u00e9 obtenues lors de la mod\u00e9lisation des flux et des concentrations en nitrate sur les trois sites. Ces performances sont majoritairement pr\u00e9serv\u00e9es suite \u00e0 l\u2019utilisation d\u2019un jeu de param\u00e8tres g\u00e9n\u00e9rique \u00e0 l\u2019ensemble des sites. En utilisant le mod\u00e8le NIT-DRAIN<\/em> associ\u00e9 au module SIDRA-RU (hydrologie des syst\u00e8mes drain\u00e9s), l\u2019erreur sur l\u2019estimation des REHe<\/sub> est acceptable avec une fr\u00e9quence mensuelle de suivi des concentrations dans les eaux de drainage.\r\n\r\nUne approche simplifi\u00e9e et op\u00e9rationnelle est propos\u00e9e pour estimer un REH \u00e0 partir d\u2019une lame d\u2019eau drain\u00e9e estim\u00e9e et d\u2019une concentration mesur\u00e9e en janvier \u00e0 l\u2019exutoire des drains. Cet indicateur contribue ainsi \u00e0 une \u00e9valuation des performances agronomiques \u00e0 l\u2019\u00e9chelle du versant drain\u00e9.\r\n\r\n<\/div>\r\n

Introduction<\/h1>\r\nEn Europe, une des pollutions majeures des eaux superficielles et souterraines est l\u2019exc\u00e8s d\u2019azote (N) potentiellement lixiviable. C\u2019est pourquoi plusieurs textes r\u00e9glementaires dont la Directive Nitrates (91\/676\/CEE), la Directive-Cadre sur l\u2019Eau (2000\/60\/CE) et la Directive 2006\/118\/CE sont parus et ont fix\u00e9 un seuil de concentration maximale \u00e0 50\u00a0mg NO3<\/sub>-<\/sup>.L-1<\/sup> pour les masses d\u2019eau avec une valeur guide de 25 mg NO3<\/sub>-<\/sup>.L-1<\/sup>. L\u2019activit\u00e9 agricole est une source majeure des pollutions diffuses par l\u2019azote (Mariotti, 1998).\r\n\r\nLe nitrate (NO3<\/sub>-<\/sup>), qui repr\u00e9sente au maximum 1\u00a0% de l\u2019azote du sol, est responsable de la majorit\u00e9 des pollutions azot\u00e9es dans les eaux de surface et souterraine (Tournebize et al., 2008). De nombreuses actions sont mises en place pour diminuer les concentrations en nitrate en parcelles agricoles (telles que le Programme de Gestion Durable de l\u2019Azote en agriculture (PGDA) en Belgique et le Plan de Ma\u00eetrise des pollutions d\u2019origine Agricole (PMPOA ) ou le Plan Azote National (PAN) en France). Aujourd\u2019hui, avec la prise en compte des impacts environnementaux, il est possible pour chaque exploitation agricole de mesurer un reliquat post-r\u00e9colte afin de quantifier l\u2019azote min\u00e9ral non utilis\u00e9 par les cultures et un reliquat sortie d\u2019hiver (RSH) permettant de calculer une quantit\u00e9 plus raisonn\u00e9e de fertilisants \u00e0 \u00e9pandre au printemps (Justes et al., 2013). Dans notre \u00e9tude, nous nous int\u00e9ressons au REH qui correspond \u00e0 la quantit\u00e9 de nitrate potentiellement lixiviable durant la p\u00e9riode hivernale, p\u00e9riode de recharge principale des aquif\u00e8res sous climat temp\u00e9r\u00e9 et responsable de plus de 80\u00a0% des flux annuels export\u00e9s d\u2019azote en zone de grande culture.\r\n\r\nCependant la mesure des reliquats, correspondant \u00e0 la quantit\u00e9 disponible de nitrate dans le sol \u00e0 diff\u00e9rentes p\u00e9riodes, est co\u00fbteuse et chronophage. En effet, des mesures ponctuelles sont r\u00e9alis\u00e9es puis extrapol\u00e9es, ce qui n\u2019est pas forc\u00e9ment repr\u00e9sentatif dans un milieu tr\u00e8s h\u00e9t\u00e9rog\u00e8ne. En plus de cette contrainte de l\u2019h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 spatiale, la p\u00e9riode de pr\u00e9l\u00e8vement des \u00e9chantillons du sol reste difficile \u00e0 pr\u00e9voir, en particulier pour le REH o\u00f9 il faudrait trouver le moment id\u00e9al se situant g\u00e9n\u00e9ralement entre la fin de la min\u00e9ralisation de l\u2019azote, lorsque les temp\u00e9ratures sont inf\u00e9rieures \u00e0 5 \u00b0C (Billy, 2008) et le d\u00e9but de l\u2019infiltration de l\u2019eau, apr\u00e8s r\u00e9humectation du sol.\r\n\r\nUn autre moyen de mesure possible pour \u00e9tudier les transferts de nitrate est la case lysim\u00e9trique (Ballif et al., 1996). Sa mise en \u0153uvre, complexe et co\u00fbteuse, est souvent r\u00e9serv\u00e9e aux \u00e9tudes exp\u00e9rimentales agronomiques (recherche ou chambre d\u2019agriculture). Une alternative plus pratique \u00e0 mettre en place serait d\u2019instrumenter l\u2019exutoire des secteurs drain\u00e9s par tuyaux enterr\u00e9s. G\u00e9n\u00e9ralement, la structuration hydraulique des r\u00e9seaux de drainage acc\u00e9l\u00e8re le transfert de l\u2019eau et des polluants permettant ainsi d\u2019approcher le fonctionnement des syst\u00e8mes lysim\u00e9triques g\u00e9ants (Kladivko et al., 1991\u00a0; Garnier et al., 2022). Le drainage agricole artificiel, par tuyaux enterr\u00e9s ou foss\u00e9s \u00e0 ciel ouvert, permet d\u2019\u00e9vacuer le surplus des eaux de nappes superficielles hivernales caract\u00e9ristiques des sols hydromorphes en France. Le drainage a une dimension agronomique car il vise \u00e0 stabiliser les rendements agricoles face aux contraintes climatiques et p\u00e9dologiques. Le drainage facilite aussi un meilleur acc\u00e8s aux champs par les agriculteurs. De plus, cette technique permet de collecter les eaux des parcelles qui d\u00e9bouchent sur un exutoire localis\u00e9 \u00e0 l\u2019aval du bassin versant agricole. De ce fait, le syst\u00e8me de drainage simplifie les relev\u00e9s de mesures et nous permet un acc\u00e8s facile aux donn\u00e9es de d\u00e9bits et de qualit\u00e9 de l\u2019eau (Tournebize et al., 2008\u00a0; Arlot, 1999).\r\n\r\nLe recours aux outils de mod\u00e9lisation peut constituer une solution viable pour faire face au manque de donn\u00e9es. En effet, organiser et maintenir sur le long temps des campagnes de mesures sur le terrain est tr\u00e8s complexe. De plus, les donn\u00e9es r\u00e9colt\u00e9es \u00e0 l\u2019\u00e9chelle locale sont souvent peu repr\u00e9sentatives du comportement moyen d\u2019un bassin versant agricole. Dans la litt\u00e9rature, plusieurs mod\u00e8les permettent de quantifier le cycle de l\u2019azote du sol dans les syst\u00e8mes drain\u00e9s. Un mod\u00e8le peut \u00eatre utilis\u00e9 pour simuler les rendements agricoles (STICS, DayCent (Guest et al., 2017)), estimer les valeurs de gaz \u00e0 effet de serre (DNDC (Guest et al., 2017)) ou quantifier les exportations de polluants li\u00e9s aux pratiques agricoles (ADAPT, DRAINMOD (Ale et al., 2013), SWAT (Arnold et al., 2011)).\r\n\r\nIl existe deux grandes cat\u00e9gories de mod\u00e8les\u00a0: les mod\u00e8les conceptuels o\u00f9 les processus sont simplifi\u00e9s et peuvent s\u2019appliquer aux grandes \u00e9chelles\u00a0; et les mod\u00e8les m\u00e9canistes dans lesquels les comportements sont d\u00e9crits de mani\u00e8re plus fine \u00e0 l\u2019aide d\u2019\u00e9quations math\u00e9matiques pour des applications locales (Tang et al., 2019). Parmi les exemples choisis, les mod\u00e8les de simulation hydrologique sont parfois m\u00e9canistes (ADAPT (Gowda et\u00a0al., 2012), DayCent (Parton et al., 1998) et DRAINMOD-NII (Youssef et al., 2005)) et parfois conceptuels, sous forme de bilan hydrique pour SWAT (Arnold et al., 2011), STICS (Brisson et al., 1998) et DNDC (Li, 1996). Pour repr\u00e9senter le plus fid\u00e8lement possible la r\u00e9alit\u00e9, ces mod\u00e8les conceptuels reposent sur un r\u00e9servoir sol multicouches ou compartiment\u00e9s (Ale et al., 2013\u00a0; Guest et al., 2017). Cette d\u00e9composition spatiale permet de tenir compte de l\u2019h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 verticale (dans le premier cas) ou de l\u2019h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 plut\u00f4t horizontale (dans le second) mais elle entra\u00eene le besoin de nombreux param\u00e8tres. Les mod\u00e8les conceptuels \u00e0 param\u00e8tres r\u00e9duits sont de plus en plus d\u00e9velopp\u00e9s et utilis\u00e9s (Surdyk et al., 2021). Nous nous int\u00e9ressons plus particuli\u00e8rement \u00e0 l\u2019\u00e9tude de la robustesse du mod\u00e8le conceptuel NIT-DRAIN<\/em>. La robustesse correspond \u00e0 l\u2019\u00e9valuation des performances d\u2019un mod\u00e8le dans diff\u00e9rents contextes spatiaux temporels (Coron, 2013). Cette \u00e9tude a comme objectifs (1) d\u2019\u00e9valuer la robustesse spatiale du mod\u00e8le conceptuel NIT-DRAIN<\/em>, (2) de quantifier la fr\u00e9quence d\u2019\u00e9chantillonnage des concentrations en nitrate \u00e0 partir de laquelle l\u2019incertitude sur l\u2019estimation des REH reste acceptable et (3) proposer une approche simplifi\u00e9e et op\u00e9rationnelle pour quantifier les REH.\r\n

Mat\u00e9riel et m\u00e9thodes<\/h1>\r\n

Description des sites d\u2019\u00e9tude<\/h2>\r\nA l\u2019\u00e9chelle de la France, les parcelles drain\u00e9es repr\u00e9sentent 10\u00a0% de la surface agricole utile (SAU, rapport normalis\u00e9 ne prenant pas en compte les for\u00eats et les centres urbains) et peut s\u2019\u00e9tendre jusqu\u2019\u00e0 90\u00a0% dans certaines r\u00e9gions, correspondant au total \u00e0 3 Mha (Kao, 2008). Les r\u00e9gions fortement drain\u00e9es, jouant le r\u00f4le de lysim\u00e8tre g\u00e9ant, constituent des lieux privil\u00e9gi\u00e9s pour l\u2019analyse des transferts de nitrate. Cette particularit\u00e9 est pr\u00e9sente chez les trois sites s\u00e9lectionn\u00e9s dans cette \u00e9tude (Figure 1).\r\n\r\n \r\n\r\n[caption id=\"attachment_1056\" align=\"aligncenter\" width=\"1593\"]\"\"<\/a> Figure 1. Localisation des sites d\u2019\u00e9tude et pourcentage de drainage par canton (Agreste) (\u00ab Agreste, la statistique agricole \u00bb).<\/em>[\/caption]\r\n\r\nCes trois sites ont des superficies contrast\u00e9es (i.e.<\/em> Rampillon, 335 ha\u00a0; Gobard, 36 ha et La Jailli\u00e8re, 1 ha) et pr\u00e9sentent diverses rotations culturales avec comme culture dominante, le bl\u00e9 d\u2019hiver (Triticum aestivum<\/em>) (Figure 2). La zone de Rampillon correspond \u00e0 un bassin versant de 355 ha o\u00f9 au moins 95\u00a0% de l\u2019ensemble de la superficie est drain\u00e9e. Le site de Gobard est compos\u00e9 de plusieurs champs drain\u00e9s totalisant une superficie de 36 ha o\u00f9 le point de mesure est un collecteur (point de connexion de plusieurs drains). Ces deux sites sont localis\u00e9s au centre du Bassin Parisien, \u00e0 l\u2019Est de la r\u00e9gion parisienne (77), g\u00e9r\u00e9s par INRAE (UR HYCAR (Antony) et par l\u2019observatoire ORACLE (ORACLE 2013)). La derni\u00e8re zone d\u2019\u00e9tude est la parcelle num\u00e9ro (P3) du site exp\u00e9rimental de La Jailli\u00e8re, d\u2019une surface de 1 ha, localis\u00e9e \u00e0 l\u2019Ouest de la France, au Sud du Massif Armoricain. Le site est g\u00e9r\u00e9 par Arvalis depuis 1987.\r\n\r\n \r\n\r\n[caption id=\"attachment_1057\" align=\"aligncenter\" width=\"1664\"]\"\"<\/a> Figure 2. Pourcentage des cultures durant les ann\u00e9es hydrologiques \u00e9tudi\u00e9es\u00a0: Rampillon entre 2014 et 2020 (A) (\u00ab AQUI\u2019Brie \u2013 Connaissance et protection de l\u2019aquif\u00e8re du Champigny \u00bb s. d.), Gobard entre 2008 et 2012 (B) (\u00ab ORACLE \u00bb 2013) et La Jailli\u00e8re en 1989, 1990, 1993 et 1994 (C).<\/em>[\/caption]\r\n\r\nLa composition min\u00e9ralogique des sols des trois sites est similaire (limoneuse majoritairement) reposant sur un substratum soit d\u2019argile pour Gobard et Rampillon (Tournebize et al., 2015) soit des alt\u00e9rites de schistes pour La Jailli\u00e8re (Lorre et al., 1994). Ils sont soumis \u00e0 un climat oc\u00e9anique relativement identique, o\u00f9 ils re\u00e7oivent entre 600 et 700\u00a0mm.an-1<\/sup> de pluie pour une temp\u00e9rature moyenne annuelle de 11 \u00b0C.\r\n

Les donn\u00e9es utilis\u00e9es<\/h2>\r\nLe bassin versant agricole de Rampillon a \u00e9t\u00e9 instrument\u00e9 pour une acquisition \u00e0 haute fr\u00e9quence (horaire) de 2014 \u00e0 2020 nous permettant d\u2019avoir six ans de donn\u00e9es de d\u00e9bit et des concentrations en nitrate. \u00c9galement, les mesures de qualit\u00e9 de l\u2019eau (nitrate) et de d\u00e9bit au pas de temps horaire ont \u00e9t\u00e9 enregistr\u00e9es en aval du bassin versant agricole de Gobard durant les ann\u00e9es hydrologiques allant de 2008 \u00e0 2012.\r\n\r\nConcernant le site de la Jailli\u00e8re, les mesures sont souvent partielles et comportent beaucoup de lacunes, nous permettant uniquement d\u2019exploiter les donn\u00e9es horaires de d\u00e9bit et de concentration en nitrate des quatre saisons\u00a0: 1989, 1990, 1993 et 1994. Les d\u00e9bits ont \u00e9t\u00e9 enregistr\u00e9s soit \u00e0 l\u2019aide d\u2019une sonde de pression (d\u00e9bim\u00e8tre Sigma 950, Hach \u00e0 Rampillon, (Mander et al., 2021\u00a0; Chelil et al., 2022)), soit par une sonde mesurant la hauteur d\u2019eau et la transformant en d\u00e9bit gr\u00e2ce \u00e0 une courbe de tarage (capteur Druck PDCR1830 \u00e0 Gobard (Tournebize et al., 2015) et V notch Weir \u00e0 La Jailli\u00e8re (Henine et al., 2022)). Quant aux concentrations, elles ont \u00e9t\u00e9 mesur\u00e9es \u00e0 partir d\u2019un spectrom\u00e8tre \u00e0 UV de type Nitral pour La Jailli\u00e8re et de type S::can pour les deux autres sites.\r\n\r\nLes saisons hydrologiques pr\u00e9sentent des variations hydroclimatiques. La lame d\u2019eau drain\u00e9e varie de 21 mm (La Jailli\u00e8re, 1994) \u00e0 369 mm (Rampillon, 2017), avec en moyenne des volumes drain\u00e9s annuels de 150 mm.\r\n\r\nNous distinguons deux grandes tendances pour les concentrations en nitrate\u00a0: une r\u00e9gularit\u00e9 des donn\u00e9es observ\u00e9es sur les sites de grandes superficies avec des concentrations moyennes en nitrate de (54,2 \u00b1 3,4) mg NO3<\/sub>-<\/sup>.L-1<\/sup> pour Rampillon (tableau 1a) et de (63,6\u00a0\u00b1 6,0) mg NO3<\/sub>-<\/sup>.L-1<\/sup> pour Gobard (tableau 1b)\u00a0; une variabilit\u00e9 prononc\u00e9e pour La Jailli\u00e8re, comme le montre l\u2019\u00e9cart-type tr\u00e8s \u00e9lev\u00e9 (81,9 \u00b1 64,2) mg NO3<\/sub>-<\/sup>.L-1<\/sup> (tableau 1c).\r\n
Tableau 1a. Site de Rampillon. Comparaison des valeurs moyennes des concentrations, des flux de nitrate (**calcul\u00e9 de septembre \u00e0 f\u00e9vrier) ainsi que des REH obtenus apr\u00e8s le calage interannuel et \u00e0 partir du jeu de param\u00e8tres unique sur les trois sites \u00e9tudi\u00e9s.<\/h6>\r\n\"\"<\/a>\r\n
Tableau 1b. Site de Gobard. Comparaison des valeurs moyennes des concentrations, des flux de nitrate (**calcul\u00e9 de septembre \u00e0 f\u00e9vrier) ainsi que des REH obtenus apr\u00e8s le calage interannuel et \u00e0 partir du jeu de param\u00e8tres unique sur les trois sites \u00e9tudi\u00e9s.<\/h6>\r\n\"\"<\/a>\r\n
<\/h6>\r\n
<\/h6>\r\n
<\/h6>\r\n \r\n
Tableau 1c. Site de La Jalli\u00e8re. Comparaison des valeurs moyennes des concentrations, des flux de nitrate (**calcul\u00e9 de septembre \u00e0 f\u00e9vrier) ainsi que des REH obtenus apr\u00e8s le calage interannuel et \u00e0 partir du jeu de param\u00e8tres unique sur les trois sites \u00e9tudi\u00e9s. *L\u2019ann\u00e9e 1994 pr\u00e9sente des lacunes de suivi du Nitral.<\/h6>\r\n\"\"<\/a>\r\nLes flux annuels de nitrate sont plus importants \u00e0 La Jailli\u00e8re (\u00a0 \u0334 37 kg N.ha-1<\/sup>) que sur les autres sites (ordre de grandeur de 12-16 kg N.ha-1<\/sup>). Malgr\u00e9 des ann\u00e9es hydrologiques contrast\u00e9es, les donn\u00e9es moyennes sont assez similaires sur les sites pluriparcellaires (Rampillon et Gobard) (tableaux 1a et 1b) alors qu\u2019elles sont plus fluctuantes \u00e0 La Jailli\u00e8re (tableau 1c).\r\n\r\nCette constatation est plus compliqu\u00e9e \u00e0 d\u00e9finir pour les REH calcul\u00e9s \u00e0 partir des mesures parcellaires, car seuls ceux de la Jailli\u00e8re (tableau 1c) sont mesur\u00e9s in situ<\/em> \u00e0 la parcelle par pr\u00e9l\u00e8vement de sol \u00e0 la tari\u00e8re et donc repr\u00e9sentatifs du stock r\u00e9el de nitrate. En effet, les REH de Rampillon et Gobard (tableaux 1a et 1b) sont d\u00e9termin\u00e9s a posteriori<\/em> en utilisant la base de donn\u00e9es de la Chambre d\u2019Agriculture de Seine et Marne \u00e0 partir d\u2019analyses de pr\u00e9l\u00e8vements de sols de parcelles repr\u00e9sentatives des assolements. En Seine et Marne, 80\u00a0% de la SAU est cultiv\u00e9e en c\u00e9r\u00e9ale (ex. bl\u00e9, ma\u00efs (Zea mays<\/em>), orge (Hordeum vulgare<\/em>)) et en ol\u00e9o-prot\u00e9agineux (ex. colza (Brassica napus L.<\/em>), tournesol (Helianthus annuus<\/em>), pois (Pisum sativum L.<\/em>), soja (Glycine Max<\/em>)) dont la culture dominante est le bl\u00e9 (40\u00a0%). Les REH sont calcul\u00e9s alors en pond\u00e9rant la surface de chaque culture pr\u00e9sente sur les deux bassins versants d\u2019\u00e9tude. Ce reliquat REHp<\/sub> pond\u00e9r\u00e9 ne repr\u00e9sente pas un REH parcellaire mais un REH moyenn\u00e9 sur l\u2019ensemble de la surface du bassin versant.\r\n

D\u00e9veloppement du mod\u00e8le<\/h1>\r\n

Sp\u00e9cificit\u00e9s li\u00e9es au drainage<\/h2>\r\nL\u2019hydrologie du drainage se d\u00e9compose en trois p\u00e9riodes distinctes\u00a0: une phase de r\u00e9humectation du profil de sol, appel\u00e9 amorce (octobre-novembre)\u00a0; une saison de drainage intense pendant laquelle toute pluie se traduit par un d\u00e9bit (d\u00e9cembre-mars) et enfin une p\u00e9riode printani\u00e8re avec une diminution progressive des d\u00e9bits jusqu\u2019\u00e0 un arr\u00eat quasi-total en \u00e9t\u00e9. Il a \u00e9t\u00e9 montr\u00e9 que ces phases d\u2019\u00e9coulement sont souvent associ\u00e9es \u00e0 un type d\u2019\u00e9volution de la concentration en nitrate (Arlot, 1999\u00a0; Tournebize et al., 2008). En effet, durant l\u2019amorce et la phase finale du drainage saisonnier, les concentrations en nitrate ont tendance \u00e0 augmenter durant les crues (phase d\u2019entra\u00eenement). Ce ph\u00e9nom\u00e8ne entra\u00eene l\u2019exportation d\u2019une grande quantit\u00e9 de nitrate pr\u00e9sente dans les faibles profondeurs du sol. A l\u2019inverse, les \u00e9coulements se produisant durant de la saison de drainage intense sont marqu\u00e9s par une diminution de la concentration en nitrate lors des crues (phase de dilution). Ce comportement s\u2019explique par la faible pr\u00e9sence de nitrate dans les premi\u00e8res couches du sol qui dilue le stock r\u00e9siduel entre le drain et l\u2019interdrain.\r\n\r\nLe suivi continu du d\u00e9bit et des concentrations en nitrate sur le site pilote de Rampillon nous a permis de construire les courbes de double cumul \u00ab d\u00e9bit\/flux \u00bb afin d\u2019\u00e9tudier l\u2019\u00e9volution des exportations d\u2019azote en fonction des volumes d\u2019eau drain\u00e9s cumul\u00e9s. La lixiviation du nitrate en fonction de la lame d\u2019eau drain\u00e9e est lin\u00e9aire, d\u00e9montrant un stock d\u2019azote initial non limitant. Ce stock, d\u00e9fini comme \u00e9tant le REH, permet d\u2019expliquer pas moins de 80\u00a0% du flux de nitrate export\u00e9 annuellement, en restreignant \u00e0 la p\u00e9riode septembre-f\u00e9vrier (Kladivko et al., 1991).\r\n

Description du mod\u00e8le<\/h2>\r\nLe mod\u00e8le NIT-DRAIN<\/em> (Chelil et al., 2022) permet de simuler la lixiviation du nitrate durant la p\u00e9riode de drainage en utilisant comme donn\u00e9es d\u2019entr\u00e9e le REHe<\/sub> (Reliquat Entr\u00e9e Hiver \u00e9quivalent) et le d\u00e9bit de drainage (observ\u00e9 ou simul\u00e9). Pendant la saison de drainage, les temp\u00e9ratures sont assez basses limitant ainsi la min\u00e9ralisation de l\u2019azote\u00a0; ce qui permet de faire l\u2019hypoth\u00e8se qu\u2019aucune transformation biog\u00e9ochimique significative n\u2019intervient pour faire \u00e9voluer les stocks de nitrate. De plus, la mod\u00e9lisation est arr\u00eat\u00e9e fin f\u00e9vrier de chaque saison hydrologique car les apports printaniers d\u2019engrais ne sont pas pris en compte par le mod\u00e8le \u00e0 ce stade. Les infiltrations profondes et le ruissellement peuvent \u00eatre n\u00e9glig\u00e9s en milieu drain\u00e9 (Henine et al., 2022).\r\n\r\n \r\n\r\n[caption id=\"attachment_1058\" align=\"aligncenter\" width=\"1632\"]\"\"<\/a> Figure 3. Structure du mod\u00e8le NIT-DRAIN montrant les diff\u00e9rents r\u00e9servoirs anim\u00e9s par les d\u00e9bits et associ\u00e9s aux diff\u00e9rents param\u00e8tres et \u00e9quations de transfert.<\/em>[\/caption]\r\n\r\nLa structure du mod\u00e8le est compos\u00e9e de trois r\u00e9servoirs conceptuels\u00a0: rapide (SR), lent superficiel (SS) et lent profond (SP) (Figure 3). Les r\u00e9servoirs sont interconnect\u00e9s, proposant des \u00e9changes de flux de nitrate en se basant sur des \u00e9quations de transfert (F1<\/sub>, F2<\/sub> et F3<\/sub>), inspir\u00e9es des travaux de Jury et Roth (1990)\u00a0: transfert F3<\/sub> du compartiment rapide utilisant l\u2019\u00e9quation de Burns (1975), transfert lent (F1<\/sub> et F2<\/sub>) encha\u00een\u00e9 dans les compartiments lents utilisant l\u2019\u00e9quation de Magesan et al. (1994) dite exponentielle (eq 4). Le d\u00e9bit de drainage total (QT) est d\u00e9compos\u00e9 en d\u00e9bit de pointe (Qp) et en d\u00e9bit de base (Qb) \u00e0 l\u2019aide du param\u00e8tre \u00ab b \u00bb.\r\n\r\nUn coefficient de partage, not\u00e9 \u03b1, permet de r\u00e9partir la valeur de la variable d\u2019entr\u00e9e (REHe) entre le r\u00e9servoir rapide et le r\u00e9servoir lent superficiel proportionnel \u00e0 la contribution en \u00e9coulement drain (18\u00a0%) interdrain (82\u00a0%), d\u00e9fini par Branger et al. (2009). NIT-DRAIN<\/em> est compos\u00e9 de sept param\u00e8tres d\u2019entr\u00e9e caract\u00e9risant les propri\u00e9t\u00e9s du sol pour le transfert (porosit\u00e9 de lessivage) et la r\u00e9partition du stock de nitrate entre les diff\u00e9rents compartiments du sol.\r\n\r\nLe flux total simul\u00e9 correspond \u00e0 la somme des flux sortants des deux r\u00e9servoirs SR et SP (\u00e9quation 1).\r\n\r\n\"\"<\/a>\r\n\r\nEnfin, les valeurs des concentrations en nitrate simul\u00e9es sont obtenues en subdivisant le flux F<\/em> par le d\u00e9bit QT<\/sub><\/em> de drainage total (\u00e9quation 2).\r\n\r\n\"\"<\/a>\r\n

M\u00e9thodologie d\u2019utilisation du mod\u00e8le<\/h2>\r\n

Analyse de la robustesse du mod\u00e8le<\/h3>\r\nL\u2019\u00e9valuation de la robustesse du mod\u00e8le est effectu\u00e9e sur les trois sites d\u2019\u00e9tude. Ainsi, les param\u00e8tres du mod\u00e8le NIT-DRAIN<\/em> sont calibr\u00e9s par la m\u00e9thode d\u2019optimisation GRG (Generalized Reduced Gradient<\/em>\u00a0; Lasdon et al., 1978). Un crit\u00e8re de performance objectif (d\u00e9fini par la suite) est utilis\u00e9 dans l\u2019optique de r\u00e9duire l\u2019\u00e9cart entre les simulations et les observations des concentrations en nitrate en sortie du r\u00e9seau de drainage. Cela nous permet \u00e0 la fin d\u2019obtenir un jeu de param\u00e8tres optimal. La calibration n\u00e9cessite aussi l\u2019estimation du stock initial de nitrate disponible. Ainsi, la m\u00e9thode inclut aussi la d\u00e9termination d\u2019une valeur annuelle de REHe<\/sub> qui est compar\u00e9e avec les REH mesur\u00e9s sur les trois sites.\r\n\r\nTrois \u00e9tapes sont men\u00e9es (figure 4)\u00a0:\r\n
    \r\n \t
  1. un calage annuel des param\u00e8tres o\u00f9 l\u2019on proc\u00e8de \u00e0 l\u2019optimisation du crit\u00e8re de performance ann\u00e9e par ann\u00e9e afin d\u2019\u00e9tudier la variabilit\u00e9 interannuelle des param\u00e8tres<\/li>\r\n \t
  2. un calage interannuel dit global des param\u00e8tres en prenant en consid\u00e9ration la p\u00e9riode totale d\u2019observation sur chaque site d\u2019\u00e9tude<\/li>\r\n \t
  3. la validation d\u2019un jeu de param\u00e8tres unique, en prenant en compte la moyenne des valeurs de param\u00e8tres issus du calage interannuel effectu\u00e9 sur les trois sites d\u2019\u00e9tude<\/li>\r\n<\/ol>\r\nCe jeu de param\u00e8tres g\u00e9n\u00e9rique (jeu unique) est suppos\u00e9 \u00eatre repr\u00e9sentatif de l\u2019ensemble des sites. D\u00e8s lors, seules les valeurs de REHe<\/sub> sont estim\u00e9es. Le but est de v\u00e9rifier que la qualit\u00e9 des simulations de nitrate et les performances associ\u00e9es suite \u00e0 la consid\u00e9ration d\u2019un jeu de param\u00e8tres g\u00e9n\u00e9rique (unique) sont pr\u00e9serv\u00e9es.\r\n\r\n \r\n\r\n[caption id=\"attachment_1059\" align=\"aligncenter\" width=\"1612\"]\"\"<\/a> Figure 4. Haut\u00a0: vue a\u00e9rienne des sites Rampillon (Tournebize et al., 2017), Gobard (Tournebize et al., 2015) et La Jailli\u00e8re (ARVALIS \u2013 Institut du v\u00e9g\u00e9tal). Bas\u00a0: sch\u00e9ma de la strat\u00e9gie de calage du mod\u00e8le NIT-DRAIN permettant de v\u00e9rifier sa robustesse temporelle et spatiale.<\/em>[\/caption]\r\n

    Impact de la fr\u00e9quence d\u2019\u00e9chantillonnage sur l\u2019estimation du REHe<\/sub><\/h3>\r\nUne exp\u00e9rience de mod\u00e9lisation a \u00e9t\u00e9 men\u00e9e sur les donn\u00e9es du site de Rampillon (six ann\u00e9es de donn\u00e9es au pas de temps horaire) afin d\u2019\u00e9valuer l\u2019impact de la fr\u00e9quence d\u2019\u00e9chantillonnage des concentrations en nitrate sur l\u2019estimation des reliquats entr\u00e9e hiver (REHe<\/sub>). L\u2019objectif est de d\u00e9terminer la fr\u00e9quence d\u2019\u00e9chantillonnage \u00e0 partir de laquelle l\u2019erreur sur l\u2019estimation des reliquats par le mod\u00e8le est limit\u00e9e \u00e0 10\u00a0% (seuil jug\u00e9 acceptable). En pratique, nous consid\u00e9rons comme valeur r\u00e9f\u00e9rence, le REHe<\/sub> estim\u00e9 \u00e0 partir des observations de concentrations en nitrate au pas de temps horaire. Seul le REHe<\/sub> est estim\u00e9 en imposant, comme entr\u00e9e du mod\u00e8le, des param\u00e8tres pr\u00e9-calibr\u00e9s, issus de l\u2019\u00e9valuation de la robustesse. Cette valeur \u00ab\u00a0r\u00e9f\u00e9rence\u00a0\u00bb est ensuite compar\u00e9e avec les valeurs de REHe<\/sub> estim\u00e9es en consid\u00e9rant de plus faibles fr\u00e9quences d\u2019\u00e9chantillonnage (i.e.<\/em> journali\u00e8re, hebdomadaire, d\u00e9cadaire, bihebdomadaire, mensuelle et trimestrielle). Il est \u00e0 noter que les concentrations en nitrate sont toujours simul\u00e9es au pas de temps horaire, en utilisant les d\u00e9bits observ\u00e9s et le jeu de param\u00e8tres unique.\r\n\r\n\u00c0 haute fr\u00e9quence d\u2019\u00e9chantillonnage (infra journalier), le choix du moment optimal pour pr\u00e9lever la concentration en nitrate serait tr\u00e8s peu justifiable vu l\u2019aspect al\u00e9atoire (sur le court terme) de la dynamique de la pluie et du d\u00e9bit. Par contre, des fr\u00e9quences d\u2019\u00e9chantillonnage plus espac\u00e9es (mensuelles, trimestrielles) peuvent int\u00e9grer un comportement saisonnier. De ce fait, il serait int\u00e9ressant d\u2019analyser la p\u00e9riode de l\u2019ann\u00e9e permettant d\u2019avoir le minimum d\u2019incertitude sur les estimations des REHe<\/sub>, en se basant sur une basse voire tr\u00e8s basse fr\u00e9quence d\u2019\u00e9chantillonnage (ex. trimestrielle). L\u2019objectif est de calculer le reliquat entr\u00e9e hiver (appel\u00e9 par la suite \u00ab\u00a0op\u00e9rationnel\u00a0\u00bb REHop<\/sub>) \u00e0 partir d\u2019une observation trimestrielle de concentration en nitrate Cnit<\/sub><\/em> et une lame d\u2019eau drain\u00e9e D<\/em>. Il est \u00e0 noter que le d\u00e9bit de drainage pourrait \u00eatre utilis\u00e9 pour calculer la lame d\u2019eau drain\u00e9e. En absence des donn\u00e9es de d\u00e9bit, le bilan hydrique pourrait constituer une alternative pour approcher le calcul de la lame d\u2019eau drain\u00e9e en faisant intervenir la pluie P, l\u2019\u00e9vapotranspiration ETP et la r\u00e9serve utile du sol RU sur la p\u00e9riode hivernale du 1er octobre au 31 mars (\u00e9quation 3).\r\n\r\n\"\"<\/a>\r\n\r\nAinsi, la formule exponentielle (Arlot, 1991\u00a0; Tournebize et al., 2008) est utilis\u00e9e afin de calculer le stock initial de nitrate pi\u00e9g\u00e9 au-dessus de la profondeur des drains p<\/em> au sein d\u2019un sol pr\u00e9sentant une porosit\u00e9 de lixiviation \u03b8 (\u00e9quation 4) .\r\n\r\n\"\"<\/a>\r\n

    Crit\u00e8res d\u2019\u00e9valuation du mod\u00e8le<\/h3>\r\nLe crit\u00e8re de performance objectif utilis\u00e9 pour calibrer les param\u00e8tres du mod\u00e8le est celui du NSE, Nash and Sutcliffe Efficiency (Nash et Sutcliffe, 1970) dont la formule est la suivante (\u00e9quation 5).\r\n\r\n\"\"<\/a>\r\n\r\nAvec Csimi<\/sub><\/em> la concentration simul\u00e9e \u00e0 un temps t (mg NO3<\/sub>-<\/sup>.L-1<\/sup>), Cobsi<\/sub><\/em> la concentration observ\u00e9e \u00e0 un temps t (mg NO3<\/sub>-<\/sup>.L-1<\/sup>) et Cobs<\/em><\/span> la moyenne des concentrations observ\u00e9es (mg NO3<\/sub>-<\/sup>.L-1<\/sup>).\r\n\r\nCe crit\u00e8re est fr\u00e9quemment utilis\u00e9 pour v\u00e9rifier la qualit\u00e9 des simulations hydrologiques mais sous-estime la variance, ce qui a \u00e9t\u00e9 corrig\u00e9 suite au d\u00e9veloppement r\u00e9cent du crit\u00e8re KGE, Kling-Gupta Efficiency (Gupta et al., 2009) (\u00e9quation 6).\r\n\r\n\"\"<\/a>\r\n\r\nAvec r<\/em> la corr\u00e9lation lin\u00e9aire entre observation et simulation, \u03b5 la variabilit\u00e9 relative et \u0394\u00a0le biais entre les moyennes des flux simul\u00e9s et observ\u00e9s.\r\n\r\nPour une simulation parfaite o\u00f9 les donn\u00e9es mod\u00e9lis\u00e9es se superposent aux observations, les crit\u00e8res objectifs (NSE et KGE) doivent \u00eatre \u00e9gaux \u00e0 1. Moins la mod\u00e9lisation est bonne, plus leurs valeurs tendent vers -\u221e.\r\n\r\nLe NSE a \u00e9t\u00e9 utilis\u00e9 comme crit\u00e8re de performance principal pour optimiser les concentrations en nitrate. La qualit\u00e9 des flux de nitrate simul\u00e9s est \u00e9valu\u00e9e avec les deux crit\u00e8res (NSE et KGE).\r\n

    R\u00e9sultats<\/h1>\r\n

    Robustesse du mod\u00e8le<\/h2>\r\nLes trois sites totalisent quatorze ann\u00e9es de donn\u00e9es exploitables pour proc\u00e9der \u00e0 des simulations avec NIT-DRAIN<\/em>. La figure 5 pr\u00e9sente les \u00e9volutions temporelles des flux et des concentrations en nitrate ainsi que des flux cumul\u00e9s (observations et simulations) sur les trois sites d\u2019\u00e9tude. Dans cet exemple, les param\u00e8tres sont obtenus en effectuant un calage interannuel pour chaque site puis en s\u00e9lectionnant un jeu de param\u00e8tres g\u00e9n\u00e9rique \u00e0 l\u2019ensemble des sites (voir paragraphe pr\u00e9c\u00e9dent). Nous avons s\u00e9lectionn\u00e9 un graphique pr\u00e9sentant les performances obtenues sur des ann\u00e9es r\u00e9f\u00e9rences (2017 pour Rampillon, 2011 pour Gobard et 1990 pour La Jailli\u00e8re) pour mettre en avant \u00e0 la fois le fonctionnement et la robustesse spatiale du mod\u00e8le pour chacune des \u00e9chelles croissantes de 1 \u00e0 355 ha.\r\n\r\nLes flux sont tr\u00e8s bien simul\u00e9s sur les donn\u00e9es des sites de Rampillon (figure 5B) et Gobard (figure 5D) \u00e0 l'exception de quelques valeurs maximales. Cette analyse est confirm\u00e9e par des performances tr\u00e8s \u00e9lev\u00e9es (NSE \u2265 0,93 et KGE \u2265 0,92) ainsi que par de faibles \u00e9carts entre les courbes de cumul de flux simul\u00e9s et observ\u00e9s (\u0394Ftotal = 1,98 kg N.ha-1<\/sup>.an-1<\/sup> pour le site de Rampillon\u00a0; \u0394Ftotal = -0,11 kg N.ha-1<\/sup>.an-1<\/sup> pour le site de Gobard). Les flux export\u00e9s du site de La Jailli\u00e8re sont l\u00e9g\u00e8rement moins bien simul\u00e9s (figure 5F), avec de l\u00e9gers d\u00e9calages, aussi visibles sur les courbes de cumul de flux (\u0394F = 1,45 kg N.ha-1<\/sup>.an-1<\/sup>) mais la tendance g\u00e9n\u00e9rale est bien respect\u00e9e (NSE = 0,93 et KGE = 0,91).\r\n\r\nLes concentrations en nitrate sont correctement simul\u00e9es sur l\u2019ensemble des sites. Nous observons des NSE \u2265 0,56 et des KGE \u2265 0,5. En th\u00e9orie une phase d'entra\u00eenement a lieu durant l\u2019amorce de drainage suivie par une phase de dilution pendant la saison de drainage intense. Ces deux processus sont bien visibles sur les sites de Rampillon (figure 5A) et de Gobard (figure 5B). Contrairement \u00e0 la dynamique des concentrations observ\u00e9e sur ces deux sites, seul le ph\u00e9nom\u00e8ne d'entra\u00eenement est pr\u00e9sent \u00e0 La Jailli\u00e8re pour l\u2019ann\u00e9e 1990 (consid\u00e9r\u00e9e comme une ann\u00e9e plut\u00f4t s\u00e8che). Il est \u00e0 noter que les concentrations moyennes enregistr\u00e9es durant cette saison sont tr\u00e8s \u00e9lev\u00e9es (170,2 mg NO3<\/sub>-<\/sup>.L-1<\/sup>).\r\n\r\n \r\n\r\n[caption id=\"attachment_1060\" align=\"aligncenter\" width=\"1593\"]\"\"<\/a> Figure 5. Comparaison des concentrations (A, C, E) et des flux (B, D, F) observ\u00e9s et simul\u00e9s par le mod\u00e8le apr\u00e8s calage gr\u00e2ce au jeu de param\u00e8tres g\u00e9n\u00e9rique (unique) et leurs crit\u00e8res de performance associ\u00e9s\u00a0: saison 2017-2018 pour Rampillon (A, B), saison 2011-2012 pour Gobard (C, D), saison 1990-1991 pour La Jailli\u00e8re (E, F).<\/em>[\/caption]\r\n\r\nLes performances (NSE, KGE) des simulations de flux et de concentration en nitrate ont \u00e9t\u00e9 class\u00e9es pour chacun des sites \u00e9tudi\u00e9s suivant le type de calage des param\u00e8tres. Nous avons constat\u00e9 que les performances (NSE, KGE) obtenues sont meilleures en flux (\u2265 0,83) qu\u2019en concentration en nitrate (\u2265 0,50). Les performances pourraient d\u00e9pendre aussi du type de calage. En g\u00e9n\u00e9ral, les meilleures performances sont obtenues lors des calages interannuels des param\u00e8tres. La qualit\u00e9 des simulations de flux et de concentration en nitrate diminue l\u00e9g\u00e8rement suite au remplacement des param\u00e8tres globaux (cal\u00e9s pour chaque site) par le jeu de param\u00e8tres unique mais cette tendance reste \u00e0 confirmer.\r\n\r\nPour obtenir ces concentrations, la variable REHe<\/sub> est estim\u00e9e par calibration du mod\u00e8le. Le stock d\u2019azote disponible, REHe<\/sub>, est affect\u00e9 artificiellement en d\u00e9but de chaque saison hydrologique (1er septembre). La valeur ainsi cal\u00e9e r\u00e9pond aux objectifs de performance des simulations par comparaison des concentrations simul\u00e9es et observ\u00e9es.\r\n

    \u00c9valuation des REH<\/h2>\r\nLa figure 6 compare les REH mesur\u00e9s sur le terrain aux REHe<\/sub> estim\u00e9s par le mod\u00e8le en utilisant le jeu de param\u00e8tres unique moyenn\u00e9 sur les trois sites. Les REHe<\/sub> estim\u00e9s par le mod\u00e8le sont proches des REH mesur\u00e9s (faibles \u00e9carts en g\u00e9n\u00e9ral < 10 kg N.ha-1<\/sup>). Les REHe<\/sub> des sites de Rampillon et Gobard sont bien estim\u00e9s en utilisant le jeu de param\u00e8tres unique (ex. ann\u00e9es 2014, 2015 et 2017\u00a0; Rampillon, figure 6A et les saisons 2008, 2010 et 2011\u00a0; Gobard, figure 6B).\r\n\r\n \r\n\r\n[caption id=\"attachment_1061\" align=\"aligncenter\" width=\"1612\"]\"\"<\/a> Figure 6. Comparaison des REH estim\u00e9s \u00e0 partir d\u2019un jeu de param\u00e8tres unique moyenn\u00e9 sur les trois sites (gris) avec les REH mesur\u00e9s (bleu) pour chacun des sites (Rampillon, Gobard et La Jailli\u00e8re).<\/em>[\/caption]\r\n

    \u00c9tude de l\u2019impact de la fr\u00e9quence d\u2019\u00e9chantillonnage<\/h2>\r\nNous proposons d\u2019\u00e9tudier l\u2019impact de la fr\u00e9quence d\u2019\u00e9chantillonnage des concentrations en nitrate sur les estimations des REHe<\/sub> par le mod\u00e8le NIT-DRAIN<\/em>. Les donn\u00e9es de d\u00e9bit et de concentration en nitrate mesur\u00e9es sur le site de Rampillon ont \u00e9t\u00e9 utilis\u00e9es. L\u2019erreur relative sur l\u2019estimation des REH par le mod\u00e8le est nulle en moyenne (figure 7A). Par ailleurs, l\u2019estimation des REHe<\/sub> par le mod\u00e8le peut pr\u00e9senter une erreur sup\u00e9rieure \u00e0 10\u00a0% \u00e0 partir d\u2019une fr\u00e9quence d\u2019\u00e9chantillonnage mensuelle.\r\n\r\nLa figure 7B pr\u00e9sente les erreurs relatives sur les estimations de REH obtenues en consid\u00e9rant une observation de concentration en nitrate par trimestre. Nous constatons que mesurer les concentrations en nitrate durant les mois d\u2019octobre et de janvier permet d\u2019avoir, en moyenne, une erreur relative inf\u00e9rieure \u00e0 5\u00a0% sur les estimations des REH. Due au fonctionnement hydrologique saisonnier du drainage, le nombre d\u2019observations de concentration en nitrate durant le mois de janvier est significativement plus important qu\u2019au mois d\u2019octobre (saturation du sol et \u00e9coulement continu).\r\n\r\nLes p\u00e9riodes de tarissement de d\u00e9bit pour l\u2019\u00e9chantillonnage ont \u00e9t\u00e9 cibl\u00e9es afin de garantir des valeurs de concentration stables (tableau 1). Nous observons, except\u00e9 pour la saison 2015\/2016, des valeurs de REH calcul\u00e9es tr\u00e8s proches de ceux mesur\u00e9es. D\u2019un point de vue op\u00e9rationnel, le REHop<\/sub> calcul\u00e9, sans mod\u00e8le, \u00e0 partir de la lame drain\u00e9e saisonni\u00e8re (issu du bilan hydrique simplifi\u00e9 entre le 1er octobre et le 31 mars), de la concentration mesur\u00e9e en janvier hors p\u00e9riode de crue (pour \u00e9viter les effets de dilution), donne un ordre de grandeur coh\u00e9rent avec les reliquats mesur\u00e9s et estim\u00e9s par mod\u00e9lisation. Ces valeurs de reliquat sont comparables \u00e0 celles obtenues \u00e0 partir du mod\u00e8le NIT-DRAIN<\/em> (14\u00a0% d\u2019erreur relative \u00e0 comparer \u00e0 17\u00a0% par la m\u00e9thode de mod\u00e9lisation pour le site de Rampillon).\r\n\r\n \r\n\r\n[caption id=\"attachment_1062\" align=\"aligncenter\" width=\"1574\"]\"\"<\/a> Figure 7. A) Erreur sur les REHe en fonction de la fr\u00e9quence d\u2019\u00e9chantillonnage des concentrations en nitrate (journali\u00e8re \u00e0 trimestrielle)\u00a0; B) Statistiques sur les erreurs relatives des estimations de REH (fr\u00e9quence d\u2019\u00e9chantillonnage trimestrielle)\u00a0; N correspond \u00e0 la quantit\u00e9 de donn\u00e9es (concentration en nitrate) \u2013 Site de Rampillon \u2013 P\u00e9riode 2014-2019.<\/em>[\/caption]\r\n

    Discussion et conclusion<\/h1>\r\nLes r\u00e9sultats de cette \u00e9tude sur la mod\u00e9lisation simplifi\u00e9e des transferts de nitrate en parcelles drain\u00e9es valident l\u2019hypoth\u00e8se que les REH pilotent les exportations de nitrate sur la p\u00e9riode s\u2019\u00e9talant du d\u00e9but d\u2019hiver jusqu\u2019aux d\u00e9buts des fertilisations printani\u00e8res (\u00e0 partir du 1er mars). Ainsi, les flux et concentrations sont bien repr\u00e9sent\u00e9s en consid\u00e9rant les REHe<\/sub> et la s\u00e9rie de d\u00e9bit comme donn\u00e9es d\u2019entr\u00e9e du mod\u00e8le NIT-DRAIN<\/em>. D\u00e8s lors, nous pouvons consid\u00e9rer que durant la saison de drainage, le mod\u00e8le permet d\u2019expliquer la majeure partie des dynamiques de concentration et des exportations de nitrate du sol en se basant principalement sur les caract\u00e9ristiques hydrauliques du drainage sans prendre en compte les processus biog\u00e9ochimiques. Le mod\u00e8le NIT-DRAIN<\/em>, de type conceptuel, est compos\u00e9 de peu de param\u00e8tres de calages qui peuvent \u00eatre fix\u00e9s et donc g\u00e9n\u00e9riques sur tous les sites drain\u00e9s. Il ne n\u00e9cessite que le d\u00e9bit de drainage observ\u00e9 ou simul\u00e9 (par exemple par SIDRA-RU, (Henine et al., 2022)) et le REH comme donn\u00e9es d\u2019entr\u00e9e. Les simulations obtenues affichent de tr\u00e8s bonnes performances o\u00f9 les crit\u00e8res sont tr\u00e8s proches de leurs valeurs optimales pour les flux. Cependant, des performances similaires sur les flux ont d\u00e9j\u00e0 \u00e9t\u00e9 publi\u00e9es dans plusieurs \u00e9tudes (Youssef et al., 2005\u00a0; Lindstr\u00f6m et al., 2010\u00a0; Ale et al., 2013). L\u2019originalit\u00e9 de ce mod\u00e8le est la reproduction, en plus des flux, de bonnes simulations de concentration en nitrate. En effet, des performances \u00e9lev\u00e9es avec des valeurs de NSE et le KGE sup\u00e9rieurs \u00e0 0,5 ont pu \u00eatre obtenues pour tous les types de calage confondus avec NIT-DRAIN<\/em>. Ces performances sont rarement atteintes dans la litt\u00e9rature (Beaudoin et al., 2021). De plus, Moriasi et al. (2015) pr\u00e9cise que des valeurs de NSE sup\u00e9rieurs \u00e0 0,35 peuvent \u00eatre consid\u00e9r\u00e9es comme satisfaisantes lorsqu\u2019il s\u2019agit des simulations de concentration en nitrate.\r\n\r\nNous nous sommes int\u00e9ress\u00e9s plus particuli\u00e8rement \u00e0 l\u2019\u00e9tude de la robustesse spatio-temporelle du mod\u00e8le NIT-DRAIN<\/em>, con\u00e7u pour simuler le transfert de nitrate en milieu agricole drain\u00e9. L\u2019objectif \u00e9tait de construire un mod\u00e8le conceptuel simple, parcimonieux en termes de param\u00e8tres d\u2019entr\u00e9e et pouvant regrouper des valeurs g\u00e9n\u00e9riques de param\u00e8tres sur l\u2019ensemble des sites drain\u00e9es en France. De plus, NIT-DRAIN<\/em> a \u00e9t\u00e9 con\u00e7u pour permettre l\u2019estimation du stock initial de nitrate (REHe<\/sub>) dans le sol au d\u00e9but de la saison de drainage sans avoir \u00e0 le mesurer \u00e0 la parcelle. Cela n\u00e9cessite un minimum de donn\u00e9es d\u2019entr\u00e9e \u00e0 savoir les d\u00e9bits observ\u00e9s ou encore la pluie et l\u2019\u00e9vapotranspiration potentielle (ETP) en cas de couplage avec un mod\u00e8le conceptuel de drainage (ex. SIDRA-RU) qui permettrait de s\u2019affranchir des observations de d\u00e9bit. Cependant un capteur de hauteur d\u2019eau install\u00e9 dans un foss\u00e9 de drainage agricole permet de suivre l\u2019\u00e9volution des d\u00e9bits au pas de temps horaire pour un co\u00fbt inf\u00e9rieur \u00e0 1000 \u20ac.\r\n\r\nL\u2019\u00e9tude de la variabilit\u00e9 interannuelle des param\u00e8tres du mod\u00e8le NIT-DRAIN<\/em> a montr\u00e9 que certains param\u00e8tres sont tr\u00e8s stables quel que soit le type de calage alors que d\u2019autres peuvent pr\u00e9senter quelques diff\u00e9rences, plus particuli\u00e8rement pour le site de La Jailli\u00e8re. Cette diff\u00e9rence peut s\u2019expliquer par l\u2019h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des saisons hydrologiques rencontr\u00e9es. M\u00eame si les param\u00e8tres pr\u00e9sentent quelques variabilit\u00e9s sur le site de La Jailli\u00e8re, le choix d\u2019un jeu unique et g\u00e9n\u00e9rique conduit \u00e0 des r\u00e9sultats tr\u00e8s acceptables et les REHe<\/sub> estim\u00e9s sont tr\u00e8s prometteurs, ce qui ne remet pas en cause la robustesse du mod\u00e8le (gradient de superficie, rotations agricoles diff\u00e9rentes et diversit\u00e9 des ann\u00e9es hydrologiques).\r\n\r\nLes REHe<\/sub> du site de La Jailli\u00e8re sont tr\u00e8s proches des valeurs mesur\u00e9es sur le terrain. De m\u00eame pour les sites de Rampillon et de Gobard. A plus grande \u00e9chelle, nous pouvons noter que les REHe<\/sub> sont relativement comparables avec les REHp<\/sub> pond\u00e9r\u00e9s \u00e0 l'\u00e9chelle du d\u00e9partement de la Seine et Marne. Dans ce cas, les valeurs estim\u00e9es de REH peuvent tout de m\u00eame constituer un bon indicateur de la pression azot\u00e9e du sol en d\u00e9but d'hiver. A noter que les REH estim\u00e9s par le mod\u00e8le doivent, id\u00e9alement, \u00eatre compar\u00e9s \u00e0 des REH mesur\u00e9s localement sur une \u00e9chelle spatiale similaire.\r\n\r\nNotre \u00e9tude consistait \u00e0 d\u00e9terminer la robustesse spatiale et temporelle du mod\u00e8le NIT-DRAIN<\/em>. Ce mod\u00e8le conceptuel permet l\u2019estimation du REH, pr\u00e9sent\u00e9 dans cette \u00e9tude comme un indicateur de pollution azot\u00e9e. Pour cela, le mod\u00e8le g\u00e9n\u00e8re, \u00e0 partir d\u2019une chronique de d\u00e9bit (observ\u00e9 ou simul\u00e9) une chronique de flux et de concentration en nitrate au pas de temps horaire. Les param\u00e8tres du mod\u00e8le sont compos\u00e9s, d\u2019une part, de param\u00e8tres internes dont un jeu unique a \u00e9t\u00e9 d\u00e9fini et, d\u2019autre part, d\u2019un param\u00e8tre d\u2019ajustement variable d\u2019une ann\u00e9e sur l\u2019autre\u00a0: le REHe<\/sub>. Ce nombre relativement faible de param\u00e8tres lui conf\u00e8re une simplicit\u00e9 de prise en main, qui ne remet pas en question son efficacit\u00e9. Dans les exemples cit\u00e9s, le mod\u00e8le simule bien les comportements des concentrations en nitrate dans les milieux drain\u00e9s (entra\u00eenement et dilution). L\u2019utilisation des param\u00e8tres calibr\u00e9s sur l\u2019ensemble de la p\u00e9riode de donn\u00e9es permet d\u2019\u00e9viter le probl\u00e8me d\u2019\u00e9quifinalit\u00e9 tout en pr\u00e9servant la qualit\u00e9 des estimations du REHe<\/sub> pour chaque site et plus particuli\u00e8rement pour le site de La Jailli\u00e8re.\r\n\r\nDans un second temps, le mod\u00e8le a \u00e9t\u00e9 utilis\u00e9 en mode inverse pour rechercher la fr\u00e9quence d\u2019\u00e9chantillonnage optimale qui permet l\u2019estimation du REHe<\/sub> avec le minimum d\u2019incertitude et de donn\u00e9es de concentration en nitrate. D\u2019apr\u00e8s les r\u00e9sultats, le mois de janvier s\u2019av\u00e8re propice \u00e0 la mesure de la concentration en nitrate \u00e0 l\u2019\u00e9chelle parcellaire avec une erreur limit\u00e9e (< 5\u00a0%) sur la valeur de REHe<\/sub>. L\u2019\u00e9cart est faible entre les valeurs de REH mesur\u00e9s et les REHop<\/sub> calcul\u00e9s en prenant en consid\u00e9ration une seule donn\u00e9e de concentration en nitrate (mesur\u00e9e durant le mois de janvier). A d\u00e9faut d\u2019un suivi hydrologique en contexte drain\u00e9, l\u2019approche simplifi\u00e9e propos\u00e9e sur la base d\u2019une \u00e9quation de type exponentielle, d\u2019une concentration mesur\u00e9e en janvier et d\u2019un bilan hydrique hivernal fournit un ordre de grandeur acceptable (erreur < 14\u00a0%). Ces chiffres d\u2019erreur de 17\u00a0\u00a0% (mod\u00e8le) ou 14\u00a0% (op\u00e9rationnel) seraient \u00e0 comparer avec les erreurs exp\u00e9rimentales lors des pr\u00e9l\u00e8vements de sol classiquement utilis\u00e9s dans la d\u00e9termination parcellaire des REH. Les parcelles drain\u00e9es peuvent alors constituer un indicateur de performance agronomique en jouant un r\u00f4le de sentinelle de l\u2019environnement.\r\n

    Bibliographie<\/h1>\r\nAgreste, la statistique agricole. s. d. Consult\u00e9 le 21 juin 2021. https:\/\/agreste.agriculture.gouv.fr\/agreste-web\/<\/a>\r\n\r\nAle S., Gowda P.G., Mulla D.J., Moriasi D.N., et Youssef M.A. 2013. Comparison of the Performances of DRAINMOD-NII and ADAPT Models in Simulating Nitrate Losses from Subsurface Drainage Systems. Agricultural Water Management,<\/em> 129, 21\u201130. https:\/\/doi.org\/10.1016\/j.agwat.2013.07.008.<\/a>\r\n\r\nAQUI\u2019Brie - Connaissance et protection de l\u2019aquif\u00e8re du Champigny. s. d. AQUI\u2019Brie - Connaissance et protection de l\u2019aquif\u00e8re du Champigny. Consult\u00e9 le 21 juin 2021. https:\/\/www.aquibrie.fr\/<\/a>\r\n\r\nArlot M.P., 1999. Nitrates dans les eaux. Drainage acteur, drainage t\u00e9moin\u202f? Les enseignements d\u2019une approche hydrologique et hydraulique\u202f: - sur l\u2019influence du drainage agricole sur la contamination diffuse par les nitrates\u202f; - sur les possibilit\u00e9s d\u2019utiliser les parcelles drain\u00e9es pour l\u2019analyse de la dite contamination. Th\u00e8se de doctorat<\/em>. France, Paris\u00a0: Universit\u00e9 Paris VI. https:\/\/hal.inrae.fr\/tel-02579090<\/a>\r\n\r\nArnold J. G., Moriasi D. N., Gassman P. W., Abbaspour K. C., White M. J., Srinivasan R., Santhi C., Harmel R. D., van Griensven A., Van Liew M. W., Kannan N., Jha M. K., 2012. SWAT: Model Use, Calibration, and Validation. Transactions of the ASABE<\/em>, 55(4), 1491-1508. https:\/\/doi.org\/10.13031\/2013.42256<\/a>\r\n\r\nARVALIS.\u202fToute l\u2019info pour g\u00e9rer son exploitation agricole. s. d. Consult\u00e9 le 21 juin 2021. https:\/\/www.arvalis-infos.fr\/index.html<\/a>\r\n\r\nBallif J., Herre C., Gobert D., 1996. Les lysim\u00e8tres en sol de craie de Ch\u00e2lons-sur-Marne.\u00a0 In\u00a0:<\/em> Muller J.-C. (coord). Trente ans de lysim\u00e9trie en France 1960\u20131990<\/em>. (pp. 115-149). COMIFER-INRA \u00c9ditions Paris.\r\n\r\nBeaudoin N., Venet E., Maucorps J., Vandenberghe C., Pugeaux N., Viennot P., Gourcy L., Brayer C., Machet J.-M., Couturier A., 2021. Long term response of water and nitrogen fluxes to Good Agricultural Practices at field and catchment scales. Science of the Total Environment<\/em>, 776, 145954.\r\n\r\nBilly C., 2008. Transfert et r\u00e9tention d\u2019azote \u00e0 l\u2019\u00e9chelle d\u2019un bassin versant agricole artificiellement drain\u00e9. Th\u00e8se de doctorat.<\/em> \u00c9cole doctorale G\u00e9osciences et Ressources Naturelles Sp\u00e9cialit\u00e9 Sciences de l\u2019Eau, Universit\u00e9 Pierre et Marie Curie. https:\/\/hal.inrae.fr\/tel-02592186<\/a>\r\n\r\nBranger F., Tournebize J., Carluer N., Kao C., Braud I., Vauclin M., 2009. A simplified modelling approach for pesticide transport in a tile-drained field: the PESTDRAIN model. Agricultural Water Management,<\/em> 96 (3), 415\u201128. https:\/\/hal.archives-ouvertes.fr\/hal-00547576<\/a>\r\n\r\nBrisson N., Mary B., Ripoche D., Jeuffroy M.-H, Ruget F., Nicoullaud B., Gate P. et al., 1998. STICS: A Generic Model for the Simulation of Crops and Their Water and Nitrogen Balances. I. Theory and Parameterization Applied to Wheat and Corn. Agronomie,<\/em> 18 (5\u20116) 311. https:\/\/hal.inrae.fr\/hal-02698682<\/a>\r\n\r\nBurns I. G., 1975. An Equation to Predict the Leaching of Surface-Applied Nitrate. The Journal of Agricultural Science<\/em>, 85 (3), 443\u201154. https:\/\/doi.org\/10.1017\/S0021859600062328<\/a>\r\n\r\nChelil S., Oubanas H., Henine H., Igor G., Malaterre P. O., Tournebize J., 2022. Variational Data Assimilation to Improve Subsurface Drainage Model Parameters. Journal of Hydrology <\/em>: 128006. https:\/\/doi.org\/10.1016\/j.jhydrol.2022.128006<\/a>\r\n\r\nChelil S., H\u00e9nine H., Chaumont C., Tournebize J., 2022. NIT-DRAIN model to simulate nitrate concentrations and leaching in a tile-drained agricultural field. Agricultural Water Management<\/em>, 271: 107798. https:\/\/doi.org\/10.1016\/j.agwat.2022.107798<\/a>\r\n\r\nCoron L., 2013. Les mod\u00e8les hydrologiques conceptuels sont-ils robustes face \u00e0 un climat en \u00e9volution\u202f? Diagnostic sur un \u00e9chantillon de bassins versants fran\u00e7ais et australiens. Phdthesis.<\/em> Paris, France\u00a0: AgroParisTech. https:\/\/pastel.archives-ouvertes.fr\/pastel-00879090<\/a>\r\n\r\nGarnier J., Billen G., Tournebize J., Barr\u00e9 P., Mary B., Baudin F., 2022. Storage or loss of soil active carbon in cropland soils\u00a0: The effect of agricultural practices and hydrology. Geoderma,<\/em> 407, 115538.\r\n\r\nGowda P. H., Mulla D. J., Desmond E. D., Ward A. D., Moriasi D. N., 2012. ADAPT\u00a0: Model Use, Calibration, and Validation. Transactions of the ASABE<\/em>, 55 (4), 1345\u201152. https:\/\/doi.org\/10.13031\/2013.42246<\/a>\r\n\r\nGuest G., Kr\u00f6bel R., Grant B., Smith W., Sansoulet J., Pattey E., Desjardins R., J\u00e9go G., Tremblay N., Tremblay G., 2017. Model Comparison of Soil Processes in Eastern Canada Using DayCent, DNDC and STICS Nutrient Cycling in Agroecosystems<\/em>, 109 (3), 211\u201132. https:\/\/doi.org\/10.1007\/s10705-017-9880-8<\/a>\r\n\r\nGupta H. V., Kling H., Yilmaz K.K., Martinez G.F., 2009. Decomposition of the Mean Squared Error and NSE Performance Criteria: Implications for Improving Hydrological Modelling. Journal of Hydrology<\/em>, 377 (1\u20112), 80\u201191. https:\/\/doi.org\/10.1016\/j.jhydrol.2009.08.003<\/a>\r\n\r\nHenine H., Jeantet A., Chaumont C., Chelil S., Lauvernet C., Tournebize J., 2022. Coupling of a subsurface drainage model with a soil reservoir model to simulate drainage discharge and drain flow start. Agricultural Water Management<\/em>, 262, 107318. https:\/\/doi.org\/10.1016\/j.agwat.2021.107318<\/a>\r\n\r\nJustes E., Beaudoin N., Bertuzzi P., Charles R., Constantin J., Durr C., Hermon C. et al., 2013. Les cultures interm\u00e9diaires pour une production agricole durable<\/em>. \u00c9ditions Quae. https:\/\/hal.archives-ouvertes.fr\/hal-01072297<\/a>\r\n\r\nJury W. A., Roth K., 1990. Transfer functions and solute movement through soil: theory and applications<\/em>. Suisse, Basel\u00a0: Birkh\u00e4user Verlag AG.\r\n\r\nKao C., 2008. Une hydrologie des versants \u00e0 nappes superficielles drain\u00e9es: approches multi-processus et multi-\u00e9chelles.\u00a0 France, Paris\u00a0: Universit\u00e9 Pierre et Marie Curie. https:\/\/tel.archives-ouvertes.fr\/tel-00472456\/document<\/a>\r\n\r\nKladivko E. J., Van Scoyoc G. E., Monke E. J., Oates K. M., Pask W., 1991. Pesticide and Nutrient Movement into Subsurface Tile Drains on a Silt Loam Soil in Indiana. Journal of Environmental Quality<\/em>, 20 (1), 264\u201170. https:\/\/doi.org\/10.2134\/jeq1991.00472425002000010043x<\/a>\r\n\r\nLasdon L. S., Waren A. D., Jain A., Ratner M., 1978. Design and Testing of a Generalized Reduced Gradient Code for Nonlinear Programming. ACM Transactions on Mathematical Software<\/em>, 4 (1), 34\u201150. https:\/\/doi.org\/10.1145\/355769.355773<\/a>\r\n\r\nChangsheng L., 1996. The DNDC Model (Mod\u00e8le de Base). In\u00a0:\u00a0 David S. P., Smith P.,\u00a0 Jo U. (eds). Evaluation of Soil Organic Matter Models.<\/em> Berlin, Heidelberg\u00a0: Springer Berlin Heidelberg. https:\/\/doi.org\/10.1007\/978-3-642-61094-3_20<\/a>\r\n\r\nLindstr\u00f6m G., Pers C., Rosberg J., Str\u00f6mqvist J., Arheimer B., 2010. Development and testing of the HYPE (Hydrological Predictions for the Environment) water quality model for different spatial scales. Hydrology research<\/em>, 41(3-4), 295-319. https:\/\/doi.org\/10.2166\/nh.2010.007<\/a>\r\n\r\nLorre E., Zimmer D., G\u00e9rard J. P., Dutertre A., Arlot M.-P., 1994. Influence du drainage sur le ruissellement hivernal \u00e0 l\u2019\u00e9chelle de la parcelle. Journ\u00e9es de l\u2019hydraulique<\/em>, 23 (1), 87\u201193. https:\/\/www.persee.fr\/doc\/jhydr_0000-0001_1994_act_23_1_5321<\/a>\r\n\r\nMagesan G., Scotter D., White R., 1994. A transfer function approach to modeling the leaching of solutes to subsurface drains .I. Nonreactive solutes. Soil Research,<\/em> 32(1), 69-83. https:\/\/doi.org\/10.1071\/SR9940069<\/a>\r\n\r\nMander \u00dc., Tournebize J., Espenberg M., Chaumont C., Torga R., Garnier J., Muhel M., Maddison M., Lebrun J. D., Uher E., Remm K., P\u00e4rn J., Soosaar K., 2021. High denitrification potential but low nitrous oxide emission in a constructed wetland treating nitrate-polluted agricultural run-off. Science of the Total Environment<\/em>, 779, 146614. https:\/\/doi.org\/10.1016\/j.scitotenv.2021.146614<\/a>\r\n\r\nMariotti A., 1998. Nitrate: un polluant de longue dur\u00e9e. Pour la science,<\/em> 249, 60-65.\r\n\r\nMoriasi D., Gitau M., Pai N., Daggupati P., 2015. Hydrologic and Water Quality Models: Performance Measures and Evaluation Criteria. Transactions of the ASABE (American Society of Agricultural and Biological Engineers),<\/em> 58, 1763-1785. doi:10.13031\/trans.58.10715\r\n\r\nNash J.E., Sutcliffe J.V., 1970. River Flow Forecasting through Conceptual Models Part I \u2014 A Discussion of Principles. Journal of Hydrology<\/em>, 10 (3), 282\u201190. https:\/\/doi.org\/10.1016\/0022-1694(70)90255-6<\/a>\r\n\r\nORACLE. 2013. GIS Oracle. 12 d\u00e9cembre 2013. https:\/\/gisoracle.inrae.fr\/<\/a>\r\n\r\nParton W. J., Hartman M., Ojima D., Schimel D., 1998. DAYCENT and Its Land Surface Submodel: Description and Testing. Global and Planetary Change<\/em>, 19 (1\u20114), 35\u201148. https:\/\/doi.org\/10.1016\/S0921-8181(98)00040-X<\/a>\r\n\r\nSurdyk N., Gutierrez A., Baran N., Thi\u00e9ry D., 2021. A Lumped Model to Simulate Nitrate Concentration Evolution in Groundwater at Catchment Scale. Journal of Hydrology<\/em>, 596 (mai), 125696. https:\/\/doi.org\/10.1016\/j.jhydrol.2020.125696<\/a>\r\n\r\nTang T., Strokal M., van Vliet M.T.H., Seuntjens P., Burek P., Kroeze C., Langan S., Wada Y., 2019. Bridging Global, Basin and Local-Scale Water Quality Modeling towards Enhancing Water Quality Management Worldwide. Current Opinion in Environmental Sustainability<\/em>, 36 (f\u00e9vrier), 39\u201148. https:\/\/doi.org\/10.1016\/j.cosust.2018.10.004<\/a>\r\n\r\nTournebize J., Arlot M.-P., Billy C., Birgand F., Gillet J.-P., Dutertre A., 2008. Quantification et ma\u00eetrise des flux de nitrates: de la parcelle drain\u00e9e au bassin versant. Ing\u00e9nierie Eau Agriculture et Territoires<\/em>, Special Issue, 5-25.\r\n\r\nTournebize J., Chaumont C., Fesneau C., Guenne A., Vincent B., Garnier J., Mander \u00dc., 2015. Long-Term Nitrate Removal in a Buffering Pond-Reservoir System Receiving Water from an Agricultural Drained Catchment. Ecological Engineering<\/em>, 80 (juillet), 32\u201145. https:\/\/doi.org\/10.1016\/j.ecoleng.2014.11.051<\/a>\r\n\r\nTournebize J., Chaumont C., Henine H., Vincent B., Kchouk S., Mander U., 2017. R\u00e9duire les flux de pesticides et nitrate par une zone tampon humide artificielle\u202f: Site pilote de Rampillon. Pr\u00e9sentation AQUI Brie. http:\/\/atbvb.fr\/sites\/default\/files\/media\/porte_documents\/journees_techniques\/2017-jan_atbvb_zonestampons_irstea-j-tournebize.pdf<\/a>\r\n\r\nYoussef M.A. et al., 2005. The nitrogen simulation model, DRAINMOD-N II. Transactions of the ASAE,<\/em> 48(2), 611-626. https:\/\/doi.org\/10.13031\/2013.18335<\/a>\r\n\r\n ","rendered":"
    \n

    R\u00e9sum\u00e9<\/strong><\/p>\n

    La pollution diffuse des eaux douces par le nitrate fait partie des pr\u00e9occupations majeures des \u00c9tats membres de l\u2019UE. En milieu agricole, les vitesses de transfert du nitrate sont plus importantes en pr\u00e9sence d\u2019un syst\u00e8me de drainage artificiel. Cela conduit g\u00e9n\u00e9ralement \u00e0 une augmentation des exportations d\u2019azote min\u00e9ral vers les eaux superficielles.<\/p>\n

    Le d\u00e9veloppement r\u00e9cent du mod\u00e8le conceptuel NIT-DRAIN<\/em> permet la simulation des flux et concentrations en nitrate \u00e0 partir d\u2019une variable de stock initial en azote que l\u2019on nomme REHe<\/sub>, \u00e9quivalent \u00e0 un reliquat azot\u00e9 en entr\u00e9e d\u2019hiver (REH) sur l\u2019\u00e9chelle d\u2019investigation. Ce mod\u00e8le est appliqu\u00e9 sur trois sites repr\u00e9sentatifs drain\u00e9s en France pour lesquels des donn\u00e9es de d\u00e9bit et de concentrations acquises au pas de temps horaire sont disponibles sur une p\u00e9riode de plusieurs ann\u00e9es. L\u2019objectif est en premier lieu d\u2019analyser le fonctionnement du mod\u00e8le sur les trois sites d\u2019\u00e9tude puis d\u2019analyser la fr\u00e9quence d\u2019\u00e9chantillonnage des concentrations en nitrate \u00e0 partir de laquelle l\u2019erreur sur l\u2019estimation des REH reste acceptable (< 10\u00a0%).<\/p>\n

    L\u2019estimation des REHe<\/sub> est plus pr\u00e9cise sur le site de la Jailli\u00e8re qui correspond \u00e0 l\u2019\u00e9chelle parcellaire (1 ha). D\u00e8s lors que l\u2019\u00e9chelle investigu\u00e9e est pluriparcellaire, le REHe<\/sub> estim\u00e9 par mod\u00e9lisation correspond \u00e0 une valeur moyenne interparcellaire. Des performances \u00e9lev\u00e9es ont \u00e9t\u00e9 obtenues lors de la mod\u00e9lisation des flux et des concentrations en nitrate sur les trois sites. Ces performances sont majoritairement pr\u00e9serv\u00e9es suite \u00e0 l\u2019utilisation d\u2019un jeu de param\u00e8tres g\u00e9n\u00e9rique \u00e0 l\u2019ensemble des sites. En utilisant le mod\u00e8le NIT-DRAIN<\/em> associ\u00e9 au module SIDRA-RU (hydrologie des syst\u00e8mes drain\u00e9s), l\u2019erreur sur l\u2019estimation des REHe<\/sub> est acceptable avec une fr\u00e9quence mensuelle de suivi des concentrations dans les eaux de drainage.<\/p>\n

    Une approche simplifi\u00e9e et op\u00e9rationnelle est propos\u00e9e pour estimer un REH \u00e0 partir d\u2019une lame d\u2019eau drain\u00e9e estim\u00e9e et d\u2019une concentration mesur\u00e9e en janvier \u00e0 l\u2019exutoire des drains. Cet indicateur contribue ainsi \u00e0 une \u00e9valuation des performances agronomiques \u00e0 l\u2019\u00e9chelle du versant drain\u00e9.<\/p>\n<\/div>\n

    Introduction<\/h1>\n

    En Europe, une des pollutions majeures des eaux superficielles et souterraines est l\u2019exc\u00e8s d\u2019azote (N) potentiellement lixiviable. C\u2019est pourquoi plusieurs textes r\u00e9glementaires dont la Directive Nitrates (91\/676\/CEE), la Directive-Cadre sur l\u2019Eau (2000\/60\/CE) et la Directive 2006\/118\/CE sont parus et ont fix\u00e9 un seuil de concentration maximale \u00e0 50\u00a0mg NO3<\/sub>–<\/sup>.L-1<\/sup> pour les masses d\u2019eau avec une valeur guide de 25 mg NO3<\/sub>–<\/sup>.L-1<\/sup>. L\u2019activit\u00e9 agricole est une source majeure des pollutions diffuses par l\u2019azote (Mariotti, 1998).<\/p>\n

    Le nitrate (NO3<\/sub>–<\/sup>), qui repr\u00e9sente au maximum 1\u00a0% de l\u2019azote du sol, est responsable de la majorit\u00e9 des pollutions azot\u00e9es dans les eaux de surface et souterraine (Tournebize et al., 2008). De nombreuses actions sont mises en place pour diminuer les concentrations en nitrate en parcelles agricoles (telles que le Programme de Gestion Durable de l\u2019Azote en agriculture (PGDA) en Belgique et le Plan de Ma\u00eetrise des pollutions d\u2019origine Agricole (PMPOA ) ou le Plan Azote National (PAN) en France). Aujourd\u2019hui, avec la prise en compte des impacts environnementaux, il est possible pour chaque exploitation agricole de mesurer un reliquat post-r\u00e9colte afin de quantifier l\u2019azote min\u00e9ral non utilis\u00e9 par les cultures et un reliquat sortie d\u2019hiver (RSH) permettant de calculer une quantit\u00e9 plus raisonn\u00e9e de fertilisants \u00e0 \u00e9pandre au printemps (Justes et al., 2013). Dans notre \u00e9tude, nous nous int\u00e9ressons au REH qui correspond \u00e0 la quantit\u00e9 de nitrate potentiellement lixiviable durant la p\u00e9riode hivernale, p\u00e9riode de recharge principale des aquif\u00e8res sous climat temp\u00e9r\u00e9 et responsable de plus de 80\u00a0% des flux annuels export\u00e9s d\u2019azote en zone de grande culture.<\/p>\n

    Cependant la mesure des reliquats, correspondant \u00e0 la quantit\u00e9 disponible de nitrate dans le sol \u00e0 diff\u00e9rentes p\u00e9riodes, est co\u00fbteuse et chronophage. En effet, des mesures ponctuelles sont r\u00e9alis\u00e9es puis extrapol\u00e9es, ce qui n\u2019est pas forc\u00e9ment repr\u00e9sentatif dans un milieu tr\u00e8s h\u00e9t\u00e9rog\u00e8ne. En plus de cette contrainte de l\u2019h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 spatiale, la p\u00e9riode de pr\u00e9l\u00e8vement des \u00e9chantillons du sol reste difficile \u00e0 pr\u00e9voir, en particulier pour le REH o\u00f9 il faudrait trouver le moment id\u00e9al se situant g\u00e9n\u00e9ralement entre la fin de la min\u00e9ralisation de l\u2019azote, lorsque les temp\u00e9ratures sont inf\u00e9rieures \u00e0 5 \u00b0C (Billy, 2008) et le d\u00e9but de l\u2019infiltration de l\u2019eau, apr\u00e8s r\u00e9humectation du sol.<\/p>\n

    Un autre moyen de mesure possible pour \u00e9tudier les transferts de nitrate est la case lysim\u00e9trique (Ballif et al., 1996). Sa mise en \u0153uvre, complexe et co\u00fbteuse, est souvent r\u00e9serv\u00e9e aux \u00e9tudes exp\u00e9rimentales agronomiques (recherche ou chambre d\u2019agriculture). Une alternative plus pratique \u00e0 mettre en place serait d\u2019instrumenter l\u2019exutoire des secteurs drain\u00e9s par tuyaux enterr\u00e9s. G\u00e9n\u00e9ralement, la structuration hydraulique des r\u00e9seaux de drainage acc\u00e9l\u00e8re le transfert de l\u2019eau et des polluants permettant ainsi d\u2019approcher le fonctionnement des syst\u00e8mes lysim\u00e9triques g\u00e9ants (Kladivko et al., 1991\u00a0; Garnier et al., 2022). Le drainage agricole artificiel, par tuyaux enterr\u00e9s ou foss\u00e9s \u00e0 ciel ouvert, permet d\u2019\u00e9vacuer le surplus des eaux de nappes superficielles hivernales caract\u00e9ristiques des sols hydromorphes en France. Le drainage a une dimension agronomique car il vise \u00e0 stabiliser les rendements agricoles face aux contraintes climatiques et p\u00e9dologiques. Le drainage facilite aussi un meilleur acc\u00e8s aux champs par les agriculteurs. De plus, cette technique permet de collecter les eaux des parcelles qui d\u00e9bouchent sur un exutoire localis\u00e9 \u00e0 l\u2019aval du bassin versant agricole. De ce fait, le syst\u00e8me de drainage simplifie les relev\u00e9s de mesures et nous permet un acc\u00e8s facile aux donn\u00e9es de d\u00e9bits et de qualit\u00e9 de l\u2019eau (Tournebize et al., 2008\u00a0; Arlot, 1999).<\/p>\n

    Le recours aux outils de mod\u00e9lisation peut constituer une solution viable pour faire face au manque de donn\u00e9es. En effet, organiser et maintenir sur le long temps des campagnes de mesures sur le terrain est tr\u00e8s complexe. De plus, les donn\u00e9es r\u00e9colt\u00e9es \u00e0 l\u2019\u00e9chelle locale sont souvent peu repr\u00e9sentatives du comportement moyen d\u2019un bassin versant agricole. Dans la litt\u00e9rature, plusieurs mod\u00e8les permettent de quantifier le cycle de l\u2019azote du sol dans les syst\u00e8mes drain\u00e9s. Un mod\u00e8le peut \u00eatre utilis\u00e9 pour simuler les rendements agricoles (STICS, DayCent (Guest et al., 2017)), estimer les valeurs de gaz \u00e0 effet de serre (DNDC (Guest et al., 2017)) ou quantifier les exportations de polluants li\u00e9s aux pratiques agricoles (ADAPT, DRAINMOD (Ale et al., 2013), SWAT (Arnold et al., 2011)).<\/p>\n

    Il existe deux grandes cat\u00e9gories de mod\u00e8les\u00a0: les mod\u00e8les conceptuels o\u00f9 les processus sont simplifi\u00e9s et peuvent s\u2019appliquer aux grandes \u00e9chelles\u00a0; et les mod\u00e8les m\u00e9canistes dans lesquels les comportements sont d\u00e9crits de mani\u00e8re plus fine \u00e0 l\u2019aide d\u2019\u00e9quations math\u00e9matiques pour des applications locales (Tang et al., 2019). Parmi les exemples choisis, les mod\u00e8les de simulation hydrologique sont parfois m\u00e9canistes (ADAPT (Gowda et\u00a0al., 2012), DayCent (Parton et al., 1998) et DRAINMOD-NII (Youssef et al., 2005)) et parfois conceptuels, sous forme de bilan hydrique pour SWAT (Arnold et al., 2011), STICS (Brisson et al., 1998) et DNDC (Li, 1996). Pour repr\u00e9senter le plus fid\u00e8lement possible la r\u00e9alit\u00e9, ces mod\u00e8les conceptuels reposent sur un r\u00e9servoir sol multicouches ou compartiment\u00e9s (Ale et al., 2013\u00a0; Guest et al., 2017). Cette d\u00e9composition spatiale permet de tenir compte de l\u2019h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 verticale (dans le premier cas) ou de l\u2019h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 plut\u00f4t horizontale (dans le second) mais elle entra\u00eene le besoin de nombreux param\u00e8tres. Les mod\u00e8les conceptuels \u00e0 param\u00e8tres r\u00e9duits sont de plus en plus d\u00e9velopp\u00e9s et utilis\u00e9s (Surdyk et al., 2021). Nous nous int\u00e9ressons plus particuli\u00e8rement \u00e0 l\u2019\u00e9tude de la robustesse du mod\u00e8le conceptuel NIT-DRAIN<\/em>. La robustesse correspond \u00e0 l\u2019\u00e9valuation des performances d\u2019un mod\u00e8le dans diff\u00e9rents contextes spatiaux temporels (Coron, 2013). Cette \u00e9tude a comme objectifs (1) d\u2019\u00e9valuer la robustesse spatiale du mod\u00e8le conceptuel NIT-DRAIN<\/em>, (2) de quantifier la fr\u00e9quence d\u2019\u00e9chantillonnage des concentrations en nitrate \u00e0 partir de laquelle l\u2019incertitude sur l\u2019estimation des REH reste acceptable et (3) proposer une approche simplifi\u00e9e et op\u00e9rationnelle pour quantifier les REH.<\/p>\n

    Mat\u00e9riel et m\u00e9thodes<\/h1>\n

    Description des sites d\u2019\u00e9tude<\/h2>\n

    A l\u2019\u00e9chelle de la France, les parcelles drain\u00e9es repr\u00e9sentent 10\u00a0% de la surface agricole utile (SAU, rapport normalis\u00e9 ne prenant pas en compte les for\u00eats et les centres urbains) et peut s\u2019\u00e9tendre jusqu\u2019\u00e0 90\u00a0% dans certaines r\u00e9gions, correspondant au total \u00e0 3 Mha (Kao, 2008). Les r\u00e9gions fortement drain\u00e9es, jouant le r\u00f4le de lysim\u00e8tre g\u00e9ant, constituent des lieux privil\u00e9gi\u00e9s pour l\u2019analyse des transferts de nitrate. Cette particularit\u00e9 est pr\u00e9sente chez les trois sites s\u00e9lectionn\u00e9s dans cette \u00e9tude (Figure 1).<\/p>\n

     <\/p>\n

    \"\"<\/a>
    Figure 1. Localisation des sites d\u2019\u00e9tude et pourcentage de drainage par canton (Agreste) (\u00ab Agreste, la statistique agricole \u00bb).<\/em><\/figcaption><\/figure>\n

    Ces trois sites ont des superficies contrast\u00e9es (i.e.<\/em> Rampillon, 335 ha\u00a0; Gobard, 36 ha et La Jailli\u00e8re, 1 ha) et pr\u00e9sentent diverses rotations culturales avec comme culture dominante, le bl\u00e9 d\u2019hiver (Triticum aestivum<\/em>) (Figure 2). La zone de Rampillon correspond \u00e0 un bassin versant de 355 ha o\u00f9 au moins 95\u00a0% de l\u2019ensemble de la superficie est drain\u00e9e. Le site de Gobard est compos\u00e9 de plusieurs champs drain\u00e9s totalisant une superficie de 36 ha o\u00f9 le point de mesure est un collecteur (point de connexion de plusieurs drains). Ces deux sites sont localis\u00e9s au centre du Bassin Parisien, \u00e0 l\u2019Est de la r\u00e9gion parisienne (77), g\u00e9r\u00e9s par INRAE (UR HYCAR (Antony) et par l\u2019observatoire ORACLE (ORACLE 2013)). La derni\u00e8re zone d\u2019\u00e9tude est la parcelle num\u00e9ro (P3) du site exp\u00e9rimental de La Jailli\u00e8re, d\u2019une surface de 1 ha, localis\u00e9e \u00e0 l\u2019Ouest de la France, au Sud du Massif Armoricain. Le site est g\u00e9r\u00e9 par Arvalis depuis 1987.<\/p>\n

     <\/p>\n

    \"\"<\/a>
    Figure 2. Pourcentage des cultures durant les ann\u00e9es hydrologiques \u00e9tudi\u00e9es\u00a0: Rampillon entre 2014 et 2020 (A) (\u00ab AQUI\u2019Brie \u2013 Connaissance et protection de l\u2019aquif\u00e8re du Champigny \u00bb s. d.), Gobard entre 2008 et 2012 (B) (\u00ab ORACLE \u00bb 2013) et La Jailli\u00e8re en 1989, 1990, 1993 et 1994 (C).<\/em><\/figcaption><\/figure>\n

    La composition min\u00e9ralogique des sols des trois sites est similaire (limoneuse majoritairement) reposant sur un substratum soit d\u2019argile pour Gobard et Rampillon (Tournebize et al., 2015) soit des alt\u00e9rites de schistes pour La Jailli\u00e8re (Lorre et al., 1994). Ils sont soumis \u00e0 un climat oc\u00e9anique relativement identique, o\u00f9 ils re\u00e7oivent entre 600 et 700\u00a0mm.an-1<\/sup> de pluie pour une temp\u00e9rature moyenne annuelle de 11 \u00b0C.<\/p>\n

    Les donn\u00e9es utilis\u00e9es<\/h2>\n

    Le bassin versant agricole de Rampillon a \u00e9t\u00e9 instrument\u00e9 pour une acquisition \u00e0 haute fr\u00e9quence (horaire) de 2014 \u00e0 2020 nous permettant d\u2019avoir six ans de donn\u00e9es de d\u00e9bit et des concentrations en nitrate. \u00c9galement, les mesures de qualit\u00e9 de l\u2019eau (nitrate) et de d\u00e9bit au pas de temps horaire ont \u00e9t\u00e9 enregistr\u00e9es en aval du bassin versant agricole de Gobard durant les ann\u00e9es hydrologiques allant de 2008 \u00e0 2012.<\/p>\n

    Concernant le site de la Jailli\u00e8re, les mesures sont souvent partielles et comportent beaucoup de lacunes, nous permettant uniquement d\u2019exploiter les donn\u00e9es horaires de d\u00e9bit et de concentration en nitrate des quatre saisons\u00a0: 1989, 1990, 1993 et 1994. Les d\u00e9bits ont \u00e9t\u00e9 enregistr\u00e9s soit \u00e0 l\u2019aide d\u2019une sonde de pression (d\u00e9bim\u00e8tre Sigma 950, Hach \u00e0 Rampillon, (Mander et al., 2021\u00a0; Chelil et al., 2022)), soit par une sonde mesurant la hauteur d\u2019eau et la transformant en d\u00e9bit gr\u00e2ce \u00e0 une courbe de tarage (capteur Druck PDCR1830 \u00e0 Gobard (Tournebize et al., 2015) et V notch Weir \u00e0 La Jailli\u00e8re (Henine et al., 2022)). Quant aux concentrations, elles ont \u00e9t\u00e9 mesur\u00e9es \u00e0 partir d\u2019un spectrom\u00e8tre \u00e0 UV de type Nitral pour La Jailli\u00e8re et de type S::can pour les deux autres sites.<\/p>\n

    Les saisons hydrologiques pr\u00e9sentent des variations hydroclimatiques. La lame d\u2019eau drain\u00e9e varie de 21 mm (La Jailli\u00e8re, 1994) \u00e0 369 mm (Rampillon, 2017), avec en moyenne des volumes drain\u00e9s annuels de 150 mm.<\/p>\n

    Nous distinguons deux grandes tendances pour les concentrations en nitrate\u00a0: une r\u00e9gularit\u00e9 des donn\u00e9es observ\u00e9es sur les sites de grandes superficies avec des concentrations moyennes en nitrate de (54,2 \u00b1 3,4) mg NO3<\/sub>–<\/sup>.L-1<\/sup> pour Rampillon (tableau 1a) et de (63,6\u00a0\u00b1 6,0) mg NO3<\/sub>–<\/sup>.L-1<\/sup> pour Gobard (tableau 1b)\u00a0; une variabilit\u00e9 prononc\u00e9e pour La Jailli\u00e8re, comme le montre l\u2019\u00e9cart-type tr\u00e8s \u00e9lev\u00e9 (81,9 \u00b1 64,2) mg NO3<\/sub>–<\/sup>.L-1<\/sup> (tableau 1c).<\/p>\n

    Tableau 1a. Site de Rampillon. Comparaison des valeurs moyennes des concentrations, des flux de nitrate (**calcul\u00e9 de septembre \u00e0 f\u00e9vrier) ainsi que des REH obtenus apr\u00e8s le calage interannuel et \u00e0 partir du jeu de param\u00e8tres unique sur les trois sites \u00e9tudi\u00e9s.<\/h6>\n

    \"\"<\/a><\/p>\n

    Tableau 1b. Site de Gobard. Comparaison des valeurs moyennes des concentrations, des flux de nitrate (**calcul\u00e9 de septembre \u00e0 f\u00e9vrier) ainsi que des REH obtenus apr\u00e8s le calage interannuel et \u00e0 partir du jeu de param\u00e8tres unique sur les trois sites \u00e9tudi\u00e9s.<\/h6>\n

    \"\"<\/a><\/p>\n

    <\/h6>\n
    <\/h6>\n
    <\/h6>\n

     <\/p>\n

    Tableau 1c. Site de La Jalli\u00e8re. Comparaison des valeurs moyennes des concentrations, des flux de nitrate (**calcul\u00e9 de septembre \u00e0 f\u00e9vrier) ainsi que des REH obtenus apr\u00e8s le calage interannuel et \u00e0 partir du jeu de param\u00e8tres unique sur les trois sites \u00e9tudi\u00e9s. *L\u2019ann\u00e9e 1994 pr\u00e9sente des lacunes de suivi du Nitral.<\/h6>\n

    \"\"<\/a>
    \nLes flux annuels de nitrate sont plus importants \u00e0 La Jailli\u00e8re (\u00a0 \u0334 37 kg N.ha-1<\/sup>) que sur les autres sites (ordre de grandeur de 12-16 kg N.ha-1<\/sup>). Malgr\u00e9 des ann\u00e9es hydrologiques contrast\u00e9es, les donn\u00e9es moyennes sont assez similaires sur les sites pluriparcellaires (Rampillon et Gobard) (tableaux 1a et 1b) alors qu\u2019elles sont plus fluctuantes \u00e0 La Jailli\u00e8re (tableau 1c).<\/p>\n

    Cette constatation est plus compliqu\u00e9e \u00e0 d\u00e9finir pour les REH calcul\u00e9s \u00e0 partir des mesures parcellaires, car seuls ceux de la Jailli\u00e8re (tableau 1c) sont mesur\u00e9s in situ<\/em> \u00e0 la parcelle par pr\u00e9l\u00e8vement de sol \u00e0 la tari\u00e8re et donc repr\u00e9sentatifs du stock r\u00e9el de nitrate. En effet, les REH de Rampillon et Gobard (tableaux 1a et 1b) sont d\u00e9termin\u00e9s a posteriori<\/em> en utilisant la base de donn\u00e9es de la Chambre d\u2019Agriculture de Seine et Marne \u00e0 partir d\u2019analyses de pr\u00e9l\u00e8vements de sols de parcelles repr\u00e9sentatives des assolements. En Seine et Marne, 80\u00a0% de la SAU est cultiv\u00e9e en c\u00e9r\u00e9ale (ex. bl\u00e9, ma\u00efs (Zea mays<\/em>), orge (Hordeum vulgare<\/em>)) et en ol\u00e9o-prot\u00e9agineux (ex. colza (Brassica napus L.<\/em>), tournesol (Helianthus annuus<\/em>), pois (Pisum sativum L.<\/em>), soja (Glycine Max<\/em>)) dont la culture dominante est le bl\u00e9 (40\u00a0%). Les REH sont calcul\u00e9s alors en pond\u00e9rant la surface de chaque culture pr\u00e9sente sur les deux bassins versants d\u2019\u00e9tude. Ce reliquat REHp<\/sub> pond\u00e9r\u00e9 ne repr\u00e9sente pas un REH parcellaire mais un REH moyenn\u00e9 sur l\u2019ensemble de la surface du bassin versant.<\/p>\n

    D\u00e9veloppement du mod\u00e8le<\/h1>\n

    Sp\u00e9cificit\u00e9s li\u00e9es au drainage<\/h2>\n

    L\u2019hydrologie du drainage se d\u00e9compose en trois p\u00e9riodes distinctes\u00a0: une phase de r\u00e9humectation du profil de sol, appel\u00e9 amorce (octobre-novembre)\u00a0; une saison de drainage intense pendant laquelle toute pluie se traduit par un d\u00e9bit (d\u00e9cembre-mars) et enfin une p\u00e9riode printani\u00e8re avec une diminution progressive des d\u00e9bits jusqu\u2019\u00e0 un arr\u00eat quasi-total en \u00e9t\u00e9. Il a \u00e9t\u00e9 montr\u00e9 que ces phases d\u2019\u00e9coulement sont souvent associ\u00e9es \u00e0 un type d\u2019\u00e9volution de la concentration en nitrate (Arlot, 1999\u00a0; Tournebize et al., 2008). En effet, durant l\u2019amorce et la phase finale du drainage saisonnier, les concentrations en nitrate ont tendance \u00e0 augmenter durant les crues (phase d\u2019entra\u00eenement). Ce ph\u00e9nom\u00e8ne entra\u00eene l\u2019exportation d\u2019une grande quantit\u00e9 de nitrate pr\u00e9sente dans les faibles profondeurs du sol. A l\u2019inverse, les \u00e9coulements se produisant durant de la saison de drainage intense sont marqu\u00e9s par une diminution de la concentration en nitrate lors des crues (phase de dilution). Ce comportement s\u2019explique par la faible pr\u00e9sence de nitrate dans les premi\u00e8res couches du sol qui dilue le stock r\u00e9siduel entre le drain et l\u2019interdrain.<\/p>\n

    Le suivi continu du d\u00e9bit et des concentrations en nitrate sur le site pilote de Rampillon nous a permis de construire les courbes de double cumul \u00ab d\u00e9bit\/flux \u00bb afin d\u2019\u00e9tudier l\u2019\u00e9volution des exportations d\u2019azote en fonction des volumes d\u2019eau drain\u00e9s cumul\u00e9s. La lixiviation du nitrate en fonction de la lame d\u2019eau drain\u00e9e est lin\u00e9aire, d\u00e9montrant un stock d\u2019azote initial non limitant. Ce stock, d\u00e9fini comme \u00e9tant le REH, permet d\u2019expliquer pas moins de 80\u00a0% du flux de nitrate export\u00e9 annuellement, en restreignant \u00e0 la p\u00e9riode septembre-f\u00e9vrier (Kladivko et al., 1991).<\/p>\n

    Description du mod\u00e8le<\/h2>\n

    Le mod\u00e8le NIT-DRAIN<\/em> (Chelil et al., 2022) permet de simuler la lixiviation du nitrate durant la p\u00e9riode de drainage en utilisant comme donn\u00e9es d\u2019entr\u00e9e le REHe<\/sub> (Reliquat Entr\u00e9e Hiver \u00e9quivalent) et le d\u00e9bit de drainage (observ\u00e9 ou simul\u00e9). Pendant la saison de drainage, les temp\u00e9ratures sont assez basses limitant ainsi la min\u00e9ralisation de l\u2019azote\u00a0; ce qui permet de faire l\u2019hypoth\u00e8se qu\u2019aucune transformation biog\u00e9ochimique significative n\u2019intervient pour faire \u00e9voluer les stocks de nitrate. De plus, la mod\u00e9lisation est arr\u00eat\u00e9e fin f\u00e9vrier de chaque saison hydrologique car les apports printaniers d\u2019engrais ne sont pas pris en compte par le mod\u00e8le \u00e0 ce stade. Les infiltrations profondes et le ruissellement peuvent \u00eatre n\u00e9glig\u00e9s en milieu drain\u00e9 (Henine et al., 2022).<\/p>\n

     <\/p>\n

    \"\"<\/a>
    Figure 3. Structure du mod\u00e8le NIT-DRAIN montrant les diff\u00e9rents r\u00e9servoirs anim\u00e9s par les d\u00e9bits et associ\u00e9s aux diff\u00e9rents param\u00e8tres et \u00e9quations de transfert.<\/em><\/figcaption><\/figure>\n

    La structure du mod\u00e8le est compos\u00e9e de trois r\u00e9servoirs conceptuels\u00a0: rapide (SR), lent superficiel (SS) et lent profond (SP) (Figure 3). Les r\u00e9servoirs sont interconnect\u00e9s, proposant des \u00e9changes de flux de nitrate en se basant sur des \u00e9quations de transfert (F1<\/sub>, F2<\/sub> et F3<\/sub>), inspir\u00e9es des travaux de Jury et Roth (1990)\u00a0: transfert F3<\/sub> du compartiment rapide utilisant l\u2019\u00e9quation de Burns (1975), transfert lent (F1<\/sub> et F2<\/sub>) encha\u00een\u00e9 dans les compartiments lents utilisant l\u2019\u00e9quation de Magesan et al. (1994) dite exponentielle (eq 4). Le d\u00e9bit de drainage total (QT) est d\u00e9compos\u00e9 en d\u00e9bit de pointe (Qp) et en d\u00e9bit de base (Qb) \u00e0 l\u2019aide du param\u00e8tre \u00ab b \u00bb.<\/p>\n

    Un coefficient de partage, not\u00e9 \u03b1, permet de r\u00e9partir la valeur de la variable d\u2019entr\u00e9e (REHe) entre le r\u00e9servoir rapide et le r\u00e9servoir lent superficiel proportionnel \u00e0 la contribution en \u00e9coulement drain (18\u00a0%) interdrain (82\u00a0%), d\u00e9fini par Branger et al. (2009). NIT-DRAIN<\/em> est compos\u00e9 de sept param\u00e8tres d\u2019entr\u00e9e caract\u00e9risant les propri\u00e9t\u00e9s du sol pour le transfert (porosit\u00e9 de lessivage) et la r\u00e9partition du stock de nitrate entre les diff\u00e9rents compartiments du sol.<\/p>\n

    Le flux total simul\u00e9 correspond \u00e0 la somme des flux sortants des deux r\u00e9servoirs SR et SP (\u00e9quation 1).<\/p>\n

    \"\"<\/a><\/p>\n

    Enfin, les valeurs des concentrations en nitrate simul\u00e9es sont obtenues en subdivisant le flux F<\/em> par le d\u00e9bit QT<\/sub><\/em> de drainage total (\u00e9quation 2).<\/p>\n

    \"\"<\/a><\/p>\n

    M\u00e9thodologie d\u2019utilisation du mod\u00e8le<\/h2>\n

    Analyse de la robustesse du mod\u00e8le<\/h3>\n

    L\u2019\u00e9valuation de la robustesse du mod\u00e8le est effectu\u00e9e sur les trois sites d\u2019\u00e9tude. Ainsi, les param\u00e8tres du mod\u00e8le NIT-DRAIN<\/em> sont calibr\u00e9s par la m\u00e9thode d\u2019optimisation GRG (Generalized Reduced Gradient<\/em>\u00a0; Lasdon et al., 1978). Un crit\u00e8re de performance objectif (d\u00e9fini par la suite) est utilis\u00e9 dans l\u2019optique de r\u00e9duire l\u2019\u00e9cart entre les simulations et les observations des concentrations en nitrate en sortie du r\u00e9seau de drainage. Cela nous permet \u00e0 la fin d\u2019obtenir un jeu de param\u00e8tres optimal. La calibration n\u00e9cessite aussi l\u2019estimation du stock initial de nitrate disponible. Ainsi, la m\u00e9thode inclut aussi la d\u00e9termination d\u2019une valeur annuelle de REHe<\/sub> qui est compar\u00e9e avec les REH mesur\u00e9s sur les trois sites.<\/p>\n

    Trois \u00e9tapes sont men\u00e9es (figure 4)\u00a0:<\/p>\n

      \n
    1. un calage annuel des param\u00e8tres o\u00f9 l\u2019on proc\u00e8de \u00e0 l\u2019optimisation du crit\u00e8re de performance ann\u00e9e par ann\u00e9e afin d\u2019\u00e9tudier la variabilit\u00e9 interannuelle des param\u00e8tres<\/li>\n
    2. un calage interannuel dit global des param\u00e8tres en prenant en consid\u00e9ration la p\u00e9riode totale d\u2019observation sur chaque site d\u2019\u00e9tude<\/li>\n
    3. la validation d\u2019un jeu de param\u00e8tres unique, en prenant en compte la moyenne des valeurs de param\u00e8tres issus du calage interannuel effectu\u00e9 sur les trois sites d\u2019\u00e9tude<\/li>\n<\/ol>\n

      Ce jeu de param\u00e8tres g\u00e9n\u00e9rique (jeu unique) est suppos\u00e9 \u00eatre repr\u00e9sentatif de l\u2019ensemble des sites. D\u00e8s lors, seules les valeurs de REHe<\/sub> sont estim\u00e9es. Le but est de v\u00e9rifier que la qualit\u00e9 des simulations de nitrate et les performances associ\u00e9es suite \u00e0 la consid\u00e9ration d\u2019un jeu de param\u00e8tres g\u00e9n\u00e9rique (unique) sont pr\u00e9serv\u00e9es.<\/p>\n

       <\/p>\n

      \"\"<\/a>
      Figure 4. Haut\u00a0: vue a\u00e9rienne des sites Rampillon (Tournebize et al., 2017), Gobard (Tournebize et al., 2015) et La Jailli\u00e8re (ARVALIS \u2013 Institut du v\u00e9g\u00e9tal). Bas\u00a0: sch\u00e9ma de la strat\u00e9gie de calage du mod\u00e8le NIT-DRAIN permettant de v\u00e9rifier sa robustesse temporelle et spatiale.<\/em><\/figcaption><\/figure>\n

      Impact de la fr\u00e9quence d\u2019\u00e9chantillonnage sur l\u2019estimation du REHe<\/sub><\/h3>\n

      Une exp\u00e9rience de mod\u00e9lisation a \u00e9t\u00e9 men\u00e9e sur les donn\u00e9es du site de Rampillon (six ann\u00e9es de donn\u00e9es au pas de temps horaire) afin d\u2019\u00e9valuer l\u2019impact de la fr\u00e9quence d\u2019\u00e9chantillonnage des concentrations en nitrate sur l\u2019estimation des reliquats entr\u00e9e hiver (REHe<\/sub>). L\u2019objectif est de d\u00e9terminer la fr\u00e9quence d\u2019\u00e9chantillonnage \u00e0 partir de laquelle l\u2019erreur sur l\u2019estimation des reliquats par le mod\u00e8le est limit\u00e9e \u00e0 10\u00a0% (seuil jug\u00e9 acceptable). En pratique, nous consid\u00e9rons comme valeur r\u00e9f\u00e9rence, le REHe<\/sub> estim\u00e9 \u00e0 partir des observations de concentrations en nitrate au pas de temps horaire. Seul le REHe<\/sub> est estim\u00e9 en imposant, comme entr\u00e9e du mod\u00e8le, des param\u00e8tres pr\u00e9-calibr\u00e9s, issus de l\u2019\u00e9valuation de la robustesse. Cette valeur \u00ab\u00a0r\u00e9f\u00e9rence\u00a0\u00bb est ensuite compar\u00e9e avec les valeurs de REHe<\/sub> estim\u00e9es en consid\u00e9rant de plus faibles fr\u00e9quences d\u2019\u00e9chantillonnage (i.e.<\/em> journali\u00e8re, hebdomadaire, d\u00e9cadaire, bihebdomadaire, mensuelle et trimestrielle). Il est \u00e0 noter que les concentrations en nitrate sont toujours simul\u00e9es au pas de temps horaire, en utilisant les d\u00e9bits observ\u00e9s et le jeu de param\u00e8tres unique.<\/p>\n

      \u00c0 haute fr\u00e9quence d\u2019\u00e9chantillonnage (infra journalier), le choix du moment optimal pour pr\u00e9lever la concentration en nitrate serait tr\u00e8s peu justifiable vu l\u2019aspect al\u00e9atoire (sur le court terme) de la dynamique de la pluie et du d\u00e9bit. Par contre, des fr\u00e9quences d\u2019\u00e9chantillonnage plus espac\u00e9es (mensuelles, trimestrielles) peuvent int\u00e9grer un comportement saisonnier. De ce fait, il serait int\u00e9ressant d\u2019analyser la p\u00e9riode de l\u2019ann\u00e9e permettant d\u2019avoir le minimum d\u2019incertitude sur les estimations des REHe<\/sub>, en se basant sur une basse voire tr\u00e8s basse fr\u00e9quence d\u2019\u00e9chantillonnage (ex. trimestrielle). L\u2019objectif est de calculer le reliquat entr\u00e9e hiver (appel\u00e9 par la suite \u00ab\u00a0op\u00e9rationnel\u00a0\u00bb REHop<\/sub>) \u00e0 partir d\u2019une observation trimestrielle de concentration en nitrate Cnit<\/sub><\/em> et une lame d\u2019eau drain\u00e9e D<\/em>. Il est \u00e0 noter que le d\u00e9bit de drainage pourrait \u00eatre utilis\u00e9 pour calculer la lame d\u2019eau drain\u00e9e. En absence des donn\u00e9es de d\u00e9bit, le bilan hydrique pourrait constituer une alternative pour approcher le calcul de la lame d\u2019eau drain\u00e9e en faisant intervenir la pluie P, l\u2019\u00e9vapotranspiration ETP et la r\u00e9serve utile du sol RU sur la p\u00e9riode hivernale du 1er octobre au 31 mars (\u00e9quation 3).<\/p>\n

      \"\"<\/a><\/p>\n

      Ainsi, la formule exponentielle (Arlot, 1991\u00a0; Tournebize et al., 2008) est utilis\u00e9e afin de calculer le stock initial de nitrate pi\u00e9g\u00e9 au-dessus de la profondeur des drains p<\/em> au sein d\u2019un sol pr\u00e9sentant une porosit\u00e9 de lixiviation \u03b8 (\u00e9quation 4) .<\/p>\n

      \"\"<\/a><\/p>\n

      Crit\u00e8res d\u2019\u00e9valuation du mod\u00e8le<\/h3>\n

      Le crit\u00e8re de performance objectif utilis\u00e9 pour calibrer les param\u00e8tres du mod\u00e8le est celui du NSE, Nash and Sutcliffe Efficiency (Nash et Sutcliffe, 1970) dont la formule est la suivante (\u00e9quation 5).<\/p>\n

      \"\"<\/a><\/p>\n

      Avec Csimi<\/sub><\/em> la concentration simul\u00e9e \u00e0 un temps t (mg NO3<\/sub>–<\/sup>.L-1<\/sup>), Cobsi<\/sub><\/em> la concentration observ\u00e9e \u00e0 un temps t (mg NO3<\/sub>–<\/sup>.L-1<\/sup>) et Cobs<\/em><\/span> la moyenne des concentrations observ\u00e9es (mg NO3<\/sub>–<\/sup>.L-1<\/sup>).<\/p>\n

      Ce crit\u00e8re est fr\u00e9quemment utilis\u00e9 pour v\u00e9rifier la qualit\u00e9 des simulations hydrologiques mais sous-estime la variance, ce qui a \u00e9t\u00e9 corrig\u00e9 suite au d\u00e9veloppement r\u00e9cent du crit\u00e8re KGE, Kling-Gupta Efficiency (Gupta et al., 2009) (\u00e9quation 6).<\/p>\n

      \"\"<\/a><\/p>\n

      Avec r<\/em> la corr\u00e9lation lin\u00e9aire entre observation et simulation, \u03b5 la variabilit\u00e9 relative et \u0394\u00a0le biais entre les moyennes des flux simul\u00e9s et observ\u00e9s.<\/p>\n

      Pour une simulation parfaite o\u00f9 les donn\u00e9es mod\u00e9lis\u00e9es se superposent aux observations, les crit\u00e8res objectifs (NSE et KGE) doivent \u00eatre \u00e9gaux \u00e0 1. Moins la mod\u00e9lisation est bonne, plus leurs valeurs tendent vers -\u221e.<\/p>\n

      Le NSE a \u00e9t\u00e9 utilis\u00e9 comme crit\u00e8re de performance principal pour optimiser les concentrations en nitrate. La qualit\u00e9 des flux de nitrate simul\u00e9s est \u00e9valu\u00e9e avec les deux crit\u00e8res (NSE et KGE).<\/p>\n

      R\u00e9sultats<\/h1>\n

      Robustesse du mod\u00e8le<\/h2>\n

      Les trois sites totalisent quatorze ann\u00e9es de donn\u00e9es exploitables pour proc\u00e9der \u00e0 des simulations avec NIT-DRAIN<\/em>. La figure 5 pr\u00e9sente les \u00e9volutions temporelles des flux et des concentrations en nitrate ainsi que des flux cumul\u00e9s (observations et simulations) sur les trois sites d\u2019\u00e9tude. Dans cet exemple, les param\u00e8tres sont obtenus en effectuant un calage interannuel pour chaque site puis en s\u00e9lectionnant un jeu de param\u00e8tres g\u00e9n\u00e9rique \u00e0 l\u2019ensemble des sites (voir paragraphe pr\u00e9c\u00e9dent). Nous avons s\u00e9lectionn\u00e9 un graphique pr\u00e9sentant les performances obtenues sur des ann\u00e9es r\u00e9f\u00e9rences (2017 pour Rampillon, 2011 pour Gobard et 1990 pour La Jailli\u00e8re) pour mettre en avant \u00e0 la fois le fonctionnement et la robustesse spatiale du mod\u00e8le pour chacune des \u00e9chelles croissantes de 1 \u00e0 355 ha.<\/p>\n

      Les flux sont tr\u00e8s bien simul\u00e9s sur les donn\u00e9es des sites de Rampillon (figure 5B) et Gobard (figure 5D) \u00e0 l’exception de quelques valeurs maximales. Cette analyse est confirm\u00e9e par des performances tr\u00e8s \u00e9lev\u00e9es (NSE \u2265 0,93 et KGE \u2265 0,92) ainsi que par de faibles \u00e9carts entre les courbes de cumul de flux simul\u00e9s et observ\u00e9s (\u0394Ftotal = 1,98 kg N.ha-1<\/sup>.an-1<\/sup> pour le site de Rampillon\u00a0; \u0394Ftotal = -0,11 kg N.ha-1<\/sup>.an-1<\/sup> pour le site de Gobard). Les flux export\u00e9s du site de La Jailli\u00e8re sont l\u00e9g\u00e8rement moins bien simul\u00e9s (figure 5F), avec de l\u00e9gers d\u00e9calages, aussi visibles sur les courbes de cumul de flux (\u0394F = 1,45 kg N.ha-1<\/sup>.an-1<\/sup>) mais la tendance g\u00e9n\u00e9rale est bien respect\u00e9e (NSE = 0,93 et KGE = 0,91).<\/p>\n

      Les concentrations en nitrate sont correctement simul\u00e9es sur l\u2019ensemble des sites. Nous observons des NSE \u2265 0,56 et des KGE \u2265 0,5. En th\u00e9orie une phase d’entra\u00eenement a lieu durant l\u2019amorce de drainage suivie par une phase de dilution pendant la saison de drainage intense. Ces deux processus sont bien visibles sur les sites de Rampillon (figure 5A) et de Gobard (figure 5B). Contrairement \u00e0 la dynamique des concentrations observ\u00e9e sur ces deux sites, seul le ph\u00e9nom\u00e8ne d’entra\u00eenement est pr\u00e9sent \u00e0 La Jailli\u00e8re pour l\u2019ann\u00e9e 1990 (consid\u00e9r\u00e9e comme une ann\u00e9e plut\u00f4t s\u00e8che). Il est \u00e0 noter que les concentrations moyennes enregistr\u00e9es durant cette saison sont tr\u00e8s \u00e9lev\u00e9es (170,2 mg NO3<\/sub>–<\/sup>.L-1<\/sup>).<\/p>\n

       <\/p>\n

      \"\"<\/a>
      Figure 5. Comparaison des concentrations (A, C, E) et des flux (B, D, F) observ\u00e9s et simul\u00e9s par le mod\u00e8le apr\u00e8s calage gr\u00e2ce au jeu de param\u00e8tres g\u00e9n\u00e9rique (unique) et leurs crit\u00e8res de performance associ\u00e9s\u00a0: saison 2017-2018 pour Rampillon (A, B), saison 2011-2012 pour Gobard (C, D), saison 1990-1991 pour La Jailli\u00e8re (E, F).<\/em><\/figcaption><\/figure>\n

      Les performances (NSE, KGE) des simulations de flux et de concentration en nitrate ont \u00e9t\u00e9 class\u00e9es pour chacun des sites \u00e9tudi\u00e9s suivant le type de calage des param\u00e8tres. Nous avons constat\u00e9 que les performances (NSE, KGE) obtenues sont meilleures en flux (\u2265 0,83) qu\u2019en concentration en nitrate (\u2265 0,50). Les performances pourraient d\u00e9pendre aussi du type de calage. En g\u00e9n\u00e9ral, les meilleures performances sont obtenues lors des calages interannuels des param\u00e8tres. La qualit\u00e9 des simulations de flux et de concentration en nitrate diminue l\u00e9g\u00e8rement suite au remplacement des param\u00e8tres globaux (cal\u00e9s pour chaque site) par le jeu de param\u00e8tres unique mais cette tendance reste \u00e0 confirmer.<\/p>\n

      Pour obtenir ces concentrations, la variable REHe<\/sub> est estim\u00e9e par calibration du mod\u00e8le. Le stock d\u2019azote disponible, REHe<\/sub>, est affect\u00e9 artificiellement en d\u00e9but de chaque saison hydrologique (1er septembre). La valeur ainsi cal\u00e9e r\u00e9pond aux objectifs de performance des simulations par comparaison des concentrations simul\u00e9es et observ\u00e9es.<\/p>\n

      \u00c9valuation des REH<\/h2>\n

      La figure 6 compare les REH mesur\u00e9s sur le terrain aux REHe<\/sub> estim\u00e9s par le mod\u00e8le en utilisant le jeu de param\u00e8tres unique moyenn\u00e9 sur les trois sites. Les REHe<\/sub> estim\u00e9s par le mod\u00e8le sont proches des REH mesur\u00e9s (faibles \u00e9carts en g\u00e9n\u00e9ral < 10 kg N.ha-1<\/sup>). Les REHe<\/sub> des sites de Rampillon et Gobard sont bien estim\u00e9s en utilisant le jeu de param\u00e8tres unique (ex. ann\u00e9es 2014, 2015 et 2017\u00a0; Rampillon, figure 6A et les saisons 2008, 2010 et 2011\u00a0; Gobard, figure 6B).<\/p>\n

       <\/p>\n

      \"\"<\/a>
      Figure 6. Comparaison des REH estim\u00e9s \u00e0 partir d\u2019un jeu de param\u00e8tres unique moyenn\u00e9 sur les trois sites (gris) avec les REH mesur\u00e9s (bleu) pour chacun des sites (Rampillon, Gobard et La Jailli\u00e8re).<\/em><\/figcaption><\/figure>\n

      \u00c9tude de l\u2019impact de la fr\u00e9quence d\u2019\u00e9chantillonnage<\/h2>\n

      Nous proposons d\u2019\u00e9tudier l\u2019impact de la fr\u00e9quence d\u2019\u00e9chantillonnage des concentrations en nitrate sur les estimations des REHe<\/sub> par le mod\u00e8le NIT-DRAIN<\/em>. Les donn\u00e9es de d\u00e9bit et de concentration en nitrate mesur\u00e9es sur le site de Rampillon ont \u00e9t\u00e9 utilis\u00e9es. L\u2019erreur relative sur l\u2019estimation des REH par le mod\u00e8le est nulle en moyenne (figure 7A). Par ailleurs, l\u2019estimation des REHe<\/sub> par le mod\u00e8le peut pr\u00e9senter une erreur sup\u00e9rieure \u00e0 10\u00a0% \u00e0 partir d\u2019une fr\u00e9quence d\u2019\u00e9chantillonnage mensuelle.<\/p>\n

      La figure 7B pr\u00e9sente les erreurs relatives sur les estimations de REH obtenues en consid\u00e9rant une observation de concentration en nitrate par trimestre. Nous constatons que mesurer les concentrations en nitrate durant les mois d\u2019octobre et de janvier permet d\u2019avoir, en moyenne, une erreur relative inf\u00e9rieure \u00e0 5\u00a0% sur les estimations des REH. Due au fonctionnement hydrologique saisonnier du drainage, le nombre d\u2019observations de concentration en nitrate durant le mois de janvier est significativement plus important qu\u2019au mois d\u2019octobre (saturation du sol et \u00e9coulement continu).<\/p>\n

      Les p\u00e9riodes de tarissement de d\u00e9bit pour l\u2019\u00e9chantillonnage ont \u00e9t\u00e9 cibl\u00e9es afin de garantir des valeurs de concentration stables (tableau 1). Nous observons, except\u00e9 pour la saison 2015\/2016, des valeurs de REH calcul\u00e9es tr\u00e8s proches de ceux mesur\u00e9es. D\u2019un point de vue op\u00e9rationnel, le REHop<\/sub> calcul\u00e9, sans mod\u00e8le, \u00e0 partir de la lame drain\u00e9e saisonni\u00e8re (issu du bilan hydrique simplifi\u00e9 entre le 1er octobre et le 31 mars), de la concentration mesur\u00e9e en janvier hors p\u00e9riode de crue (pour \u00e9viter les effets de dilution), donne un ordre de grandeur coh\u00e9rent avec les reliquats mesur\u00e9s et estim\u00e9s par mod\u00e9lisation. Ces valeurs de reliquat sont comparables \u00e0 celles obtenues \u00e0 partir du mod\u00e8le NIT-DRAIN<\/em> (14\u00a0% d\u2019erreur relative \u00e0 comparer \u00e0 17\u00a0% par la m\u00e9thode de mod\u00e9lisation pour le site de Rampillon).<\/p>\n

       <\/p>\n

      \"\"<\/a>
      Figure 7. A) Erreur sur les REHe en fonction de la fr\u00e9quence d\u2019\u00e9chantillonnage des concentrations en nitrate (journali\u00e8re \u00e0 trimestrielle)\u00a0; B) Statistiques sur les erreurs relatives des estimations de REH (fr\u00e9quence d\u2019\u00e9chantillonnage trimestrielle)\u00a0; N correspond \u00e0 la quantit\u00e9 de donn\u00e9es (concentration en nitrate) \u2013 Site de Rampillon \u2013 P\u00e9riode 2014-2019.<\/em><\/figcaption><\/figure>\n

      Discussion et conclusion<\/h1>\n

      Les r\u00e9sultats de cette \u00e9tude sur la mod\u00e9lisation simplifi\u00e9e des transferts de nitrate en parcelles drain\u00e9es valident l\u2019hypoth\u00e8se que les REH pilotent les exportations de nitrate sur la p\u00e9riode s\u2019\u00e9talant du d\u00e9but d\u2019hiver jusqu\u2019aux d\u00e9buts des fertilisations printani\u00e8res (\u00e0 partir du 1er mars). Ainsi, les flux et concentrations sont bien repr\u00e9sent\u00e9s en consid\u00e9rant les REHe<\/sub> et la s\u00e9rie de d\u00e9bit comme donn\u00e9es d\u2019entr\u00e9e du mod\u00e8le NIT-DRAIN<\/em>. D\u00e8s lors, nous pouvons consid\u00e9rer que durant la saison de drainage, le mod\u00e8le permet d\u2019expliquer la majeure partie des dynamiques de concentration et des exportations de nitrate du sol en se basant principalement sur les caract\u00e9ristiques hydrauliques du drainage sans prendre en compte les processus biog\u00e9ochimiques. Le mod\u00e8le NIT-DRAIN<\/em>, de type conceptuel, est compos\u00e9 de peu de param\u00e8tres de calages qui peuvent \u00eatre fix\u00e9s et donc g\u00e9n\u00e9riques sur tous les sites drain\u00e9s. Il ne n\u00e9cessite que le d\u00e9bit de drainage observ\u00e9 ou simul\u00e9 (par exemple par SIDRA-RU, (Henine et al., 2022)) et le REH comme donn\u00e9es d\u2019entr\u00e9e. Les simulations obtenues affichent de tr\u00e8s bonnes performances o\u00f9 les crit\u00e8res sont tr\u00e8s proches de leurs valeurs optimales pour les flux. Cependant, des performances similaires sur les flux ont d\u00e9j\u00e0 \u00e9t\u00e9 publi\u00e9es dans plusieurs \u00e9tudes (Youssef et al., 2005\u00a0; Lindstr\u00f6m et al., 2010\u00a0; Ale et al., 2013). L\u2019originalit\u00e9 de ce mod\u00e8le est la reproduction, en plus des flux, de bonnes simulations de concentration en nitrate. En effet, des performances \u00e9lev\u00e9es avec des valeurs de NSE et le KGE sup\u00e9rieurs \u00e0 0,5 ont pu \u00eatre obtenues pour tous les types de calage confondus avec NIT-DRAIN<\/em>. Ces performances sont rarement atteintes dans la litt\u00e9rature (Beaudoin et al., 2021). De plus, Moriasi et al. (2015) pr\u00e9cise que des valeurs de NSE sup\u00e9rieurs \u00e0 0,35 peuvent \u00eatre consid\u00e9r\u00e9es comme satisfaisantes lorsqu\u2019il s\u2019agit des simulations de concentration en nitrate.<\/p>\n

      Nous nous sommes int\u00e9ress\u00e9s plus particuli\u00e8rement \u00e0 l\u2019\u00e9tude de la robustesse spatio-temporelle du mod\u00e8le NIT-DRAIN<\/em>, con\u00e7u pour simuler le transfert de nitrate en milieu agricole drain\u00e9. L\u2019objectif \u00e9tait de construire un mod\u00e8le conceptuel simple, parcimonieux en termes de param\u00e8tres d\u2019entr\u00e9e et pouvant regrouper des valeurs g\u00e9n\u00e9riques de param\u00e8tres sur l\u2019ensemble des sites drain\u00e9es en France. De plus, NIT-DRAIN<\/em> a \u00e9t\u00e9 con\u00e7u pour permettre l\u2019estimation du stock initial de nitrate (REHe<\/sub>) dans le sol au d\u00e9but de la saison de drainage sans avoir \u00e0 le mesurer \u00e0 la parcelle. Cela n\u00e9cessite un minimum de donn\u00e9es d\u2019entr\u00e9e \u00e0 savoir les d\u00e9bits observ\u00e9s ou encore la pluie et l\u2019\u00e9vapotranspiration potentielle (ETP) en cas de couplage avec un mod\u00e8le conceptuel de drainage (ex. SIDRA-RU) qui permettrait de s\u2019affranchir des observations de d\u00e9bit. Cependant un capteur de hauteur d\u2019eau install\u00e9 dans un foss\u00e9 de drainage agricole permet de suivre l\u2019\u00e9volution des d\u00e9bits au pas de temps horaire pour un co\u00fbt inf\u00e9rieur \u00e0 1000 \u20ac.<\/p>\n

      L\u2019\u00e9tude de la variabilit\u00e9 interannuelle des param\u00e8tres du mod\u00e8le NIT-DRAIN<\/em> a montr\u00e9 que certains param\u00e8tres sont tr\u00e8s stables quel que soit le type de calage alors que d\u2019autres peuvent pr\u00e9senter quelques diff\u00e9rences, plus particuli\u00e8rement pour le site de La Jailli\u00e8re. Cette diff\u00e9rence peut s\u2019expliquer par l\u2019h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des saisons hydrologiques rencontr\u00e9es. M\u00eame si les param\u00e8tres pr\u00e9sentent quelques variabilit\u00e9s sur le site de La Jailli\u00e8re, le choix d\u2019un jeu unique et g\u00e9n\u00e9rique conduit \u00e0 des r\u00e9sultats tr\u00e8s acceptables et les REHe<\/sub> estim\u00e9s sont tr\u00e8s prometteurs, ce qui ne remet pas en cause la robustesse du mod\u00e8le (gradient de superficie, rotations agricoles diff\u00e9rentes et diversit\u00e9 des ann\u00e9es hydrologiques).<\/p>\n

      Les REHe<\/sub> du site de La Jailli\u00e8re sont tr\u00e8s proches des valeurs mesur\u00e9es sur le terrain. De m\u00eame pour les sites de Rampillon et de Gobard. A plus grande \u00e9chelle, nous pouvons noter que les REHe<\/sub> sont relativement comparables avec les REHp<\/sub> pond\u00e9r\u00e9s \u00e0 l’\u00e9chelle du d\u00e9partement de la Seine et Marne. Dans ce cas, les valeurs estim\u00e9es de REH peuvent tout de m\u00eame constituer un bon indicateur de la pression azot\u00e9e du sol en d\u00e9but d’hiver. A noter que les REH estim\u00e9s par le mod\u00e8le doivent, id\u00e9alement, \u00eatre compar\u00e9s \u00e0 des REH mesur\u00e9s localement sur une \u00e9chelle spatiale similaire.<\/p>\n

      Notre \u00e9tude consistait \u00e0 d\u00e9terminer la robustesse spatiale et temporelle du mod\u00e8le NIT-DRAIN<\/em>. Ce mod\u00e8le conceptuel permet l\u2019estimation du REH, pr\u00e9sent\u00e9 dans cette \u00e9tude comme un indicateur de pollution azot\u00e9e. Pour cela, le mod\u00e8le g\u00e9n\u00e8re, \u00e0 partir d\u2019une chronique de d\u00e9bit (observ\u00e9 ou simul\u00e9) une chronique de flux et de concentration en nitrate au pas de temps horaire. Les param\u00e8tres du mod\u00e8le sont compos\u00e9s, d\u2019une part, de param\u00e8tres internes dont un jeu unique a \u00e9t\u00e9 d\u00e9fini et, d\u2019autre part, d\u2019un param\u00e8tre d\u2019ajustement variable d\u2019une ann\u00e9e sur l\u2019autre\u00a0: le REHe<\/sub>. Ce nombre relativement faible de param\u00e8tres lui conf\u00e8re une simplicit\u00e9 de prise en main, qui ne remet pas en question son efficacit\u00e9. Dans les exemples cit\u00e9s, le mod\u00e8le simule bien les comportements des concentrations en nitrate dans les milieux drain\u00e9s (entra\u00eenement et dilution). L\u2019utilisation des param\u00e8tres calibr\u00e9s sur l\u2019ensemble de la p\u00e9riode de donn\u00e9es permet d\u2019\u00e9viter le probl\u00e8me d\u2019\u00e9quifinalit\u00e9 tout en pr\u00e9servant la qualit\u00e9 des estimations du REHe<\/sub> pour chaque site et plus particuli\u00e8rement pour le site de La Jailli\u00e8re.<\/p>\n

      Dans un second temps, le mod\u00e8le a \u00e9t\u00e9 utilis\u00e9 en mode inverse pour rechercher la fr\u00e9quence d\u2019\u00e9chantillonnage optimale qui permet l\u2019estimation du REHe<\/sub> avec le minimum d\u2019incertitude et de donn\u00e9es de concentration en nitrate. D\u2019apr\u00e8s les r\u00e9sultats, le mois de janvier s\u2019av\u00e8re propice \u00e0 la mesure de la concentration en nitrate \u00e0 l\u2019\u00e9chelle parcellaire avec une erreur limit\u00e9e (< 5\u00a0%) sur la valeur de REHe<\/sub>. L\u2019\u00e9cart est faible entre les valeurs de REH mesur\u00e9s et les REHop<\/sub> calcul\u00e9s en prenant en consid\u00e9ration une seule donn\u00e9e de concentration en nitrate (mesur\u00e9e durant le mois de janvier). A d\u00e9faut d\u2019un suivi hydrologique en contexte drain\u00e9, l\u2019approche simplifi\u00e9e propos\u00e9e sur la base d\u2019une \u00e9quation de type exponentielle, d\u2019une concentration mesur\u00e9e en janvier et d\u2019un bilan hydrique hivernal fournit un ordre de grandeur acceptable (erreur < 14\u00a0%). Ces chiffres d\u2019erreur de 17\u00a0\u00a0% (mod\u00e8le) ou 14\u00a0% (op\u00e9rationnel) seraient \u00e0 comparer avec les erreurs exp\u00e9rimentales lors des pr\u00e9l\u00e8vements de sol classiquement utilis\u00e9s dans la d\u00e9termination parcellaire des REH. Les parcelles drain\u00e9es peuvent alors constituer un indicateur de performance agronomique en jouant un r\u00f4le de sentinelle de l\u2019environnement.<\/p>\n

      Bibliographie<\/h1>\n

      Agreste, la statistique agricole. s. d. Consult\u00e9 le 21 juin 2021. https:\/\/agreste.agriculture.gouv.fr\/agreste-web\/<\/a><\/p>\n

      Ale S., Gowda P.G., Mulla D.J., Moriasi D.N., et Youssef M.A. 2013. Comparison of the Performances of DRAINMOD-NII and ADAPT Models in Simulating Nitrate Losses from Subsurface Drainage Systems. Agricultural Water Management,<\/em> 129, 21\u201130. https:\/\/doi.org\/10.1016\/j.agwat.2013.07.008.<\/a><\/p>\n

      AQUI\u2019Brie – Connaissance et protection de l\u2019aquif\u00e8re du Champigny. s. d. AQUI\u2019Brie – Connaissance et protection de l\u2019aquif\u00e8re du Champigny. Consult\u00e9 le 21 juin 2021. https:\/\/www.aquibrie.fr\/<\/a><\/p>\n

      Arlot M.P., 1999. Nitrates dans les eaux. Drainage acteur, drainage t\u00e9moin\u202f? Les enseignements d\u2019une approche hydrologique et hydraulique\u202f: – sur l\u2019influence du drainage agricole sur la contamination diffuse par les nitrates\u202f; – sur les possibilit\u00e9s d\u2019utiliser les parcelles drain\u00e9es pour l\u2019analyse de la dite contamination. Th\u00e8se de doctorat<\/em>. France, Paris\u00a0: Universit\u00e9 Paris VI. https:\/\/hal.inrae.fr\/tel-02579090<\/a><\/p>\n

      Arnold J. G., Moriasi D. N., Gassman P. W., Abbaspour K. C., White M. J., Srinivasan R., Santhi C., Harmel R. D., van Griensven A., Van Liew M. W., Kannan N., Jha M. K., 2012. SWAT: Model Use, Calibration, and Validation. Transactions of the ASABE<\/em>, 55(4), 1491-1508. https:\/\/doi.org\/10.13031\/2013.42256<\/a><\/p>\n

      ARVALIS.\u202fToute l\u2019info pour g\u00e9rer son exploitation agricole. s. d. Consult\u00e9 le 21 juin 2021. https:\/\/www.arvalis-infos.fr\/index.html<\/a><\/p>\n

      Ballif J., Herre C., Gobert D., 1996. Les lysim\u00e8tres en sol de craie de Ch\u00e2lons-sur-Marne.\u00a0 In\u00a0:<\/em> Muller J.-C. (coord). Trente ans de lysim\u00e9trie en France 1960\u20131990<\/em>. (pp. 115-149). COMIFER-INRA \u00c9ditions Paris.<\/p>\n

      Beaudoin N., Venet E., Maucorps J., Vandenberghe C., Pugeaux N., Viennot P., Gourcy L., Brayer C., Machet J.-M., Couturier A., 2021. Long term response of water and nitrogen fluxes to Good Agricultural Practices at field and catchment scales. Science of the Total Environment<\/em>, 776, 145954.<\/p>\n

      Billy C., 2008. Transfert et r\u00e9tention d\u2019azote \u00e0 l\u2019\u00e9chelle d\u2019un bassin versant agricole artificiellement drain\u00e9. Th\u00e8se de doctorat.<\/em> \u00c9cole doctorale G\u00e9osciences et Ressources Naturelles Sp\u00e9cialit\u00e9 Sciences de l\u2019Eau, Universit\u00e9 Pierre et Marie Curie. https:\/\/hal.inrae.fr\/tel-02592186<\/a><\/p>\n

      Branger F., Tournebize J., Carluer N., Kao C., Braud I., Vauclin M., 2009. A simplified modelling approach for pesticide transport in a tile-drained field: the PESTDRAIN model. Agricultural Water Management,<\/em> 96 (3), 415\u201128. https:\/\/hal.archives-ouvertes.fr\/hal-00547576<\/a><\/p>\n

      Brisson N., Mary B., Ripoche D., Jeuffroy M.-H, Ruget F., Nicoullaud B., Gate P. et al., 1998. STICS: A Generic Model for the Simulation of Crops and Their Water and Nitrogen Balances. I. Theory and Parameterization Applied to Wheat and Corn. Agronomie,<\/em> 18 (5\u20116) 311. https:\/\/hal.inrae.fr\/hal-02698682<\/a><\/p>\n

      Burns I. G., 1975. An Equation to Predict the Leaching of Surface-Applied Nitrate. The Journal of Agricultural Science<\/em>, 85 (3), 443\u201154. https:\/\/doi.org\/10.1017\/S0021859600062328<\/a><\/p>\n

      Chelil S., Oubanas H., Henine H., Igor G., Malaterre P. O., Tournebize J., 2022. Variational Data Assimilation to Improve Subsurface Drainage Model Parameters. Journal of Hydrology <\/em>: 128006. https:\/\/doi.org\/10.1016\/j.jhydrol.2022.128006<\/a><\/p>\n

      Chelil S., H\u00e9nine H., Chaumont C., Tournebize J., 2022. NIT-DRAIN model to simulate nitrate concentrations and leaching in a tile-drained agricultural field. Agricultural Water Management<\/em>, 271: 107798. https:\/\/doi.org\/10.1016\/j.agwat.2022.107798<\/a><\/p>\n

      Coron L., 2013. Les mod\u00e8les hydrologiques conceptuels sont-ils robustes face \u00e0 un climat en \u00e9volution\u202f? Diagnostic sur un \u00e9chantillon de bassins versants fran\u00e7ais et australiens. Phdthesis.<\/em> Paris, France\u00a0: AgroParisTech. https:\/\/pastel.archives-ouvertes.fr\/pastel-00879090<\/a><\/p>\n

      Garnier J., Billen G., Tournebize J., Barr\u00e9 P., Mary B., Baudin F., 2022. Storage or loss of soil active carbon in cropland soils\u00a0: The effect of agricultural practices and hydrology. Geoderma,<\/em> 407, 115538.<\/p>\n

      Gowda P. H., Mulla D. J., Desmond E. D., Ward A. D., Moriasi D. N., 2012. ADAPT\u00a0: Model Use, Calibration, and Validation. Transactions of the ASABE<\/em>, 55 (4), 1345\u201152. https:\/\/doi.org\/10.13031\/2013.42246<\/a><\/p>\n

      Guest G., Kr\u00f6bel R., Grant B., Smith W., Sansoulet J., Pattey E., Desjardins R., J\u00e9go G., Tremblay N., Tremblay G., 2017. Model Comparison of Soil Processes in Eastern Canada Using DayCent, DNDC and STICS Nutrient Cycling in Agroecosystems<\/em>, 109 (3), 211\u201132. https:\/\/doi.org\/10.1007\/s10705-017-9880-8<\/a><\/p>\n

      Gupta H. V., Kling H., Yilmaz K.K., Martinez G.F., 2009. Decomposition of the Mean Squared Error and NSE Performance Criteria: Implications for Improving Hydrological Modelling. Journal of Hydrology<\/em>, 377 (1\u20112), 80\u201191. https:\/\/doi.org\/10.1016\/j.jhydrol.2009.08.003<\/a><\/p>\n

      Henine H., Jeantet A., Chaumont C., Chelil S., Lauvernet C., Tournebize J., 2022. Coupling of a subsurface drainage model with a soil reservoir model to simulate drainage discharge and drain flow start. Agricultural Water Management<\/em>, 262, 107318. https:\/\/doi.org\/10.1016\/j.agwat.2021.107318<\/a><\/p>\n

      Justes E., Beaudoin N., Bertuzzi P., Charles R., Constantin J., Durr C., Hermon C. et al., 2013. Les cultures interm\u00e9diaires pour une production agricole durable<\/em>. \u00c9ditions Quae. https:\/\/hal.archives-ouvertes.fr\/hal-01072297<\/a><\/p>\n

      Jury W. A., Roth K., 1990. Transfer functions and solute movement through soil: theory and applications<\/em>. Suisse, Basel\u00a0: Birkh\u00e4user Verlag AG.<\/p>\n

      Kao C., 2008. Une hydrologie des versants \u00e0 nappes superficielles drain\u00e9es: approches multi-processus et multi-\u00e9chelles.\u00a0 France, Paris\u00a0: Universit\u00e9 Pierre et Marie Curie. https:\/\/tel.archives-ouvertes.fr\/tel-00472456\/document<\/a><\/p>\n

      Kladivko E. J., Van Scoyoc G. E., Monke E. J., Oates K. M., Pask W., 1991. Pesticide and Nutrient Movement into Subsurface Tile Drains on a Silt Loam Soil in Indiana. Journal of Environmental Quality<\/em>, 20 (1), 264\u201170. https:\/\/doi.org\/10.2134\/jeq1991.00472425002000010043x<\/a><\/p>\n

      Lasdon L. S., Waren A. D., Jain A., Ratner M., 1978. Design and Testing of a Generalized Reduced Gradient Code for Nonlinear Programming. ACM Transactions on Mathematical Software<\/em>, 4 (1), 34\u201150. https:\/\/doi.org\/10.1145\/355769.355773<\/a><\/p>\n

      Changsheng L., 1996. The DNDC Model (Mod\u00e8le de Base). In\u00a0:\u00a0 David S. P., Smith P.,\u00a0 Jo U. (eds). Evaluation of Soil Organic Matter Models.<\/em> Berlin, Heidelberg\u00a0: Springer Berlin Heidelberg. https:\/\/doi.org\/10.1007\/978-3-642-61094-3_20<\/a><\/p>\n

      Lindstr\u00f6m G., Pers C., Rosberg J., Str\u00f6mqvist J., Arheimer B., 2010. Development and testing of the HYPE (Hydrological Predictions for the Environment) water quality model for different spatial scales. Hydrology research<\/em>, 41(3-4), 295-319. https:\/\/doi.org\/10.2166\/nh.2010.007<\/a><\/p>\n

      Lorre E., Zimmer D., G\u00e9rard J. P., Dutertre A., Arlot M.-P., 1994. Influence du drainage sur le ruissellement hivernal \u00e0 l\u2019\u00e9chelle de la parcelle. Journ\u00e9es de l\u2019hydraulique<\/em>, 23 (1), 87\u201193. https:\/\/www.persee.fr\/doc\/jhydr_0000-0001_1994_act_23_1_5321<\/a><\/p>\n

      Magesan G., Scotter D., White R., 1994. A transfer function approach to modeling the leaching of solutes to subsurface drains .I. Nonreactive solutes. Soil Research,<\/em> 32(1), 69-83. https:\/\/doi.org\/10.1071\/SR9940069<\/a><\/p>\n

      Mander \u00dc., Tournebize J., Espenberg M., Chaumont C., Torga R., Garnier J., Muhel M., Maddison M., Lebrun J. D., Uher E., Remm K., P\u00e4rn J., Soosaar K., 2021. High denitrification potential but low nitrous oxide emission in a constructed wetland treating nitrate-polluted agricultural run-off. Science of the Total Environment<\/em>, 779, 146614. https:\/\/doi.org\/10.1016\/j.scitotenv.2021.146614<\/a><\/p>\n

      Mariotti A., 1998. Nitrate: un polluant de longue dur\u00e9e. Pour la science,<\/em> 249, 60-65.<\/p>\n

      Moriasi D., Gitau M., Pai N., Daggupati P., 2015. Hydrologic and Water Quality Models: Performance Measures and Evaluation Criteria. Transactions of the ASABE (American Society of Agricultural and Biological Engineers),<\/em> 58, 1763-1785. doi:10.13031\/trans.58.10715<\/p>\n

      Nash J.E., Sutcliffe J.V., 1970. River Flow Forecasting through Conceptual Models Part I \u2014 A Discussion of Principles. Journal of Hydrology<\/em>, 10 (3), 282\u201190. https:\/\/doi.org\/10.1016\/0022-1694(70)90255-6<\/a><\/p>\n

      ORACLE. 2013. GIS Oracle. 12 d\u00e9cembre 2013. https:\/\/gisoracle.inrae.fr\/<\/a><\/p>\n

      Parton W. J., Hartman M., Ojima D., Schimel D., 1998. DAYCENT and Its Land Surface Submodel: Description and Testing. Global and Planetary Change<\/em>, 19 (1\u20114), 35\u201148. https:\/\/doi.org\/10.1016\/S0921-8181(98)00040-X<\/a><\/p>\n

      Surdyk N., Gutierrez A., Baran N., Thi\u00e9ry D., 2021. A Lumped Model to Simulate Nitrate Concentration Evolution in Groundwater at Catchment Scale. Journal of Hydrology<\/em>, 596 (mai), 125696. https:\/\/doi.org\/10.1016\/j.jhydrol.2020.125696<\/a><\/p>\n

      Tang T., Strokal M., van Vliet M.T.H., Seuntjens P., Burek P., Kroeze C., Langan S., Wada Y., 2019. Bridging Global, Basin and Local-Scale Water Quality Modeling towards Enhancing Water Quality Management Worldwide. Current Opinion in Environmental Sustainability<\/em>, 36 (f\u00e9vrier), 39\u201148. https:\/\/doi.org\/10.1016\/j.cosust.2018.10.004<\/a><\/p>\n

      Tournebize J., Arlot M.-P., Billy C., Birgand F., Gillet J.-P., Dutertre A., 2008. Quantification et ma\u00eetrise des flux de nitrates: de la parcelle drain\u00e9e au bassin versant. Ing\u00e9nierie Eau Agriculture et Territoires<\/em>, Special Issue, 5-25.<\/p>\n

      Tournebize J., Chaumont C., Fesneau C., Guenne A., Vincent B., Garnier J., Mander \u00dc., 2015. Long-Term Nitrate Removal in a Buffering Pond-Reservoir System Receiving Water from an Agricultural Drained Catchment. Ecological Engineering<\/em>, 80 (juillet), 32\u201145. https:\/\/doi.org\/10.1016\/j.ecoleng.2014.11.051<\/a><\/p>\n

      Tournebize J., Chaumont C., Henine H., Vincent B., Kchouk S., Mander U., 2017. R\u00e9duire les flux de pesticides et nitrate par une zone tampon humide artificielle\u202f: Site pilote de Rampillon. Pr\u00e9sentation AQUI Brie. http:\/\/atbvb.fr\/sites\/default\/files\/media\/porte_documents\/journees_techniques\/2017-jan_atbvb_zonestampons_irstea-j-tournebize.pdf<\/a><\/p>\n

      Youssef M.A. et al., 2005. The nitrogen simulation model, DRAINMOD-N II. Transactions of the ASAE,<\/em> 48(2), 611-626. https:\/\/doi.org\/10.13031\/2013.18335<\/a><\/p>\n

       <\/p>\n","protected":false},"author":10,"menu_order":2,"template":"","meta":{"pb_show_title":"on","pb_short_title":"","pb_subtitle":"","pb_authors":["chelil","hocine-henine","pauline-dodinet","cedric-chaumont","julien-tournebize"],"pb_section_license":""},"chapter-type":[],"contributor":[86,84,68,85,83],"license":[],"class_list":["post-242","chapter","type-chapter","status-publish","hentry","contributor-cedric-chaumont","contributor-hocine-henine","contributor-julien-tournebize","contributor-pauline-dodinet","contributor-chelil"],"part":29,"_links":{"self":[{"href":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/wp-json\/pressbooks\/v2\/chapters\/242"}],"collection":[{"href":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/wp-json\/pressbooks\/v2\/chapters"}],"about":[{"href":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/wp-json\/wp\/v2\/types\/chapter"}],"author":[{"embeddable":true,"href":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/wp-json\/wp\/v2\/users\/10"}],"version-history":[{"count":109,"href":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/wp-json\/pressbooks\/v2\/chapters\/242\/revisions"}],"predecessor-version":[{"id":2144,"href":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/wp-json\/pressbooks\/v2\/chapters\/242\/revisions\/2144"}],"part":[{"href":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/wp-json\/pressbooks\/v2\/parts\/29"}],"metadata":[{"href":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/wp-json\/pressbooks\/v2\/chapters\/242\/metadata\/"}],"wp:attachment":[{"href":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/wp-json\/wp\/v2\/media?parent=242"}],"wp:term":[{"taxonomy":"chapter-type","embeddable":true,"href":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/wp-json\/pressbooks\/v2\/chapter-type?post=242"},{"taxonomy":"contributor","embeddable":true,"href":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/wp-json\/wp\/v2\/contributor?post=242"},{"taxonomy":"license","embeddable":true,"href":"https:\/\/e-publish.uliege.be\/APL_REH_RDD\/wp-json\/wp\/v2\/license?post=242"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}