Développement d'un indicateur d'exposition des eaux de surface aux pertes de pesticides à l'échelle du bassin versant

Developping an indicator to assess surface water exposure to pesticide losses at a catchment scale

• Auteur / Autrice : Julie Wohlfahrt
• Direction : Philippe Girardin
• Type : Thèse de doctorat
• Discipline(s) : Sciences agronomiques
• Date : Soutenance le 09/12/2008
• Etablissement(s) : Vandoeuvre-les-Nancy, INPL
• Ecole(s) doctorale(s) : RP2E - Ecole Doctorale Sciences et Ingénierie des Ressources, Procédés, Produits, Environnement
• Partenaire(s) de recherche : Laboratoire : Laboratoire agronomie et environnement
• Jury : Président / Présidente : Sylvain Plantureux
• Jury : Examinateurs / Examinatrices : Philippe Girardin, Sylvain Plantureux, Chantal Gascuel, Roger Moussa, Nadia Carluer, Jean-François Mari
• Jury : Rapporteur / Rapporteuse : Chantal Gascuel, Roger Moussa

Mots clés

Mots clés contrôlés

Qualité de l'eau

Eau -- Pollution par les pesticides

Mots clés libres

Indicateur

Eaux de surface

Evaluation agri-environnementale

Bassin versant

Modélisation

Indicator

Surface water

Agro-environmental assessment method

Catchment

Modelling

Résumé

La pollution des eaux de surface par les pesticides est un problème sérieux. Cette pollution étant en grande partie liée à l’activité agricole, la mise en place de pratiques permettant de limiter les transferts de pesticides vers les eaux de surface représente une solution intéressante. Afin d’apprécier l’efficacité de tels projets il est important de développer des méthodes spécifiques d’évaluation agri-environnementale. Si les méthodes d’évaluation parcellaires sont opérationnelles, celles à l’échelle du bassin versant ne sont pas encore bien adaptées aux besoins des acteurs de terrain. Ce travail a pour objectif de développer un indicateur de risque d’exposition des eaux de surface aux pertes de pesticides par ruissellement à l’échelle du bassin versant. Pour ce faire, nous avons développé deux indicateurs : un indicateur parcellaire évaluant l’impact des pratiques agricoles sur les pertes de pesticides par ruissellement en sortie de parcelle et un indicateur de connectivité estimant la contribution de chaque parcelle au ruissellement global du bassin versant. Le couplage de ces deux indicateurs permet d’obtenir un outil d’évaluation du risque des pratiques phytosanitaires spécifique d’un bassin versant et de comparer des scenarii. Les méthodes de développement des deux indicateurs se distinguent des méthodes classiques par leur fondement sur un couplage indicateur / modèle. L’hypothèse méthodologique principale sur laquelle repose ce travail est qu’à partir des processus décrits par les modèles, il est possible d’explorer une gamme de situations très large et de créer une base de connaissances qui permet de développer nos indicateurs

Surface water pollution by pesticides is a great environmental concern. In order to limit pesticides transfers from agricultural field to surface water, mitigation strategies are implemented. Their effectiveness has then to be assessed by specific tools. Most of pesticide runoff risk assessment tools are simple indicators or simulation models. Both can be performing for field application but most of the available methods are not yet adapted to help catchment managers in their decision process. Simple indicators lack taking into account inherent variability of watersheds structures and mechanistic models demands too many data to be used as routine tools. The aim of this study is then to develop a catchment scale pesticide runoff risk assessment tool to help catchment managers to identify risky situations. We developed two indicators: one to assess agricultural impact on pesticide runoff risk at a field scale and the other field spatial position impact on runoff route from the field to the hydrological network. Aggregating those two indicators lead us to assess catchment fields pesticide runoff risk and allows comparing agronomical or climatic scenarios. We based both indicators on modelling assuming that processes described by model make possible to explore wide factors variation ranges and to build databases on which indicators are developed