Calibration de paramètres hydrogéologiques par assimilation de données électriques dans le suivi d’une contamination.

Bouzaglou, Véronique (2016). Calibration de paramètres hydrogéologiques par assimilation de données électriques dans le suivi d’une contamination. Thèse. Québec, Université du Québec, Institut national de la recherche scientifique, Doctorat en sciences de la terre, 187 p.

Prévisualisation

PDF Télécharger (4MB) | Prévisualisation

Résumé

L’eau souterraine est une ressource importante pour le développement humain. Bien qu’elle soit partiellement protégée, elle est tout de même vulnérable à la contamination naturelle ou anthropique. La caractérisation hydrogéologique des aquifères est nécessaire pour leur gestion et leur protection. L’hydrogéophysique est un domaine transdiciplinaire qui s’intéresse à la caractérisation et au suivi des processus hydrogéologiques par des méthodes géophysiques. Ces méthodes ont l’avantage d’être peu ou pas invasives et de permettre de couvrir des larges étendues à des faibles coûts. Les méthodes électriques, tel que la tomographie par resistivité électrique (ERT), sont particulièrement appropriées pour le suivi de contaminants ou de traceurs salins. Ces méthodes sont sensibles aux changements de résistivité électrique engendrés par la variation de la concentration en sel. Toutefois, l’information relevée grâce à ces méthodes est souvent utilisée de façon qualitative. Dans la présente thèse, il est proposé d’assimiler les mesures obtenues lors d’un suivi par résistivité électrique d’une contamination saline dans le temps pour la caractérisation hydrogéologique. Dans un premier temps, un algorithme d’assimilation de données par filtres de Kalman d’ensemble pour le suivi d’un contaminant a été développé. Une première version de l’algorithme permet de modéliser la conductivité hydraulique à partir de données de concentrations de la contamination saline à des puits. La seconde version de l’algorithme est plutôt basée sur l’assimilation des données de résistance électrique obtenues par ERT. Une dernière version de l’algorithme permet l’assimilation des deux types de données. Un cas synthétique de contamination saline dans un aquifère confiné a été mis en place pour tester les différents algorithmes. La comparaison des trois types d’assimilation a permis de déterminer que l’assimilation des données de résistance électrique permet de modéliser l’hétérogénéité de la conductivité hydraulique aussi bien que l’assimilation de données de concentration aux puits. L’assimilation des deux types de données simultanément n’a pas apporté d’amélioration significative par rapport à l’assimilation des données électriques ou de concentrations aux puits exclusivement. Ceci confirme que les deux types de données contiennent une information similaire concernant la conductivité hydraulique. Des modifications à l’algorithme original des EnKFs ont été mises en place et comparées sur le cas synthétique. Dans le cas à l’étude, les résultats de l’estimation de la conductivité hydraulique étaient similaires que la mise à jour soit effectuée par filtres de Kalman stochastiques ou déterministes, lorsque les ensembles étaient assez grands. Des résultats similaires ont aussi été observés lorsque l’assimilation des données électriques se faisait de façon couplée ou découplée (mise à jour des concentrations ensuite assimilées pour mettre à jour la conductivité hydraulique) et que l’assimilation des données de concentration et de résistance électrique soit effectuée simultanément ou séquentiellement. Par ailleurs, un ensemble initial des conductivités hydrauliques pour l’assimilation par EnKFs a été créé en tenant compte d’une incertitude sur les paramètres géostatistiques pour simuler cet ensemble. Les résultats de l’assimilation des concentrations aux puits et/ou des résistances électriques avec ce nouvel ensemble initial ont été comparés aux résultats de l’assimilation avec un ensemble intial de conductivités hydrauliques créé par simulations aux paramètres géostatistiques fixes. L’incertitude sur les paramètres géostatistiques utilisés pour créer l’ensemble de conductivités hydrauliques de départ a, dans la plupart des cas, empêché des mises à jour significatives par l’assimilation des données. Dans un second temps, la méthodologie développée pour l’assimilation des résistances électriques a été testée sur une expérience de suivi d’une intrusion d’eau saline en laboratoire. Cette méthode d’assimilation des résistances électriques par EnKF a été comparée à une méthode d’assimilation par EnKF des résistivités obtenues par inversion. La conductivité hydraulique du bac de sable de l’expérience était considérée homogène et avait été préalablement mesurée en laboratoire. L’assimilation des résistances électriques (ou résistivités inversées) était utilisé pour mettre à jour la dispersivité en plus de la conductivité hydraulique. La conductivité hydraulique obtenue par assimilation des données électriques (que ce soit les résistances ou les résistivités inversées) convergeait vers la valeur obtenue en laboratoire, tandis que la dispersivité était peu sensible à la mise à jour, probablement due à la faible résolution des mesures électriques qui ne permettait pas de bien imager la zone de transition entre l’eau douce et l’eau salée. L’étude sur le cas synthétique et sur l’expérience d’eau saline en laboratoire a permis de conclure que la conductivité hydraulique peut être modélisée par l’assimilation de données de résistance électrique lors du suivi d’une contamination par ERT.

Although partially protected, groundwater is still vulnerable to natural or antnhropic contamination. Characterisation of aquifers is essential to their good management and their protection. Hydrogeophysics is a cross-disciplinary field whose broad objective is to characterize and monitor groundwater processes through geophysical methods. These methods are most often non-invasive or minimally invasive and allow for large-scale coverage. Electrical methods, such as electrical resistivity tomography (ERT), are particularly well-suited for monitoring saline contaminations or tracer-tests, since electrical resistivity is sensitive to the concentration of salt in water. However, the information obtained through ERT is often used qualitatively. This thesis proposes to assimilate ERT measurements of a saline contamination through time to characterize groundwater parameters. An algorithm for the update of hydraulic conductivity through the monitoring of a salt contamination by ensemble Kalman filter was first developed. A first version of the algorithm assimilated salt concentration measurements in boreholes. A second version of the algorithm assimilated the electrical resistance measurements obtained from a ERT surface survey. A final version of the algorithm assimilated both types of data to update the hydraulic conductivity. A synthetic case study of a saline contamination in a confined aquifer with heterogeneous hydraulic conductivity was defined to test the different algorithms. The results obtained by the assimilation of electrical resistance data weres as good as when the concentration data in boreholes were assimilated. Moreover, if both types of data were simultaneously assimilated, the results were not much better than if only one type of data was assimilated. This confirms that both data types contain similar information concerning hydraulic conductivity. A number of modifications to the original EnKF algorithm were tested on the synthetic case. In this case study, the results were similar whether stochastic or deterministic filters, i.e., the ensemble transform Kalman filter, were used, when the ensemble size was big enough. Similar results were also observed when the assimilation of electrical resistance data was done in a coupled or uncoupled fashion (update of the concentrations from resistance data followed by the update of the hydraulic conductivity through the assimilation of concentrations) and whether the assimilation of electrical resistance and concentration was done sequentially or simultaneously. A final test case was created that took into account the uncertainty of the geostatistical parameters used to create the initial ensemble of hydraulic conductivities. The results of the assimilation of borehole concentrations and/or electrical resistance data were compared to the data assimilation using an initial ensemble of hydraulic conductivities created with fixed geostatistical parameters. In most cases, the uncertainty on the geostatistical parameters used to create the initial hydraulic conductivity ensemble prevented significant updates of the hydraulic conductivity from the data assimilation. The methodology developed to assimilate the electrical resistance data was then further tested on a real saltwater intrusion laboratory experiment. The assimilation of electrical resistance data by EnKF was compared to the assimilation of inverted resistivities also by EnKF. The hydraulic conductivity of the sandbox used for the experiment was considered homogeneous and had been previously measured in the laboratory. The assimilation of electrical resistances (or inverted resistivities) was used to update the dispersivity as well as the hydraulic conductivity. The hydraulic conductivity updated by assimilating electrical data (whether resistances or inverted resistivities) converged towards the measured value. The dispersivity, however, seemed less sensitive to the update through the assimilation of electrical data, probably due to the low resolution of the ERT data, insufficient to capture the transition zone between the salt water and freshwater.

Type de document:	Thèse Thèse
Directeur de mémoire/thèse:	Gloaguen, Erwan
Co-directeurs de mémoire/thèse:	Camporese, Matteo
Mots-clés libres:	inversion hydrogéophysique; assimilation de données; filtres de Kalman d’ensemble; hydrogeophysical inversion; data assimilation; ensemble Kalman filters; electrical resistivity tomography; groundwater transport; saltwater intrusion tomographie par résistivité électrique; contamination des eaux souterraines; intrusion saline.
Centre:	Centre Eau Terre Environnement
Date de dépôt:	31 août 2017 20:39
Dernière modification:	26 nov. 2021 14:11
URI:	https://espace.inrs.ca/id/eprint/5249

Gestion Actions (Identification requise)

Modifier la notice