Thèse soutenue le 16 avril 2014 par Paolo Ruggeri, Institut des sciences de la Terre
L’eau souterraine est la plus étendue et communément utilisée des ressources naturelles et, plus important, est une importante ressource qui soutient la vie sur Terre. Dans de nombreux endroits dans le monde c’est aussi un important, et souvent limité, facteur pour le développement socio-économique. Dans les régions développées du monde riches en eau, la disponibilité illimitée d’eau propre a été traditionnellement vue comme un bien commun. Pour cette raison, la valeur économique de l’eau souterraine est probablement sous-estimée. Cela changera probablement dans le futur puisque la consommation d’eau a augmenté plus de deux fois plus vite que la population pendant le siècle dernier. En plus, la disponibilité d’eau propre s’amenuise à cause de l’augmentation continue de la demande des particuliers, de l’industrie et de l’agriculture, la fermeture et la contamination d’aquifères dues à l’expansion des espaces urbains et à l’augmentation des activités industrielles et agricoles. Protéger l’eau souterraine comme une ressource d’eau potable nécessite de gérer durablement la ressource et de la protéger des pollutions à long terme dues aux activités anthropiques tels que le déversement excessif d’éléments nutritifs et de pesticides, l’épuisement des aquifères, les affaissements de terrain, et la salinisation des sols.
L’objectif de cette recherche est de générer des modèles de conductivité hydraulique afin d’améliorer les prédictions des écoulements souterrains et du transport de contaminants. La construction de ces modèles est difficile parce que leur paramétrisation est basée sur des données avec différents niveaux de contenus d’informations. En effet, la caractérisation des aquifères est généralement basée sur des mesures hydrauliques hautement détaillées et pauvrement distribuées à travers le volume de l’aquifère. Les méthodes géophysiques, telles que les méthodes de tomographie de surface utilisées dans cette thèse, permettent de faire le lien en termes de résolution et couverture associées avec les techniques hydrologiques conventionnelles. Pour assimiler ce jeu de données variées acquises à plusieurs résolutions, j’ai développé une nouvelle méthode qui fournit des modèles de conductivité hydraulique qui sont cohérents avec toutes les données hydrologiques et géophysiques et, plus important, qui fournit des estimations des incertitudes des modèles générés.
La méthode est premièrement appliquée à une base de données synthétique et réaliste et la viabilité globale de cette méthode est testée et vérifiée en réalisant et comparant des simulations des écoulements et du transport à travers les champs de conductivité hydraulique originaux et simulés. Les résultats obtenus indiquent que la procédure proposée d’intégration des données permet en effet d’obtenir des estimations de confiance de la structure de la conductivité hydraulique à large échelle et des prédictions fiables des caractéristiques de transport sur des distances allant d’une échelle moyenne à régionale. La validité et l’efficacité de l’approche proposée sont ensuite testées sur un aquifère largement étudié d’une région suburbaine de la Ville de Québec au Canada, exposée à de sérieux problèmes de contamination. Les résultats obtenus indiquent que cette nouvelle approche d’intégration des données est en effet capable de capturer correctement aussi bien les hétérogénéités aux petites échelles que les tendances à grande échelle du champs de conductivité hydraulique dominant. Les résultats montrent aussi que la méthode développée peut être appliquée sur une large gamme de données géophysiques et hydrologiques à toutes les échelles.
Dans la seconde partie de ma thèse, j’ai évalué en détails la viabilité du ré-échantillonnage géostatistique séquentiel pour proposer les nouvelles configurations de paramètres utilisées dans les méthodes de Markov Chain Monte Carlo. Ces méthodes sont appliquées aux problèmes inverses géophysiques et hydrologiques pour permettre une quantification plus précise et réaliste des incertitudes associées aux modèles générés. Les résultats obtenus montrent que les méthodes de MCMC sont plutôt inefficaces lors de l’utilisation des méthodes de perturbations basées sur le rééchantillonnage séquentiel pour des cas d’études synthétiques réalistes. Pour répondre à ce problème, j’ai développé une nouvelle approche de perturbation, qui est adaptable aussi bien aux nombres de paramètres du modèle qu’à l’intensité de la perturbation. Comparé au ré-échantillonnage géostatique séquentiel, cette nouvelle approche a démontré sa grande capacité à améliorer l’efficacité des algorithmes de MCMC.
