Spelling suggestions: "subject:"flux dde pollution"" "subject:"flux dee pollution""
1 |
Pollution anthropique de cours d'eau : caractérisation spatio-temporelle et estimation des flux / Anthropogenic pollution of rivers : spatiotemporal caracterisation and estimation of the flowsAssaad, Aziz 24 April 2014 (has links)
La Directive Cadre sur l'Eau exige le retour au bon état des cours d'eau en Europe. Ces cours d'eau reçoivent en effet différentes pollutions liées aux différentes activités économiques des populations installées le long de leurs rives. On s'intéresse souvent de façon isolée à des types particuliers de pollution: pollution agricole dues aux pesticides, engrais et résidus d'élevage en milieu rural, pollution spécifique d'une industrie (sidérurgie, papeterie, etc.), pollution domestique plus ou moins bien traitée, etc. Or dans de nombreux cas, on a affaire à un mélange de polluants. Dans le cas de la Moselle, la pollution générée par les activités humaines dans la partie française du bassin versant de la Moselle impacte la qualité des eaux de surface en aval, et donc celle du Rhin. Notre but est de contribuer à caractériser l’état de certains affluents de la Moselle (Madon, Meurthe, Vologne et Fensch) en fonction de leurs pressions anthropiques et de proposer une stratégie pour calculer les flux des polluants le long de ces cours d’eau. Dans ce contexte des compagnes de prélèvement avec un pas spatial fin. Outre les paramètres habituels de caractérisation de l’état des masses d’eau (conductivité, pH, carbone organique dissous, azote ammoniacal, nitrates, etc.) une attention particulière a été portée aux propriétés optiques (absorbance UV-visible, fluorescence synchrone) de la matière organique dissoute afin de mieux comprendre son origine. Les spectres de fluorescence synchrone ont été étudiés par déconvolution ou par analyse en composantes principales. En outre une méthode a été développée, basée sur la spectroscopie de fluorescence synchrone, pour détecter la présence des azurants optiques. Enfin une méthodologie a été mise au point appliquée au Madon pour calculer les flux journaliers moyens de pollution à chaque station d'échantillonnage pour chaque période d'échantillonnage à partir de données géographiques. Cette méthode permet ensuite d’évaluer les flux de pollution / The Water Framework Directive demands a return to good condition for rivers in Europe. These rivers receive different types of pollution related to various economic activities of populations installed along their banks. We are often interested in an isolated manner to particular types of pollution: pollution due to agricultural pesticides, fertilizers and livestock waste in rural areas, pollution due to a specific industry (steel, paper mill, etc.), more or less well treated domestic pollution, etc. But in many cases, we are dealing with a mixture of pollutants. In the case of the Moselle, the pollution generated by human activities in the French part of the Moselle watershed impacts surface water quality downstream and therefore the Rhine. Our goal is to characterize the state of some tributaries of the Moselle (Madon, Meurthe, Vologne and Fensch) versus anthropogenic pressures and propose a strategy to calculate the flow of pollutants along these rivers. In this context, sampling campaigns with a dense spatial stations have been organized. In addition to the usual parameters characterizing water quality (conductivity, pH, dissolved organic carbon, ammonia nitrogen, nitrate, etc.) a particular attention has been given to optical properties (UV-visible absorbance, synchronous fluorescence) of dissolved organic matter in order to understand its origin. Synchronous fluorescence spectra were studied by deconvolution or by principal components analysis. A method has been developed, based on the synchronous fluorescence spectroscopy, to detect the presence of optical brighteners. Finally, a methodology has been developed in Madon watershed in order to calculate the mean daily pollution flux at each sampling station for each sampling period from geographic data
|
Page generated in 0.1192 seconds