Titre de l'écran-titre (visionné le 9 janvier 2024) / Les modèles hydrogéologiques permettent de décrire la réponse des systèmes aquifères soumis à différents forçages naturels et anthropiques, et peuvent donc être utilisés pour évaluer les éventuels effets néfastes associés à différentes stratégies de gestion de l'eau souterraine. Les variables simulées par les modèles sont intrinsèquement incertaines, et des analyses telles que l'estimation des paramètres, l'analyse quantitative des incertitudes et l'optimisation de gestion sous incertitude sont essentielles pour fournir des informations quantitatives robustes pour appuyer la prise de décision des gestionnaires de l'eau souterraine. Cependant, ces analyses sont rarement effectuées dans les modèles d'écoulement d'eau souterraine simulant l'intrusion saline, à cause des temps de calculs très longs des modèles simulant le transport advectif-dispersif. L'objectif de cette recherche était de fournir des cadres méthodologiques pour la mise en place de ces analyses dans les modèles opérationnels régionaux simulant l'intrusion saline. Des méthodologies reproductibles ont ainsi été développées pour l'estimation des paramètres, l'analyse quantitative des incertitudes et l'optimisation des pompages sous incertitude à l'aide de modèles d'intrusion saline dits à « interface abrupte », qui ne simulent pas explicitement les phénomènes de dispersion hydrodynamique. Des approches déterministes puis stochastiques ont été développées, prenant en compte l'incertitude dans les paramètres du modèle, l'incertitude dans les observations utilisées pour contraindre l'estimation des paramètres, et finalement l'incertitude climatique. Des méthodes ont été développées pour extraire des observations de charge d'eau douce équivalente et d'interface eau douce-eau salée de différents types de puits et de la géophysique, et pour estimer leurs incertitudes. Une analyse a posteriori a déterminé quels types d'observations étaient essentiels pour réduire les incertitudes prédictives du modèle, pour guider de futures collectes de données dans les aquifères insulaires ou côtiers. Une méthodologie a également été développée pour optimiser les pompages dans une lentille d'eau douce insulaire avec un modèle à interface abrupte, en corrigeant l'interface par une solution analytique pour estimer de manière simplifiée la dispersion d'eau salée liée au pompage. Toutes les méthodologies développées ont utilisé des logiciels d'écoulement de l'eau souterraine (MODLOW-SWI2) et des outils d'aide à la décision (PEST_HP, PEST++, PyEMU) libres et facilement accessibles. Ces méthodes ont été intégralement développées sous la forme de scripts Python pour faciliter leur reprise dans d'autres projets de modélisation hydrogéologique. Les résultats démontrent les avantages liés à la mise en place d'outils d'aide à la décision dans les modèles numériques d'écoulement de l'eau souterraine. L'optimisation des pompages sous incertitude permet d'obtenir le débit de pompage maximal en fonction du risque de salinisation (à comparer à la demande en eau); cette approche permet aux gestionnaires de l'eau souterraine de choisir le scénario souhaité en fonction de leur degré de tolérance au risque. L'estimation des paramètres permet de réduire les incertitudes prédictives du modèle, ce qui influence directement les débits de pompage optimaux. La prise en compte de l'incertitude climatique augmente l'incertitude prédictive du modèle et réduit les débits de pompages optimaux pour les gestionnaires ayant une attitude conservatrice face au risque. Cette recherche était motivée par des problématiques concrètes de gestion de l'eau souterraine aux Iles de la Madeleine (Québec, Canada), et les méthodologies mises en place pourraient être utilisées pour appuyer la prise de décision des gestionnaires de l'eau souterraine dans d'autres milieux côtiers ou insulaires. / Numerical models enable the assessment of a groundwater system's response to various natural processes and human activities, and thus can be used to evaluate whether a management strategy could lead to adverse effects. Model predictions are not exact predictions of the behavior of natural systems, and the implementation of analyses such as parameter estimation, uncertainty quantification and management optimization under uncertainty are therefore critical to support groundwater management. However, they are rarely implemented in seawater intrusion numerical models, due to the prohibitive model simulation times of advective-dispersive solute transport models. The objective of this research was to provide a framework for the implementation of these decision-support analyses in real-world seawater intrusion models at regional scales. Highly-reproducible, scripted methodologies were developed for parameter estimation, uncertainty quantification and pumping optimization under uncertainty using computationally-efficient sharp-interface models, which do not explicitly simulate hydrodynamic dispersion. Both deterministic and stochastic, ensemble-based approaches were implemented, accounting for parameter and observation uncertainty as well as climate uncertainty. Methodologies were developed for the processing and uncertainty quantification of freshwater heads and freshwater-seawater interface elevations from different types of wells and geophysical data. A data worth analysis provided insights on future data collection strategies in coastal or island aquifers, and found that interface observations, particularly geophysical observations, were most useful to reduce model predictive uncertainties. A methodology was also developed to optimize pumping rates in a sharp-interface model of an island freshwater lens, using an analytical correction for dispersion to overcome the limitations of the sharp-interface model. All the methodologies developed used widely available groundwater flow software (MODFLOW-SWI2) and decision-support tools (PEST, PEST_HP, PEST++, PyEMU), and were entirely scripted using Python to facilitate their adoption by the wider groundwater modeling community. The results collectively demonstrate the benefits of implementing decision-support analyses in groundwater numerical models. Pumping optimization under uncertainty enabled the quantification of the optimal tradeoff between increasing pumping rates (to meet the water demand) and the risk of well salinization, which allows groundwater managers to select their preferred management scenario depending on the level of risk that they consider to be acceptable. Conducting history matching enabled a reduction of model predictive uncertainty, which directly impacted the maximum allowable pumping rates. Accounting for climate uncertainty led to increased model predictive uncertainty and a reduction of the maximum allowable pumping rates for managers with a risk-averse stance. This research was motivated by real-world groundwater management challenges in the Magdalen Islands (Québec, Canada), and the methodologies that were developed could be used to support decision-making in other coastal or island aquifers.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/132083 |
| Date | 10 January 2024 |
| Creators | Coulon, Cécile |
| Contributors | Lemieux, Jean-Michel, Pryet, Alexandre |
| Source Sets | Université Laval |
| Language | English |
| Detected Language | French |
| Type | COAR1_1::Texte::Thèse::Thèse de doctorat |
| Format | 1 ressource en ligne (xviii, 114 pages), application/pdf |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.003 seconds