Simulating pesticide fate at catchment scale by a mixed mechanistic-statistical approach | Simulation par approche mixte mécaniste-statistique du devenir des pesticides dans l'environnement pour le diagnostic de la contamination des sols et des eaux

anglais. The frequent use of pesticides in agriculture leads to widespread contamination of various environmental compartments, especially surface waters. This contamination represents a major environmental and health risk to manage. In this context, spatially distributed mechanistic models represent valuable tools for predicting the impact of changes in agricultural practices on surface water quality at the catchment scale. However, their operational implementation to predict contamination over long periods and over extensive watersheds is limited, notably due to their high computational time. Thus, the general objective of this thesis is to propose an approach for spatially distributed modeling of pesticide hydrological transfers with a computation time compatible with operational use. To this end, a numerical simplification approach of an existing distributed mechanistic model was undertaken to reduce computational time while maintaining predictive capacity compatible with operational use in watersheds. The work is based on the spatially distributed model MHYDAS-Pesticide 1.0 (Crevoisier et al., 2021), and observed data from the Roujan vineyard watershed, in a Mediterranean context, as part of the OMERE Environmental Research Observatory (Molénat et al., 2018). The proposed numerical simplification approach consists of replacing the module for calculating water and solute fluxes in the soil at field scale of the spatially distributed mechanistic model with a statistical model. The hybrid mechanistic-statistical model obtained retains the spatial structure of the original model. First, the accuracy of the field-scale model of MHYDAS-Pesticide 1.0 in predicting the temporal variability of pesticide runoff contaminations at the outlet of an agricultural field was assessed by comparison with 19 years of observations. Subsequently, a statistical meta-model, i.e. a simplified mathematical representation, of the field-scale model of MHYDAS Pesticide 1.0 was developed by statistical learning of a Long Short-Term Memory (Hochreiter and Schmidhuber, 1997) model. Then, a numerical simplification of MHYDAS-Pesticide 1.0 was assembled by coupling the field-scale statistical model with the initial distributed hydrological structure of MHYDAS Pesticide 1.0 to simulate the temporal dynamics of surface water fluxes and pesticide concentrations at the catchment scale. An application of the hybrid mechanistic-statistical model was conducted to assess the risk of surface water contamination by glyphosate at the outlet of a watershed based on the spatial distribution of pesticide application. Results demonstrate the potential of the proposed modeling approach for the operational implementation of spatially distributed hydrological models. The hybrid mechanistic-statistical model obtained retains interesting functionalities of a distributed mechanistic hydrological model for operational use and presents reduced computation time (-76%). It can be used to evaluate both chronic and acute risks of surface water contamination by a variety of pesticide compounds depending on the spatial and temporal distribution of pesticide application in different watersheds. Furthermore, the predictive performance of the field-scale hybrid model is compatible with the analysis of acute and chronic contamination risks. Therefore, this thesis opens up perspectives for the development of operational methods for assessing the impact of agricultural practices on surface water quality at the catchment scale.

français. L’utilisation fréquente de pesticides en agriculture entraîne une contamination généralisée de différents compartiments de l’environnement, notamment des eaux de surface. Cette contamination représente un risque environnemental et sanitaire majeur à gérer. Dans ce cadre, les modèles mécanistes spatialement distribués représentent des outils précieux pour prédire l’impact de changements de pratiques agricoles sur la qualité des eaux de surface, à l’échelle territoriale. Leur mise en œuvre opérationnelle pour prédire les contaminations sur de longues périodes et sur des bassins versants étendus est néanmoins limitée, notamment en raison de leur temps de calcul élevé. Ainsi, l’objectif général de cette thèse consiste à proposer une démarche de modélisation spatialement distribuée de transferts hydrologiques de pesticides qui présente un temps de simulation compatible avec un usage en conditions opérationnelles. A cet effet, une démarche de simplification numérique d’un modèle mécaniste distribué existant a été entreprise afin de réduire les temps de calcul tout en conservant une capacité prédictive compatible avec un usage opérationnel en bassin-versant. Les travaux réalisés s’appuient sur le modèle spatialement distribué MHYDAS-Pesticide 1.0 (Crevoisier et al., 2021), et des données observées sur le bassin versant viticole de Roujan, en contexte méditerranéen, dans le cadre de l’Observatoire de Recherche en Environnement OMERE (Molénat et al., 2018). La démarche de simplification numérique proposée et mise en œuvre consiste à remplacer le module de calcul des flux d’eau et de solutés dans le sol à l’échelle parcellaire du modèle mécaniste spatialement distribué par un modèle statistique. Le modèle hybride mécaniste-statistique ainsi obtenu conserve la structure spatiale du modèle initial. Dans un premier temps, la précision du modèle parcellaire de MHYDAS-Pesticide 1.0 pour prédire la variabilité temporelle des contaminations des ruissellements par les pesticides à l’exutoire d’une parcelle agricole a été vérifiée par comparaison avec 19 années d’observations. Dans un second temps, un méta-modèle à base statistique, c’est-à-dire une représentation mathématique simplifiée, du modèle parcellaire MHYDAS Pesticide 1.0 a été constituée par apprentissage statistique d’un modèle Long Short-Term Memory (Hochreiter and Schmidhuber, 1997). Ensuite, une simplification numérique de MHYDAS-Pesticide 1.0 a été assemblée par couplage entre le modèle statistique parcellaire et la structure hydrologique distribuée initiale de MHYDAS Pesticide 1.0 afin de simuler les dynamiques temporelles des flux d’eau de surface et des concentrations en pesticides à l’échelle d’un bassin versant. Une application du modèle hybride mécaniste-statistique a été réalisée pour évaluer le risque de contamination des eaux de surface par le glyphosate à l’exutoire d’un bassin versant en fonction de la distribution spatiale des épandages. Les résultats obtenus montrent le potentiel de la démarche de modélisation proposée pour la mise en œuvre opérationnelle de modèles hydrologiques spatialement distribués. Le modèle hybride mécaniste-statistique obtenu conserve des fonctionnalités d’un modèle hydrologique mécaniste distribués intéressantes pour une utilisation opérationnelle et présente des temps de calcul réduits (-76 %). Il peut être utilisé pour évaluer à la fois le risque chronique et le risque aigu de contamination des eaux de surface par une diversité de molécules pesticides en fonction de la distribution spatiale et temporelle des épandages dans différents bassins versants. La performance prédictive du modèle hybride à l’échelle parcellaire est par ailleurs compatible avec l’analyse des risques de contamination aiguë et chronique. Cette thèse ouvre ainsi des perspectives pour le développement d’outils opérationnels d’évaluation de l’impact des pratiques agricoles sur la qualité des eaux de surface à l’échelle d’un bassin versant.