TH2021PESC1100

Mesure et modélisation du bilan hydrologique de
dispositifs rustiques de gestion à la source des eaux de

ruissellement de chaussées
Tala Kanso
To cite this version:

Tala Kanso. Mesure et modélisation du bilan hydrologique de dispositifs rustiques de gestion à la
source des eaux de ruissellement de chaussées. Ingénierie de l’environnement. Université Paris-Est;
École doctorale des Sciences et de Technologie (Beyrouth), 2021. Français. �NNT : 2021PESC1100�.
�tel-03478830�
HAL Id: tel-03478830

https://pastel.hal.science/tel-03478830
Submitted on 14 Dec 2021
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
THESE de doctorat en Cotutelle
Pour obtenir le grade de Docteur délivré par
L’UNIVERSITE PARIS-EST
ECOLE DOCTORALE : Sciences, Ingénierie et Environnement
Et
L’UNIVERSITE LIBANAISE
ECOLE DOCTORALE : Sciences et Technologies
Spécialité : Génie Civil
Présentée et soutenue publiquement le 18 mai 2021 par
Tala KANSO
MESURE ET MODELISATION DU BILAN HYDROLOGIQUE

DE DISPOSITIFS RUSTIQUES DE GESTION A LA SOURCE
DES EAUX DE RUISSELLEMENT DE CHAUSSEES
M. Laurent LASSABATERE, ENTPE Rapporteur

M. Chadi ABDALLAH, CNRS-L Rapporteur
M. Pierre-Emmanuel PEYNEAU, Université Gustave Eiffel Examinateur
M. Antoine EL SAMRANI, Université Libanaise Faculté Des Sciences Examinateur
M. Bruno TASSIN, Ecole Des Ponts Paristech Examinateur
Mme Marie-Christine Gromaire, Ecole Des Ponts Paristech Directrice de thèse
M. Ghassan Chebbo, Université Libanaise Faculté De Genie Directeur de thèse
M. David Ramier, CEREMA Ile-de-France Co-encadrant de thèse
Tables des matières
2
3

TABLES DES MATIERES ................................................................................................................ 4
RESUME ...................................................................................................................................... 8
ABSTRACT.................................................................................................................................. 10
REMERCIEMENTS ...................................................................................................................... 12
LISTES DES SYMBOLES ET DES ABREVIATIONS ........................................................................... 14
INTRODUCTION GENERALE ....................................................................................................... 18
Contexte ........................................................................................................................................................ 18
Objectifs de la thèse ....................................................................................................................................... 21
Projets de recherche ...................................................................................................................................... 22
Structure du manuscrit................................................................................................................................... 23
PARTIE 1. ETAT DE L’ART ..................................................................................................... 25
1 .1 Typologie des ouvrages végétalisés de gestion à la source des eaux de ruissellement de voirie ........... 25
1.1.1 Généralités ............................................................................................................................................. 25
1.1.2 Typologie ................................................................................................................................................ 25
1.1.3 Les bandes enherbées............................................................................................................................ 31
1.1.4 Les noues d’écoulement ........................................................................................................................ 32
1.1.5 Les noues filtrantes / ouvrages de biorétention .................................................................................... 33
1 .2 Les processus hydrologiques mis en jeu ................................................................................................ 34

1.2.1 Les différents composants du bilan hydrologique ................................................................................. 34
1.2.2 Formation de ruissellement : flux de surface ........................................................................................ 35
1.2.3 Infiltration de l’eau dans le sol : Flux infiltré .......................................................................................... 37
1.2.4 L’évapotranspiration : flux évapotranspiré ............................................................................................ 40
1.2.5 Ecoulement dans le drain : flux drainé .................................................................................................. 42
1.2.6 Flux de surverse ..................................................................................................................................... 42
1 .3 Conception des ouvrages végétalisés de gestion à la source des eaux pluviales .................................... 43
1.3.1 Généralités sur la conception des ouvrages végétalisés........................................................................ 43
1.3.2 Conception des bandes enherbées ........................................................................................................ 44
1.3.2.1 Lignes directrices générales pour la conception des bandes enherbées .............................................. 44
1.3.2.2 Outils de conception et dimensionnement des bandes enherbées ...................................................... 47
1.3.3 Conception des noues d’écoulement .................................................................................................... 49
1.3.3.1 Lignes directrices générales pour la conception des noues d’écoulement ........................................... 49
1.3.3.2 Outils de conception et dimensionnement des noues d’écoulement ................................................... 52
1.3.4 Conception des noues filtrantes / ouvrages de biorétention ................................................................ 54
4
1.3.4.1 Lignes directrices générales pour la conception des noues filtrantes .................................................. 54
1.3.4.2 Outils de conception et dimensionnement des noues filtrantes .......................................................... 58
1 .4 Suivis expérimentaux de la performance hydrologique des ouvrages végétalisés de gestion des eaux
pluviales : Méthodes et résultats ................................................................................................................... 60
1.4.1 Généralités sur l’évaluation de la performance hydrologique de ces systèmes : indicateurs de
performance ..................................................................................................................................................... 60
1.4.2 Performances hydrologiques expérimentales des bandes enherbées .................................................. 64
1.4.3 Performances hydrologiques expérimentales des noues d’écoulement ............................................... 70
1.4.4 Performances hydrologiques expérimentales des noues filtrantes / ouvrages de biorétention .......... 73
1.4.5 Bilan sur la performance hydrologique expérimentale des ouvrages de gestion des eaux pluviales ... 83
1 .5 Modélisation hydrologique des ouvrages de gestion des eaux pluviales ............................................... 84

1.5.1 Typologie des modèles .......................................................................................................................... 84
1.5.2 Modélisation hydrologique des bandes enherbées ............................................................................... 84
1.5.2.1 Les différents modèles hydrologiques ................................................................................................. 85
1.5.2.2 Limitations des modèles ...................................................................................................................... 89
1.5.3 Modélisation hydrologique des noues filtrantes / ouvrages de biorétention ....................................... 90
1.5.3.1 Les différents modèles hydrologiques des noues filtrantes/ ouvrages de biorétention ..................... 90
System) ............................................................................................................................................................ 91
1.5.3.2 Modélisation sous HYDRUS 2D/ HYDRUS 2D-3D ................................................................................. 92
1.5.3.3 Limitations des modèles ...................................................................................................................... 93
PARTIE 2. METHODES EXPERIMENTALES ............................................................................. 94
2 .1 Dispositif expérimental ......................................................................................................................... 94

2.1.1 Choix des sites d’étude .......................................................................................................................... 94
2.1.2 Sites d’études ......................................................................................................................................... 96
2.1.2.1 Situation Générale ............................................................................................................................... 96
2.1.2.2 Bassin versant étudié ........................................................................................................................... 96
2.1.2.3 Bande enherbée 1 ................................................................................................................................ 98
2.1.2.4 Bande enherbée 2 .............................................................................................................................. 100
2.1.2.5 Noue filtrante ..................................................................................................................................... 100
2.1.3 Equipements des sites ......................................................................................................................... 107
2.1.3.1 Mesure de la pluie et évaluation de l’évapotranspiration ................................................................. 107
2.1.3.2 Suivi des eaux de ruissellement de voirie ........................................................................................... 107
2.1.3.3 Mesure du débit ................................................................................................................................. 108
2.1.3.4 Mesure de la teneur en eau et du potentiel matriciel ......................................................................... 110
2 .2 Analyse des incertitudes associées à la mesure des propriétés hydrauliques du sol et de son état
hydrique....................................................................................................................................................... 114
2.2.1 Introduction ......................................................................................................................................... 114
2.2.2 Article variabilité spatiale des propriétés hydrauliques du sol ............................................................ 116
2.2.3 Article Calibration des capteurs de teneur en eau .............................................................................. 135
2.2.4 Conclusions .......................................................................................................................................... 158
2 .3 Bilan des données acquises et validation ............................................................................................ 160

2.3.1 Acquisition des données ...................................................................................................................... 160
2.3.2 Validation des données et base de données finale ............................................................................. 162
2.3.2.1 Validation des séries pluie / débit ...................................................................................................... 162
2.3.2.2 Lissage de la série de pluie et d’ETP ................................................................................................... 165
2.3.2.3 Validation du débit de surverse ......................................................................................................... 166
5
2.3.2.4 Validation des teneurs en eau et des tensions .................................................................................. 166

2.3.2.5 Délimitation des événements hydrologiques ..................................................................................... 167
PARTIE 3. EVALUATION EXPERIMENTALE DE LA PERFORMANCE HYDROLOGIQUE D’UNE

NOUE FILTRANTE..................................................................................................................... 169
3 .1 Introduction ........................................................................................................................................ 169
3 .2 Reconstitution des données manquantes sous US EPA SWMM .......................................................... 170

3.2.1 Introduction ......................................................................................................................................... 170
3.2.2 Méthodologie ...................................................................................................................................... 170
3.2.2.1 Description du modèle SWMM .......................................................................................................... 170
3.2.2.1 Configuration des systèmes modélisés .............................................................................................. 172
3.2.2.2 Stratégie de calage du modèle .......................................................................................................... 175
3.2.3 Résultats .............................................................................................................................................. 177
3.2.3.1 Sensibilité du modèle par rapport aux paramètres ............................................................................ 177
3.2.3.2 Erreur sur l’estimation des débits de pointe ...................................................................................... 181
3.2.3.3 Estimation du débit entrant dans la noue filtrante pour la chronique complète ............................... 183
3 .3 Indicateurs de la performance hydrologique et bilan hydrique de la noue filtrante ............................ 185

3.3.1 Caractéristiques des évènements pluvieux ......................................................................................... 186
3.3.2 Abattement de volume ........................................................................................................................ 188
3.3.2.1 Définition et calcul .............................................................................................................................. 188
3.3.2.2 Efficacité hydrologique de la noue en termes de volume ................................................................... 190
3.3.3 Proportion surversée ........................................................................................................................... 195
3.3.3.1 Définition et Calcul .............................................................................................................................. 195
3.3.3.2 Efficacité hydrologique de la noue en terme de surverse ................................................................... 196
3.3.4 Abattement et distribution des débits ................................................................................................. 199
3.3.4.2 Efficacité hydrologique de la noue en terme de débit ........................................................................ 201
3.3.4.3 Distribution des débits ........................................................................................................................ 205
3.3.5 Fonctionnement Hydraulique .............................................................................................................. 206
3.3.5.2 Résultats du fonctionnement hydraulique .......................................................................................... 207
3.3.6 Variabilité spatiale de la teneur en eau et stockage dans le sol .......................................................... 211
3.3.6.1 Variabilité spatiale de la teneur en eau dans la noue ......................................................................... 211
3.3.6.2 Volume de stockage dans le sol .......................................................................................................... 218
3.3.7 Bilan hydrique ...................................................................................................................................... 220
3.3.7.1 Bilan hydrique évènementiel .............................................................................................................. 220
3.3.7.2 Bilans hydriques saisonnier et annuel ................................................................................................. 227
3.4 Conclusions ........................................................................................................................................... 229
PARTIE 4. MODELISATION DE LA PERFORMANCE HYDROLOGIQUE DES BANDES ENHERBEES

232
4 .1 Introduction ........................................................................................................................................ 232
4 .2 Méthodologie de modélisation des deux bandes enherbées .............................................................. 233

4.2.1 Modélisation des bandes enherbées sous HYDRUS 2D/3D couplée à un module de ruissellement
superficiel 1D .................................................................................................................................................. 233
4.2.2 Hydrus 2D/3D ....................................................................................................................................... 234
6
4.2.3 Stratégie de modélisation des bandes enherbées et période de simulation ....................................... 237
4.2.4 Configuration de la chaussée dans Hydrus 2D/3D ................................................................................ 238
4.2.5 Configuration du système modélisé : Bande enherbée 2 ..................................................................... 239
4.2.6 Configurations du système modélisé : Bande enherbée 1 ................................................................... 243
4.2.7 Validation du modèle ............................................................................................................................ 248
4.3 Résultats .............................................................................................................................................. 251

4.3.1 Modélisation de la chaussée : HYDRUS vs SWMM .............................................................................. 251
4.3.2 Résultats de la modélisation de la bande enherbée 2 ......................................................................... 253
4.3.3 Résultats de la modélisation de la bande enherbée 1 ......................................................................... 258
4.3.4 Application du modèle a une simulation à long terme de la bande enherbée 2 ................................. 264
4.3.5 Application du modèle a une simulation à long terme de la bande enherbée 1 ................................. 266
4.3.5 Bilans .................................................................................................................................................... 270
4 .4 Application du modèle valide sur différentes configurations de bandes enherbées ............................ 272
4.4.1 Introduction .......................................................................................................................................... 272
4.4.2 Les différents scenarios ........................................................................................................................ 272
4.4.3 Effet de la texture du sol sur la performance hydrologique de la bande enherbée .............................. 274
4.4.4 Effet de la largeur de la bande sur la performance hydrologique ......................................................... 278
4.4.5 Effet de la structure de la chaussée sur la performance hydrologique ................................................ 280
4.4.6 Effets de la pente sur la performance hydrologique ............................................................................ 282
4.4.7 Effets du coefficient de Manning sur la performance hydrologique ..................................................... 284
4 .5 Conclusions .......................................................................................................................................... 286
CONCLUSIONS ET PERSEPECTIVES ........................................................................................... 288
Rappel des objectifs ..................................................................................................................................... 288
Conclusions scientifiques ............................................................................................................................. 288

Caractérisation des propriétés hydrauliques du sol et de son état hydrique................................................. 288
Efficacité hydrologique expérimentale d’une noue filtrante en bordure de voirie ........................................ 290
Évaluation de la performance hydrologique par modélisation de deux bandes enherbées en bordure de
voirie ............................................................................................................................................................... 291
Conclusions opérationnelles ........................................................................................................................ 292
Perspectives ................................................................................................................................................. 294

Sur le plan expérimental ................................................................................................................................. 294
Modélisation hydrologique ............................................................................................................................ 295
ANNEXES ................................................................................................................................. 296
Annexes 1 .................................................................................................................................................... 296
RÉFÉRENCES ............................................................................................................................ 300
7
Résumé
Résumé
Dans un monde qui s'urbanise rapidement, les surfaces imperméables
continuent à se développer, entraînant une diminution du taux d'infiltration dans le
sol et une augmentation du ruissellement superficiel. Ce ruissellement provoque une
altération du régime hydrologique naturel et la dégradation des milieux aquatiques. En
particulier, le ruissellement des chaussées et des voiries urbaines, connues pour leur
grande imperméabilité et leur forte contamination par des micropolluants organiques
et métalliques. Des alternatives à la gestion classique des eaux pluviales, des systèmes
végétalisés favorisant l'infiltration et l'évapotranspiration, peuvent être installés en
bordure des voiries. Ils visent un traitement ou un prétraitement des eaux de
ruissellement pour les pluies courantes mais aussi un retour vers un fonctionnement
hydrologique plus proche du bilan naturel. Le fonctionnement hydrologique de ces
dispositifs en milieu urbain, en particulier le long des voiries, n'est pas encore
suffisamment maîtrisé. Cette thèse vise à comprendre le fonctionnement hydrologique
de ce type d’ouvrage et à analyser les conséquences en termes de conception. Les
ouvrages étudiés sont deux bandes enherbées et une noue filtrante situées en bordure
d'une route départementale en région parisienne.
La deuxième partie du travail consiste en la mise en place d'un dispositif
métrologique permettant le suivi en continu d’un ouvrage pour les flux entrant, sortant
et le stockage dans le sol. Elle comprend également un travail expérimental de
caractérisation de l'hydrodynamique du sol et de calibration de la mesure de la teneur
en eau. Une variabilité spatiale significative - horizontale et verticale - de la
conductivité hydraulique à saturation du sol a été mise en évidence. Elle est dominante
par rapport aux incertitudes de mesure et affecte les volumes et les débits de pointe
sortant de l'ouvrage. Les équations d'étalonnage spécifiques au type de sol et les
incertitudes associées pour deux capteurs capacitifs de teneur en eau sont fournies
dans cette partie.
8
Résumé
Une évaluation de la performance hydrologique et des bilans hydriques de la
noue filtrante pour les pluies courantes et à différentes échelles de temps a été réalisée
sur la base des résultats expérimentaux. Les facteurs affectant le fonctionnement
hydrologique de l'ouvrage ainsi que les incertitudes liées au calcul des bilans
hydriques sont également analysés. La noue filtrante a montré des performances
hydrologiques intéressantes (réduction du volume de ruissellement, réduction du
débit de pointe, ...). En ce qui concerne le bilan hydrique, l'incertitude du calcul ainsi
que les éventuelles pertes in situ ne sont pas négligeables et représentent 20 % du
volume entrant dans l’ouvrage.
La quatrième partie de la thèse, consiste en une approche de modélisation, en vue
de tester le potentiel d'un outil de modélisation à base physique pour analyser le
fonctionnement hydrologique des dispositifs de filtration végétalisés. A l'aide de ce
modèle, des bilans hydriques et des performances hydrologiques pour différentes
configurations de bandes enherbées sont établis. Les résultats montrent que la
validation du modèle sur la base des seules données de teneur en eau n'est pas
suffisante si l'objectif est de modéliser le bilan hydrique, et en particulier le
ruissellement. La bande enherbée joue un rôle important dans la performance
hydrologique du système de gestion des eaux pluviales. En effet, cette bande est
capable de réduire complètement le volume et les pics de ruissellement de la chaussée.
Cette recherche démontre l’intérêt des ouvrages végétalisés pour la gestion des
eaux ruissellement de chaussées. Elle apporte également des suggestions pour la
conception et l'évaluation hydrologique de ces systèmes.
Mots-clés : Eaux pluviales, Eaux de voirie, Infiltration, Propriétés hydrauliques du sol,
Techniques alternatives, Gestion à la source, Modélisation hydrologique, Base de
données.
9
Abstract
Abstract
In a world of rapid urbanization, impervious surfaces continue to expand,
resulting in a decrease in soil infiltration and an increase in surface runoff. This runoff
causes an alteration of the natural hydrological regime and the degradation of aquatic
environments. In particular, runoff from urban roads and pavements, known for their
high impermeability and their high contamination by organic and metallic
micropollutants. Alternatives to traditional stormwater management, SuDS
(Sustainable Drainage Systems) that promote infiltration and evapotranspiration, can be
installed along roads. They aim at treating or pre-treating runoff water but also at
returning to a hydrological functioning closer to the natural balance. The hydrological
functioning of these systems in urban areas, particularly along roadways, is not yet
sufficiently understood. This thesis aims to understand the hydrological functioning
of this type of structure and to analyze the consequences in terms of design. The
structures studied are two filter strips and a bioretention swale located along a
departmental road in the Paris region.
The second part of this work consists in the implementation of measurement
instruments allowing the continuous monitoring of a vegetated system for the inflow,
outflow and and soil storage. It also includes an experimental work of characterization
of soil hydrodynamics and calibration of water content probes. A significant spatial
variability - horizontal and vertical - of the soil saturated hydraulic conductivity has
been demonstrated. It is dominant relative to measurement uncertainties and affects
the volumes and peak flows leaving the system. Soil-specific calibration equations and
associated uncertainties for two capacitive water content sensors are provided in this
section.
An evaluation of the hydrological performance and water balance of the
biorétention swale at different time scales was carried out on the basis of the
experimental results. Factors affecting the system hydrological functioning as well as
10
Abstract
uncertainties related to water balance calculation are also analyzed. The biorétention
swale showed promising hydrological performances (runoff reduction, peak flow
attenuation, ...). Regarding the water balance, calculation uncertainties as well as
possible in situ water losses are not negligible and represent 20 % of the volume
entering the structure.
The fourth part of the thesis, consists of a modeling approach, in order to test the
potential of a physics-based modeling tool to analyze the hydrological functioning of
vegetated filtration devices. By means of this model, water balances and hydrological
performances for different configurations of vegetated filter strips are established. The
results show that model validation based on water content data alone is not sufficient
if the objective is to model water balances, and in particular surface runoff. The filter
strip plays an important role in the hydrological performance of the stormwater
management system. Indeed, this strip is able to completely reduce runoff volume and
peak flow generated by the road.
This research highlights the benefits of SuDS (Sustainable Drainage Systems) in
managing road runoff. It also provides suggestions for the design and hydrological
evaluation of these systems.
Keywords : Stormwater, Roadside, Infiltration, Soil hydraulic properties, Stormwater,
Sustainable Urban Drainage Systems (SUDS), Hydrological modeling, Data base
11
Remerciements
Remerciements
12
Remerciements
13
Listes des symboles et des abréviations

∆𝑆𝑠𝑜𝑙 Variation de volume de stockage dans le sol de l’ouvrage
∆𝑆𝑠𝑢𝑟 Variation de volume de stockage en surface de l’ouvrage
𝑃 Précipitation
𝑅 Ruissellement superficiel
𝐸𝑇 Evapotranspiration
𝑆 Surverse
D Drain
ℎ0 Hauteur d’eau en surface
Q0 Débit par unité de largeur
t Temps
P Taux de précipitations
I Taux d’infiltration
𝑣 Vitesse de l’écoulement
g Accélération de la pesanteur
𝑆0 Pente
𝑆𝑓 Pente de la ligne d’énergie
Paramètres liés à la pente, à la rugosité de surface et aux conditions
𝛼 ∗ et 𝑝
d'écoulement dans l’équation de Manning
𝑛𝑀 Coefficient de Manning pour le ruissellement superficiel
𝐼(𝑡) Infiltration cumulée au temps t
𝑖(𝑡) Taux d’infiltration au temps t
q Débit par unité de surface
𝐾𝑆 Conductivité hydraulique à saturation du sol
θ Teneur en eau dans le sol
𝑔𝑟𝑎𝑑 Opérateur gradient
h Pression interstitielle
𝜏𝑒 Terme de puits dans l’équation de RICHARDS
𝑑𝑖𝑣 Opérateur divergence
𝑖0 Capacité d’infiltration initiale du sol
𝑖𝑓 Capacité d’infiltration finale du sol
𝛾 Constante empirique dans l’équation de HORTON
ℎ𝑓 Pression interstitielle au front d’humidification
𝑧𝑓 Profondeur atteinte par le front d’humidification
𝐸𝑇0 Evapotranspiration de référence
Δ Pente de la courbe de pression de vapeur à la température moyenne de l'air
𝑅𝑛 Rayonnement net
𝑐𝑝 Capacité thermique de l'air humide
𝜌𝑎 Densité de l'air à pression constante
Différence entre la pression de vapeur saturante et la pression de vapeur
𝛿𝑒
effective dans l'air
14
𝑔𝑎 Conductivité aérodynamique
𝑔𝑠 Conductivité des stomates de la surface
𝜇 Constante psychrométrique
𝜆 Chaleur latente de vaporisation de l'eau
𝐸𝑇𝑟 Evapotranspiration réelle
Kr Coefficient de stress
Kc Coefficient cultural
𝐸𝑇𝑃𝑚 Evapotranspiration moyenne du mois
T Moyenne des températures du mois
𝐼∗ Indice thermique annuel dans la formule Thornthwaite
𝐹(𝑚, 𝜙) Facteur correctif dans la formule Thornthwaite
J Nombre de jours dans le mois
ℎ𝑟 Humidité relative moyenne
𝑅𝑔 Rayonnement solaire moyen
𝐶𝑑 Coefficient de drainage
𝐴𝑑 Section du drain
Δ𝑝 Variation de pression
𝜌 Masse volumique du fluide
ϑ Le coefficient de débit pour un déversoir à 90° en V
α′ Angle du déversoir triangulaire
Kh Facteur de correction dans l’équation de de KINDSVASTER
Cv Coefficient de vitesse dans l’équation de de KINDSVASTER
𝑅𝑣 Réduction de volume par l’ouvrage
𝑉𝑠𝑜𝑟𝑡𝑖𝑒−24ℎ Volume sortant de l’ouvrage pendant les 24 h suivant l’évènement
𝑉𝑒𝑛𝑡𝑟é𝑒 Volume entrant dans l’ouvrage
𝑉𝑠𝑜𝑟𝑡𝑖𝑒 Volume sortant de l’ouvrage
𝑉𝑖𝑛𝑓𝑖𝑙𝑡𝑟é Volume infiltré dans l’ouvrage
𝑉𝑑𝑟𝑎𝑖𝑛é Volume sortant par le drain
𝑞𝑠𝑜𝑟𝑡𝑖𝑒−𝑚𝑎𝑥 Débit maximal sortant de l’ouvrage
𝑞𝑒𝑛𝑡𝑟é𝑒−𝑚𝑎𝑥 Débit maximal entrant dans l’ouvrage
𝑡𝑞𝑠𝑜𝑟𝑡𝑖𝑒−𝑚𝑎𝑥 Temps pour que le flux atteigne le fond de l’ouvrage
Tretard-np Temps pour que le flux atteigne la nappe phréatique
𝑃𝑅𝑜𝑖𝑠𝑠𝑦 Hauteur de la pluie à Compans
𝑃𝐶𝑜𝑚𝑝𝑎𝑛𝑠 Hauteur de la pluie à Roissy
𝑉𝐵𝑟𝑢𝑡𝑒𝑠 Volume enregistré par l’auget basculant du bassin de référence
𝑉𝑁𝑜𝑢𝑒 Volume sortant du drain de la noue filtrante
𝑉𝐵𝑎𝑛𝑑𝑒 Volume sortant du drain de la bande enherbée 1
Différence de la somme journalière des pluies de Compans et des pluies de
𝐷𝐶𝑅
Roissy
Différence de la somme journalière des pluies de Compans et du volume
𝐷𝐶𝐵
enregistré par l’auget basculant du bassin de référence
𝐷𝐶𝑁
sortant du drain de la noue
15

𝐷𝐶𝐴
sortant du drain de la bande enherbée 1
𝐴 Surface du bassin versant
𝑑 Hauteur d’eau dans le réservoir (EPA SWMM)
𝐸 Taux d’évaporation
L Largeur représentative du bassin versant dans l’équation de Manning
𝐷𝑠𝑡𝑜𝑟𝑒 Capacité maximale de stockage en dépression
𝑉𝑚𝑒𝑠𝑢𝑟é Volume de ruissellement mesuré
𝑉𝑠𝑖𝑚𝑢𝑙é Volume de ruissellement simulé
𝑄𝑠𝑡 Débit simulé
𝑡
𝑄𝑚 Débit mesuré
Hp Hauteur de pluie cumulée sur l’évènement
Imoy Intensité moyenne des précipitations
Imax,6min Intensité de pointe
Dtev Durée de l’évènement
Dtts Durée de temps sec entre deux évènements
Abattement de volume global de l’aménagement comprenant le bassin
EV,gb,T
versant d’apport et la noue
𝐸𝑉,𝑂𝑢𝑣,𝑇 Abattement de volume par la noue
Abattement de volume absolu global de l’aménagement comprenant le
EV,abs,gb,T
bassin versant d’apport et la noue
𝐸𝑉,𝑎𝑏𝑠,𝑂𝑢𝑣,𝑇 Abattement de volume absolu par la noue
hpluie,T Cumul de la pluie à l’échelle de temps T
VS,T Volume en sortie de la noue à l’échelle de temps T
Volume de ruissellement sortant du bassin versant d’apport de la noue à
VS,BV,T
l’échelle de temps T
SBV+ouv Surface totale du bassin versant et de la noue
Souv Surface de la noue
Fraction du volume surversé par rapport au volume total géré par
fSV,gb,T
l’aménagement (bassin d’apport + noue)
fSV,Ouv,T Fraction du volume surversé par rapport au volume entrant dans la noue
VSV,T Volume de surverse
eQmax,Ouv Abattement du débit de pointe par la noue
QS,max Débit de pointe en sortie de la noue
Débit du ruissellement généré par le bassin versant d’apport alimentant la
QS,BV
noue
𝑃𝑛𝑑,𝑡,𝑅 Probabilité en fonction du temps
𝑃𝑛𝑑,𝑣,𝑅 Probabilité en fonction du volume
R retard Ratio de retard du débit de pointe
tv Durée de vidange de l’ouvrage
Hmax,Q drain Heure du débit maximal d’écoulement dans le drain
Heure du débit maximal d’écoulement de référence (en entrée de
Hmax,Q ref
l’ouvrage)
16
Hdébut,Q ref Heure de début de ruissellement sur la surface de référence

Hfin,Q drain Heure de la fin de débit en sortie d’ouvrage
H𝑓𝑖𝑛,Pluie Heure de la fin de la pluie
𝜃𝑑 Teneur en eau du capteur au début de l’évènement
𝜃𝑓 Teneur en eau du capteur à la fin de l’évènement
𝑉𝑠𝑡𝑜𝑐𝑘,𝑒𝑣 Volume de l’eau stocké dans le sol à l’échelle de l’évènement
𝑉𝑠𝑜𝑙 Volume total du massif filtrant
VD,ev Volume sortant de l’ouvrage par le drain à l’échelle évènementielle
Volume sortant de l’ouvrage par évapotranspiration à l’échelle
VET,ev
évènementielle
ΔI Incertitude sur le calcul du bilan hydrique
∆𝑉 Incertitude sur les volumes calculés
he Paramètre d'échelle homogène à un potentiel matriciel
𝜃𝑟 Teneur en eau résiduelle
𝜃𝑠 Teneur en eau à saturation
n et m Paramètres de forme dans l’équation de van Genuchten
𝑙 Paramètre lié à la connectivité des pores dans l’équation de van Genuchten
17
Introduction Générale
Contexte
La transformation des espaces verts en espaces urbanisés s’accompagne

d’implications majeures pour la gestion des eaux de ruissellement (Fletcher et al., 2013;
Leroy et al., 2015). Cette transformation est le résultat de l’augmentation du
pourcentage de gens vivant en ville, qui est passée de 14% au début du XXe siècle à
54% en 2014 (United Nations, 2015). En effet, le développement des surfaces
imperméables altère le régime hydrologique naturel en augmentant le ruissellement
de surface et en réduisant les eaux souterraines du fait de la diminution du taux
d’infiltration des eaux de pluie dans le sol, et également en réduisant le taux
d’évapotranspiration. En outre, l'urbanisation augmente les débits de pointe et réduit
le temps entre les pics de pluie et les pics de ruissellement comparé aux zones rurales.
Cela accroît le risque d'inondation (Hollis, 1975) et a également des conséquences
significatives sur la qualité de l'eau et de même sur la santé et les milieux récepteurs
(Tsihrintzis and Hamid, 1997). Notamment, les eaux de ruissellement des routes
urbaines qui contiennent bien souvent des niveaux importants de métaux lourds et de
matières en suspension, de matières organiques, d'huiles et de chlorures (Sansalone
and Buchberger, 1995).
Les méthodes de drainage urbain et la philosophie de contrôle étaient, dans un

passé récent, vers la seconde moitié du XXe siècle, basées sur les mesures à prendre en
cas d'inondations soit en transférant les débits excessifs dans les réseaux
d’assainissement, et ensuite vers des milieux récepteurs naturels (ex. rivières, fleuves,
plaines inondables). De nombreuses études ont prouvé les impacts de l'eau de
ruissellement sur les milieux récepteurs, voire sur l'environnement dans son ensemble
(Brudler et al., 2019; Makepeace et al., 1995). Un nouveau paradigme a débuté en 1970
dans différents pays du monde, consistant non seulement à évacuer l'eau de pluie mais
aussi à la retenir, à l'infiltrer et à la traiter si possible (Bertrand-Krajewski, 2020). Des
techniques donc à émerger, visant à réduire l'impact du développement et à imiter le
régime hydrologique naturel. Ces alternatives à la gestion classique des eaux pluviales
sont appelées LID (Low Impact development) dans Prince George’s county, Maryland,
Etats Unis, en 1990. D'autres terminologies sont également utilisées: BMP (Best
Management Practices) en Amérique du Nord et Nouvelle-Zélande, Contrôle à la
source en Europe, WSUD (Water Sensitive Urban Design) en Australie, Techniques
Alternatives en France, SUDS (Sustainable Urban Drainage Systems) aux Royaume-
Uni (Fletcher et al., 2015). Il a été clairement démontré que ces techniques améliorent
18
considérablement la qualité et la quantité de l'eau de ruissellement pluviale (Bedan

and Clausen, 2009).
Le choix de ces techniques dépend de nombreux facteurs. Ils comprennent le

climat, la nature du bassin versant, la nature et la charge des polluants, la topographie,
la profondeur de la nappe phréatique, la surface disponible, et le coût de la mise en
place (WDEQ, 2013). À l'origine, elles étaient utilisées pour traiter l'érosion des sols
dans les terres agricoles et les forêts (Park et al., 2015), pour ensuite être appliquées
dans les zones urbaines. En particulier dans le secteur des transports, les techniques
alternatives sont largement utilisées pour améliorer la gestion des eaux de
ruissellement des routes vu leurs avantages environnementaux multiples. Le projet
d'une route résidentielle à Edmonston, Maryland (États-Unis), est un bon exemple de
projet dans ce contexte : il s'agit de transformer cette route en un modèle de gestion
des eaux pluviales suite aux problèmes d'inondation de la ville (Cohn et al., 2018). Les
infrastructures vertes mises en place, comprenant des jardins de pluie et des pistes
cyclables perméables, ont fait preuve d'une efficacité remarquable en captant 90 % des
précipitations annuelles de la ville d'Edmonston.
Les ouvrages végétalisés de biorétention utilisés en bordure de voirie sont

généralement des ouvrages végétalisés linéaires formés de matériaux poreux, visant à
augmenter la capacité de drainage des eaux de pluie. Les plus couramment répandus
en bordure de voirie sont les bandes enherbées et les noues. En France elles sont
conçues principalement pour drainer les fondations des routes et évacuer les
ruissellements des fortes précipitations loin de l’infrastructure de la route et non pour
la gestion des pluies courantes (Sétra, 2006). Ces dispositifs peuvent être un système
combiné de traitement formé par une bande enherbée filtrante et d’un fossé, qui peut
être également remplacé par des noues peu profondes pour une meilleure intégration
urbaine, et dans lesquels une couche supplémentaire de substrat filtrant spécifique
peut être mise en œuvre pour la dépollution des eaux.
Les performances des bandes enherbées ont été évaluées dans le cadre de
nombreuses études expérimentales. La plupart de ces études ont examiné l'aspect
épurateur des bandes enherbées dans les milieux agricoles ou forestiers, en négligeant
leurs performances hydrologiques (Chaubey et al., 1995; Correll, 1996; Dillaha et al.,
1989; Gilliam et al., 1996; Magette et al., 1989). Par exemple, dans l'étude de Dillaha et
al., 1989, l'efficacité des bandes à éliminer les sédiments, l'azote et le phosphore
transportés par le ruissellement des zones agricoles est étudiée. Nonobstant le fait que
le comportement hydrologique de ces bandes est un élément déterminant de sa
performance. En effet, ces ouvrages altèrent les caractéristiques du débit de
ruissellement, en atténuant les débits de pointe et réduisant le volume ruisselé. Les
processus hydrologiques mis en jeu sont complexes, et les facteurs qui l'affectent sont
19
nombreux, tels que la longueur de la bande, la pente, la densité et la hauteur de la

végétation, etc (Abu-Zreig et al., 2001; Deletic and Fletcher, 2006). En plus, peu
d'études ont porté sur l'efficacité de ce type de structure pour la gestion des eaux de
ruissellement urbaines (Deletic, 2005; Han et al., 2005).
Pour la conception de ces bandes, plusieurs outils sont disponibles. Les

approches de conception conventionnelles fournies par les guides étrangers (Iowa
State University, 2009; McGreevey et al., 2004; MDE, 2000; PDEP, 2006) peuvent être
utilisées. Ces guides sont basés sur des données expérimentales et se fondent
généralement sur des principes hydrologiques simplifiés tels que l'équation de
Manning. Ils sont faciles à utiliser, mais ils sont spécifiques aux caractéristiques de la
région où ils ont été développés, telles que le climat et le type de sol. Les guides de
conception peuvent être remplacés par des outils mathématiques, y compris des
modèles empiriques et des modèles à base physique. Citons, parmi les modèles à base
physique, les plus couramment utilisés VFSMOD (Munoz-Carpena et al., 1999, 1993),
TRAVA (Deletic, 2005, 2001; Deletic and Fletcher, 2006), Soil and Water Assessment
Tool SWAT (Gassman et al., 2007). Ces modèles ont été validés par plusieurs études
(Abu-Zreig et al., 2004, 2001; Arnold et al., 2012; Munoz-Carpena et al., 1993). Les
modèles physiques sont basés sur le couplage des équations d'écoulement superficiel
et d'infiltration, avec une équation de transport des sédiments. La partie hydrologique
du modèle comprend l’équation d’ondes cinématique pour l’écoulement superficiel
couplé à un sous-modèle d'infiltration basé sur l'équation de Green-Ampt. Ces
modèles sont dans la majorité unidimensionnels (horizontale) et évènementiels (à
l’échelle de l’évènement). Ils sont donc pertinents dans un objectif de conception.
Cependant leur application est limitée pour l’estimation du bilan hydrique qui
dépend des conditions initiales du sol et des périodes de sécheresse, ce qui nécessite
une modélisation à long terme (Flanagan et al., 2017).
Les performances hydrologiques et épuratoires des ouvrages de biorétention

tels que les noues filtrantes sont également rapportées par de nombreuses études
expérimentales (Brown et Hunt, 2011a; Davis et al., 2001; Davis, 2008; Dietz and
Clausen, 2005; Hunt et al., 2006, 2008). Ces études ont cependant certaines limitations.
Elles ne sont pas toutes transposables aux ouvrages de gestion des eaux en milieu
urbain (Roy-Poirier et al., 2010) et en particulier les eaux de ruissellement de voirie. Le
fonctionnement hydrologique de ces ouvrages est différent compte tenu des
caractéristiques de ruissellement des eaux de voirie, de la nature du sol en milieu
urbain présentant des caractéristiques hydrodynamiques particulières et une forte
variabilité spatiale (Ahmed et al., 2015), de la présence éventuelle de la structure de
chaussée sous ces ouvrages, etc. En outre, la quantification de tous les flux
hydrologiques pour le calcul du bilan hydrique à long terme n'est pas toujours possible
en raison des difficultés de terrain, du manque d'équipement, et du suivi sur une
courte période de temps (Li et al., 2009). Cela explique pourquoi l'évaluation des
20
performances hydrologiques à long terme ainsi que la détermination des bilans

hydriques et de leur variabilité saisonnière et annuelle ne sont pas fréquentes.
L'approche de modélisation peut être adoptée pour la conception de ces ouvrages, le
calcul des bilans hydriques et l'évaluation des performances hydrologiques. Ces
ouvrages peuvent être modélisés en utilisant les modèles suivants : HEC‐
HMS (Heasom et al., 2007), RECARGA (Dussaillant et al., 2005, 2004), SUSTAIN
(USEPA, 2011), MUSIC (MUSIC, 2013), SWMM (Metcalf, 1971) DRAINMOD (Skaggs
et al., 2012). Par contre, ces modèles présentent certaines limitations : (i)
unidimensionnels, (ii) événementiels, ou à long-terme mais incapables d'effectuer des
simulations sur des périodes très courtes, (iii) certains paramètres ne peuvent être
spécifiés par l'utilisateur, (iv) problèmes d'échelle ne permettant pas la simulation d’un
seul ouvrage.
Par conséquent, afin de mieux intégrer et mettre en œuvre ces types d’ouvrages
dans un environnement urbain et en particulier le long des voiries, une compréhension
de leur fonctionnement est indispensable. Cela implique une compréhension des
caractéristiques hydrodynamiques et de l'état hydrique du sol formant ces ouvrages,
de leur variabilité spatiale, des processus hydrologiques mis en jeu et des régimes
d’écoulement de l’eau. Une évaluation fiable du fonctionnement hydrologique de ces
ouvrages pour les pluies courantes mais aussi à long terme permet de :
- Aider à la conception de ces ouvrages
-Evaluer leur performance hydrologique
-Évaluer l'impact de ces systèmes sur le bilan hydrique des voiries.
Cela nécessite un travail expérimental extensif et/ou une modélisation

hydrologique précise à base physique.
Objectifs de la thèse
L’objectif principal de cette thèse est de comprendre et modéliser les processus

hydrologiques mis en jeu dans des dispositifs de biorétention des eaux pluviales de
voirie et d’en analyser les conséquences en termes de conception d’ouvrages.
L'approche méthodologique comprend un travail expérimental approfondi, du
traitement et de l'analyse de données expérimentales ainsi que de la modélisation
hydrologique, sur des bandes enherbées et une noue filtrante.
Parmi les objectifs spécifiques figurent :
 Mettre en place, au niveau d’un ouvrage de filtration végétalisé des eaux de

ruissellement d’une voirie, un dispositif métrologique permettant le suivi des
21
flux entrant, sortants et des stocks. Analyser différents facteurs impactant les
résultats expérimentaux.
 Evaluer, sur la base des résultats expérimentaux, le bilan hydrique et analyser
la performance hydrologique de cet ouvrage pour les pluies courantes, à
différentes échelles temporelles.
 Tester le potentiel d’un outil de modélisation à base physique pour analyser le
fonctionnement hydrologique de dispositifs filtrants végétalisés. Evaluer au
moyen de ce modèle les bilans hydriques et les performances hydrologiques
pour différentes configurations d’ouvrage.
Projets de recherche
Cette thèse s’est inscrite dans le cadre de deux projets de recherche :
OPUR
OPUR est un observatoire de terrain en hydrologie urbaine qui existe depuis 1994 en
Ile de France et vise à améliorer les connaissances sur les émissions, le transfert et la
gestion des polluants des eaux urbaines. L'un des thèmes de la phase actuelle (phase
4, 2012-2018) de ce programme est le contrôle à la source de la contamination des
eaux pluviales urbaines (thème 5). Cette thèse se situe dans la continuation des
travaux de Jérémie Sage (2016), qui a étudié l'effet du fonctionnement hydrologique
des ouvrages de gestion à la source des eaux pluviales sur les flux polluants rejetés
en aval. Les travaux de thèse de Kelsey Flanagan (2018) sont également basés sur le
même système de biofiltration que celui étudié dans le cadre de cette thèse mais se
concentrent plus spécifiquement sur l’évaluation de la rétention et du devenir de
micropolluants dans ces ouvrages.
ROULEPUR
Roulépur est un projet de recherche visant à évaluer la performance épuratoire de

solutions innovantes pour le contrôle à la source de la contamination en
micropolluants des eaux de ruissellement des voiries et des parkings urbains. Dans le
cadre de ce projet, quatre systèmes de traitement sont explorés: un système industriel
de filtration (STOPPOL de Saint-Dizier Environnement) situé à Paris, un filtre planté
horizontal à Rosny-sous-Bois, un parking perméable de la société Ecovegetal à
Villeneuve-le-Roi et un système de bande enherbée et noue filtrante à Compans. Les
travaux de cette thèse portent sur l’évaluation des performances hydrologiques des
systèmes à Compans. Par ailleurs, le projet Roulépur comprend des volets de
diagnostic des eaux de ruissellement des voiries, d'analyse du cycle de vie et de la
faisabilité sociale et technique des solutions étudiées.
22
Structure du manuscrit
Ce manuscrit est organisé en trois parties :

Partie 1 : Etat de l’art
Cette première partie présente une synthèse des connaissances sur les ouvrages
végétalisé pour le traitement à la source des eaux de ruissellement des voiries. Après
avoir exploré les différents types d’ouvrages et leur fonctionnement, les mécanismes
qui ont une influence directe ou indirecte sur l'écoulement de l'eau à travers ces
ouvrages sont décrits : ruissellement superficiel, infiltration d'eau dans la zone saturée
et insaturée, évapotranspiration, etc. Selon la typologie de ces ouvrages, leurs
méthodes de conception et leurs efficacités hydrologiques observées dans des études
antérieures sont discutées. Ensuite, l'utilisation de la modélisation pour prédire la
performance hydrologique et établir des bilans volumétriques de ces dispositifs est
abordée.
Partie 2 : Méthodes expérimentales
Cette deuxième partie de la thèse est répartie en trois sections. La première section
présente les sites d'étude et la philosophie de la mise en œuvre des dispositifs
expérimentaux. A la section 2, la mesure des propriétés hydrauliques du sol et de son
état hydrique, ainsi que les incertitudes qui s'y rattachent, font l'objet de deux articles
scientifiques. La troisième section est consacrée à l'acquisition et à la validation de la
base de données.
Cette partie est fondée sur les articles suivants :
o Article 1:
T. Kanso, D. Tedoldi, M.-C. Gromaire, D. Ramier, M. Saad, G. Chebbo
Horizontal and Vertical Variability of Soil Hydraulic Properties in Roadside

Sustainable Drainage Systems (SuDS)—Nature and Implications for Hydrological
Performance Evaluation.
Water 2018, 10, 987; doi:10.3390/w10080987
o Article 2:
T. Kanso ,M.-C. Gromaire, D. Ramier, P. Dubois, G. Chebbo
An Investigation of the Accuracy of EC5 and 5TE Capacitance Sensors for Soil
Moisture Monitoring in Urban Soils-Laboratory and Field Calibration
Sensors 2020, 20, 6510; doi:10.3390/s20226510
23
Partie 3: Evaluation expérimentale de la performance hydrologique d’une noue filtrante
La troisième partie du manuscrit est consacrée au comportement hydrologique d'une

noue filtrante. Cette noue instrumentée, on évalue sa performance expérimentale en
calculant des indicateurs hydrologiques préalablement sélectionnés ainsi que des
bilans de volume à plusieurs échelles temporelles. Certaines séries de données
présentent de nombreuses lacunes du fait de défaillances techniques. Afin de
reconstituer ces données une modélisation avec le logiciel SWMM a été réalisée.
Partie 4: Modélisation de la performance hydrologique des bandes enherbées
Les bandes enherbées étudiées dans le cadre de cette thèse ont une géométrie complexe
et les données expérimentales disponibles sont insuffisantes et ne permettent pas
d'évaluer les performances hydrologiques et de calculer les bilans hydriques. Dans ce
but, un modèle d'infiltration 2D couplé à un modèle de ruissellement de surface 1D a
été construit et validé sur la base de données expérimentales de teneur en eau et de
débits drainés. Le modèle validé est ensuite appliqué sur différentes configurations de
bandes afin d'évaluer l'impact des paramètres de conception sur le fonctionnement
hydrologique de celles-ci.
24
Etat de l’art
Partie 1. Etat de l’art

L’objectif de cette première partie de la thèse est d’aborder les points suivants : (i) la
typologie des ouvrages végétalisés de gestion à la source des eaux pluviales, (ii) les
principaux processus hydrologiques mis en jeu dans ces ouvrages, (iii) les règles ainsi
que les outils utilisés pour la conception de ce type d’ouvrages, (iv) les performances
hydrologiques de ces dispositifs, examinées dans le cadre d'études antérieures, (v) la
modélisation hydrologique de ces systèmes.
1 .1 Typologie des ouvrages végétalisés de gestion à la source des eaux de

ruissellement de voirie
1.1.1 Généralités
Les techniques alternatives de gestion des eaux pluviales sont conçues pour maintenir
le cycle hydrologique naturel. Ces techniques visent à compenser l’imperméabilité
globale d’un bassin versant (Freni et Oliveri, 2005). A l’échelle locale, les précipitations
sont gérées près de l’endroit où elles tombent, ce qu’on appelle en d’autres termes
gestion « à la source » des eaux pluviales pour une gestion durable. Ces mesures de
contrôle à la source sont utilisées comme solution efficace et prometteuse pour réduire
les effets de l’urbanisation (Davis et al., 2012; Han et al., 2005). Dans ce contexte,
plusieurs pratiques existent avec des fonctionnements différents selon les objectifs
visés.
1.1.2 Typologie
Les ouvrages végétalisés de gestion à la source des eaux pluviales peuvent être
classifiés suivant leur rôle. Certains ont des fonctions purement hydrologiques,
d’autres visent en plus la réduction des flux polluants. Ils peuvent répondre à 6
fonctions /processus principales : stockage et rétention, infiltration,
imperméabilisation, prétraitement, transport et dépollution. Sur la base de ces
fonctions, les structures végétalisées les plus répandues sont décrites dans le Tableau
1.1. Leurs principales fonctions d'usage, les enjeux, leur rôle en termes de dépollution,
leur application ainsi que la surface du bassin versant contributif sont également
présentés. Dans les zones fortement urbanisées, certains ouvrages de stockage et de
rétention, tels que les bassins de rétention secs et humides, ne sont pas applicables.
Ceci est dû à la surface requise par ce type d’ouvrages ainsi qu'à la surface du bassin
25
Etat de l’art
versant nécessaire au bon fonctionnement de celui-ci. Les ouvrages d'infiltration

nécessitent un sol perméable pour garantir un bon fonctionnement. Leur principal
objectif est de gérer les eaux de ruissellement et de contribuer à la recharge des nappes
phréatiques. Les pratiques de désimperméabilisation telles que les revêtements
perméables et les toitures végétalisées visent notamment la diminution des surfaces
imperméables et un retour à la situation de pré-développement. Elles sont
principalement utilisées pour réduire le volume des précipitations, empêchant ainsi
l'eau de pluie qui transporte des polluants de s'écouler dans les réseaux
d'assainissement et d’atteindre les milieux récepteurs superficiels. Parmi ces ouvrages,
les bandes enherbées et les noues sont souvent utilisées pour gérer le ruissellement des
voiries. Les bandes enherbées peuvent servir de prétraitement pour assurer un
traitement partiel de l'eau qui s'écoule dans une autre structure telle que les systèmes
de biorétention.
26
Tableau 1.1. Typologie des ouvrages végétalisés de gestion des eaux pluviales (Brach, 1989; California Stormwater Quality Association, 2003;
Idaho Department of Environmental Quality, 2005; Iowa State University, 2009; Luthans, 2006; Metropolitan Council, 2001; WDEQ, 2013).
Fonction Nom de Description Fonction Enjeux Autres Enjeux Dépollution Applications Surface du
Principale l’ouvrage d’usage principaux et limitations bassin
principal versant
contributif
Bassin de bassins de stockage Ecrêter les Lutte contre -Protection des milieux Faible à -Zone peu urbanisée Au moins 4
rétention (sec) temporaire des débits de les construits moyen <30 à ha
eaux de pointe inondations 65 %
ruissellement
Bassin de bassins de Ecrêter les Contrôler la -Elimination des Moyenne à -Zone peu urbanisée Au moins 4
Stockage et rétention
rétention rétention qui débits de quantité et la polluants solides et forte 30 à 100 -Limitations dans les ha mais pas
(en eau) disposent d'une pointe qualité de solubles % climats arides et froids plus que 259
réserve d'eau l'eau -Prévention de l'érosion ha
permanente tout du sol et l’accumulation
au long de l'année des sédiments
Marécages de zones humides Ecrêter les Élimination -Prévention de l'érosion Faible à forte -Zone peu urbanisée Au moins 4
gestion des débits de des polluants du sol et l’accumulation <30% à 100%. -Limitations dans les ha
eaux pluviales pointe des sédiments climats arides
-Fournir une valeur
esthétique et renforcer
la diversité de la
végétation
Tranchées Excavation peu Filtration dans Recharge des -Préserver le débit de Moyenne à -Convenable pour gérer Pas plus de 5
d’infiltration profondes (100-370 le sol nappes base des milieux forte 30 à 100 les ruissellements des ha
cm) remplies par phréatiques et récepteurs superficiels % parkings, des toitures,
Infiltration
des graviers contrôle des -Lutter contre les des routes et autoroutes
polluants inondations et l'érosion et des petits quartiers
-Peut réduire les résidentiels
volumes de -Limitation dans les
ruissellement zones avec un sol peu
perméable
Etat de l’art
Bassin Bassins de Filtration dans Élimination -Recharge des nappes Moyenne à -Ne conviennent pas Entre 1 et 6
d’infiltration rétention peu le sol des polluants phréatiques forte 30 à 100 aux zones fortement ha
profonds (100- 370 - Préserver le débit de % urbanisées
cm) base -Limitation dans les
-Peut réduire les zones avec un sol peu
volumes de perméable et une
ruissellement charge sédimentaire
-Peut atténuer les débits élevée
de pointe -Limitation dans les
-Lutter contre les climats arides
inondations et l'érosion -Limitation dans les
zones où la nappe
phréatique est peu
profonde
Revêtements Revêtements de Filtration et Réduction des -Peut atténuer les débits Moyenne à -Zones fortement -
perméables chaussées infiltration volumes des de pointe forte 30 à 100 urbanisées
perméables, eaux pluviales - Préserver le débit de % -Adaptés aux zones
durables et et élimination base réservées aux piétons
portants, avec des des polluants -Prévention de l'érosion (trottoirs), et aux zones
couches de gravier du sol et l’accumulation réservées aux voitures à
sous-jacentes des sédiments faible vitesse (parkings,
Désimperméabilisation
accotements, routes à
faible circulation).
-Non recommandé
pour les zones à forte
charg polluante, nappe
phréatique élevée ou à
proximité de puits
d'approvisionnement
en eau potable (risques
de contamination)
-Limitation dans les
climats froids
-Non recommandé
dans les zones à faible
perméabilité du sol
28
Etat de l’art
Toitures toitures Infiltration Réduction des -Maîtriser les pluies Moyenne -Applicable dans
végétalisés permanentes volumes et intenses et de courte presque toutes les
formées par de la atténuation durée régions
végétation plantée des débits de -Economiser l'énergie -Zones fortement
dans un substrat pointe en augmentant urbanisées
l'isolation thermique
-
-Améliorer la qualité de
l'air
-augmenter l'isolation
acoustique
-Créer une valeur
esthétique
Bandes Espaces végétalisés Piégeage des Contrôler la -Ralentir la vitesse de Moyenne -A l’origine pour Pas plus de 2
enherbées et au dénivelé polluants et quantité et la ruissellement traitement agricole, ha
uniforme infiltration qualité de -Favoriser l’infiltration courant pour gestion
l'eau et la recharge de la des eaux pluviales
nappe phréatique urbaines
-Esthétiquement -Traitement des eaux de
Prétraitement
agréable ruissellement des

routes, des petits
parkings et des sorties
de toit.
-Prétraitement :
utilisées en conjonction
avec d'autres ouvrages
-Limitations dans les
climats arides ou semi-
arides
29
Etat de l’art
Noue et fossé Espaces végétalisés Filtration et traiter et -Peut réduire les Faible à forte -Limitation dans les 2 ha ou
infiltration conduire les volumes de <30% à 100%. zones à climat aride ou moins
eaux de ruissellement semi-aride et à climat
ruissellement -Ralentit la vitesse de froid
ruissellement -Ces ouvrages linéaires
-Peut favoriser sont souvent utiles pour
Transport
l’infiltration et la traiter et transporter les

recharge de la nappe eaux de ruissellement
phréatique si le sol est des voiries. Elles
perméable peuvent être utilisées à
la place des trottoirs et
des gouttières.
-Pas très adapté aux
zones fortement
urbanisées
Système de Fossés peu Filtration et Élimination -Peut assurer la Moyenne à -Largement applicable Moins de 2
biorétention profonds et infiltration des polluants recharge de la nappe forte 30 à 100 dans ha
aménagés (massif phréatique si elle est % les zones fortement
filtrant) pour le conçue pour infiltrer urbanisées
Dépollution
traitement des l'eau dans le sous-sol -Adaptés à une variété

eaux de -Peut réduire les de climats et de
ruissellement volumes de conditions géologiques
ruissellement et donc - Ne peut pas être utilisé
lutter contre les pour traiter une grande
inondations surface de drainage
- esthétiquement
agréable
Les sections suivantes sont consacrées aux structures végétalisées applicables en bordure de voirie.
30
1.1.3 Les bandes enherbées
Les bandes filtrantes végétalisées ou les bandes enherbées appelées " vegetated filter
strip " ou " buffer strip " dans les guides étrangers, sont des espaces verts, situés entre
la source et un milieu récepteur. En raison de l'espace requis par ces ouvrages, elles ne
sont pas applicables dans les zones fortement urbanisées. Cette zone végétalisée à
pente modérée, est alignée perpendiculairement à la direction du ruissellement et
adoptée pour améliorer les caractéristiques hydrologiques et la qualité des eaux. Ces
pratiques ont d'abord été appliqués dans les zones agricoles (Lacas et al., 2012, 2009;
Popov et al., 2006; Reichenberger et al., 2007), avant de devenir une pratique répandue
dans les zones urbaines (García-Serrana et al., 2017; Hunt et al., 2010), en tant que
dispositifs de traitement ou de prétraitement. Elles peuvent être associées à d’autres
techniques alternatives (Clar et al., 2004). Des fossés filtrants / infiltrants, des noues et
des ouvrages de biorétention peuvent être placés en aval de ces bandes pour
augmenter l’efficacité hydrologique de ce système en termes de volumes et de débits.
Les bandes enherbées sont couramment mises en œuvre le long des autoroutes, des
voiries (Figure 1.1), et aussi pour gérer les eaux des ruissellements des parkings et des
toitures (Prince George’s County, 1999). Dans ce cas l’arrivée de l’eau dans l’ouvrage
sera ponctuelle. Elles sont fortement recommandées en bordure des voiries (WVSMD,
2012), surtout si la médiane ou les bordures de celle-ci sont suffisamment larges pour
garantir un bon fonctionnement de l’ouvrage.
Concernant leur rôle hydrologique, les bandes enherbées permettent de ralentir la

vitesse de ruissellement, atténuant ainsi les débits de pointe. De plus, elles favorisent
l'infiltration de l'eau dans le sol, donc la recharge de la nappe phréatique et la réduction
des volumes de ruissellement. L'évapotranspiration assurée par la végétation
contribue également à réduire le volume des eaux de ruissellement. Au-delà de ces
objectifs, les bandes enherbées pourraient assurer un traitement efficace des polluants,
en particulier des polluants particulaires, par filtration, sédimentation, et activité
biologique et chimique (Barrett et al., 1998).
Pour atteindre ces objectifs, il faut un flux à lame mince et uniforme sur toute la bande.
En effet, les bandes enherbées ne sont pas conçues pour recevoir les flux canalisés et à
haut débit. Ces flux entraînent une diminution de son pouvoir épurateur et de ses
performances hydrologiques (Le Bissonnais et al., 2004a). À cette fin, un répartiteur de
débit peut être utilisé pour répartir uniformément le ruissellement entrant sur la
bande.
Etat de l’art
Figure 1.1. Bande enherbée en bordure de voirie. (Source: Trinkhaus Engineering)
1.1.4 Les noues d’écoulement
Les noues d’écoulement, appelées « Grassed swales » dans les guides étrangers, sont
des pratiques traditionnelles de gestion des eaux pluviales avec un coût faible (Clar et
al., 2004). Ces pratiques ont été conçues historiquement pour transporter l'eau des
pluies inférieures à la pluie de projet (Schueler, 1994). Leur rôle a ensuite évolué pour
inclure la gestion de la quantité et de la qualité de l'eau (Ackerman and Stein, 2008;
Bäckström, 2002; Deletic, 2001; Rushton, 2001). Ces noues sont plantées avec de l’herbe,
elles ont un fond plat et une légère pente (Figure 1.2). Elles peuvent combiner une
fonction de collecte et de transport, et des fonctions secondaires de rétention /
infiltration d’eau et dépollution. Il existe deux types de noues d'écoulement, les noues
sèches et les noues humides (Prince George’s County, 1999). La noue sèche contrôle à
la fois la quantité et la qualité de l'eau en réduisant le volume par infiltration. Les noues
humides, grâce au fait qu'elles permettent un temps de séjour plus long de l'eau,
assurent la réduction des débits de pointe et permettent notamment le traitement de
la qualité des eaux. Le ralentissement de la vitesse de ruissellement assuré par la noue
contribue à la filtration des sédiments et des polluants, et aussi à l’infiltration de l’eau
dans le sol sous-jacent. Si la noue est large, des diffuseurs d’écoulement peuvent être
placés en amont pour assurer un écoulement uniforme et empêcher la formation de
canaux d’écoulement dans le fond. Il est possible aussi que l’eau rentre dans la noue
par le côté, parallèlement à la voirie, pour assurer le ruissellement uniforme tout au
long de la noue. L’eau sort de la noue par infiltration vers le sol sous-jacent ou bien
par un exutoire (Guide Région Rhône-Alpes, 2006).
Figure SEQ Figure \* ARABIC 1. Bande

enherbée en bordure32
de voirie
Etat de l’art
Figure 1.2. Noue d'écoulement en bordure de voirie (d’après Minnesota Stormwater Manual)
1.1.5 Les noues filtrantes / ouvrages de biorétention
Les noues filtrantes ou ouvrages de biorétention appelés « Bioretention systems» dans

les guides étrangers, sont des fossés peu profonds formés par un massif filtrant visant
la gestion de la quantité et de la qualité des eaux de ruissellement. Ces ouvrages sont
bien adaptés aux zones fortement urbanisées, de type commerciales, résidentielles et
industrielles (Dietz, 2007; Prince George’s County, 1999). Elles peuvent être installées
le long de voiries et alimentées directement par les eaux de ruissellement ou par un
tuyau (Figure 1.3).
Une zone de stockage d’eau et une végétation dense peuvent être conçues pour
augmenter l’efficacité hydrologique et le traitement de cet ouvrage (Davis et al., 2009).
L’eau infiltrée peut être collectée par un système de drainage au fond de l’ouvrage ou
exfiltré vers le sol sous-jacent (Heasom et al., 2007; Payne et al., 2015). Un drain est
recommandé si le sol sous-jacent n'est pas très perméable (Lucas, 2009). Ces ouvrages
assurent une rétention efficace des eaux de ruissellement en réduisant le volume du
ruissellement et en écrêtant les débits de pointe (Davis, 2008; Hunt et al., 2006). Ceci
est réalisé par l'infiltration et l'exfiltration de l'eau dans le sol ainsi que par
l'évapotranspiration vers l'atmosphère. Ces dispositifs ont également un rôle
épurateur consistant à éliminer les polluants contenus dans les eaux de ruissellement,
notamment par adsorption et filtration (Brown and Hunt, 2011a).
33
Etat de l’art
Figure 1.3. Noue filtrante en bordure de voirie (d’après Minnesota Stormwater Manual)
1 .2 Les processus hydrologiques mis en jeu
Dans les ouvrages de gestion des eaux pluviales basés sur la nature, plusieurs
processus hydrologiques sont impliqués. Une compréhension précise des phases de
contact eau-sol-atmosphère est nécessaire pour comprendre le fonctionnement
hydrologique de ces structures et pour construire des modèles hydrologiques. Cette
section traite de processus et les lois physiques qui les décrivent.
1.2.1 Les différents composants du bilan hydrologique
La variation de volume dans Figure SEQ Figure

l’ouvrage, en \*surface
ARABIC ∆𝑆3.𝑠𝑢𝑟 et dans le sol ∆𝑆𝑠𝑜𝑙 , est égale
Noue
filtrante en bordure de voirie
à la différence entre les flux entrants dans le système et les flux sortants de celui-ci
(Figure 1.4). Les flux entrants sont la pluie qui tombe directement sur l’ouvrage (P) et
le ruissellement de surface généré par le bassin versant et entrant dans l'ouvrage (R).
L'eau sort du système par exfiltration (𝐸𝑥) au cas où la structure n'est pas étanchéifiée,
par évapotranspiration (ET) et surverse (S). En revanche, si le dispositif est étanchéifié
et qu'un drain est placé au fond, l'eau infiltrée sort par le drain (D). Il est également
possible que l’ouvrage ne soit pas étanche mais qu'un drain soit placé au fond, dans ce
cas l’eau sort par drainage et exfiltration.
L’équation ce bilan hydrologique est donnée ci-dessous (Équation 1.1) :
Équation 1.1.
∆𝑆𝑠𝑜𝑙 + ∆𝑆𝑠𝑢𝑟 = 𝑃 + 𝑅 − 𝐸𝑇 − 𝑆 − 𝐷 − 𝐸𝑥
34
Etat de l’art
Figure 1.4. Bilan hydrique des dispositifs de gestion à la source des eaux pluviales.
1.2.2 Formation de ruissellement : flux de surface
Le ruissellement est l’écoulement de l'excès de l’eau libre en surface sous l'effet des
gradients horizontaux de potentiel gravitaire. Ce ruissellement dépend de plusieurs
facteurs : les précipitations, la perméabilité du sol, la rugosité du sol, la pente du
terrain, et la végétation.
Plusieurs processus hydrologiques sont susceptibles de générer un ruissellement de

surface. L’écoulement en dépassant la capacité d'infiltration du sol est connu sous le
nom d'écoulement Hortonien (Horton, 1933). Par ailleurs, le ruissellement est
fréquemment observé pour des pluies d'une intensité inférieure à la capacité
d'infiltration du sol. Dans ce cas, d'autres processus comme l'écoulement sur des
surfaces saturées peuvent expliquer la formation des écoulements, appelées
écoulement de Dunne (Dunne and Black, 1970). La saturation du sol peut se faire par
exfiltration de l'eau souterraine par la nappe phréatique ou par précipitation.
35
Etat de l’art
Les ouvrages de gestion du ruissellement routier reçoivent les eaux de ruissellement,

et une partie de ces eaux sort du système sous forme de ruissellement de surface. Dans
les deux cas, il s'agit du ruissellement Hortonien. Sur les surfaces à faible perméabilité
ou imperméables telles que les chaussées, le ruissellement Hortonien est rapidement
généré. Ces écoulements de surface peuvent être décrits par les équations de Barré
Saint-Venant (Munoz-Carpena et al., 1993). Pour un écoulement monodirectionnel, les
deux équations de la conservation de la masse et de quantité de mouvement sont
données ci-dessous (Équation 1.2 et Équation 1.3, respectivement).
Équation 1.2
𝜕ℎ0 𝜕𝑄0
+ =𝑃−𝐼
𝜕𝑡 𝜕𝑥
Équation 1.3
𝜕𝑣 𝜕𝑣 𝜕ℎ0 𝑣(𝑃 − 𝐼)
+𝑣 +𝑔 = 𝑔(𝑆 − 𝑆𝑓 ) −
𝜕𝑡 𝜕𝑥 𝜕𝑥 ℎ
Avec ℎ0 la hauteur d’eau en surface [L] ; Q0 le débit par unité de largeur [L2∙T-1], 𝑄0 =
𝑣ℎ; t le temps [T] ; P le taux de précipitation [L∙T-1] ; I le taux d’infiltration [L∙T-1], 𝑣
vitesse de l’écoulement [L∙T-1] ; g accélération de la pesanteur [L∙T-2], 𝑆 la pente [L∙L-1],
𝑆𝑓 pente de la ligne d’énergie [L∙L-1].
L’équation d’onde cinématique est une simplification de l’équation de Saint Venant.

Celle–ci est obtenue en négligeant les termes hydrodynamiques de l’équation de
quantité de mouvement, ce qui fait que 𝑆 = 𝑆𝑓 . Le débit 𝑄0 est également exprimé en
fonction de h par une équation de débit uniforme. Celle qui est la plus employée pour
l’écoulement superficiel est l'équation de Manning (Équation 1.4) ci-dessous (Köhne et
al., 2011):
Équation 1.4
𝑄0 = 𝛼 ∗ ℎ0 𝑝 avec 𝛼 = 𝑆 0.5 ⁄𝑛𝑀 et 𝑝 = 5⁄3
Avec 𝛼 ∗ [L2-p ∙T-1] et 𝑝 [-] paramètres liés à la pente, à la rugosité de surface et aux
conditions d'écoulement (écoulement laminaire ou turbulent), habituellement évalué
à l'aide de la loi de résistance hydraulique de Manning ; S la pente [-] ; 𝑛𝑀 le coefficient
de Manning pour le ruissellement superficiel qui dépend du type de surface.
Plusieurs modèles de calculs plus simplifiés peuvent être appliqués pour transformer
les précipitations en ruissellement. L'une de ces méthodes est la méthode rationnelle
(Kuichling, 1889), qui suppose une réponse hydrologique linéaire. Le débit de pointe
36
Etat de l’art
est directement proportionnel à l'intensité moyenne des précipitations et à la surface

du bassin versant. Il existe un autre modèle mathématique, une fonction de probabilité
gamma, développée par Nash, 1957, qui exprime l'hydrogramme unitaire instantané.
Dans ce modèle, le bassin versant est représenté par une série de réservoirs linéaires
identiques. Une autre approche peut être utilisée, qui est l'approche de réservoir non
linéaire, appliquée par le programme EPASWMM (Rossman, 2015). Le bassin versant
est ici représenté par un réservoir non linéaire, de sorte que le débit sortant du
réservoir est supposé être une fonction non linéaire de la hauteur d’eau dans celui-ci.
Le débit entrant dans le réservoir est la pluie, quant au débit sortant, il s'agit de
l’infiltration et de ruissellement superficiel. La différence entre ce modèle et les
modèles d’hydrogramme unitaire est que ces derniers négligent entièrement
l'infiltration de l'eau accumulée en surface.
1.2.3 Infiltration de l’eau dans le sol : Flux infiltré
Une partie des volumes d’eau précipités directement sur l’ouvrage de gestion ou reçus
par ruissellement superficiel s’infiltre dans le sol. Le taux d’infiltration i(t), ou le flux
d’eau qui s’infiltre dans le sol, dépend du débit d’alimentation (intensité de pluie ou
débit de l’apport par ruissellement), de l’état d’humidité initiale du sol et des
propriétés hydrodynamiques du sol. D’autres facteurs peuvent avoir aussi un effet sur
l’infiltration, comme la compaction du sol, la végétation et la topographie et la
morphologie. Le volume total infiltré dans le sol pendant un temps t est égal à
l’intégrale dans le temps du taux d’infiltration (Équation 1.5).
Équation 1.5
𝑡
𝐼(𝑡) = ∫ 𝑖(𝑡) ∙ 𝑑𝑡
𝑡=0
Avec 𝐼(𝑡) l’infiltration cumulée au temps t (L), 𝑖(𝑡) le taux d’infiltration au temps t (L∙T-
1).
Si le sol est saturé, la teneur en eau dans le sol est égale à θs (teneur en eau à saturation).
La pression dans le sol est égale à la pression interstitielle exercée par la colonne d’eau.
La capacité d’infiltration de l’eau dans le sol est égale à la conductivité hydraulique à
saturation Ks.
Dans un milieu saturé l’écoulement de l’eau est décrit par l’équation de Darcy suivante
(Équation 1.6) :
37
Etat de l’art
Équation 1.6
∆𝐻
𝑞 = −𝐾𝑆
𝐿
Avec q le débit par unité de surface (m/s) ; ΔH/L la perte de charge par unité de
longueur ou gradient hydraulique ; 𝐾𝑆 la conductivité hydraulique à saturation du sol
(m/s).
La loi de Darcy généralisée pour un écoulement en trois directions est donnée par
l’équation suivante (Équation 1.7) :
Équation 1.7
𝑞 = −𝐾𝑆 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑔𝑟𝑎𝑑 𝐻
Dans un milieu non saturé, la matrice solide exerce des forces capillaires et donc l’eau
subit une succion. Cette succion dépend de la teneur en eau dans le sol θ au temps t.
La teneur en eau θ varie entre la teneur en eau résiduelle (θr) et la teneur en eau à
saturation (θs). La conductivité hydraulique du sol, K, dans ce cas, varie avec la teneur
en eau et la pression dans le sol, la loi généralisée de Darcy devient (Équation 1.8) :
Équation 1.8
𝑞 = −𝐾(𝜃)⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑔𝑟𝑎𝑑 𝐻
Avec θ la teneur en eau dans le sol (m3 / m3)
L’équation de Richards (Richards, 1931) résulte de la combinaison de l’équation

généralisée de Darcy et de l’équation de continuité pour obtenir (Équation 1.9):
Équation 1.9
𝜕𝜃
= −𝑑𝑖𝑣(𝑞) + 𝜏𝑒 = 𝑑𝑖𝑣[𝐾(𝜃) 𝑔𝑟𝑎𝑑(ℎ(𝜃) − 𝑧)] + 𝜏𝑒
𝜕𝑡
Avec h la pression interstitielle exprimé en hauteur d’eau équivalente (m) ; 𝜏𝑒 est un

terme de puits qui représente l'eau perdue à une profondeur, z au temps, t par
transpiration.
Pour résoudre cette équation il faut connaitre les deux équations caractéristiques du
sol et qui varient selon le type du sol : h(θ) la courbe de rétention d’eau et K(θ) la
courbe de conductivité hydraulique en non saturé. Plusieurs modèles ont été proposés
pour décrire ces deux relations. De ces modèles, le modèle de van Genuchten pour la
38
Etat de l’art
courbe de rétention d’eau (van Genuchten, 1980) ainsi que celui de Brooks et Corey
(Brooks and Corey, 1964) pour la conductivité en non saturé sont les plus appliqués.
L'équation de Richards est une équation complexe, aux dérivées partielles non linéaire.
Elle nécessite une résolution numérique. Cette équation est donc utilisée pour des
analyses précises de l'infiltration de l'eau ou de son interaction avec la nappe
phréatique. Des modèles moins complexes sont utilisés et donnent des résultats fiables
pour la simulation des volumes infiltrés (Fletcher et al., 2013). Ces modèles peuvent
être classés en deux catégories : les modèles empiriques comme les modèles de Horton
et Koskiatov et les modèles à base physique comme les modèles de Philip et de Green
et Ampt. Les modèles simplifiés les plus utilisés en hydrologie urbaine sont ceux de
Horton (Horton, 1941) et de Green et Ampt (Green and Ampt, 1911).
Dans la formule de Horton, la capacité d’infiltration de l’eau dans le sol est donnée
par l’Équation 1.10.
Équation 1.10
𝑖(𝑡) = 𝑖𝑓 + (𝑖0 − 𝑖𝑓 )𝑒 −𝛾𝑡
Avec i(t) la capacité d’infiltration au temps t (mm∙h-1) ; 𝑖0 la capacité d’infiltration

initiale du sol (mm∙h-1) ; 𝑖𝑓 la capacité d’infiltration finale (mm∙h-1) ; t est le temps écoulé
depuis le début de la pluie (h); 𝛾 une constante empirique qui dépend de la nature du
sol (min-1).
Ce modèle fournit un compromis entre les modèles simples et les modèles complexes
qui décrivent l'infiltration de l'eau dans le sol. Trois paramètres 𝑖0 , 𝑖𝑓 et 𝛾 sont à
estimer. Ces paramètres peuvent être estimés in situ ou obtenus à partir de la
littérature.
La capacité d’infiltration est donnée aussi par le modèle de Green et Ampt (Équation
1.11). Ce modèle est basé sur la loi de Darcy, en supposant que l’eau s’infiltre dans le
sol suivant un front d’humidification, séparant une zone humide et une zone sèche.
Équation 1.11
ℎ0 − ℎ𝑓
𝑖(𝑡) = 𝐾𝑠 (1 + )
𝑧𝑓 (𝑡)
Avec 𝐾𝑠 la conductivité hydraulique à saturation (mm∙h-1) ; ℎ0 la pression en surface

(mm) ; ℎ𝑓 la pression au front d’humidification (mm) ; 𝑧𝑓 la profondeur atteinte par le
front d’humidification (mm).
39
Etat de l’art
1.2.4 L’évapotranspiration : flux évapotranspiré
L’évapotranspiration est la combinaison de deux phénomènes, l’évaporation et la

transpiration. L’évaporation se fait initialement en surface du sol, où l’eau en contact
avec l’atmosphère se transforme de son état liquide à l’état vapeur. La transpiration
est le phénomène d’absorption d’eau par les racines des végétaux et sa libération par
leurs feuilles. Cette quantité est importante en milieu urbain pour des ouvrages
végétalisés (Hamel et al., 2013).
L'évapotranspiration réelle (ETr) représente la quantité effective d'eau évaporée par

une couverture végétale réelle quand le sol est à son humidité spécifique réelle. Cette
dernière peut être mesurée ou calculée à partir de l’évapotranspiration potentielle
(ETp) qui correspond à l’eau qui s’évaporerait du sol et transpirerait par la végétation
quand les conditions d’alimentation en eau sont optimales.
Pour mesurer l’évapotranspiration des méthodes directes et indirectes peuvent être

utilisées. Les méthodes directes sont, entre autres, les lysimètres ou les bilans
hydriques (Rana and Katerji, 2000). Les méthodes indirectes comprennent des modèles
empiriques et des modèles théoriques basés sur la physique.
Les modèles physiques sont fondés sur le bilan énergétique et prennent en compte
différents facteurs météorologiques comme le rayonnement solaire, le rayonnement de
grande longueur d’onde, les températures de l’air et de la surface de l’eau, l’humidité
atmosphérique ou la tension de vapeur, et la vitesse du vent. Il s’agit de la formule de
Penman-Monteith (Monteith, 1965), c’est une méthode très utilisée et recommandée
par la FAO (Organisation des Nations unies pour l'alimentation et l'agriculture). Cette
équation dérive de la formule de Penman (Penman, 1948) mais avec l’introduction de
la notion de résistance de surface (Équation 1.12)
Équation 1.12
∆(𝑅𝑛 − 𝐺) + 𝜌𝑎 𝑐𝑝 (𝛿𝑒 )𝑔𝑎

𝐸𝑇𝑝 =
𝑔
𝜆(∆ + 𝜇 (1 + 𝑔𝑎 ))
𝑠
avec 𝐸𝑇𝑝 l’évapotranspiration potentielle (mm⋅s−1 ); Δ pente de la courbe de pression

de vapeur à la température moyenne de l'air (kPa⋅C°−1) ; 𝐺 le flux de chaleur dans le
sol (W⋅m−2⋅s−1) ; 𝑅𝑛 rayonnement net (W⋅m−2⋅s−1) ; 𝑐𝑝 la capacité thermique de l'air
humide (J⋅kg−1⋅ C°−1) ; 𝜌𝑎 la densité de l'air à pression constante (kg⋅m−3) ; 𝛿𝑒 différence
entre la pression de vapeur saturante (kPa) et la pression de vapeur effective dans l'air
(kPa); 𝑔𝑎 la conductivité aérodynamique (m⋅s−1) ; 𝑔𝑠 la conductivité des stomates de la
surface (m⋅s−1) ; 𝜇 la constante psychrométrique (kPa⋅C°−1) ; 𝜆 chaleur latente de
vaporisation de l'eau (J⋅ kg−1).
40
Etat de l’art
L’évapotranspiration réelle est calculée après à partir de l’évaporation potentielle ETp

(Équation 1.13) :
Équation 1.13
𝐸𝑇𝑟 = 𝐾𝑐 𝐾𝑟 𝐸𝑇𝑝
Avec Kr le coefficient de stress et Kc le coefficient cultural. Ces deux coefficients

dépendent de la nature et de la hauteur des végétaux, de la résistance de surface, etc.
Les modèles empiriques sont basés sur des ajustements statistiques basés sur des
résultats expérimentaux dans des conditions climatiques contrôlées comme les
méthodes de Thornthwaite (Équation 1.14, Thornthwaite, 1948) et de Turc (Équation
1.15 et Équation 1.16,Turc, 1961). Elles sont ensuite extrapolées aux conditions
climatiques propres au site d'étude, et doivent donc être adaptées aux conditions
locales. Ces formules présentent donc certaines limitations.
Équation 1.14
𝑎
10 𝑇̅̅̅̅
𝑚
𝐸𝑇𝑃𝑚 = 16 [ ∗ ] 𝐹(𝑚, 𝜙)
𝐼
Avec 𝐸𝑇𝑃𝑚 l’évapotranspiration moyenne du mois m (m =1 à 12) (mm) ; 𝑇 ̅̅̅̅

𝑚 la moyenne
des températures du mois m (°C) ; a=0 ,016∙I + 0,5 ; 𝐼 l’indice thermique annuel 𝐼 ∗ =
∗
𝑇 1.514
̅̅̅̅
∑12 𝑚
𝑚=1 𝑖(𝑚) et 𝑖(𝑚) = [ 5 ] ; 𝐹(𝑚, 𝜙) facteur correctif fonction du mois (m) et de la
latitude 𝜙.
Formule de Turc, pour une humidité relative sur le mois >=50 %
Équation 1.15
𝑇
𝐸𝑇𝑃 = 0,013 𝐽 (𝑅𝑔 + 50) ( )
𝑇 + 15
Formule de Turc, pour une humidité relative sur le mois < 50 %
Équation 1.16
𝑇 50 − ℎ𝑟
𝐸𝑇𝑃 = 0,013 𝐽 (𝑅𝑔 + 50) ( ) (1 + )
𝑇 + 15 70
Avec ETP l’évapotranspiration (mm∙h-1) ; J le nombre de jours dans le mois ; T la

température moyenne du mois (°C) ; ℎ𝑟 l’humidité relative moyenne (%); 𝑅𝑔
rayonnement solaire moyen (cal∙cm-2∙jour-1).
41
Etat de l’art
1.2.5 Ecoulement dans le drain : flux drainé
Les drains utilisés dans les ouvrages végétalisés de gestion des eaux pluviales sont des
tuyaux perforés. Le comportement hydraulique de ces tuyaux est différent des tuyaux
non perforés (Kirkkala et al., 2012). D’après (Duchene and McBean, 1992) l’écoulement
dans le tuyau perforé peut être décrit par une équation d’orifice (Équation 1.17). En
effet, aucune perte significative n'est constatée à travers le tuyau perforé installé dans
un milieu poreux (Akan, 2013; Schwartz, 2010).
Équation 1.17
2Δ𝑝
𝑄 = 𝐶𝑑 𝐴𝑑 √
𝜌
Avec 𝐶𝑑 le coefficient de drainage; 𝐴𝑑 la section du drain (L2) ; Δ𝑝 la variation de
pression (M∙L-1∙T-2) ; 𝜌 la masse volumique du fluide (M∙L-3).
1.2.6 Flux de surverse
Lorsque la capacité d'infiltration d'eau du sol est dépassée, l'eau commence à être
stockée en surface. Quand la capacité de stockage en surface est dépassée, la hauteur
d'eau atteint hmax, et une surverse se produit
Si un déversoir triangulaire est placé en sortie de l’ouvrage, la surverse peut être
calculée à partir de l’équation de KINDSVASTER (Équation 1.18) en utilisant les
hauteurs d’eau en surface.
Équation 1.18
8 5/2
α′
Q= ϑC √2g (h0 + K h ) tg
15 v 2
Avec Q est le débit (L∙s-1) ; h0 est la hauteur (m) au-dessus de la crête du déversoir ; ϑ
le coefficient de débit (égal à 0,57857 pour déversoir triangulaire à 90°); α′ est l'angle
du déversoir (égal à 90°) ; K h est facteur de correction; Cv est le coefficient de vitesse,
pris égal à 1 dans le cas d’un déversoir à paroi mince.
42
Etat de l’art
1 .3 Conception des ouvrages végétalisés de gestion à la source des eaux

pluviales
1.3.1 Généralités sur la conception des ouvrages végétalisés
La conception et le dimensionnement des ouvrages doivent, dans la mesure du

possible, contribuer à maintenir un bilan hydrologique proche de ce qu’il serait en
l’absence d’urbanisation. Les ouvrages végétalisés comme indiqué précédemment
peuvent assurer plusieurs fonctions : (i) réduire et prévenir les inondations, (ii) limiter
les rejets polluants vers le milieu naturel, (iii) contribuer à végétaliser la ville, à lutter
contre l’îlot de chaleur urbain et à améliorer le cadre de vie, (iv) améliorer la
biodiversité (Ballard et al., 2015). On s’intéressera dans cette partie particulièrement
aux aspects quantitatifs seulement.
La conception comprend principalement le dimensionnement, le choix des matériaux

et de la végétation. Le dimensionnement dépend généralement de (i) la nature et la
capacité de l'exutoire ou de l'infiltration et (ii) des objectifs d'épuration et d'hydrologie
à atteindre (Sauve et al., 2014). Les objectifs quantitatifs principaux sont la réduction
du volume et l'atténuation des débits de pointe (Ballard et al., 2015; Digman et al., 2014;
Kellagher, 2002). Les ouvrages devraient réduire les volumes entiers pour les pluies
courantes et contrôler le volume du ruissellement pour les pluies de période de retour
30 ou 100 ans. Les débits de pointe doivent également être écrêtés pour être équivalents
aux flux générés par un espace perméable végétalisé.
Lors de la phase de mise en œuvre, une fois la conception terminée, la séquence des
travaux doit être respectée, les propriétés physiques du sol préservées et la plantation
de la végétation assurée pour que les objectifs initiaux puissent être effectivement
atteints. Après la construction, des visites d’inspection et d’entretien régulier sont
indispensables.
Les ouvrages végétalisés sont principalement conçus sur la base de lignes directrices
spécifiques à chaque région. Dans les paragraphes suivants, une comparaison entre
ces lignes directrices générales que l'on trouve dans divers guides est faite. Les outils
de conception disponibles sont également abordés.
43
Etat de l’art
1.3.2 Conception des bandes enherbées
1.3.2.1 Lignes directrices générales pour la conception des bandes enherbées
La conception des bandes enherbées est généralement simple (WVSMD, 2012). Dans
cette partie seront présentées les recommandations en matière de paramètres de
conception données par divers guides étrangers. En plus des critères généraux de
dimensionnement (longueur, pente, etc.), des éléments supplémentaires seront
également abordés (Figure 1.5).
Figure 1.5. Schéma typique d'une section transversale d'une bande enherbée (WVSMD, 2012)
;(1) bassin versant contributif ; (2) prétraitement, tranchée en gravier ; (3) bande enherbée
(pente, largeur, végétation) ; (4) sol en surface de la bande ; (5) berme perméable (optionnel).
 Surface du bassin versant contributif
Tout d'abord, il faut limiter la taille du bassin versant contributif afin d'obtenir une
hauteur d’eau de ruissellement acceptable et donc éviter la remise en suspension des
sédiments déposés et l'écrasement de la végétation. En général, ces ouvrages traitent
les eaux de ruissellement des bassins versants de moins de 2 hectares (MDDEFP et
MAMROT, 2014). Idéalement, cette surface ne devrait pas dépasser un rapport surface
bassin versant/surface ouvrage égal à 6. D’après le guide de l’état de Washington
(WSDOT, 2016), le trajet d'écoulement devrait être inférieur à 45 m ; pour empêcher
les écoulements de se concentrer. Ce trajet maximal est fixé à 30 m dans le guide d’état
de New Jersey (McGreevey et al., 2004). Le flux tend à se concentrer après un trajet de
23 m pour les surfaces imperméables et 46 m pour les surfaces perméable (Claytor et
Schueler, 1996). Afin d’éviter l’érosion de la surface de la bande, la vitesse
d’écoulement superficielle de l’eau ne doit pas dépasser 0,3 m/s (Clar et al., 2004) et 1,5
m/s (Ballard et al., 2015).
 Largeur et longueur de la bande enherbée
44
Etat de l’art
La largeur de la bande enherbée (dans le sens de l’écoulement) dépend des objectifs

épuratoires (Ballard et al., 2015). Ainsi, si la bande enherbée est considérée comme un
ouvrage de prétraitement, la quantité de sédiments entrant dans l’ouvrage de
traitement devrait être réduite d'au moins 25 %. Pour atteindre cet objectif, tout en
tenant compte de l'espace disponible, les bandes enherbées doivent avoir une largeur
minimale de 90 cm. Si la pente est de 1 %, une largeur de 2,5 m à 3 m peut être efficace
(Claytor and Schueler, 1996). Une largeur supérieur à 5 m contribue à une meilleure
performance hydrologique et épuratoire (Barrett et al., 2004).
La longueur de la bande enherbée (perpendiculaire à l'écoulement) est généralement

égale à la longueur du bassin versant (MDDEFP et MAMROT, 2014), puisque c’est un
ouvrage linéaire. Si ce n’est pas le cas, celle-ci varie selon les restrictions du site, mais
doit être suffisamment grande pour répondre aux exigences des caractéristiques de
ruissellement telles que la hauteur et le débit.
 Topographie
La performance de la bande enherbée est inversement lié à sa pente dans le sens de

l’écoulement (Clar et al., 2004). D’après un guide de conception des ouvrages
végétalisés au Royaume-Uni la pente doit être comprise entre 1 et 5 % (Ballard et al.,
2015). Aux États-Unis, selon le guide de l'État de Washington (WSDOT, 2016), cette
pente peut atteindre 9,4 %. Par contre, pour une meilleure performance et un
écoulement uniforme une pente inférieure à 5 % est recommandée (WSDOT, 2016).
Plus la pente est forte (>10%), plus la longueur de la bande doit être importante
(Caltrans, 2003). La pente longitudinale de la bande enherbée ne doit pas dépasser 1 %
(PDEP, 2006).
 Caractéristiques du sol
Les caractéristiques hydrodynamiques du sol jouent un rôle très important quant à la

performance hydrologique de la bande enherbée. Un sol à forte conductivité
hydraulique et un sol sous-jacent perméable favorisent l'infiltration et donc la
réduction du volume. Des sols de types limon sableux, sable limoneux, limon, avec
une conductivité hydraulique de l’ordre 10-6 m/s sont recommandés (Clar et al., 2004).
Si le sol n'est pas jugé adéquat pour établir une végétation saine, il est recommandé de
le fertiliser avec du compost. En effet, la végétation est essentielle au bon
fonctionnement de la bande
 Végétation
Différents types de végétation peuvent être plantés dans une bande enherbée. La
densité de la végétation, son aspect esthétique et son adaptation au climat doivent
45
Etat de l’art
notamment être pris en compte. Dans les climats arides, les bandes enherbées ne sont
pas recommandés car les végétations poussent en touffes (Clar et al., 2004). Ce type de
végétation a tendance à être moins efficace qu'une végétation dense et uniforme. La
densité de la végétation est un des facteurs déterminant de la performance de ces
bandes. Il est donc fortement recommandé d'atteindre une densité de végétation d'au
moins 80 à 85 % (Barrett et al., 2004; McGreevey et al., 2004).
 Profondeur de la nappe phréatique
Une nappe phréatique peu profonde peut avoir un effet sur l'infiltration des eaux de
ruissellement. C'est pourquoi il est recommandé que la limite inférieure de la bande
soit éloignée d'au moins 60 cm du niveau le plus élevé de la nappe phréatique. (Clar
et al., 2004).
 Critères de conception supplémentaires
Un répartiteur de flux peut être utilisé pour assurer un flux uniforme sur toute la
bande. Si le sol formant la bande n'est pas suffisamment perméable, comme indiqué
précédemment, des amendements de ce sol avec du compost sur toute la largeur et la
longueur de la bande sont proposés (WVSMD, 2012). Une tranchée en gravier de 60
cm de large et 30 cm de profondeur peut être placée à l'entrée de la bande (WVSMD,
2012). Cette tranchée favorise le prétraitement des eaux de ruissellement grâce à la
filtration des particules avant l'entrée dans la bande. Elle sert également de répartiteur
de débit.
En outre, une berme perméable, comme le montre la Figure 1.6, peut être placée à l’aval
de la bande enherbée pour augmenter la capacité de stockage en surface (PDEP, 2006).
Cela favorise l'infiltration des eaux de ruissellement et donc la réduction du volume et
aussi des polluants. Cette berme peut être formée par du sable, gravier ou bien du
limon sableux avec une hauteur comprise entre 15 et 30 cm.
46
Etat de l’art
Figure 1.6. Berme perméable installé dans la bande enherbée pour augmenter sa capacité de
stockage en surface (PDEP, 2006).
1.3.2.2 Outils de conception et dimensionnement des bandes enherbées
Les méthodes les plus utilisées pour la conception des bandes enherbées sont des
méthodes assez simples qui utilisent les critères évoqués précédemment. Des guides
étrangers, surtout en Amérique du Nord (Clar et al., 2004; PDEP, 2006; WSDOT, 2016;
WVSMD, 2012), au Canada (Dhalla and Zimmer, 2010; MDDEFP and MAMROT, 2014)
parmi plein d’autres ont proposé des recommandations et des lignes directrices
générales pour la conception, la construction, l’utilisation et la maintenance des bandes
enherbées. Ces approches sont spécifiques aux climats et aux caractéristiques du sol
de la région dans laquelle elles sont appliquées. Par conséquent, elles ne constituent
pas un outil pouvant être appliqué dans d'autres conditions. De plus, ces approches
ne quantifient pas la performance et l'efficacité d'une bande et ne précisent pas les
paramètres de conception optimale (Munoz-Carpena and Parsons, 2004). Les
méthodes sont basées sur des principes hydrologiques simplifiés sans tenir compte des
processus hydrologiques complexes mis en jeu (Khatavkar et Mays, 2017). Certains
d'entre eux utilisent l'équation de Manning pour calculer le débit de surface de la
bande enherbée (WSDOT, 2016). D'autres fournissent des courbes reliant la pente à la
longueur dans différentes conditions de sol et de végétation, à partir desquelles on
peut dimensionner ces ouvrages (McGreevey et al., 2004; PDEP, 2006). Des graphiques
de dimensionnement des bandes enherbées sont également fournis par (Wong and
McCuen, 1981, 1982), ils prennent en compte la pente, le type de végétation et
l'efficacité visée de piégeage des sédiments. Ces graphiques sont basés sur trois
hypothèses : l’équation de Manning est appliquée avec une rugosité constante,
l’infiltration est négligeable, et les particules ont une taille uniforme donnée. Cette
47
Etat de l’art
méthode a été jugée non adaptée à un nombre important de sites d'étude (Hayes et al.,
1984). Une autre approche développée par l'État du Maryland (MDE, 2000), aux États-
Unis, présente des faiblesses similaires. En effet, ces approches ne tiennent pas compte
de processus hydrologiques importants tels que l'infiltration et simplifient les
processus épuratoires en ne considérant qu'une seule taille de particules. Un modèle
un peu plus complexe que les modèles précédents est le modèle IDEAL (Clar et al.,
2004). Celui-ci peut être utilisé pour la conception des ouvrages et aussi pour valider
les autres méthodes de conception. Il comprend un volet hydrologique, ainsi qu'un
volet de calcul des polluants.
Autre que les guides de conception, des outils mathématiques basés sur des modèles
physiques et empiriques peuvent être utilisés (Lobo et Bonilla, 2017). Parmi les
modèles à base de physique, VFSMOD développé par (Munoz-Carpena et al., 1993)
est utilisé pour étudier l'hydrologie et le transport des sédiments à travers des bandes
enherbées. Ce modèle couple un module hydrologique basé sur l’équation d’onde
cinématique et Green et Ampt avec un module de filtration des sédiments développé
à l’Université de Kentucky (Barfield et al., 1979; Hayes et al., 1984, 1979; Tollner et al.,
1977, 1976). Ce modèle a été testé par plusieurs études sur la base de données
expérimentales (Abu-Zreig et al., 2001; Munoz-Carpena et al., 1999). Un des problèmes
de ce programme, notamment en tant qu'outil de dimensionnement, est que
l'utilisateur doit fournir des hydrogrammes Q(t) et des sédigraphes MES(T). Cette
question a été traitée dans une version modifiée qui est VFSMOD-W (Munoz-Carpena
et Parsons, 2004) pour inclure la génération d’hydrogrammes et des sédigraphes pour
une pluie de projets. Des améliorations au module de qualité uniquement ont été
apportées par Dosskey et al. (2008) et Rudra et al. (2010). Un autre outil de conception
basé sur le même modèle mathématique VFSMOD mais avec des résultats plus
simplifiés et sous forme de graphiques faciles à utiliser est également disponible
(Akan, 2014; Akan et Atabay, 2015). Un outil d’optimisation de la conception des
bandes enherbées est présenté par Khatavkar et Mays (2017).
Une description plus approfondie des modèles sera donnée dans la section sur la
modélisation des bandes enherbées.
48
Etat de l’art
1.3.3 Conception des noues d’écoulement
1.3.3.1 Lignes directrices générales pour la conception des noues d’écoulement
Les noues d’écoulement sont souvent mises en œuvre le long des voiries pour évacuer
les eaux de ruissellement pluviales (Dhalla and Zimmer, 2010). Leur rôle principal est
de ralentir la vitesse d’écoulement, ce qui provoque une réduction du débit de pointe.
En outre, ces noues apportent une valeur esthétique importante. Elles sont
généralement conçues pour évacuer les pluies décennales, de sorte qu'un minimum de
15 cm de la hauteur disponible pour le stockage en surface reste libre et qu'aucune
érosion de sol ne se produit (PDEP, 2006). Certaines méthodes de conception tiennent
compte de deux aspects du contrôle du débit : d'abord le contrôle de la qualité de l'eau
en essayant de minimiser les vitesses d'écoulement, ensuite le contrôle de l'érosion et
la capacité de transport de la noue (Payero et al., 2014). Les pluies considérées dans ce
cas sont généralement les pluies de période de retour de 2 ans ou 10 ans selon le guide.
Pour les pluies plus fortes avec une période de retour de 25 à 100 ans, une évaluation
du comportement de la noue doit être effectuée. Le temps de séjour de l'eau, c'est-à-
dire le temps qu'il faut à une goutte d'eau pour parcourir toute la noue, doit être d'au
moins 9 minutes pour des raisons épuratoires (WVSMD, 2012).
Les critères de conception des noues d'écoulement peuvent être modifiés pour
améliorer leur efficacité hydrologique et épuratoire. Des redans peuvent, dans certains
cas, être placées le long de ces noues pour augmenter leur stockage en surface et
différentes géométries peuvent être adaptées (Dhalla and Zimmer, 2010). La noue
sèche, par exemple, est une conception modifiée de la noue d’écoulement, qui
incorpore un sol amendé pour augmenter la capacité de stockage du sol (GSMM, 2016).
Un système de drainage sous le massif filtrant peut également être installé.
Un schéma typique d’une noue est montré à la Figure 1.7. L'efficacité d’une noue est
directement liée à la nature et à la surface du bassin versant contributif, aux
dimensions de la noue, à la pente, au type de sol qui la forme et à la végétation.
49
Etat de l’art
Figure 1.7. Schéma typique d'une section transversale d'une noue d'écoulement (WVSMD,
2012); (1) bassin versant contributif (ex. Chaussées), (2) Prétraitement, tranchée en gravier, (3)
Dimensionnement et géométrie, (4) Redans, stockage en surface, (5) Pentes latérales, (6) Massif
filtrant (optionnel), (7) Végétation.
Les noues d’écoulement reçoivent le plus souvent les eaux de ruissellement d'un
bassin versant de moins de 4 hectares (Clar et al., 2004). Il est également recommandé
que le bassin versant ne dépasse pas 2 hectares (GSMM, 2016). Une superficie
supérieure à 2 hectares est susceptible de générer des débits élevés qui empêchent un
bon fonctionnement de la noue (GSMM, 2016; WVSMD, 2012). Des mesures
supplémentaires peuvent être prises dans ce cas pour gérer les débits élevés (PDEP,
2006). Les débits dans la noue doivent respecter des critères spécifiques (Ballard et al.,
2015). La hauteur de l’écoulement ne doit pas dépasser la hauteur de la végétation de
10 cm avec une vitesse ne dépassant pas 0,3 m/s pour assurer un bon contrôle de la
qualité de l'eau. Une vitesse maximale de 1 m/s doit être maintenue pour éviter
l'érosion du sol en surface de la noue. La surface de la noue par rapport au bassin
versant peut être comprise entre 5 et 20% (Dhalla and Zimmer, 2010; GSMM, 2016).
 Géométrie
La section transversale de la noue peut être parabolique ou trapézoïdale (Payero et al.,

2014; PDEP, 2006), ces formes sont plus faciles à construire et à maintenir (Ballard et
al., 2015). Il est conseillé de concevoir la noue avec une section parabolique
initialement, car avec le temps, en raison de l'érosion et du dépôt de sédiments, la
section trapézoïdale devient parabolique (Claytor and Schueler, 1996; Dhalla and
Zimmer, 2010).
50
Etat de l’art
La longueur de la noue, utilisée pour gérer les eaux de ruissellement routier, est égale
à la longueur du bassin versant. Si elle est divisée en plusieurs sections ou séparée par
des redans, la longueur de chaque section doit être d'au moins 5 m (Ballard et al., 2015;
Dhalla and Zimmer, 2010). La largeur du fond de la noue doit être généralement
comprise entre 0,5 et 2 m, pour éviter toute canalisation des écoulements (GSMM,
2016). Une largeur supérieure à 2 m n'est pas recommandée, sauf si un répartiteur de
débit ou des redans sont mis en place pour assurer la répartition uniforme du débit
entrant dans la noue (Ballard et al., 2015; WVSMD, 2012). La hauteur maximale de
stockage en surface qui correspond à la profondeur de la noue doit être de 40-60 cm
(Ballard et al., 2015; GSMM, 2016). Pour une noue trapézoïdale, le rapport maximal
entre la largeur du fond de la noue et la hauteur en surface ne doit pas dépasser 12:1
(PDEP, 2006).
Les côtés de la noue peuvent assurer le prétraitement des flux latéraux entrants et
maximiser la surface filtrante de la noue. Il est donc recommandé qu'ils soient plats
avec une pente minimale de 4:1 (H:V) et une pente maximale de 3:1 (Ballard et al.,
2015). Cette pente ne devrait pas dépasser 2:1 pour faciliter la maintenance et l'entrée
latérale du flux (GSMM, 2016).
 Topographie
La pente longitudinale de la noue peut varier entre 0.5 et 6 % (Ballard et al., 2015;
Dhalla and Zimmer, 2010). Une pente inférieure à 4 % est recommandée (GSMM, 2016)
et idéalement égale à 2 % (WVSMD, 2012). Dans le cas de pentes supérieures à 3 %,
des redans doivent être mis en place pour réduire la pente effective. Si la pente est
inférieure à 1,5 %, une noue humide peut être envisagée ou un drain peut être installé
sous le sol, cela dépend du type de sol en surface (Ballard et al., 2015).
Les noues d’écoulement peuvent être appliquées sur des sites ayant n'importe quel
type de sol (Dhalla and Zimmer, 2010). Cependant, un sol perméable avec une capacité
d'infiltration élevée améliore les performances hydrologiques et épuratoires de la
noue. Les classes texturales appropriées pour ce type d’ouvrage sont : sable, sable
limoneux, limon sableux, limon, et limon fin (Clar et al., 2004). Les sols argileux ne sont
pas conseillés car ils permettent la formation de flaques d'eau et la végétation ne s'y
développe pas suffisamment. Dans le cas des noues sèches, le sol de surface peut être
remplacé par un sol perméable, d'une conductivité hydraulique de l’ordre 10-6 m∙s-1,
sur une épaisseur minimale de 80 cm (GSMM, 2016).
 Végétation
Le choix de la végétation doit être soigneusement décidé à un stade précoce du

processus de conception. Idéalement, une végétation diversifiée dont la saison de
51
Etat de l’art
croissance correspond à la saison humide devrait être choisi (PDEP, 2006). Une
végétation dense avec une hauteur entre 75 et 150 mm doit être maintenue dans la
noue (Ciria SUDS). Cette hauteur est déterminante pour la performance de l’ouvrage
en termes de réduction du débit et de filtration (Clar et al., 2004). Il est recommandé
que cette hauteur soit au moins 50 mm au-dessus de la hauteur de l’eau dans la noue
résultant de la pluie de projet.
Il est recommandé que la nappe phréatique soit distante d’au moins 1 m du niveau le
plus bas du sol formant la noue (Ballard et al., 2015; Dhalla and Zimmer, 2010). Dans
le cas d'une nappe phréatique proche de la surface, une noue humide peut être
appliquée (GSMM, 2016).
Si la pente de la noue est supérieure à 3 %, des mesures peuvent être mises en place
pour ralentir le débit, augmenter le temps de séjour de l'eau dans la noue et le stockage
en surface et favoriser également l'infiltration (Ballard et al., 2015; PDEP, 2006). Pour
des besoins de maintenance, la hauteur maximale recommandée pour les redans est
de 30 cm (WVSMD, 2012). Dans certains cas, la noue doit être étanchéifiée par une géo-
membrane, si les eaux souterraines sont susceptibles d'être contaminées par les eaux
infiltrées (Ballard et al., 2015). Dans ce cas, un drain peut être placé au fond de la noue
pour évacuer l'eau infiltrée. Afin d'augmenter l'efficacité hydrologique et épuratoire
de la noue d’ecoulement, des dispositifs de prétraitement peuvent être placés pour
traiter l'eau entrant latéralement. Ils peuvent être soit des tranchées de gravier, ou des
canaux de sédimentation (Dhalla and Zimmer, 2010). Lorsque le sol de la noue est
compacté à cause des travaux de construction, ou n'est pas assez fertile pour permettre
un bon développement de la végétation, il peut être composté. Le contenu organique
du sol composté doit être de 8 à 15 % en poids ou de 30 à 40 % en volume (Dhalla and
Zimmer, 2010). La noue d’écoulement peut être mise en œuvre en tant qu'ouvrage de
prétraitement. Dans ce cas, des tranchées d'infiltration ou des ouvrages de biorétention
peuvent y être connectés en aval (PDEP, 2006).
1.3.3.2 Outils de conception et dimensionnement des noues d’écoulement
Les noues d’écoulement sont principalement conçues pour réduire le débit de pointe
de la pluie du projet (WVSMD, 2012). Plusieurs guides proposent des procédures
simples pour la conception de ces noues. Ces procédures comprennent des lignes
directrices générales, comme celles présentées précédemment, et des équations
mathématiques simples. Les équations fondamentales sont les équations de Manning
et de continuité.
52
Etat de l’art
La procédure de base est fournie par Chow (1959). Cette procédure peut être
appliquée de plusieurs manières selon l'ordre des étapes et selon les variables définies
initialement (Clar et al., 2004). Par exemple, la procédure de conception de l'État de
Washington est constituée de 10 étapes (Horner, 1993). Ces étapes sont les suivantes :
(1) déterminer le débit de conception, correspondant à une pluie de période de retour
de 2 ans pour une durée de 24 heures; (2) déterminer la pente longitudinale en fonction
de la topographie ; (3) choisir la forme de la section transversale ; (4) déterminer la
largeur du fond de la noue par l'équation de Manning ; (5) calculer l’aire de la section
mouillée pour la pluie de projet ; (6) calculer la vitesse de l’écoulement à l'aide de
l'équation de continuité ; (7) calculer la longueur de la noue en fonction du temps de
séjour de l'eau recommandé ; (8) choisir l'emplacement de l’ouvrage en fonction des
paramètres de conception ; (9) choisir le couvert végétal ; (10) vérifier la stabilité de
l’ouvrage pour la pluie de période de retour 100 ans pour une durée de 24 heures. Une
approche de conception itérative, appliquée dans la ville de Denver, Colorado,
comprend également des étapes de conception mais dans un ordre différent de celle
présenté ci-dessus (UDFCD, 1999). Cela consiste à déterminer le débit généré par la
pluie de projet, à fixer les dimensions de la noue, et à calculer la vitesse et la hauteur
du débit ruisselé dans la noue à l'aide de l'équation de Manning. Si ces deux dernières
ne se situent pas dans les limites imposées par le guide, le dimensionnement doit être
répété. Les guides d'autres États des États-Unis comme la Géorgie, la Pennsylvanie, la
Virginie occidentale (GSMM, 2016 ; PDEP, 2006 ; WVSMD, 2012) fournissent
également des directives de conception et une procédure similaire à celle décrite plus
haut. Ces méthodes de conception ne tiennent pas compte de l'infiltration de l’eau dans
le sol et négligent également la granulométrie des sédiments en regard de la qualité de
l'eau. Un modèle, appelé IDEAL (Clar et al., 2004), peut être appliqué afin de répondre
à ces lacunes. Ce modèle est relativement complexe par rapport aux méthodes
précédentes et prend en considération l'infiltration d'eau dans le sol. Il est utilisé pour
la conception des bandes enherbées et des noues végétalisées et également pour
vérifier les méthodes de conception simplifiée.
Les modèles basés sur la physique sont une alternative aux méthodes de conception
simples. Parmi ces modèles, TRAVA, développé par Deletic, 2001 et vérifié par Deletic
and Fletcher, 2006, est capable de simuler l'écoulement de l'eau et le transport des
sédiments dans les noues végétalisés. García-Serrana et al., 2017 a aussi développé un
modèle pour simuler l'infiltration et l'écoulement superficiel sur les pentes latérales de
la noue. Un modèle conceptuel MUSIC (MUSIC, 2013) peut également être appliqué
pour simuler la qualité et la quantité de l'eau. D'autres modèles tels que Mike SHE
(Jaber and Shukla, 2012), SWMM (Metcalf, 1971) peuvent être appliqués, mais ces
logiciels sont recommandés pour une application à grande échelle, et non à l’échelle
de l’ouvrage.
53
Etat de l’art
1.3.4 Conception des noues filtrantes / ouvrages de biorétention
1.3.4.1 Lignes directrices générales pour la conception des noues filtrantes
En plus de leur rôle de traitement en tant qu’ouvrage de biorétention, les noues

filtrantes ont également une fonction de transport (Payne et al., 2015). Les éléments de
conception sont donc similaires aux systèmes de type biorétention avec un élément
supplémentaire concernant la surverse.
La conception des noues filtrantes doit répondre à des objectifs de performance

adaptés aux besoins spécifiques de l'environnement local. L'objectif hydrologique
principal est de réduire les volumes de ruissellement et les débits de pointe pour
atteindre un régime hydrologique similaire au régime de pré-développement (Payne
et al., 2015). Les objectifs spécifiques diffèrent d'un pays à l'autre et même d'une ville
à l'autre. Par exemple, à Melbourne, en Australie, l'objectif principal est de maintenir
un régime hydrologique similaire au régime de pré-développement pour la pluie de
période de retour de 1,5 an. Les objectifs spécifiques peuvent être la réduction des
polluants ou l'atténuation de l'impact des pluies courantes sur les écosystèmes
aquatiques.
Les éléments constituant une noue filtrante sont montrés dans la Figure 1.8. Les lignes
directrices, pour ces éléments, fournies par plusieurs guides seront présentées dans ce
qui suit.
Les directives fournies par les gu ides son t présentées dans la s uite
Figure 1.8. Schéma typique d'une section transversale d'une noue filtrante (WVSMD, 2012);
(1) Prétraitement, (2) Couche de surface et végétation, (3) Stockage d’eau en surface ( 15-45
54
Etat de l’art
cm), (4) Pentes latérales = 3:1 maximum (recommandé), (5) Structure de débordement pour
les débits importants, (6) Couche intermédiaire (7) Massif filtrant (46 cm minimum), (8)
Drain (10 à 15 cm de diamètre), (9) Zone de stockage interne sous le drain (optionnel), (10)
Couche de gravier sous le drain.
,(
Les noues filtrantes ou les ouvrages de biorétention sont plus efficaces si le bassin
versant qui y contribue est relativement petit. Il est recommandé que le bassin versant
ait une surface inférieure à 1 hectare et qu'il soit 100% imperméable (WVSMD, 2012).
Le rapport entre la surface du système de biorétention et la surface du bassin versant
devrait être compris entre 3 et 6 % (WVSMD, 2012). Au Canada, ce rapport est
légèrement plus élevé et varie entre 5 et 10 % (Payero et al., 2014).
 Géométrie
La géométrie ou le dimensionnement de ce type d'ouvrage dépend du volume de

conception choisi par le concepteur et qui répond aux objectifs visés. Dans cette partie,
des recommandations sur les éléments formant la noue seront discutées.
Stockage en surface Dans ce type d’ouvrage, une partie du volume entrant est stockée
en surface. Cela favorise l'infiltration de l'eau dans le sol, l'évapotranspiration, la
réduction de la vitesse d'écoulement, l'approvisionnement des plantes, la recharge des
nappes phréatiques, et une meilleure élimination des polluants. La hauteur maximale
de l'eau en surface est limitée entre 150 et 255 mm (Payero et al., 2014), l'eau en excès
est évacuée du système. Cette hauteur peut atteindre un maximum de 300 mm, et
jusqu'à 450 mm pour la gestion des pluies importantes (WVSMD, 2012). Dans la
majorité des cas l’eau en surface devrait se vider en 72 heures (PDEP, 2006).
Pentes latérales Les pentes latérales de la noue filtrante doivent être faibles, il est
recommandé que la pente soit de 3:1 (H:V) (WVSMD, 2012).
 Topographie
Les noues filtrantes peuvent être appliquées à des sites présentant une variété de
conditions topographiques. Toutefois, il est recommandé que la pente du site soit
comprise entre 1 et 5 % pour assurer un bon fonctionnement de l’ouvrage. Pour une
pente plus forte, l’ouvrage peut être divisé par des redans (WVSMD, 2012).
Le sol formant ce type d’ouvrage est généralement constitué de trois couches. La

couche de surface qui est le massif filtrant. Une couche de drainage et de stockage dans
55
Etat de l’art
certains cas, située dans la zone autour du drain, est formée par du gravier. Cette
couche assure la collecte des eaux infiltrées et traitées et leur évacuation par le drain.
La couche intermédiaire est une couche de transition entre les deux couches
précédentes, permettant d’empêcher le lessivage du massif filtrant.
Dans le massif filtrant, l'infiltration et le stockage de l'eau assurent la réduction du
volume et du débit de pointe du flux de ruissellement. Ce massif permet également
l'élimination des polluants par des processus physiques et chimiques et contribue au
développement de la végétation et à la croissance microbienne, qui sont responsables
du traitement biologique des polluants (Payne et al., 2015). Le massif filtrant est un
élément de conception très important en termes de performance à long terme des
ouvrages. Pour cette raison, des facteurs essentiels doivent être pris en compte lors de
la sélection du mélange formant le massif filtrant. La classe texturale recommandée est
le sable argileux (USDA, 1986), avec la texture suivante : 70-88 % de sable, 8-26 % de
terre végétale, 3-5% de matière organique (compost) (WVSMD, 2012). Le taux
d'infiltration du massif filtrant doit être au moins de l'ordre 10-6 m/s. L’épaisseur du
massif filtrant recommandée est entre 1 et 1,25 m (Dhalla and Zimmer, 2010), avec un
minimum de 45 cm (DDOE, 2013).
 Végétation
La végétation doit être choisie par le concepteur en fonction des objectifs et du climat
local. Le rôle de la végétation est très important, en termes de conductivité hydraulique
du sol à saturation, de processus d'élimination et de transformation des pollutions et
aussi de réduction des volumes par évapotranspiration (Payne et al., 2015). Les plantes
choisies pour ce type d’ouvrages doivent être adaptées à des conditions variables
d’humidité du sol, allant de très sèches à très humides (NCDEQ, 2020; Payero et al.,
2014). Dans certains cas, elles doivent également résister aux ruissellements chargés
de sels utilisés dans les climats froids pour le déglaçage. Plusieurs types de plantes et
d’arbustes sont recommandés dans les guides (McGreevey et al., 2004), mais
l'utilisation de plantes adaptées à l'environnement local est recommandée.
 Surverse
L'excès d'eau résultant des grands volumes d'eau de pluie doit être évacué de la noue.
L'évacuation se fait souvent vers un milieu récepteur ou vers le réseau
d’assainissement (Clar et al., 2004). Cela se fait par un système de surverse, qui
consiste en puisards, ou un déversoir situé légèrement au-dessus de la limite de
stockage en surface.
Dans le cas d'une noue non étanchéifiée au fond, une attention particulière doit être
accordée à la nappe phréatique. Le niveau le plus élevé de la nappe phréatique ne
56
Etat de l’art
doit pas croiser le massif filtrant pour éviter toute contamination de l'eau et tout mal-
fonctionnement de l'ouvrage (WVSMD, 2012). À cette fin, une distance minimale de 1
m entre la nappe phréatique et le niveau le plus bas de l’ouvrage est recommandée
(Dhalla and Zimmer, 2010; Payero et al., 2014).
Certains éléments supplémentaires peuvent être mis en œuvre en fonction des

conditions locales et des objectifs hydrologiques ou de traitement fixés par le
concepteur.
Noue étanche/non-étanche Dans certains cas, la noue filtrante doit être étanchéifiée. Par
exemple, si elle est située dans une zone fortement contaminée et qu'il y a un risque de
contamination des eaux souterraines, ou à proximité des fondations d’un bâtiment, ou
lorsqu'une étude géotechnique le juge nécessaire (WVSMD, 2012). Une géomembrane
d'une épaisseur minimale de 0,8 mm, recouverte d'un géotextile, peut être installée
pour assurer une bonne étanchéité de l’ouvrage.
Ouvrage de prétraitement Un ouvrage de prétraitement peut optionnellement être mis
en place lorsque le site a suffisamment d'espace (Clar et al., 2004). Cet ouvrage permet
de réduire la vitesse des eaux de ruissellement avant qu'elles atteignent la noue
filtrante. Il assure également l'élimination des sédiments, ce qui prolonge la durée de
vie de l’ouvrage et réduit la fréquence des entretiens. Plusieurs ouvrages de
prétraitement sont possibles, dépendant des caractéristiques du débit entrant dans la
noue, qu'il soit ponctuel ou diffus. Dans le cas d'une noue filtrante en bordure de
voirie, les apports sont diffus et latéraux. Les ouvrages de prétraitement appropriés
sont alors des bandes enherbées ou des tranchées de sable ou de gravier (Clar et al.,
2004; WVSMD, 2012).
Drain Le système de noue filtrante peut inclure un drain pour collecter l'eau infiltrée
et traitée. L'utilisation ou non du drain dépend des objectifs hydrologiques et
épuratoires, du niveau de la nappe phréatique et de la perméabilité du sol en surface
(Payero et al., 2014). Dans le cas d'un sol à faible perméabilité, inférieure à 3∙10-6 m∙s-1
un système de drainage est recommandé (WVSMD, 2012). Le système de drainage
consiste en une couche de gravier de 10 à 15 cm et un drain perforé. Le drain peut être
connecté aux réseaux d’assainissement des eaux de pluie (Clar et al., 2004).
Zone humide Une zone de stockage interne peut être conçue dans la noue. Cela peut
être fait en augmentant le niveau du tuyau de sortie superficiel en sortie de l’ouvrage.
Une zone continuellement remplie d'eau est ainsi créée. Cette zone favorise la
dénitrification et améliore la teneur en nitrates et la réduction de l'azote (Kim et al.,
2003). En outre, cette zone a un impact hydrologique, surtout si elle peut se vider entre
deux événements, ce qui augmente la recharge des eaux souterraines (Brown and
Hunt, 2011a).
57
Etat de l’art
1.3.4.2 Outils de conception et dimensionnement des noues filtrantes
Différentes méthodes de conception des noues filtrantes ou des ouvrages de

biorétention ont été adoptées par les municipalités et présentées dans leurs guides.
Chaque méthode est basée sur des critères et des objectifs spécifiques. Cinq critères de
dimensionnement sont généralement utilisés (MDE, 2000): le volume correspondant
au volume de stockage nécessaire pour capter et traiter 90 % du ruissellement annuel
moyen des eaux de pluie; le volume de la recharge des eaux souterraines qui est égal
à une fraction des pluies annuelles; le volume de stockage pour la protection contre
l’érosion, l’ouvrage doit retenir la pluie de période de retour d’un an et d’une durée
de 24 heures ; le volume de protection contre les inondations, pour empêcher le débit
de pointe résultant de la pluie de période de retour de 10 ans et d’une durée de 24
heures de dépasser le débit de pointe avant imperméabilisation et le volume maximal
correspondant au volume de la pluie centennale.
Le document de référence pour la conception de ce type d’ouvrage est le guide de

Prince George’s County (Prince George’s County, 1999). Dans cette méthode, la pluie
du projet est choisie au début après avoir fixé les critères de conception. Le
dimensionnement de l’ouvrage se fera sur la base du volume de stockage nécessaire
pour maintenir un volume et un débit de pointe proches de ceux d'avant
imperméabilisation et pour assurer le traitement du volume nécessaire au contrôle de
la qualité de l'eau. La méthode de calcul utilisée pour déterminer les conditions
hydrologiques avant et après l’imperméabilisation est ‘soil conservation service curve
number method’ (Mockus, 1964). D'autres États dimensionnent ce type d'ouvrages en
fonction du volume des eaux de ruissellement à traiter (MDE, 2000; NYSSMDM, 2015;
Vermont, 2002). Le dimensionnement du massif filtrant est basé sur la loi de Darcy. La
méthode rationnelle est utilisée dans d'autres États pour calculer le débit de pointe du
ruissellement (NCDEQ, 2020; PDEP, 2006). Certains Etats adoptent un principe simple,
le ratio de surface, en considérant que la surface de l’ouvrage doit être égale à un
pourcentage fixe du bassin versant (Idaho Department of Environmental Quality,
2005; Virginia, 1999). Au Canada, les guides de la province de Québec (Payero et al.,
2014) et de Toronto (Dhalla and Zimmer, 2010), fournissent des lignes directrices et
des recommandations générales pour la conception de ces ouvrages.
Ces méthodes de conception basées sur des hypothèses et des simplifications ne
prennent pas en compte les processus hydrologiques complexes impliqués. Les seuls
processus hydrologiques pris en compte sont l'écoulement de surface du bassin
versant et l'infiltration de l'eau dans le sol, en ne considérant que la perméabilité en
cas d'utilisation de la loi Darcy. De même, les approches de conception basées sur des
rejets fixes ou un pourcentage fixe du bassin versant répondent de manière appropriée
aux objectifs quantitatifs et qualitatifs.
58
Etat de l’art
Des modèles hydrologiques complexes peuvent être utilisés pour la conception des
noues filtrantes. Ces modèles, qui décrivent plus précisément les flux d'eau dans ces
ouvrages, permettent un dimensionnement et une prévision plus exacts des
performances hydrologiques à long terme. Plus un modèle est sophistiqué, plus il
nécessite des données d'entrée, telles que les caractéristiques hydrodynamiques du sol.
Un outil de dimensionnement largement utilisé est appelé RECARGA. Cet outil a été
développé à l'Université du Wisconsin pour déterminer l'impact hydrologique des
systèmes de biorétention (Atchison et Severson, 2004). Il permet de modéliser un
ouvrage de biorétention, avec stockage en surface, comprenant jusqu'à trois couches
de sol et un drain. Le logiciel peut effectuer des simulations en continu et calculer la
teneur en eau du sol et chaque terme du bilan à un pas de temps fixe. D'autres logiciels
permettent également de modéliser ce type d’ouvrage, tels que, HEC-HMS
(Hydrologic Engineering Center-Hydrologic Modeling System,Heasom et al., 2007) et
SWMM (Metcalf, 1971). Cependant, ils sont plus adaptés aux grandes échelles et non
à l'échelle de l’ouvrage. Une évaluation plus approfondie des modèles existants sera
fournie dans la section consacrée à la modélisation.
59
Etat de l’art
1 .4 Suivis expérimentaux de la performance hydrologique des ouvrages

végétalisés de gestion des eaux pluviales : Méthodes et résultats
1.4.1 Généralités sur l’évaluation de la performance hydrologique de ces systèmes :

indicateurs de performance
Les ouvrages de gestion des eaux pluviales ont été largement utilisés pour résoudre
les problèmes d'hydrologie et de qualité de l'eau dans les zones urbaines et agricoles.
De nombreuses études ont porté sur l'efficacité de ces systèmes à court terme (moins
de quatre ans), tandis que peu d'entre elles ont exploré cette efficacité à long terme.
Selon les objectifs, le suivi in situ peut être plus ou moins détaillé (Payne et al., 2015).
Il existe plusieurs niveaux de suivi quantitatif. Le premier niveau est le niveau minimal
d'exploitation, suffisant pour évaluer la conformité de l’ouvrage à la conception. Le
deuxième niveau est le niveau intermédiaire, permettant d'évaluer des nouvelles
configurations de conception si le budget ne permet pas un suivi approfondi. Le
troisième niveau est le plus détaillé et adapté à l'évaluation de la conception et au
développement de nouveaux modèles. Ce dernier nécessite le plus de ressources.
Les informations indispensables à connaître quel que soit le niveau de suivi, sont les
caractéristiques du bassin versant, les caractéristiques de l’ouvrage et le climat (Payne
et al., 2015). L'évaluation préliminaire de la performance comprend deux parties, soit
la mesure de la conductivité hydraulique du sol et de sa teneur en polluants. Le niveau
intermédiaire consiste à effectuer des mesures par événement de l'eau entrant et
sortant de ces ouvrages, et ce pour différents événements ayant des caractéristiques
ainsi que des périodes de temps sèches diverses. L'évaluation quantitative détaillée
comprend la surveillance continue du débit et de la qualité de l'eau.
L'instrumentation des sites d’études est variée. Pour mesurer les précipitations, la
méthode la plus couramment utilisée est le pluviomètre à auget basculant, une mesure
de température peut être ajoutée (Brown and Hunt, 2011a; Carpenter and Hallam,
2010; Hunt et al., 2006; Li et al., 2009). Pour mesurer le débit entrant dans les ouvrages
d’étude des méthodes directes peuvent être utilisées comme l’installation d’un
déversoir (triangulaire ou rectangulaire) et la mesure de la hauteur d’eau en amont de
ce déversoir (Davis, 2008; Li et al., 2009; Line and Hunt, 2009). D'autres études ne
mesurent pas le débit entrant mais le calculent à partir de modèles pluie-débit
(présentés dans la section 1.3.2). Dans l’étude de Carpenter and Hallam (2010) la
méthode rationnelle est appliquée. D’autres études soustraient de la pluie la perte
initiale estimée (Hunt et al., 2006). Les pertes initiales telle qu'indiquées par Pit et al.,
(1999), pour les surfaces imperméables, sont supposées égales à 2 mm , et pour les
surfaces perméables la perte est supposée égale à 8,4 mm, tout ce qui reste est considéré
60
Etat de l’art
comme ruissellement. La méthode des courbes du SCS (USDA, 1986) , pour prédire les
volumes d'eau qui s'écoulent par ruissellement est aussi adaptée (Li et al., 2009). Ces
modèles présentent certaines limitations, car ils ne tiennent pas compte de l’infiltration
de l’eau dans le sol.
Le débit de surverse est mesuré par Brown and Hunt (2011) à l’aide d’un déversoir
triangulaire 90° et un débitmètre. Le stockage en surface est mesuré à l’aide d’un
capteur de mesure de la hauteur d’eau en surface relié à une centrale d’acquisition (Li
et al., 2009). Le débit drainé est souvent dirigé vers un regard où un déversoir et un
débitmètre sont installés pour mesurer le débit. La mesure de la teneur en eau du sol
n'est pas une pratique aussi fréquente pour le suivi expérimental. Dans l’étude de
Carpenter and Hallam (2010), les teneurs en eau sont mesurées à l’aide des capteurs S-
SMA-M005, et des capteurs S-TMB-00212-bit sont utilisés pour mesurer la température
dans le sol. Finalement, l’évapotranspiration peut être estimée par des formules
empiriques ou physiques (cf. section 1.2.4) en se basant sur des mesures
météorologiques.
Différents indicateurs de performance sont utilisés pour évaluer la performance

hydrologique de ces dispositifs. Les indicateurs de performance et leurs méthodes de
calcul diffèrent également d'une étude à l'autre, et ne sont donc pas normalisés.
Certains indicateurs expriment la performance hydrologique en volume, d'autres en
débit. Parmi les indicateurs les plus couramment utilisés figurent la réduction du
volume, l'atténuation du débit de pointe, la perte par évapotranspiration et la
conductivité hydraulique du sol (Payne et al., 2015). Par exemple, pour la réduction de
volume, Davis (2008) utilise le ratio de débit de sortie par rapport au débit entrant et
le représente en fonction de la probabilité au dépassement. D'autres études expriment
la réduction du volume en pourcentage, égal à la différence entre le volume entrant et
sortant divisé par le volume entrant (Brown et Hunt, 2012; DeBusk et Wynn, 2011).
Dans l'étude de Zhang and Chui (2017), afin d'évaluer l'effet de la nappe phréatique,
un calcul du temps nécessaire au flux pour atteindre le fond de l’ouvrage et la nappe
phréatique est réalisée. Cela a été fait par modélisation, en considérant que le temps
nécessaire pour atteindre un niveau donné est égal au temps où le rapport entre le
débit à ce niveau et le débit infiltré dans le sol est égal à 0,01.
Une sélection des indicateurs trouvés dans la littérature (Abu-Zreig et al., 2004; Brown
et Hunt, 2012, 2011; Davis, 2008; Davis et al., 2012; DeBusk et Wynn, 2011; Pan et al.,
2017; Zhang et Chui, 2017) sont présentés dans le Tableau 1.2. La description et la
méthode de calcul de chaque indicateur sont indiquées dans ce tableau. En outre,
l’ouvrage pour lequel ces indicateurs ont été calculés et l’échelle de temps de calcul
sont également fournis.
61
Etat de l’art
Les objectifs des études présentées sont variables. L'étude Davis, 2008 vise à quantifier
la réduction de volume et les débits de pointe, afin de vérifier la conformité de
l’ouvrage de biorétention vis-à-vis des objectifs fixés correspondant aux paramètres
hydrologiques de pré-urbanisation. La plupart des études ont examiné les
performances hydrologiques des ouvrages végétalisés afin de vérifier l'effet de certains
éléments de conception sur leurs performances. Par exemple, l'effet du développement
de la végétation sur la performance des bandes enherbées (Pan et al., 2017), l'effet du
niveau de la nappe phréatique sur une bande enherbée également (Zhang et Chui,
2017), et l'effet de la zone de stockage interne pour un ouvrage de biorétention (Brown
and Hunt, 2011a). Le but de certaines études était de vérifier la performance des
ouvrages dans des conditions climatiques spécifiques. Comme dans le cas de l'étude
d'Abu-Zreig et al., 2004, l'objectif était d'évaluer la performance des bandes enherbées
dans les conditions climatiques canadiennes. Davis et al., 2012 a testé la performance
des noues végétalisées sous différentes configurations avec et sans redans, et avec ou
sans prétraitement. Dans leur article, DeBusk et Wynn, 2011 ont évalué l'impact du
réaménagement d'un parking existant avec une cellule de biorétention en termes de
débits de pointe et de volumes de ruissellement quittant le site. L’effet de la
maintenance et de l’entretien des cellules de biorétention colmatées et mal
dimensionnées sur la performance hydrologique et épuratoire est testé par Brown and
Hunt, 2012.
Tableau 1.2. Liste des indicateurs de performance d'après la littérature.
Indicateurs de Etudes / Types Description Equation Echelle de

performances d’ouvrage temps
Hydrologiques
Réduction de (Davis, 2008) Fraction d'eau d'entrée 𝑉𝑠𝑜𝑟𝑡𝑖𝑒−24ℎ Evènement

𝑅𝑣 =
volume mesurée quittant le système 𝑉𝑒𝑛𝑡𝑟é𝑒 pluvieux (49
Biorétention
pendant les 24 h suivant évènements)
l’évènement. Cet indicateur
exprime la capacité de
stockage de l’ouvrage de
biorétention.
-(Pan et al., 2017) Pourcentage de l'eau sortie 𝑉𝑠𝑜𝑟𝑡𝑖𝑒 -Evènement

𝑅𝑣 = × 100
de l’ouvrage par rapport à 𝑉𝑒𝑛𝑡𝑟é𝑒 pluvieux (8
Bande enherbée
l'eau rentrant évènements)
-(Brown and Hunt,
Mensuel
2011a)
(3mois)
Biorétention
- Evènement
pluvieux (78-
62
Etat de l’art
73
évènements)
(Zhang and Chui, Fraction d’eau infiltrée dans 𝑉𝑖𝑛𝑓𝑖𝑙𝑡𝑟é Evènement

𝑅𝑣 =
2017) l’ouvrage par rapport à 𝑉𝑒𝑛𝑡𝑟é𝑒 pluvieux (216
l’eau entrant dans l’ouvrage évènements)
Noue filtrante -
Biorétention
-(Abu-Zreig et al., Pourcentage de réduction 𝑉𝑒𝑛𝑡𝑟é𝑒 − 𝑉𝑠𝑜𝑟𝑡𝑖𝑒 -20

𝑅𝑣 =
2004) de volume exprimé par la 𝑉𝑒𝑛𝑡𝑟é𝑒 expérimentat
différence entre volume × 100 ions in situ
Bande enherbée
entrant dans l’ouvrage et (évènements
-(DeBusk and volume sortant par rapport artificiels)
Wynn, 2011) au volume entrant
Biorétention -
-Evènement
(Brown and Hunt,
pluvieux (28
2012)
évènements)
- Evènement
Biorétention pluvieux (61
et 75- 72
évènements)
-(Brown and Hunt, Pourcentage du volume 𝑉𝑑𝑟𝑎𝑖𝑛é - Evènement

𝑅𝑣 =
2011a) sortant par le drain par 𝑉𝑒𝑛𝑡𝑟é𝑒 − 𝑉𝑠𝑜𝑟𝑡𝑖𝑒 pluvieux (78-
rapport au volume infiltré 73
Biorétention
évènements)
(Davis et al., 2012) Volume sortant de Probabilité au non 52

l’ouvrage en fonction de la dépassement Evènements
probabilité de dépassement
Réduction de -(Davis, 2008) Ratio des débits de pointe 𝑞𝑠𝑜𝑟𝑡𝑖𝑒−𝑚𝑎𝑥 -Evènement

𝑅𝑑 =
débit sortant aux pointes 𝑞𝑒𝑛𝑡𝑟é𝑒−𝑚𝑎𝑥 pluvieux (49
Biorétention -
maximales respectives du évènements)
(Brown and Hunt,
débit entrant
2012) -Evènements
pluvieux (61
Biorétention
et 75- 72
évènements)
(DeBusk and Wynn, Pourcentage de réduction 𝑅𝑑 Evènement

𝑞𝑒𝑛𝑡𝑟é𝑒−𝑚𝑎𝑥 − 𝑞𝑠𝑜𝑟𝑡𝑖𝑒−𝑚𝑎𝑥
2011) du débit de pointe exprimé = pluvieux (28
𝑞𝑒𝑛𝑡𝑟é𝑒−𝑚𝑎𝑥
par la différence entre le pic évènements)
Biorétention × 100
du débit entrant dans
l’ouvrage et le pic du débit
sortant par rapport au pic
de débit entrant pour un
même évènement
63
Etat de l’art
(Davis et al., 2012) Courbes de débits-durée Les débits de tous les 52

évènements, mesurés à Evènements
pas de temps 2 min, sont
normalisés et classés en
fonction de la durée de
l’écoulement
Temps de (Davis, 2008) Ratio du temps écoulé entre 𝑇𝑟𝑒𝑡𝑎𝑟𝑑−𝐷é𝑏𝑖𝑡 Evènement

𝑡𝑞𝑠𝑜𝑟𝑡𝑖𝑒−𝑚𝑎𝑥
réponse le pic de débit sortant et le = pluvieux
Biorétention 𝑡𝑞𝑒𝑛𝑡𝑟é𝑒−𝑚𝑎𝑥
début du ruissellement par
rapport au temps écoulé
entre le pic de débit entrant
et le début du
ruissellement.
(Zhang and Chui, Temps pour que le flux Tretard-ouvrage Evènement

2017) atteigne le fond de pluvieux (216
l’ouvrage évènements)
Noue filtrante -
Biorétention Temps pour que le flux Tretard-np
atteigne la nappe
phréatique
Les résultats des différentes études sur les performances de ce type de structure seront
abordés dans les sections suivantes.
1.4.2 Performances hydrologiques expérimentales des bandes enherbées
Plusieurs études ont évalué la performance des bandes enherbées, principalement en

termes de capacité à retenir les sédiments, l'azote et le phosphore (Barrett et al., 1998;
Blanco-Canqui et al., 2004). Leur performance hydrologique a également été étudiée
mais moins exhaustivement. Cette efficacité hydrologique a été principalement
évaluée en termes de réduction de volume par infiltration.
Les principales études abordant les performances hydrologiques des bandes

enherbées sont résumées dans le Tableau 1.3. Les caractéristiques des ouvrages et du
bassin versant ainsi que les résultats de réduction de volume et de débit sont
également donnés. La plupart des études présentées ont été menées aux Etats-Unis.
Les sites d'étude évalués sont dans la plupart des cas des sites réels. Dans certains cas,
il s'agit de mésocosmes (Pan et al., 2017) ou d’un ouvrage construit en laboratoire (Fox
et al., 2018). Les résultats obtenus divergent d'une étude à l'autre. Cette différence peut
être liée à l'alimentation en eau de la bande, qu'il s'agisse de pluie réelle ou artificielle,
à travers un tuyau ou distribuée uniformément le long de l’ouvrage. En outre, les
dimensions et la pente de la bande, le type et la densité de la végétation, le type de sol,
64
Etat de l’art
la surface du bassin versant et son imperméabilité sont des sources supplémentaires

de divergence entre les études.
Dans l'étude d'Abu-Zreig et al. (2004), 20 tests ont été effectués sur des bandes
enherbées ayant des caractéristiques différentes : largeur, pente, type de sol et
couverture végétale. Les résultats montrent que la réduction du volume entrant dans
la bande varie entre 14 et 91% pour les 20 tests. Cet indicateur semble être directement
lié à la largeur de la bande (dans le sens de l'écoulement). En effet, une augmentation
de la largeur de la bande de 2 m à 10 m a provoqué une augmentation de la réduction
du volume de 20 à 62%. Le couvert de végétation a également un effet sur la réduction
du volume. Pour illustrer, une augmentation de la densité de la végétation de 53 à 77%
après deux mois de développement a entraîné une plus grande réduction du volume
de 40 à 47%.
Le Bissonnais et al. (2004) a étudié plusieurs bandes avec deux largeurs différentes de
3 et 6 m recevant l'eau des champs de blé. La performance de ces bandes a été examinée
sur deux périodes de mesure comprenant plus de 100 événements. La largeur de la
bande a également été considérée comme un facteur déterminant de la performance
hydrologique. En effet, la bande de 3 m de largeur pour la première et la deuxième
période de mesure, a conduit à une réduction de volume de 60 et 73%, respectivement.
Par contre, la bande de 6 m de long a réduit le volume de 86 % et 80 %, respectivement.
A l'échelle évènementielle, la bande de 6 m a permis une réduction de volume
moyenne de 80% avec un minimum et un maximum de 56 et 100%. Les observations
montrent que la réduction maximale corresponde un débit uniforme distribué sur
toute la bande, et les réductions minimales correspondent à un flux canalisé. L'effet de
la largeur de la bande sur son efficacité est également démontré dans l'étude de Knight
et al., 2013. Dans cette étude, quatre bandes enherbées avec un répartiteur de débit, de
différentes largeurs et types de sol ont été examinées. Les résultats montrent que pour
les deux bandes de 8 m de large, la réduction est de 36% et 42% en moyenne sur les 30
événements. La réduction augmente considérablement pour les bandes de 20 m de
large pour être égale à 59 et 57%.
Les caractéristiques hydrodynamiques et physiques du sol formant la bande enherbée

ont un effet remarquable sur sa performance hydrologique. L'effet de la conductivité
hydraulique du sol variant avec la texture du sol a été étudié dans l'étude de Fox et al.
(2018). Sur deux bandes enherbées construites en laboratoire avec une largeur de 2 m,
une longueur de 1 m, une profondeur de 0,7 m et une pente de 7%. Le débit sortant de
la bande se situe entre 71 et 86% du débit entrant pour le sol de type "limon fin" et
entre 67 et 83% pour le "limon sableux". Les débits entrants sont de 0,05-0,07 L∙s-1. En
effet, plus la conductivité hydraulique du sol augmente, plus le taux d'infiltration
augmente et moins d'eau sort de la bande.
65
Etat de l’art
En plus de l'effet de la végétation et de la largeur de la bande enherbée, la teneur en

eau initiale du sol est également considérée comme un facteur important (García-
Serrana et al., 2017). Les talus des noues d’écoulements, qui correspondent à des
bandes enherbées, recevant les eaux de ruissellement de 4 autoroutes différentes
pendant deux saisons, ont été testés par 32 essais expérimentaux. En effet, pour un
même débit entrant, le flux infiltré en automne est 12% plus élevé qu'au printemps, en
raison d'une humidité initiale du sol plus élevée au printemps.
Les caractéristiques du sol peuvent varier dans le temps. Deletic and Fletcher, 2006 ont
étudié une bande enherbée de 6,2 m de large sur une pente de 7,8 %. Le débit sortant
de cette bande était entre 33 et 87% du débit entrant de 0,33 L∙s-1∙m-1, mais seulement
15 à 25 % du débit entrant de 1 L∙s-1∙m-1. Normalement, cela devrait être plutôt le
contraire. Par contre, il a été constaté que le débit sortant dépend largement de l’état
initial du sol mais aussi de l’ordre des évènements, c.-à-d. qu’au fur et à mesure que
les essais progressaient l'infiltration a diminué de 87,4 à 61,6 %. Ceci est dû au
colmatage du sol près de la surface, ce qui entraîne une diminution de la porosité du
sol et, par conséquent, une diminution de l'infiltration, avec pour résultat un débit de
sortie plus élevé.
L'effet de la variabilité temporelle des caractéristiques physiques et hydrodynamiques

du sol sur la réduction du volume par la bande enherbée a également été démontré
par Pan et al. (2017). Dans son étude de mésocosmes, le type de végétation ainsi que
le piégeage des sédiments ont été évalués pendant trois phases différentes de
croissance de la végétation. Les deux types de végétaux sélectionnés pour planter les
bandes enherbées sont : le trèfle blanc (Trifolium repens L.) et le dactyle (Dactylis
glomerata L.). La conductivité hydraulique à saturation du sol et la teneur en eau initiale
sont plus élevées pour les trèfles blancs dont les racines plus épaisses provoquent des
cavités dans le sol. Ces deux paramètres sont cruciaux pour l'infiltration de l'eau dans
le sol. Pour cette raison, le débit sortant de la bande plantée de trèfle blanc est
relativement inférieur au débit sortant des bandes plantées de dactyle. Il a également
été constaté que la conductivité hydraulique du sol diminuait avec le temps, quel que
soit le type de végétation. Ceci a provoqué une diminution de la réduction de volume
de 99% à 85% et de 92% à 75% pour les bandes plantées de trèfle blanc et de dactyle,
respectivement. Comme dans l'étude de Deletic et Fletcher (2006), les sédiments
transportés par les eaux de ruissellement provoquent un colmatage du sol et donc une
diminution de la conductivité hydraulique à saturation.
Le fonctionnement hydrologique de ce type d’ouvrage dépend également des

caractéristiques du débit entrant. Dans l'étude de Poletika et al. (2009), pour une bande
de 4,6 m de largeur sur une pente de 5 %, la réduction moyenne sur les événements
testés du volume passe de 41 % à 34 % avec l'augmentation du débit entrant de
66
Etat de l’art
2,09. 10- 4 m2∙s-1 à 4,7∙10-4 m2∙s-1. Pour les 14 événements examinés par Line and Hunt
(2009), sur une bande enherbée de 17,1 m de large et une pente de 5,2%, la réduction
moyenne du débit de pointe est de 23% et la réduction du volume total est de 49%.
Pour ces événements, il a été observé que plus l'accumulation et l'intensité de la pluie
sont importantes, moins la bande est capable de réduire le volume entrant car le sol
sera mouillé au début de la pluie et donc sa capacité d'infiltration diminuera. Ceci a
également été constaté pour deux bandes enherbées de 7,6 et 15,2 m de largeur
(Winston et Hunt, 2009). Sur 58 évènements étudiés, la réduction de volume apporté
par ces deux bandes est supérieure à 70 % pour des événements dont le cumul de pluie
est inférieur à 12,5 mm.
Un effet important de la nature du flux entrant est également démontré, en appliquant

le flux sur 10 % de la largeur de la bande, de façon à ce que le flux soit canalisé, une
réduction de volume de seulement 16 % est enregistrée (Poletika et al., 2009). Dans
cette dernière étude, une variation du ratio de surface bassin versant/bande enherbée,
qui se traduit par une variation du volume entrant dans l’ouvrage, est appliquée. Le
passage d'un ratio de 15:1 à 30:1 n'a montré aucun effet significatif sur l'infiltration de
l'eau à travers la bande. En revanche, deux études (Hunt et al., 2010; Line et Hunt,
2009) menées dans la même région et sur des bandes de dimensions similaires ont
montré des résultats différents. En effet, une réduction de volume de 85 % sur 23
événements pluvieux est notée par Hunt et al. (2010). En revanche, cette réduction est
plus faible et égale à 49 % sur les 14 événements étudiés par Line et Hunt (2009). Cette
différence est très probablement liée à la différence du ratio de surface bassin
versant/ouvrage entre les deux sites d'étude. Ces ratios sont respectivement égaux à
9:1 et 28:1. D'autres facteurs peuvent également avoir un effet, comme la pente (1,25 %
et 5,2 %, respectivement) ou le type de sol et sa conductivité hydraulique à saturation,
qui est plus élevée pour la bande étudiée par Hunt et al. (2010).
Une nappe phréatique peu profonde de 1 à 1,2 m affecte le fonctionnement

hydrologique de la bande (Fox et al., 2018). Pour un sol de type limon fin, le graphique
de gauche de la Figure 1.9 présente l'hydrogramme du débit entrant et sortant d’une
bande avec un drainage libre au fond, c'est-à-dire que la nappe phréatique est
profonde. De l'autre côté, le graphique de droite montre les hydrogrammes pour une
bande formée du même type de sol mais avec une nappe phréatique peu profonde
située à 40 cm de profondeur. On peut remarquer que pour une nappe phréatique peu
profonde, l'hydrogramme de débit sortant est presque le même que celui du débit
entrant, ce qui signifie que l'infiltration dans le sol est très limitée.
67
Etat de l’art
Figure 1.9. Hydrogramme des débits entrant et sortant d’une bande au laboratoire dans deux
cas : graphique à gauche la nappe phréatique est profonde, graphique à droite la nappe est
située à 40 cm de profondeur (Fox et al., 2018).
Les bandes enherbées sont donc susceptibles d’imiter le régime hydrologique naturel
en réduisant le volume et les débits de pointe. Elles sont capables de réduire
complètement les volumes entrants, notamment pour les événements pluvieux
courants et les plus fréquents. Plusieurs facteurs déterminent leur efficacité,
notamment la largeur de la bande, les caractéristiques du débit entrant ainsi que l'état
initial du sol de la bande enherbée.
Tableau 1.3. Résultats de la performance hydrologique des bandes enherbées rapportés dans
la littérature. Les caractéristiques de l'ouvrage et du bassin versant sont présentées (largeur de
la bande dans le sens de l’écoulement ; pente : dans le sens de l’écoulement ; moy : moyenne ;
BV : bassin versant).
Etudes Nature du site Caractéristiques de l’ouvrage / Bassin versant Performance hydrologique

(pays) / débit Réduction Réduction
entrant / période débit volume
de mesure
(Abu-Zreig Site réel (Ontario, Sol : limon fin (sable 38%, limon 54 %, argile 8%) 14-91 %
et al., 2004) Canada) / Largeur : 2, 5, 10,15 m (Min-Max)
-
pluie artificielle (20 Longueur : 120 cm
tests) Pente: 2.3 et 5%
(Le Site Sol: limon fin Largeur 6
Bissonnais réel(Normandie, Largeur : 3-6 m m:
et al., 2004b) France)/ Longueur: 2-8 m 80% ; 56-
pluie réelle/ Pente : 3 - 5.8 % - 100% (moy ;
Oct 96-Sep 97 et Oct Ratio : BV /bande 18 :1 – 9 :1/ min-max /
97-Sep 98 (>100 BV : champs de blé (L : 54 m, l : 2-8m) évènement)
évènements)
(Deletic and Site réel (Aberdeen, Sol : Ks = 2∙10-6 et 10-5 m∙s-1 33- 87 %
Fletcher, Écosse)/ Largeur : 6,2 m (q=0. 33 L∙s-
2006) / pluie artificielle Longueur: 0,3 m
1∙m-1)
-
Pente: 7,8 % 15-25 % ( q=1
L∙s-1∙m-1)
(Poletika et Site réel (Iowa, Sol : (sable 17,1 %, limon 54,1 %, argile 28,9 %) 4,8 – 76,8 %
-
al., 2009) Etats-Unis)/ Largeur: 4,6 m
68
Etat de l’art
pluie artificielle Longueur : 4,6 – 0,5 m (Min – Max/

Pente : 5 -5,5 % évènement)
Ratio BV/Bande : 15 :1 et 30 :1
(Line et Site réel (North Sol : sol de la région Débit de 49 % (tous
Hunt, 2009) Carolina, Etats- Largeur : 17,1m pointe: évènements)
Unis)/ Longueur: 7,3 m 23 % (moy) 11- 95 %
pluie réelle/ Pente : 5,2 % 67-80 % (Min (Min – Max)
Juin 2003 – Fev 2004 Ratio BV/Bande : 28 :1 – Max)
(14 évènements) BV : Route + partie d’un pont (3840 m2 ; 49 % imp)
(Hunt et al., Site réel (North Sol : limon sableux 85% (tous
2010) Carolina, Etats- Largeur : 17,4- 22,9 m évènements)
Unis)/ Longueur:44,8 m
-
pluie réelle/ Pente : 1,25 %
Nov 2005 – Jan 2007 BV/Bande : 9 :1
(23 évènements) BV: Quartier résidentiel ( 45 % imp)
(Winston et Site réel (North Deux bandes: Sol : limon/limon sableux >70 % >60 %
Hunt, 2009) Carolina, Etats- Largeur : 7,6 – 15,2 m (évènement) (évènement)
Unis)/ Longueur : 4m
pluie réelle/ Mars Pente : 4,9 – 7 %
2008 – Mars 2009 (58 BV: Bassin fluvial (66 % imp)
évènements)
(Knight et Site réel (North 4 bandes : Sol/Largeur/longueur/pente/ratio 1- 36 %
al., 2013) Carolina, Etats- 1-SL/CL/6m/8m/1%/ 23 :1 2- 59 %
Unis)/ 2- SL/CL 6m/20m/1%/ 12 :1 3- 42 %
pluie réelle/ 3- SL/SCL (amendé) 6m/8m/1%/ 32 :1 4- 57 %
-
Sep 2010 – Mai 2011 4- SL/SCL (amendé) /6m/20m/1%/ 19 :1 (moy/
(30 évènements) Sol: SL = sandy loam. CL = clay loam. SCL = sandy évènements)
clay loam.
BV : parking en asphalte (1,23 ha ; 56 % imp)
(Pan et al., Mésocosmes Sol : limon fin (sable 0 %, limon 72 %, argile 18 %) Mai (1- 99%,
2017) (Chine)/ Largeur : 1m 2 -92 %)
pluie artificielle Longueur : 0,8 m Juin (1-95 %,
-
(flux constant Pente : 8% 2- 85 %)
9,79∙10-2 m2∙h-1) Végétation : 1 – Trèfle blanc/ 2 – dactyle Aout (1-85
%, 2- 75 %)
(García- Site réel(Minnesota, Sol : limon, sable limoneux, limon sableux, limon 21 % - 100 %
Serrana et Etats-Unis)/ argilo-sableux (Min – Max)
al., 2017) pluie artificielle (32 Largeur : 4 -8 m Automne 82
-
tests) Pente: 5:1 / 4:1 %/Printemps
BV : Autoroute 70 %
(moy / tests)
(Fox et al., Expérience Sol : limon fin/ limon sableux (Profondeur : 0,7 m) Limon fin :
2018) deaboratoire Largeur: 2m 14-29%
Longueur : 1 m Limon -
Pente : 7 % sableux : 17-
33%
69
Etat de l’art
1.4.3 Performances hydrologiques expérimentales des noues d’écoulement
Les études expérimentales sur l'efficacité des noues d’écoulement en milieu urbain
sont beaucoup moins nombreuses que celles réalisées en milieu rural. De plus, leur
efficacité épuratoire en termes de piégeage des sédiments et des polluants
principalement, comme pour les bandes enherbées, est plus étudiée que leur
performance hydrologique (Li et al., 2016; Walsh et al., 1997; Yousef et al., 1987, 1985).
Les noues d’écoulement, comme mentionné précédemment, sont généralement

utilisées pour transporter les eaux de ruissellement de la source au milieu récepteur.
Selon leur conception, elles peuvent assurer des fonctions de contrôle de la quantité et
de la qualité de l'eau. Elles permettent de réduire les débits de pointe et les volumes
de ruissellement et de traiter la qualité de l'eau par la filtration des sédiments et des
polluants. Leurs performances hydrologiques rapportées dans la littérature en termes
de réduction de volume et d'atténuation des débits de pointe seront présentées dans
cette section.
Des études antérieures sur les noues d’écoulement ont montré que celles-ci diminuent
efficacement le volume des eaux de ruissellement du bassin versant. Ackerman et
Stein, 2008, ont étudié la performance hydrologique d'environ 60 noues aux États-Unis
recevant les eaux de ruissellement de bassins versants d'infrastructures de transport.
Les données sur ces 60 noues sont obtenues à partir de la base de données suivante :
The International Stormwater Best Management Practices database
(www.bmpdatabase.org). La réduction moyenne évènementielle du volume pour
toutes ces noues est d'environ 45 %. Des résultats similaires ont été trouvés par Barrett
(2005). Dans son étude de six noues, pour environ 13 événements par site, une
réduction moyenne de volume de 47% a été trouvée. Cette réduction dépend de la
nature du sol formant la noue et de la teneur en eau initiale du sol au début de
l'événement.
Bäckström (2002) a étudié sept noues dans un milieu urbain à Lulea, en Suède. Les
longueurs de ces noues sont de 5 et 10 m, sur des pentes variant entre 1 et 7 %. Il a
montré que pour 4 de ces noues la réduction par infiltration du volume entrant est de
33%. Ce pourcentage est plus important pour les noues dont le sol est plus perméable,
atteignant 66 %, même si la pente est élevée et égale à 7,3 %.
L'efficacité hydrologique des noues d’écoulement à réduire le volume des eaux de

ruissellement d'un parking en Floride, aux États-Unis, est également démontrée par
Rushton (2001). Quatre configurations bassin versant/noue ont été testées : un parking
en asphalte sans noue, un parking en asphalte avec noue, un parking en ciment avec
noue et un parking perméable avec noue. Sur 30 événements étudiés, le parking
perméable avec noue permet une réduction moyenne de volume de 50% en plus
70
Etat de l’art
comparé au parking en asphalte sans noue. Ce système de parking perméable avec

noue a montré une efficacité réduite en terme de réduction de volume lorsque les
pluies sont intenses et que le sol est initialement saturé. Ce constat a également été fait
par Davis et al. (2012), la noue étudiée a assuré une infiltration complète pour les petits
événements (< 23 mm), une atténuation du volume et du débit de pointe pour les
événements modérés (23-33 mm), et a servi de moyen d’évacuation du ruissellement
pour les grands événements (> 33 mm).
Dans une autre étude menée à Séoul, en Corée du Sud, une noue d’écoulement est
évaluée pour son efficacité à réduire le risque d'inondation dans la région (Shafique et
al., 2018). La noue a une longueur de 51 m et une largeur de 1,2 m et reçoit les eaux de
ruissellement d'un parking. Le sol formant la noue est un limon sableux de 35 cm
d’épaisseur. Sous le sol, un drain conduit dans une tranchée d'infiltration de 60 cm de
profondeur pour passer ensuite au sol sous-jacent. Suivie entre mai et octobre 2017, la
noue a montré une réduction de volume entre 40 et 75 % pour des événements d'une
intensité inférieure à 30 mm/h. Pour tous les événements, la noue a réduit le volume
du ruissellement de 40 % en moyenne. Ces résultats sont un peu plus élevés que les
résultats obtenus par les autres études et discutés dans les paragraphes précédents, en
particulier pour les événements d'intensité <30 mm/h. La capacité d'infiltration élevée
de cette noue peut être attribuée d'abord à la perméabilité du sol et ensuite à la
conception qui incorpore un drain et une tranchée d'infiltration, entraînant ainsi une
réduction de volume considérable.
La présence de redans dans la noue améliore sa capacité à réduire le volume de

ruissellement en augmentant le stockage en surface. Pour une noue d’écoulement
située dans une zone agricole à Taiwan (Yu et al., 2001), une réduction significative du
volume de ruissellement est déduite à partir de l'analyse du bilan massique des
polluants. La présence d’un redan au milieu de cette noue de 30 m de long avec une
pente longitudinale de 1% a permis de réduire davantage le volume ruisselé. Dans
cette même étude, une autre noue située en Virginie, aux États-Unis, est examinée.
Cette noue a une longueur de 274,5 m et une pente de 3 %, avec deux redans mis en
place tout au long de celle-ci. Il a été démontré que l’ouvrage réduit complètement le
volume pour les pluies de moins de 12,7 mm en cumul. La longueur de la noue et la
présence des redans ont amélioré sa capacité à réduire les volumes de ruissellement.
Afin d'assurer un bon fonctionnement hydrologique et épuratoire d’une noue
d’écoulement, une longueur minimale de 75 m et une pente maximale de 3% sont
recommandées.
L'importance de l'inclusion de redans dans la noue pour améliorer sa capacité à

réduire le volume du ruissellement et à atténuer les débits de pointe, en particulier
pour les événements pluvieux modérés (23 à 33 mm), est également soulignée par
71
Etat de l’art
Davis et al. (2012). Deux noues d'écoulement construites dans l’axe médian d'une
autoroute à quatre voies dans le Maryland, aux États-Unis, ont fait l'objet de
recherches. Les sections transversales des deux noues sont identiques, les pentes de
chaque côté sont de 3:1 (33%) et 4:1 (25%), la largeur du fond est de 0,61 m, la longueur
est de 198 et 137 m et elles ont une pente longitudinale de 1, 2 et 1,6 %. Les sols formant
les noues sont classés comme limon et limon sableux (USDA, 1986). L'une des noues
est conçue avec une bande enherbée en tant qu’ouvrage de prétraitement. Cette
dernière a une largeur de 15,2 m et une pente de 6 %. Le suivi a été effectué pendant
deux périodes. La première période va de novembre 2004 à mai 2006, la seconde, après
l'installation des redans au milieu de chaque noue, va d'avril 2007 à juillet 2009. Les
résultats ont montré que la noue avant l’installation des redans a retenu le volume total
de 36,5 % des événements. Ce pourcentage a augmenté avec l'installation des redans
et est de 46,4 %. Avant l'installation des redans, la noue sans ouvrage de prétraitement
avait une meilleure performance à réduire le volume des pluies que celui avec. En effet,
la noue sans bande enherbée a réduit de 33,8 % en moyenne le volume de ruissellement
de 10 événements. Par contre, la noue avec bande enherbée n’a montré aucune
réduction. Après l'installation des redans, la bande enherbée a augmenté le rendement
de la noue par rapport à la noue avec redans mais sans ouvrage de prétraitement. Il
est donc possible de considérer les bandes enherbées - lorsque l'espace le permet -
comme une option de conception alternative si elles sont combinées avec les redans.
Ce qui permettra d’améliorer la capacité de la noue d’écoulement à réduire le volume
de ruissellement et à atténuer les débits de pointe.
En plus de la réduction de volume ruisselé, les noues sont capables d’atténuer les
débits de pointe. Le premier pic de débit entrant dans l’ouvrage est atténué. Ensuite,
les débits et volume de ruissellement subséquents sont réduits (Davis 2012). Comme
pour le volume, les débits faibles sont complètement réduits. Par contre, les forts débits
sont peu atténués surtout lorsque la noue est saturée. Ce résultat a également été
trouvé pour quatre noues d’écoulement en Australie, évaluées sur 20 tests
expérimentaux in situ (Lucke et al., 2014). La longueur de ces noues varie entre 30 et
35 m, leur section transversale est triangulaire avec une largeur maximale de 3 et 6 m,
et leur pente longitudinale est inférieure à 1%. Les débits artificiels testés
correspondaient en moyenne à une pluie de période de retour d'un an, d'une intensité
de 29,3 mm/h et d'une durée de 21 minutes. Ces noues ont entraîné une réduction
moyenne du volume de 52 % et une réduction du débit de pointe de 61 %. Les noues
à faible teneur en eau initiale favorisent une réduction plus importante du débit.
Une noue d’écoulement de 30 m de long en bordure de route à Lulea, en Suède, a été

étudié par Rujner et al. (2018) afin de valider et de calibrer le modèle MIKE SHE. Le
fossé a une forme trapézoïdale, et est formé par un sol classé en sable limoneux. Douze
tests expérimentaux ont été réalisés sur la noue, avec des débits entrants de 1,06 L∙s-1
72
Etat de l’art
et 2,65 L∙s-1, ce qui correspond à des pluies de périodes de retour de 2 mois et 3 ans,
respectivement. Les résultats montrent que pour ces tests, la noue réduit le volume
entrant dans l’ouvrage d'un minimum de 15 % et d'un maximum de 85 %. Elle permet
également une réduction du débit de pointe de 4 à 50 %. Le retard de débit, mesuré
par la différence de temps entre les centroïdes des hydrogrammes d'entrée et de sortie,
est compris entre 6,5 et 15,5 minutes.
Ainsi, les noues d’écoulement sont généralement jugées efficaces pour réduire le
volume de ruissellement et le débit de pointe, surtout pour les événements peu
importants et qui constituent un grand pourcentage des pluies annuelles. Des mesures
peuvent être ajoutées à la conception de ces noues, comme l'installation des redans ou
d'un drain pour améliorer ses performances.
1.4.4 Performances hydrologiques expérimentales des noues filtrantes / ouvrages de

biorétention
Les noues filtrantes ont fait l'objet de nombreuses études expérimentales pour leurs
performances hydrologiques. Un grand nombre d'études sont sélectionnées pour
comparer cette performance et identifier les facteurs qui l'affectent. Le Tableau 1.4
présente les différentes caractéristiques des ouvrages de biorétention ainsi que les
caractéristiques du bassin versant et les résultats de la performance hydrologique. Les
indicateurs de performance choisis sont ceux qui sont les plus appliqués et les plus
courants dans les études tels que la réduction du volume, la réduction du débit de
pointe et le retard du débit.
L’évaluation hydrologique expérimentale de ce type d’ouvrage est souvent

compliquée. En fait, divers facteurs peuvent avoir un effet avantageux ou non sur
l'efficacité de ces dispositifs à long terme et sur le bilan hydrique. Ces facteurs peuvent
être classés en deux catégories : les facteurs de conception et les facteurs
environnementaux. Les facteurs de conception tels la présence d’une zone de stockage
interne, le drain, le ratio de surface bassin versant/ouvrage, le stockage en surface,
l’alimentation en eau de l’ouvrage, la composition et la distribution granulométrique
du massif filtrant et son épaisseur et finalement la nature et la densité de la végétation.
Les facteurs environnementaux qui jouent également un rôle important sont la nature
du sol sous-jacent, la profondeur de la nappe phréatique, la hauteur et l’intensité de la
pluie, la saison et la température. L'âge de l'ouvrage a également un effet son l'efficacité
hydrologique à long-terme, se manifestant par le développement de la végétation, le
piégeage des sédiments et d'autres phénomènes temporels. Les résultats obtenus dans
la littérature concernant les facteurs qui ont le plus d'impact sur la performance de ces
ouvrages ainsi que sur la distribution des flux entrant et sortant de celles-ci, seront
discutés dans cette section.
73
Etat de l’art
Un grand nombre d'études ont conclu que les noues filtrantes réduisent le volume de
ruissellement et les débits de pointe et reproduisent ainsi l'hydrologie avant le
développement (DeBusk and Wynn, 2011; Li et al., 2009). Ainsi, elles peuvent
contribuer à lutter contre les inondations, à protéger contre l'érosion, et à favoriser la
recharge en eau des eaux souterraines (Li et al., 2009). Pour Davis (2008), les objectifs
LID visant à reproduire l'hydrologie avant le développement urbain sont atteints si
l’ouvrage réduit le volume de ruissellement après 24 heures et le débit de pointe de
33 % et retarde ce dernier de 6 heures. D’après Davis (2008), les ouvrages de
biorétention répondent à ces objectifs pour 1/3 à 1/2 des événements pluvieux.
La réduction du volume de ruissellement dans ces ouvrages est variable dans une
gamme de 33 à 100 % et dépend des caractéristiques de l'événement pluvieux (Strauch
et al., 2016). Dans son étude, Dietz et Clausen (2005) ont constaté que seulement 0,8 %
du débit d'entrée était surversé et que la grande majorité (98,8 %) des débits évacués
de la structure étaient des débits drainés. Le volume restant, 0,4 %, est supposé être
éliminé par évapotranspiration. L’ouvrage étant étanche pour des raisons
expérimentales, toute l'eau infiltrée est collectée par le drain. Il existe d'autres raisons
pour étanchéifier ce type d’ouvrage, par exemple si le ruissellement est très pollué et
risque de contaminer les eaux souterraines ou pour des raisons de stabilité du sol. Les
ouvrages étanches au fond ont les performances hydrologiques les plus faibles (Li et
al., 2009). Pour un ouvrage non étanche, une réduction significative du volume a été
constatée pendant une année d'étude (Hunt et al., 2006). La réduction de volume par
l'évapotranspiration et l'exfiltration était supérieure à 50 %. Une réduction totale du
volume de ruissellement est constatée pour 18 % des 49 événements d'une période
d'étude de deux ans, sur deux ouvrages de biorétention (Davis, 2008). Ces ouvrages
ont débordé pour seulement 15% des événements. Parmi les 28 événements pluvieux
étudiés sur un autre ouvrage (DeBusk et Wynn, 2011), seuls 5 événements ont produit
un débit sortant, et un seul événement a produit une surverse. Une réduction
importante du volume de 97 % est enregistrée sur toute la période d'étude. Olszewski
and Davis (2013) dans leur étude d’une noue filtrante qui reçoit l'eau d'un parking
présentait aussi de bons niveaux de réduction de volume, de 79 % en moyenne.
Les ouvrages de biorétention ou les noues filtrantes permettent également d’atténuer

les débits de pointe et de retarder les pics des débits à la sortie de l’ouvrage. La
réduction du débit de pointe est un objectif majeur pour limiter les inondations en
aval, car même des précipitations mineures dans des zones fortement urbanisées
peuvent provoquer des inondations locales. Un exemple de réduction du débit de
pointe et de retardement du pic est démontré par (Dietz and Clausen, 2005), pour une
pluie de 42 mm en cumul et pour laquelle aucun débordement n'est enregistré. La
Figure 1.10 montre que l'hydrogramme du débit entrant suit l'hyétogramme de pluie.
74
Etat de l’art
D'autre part, l'hydrogramme du débit sortant de l’ouvrage est plus aplati et présente
des débits plus faibles et une réponse retardée par rapport à la pluie. Une réduction
significative des débits de pointe de 44 % et 63 % a été notée par Davis (2008), pour les
deux structures étudiées. En plus de la réduction des débits de pointe, ces ouvrages
ont retardé l’atteinte du pic du débit sortant de 2 heures. Concernant l’ouvrage de
biorétention étudiée par DeBusk et Wynn (2011), sur une période de 8 mois, 5
événements seulement ont produit un débit sortant de l’ouvrage. Pour ces 5
événements, la réduction des débits de pointe est égale à 91 % en moyenne. De même,
des réductions complètes des pics sont rapportées par (Strauch et al., 2016) pour 85 %
des événements ; pour les autres événements, la réduction était d'environ 63 % en
moyenne.
Ces réductions importantes des volumes et des débits de pointes permettent par
ailleurs de réduire la masse totale de sédiments, d'azote total et de phosphore total à
la sortie du site (DeBusk et Wynn, 2011; Shrestha et al., 2018).
Figure 1.10. Pluie, débit entrant et débit sortant d'un ouvrage de biorétention (Dietz et
Clausen, 2005).
Un des facteurs agissant sur l’efficacité hydrologique des ouvrages de biorétention est
la profondeur du massif filtrant. Ce dernier peut être un paramètre de conception clé
pour la gestion hydrologique. Selon Brown et Hunt (2008), une plus grande épaisseur
du massif permet une plus grande réduction du volume de ruissellement que pour un
massif moins profond. Les ouvrages avec des épaisseurs du massif filtrant > 0,9 m,
offrant une plus grande capacité de stockage, semblent avoir des taux d’infiltration et
évapotranspiration plus grands que pour les épaisseurs peu profondes (Li et al., 2009).
Les importantes réductions de volume rapportées par DeBusk and Wynn (2011), sont
75
Etat de l’art
très probablement dues à l'épaisseur du massif filtrant de 1,8 m qui est supérieure à
l'épaisseur standard recommandée dans les guides de conception. Cette épaisseur est
même supérieure à la majorité des épaisseurs des ouvrages étudiés par d'autres
études. En fait, une augmentation du stockage dans le sol favorise l’exfiltration de l’eau
et donc permet une plus grande réduction du volume entrant dans l’ouvrage (Brown
et Hunt, 2012; 2011). Les ouvrages de biorétention examinés dans le cadre de l’étude
de Brown et Hunt (2011a), dont l'épaisseur du massif filtrant était de 0,9 et 0,6 m, ont
atteint les objectifs LID pour 44 % et 21 % des événements, respectivement. A l'échelle
annuelle, 65 % et 48 % du volume entrant dans l’ouvrage est réduit par exfiltration et
évapotranspiration, respectivement. Une augmentation du volume annuel
d'exfiltration de 10-11 % est notée pour un ouvrage formé par un massif filtrant de
0,9 m d'épaisseur par rapport à un autre ayant un massif filtrant de 0,6 m d'épaisseur
(Brown and Hunt, 2012). Dans la même étude, aucun effet de l'épaisseur du massif
filtrant sur l'atténuation du débit de pointe n'est signalé.
Outre la profondeur du sol formant l’ouvrage de biorétention, le type du sol a

également un impact sur la performance hydrologique, notamment sur la surverse. En
effet, un ouvrage formé par du sable a enregistré moins d'événements avec surverse
qu'un sol de type limon argilo-sableux (Line and Hunt, 2009). Plus le sol est perméable,
moins l'eau reste stockée en surface et donc moins d'événements avec surverse se
produiront.
Le rapport entre la surface du bassin versant et la surface de l'ouvrage détermine

également la surverse de l'ouvrage. Une augmentation de ce rapport se traduit par une
augmentation du volume de stockage dans le sol et en surface. Si le stockage en surface
est sous-dimensionné, la surverse devient plus fréquente et donc l'ouvrage réduit
moins efficacement le débit entrant (Olszewski and Davis, 2013). Les deux cellules de
biorétention sous-dimensionnées étudiées par Brown et Hunt (2011a) ont montré une
faible performance hydrologique sur la période d'étude. Ces cellules de 0,6 et 0,9 m de
profondeur sont conçues pour retenir en surface 28 % et 35 % de la pluie de projet,
respectivement. Le volume qui sort de ces deux cellules par surverse est élevé et
représente 37 % et 35 % (respectivement) du bilan hydrique annuel. Olszewski et Davis
(2013) dans leur étude proposent une diminution du rapport bassin versant/ouvrage
de biorétention de 36:1 à 22:1 ou 12:1 pour améliorer l'efficacité hydrologique de ce
type d’ouvrage.
La zone de stockage interne est un élément de conception supplémentaire des

ouvrages de biorétention. Plusieurs études ont démontré son importance dans la
réduction du volume de ruissellement. Même si le sol sous-jacent n’est pas très
perméable de 1∙10-6 m∙s-1 ou 10-7 m∙s-1, la zone de stockage permet de réduire le volume
en favorisant l’exfiltration des eaux de ruissellement pendant les périodes inter-
76
Etat de l’art
événement (Winston et al., 2016). L'ouvrage de biorétention de Rocky Mount, NC,

USA (Brown and Hunt, 2008) avec une zone de stockage interne a montré une
réduction de volume très efficace, avec seulement deux des 44 événements ayant
généré une surverse. Cette zone, si elle est incluse dans la conception d’un ouvrage de
biorétention avec du sable en surface (Figure 1.11), peut contribuer à une réduction
quasi totale du volume entrant ( Brown and Hunt, 2011b). En revanche, Li et al. (2009)
a démontré que l'incorporation d'une zone de stockage interne n'a pas d'impact
perceptible sur les hydrogrammes de débit sortant pour les événements moyens à
grands (>25,4mm). Cette zone est plus efficace pour les pluies courantes dont la
hauteur cumulée est petite, et permet de diminuer le pourcentage des évènements
causant une surverse de 65 % à 37 %.
Figure 1.11. Schéma d’un ouvrage de biorétention comprenant une zone de stockage
interne (Brown and Hunt, 2011, b).
Les performances hydrologiques des noues filtrantes dépendent des facteurs

climatiques, i. e. caractéristiques des pluies et saisons. Ces ouvrages ont une excellente
performance hydrologique pour les petites précipitations, mais cette performance
diminue lorsque les précipitations sont plus importantes (Li et al., 2009). D’après
Shrestha et al. (2018), le volume sortant de l’ouvrage est fortement proportionnel au
volume entrant, au débit de pointe entrant et à la hauteur de la pluie. En plus, les débits
de pointe sortants sont fortement corrélés aux débits de pointe entrants dans l’ouvrage.
Pour des événements modérés de moins de 40 mm en cumul, des réductions de débit
de pointe de 96 % au minimum sont enregistrées dans un ouvrage de biorétention en
Caroline du Nord, aux États-Unis (Hunt et al., 2008). Une réduction des débits de
pointe de 67 % en moyenne est notée également pour les petits événements (Line and
Hunt, 2009). Par contre, ces réductions diminuent significativement et sont égales à
25% pour les événements de plus de 25,4 mm de hauteur de pluie. Les événements qui
77
Etat de l’art
produisent une surverse pour un autre ouvrage de biorétention sont ceux qui ont une
intensité minimale de 30 mm∙h-1 et une durée de 30 min (Brown and Hunt, 2011b). Un
effet saisonnier du fonctionnement des ouvrages de biorétention est identifié par Hunt
et al. (2006). Pendant les saisons chaudes (printemps, été, automne), l'ouvrage est
beaucoup plus efficace pour réduire les volumes de ruissellement qu'en hiver. Cela
peut être dû aux taux d'évapotranspiration élevés pendant les saisons chaudes, mais
aussi au niveau bas de la nappe phréatique. Une nappe phréatique basse se traduit par
un taux d'exfiltration élevé et donc par des réductions de volume importantes. Ces
ouvrages traitant efficacement les pluies faibles à modérées, qui constituent la majorité
des précipitations annuelles, présentent un grand intérêt, notamment dans les zones
fortement urbanisées. Dans ces zones, même les petites pluies peuvent provoquer des
inondations locales intenses. Par ailleurs, Shrestha et al. (2018) recommande dans son
étude que les conceptions soient basées sur les volumes et les intensités des
précipitations à long terme, y compris les précipitations extrêmes, afin d'améliorer la
performance hydrologique des ouvrages et la qualité de traitement des eaux.
La distribution des flux dans l’ouvrage de biorétention est abordée par certaines
recherches. Brown and Hunt, (2011b) dans son étude a rapporté les bilans hydriques
sur une période de 28 mois pour différentes configurations de cellules de biorétention
(Figure 1.12), avec différents types de sol et d'épaisseur de la zone de stockage interne.
Le débit sortant du drain et la pluie sont mesurés, tandis que le volume entrant dans
l’ouvrage, l'évapotranspiration et l'exfiltration sont calculés. L'exfiltration est égale à
la différence entre le volume entrant et le volume sortant, y compris l'ETP. Le calcul
du volume entrant a été la principale source d'erreur de ce bilan hydrique. Une erreur
de 20 % sur ce volume résulte en une erreur sur l’exfiltration annuelle de ± 1 % et ± 4
% (du débit entrant), pour les cellules dont les types de sol sous-jacents sont du sable
et du limon argilo-sableux, respectivement. L'évapotranspiration forme un faible
pourcentage de moins de 5 % du débit entrant sur la période de mesure de 28 mois.
Quant à l'exfiltration, elle forme le plus grand pourcentage et varie de 70 % à 96 % du
débit entrant, selon la configuration de la cellule. De même, Brown and Hunt (2011a),
ont rapporté des valeurs d'ETP faibles d'environ 3 % du bilan hydrique. L’exfiltration
est le principal contributeur à la réduction du volume de ruissellement (28 et 39 % du
volume entrant annuel). Le taux d'exfiltration est plus important quand le sol sous-
jacent est plus perméable. Strauch et al. (2016) dans leur étude, ont également trouvé
que l'ETP contribue à 3 et 5 % du volume de ruissellement annuel pour les deux
cellules étudiées. Le taux d'évapotranspiration dépend de la surface de l’ouvrage par
rapport à la surface du bassin versant. Dans les études citées ci-dessus, des taux
d'évapotranspiration inférieurs à 5% ont été rapportés, et la surface du bassin versant
était au moins 15 fois supérieure à la surface de l’ouvrage. En revanche, un taux
d’évapotranspiration plus important est noté par Li et al. (2009), égal à 19 % du volume
78
Etat de l’art
entrant sur une période d’étude de 7 mois entre juin et décembre 2004. Le taux
important d'évapotranspiration trouvé par cette dernière étude est probablement lié à
la période de calcul qui tombe dans les mois chauds de l’été et de l’automne.
Figure 1.12. Bilan hydrique pour les deux périodes d’étude ; les pourcentages sont (de
haut en bas) : surverse, drain, évapotranspiration et exfiltration (Brown and Hunt,
2011, b).
Les ouvrages de biorétention évoluent avec le temps et peuvent se colmater, un

entretien régulier est donc nécessaire. Dans une étude, un suivi en continu pendant un
an d'une cellule de biorétention colmatée et sous-dimensionnée est réalisé (Brown and
Hunt, 2012). La cellule a été maintenue en enlevant la couche superficielle de particules
fines et en doublant le volume de stockage en surface, puis suivie pendant une année
supplémentaire. Les résultats montrent qu'après la maintenance, le volume de
surverse a diminué de plus de deux tiers. L'atténuation des pics de surverse a
également été considérablement améliorée à cause de l'augmentation du volume de
stockage en surface et des taux d'infiltration.
79
Etat de l’art
Tableau 1.4. Performances hydrologiques des noues filtrantes (ouvrages de biorétention) dans la littérature. *ouvrage étanche pour des raisons
expérimentales ; **Valeur annuelle ; ¤ probabilités que l'écoulement dans l’ouvrage atteigne les objectifs LID pour un volume de 24 heures ; ¶ Cette différence peut être attribuée
à la circulation des eaux de surface et souterraines dans la cellule de biorétention entre les stations de surveillance des débits d'entrée et de sortie; ’ : pour les évènements
produisant un débit sortant uniquement ; ’’ : 50 % probabilité au dépassement de la réduction de volume après 24 h ; ***Hemerocallis, Panicum virgatum, Deuxième palette :
Asclepias tuberosa, Anemone canadensis, Aquilegia Canadensis, Symphyotrichum novae-angliae, Baptisia australis, Helenium autumnale, Lobelia cardinalis. Echelle de temps :
pdm : période de mesure ; an : annuelle ; evt : évènementielle ; *’’delay ratio : Temps de pic débit sortant (/début du débit entrant) / temps de pic du débit sortant (/debut du
débit entrant) ; (Li et al., 2009) valeur mediane à l’echelle de l’evt ;
Caractéristiques de l’ouvrage Bassin versant Performance hydrologique

(Moyenne ou Min-Max)
Etudes Location Période Surface Composition du filtre Epaisseur Couverture H stockage H Drain Nature Surface (m2) Retard Réduction Réduction
de de ou classe texturale du filtre végétale en surface stockage (ratio (Tpen- débit pic volume
mesure l’ouvrage (USDA) (cm) interne Diameter (Imperméabilit Bv/ouvrage) tsort) (%)
(m2) (cm) (cm) (cm) é %) %
(Dietz et CT, Etats-Unis 1 an 9.179 Loamy Sand 60 Aronia prunifolia, Toiture en 106,8 (12 :1) - _ 0.8*
Clausen, Ilex verticillata, Ilex 15.24 - 10.2 asphalte surverse
2005) glabra compacta (pdm)
(100 %)
(Hunt et al., Greensboro, ~ 1 an 10 Sable 120 Betula nigra, Iris Centre 2000 (200 :1) - - -
2006) - 75 Oui commercial
NC, Etats- pseudacorus,
Unis 10 Sable 120 Juncus effuses 2000 (200 :1) - - 78 (an)
- - Oui
Myrica cerifera, Ilex (19-100%)
verticillata, Ilex Centre (evt)
Chapel Hill, ~ 1 an 9 Sable 120 commercial 600 (67 :1) - -
glabra - - Oui
NC Etats-Unis -
(Hunt et al., Charlotte, NC 26 mois 229 Loamy sand 120 Iris virginica, Parking 3700 (16 :1) - 98-100 -
2008) Lobelia cardinalis, - - 15 Municipal (evt)
Etats-Unis Juncus effuses…
>(99 %)
(Davis, College Park ~ 2 ans 28 50% sable 90 Arbustes et plantes Parking en 2400 (86 :1) 7.2*’’ 44 (evt) 55¤ (evt)
-
2008) MD herbacées asphalte (evt)
120 90 Oui 63 (evt) 62¤ (evt)
30% terre naturelle /
-
Etats-Unis 20 % MO (100 %) 5.8*’’
80
Etat de l’art
(evt)
(Brown et NC , Etats- ~ 1 an 140 98% sable, 2% fines 90 Arbustes Parking (76 %) 2200 (16 :1) - - 90’
Hunt, 2008) Unis - 30 Oui
150 87 % sable, 13% 90 Gazon Parking (72 %) 2400 (16 :1) - - 98’
Rocky Mo fines - 60 Oui
~ 4 mois 425 60 Arbustes Parking (79 %) 6500 (15 :1) - - 75’’
NC, Etats- 23 - Oui
Unis 300 90 Arbustes Parking (94 %) 4300 (14 :1) - - 50’’
- - Oui
Nashville
(Li et al., Etats-Unis - (evt) (evt) (evt)

2009)
College park, 156 Sandy loam 50-80 10-34 - 2600 (16 :1) 22*’’ 86 40
MD/ Silver
Spring, MD/ 90 Sandy Clay Loam 90 30 60 4500 (50 :1) 200*’’ 98 90
Greensboro, 10 -15 2 x 15
250 Loamy Sand 120 Arbustes 23 - 5000 (20 :1) 200*’’ 100 100
NC/ mois cm
240 Loamy Sand 120 23 - 4800 (20 :1) 13*’’ 100 90
Greensboro,
NC/Louisburg 162 Sandy Loam 50-60 15 - 3600 (22 :1) 4*’’ 96 64
, NC/
Louisburg, NC 99 Sandy Loam 50-60 15 2200 (22 :1) 3*’’ 90 40
(Line et Catawba 14 mois 408.7 Sable + terre 0.79 Switchgrass, soft Parking + 5300 (13 :1) - 64 -9 ¶
Hunt, 2009) County, naturelle rush, ironweed, Joe espaces vertes
Pye weed - - 30.5 46 % (5-88) (-82-77)
N.C. Etats-
Unis
(Brown et Nashville NC, 16 + 12 146 96% sable 4 % fines 110 Gazon 16 88-58 76 % 2200 (15 :1) - - 89-93
Hunt, Etats Unis mois
2011b) 142 96 Arbustes 13 72-42 72 % 2500 (18 :1) - - 98-100
(DeBusk et Blacksburg, 8 mois 35 88% sable 180 Plante, arbuste et 150 96 % 1700 (49 :1) - 99 (evt) 97 (evt)
Wynn, 2011) VA, Etats arbres 10 10
Unis 8 % fines et 4 % MO
(Brown and Nashville NC, 2 ans 290 87% sable 60 Plante, arbuste et Parking (83 %) 6800 (23 :1) - 84 63
13 - Oui
Hunt, 2012) Etats Unis arbres
81
Etat de l’art
322 13% fines 20 (21 :1) - 92 88
206 90 15 Parking (97 %) 4300 (21 :1) - 92 65
226 27 (19 :1) - 95 89
(Olszewski Maryland, 2 ans 102 54 % sable et 46 % 50-80 Parking 3700 (36 :1) - 83 79
et Davis, Etats-Unis fines - - - Oui
2013)
(Strauch et Nebraska, Batiments et 5261 (27 :1) 17-100 33-100

al., 2016) Etats-Unis Parkings (100)
195 12 10
DCHC
4 ans argile 45-70 - - -
Nebraska, Parking (21 :1)
Etats-Unis 269 50 10 (100 %)
ENOA
(Winston et Ohio, Canada Loamy sand (88% Arbustes/arbres 58 % -

al., 2016) sable, 2% limons,
Holden 13 mois 79 10% argile ) 40 45 10 2700 (34 :1) 0–100 36
Arboretum 90
(HA) North
Loamy sand (88% graminées et autres 58 % -

(HA) South 13 mois 57 sable, 2% limons, 84 plantes herbacées 39 38 10 1900 (33 :1) 29–100 42
10% argile )
Loamy sand (87% graminées et autres imperméable à -

Ursuline
sable,4% limons, 9% plantes herbacées 77,1 %., zones
6 mois 182 60 30 60 15 3600 (20 :1) 50–100 59
College (UC) argile ) périphériques
perméables
(Shrestha et VT, Etats- 19 mois 3.72 (×8 60:40 sable: compost 86-96 48-86
al., 2018) Unis ouvrage (de 0 à 30,5 cm)
s) 30-120 (moyenne (moyenne
Sable ( à partir de 61 *** 15.2 22.9 15.2 route -
Min-max, Min-max,
30,5 cm) (8 :1 -32 :1)
des des
ouvrages) ouvrages)
82
Etat de l’art
1.4.5 Bilan sur la performance hydrologique expérimentale des ouvrages de gestion

des eaux pluviales
Les études présentées dans la section précédente, abordant la performance

hydrologique des ouvrages végétalisés, présentent certaines limitations. En effet, les
études menées dans des conditions de laboratoire contrôlées ne peuvent être
transposées aux conditions spécifiques du terrain. Dans les sites réels, la performance
de ce type d’ouvrage est déterminée par plusieurs facteurs spécifiques tels que : les
caractéristiques des précipitations, les saisons, le climat et bien sûr la conception de
l’ouvrage (dimensionnement, végétation, stockage en surface, type de sol, drainage...).
Parmi les études qui ont suivi les ouvrages sur des sites réels, peu ont évalué leur
performance dans le milieu urbain, en particulier en bordure de voirie. Le contexte
routier présente des caractéristiques hydrologiques particulières et des contraintes
impliquant une modification de la conception de l’ouvrage. L'évaluation de la
performance hydrologique expérimentale des ouvrages végétalisés en bordure de
voirie est donc nécessaire.
La mesure des bilans hydriques n'est pas achevée par un grand nombre d'études. En
effet, les contraintes in situ et le manque d'instrumentation rendent ce calcul difficile.
La quantification des flux mis en jeu dans ces ouvrages afin d’établir des bilans
hydriques est donc indispensable.
L’évaluation de la performance hydrologique est souvent limitée à la réduction du

volume. En plus, les indicateurs de performance sont calculés différemment dans les
différentes études. Par conséquent, afin d'améliorer l'état des connaissances sur le
fonctionnement hydrologique de ces ouvrages, une évaluation plus approfondie est
requise. Pour cela, des indicateurs hydrologiques prédéfinis, tenant compte des
volumes, des débits, des temps hydrauliques et de l'état hydrique du sol, pourraient
être calculés. Ajoutons que les ouvrages dans la plupart des études précédentes sont
suivis pendant des durées d’environ un an et pour moins de 20 événements. Un suivi
expérimental sur une plus longue durée et pour un plus grand nombre d'événements,
permettrait de mieux comprendre l'évolution temporelle des ouvrages.
Dans le cas où l'évaluation expérimentale et les calculs des bilans hydriques ne sont
pas réalisables en raison de certaines difficultés in situ, les outils de modélisation
pourraient être utilisés comme alternative. Les modèles peuvent également être
validés par rapport aux mesures in situ, puis appliqués à des simulations à long terme
pour évaluer les performances hydrologiques à long terme. Les outils de modélisation
des ouvrages végétalisés sont présentés dans la section suivante.
83
Etat de l’art
1 .5 Modélisation hydrologique des ouvrages de gestion des eaux pluviales
1.5.1 Typologie des modèles
Les modèles hydrologiques utilisés pour modéliser les ouvrages végétalisés peuvent
être classés suivant plusieurs critères :
 Les utilisations prévues du modèle comprennent la recherche, le

dimensionnement des ouvrages, la conception détaillée des ouvrages, etc.
 La résolution et l’échelle temporelle. La résolution temporelle est le plus petit
pas de temps de calcul. Concernant l'échelle temporelle, il existe des modèles
adaptés à un seul événement pluvieux et d'autres pour la simulation à long
terme.
 La résolution et l’échelle spatiale. L'échelle spatiale correspond aux dimensions
de la zone modélisée. La résolution spatiale est la manière de représenter les
différents éléments du système, notamment le bassin versant, les eaux
souterraines, le sol, et l’ouvrage. Les modèles peuvent être globaux et
représentent chaque élément seul, des modèles semi-distribués qui divisent
chaque élément par des sous-éléments tels que des sous-bassins versants, et
enfin des modèles entièrement distribués basés sur une grille ou un maillage.
 La nature de la relation entre les variables. Si la relation entre les variables ne
découle pas d'une loi théorique, le modèle est empirique. Dans le cas d'une loi
physique, le modèle est dit mécanique ou physique. Si la relation est théorique
mais avec une représentation simplifiée de la réalité le modèle est dit
conceptuel.
1.5.2 Modélisation hydrologique des bandes enherbées
La modélisation des bandes enherbées s'est principalement concentrée sur l'efficacité

du piégeage des sédiments - GRASSF (Barfield et al., 1979) ; CREAMS (Knisel, 1980) -
omettant la description précise des processus hydrologiques. Des modèles qui
représentent mieux les processus d'infiltration et de ruissellement de surface ont été
développés par la suite. Les modèles hydrologiques les plus utilisés sont présentés
dans cette section. Il est à noter que la plupart de ces modèles sont applicables à la
modélisation des surfaces végétalisées, y compris la noue d’écoulement dans sa
configuration de conception classique, qui implique les mêmes processus
hydrologiques que la bande filtrante.
Les modèles sont classés en modèles physiques et modèles conceptuels.
84
Etat de l’art
1.5.2.1 Les différents modèles hydrologiques
Modèles physiques
 VFSMOD : Vegetative Filter Strip Modeling System (Munoz-Carpena et al., 1999)
Le modèle à base de physique le plus largement utilisé et rapporté dans la littérature

pour la modélisation des bandes enherbées est VFSMOD. Il a été développé par des
chercheurs de l'Université de Caroline du Nord (Munoz-Carpena et al., 1999) afin
d’étudier les effets du dépôt de sédiments, de l'infiltration et de ruissellement de l’eau
à travers les bandes enherbées.
Utilisations Parmi les différents modèles à base physique, VFSMOD est largement
utilisé par les ingénieurs et les chercheurs, en raison de son interface graphique facile
et de ses caractéristiques axées sur la conception (Carluer et al., 2017 ; Muñoz-Carpena
et Parsons, 2011). Ce modèle est également connu pour ses résultats satisfaisants en
matière de simulation des observations dans la plupart des cas d'étude (Abu-Zreig et
al., 2001).
Echelle temporelle et spatiale VFSMOD est un modèle évènementiel à l'échelle de

l’ouvrage, qui décrit le transport de l'eau, le dépôt de sédiments et le piégeage des
polluants le long de la bande.
Base physique du model Ce modèle couple un module hydrologique (Figure 1.13) basé
sur l’équation de ruissellement superficiel 1D d’onde cinématique (équations de
continuité et de quantité de mouvement) (Lighthill et Whitham, 1955) et d’infiltration
de Green et Ampt pour une pluie à intensité variable (Chu, 1978) avec un module de
filtration des sédiments développé à l’Université de Kentucky (Barfield et al., 1979 ;
Hayes et al., 1984, 1979 ; Tollner et al., 1977, 1976).
85
Etat de l’art
Figure 1.13. Discrétisation de domaine pour le module quadratique d'éléments finis Petrov-
Galerkin de ruissellement superficiel dans VFSMOD (Munoz-Carpena et al., 1999).
Application du modèle Ce modèle a été testé par plusieurs études sur la base de données
expérimentales (Abu-Zreig et al., 2001; Munoz-Carpena et al., 1999). Munoz-Carpena
et al. (1999) dans leur étude ont effectué une analyse de sensibilité sur ce modèle ainsi
qu'une calibration (par rapport à la conductivité hydraulique à saturation, la teneur en
eau initiale et à saturation, le potentiel matriciel au front d’humidification) et une
validation (par rapport au volume sortant de l’ouvrage et aux pics de débits) sur un
site réel. L'analyse de sensibilité a démontré que les paramètres les plus critiques pour
la partie hydrologique du modèle (volume et débit de ruissellement) sont la teneur en
eau initiale du sol et sa conductivité hydraulique. Des facteurs in situ tels que
l'écoulement non uniforme et la variabilité de la surface du sol causée par des facteurs
saisonniers et biologiques peuvent entraîner une divergence entre le modèle et les
observations. Un des problèmes de ce programme, notamment en tant qu'outil de
dimensionnement, est que l'utilisateur doit fournir des hydrogrammes et des
sédigraphes. Cette question a été traitée dans une version modifiée VFSMOD-W
(Munoz-Carpena et Parsons, 2004) pour inclure la génération d’hydrogrammes et des
sédigraphes pour une pluie de projet. Des améliorations au module de qualité
uniquement ont été apportées par Dosskey et al. (2008) et Rudra et al. (2010). Un autre
outil de conception basé sur le même modèle mathématique que VFSMOD mais avec
des résultats plus simplifiés et sous forme de graphiques faciles à utiliser est également
disponible (Akan, 2014; Akan et Atabay, 2015).
VFSMOD a été amélioré par Park et al. (2013) pour être basé sur un SIG Web pour la
conception des systèmes de gestion des eaux pluviales dans une province de Gangwon
en Corée du Sud. Afin d'étudier l'effet des nappes phréatiques peu profondes sur la
performance des bandes enherbées, Fox et al. (2018) ont couplé VFSMOD avec un
86
Etat de l’art
modèle qui décrit l'infiltration d'eau dans le sol quand le niveau des eaux souterraines
est élevé. Ce couplage a été validé par rapport à un site expérimental en laboratoire
sur la base de volume et débit du ruissellement superficiel sortant de l’ouvrage et a
donné de bons résultats en termes de simulation d'hydrogrammes des débits sortants
sous des conditions de drainage libre et également sous des conditions de nappes peu
profondes.
Dans le cadre de l’étude de Pan et al. (2017), l'impact de la végétation et des propriétés
hydrauliques du sol altérées par le développement de la végétation sur la performance
hydrologique et l'efficacité de piégeage des bandes enherbées a été évalué en
laboratoire. Les résultats expérimentaux de volume ruisselé sortant de l’ouvrage sont
comparés aux résultats obtenus par VFSMOD. Le modèle a montré de bons résultats
dans l'ensemble, hormis dans des conditions de couverture végétale peu dense. La
présente étude aboutit à la conclusion que pour obtenir des résultats optimaux, il est
nécessaire de choisir des paramètres qui reflètent bien les conditions actuelles sur le
terrain.
 TRAVA (Deletic, 2001)
Deletic (2001) a développé le modèle physique unidimensionnel 1D TRAVA pour le

ruissellement et le transport des sédiments dans les ouvrages végétalisés. Ce modèle
est applicable à l'échelle de l'événement, il peut être exécuté pour une série
d'événements en supposant que la teneur en eau initiale est constante. Les équations
d’onde cinématique pour l’écoulement superficiel et d'infiltration de Green et Ampt
sont également utilisées pour modéliser l'écoulement de l'eau sur des espaces
végétalisés tels que les bandes enherbées. Le modèle a ensuite été appliqué sur un site
réel à Aberdeen en Écosse (Deletic and Fletcher, 2006) et a montré des résultats
acceptables pour la prédiction des débits de ruissellement superficiel sortant d'une
bande enherbée. Le modèle montre une grande précision s'il est calibré pour la
conductivité hydraulique du sol, qui est le paramètre le plus déterminant pour la
partie hydrologique du modèle.
 (García-Serrana et al., 2017b)
En plus des modèles physiques présentés ci-dessus, García-Serrana et al., 2017b ont
développé un outil unidimensionnel, évènementiel, et à l’échelle de l’ouvrage pour le
calcul de l'infiltration et du ruissellement superficiel sur les côtés latéraux des noues
d’écoulement. Le fonctionnement hydrologique de ces cotés est identique à celui des
bandes enherbées. Dans cette étude, l’écoulement non uniforme arrivant dans la bande
est modélisé. L’objectif principal de cette étude est de vérifier si le sous-modèle d'onde
cinématique incorporant une surface mouillée partielle et un sous-modèle
d'infiltration Green-Ampt-Mein-Larson (GAML) sont efficaces pour modéliser les
87
Etat de l’art
résultats observés sur le terrain. L'objectif est de vérifier si un écoulement non

uniforme contribuant au mouillage partiel de l’ouvrage est un phénomène important
qui doit être pris en compte dans le processus de ruissellement superficiel. Le modèle
a montré des résultats satisfaisants sans aucune calibration nécessaire. Pour les débits
et volumes de ruissellement ainsi que pour le pourcentage d'eau infiltrée, l'efficacité
des prédictions du modèle est de 96 %, 90 % et 88 %. Pour estimer avec précision
l'infiltration dans ces bandes, la conductivité hydraulique à saturation K s s'est avéré
être le paramètre le plus sensible.
Modèles conceptuels
En plus des modèles physiques, il existe des modèles conceptuels semi-distribués,

permettant la modélisation à l'échelle de grands bassins versants et à long terme. Ces
modèles ont été testés pour la modélisation des ouvrages de gestion des eaux
pluviales.
 SWAT : Soil and Water Assessment Tool (Gassman et al., 2007)
Ce modèle utilisé pour des études hydrologiques peut être appliqué à différentes
échelles spatiales. Un module est développé et incorporé dans SWAT pour modéliser
les bandes enherbées (White and Arnold, 2009). Il s’agit du couplage du modèle de
ruissellement VFSMOD avec un modèle de qualité de l'eau.
 MUSIC : Model for Urban Stormwater Improvement Conceptualisation
Ce modèle conceptuel est utilisé pour la conception et la simulation des flux d’eau et
de MES dans les ouvrages végétalisés (Wong et al., 2006). Ce modèle appliqué sur une
noue végétalisée, une cellule de biorétention et une chaussée à revêtement poreux a
montré des résultats peu satisfaisants pour reproduire les données mesurées in situ
(Imteaz et al., 2013).
 MIKE SHE
C'est un modèle hydrologique pour la simulation du ruissellement de surface et de

l'écoulement souterrain. Ce modèle a été appliqué par Zölch et al. (2017) pour analyser
l'implantation de structures de gestion des eaux pluviales à l'échelle d'un quartier, avec
une résolution spatiale de 1 m. Il a également été appliqué dans une autre étude
(Helmers and Eisenhauer, 2006) pour tester les effets de la variabilité spatiale des
propriétés hydrauliques d'une bande enherbée sur le débit de ruissellement en sortie
de celle-ci. Deux simulations ont été réalisées, l'une prenant en compte la variabilité
spatiale horizontale des propriétés hydrauliques du sol à une résolution spatiale de
0,76 m et l'autre considérant des propriétés hydrauliques uniformes sur toute la
88
Etat de l’art
surface. Les résultats ne montrent aucune différence significative entre les deux
simulations.
 EPA SWMM (Rossman, 2015)
Le modèle SWMM est largement utilisé pour la modélisation quantité/qualité des eaux
pluviales urbaines. Les simulations hydrologiques sous ce programme peuvent être
réalisées à l'échelle événementielle ou à long terme. Dans la version la plus récente de
SWMM, la modélisation des ouvrages de gestion des eaux pluviales est incorporée. Ce
modèle a été appliqué pour simuler la performance hydrologique d'une bande
enherbée en bordure de route (Flanagan et al., 2017). L'étude de sensibilité de ce
modèle a montré que l'intensité des pluies et la conductivité hydraulique à saturation
du sol sont les facteurs les plus sensibles ayant un impact sur l'infiltration ou le
ruissellement de l'eau. Ce modèle est bien adapté aux applications à grande et
moyenne échelle, mais peut nécessiter un couplage à d'autres algorithmes ou modèles
pour simuler les ouvrages à petite échelle (Niazi et al., 2017).
1.5.2.2 Limitations des modèles
Les modèles présentés ci-dessus ont donné des résultats satisfaisants dans le cadre de
nombreuses études. Les modèles à base physique et évènementiels sont pertinents
pour des objectifs de conception de ces ouvrages. Les modèles conceptuels semi-
distribués, effectuant des simulations à l’échelle évènementielle et en continu, sont
également utiles pour les études à grande et moyenne échelle. Cependant, leur
application est limitée pour l'estimation du bilan hydrique à l’échelle de l’ouvrage qui
dépend des conditions initiales du sol et des périodes de sécheresse, ce qui nécessite
une modélisation à long terme (Flanagan et al., 2017). De plus, le contexte routier est
problématique pour l'approche de modélisation. Par exemple, les caractéristiques de
débit d'entrée (débits de pic, volume, arrivée ponctuelle ou diffuse, uniforme ou pas)
et de la structure de la chaussée que l'on peut trouver sous le sol nécessitent une
description précise du processus d'infiltration et une représentation en plusieurs
dimensions 2D ou 3D. Un modèle physique multidimensionnel permet d'améliorer la
précision de la modélisation des processus hydrologiques dans ce type d’ouvrage et
l’évaluation de leur performance à long terme.
89
Etat de l’art
1.5.3 Modélisation hydrologique des noues filtrantes / ouvrages de biorétention

1.5.3.1 Les différents modèles hydrologiques des noues filtrantes/ ouvrages de
biorétention
Les modèles utilisés pour la modélisation des ouvrages de biorétention sont
nombreux. Ils sont classés dans le Tableau 1.5 par modèle physique et modèles
conceptuels semi-distribués. Des informations concernant leur application, leur
échelle spatiale et temporelle, et les processus hydrologiques modélisés sont
également données. Il est à noter que la majorité des modèles sont des modèles
conceptuels basés sur la physique et qu'un seul modèle HYDRUS est mécaniste ou
physique. Les trois modèles les plus utilisés dans la littérature sont RECARGA,
SWMM et HYDRUS. RECARGA est développé à l'Université du Wisconsin pour
déterminer l'impact hydrologique des systèmes de biorétention (Atchison et Severson,
2004). Il permet de modéliser un ouvrage de biorétention, avec stockage en surface,
comprenant jusqu'à trois couches de sol et un drain. Le logiciel peut effectuer des
simulations en continu et calculer la teneur en eau du sol et chaque terme du bilan à
un pas de temps fixe. Par contre, son utilisation est limitée, comme pour MPIRE, car la
configuration de la cellule est imposée par le logiciel (Figure 1.14). Concernant le
modèle SWMM, ce modèle comme mentionné précédemment est bien adapté aux
grandes échelles comprenant plusieurs bassins versants (Niazi et al., 2017). C'est
également le cas pour les autres modèles tels que : HEC-HMS, SWAT et MUSIC.
Figure 1.14. Représentation de l'ouvrage de biorétention dans RECARGA.
Une description plus détaillée du modèle HYDRUS et de ses applications sera

présentée dans la section suivante. Ce modèle physique permet de configurer et de
simuler des systèmes multidimensionnels à plusieurs échelles temporelles et spatiales.
Les processus hydrologiques décrits par ce modèle sont nombreux et comprennent le
drainage, l'évapotranspiration, l'infiltration, la surverse, la sorption, l'écoulement
90
Etat de l’art
préférentiel et la remontée des eaux souterraines. Il peut donc être optimal pour
l'évaluation hydrologique à long terme des structures végétalisées ainsi que pour le
calcul du bilan hydrique.
Tableau 1.5. Modèles hydrologiques utilisés pour la modélisation des noues filtrantes /
ouvrages de biorétention.
Classification Modèles Application Echelle de Résolution Processus Références

simulation spatiale hydrologique
modélisés
HYDRUS (1D, 2D, Hydrologie + continue Echelles Drainage, (Aravena et
2D/3D) qualité multiples évapotranspiration, Dussaillant,
infiltration, 2009)
surverse, sorption, (Stewart et
Physique
teneur en eau et al., 2017)

tension dans le sol, (Li et al.,
écoulement 2018)
préférentiel,
remontée des eaux
souterraines
HEC-HMS Hydrologie événementielle Grande Surverse, (Heasom et
(Hydrologic (+ LID) ou continue échelle : infiltration, al., 2007)
Modelling bassins évapotranspiration, (Machusick
System) versants exfiltration, et al., 2011)
multiples drainage,
remontée de la
nappe phréatique.
MPiRe Hydrologie + continue Ouvrage Surverse, (Randelovic
(MicroPollutants In qualité infiltration, et al., 2016)
RaingardEns) évapotranspiration, (Zhang et
exfiltration, al., 2016)
drainage (Shen et al.,
2018)
SWAT Hydrologie continue Echelles Surverse, (Her et al.,
Soil andWater multiples infiltration, 2017)
semi-distribués
Conceptuels/
Assessment Tool évapotranspiration, (Shannak,

drainage 2017)
SWMM Hydrologie + événementielle Moyenne à Surverse, (Endreny et
Storm Water qualité ou continue grande infiltration, Collins,
Management évapotranspiration, 2009)
Model exfiltration, (Huang et
drainage, al., 2018)
interception
RECARGA Hydrologie événementielle Ouvrage Surverse, (Dussaillant
(cellule de ou continue infiltration, et al., 2005)
biorétention, évapotranspiration, (Boancă et
jardin de exfiltration, al., 2018)
pluie, bassin drainage
d’infiltration)
MUSIC Hydrologie + continue Moyenne à Drainage, (Beecham et
Model for Urban qualité grande infiltration, Chowdhury,
Stormwater surverse 2012)
Improvement (Rahman et
Conceptualisation al., 2016)
91
Etat de l’art
1.5.3.2 Modélisation sous HYDRUS 2D/ HYDRUS 2D-3D
Le logiciel HYDRUS 2D/3D (Šimůnek et al., 2016) est un modèle en éléments finis
simulant le mouvement bidimensionnel et tridimensionnel de l'eau, de la chaleur et de
solutés en milieu poreux à différents niveaux de saturation. Ce logiciel résout
numériquement l'équation de Richards (Équation 4.1) pour l'écoulement de l'eau dans
la zone saturée/insaturée et les équations de convection-dispersion pour le transport
de chaleur et de soluté. Le ruissellement de l’eau en surface est décrit à l’aide de
l’équation d’onde cinématique (Köhne et al., 2011) présente dans le module « Overland
flow ». Ce module peut être incorporé dans HYDRUS 2D/3D. Le couplage écoulement
superficiel 1D et écoulement dans le sol 2D s’effectue par l’intermédiaire des
conditions atmosphérique limites.
Application du logiciel
Une cellule de biorétention a été testée sous HYDRUS 2D/3D par Stewart et al. (2017).
Ce modèle est utilisé pour établir des bilans de volume, évaluer l'effet de l’ouvrage sur
les eaux souterraines et déterminer la sensibilité du système aux propriétés
hydrauliques du sol. Les résultats ont montré qu'une nouvelle dynamique des eaux
souterraines est déclenchée après l'installation du système de biorétention grâce à
l'exfiltration, qui dépend principalement de la nature du sol sous-jacent. La réponse
hydrologique de la cellule de biorétention varie en outre en fonction des
caractéristiques du massif filtrant qui la constitue. Cette étude met en évidence
plusieurs sources d'incertitude dans le logiciel. Par exemple, la discrétisation en
éléments finis de l’ouvrage. Une discrétisation de 0,05 m a entraîné des erreurs de bilan
massique global < 1 % alors que pour les événements importants, cette erreur peut aller
jusqu'à 70 %. Une autre source d'incertitude réside dans les paramètres hydrauliques
du sol et leur variabilité spatiale. En plus, les conditions aux limites étaient également
source d'incertitude. Comme, par exemple, la nappe phréatique en pente de 3 %, qui
exigeait sous HYDRUS l’utilisation de la condition aux limites de pression constante,
mais cette condition ne prend pas en compte les fluctuations souterraines.
Une tranchée d’infiltration et une pelouse en Californie, Etats-Unis, ont également été
modélisées par Newcomer et al. (2014). Le but de la modélisation était d’identifier les
effets de ces sites sur la recharge de la nappe phréatique qui est considéré comme un
objectif secondaire de la gestion des eaux par les techniques alternatives. La
confrontation des simulations avec les mesures de recharge (mm), a montré un
rendement de modèle en termes de Nash-Sutcliffe (NSE) de 0,1 et 0,6 pour la tranchée
d’infiltration et la pelouse, respectivement. L’erreur quadratique moyenne (RMSE) est
égale, respectivement, à 61 et 7 (mm).
92
Etat de l’art
Le couplage du logiciel HYDRUS 2D avec le module de ruissellement superficiel 1D

est testé par Nanda et al. (2018). Le site expérimental étudié correspond à deux sites à
l’échelle de la parcelle (parcelle agroforestière et parcelle dégradée) aux Himalaya. Les
résultats ont montré que le couplage d'HYDRUS 2D au module de ruissellement a
réussi à reproduire le ruissellement superficiel et la dynamique de la teneur en eau
dans le sol.
Le logiciel HYDRUS 2D/3D a été utilisé pour modéliser des puits secs en Californie
(Sasidharan et al., 2018). Une nouvelle condition aux limites "réservoir" a été ajoutée
au modèle pour tenir compte des pressions variables et du stockage en surface. Le
coefficient de détermination 0,95 à 0,99 indique un bon accord entre les hauteurs d’eau
observées et simulées dans les puits.
Le logiciel HYDRUS 2D a été aussi utilisé pour modéliser le comportement

hydrologique des chaussées perméables (Turco et al., 2017). La chaussée se compose
de trois matériaux poreux : une couche de revêtement en béton poreux, une couche de
fondation en gravier fin et une sous-couche en gravier grossier. Une calibration et une
analyse de sensibilité par rapport aux propriétés hydrauliques des matériaux
constituant la chaussée ont été réalisées. Le modèle est validé sur la base des données
mesurées du ruissellement superficiel et de la teneur en eau. Ce logiciel a permis de
décrire avec précision (NASH >0,9) le comportement hydraulique de ce système à
couches multiples qui ne sont pas vraiment des sols.
Par conséquent, ce modèle robuste a pu reproduire avec précision le comportement

hydrologique d'une grande variété de techniques alternatives.
1.5.3.3 Limitations des modèles
Les modèles présentés en premier lieu, comme pour les bandes enherbées, sont utiles
à des fins de conception ou pour évaluer l'impact des ouvrages végétalisés dans le
cadre d'études à grande échelle. D'autre part, ces modèles présentent certaines limites
pour l'évaluation hydrologique à long terme et les calculs de bilan hydrique. Ces
limitations sont : (i) l’unidimensionnalité, (ii) l’échelle de simulation, principalement
événementielle, ou à long terme mais incapable d'effectuer des simulations à un pas
de temps faible, (iii) la paramétrisation de certains paramètres qui ne peuvent pas être
modifiés par l'utilisateur, (iv) l’échelle spatiale ne permettant pas toujours la
simulation d’un seul ouvrage. HYDRUS 2D/3D pourrait être utilisé comme alternative.
Ce programme est à base physique, bi ou tridimensionnelle, permettant des
simulations à plusieurs échelles temporelles et spatiales. Ce logiciel a montré de très
bons résultats pour la modélisation du comportement hydrologique d'une variété de
techniques alternatives. Il présente cependant certaines limitations, comme la
représentation de certains éléments non réalisable en utilisant les conditions aux
limites disponibles dans HYDRUS.
93
Méthodes expérimentales
Partie 2. Méthodes expérimentales

Cette partie présente les méthodes expérimentales suivies dans la thèse pour évaluer
l'efficacité hydrologique des ouvrages de biorétention. Tout d'abord, le choix du site
d'étude, le site d'étude lui-même et l'équipement mis en place sont décrits. Dans la
deuxième section, les incertitudes affectant notre connaissance des propriétés
hydrauliques du sol formant les ouvrages et de son état hydrique seront évaluées et
discutées de façon approfondie. Enfin, les données expérimentales seront abordées
quant à l'acquisition et la validation.
2 .1 Dispositif expérimental
2.1.1 Choix des sites d’étude
Cette thèse vise à améliorer les connaissances sur le fonctionnement hydrologique des
structures de biorétention qui reçoivent les eaux de ruissellement de la chaussée, en
combinant des observations in situ et des approches de modélisation.
Dans ce but, un ouvrage formé d'une bande enherbée et d'un fossé filtrant et infiltrant
a initialement été retenu comme dispositif pilote. Ce type d’ouvrage est connu à
l'échelle internationale sous le nom de "treatment train". Il s'agit d'un ouvrage
combinant deux pratiques de traitement des eaux pluviales. Pour assurer l'efficacité à
long terme du fossé, surtout sur les bords de routes très circulées, la bande enherbée
est conçue pour retenir une partie du ruissellement et donc réduire également une
portion des polluants avant son arrivée dans le fossé. La bande enherbée fonctionne
donc normalement en tant qu’un ouvrage de prétraitement.
Cet ouvrage a été conçu et construit par le maître d'ouvrage de la voirie RD212 de
Compans, le conseil départemental (CD77). En l'absence de résultats étayés en France
sur ces types de techniques, il s'agissait pour le CD77 de tester ces dispositifs et donc
de vérifier leur efficacité en termes de respect des valeurs de rejet fixées par la loi sur
l'eau. Au-delà du niveau d'efficacité, il est également question des conditions
d'utilisation et d'exploitation pour envisager la mise en œuvre de mesures similaires
pour de futurs aménagements routiers. Pour tester ces systèmes, le conseil
départemental a choisi un emplacement proche d'une infrastructure générant un trafic
important et donc une forte pollution. Les suivis expérimentaux engagés sur ce site
dans le cadre de la thèse s’appuient sur le dispositif expérimental mis en place par le
CD77 et le complètent par une caractérisation fine des propriétés et le suivi de l’état
hydrique des sols de cet ouvrage.
94
Le fonctionnement de l’ouvrage principal, soit le fossé de biorétention, a été différent

de ce qui était attendu au départ. En effet, les observations ont montré que ce dernier
reçoit rarement de l'eau, en particulier pour les pluies courantes qui constituent la
majeure partie des pluies annuelles. Ceci revient à dire que la majorité de l'eau arrivant
par la chaussée est retenue par la bande enherbée, initialement considérée comme une
technique de prétraitement. Depuis la mise en place du fossé de biofiltration et malgré
la présence des redans, une seule observation d'eau stagnante y a été relevée. En outre,
un drain installé en octobre 2013 pour drainer l'eau qui s'infiltrée dans le fossé n'a
enregistré aucun débit pendant toute la période d'enregistrement. Le développement
de certains types de végétaux qui poussent dans les zones humides n'était pas optimal,
même une partie a disparu.
Toutes ces observations, appuyées par la modélisation hydrologique (Flanagan et al.,

2017a) et la cartographie de la contamination des sols (Flanagan et al., 2017b) réalisées
dans le cadre de la thèse de Kelsey Flanagan, permettent de conclure que le fossé de
biofiltration ne reçoit pas les eaux de la chaussée. Dans le travail de modélisation, les
deux processus hydrologiques de ruissellement superficiel et d’infiltration au niveau
de la bande enherbée ont été modélisés sous US EPA SWMM. Une analyse de
sensibilité sur le type du sol, l’état d’humidité initiale, la rugosité ainsi que la géométrie
et différents scenarios de pluie ont été testés. Les résultats ont montré que la grande
majorité de l’eau de ruissellement de voirie est gérée par le premier dispositif et qui
est la bande enherbée. La cartographie des contaminants à résolution spatiale fine a
montré de même que la majorité des polluants sont accumulés à proximité de la
chaussée.
Ces résultats ont eu un impact sur le suivi expérimental sur site. Tout d'abord, l'étude
de la performance hydrologique du système de bandes enherbée - fossé doit se
concentrer sur la bande enherbée qui reçoit la majorité des précipitations. Les travaux
menés dans la thèse se sont donc concentrés sur le fonctionnement hydrologique de
deux bandes enherbées avec des natures de sol de surface différentes. Ces bandes ont
fait l’objet d’un suivi en continu des teneurs en eau du sol en plusieurs points.
Les premières observations ont par ailleurs mis en évidence la nécessité d’un ouvrage
complètement étanche où tous les flux d'eau sont mesurés, contrairement au système
de bandes enherbée-fossé, si l’on veut évaluer le bilan hydrologique et épuratoire du
système. De plus, le CD77 visait initialement à étudier le fonctionnement de la
technique de biorétention mise en œuvre dans le fossé qui n'a jamais reçu d'eau à son
emplacement original. Confronté à l'impossibilité d'atteindre cet objectif, le LEESU lui
a proposé de construire un nouveau système de biorétention. Une noue filtrante a donc
été construite localisée directement en bordure de voirie. Cette noue est complètement
étanche et lourdement équipée. L'évaluation de la performance hydrologique de la
95
noue filtrante a été fondée sur une large base de données expérimentale qui a été
validée et interprétée.
Les ouvrages étudiés, ainsi que l'équipement et la base de données, seront décrits dans
les paragraphes suivants.
2.1.2 Sites d’études
2.1.2.1 Situation Générale
Le site expérimental est situé au nord du département de la Seine et Marne, sur le

territoire de la commune de Compans, notamment dans la zone industrielle de Mitry-
Compans (Figure 2.1). Cette activité industrielle constitue une source importante de
pollution pour le site d'étude. Par ailleurs, situé à proximité de l'aéroport Charles de
Gaulle, le site est soumis à la pollution du trafic aérien.
Figure 2.1. Situation générale du site d'étude
2.1.2.2 Bassin versant étudié
Les sites étudiés récupèrent les eaux de ruissellement d'une route départementale RD
212. Cette route est formée de 2x2 voies avec un trafic élevé d'environ 11 000
véhicules/jour par sens de circulation (Figure 2.2). Le bassin versant des ouvrages
étudiés est constitué de deux voies sur quatre de cette chaussée, c'est-à-dire une seule
direction de circulation. La largeur de ces deux voies est de 10,5 m.
96
La pente transversale de 2% de la route permet aux eaux de ruissellement de s’écouler

vers les ouvrages linéaires de gestion des eaux pluviales longeant la route. L'eau n'est
pas canalisée le long de la route mais ruisselle en lame mince vers les ouvrages. Trois
ouvrages de gestion à la source des eaux pluviales ont servi de support d’étude pour
ce travail. Ces derniers incluent deux bandes enherbées et une noue filtrante. Les
bassins versants alimentant chaque ouvrage ont été bien séparés à l’aide des petits
redans en bétons (Figure 2.3). Les surfaces de ces bassins sont égales à 507 m2, 539 m2
et 320 m2 pour la bande enherbée 1, la bande enherbée 2 et la noue filtrante,
respectivement (Figure 2.4).
Figure 2.2. Photo montrant la voirie à forte circulation qui alimente les ouvrages étudiés.
Figure 2.3. Petits redans en béton délimitant les bassins versants.
97
Figure 2.4. Bassin versant alimentant les ouvrages bande enherbées et noue filtrante
Une section de la RD 212 est utilisée comme bassin versant de référence (Figure 2.5).
L'eau de ruissellement qui s'écoule de cette section traverse transversalement la route,
puis s’écoule longitudinalement le long d'une bordure en béton et est recueillie à l’aval
dans un regard. Le bassin versant s'étend sur une superficie de 945m2.
Figure 2.5. Bassin versant de référence et regard de mesure eau brute.
2.1.2.3 Bande enherbée 1
La bande enherbée 1 construite en 2012, a une largeur de 1,7 m, une longueur de 50 m

et une pente transversale de 5 %. La pente longitudinale de la bande varie entre 1 et
2%. La Figure 2.6 montre la géométrie ainsi que les matériaux constituant cet ouvrage.
Cette bande enherbée a été conçue pour favoriser l’infiltration et la filtration des eaux
de ruissellement au travers de la couche de sol superficielle, puis leur collecte dans un
système de drainage permettant l’échantillonnage et l’analyse de la qualité des eaux
filtrées. Elle a été construite en excavant une couche d'environ 20 cm de sol pour
installer une nappe de drainage AFITEX DrainTube FT D25. Cette dernière est
constituée d’une nappe drainante en géocomposite dans laquelle de petits tubes
98
perforés sont insérés tous les 1 m perpendiculairement à la route et drainant l'eau vers
un collecteur longitudinal qui se déverse dans un regard de 1 m3 en aval de l’ouvrage
(Figure 2.7). La couche de drainage n'est pas étanche. Au-dessus de la nappe drainante,
la couche de sol supérieure a été remplacée par un mélange de 40 % de terre végétale
et de 60 % de sable, avec une texture « limon sableux » (USDA), ayant la composition
suivante : 60,7 % de sable, 28,2 % de limon et 11,1 % d'argile. La bande a initialement
été ensemencée avec un mélange de 80% en masse du mélange dactylus glomerata,
carex s. et festuca sp et 20% du mélange achilea millefoliu, matricaria perfora,
cerastium fontanum, silene latifolia, trifolium dubium, vicia sativa, mentha
graveolens. Ces plantes avaient été sélectionnées dans le but de promouvoir les
processus de phytoremédiation. Une sous-couche de la structure de la route est située
sous le sol de la bande. Cette base est composée d'un sol traité avec des liants
hydrauliques, elle dépasse d'environ 1 à 2 m du bord de la chaussée. Sur les routes
supportant la circulation des poids lourds, cette base augmente la capacité portante de
la chaussée. La partie située sous l’accotement avait été réalisée pour permettre la
circulation des engins de chantier lors de la construction de la route.
Figure 2.6. Schéma montrant la géométrie et les matériaux constituants la bande enherbée 1
(sandy loam : limon sableux ; silt loam : limon fin).
Figure 2.7. Récupération du débit d'infiltration dans la bande enherbée.
99
2.1.2.4 Bande enherbée 2
Le deuxième bande enherbée est de même construite en 2012, a une largeur de 1,9 m,
une longueur de 50 m et une pente transversale de 5 % (Figure 2.8). La pente
longitudinale de la bande varie entre 1 et 2%. Le sol formant la bande est le sol naturel
(terre végétale typique de la région), classé comme un sol limoneux « silt loam »
(USDA), ayant la texture suivante : 9,5 % de sable, 66,6 % de limon et 23,9 % d'argile.
La bande enherbée a été ensemencée avec le même mélange de végétaux que la
première bande enherbée. Cette bande n’est pas drainée, et la base de la route se
trouve également en dessous du sol.
Figure 2.8. Schéma montrant la géométrie et les matériaux constituants la bande enherbée 2.
Une troisième bande enherbée, appelée bande 3 (témoin), correspond à un ensemble

accotement/fossé classique. Elle n'est pas drainée et ne comporte pas de massif filtrant.
L'accotement et le talus sont identiques à ceux de la bande enherbée 2. Elle sera
examinée dans cette thèse uniquement dans le cadre de l’étude de l’état hydrique du
sol.
2.1.2.5 Noue filtrante
Le troisième ouvrage étudié est une noue filtrante (Figure 2.9). Il s'agit d'une structure
linéaire et végétalisée de traitement des eaux pluviales. Elle a été installée en mars 2016
le long d’une portion de la RD212. Les différentes étapes de la construction de la noue,
y compris l'excavation du sol, le mélange du massif filtrant, l’installation du drain et
le remplissage de la noue par le massif filtrant sont montrées à la Figure 2.10. Ce
système a été conçu pour récupérer et dépolluer les ruissellements associés aux
précipitations courantes. Sa longueur est de 31 m et sa largeur de 0,7 m. Cette noue
filtrante est formée d’un massif filtrant composé d'un mélange sol-sable (60% de sable
et 40% de terre) sur une épaisseur de 50 cm. Selon le système de classification de
l'USDA, le massif filtrant est du type " Limon sableux ", ayant la texture suivante : 72.1
% de sable, 18.2 % de limon et 9.7 % d'argile. Ce massif filtrant est drainé par un drain
100
de 10 cm de diamètre. Une géomembrane entoure le massif filtrant et assure son

étanchéité pour des besoins expérimentaux : la collecte des percolats pour les analyses
chimiques et le calcul du bilan hydrique.
Figure 2.9. Schéma descriptif des différents éléments de la noue filtrante.
La route drainée vers cette noue est longue de 31 m et large de 10,5 m. Cette noue a
une pente longitudinale qui varie entre 1,4 et 2 %, ce qui réduit la zone de stockage en
surface. Afin d'agrandir ce dernier, des redans en béton ont été installés à 10, 20 et 30
m approximativement de l'extrémité amont de la noue avec une hauteur de 20, 22 et
14 cm respectivement (Figure 2.11). Le 14 cm correspond au bas du V du déversoir
triangulaire placé au milieu du redan en aval. Le dimensionnement des redans est basé
sur un calcul détaillé présenté dans l'annexe 1. Une coupe longitudinale de la noue
montrant l'emplacement des redans et les dimensions de ceux-ci est présentée dans la
Figure 2.12 et Figure 2.13. L’eau qui ruisselle de la chaussée s’écoule le long d’une
bordure de bitume pentue se déversant dans la noue (Figure 2.9). La largeur de la
bordure bitumineuse est 86,9 cm (largeur au miroir 80.5 m) sur une pente de 40%, la
largeur de la surface d’infiltration est de 46,2 cm.
101
Figure 2.10. Etapes de la construction de la noue filtrante (a) excavation du sol natif ; (b)
mélange du massif filtrant ; (c) drain mis au fond de la noue ; (d) remplissage de la noue par
le massif filtrant.
Figure 2.11. Photos montrant la noue avant et après la mise en place des redans
102
Le volume d’eau stockée dans la noue est calculé à partir de la mesure de la surface
transversale (en surface) et de sa variation en fonction de la hauteur d’eau S(h) ainsi
que de la variation de la hauteur d’eau en fonction de la localisation dans la noue (x).
En raison de la variation en section d’un endroit à un autre la noue est divisée en 3
parties et le volume de chaque partie était calculé séparément. Ces parties sont l’amont,
le milieu et l’aval. Le volume de stockage est égal à l’intégrale de S(h)* h(x) ayant
comme bornes les abscisses x de chaque partie. Les sections transversales montrant la
surface du massif filtrant et les dimensions de stockage de l’eau de surface sont
données à la Figure 2.14. Les résultats du calcul du volume de stockage en surface et
des volumes de massif filtrant pour chaque partie de la noue sont donnés dans le
Tableau 2.1 ci-dessous. L’eau qui peut être stockée à la surface et le volume du sol sont
respectivement d’environ 1 et 9,5 m3.
Tableau 2.1. Volume de stockage d’eau en surface et volume du massif filtrant de la noue.
Stockage en surface
S (h) [cm2] h (x en m) Volume [m3] Volume du massif

filtrant [m3]
h en cm h en cm
Amont 1,12h2 + 20,87h – 19,98 1,96x + 3 0,39 2,86
Milieu 0,99h2 + 21,75h – 22,94 2,04x + 0,57 0,40 3,13
Aval 1,20h2 + 24,02h – 23,83 1,31x 0,24 3,52
Total 1,03 m3 9,51 m3
103
Figure 2.12. Coupe longitudinale de la noue filtrante montrant les emplacements des redans
en surface et les sections de transversales.
Figure 2.13. Schéma des redans installés dans la noue filtrante.
104
Figure 2.14. Coupes transversales de la noue montrant la géométrie et les dimensions (en cm).
105
La noue filtrante a subi de multiples évolutions au cours de sa première année de

fonctionnement. Ces opérations peuvent avoir un effet direct ou indirect sur sa
performance hydrologique. Pour cette raison, les dates ont été bien notées ainsi que les
activités qui ont eu lieu et présentées dans le Tableau 2.2 ci-dessous. Des photos
montrant l’évolution temporelle de la noue sont présentées dans la Figure 2.15.
Tableau 2.2. Operations effectuées dans la noue filtrante et les dates correspondantes.
Opération Date
Plantation de la noue 10/04/2016
Mise en place des redans la première fois 07/06/2016
Déplacement des redans à leur position actuelle 20-21/07/2016
Installation du déversoir triangulaire à l’aval 07/09/2016
Mise en place des capteurs 29-30/09/2016
Délimitation du bassin versant à l’aide des petits redans en béton 23/11/2016
Figure 2.15. Evolution de la noue filtrante en fonction du temps.
106
2.1.3 Equipements des sites
2.1.3.1 Mesure de la pluie et évaluation de l’évapotranspiration
Une station météorologique, mise en place par le CD 77 dans le cadre de son

expérimentation à Compans, est située sur le terrain d'un centre sportif appartenant à
l'Aéroport de Paris à environ 30 m au sud-ouest du site. Cette station est gérée par la
société PulsoWeb responsable de l'acquisition et du transfert des données. Dans cette
station la pluie est mesurée par un auget basculant de précision de 0,2 mm (Figure
2.16). L’heure de chaque basculement d’auget est enregistrée. On peut donc calculer
les cumuls et les intensités de pluie au pas de temps désiré à partir de cette chronique.
Les enregistrements du pluviomètre de l’aéroport de Paris - Roissy CDG (situé à moins
de 10 km) sont utilisés en cas de panne du pluviomètre Compans ou de pertes des
enregistrements. Les séries d’évapotranspiration potentielle (ETP) utilisées sont celles
de Roissy, calculées à pas de temps journalier par l'équation de Penman-Monteith à
partir du rayonnement net, de la température de l'air, de l'humidité relative et de la
vitesse du vent.
Figure 2.16. Mesure de la pluie à Compans.
2.1.3.2 Suivi des eaux de ruissellement de voirie
Sur le site de référence, les eaux de ruissellement provenant d'une partie de la chaussée
passent par un avaloir jusqu'à un regard de mesure (Figure 2.17). La surface de cette
section de la chaussée est de 945 m2. Le débit d’eau arrivant dans le regard est mesuré
par un auget basculant (UFT, Figure 2.18). Chaque basculement correspond à un
volume de 17,4 L. La section de tuyau se déversant dans l’auget a été réduite le
10/10/2016, après avoir constaté que la grande section provoque un mauvais
fonctionnement de l’auget. En effet, le tuyau initialement installé permet à l'eau de
107
tomber directement sur la paroi de l’auget, ce qui entraîne un basculement avant même
que celui-ci soit complètement rempli d'eau. La Figure 2.18 montre le tuyau versant
dans l’auget avant et après la réduction de la section. Les enregistrements des
basculements en continu ont débuté le 26 novembre 2015. Cependant, certaines
périodes ont été perdues en raison de conditions humides dans le regard, ce qui a
entraîné la panne du système d'enregistrement.
Figure 2.17. Regard des eaux brutes et son avaloir.
Figure 2.18. Le tuyau versant dans l'auget basculant des eaux brutes, avant et après réduction
de sa section.
2.1.3.3 Mesure du débit
Les ouvrages drainés sont la bande enherbée 1 et la noue filtrante. Pour la bande
enherbée, l'eau passe à travers une nappe drainante puis à travers de petits tuyaux
perforés, placés tous les 1 m perpendiculairement à la route et drainant l'eau vers un
collecteur longitudinal qui se décharge dans la cuve 3 de 1 m3 en aval de l’ouvrage
(Figure 2.7). Dans le cas de la noue filtrante, complètement étanche, l'eau est toutefois
recueillie directement par un drain placé longitudinalement au fond du massif filtrant
sur une pente de 1,2 %. Ce tuyau se déverse dans la cuve 3bis placée en aval de la
structure. Dans les deux cuves 3 et 3bis, des augets basculants d'environ 1L (Figure
108
2.19) mesurent les débits drainés. Les enregistrements des heures de basculement sont
mémorisés dans un système d'acquisition de données.
Le fonctionnement de la noue prévoit une surverse par-dessus les redans lorsque le

volume de stockage de surface est plein, du bief 1 vers le bief 2 et du bief 2 vers le bief
3. Au niveau des redans situés à l’aval du bief 3, l’eau surverse hors de la noue par un
déversoir triangulaire muni d’une sonde de mesure de la hauteur d’eau (Figure 2.20).
La sonde permet la mesure de la surverse en cas de dépassement de la capacité de
stockage. Ce capteur mesure à pas de 30 minutes si le niveau d'eau mesuré est inférieur
à 7 cm. Le pas de temps diminue à 1 min si la hauteur est supérieure ou égale à 7 cm.
Le bas du déversoir triangulaire est atteint lorsque le niveau d’eau est de 14 cm.
L’angle du déversoir est de 90°
Figure 2.19. Auget basculant mesurant le débit drainé de la noue filtrante.
Figure 2.20. Déversoir triangulaire avec une sonde de mesure de la hauteur d’eau en surface
de la noue filtrante.
109
2.1.3.4 Mesure de la teneur en eau et du potentiel matriciel
L’état hydrique dans les ouvrages est suivi en continu à l’aide des capteurs mesurant
la teneur en eau et la succion. Les capteurs de teneur en eau sont des EC5 et EC5TE
(METER Group, Inc. USA). Ces capteurs mesurent la permittivité diélectrique du sol
qui varie avec la variation de la teneur en eau. Les capteurs de tensions sont des MPS-
6 (METER Group, Inc. USA) et des tensiomètres T4 et T8 (UMS, Munich, Allemagne).
Ces capteurs sont choisis pour leur petite taille qui convient à la profondeur limitée du
sol, leur précision et leur coût bas. Les photos des capteurs sont présentées dans la
Figure 2.21. Le MPS-6 est plus adapté à des mesures en milieu sec, alors que les T4 et
T8 sont plus adaptés à des mesures en milieu humide. Les MPS 6 sont capables de
mesurer des tensions entre -9 kPa et -100 000 kPa et sont considérés fiables jusqu’à
- 4500 kPa. Ils ne sont donc pas capables d’indiquer quand le sol est saturé. Au
contraire, le T8 fonctionne mieux en sol humide, avec une gamme de mesure entre -85
kPa et 100 kPa. Il peut donc indiquer une saturation du sol et même la présence d'une
pression hydrostatique, sans toutefois fonctionner si le sol est très sec. Les capteurs
sont connectés à des systèmes d’acquisition de données (Figure 2.22), CR1000 et CR800
(Campbell Scientific, Logan, UT), à une tension d'alimentation de 3,3 V, pour une
acquisition de données à un pas de temps de 30 minutes en continu. Le moyen de
communication entre le capteur et la centrale pour les capteurs numériques 5TE et
MPS6 est SDI-12. Les capteurs EC5 sont analogiques.
Figure 2.21. Les capteurs de teneur en eau et de tension mis en place dans les ouvrages étudiés.
110
Figure 2.22. Centrale d'acquisition de données.
La Figure 2.23 illustre les emplacements des capteurs de teneur en eau et de tension
dans la noue filtrante. Les figures Figure 2.24, Figure 2.25 et Figure 2.26 montrent les
capteurs installés dans les deux systèmes bandes enherbées-fossé, et le troisième
système bande enherbée-fossé témoin (respectivement). Il est à noter que les fossés de
la bande enherbée-fossé 1 et 2 ainsi que la bande enherbée –fossé témoin sont présentés
dans cette figure bien qu'ils ne soient pas vraiment étudiés dans le cadre de notre
étude. En revanche, les capteurs installés dans ces sections seront utilisés dans les
parties suivantes du manuscrit pour effectuer l'étalonnage in situ.
Dans le premier ouvrage –bande enherbée 1– les capteurs de teneur en eau sont placés
au-dessous et au-dessus de la nappe drainante, à différentes profondeurs de 6 à 40 cm
et différentes distances par rapport à la route. Pour la bande enherbée 2 de même, des
capteurs sont placés dans une section transversale de la bande. Un travail préliminaire
de modélisation (annexe 1) a été réalisé afin de choisir l’emplacement des capteurs
dans la noue. La modélisation a montré que la variabilité transversale est assez limitée,
tandis que la variabilité verticale est importante, notamment pour les petites pluies,
ou durant la phase de ressuyage. Les capteurs de teneur en eau sont donc placés à
différentes profondeurs : 10, 20 et 40 cm, dans 4 sections transversales : 1 dans le bief
amont, 2 dans le bief du milieu, et 1 dans le bief aval. Ils permettent de suivre la
variation de la teneur en eau du sol verticalement et longitudinalement après la
séparation de la noue par des redans en béton. Dans le bief 2 deux sections de mesure
sont mis en place afin de suivre la variabilité de l’état hydrique du sol dans un même
bief. Pour mesurer la tension, des tensiomètres sont mises à 20 et 40 cm de profondeur
dans la noue car en surface le tensiomètre ne mesure pas dans la gamme sèche et ils se
111
désaturent rapidement. Dans les sections des bandes enherbées-fossés des MPS6 sont
placés à 6 cm de profondeur alors que les T4 sont placés à 40 cm de profondeur dans
le fossé.
Figure 2.23. Emplacements des capteurs de teneur en eau et de tension dans la noue filtrante.
Figure 2.24. Emplacements des capteurs de teneur en eau et de tension dans la bande enherbée
1 (dr : la distance par rapport à la route, toutes les distances sont en cm).
112
113
Un tableau récapitulatif (Tableau 2.3) des dispositifs de mesures pour les trois
ouvrages est présenté ci-dessous :
Tableau 2.3. Equipements des sites d'étude.
Débit rentrant Débit drainé Débit de Teneur en Potentielle

surverse eau matricielle
Bande Auget basculant 17 .1 L Auget basculant 4 EC5 1 MPS6

enherbée 1 -
(site de référence) 1.165 L 2 5TE
Bande Auget basculant 17 .1 L 4 EC5

enherbée 2 - - -
(site de référence) 2 5TE
Noue filtrante Auget basculant Déversoir 9 EC5

Auget basculant 17 .1 L
triangulaire 5 T8
(site de référence) 1.07 L 6 5TE
90 °
2 .2 Analyse des incertitudes associées à la mesure des propriétés

hydrauliques du sol et de son état hydrique
2.2.1 Introduction
L'efficacité des ouvrages végétalisées de gestion des eaux pluviales dépend largement
des propriétés hydrauliques et physiques du sol. Ces propriétés présentent
d'importantes variabilités spatiales et des incertitudes dues aux méthodes
d'estimation. Ces propriétés ainsi que leurs incertitudes sont peu rapportées dans la
littérature, en particulier pour les ouvrages en milieu urbain en bordure de voirie. La
mesure de la teneur en eau du sol présente également des incertitudes liées à l'appareil
de mesure. Ces incertitudes affectent le calcul des stocks dans le sol et la validation à
partir de ces mesures des modèles hydrologiques.
Dans cette section, la variabilité spatiale des propriétés hydrauliques et les incertitudes
associées aux méthodes de mesure de l’état hydrique sont abordées en deux articles.
Ceux-ci seront présentés dans les sections 2.2.2 et 2.2.3. Ils sont intitulés :
 Horizontal and Vertical Variability of Soil Hydraulic Properties in Roadside

Sustainable Drainage Systems (SuDS)—Nature and Implications for Hydrological
Performance Evaluation
 An investigation of the accuracy of low-cost capacitance sensors for soil moisture

monitoring in SuDS - Laboratory and field calibration
114
Dans le premier article la variabilité spatiale des propriétés hydrauliques du sol, ainsi
que l'incertitude de ces propriétés due aux méthodes d'estimation, ont été étudiées
pour les trois ouvrages végétalisés situées dans notre site d'étude. Les méthodes
d'estimation étaient basées à la fois sur des tests d'infiltration in situ et sur des fonctions
de pédotransfert (PTF). Afin d'évaluer les effets de cette variabilité sur les
performances hydrologiques, un modèle hydrologique d'une cellule de biorétention a
été testé.
Le second article évalue les incertitudes affectant la mesure de la teneur en eau du sol
par des capteurs capacitifs. Les capteurs utilisés sont les EC5 et 5TE (Meter Group).
Plusieurs études ont évalué ces deux types de capteurs, mais pas pour les sols urbains
ayant des caractéristiques spécifiques. En outre, les résultats de la littérature sont
divergents et les données de calibrage publiées sont limitées. Par conséquent, une
étude approfondie de leur précision est évaluée dans cet article. Premièrement, les
procédures et méthodes existantes dans la littérature ont été examinées. La variabilité
inter-capteurs, ainsi que leur répétabilité, ont été testées dans le sol et les solutions. De
plus, une méthode de calibrage in situ a été réalisée pour estimer les effets de la texture
du sol sur les données des capteurs. Deux méthodes de calibration en laboratoire
correspondant à des procédures différentes ont également été appliquées, comparées
l'une à l'autre et à la calibration in situ.
115
2.2.2 Article variabilité spatiale des propriétés hydrauliques du sol
Article
Horizontal and Vertical Variability of Soil Hydraulic

Properties in Roadside Sustainable Drainage Systems
(SuDS)—Nature and Implications for Hydrological
Performance Evaluation
Tala Kanso 1, 2,*, Damien Tedoldi 1, Marie-Christine Gromaire 1, David Ramier 3, Mohamed Saad 1
and Ghassan Chebbo 1,2
1 LEESU, UMR MA 102, École des Ponts ParisTech, AgroParisTech, UPEC, UPE, Champs-sur-Marne,
6-8 avenue Blaise Pascal, Cité Descartes, 77455 Marne-la-Vallée CEDEX 2, France; damien.tedoldi@enpc.fr
(D.T.); marie-christine.gromaire@enpc.fr (M.-C.G.); mohamed.saad@enpc.fr (M.S.); ghassan.chebbo@enpc.fr
(G.C.)
2 Faculty of Engineering, Third Branch, Lebanese University, 1003 Hadath, Beirut, Lebanon
3 Cerema, DTer Ile-de-France, 12 rue Teisserenc de Bort, 78190 Trappes, France; david.ramier@cerema.fr
* Correspondence: tala.kanso@enpc.fr; Tel.: +33-(0)-164-153-635
Received: 6 June 2018; Accepted: 23 July 2018; Published: date
Abstract: Sustainable drainage systems (SuDS) have become a promising solution for increasing
imperviousness by reducing water runoff volumes and flow rates, and improving water quality.
However, the efficiency of these systems is dependent on soil hydraulic and physical properties, which
in turn are spatially variable; however, this variability has been sparsely documented for urban areas,
especially for road-side SuDS. In this study, the spatial variability of soil hydraulic properties, along
with the uncertainty of these properties due to estimation methods, were investigated for three
roadside SuDS in France (Paris region). Estimation methods were based on both in-situ infiltration
tests and pedotransfer functions (PTFs). Results show high spatial variability in saturated hydraulic
conductivity Ks (up to 160% coefficient of variation), which is dominant relative to uncertainties in
PTFs predictions and those induced by experimental errors. Many specific factors might be responsible
for this variability, especially in the urban context, such as construction techniques, CaCO 3
precipitation, and vegetation development. In order to evaluate the effects of this variability on
hydrological performance, a hydrological model of a bioretention cell was tested. Simulations revealed
that peak flows and volumes are highly affected by the spatial variability of soil hydraulic properties;
notably, vertical variability increases the overflow by 50%. The number of infiltration measurements
required to evaluate a representative average K s with an uncertainty of a factor of two or less was
found to be four/eight, depending on the studied site. This study provides considerable insight into
the spatial variability of soil hydraulic properties and its implications for hydrological performance of
roadside SuDS, as it is based on a sound understanding of both theory and practice.
Keywords: infiltration measurements; pedotransfer functions; saturated hydraulic conductivity; soil

hydraulic properties; spatial variability; sustainable drainage systems; road runoff
1. Introduction
116
Increased impervious surfaces, due to urban development, have a negative impact on the
hydrologic and water quality characteristics of stormwater runoff [1]. In order to mitigate effects arising
from the generation of runoff and associated pollutant loads [2], sustainable urban drainage systems
(SuDS) are widely implemented for stormwater management. SuDS aim to shift the water cycle back to
its natural state [3] by reducing runoff volumes, attenuating peak flows, and improving water quality,
through various processes including infiltration and evapotranspiration. These practices include filter
strips, grassed swales, bioretention facilities, green roofs, permeable pavements, and water treatment
trains. Filter strips are longitudinal, permeable and grassed surfaces which are perpendicular to the
direction of the runoff; swales are shallow vegetated ditches; and bioretention facilities consist of a filter
media with a vegetation cover [4]. These three systems are commonly used alongside streets and
highways [5–7].
Analysis of the physical and hydraulic properties of the soil are both fundamental for the
assessment of SuDS hydrological performance [8]; this emphasizes the importance of getting a reliable
estimation of these parameters. Physical properties (texture, bulk density, porosity, structure, etc.) can
be easily determined, but hydraulic properties such as the water retention and permeability curves, or
even the saturated hydraulic conductivity Ks, are more complex to evaluate. They can be predicted from
the soil physical properties via pedotransfer functions (PTFs), derived from laboratory experiments, or
measured in the field [9,10]. Although field techniques are more difficult to implement, they are often
considered more accurate than other methods, because soil hydraulic properties are generally site-
specific [11,12].
Studies have shown that physical and hydraulic properties may be extremely variable in space,
even at the scale of a single bio-retention swale or vegetated filter strip [13,14]. While the spatial
variability of soil hydraulic properties has been widely addressed in the literature for agricultural fields
and at large scales [15–18], only a few studies have focused on this variability in urban environments.
Moreover, roadside SuDS [13], which imply additional sources of variability such as construction
practices, maintenance techniques, and vegetative cover [19], suffer from a notable lack of
documentation.
The fact that hydraulic properties are key features for describing water fluxes and solute transport
within the soil [20] brings about several questions: what are the factors controlling the spatial variability
of these parameters in roadside SuDS? How accurate are pedotransfer functions in predicting these
parameters? Is the spatial variability dominant relative to the other sources of uncertainties? How many
measurements are required to get closer to the average value of Ks obtained by a large number of
measurements? To what extent could a limited number of measurements, pedotransfer function
predicted values, and the intrinsic spatial variability affect the predictions of the hydrological processes
at the scale of an infiltration system?
Accordingly, the objectives of the present work are (i) to assess the horizontal and vertical
variability of soil hydraulic properties in roadside SuDS; (ii) to investigate the causes of this variability,
based on visual inspection and measurements; (iii) to quantify potential errors resulting from the
estimation methods; and (iv) to gain insight into its operational and scientific consequences. For this
purpose, a series of infiltration measurements were carried out at three study sites in the Paris region
(France). This step was followed by a statistical analysis to appraise the uncertainties. Lastly, the impact
of this spatial variability on the predicted hydrological processes (i.e., dynamics and volumes) by a
hydrological model was evaluated.
2. Material and Methods
2.1. Study Sites

Three roadside SuDS in the Paris region (France) were chosen as the study sites. Sites A and B
correspond to bioretention swales (Figure 1a,b) constructed in 2016 and 2006 respectively, whereas site
C (Figure 1c) is a vegetated filter strip built in 2012. These types of SuDS are commonly used for road
runoff management. Sites A and C are situated alongside a highway with high traffic; site B adjoins a
117
T-junction in an industrial catchment. Site A is formed of a 48-cm-thick layer of filter media (40% v/v of
natural soil mixed with 60% v/v of lime sand), drained at the bottom, and lined with an impervious
geomembrane. Site C is composed of the same media, over a depth of approximately 20 cm, below
which a drainage mat was placed. Site B was excavated to a depth of 60 to 70 cm and backfilled with a
40 cm × 40 cm gravel drainage trench around the tree pits, covered with topsoil taken from another site.
Vegetation differs from one site to another: site A was planted with sedges; site B with grass, trees, and
clumps; in site C, dense grass covers the whole filter strip. The dimensions of the devices are respectively
32, 20, and 50 m in length, and 0.7, 2, and 1.7 m in width.
The particle size distribution (PSD) was determined from a composite surface sample for each site
(0–10 cm) with the sedimentation-Pipette method (NFX31-107). The coarse and fine sand fractions were
separated via sieving at 0.2 mm and 50 µm, and the finest particles (clay and silt) were determined with
a Robinson pipette. PSD results and associated textural classes are given in Table 1. For site A, the
particle size distribution was also established for a composite soil sample collected at a depth of 20-cm.
(a) (b) (c)
Figure 1. Study sites: (a) Site A; (b) Site B; (c) Site C.
Table 1. Particle size distribution and soil texture class of each site (results are given in % w/w).
Site A Site A
Site B Site C
(Surface) (20 cm)
Clay (<2 μm) 9.7 10.5 14.8 11.1
Fine silt (2–20 μm) 9.0 8.8 18.2 9.6
Coarse silt (20–50 μm) 9.2 11.1 21.9 18.6
Fine sand (50–200 μm) 15.4 18.2 17.6 13.5
Coarse sand (200–2000 μm) 56.7 51.4 27.5 47.2
Soil texture class (USDA) Sandy Loam Sandy Loam Loam Sandy Loam
2.2. Soil Hydraulic Properties

Water flow in the vadose zone is highly influenced by soil hydraulic properties such as water
retention curve θ(h) and hydraulic conductivity function K(h), which can be described by various
models. Among these, the van Genuchten model (Equations (1) and (2)), as well as the Brooks and Corey
model (Equation (3)), are commonly used [21–23].
(θs − θr )
θ(h) = θr + m
h n (1)
[1 + | | ]
hg
118
2
1⁄m m
θ(h) − θr 1/2 θ(h) − θr
K(h) = K s ( ) [1 − (1 − ( ) ) ] (2)
θs − θr θs − θr
μ
θ(h) − θr
K(h) = K s ( ) (3)
θs − θr
where h (cm) is the pore water suction, θ(h) is the volumetric water content at the suction h, θ r, and θs
[cm3·cm−3] are respectively the residual and saturated volumetric water contents; K(h) is the hydraulic
conductivity at the suction h, and Ks [m·s−1] is the saturated hydraulic conductivity; n, m and μ are shape
parameters; m can be calculated either as m = 1 − 1/n (Mualem’s condition [22]), or m = 1 − 2/n
(Burdine’s condition [24]), and μ = 3 + 2/(n − 2) [24]; hg [cm] is a scale parameter which corresponds
approximately to the air entry bubbling pressure [25].
Among the indirect estimation methods of these parameters (θr, θs, Ks, hg, n), several pedotransfer
functions may be found in the literature [26], such as the “Rosetta” software, based on the hierarchical
relationships proposed by Schaap et al. [27]. Rosetta offers different options for the estimation of
hydraulic soil properties, based on different levels of input data with increasing precision (1 = soil
textural class only, 2 = soil texture, 3 = 2 + bulk density, 4 = 3 + one or two point(s) of the water retention
curve corresponding to the field capacity and .the wilting point) to predict the parameters of the van
Genuchten-Mualem equations (Equations (1) and (2)). However, given the fact that soil hydraulic
properties are affected by site-specific conditions like soil structure, macropores, and preferential flow
paths [28], the applicability of pedotransfer functions which are based on a finite sample set may be
limited. This is why field measurements are often recommended for more reliable and representative
values.
2.3. Infiltration Tests
2.3.1. Type and Number of Infiltration Measurements

Site A underwent a complete characterization, focusing on both the horizontal and vertical
variability of soil hydraulic properties, whereas the other two sites were investigated at the surface. For
that purpose, two infiltration methods were used. The first is the Beerkan method [29] which consists
of an in situ single ring infiltration test at the soil surface; the post-processing, usually referred to as the
“BEST” algorithm, allows the soil hydraulic properties to be estimated (Equation (1) with Burdine’s
condition and Equation (3)). The Beerkan method allows for measurements at the soil surface, without
disturbing the soil. However, it is difficult to implement this method at a depth of 20 cm without
excavating large volumes of soil and disrupting the bioretention system. A method that was less
intrusive but with similar soil measurement volume had to be found. Thus, the determination of Ks in
the sub-surface was performed with the mean of the Guelph permeameter [30].
Horizontal variability was assessed through a series of Beerkan infiltration experiments carried out
at the surface of the three study sites, at equidistant locations, along a transect parallel to the road. The
number of measurements at the surface of sites A, B, and C were 9, 10, and 9, respectively, which
correspond to one measurement per 3.5, 2, and 6 m. For such infiltration systems, Ahmad et al. [13] and
Cannavo et al. [31] have conducted one measurement per 14 m and 17.5 m, respectively, to balance
effort (time and manpower) and accuracy. However, a higher density of infiltration measurements was
retained in this study so as to evaluate spatial variability at a smaller scale. On site A, vertical variability
was also evaluated, with 6 measurements carried out at a depth of 20 cm in the filter media, at 6 out of
the 9 surface measurement locations.
2.3.2. Beerkan Infiltration Test and BEST Algorithm
“Beerkan” In-Situ Infiltration Test
119
This method was adopted because it is simple, cost-effective, and easy, requiring a small volume
of water and a short time; also, it does not disturb the soil surface. A cylinder was inserted to a depth of
1 cm into the soil. A given volume of water was applied repeatedly (100 or 50 mL in our case, depending
on the site soil permeability), and the infiltration time of this volume was measured, until an apparent
steady-state infiltration regime was reached, i.e., when three consecutive infiltration times were
approximately identical. This step provided the cumulative infiltration curve of the soil. Given that the
infiltration model in BEST algorithm [32] assumes a semi-infinite medium, the infiltration bulb should
not reach lower boundary conditions before a steady state infiltration regime is reached. The dimension
of the infiltration bulb depends on cylinder diameter [33], which should, therefore, be selected according
to the depth of the filter media. In our case, two cylinders having a diameter of 50- and 97-mm were
used respectively for site C and for sites A and B. Additionally, two 100 cm 3 undisturbed soil samples
were collected at each measurement point with soil sample rings; the first served to determine the soil
bulk density and the initial volumetric water content (θ 0), and the other (taken at the end of the
experiment) to estimate the saturated volumetric water content (θs) through a gravimetric method [34].
“BEST” Algorithm
In order to estimate the parameters of the water retention curve and hydraulic conductivity
function, the “BEST” algorithm [32] was used. This algorithm relies on the inverse analysis of particle
size distribution and the cumulative infiltration curve obtained by the Beerkan method described above,
and assumes that θr = 0. Hydraulic shape parameters (n, m, and μ) derive from the analysis of both soil
porosity and particle size distribution [32], while the scale parameters hg and Ks are estimated from the
inverse analysis of cumulative infiltration using the two-term equations developed by Haverkamp et
al. [35]. Three algorithms can be used, referred to as “BEST-Slope”, “BEST-Intercept”, and “BEST-
Steady” [36,37] which are different in defining the mathematical constraint between the sorptivity—
capacity of the soil to absorb water by capillarity [38]—and the saturated hydraulic conductivity. The
“BEST-Steady” was retained for the present analysis because it was proven to be a robust algorithm
which always provides a proper estimate of Ks when the steady state infiltration regime could be
reached [39].
BEST-Steady relies on the analytical expression of the slope (q +∞) and the intercept (b+∞) of the
steady-state model (Equation (4)) fitted to the I(t) data at steady state conditions.
S2
I(t)Steady−state = [K s + AS 2 ] t + C (4)
Ks
where I(t) is the cumulative infiltration at time t, S is the sorptivity, and A and C are constants of the
cumulative infiltration model. The constraints between Ks and S are then defined based on the slope
(Equation (5)) and intercept (Equation (6)) as follow:
K s = q +∞ − AS 2 (5)
S2
Ks = C (6)
b+∞
Combining the latter two equations, S can be calculated as (Equation (7)):
q +∞
S=
√ C (7)
A+
b+∞
Then Ks can be derived using either Equation (5) or (6).
2.3.3. Guelph Permeameter

In order to assess the vertical variability of the saturated hydraulic conductivity Ks, measurements
were conducted at a depth of 20 cm using a Guelph permeameter. This method consists of measuring
the steady-state infiltration rate in a small hole having a diameter-height of 6–20 cm, where a constant
120
depth of water H is maintained [40]. The calculation method to evaluate Ks is fully described by
Reynolds and Elrick [30], and the basic equation is given below (Equation (8)). At each measurement
point, two ponding-depths H1 (5 cm) and H2 (10 cm) were established subsequently, for which two
steady state infiltration rates, Q1 and Q2 respectively, were measured. Then, the two Ks values calculated
using the single-height approach [41] were averaged.
CQ
Ks = (8)
2πH 2 + πa2 C + 2πH⁄α∗
where Q is the steady-state infiltration rate, H is the ponding depth, a is the well radius, C is a
dimensionless shape factor that depends on H/a ratio, and α* is the ratio of gravity to capillarity forces
[42].
2.4. Data Analysis

At first, the spatial variability of the measured data was quantified in terms of standard deviation
and coefficient of variation. The uncertainties of the measurements obtained by the BEST algorithm, to
experimental errors, were also assessed. Subsequently, Rosetta predictions for each site were compared
to the measured values.
Lastly, the measured data of each site were tested for their statistical distribution. In previous
experimental assessments, a log-normal distribution was often found to satisfactorily fit the collected
data of saturated hydraulic conductivity [43,44]. Accordingly, the normality of ln(Ks) was tested by the
means of Lilliefors test [45]. The null hypothesis of this test is that the data comes from a normal
distribution. Results indicate the acceptance of the null hypothesis at a 5% significance level for the three
sites. Thus, the Ks values of the sites A, B and C were fitted to a log-normal distribution. Fitting
parameters obtained by the maximum likelihood estimation method are given in Figure A1, Appendix B.
2.5. Effect of Ks Variability on Hydrological Performance Modelling

The final aim of this study was to evaluate the effects of the spatial variability of soil hydraulic
properties on the SuDS hydrologic modeling. This modelling approach may be useful to anticipate
SuDS performance in the pre-construction phase, but also to verify their conformity with the
preliminary design in the post-construction phase. As for the latter, the inherent spatial variability of
soil hydraulic properties should be taken into consideration.
In order to study how the mean of Ks varies as a function of the number of measurements, an
analysis was performed on the three sites. For each number of measurements N from 1 to 20, 1000
subsamples of size N were randomly sampled from the fitted log-normal distribution. Subsequently,
the arithmetic mean of each subsample was computed, and the quantiles Q0.1 and Q0.9 of the latter 1000
means were determined. These quantiles were then normalized by the mean 𝑚 of the population. It
should be noted that the mean 𝑚 of the population is calculated via the adjusted distribution for each
site.
Additionally, a physically-based, one-dimensional model of a bioretention cell was conducted
(Richard’s equation with the van Genuchten-Mualem relationships) to appraise the effects of various
averaging methods of Ks, which account (or not) for its horizontal and/or vertical variability on the
hydrological processes (focusing both on dynamical and cumulative aspects of the water balance).
Thus, multiple modelling approaches were tested, considering a theoretical device with
comparable characteristics to those of site A (48 cm of sandy loam filter media, drained at the bottom,
catchment/infiltration area ratio equal to 18, and pavement runoff coefficient of 0.9); water ponding at
the surface of the cell is allowed over 17 cm.
The methodology consists of comparing the model outputs when only the surface Ks variability is
considered on the one hand, and when the vertical variability is included on the other. In the first case,
the considered Ks values are: (1) the mean m of the surface measurements; (2) the Rosetta predicted
value; and lastly (3) the calculated quantiles Q0.1 and Q0.9 for a chosen N number of measurements. The
vertical variability is accounted for with two additional approaches; firstly, a two-layered structure with
121
different Ks, i.e., equal to the arithmetic mean of the total number of measurements at each layer; and
secondly, a homogenous domain whose Ks is calculated as the harmonic mean of each layer’s K s
(Equation (9)), as suggested by Freeze and Cherry [46].
d
Ks =
di (9)
∑ni=1
K si
where d is the total vertical thickness of all horizons, 𝑑𝑖 the thickness of each individual layer, K si the
saturated hydraulic conductivity of the media in the individual layer, and n the total number of layers.
Simulations were run with the HYDRUS-1D software [47]. A 30-day series of rainfall and
meteorological data including temperature, humidity, wind speed, and sunshine hours, recorded in
the Paris region were used to compute the upper boundary condition. A water ponding depth was
fixed at the surface, the excess water being considered as surface runoff (overflow). The lower
boundary condition was chosen as a constant water content equal to the saturated water content of the
soil. The parameters of the van Genuchten-Mualem relationships (Table A2, Appendix C) were
predicted with Rosetta PTFs based on the measured texture and bulk density, except for the K s value,
which depended on the modelling option.
3. Results and Discussion
3.1. Horizontal and Vertical Variability of Soil Characteristics

The values of θs, 𝜌, and Ks measured at each point of the four sites are provided as Supplementary
data (Appendix A); further developments are based on standard statistics (Table 2). Figure 2 illustrates
the variability of these three parameters for the three sites. A comparison between the measurements
and “typical” literature values (based on the texture class) of these soil properties is also presented.
Literature data originate from more than 30 states in the USA [48]. The factors at the origin of the intra-
site variability were discussed in this section, based on visual inspections as well as measurements.
Figure 2. Scatter plot of saturated hydraulic conductivity Ks (m·s−1), bulk density 𝜌 (g∙cm−3), and saturated
water content θs (%). The Ks literature value corresponds to the data mean value, while the two values
for 𝜌 and θs correspond to ±standard deviation about the mean.
Although sites A and C have similar textures (sandy loam), they display quite different saturated
water content and bulk densities (Table 2). The values measured in site A are quite unusual in
comparison with literature values, which may be the consequence of (i) a high compaction of the media
during the construction of the swale; and (ii) the fact that the device is relatively recent—thus
minimizing the long-term effects of vegetation growth and biological activity. Interestingly, both sites
122
have very similar hydraulic conductivities at the surface: the arithmetic mean value of Ks in sites A and
C is 5.8 × 10−6 and 4.8 × 10−6 m·s−1, respectively, which is also consistent with literature data. Site B, which
is formed of a loamy soil, has a lower density, and higher saturated water content and hydraulic
conductivity than the two former sites. The mean Ks value is 2.1 × 10−5 m·s−1, while “typical” values are
one order of magnitude lower. This difference may be attributed to the types of vegetation present (trees
and clumps) and their growth (10 years), so that the development of roots and biological activity may
create macropores [49], which tend to increase the saturated hydraulic conductivity. The two latter
examples suggest that soil texture may be an insufficient for a reliable estimation of soil hydraulic
properties, since other factors such as construction technique, vegetation cover, and biological activity
constitute additional sources of variability. To confirm these hypotheses, it would be of interest to
undertake studies comparing sites with the same characteristics and their evolution over time.
Whatever the site, the soil saturated water content and bulk density did not display high
variability: the associated coefficients of variation (CV) were lower than 22 and 10%, respectively. These
results are in accordance with the previous findings of Nielsen et al. [50]. However, the variability
associated to the Ks parameter (at the surface) was found to be much higher, with a coefficient of
variation ranging from 64% in site C to 134% in site A. In the latter case, there was visual evidence of an
uneven distribution of the vegetation, which explain this higher variability [51]. The present results
should be put into perspective with the findings of Mulla et al. and Vauclin et al. [52,53] who reported
a coefficient of variation ranging from 48 to 352% for K s; additionally Warrick [54] pointed out low
variability of the bulk density and saturated water content (<15%) and high variability of saturated
hydraulic conductivity (>50%).
With regards to the variation of the Ks parameter at the surface, it should be noted that no spatial
trend was visible with respect to the longitudinal location within the swales or the filter strip.
Contrariwise, the measurements at a depth of 20 cm were more than one order of magnitude lower than
at the surface (Table 2), evidencing a vertical variability of K s; this difference could be induced by the
different infiltration test methods (Beerkan at the surface, Guelph at 20 cm). While Guelph was found
to produce lower Ks measurements than other infiltration tests that explore a larger soil volume [55,56],
no comparison was found in the literature to the Beerkan test, which explores a similar soil volume. The
lower infiltration rates at 20 cm are consistent with other field observations. Firstly, a difference of
compaction between the two layers was noted, as shown by the vertical increase in bulk density (from
1.70 to 1.94 g·cm−3) with depth. As for this cause, Pitt et al. [57] have demonstrated that the saturated
hydraulic conductivity of soil is highly affected by the degree of compaction. In the latter study, a sandy
loam soil with a bulk density of 2 g·cm−3 was found to have a saturated hydraulic conductivity of 8 ×
10−8 m·s−1. The construction techniques may induce this level of compaction since for site A, the filter
media was placed on a smooth geomembrane. Actually, a smooth underlying layer causes a significant
decrease in saturated water content, as tested by Brown and Hunt [58]. In addition, the filter media was
implemented in wet conditions, which may also have a strong impact on the degree of compaction, and
subsequently, on the steady-state infiltration rate of the soil.
In order to further investigate the factors which may cause this significant decrease in K s with
increasing depth, 3 soil samples were composited from 6 subsamples collected respectively at the
surface, 20 cm, and 30 cm depth in the bioretention swale; these samples were then analyzed for both
their particle size distribution and their total calcium carbonate content. The results revealed no
significant difference in particle size distribution with depth, negating the hypothesis of downward
migration of fine particles. Conversely, the CaCO3 increased with increasing depth, from 214 g/kg at the
surface to 252 and 265 g/kg at 20 and 30 cm, respectively. As the sand used in the filter media mixture
is basically calcareous, the decrease in saturated hydraulic conductivity and the increase in the bulk
density might be due to CaCO3 precipitation that “plugs” soil pores [59].
123
Table 2. Statistics of the measured saturated water content θs, bulk density ρ, and saturated hydraulic
conductivity Ks for the three sites.
n Min Max Median SD CV [%] Arithmetic Mean

θs [%] 9 18.2 27.8 24.2 3.5 15 23.6
Site A
ρ [g∙cm−3] 9 1.37 1.83 1.72 0.13 8 1.70
Surface
Ks [m·s−1] 9 4.8 × 10−7 2.6 × 10−5 2.9 × 10−6 7.9 × 10−6 134 5.8 × 10−6
Site A ρ [g∙cm−3] 3 1.74 2.10 2.00 0.19 10 1.94
(20 cm) Ks [m·s−1] 6 1.5 × 10−8 1.2 × 10−6 5.3 × 10−8 4.7 × 10−7 163 2.9 × 10−7
θs [%] 10 39 50 44 4.2 10 43.6
Site B ρ [g∙cm−3] 10 1.04 1.42 1.20 0.10 9 1.22
Ks [m·s−1] 10 4.4 × 10−6 4.9 × 10−5 1.9 × 10−5 1.5 × 10−5 70 2.1 × 10−5
θs [%] 9 24.3 50 35.8 7.8 22 35.7
Site C ρ [g∙cm−3] 9 1.38 1.72 1.57 0.15 10 1.54
Ks [m·s−1] 9 1.1 × 10−6 1.1 × 10−5 3.8 × 10−6 3 × 10−6 64 4.8 × 10−6
3.2. Measurement Uncertainties

The spatial variability of the saturated hydraulic conductivity at the surface should be compared
with potential errors in the experimental measurements, which might also induce biases in the values
determined by the “BEST” algorithm. Sensitivity analyses of the algorithm to experimental conditions
have been the subject of multiple previous studies. One of these is Di Prima et al. [39], who stated that
the BEST method leads to a good estimation when the prescribed conditions are respected (e.g., the
attainment of the steady state). This section is dedicated to assessing the sensitivity of this algorithm to
its input data (i.e., the initial water content θ 0, bulk density ρ, and particle size distribution) when the
experimental conditions are respected, but considering the possible occurrence of experimental errors.
For example, a wrong estimation of θ0 and ρ may be the consequence of a non-complete cylinder taken
at the beginning of the test. Additionally, these two parameters might show “local” variability, i.e., at a
very small scale, inducing differences between the point where infiltration was conducted and the
adjacent point where the cylinder was taken. This spatial variability was quantified during this study
by collecting 5 samples at a small scale. It was found to be equal to ±0.05 cm 3∙cm−3 and ±0.1 g∙cm−3 for θ0
and ρ, respectively. Assuming that the soil texture does not vary at this scale and that the cumulated
infiltration curve (Figure 3) was assessed precisely, the two remaining sources of experimental errors
are θ0 and ρ, the effects of which will be discussed in the following developments.
Figure 4 presents the sensitivity of the estimated hydraulic conductivity to θ 0 and ρ for four tests
(carried out in sites A, B, and C) with different initial conditions. Tests B3 and C1 were conducted in a
soil with relatively low bulk density (1.28 and 1.38 g·cm−3, respectively), at different initial water contents
(19 and 28.5% respectively), while for the other two tests, A6 and C6, the bulk density was higher (1.72 and
1.70 g·cm−3, respectively) and the initial water content was equal to 8.1 and 27.3% respectively.
Figure 3. Example of the cumulative infiltration curve I(t) from site A. The slope and intercept of the
steady state model are also represented.
124
Figure 4. Ks sensitivity to θ0 and ρ in four typical examples from sites A, B, and C. The corresponding
results of each individual measurement can be found in Table A1 (Appendix A).
It should be kept in mind that Figure 4 does not represent the dependency of K s upon the soil
parameters, but the dependency of the estimation method (i.e., the “BEST-steady” algorithm) on its
measured input data. Hence, for a given infiltration curve, the predicted K s decreases with increasing
θ0 and ρ. Results show that for the four measurement points, the error in the predicted hydraulic
conductivity due to a ±0.05 cm3∙cm−3 variation in θ0 is larger than the error induced by ±0.1 g∙cm−3
variation in ρ. For example, for point B3, these errors represent 13% and 9.5% of the K s measurement
value, respectively. For tests A6 and B3, an error of ±0.05 cm3∙cm−3 in the initial water content causes an
error of 12 and 13% of the Ks measurement values, respectively. With regards to the points C1 and C6,
which display the highest bulk densities and the lowest hydraulic conductivities among these four
examples, the potential bias induced by a ±0.05 cm3∙cm−3 error in the initial water content corresponds
respectively to 23% and 32% of the calculated Ks value.
Therefore, the “BEST-Steady” algorithm appears to be a precise and robust tool to predict the soil’s
saturated hydraulic conductivity; yet, it is more sensitive to experimental errors if the soil is initially
near saturation, especially for high bulk density soils. In all cases, the potential error related to a wrong
but probable measurement of θ0 or ρ is lower than the coefficient of variation of Ks within each site.
3.3. The Accuracy of the Pedotransfer Functions

In order to emphasize potential differences between the estimation methods of the curves K(h) and
θ(h), three characteristic points of these relationships were evaluated—describing the state of soil under
saturated conditions, the field capacity (h = 2.5 pF), and wilting point (h = 4 pF) [60]—after assessing the
soil hydraulic parameters of the four sites via Rosetta and the “BEST” algorithm, respectively. Three
pedotransfer functions were tested, which used different input data: (i) textural class; (ii) particle size
analysis; and (iii) particle size analysis and average bulk density measured in the field. The results are
shown in Table 3.
Regarding the saturated hydraulic conductivity in sites A and C, the maximum difference between
Rosetta estimation and “BEST” prediction is 3.0 × 10 −6 and 1.5 × 10−6 m·s−1, respectively, which falls within
the measured spatial variability of this parameter in these two devices, but is higher than the
experimental bias evaluated in Section 3.2. In site B, where pedotransfer functions underestimate K s, the
maximum difference is 1.9 × 10−5 m·s−1, while the standard deviation of the measurements is 1.5 × 10 −5
m·s−1. In this site, the development of vegetation roots over time may have caused modifications in the
125
soil structure that were not taken into consideration in the PTFs functions [61]. Yet, it appears that the
accuracy of Rosetta predictions does not necessarily increase with increasing precision of the input data
(e.g., in site A, the mean Ks is better predicted without adding the bulk density, and in site C, it is better
predicted with the textural class only). Following a similar approach (based on laboratory
measurements of Ks on undisturbed soil samples from an agricultural field), [62] came to the same
conclusion—as long as the 4th hierarchical level of input data (i.e., including textural class, soil texture,
bulk density and the water content at field capacity) was not reached.
Table 3. Comparison between Rosetta estimations and experimental measurements of the curves K (h)
and θ (h) (mean (standard deviation) of all the measurements carried out in each site).
Permeability Curve K(h) (m·s−1) Retention Curve θ(h) (%)

θ (2.5 pF) θ (4 pF)
Ks K (2.5 pF) K (4 pF) θs
θ/θs (%) θ/θs (%)
14.7 3.2
Rosetta (Textural class) 4.4 × 10−6 5.1 × 10−10 1.1 × 10−14 38.7
38 8
12.7 2.7
Rosetta (%Sand, Silt, Clay) 5.8 × 10−6 2.6 × 10−10 5.7 × 10−15 38.4
Site A
33 7
11.2 2.8
Rosetta (%Sand, Silt, Clay + ρ) 2.9 × 10−6 8.0 × 10−11 2.5 × 10−15 33.0
34 8
5.9 × 10−6 3.4 × 10−10 3.0 × 10−14 9.6 (1.9) 4.2 (0.9)
Mean BEST values 23.5 (3.5)
(7.9 × 10−6) (5.8 × 10−10) (5.1 × 10−14) 40 18
21.0 4.3
53 10
20.7 4.0
Rosetta (%Sand, Silt, Clay) 1.7 × 10−6 3.0 × 10−9 5.3 × 10−14 39.6
Site B
52 10
22.7 3.6
53 8
2.1 × 10−5 4.0 × 10−9 4.6 × 10−13 20.4 (2.8) 9.9 (1.4)
(1.5 × 10−5) (7.1 × 10−9) (8.0 × 10−13) 47 23
14.7 3.2
38 8
4.2
Rosetta (%Sand, Silt, Clay) 3.9 × 10−6 5.7 × 10−10 1.9 × 10−14 38.7 16.543
Site C
10
14.8 3.6
40 10
4.8 × 10−6 5.9 × 10−10 5.5 × 10−14 16.0 (4.4) 7.3 (2.0)
(3.0 × 10−6) (9.4 × 10−10) (8.8 × 10−14) 45 20
The preceding remarks also apply to the hydraulic conductivity at field capacity and wilting point
K (2.5 pF) and K (4 pF): Rosetta predictions fall within the spatial variability for sites A, B, and C.
As for the retention curve, pedotransfer functions appear to be quite accurate in predicting θ s and
θ (2.5 pF) for sites B and C; however, the measured values in site A are significantly lower than the
Rosetta prediction, whatever the input data. This observation is a probable consequence of the
unusually high bulk density in this infiltration system (1.7–1.9 g·cm−3), which significantly decreased
the soil’s porosity. In order to further assess the predictive capacity of the Rosetta model, the comparison
was realized based on effective saturation θ/θs (%). The latter measure expresses the shape parameter n
and scale parameter hg of the van Genuchten model. At 2.5 pF, the maximum differences in effective
saturation between Rosetta and BEST for the three sites are equal to 5 to 7%. However, at 4 pF, the two
estimation methods lead to different values and higher differences in effective saturation (11 to 15%),
which may be related to intrinsic differences between the van Genuchten-Mualem and the van
Genuchten with Burdine’s condition models, resulting in non-overlaying curves at high-pressure heads.
Hence, pedotransfer functions globally appear to be relevant tools for estimating K s when the
natural variability of this parameter is not important and the structure of the soil is marginally affected
by either long-term factors such as vegetation growth or short-term conditions as a construction
technique.
126
3.4. Effect of Horizontal and Vertical Variability of Soil Hydraulic Properties on the Hydrological Performance
3.4.1. Number of Infiltration Measurements Needed for a Representative Value of K s

The quantiles Q0.1 and Q0.9 normalized by the mean 𝑚 of the population are plotted as a function of
the sample size for the three sites A, B, and C in Figure 5. These quantiles constitute an empirical 80%
confidence interval which represents the uncertainty in the estimation of Ks mean value from N
measurements.
This uncertainty on the evaluation of Ks arithmetic mean decreases with an increasing number of
measurements. For example, considering a small number of measurements N = 2, it is equal to a factor
of 2–3. Yet, with a larger number of measurement N = 8, this uncertainty decreases to a factor <2, for all
three sites. Additionally, the quantiles intervals show an asymptotic behavior, starting from a certain
number of measurements. Thus, an increase in infiltration measurements beyond this certain number
does not necessarily yield a better evaluation of Ks.
Actually, site A presents a high dispersion of the measured values; as a reminder, the coefficient of
variation of Ks was 134%, while this variation was <70% for sites B and C. Hence the uncertainty on Ks
mean associated with N measurements for the latter two sites is lower than for site A. This variation
from one site to another is due to the dispersion parameters of the log-normal distribution that derive
directly from spatial variability of Ks within each site.
Therefore, the number of infiltration measurements depends on two factors: the required level of
uncertainty on Ks evaluation and the studied site. For an uncertainty of a factor of two or less, which is
operationally acceptable, this number is equal to 4 (resp. 8) measurements for sites B and C (resp. site
A). This brings into question the consequence of this level of uncertainty on the hydrological modelling
of SuDS.
Figure 5. The quantiles Q0.1 and Q0.9 of Ks arithmetic mean as a function of a number of measurements
for sites A, B, and C (normalized by the mean m of the population).
3.4.2. Effect of the Horizontal and Vertical Variability of Soil Hydraulic Properties on the Hydrological
Modelling
Modelling results including drained fluxes and cumulated drained/runoff volumes are shown in
Figure 6. The considered Ks values in the different scenarios are equal to (1) the mean m of the surface
measurements (6.1 × 10−6 m∙s−1); (2) the Rosetta predicted value based on the particle size distribution
(5.8 × 10−6 m∙s−1); and lastly (3) the quantiles calculated in Section 3.4.1 (Q 0.1 (3 × 10−6 m∙s−1) and Q0.9 (1 ×
10−5 m∙s−1) for N = 8, corresponding to an uncertainty of a factor of two for site A). With regards to the
vertical variability, the average Ks value at 20 cm and the harmonic mean are equal to 2.9 × 10 −7 m∙s−1
and 4.8 × 10−7 m∙s−1, respectively.
127
Regarding simulations considering only the surface measurements, results show a variation in
dynamic fluxes when Ks values vary. The peaks and troughs corresponding to the mean of the
population and Rosetta prediction (referred to as Mean 1 L and Rosetta 1 L, respectively) are very
similar: their peaks are around 400 L∙h−1. However, these peaks decrease (resp. increase) by a factor of 2
when Ks value is equal to the quantile Q0.1 (resp. Q0.9). Although an increase in Ks value by a factor of 1.6
results in a notable increase in peak fluxes, it does not necessarily induce a remarkable increase in the
cumulated drained volume, which amounts to ∼4 × 104 L at the end of the simulation period for the
mean, Rosetta, and Q0.9. In contrast, a decrease in Ks value as for Q0.1 has an impact on the cumulated
drained volume, since it allows more water accumulation on the surface, leading to the generation of
runoff (overflow) when the depth of water exceeds the available ponding depth. Therefore, a threshold
is observed in the impact of Ks on the outputs, corresponding to the moment where the surface water
exceeds the available ponding-depth.
Figure 6. Simulation results: drained flux (L∙h−1) and cumulated drained/runoff volumes (L) over one
month period.
Regarding the vertical variability, the outputs of a two-layered system with an attributed Ks for
each layer is referred to as Mean 2 L, while the homogeneous layer with a harmonic mean Ks is referred
to as Harmonic mean 1 L. At first, the results revealed no significant differences in dynamics and fluxes
between the two-layered model and the homogeneous layer model. However, when comparing, the
latter two approaches that account for vertical variability to the previous approaches that consider only
the surface horizontal variability, large gaps in their outputs are identified. For instance, the inclusion
of vertical variability in the model either by a two-layered or one layer domain sharply reduces the peak
drained flux by a factor of 12. Additionally, the infiltration dynamics are completely smoothed and the
drainage time is no longer comparable. The latter increased from several hours to several days (7 to 10
days) for the Mean 1L and the Mean 2 L/Harmonic mean 1 L, respectively. The vertical variability also
has implications on the water balance. To illustrate this statement, the drained volumes constitute >80%
of the water volumes and the runoff <20% if only the surface measurements are considered, whereas
their relative importance is inverted when the vertical variability is considered (30% and 70%,
respectively).
Therefore, results significantly emphasize the impact of vertical variability on the model outputs.
Neglecting this variability when it exists might introduce discrepancies in the overall simulations
results. The effect of a layer having very low Ks is better accounted for by a harmonic mean of each
layer’s Ks than by a simple arithmetic mean. Thus, a homogenous domain whose Ks is equal to a
128
harmonic mean could replace a two-layered system. Consequently, factors causing this variability, such
as construction techniques inducing high compaction level in addition to the type of sand used in the
media (as discussed in Section 3.1), may cause an important variation in the SuDS’ hydrologic
performance. This prevents the facility from mimicking the pre-development conditions in order to
mitigate peaks inflow without producing overflow.
4. Conclusions
Uncertainty in soil hydraulic properties related to evaluation/measurement method, as well as
intrinsic horizontal and vertical variability, were investigated in this paper for three roadside
sustainable drainage systems (SuDS). Analysis of factors affecting this variability, as well as its effects
on the simulated water dynamics and volumes, was achieved.
The horizontal variability of the saturated hydraulic conductivity was found to be high, with a
coefficient of variation ranging from 60 to 160% within each device, without any visible spatial trend.
Additionally, a notable vertical variability was found in one of the studied sites (the bioretention swale).
Construction techniques (compaction), uneven development of vegetation and biological activity,
operating time, as well as calcium carbonate precipitation, could play an important role on soil
hydraulic properties values and their spatial variability.
Spatial variability of the soil hydraulic properties was found to be dominant relative to the
uncertainties in PTFs predictions and those induced by the experimental errors. The PTFs predict the
water retention and hydraulic conductivity curves with reasonable accuracy for two sites out of three.
The number of infiltration measurements that might be conducted in order to accurately evaluate
the arithmetic mean of Ks with an uncertainty of a factor of two or less and at 80% confidence level was
found to be four/eight, depending on the studied site.
The effect of horizontal and vertical variability of the Ks value on the predicted hydrologic
performance of a bioretention cell was assessed using the HYDRUS-1D software. The results clearly
highlight the significant impact of Ks on the simulated water dynamics, including drained flux and
volume. In addition, the vertical variability was found to be the most impacting relative to the horizontal
variability of Ks and its assessment method. This vertical variability could modify the long-term
hydrologic performance of SuDS and the flow apportionment by decreasing infiltration into the soil and
increasing the overland flow. Consequently, to effectively represent the spatial variability when
modeling an infiltration SuDS, soil measurements should be conducted at the surface, and vertically as
well. A harmonic mean value of each layer’s Ks applied to a homogenous domain could be an alternative
to a two-layered domain with two different Ks.
In this study, the temporal variability of soil hydraulic properties was not investigated. An in-depth
investigation of this variability and its dependency on the climate, maintenance techniques, and other
temporal factors such as biological activity and highway sediment deposition, would also be needed.
Such an investigation would be helpful in the development of hydrological models by promoting the
implementation of time-variable soil hydraulic properties.
Author Contributions: This study was designed by T.K., M.-C.G., D.R. and G.C. The manuscript was prepared by
T.K. and revised by D.T., M.-C.G., D.R. and G.C. M.S. participated in the field infiltration measurements.
Funding: This research was funded by OPUR and ROULEPUR research program ( https://www.leesu.fr/opur/ and
https://www.leesu.fr/Presentation-du-Programme-Roulepur), Ecole des Ponts ParisTech, National Council for
Scientific Research (CNRS-L) and Lebanese University.
Acknowledgments: This study has been conducted within the framework of the OPUR Observatory of Urban
Pollutants in Paris and the ROULEPUR research program. The authors gratefully acknowledge OPUR partners
(AESN, SIAAP, CD92, CD93, CD94, Ville de Paris), ONEMA and the Seine Normandie Water Agency, National
Council for Scientific Research (CNRS-L), Lebanese University, Ecole des Ponts ParisTech for financial support. We
would like also to acknowledge the Seine-et-Marne Departmental Council, for their partnership and technical–
support, Jean-Francois Durmont and Philippe Dubois for helping with field infiltration measurements.
129
Conflicts of Interest: The authors declare no conflict of interest.
Appendix A
Table A1. Soil hydraulic properties at each measurement point and for the four sites A, B, C and D.
Bulk Initial Saturated Saturated

Saturated Water
Density Water Water Content Hydraulic
Content θs
ρ Content θ0 θs Measured Conductivity Ks
Calculated (%)
(g·cm3) (%) (%) (m·s−1)
A1 1.72 16.1 35.3 21.4 1.8 × 10−6
A2 1.37 5.7 48.3 27.8 2.6 × 10−5
A3 1.83 13.2 30.9 26.6 7.7 × 10−6
(Surface)
A4 1.81 10.4 31.9 20.2 3.0 × 10−6

Site A
A5 1.72 11.6 35.3 20.7 2.9 × 10−6

A6 1.72 8.1 35.7 18.2 2.2 × 10−6
A7 1.75 12.4 34.2 27 6.7 × 10−6
A8 1.72 16.3 35.1 24.2 4.8 × 10−7
A9 1.77 8.7 33.2 26 1.8 × 10−6
A2-20 - - - - 6.1 × 10−8
(20 cm depth)
A4-20 2 - - - 3.6 × 10−7

Site A
A5-20 - - - - 4.5 × 10−8

A7-20 2.1 - - - 3.3 × 10−8
A8-20 - - - - 1.5 × 10−8
A9-20 1.74 - - - 1.2 × 10−6
B1 1.21 39 54.3 46 4.0 × 10−5
B2 1.04 14 60.8 50 3.2 × 10−5
B3 1.28 19 51.7 43 4.4 × 10−6
B4 1.24 23 53.2 45 4.9 × 10−5
Site B
B5 1.11 24 58.1 47 2.3 × 10−5

B6 1.16 30 56.2 48 1.0 × 10−5
B7 1.42 31 46.4 39 2.5 × 10−5
B8 1.33 29 49.8 39 1.4 × 10−5
B9 1.18 32 55.5 40 6.9 × 10−6
B10 1.19 26 55.1 39 1.0 × 10−5
C1 1.38 28.5 47.9 41.5 1.5 × 10−6
C2 1.41 26.5 47.0 36.2 7.2 × 10−6
C3 1.72 21.8 35.3 41.4 4.9 × 10−6
C4 1.61 22.0 39.2 24.3 3.6 × 10−6
Site C
C5 1.57 16.8 40.8 31.5 3.8 × 10−6

C6 1.7 27.3 35.8 32.2 1.1 × 10−6
C7 1.71 18.4 35.5 28.2 3.8 × 10−6
C8 1.38 22.2 47.9 35.8 5.9 × 10−6
C9 1.41 27.4 46.8 50 1.1 × 10−5
130
Appendix B
Figure A1. Density histogram and probability density function (PDF) of the log-normal distribution
Lognormal (𝜇, 𝜎) of Ks values for sites A, B and C. With 𝜇 and 𝜎 the mean and standard deviation of the
normal distribution of ln(Ks), and 𝑚 and 𝑣 the mean and the variance of the population.
Appendix C
Table A2. van Genuchten-Mualem input parameters for HYDRUS 1D.
Van Genuchten Parameters θr (cm3·cm−3) θs (cm3·cm−3) 1/hg (cm−1) n

At the surface 0.0395 0.23 0.044 1.4128
At 20 cm depth 0.0354 0.275 0.0552 1.2775
References
1. Coombes, P. J.; Kuczera, G.; Kalma, J. D.; Argue, J. R. An evaluation of the benefits of source control
measures at the regional scale. Urban Water 2002, 4, 307–320, doi:10.1016/S1462-0758(02)00028-6.
2. Liu, A.; Goonetilleke, A.; Egodawatta, P. Taxonomy for rainfall events based on pollutant wash-off
potential in urban areas. Ecol. Eng. 2012, 47, 110–114, doi:10.1016/j.ecoleng.2012.06.008.
3. Davis, A. P. Green Engineering Promote Low-Impact Development. Environ. Sci. Technol. 2005, 39, 338A–
344A
4. Davis, A. P. Field Performance of Bioretention: Hydrology Impacts. J. Hydrol. Eng. 2008, 13, 90–95,
doi:10.1061/(ASCE)1084-0699(2008)13:2(90).
5. Bäckström, M.; Viklander, M.; Malmqvist, P.-A. Transport of stormwater pollutants through a roadside
grassed swale. Urban Water J. 2006, 3, 55–67, doi:10.1080/15730620600855985.
6. Barrett, M. E.; Walsh, P. M.; Jr., J. F. M.; Charbeneau, R. J. Performance of Vegetative Controls for
Treating Highway Runoff. J. Environ. Eng. 1998, 124, 1121–1128, doi:10.1061/(ASCE)0733-
9372(1998)124:11(1121).
7. Deletic, A.; Fletcher, T. D. Performance of grass filters used for stormwater treatment—a field and
modelling study. J. Hydrol. 2006, 317, 261–275, doi:10.1016/j.jhydrol.2005.05.021.
8. Rezaei, M.; Seuntjens, P.; Joris, I.; Boënne, W.; Van Hoey, S.; Campling, P.; Cornelis, W. M. Sensitivity of
water stress in a two-layered sandy grassland soil to variations in groundwater depth and soil hydraulic
parameters. Hydrol. Earth Syst. Sci. Discuss. 2015, 12, 6881–6920, doi:10.5194/hessd-12-6881-2015.
9. Clothier, B. E.; Smettem, K. R. J. Combining laboratory and field measurements to define the hydraulic
properties of soil. Soil Sci. Soc. Am. J. 1990, 54, 299–304.
10. Jhorar, R. K.; Van Dam, J. C.; Bastiaanssen, W. G. M.; Feddes, R. A. Calibration of effective soil hydraulic
parameters of heterogeneous soil profiles. J. Hydrol. 2004, 285, 233–247.
131
11. Angulo-Jaramillo, R.; Vandervaere, J.-P.; Roulier, S.; Thony, J.-L.; Gaudet, J.-P.; Vauclin, M. Field
measurement of soil surface hydraulic properties by disc and ring infiltrometers: A review and recent
developments. Soil Tillage Res. 2000, 55, 1–29, doi:10.1016/S0167-1987(00)00098-2.
12. Reynolds, W. D.; Elrick, D. E.; Youngs, E. G.; Booltink, H. W. G.; Bouma, J.; Dane, J. H. Saturated and
Field-Saturated Water Flow Parameters: Laboratory methods. In Methods of Soil Analysis; Soil Science
Society of America, Madison, WI, USA. 2002; pp. 688–690.
13. Ahmed, F.; Gulliver, J. S.; Nieber, J. L. Field infiltration measurements in grassed roadside drainage
ditches: Spatial and temporal variability. J. Hydrol. 2015, 530, 604–611, doi:10.1016/j.jhydrol.2015.10.012.
14. Weiss, P. T.; Gulliver, J. S. Effective saturated hydraulic conductivity of an infiltration-based stormwater
control measure. J. Sustain. Water Built Environ. 2015, 1, 04015005.
15. Jabro, J. D.; Iversen, W. M.; Stevens, W. B.; Evans, R. G.; Mikha, M. M.; Allen, B. L. Physical and
hydraulic properties of a sandy loam soil under zero, shallow and deep tillage practices. Soil Tillage Res.
2016, 159, 67–72, doi:10.1016/j.still.2016.02.002.
16. Logsdon, S. D. CS616 Calibration: Field versus Laboratory. Soil Sci. Soc. Am. J. 2009, 73, 1,
doi:10.2136/sssaj2008.0146.
17. Marín-Castro, B. E.; Geissert, D.; Negrete-Yankelevich, S.; Gómez-Tagle Chávez, A. Spatial distribution
of hydraulic conductivity in soils of secondary tropical montane cloud forests and shade coffee
agroecosystems. Geoderma 2016, 283, 57–67, doi:10.1016/j.geoderma.2016.08.002.
18. Sobieraj, J. A.; Elsenbeer, H.; Coelho, R. M.; Newton, B. Spatial variability of soil hydraulic conductivity
along a tropical rainforest catena. Geoderma 2002, 108, 79–90.
19. Mubarak, I.; Angulo-Jaramillo, R.; Mailhol, J. C.; Ruelle, P.; Khaledian, M.; Vauclin, M. Spatial analysis of
soil surface hydraulic properties: Is infiltration method dependent? Agric. Water Manag. 2010, 97, 1517–
1526, doi:10.1016/j.agwat.2010.05.005.
20. Rienzner, M.; Gandolfi, C. Investigation of spatial and temporal variability of saturated soil hydraulic
conductivity at the field-scale. Soil Tillage Res. 2014, 135, 28–40, doi:10.1016/j.still.2013.08.012.
21. Brooks, R.; Corey, T. Hydraulic Properties of Porous Media; Hydrology Papers Colorado State
University: Fort Collins, CO, USA, 1964.
22. Mualem, Y. A new model for predicting the hydraulic conductivity of unsaturated porous media. Water
Resour. Res. 1976, 12, 513–522, doi:10.1029/WR012i003p00513.
23. van Genuchten, M. T. A Closed-form Equation for Predicting the Hydraulic Conductivity of
Unsaturated Soils1. Soil Sci. Soc. Am. J. 1980, 44, 892, doi:10.2136/sssaj1980.03615995004400050002x.
24. Burdine, N. Relative permeability calculations from pore size distribution data. J. Pet. Technol. 1953, 5,
71–78.
25. Bouwer, H. Rapid field measurement of air entry value and hydraulic conductivity of soil as significant
parameters in flow system analysis. Water Resour Res 1966, 2, 729–738.
26. McBratney, A. B.; Minasny, B.; Cattle, S. R.; Vervoort, R. W. From pedotransfer functions to soil inference
systems. Geoderma 2002, 109, 41–73, doi:10.1016/S0016-7061(02)00139-8.
27. Schaap, M. G.; Leij, F. J.; Van Genuchten, M. T. ROSETTA: a computer program for estimating soil
hydraulic parameters with hierarchical pedotransfer functions. J. Hydrol. 2001, 251, 163–176.
28. Lin, H. S.; McInnes, K. J.; Wilding, L. P.; Hallmark, C. T. Effects of Soil Morphology on Hydraulic
Properties. Soil Sci. Soc. Am. J. 1999, 63, 955, doi:10.2136/sssaj1999.634955x.
29. Lassabatère, L.; Angulo-Jaramillo, R.; Winiarski, T.; Yilmaz, D. BEST Method: Characterization of Soil
Unsaturated Hydraulic Properties;In: Caicedo, et al. (Eds.), Advances in Unsaturated Soils. CRC Press,
Taylor and Francis Group, London, 2013.
30. Reynolds, W. D.; Elrick, D. E. In situ measurement of field-saturated hydraulic conductivity, sorptivity,
and the α-parameter using the Guelph permeameter. Soil Sci. 1985, 140, 292–302.
31. Cannavo, P.; Coulon, A.; Charpentier, S.; Béchet, B.; Vidal-Beaudet, L. Water balance prediction in
stormwater infiltration basins using 2-D modeling: An application to evaluate the clogging process. Int.
J. Sediment Res. 2018.
32. Lassabatère, L.; Angulo-Jaramillo, R.; Soria Ugalde, J. M.; Cuenca, R.; Braud, I.; Haverkamp, R. Beerkan
Estimation of Soil Transfer Parameters through Infiltration Experiments—BEST. Soil Sci. Soc. Am. J. 2006,
70, 521, doi:10.2136/sssaj2005.0026.
33. Reynolds, W. D.; Elrick, D. E. Ponded infiltration from a single ring: I. Analysis of steady flow. Soil
Science Society of America Journal 1990.
34. Topp, G. C.; Ferré, P. A. 3.1 Water content. In Methods of Soil Analysis; Soil Science Society of America,
Madison, WI, USA. 2002; pp. 417–545.
132
35. Haverkamp, R.; Ross, P. J.; Smettem, K. R. J.; Parlange, J. Y. Three-dimensional analysis of infiltration
from the disc infiltrometer: 2. Physically based infiltration equation. Water Resour. Res. 1994, 30, 2931–
2935, doi:10.1029/94WR01788.
36. Bagarello, V.; Di Prima, S.; Iovino, M. Comparing Alternative Algorithms to Analyze the Beerkan
Infiltration Experiment. Soil Sci. Soc. Am. J. 2014, 78, 724, doi:10.2136/sssaj2013.06.0231.
37. Yilmaz, D.; Lassabatere, L.; Angulo-Jaramillo, R.; Deneele, D.; Legret, M. Hydrodynamic
Characterization of Basic Oxygen Furnace Slag through an Adapted BEST Method. Vadose Zone J. 2010, 9,
107, doi:10.2136/vzj2009.0039.
38. Philip, J. R. The theory of infiltration: 4. Sorptivity and algebraic infiltration equations. Soil Sci. 1957, 84,
257–264, doi:10.1097/00010694-195709000-00010.
39. Di Prima, S.; Lassabatere, L.; Bagarello, V.; Iovino, M.; Angulo-Jaramillo, R. Testing a new automated
single ring infiltrometer for Beerkan infiltration experiments. Geoderma 2016, 262, 20–34,
doi:10.1016/j.geoderma.2015.08.006.
40. Eijkelkamp Guelph Permeameter—Operating Instructions; Eijkelkamp: Giesbeek, The Netherlands, 2011.
41. Elrick, D. E.; Reynolds, W. D. Methods for Analyzing Constant-Head Well Permeameter Data. Soil Sci.
Soc. Am. J. 1992, 56, 320, doi:10.2136/sssaj1992.03615995005600010052x.
42. Gardner, W. R. Some steady-state solutions of the unsaturated moisture flow equation with application
to evaporation from a water table. Soil Sci. 1958, 85, 228–232.
43. Bresler, E.; Dagan, G. Unsaturated flow in spatially variable fields: 2. Application of water flow models
to various fields. Water Resour. Res. 1983, 19, 421–428.
44. Muñoz-Carpena, R.; Regalado, C. M.; Álvarez-Benedi, J.; Bartoli, F. Field evaluation of the new Philip-
Dunne permeameter for measuring saturated hydraulic conductivity. Soil Sci. 2002, 167, 9–24.
45. Lilliefors, H. W. On the Kolmogorov-Smirnov test for normality with mean and variance unknown. J.
Am. Stat. Assoc. 1967, 62, 399–402.
46. Freeze, R. A.; Cherry, J. A. Groundwater, 604 pp; Prentice-Hall, Englewood Cliffs, NJ, 1979;
47. Simunek, J.; Sejna, M.; Saito, H.; Sakai, M.; Van Genuchten, M. T. The Hydrus-1D Software Package for
Simulating the Movement of Water, Heat, and Multiple Solutes in Variably Saturated Media; Department of
Environmental Sciences, University of California Riverside: Riverside, California, USA, 2013; p. 342;.
48. Rawls, W. J.; Brakensiek, D. L.; Saxton, K. E. Estimation of soil water properties. Trans Asae 1982, 25,
1316–1320.
49. Archer, N. A. L.; Quinton, J. N.; Hess, T. M. Below-ground relationships of soil texture, roots and
hydraulic conductivity in two-phase mosaic vegetation in South-east Spain. J. Arid Environ. 2002, 52,
535–553, doi:10.1006/jare.2002.1011.
50. Nielsen, D.; Biggar, J. W.; Erh, K. T.; others Spatial variability of field-measured soil-water properties.
Calif. Agric. 1973, 42, 215–259.
51. Wang, C.; Zhao, C.; Xu, Z.; Wang, Y.; Peng, H. Effect of vegetation on soil water retention and storage in
a semi-arid alpine forest catchment. J. Arid Land 2013, 5, 207–219, doi:10.1007/s40333-013-0151-5.
52. Mulla, D. J.; McBratney, A. B.; Warrick, A. W. Soil spatial variability. In Soil Physics Companion, CRC
Press LLC, Boca Raton, USA; 2002; pp. 343–373.
53. Vauclin, M.; Vieira, S. R.; Bernard, R.; Hatfield, J. L. Spatial variability of surface temperature along two
transects of a bare soil. Water Resour. Res. 1982, 18, 1677–1686.
54. Warrick, A. W. Spatial variability. In Environmental Soil Physics; Academic Press, San Diego, CA, USA.
1998; pp. 655–675.
55. Mohanty, B. P.; Kanwar, R. S.; Everts, C. J. Comparison of saturated hydraulic conductivity
measurement methods for a glacial-till soil. Soil Sci. Soc. Am. J. 1994, 58, 672–677.
56. Gupta, R. K.; Rudra, R. P.; Dickinson, W. T.; Patni, N. K.; Wall, G. J. Comparison of saturated hydraulic
conductivity measured by various field methods. Trans. ASAE 1993, 36, 51–55.
57. Pitt, R.; Chen, S.-E.; Clark, S. E.; Swenson, J.; Ong, C. K. Compaction’s impacts on urban storm-water
infiltration. J. Irrig. Drain. Eng. 2008, 134, 652–658.
58. Brown, R. A.; Hunt III, W. F. Impacts of construction activity on bioretention performance. J. Hydrol. Eng.
2009, 15, 386–394.
59. Zamanian, K.; Pustovoytov, K.; Kuzyakov, Y. Pedogenic carbonates: Forms and formation processes.
Earth-Sci. Rev. 2016, 157, 1–17, doi:10.1016/j.earscirev.2016.03.003.
60. Mermoud, A. Cours de physique du sol. Ecole Polytechnique Fédérale de Lausanne: Lausanne,
Switzerland, 2001.
61. Lewis, C.; Albertson, J.; Xu, X.; Kiely, G. Spatial variability of hydraulic conductivity and bulk density
along a blanket peatland hillslope. Hydrol. Process. 2012, 26, 1527–1537.
133
62. Alvarez-Acosta, C.; Lascano, R. J.; Stroosnijder, L. Test of the Rosetta Pedotransfer Function for
Saturated Hydraulic Conductivity. Open J. Soil Sci. 2012, 02, 203–212, doi:10.4236/ojss.2012.23025.
© 2018 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access
article distributed under the terms and conditions of the Creative Commons Attribution
(CC BY) license (http://creativecommons.org/licenses/by/4.0/).
Fin du papier
134
2.2.3 Article Calibration des capteurs de teneur en eau
Article
An Investigation of the Accuracy of EC5 and 5TE
Capacitance Sensors for Soil Moisture Monitoring in
Urban Soils-Laboratory and Field Calibration
Tala Kanso 1,2,*, Marie-Christine Gromaire 1, David Ramier 3, Philippe Dubois 1 and Ghassan
Chebbo 1,2
1 Leesu, Ecole des Ponts, Universite Paris-Est Creteil UPEC, Champs-sur-Marne,77455 Marne-la-Vallee Cedex
2, France; marie-christine.gromaire@enpc.fr (M.-C.G.); philippe.dubois@enpc.fr (P.D.);
ghassan.chebbo@enpc.fr (G.C.)
2 Faculty of Engineering Third Branch, Lebanese University, Hadath Campus, Beirut, Lebanon
3 Equipe projet TEAM, Cerema, 12 rue Teisserenc de Bort, 78190 Trappes, France ; david.ramier@cerema.fr
(D.R)
* Correspondence: tala.kanso@enpc.fr; Tel.: +33-(0)-164-153-635
Received: 29 September 2020; Accepted: 10 November 2020; Published: date
Abstract: Recently, emphasis has been placed on finding a reliable estimation of soil water content. In
this study, two capacitance sensors EC5 and 5TE (METER Group) were utilized. These sensors provide
many benefits relative to other sensors in that they are cost-effective and very economical regarding
energy use, operate at a high measurement frequency of 70 MHz, and are dedicated to measuring at a
small volume because of their small size. This makes them suitable for the context of use in this
research, which consists of multiple sustainable drainage systems SuDS. Several studies have
evaluated these two types of sensor but not for urban soils with specific characteristics. In addition,
results from the literature are divergent and the published calibration data are limited. Therefore, an
in-depth investigation of their accuracy is assessed in this paper. At first, the literature’s existing
procedures and methods were examined. The sensor-to-sensor variability, as well as repeatability,
were tested in soil and solutions. Additionally, a field calibration method was conducted to estimate
the effects of soil texture on sensors readings. Two laboratory calibration methods having different
principles were also applied, compared to each other and to the field calibration as well. Results
revealed weak sensor-to-sensor variability (coefficient of variation up to 15% in soil) and also good
repeatability (0.1%), for both sensors. A soil-specific calibration equation has improved the estimation
of the volumetric water content. In case of soil having high field bulk density, the undisturbed soil
calibration method described and proposed in this paper gives promising results. The latter method
yields a volumetric water content (VWC) prediction accuracy of 0.025 m 3∙m−3 on a sandy loam soil.
This paper presents a large knowledge of capacitance sensors measurement technique as well as their
calibration procedures and methods. Limitations of existing procedures have been identified and key
elements for selecting the appropriate one are suggested. Derived calibration equations have also been
provided for three urban soils with different particle size distribution, ranging from sandy loam to silt
loam. Accurate monitoring of soil moisture content in urban soils is thus achievable.
Keywords: calibration methods; manufacturer calibration; soil storage; soil water content; sustainable
drainage systems
1. Introduction
135
Precise measurements of soil moisture content in vadose zones remain a major challenge for
estimating water balances, characterizing chemical and biological processes and also for developing
hydrological models. A reliable and adequate measurement technique is therefore required to
characterize the spatial and temporal variability of soil moisture. Existing techniques are classified into
two different categories: the first requires contact with the soil while the second does not. Both of these
have advantages but also limitations. For instance, remote sensing [1–3], a contact-free technique,
enables large scale measurement and can be used in isolated location [4]. Yet it is highly affected by
vegetation and surface roughness, and is limited to near-surface measures. To measure with high spatial
and temporal resolutions at the point scale and in the soil profile, contact-based techniques are more
appropriate.
Among contact-based techniques, time-domain reflectometry (TDR) [4,5], and capacitance sensors
allow continuous soil water content monitoring [6–9]. TDR has been shown to be highly accurate since
they operate at high frequency of 1 GHz, resulting in reduced salinity impact [10,11], yet their high price
limits their application for large networks. Capacitance sensors operate at low frequencies from 10 to
several hundred MHz [8], which makes them sensitive to soil environmental factors such as soil texture,
bulk density, mineralogy, temperature, electrical conductivity, and supplied voltage [6,12–14].
Temperature effect on sensor readings is addressed by multiple studies [12,15–17]. The maximum
variation in soil moisture reading estimated by a Hydra Probe sensor caused by a 40 °C change in
temperature is equal to ± 0.028 m3∙m−3 [15]. On the other hand, the maximum error observed for the EC5
sensor at 40 °C and under saturated conditions is equal to +0.018 m 3∙m−3[12]. Bañón et al reported that
the sensitivity of the EC5 and GS3 permittivity reading to temperature is highly dependent on soil
salinity [16]. To illustrate, the effect of temperature on the soil moisture estimation by EC5 is negligible
for a salinity below 10 dS∙m−1. In the present paper, temperature and salinity effects will not be
investigated since the studied soil has lower salinity value (< 1dS∙m -1) and the temperature is within 20
°C.
Despite capacitance sensors sensitivity to many factors, they remain highly attractive and widely
used in research applications, because of their low-cost allowing for a high number of measurement
points, measurement ease, possibility of continuous data logging, and applicability to a wide range of
soil [18,19].
Many of these sensors assess the relative dielectric permittivity of the bulk soil (see the review by
[12]) which is then converted to volumetric water content through a calibration equation. Multiple
studies have stressed the need of a site-specific calibration equation [19–25]. Manufacturers provide
calibration equations. These equations has been occasionally recognized for its over-estimation [26], or
under-estimation [20] of the actual water content, but also for having a lower precision than the specified
± 0.03 m3∙m−3 [19,27,28].
Sensors from the ECH2O series, EC-5 [29] and 5TE sensors [30] offer many improvements relative
to other capacitance sensors, in that they are very economical regarding energy use, operate at a
relatively high measurement frequency of 70 MHz [18], and are dedicated to measuring at a small
volume because of their small size. This makes them suitable for the site studied in this research, which
consists of multiple sustainable drainage systems SuDS, and for which a large sensor network with a
maximum lifetime, a low sensitivity to the environmental factors, and a suitable sensor’s size that goes
with the limited depth of medium is needed. SuDS are natural drainage management practices that
aims to return the water cycle back to its natural regime by reducing runoff volumes and peak flows
and improving water quality [31].
Accuracy of these sensors has been studied quite extensively, yet with conflicting results. The
measurement accuracy of a reliable soil moisture sensor ideally suited for environmental research
applications is ± 0.03 m3.m−3. At first, Kizito et al. has pointed out the accuracy of the EC5 and 5TE
sensors, and determined a single calibration curve that can be applied on a range of mineral soils (sand,
sandy loam, silt loam and clay), thus suggesting that there is no need for a soil specific calibration [18].
Still, other authors showed a significant sensor-to-sensor variability [24,32] and a soil characteristics
136
dependency, by that affecting their accuracy. In order to guarantee the latter, evaluation and calibration
of these sensors is thus needed.
Two calibration procedures exist. The first one, called direct procedure, relates directly sensor
output to the soil water content, while the second is a two-step procedure [33,34]. In numerous studies,
the direct procedure is used to calibrate the EC5 [32] and 5TE sensors [21,28,35–37]. This procedure can
be performed in the laboratory or in field. However, in field, it faces some challenges, such as covering
a wide range of soil moisture contents.
In the two-step procedure, the first step, sensor output–dielectric permittivity relationship is
determined by performing the electromagnetic (EM) sensor characterization method, using liquid
standards [38]. In a second step, soil water content–permittivity relationship is established through an
empirical model available for different soil types (e.g., [11]). There exist a number of studies that have
performed this two-step procedure to calibrate EC5 [12,24] and 5TE [24] sensors, because of the ease of
acquisition, the possibility to calibrate quickly a large number of sensors, and the avoidance of air gap
and density variations during the first step. In practice and from a hydrological point of view, it is easier
to interpret sensor output in terms of water content than in terms of permittivity. The accuracy of this
interpretation is however dependent on the second step, which is the greatest source of in-situ
calibration error [39]. The published equations for converting apparent dielectric permittivity to
volumetric water content are derived in-situ on specific soils. Nevertheless, in the direct procedure, this
accuracy is guaranteed, since specific in-situ soil characteristics are considered.
Despite a large number of papers regarding capacitance sensors, little effort has been made to
compare all contributed calibration equations and methods and limited published calibration data are
available for EC5 and 5TE and for different ranges of mineral soils particularly in the case of soil in
urban environment as those used for runoff water treatment. Urban soil constituting SuDS may have
specific characteristics in terms of soil texture, type of minerals forming the mixture, mixing and
compaction conditions, which can lead to high bulk densities, for example [40]. Continuous monitoring
of soil moisture content in the SuDS is essential to assess its hydrological performance and understand
water infiltration through the system. These data may be used to check the uniformly distributed inflow
especially for linear SuDS or to detect the existence of preferential flow. Additionally, continuous
monitoring of soil moisture content combined with a tensiometric sensor allows the determination of
soil hydrodynamic characteristics such as the water retention curve. Soil moisture sensors combined
with other water quantity measurement devices are used to calculate water balances as well. Moreover,
very detailed monitoring data are required for the calibration and validation of hydrological models.
Therefore, the objectives of the present paper are (i) to evaluate sensor-to-sensor variability and
repeatability, (ii) to assess the accuracy of manufacturer calibration equation and the effect of soil texture
on sensors output, for this purpose a field calibration was performed, (iii) to perform two different direct
laboratory calibration methods and compare them with the field calibration, (iv) to compare
manufacturer calibration with other direct/two-step calibration procedures reported in the literature,
and finally, (v) to evaluate the uncertainty of prediction of soil moisture measurement. Soils used in this
research are mineral urban soils with different textural classes (sandy loam, silt loam, and silt clay loam).
2. Materials and Methods
2.1. Description of the Study Site and Instrumentation

Sensors were tested on an experimental site, in Paris conurbation, where different sustainable
drainage systems (SuDS) are implemented for road runoff management, including one bioretention
swale and three treatment trains combining a vegetated filter strip with a bioretention facility. The
number of sensors implemented on this site is of nineteen EC5 and thirteen 5TE, to continuously
measure the water content in the soil. The bioretention facility has four equipped cross-sections, while
each treatment train has one equipped section (Figure 1).
Three types of soils constituting these SuDS have been studied. They present different textures
ranging from sandy to clayey. For each soil, particle size distribution and bulk density were determined.
137
Soil 1 is sandy loam [41], has 60.7% sand, 28.2% silt, and 11.1 % clay, and an in-situ bulk density of 1.6
g∙cm−3. The sand is basically calcareous sand. Soil 2 is silt loam, has 9.95% sand, 66.6% silt and 23.9%
clay, and two different bulk densities 1.55 and 1.3 g∙cm −3, depending on soil location, they are referred
in the following parts as soil 2a and 2b respectively. Soil 3, is a silty clayey loam, formed of 4.6% sand,
65.4% silt and 30% clay with a bulk density of 1.6 g∙cm −3. The number of EC5 sensors implemented in
soil 1, 2a, 2b and 3 is 11, 6, 1 and 1, respectively. For 5TE this number is equal to 9, 3, 0 and 1, respectively.
Near-surface sensors depth were chosen so as to have a minimum soil thickness to ensure the sensor's
measurement volume, thus the sensor is not exposed to surface conditions. The deeper sensors were
installed to evaluate the vertical variability in SuDS. For instance, in the bioretention facility, three
depths are chosen to estimate the soil moisture near-surface, in the middle and at the bottom of the
system. The vertical spacing between the sensors ensures that there is no effect on each other. This
difference in the number and location of sensors is related to pre-implementation strategy aiming to
monitor the hydrological performance of these systems, compare various designs and finally validate
hydrological models.
Figure 1. At the top a google earth photo of the studied site including the treatment trains and
bioretention swale represented by a green rectangle. A schematic depiction (not to scale) of three
treatment trains cross-sections is represented below the photo. A longitudinal section of the bioretention
swale in addition to four cross-sections are also illustrated. The location and the installation depth of soil
moisture sensors, the EC5 and 5TE, are indicated.
Information on the outputs and characteristics of the two sensors are listed in Table 1 including
information from manufacturer manuals as well as the literature findings. The METER devices EC5 and
5TE capacitance-based sensors determine the apparent moist soil dielectric permittivity 𝜺a, through
measuring the charge time of a capacitor in the surrounding medium, at 70 MHz frequency [29,30].
They use an oscillator operating at a frequency of 70 MHz to measure dielectric permittivity. In addition
to dielectric permittivity, the 5TE sensor having a three-prong design measures bulk electrical
138
conductivity ECb and temperature T. The volumetric water content (VWC) of the soil is determined
through the dielectric permittivity 𝜺a. For the EC5, a voltage is obtained at the output of the acquisition
system, while for the 5TE the dielectric permittivity is directly acquired. The EC5 sensor is meant to
measure volumetric water content from 0% to 100%, with an accuracy of 3%, at a temperature ranging
from 0 to 50 °C. The 5TE sensor measures 𝜺a, ECb, and T from 0 to 80%, 0 to 23 dS∙m−1 and −40 to 60 °C,
respectively. The dielectric permittivity measurement accuracy in mineral soils of these sensors, as
specified by the manufacturer, is ± 0.03 m3∙m−3.
Table 1. Characteristics of the two sensors EC5 and 5TE.
EC5 5TE
VWC (volumetric water content) 𝜺a : 1 to 80
Measurement range (%): 0 to 100 ECb (dS∙m−1): 0 to 23

T (°C): 0 to 50 T (°C): −40 to 60
Number of prongs 2 3
Length, width, depth (cm) 8.9,1.8,0.7 10,3.7,0.7
Power supply 2.5 to 3.6 V 3.6 to 15 V
𝜺a, ECb, T ( SDI-12 communication

mode)
mV (Non METER data logger ) 𝜺RAW , ECb, TRAW (DDI serial)
Output type RAW = mV/0.732 (METER data 𝜺RAW = 𝜺a × 50
logger)
TRAW = 10 T + 400 ( if T ≤ 50) (°C)
TRAW = 2 T + 800 ( if T > 50) (°C)
Analog and dependent of the Digital and independent of the

Output format
supply voltage supply voltage
Measurement volume 240 cm3/5.5 cm/ (5 × 5.5 × 9)

(cm3)/diameter (cm)/ (Manufacturer) 715 cm3/ 8.6 cm/(7 × 11 × 10)
(Manufacturer)
Dimensions 18 cm3 [32]
79 cm3 [36]
(axbxh cm) 15 cm3 [42]
Accuracy VWC, ECb, T ±3% ± 3 % ([11] equation), ± 10%, ± 1
Power requirements are 2.5 to 3.6 V for the EC5 and 3.6 to 15 V for the 5TE sensor. The EC5 sensor
has an analog output format that renders its output dependent on the supply voltage. However, the
5TE has a digital output format with no dependency on the supply voltage but rather on the
communication mode between the sensor and the logger. Two communication ways are possible, the
device driver interfaces (DDI) serial standard communication and the serial digital interface (SDI-12).
At the studied site, EC5 and 5TE sensors were connected to non-METER data loggers, CR1000 and
CR800 (Campbell Scientific, Logan, UT), at a supply voltage of 3.3 V, for data acquisition at a time step
of 30 min continuously. Sensors were powered by a local battery and data was stored in data logger and
then downloaded. The communication way is SDI-12 for the 5TE sensor.
The measurement volume, which is an ellipsoidal cylinder, is greater for the 5TE than for the EC5
(Table 1)). This is due to the probe dimensions being 10 × 3.7 × 0.7 cm for the 5TE and 8.9 × 1.8 × 0.7 cm
139
for the EC5 (Figure 2). A significant difference is found between the volume of influence provided by
the manufacturer and that measured in other researches. For example, the sampling volume given by
Sakaki et al. approximately corresponds to the volume of the sensor itself and is thirteen times smaller
than the one provided by the manufacturer [32]. The latter has given a maximum possible volume of
soil to avoid air voids on the sensor surface, thus ensuring an ideal measurement volume. Actually, the
measurement volume depends on the nature of soil or material surrounding the sensor. In the
manufacturer experiment the sensors were suspended in air where the electromagnetic waves are less
attenuated than in soil. The measurement volume given by the manufacturer is therefore greater than
the volume given by the other studies [36, 42].
Figure 2. Prongs of the EC5 (left) and 5TE (right) sensors. The EC5 has two prongs while 5TE has three
prongs. The length of these prongs is 5 cm.
2.2. Sensor to Sensor Variability and Repeatability

At first, sensors were evaluated for their variability: (i) repeatability and (ii) sensor-to-sensor
variability. The repeatability of sensor measurements was tested in-situ at a temperature of about 10 °C
on a large number of sensors. For each sensor implemented in the field, 30 values were recorded,
simultaneously for all sensors, over 30 min period with a 1 min time interval. The soil was rather under
wet conditions.
Sensor-to-sensor variability is linked to the production of these sensors, while repeatability is
linked to their measurement precision. To evaluate sensor to sensor variability, nine EC5 and six 5TE
sensors available in the laboratory at 20 °C were tested for 3 standards: air, water, and pure ethylene
glycol, having a known dielectric permittivity of 1, 81.4 and 32.9 respectively. A single instantaneous
measurement is recorded for each sensor. Additionally, the sensor to sensor variability was tested in
soil during direct calibration procedure: for each volumetric water content, three EC5 and three 5TE
were inserted in soils 1, 2a, 2b and 3.
2.3. Sensors Calibration
2.3.1. Overview of the Different Calibration Procedures and Methods

Different calibration procedures (direct/two-step) and methods (protocols) for the EC5 and 5TE are
reported in the literature. The direct procedure directly relates the sensor output to the soil water
content, while the second is a two-step procedure. In the first step, the relationship between the sensor
140
output and dielectric permittivity is determined by applying the electromagnetic sensor (EM)
characterization method using liquid standards [38]. In a second step, the relationship between soil
moisture content and permittivity is established using an empirical model available for different soil
types (Equation (1), [11]). Some of the reported calibration equations along with their accuracy in terms
of volumetric water content were listed in Table 2. They are appropriate for the supply voltage and soil
texture evaluated in this study.
θ(m3 ∙ m−3 ) = −5.3 × 10−2 + εa × 2.92 × 10−2 − εa 2 × 5.5 × 10−4 + εa 3 × 4.3 × 10−6 (1)
As for the EC5 sensor, the manufacture direct calibration equation is given in Table 2. (Equation
(2)). Additionally, Sakaki et al. two-point alpha mixing model (Equation (3)) is also provided [32]. This
model proposed by Robinson et al. [43], needs only two sensor outputs corresponding to saturated and
dry conditions to calibrate sensor for each soil. Thus, the time and effort needed for calibration are
reduced. In this research, the two EC5 sensor outputs were measured in laboratory for each soil type.
The calibration Equation (4) is derived from a two-step calibration procedure in [12]. In the first step,
the EC5 sensor is calibrated through the standardized sensor calibration method proposed by [38]
(using liquids with known dielectric permittivity). In the second step, usually, the empirical Equation
(1) of [11] is applied to relate permittivity to soil water content, this equation is valid for a range of soil
from sandy loam to heavy clay soils. In Bogena et al. study it has been found that the EC5 sensor output
depends on the supply voltage, for this reason a permittivity–output voltage function (SRP model) was
provided, for seven different voltages between 2 V and 5V [12]. Two sets of fitting parameters are
presented, corresponding to 3 V and 3.5 V, since the supply voltage in this paper is 3.3 V.
Regarding the 5TE sensor, Equation (5) is the manufacturer’s equation obtained by a two-step
procedure, during which the sensor is calibrated in air, glass beads saturated with ethylene glycol and
pure ethylene glycol. In addition, Rosenbaum et al. Equation (6) [24], established with the same
procedure as Bogena et al. [12] but for 5TE sensor is included. Lastly, a calibration Equation (7) resulting
from a standard direct calibration method is also added [36].
Table 2. Calibration methods and procedures reported in the literature, with their equation and VWC
accuracy. θ is the volumetric water content (m3∙m−3), x, x* and 𝑥¶ are the sensor output voltages (mV, V,
and RAW = mV/0.732 respectively), 𝜀𝑎 is the apparent dielectric permittivity.
Accuracy in
Equation VWC
Sensor Source Procedure Method Equation
No. ( ± m3∙ m−3)
and R2
2.5 V supply voltage
𝜃
Standard = 11.9 × 10−4 (𝑥) − 0.401
(2) Manufacturer[29,30] Direct calibration for ±0.03
3.3 V supply voltage
mineral soils [44]
𝜃 = 9.92 × 10−4 (𝑥) − 0.45
EC5 𝑥¶α − 𝑥¶dry α

θ= ×ϕ
Long column 𝑥¶sat α − 𝑥¶dry α
drainage
(3) [32] Direct experiment using ϕ is the porosity of the soil R2=0.973
four industrial
silica sands α =2.5 is the geometry
factor
First step : [38]

𝜀𝑎 (𝑥 ∗ ) = 𝛾 +
(4) [12] Two-step method, liquids ±0.0178
(1⁄[𝛼 + (𝛽⁄(𝑥 ∗ 2 ))])
used are Dioxane
(1,4-diethylene
141
dioxide) and 2- Fitting parameters for a 3

isopropoxyethanol V supply voltage:
(i-C3E1) mixed with
water. 𝛼 = −0.03128; 𝛽= 0.04148;
Second step: [11] 𝛾(3V) = −0.78628
Fitting parameters for a

3.5 V supply voltage:
𝛼 = −0.04173; 𝛽= 0.06855;
𝛾(3.5V)= −0.49469;
𝜃 = 𝑓(𝜀𝑎 ) [11]
First step :
Calibration in air,
glass beads
saturated with 𝜺a = 𝜺RAW/50
Manufacturer
(5) Two-step ethylene glycol ±0.03
[29,30] 𝜃 = 𝑓(𝜀𝑎 ) [11]
and pure ethylene
glycol
Second step : [11]
Same procedure as
(6) [24] Two-step 𝜀𝑎 = 0.0234 𝜀𝑅𝐴𝑊 − 1.2917 ±0.010
5TE [12]
Standard
calibration method
for mineral soils
bulk densities: 1-
(7) [36] Direct 1.5 g∙cm3 𝜃 = −0.2945 + 0.1625√𝜀𝑎 ±0.026
Textural class
([41]): Sand/Sandy
loam/silt loam/
loam
2.3.2. Calibration Methods Applied in this Study
The Standard Direct Calibration Method

The standard direct calibration method is a commonly used method proposed by Starr and
Paltineanu [44] and recommended by the manufacturer in an application note by Cobose and Chambers
[45]. This method consists of taking a disturbed sample in the field near the sensor location. Firstly, the
sample is oven or air-dried in the laboratory, then incrementally wetted and sensor reading is recorded
at each level of VWC. Other studies have calibrated the sensors following a similar direct calibration
procedure on disturbed samples, however, the sample was incrementally dried rather than wetted
[21,32,37]. In this study, EC5 and 5TE sensors were calibrated for soils 1, 2a, 2b and 3, using the above-
mentioned manufacturer’s method. Calibration was carried out in the laboratory at a temperature near
20°C. For each soil type, 4 L of soil were collected in the field near the area where the sensors measure.
Soils were oven-dried at 105 °C for 24 h, then crushed to 2-5 mm, to allow for uniform packing layer by
layer into a 5 L glass bulk soil container, with a bulk density approximately equal to the field bulk
density. The volume of the container is chosen so that it is higher than the sensor measurement volume.
Subsequently, sensors were inserted vertically into the soil, and reading was recorded using a Campbell
Scientific data logger at a 3.3 V supply voltage. Three EC5 and three 5TE sensors were inserted one by
one subsequently at each water content level. A known water volume was added to the soil to increase
water content by 0.05 m3∙m−3. Then the soil was mixed homogeneously outside the container and
repacked into it afterward. This process was repeated until the soil was completely saturated. At each
142
water content level, a soil subsample was collected and volumetric water content was determined by
gravimetric method [46].
Direct Laboratory Calibration on Undisturbed Sample

The direct calibration method may also be applied on an undisturbed soil core. Such a method was
applied by Logsdon [47]: an undisturbed sample was taken from the site and then gradually wet to near
saturation. It is however quite difficult to wet uniformly and progressively a soil core without disturbing
it.
In our case, we choose to dry progressively an initially saturated undisturbed core of soil. Sensor
readings are collected regularly during the drying process, and water content is evaluated in parallel
by weighting the soil core. Soils for which EC5 and 5TE sensors were calibrated by this method, are soil
1, 2a, and 2b. Soil 3 was not studied here because of the difficulty of collecting an undisturbed sample
of 4L at 0.5 m depth. For each soil type, an undisturbed block (Figure 3a) of approximately 4 L was
collected in the field, packed with a metallic grid (Figure 3b) and then put in water for approximately
30 h until sa
turation (Figure 3c). EC5 and 5TE sensors were inserted vertically into the block, a first sensor
reading was taken directly after saturation. The measurements were taken in the laboratory at a
temperature of 22 °C. In order to decrease volumetric water content, the block was allowed to dry in the
open air (Figure 3d-e), a reading was taken every two days, and the block was also weighted (mi). This
process was repeated until the soil was completely dried (water content < 0.05 m3∙m−3). At the end of the
experiment and after removing sensors, the block was oven-dried at 105 °C for 24 h, to determine the
bulk density of the soil. At last the volumetric water content at each sensor reading was calculated.
a b c
d e
Figure 3. Undisturbed sample calibration method: (a) undisturbed block; (b) block packed with a
metallic grid; (c) block put in water until saturation; (d) block allowed to dry in the open air; (e) taking
measurements.
Field Calibration
Field calibration has been conducted by many researchers, wherein the volumetric water content
of field soil is obtained through gravimetric method [46] and compared to the sensor output. It was
found by [22], that the latter method yields to large error rates associated with collection of samples,
voids, organic residues, and root densities, while [20,23,47,48] have recommended field calibration over
laboratory and standard calibration provided by the manufacturer. Varble and Chávez [28] have also
stated that a linear field-based calibration equation is satisfactory to achieve a high accuracy required
in research applications.
143
In this study, field calibration was carried out to validate the standard and undisturbed direct
calibration methods and to evaluate the effect of soil texture on sensor output. Field samples were taken
close to the area where the sensors measure, at approximately the same depth, and at less than 30 cm
from the sensor. This soil sampling was done during different periods, in order to cover a wide range
of soil water contents. The in-situ temperature during the measurement period varies between 10 and
20 °C. Samples were collected using a sample auger (with an airtight soil-moisture cylinder). Like the
undisturbed method, sensors in soils 1 and 2 were calibrated in field while soil 3 was excluded because
of its location at a significant depth, which makes sample collection difficult. To determine the
volumetric water content and field bulk density, soil samples were weighed, oven-dried at 105 °C for
24 h, and then reweighed. The calculated volumetric water content was then correlated with the sensor
reading, for the half-hour during which the sample was taken (one measurement every 30 min). The
resulting number of available field data, for each sensor type and soil type depends on the number and
the location of sensors in-situ. The number of EC5 sensors implemented in soil 1 and 2 is 11 and 7,
respectively. For 5TE this number is equal to 9 and 3, respectively.
2.4. Data Analysis

Sensor-to-sensor variability and repeatability are evaluated through descriptive statistics,
including the average value (Mean), and the dispersion described by the standard deviation (SD) and
coefficient of variation (CV).
Secondly, in order to verify whether a single calibration equation could be applied on all sensors
of the same type, and for a specific soil, a statistical comparison test was conducted. Results obtained
by the standard calibration method are used for this purpose. The three calibration data sets belonging
to the same sensor type/soil type were compared within each other (two by two). This comparison test
aims to determinate the existence or not of significant statistical differences between two data series, for
which a linear regression has been fitted. At first, the residual variances 𝑉1 and 𝑉2 of the two series were
compared by Fisher–Snedecor (𝐹𝑡𝑒𝑠𝑡 , Equation (8)). If the test reveals no significant differences between
the two residual variances, then the slope a1 and a2 of the two series were compared using Student’s test
(𝑡𝑡𝑒𝑠𝑡 , Equation (9)), with a risk α equal to 5 %. This comparison continues in case of no significant
differences between the two slopes, to test differences between the two intercepts b1 and b2 also using
Student’s test (Equation (10)). Lastly, if tests concluded the equality of the slopes and intercepts, it is
then possible to perform a common regression with all the values.
V V
Ftest = 1 If V1 ≥V2 ; Ftest = 2 if V2 >V1
V2 V1 (8)
a1 − a 2
t test (slope) =
1 1 (9)
√Vc 2 [ + ]
∑(x1i − x̅1 )2 ∑(x2i − ̅̅̅)
x2 2
b1 − b2
t test (intercept) =
1 x̅1 2 1 x2 2
̅̅̅ (10)
√Vc 2 [ + + + ]
n1 ∑(x1i − x̅1 )2 n2 ∑(x2i − ̅̅̅)
x2 2
V1 + V2
Vc 2 = (11)
n1 + n2 − 4
With 𝑉𝑐 (Equation (11)) the common residual variance; 𝑛1 and 𝑛2 the sample size of the two series;
𝑥1 and ̅̅̅
̅̅̅ 𝑥2 the means of the two series.
To test the effect of soil texture on the sensor output, field calibration points are compared to the
manufacturer equation along with its ± 0.03 m3∙m−3 accuracy.
Regarding the performed direct calibration methods, they were compared to each other. Linear
and third-order polynomial adjustment are applied to each data set using the least square approach. To
evaluate the goodness of the fit, the coefficient of determination (R 2), and the root mean square error
(RMSE) were calculated.
144
The effect of calibration procedure is assessed in the following section by comparing the literature
driven equations (Section 2.3.1) with each other and with those obtained in this study. Finally, 90%
prediction intervals for the selected calibration models were provided for both sensors.
3. Results and Discussion
3.1. Repeatability and Sensor to Sensor Variability

In-situ replicate measurements for both sensors (Table 3) indicate good repeatability, since the
maximum noticed coefficient of variation was 0.12 % of the output value, for 30 successive readings.
Thus, this negligible repeatability is not a main source of variation for this type of sensors, as already
shown by [24,32].
Results of the sensor to sensor variability in air, water and solution are presented in Table 4. For
the EC5 and 5TE sensors, measurements indicate a larger sensor-to-sensor variability in air than in water
and pure Ethylene Glycol. This is also the findings of [42] based on 10 EC5 sensor readings. Generally,
in the three standards, this variability is smaller for the EC5 (CV ~ 1%) than for the 5TE sensor (CV >
7%). The 5TE sensor, who has as output the apparent dielectric permittivity, shows an approximately
accurate measuring in air and pure ethylene glycol, whereas it underestimates this measure in water.
To illustrate, 𝜀𝑎 of water is theoretically equal to 81.4, while the average 5TE output for 6 sensors was
equal to 70.
Sensor variability in the soil is represented in Figure 4. The coefficient of variation (CV) of readings
from three different sensors in each soil type was scattered as a function of volumetric water content.
For the EC5 the highest coefficient of variation is 4%, while for the 5TE sensors this coefficient is between
2 and 15%. Thus, the 5TE sensor-to-sensor variability in the soil is greater than the EC5 variability which
was also demonstrated in air, water, and solution. Other studies have examined the variability of these
sensors and found that sensor-to-sensor variability for 5TE is higher than EC5, for all VWC ranges and
soil textures [24,49]. EC5 variability shows a tendency as a function of soil water content. For instance,
the maximum CV for EC5 sensors corresponds to a volumetric water content of 0.25, 0.3 and 0.4 m 3∙m−3,
for soil 1, 2 and 3, respectively. It should be noted that soil 1, 2 and 3 are saturated approximately at
0.35, 0.45 and 0.5 m3∙m−3, respectively, indicating that the maximum variability falls in the near
saturation range of VWC (~70% saturation). Kizito et al [18] and Rosenbaum et al. [24] have reported
high variabilities in EC5 readings when the VWC is > 0.30 m3∙m−3, and an increase in sensor response
scatter with increasing VWC which is not the case here. For 5TE sensors results show no significant
difference in variability as a function of volumetric water content, since approximately for all VWC
values this variation is > 5 %, and ranges maximums of 10% to 15% at different VWC depending on the
soil type. In previous studies such as [24], this variability was tested only in solution because of the ease
of acquisition, the avoidance of air gaps and density variations that may occur in soil and the possibility
to separate the soil specific effect. On the other hand, it is important to examine the dependency of this
variability on soil texture. Results in this study have revealed no significant effect of soil texture on
sensor-to-sensor variability, for example the highest CV for the 5TE sensor at 0.1 and 0.25 VWC belongs
to soil 2b and soil 1, respectively. Nevertheless, both sensors are more variable in silty clayey soil (soil
3) than in sandy loamy soil (soil 1) for all VWCs except 0.15 and 0.25. The effect of soil texture separately
will be discussed in the following sections.
Sensor-to-sensor variability is therefore found to be dominant compared to the repeatability of the
measurement. This brings into question, whether a single calibration equation could be applicable to
other sensors of the same type. Accordingly, linear regressions for each sensor and each soil type were
plotted in Figure 5 and statistically compared. Results confirm, as previously stated, larger differences
in 5TE linear equations than in EC5. Nevertheless, the test concluded in all cases to the statistical
equality (with a risk of 5%) of the slopes and intercepts of the three linear regressions. Rosenbaum et
al. [24] in his study has revealed an increase in measurement accuracy of approximately 0.01 cm 3∙cm−3
when a sensor-specific calibration equation is applied. The manufacturer findings confirmed an
excellent sensor-to-sensor agreement, thus a single calibration equation may be applied to all sensors
145
from one type and in particular soil. In general, and according to the results obtained in this study, the
variability from one sensor to another is statistically acceptable. To decide whether a single equation is
sufficient or not, several factors must be taken into consideration. The first factor is the accuracy
required by the user which is related to the type of application. In the research context, for example the
validation of physically-based hydrological model, good accuracy is crucial. Secondly, the number of
sensors to be implemented also matters. If this number is large, calibrating each one is difficult and time-
consuming. Finally, the choice of the sensor type is another factor since the EC5 sensor has better
agreement in air, water, solution and soil than the 5TE sensor. This choice depends on the user needs
for the additional parameters measured by the 5TE sensor.
Table 3. Statistics of the repeatability measurement of the two sensors in soil.
N = 30 Repeated Measurements for Each Sensor
Mean per Sensor SD per Sensor CV (%)

Sensor Number of Sensors (N) Soil
Min–Max (N values)
EC5 (mV) 11 Soil1 682–803 1.2∙10−13–0.3 1.7∙10−14–0.04
6 Soil 2-a 716–868 0.06–0.37 0.01–0.04
1 Soil 2-b 876 5.6∙10−13 6.6∙10−14
1 Soil 3 875 0.07 0.01
5TE (𝜺a) 9 Soil1 12.5–16.8 1.1∙10−14–0.016 6.4∙10−14–0.12
3 Soil 2-a 7.7–18.4 0–0.01 0–0.04
1 Soil 3 18.8 0.01 0.04
Table 4. Statistics of sensors response in air, water, and pure ethylene glycol.
Number of Standards Mean Response (mV for EC5, CV

Sensor SD
Sensors (Theoretical Value) 𝜺a for 5TE) (%)
Air 344.2 3.5 1

EC5
9 sensors Water 1033.3 6.9 0.7
(mV)
Pure Ethylene Glycol 1001.5 5.8 0.6
Air (1) 1.3 0.4 28.2
Water (81.4) 70 5.7 8.2

5TE (𝜺a) 6 sensors
Pure Ethylene Glycol
40.7 3.2 7.8
(32.9–37)
146
Figure 4. Scatter plot of the coefficient of variation (n = 3) of the volumetric water content measurement
for two sensors, at different volumetric water content and in different soil texture. Results presented
were obtained during the standard calibration method.
Figure 5. Linear regression equations obtained of the standard calibration method results, for the EC5
and 5TE sensor and for soils 1,2a, 2b and 3.
3.2. Accuracy of Manufacturer Calibration

The results of field calibration for the two soil textural classes, sandy loam (soil 1) and silt loam
(soil 2a and 2b) were plotted in Figure 6. The manufacturer calibration equations for EC5 and 5TE
sensors (Table 2, Equations (1) and (2)), along with their ± 0.03 m3∙m−3 accuracy interval were also added.
For the EC5 sensor, silt loam results are situated approximately within the manufacturer accuracy
interval. However, numerous points of the soil 1 are situated outside this interval, particularly for
VWC< 0.15 m3∙m−3 and around 0.25 m3∙m−3. Regarding the 5TE sensor, despite the small number of
measurements (related to the number and location of sensors in-situ) for soil 2, results revealed good
agreement with the manufacturer equation for VWC < 25 m3∙m−3. Beyond this VWC value, results are
147
situated outside the interval for both textures. Generally, the manufacturer equation has been
recognized for its over-estimation of VWC values [26], or underestimation [20]. Thus, a soil-specific
calibration could improve sensors outputs and especially for 5TE sensor. Besides, the manufacturer
recommends a soil-specific calibration equation for this type of sensors to increase their accuracy.
(a) (b)
Figure 6. Field calibration results for the EC5 and 5TE sensors (a and b) and for Soil 1 and 2 Comparison
with the manufacturer equation (± 0.03 m3∙m−3 accuracy).
3.3. Comparison of Results from Different Direct Calibration Methods

The three direct methods: standard, undisturbed and field are presented in Figure 7, performed on
EC5 and 5TE sensors, for soil 1, 2a and 2b. Results show differences between the three methods. In the
following text, a comparison between the standard and undisturbed method as well as an assessment
of the goodness of each method will be discussed. The quality of the calibration method is deduced
from its visual correspondence with the field-points.
At first, the discrepancy between the methods is more noticeable for soils 2 than for soil 1, for both
sensors. Especially, for the EC5 sensor in soil 2a, the discrepancy in VWC is up to 0.15 m3∙m−3. This may
be related to the difference in procedure between the "undisturbed" and "field or standard" calibration
methods. The soil moisture of the block in the undistributed method is probably not homogeneous,
especially for soil 2 where the moisture gradient inside the block is likely to be more significant than for soil
1. Moreover, this is more likely when the soil dries out and the VWC < 0.3 m3∙m−3. Thus, inside the block the
soil is more humid than the average water content of the block obtained by weighing. A better
agreement is noticed between undisturbed method derived points and field points for soil 1. Figure 7
shows some field-measured calibration points (green dots) which are quite close to the points obtained
in the laboratory with the undisturbed method (red dots). This is particularly remarkable for the EC5
sensor at VWC < 0.2 m3∙m−3. Regarding soil 2a and 2b the field points are closer to the standard
calibration points, for both sensors. The undisturbed method was able to reproduce better the high field
bulk density of soil 1 equal to 1.6 g∙cm−3. The effect of field bulk density is also noticed for soil 2 where
soil 2a has a bulk density greater than 2b, respectively 1.55 and 1.3 g∙cm −3. To illustrate, the difference
between standard and undisturbed methods for the same textural class is more likely to be significant
for higher bulk density. According to Parsons and Bandaranayake, (2009), the EC5 sensor is very
sensitive to changes in the bulk density of soil resulting from the different packings in the standard
calibration procedure. Hence when the soil has high field bulk density, the undisturbed calibration
method could be more adequate and yield to better results.
148
Figure 7. Sensors outputs plotted against the volumetric water content, obtained on the basis of direct
calibration methods.
Linear and polynomial third order regression parameters for the three direct calibration methods,
are given in Table 5 for both sensor types, and for soil 1, 2a and 2b, along with their R 2 and RMSE.
Measurement points and fitting curves can be found for EC5 and 5TE in appendix A, Figure. A 1 and
Figure A 2 ,respectively. Both fittings are significantly good, yielding to an R 2 ~ 0.9 and RMSE< 0.03
m3∙m−3. The heterogeneity of field soil yields to more dispersed data, hence the lower R 2 and RMSE
values for field calibration.
Table 5. Linear and third-order polynomial fitting parameters for the EC5 and 5TE sensors calibration
data, obtained by the standard, undisturbed and field calibration methods (the parameters of the
equations retained in the subsequent parts are highlighted in bold).
Fitting Parameters RMS Fitting Parameters

𝜽 = 𝒂𝒙 + 𝒃 E RMSE
R2 𝜽 = 𝒂𝒙𝟑 + 𝒃𝒙𝟐 + 𝒄𝒙 + 𝒅 R2
m3∙m− m3∙m−3
EC5 soil 1 a b 3 a b c d
−0.297
Standard 0.0007626 0.94 0.022 2.5∙10−8 −5.2∙10−5 0.036 −8.3 0.97 0.016
9
−0.625 −2.8∙10− −0.03

Undisturbed 0.001192 0.97 0.016 5.3∙10−5 6.496 0.99 0.0097
5 8 3
−0.557 −14.9
Field 0.001104 0.86 0.029 4.2∙10−8 −8.8∙10−5 0.063 0.89 0.027
6 5
EC5 soil 2 a
−0.424 −9.09
Standard 0.0009982 0.92 0.038 2.4∙10−8 −5.3∙10−5 0.038 0.94 0.035
2 6
149
−0.569 −2.53
Undisturbed 0.001051 0.95 0.034 8.7∙10−9 −1.7∙10−5 0.011 0.99 0.019
1 7
−0.326 −3.9∙10− −0.06

Field 0.0008297 0.88 0.032 9∙10−5 16.38 0.9 0.041
3 8 7
EC5 soil 2b
−0.389
Standard 0.000957 0.94 0.033 3.6∙10−8 −7.8∙10−5 0.056 −13 0.99 0.015
2
−4.18
Undisturbed 0.001103 −0.591 0.96 0.034 1.3∙10−8 −2.5∙10−5 0.018 0.98 0.024
3
−0.326 −3.9∙10− −0.06

Field 0.0008297 0.88 0.032 9∙10−5 16.38 0.9 0.041
3 8 7
5TE soil 1
−0.028 −0.56
Standard 0.02131 0.93 0.023 0.00033 −0.01221 0.165 0.95 0.022
4 2
−0.083 −0.0001 −0.01 −0.01

Undisturbed 0.02095 0.95 0.022 0.004784 0.99 0.011
8 7 4 9
−0.141 −0.0005 −0.24

Field 0.03134 0.9 0.024 0.02198 1.01 0.91 0.029
5 7 8
5TE soil 2a
0.00010 −0.23
Standard 0.02285 −0.028 0.95 0.030 −0.00443 0.078 0.96 0.03
8 8
−0.136 −6.2∙10− −0.03

Undisturbed 0.02327 0.99 0.018 0.003407 0.134 0.99 0.01
1 5 3
−0.318
Field 0.03962 1 0.0003 - - - - - -
4
5TE soil 2b
−0.008 0.00010 −0.00459 −0.26

Standard 0.02242 0.95 0.03 0.085 0.96 0.03
4 4 4 3
−0.130 −0.0001 −0.02

Undisturbed 0.02728 0.97 0.026 0.004399 0.054 0.99 0.019
9 1 5
−0.318
Field 0.03962 1 0.0003 - - - - - -
4
The equations retained by this study are linear equations, since the transition to a 3rd degree
polynomial model does not significantly affect the adjustment. Regarding the calibration method, field
derived points were used to assess the quality of the other calibration equations. For soil 1, the
undisturbed calibration method is retained, only for EC5 sensor. However, for the 5TE sensor, both
standard and undisturbed equations were selected due to the difficulty of determining the one that best
corresponds to the in situ points. Standard calibration equations were chosen for soils 2a and 2b.
3.4. Comparison of Direct and Indirect Calibration Procedures
150
Direct and two-step calibration procedures derived from the literature in addition to the calibration
methods conducted in the present study are compared in this section for the EC5 and 5TE sensors. The
calibration equations selected for soil 1 and soil 2 are those obtained by the linear undisturbed and linear
standard direct methods, respectively.
For the EC5 sensor, the equations derived from two direct procedures, the manufacturer and [32]
are plotted in Figure 8, in addition to the experimental soil specific calibration equations selected in
Section 3.3. Two curves obtained by the two-step method conducted in [12] and corresponding to 3 and
3.5 supply voltage are plotted as well. These two latter equations show a large deviation one from the
other and significant deviation from all the other curves. It should be noted that the supply voltage to
which the other equations were conducted is equal to 3.3 V. Thus, the effect of supply voltage on the
calibration equation is clearly identified here for the EC5 sensor. A good agreement is found between
[32] model and the undisturbed equation for soil 1. However, the model by [32] underestimates the
water content of the standard method for soils 2a and 2b by about 0.1 m3∙m−3. Soil 1 is a sandy loam soil
(USDA) has 60.7 % of sand while soil 2 is a silt loam soil with 9.95% sand. Actually, the two-point alpha
mixing model proposed by [43] and adopted by [32] was verified on industrial silica sands.
Consequently, this model may provide reliable results but for soils with high sand content. The
manufacturer equation systematically underestimation the VWC compared to the standard calibration
values for soil 2, however the difference of about 0.03 m 3∙m−3, remains consistent with the accuracy
specified by the supplier. The accuracy is lower for sandy loam soils, according to Section 3.2 (Figure
6), to be around 0.06 m3∙m−3, especially at VWC < 0.25 m3∙m−3.
Regarding the 5TE sensor, Figure 8 compares the experimental soil specific calibration equations
selected in Section 3.3 to the curves derived from the manufacturer and [24] two steps procedures on
the one hand, and the equation established by [36] with the standard direct procedure, on the other
hand. The corrected apparent dielectric permittivity in [24] study does not show large improvement
compared to the empirical equation of [11]. However the [36] direct calibration equation, corresponding
to a limited range of mineral soils, shows discrepancies compared to the other two-step procedure
equations. For instance, an apparent dielectric permittivity equal to 20 corresponds to 0.43, 0.37 and 0.35
m3∙m−3 with [36], [24] and the manufacturer equations respectively. Two-steps procedure equations also
deviate from both our experimental soil specific standard and undisturbed methods equations. This
raises questions about the reliability of the two-step procedure that applies an empirical equation and
does not take into account soil texture. The experimental calibration curves obtained with the standard
direct calibration for soil 2 a and 2b follow closely the direct [36] equation. For soil 1, the discrepancy
between the latter equation and the standard calibration method equation is up to 0.03 m 3∙m−3. This gap
is approximately equal to the 0.025 m3∙m−3 precision given by [36] when applying the equation for
mineral soils, with large textural variations (Sand, Sandy loam, Silt loam, and Loam). However, this is
not the case for the undistributed calibration equation on soil 1 with a much higher discrepancy of 0.1
m3∙m−3. The manufacturer equation underestimates largely (> 0.05 m 3∙m−3) the values obtained by the
standard method for soil 2a and 2b for VWCs superior to 0.3 m3∙m−3. The direct (standard and [36]) and
two-step procedures (manufacturer and [24]), with the exception of the undisturbed procedure, are
relatively similar for the mid-range VWCs (0.2 < VWC < 0.3 m3∙m−3), but the difference increases near
saturation. This emphasizes the effect of soil texture on calibration results, as well as the effect of soil
bulk density.
It should be noted that the calibration equations obtained for soils 2a and 2b are very similar to
each other but are quite different from those of soil 1. This stresses the need for a specific calibration for
each type of soil.
151
(a) (b)
Figure 8. Comparison of different calibration procedures reported in the literature for the EC5 (a) as well
as for the 5TE sensor (b).
3.5. Evaluation of the Uncertainty of Prediction of Soil Moisture Measurement

The uncertainty is essentially due to the uncertainty associated with the chosen calibration curve,
as the measurement is well repeatable. Thus the 90% predictions intervals pertaining to the calibration
models retained in this paper are presented in Figure 9. For both sensor types, the figures show greater
uncertainty in the prediction of soil moisture value for soil 2a and 2b than for soil 1. This may be linked
to the calibration equations provided in Section 3.3, Table 5. Notably, even with approximately
equivalent R2, the calibration equation for soil 2 yields a greater RMSE than that of soil 1. For example,
the calibration equation for the EC5 sensor, soil 1 and 2a, gives R 2 values of 0.92 and 0.94, respectively.
However, the corresponding RMSE is 0.022 m3∙m−3 for soil 1 which is less than 0.038 m3∙m−3 for soil 2.
Comparison of the sensors with each other reveals that the prediction intervals are tighter for the EC5
than for the 5TE, particularly for soil 1. As for the latter, the predicted value falls, at a confidence level
of 90%, within a range of ± 0.025 and ± 0.035 m 3∙m−3, for sensors EC5 and 5TE (respectively). No
significant difference from one type of sensor to another is noticed for soils 2a and 2b. The uncertainty
of the prediction for this soil is approximately ± 0.045 m3∙m−3, for both sensors. It should be emphasized
that even with a soil-specific calibration, the uncertainty on water content measurement with this type
of sensor remains significant, and often greater than that given by the manufacturer. Nevertheless, the
undisturbed soil method applied to sandy loam for which the moisture gradient of the soil block is
relatively limited and for an EC5 with better sensor–sensor variability than the 5TE contributes to a
promising accuracy of 0.025 m3∙m−3.
152
Figure 9. The 90 % predication intervals of the calibration models for sensors EC5 and 5TE in soil 1, 2a
and 2b.
4. Conclusions
Continuous monitoring of soil moisture in SuDS is often necessary for hydrological performance
evaluation, water balance estimation, soil hydrodynamic characteristics determination and finally
calibration and validation of hydrological models. Low-cost capacitance sensors are suitable for such
type of use. Despite a large amount of research regarding capacitance sensors, little have compared all
methods and equations and provided calibration data for the soils used in urban context. Urban soils
may present specific characteristics such as high bulk densities.
Two low-cost capacitance sensors were deeply investigated in this study. The EC5 and 5TE sensors
were implemented in a study site, which consists of multiple sustainable urban drainage systems
(SuDS), including two treatment trains and one bioretention facility. They were tested for sensor-to-
sensor variability and repeatability. In addition, the effect of soil texture on sensor outputs is evaluated
through a field calibration method. Two laboratory calibration procedures were performed, compared
to each other and to the field calibration as well. One of the methods proposed in this study, based on
undisturbed soil cores, is appropriate for soils with high bulk densities that may be confronted in urban
environment. Lastly, a comparison of different procedures and methods reported in the literature is
assessed.
The repeatability of both EC5 and TE sensor measurements is good, as the maximum noticed
coefficient of variation was 0.1%. Generally, the 5TE sensor presents higher sensor to sensor variability
than the EC5. This variability is greater in the air than in water, pure ethylene glycol, and soil. Yet,
statistical analysis concluded that for a given soil, calibration curves are not significantly different from
one sensor to the other, thus a single calibration equation is acceptable and can be applied for a given
soil type and a given sensor type
The manufacturer supplied calibration equation were developed for mineral soils with different
textural classes. A comparison of this equation with field calibration points has been assessed. Results
show that field points do not completely fit into the manufacturer calibration equation even if its ± 0.03
m3∙m−3 accuracy interval is taken into account. Thus, the application of a calibration equation to a wide
range of soil texture class is not accurate, as demonstrated by the present study and other research.
153
Therefore, a soil-specific calibration equation is crucial to obtain an accurate measurement of soil water
content.
A direct calibration method relating directly the sensor output to the volumetric water content
takes into account the effect of soil texture in the interpretation. Conversely, the two-step procedure,
conducted in solution, may lead to significant errors by omitting the direct effect of soil texture.
Manufacturer equation for the EC5 sensor seems more appropriate for silt loam soil than for sandy loam
soil, as for the latter, the accuracy is > 0.06 m3∙m−3. The two-point alpha mixing model for EC5 proposed
by [43] has led to promising results but for soils with high sand content. This model needs only two
sensor outputs corresponding to saturated and dry conditions. Thus, the time and effort needed for
calibration are reduced. For the 5TE sensor, the calibration equation provided by [36] suits better the
soil with high silt and clay content.
This study suggests the use of the direct procedure and a soil-specific calibration equation to obtain
accurate measurements of water content. Among the direct procedures, the proposed the most reliable
method is the field, although it is not always possible to collect samples in situ and to cover the complete
range of VWCs. The standard method comes in the second place, except for very high density soils for
which it is very difficult to reproduce the in-situ density in the lab on unstructured soil. The
"undisturbed" method is a good alternative in the latter case, as long as the volume of the soil sample
corresponds to the measurement volume of the sensor, so as not to have a bias linked to the gradient of
the water content in the block of soil. The latter method applied on EC5 sensor yields a VWC prediction
accuracy of 0.025 and 0.045 m3∙m−3 for sandy loam and silt loam soil, respectively. Further research is
worth conducting to assess the effect of this uncertainty on the experimental evaluation of hydrological
performance of SuDS as well as on the calibration and validation of hydrological models.
Author Contributions: Conceptualization, T.K., M.-C.G., D.R. and G.C.; methodology, T.K.; experimental work,
T.K. and P.D.; data processing, T.K. and P.D.; statistical data analysis, T.K.; writing—original draft preparation,
T.K.; writing—review and editing, M.-C.G., D.R. and G.C.; supervision, M.-C.G., D.R. and G.C. All authors have
read and agreed to the published version of the manuscript.
Funding: This research received funding from the OPUR Observatory of Urban Pollutants in Paris and the
ROULEPUR research programs. This work was also funded by the Lebanese University, Ecole des Ponts ParisTech
and the National Lebanese Council for Scientific Research (CNRS-L).
Acknowledgments: This study has been conducted within the framework of the OPUR Observatory of Urban
Pollutants in Paris and the ROULEPUR research program. The authors gratefully acknowledge OPUR partners
(AESN, SIAAP, CD92, CD93, CD94, Ville de Paris), Office Français de la Biodiversité, Seine Normandie Water
Agency, National Lebanese Council for Scientific Research (CNRS-L), Lebanese University and Ecole des Ponts
ParisTech for financial support. We would like also to acknowledge the Seine-et-Marne Departmental Council, for
their partnership and technical –support.
Conflicts of Interest: The authors declare no conflict of interest.
154
Appendix A
Figure A1. Linear and third-order polynomial fitting curves to EC5 sensor calibration data obtained by
means of standard, undisturbed and field methods on soil 1, 2a and 2b.
Figure A2. Linear and third-order polynomial fitting curves to 5TE sensor calibration data obtained by
means of standard, undisturbed and field methods on soil 1, 2a and 2b.
References
1. Eagleman, J.R.; Lin, W.C. Remote sensing of soil moisture by a 21-cm passive radiometer. J. Geophys. Res. 1976,
81, 3660–3666.
155
2. Kaleita, A.L.; Tian, L.F.; Hirschi, M.C. Relationship between soil moisture content and soil surface reflectance.
Trans. ASAE 2005, 48, 1979–1986.
3. Njoku, E.G.; Entekhabi, D. Passive microwave remote sensing of soil moisture. J. Hydrol. 1996, 184, 101–129.
4. Robinson, D.A.; Jones, S.B.; Wraith, J.M.; Or, D.; Friedman, S.P. A review of advances in dielectric and electrical
conductivity measurement in soils using time domain reflectometry. Vadose Zone J. 2003, 2, 444–475.
5. Dalton, F.N.; Van Genuchten, M.T. The time-domain reflectometry method for measuring soil water content
and salinity. Geoderma 1986, 38, 237–250.
6. Bell, J.P.; Dean, T.J.; Hodnett, M.G. Soil moisture measurement by an improved capacitance technique, Part
II. Field techniques, evaluation and calibration. J. Hydrol. 1987, 93, 79–90.
7. Dean, T.J.; Bell, J.P.; Baty, A.J.B. Soil moisture measurement by an improved capacitance technique, Part I.
Sensor design and performance. J. Hydrol. 1987, 93, 67–78.
8. Eller, H.; Denoth, A. A capacitive soil moisture sensor. J. Hydrol. 1996, 185, 137–146.
9. Fares, A.; Alva, A.K. Soil water components based on capacitance probes in a sandy soil. Soil Sci. Soc. Am. J.
2000, 64, 311–318.
10. Evett, S.R.; Ruthardt, B.B.; Kottkamp, S.T.; Howell, T.A.; Schneider, A.D.; Tolk, J.A. Accuracy and precision of
soil water measurements by neutron, capacitance, and TDR methods. In Proceedings of the 17th Water
Conservation Soil Society Symposium, Bangkok, Thailand, 14–21 August 2002.
11. Topp, G.C.; Davis, J.L.; Annan, A.P. Electromagnetic determination of soil water content: Measurements in
coaxial transmission lines. Water Resour. Res. 1980, 16, 574–582.
12. Bogena, H.R.; Huisman, J.A.; Oberdörster, C.; Vereecken, H. Evaluation of a low-cost soil water content sensor
for wireless network applications. J. Hydrol. 2007, 344, 32–42, doi:10.1016/j.jhydrol.2007.06.032.
13. Fares, A.; Safeeq, M.; Awal, R.; Fares, S.; Dogan, A. Temperature and Probe-to-Probe Variability Effects on the
Performance of Capacitance Soil Moisture Sensors in an Oxisol. Vadose Zone J. 2016, 15,
doi:10.2136/vzj2015.07.0098.
14. Payero, J.O.; Qiao, X.; Khalilian, R.D.; Davis, R. Impact of soil texture on the performance of three soil moisture
sensor types. In 2014 Montreal, Quebec Canada July 13–July 16, 2014; American Society of Agricultural and
Biological Engineers: St. Joseph, MI, USA, 2014; p. 1.
15. Seyfried, M.S.; Grant, L.E. Temperature Effects on Soil Dielectric Properties Measured at 50 MHz. Vadose Zone
J. 2007, 6, 759–765, doi:10.2136/vzj2006.0188.
16. Bañón, S.; Ochoa, J.; Bañón, D.; Ortuño, M.F.; Sánchez-Blanco, M.J. Assessment of the Combined Effect of
Temperature and Salinity on the Outputs of Soil Dielectric Sensors in Coconut Fiber. Sustainability 2020, 12,
6577, doi:10.3390/su12166577.
17. Scoggins, H.L.; van Iersel, M.W. In situ probes for measurement of electrical conductivity of soilless substrates:
Effects of temperature and substrate moisture content. HortScience 2006, 41, 210–214.
18. Kizito, F.; Campbell, C.S.; Campbell, G.S.; Cobos, D.R.; Teare, B.L.; Carter, B.; Hopmans, J.W. Frequency,
electrical conductivity and temperature analysis of a low-cost capacitance soil moisture sensor. J. Hydrol. 2008,
352, 367–378, doi:10.1016/j.jhydrol.2008.01.021.
19. Mittelbach, H.; Casini, F.; Lehner, I.; Teuling, A.J.; Seneviratne, S.I. Soil moisture monitoring for climate
research: Evaluation of a low-cost sensor in the framework of the Swiss Soil Moisture Experiment
(SwissSMEX) campaign. J. Geophys. Res. 2011, 116 (D5), doi:10.1029/2010JD014907.
20. Abbas, F.; Fares, A.; Fares, S. Field Calibrations of Soil Moisture Sensors in a Forested Watershed. Sensors 2011,
11, 6354–6369, doi:10.3390/s110606354.
21. Ganjegunte, G.K.; Sheng, Z.; Clark, J.A. Evaluating the accuracy of soil water sensors for irrigation scheduling
to conserve freshwater. Appl. Water Sci. 2012, 2, 119–125, doi:10.1007/s13201-012-0032-7.
22. Kinzli, K.-D.; Manana, N.; Oad, R. Comparison of laboratory and field calibration of a soil-moisture
capacitance probe for various soils. J. Irrig. Drain. Eng. 2011, 138, 310–321.
23. Mittelbach, H.; Lehner, I.; Seneviratne, S.I. Comparison of four soil moisture sensor types under field
conditions in Switzerland. J. Hydrol. 2012, 430–431, 39–49, doi:10.1016/j.jhydrol.2012.01.041.
24. Rosenbaum, U.; Huisman, J.A.; Weuthen, A.; Vereecken, H.; Bogena, H.R. Sensor-to-Sensor Variability of the
ECHO EC-5, TE, and 5TE Sensors in Dielectric Liquids. Vadose Zone J. 2010, 9, 181, doi:10.2136/vzj2009.0036.
25. Singh, J.; Lo, T.; Rudnick, D.R.; Dorr, T.J.; Burr, C.A.; Werle, R.; Shaver, T.M.; Muñoz-Arriola, F. Performance
assessment of factory and field calibrations for electromagnetic sensors in a loam soil. Agric. Water Manag.
2018, 196, 87–98, doi:10.1016/j.agwat.2017.10.020.
156
26. Sharma, H.; Shukla, M.K.; Bosland, P.W.; Steiner, R. Soil moisture sensor calibration, actual
evapotranspiration, and crop coefficients for drip irrigated greenhouse chile peppers. Agric. Water Manag.
2017, 179, 81–91, doi:10.1016/j.agwat.2016.07.001.
27. Spelman, D.; Kinzli, K.-D.; Kunberger, T. Calibration of the 10HS Soil Moisture Sensor for Southwest Florida
Agricultural Soils. J. Irrig. Drain. Eng. 2013, 139, 965–971, doi:10.1061/(ASCE)IR.1943-4774.0000647.
28. Varble, J.L.; Chávez, J.L. Performance evaluation and calibration of soil water content and potential sensors for
agricultural soils in eastern Colorado. Agric. Water Manag. 2011, 101, 93–106, doi:10.1016/j.agwat.2011.09.007.
29. METER Group. ECH2O EC-5 Manual; METER Group: Pullman, WA, USA, 2018.
30. METER Group. ECH2O 5TE Manual; METER Group: Pullman, WA, USA, 2018.
31. Davis, A.P. Green Engineering Promote Low-Impact Development. Environmental Science and Technology. 2005,
39, 338A–344A.
32. Sakaki, T.; Limsuwat, A.; Smits, K.M.; Illangasekare, T.H. Empirical two-point α -mixing model for calibrating
the ECH2O EC-5 soil moisture sensor in sands: TWO-POINT α -MIXING MODEL. Water Resour. Res. 2008, 44,
doi:10.1029/2008WR006870.
33. Robinson, D.A.; Gardner, C.M.K.; Evans, J.; Cooper, J.D.; Hodnett, M.G.; Bell, J.P. The dielectric calibration of
capacitance probes for soil hydrology using an oscillation frequency response model. Hydrol. Earth Syst. Sci.
Discuss. 1998, 2, 111–120.
34. Seyfried, M.S.; Murdock, M.D. Measurement of soil water content with a 50-MHz soil dielectric sensor. Soil
Sci. Soc. Am. J. 2004, 68, 394–403.
35. Bircher, S.; Andreasen, M.; Vuollet, J.; Vehviläinen, J.; Rautiainen, K.; Jonard, F.; Weihermüller, L.; Zakharova,
E.; Wigneron, J.-P.; Kerr, Y.H. Soil moisture sensor calibration for organic soil surface layers. Geosci. Instrum.
Methods Data Syst. 2016, 5, 109–125, doi:10.5194/gi-5-109-2016.
36. Vaz, C.M.P.; Jones, S.; Meding, M.; Tuller, M. Evaluation of Standard Calibration Functions for Eight
Electromagnetic Soil Moisture Sensors. Vadose Zone J. 2013, 12, 1–16, doi:10.2136/vzj2012.0160.
37. Visconti, F.; de Paz, J.M.; Martínez, D.; Molina, M.J. Laboratory and field assessment of the capacitance sensors
Decagon 10HS and 5TE for estimating the water content of irrigated soils. Agric. Water Manag. 2014, 132, 111–
119, doi:10.1016/j.agwat.2013.10.005.
38. Jones, S.B.; Blonquist, J.M.; Robinson, D.A.; Rasmussen, V.P.; Or, D. Standardizing characterization of
electromagnetic water content sensors. Vadose Zone J. 2005, 4, 1048–1058.
39. Gasch, C.K.; Brown, D.J.; Brooks, E.S.; Yourek, M.; Poggio, M.; Cobos, D.R.; Campbell, C.S. A pragmatic,
automated approach for retroactive calibration of soil moisture sensors using a two-step, soil-specific
correction. Comput. Electron. Agric. 2017, 137, 29–40, doi:10.1016/j.compag.2017.03.018.
40. Kanso, T.; Tedoldi, D.; Gromaire, M.-C.; Ramier, D.; Saad, M.; Chebbo, G. Horizontal and Vertical Variability
of Soil Hydraulic Properties in Roadside Sustainable Drainage Systems (SuDS)—Nature and Implications for
Hydrological Performance Evaluation. Water 2018, 10, 987, doi:10.3390/w10080987.
41. Cronshey, R. Urban hydrology for small watersheds. Tech. Release 1986, 55, 2–6.
42. Parsons, L.R.; Bandaranayake, W.M. Performance of a New Capacitance Soil Moisture Probe in a Sandy Soil.
Soil Sci. Soc. Am. J. 2009, 73, 1378, doi:10.2136/sssaj2008.0264.
43. Robinson, D.A.; Jones, S.B.; Blonquist, J.M.; Friedman, S.P. A physically derived water content/permittivity
calibration model for coarse-textured, layered soils. Soil Sci. Soc. Am. J. 2005, 69, 1372–1378.
44. Starr, J.L.; Paltineanu, I.C. Methods for measurement of soil water content: Capacitance devices. Methods Soil
Anal. Part 4 Phys. Methods 2002, 4, 463–474.
45. Cobose, D.R.; Chambers, C. Calibrating ECH2O soil moisture sensors. Decagon Devices Pullman WA 2010,
ApplicationNote.1–5.
https://assets.tequipment.net/assets/1/26/Calibrating_ECH2O_Soil_Moisture_Sensors.pdf
46. Topp, G.C.; Ferré, P.A. Determination of water content. Methods Soil Anal. 2002, Part 4, 417–545.
47. Logsdon, S.D. CS616 Calibration: Field versus Laboratory. Soil Sci. Soc. Am. J. 2009, 73, 1–6,
doi:10.2136/sssaj2008.0146.
48. RoTimi Ojo, E.; Bullock, P.R.; Fitzmaurice, J. Field Performance of Five Soil Moisture Instruments in Heavy
Clay Soils. Soil Sci. Soc. Am. J. 2015, 79, 20, doi:10.2136/sssaj2014.06.0250.
49. Assouline, S.; Narkis, K.; Tyler, S.W.; Lunati, I.; Parlange, M.B.; Selker, J.S. On the Diurnal Soil Water Content
Dynamics during Evaporation Using Dielectric Methods. Vadose Zone J. 2010, 9, 709, doi:10.2136/vzj2009.0109.
157
Publisher’s Note: MDPI stays neutral with regard to jurisdictional claims in published maps and institutional
affiliations.
© 2020 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access
article distributed under the terms and conditions of the Creative Commons Attribution
(CC BY) license (http://creativecommons.org/licenses/by/4.0/).
Fin du papier
2.2.4 Conclusions
Caractérisation des propriétés hydrauliques du sol et de leur variabilité spatiale
L'incertitude des propriétés hydrauliques du sol liée à la méthode

d'évaluation/mesure, ainsi que la variabilité horizontale et verticale intrinsèque, ont
été étudiées dans le premier article pour trois ouvrages végétalisés en bordure de
voirie. Une analyse des facteurs affectant cette variabilité, ainsi que ses effets sur la
dynamique et les volumes d'eau simulés, a été réalisée.
La variabilité horizontale de la conductivité hydraulique à saturation Ks s'est

avérée élevée, avec un coefficient de variation allant de 60 à 160% au sein de chaque
dispositif, sans aucune tendance spatiale visible. De plus, une variabilité verticale
notable a été constatée dans l'un des sites étudiés (la noue de biorétention). Les
techniques de construction (compaction), le développement non homogène de la
végétation et de l'activité biologique, la durée de la mise en fonctionnement, ainsi que
les précipitations de carbonate de calcium, pourraient jouer un rôle important sur les
valeurs des propriétés hydrauliques du sol et leur variabilité spatiale.
La variabilité spatiale des propriétés hydrauliques du sol s'est avérée être

dominante par rapport aux incertitudes des prédictions des fonctions de pédotransfert
(PTFs) et à celles induites par les erreurs expérimentales. Les PTFs prédisent les
courbes de rétention d'eau et de conductivité hydraulique avec une précision
raisonnable pour deux sites sur trois.
Le nombre de mesures d'infiltration qui pourraient être effectuées afin d'évaluer

avec précision la moyenne arithmétique de Ks avec une incertitude d'un facteur de
deux ou moins et un niveau de confiance de 80 % s'est avéré être de quatre/huit, selon
le site étudié.
158
L'effet de la variabilité horizontale et verticale de la valeur de K s sur la

performance hydrologique prédite d'une cellule de biorétention a été évalué à l'aide
du logiciel HYDRUS-1D. Les résultats mettent clairement en évidence l'impact
significatif de Ks sur la dynamique de l'eau simulée, y compris le flux et le volume
drainé. De plus, la variabilité verticale s'est avérée être la plus impactante par rapport
à la variabilité horizontale de Ks et de sa méthode d'évaluation. Cette variabilité
verticale pourrait modifier la performance hydrologique à long terme des systèmes
d'assainissement et la répartition du débit en diminuant l'infiltration dans le sol et en
augmentant le débit de surface. Par conséquent, pour représenter efficacement la
variabilité spatiale lors de la modélisation d'un système d'infiltration, des mesures du
sol doivent être effectuées à la surface, ainsi que verticalement. Une valeur moyenne
harmonique des Ks de chaque couche appliquée à un domaine homogène pourrait être
une alternative à un domaine à deux couches avec deux Ks différents.
Evaluation des capteurs EC5 et 5TE
Deux capteurs capacitifs à bas coût ont été étudiés. Les capteurs EC5 et 5TE ont
été mis en place sur un site d'étude, comprenant des ouvrages végétalisés de gestion
des eaux de ruissellement de voirie (deux bandes enherbées et une cellule de
biorétention). Ils ont été testés pour leur variabilité d'un capteur à l'autre et leur
répétabilité. En outre, l'effet de la texture du sol sur les données des capteurs est évalué
par étalonnage in situ. Deux procédures d'étalonnage en laboratoire ont été réalisées,
comparées l'une à l'autre ainsi qu'à l'étalonnage sur le terrain. L'une des méthodes
proposées dans cette étude, basée sur des échantillons de sol non remaniés, est
appropriée pour les sols à forte densité apparente qui peuvent être trouvés dans un
environnement urbain. Enfin, une comparaison des différentes procédures et
méthodes rapportées dans la littérature est effectuée.
La répétabilité des mesures des capteurs EC5 et 5TE est bonne, le coefficient de
variation maximal constaté étant de 0,1 %. En général, le capteur 5TE présente une plus
grande variabilité d'un capteur à l'autre que l’EC5. Cette variabilité est plus importante
dans l'air que dans l'eau, l'éthylène glycol pur et le sol. Cependant, l'analyse statistique
a conclu que pour un sol donné, les courbes d'étalonnage ne sont pas significativement
différentes d'un capteur à l'autre, donc une seule équation d'étalonnage est acceptable
et peut être appliquée pour un type de sol donné et un type de capteur donné.
Une comparaison entre l'équation d'étalonnage fournie par le fabricant avec les
points d'étalonnage sur le terrain a été effectuée. Les résultats montrent que les points
de terrain ne correspondent pas complètement à l'équation d'étalonnage du fabricant,
même si son intervalle de précision de ± 0,03 m3∙m-3 est pris en compte. Ainsi,
l'application d'une équation de calibration à une large gamme de classe texturale de
sol n'est pas précise, comme le démontre la présente étude et d'autres recherches. Par
159
conséquent, une équation de calibration spécifique au sol est cruciale pour obtenir une
mesure précise de la teneur en eau du sol.
Une méthode de calibration directe reliant directement la sortie du capteur à la

teneur en eau volumétrique prend en compte l'effet de la texture du sol dans
l'interprétation. À l'inverse, la procédure en deux étapes, réalisée en solution, peut
conduire à des erreurs importantes en omettant l'effet direct de la texture du sol.
L'équation du fabricant pour le capteur EC5 semble plus appropriée pour les sols de
type « silt loam » que pour les sols de type « limon sableux », pour ces derniers, la
précision est > 0,06 m3∙m-3.
Cette étude suggère l'utilisation de la procédure directe et d'une équation de

calibration spécifique au sol pour obtenir des mesures précises de la teneur en eau.
Parmi les procédures directes, la méthode proposée la plus fiable est le terrain,
cependant il n’est pas toujours possible de collecter des échantillons in situ et de
couvrir la gamme complète de teneur en eau. La méthode standard arrive en deuxième
place, sauf pour les sols de très haute densité pour lesquels il est très difficile de
reproduire la densité in situ en laboratoire sur un sol remanié. La méthode proposée
dans cet article est une bonne alternative dans ce dernier cas, pour autant que le
volume de l'échantillon de sol corresponde au volume de mesure du capteur, afin de
ne pas avoir de biais lié au gradient de la teneur en eau dans le bloc de sol. Cette
dernière méthode appliquée sur le capteur EC5 donne une précision de prédiction de
la teneur en eau de 0,025 et 0,045 m3∙m-3 pour les sols limon sableux et limon fin,
respectivement.
2 .3 Bilan des données acquises et validation
2.3.1 Acquisition des données
Les périodes de mesure exploitées dans le cadre de cette thèse pour les différents
équipements ainsi que le pas d’enregistrement des données sont indiquées dans le
Tableau 2.4. Le pas de temps d’acquisition est diffèrent entre les instruments de
mesure. La pluie est enregistrée au pas de temps constant de 6 minutes. Les deux séries
de données pluviométriques qui seront utilisées dans ce qui suit sont Compans et
Roissy. Les débits mesurés par les augets basculants dans le regard eaux brutes et les
cuves de la noue filtrante et de la bande enherbée 1 sont enregistrés au pas de volume
(horodatage des basculements). Les capteurs hydrologiques de teneur en eau et de
tension enregistrent à un pas de temps de 30 min. La hauteur d’eau en surface de la
noue filtrante est enregistrée à un pas de temps 30 min si la hauteur est inférieure à 7
160
cm. Dès que cette hauteur dépasse les 7 cm, le capteur commence à enregistrer à un
pas de temps plus fin d’une minute.
Tableau 2.4. Pas de temps d'enregistrements et période de mesure pour les différents
équipements.
Type de mesure Pas temps d’enregistrement dt Période de mesure
Pluie Compans 6 min 01/02/2015 - 29/01/2018
Pluie Roissy 6 min 18/04/2017- 18/10/2017
Débit de ruissellement (regard Horodatage des basculements 26 /11/2015 - 25/01/2018

eaux brutes) d’auget
Débit drainé bande enherbée Horodatage des basculements 23/11/2016 - 26/01/2018

d’auget
Débit drainé noue Horodatage des basculements 07/04/2016 - 26/01/2018

d’auget
Hauteur d’eau en surface de la Mesure instantanée à pas de temps 30/09/2016 - 26/01/2018

noue de :
 1 min si h >7 cm
 30 min si h<= 7 cm
Capteurs teneur en eau bande Mesure instantanée à pas de temps 21/01/2015 - 26/01/2018
enherbée 1 30 min
Capteurs teneur en eau bande Mesure instantanée à pas de temps 20/02/2015 - 26/01/2018
enherbée 2 30 min
Capteurs teneur en eau et Mesure instantanée à pas de temps 30/09/2016 - 26/01/2018

tension noue 30 min
Des données ont été perdues en raison de certaines contraintes de mesure in situ telles
que la décharge des batteries des centrales d'acquisition de données ou la panne des
centrales due à des conditions humides, comme dans le cas du regard des eaux brutes.
Les périodes de mesure et les « trous » dans celles-ci sont présentés à la Figure 2.27.
161
Figure 2.27. Périodes de mesure et « trous » dans les périodes
2.3.2 Validation des données et base de données finale
Il existe de nombreuses méthodes pour détecter les données fausses en vue de valider
les séries de données :
 Tout d'abord, la plage de mesure peut être vérifiée.

 Pour les mesures physiques, telles que les mesures de teneur en eau ou de tension
matricielle, les valeurs mesurées ne peuvent pas dépasser certaines bornes.
 Pour valider les données, il faut aussi détecter les trous et les exclure de la série
de mesures. Les trous peuvent correspondre à une absence d’enregistrement. Une
valeur constante mesurée sur une période de temps pendant laquelle cette valeur
doit fluctuer peut également montrer que les mesures sont fausses.
 Enfin, la méthode de cohérence spatiale entre les mesures dans le cas où les
mesures sont spatialement liées peut-être adaptée.
2.3.2.1 Validation des séries pluie / débit
La méthode suivie ici pour valider les précipitations et les débits drainés est la méthode
de la cohérence spatiale. En fait, le ruissellement de chaque bassin versant doit être
cohérent avec les précipitations enregistrées. Pour cela, la première étape consistait à
transformer toutes les séries de débits (débits de drain de la bande enherbée, débits de
drain de la noue, débits d'eau brute) pour disposer de séries à un pas de temps constant
et identique.
Pour transformer les débits en pas de temps fixes, les volumes à pas de temps variables
sont calculés, puis le cumul de ces volumes est fait et ensuite interpolé linéairement
162
pour obtenir les volumes à 6 minutes de pas de temps. Les débits sont ensuite calculés
sur la base des volumes à pas de temps constants.
Après transformation des débits à pas constants de 6 min, toutes les séries pluie/débit
sont devenues concomitantes. Des sommes journalières de volume, exprimé en mm
de pluie équivalente (volume divisé par la surface de bassin versant), et de pluie (mm)
ont été calculées afin de les comparer et d'identifier les valeurs incohérentes les unes
par rapport aux autres. Pour évaluer la cohérence entre les sommes, des indicateurs
fixes sont déterminés et calculés. Ces indicateurs sont donnés dans les équations ci-
dessous (Équation 2.1, Équation 2.2, Équation 2.3, Équation 2.4). La somme journalière
c’est la somme sur une journée.
Équation 2.1
𝐷𝐶𝑅 = ∑ 𝑃𝐶𝑜𝑚𝑝𝑎𝑛𝑠 − ∑ 𝑃𝑅𝑜𝑖𝑠𝑠𝑦

𝐽𝑜𝑢𝑟𝑛𝑎𝑙𝑖è𝑟𝑒 𝐽𝑜𝑢𝑟𝑛𝑎𝑙𝑖è𝑟𝑒
Équation 2.2
𝐷𝐶𝐵 = ∑ 𝑃𝐶𝑜𝑚𝑝𝑎𝑛𝑠 − 𝑉𝐵𝑟𝑢𝑡𝑒𝑠

𝐽𝑜𝑢𝑟𝑛𝑎𝑙𝑖è𝑟𝑒
Équation 2.3
𝐷𝐶𝑁 = ∑ 𝑃𝐶𝑜𝑚𝑝𝑎𝑛𝑠 − 𝑉𝑁𝑜𝑢𝑒

Équation 2.4
𝐷𝐶𝐴 = ∑ 𝑃𝐶𝑜𝑚𝑝𝑎𝑛𝑠 − 𝑉𝐵𝑎𝑛𝑑𝑒

Avec 𝑃𝐶𝑜𝑚𝑝𝑎𝑛𝑠 hauteur de la pluie à Compans [mm] ; 𝑃𝑅𝑜𝑖𝑠𝑠𝑦 hauteur de la pluie à

Roissy [mm] ; 𝑉𝐵𝑟𝑢𝑡𝑒𝑠 volume enregistré par l’auget basculant du regard eaux brutes
(bassin de référence) en équivalent mm de pluie [mm]; 𝑉𝑁𝑜𝑢𝑒 et 𝑉𝐵𝑎𝑛𝑑𝑒 volumes sortant
du drain de la noue filtrante et de la bande enherbée 1 (drainé), respectivement, en
équivalent mm de pluie [mm] ; 𝐷𝐶𝑅 , 𝐷𝐶𝐵 , 𝐷𝐶𝑁 et 𝐷𝐶𝐴 la différence de la somme
journalière des pluies de Compans et des pluies de Roissy, du volume ruisselé du
bassin versant de référence, du volume sortant du drain de la noue et du volume
sortant du drain de la bande enherbée 1 (respectivement).
Après le calcul de ces indicateurs, une interprétation des résultats est faite et des
actions sont donc déterminées. Le Tableau 2.5 présente l'interprétation ainsi que les
solutions appliquées pour valider et corriger les séries de données. Un indicateur a un
signe positif si la différence est positive et un signe négatif si la différence est négative.
163
Tableau 2.5. Interprétation et actions à entreprendre pour valider et corriger les séries de données.
𝑫𝑪𝑹 𝑫𝑪𝑩 𝑫𝑪𝑵 𝑫𝑪𝑨 𝑽𝑩𝒓𝒖𝒕𝒆𝒔 / 𝑽𝑩𝒓𝒖𝒕𝒆𝒔 / Interprétation Action
𝑷𝑪𝒐𝒎𝒑𝒂𝒏𝒔 𝑷𝑹𝒐𝒊𝒔𝒔𝒚
+ + + + 0.7<Ratio<1 Pas de problème dans Données Valides
ou - les séries de données
+ + + + <0.7 0.7<Ratio<1 Visualiser Si le débit ne correspond pas à
l’hyétogramme de la pluie de Compans ou de
pluie (Roissy et Roissy : remplacer la série de
Compans) et débits (avant transformation à
l’hydrogramme de pas de temps fixe) par un code
débit eaux brutes d'erreur (-6999)
Si le débit correspond à la pluie
de Roissy : remplacer la série de
pluie par la pluie de Roissy
+ - + + >1 Problème dans la série Si le basculement d’auget n’est
débits eaux brutes pas correct : remplacer les
valeurs des basculements par
un code d'erreur (-6999)
Si le basculement d’auget est
causé par une intervention sur
site : supprimer les
basculements
- - + + >1 0.7<Ratio<1 Visualiser Si le basculement d’auget n’est
l’hyétogramme de pas correct : remplacer les
pluie Roissy valeurs des basculements par
l’hydrogramme de un code d'erreur (-6999)
débit eaux brutes Si le basculement d’auget est
causé par une intervention sur
site : supprimer les
basculements
Si le débit correspond à la pluie
de Roissy : remplacer la série de
pluie par la pluie de Roissy
- + + + >0.7 Pas de problème dans Données valides
les séries de données
- + + + <0.7 Visualiser Si le basculement d’auget n’est
l’hydrogramme de pas correct : remplacer les
débit eaux brutes valeurs des basculements par
un code d'erreur (-6999)
- - - - Visualiser Remplacer la série de pluie par
l’hyétogramme de la pluie de Roissy
pluie Roissy
- - - + Visualiser Remplacer la série de pluie par
pluie Roissy
- - + - Visualiser Remplacer la série de pluie par
pluie Roissy
164
Par conséquent, pour la série pluie validée nous obtenons une série contenant les
données du pluviomètre de Compans dans le cas où les débits correspondent à la pluie
de Compans, et du pluviomètre de Roissy dans le cas où les débits correspondent à
celle-ci. Un code est donné à chaque pas de temps pour identifier si c'est la pluie de
Roissy ou de Compans qui est retenue. Pour les données eaux brutes, tout basculement
jugé incorrect a été remplacé par un code d'erreur, tandis que les basculements causés
par une intervention sur site ont été supprimés. Aucun problème n'a été identifié dans
les séries de débits des drains de la bande enherbée et de la noue. Après la validation
de la série de pluie qui comprend les données des pluviomètres de Compans et de
Roissy, elle a été transformée à un pas de temps fixe par la méthode des volumes
cumulés.
2.3.2.2 Lissage de la série de pluie et d’ETP
Le calcul des intensités de pluie à partir de l’enregistrement du nombre de

basculements par pas de temps de 6 mn est susceptible d’induire des biais lorsque
l’intensité de pluie est faible. Ainsi, pour des intensités de pluies inférieures à 2 mm/h,
soit 1 basculement en un temps supérieur à 6 min, cela conduirait à des successions de
pas de temps de 0 mm/h (pas de basculement d’auget au cours du pas de temps) et 2
mm/h (1 basculement au cours du pas de temps). Aussi avons-nous procédé à un
« lissage » de ces données avant leur exploitation.
La méthode de lissage de la pluie consiste à supprimer les pas de temps avec 0 hauteur
de pluie, à calculer les hauteurs de pluie cumulées sur les pas de temps non nuls, puis
à appliquer à ces données cumulées une fonction d'interpolation.
Cette méthode pose cependant problème lorsqu'on a enregistré plus que 1

basculement sur un pas de temps d'enregistrement. En effet seul le 1er basculement
est à répartir sur l'ensemble de la durée depuis le basculement précédent. Les
basculements suivants correspondent à de la précipitation durant le pas de temps
d'enregistrement. Quand l'intensité de la pluie est inférieure à 2 mm/h, donc moins de
0,2 mm en 6 mn, les enregistrements présentent des pas de temps avec H=0,
entrecoupés par des pas de temps avec H=0,2mm. On peut supposer que la pluie a été
continue, et donc que le 0,2 mm a été précipité pendant la durée depuis le temps
précédent non nul. Mais en cas d'averse orageuse, on peut avoir un certain nombre de
pas de temps nuls suivis d'un pas de temps de 0,6mm par exemple. Pour le premier
basculement on ne connait pas la période de remplissage de l'auget, on peut faire
l'hypothèse, comme pour les pas de temps à 0,2 mm qu'il a eu lieu de façon uniforme
depuis le précédent pas de temps non nul. Mais pour les 2 basculements suivants il est
certain que les augets se sont remplis durant le pas de temps de 6 mn. Donc il y a bien
165
eu une pointe d'intensité durant ce pas de temps, et une intensité sur ces 6 mn qui était
supérieure à 4 mm/h.
Pour cela les hauteurs de pluie ont été corrigées avant le lissage de la série de données.
La correction est décrite ci-dessous :
Soit H(t) le vecteur de pluie à pas de temps 6 min avec zéros.

Si H(t)>0,2 mm et H(t-1)=0mm, on ajoute un pas de temps entre H(t-1) et H(t) tel que
H(t=(t-1) +3min)=0,2 mm et H(t)=H(t)-0,2 mm
Ensuite, on élimine tous les zéros et on applique la méthode de lissage.
L'ETP est passé d'un pas de temps quotidien à un pas de temps de 6 minutes en
répartissant cette quantité sur la journée sous la forme d'une courbe sinusoïdale.
2.3.2.3 Validation du débit de surverse
Après validation de la de pluie, la série des débits de surverse de la noue a été validée
sur la base de celle-ci. Les volumes de surverse ont été comparés à la somme des
précipitations journalières. Une surverse éventuelle ne correspondant à aucune pluie
est supprimée. Des valeurs constantes de hauteur d’eau égales à 30 cm ont ainsi été
identifiées sur une période de temps sans précipitations. Cela est probablement dû aux
herbes qui poussent dans la noue sous la sonde de mesure, donc ce qui est mesuré n'est
pas la hauteur de l'eau, mais la hauteur de l'herbe. Dans ce cas, les valeurs enregistrées
par le capteur sont remises à zéro.
Le débit de surverse valide a été calculé par la formule KINDSVASTER (Équation 2.5)
en utilisant les hauteurs d’eau préalablement corrigées.
Équation 2.5
8 5/2
α′
Q= ϑC √2g (h0 + K h ) tg
15 v 2
où Q est le débit (L∙s-1) ; h0 est la hauteur (m) au-dessus de la crête du déversoir ; ϑ le
coefficient de débit pour un déversoir à 90° en V égal à 0,57857 ; α′ est l'angle du
déversoir égal à 90° ; K h facteur de correction égale à 0,85 mm ; Cv est le coefficient de
vitesse, on le néglige et le prend pour un déversoir fin égal à 1.
2.3.2.4 Validation des teneurs en eau et des tensions
Les séries de teneurs en eau et de tension sont mesurées à pas de temps de 30 minutes.
La méthode utilisée pour les valider est la méthode de la gamme de mesure. Par
exemple, la teneur en eau doit être comprise entre 0 et 60%. Toute valeur négative ou
supérieure à 60 % est considérée aberrante. Cette valeur est donc remplacée par un
166
code d'erreur (-6999). Après validation des données de 30 min, ces valeurs ont été
transformées à un pas de temps de 6 min par interpolation linéaire.
2.3.2.5 Délimitation des événements hydrologiques
La performance des ouvrages étudiés a été évaluée pour une série d'événements
pluvieux qui seront appelés " événements " dans les parties qui suivent. Le début d'un
événement correspond au début de la précipitation. La fin d'un événement correspond
au moment où l’écoulement du drain devient négligeable. L'événement est donc
considéré comme une combinaison des précipitations et de leurs conséquences sur le
système. Le pas de temps utilisé pour la pluie et les débits est égal à 6 min. La Figure
2.28 représente les étapes de détermination des événements. La méthode adoptée est
la méthode développée dans la thèse de Ramier, 2005. Le début d'un événement a été
déterminé lorsque l'intensité de la pluie est supérieure à un seuil fixe d'intensité Iseuil.
Si au pas de temps t l'intensité tombe en dessous de la valeur seuil, les précipitations
et les débits sont analysés sur une période définie DTfin. Pendant cette période,
l'événement est considéré comme terminé si deux conditions sont remplies. La
première est lorsque les précipitations cumulées pendant le DTfin sont inférieures à une
hauteur cumulée Hfin fixe. La deuxième condition est lorsque le volume cumulé drainé
pendant DTfin est inférieur à une fraction Frac du volume cumulé drainé depuis le
début de l'événement ou que le débit maximum au pas de temps t pendant DTfin est
inférieur au débit au début de l'événement. Tous les événements ayant une hauteur de
pluie totale Htot inférieure à 1 mm sont éliminés. Les paramètres d'identification Iseuil,
DTfin, Hfin, Frac ont été choisis respectivement égaux à 2 mm∙h-1, 60 min, 0,2 mm et 0,5
%. La résolution du pluviomètre est de 0,2 mm, les événements ont été définis comme
commençant avec la première pluie. La période DTfin de 60 min est le temps moyen
nécessaire pour que l'écoulement commence dans le drain après le début des
précipitations. La fraction de 0,5 % a été choisie, suite à une analyse de sensibilité,
comme un compromis qui attribue la plupart du débit du drain aux événements (91%)
sans créer des événements excessivement longs.
167
Figure 2.28. Schéma des étapes de la détermination des événements pluvieux.
168
Evaluation expérimentale de la performance hydrologique d’une noue
filtrante
Partie 3. Evaluation expérimentale de

la performance hydrologique d’une
noue filtrante
3 .1 Introduction
Dans cette partie de la thèse, la performance hydrologique expérimentale de la noue

filtrante en bordure de voirie est examinée. L'objectif est de comprendre le
fonctionnement de ce type d’ouvrage, de quantifier les différents flux impliqués et
d'étudier l'effet des différents éléments de conception sur le fonctionnement
hydrologique.
Dans ce contexte, un suivi hydrologique de la noue sur une longue période a été
effectué. Une large base de données a été collectée, validée et interprétée (voir partie
2.1.3 et 2.3). L'équipement comprend des augets basculants pour mesurer la pluie et
les débits drainés et une mesure de hauteur d’eau pour évaluer le débit de surverse en
surface. Des capteurs de teneur en eau et des tensiomètres ont été mis en place, pour
le calcul des stocks d’eau dans le sol et l'analyse de l'humidité ainsi que sa variabilité
spatiale et temporelle.
Les mesures de débits des eaux brutes sont très lacunaires, il est donc tout d'abord
nécessaire de reconstruire les flux entrants dans la noue par ruissellement superficiel.
Ceci est réalisé par modélisation sous le modèle EPA SWMM. Deuxièmement, les
performances hydrologiques de la noue sont évaluées sur la base d’indicateurs de
performance hydrologique, définis dans le cadre d'un groupe de travail inter-projets
entre les trois projets de recherche Matriochkas, MicroMegas et Roulépur (Flanagan et
al., 2019). Ces indicateurs sont évalués sur plusieurs échelles de temps :
événementielle, mensuelle, saisonnière et annuelle. Puis le bilan hydrique de la noue
est établi, pour plusieurs échelles de temps également. Des calculs d'incertitude sur ce
bilan hydrique sont effectués. La période d'étude s'étend d'avril 2016 à janvier 2018.
La période retenue pour le calcul du bilan hydrique et des indicateurs hydrologiques
est de 15 mois (octobre 2016 à janvier 2018). Cette période comprend 85 événements
pluvieux.
169
filtrante
3 .2 Reconstitution des données manquantes sous US EPA SWMM
3.2.1 Introduction
La série de données eau brute (mesure des débits de ruissellement issus d’une section
de la route), qui devait être utilisée pour estimer le flux d’eau entrant dans la noue
filtrante, présente de nombreuses lacunes du fait de défaillances techniques (partie
2.3.1). Afin d'obtenir des données fiables de ce qui entre dans la noue, une
modélisation des débits de ruissellement issus de la voirie a été réalisée au moyen du
logiciel de l’US EPA (United States Environmental Protection Agency) SWMM 5.1
(Rossman, 2015). Ce modèle a tout d’abord été appliqué au bassin versant routier
correspondant au point de mesure « eaux brutes », et calibré puis validé sur une
sélection d’événements pour lesquels des mesures sont disponibles et fiables. Il est
ensuite appliqué au cas du bassin versant de la noue filtrante, en conservant les
paramètres précédemment calés. Cette approche permet de simuler le ruissellement
de la chaussée entrant dans la noue filtrante. Dans les sections suivantes, on présentera
le modèle SWMM, le calage de celui-ci, ainsi que les principaux résultats obtenus.
3.2.2 Méthodologie
3.2.2.1 Description du modèle SWMM
Le modèle SWMM est largement utilisé pour la modélisation quantité/qualité des eaux
pluviales urbaines. Les simulations hydrologiques sous ce programme peuvent être
réalisées à l'échelle événementielle ou à long terme. Dans le présent modèle, un sous
bassin versant est représenté par un réservoir non linéaire dans lequel entrent et
sortent des flux (Figure 3.1). Les flux entrant dans ce réservoir proviennent des
précipitations et du ruissellement du sous bassin amont. D'autre part, l'eau sort du
système par infiltration, évaporation et ruissellement superficiel. L’infiltration est
considérée nulle car le bassin versant (la route) est complètement étanche. La relation
entre le ruissellement superficiel (Q) est la hauteur d’eau (d) dans ce réservoir est une
fonction non linéaire, l’équation de Manning.
170
filtrante
Figure 3.1. Représentation conceptuelle des flux d’eau dans SWMM (Rossman, 2015)
L’Équation 3.1 de continuité du système est donnée ci-dessous :
Équation 3.1
𝑑𝑑
𝐴 = 𝐴 (𝑃 − 𝐼 − 𝐸) − 𝑄
𝑑𝑡
Avec 𝐴 la surface du bassin versant ; 𝑃 l’intensité de la pluie ; 𝐼 le taux d’infiltration ;
𝐸 le taux d’évaporation et Q le débit de ruissellement.
Le ruissellement superficiel Q (par unité de surface) est produit lorsque la capacité

maximale de stockage du réservoir (pertes au ruissellement) est dépassée. Cette
capacité maximale est définie par la capacité maximale de stockage en dépression Dstore
assuré par la hauteur de stockage d’eau en surface, le mouillage de la surface et
l’interception. Le débit Q est déterminé par l'équation de Manning (Équation 3.2) à
partir des paramètres spécifiés par l'utilisateur. Ces paramètres sont la rugosité, la
largeur et la pente du bassin versant.
Équation 3.2
𝐶𝐿
𝑄= (𝑑 − 𝐷𝑠𝑡𝑜𝑟𝑒 )5/3 𝑆 1/2
𝑛𝑀
Avec C une constante (=1 si d et Dstore en m et le débit en m3∙s-1) ; L la largeur

représentative du bassin versant ; 𝑛𝑀 est la valeur moyenne du coefficient de
Manning ; S la pente moyenne du bassin versant.
La substitution de l’Équation 3.2 dans l’Équation 3.1, on obtient l’Équation 3.3:
Équation 3.3
𝑑2 − 𝑑1 𝐶 𝐿 𝑆 1/2 𝑑2 + 𝑑1
= 𝑃̅ − 𝐼 ̅ − 𝐸̅ − ( − 𝐷𝑠𝑡𝑜𝑟𝑒 )5/3
∆𝑡 𝐴 𝑛𝑀 2
171
filtrante
Avec ∆𝑡 le pas de temps de calcul ; d1 et d2 sont les hauteurs d’eau en surface au début
et à la fin du pas de temps de calcul, respectivement.
Le débit Q est donc obtenu après avoir calculé l'infiltration dans le sol à l'aide d'une
équation d'infiltration, puis en calculant d2 à l'aide de l'équation 3.3 et enfin en
appliquant l'équation de Manning 3.2. Les modèles d’infiltration qui peuvent être
choisis sont : Horton, Horton modifié, Green-Ampt, Green-Ampt modifié et Soil
Conservation Service (SCS) Curve Number.
3.2.2.1 Configuration des systèmes modélisés
La modélisation SWMM est appliquée sur deux bassins versants : bassin versant de
référence et bassin versant de la noue filtrante. Le bassin versant routier (de référence)
drainé par le point de mesure « eaux brutes » correspond à un bassin versant de 945
m² de surface, 100% imperméable. Il comporte un caniveau sur toute sa longueur.
L’eau ruisselle donc transversalement sur la chaussée puis s’écoule dans le caniveau
jusqu’au regard de mesure. Une représentation du site réel ainsi que la configuration
du modèle du bassin versant de référence est présentée sur la Figure 3.2. Tout d'abord,
la modélisation du bassin versant a été réalisée comme dans la réalité avec un
caniveau. Les résultats ont montré que l'ajout de ce caniveau ne change pas
significativement les résultats en termes de temps de transfert. La décision a donc été
de négliger cette approche et de modéliser le bassin versant « eaux brutes » sans
caniveau. Les deux représentations du système avec et sans caniveau sont illustrées
dans la Figure 3.3. Ce bassin versant a une largeur perpendiculaire au ruissellement
de 88,3 m. Cette valeur est calculée en divisant la surface du BV par la diagonale qui
correspond au chemin le plus long parcouru par l’eau (10,7 m) perpendiculairement
aux courbes de niveau. La pente d’écoulement moyenne (pente latérale) sur tout le
bassin versant est égale à 2,3 %.
172
filtrante
Figure 3.2. Site réel et configuration du modèle dans SWMM, bassin versant de référence sans
caniveau.
Figure 3.3. Schéma du bassin versant eaux brutes avec caniveau et sans caniveau. La ligne
rouge correspond à la ligne de plus grande pente et à la longueur hydraulique du bassin
versant.
173
filtrante
Au niveau de la noue, le bassin versant est constitué par deux parties : la première est
la chaussée elle-même et la seconde est la bande bitumineuse qui assure la jonction
entre la chaussée et la noue. L’eau ruisselle transversalement sur la chaussée puis sur
la bande bitumineuse. Le schéma du site et la représentation dans SWMM sont
présentés à la Figure 3.4. Dans le modèle SWMM, la première partie est représentée
par un bassin versant d’une surface de 315 m², 100% imperméable ayant une largeur
de 25 m (315/12,6) et une pente de 2,2 %. Ce premier bassin versant se déverse sur un
second bassin versant complètement imperméable, qui a une surface de 25 m², une
largeur de 33 m et une pente de 40 % qui correspond à la bande bitumineuse. Un
schéma descriptif de la route ainsi que de la bordure bitumineuse est illustré dans la
Figure 3.5. Ce dernier est connecté à un nœud de sortie (outfall dans le modèle
SWMM).
Figure 3.4. Site réel et configuration du modèle dans SWMM, bassin versant noue.
174
filtrante
Figure 3.5. Bassin versant de la noue filtrante.
3.2.2.2 Stratégie de calage du modèle
Pour calibrer le modèle SWMM, on a fait varier deux paramètres : le coefficient de

Manning N et la profondeur de la dépression de stockage sur la zone imperméable
Dstore. Le Dstore détermine le volume des pertes, ce qui affecte donc le volume du
ruissellement. D'autre part, le coefficient de Manning détermine la vitesse
d'écoulement, agissant ainsi sur la forme de l'hydrogramme. L'étude de sensibilité du
modèle est faite pour chaque paramètre indépendamment. L'accord entre les données
simulées et observées a été évalué au moyen de l'erreur absolue en volume et des
coefficients d'efficacité du modèle de Nash-Sutcliffe (Nash and Sutcliffe, 1970). Le
critère de NASH indique si le modèle est un meilleur estimateur des résultats que la
moyenne des observations ; il peut varier entre -∞ et 1, avec NASH = 1 indiquant un
ajustement parfait. Un NASH>0,5 indique une performance acceptable du modèle
SWMM (Dongquan et al., 2009).
Les plages de valeurs pour le coefficient de Manning N et la hauteur de stockage sur

la zone imperméable Dstore ont été choisies entre 0,13-0,16 (Wanielista et al., 1997) et 0,4-
2 mm (Chow et al., 2012; Huber et al., 1988), respectivement. Pour le coefficient de
Manning, ces valeurs correspondent à la surface d'une chaussée bitumineuse et
peuvent varier en fonction de sa rugosité. Le Dstore, correspondant aux pertes initiales
sur le bassin versant, est supposé égale à 2 mm pour les surfaces imperméable (Pit et
al., 1999).
Une analyse de sensibilité sur la pente aussi a été réalisée pour voir si une erreur dans
l’estimation de celle-ci a un effet sur les résultats du modèle. Trois valeurs ont été
considérées, tout d'abord la valeur moyenne de la pente de l'écoulement sur l'ensemble
du bassin versant, égale à 2,3 %. La valeur maximale de la pente de l'écoulement sur
l’ensemble du bassin versant est également choisie, égale à 2,5 %. Une troisième valeur
175
filtrante
égale à 1,08 % est aussi testée, correspondant à la pente moyenne pondérée. Les
paramètres utilisés pour les différentes simulations sont données dans le Tableau 3.1.
L'effet de la pente est testé dans les simulations 9 à 14.
Des simulations en continu ont été effectuées pour le bassin versant de référence. Une
série d'une année de précipitations et d'évapotranspiration potentielle au pas de temps
de 6 minutes a été appliquée. La période de simulation pour valider et étalonner le
modèle de référence est celle du 22 février 2017 au 25 janvier 2018. Le total des
précipitations au cours de cette période est de 561 mm. Dans cette période de
simulation, huit événements pour lesquels des données mesurées sont disponibles et
jugées valides ont été sélectionnés pour calibrer le modèle. Les événements
sélectionnés pour cette période sont présentés dans le Tableau 3.2.
Tableau 3.1. Les paramètres du bassin versant de référence pour les simulations effectuées.
№ Surface de la Largeur Pente de la % Imper Manning Dstore

Simulation route (ha) du BV route % N
1 0,0945 88,3 2,3 100 0,013 0,4

2 0,0945 88,3 2,3 100 0,013 0,5
3 0,0945 88,3 2,3 100 0,013 0,7
4 0,0945 88,3 2,3 100 0,013 0,8
5 0,0945 88,3 2,3 100 0,013 1
6 0,0945 88,3 2,3 100 0,013 1,27
7 0,0945 88,3 2,3 100 0,013 1,5
8 0,0945 88,3 2,3 100 0,013 2
9 0,0945 88,3 1,08 100 0,013 0,4
10 0,0945 88,3 1,08 100 0,013 0,8
11 0,0945 88,3 2,5 100 0,013 0,4
12 0,0945 88,3 2,5 100 0,013 0,8
13 0,0945 88,3 1,08 100 0,016 0,4
14 0,0945 88,3 2,3 100 0,016 0,4
Tableau 3.2. Les évènements sélectionnés pour calibrer le modèle.
Numéro de Date début Date fin h pluie Imoy Imax sur 6

l’évènement (mm) (mm/h) min
(mm/h)
1 27/2/2017 13:00 28/2/2017 0:48 3,90 0,33 8
2 01/03/2017 11:18 02/03/2017 00:18 11,92 0,92 19,22
3 3/3/2017 21:48 4/3/2017 20:00 12,30 0,55 6
4 06/03/2017 10:00 07/03/2017 18:24 5,11 0,16 4
5 21/03/2017 02:12 21/03/2017 22:18 1,27 0,06 4
6 23/03/2017 14:30 24/03/2017 06:00 8,26 0,53 12,4
7 06/05/2017 13:42 07/05/2017 18:54 4,84 0,17 2
8 14/05/2017 10:54 15/05/2017 03:48 2,24 0,13 8,182
176
filtrante
L’erreur sur le volume 𝐸𝑣𝑜𝑙𝑢𝑚𝑒 et le coefficient de NASH (Équation 3.4 et Équation 3.5)
ont été calculés pour l’ensemble des 8 événements de calage (les pas de temps pour
lesquels les mesures sont valides) et individuellement pour chacun de ces évènements.
Les valeurs des deux paramètres, le coefficient de Manning et le Dstore, montrant une
bonne concordance entre les données mesurées et les données simulées ont été utilisés
dans le modèle de bassin versant de la noue.
Équation 3.4
𝐸𝑣𝑜𝑙𝑢𝑚𝑒 = |𝑉𝑚𝑒𝑠𝑢𝑟é − 𝑉𝑠𝑖𝑚𝑢𝑙é |

Équation 3.5
∑𝑇𝑡=1(𝑄𝑠𝑡 − 𝑄𝑚𝑡 2
)
𝑁𝐴𝑆𝐻 = 1 − 𝑇 𝑡 ̅̅̅̅
∑𝑡=1(𝑄𝑚 − 𝑄𝑚 )2
Avec 𝑉𝑚𝑒𝑠𝑢𝑟é et 𝑉𝑠𝑖𝑚𝑢𝑙é les volumes de ruissellement mesuré et simulé, respectivement

[L] ; 𝑄𝑠𝑡 et 𝑄𝑚
𝑡
les débits simulé et mesuré, respectivement [L∙h-1] et ̅̅̅̅
𝑄𝑚 le débit moyen
des valeurs mesurées sur toute la période de mesure [L∙h-1]; t et T sont respectivement
le pas de temps de début de la période de simulation et le pas de temps de fin de la
simulation.
Une autre période est choisie pour le modèle noue, cette période couvre toute la
période d'étude et pour laquelle des indicateurs de performance seront calculés. Celle-
ci débute en avril 2016 et se termine en janvier 2018. Les précipitations totales sont de
1065 mm.
3.2.3 Résultats
3.2.3.1 Sensibilité du modèle par rapport aux paramètres
Le coefficient NASH et l'erreur sur le volume qui ont servi à évaluer la qualité du
modèle sont reportés à la Figure 3.6. Ils sont calculés pour toute la période de
simulation. Dans les simulations 1 à 8, le seul paramètre qui varie est le D store. L'erreur
sur le volume du modèle égale à 4587 L pour Dstore 0,4. Nous remarquons qu'une
augmentation de ce paramètre de 0,4 à 2 mm entraîne une augmentation de 3 fois cette
erreur. En ce qui concerne le coefficient NASH, une augmentation de Dstore de 0,4 à 0,7
entraîne une légère variation de ce coefficient, de 0,87 à 0,89. Si le Dstore est supérieur à
0,7, le NASH diminue de nouveau, pour arriver à un minimum égal à 0,65. Pour Dstore
de 0,4 mm, le modèle donne les meilleurs résultats (coefficient de NASH maximal et
erreur sur le volume minimale). Pour cela, ce paramètre a été fixé à 0,4 et le coefficient
177
filtrante
de Manning est changé dans les simulations 13 et 14. Cette variation de 0,013 à 0,016 a
entraîné une légère augmentation du coefficient NASH (0,88) et a augmenté de 1 %
l'erreur de volume. Les résultats sont donc peu sensibles à la variation du coefficient
de Manning.
L'effet de la pente sur les résultats du modèle est évalué sur la base des simulations 9
à 14. Les simulations 9 et 11, toutes deux avec le même Manning N et le même Dstore,
mais avec la pente différente d'environ 1,5 %, ont donné des résultats légèrement
différents. De même avec un Dstore supérieur pour les simulations 10 et 12 ou avec un
coefficient de Manning supérieur pour les simulations 13 et 14 , la variation de pente
est sans effet significatif sur les résultats. Ainsi, le paramètre qui a le plus d'effet sur
les résultats du modèle est la hauteur de stockage sur la zone imperméable Dstore.
Les résultats optimaux sont obtenus pour Dstore et Manning respectivement égaux à 0,4
mm et 0,016. La pente retenue est de 2,3 %.
Sur les Figure 3.7 et Figure 3.8, les erreurs de volume ruisselé en mm et le coefficient
NASH sont présentées par événement. Cette erreur est obtenue par la différence entre
Vmesuré et Vsimulé et est toujours positive pour tous les événements sélectionnés.
Cela montre que le modèle sous-estime le volume de ruissellement pour toutes les
simulations et tous les événements. Les résultats au niveau de l'événement appuient
les constatations précédentes. Le paramètre Dstore est celui qui a le plus d'effet sur le
rendement du modèle, tandis que la pente et le coefficient de Manning ont un effet
relativement faible. Les erreurs les plus élevées en mm de pluie pouvant atteindre 4
mm de pluie sont enregistrées dans la simulation 8, dont la hauteur de stockage de la
zone imperméable est égale à 2 mm. Les coefficients NASH les plus bas sont également
observés pour cette simulation. L’écart le plus faible entre les données simulées et les
données observées est relevé dans la simulation 14 où les paramètres Dstore et Manning
sont égaux à 0,4 mm et 0,016, respectivement.
178
filtrante
Figure 3.6. Coefficient de Nash-Sutcliffe et erreur en volume (L) pour chacune des simulations
sur toute la période.
Figure 3.7. Box plot montrant l'erreur en mm de pluie pour chaque simulation et pour les 8
évènements sélectionnés.
179
filtrante
Figure 3.8.Box plot montrant le coefficient de Nash Sutcliffe pour chaque simulation et pour
les 8 évènements sélectionnés.
Sur la base des résultats précédents, la simulation 14 est considérée la meilleure. Pour
cette simulation, les débits simulés et mesurés sont tracés dans la Figure 3.9 pour
chacun des événements sélectionnés. Le graphique montre une bonne corrélation entre
les observations et les prédictions du modèle. Des écarts relativement négligeables
sont constatés sur les pics de débit.
Figure 3.9. Débits mesurés Vs Débits simulés quand les paramètres de la simulation 14 sont
appliqués.
180
filtrante
3.2.3.2 Erreur sur l’estimation des débits de pointe
Dans cette partie, l'erreur sur la prédiction des débits de pointe est quantifiée. Dans la
Figure 3.10, les débits de pointe par événement sur toute la période de simulation sont
représentés. Les débits mesurés sont tracés sur l'axe des x en fonction du débit simulé
sur l'axe des y. En outre, la différence entre la valeur mesurée et la valeur prédite en %
est donnée sur la Figure 3.11.
Les résultats montrent une bonne corrélation entre les valeurs mesurées et simulées.
En particulier pour les débits inférieurs à 8000L/h, en effet, au-dessus de cette valeur,
la divergence devient plus importante. Pour les débits inférieurs à 8000 L/h, cet écart
se situe à ±1000 L/h, la médiane étant égale à 190 L/h. Cependant, avec une
augmentation du débit, cette différence peut atteindre ± 3000 L/h. L’erreur relative
absolue sur l’estimation des débits de pointe, pour les débits inférieurs à 8000 L/ h se
situe entre un minimum de 0 % et un maximum de 32 %, avec une valeur médiane de
9 %. Par contre, la valeur médiane de l’erreur relative, pour les débits supérieurs à 8000
L/h, est égale à 20 %. À noter que 80 % des débits de pointe sont inférieurs à 8000 L/h.
Figure 3.10. Comparaison entre débit de pointe simulé et débit mesuré pour tous les
évènements de la période de simulation.
181
filtrante
Figure 3.11. Erreur relative [%] sur l'estimation des débits de pointe.
Ces erreurs de débit de pointe sont également calculées à plusieurs pas de temps pour
les 8 événements précédemment choisis (partie 3.2.2.2, Tableau 3.2) afin d'évaluer
l'effet du pas de temps de calcul sur cette erreur. L'erreur absolue et relative sont
données respectivement à la Figure 3.12 et Figure 3.13.
Les résultats montrent que lorsque le pas de temps augmente, la différence entre les
valeurs simulées et les valeurs mesurées diminue. Par exemple, pour le même
événement, l'événement numéro 1, aux pas de temps de 6 min et 60 min, l'erreur est
de 3319 L/h (erreur relative 31%) et 629 L/h (erreur relative 20 %) respectivement.
Au pas de temps de 18 minutes, cette erreur varie entre -1357 L/h et +2477 L/h et
l'erreur médiane est égale à 203 L/h. L'erreur relative pour tous les événements et tous
les pas de temps se situe entre ±30% avec une médiane de 4%. Cette dernière est une
valeur acceptable qui montre une bonne performance du modèle.
182
filtrante
Figure 3.12. Erreurs absolue sur l'estimation des débits de pointes de 8 évènements sectionnés,
à pas de temps 6 min, 12 min, 18 min, 30 min et 60 min.
Figure 3.13. Erreur relative [%] sur l'estimation des débits de pointe de 8 évènements
sélectionnés, à pas de temps 6 min, 12 min, 18 min, 30 min et 60 min.
3.2.3.3 Estimation du débit entrant dans la noue filtrante pour la chronique

complète
Le coefficient de Manning égal à 0,016 et le Dstore égal à 0,4 mm sont appliqués dans le
modèle de noue. Les précipitations et les ETP sur l'ensemble de la période d'étude de
183
filtrante
la noue sont appliquées comme données d'entrée dans ce modèle. La Figure 3.14
montre la pluie et les débits de ruissellement simulés du bassin versant de la noue.
Figure 3.14. Pluie et débits simulés du bassin versant noue.
À partir de ces débits simulés, les coefficients de ruissellement ainsi que la perte aux
ruissellements évènementiels sont calculés et présentés dans des box plot en Figure
3.15. Ces valeurs sont calculées pour 120 événements entre avril 2016 et janvier 2018.
Les événements commencent au début de la pluie et se terminent avec la fin du
ruissellement dans la noue. La méthode utilisée pour la séparation des événements est
présentée à la section 2.3.2.5. Les précipitations avec une hauteur totale supérieure ou
égale à 1 mm ont été retenues comme des événements pluvieux. Le coefficient de
ruissellement à l'échelle de l'événement est égal à 93 % en médiane et 86 % en moyenne.
La perte au ruissellement est de 0,35 mm et 0,48 mm en médiane et en moyenne
respectivement. Certains événements ont des pertes initiales supérieures à 1,5 mm. Ils
correspondent à des événements avec un taux d'évaporation élevé. En effet, dans la
modélisation SWMM, l'évaporation pendant un événement pluvieux est permise. Le
coefficient de ruissellement annuel est également calculé pour l'année 2017 et est égal
à 94,2 %.
184
filtrante
Figure 3.15. Coefficient de ruissellement évènementiel et perte au ruissellement du bassin

versant noue.
3 .3 Indicateurs de la performance hydrologique et bilan hydrique de la

noue filtrante
La performance hydrologique de l’ouvrage étudié est évaluée en fonction des

indicateurs de performance définis dans le cadre d’un groupe de travail inter-projets
entre les trois projets de recherche Matriochkas, MicroMegas et Roulépur. Ces projets
ont tous été financés dans le cadre de l’appel à projet « Innovations et changements de
pratiques : lutte contre les micropolluants des eaux urbaines » de l’Agence Française
de la Biodiversité et des Agences de l’Eau (notamment Loire Bretagne, Rhône
Méditerranée Corse, Seine Normandie pour les trois projets). Ils visaient à l’évaluation
des performances des ouvrages de gestion alternative des eaux pluviales urbaines.
Chaque indicateur est associé à une fonction spécifique assurée par l’ouvrage. Pour
définir ces indicateurs, il faut, d'une part, définir le système évalué et, d'autre part,
définir l’échelle temporelle considérée. Deux systèmes sont considérés : l’ouvrage seul
et le bassin versant total (bassin versant d’apport + ouvrage). Le bassin versant
d’apport est la surface qui produit le ruissellement entrant dans l’ouvrage. Le bassin
versant total est la somme de la surface du bassin versant d’apport et de l’ouvrage. Le
premier système vise à évaluer la performance de l’ouvrage par rapport à ce qui y
entre et peut donc être comparé à un autre ouvrage mis en place au même endroit. Le
second permet d'évaluer la performance globale du système bassin versant + ouvrage.
Quant aux échelles temporelles, elles comprennent les événements, le mois, la saison
et l'année.
185
filtrante
3.3.1 Caractéristiques des évènements pluvieux
Dans le but d'évaluer la performance hydrologique de la noue filtrante à l'échelle de

l'événement hydrologique et de caractériser ces événements, une définition de ces
événements est réalisée. Les événements sont identifiés à l'aide du programme de
séparation des événements décrit dans la section 2.3.2.5. Les événements commencent
au début de la pluie et se terminent avec la fin de l'écoulement du drain, il s'agit donc
de la combinaison de la pluie et de ses conséquences sur le système. Si aucun
écoulement ne sort du drain, la fin de l'événement est définie par rapport à la fin de
l'écoulement de la chaussée. Seules les précipitations avec une hauteur totale
supérieure ou égale à 1 mm ont été retenues comme des événements pluvieux.
Le nombre d'événements identifiés entre avril 2016 et janvier 2018 est égal à 120. Les
périodes où les mesures de pluie ou les mesures de débit ont été invalidées sont exclues
(cf. 2.3.1). Le total des précipitations pendant ces événements est de 823 mm. Des 120
événements, 85 sont retenus dans les sections suivantes parce qu'ils se situent après le
moment où les redans ont été déplacés à leur position actuelle et que les capteurs en
surface ainsi que les capteurs de teneur en eau et de potentiel matriciel ont été installés.
La quantité totale de pluie tombée au cours de ces 85 événements atteignait 561 mm.
Des statistiques générales (Tableau 3.3) ont été établies pour la hauteur de pluie
cumulée sur l’évènement Hp (mm), l'intensité moyenne des précipitations Imoy (mm∙h-
1), l'intensité de pointe à un pas de temps de 6 min Imax,6min (mm∙h-1), la durée de
l’évènement Dtev (heures) et la durée de temps sec entre deux évènements Dtts (jours).
La hauteur événementielle maximale enregistrée est de 28,5 mm. Les intensités

maximales des événements ont un minimum de 2 mm/h et un maximum de 50,3
mm/h. La durée moyenne des événements est de 18,2 heures. Le temps sec préalable
dure en moyenne 4,8 jours.
Tableau 3.3. Statistiques décrivant les caractéristiques des évènements pluvieux identifiés.
Statistiques Hp (mm) Imoy (mm∙h-1) Imax,6min Dtev (h) Dtts (j)

(mm∙h-1)
Moyenne 6,6 0,5 8,1 18,2 4,8
Min 1 0,03 2 0 ,7 0,08
Max 28,5 2,8 50,3 49,1 24,1
Mediane 4,7 0,4 6 15,5 1,8
Les distributions des fréquences de Hp, Imoy, Imax,6min, Dtev et Dtts sont montrées à la
Figure 3.16. La majorité des évènements sont des pluies courantes de moins de 5 mm
de hauteur avec une intensité moyenne inférieure à 0,5 mm/h et une intensité
186
filtrante
maximale inférieure à 10 mm/h. La durée de ces événements varie entre 5 et 25 heures.

Moins d'événements sont considérés intenses, atteignant une intensité maximale de 50
mm/h. Le plus intense a été enregistré en mai 2017 ayant un Imax de 50 mm/h,
accumulant 15,2 mm d'eau avec une intensité moyenne de 1,3 mm/h sur une durée de
12 heures. La durée inter-événements est assez courte, moins de 2 jours de pluie, ce
qui signifie que les pluies sont assez fréquentes.
Figure 3.16. Distribution des fréquences de Hp, Imoy, Imax, 6min , Dtev et Dtts pour tous les
évènements.
La répartition des caractéristiques des événements, Hp, Dtev et Dtts sur la période
d'octobre 2016 à janvier 2018 est présentée à la Figure 3.17 ci-dessous. Il apparaît
clairement que l'année 2016-2017 pour les mois d'octobre à janvier est moins humide
que l'année 2017-2018. Pour cette dernière, la durée et la hauteur des événements sont
relativement plus importants, et la durée inter-évènements est plus courte. Deux
saisons sont également remarquables, une saison sèche et une saison humide. La
saison sèche couvre la période de juin à septembre 2017 et la saison humide d’octobre
2016 à mai 2017 et octobre 2017 à janvier 2018. La première est caractérisée par des
pluies de hauteur importante, de courte durée et moins fréquentes. En revanche, la
seconde est caractérisée par des pluies avec une hauteur totale de précipitation moins
187
filtrante
élevée, de plus longue durée et plus fréquentes.
Figure 3.17. Répartition des Hp, Dtev et Dtts sur la période Octobre 2016 à Janvier 2018.
3.3.2 Abattement de volume
3.3.2.1 Définition et calcul
L’abattement en volume est un critère largement utilisé pour caractériser la

performance hydrologique des ouvrages de gestion des eaux pluviales. Ce critère peut
varier en fonction de plusieurs facteurs (Shrestha et al., 2018) dont les caractéristiques
des événements pluvieux, les saisons, la conception de la noue (dimensions, nature du
sol, présence de la zone de stockage...).
Dans notre étude, l'efficacité de la noue filtrante en termes de réduction du volume est
évaluée à différentes échelles temporelles. Les échelles de temps comprennent les
événements, le mois, la saison et l'année. Deux saisons sont définies sur la base de la
variation annuelle de l’évapotranspiration Figure 3.18, la première saison couvrant la
période du 10 septembre au 10 mai et la deuxième saison couvrant la période du 10
mai au 10 septembre. Les valeurs les plus élevées d'ETP (5-9 mm∙jour-1) se produisent
pendant la deuxième saison, tandis que pendant la première saison, elles sont presque
toujours inférieures à 5 mm∙jour-1. Pour chaque échelle de temps deux abattements
sont calculés. Le premier est l’abattement de volume global de l’ensemble : bassin
188
filtrante
versant d’apport et noue (abattement de l’aménagement), alors que le deuxième est

l’abattement de volume par la noue. Les différentes formules de calcul des abattements
de volume relatifs et absolus sont données dans les équations ci-dessous (Équation 3.6.
Abattement de volume global de l’aménagement comprenant le bassin versant
d’apport et la noue, à l’échelle de temps T).
Figure 3.18. Variation annuelle de l'évapotranspiration (pas de temps 6 min).
Équation 3.6. Abattement de volume global de l’aménagement comprenant le bassin versant

d’apport et la noue, à l’échelle de temps T
𝑉𝑆,𝑇
𝐸𝑉,𝑔𝑏,𝑇 = 1 −
ℎ𝑝𝑙𝑢𝑖𝑒,𝑇 × 𝑆𝐵𝑉+𝑜𝑢𝑣
Équation 3.7. Abattement de volume par la noue, à l’échelle de temps T

𝑉𝑆,𝑇
𝐸𝑉,𝑂𝑢𝑣,𝑇 = 1 −
𝑉𝑆,𝐵𝑉,𝑇 + ℎ𝑝𝑙𝑢𝑖𝑒,𝑇 × 𝑆𝑜𝑢𝑣
Équation 3.8. Abattement de volume absolu global de l’aménagement comprenant le bassin

versant d’apport et la noue, à l’échelle de temps T (en mm de pluie)
ℎ𝑝𝑙𝑢𝑖𝑒,𝑇 × 𝑆𝐵𝑉+𝑜𝑢𝑣 − 𝑉𝑆,𝑇

𝐸𝑉,𝑎𝑏𝑠,𝑔𝑏,𝑇 =
𝑆𝐵𝑉+𝑜𝑢𝑣
189
filtrante
Équation 3.9. Abattement de volume absolu par la noue, à l’échelle de temps T (en mm de
pluie)
(𝑉𝑆,𝐵𝑉,𝑇 + ℎ𝑝𝑙𝑢𝑖𝑒,𝑇 × 𝑆𝑜𝑢𝑣 ) − 𝑉𝑆,𝑇

𝐸𝑉,𝑎𝑏𝑠,𝑂𝑢𝑣,𝑇 =
𝑆𝐵𝑉+𝑜𝑢𝑣
Avec : hpluie,T cumul de la pluie à l’échelle de temps T ; VS,T volume en sortie de la noue à
l’échelle de temps T; VS,BV,T volume de ruissellement sortant du bassin versant d’apport de la
noue à l’échelle de temps T; SBV+ouv surface totale du bassin versant et de la noue; Souv surface
de la noue ; T est l’échelle de temps égale à ev, men, sai et an qui correspond , respectivement,
à l’évènement, au mois, à la saison et l’année.
3.3.2.2 Efficacité hydrologique de la noue en termes de volume
A l’échelle de l’événement
Les abattements de volume du système global et par la noue, à l'échelle de l'événement

sont présentés à la Figure 3.19. Pour ce type d’ouvrage totalement étanche,
l’abattement de volume est principalement dû à l’évapotranspiration de l’eau stockée
dans le massif filtrant et en surface de l’ouvrage d'une part, et aux pertes initiales sur
la chaussée, d'autre part.
Pour l’abattement de volume global relatif (BV + noue), les valeurs varient entre 3 et
100 % en fonction de l'événement. En médiane, cette réduction est égale à 45 %.
L’abattement de la noue seule est inférieur car il n'inclut pas le pourcentage de perte
sur la chaussée et est égal à 39%. Dans l'étude de Strauch et al., (2016), une réduction
de 30 à 100% a été rapportée pour l’ouvrage de biorétention étudié. Celui-ci est drainé
au fond par un drain placé au milieu de la tranchée. Toutefois, afin de simplifier le
calcul du bilan hydrique, la vanne de vidange du drain est fermée pendant toute la
période de mesure. La couche de sol formant la tranchée d'infiltration ("massif
filtrant") n'est pas étanche et est entourée de sol naturel. Cette couche a une épaisseur
comprise entre 45 et 70 cm, avec une surface d’infiltration représentant 9% de la surface
du bassin versant d’apport. Dans la présente thèse, le pourcentage de la surface
d'infiltration/la surface du bassin versant est inférieur et est égal à 6%.
Pour 8 % des événements, le volume entrant dans la noue est réduit par celle-ci de plus
de 80 %. En revanche, la réduction est inférieure à 30 % pour 21 % des événements. Les
deux ouvrages de biorétention non étanches étudiés par Davis, (2008) réduisent
complètement le volume entrant pour 18% des événements. Il est à noter que
l'épaisseur du massif filtrant dans ces derniers est comprise entre 90 et 120 cm. Cette
épaisseur est supérieure à celui du massif filtrant dans la noue filtrante étudiée dans
cette thèse. La surface de l’ouvrage de biorétention vaut 20 % de la surface du bassin
190
filtrante
versant. La surface de l’ouvrage par rapport au bassin versant est sans doute l'un des
facteurs les plus importants qui influencent la capacité de réduction du volume de ce
type d'ouvrage.
La hauteur de pluie cumulée pendant un évènement peut avoir aussi un effet sur
l’abattement volumique de l’ouvrage (Figure 3.20). Tous les abattements supérieurs à
80 % sont obtenus pour des évènements inférieurs à 5 mm de pluie. Pour la majorité
des pluies de plus de 5 mm la réduction en volume est inférieure à 50 %. Les
abattements absolus (en équivalent hauteur de pluie précipitée sur le bassin versant
d’apport + noue) sont également donnés à la Figure 3.21 en fonction de la hauteur de
pluie en mm : l’abattement par la noue atteint une valeur maximale de 14 mm, le
système noue + route permet d’abattre jusqu’à 16 mm. Dans la majorité des cas
l’abattement est inférieur à 5 mm.
Figure 3.19. Abattement volumique évènementiel global et de la noue.
191
filtrante
Figure 3.20. Abattement volumique évènementiel de la noue en fonction de la hauteur de

pluie.
Figure 3.21. Abattement volumique évènementiel absolu global et de la noue en fonction de la

hauteur de pluie. La ligne en rouge représente la ligne d'égalité entre le volume entrant et
sortant.
Outre le ratio surface de l’ouvrage / surface du bassin versant et la hauteur de la pluie,

la teneur en eau initiale du sol peut également avoir un effet sur la réduction de volume
assurée par ce type d’ouvrage. La teneur en eau est l’un des facteurs déterminant de
la capacité d’infiltration du sol. La Figure 3.22 montre ces abattements événementiels
192
filtrante
en fonction de la teneur en eau initiale du substrat. Cette teneur est égale à la moyenne
de toutes les mesures fournies par les capteurs au début de l'événement pluvieux. Pour
les événements dont la hauteur totale des précipitations est inférieure à 5 mm, la
réduction du volume a tendance à diminuer avec l’augmentation de l'humidité du sol.
Plus le sol est initialement saturé, c'est-à-dire que la vitesse d'infiltration devient égale
à la conductivité hydraulique à saturation Ks, moins la teneur en eau initiale a d'impact
sur la réduction du volume. Par conséquent, à l'échelle événementielle, la teneur en
eau initiale du substrat peut avoir un effet, en particulier pour les événements
inférieurs à 5 mm et pour des teneurs en eau inferieures à la saturation (~20 %). En
revanche, pour les événements d'une hauteur supérieure (>=5mm), la réduction du
volume ne montre pas de tendance spécifique liée à la teneur en eau initiale. Dans ce
cas, l'effet de la hauteur de la pluie est dominant.
Figure 3.22. Abattement volumique absolu évènementiel [mm] de la noue en fonction de la

teneur en eau initiale du substrat.
A l’échelle mensuelle
L’abattement mensuel du volume entrant par l’ouvrage est illustré à la Figure 3.23. On
remarque nettement l'effet du mois sur cette efficacité. La réduction du volume suit la
variation de l'ETP au cours de l'année. En fait, pour les mois d'avril à septembre où
l'ETP a les valeurs les plus élevées en raison du développement de la végétation,
rayonnement plus importants, humidité de l’air plus faible et de l'augmentation de la
température, l'efficacité de la réduction du volume est plus importante. Si nous
193
filtrante
comparons la réduction du volume pour le même mois, mais au cours des années 2016
et 2017, nous constatons également une différence. Selon les données météorologiques,
on constate qu'entre août 2016 et janvier 2017, il y a eu 108 mm de pluie. En revanche,
entre août 2017 et janvier 2018, cette quantité est trois fois supérieure et égale à 300
mm. Par conséquent, la réduction du volume a diminué pour ces mois, passant de 52
% (13 mm en absolue) en moyenne à 38 % (22 mm en absolue), pour les années 2016-
2017 et 2017-2018, respectivement. Outre les conditions météorologiques, un autre
facteur peut avoir un effet sur cette réduction. Ce facteur est le développement des
racines de la végétation dans le massif filtrant, qui à son tour contribue à
l'augmentation de la conductivité hydraulique du sol. Ce qui favorise l’infiltration de
l’eau dans le sol.
Figure 3.23. Abattement volumique mensuel global et par rapport à la noue.
A l’échelle de la saison
Les événements sont classés par saison. Il s'agit de deux saisons, la saison chaude avec
des ETP élevées (de mai à septembre) et la saison froide avec des ETP plus faibles (de
septembre à mai). Les résultats saisonniers sont présentés à la Figure 3.24 ci-dessous.
L'abattement du volume pendant la saison froide 2016 est de 47%. Cet abattement est
quasiment identique pendant la saison chaude 2017 et est égal à 50%. Sachant que le
nombre de mois dans chaque saison n’est pas le même, l’abattement absolu saisonnier
global en mm/mois est calculé. Pour la saison froide de septembre 2016 à mai 2017, la
réduction est égale à 15 mm/mois. Cette dernière est plus élevée pour la saison chaude
mai 2017 - septembre 2017 et est égale à 18 mm/mois. Un effet saisonnier est donc
194
filtrante
remarquable, pendant la saison chaude, le volume est réduit plus efficacement. En

revanche, pour la dernière saison froide (septembre 2017-janvier 2018), une réduction
absolue beaucoup plus importante est remarquée. Cette réduction est égale à 28
mm/mois. Cela peut être dû au fait que la hauteur totale de pluie en 2017-2018 est
supérieure à celle de l'année 2016-2017. La réduction annuelle de volume est de 44 %
pour l’année 2017.
Figure 3.24. Abattement volumique saisonnier global et par rapport à l’ouvrage.
3.3.3 Proportion surversée
3.3.3.1 Définition et Calcul
La fraction de surverse est l'un des indicateurs clés de la performance hydrologique.

Cet indicateur conditionne fortement l'abattement de volume évoqué ci-dessus. C'est
également un bon indicateur de l'adéquation de l’ouvrage au bassin versant, qui est
l'un des paramètres du dimensionnement. Par ailleurs, il reflète la capacité de la
structure à recevoir les eaux de ruissellement et à contrôler le régime hydrologique.
Les enjeux impliqués sont la lutte contre les inondations et la préservation de l'état
écologique des milieux récepteurs.
Il est simple à calculer dans la mesure où le débit de surverse est mesuré. Par
conséquent, ces indicateurs ont été calculés à l'aide des Équation 3.10 et Équation 3.11.
Les fSV,gb reflètent la fraction de débordement globale (noue et bassin versant) par
rapport aux pluies tandis que les fSV,Ouv expriment cette fraction par rapport au débit
entrant dans la noue. Cet indicateur est évalué à l'échelle évènementielle et annuelle.
195
filtrante
Équation 3.10. Fraction du volume surversé par rapport au volume total géré par
l’aménagement (bassin d’apport + noue) à l’échelle du temps T
VSV,T
fSV,gb,T =
hpluie,T × SBV+ouv
Équation 3.11. Fraction du volume surversé par rapport au volume entrant dans la noue à
l’échelle du temps T
VSV,T
fSV,Ouv,T =
VS,BV,T + hpluie,T × Souv
Avec : VSV,T volume de surverse à l’échelle de temps T; VS,BV,T volume de ruissellement sortant
du bassin versant d’apport de la noue à l’échelle de temps T ; T est l’échelle de temps égale à
ev et an qui correspondent, respectivement, à l’évènement et année.
3.3.3.2 Efficacité hydrologique de la noue en terme de surverse
La hauteur d'eau mesurée à la surface de la partie avale de la noue est représentée sur
la Figure 3.25 en fonction du temps. Si cette hauteur est supérieure à 16 cm (hauteur
de pelle du déversoir triangulaire), on peut dire qu'il y a débordement. Les résultats
montrent que 2,6 % du temps le niveau d'eau est supérieur à 160 mm.
La hauteur d’eau mesurée par le capteur est validée à partir du tensiomètre placé dans
le sol à 25 cm de profondeur en aval de la noue, sur toute la période de mesure (cf.
section 2.1.3). Le but est de vérifier si une surverse s'est produite mais n'a pas été
enregistrée par le capteur. Cette vérification a montré que tous les évènements avec
surverse ont bien été enregistrés. En plus, les données de tension dans le sol ont été
utilisées pour déterminer la hauteur d’eau seuil mesurée par le capteur et indiquant
l'existence d'eau à la surface. La Figure 3.26 montre les hauteurs d'eau et les pressions
pour le mois de novembre 2017. D'après ces résultats, on constate que lorsque la
hauteur d'eau à la surface est supérieure à 20 mm d'eau, la pression donnée par le
capteur est positive, indiquant la présence d'eau. En revanche, pour une hauteur d'eau
inférieure à 20 mm, cette pression est négative et le sol n’est donc pas saturé. La
hauteur de 20 mm est ainsi utilisée comme indicateur de la présence ou non d'eau à la
196
filtrante
surface de la noue. Selon les données du capteur, la hauteur est supérieure à 20 mm

pendant 26% du temps, ce qui indique la noue est mise en eau pendant ce temps.
Figure 3.25. Hauteur d'eau mesurée en surface de la partie aval de la noue, au niveau du
déversoir triangulaire.
Figure 3.26. Hauteur d’eau en surface de la noue et pression dans le sol pour le mois de
novembre 2017
La proportion d'eau de surverse pour les événements où il y a débordement est

montrée à la Figure 3.27. Cette proportion est calculée par rapport au volume total géré
par l'aménagement, d'une part, et le volume entrant dans la noue, d'autre part. Les
neuf événements pour lesquels la surverse s'est produite ainsi que leur période de
retour sont présentés au Tableau 3.4. La majorité de ces évènements sont des
évènements bimestriels. Pour les deux événements du 11 novembre 2017 et du 27
197
filtrante
novembre 2017, la fraction surversée représente respectivement 19 et 28 % de ce qui

entre dans l'ouvrage. Ce sont les valeurs maximales enregistrées pendant la période
d'étude. L'événement du 11 novembre présente un cumul élevé de 18,85 mm sur une
durée de 38,7 heures et une intensité maximale de 15 mm/heure (pas de temps de 6
min). Le cumul de l'événement du 27 novembre est également important, 13 mm sur
une durée de 8,6 heures. En revanche, pour les autres événements, cette fraction est
inférieure à 5%. Il faut également noter que sur les 85 événements étudiés, seulement
9 événements présentaient un débordement. Cela représente 10 % du nombre total
d'événements.
Figure 3.27. Fraction d'eau de surverse évènementielle globale et par rapport à l'ouvrage.
198
filtrante
Tableau 3.4. Caractéristiques des événements pluvieux pour lesquels une surverse a été
enregistrée
Date Date h pluie Imoy Imax Dtev (h) Dtts (j) Période de
début fin (mm) (mm) (mm) retour
23/10/20 24/10/2016 Mensuelle
16 14:48 03:30 11,66 0,92 11,00 12,70 0,95
21/12/20 22/12/2016 Bimestrielle
16 23:24 08:24 11,30 1,26 5,00 9,00 8,50
01/03/20 02/03/2017 Mensuelle
17 11:18 00:18 11,92 0,92 19,22 13,00 0,16
05/03/20 06/03/2017 Mensuelle
17 08:48 01:00 10,09 0,62 10,00 16,20 0,53
12/05/20 12/05/2017 Bimestrielle
17 11:42 23:54 15,22 1,25 50,29 12,20 4,70
11/11/20 12/11/2017 Bimestrielle
17 05:00 19:42 18,85 0,49 15,00 38,70 12,11
23/11/20 24/11/2017 Bimestrielle
17 13:54 13:54 15,43 0,64 28,17 24,00 10,76
27/11/20 28/11/2017 Bimestrielle
17 18:24 03:00 13,03 1,52 3,67 8,60 1,01
22/01/20 22/01/2018 Trimestrielle
18 07:12 12:54 15,72 2,76 18,67 5,70 0,33
La fraction annuelle du volume débordé par rapport au volume total géré par
l’aménagement et par rapport au volume entrant dans la noue est respectivement
égale à 2,1 et 2,3 % pour l'année 2017. Ainsi, près de 2 % de ce qui est entré dans la
noue est débordé, ce qui est très peu. La proportion de débordement rapportée par
Dietz et Clausen (2005) est égale à 0,8 % sur une période d'étude de 1 an et 2 mois.
Dans cette dernière étude, l’ouvrage de biorétention est constitué d'un sable limoneux
sur une épaisseur de 60 cm et avec une zone de stockage de 15 cm en surface. Le sol
formant l’ouvrage a une conductivité hydraulique de 1∙10-5 m/s. L’ouvrage est
dimensionné pour recevoir 25,4 mm de ruissellement généré par une toiture en
bardeaux d’asphalte. La surface de cette dernière est 106,8 m2. La surface de l’ouvrage
est 9 m2. Le rapport entre l’ouvrage et le bassin versant est donc de 8,4 %.
3.3.4 Abattement et distribution des débits
La réduction du débit de pointe est également utilisée comme indicateur de la

performance hydrologique de la noue. Il est particulièrement utile pour des raisons
199
filtrante
réglementaires. De plus, c'est un indicateur facile à estimer. Deux fonctions sont

traitées par celui-ci, notamment l’atténuation du débit de pointe et le contrôle du
régime hydrologique. Cela permet de lutter contre les inondations et de préserver l'état
écologique des milieux récepteurs. Cette réduction du débit de pointe est analysée par
l’intermédiaire du calcul de l’abattement du débit de pointe et la comparaison de la
probabilité de non-dépassement des débits entrant et sortant.
L’abattement de débit de pointe est principalement assuré par le massif filtrant. Par
contre, au cas où un débordement a lieu, l’effet du milieu filtrant devient limité. Dans
cette thèse, la réduction du débit de pointe a été calculée à l'échelle de l'événement et
à différents pas de temps, 6, 12, 18, 30 et 60 min. Cet indicateur est évalué par rapport
à l’ouvrage (Équation 3.12).
Équation 3.12. Abattement du débit de pointe par la noue

Q S,max
eQmax,Ouv = 1 −
(Q S,BV + Ipluie × Souv )𝑚𝑎𝑥
Avec : Q S,max débit de pointe en sortie de la noue (drain + surverse); Q S,BV débit du
ruissellement généré par le bassin versant d’apport alimentant la noue; Ipluie Intensité de la
pluie.
Le calcul de la distribution de probabilité de non-dépassement des débits entrant et

sortant de la noue a pour but d’évaluer l’impact de l’ouvrage sur le régime
hydrologique dans son ensemble. Pour un débit considéré la fraction P (du temps ou
du volume) représente le pourcentage du temps ou de volume pendant lequel ce débit
n’est pas dépassé. Dans cette étude, la probabilité de non-dépassement en temps et en
volume est calculée pour les débits entrant et les débits sortant de la noue.
La probabilité de non-dépassement des valeurs de débit est calculée en triant en ordre

croissant la liste d’enregistrements de débit (y compris les valeurs nulles). Un rang
(Rang) est ensuite affecté à chaque valeur, de 1 à N. La probabilité en fonction du temps
et du volume, sont calculés par les Équation 3.13 et Équation 3.14, respectivement.
Équation 3.13. Probabilité en fonction du temps

𝑅𝑎𝑛𝑔⁄
𝑃𝑛𝑑,𝑡,𝑅 = 𝑁
Équation 3.14. Probabilité en fonction du volume
∑𝑅𝑎𝑛𝑔
𝑖=1 (𝑄𝑖 ∆𝑡)⁄
𝑃𝑛𝑑,𝑣,𝑅 =
∑𝑁
𝑖=1(𝑄𝑖 ∆𝑡)
Avec : 𝑄𝑖 débit de l’enregistrement i; ∆𝑡 pas de temps fixe de la série de données.
200
filtrante
3.3.4.2 Efficacité hydrologique de la noue en terme de débit
Les débits de pointe entrants dans la noue d'une part et sortant d'autre part sont
représentés à la Figure 3.28. On remarque que les débits de pointe entrants minimums
et maximums sur toute la période de mesure sont respectivement de 2 et 113 L∙s-1∙ha-1.
Toutefois, les débits de pointe sortants sont beaucoup moins importants et se situent
entre 0 et 21 L∙s-1∙ha-1. Cela montre que l’ouvrage permet de réduire considérablement
les débits de pointe.
La réduction des débits maximums évènementiels entre l’entrée et la sortie de la noue,

pour différents pas de temps de calcul (6, 12, 18, 30 et 60 min) est présentée à la Figure
3.29. La réduction à pas de temps de 6 min par rapport au débit entrant se situe entre
18 et 100%. Pour 20 événements sur 85, soit 24% des événements, la réduction du débit
de pointe est supérieure à 90 %. Pour 98 % des événements, presque tous les
événements, cette réduction est supérieure à 60 %. En augmentant le pas de temps de
calcul, l'abattement diminue légèrement. Par exemple, à un pas de temps de 18 min, la
réduction est supérieure à 57% pour 98 % des événements. Les valeurs rapportées par
Hunt et al., (2008) pour la réduction du débit de pointe sont 96% pour des pluies < 40
mm.
La réduction des débits de pointe dépend de plusieurs facteurs. Les principaux sont la
conductivité hydraulique du sol et le rapport entre la surface d'infiltration de l’ouvrage
et la surface du bassin versant. Plus la conductivité hydraulique et le rapport de
surface sont élevés, plus la réduction des débits est faible. Dans l'étude de Hunt et al.,
(2008), le ratio entre la surface de l’ouvrage de biorétention et la surface du bassin
versant est de 6,2%. La perméabilité du sol formant l’ouvrage, qui est du limon
sableux, est 3∙10-6 m∙s-1. D'autre part, la noue étudiée dans cette thèse est formée par du
limon sableux dont la conductivité hydraulique à saturation est de 5,8∙10-6 m∙s-1 et le
ratio de surface est égal à 4,8%. Si on multiplie le ratio de surface par la conductivité
hydraulique du sol, on obtient respectivement 1,9∙10-7 m∙s-1 et 2,8∙10-7 m∙s-1 pour Hunt
et al., (2008) et cette étude. Par conséquent, plus cette valeur est grande, moins la
réduction du débit est importante.
201
filtrante
Figure 3.28. Débits de pointe d'entrée et de sortie de la noue
Figure 3.29. Abattements des débits de pointe par la noue filtrante, pour différents pas de
temps de calcul (6, 12, 18, 30 et 60 min).
Les débits maximums de drain à pas de temps de 18 min sont illustrés à la Figure 3.30.
L'objectif était de voir comment ces débits ont varié au fil du temps par rapport à
l'évolution de la noue. Il est à noter qu’avant Février 2017, les débits de pointe
maximums se situent entre 400 et 600 L/h. Ces débits augmentent considérablement
après mars 2017 pour atteindre 1200 L/h, ce qui équivaut au double des débits au début
du cycle de vie de la noue.
Cette augmentation des débits maximaux peut être due au développement des racines
des plantes dans la noue qui contribuent à la formation de cavités et par conséquent à
l'augmentation de la conductivité hydraulique du sol. Visuellement, le développement
202
filtrante
des racines dans le sol est bien remarqué (voir Figure 3.31). Au début du cycle de vie
de la noue, le sol a été bien compacté pendant la construction, ce qui a contribué à des
valeurs de Ks faibles par rapport au type de sol limon sableux (Kanso et al., 2018). Au
fil du temps et avec le développement de la végétation, la conductivité hydraulique
du sol a augmenté.
Afin de confirmer l'hypothèse de la variation de la conductivité hydraulique du sol

dans le temps, les débits maximums du drain ont été tracés en fonction des hauteurs
d'eau de surface (Figure 3.32). Les débits et les hauteurs sont les valeurs maximales de
l'événement. Seuls les événements dont la hauteur est supérieure à 100 mm sont
sélectionnés. Ces valeurs sont séparées en deux parties afin de différencier les deux
périodes : octobre 2016 à janvier 2017 et octobre 2017 à janvier 2018. On peut constater
un écart entre les deux lignes droites correspondant aux deux périodes de mesure. La
pente de la ligne au cours de l'année 2017 est presque deux fois plus élevée que celle
de l'année 2016. Cela indique une augmentation de la conductivité hydraulique du sol.
Figure 3.30. Débits maximums du drain au pas de temps de 18 min.
203
filtrante
Figure 3.31. Photos montrant la végétation dans la noue et les racines de celle-ci.
Figure 3.32. Débits de pointe du drain à pas de temps 18 min en fonction de la hauteur d'eau
en surface de la noue, pour deux périodes de temps différents.
204
filtrante
3.3.4.3 Distribution des débits
La distribution des débits entrants et sortants de la noue est discutée dans cette partie.
La probabilité de non-dépassement est tracée sur l'abscisse et le débit correspondant
sur l'ordonnée. Cette probabilité en fonction du temps est représentée dans la Figure
3.33 alors que la probabilité en volume est représentée sur la Figure 3.34. Dans le
premier cas, un zoom est effectué sur la probabilité entre 95 et 100 % pour voir la
différence entre les deux courbes de débit. Les résultats montrent que 99,5 % du temps,
le débit arrivant dans la noue est inférieur à 6,6 L∙s-1∙ha-1. Pour le même pourcentage
de temps, les débits sortants sont inférieurs à 1,0 L∙s-1∙ha-1. Les débits entrant et sortant
de la noue sont 99,99 % du temps inférieurs à 59 et 3.9 L∙s-1∙ha-1. On peut également
remarquer la différence entre les régimes hydrologiques et l'effet de ce type d’ouvrage
sur la réduction des débits. Les débits à la sortie de la noue sont très tamponnés, étalés
et peu variables dans le temps. Ces débits sont 32 % du temps supérieurs à 0,01 L∙s-
1∙ha-1.
Pour la distribution des débits en fonction du volume écoulé, on constate que 80 % du

volume cumulé entrant dans l'ouvrage résulte d'un débit inférieur à 17,6 L/s/ha. Ce
débit est inférieur à 56,5 L∙s-1∙ha-1 pour 95% du volume cumulé sur toute la période.
Par contre, pour le volume de sortie de l'ouvrage, ces deux débits sont respectivement
de 1,2 et 2,9 L∙s-1∙ha-1. Le pourcentage qui s’écoule en entrée de l’ouvrage pour des
débits de 1, 2 et 10 L∙s-1∙ha-1 est 12,4 %, 21 % et 63 %, respectivement. Ces pourcentages
en sortie de l’ouvrage sont égaux à 78 %, 91 % et 100 %, respectivement.
Figure 3.33. Probabilité de non-dépassement (en temps) des débits entrant et sortant de la
noue.
205
filtrante
Figure 3.34. Probabilité de non-dépassement (en volume) des débits entrant et sortant de la
noue.
3.3.5 Fonctionnement Hydraulique
Le fonctionnement hydraulique de l'ouvrage est évalué sur la base de deux

indicateurs: le ratio de retard du débit de pointe et le temps de vidange de l’ouvrage.
Le ratio de retard est défini comme le rapport entre le temps écoulé entre le débit de
pointe de sortie et le début du ruissellement de la chaussée et le temps écoulé entre le
débit de pointe entrant et le début du ruissellement de la chaussée. Le temps de
vidange est le temps mis par l’ouvrage pour se vider après une pluie. C'est un
indicateur du fonctionnement de l’ouvrage entre deux pluies. Il permet également
d'évaluer le dimensionnement du système et d'expliquer les surverses fréquentes.
Ces indicateurs traitent de multiples fonctions dont la réception des eaux de

ruissellement, le contrôle des flux de polluants, le contrôle du régime hydrologique et
permettent de faciliter l'entretien et la maintenance de l'ouvrage. Les deux indicateurs
sont donnés dans les Équation 3.15 et Équation 3.16 ci-dessous.
Équation 3.15. Ratio de retard du débit de pointe

Hmax,Q drain − Hdébut,Q ref
R retard =
Hmax,Q ref − Hdébut,Q ref
206
filtrante
Équation 3.16. Durée de vidange de l’ouvrage
t v = Hfin,Q drain − H𝑓𝑖𝑛,Pluie
Avec : Hmax,Q drain heure du débit maximal d’écoulement dans le drain; Hmax,Q ref heure
du débit maximal d’écoulement de référence (en entrée de l’ouvrage); Hdébut,Q ref heure
de début de ruissellement sur la surface de référence ; Hfin,Q drain heure de la fin de débit
en sortie d’ouvrage; H𝑓𝑖𝑛,Pluie heure de la fin de la pluie.
3.3.5.2 Résultats du fonctionnement hydraulique
Ratio de retard de débit de pointe
La distribution de fréquence du ratio de retard entre le débit de sortie de pointe et le

débit d'entrée de pointe est donnée dans la Figure 3.35. Ce rapport montre combien de
fois le débit de sortie est retardé par rapport au débit d'entrée. Plus le débit est retardé,
plus la noue est efficace pour ramener le régime hydrologique à un régime quasi
naturel. On peut remarquer que pour 89 % des évènements, ce rapport est inférieur à
7. Pour certains événements (Figure 3.36), ce rapport est inférieur à 1, ce qui indique
un débit de pointe du drain qui s'est produit avant un débit de pointe du ruissellement.
Ce phénomène correspond à des événements importants avec plusieurs débits de
pointe de sorte que le débit de sortie de pointe se produit avant le débit d'entrée de
pointe. Pour 11 % des événements, la noue augmente la durée pour atteindre le pic de
plus de 7 fois.
Ce ratio est directement lié à la capacité de stockage dans le sol. La capacité maximale
de stockage du sol est de 2714 L, ce qui équivaut à 7,7 mm de pluie. Le débit entrant
dans la noue est retardé par passage à travers le massif filtrant pour atteindre le drain.
Ce ratio dépend également de la teneur en eau initiale du sol au moment de
l'événement. En effet, si le sol est saturé par l'événement précédent, la capacité de
stockage dans le massif filtrant est plus faible et donc le débit de pointe sort plus
rapidement. La distribution du volume d'eau stocké dans le massif filtrant au début
du ruissellement superficiel est présentée à la Figure 3.37, pour tous les événements.
Les résultats montrent que pour 93% des événements, le sol formant la noue est à
moitié saturé. Cela se reflète dans le ratio de retard du débit de pointe. Comme pour
68% des événements, ce rapport est inférieur ou égal à 2. Pour ces événements, le
volume de stockage disponible n'est en moyenne que de 2 mm au début du
ruissellement de surface.
207
filtrante
Figure 3.35. Ratio de retard de débit de pointe à l'échelle évènementiel.
Figure 3.36. Débits entrant et débit sortant du drain pour l'évènement du 3 Janvier 2018.
208
filtrante
Figure 3.37. Hauteur d'eau stockée dans le massif filtrant au début du ruissellement
superficiel, à l'échelle évènementielle (en équivalence mm de pluie).
Durée de vidange de l’ouvrage
Le temps de vidange, temps mis par l’ouvrage pour se vider après une pluie, est
calculé à l'échelle de l'événement et la distribution des valeurs de cet indicateur est
donnée dans la Figure 3.38. Cet indicateur est explicatif par rapport aux fonctions
d’abattement de volume ou de masse ou concentration des polluants. Si cette durée est
longue et donc si l’ouvrage se vide lentement, cela peut avoir un effet sur la capacité
de celui-ci à limiter le volume de ruissellement. On constate que la durée de vidange
de la noue varie sensiblement d'un événement à l'autre. Pour 24 % des événements,
cette durée est inférieure à 5 heures. Pour 30 % des événements, cette durée est
supérieure à 10 heures.
Cet indicateur dépend de la vitesse de percolation de l'eau dans le sol. Plus cette vitesse
est élevée, plus la noue se vide rapidement. Cette infiltration dépend de la pression de
l'eau dans le sol et de sa teneur en eau. Le temps de vidange est donc tracé en fonction
de la pression mesurée par le tensiomètre, en aval de la noue, à la fin de la pluie (Figure
3.39). Une pression positive indique la présence d'eau en surface, et une pression
négative (tension) signifie que le sol en surface n'est pas saturé. On peut remarquer
que lorsque la pression est négative, le temps de vidange a une médiane de 7,9 heures.
Ce temps diminue à une médiane de 5,45 h pour une pression positive. Le temps de
vidange est tracé par rapport à la teneur en eau moyenne dans la Figure 3.40. Les
résultats montrent que plus le sol est proche de la saturation, plus l’ouvrage se vide
rapidement. En effet, le taux d'infiltration augmente avec l'augmentation de la teneur
209
filtrante
en eau et le gradient de potentiel, pour atteindre une valeur maximale avec une
perméabilité égale à la conductivité hydraulique à saturation Ks.
Figure 3.38. Durée de vidange de la noue filtrante à l'échelle évènementielle.
Figure 3.39. Durée de vidange de la noue filtrante en fonction de la pression dans le sol en aval
de la noue à la fin de la pluie.
210
filtrante
Figure 3.40. Durée de vidange de la noue filtrante en fonction de la teneur en eau moyenne
dans le sol à la fin de la pluie.
3.3.6 Variabilité spatiale de la teneur en eau et stockage dans le sol
3.3.6.1 Variabilité spatiale de la teneur en eau dans la noue
Dans cette partie, la variabilité spatiale de la teneur en eau dans la noue sera étudiée
afin d’évaluer le comportement de la noue et de calculer le stockage de l'eau dans le
sol à l'échelle de l'événement. Cette variabilité spatiale sera évaluée en tenant compte
de la variabilité d'un capteur à l'autre calculée dans la partie 2.2.3 sur l'étalonnage des
capteurs de teneur en eau.
Les capteurs sont installés dans la noue dans 4 sections (a, b, c et d). La première section
(a) est située en aval du bief 1. Les deux autres sections (b) et (c) sont situées en amont
et en aval du bief 2. Enfin, la section (d) est située en aval du bief 3, c'est-à-dire en aval
de la noue filtrante. Un schéma détaillé des capteurs dans la noue est donné ci-dessous
(Figure 3.41).
211
filtrante
Figure 3.41. Schéma montrant l'emplacement des capteurs de teneur en eau dans la noue
filtrante (EC5 et EC 5TE (TE)).
La variabilité spatiale a été évaluée comme suit :
En évaluant d'abord la variabilité longitudinale, puis la variabilité verticale et

transversale dans une même section. Ces variabilités sont étudiées à l'échelle de
l'événement.
Variabilité longitudinale de la teneur en eau dans la noue filtrante
Afin d'évaluer la variabilité longitudinale dans la noue, les capteurs de teneur en eau
situés au même niveau du sol et en aval de chaque bief sont comparés entre eux. Les
données des capteurs au début et à la fin de l'événement pour chaque profondeur de
sol, 10, 20 et 40 cm sont données dans la Figure 3.42. Le nombre de capteurs installés à
une même profondeur et en aval des trois biefs est égal à 3. Un coefficient de variation
est calculé pour ces 3 capteurs, et le maximum ainsi que les 70 ème percentiles de ce
coefficient sont indiqués à la Figure 3.43. Les 70 ème percentiles des coefficients de
variation seront pris comme référence pour la suite.
Sur la Figure 3.42, on peut voir que la teneur en eau à 10 cm varie d'un bief à l'autre
surtout pour les 40 premiers évènements. C'est ce que montre également la Figure 3.44,
à 10 cm, le coefficient de variation est d'environ 20 %, voire plus et égal à 30 % pour
certains événements. Une des raisons possibles de cette variabilité longitudinale est la
variabilité spatiale de la porosité du sol. En fait, la variabilité spatiale horizontale de la
teneur en eau à saturation en surface s'est avérée être égale à 15 % (Kanso et al., 2018).
La densité de la végétation au début de la phase d'étude de la noue n'était pas uniforme
tout au long de la noue. Cela peut être observé visuellement sur site (Figure 3.45). Une
variabilité verticale a également été déduite par Kanso et al., 2018 pour ce sol. En effet,
212
filtrante
la densité apparente du sol augmente avec la profondeur, sa conductivité hydraulique

diminue et la porosité diminue. Cette variabilité verticale peut être due à la migration
des particules fines vers le fond de la noue, ou à la précipitation du CaCO3 présent
dans le sable formant le massif filtrant qui " colmate " les pores du sol ou au
compactage non-uniforme du sol. Ainsi, la variabilité spatiale longitudinale d’un bief
à l'autre à 40 cm, peut être la manifestation de ces facteurs de façon non uniforme. À
20 cm de profondeur, la variabilité spatiale longitudinale est moins perceptible. Cette
variabilité est inférieure à 10 % pour 70 % des événements.
On note également une variabilité temporelle de la variabilité longitudinale. Pour la

période postérieure à mai 2017 (pour les 45 derniers événements), la variabilité
longitudinale à 10 cm diminue pour devenir inférieure à 10%. Ceci pourrait être dû au
développement de la végétation. À une profondeur de 40 cm, cette variabilité est
également réduite, mais en restant quasiment toujours plus élevée que les autres
profondeurs, car le sol est toujours plus compacté à un endroit qu'à un autre. La
question qui se pose est si cette variabilité longitudinale est causée par la variabilité
d'un capteur à l'autre résultant de la fabrication de ce type de sonde ou à la physique
du sol. La variabilité d'un capteur à l'autre résultant de la fabrication est évaluée par
Kanso et al., 2020. Celle-ci est égal à un maximum de 5 % pour les capteurs de type
EC5 et de 15 % pour les capteurs de type 5TE. Cependant, on remarque que pour les
40 premiers événements, le coefficient de variation longitudinale, surtout à 10 et 40 cm,
est supérieur à 15%.
La différence de teneur en eau entre le début et la fin de l'événement n'est pas la même
pour les trois biefs. Cela soulève la question d'un apport non uniforme tout au long de
la noue, de sorte que l'un des biefs reçoit plus d'eau que l'autre. Selon la Figure 3.42,
les courbes rouge et bleue (respectivement pour le bief 2 et le bief 3) montrent une plus
grande variabilité entre le début et la fin de l'événement que les courbes vertes (bief 1).
Cette différence entre le début et la fin de l'événement sera évaluée plus en détail dans
la partie 3.3.6.2 pour le calcul du stockage dans le sol à l'échelle de l'événement.
213
filtrante
Figure 3.42. Variabilité longitudinale des capteurs de teneur en eau (vert : bief 1, rouge : bief
2, bleu : bief3).
Figure 3.43. Coefficient de variation de la variabilité longitudinale de la teneur en eau.
214
filtrante
Figure 3.44. Développent de la végétation dans le bief 1, bief 2 et bief 3 de la noue (photos
prises en novembre 2016).
Variabilité verticale de la teneur en eau dans la noue filtrante
La variabilité verticale de la teneur en eau dans la noue est évaluée à partir des capteurs
dans la même section (section a à d à la Figure 3.45) mais à des profondeurs différentes.
Les résultats montrent que les quatre sections présentent des valeurs de teneur en eau
à 40 cm supérieure aux teneurs en eau du sol en surface et à 25 cm. La variabilité
verticale est expliquée d'une part par le fait que le sol en surface est plus exposé à
l'évapotranspiration. D'autre part, le sol du fond de la noue est délimité par une
géomembrane, ce qui limite l'exfiltration de l'eau et fait que l'eau reste stagnante dans
cette partie inférieure. Les valeurs à 40 cm sont presque toujours supérieures à 15 %
pour tous les événements, ce qui est presque égal ou légèrement supérieur à la capacité
au champ du sol. Le fond de la noue est donc presque toujours humide. Cette
constatation a également été mise en évidence dans la section 3.3.5.2. Les résultats du
stockage de l’eau dans sol au début de la pluie ont montré que le sol est à moitié saturé
pour la majorité des événements.
Le capteur EC5-3, situé à 40 cm de profondeur dans la section b, montre une très forte
réponse à la pluie pendant la période Mai - Octobre 2017. Ce comportement est
probablement causé par une cavité autour du capteur, de sorte qu'après la pluie, cette
cavité se remplit et une forte humidité est mesurée par le capteur. En outre, les
graphiques montrent visuellement une plus grande différence dans la section c et d
que dans la section a et b. Les sections c et d sont situées en aval du bief 2 et du bief 3,
respectivement, et en amont des redans en béton. Ces deux sections présentent une
plus grande variabilité verticale car elles reçoivent probablement plus d'eau (le bief 1
215
filtrante
semble moins alimenté que les biefs 2 et 3 et la pente longitudinale augmente le niveau
d’eau au niveau des redans)
La variabilité verticale est, comme pour la variabilité longitudinale, supérieure à la

différence inter-capteurs causée par la fabrication.
Figure 3.45. Variabilité verticale de la teneur en eau dans la noue filtrante.
Variabilité transversale de la teneur en eau dans la noue filtrante
La variabilité spatiale au sein d'un même bief est étudiée (Figure 3.46). Cela correspond
aux sections b et c situées en amont et en aval du bief 2. Une série de 3 capteurs situés
l'un en dessous de l'autre existe sous la partie bitumineuse de la section b. Les capteurs
comparés ci-dessous sont à la même profondeur, en amont du bief 2, en amont du bief
2 mais sous le bitume et en aval du bief 2. Les résultats montrent qu'à 10 cm, le capteur
aval reçoit plus d'eau que le capteur amont, ceci est dû à la pente longitudinale de la
noue et au stockage de l'eau au niveau du redan.
Dans la même section (Figure 3.47), le capteur EC5-4 sous bordure bitumineuse reçoit
moins d'eau que le capteur EC5-1. En effet, le bitume bloque l'infiltration verticale
directe de l'eau vers le capteur EC5-4, ce qui fait que ce capteur reçoit l'eau par
infiltration horizontale. Cette particularité n'est pas remarquée pour le capteur EC5-5
qui est également situé à 25 cm sous la bordure bitumineuse. Ce dernier a des valeurs
de teneur en eau plus élevées que les autres capteurs EC5-2 et EC5-8 à la même
216
filtrante
profondeur. Si on regarde la Figure 3.47, on remarque que le capteur EC5 n'est pas
placé exactement sous le bitume, il reçoit donc l'eau de ruissellement de la bordure
bitumineuse avant les autres capteurs, qui sont situés de l'autre côté du drain. Ce
comportement se retrouve également au niveau du capteur EC5-6 à 40 cm, qui affiche
des valeurs plus élevées que les capteurs situés en aval et en amont. La variabilité à
l'intérieur d’un même bief et à une profondeur donnée est d'environ 15 %. Cette valeur
est inférieure à la variabilité verticale dans une même section et à la variabilité
longitudinale d’un bief à l'autre.
Figure 3.46. Variabilité spatiale au sein d'un même bief de la noue
Figure 3.47. Emplacement des capteurs dans la section (b) de la noue filtrante.
217
filtrante
3.3.6.2 Volume de stockage dans le sol
Afin de calculer le volume de stockage d'eau dans le sol à l'échelle de l'événement, une
évaluation de la différence de teneur en eau entre le début et la fin de l'événement est
effectuée pour chaque capteur (Équation 3.17).
Équation 3.17
∆𝜃𝑖 = 𝜃𝑓 − 𝜃𝑑
Avec ∆𝜃𝑖 différence de teneur en eau entre le début et la fin de l'événement au niveau
du capteur i; 𝜃𝑑 et 𝜃𝑓 sont la teneur en eau du capteur i (%) au début et à la fin de
l’évènement, respectivement.
Les boxplot de ∆𝜃𝑖 à l’échelle évènementielle sont montrés à la Figure 3.48, pour tous
les capteurs à 10, 25 et 40 cm. Les résultats montrent qu'en surface, le bief 2 reçoit plus
d'eau que le bief 3 et ces deux derniers plus que le bief 1. Ceci est également le cas à
une profondeur de 25 cm. Dans le même bief, à cause de la pente longitudinale de la
noue, les capteurs en aval reçoivent plus d'eau que les capteurs en amont. Sauf pour
le capteur EC5-3 à 40 cm, placé en amont du bief 2 qui indique des différences
supérieures à celles du capteur EC5-9 en aval du bief et à la même profondeur. En fait,
ce capteur présente un dysfonctionnement avec une réponse très élevée sur une
période de temps donnée, comme indiqué ci-dessus. Le capteur sous bordure-
bitumineuse à 10 cm de profondeur, présente une différence de teneur en eau plus
faible que le capteur au même niveau mais pas sous le bitume. Ce n'est pas le cas des
capteurs EC5-5 et EC5-6, à 25 et 40 cm, qui ne sont apparemment pas exactement sous
bitume, et qui reçoivent plus d'eau parce qu'ils sont plus proches de la route. Ainsi, les
résultats de la différence de teneur en eau confirment les hypothèses discutées
précédemment.
Ce qui est également remarquable, c'est que pour certains événements, la différence
est négative, car la teneur en eau à la fin de l'événement est inférieure à la teneur en
eau au début de l'événement. Plusieurs explications sont possibles. La première est que
la réponse du capteur tombe dans l'incertitude liée à la répétabilité de la mesure. Cette
dernière est évaluée par Kanso et al., 2020, et s'avère négligeable (<0,1%) pour les 2
types de capteurs utilisés. Une deuxième cause peut être liée au fait que les eaux de
ruissellement provenant de la chaussée ne sont pas uniformément réparties dans la
noue, ce qui fait que la teneur en eau du sol au niveau de certains capteurs réagit
légèrement à la pluie directe et continue à diminuer pendant l’évènement. Une
troisième cause peut être le pas de temps de calcul. En fait, le calcul de la différence est
fait en utilisant les données des capteurs à pas de temps de 6 min, car c'est le pas de
218
filtrante
temps utilisé pour la séparation des événements. Les valeurs de la teneur en eau à 6
min sont obtenues par interpolation linéaire des valeurs mesurées à un pas de temps
de 30 min. Cela signifie que la valeur de la teneur en eau à la fin et au début de
l’évènement utilisée dans l'équation risque de ne pas correspondre exactement à la fin
et au début.
Figure 3.48. Différence de teneur en eau entre le début et la fin de l’évènement, pour tous les
capteurs placés dans la noue. Capteurs entourés en vert : section a (aval du bief 1) ; capteurs
entourés en rouge : section c (aval du bief 2) ; capteurs entourés en bleu : section d (aval du
bief 3) ; capteurs entourés en magenta : section b (amont du bief 2) ; capteurs encadrés en
magenta : section b (amont du bief 2), sous la bordure bitumineuse.
Le volume de sol couvert par chaque capteur n'est pas facilement déterminable,
compte tenu de toutes les variations mentionnées ci-dessus. En outre, à certains
endroits de la noue (en amont des biefs 1 et 3), aucun capteur n'est installé. Par
conséquent, pour calculer le volume de stockage dans tout le massif filtrant à l'échelle
de l'événement, l'Équation 3.18 est appliquée.
Équation 3.18
𝑉𝑠𝑡𝑜𝑐𝑘,𝑒𝑣 = ̅̅̅̅̅
∆𝜃𝑖 × 𝑉𝑠𝑜𝑙
Avec 𝑉𝑠𝑡𝑜𝑐𝑘,𝑒𝑣 le volume de l’eau stocké dans le sol à l’échelle de l’évènement ; ̅̅̅̅̅
∆𝜃𝑖 la
moyenne des différences de teneur en eau entre le début et la fin de l'événement de
tous les capteurs ; 𝑉𝑠𝑜𝑙 le volume totale du massif filtrant égale à 9,52 m2.
Les résultats du stockage de l'eau dans la noue pour tous les événements sont
présentés à la Figure 3.49. Le stockage par événement a augmenté au fil du temps. Pour
219
filtrante
les événements antérieurs à avril 2017, le stockage a toujours été inférieur à 500 L.
Cependant, il a augmenté après avril pour atteindre un maximum de 1000 L.
L'augmentation du volume stocké par événement, confirme l'hypothèse de
l'augmentation de la porosité du sol, causée par le développement de la végétation. En
mettant en parallèle l'évapotranspiration, la pluie et le stockage dans le sol, on constate
que ce dernier, à l'échelle évènementielle, varie plus avec la variation de la hauteur
d’eau précipitée qu'avec les taux d'évapotranspiration. Ceci est logique car à l'échelle
de l'événement, l'évapotranspiration est limitée par la courte durée de l’évènement.
Figure 3.49. ETP (pas de temps 6 min, en rouge), pluie (pas de temps 6 min, en bleu) et stockage
de l'eau dans le sol de la noue à l'échelle évènementielle (en vert).
3.3.7 Bilan hydrique
3.3.7.1 Bilan hydrique évènementiel
Définition et calcul du bilan hydrique évènementiel
Dans le système de noue filtrante étudié les flux d’eau entrant et sortant sont
complètement calculés. Les flux qui rentrent et sortent de la noue sont identifiés dans
la Figure 3.50. Les flux entrant sont le ruissellement de la chaussée et la pluie directe
tombant sur la noue. L'eau sort de la noue par le drain, par surverse et par
évapotranspiration potentielle. La différence entre les débits entrants et sortants à
l'échelle de l'événement est égale au volume de stockage dans la noue pendant cet
220
filtrante
événement. L'équation du bilan hydrique à l'échelle évènementielle est donc donnée

par Équation 3.19 ci-dessous.
Figure 3.50. Flux d'eau entrants (bleu) et sortants (rouge) de la noue filtrante.
Équation 3.19
Avec hpluie,ev cumul de la pluie pendant l’évènement; Souv surface de l’ouvrage;

VS,BV,T volume de ruissellement sortant du bassin versant d’apport de l’ouvrage à
l’échelle évènementielle; VSV,ev volume sortant de l’ouvrage par surverse à l’échelle
évènementielle; VD,ev volume sortant de l’ouvrage par le drain à l’échelle
évènementielle; VET,ev volume sortant de l’ouvrage par évapotranspiration à l’échelle
évènementielle; 𝑉𝑠𝑡𝑜𝑐𝑘,𝑒𝑣 le volume de l’eau stocké dans le sol au cours de l’événement
(Figure 3.17).
Tout d'abord, la différence entre le flux entrant et le flux sortant de la noue est tracée
en fonction de la variation de volume pendant l’évènement (Figure 3.51). Seuls les 70
événements avec un stockage positif sont retenus. Les résultats montrent que pour la
majorité des événements, la différence entre le flux entrant et le flux sortant est
221
filtrante
supérieure au volume stocké dans le sol pendant l’événement. Cela signifie qu'une
fraction importante du volume entrant est perdue quelque part.
Figure 3.51. Différence entre volume entrant et volume sortant de la noue en fonction du
volume stocké dans le sol, à l'échelle évènementielle.
L'équation du bilan hydrique est donc modifiée (Équation 3.20). Un terme ΔI

correspondant à la perte à l'échelle de l'événement est ajouté.
Équation 3.20
(𝑉𝑆,𝐵𝑉,𝑒𝑣 + ℎ𝑝𝑙𝑢𝑖𝑒,𝑒𝑣 × 𝑆𝑜𝑢𝑣 ) – (VSV,ev +VD,ev +VET,ev ) = 𝑉𝑠𝑡𝑜𝑐𝑘,𝑒𝑣 + ΔI
La question est donc de savoir si cette fraction est le résultat d'une incertitude dans le
calcul des volumes ou d’un comportement in situ, voire les deux.
L'incertitude sur le calcul du bilan hydrique ΔI se décompose donc en deux,

l'incertitude sur les volumes calculés ∆𝑉 et la perte (Équation 3.21) :
Équation 3.21
∆𝐼 = ∆𝑉 + 𝑃𝑒𝑟𝑡𝑒
222
filtrante
Incertitude sur les volumes calculés ΔV
L'incertitude ∆V (Équation 3.22) sur les volumes formant le bilan hydrique est égale à
la somme des incertitudes sur chaque volume. Les incertitudes sur tous les volumes
ainsi que leur source et valeurs sont données dans le Tableau 3.5. Les incertitudes
considérées sont celles liées à la modélisation et à l'étalonnage correspondant aux
volumes entrants dans l’ouvrage et le volume stocké dans le sol, respectivement. Les
autres incertitudes liées aux appareils de mesure tels que l’auget basculant mesurant
le débit drainé et le capteur de la hauteur d'eau de surverse ne sont pas retenues. Ceux-
ci sont négligeables et contribuent à des incertitudes de moins de 5 % sur les débits
mesurés (Herschy, 1971). En outre, l'incertitude liée à l'évapotranspiration est
également négligée car celle-ci est faible à l'échelle de l'événement. L’incertitude totale
sur ∆𝑉 est donc de ± 831 L. En plus les deux hypothèses faites pour le calcul de
l'évapotranspiration et du stock de sol peuvent être des sources d'incertitudes
supplémentaires dans le calcul du bilan hydrique. En fait, l’évapotranspiration
potentielle est utilisée pour estimer l’évapotranspiration de la noue. Le calcul du
volume stocké dans le sol est obtenu en moyennant les stocks évalués pour chaque
capteur.
Équation 3.22
∆𝑉 =Δ𝑉𝑆,𝐵𝑉,𝑒𝑣 +Δ (ℎ𝑝𝑙𝑢𝑖𝑒,𝑒𝑣 × 𝑆𝑜𝑢𝑣 ) + Δ VSV,ev + Δ VD,ev + ΔVET,ev + Δ 𝑉𝑠𝑡𝑜𝑐𝑘,𝑒𝑣
Tableau 3.5. Incertitudes sur les volumes inclus dans le bilan hydrique évènementiel.
Mesure Sources d’incertitudes Valeur de l’incertitude

Δ𝑉𝑆,𝐵𝑉,𝑒𝑣 Modélisation par le logiciel EPA ± 1mm de pluie (modélisaion
SWMM (évaluation de l’erreur sur le SWMM) ; SBV= 340 m2
volume dans la partie 3.2.3.1) Δ𝑽𝑺,𝑩𝑽,𝑻 = ± 340 L
Δ (ℎ𝑝𝑙𝑢𝑖𝑒,𝑒𝑣 × 𝑆𝑜𝑢𝑣 ) Incertitude sur ℎ𝑝𝑙𝑢𝑖𝑒,𝑇 : Calibration de 1 à 5 % (Winter, 1981)
l’auget basculant mécanique ± 1 mm ; 𝑆𝑜𝑢𝑣 =15 m2
Δ (ℎ𝑝𝑙𝑢𝑖𝑒,𝑇 × 𝑆𝑜𝑢𝑣 )=± 15 L
Δ VSV,ev La mesure de la hauteur d’eau en Erreur dans H mesuré : ± 1 mm
surface Erreur Débits : < 5 % (Herschy, 1971)
Δ VSV,T ~0 (négligeable)
Δ VD,ev Nombre de basculement (basculement 1 à 5 % (Winter, 1981)
avant que l’auget soit complétement Δ VD,T~0 (négligeable)
remplie)
ΔVET,ev Paramètres de l’équation de Penman Négligeable à l’échelle
Monteith évènementielle
Δ 𝑉𝑠𝑡𝑜𝑐𝑘,𝑒𝑣 Estimation de la teneur en eau par Δ 𝑉𝑠𝑡𝑜𝑐𝑘,𝑒𝑣 =Δ (Δθi)*Vsol =2 Δθ*Vsol
étalonnage Δθ =± 2,5%
Δ 𝑉𝑠𝑡𝑜𝑐𝑘,𝑒𝑣 =± 476 L
223
filtrante
Le terme ∆I est tracé en fonction de la hauteur de pluie et de la hauteur d'eau maximale

du stockage en surface enregistrée pendant l'événement. Cette incertitude est divisée
en deux : en rouge l'incertitude en dehors de la valeur de ∆V et en noir l'incertitude
tombant dans la limite de ∆V. Il convient de noter que pour 20 % des événements,
l'incertitude sur le bilan hydrique est plus grande que l'incertitude liée au calcul des
volumes. Ceci est plus remarquable pour les pluies d'une hauteur supérieure à 10 mm
et entraînant une hauteur d’eau en surface de plus de 10 cm. Cela soulève l'hypothèse
de la perte d'une fraction du ruissellement dans la noue par un écoulement additionnel
non prévu. Compte tenu de la géométrie de la noue, on peut penser que l'eau déborde
au-dessus de talus en terre-végétale de l'autre côté de la route, comme le montre les
observations in situ (Figure 3.53). Lorsque l'eau est stockée en surface, une partie de
l'eau stockée passe au-dessus de la butte située à gauche, surtout pour les fortes pluies.
Figure 3.52. Incertitude sur le bilan hydrique de la noue filtrante en fonction de hauteur de
pluie et la hauteur d'eau en surface (à l'échelle évènementielle).
224
filtrante
Figure 3.53. Photo de la noue filtrante montrant une possibilité de perte d’eau sur le talus.
Résultats du bilan hydrique évènementiel Le bilan hydrique calculé à l'échelle

événementielle donne une idée de la répartition des flux dans la noue filtrante. Par
ailleurs, ces bilans soulignent l'importance de certains phénomènes hydrologiques par
rapport aux autres pour la gestion des eaux pluviales. Pour les événements pluvieux
étudiés, ces bilans ont été calculés et présentés dans la Figure 3.54 pour chaque
composante. On remarque que la proportion la plus importante est ce qui sort du drain
avec une valeur médiane de 61 %. Cette proportion varie entre 20 et 97 %, avec une
seule valeur nulle correspondant à un évènement de 1 mm de pluie. Étant donné que
l'épaisseur du massif filtrant est de 50 cm et que le fond du massif est souvent humide,
le volume disponible pour le stockage dans le sol à l’échelle évènementielle n'est pas
très grand. Par conséquent, le volume stocké dans le sol lors d'un événement pluvieux
vaut en médiane 10 % du volume entrant dans la noue. La noue ne déborde que pour
10 % du nombre total d'événements et la proportion de débordement est toujours
inférieure à 30 % du volume entrant. L'évapotranspiration à l'échelle de l'événement
est généralement faible, avec une médiane de 1%, mais varie entre 0 et 24 %. D'autre
part, le volume lié à l'incertitude de calcul ou à la perte d'eau in situ représente 20 %
du volume entrant.
On peut voir dans le diagramme circulaire (Figure 3.55) que la proportion du volume
drainé en moyenne sur tous les évènements vaut 60% du volume entrant dans la noue.
Le volume stocké dans le sol représente 14% du volume entrant. La surverse et
l'évapotranspiration sont faibles et représentent en moyenne 1 % et 2 % du volume
entrant, respectivement. Le volume qui reste correspondant à l'incertitude du calcul
des volumes et aux pertes in situ constitue une proportion relativement importante du
volume entrant et est égal à 23%.
225
filtrante
Figure 3.54. Boxplots de la répartition des volumes d'eau dans la noue à l'échelle
évènementielle (% du volume entrant dans l’ouvrage).
Figure 3.55. Bilan hydrique : Proportions moyennes des volumes drainé, sortant par surverse,
evapotranspiré, stocké dans le sol, et incertitude sur le bilan, calculés à l’échelle
évènementielle. Ces proportions sont calculées par rapport au volume entrant dans la noue.
226
filtrante
3.3.7.2 Bilans hydriques saisonnier et annuel
Définition et calcul des bilans hydriques saisonnier et annuel
Ce bilan est évalué également à l’échelle saisonnière et annuelle (Équation 3.23 et

Équation 3.24, respectivement). A noter que ces bilans représentent les cumuls sur
l'ensemble de la saison et de l'année et non les cumuls de tous les événements de la
saison et de l'année. Le stockage dans le sol n'est pas pris en compte à ces échelles, car
le volume stocké sera évacué à long terme, soit par évapotranspiration, soit par
drainage. L'incertitude sur l'estimation de la teneur en eau par étalonnage n'est donc
pas incluse dans ΔI.
Équation 3.23
(𝑉𝑆,𝐵𝑉,𝑠𝑎𝑖 + ℎ𝑝𝑙𝑢𝑖𝑒,𝑠𝑎𝑖 × 𝑆𝑜𝑢𝑣 ) = VSV,sai+VD,sai+VET,sai + ΔI
Équation 3.24
(𝑉𝑆,𝐵𝑉,𝑎𝑛 + ℎ𝑝𝑙𝑢𝑖𝑒,𝑎𝑛 × 𝑆𝑜𝑢𝑣 ) = VSV,an +VD,an +VET,an + ΔI
Résultats du bilan hydrique saisonnier Un bilan hydrique saisonnier est également

calculé (Figure 3.56). Deux saisons sont définies, les saisons chaudes et froides, comme
indiqué ci-dessus. Pendant la saison froide, le volume drainé est de 74% du volume
entrant. Pendant la saison chaude, cette proportion n'est pas très différente et est de
66%. La surverse est plus importante pour la période chaude. En fait, les pluies de cette
saison ont une hauteur totale plus élevée que les pluies qui tombent entre septembre
2016 et mai 2017. L'évapotranspiration est également plus importante et est égale à 26
% en moyenne pendant la saison chaude. Il est également remarquable que
l'incertitude sur le bilan hydrique est moins importante pendant la saison chaude. La
saison chaude est plus courte que l'autre saison, le nombre d'événements est donc plus
petit et l'incertitude est donc moins importante.
227
filtrante
Figure 3.56. Bilan hydrique : Proportions des volumes drainé, sortant par surverse,
évapotranspiré, et incertitude sur le bilan, calculés à l’échelle de la saison. Ces proportions sont
calculées par rapport au volume entrant dans la noue.
Résultats du bilan hydrique annuel Le bilan hydrique annuel est calculé pour l'année
2017 (Figure 3.57), pour laquelle des mesures ont été effectuées sur la totalité de
l’année. Les résultats montrent qu'au cours de l'année, 67 % du volume entrant sort
par le drain. Le volume de surverse est égal à 5%. L’évapotranspiration forme 8 % du
volume entrant dans la noue. L'évapotranspiration sur une période d'étude de deux
ans rapportée par Brown et Hunt, 2011 pour deux cellules de biorétention est comprise
entre 4 et 5 % du volume entrant dans l’ouvrage. Ces ouvrages ont une épaisseur de
massif filtrant de 0,96 m (sable) et 1,1 m (limon argilo-sableux) et un stockage en
surface de 13 et 16 cm, respectivement. Strauch et al. (2016) ont reporté des proportions
d’évapotranspiration pour des ouvrages de biorétention à l’échelle annuelle entre 3 et
5 %. Dans l'étude de Li et al., (2009), l’évapotranspiration est estimée à 19 % pour l'un
des six ouvrages étudiés. Ce dernier est formé par un massif filtrant de classe texturale
limon sableux sur une épaisseur de 0,5 - 0,6 m. Les deux études précédentes sont
menées en Caroline du Nord, mais l’ouvrage de l'étude de Brown et Hunt, 2011 est
planté d’herbes, tandis que celui étudié par Li et al., (2009) est planté d'arbres et
d'arbustes, entrainant une évapotranspiration plus élevée.
L’incertitude sur le calcul du bilan hydrique annuel incluant la perte in situ non mesuré
vaut 20 % du volume annuelle entrant dans la noue.
228
filtrante
Figure 3.57. Bilan hydrique : Proportions des volumes drainé, sortant par surverse,
évapotranspiré, et incertitude sur le bilan, calculés à l’échelle annuelle. Ces proportions sont
calculées par rapport au volume entrant dans la noue.
3.4 Conclusions
Ce chapitre présente les résultats d'une étude expérimentale d’une noue filtrante en
bordure de voirie. Plusieurs conclusions sont tirées de cette recherche.
La modélisation des débits de ruissellement superficiel sous EPA SWMM a donné des
résultats satisfaisants. Pour la simulation retenue, le coefficient de Nash est de 0,9 avec
une erreur sur le volume de ± 1mm d’eau. L’erreur relative absolue sur l’estimation
des débits de pointe, pour les débits inférieurs à 8000 L/ h est en médiane de 9 %. Celle-
ci augmente avec l’augmention des débits. Le coefficient de ruissellement du bassin
versant noue à l'échelle de l'événement est égal à 86 % en moyenne. La perte au
ruissellement est de 0,48 mm en moyenne. Pour l’année 2017, le coefficient de
ruissellement annuel est égal à 94,2 %.
La noue a montré un bon fonctionnement hydrologique par la réduction des volumes

de ruissellement, la réduction et le retardement des débits de pointe, et la limitation
de la surverse.
La noue est capable d'abattre le volume entrant à l'échelle événementielle avec une
valeur médiane de 39%. Cet abaissement est directement lié au rapport entre la surface
d'infiltration et la surface du bassin versant, égal à 6 %. Le système noue + route permet
d’abattre jusqu’à 16 mm de pluie. Un effet mensuel et saisonnier est remarqué pour
l’abattement de volume. Pour la saison froide de septembre 2016 à mai 2017, la
réduction est égale à 15 mm/mois. Cette dernière est plus élevée pour la saison chaude
229
filtrante
mai 2017 - septembre 2017 et est égale à 18 mm/mois. La réduction annuelle de volume
est de 44 % pour l’année 2017. La performance de la noue est réduite pour les pluies
importantes mais elle abat presque entièrement les petites pluies. Tous les abattements
supérieurs à 80 % sont obtenus pour des évènements inférieurs à 5 mm de pluie.
Pendant 26% de la période d'étude, un stockage d'eau à la surface de la noue est
enregistré. La noue surverse pour 9 des 85 événements, ce qui représente 10 % du
nombre total d'événements.
La réduction des débits de pointe dépend de plusieurs facteurs. Les principaux sont la
conductivité hydraulique du sol et le rapport entre la surface d'infiltration de l’ouvrage
et la surface du bassin versant. La réduction des débits de pointe à 6 min par rapport
au débit entrant se situe entre 18 et 100%. Pour 20 événements sur 85, soit 24% des
événements, la réduction du débit de pointe est supérieure à 90 %. Une augmentation
des débits du drain au fil du temps est constatée, probablement due à l'augmentation
de la conductivité hydraulique du sol en raison du développement des racines de la
végétation.
Les résultats montrent une différence entre les régimes hydrologiques du débit entrant
et du débit sortant de la noue. Les débits à la sortie de la noue sont très tamponnés,
étalés et peu variables dans le temps. En effet, 99,5 % du temps, le débit arrivant dans
la noue est inférieur à 6,6 L∙s-1∙ha-1. Pour le même pourcentage de temps, les débits
sortants sont inférieurs à 1,0 L∙s-1∙ha-1. La noue filtrante a retardé le débit de pointe
pour la majorité des événements pluvieux. On peut remarquer que pour 89% des
évènements, le ratio de retard de pic de débit est inférieur à 7. Pour 11 % des
événements, la noue augmente la durée pour atteindre le pic de plus de 7 fois. Ce
décalage aurait été plus important si la noue se vidait et s’asséchait plus rapidement
après une pluie. Mais dans la présente étude, la noue compactée en profondeur et
délimitée par une géomembrane était encore à moitié saturée en début d’événement
pour 93 % des événements. La durée de vidange de la noue varie d'un événement à
l'autre. Pour 24% des événements, cette durée est inférieure à 5 heures. Pour 30 % des
événements, cette durée est supérieure à 10 heures.
Une variabilité spatiale longitudinale et verticale de la teneur en eau dans la noue est
notée. Elle peut être causée par une alimentation non uniforme des différentes sections
de la noue. La variabilité longitudinale a diminué avec le temps. Cela est probablement
dû à la variabilité spatiale et temporelle des propriétés du sol (Kanso et al., 2018).
Le calcul du bilan hydrique a montré qu’à l'échelle évènementielle, la différence entre

les volumes calculés entrant dans la noue et le volume sortant ne correspond pas au
stockage dans le sol. Cette divergence est causée d'une part par une incertitude dans
le calcul des volumes et les hypothèses faites sur l’évapotranspiration et le stockage
230
filtrante
dans le sol et d'autre part par une perte in situ pour les fortes pluies. Une grande partie
du volume entrant dans la noue passe par le drain. Cette proportion est de 61 % en
médiane pour l'ensemble des événements. Viennent ensuite l'incertitude/perte et le
stockage dans le sol qui sont respectivement de 20 et 10 %. La surverse et
l'évapotranspiration forment un faible pourcentage du volume entrant dans la noue à
l'échelle de l'événement et sont inférieures 1 % (en médiane). Un effet saisonnier de la
répartition du bilan hydrique est déduit. Cela se manifeste notamment dans la
proportion d'évapotranspiration, qui passe de 7 % à 26 % pour la saison froide et la
saison chaude, respectivement, dans les bilans réalisés à ces échelles de temps. Pour
l'année 2017, les volumes sont répartis comme suit : 67 % passe vers le drain, 5 % par
surverse, 8 % par évapotranspiration. Une fraction de 20 % de l'eau entrant dans la
noue correspond à l'incertitude du calcul et à la perte in situ.
Les résultats ont montré que la noue est capable de gérer les eaux de ruissellement de
la chaussée, en particulier pour les pluies courantes. En cas de fortes pluies, l'efficacité
hydrologique de la noue est réduite. Cette dernière peut être améliorée en augmentant
la surface d'infiltration par rapport à la surface du bassin versant, et en augmentant
l'épaisseur du massif filtrant.
L'imperméabilisation du massif filtrant de la noue par une géomembrane rend la noue

humide en profondeur la plupart du temps. Cela réduit sa capacité hydrologique,
notamment pour retarder le débit de pointe. L’utilisation d’une géomembrane est
recommandée uniquement à des fins expérimentales ou s'il existe un risque de
contamination des eaux souterraines. En ce qui concerne le bilan hydrique,
l'incertitude du calcul ainsi que l'éventuelle perte in situ ne doivent pas être négligées.
Ces derniers représentent un pourcentage relativement important du volume entrant
dans l’ouvrage.
231
Modélisation de la performance hydrologique des bandes enherbées
Partie 4. Modélisation de la
performance hydrologique des bandes
enherbées
4 .1 Introduction
Dans cette partie de la thèse, le fonctionnement hydrologique de deux bandes

enherbées du site d'étude sera étudié. Ces bandes enherbées sont présentées dans les
parties 2.1.2.3 et 2.1.2.4.
L'objectif principal est d'établir le bilan hydrique des bandes enherbées sur la période
de simulation. Il s'agit d'évaluer pour différentes configurations la proportion d'eau
infiltrée dans la bande, l'eau ruisselée, mais aussi le devenir de l'eau infiltrée
(évapotranspiration et exfiltration ou infiltration profonde). L'impact des différentes
conceptions, y compris l'effet de la structure portante de la route sur ce bilan hydrique,
devrait également être mieux compris.
La détermination du bilan hydrique de ce type d’ouvrage est complexe. Contrairement

au cas de la noue filtrante, le bilan hydrologique des deux bandes enherbées
instrumentées à Compans ne peut être établi sur la seule base des mesures. En effet,
l’ensemble des termes du bilan hydrique n’ont pas pu être mesurés ici. Seule
l’évolution des teneurs en eau à différentes profondeurs et le débit du drain sont
disponibles. Les bandes enherbées ne sont pas étanchées. Les flux d’eau s’infiltrant
dans le sol sous-jacent ne sont donc pas mesurés. Le débit de ruissellement superficiel
sortant des bandes enherbées vers le talus n’est pas non plus mesuré. De précédents
travaux (Flanagan et al., 2017) laissent penser que celui-ci est généralement faible. Ces
travaux ne prenaient cependant pas en compte l’effet des couches de sol sous-jacentes
très peu perméables. Des suintements d’eau ont occasionnellement été observés au
niveau du talus, laissant suspecter un possible écoulement horizontal sous la bande
enherbée. L’occurrence des écoulements de sortie superficiels, voir celle d’écoulements
ressortant au niveau du talus et d’exfiltration demande à être vérifiée.
La modélisation qui peut répondre à ces objectifs est la modélisation physique à long
terme. C'est pourquoi les simulations numériques ont été réalisées sur le logiciel
HYDRUS 2D/3D. Le logiciel comprend un modèle de transfert hydrique de l’eau dans
le sol en 2D couplé à un module de ruissellement superficiel en 1D. Ce type de modèle
2D permet d’analyser plus précisément la distribution spatiale des flux dans une
section transversale de la bande enherbée. Il prend également en compte l'effet des
couches de sol sous-jacentes à faible perméabilité. Grâce aux simulations de long
232
terme, il est possible de représenter la redistribution de l'eau dans le sol après une pluie
et son effet sur l'infiltration de la pluie suivante.
Dans la section suivante, le modèle est d’abord appliqué sur une partie du système qui
consiste en la chaussée générant le ruissellement. Le but de cette modélisation est de
valider le modèle de ruissellement superficiel 1D pour la production de ruissellement
depuis la chaussée. Pour cela, les résultats du modèle ont été comparés aux résultats
obtenus par le logiciel US EPA SWMM présenté dans la partie 3.2. Ensuite, le modèle
est appliqué aux deux bandes enherbées et est validé à partir des données de teneur
en eau du sol et de débit drainé. Le modèle validé sera utilisé avec différentes
conceptions afin de voir comment la largeur de la bande dans le sens de l’écoulement,
le type de sol, la présence ou non de la structure de la chaussée, la pente de la bande,
la rugosité pourraient affecter la performance hydrologique de celle-ci.
4 .2 Méthodologie de modélisation des deux bandes enherbées
4.2.1 Modélisation des bandes enherbées sous HYDRUS 2D/3D couplée à un module
de ruissellement superficiel 1D
Les deux bandes enherbées, bande enherbée 1 et 2 sont modélisées sous HYDRUS
2D /3D comme indiqué précédemment. HYDRUS 2D/3D (Šimůnek et al., 2016) peut
représenter des formes géométriques complexes comme celles rencontrées dans notre
cas. En plus de ces bandes, le talus versant dans le fossé est aussi ajouté au modèle
(Figure 4.1). Pour pouvoir modéliser le ruissellement de la chaussée et sur la surface
de la bande enherbée et du talus, nous avons recours au module de ruissellement 1D
(Köhne et al., 2011). L'écoulement dans le sol est décrit à l'aide de l'équation de
Richards en deux dimensions, tandis que l'écoulement superficiel est simulé à l'aide
de l'équation des ondes cinématiques en une dimension (Köhne et al., 2011). Une
description plus détaillée de ces équations est donnée dans le paragraphe suivant.
Figure 4.1. Schéma montrant la bande enherbée et le talus versant dans le fossé.
233
4.2.2 Hydrus 2D/3D
Le logiciel HYDRUS 2D/3D (Šimůnek et al., 2016) est un modèle simulant le

mouvement bidimensionnel et tridimensionnel de l'eau, de la chaleur et de solutés en
milieu poreux à différents niveaux de saturation. Ce logiciel résout numériquement
l'équation de Richards (Équation 4.1) pour l'écoulement de l'eau dans la zone
saturée/insaturée et les équations de convection-dispersion pour le transport de
chaleur et de soluté.
Équation 4.1
𝜕𝜃(ℎ) 𝜕 𝜕ℎ
= [𝐾(ℎ) (𝐾𝑖𝑗𝐴 + 𝐾𝑖𝑧𝐴 )] − 𝜏𝑒 (ℎ)
𝜕𝑡 𝜕𝑥𝑖 𝜕𝑥𝑗
avec : 𝜃 la teneur en eau volumique du sol [L3∙ L-3] ; h le potentiel matriciel [L] ; K la
conductivité hydraulique non saturée [L∙T-1] ; 𝐾𝑖𝑗𝐴 composants d’un tenseur 𝐾 𝐴 non
dimensionnel anisotrope (réduit à la matrice unitaire lorsque le milieu est isotrope) ;
𝜏𝑒 terme général source/puits [L3∙ L-3∙T-1] prend en compte l’absorption de l’eau par les
racines; t le temps [T] ; 𝑥𝑖 coordonnées spatiales [L].
L’équation de Richards non-linéaire exige solution numérique pouvant par exemple

être obtenue par différences finies ou éléments finis. Cela nécessite la connaissance de
deux fonctions hydrauliques du sol décrivant les propriétés de rétention et de
conductivité hydraulique. La courbe de rétention décrit la relation entre la teneur en
eau 𝜃 et le potentiel matriciel h. La fonction de conductivité hydraulique K(h)
caractérise la capacité du sol à transmettre l’eau.HYDRUS permet l’utilisation de
plusieurs fonctions analytiques pour la description de ces deux courbes : Brooks and
Corey, 1964, van Genuchten, 1980, Durner, 1994, Kosugi, 1996). Les équations choisies
dans cette étude sont celles de van Genuchten montrées ci-dessous (Équation 4.2 et
Équation 4.3).
Équation 4.2
𝜃 − 𝜃𝑟 1
𝜃(ℎ) = =
𝜃𝑠 − 𝜃𝑟 [1 + |𝛼ℎ|𝑛 ]𝑚
Équation 4.3
1 𝑚 2
𝑙
𝜃 − 𝜃𝑟 𝜃− 𝜃𝑟 𝑚
𝐾(𝜃) = 𝐾𝑠 × ( ) [1 − (1 − ( ) ) ]
𝜃𝑠 − 𝜃𝑟 𝜃𝑠 − 𝜃𝑟
234
Avec 𝜃𝑟 et 𝜃𝑠 respectivement la teneur en eau résiduelle et à saturation du sol [L3∙ L-3] ;

𝛼 = 1/he avec he un paramètre d'échelle homogène à un potentiel matriciel [L-1] ; n et m
des paramètres de forme avec m= 1-1/n (conditions de Mualem, 1976) ; 𝐾𝑠 la
conductivité hydraulique à saturation du sol [L∙T-1] ; 𝑙 paramètre lié à la connectivité
des pores choisi ici égal à 0,5.
La résolution de l’équation de Richards nécessite également la connaissance des

conditions aux limites et des conditions initiales. Les conditions initiales au début du
calcul peuvent être spécifiées en termes de pression dans le domaine d’étude ou de
teneur en eau initiale. Les différentes conditions aux limites présentes dans HYDRUS
sont données dans le Tableau 4.1.
Tableau 4.1. Conditions aux limites du transfert d'eau dans le logiciel HYDRUS 2D/3D
Condition aux limites Description + Equation
Flux nul Aucun flux aux limites
Pression constante Pression constante
Flux constant Flux constant
Pression variable Pression variable (Chroniques temporelles de pressions)
Flux variable Flux variable
Drainage libre Drainage libre : Gradient hydraulique vertical unitaire. Le débit sortant Q(n)
affecté au nœud n (Equation X ) :
𝑄(𝑛) = −𝐿𝑎𝑟𝑔𝑒𝑢𝑟 (𝑛) × 𝐾(ℎ)
Où Largeur (n) la longueur du segment aux limites associé au nœud n, h la

pression interstitielle, et K(h) la valeur de la conductivité hydraulique
correspondant à cette pression.
Drainage profond Drainage vertical, à travers la limite inférieure du sol est parfois approximé
par un flux qui dépend du niveau de la nappe phréatique
Suintement Suintement : Débit sortant nul si la pression est négative.
Débit non nul si le sol est saturé (pression est nulle).
La pression (hseuil) à laquelle le débit est déclenché peut être spécifiée par
l'utilisateur.
Condition limite Condition aux limites variable dans le temps (chroniques temporelles). Les
atmosphérique données à fournir sont l'intensité de la pluie, le taux d'évapotranspiration
potentiel, HcritA. Ce dernier paramètre correspond à la valeur absolue de la
pression minimale autorisée à la surface du sol.
235
Le ruissellement de l’eau en surface géré par le module « Overland flow » incorporé

dans HYDRUS 2D/3D est décrit à l’aide de l’Équation 4.4 d’onde cinématique (Köhne
et al., 2011). Elle est une simplification des équations de Saint Venant.
Équation 4.4
𝜕ℎ0 𝜕𝑄0
+ =𝑃−𝐼
𝜕𝑡 𝜕𝑥
Avec ℎ0 la hauteur d’eau en surface (ou épaisseur moyenne pour les surfaces
lisses) [L] ; 𝑄0 débit de ruissellement par unité de largeur [L2∙T-1] ; 𝑥 abscisse en surface
du sol [L] ; t temps [T] ; P intensité de la pluie effective (pluie moins évaporation) [L∙T-
1] ; I taux d’infiltration de l’eau dans le sol [L∙T-1].
Le débit de ruissellement en surface est calculé comme suit (Équation 4.5- équation
de Manning) :
Équation 4.5
𝑄0 = 𝛼 ∗ ℎ0 𝑝 avec 𝛼 = 𝑆 0.5 ⁄𝑛𝑀 et 𝑝 = 5⁄3
Avec 𝛼 ∗ [L2-p∙T-1] et p [-] paramètres liés à la pente, à la rugosité de surface et aux

conditions d'écoulement (écoulement laminaire ou turbulent), habituellement évalué
à l'aide de l’equation de Manning ; S la pente dans le sens de l’écoulement [-] ; 𝑛𝑀 le
coefficient de Manning pour le ruissellement superficiel.
En remplaçant l'équation 5 dans l'équation 4, et P-I par le débit par unité de surface
q(x,t) [L∙T-1], on obtient l'Équation 4.6 de ruissellement superficiel suivante :
Équation 4.6
𝜕ℎ0 𝜕ℎ0
+ 𝛼𝑝ℎ0 𝑝−1 = 𝑞(𝑥, 𝑡)
𝜕𝑡 𝜕𝑥
Une méthode de différence finie est utilisée pour résoudre l'équation 6. Cette équation
unidimensionnelle nécessite la connaissance des conditions initiales et jusqu'à deux
conditions limites. La condition initiale est la hauteur d'eau initiale en surface
supposée être égale au potentiel de pression dans le sol. Les conditions aux limites
correspondent aux conditions de ruissellement en amont et en aval.
Le couplage écoulement superficiel 1D et écoulement dans le sol 2D s’effectue par

l’intermédiaire des conditions atmosphérique limites (Köhne et al., 2011). Si le sol n’est
pas saturé, il n’y a pas de ruissellement en surface et le taux d’infiltration dans le sol
est égal à l’intensité de la pluie effective appliquée en surface (condition aux limites
supérieures de flux spécifique, dite condition de Neumann (Neuman, 1972; Neuman
et al., 1974)). Si le sol est saturé, il y a donc formation d’une flaque d’eau en surface et
le potentiel de pression devient supérieure à zéro, la limite supérieure passe à une
236
condition de pression spécifique (condition de Dirichlet). L’infiltration I dans le sol,

dans ce cas, est calculée à partir de l’équation de Richards, avec une pression à la limite
supérieure du domaine égale à la hauteur d’eau en surface obtenu par l’équation 4.
4.2.3 Stratégie de modélisation des bandes enherbées et période de simulation
Les périodes de simulation utilisées sont sélectionnées en raison de plusieurs facteurs.

Les débuts de ces périodes sont choisis après la délimitation des bassins versants par
des redans en béton (section 2.1.2.2). De plus, la série de pluies qui couvre ces périodes
est continue et ne comporte pas d'erreurs. Cette série est également entièrement
mesurée par le pluviomètre de Compans, qui est situé très près des sites d'étude. Enfin,
les données mesurées sur la base desquelles le modèle sera validé sont disponibles et
correctes pendant ces périodes.
Plusieurs périodes de mesure ont été choisies pour effectuer les simulations (Tableau
4.2). En premier lieu, la modélisation de la chaussée uniquement est effectuée. La
période de cette simulation (période 1) s'étend du 23 novembre 2016 au 26 juin 2017,
soit 7 mois continus. La totalité des pluies sur cette période est de 251 mm répartis en
35 évènements. La hauteur maximale des précipitations tombées par événement est de
20,3 mm avec une intensité de 43 mm∙h-1. Le pas de temps des séries de pluie et
d'évapotranspiration est de 6 min.
Après avoir modélisé la chaussée, les bandes enherbées sont également modélisées.
Plusieurs configurations de modèles ont été choisies pour chacune d'entre elles.
L'objectif était de vérifier, d'une part, l'effet de la structure de la chaussée sur la
distribution des flux. D'autre part, évaluer l'effet des choix des conditions limites, en
particulier pour la bande enherbée numéro 1 (section 2.1.2.3) dont la géométrie est plus
complexe. Ces configurations ont été modélisées sur une période d'un mois et demi
(période 2). La période a été retenue pour que la durée de simulation soit réduite, pour
pouvoir tester plusieurs configurations de modèles. Cette période s'étend du 1er
février 2017 au 15 mars 2017. La somme cumulée des hauteurs de pluie est de 78 mm,
pour 10 événements pluvieux. La hauteur de pluie la plus importante est 12,2 mm avec
une intensité de 6 mm/h.
Après avoir comparé les résultats des différentes simulations avec des mesures in situ,
la configuration conduisant au meilleur résultat a été choisie en vue d'être modélisée
pour une durée de simulation plus longue (période 3). Cette troisième période s'étend
du 23 novembre 2016 au 15 avril 2017 (5 mois). La totalité du cumul des pluies est de
146,4 mm répartis sur 22 événements. L'événement ayant la hauteur la plus élevée est
le même que celle de la deuxième période.
237
Tableau 4.2. Les différentes périodes de simulation appliquées dans le modèle.
Période de Dates htotale hmax (mm)/ Pas de Utilisation des données

simulation (mm) Intensité (6min) temps
(mm∙h-1)
Période 1 23 Nov 2016 – 26 Juin 2017 251 20 / 43 6 min Modélisation de la chaussée
Période 2 1 Fev 2017 – 15 Mar 2017 78 12,25 / 6 6 min Calage du modèle
Période 3 23 Nov 2016 - 15 Avr 2017 146,4 6 min Modélisation à long terme
(validation du modèle)
La configuration de la chaussée est présentée dans ce qui suit. Concernant les bandes
enherbées, nous les présentons de la plus simple à la plus complexe, ainsi la bande
enherbée 2 est présentée avant la bande enherbée 1.
4.2.4 Configuration de la chaussée dans Hydrus 2D/3D
La chaussée a été modélisée sous HYDRUS 2D/3D comme le montre la Figure 4.2. Cette
chaussée fait 10,43 m de large avec une pente de 2,3 %. Dans le modèle, la chaussée est
représentée par un sol de type argileux ayant une épaisseur de 2 cm (épaisseur
minimale pour représenter cette couche dans le modèle). Ce type de sol est choisi de
manière à imiter l'asphalte qui est très peu perméable. Les paramètres
hydrodynamiques du sol ont été estimés à partir de sa classe texturale (argile), en
utilisant le logiciel ROSETTA (Schaap et al., 2001). Certains paramètres tels que la
conductivité hydraulique à saturation et la teneur en eau à saturation ont été diminués
par rapport aux valeurs de Rosetta. Des valeurs faibles ont été retenues afin de mieux
refléter les propriétés hydrodynamiques de l'asphalte et de permettre en même temps
la convergence numérique de la simulation. La conductivité hydraulique est fixée à 10-
7 m∙s-1 et la porosité à 11%. Les paramètres hydrodynamiques de ce matériau retenus
dans le modèle sont donnés dans le Tableau 4.3 (clay). La teneur en eau initiale du sol
est fixée à 10%, presque à saturation, afin que toute l'eau précipitée puisse ruisseler sur
la chaussée. La condition de limite supérieure appliquée à la chaussée est constituée
du module de ruissellement de surface 1D incorporé dans les conditions
atmosphériques limites d'HYDRUS 2D/3D (Atmospheric BC, cf. Tableau 4.1). Cette
condition est déterminée par la série de données de pluie et d'évapotranspiration
potentielle en région parisienne. Pour le module de ruissellement, le coefficient de
rugosité de Manning est pris égal à 0,01 (Chow, 1959). La route a été considérée comme
238
une surface imperméable, une condition de flux nul est donc placée à sa limite
inférieure. La chaussée est discrétisée en mailles triangulaires de 10 cm.
Figure 4.2. Description de la chaussée modélisée sous HYDRUS 2D/3D couplé avec le module
de ruissellement superficiel 1D.
4.2.5 Configuration du système modélisé : Bande enherbée 2
La géométrie du modèle, les conditions initiales, les conditions aux limites ainsi que la
discrétisation en éléments finis de la bande enherbée 2 sont décrits dans ce qui suit.
Géométrie de la bande La Figure 4.3 montre la géométrie de la bande enherbée 2. Pour

rappel, cette dernière a une largeur de 1,9 m (±0.1 m) et une pente de 5%. Elle reçoit
l'eau d'une route à forte circulation de 10,43 m de large avec une pente de 2,3 %. L'eau
qui traverse la bande se jette dans un talus d'une largeur de 1,14 m (±0.1 m) et d'une
pente de 65%. Le sol formant la bande et le talus est classé comme "Silt Loam" (USDA
soil texture triangle) avec une texture de 9,5% de sable, 66,6% de limon et 23,9%
d'argile. La densité apparente moyenne du sol a été évaluée in situ en trois points
équidistants et est égale à 1,48 g∙cm- 3 (±0,15 g∙cm-3). La structure de la chaussée que l'on
trouve sous le sol formant la bande enherbée est constituée d'un sol traité avec des
liants hydrauliques et atteint approximativement le bord de la bande.
L'effet de la structure de la chaussée est testé sous trois configurations différentes du

modèle. Les première et deuxième configurations visent à tester la perméabilité de la
structure. La première (Figure 4.3) considère une structure à très faible perméabilité
atteignant l'extrémité de la bande enherbée / le haut du talus et est de 1 m de
profondeur. Cette structure est représentée par un sol argileux, comme pour la
chaussée, avec une faible conductivité hydraulique à saturation de 10-7 m∙s-1. La
deuxième configuration (Figure 4.4) considère que la structure de la chaussée est
complètement étanche. Dans la troisième (Figure 4.5), la structure est de même
complètement étanche et affleure à la surface du talus. Cette configuration est étudiée
239
pour examiner la présence de la structure sous le talus ou si elle se trouve uniquement

sous la bande enherbée. Ces configurations sont évoquées dans les sections suivantes
sous les termes C 2.1, C 2.2 et C 2.3, respectivement.
Les paramètres des relations van Genuchten-Mualem ont été estimés en utilisant les
prédictions de Rosetta (Schaap et al., 2001a). Pour le limon fin, ces prédictions sont
basées sur la fraction de sable, de limon et d'argile et sur la densité apparente mesurée
du sol. Pour la structure de la chaussée ainsi que la chaussée, les prédictions sont faites
sur la base de la classe texturale uniquement, et modifiées comme indiqué dans la
partie 4.2.4 sur la modélisation de la chaussée. Le Tableau 4.3 résumant l’ensemble des
paramètres est donné ci-dessous.
Conditions initiales Les conditions initiales du sol sont choisies par rapport à la teneur
en eau du sol (Tableau 4.3). La teneur en eau est obtenue à partir de capteurs installés
sur place. Dans le sol de la bande enherbée six capteurs sont installés. La condition
initiale de teneur en eau, dans le modèle, est égale à la moyenne des valeurs données
par ces six capteurs au début de la simulation. La teneur en eau est la même pour les
trois configurations de modèle. Cette valeur est égale à 37,5 % et 26 % pour les périodes
2 et 3 de simulation, respectivement. Le talus formé par le même sol que celui formant
la bande est supposé avoir la même teneur en eau initiale que celui-ci. Les mêmes
conditions initiales sont choisies pour les trois configurations de modèle. Concernant
la structure de la chaussée, présente dans la première configuration, l’humidité initiale
de cette couche est fixée à 10 %, proche de la saturation.
Tableau 4.3. Paramètres des relations van Genuchten-Mualem des couches du sol formant la
bande enherbée 2.
Sol ROSETTA 𝛉𝐫 𝛉𝐬 𝛂 𝐧 𝐊𝐬 𝐥 𝛉𝐢
[%] [%] [1/cm] [-] [m∙s-1] [-] [%]
P2/P3
Silt loam % sable ; % limon ; 7,6 43,9 0,0062 1,5976 4,6∙10-7 0,5 37,5/
% argile ; Densité 26
apparente
Clay Classe texturale : 9,8 11 0,015 1,2529 1∙10-7 0,5 10 /10

Clay
(la chaussée + structure
de la chaussée)
Conditions aux limites Les conditions aux limites du domaine sont illustrées aux
figures Figure 4.3, Figure 4.4, et Figure 4.5. Une série de données de pluie et
d’évapotranspiration potentielle de la région parisienne est appliquée à la condition
240
de limite supérieure du modèle. Le coefficient de rugosité de Manning fixé dans le

module de ruissellement superficiel est égal à 0,01 pour la route et à 0,03 pour la bande
enherbée et le talus (Chow, 1959). La structure de la chaussée ainsi que la chaussée ont
été considérées comme des surfaces imperméables, comme pour la modélisation de la
chaussée, de sorte qu'une condition limite de flux nul a été placée sur leur
circonférence. La condition de la limite inférieure dans la configuration C 2.1 (Figure
4.3), ou la structure de la chaussée n’est plus présente, a été choisie comme drainage
libre à une profondeur de 1 m. Ce choix d'une profondeur de 1 m et d'un drainage
libre est fait en considérant que la nappe phréatique est très profonde. Pour la
configuration C 2.2 (Figure 4.4), les conditions limites imposées au fond ne permettent
aucun écoulement, étant donné que la structure est imperméable. Au niveau du talus,
une condition de drainage libre est placée sur la limite inférieure. Dans le cas de la
configuration C 2.3 (Figure 4.5), où la structure est également complètement étanche
et atteint la surface du talus, une condition de flux nul est imposée à la limite inférieure.
Une condition de suintement est cependant considérée pour la surface du talus de
sorte que l'eau s'écoulant horizontalement le long de la limite inférieure puisse sortir
par celle-ci.
Figure 4.3. Description du système bande enherbée 2, configuration C 2.1, modélisée sous
HYDRUS 2D/3D - Géométrie du modèle et conditions aux limites.
241
Discrétisation en éléments finis Le logiciel HYDRUS 2D/3D utilise la méthode des

éléments finis pour la discrétisation spatiale (Figure 4.6). Un maillage triangulaire de
10 cm est choisi pour l'ensemble du modèle. Des raffinements de mailles de 2 cm sont
ajoutés aux contours de la partie du sol formant la bande et dans laquelle sont installés
les capteurs. Le domaine a ainsi été discrétisé en 7569, 5128, 4961 mailles, pour les
configurations C2.1, C2.2 et C2.3, respectivement. En plus des points d'observation ont
été ajoutés sur les nœuds d'éléments finis, au même endroit que les capteurs in situ,
afin de valider le modèle sur la base de ces capteurs. Le nombre total de points
d’observations est égal à 6 répartis à différentes profondeurs allant de 6 à 21 cm, et à
différentes distances de la route de 30 à 155 cm.
242
Figure 4.6. Description du système bande enherbée 2, configuration C 2.1, modélisé sous
HYDRUS 2D/3D – Discrétisation spatiale en éléments finis du modèle et points d’observation.
4.2.6 Configurations du système modélisé : Bande enherbée 1
La géométrie du modèle, les conditions initiales, les conditions aux limites ainsi que la
discrétisation en éléments finis sont décrites dans ce qui suit.
Géométrie des différentes configurations La bande enherbée 1 reçoit l'eau d'une

chaussée de 10,43 m de large avec une pente transversale de 2,3 %. Cette bande ainsi
que le talus sont modélisés. La largeur dans le sens de l’écoulement et la pente de ces
deux derniers sont 1,7 (±0,1 m) et 1,19 (±0,1 m) m et 5 et 62 %, respectivement. La bande
enherbée est formée d'un sol classé "Sandy Loam" par l'USDA, ayant la texture
suivante : 60,7% de sable, 28,2% de limon et 11,1% d'argile. La densité apparente
moyenne du sol, 1,54 g∙cm-3 (±0,15 g∙cm-3), (Kanso et al., 2018), a été évaluée à partir de
mesures effectuées sur 9 points équidistants dans le sens longitudinal. La conductivité
hydraulique à saturation du sol mesurée en ces 9 points par la méthode BEST est égale
à 4,8∙10-6 m∙s-1 (coefficient de variation spatiale 64%). Une nappe drainante est installée
sous le sol "Limon sableux" à une profondeur variant entre 12 et 23 cm. Entre la nappe
drainante et la structure de la chaussée se trouve une couche de sol naturel identique
au sol formant la bande enherbée 2. Ce sol est classé en " silt loam " avec la texture
suivante : 9,5% de sable, 66,5% de limon et 23,9% d'argile. La densité apparente de ce
sol mesurée in situ est de 1,48 g∙cm-3 (±0,15 g∙cm-3), mesurée en 9 points. Le talus est
également formé par le sol naturel. La structure de la chaussée (sol traité avec des liants
hydrauliques) est présente sous le sol " silt loam ".
Trois configurations de modèle ont été testées pour cette bande enherbée. Ces
configurations se distinguent les unes des autres par la représentation de la nappe
drainante ainsi que par la présence ou l'absence de la structure de la chaussée. Dans
HYDRUS, il n'y a pas de condition limite qui puisse reproduire directement la nappe
243
drainante, c'est pourquoi cette nappe est reproduite par deux représentations
différentes. Les configurations sont intitulées de C1.1 à C1.3 et sont décrites dans le
Tableau 4.4. Dans les configurations C1.1 et C1.2 (Figure 4.7 et Figure 4.8,
respectivement), la couche de drainage est représentée par une couche de sable à
travers laquelle l'eau passe et sort par suintement. Afin de déterminer l'effet de la
perméabilité de la structure de la chaussée, cette dernière est considérée peu
perméable dans la configuration C1.1 et complètement étanche dans la configuration
C1.2. Dans la configuration C1.3 (Figure 4.9), la nappe drainante est représentée par
une condition limite de suintement, placée tout le long de la nappe. Concernant la
condition limite de suintement placée le long de la nappe phréatique et au bout de la
couche de sable, la pression seuil (Hseuil) est égale à 0. Dans ce cas, si le sol est saturé
et donc la pression est nulle, le flux est déclenché ainsi l'eau sort de cette condition
limite.
Tableau 4.4. Description des configurations de modèle de la bande enherbée 1.
Configuration Représentation de Représentation Emplacement de la condition Hseuil (condition

la nappe drainante de la structure de suintement de suintement)
de la chaussée
Couche de sable de Couche

plus forte d’argile très
C 1.1 perméabilité peu perméable Au bout de la couche de sable 0
Couche de sable de
plus forte Non modélisée
C 1.2 perméabilité (CL de flux Au bout de la couche de sable 0
nul)
Non modélisée
(CL de
C 1.3 Non suintement au Tout au long du drain 0
niveau de la
nappe)
Dans les configurations présentant la structure de la chaussée, celle-ci est représentée

par un sol argileux (identique à celui modélisant la chaussée) avec une faible
conductivité hydraulique à saturation de l'ordre de 10-7 m∙s-1. Dans celles représentant
la nappe drainante avec une couche de sable, celle-ci est représentée par du sable avec
une conductivité hydraulique de 7,4∙10-5 m∙s-1 (« sand » dans le Tableau 4.5). Les
paramètres des relations van Genuchten-Mualem ont été estimés en utilisant les
prédictions de Rosetta (Schaap et al., 2001a). Pour le limon sableux et le limon fin, ces
244
prédictions sont basées sur la fraction de sable, de limon et d'argile et sur la densité
apparente mesurée du sol. Pour la conductivité hydraulique du limon sableux, c’est
l’estimation par des mesures in situ qui est utilisée dans le modèle. Pour les autres
couches de sol, les prédictions sont faites sur la base de la classe texturale.
Conditions initiales Les conditions initiales du sol sont choisies par rapport à la teneur
en eau du sol (Tableau 4.5). La teneur en eau est obtenue à partir de capteurs installés
sur place. Dans le sol limon sableux et limon fin, six capteurs sont installés, trois dans
chaque sol. La teneur initiale en eau de ces deux sols est obtenue en moyennant les
lectures des trois capteurs au moment du début de la simulation et est respectivement
égale à 29 et 30% pour la deuxième période de simulation. Pour la troisième période
de simulation, ces valeurs sont égales à 20,5 et 29%. Le talus formé par le même sol que
celui situé sous la couche de drainage est supposé avoir la même teneur initiale en eau
que celui-ci. La teneur en eau initiale de la couche représentant la structure de la
chaussée et la chaussée est fixée à 10 %, en supposant que ce sol est initialement proche
de la saturation pour garantir que toute l'eau arrivant sur la chaussée puisse ruisseler.
Pour la couche de sable, elle est fixée à 9 %, en supposant qu'il n'y a pas d'eau
initialement dans le drain, de sorte qu'elle n'affecte pas le volume sortant du drain
pour la première pluie. Ces conditions initiales sont les mêmes pour toutes les
configurations.
Conditions aux limites Les conditions aux limites pour les trois configurations (Figure
4.7, Figure 4.8 et Figure 4.9) de cette bande sont les mêmes que pour la bande enherbée
2, sauf pour la couche de sable (Configuration C1.1 et C1.2): une condition limite de
suintement est placée à l'extrémité de la couche pour que l'eau puisse sortir par celle-
ci. En plus, pour la configuration C1.3 la nappe drainante est remplacée complètement
par une condition limite de suintement.
245
Tableau 4.5. Paramètres des relations van Genuchten-Mualem des couches du sol formant la
bande enherbée 1.
Sol ROSETTA 𝛉𝐫 𝛉𝐬 𝛂 𝐧 𝐊𝐬 𝐥 𝛉𝐢
[%] [%] [1/cm] [-] [m∙s-1] [-] [%]
P2/P3
Sandy % sable ; % limon ; 4,1 37 0,0275 1,4139 4,8∙10-6 0,5 29/20,5

loam
% argile ; densité
apparente
Silt % sable ; % limon ; 7,5 43,9 0,0062 1,5976 4,6∙10-7 0,5 30/29
loam
% argile ; densité
apparente
Clay Classe texturale : 9,8 11 0,015 1,2529 1∙10-7 0,5 10

Clay
Sand Classe texturale : 5,3 37,5 0,0353 3,1798 7,4∙10-5 0,5 9

Sand
246
Discrétisation en éléments finis Le logiciel HYDRUS 2D/3D utilise la méthode des

éléments finis pour la discrétisation spatiale (Figure 4.10). Un maillage triangulaire de
10 cm est choisi pour l'ensemble du modèle. Des raffinements de mailles de 2 cm sont
ajoutés aux contours de la partie du sol formant la bande et la nappe drainante et dans
laquelle sont installés les capteurs. En plus des points d'observation ont été ajoutés sur
les nœuds d'éléments finis, au même endroit que les capteurs in situ, afin de valider le
247
modèle sur la base de ces capteurs. Le nombre total de points est égal à 6 répartis à
différentes profondeurs.
Figure 4.10. Description du système bande enherbée 1 modélisé sous HYDRUS 2D/3D -
Géométrie du modèle.
4.2.7 Validation du modèle
Le modèle est évalué sur la base de données mesurées in situ. Pour la comparaison
HYDRUS avec SWMM, une comparaison du volume cumulé ruisselé de la chaussée
ainsi que du débit non cumulé est faite.
Pour les bandes enherbées une évaluation des résultats est faite à travers les données
de teneur en eau mesurées in situ. Les capteurs mesurant la teneur en eau dans le sol
sont étalonnés en laboratoire et in situ. Les enregistrements dans le sol sont à un pas
de 30 minutes. Pour rappel le sol a été équipé de 6 capteurs capacitifs de teneur en eau,
4 EC5 et 2 5TE, de la série ECH2O (METER Group, 2018a, 2018b). Ces capteurs sont
nommés S1 à S6 et montrés dans les Figure 4.11 et Figure 4.12 pour les bandes
enherbées 2 et 1 respectivement. Des RMSE (Root Mean Square Error), la racine de
l’erreur moyenne quadratique, sont calculés pour chacun des capteurs.
248
Figure 4.11. Emplacement des capteurs dans la bande enherbée 2.
Figure 4.12. Emplacement des capteurs dans la bande enherbée 1.
Dans la bande enherbée 1, certains capteurs sont placés sous la nappe drainante. Ils
sont appelés S2, S4 et S6. La Figure 4.13 montre les teneurs en eau mesurées par les
capteurs pendant toute la période choisie pour la simulation. Il est assez remarquable
que les capteurs placés sous la nappe drainante montrent des valeurs importantes de
teneur en eau (entre 50 % et 140 %). Ces valeurs ne représentent pas physiquement la
teneur en eau du sol, mais peuvent plutôt indiquer la présence de cavités qui se
remplissent d'eau après chaque pluie. Pour rappel, ces capteurs ont été installés in situ
dans des conditions délicates, et notamment pour les capteurs sous la nappe drainante.
Le capteur S3 présente également un comportement particulier pendant une période
de mesure qui inclut la période de simulation, puisque la teneur en eau atteint un
maximum de 12 % même après étalonnage. Ce capteur est du type EC5TE, ayant trois
broches, il est donc difficile de l'enfoncer dans le sol. Il suffit qu'il ne soit pas
complètement enfoncé dans le sol et qu'une partie se trouve dans l’air pour qu'il donne
des valeurs biaisées. Dans ce qui suit, la validation des résultats de la modélisation de
la bande enherbée 1 sera basée sur S1 et S5 qui présentaient des valeurs correctes de la
teneur en eau.
249
Figure 4.13. Teneurs en eau mesurées par les capteurs dans la bande enherbée 1.
Pour la bande enherbée 1, et qui est drainée, les résultats de la simulation sont de plus
comparés aux observations du drain. Dans ce cas, les débits drainés et les volumes
cumulés, mesurés et simulés sont comparés. Pour les volumes cumulés une erreur
absolue est calculée en utilisant l’Équation 4.7.
Équation 4.7
𝑉𝑠𝑖𝑚𝑢𝑙é − 𝑉𝑚𝑒𝑠𝑢𝑟é
𝛿= × 100%
𝑉𝑚𝑒𝑠𝑢𝑟é
Avec 𝑉𝑠𝑖𝑚𝑢𝑙é le volume cumulé simulé [L], 𝑉𝑚𝑒𝑠𝑢𝑟é le volume cumulé mesuré [L].
Pour les débits mesurés et simulés, le coefficient de Nash-Sutcliffe est calculé sur toute
la période de mesure à un pas de temps de 6 minutes (Équation 4.8). Ce coefficient
varie entre -∞ et 1 (1 inclus), 1 étant la valeur optimale. Les valeurs comprises entre 0
et 1 sont considérées comme des niveaux de performance acceptables (Moriasi et al.,
2007), tandis que les valeurs <0 indiquent que la valeur moyenne observée est un
meilleur prédicteur que la valeur simulée, indiquant une performance inacceptable.
Équation 4.8
∑𝑇𝑡=1(𝑄𝑠𝑡 − 𝑄𝑚𝑡 2
)
𝑁𝐴𝑆𝐻 = 1 − 𝑇
∑𝑡=1(𝑄𝑚𝑡
− ̅̅̅̅
𝑄𝑚 )2
Avec 𝑄𝑠𝑡 et 𝑄𝑚
𝑡
les débits simulé et mesuré au pas de temps t, respectivement [L∙h-1] et
̅̅̅̅
𝑄𝑚 le débit moyen des valeurs mesurées sur toute la période de mesure [L∙h-1]; t et T
sont respectivement le pas de temps de début de la période de simulation et le pas de
temps de fin de la simulation.
250
4.3 Résultats
4.3.1 Modélisation de la chaussée : HYDRUS vs SWMM
Les résultats de la simulation du ruissellement superficiel de la chaussée obtenus par
HYDRUS d'une part et EPA SWMM d'autre part sont présentés dans cette section.
Pour rappel, le logiciel SWMM a été validé dans la partie 3.2 par des mesures in situ.
Les volumes cumulés et les débits obtenus par les deux logiciels sur l'ensemble de la
période de simulation sont donnés respectivement dans les Figure 4.14 et Figure 4.15.
Les résultats de volume cumulés montrent une forte corrélation entre SWMM et
HYDRUS. Il y a une faible différence de 15 m3 dans le volume cumulé à la fin de la
simulation, faisant que HYDRUS donne un ruissellement cumulé supérieur de 13% à
celui donné par SWMM. Ceci s'explique par les débits légèrement plus élevés générés
par HYDRUS. La différence maximale entre les débits simulés par HYDRUS et ceux
simulés par SWMM est de 12,8 % (Figure 4.15). La différence entre HYDRUS et SWMM
peut être due à la méthode de calcul, puisque HYDRUS est un modèle physique alors
que SWMM est un modèle conceptuel. En fait, les résultats de la modélisation SWMM
présentés dans la section 3.2.3 montrent que ce logiciel sous-estime légèrement le
volume de ruissellement mesuré. En zoomant sur les événements du 1er (Figure 4.16)
et 23 mars 2017 (Figure 4.17), on remarque que les débits simulés par HYDRUS et
SWMM sont très similaires et presque identiques aux débits mesurés. Par
conséquence, les résultats donnés par HYDRUS sont satisfaisants et la différence entre
les deux modèles n'est pas significative. Le module de ruissellement superficiel 1D
couplé à HYDRUS 2D/3D est donc un bon outil de prédiction des débits alimentant les
bandes enherbées et peut être appliqué dans les simulations qui suivent.
Figure 4.14. Volume cumulé de ruissellement de la chaussée obtenue par SWMM et par
HYDRUS 2D/3D couplé au module de ruissellement superficiel.
251
Figure 4.15. Débit de ruissellement de la chaussée obtenue par SWMM et par HYDRUS 2D/3D
couplé au module de ruissellement superficiel.
Figure 4.16. Débits simulés par SWMM et HYDRUS et débits mesurés, pour l'évènement du 1
er mars 2017.
252
Figure 4.17. Débits simulés par SWMM et HYDRUS et débits mesurés, pour l'évènement du
23 mars 2017.
4.3.2 Résultats de la modélisation de la bande enherbée 2
Les résultats de la modélisation de la bande enherbée 2 pendant la période de

simulation 2, sous différentes configurations de modèles, sont présentés dans cette
partie.
Mesure vs simulation Tout d'abord, une comparaison des données mesurées et

simulées pour les six capteurs de teneur en eau à six endroits différents est faite. Les
résultats de la teneur en eau pour les trois configurations sont donnés dans les Figure
4.18, Figure 4.19 et Figure 4.20. Ces figures représentent la variation de la teneur en eau
volumétrique du sol sur la période de simulation de 1 mois et demi.
Le modèle a reproduit la dynamique générale de mouillage et de drainage du sol, avec

un RMSE inférieur à 9 % pour tous les capteurs et les trois configurations de modèles.
La plupart des pics sont bien reproduits par le modèle presque pour tous les capteurs.
Pour les trois configurations, la teneur en eau simulée ne montre pas une grande
variabilité d'un capteur à l'autre, alors que cette variabilité est bien visible pour les
données observées. La différence entre les données simulées et mesurées est donc
explicable par une divergence des données in situ. Deux comportements sont
particulièrement notables. Tout d'abord le comportement des capteurs S3 et S4, ceux-
ci ont une dynamique et une gamme de valeurs différentes des autres capteurs. La
teneur en eau volumique du sol mesurée par ces capteurs varie entre 30% et 40%. Par
253
contre, les quatre autres capteurs varient autour de 40%. A noter que les capteurs S3
et S4 sont de type EC5TE, tandis que les autres capteurs sont de type EC5. Cette
différence de comportement peut donc être causée par la spécificité du type de
capteur. Dans l'étude réalisée par (Kanso et al., 2020), il est ressorti que le capteur EC5
est plus précis que l'EC5TE, ce dernier ayant une plus grande variabilité d'un capteur
à l'autre.
Un autre comportement remarquable est celui du capteur S5 qui montre des valeurs
de teneur en eau légèrement inférieures à celles du capteur S6. Ceci devrait être en sens
inverse puisque le capteur S5 est plus proche de la route et moins profond que le
capteur S6, il est donc susceptible de recevoir plus d'eau que ce dernier. La différence
de comportement entre les capteurs S5 et S6 peut être due à un facteur in situ. Le
capteur S6 plus profond et donc plus proche de la structure de la chaussée est situé
dans une zone qui reste plus saturée. Cela peut expliquer qu'in situ le capteur S6 donne
des teneurs en eau plus élevées que le capteur S5 mais ne peut pas expliquer le fait que
le modèle a mieux reproduit les teneurs maximales du capteur S6 que celles du capteur
S5. Cette différence peut donc être expliquée par le fait que l'eau de surface atteint
moins abondamment le capteur S5 dans la réalité que dans le modèle en raison du
tassement du sol dans certains endroits.
Les périodes de séchage du sol sont différentes entre le modèle et la simulation pour
les trois configurations. Il est constaté que le modèle donne des valeurs de teneur en
eau en séchage plus faibles que celles mesurées in situ. Ceci est probablement dû à
l'utilisation de l'évapotranspiration potentielle dans le modèle.
Figure 4.18. Teneur en eau aux points d'observation de la bande enherbée 2, configuration C
2.1. Mesurés Vs simulés.
254
Figure 4.19. Teneur en eau aux points d'observations de la bande enherbée 2, configuration C
Figure 4.20. Teneur en eau aux points d'observations de la bande enherbée 2, configuration C
Distribution des flux Les volumes cumulés des différents flux formant le bilan
hydrique du système pour les trois configurations sont présentés dans la Figure 4.21.
Ces flux sont le ruissellement sortant du talus, l’évapotranspiration, l'exfiltration et le
suintement. Ce dernier est uniquement présent dans la configuration C 2.3. Le
ruissellement correspond ici à ce qui sort du talus par ruissellement superficiel et non
au ruissellement de la chaussée arrivant dans la bande enherbée. Normalement, le
volume total des différents flux devrait être le même pour toutes les configurations.
255
Cependant, comme la configuration C 2.3 n'a pas la même dimension du domaine

formé par la bande, le talus et la structure de la chaussée, le volume d’eau initial dans
ce domaine est donc inférieur à celui des deux premières configurations. Pour cette
configuration C 2.3, ce volume est censé être évacué principalement par
évapotranspiration en absence d’exfiltration. C'est pourquoi l'évapotranspiration
résultant de C 2.3 est moins importante que les deux autres et par conséquent le
volume total n'est pas identique.
Dans la configuration C 2.1, la structure de la chaussée présente sous le sol formant la

bande n'est pas étanche. Cependant, dans la configuration C 2.2, la structure est
considérée totalement étanche. Il est constaté que si la structure de la chaussée est
étanche, le ruissellement de surface sortant du talus augmente de 12,2 % contre une
diminution de 15 % du volume sortant par exfiltration. Cela peut s'expliquer par la
diminution de la capacité d'infiltration du sol dans le second cas, causée par l'absence
de sol sous-jacent. Dans la troisième configuration, la structure atteint le talus et est
complètement étanche. L'évapotranspiration diminue légèrement, ce qui est normal
car la surface de talus modélisé est plus faible. Le ruissellement de surface augmente
de 33 % par rapport à la configuration C 2.2. Le flux qui sort de l’ouvrage par
suintement est négligeable. Cela montre que dans les deux premières configurations,
le talus gère une fraction importante de ruissellement de surface mais aussi de
l’écoulement dans le sol. En effet, dans la configuration 2.2, l'eau s'écoule
horizontalement le long de la structure de la chaussée et passe dans le talus. En plus le
ruissellement superficiel des eaux de la bande s'infiltre au niveau du talus avant
d'atteindre le bord de celle-ci et sortir du système.
Ainsi, la structure de la chaussée a un effet important sur la répartition des flux dans
le système de bande enherbée. Si cette structure est étanche et ne permet pas
l'infiltration de l'eau, l'eau sortant du système par ruissellement augmente et l'eau
passant dans le sol sous-jacent diminue. Ajoutons que le talus joue un rôle important,
en gérant une quantité d'eau de ruissellement provenant de la chaussée et de la bande.
Le volume sortant par ruissellement du talus pour la première et la deuxième

configuration sur toute la période de simulation est d'environ 40% des précipitations.
Ce chiffre est beaucoup plus élevé que les résultats de l'étude réalisée par Flanagan et
al., 2017. Dans cette étude, la même bande enherbée a été modélisée sous SWMM, dans
laquelle la route, la bande enherbée et le talus ont été représentés par des sous-bassins
versants. Dans ce modèle conceptuel, chaque sous bassin versant est considéré comme
un réservoir non linéaire. Pour une période de simulation de 4 ans appliquée dans
SWMM sur la bande enherbée 2, on trouve un coefficient de ruissellement de 9% à 12
%, selon l’état initial du sol. Notons que dans SWMM, les différentes couches
constituant la bande et la couche sous-jacente comme la structure de la chaussée ne
256
sont pas toutes représentées. Le profil du sol est considéré uniforme et illimité. Cela
signifie qu'une partie importante de l'eau peut s'infiltrer dans la bande sans passer au
talus. En revanche, dans HYDRUS, la structure sous-jacente est soit peu perméable,
soit complètement étanche, et dans les deux cas elle empêche l'eau de s'infiltrer. Pour
cela une plus grande partie de l'eau ruisselle en surface et sort par ruissellement
superficiel du talus.
Par ailleurs, une différence entre le volume de ruissellement simulé par HYDRUS, qui
est de 40%, et les observations in situ peut être notée. En effet, les observations in situ
montrent que l'eau ne sort pas fréquemment du talus. Cette observation peut être liée
à un taux d'exfiltration réel plus élevé que celui simulé. Des fissures dans la structure
de la chaussée et un positionnement différent de celui modélisé, peuvent augmenter
le taux d’exfiltration. D'autre part, la pente de 5% fixée dans le modèle HYDRUS peut
être surestimée. La pente réelle risque d'être inférieure en raison du tassement du sol
causé par le piétinement.
La validation de ces simulations sur la base de la teneur en eau uniquement n'est pas
suffisante. En particulier pour les valeurs de ruissellement qui ne peuvent être validées
sans mesures de ruissellement superficiel.
Figure 4.21. Distribution des volumes pour les trois configurations, C 2.1, C 2.2 et C 2.3, de la
bande enherbée 2.
Pour les capteurs placés au bout de la bande, la configuration C 2.3 donne les erreurs
les plus élevées. Cela signifie que le ruissellement de 65 % par rapport aux
précipitations, obtenu par cette configuration, est surestimé. Si nous considérons
uniquement les capteurs de type EC5, la première configuration a donné les erreurs
les plus faibles avec un maximum de 2,5 %. Cette erreur est égale à la précision du
capteur lui-même (Kanso et al., 2020). Donc la configuration qui sera retenue dans les
257
parties suivantes et qui sera exécutée sur une période de simulation plus longue est la
première. Celle-ci considère que la structure de la chaussée est peu perméable.
4.3.3 Résultats de la modélisation de la bande enherbée 1
Les résultats de la modélisation de la bande enherbée 1 pendant la période de

simulation 2, sous différentes configurations de modèles, sont présentés dans cette
partie.
Mesure vs simulation (débits du drain) En premier lieu, le volume cumulé mesuré

sortant de la nappe drainante de la bande a été comparé au volume cumulé modélisé
pour la période entre février 2017 et mars 2017 (Figure 4.22). L’erreur sur le volume
cumulé pour chaque configuration est donnée dans le Tableau 4.6. L'erreur sur le
volume varie d'une configuration à l'autre. Pour les deux premières configurations,
dans lesquelles la couche de drainage est représentée par une couche de sable, les
erreurs sont les plus faibles. Pour les configurations C 1.1, le modèle sous-estime de
3,9 % le volume du drain mesuré. Dans cette configuration, la structure de la chaussée
est considérée peu perméable. Le volume est surestimé par le modèle de 25,8% pour
la configuration C 1.2, identique à la configuration C 1.1 mais dans laquelle la structure
de la chaussée est complètement étanche. En effet, comme la structure est étanche, il y
a moins d'eau qui sort par exfiltration (CL : drainage libre) et donc l'eau sort par le
drain (CL : condition de suintement de la couche de sable). Le volume estimé par le
modèle dans le cas d'une couche drainante entièrement représentée par une condition
limite de suintement, configuration C 1.3, est significativement plus élevé que la valeur
mesurée. D'après ces résultats, la nappe drainante ne collecte pas toute l'eau infiltrée
et une partie importante de l'eau passe dans le sol sous la nappe et ensuite vers la
structure de chaussée à faible perméabilité.
En ce qui concerne les débits, le coefficient NASH est calculé et indiqué dans le Tableau
4.6. Les résultats montrent, de même que pour le volume, des coefficients de Nash >0,6
pour les deux configurations C 1.1 et C 1.2. Tandis que pour la configuration C 1.3 le
modèle montre des divergences importantes par rapport à la mesure, avec des NASHs
négatifs. Un coefficient de NASH négatif signifie que la moyenne des valeurs mesurées
prédit mieux les observations que le modèle lui-même. Par conséquent, en termes de
débit, la nappe drainante est mieux représentée par une couche de sable à forte
perméabilité. La considération d'une structure de chaussée sous-jacente peu
perméable améliore également les résultats du modèle.
258
Figure 4.22. Volume cumulé sortant du drain de la bande enherbée 1. Mesuré Vs Simulé.
Tableau 4.6. Erreur sur le volume et coefficient de Nash de la simulation de la bande enherbée
1 sous différentes configurations
Configuration C 1.1 C 1.2 C 1.3
Erreur δ [%] -3,9 25,8 145,5
NASH 0,63 0,6 -0,98
Un zoom sur trois événements pluvieux montre les débits no cumulés sortant du drain
mesurés et simulés pour toutes les configurations (Figure 4.23, Figure 4.24 et Figure
4.25). Pour les trois événements, la configuration C 1.3 donne des résultats très
divergents des mesures, avec des débits très élevés. Il est également remarquable que
pour les deux premières configurations, le débit simulé plafonne à des valeurs
comprises entre 400 et 500 L/h. Cela résulte de la perméabilité limitée de la couche de
sable représentant la nappe drainante. Par exemple dans la Figure 4.23, le débit de
pointe simulé est de 400 L/h alors que celui mesuré est de 1400 L/h. Dans le cas de
l’évènement du 4 mars (Figure 4.24), ayant des débits mesurés inférieur à 600 L/h, le
modèle semble bien reproduire la dynamique du débit pour les deux configurations C
1.1 et C 1.2. Les débits mesurés inférieurs à 400 L/h sont légèrement surestimés par le
modèle (Figure 4.25, 5/3/2017 18 :00). Les hydrogrammes simulés sont plus étalés et
ont des fins plus longues. Ainsi, le volume cumulé à la fin de la période de simulation
est proche du volume cumulé mesuré, même si les débits mesurés et simulés sont
différents.
259
La capacité du modèle à reproduire les pics est liée à la représentation de la nappe

drainante. Celle-ci ne peut pas être reproduite exactement sous HYDRUS 2D/3D. Les
résultats ont montré que la nappe drainante en réalité a un comportement plus
similaire à celui d'une couche de sable, mais pas complètement. En effet, la couche de
sable est limitée par une perméabilité fixe alors que le tuyau de la nappe drainante ne
l'est pas, ce qui fait que le modèle sous-estime les forts débits. D'autre part, les résultats
ont montré qu'une proportion importante de l'eau passe sous la nappe. Par
conséquent, cette dernière ne fonctionne pas comme un simple drain et n'est pas
parfaitement reproduite par une couche de sable en termes de dynamique.
De même que pour la bande enherbée 2, on constate un effet remarquable de la

structure de la chaussée. La perméabilité de cette structure modifie la distribution des
flux dans le système. Les résultats du volume et du débit drainé de la bande enherbée
1 , modélisé et mesuré, montrent que la structure de la chaussée a une perméabilité
non négligeable et qu'une partie de l'eau infiltrée passe à travers elle.
Figure 4.23. Débit du drain de la bande enherbée 1, évènement du 1er mars 2017. Mesuré Vs
Simulé.
260
Figure 4.24. Débit du drain de la bande enherbée 1, évènement du 4 mars 2017. Mesuré Vs
Simulé.
Figure 4.25. Débit du drain de la bande enherbée 1, évènement du 5 mars 2017. Mesuré Vs
Simulé.
Mesure vs simulation (teneur en eau) En plus des volumes cumulés et des débits non
cumulés, les résultats de la teneur en eau simulée pour les capteurs S1 et S5 ont été
comparés aux données observées. Ces résultats sont présentés dans les Figure 4.26 ,
Figure 4.27 et Figure 4.28 pour toutes les configurations du modèle. Le modèle a montré
une assez bonne reproduction de la dynamique de la teneur en eau dans les conditions
humides et sèches pour toutes les configurations. En effet, d'après la comparaison du
débit du drain mesuré et simulé, la configuration C 1.3 a donné des résultats très
divergents de la mesure. Alors que pour la teneur en eau, elle donne des résultats
261
acceptables avec un RMSE de 3,1% pour le capteur S1. Ainsi, la validation du modèle
à partir des données de teneur en eau uniquement n'est pas suffisante.
On remarque également que les niveaux de teneur en eau mesurés et simulés sont
identiques pour S1, alors que pour S5 il y a un écart systématique entre la mesure et le
modèle. Ce comportement a aussi été remarqué pour la bande enherbée 2 et s'explique
par le fait que l'eau de surface atteint moins abondamment le capteur S5 en réalité
comparé au modèle en raison du tassement du sol à certains endroits.
262
Distribution des flux Les volumes cumulés des différents flux formant le bilan
hydrique du système pour les toutes les configurations sont présentés dans la Figure
4.29. Ces flux sont le ruissellement (ce qui sort du système bande-talus),
l’évapotranspiration, l’exfiltration (ce qui sort par drainage libre) et ce qui sort du
drain. Pour rappel, dans les configurations C 1.1 et C 1.2, la nappe drainante est
représentée par une couche de sable, et la structure de la chaussée est respectivement
perméable et étanche. Dans le cas d'une structure complètement étanche, le volume de
ruissellement sortant de la bande/talus et le volume sortant par le drain augmentent
de 10% et 30%, respectivement, par rapport à une structure perméable. D’autre part,
le volume évacué par exfiltration (drainage libre) diminue de 26%. Une structure de
chaussée complétement étanche peut donc diminuer considérablement l'efficacité
hydrologique de la bande enherbée à réduire le volume entrant dans l’ouvrage. Dans
la configuration C 1.3, on peut remarquer un changement dans le comportement de la
bande. La nappe drainante est ici représentée par une condition de suintement qui fait
que la quasi-totalité de l'eau qui atteint le bas de couche du sol en mélange terre/sable
sort par le drain. Le volume sortant par le drain dans ce cas vaut 47 % des
précipitations. Dans cette configuration de drainage, le ruissellement devient très
faible à la sortie de la bande/talus ainsi que l'exfiltration et sont égaux à 8% et 14% par
rapport aux précipitations, respectivement. Le volume du drain simulé le plus proche
de la mesure correspond à la configuration C 1.1.
Le volume qui sort de l’ouvrage par ruissellement de surface, pour la configuration C

1.1 est de 19% de la précipitation. Cette configuration a donné les résultats les plus
proches des mesures de débit drainé et de teneur en eau. Le taux de 19% est plus
important que celui trouvé par Flanagan et al., 2017 sur le même ouvrage. Dans cette
dernière étude, le coefficient de ruissellement de la bande enherbée 1, correspondant
au volume de ruissellement de surface du système bande/talus, est de 6 et 8% pour
une période de 4 ans de pluie appliquée dans le modèle. Par conséquent, SWMM
génère un volume sortant de l’ouvrage par ruissellement plus faible que celui obtenu
par HYDRUS pour les deux bandes enherbées. Cette différence peut être liée à la
représentation de la bande et du talus dans SWMM, comme des sous-bassins versants
sans tenir compte des couches verticales du profil du sol comprenant la structure de
la chaussée. Cependant, comme pour la bande enherbée 2, afin de valider le
ruissellement de surface, des mesures in situ de ce flux sont nécessaires.
263
Figure 4.29. Distribution de volumes pour toutes les configurations de la bande enherbée 1.
La configuration choisie pour la bande enherbée 1 et qui sera exécutée sur une longue
période de simulation est C 1.1. Cette configuration est associée à l'erreur de volume
la plus faible de -3,9 % et à une valeur de NASH de 0,63.
4.3.4 Application du modèle a une simulation à long terme de la bande enherbée 2
La configuration 2.1 retenue est exécutée sur une période de 5 mois.
Mesure vs simulation (teneur en eau) La comparaison des teneurs en eau mesurées et

simulées est présentée à la Figure 4.30. Le modèle montre, comme pour les
configurations testées précédemment, une bonne corrélation entre la mesure et la
simulation. Si l'on considère uniquement les capteurs EC5 S1, S2, S5 et S6, le modèle
prédit la teneur en eau avec une erreur maximale de 4 %. Ceci est très proche de la
précision du capteur qui est de 2,5% en absolu. Les données sur la seule teneur en eau
restent insuffisantes pour évaluer le modèle.
264
Figure 4.30. Teneurs en eau mesurées vs simulées de la bande enherbée 2, période de

simulation de 5 mois.
Bilan hydrique Un diagramme circulaire des volumes de bilan hydrique simulés est
présenté à la Figure 4.31. Ces proportions sont calculées par rapport à la précipitation
tombant sur la route et l’ouvrage, en plus du volume initialement stocké dans le sol.
On peut voir que 25 % de ce volume passe par le ruissellement de surface, sortant du
système bande enherbée-talus. Le volume d'eau évacué par exfiltration (drainage
libre) constitue également 25% du volume total. La majeure partie de l'eau s'évapore
(50 %). Le volume qui sort du système par ruissellement superficiel vaut 38 % du
volume entrant dans l’ouvrage par ruissellement de la chaussée ajouté au volume
précipité directement sur la bande/talus.
Figure 4.31. Distribution de volume dans la bande enherbée 2, période de simulation de 5

mois.
265
4.3.5 Application du modèle a une simulation à long terme de la bande enherbée 1
La configuration C 1.1 retenue est exécutée sur une période de 5 mois.
Mesure vs simulation (débits du drain) Les débits cumulés sortant du drain, observés
et simulés sont donnés dans la Figure 4.32. Le modèle sous-estime le volume cumulé
total à la fin de la simulation. La différence de volume par rapport aux mesures est de
16%. En ce qui concerne le débit, le coefficient de NASH est calculé sur toute la période
de mesure. Ce coefficient est égal à 0,6. Le volume cumulé mesuré à la fin de la période
est supérieur au volume cumulé simulé par HYDRUS. La Figure 4.33 montre plusieurs
événements pluvieux et les hydrogrammes de débit mesurés et simulés
correspondants. Pour les événements dont le cumul de pluie est inférieur à 3 mm, un
débit mesuré est enregistré tandis que le modèle ne répond pas. La Figure 4.34 montre
pour un évènement de 2,6 mm en cumul, un débit mesuré mais aucun débit simulé.
Alors que pour des pluies > 3 mm, par exemple les pluies du 21/12/2016 et du
10/01/2017, le drain du modèle réagit mais avec un débit inférieur à celui mesuré. Le
débit sortant de la couche de sable est déclenché si cette dernière est saturée sur toute
sa longueur, alors un événement avec un cumul faible ne sera pas suffisant pour
générer un débit sortant. Ce dernier peut aussi dépendre de l’état initial d’humidité de
la couche de sable. Si la couche est saturée par les précipitations précédentes, même
un faible cumul de pluie provoquera un écoulement du drain. Ceci est remarqué pour
les deux derniers événements de 3,4 et 1,5 mm (Figure 4.33), le modèle a répondu avec
un débit proche ou même supérieur aux mesures en raison de la saturation du sable
par la pluie précédente. Notons également que le débit maximal simulé est limité par
la conductivité hydraulique de la couche de sable.
L'événement du 1er mars 2017 confirme ces observations (Figure 4.35). Un retard du
débit simulé est remarqué au début de la simulation, car le débit est déclenché après
la saturation de la couche de sable. Le débit simulé atteint un pic autour de 400 L/h
alors que le débit mesuré atteint 1400 L/h. Pour un événement de 10 mm de hauteur
avec une intensité modérée de 10 mm/h (Figure 4.36), le débit du drain est bien
reproduit par le modèle avec un coefficient de NASH de 0.7 et une erreur sur le volume
de 3.6 %.
266
Figure 4.32. Volume cumulé simulé et mesuré de la bande enherbée 1, période de simulation
de 5 mois.
Figure 4.33. Débit simulé et mesuré de la bande enherbée 1, période de simulation de 5 mois
(zoom du 11/12/2016 au 10/01/2017).
267
(zoom du 20/01/2017 au 30/01/2017).
(zoom du 01/03/2017 au 02/03/2017).
268
(zoom du 05/03/2017 au 06/03/2017).
Mesure vs simulation (teneur en eau) Les teneurs en eau simulées sur la période de
simulation de 5 mois montrent une erreur de 4,5 et 7,4 % par rapport aux mesures
(Figure 4.37). Une erreur de 7,4 % n'est pas négligeable, mais peut être liée à des
facteurs in situ comme mentionné précédemment plutôt qu'à une erreur de
modélisation.
Les données de teneur en eau ne sont pas suffisantes pour valider le modèle. En fait,
le modèle donne des résultats proches pour la teneur en eau pour toutes les
configurations, alors que pour les flux, les résultats sont très différents.
Figure 4.37. Teneur en eau mesurées vs simulées de la bande enherbée 2, période de simulation
de 5 mois.
Bilan hydrique Le graphique circulaire du bilan volumétrique est donné par la Figure
4.38. Ces proportions sont calculées par rapport à la précipitation tombant sur la route
et l’ouvrage, en plus du volume initialement stocké dans le sol. Le volume évacué par
exfiltration est égal à 27 %. En revanche, le volume quittant le système par
ruissellement de surface de 11 % a diminué par rapport à la bande enherbée 2, à cause
269
du type de sol qui est plus perméable et de la présence du drain, et donc l'eau s'infiltre
plus facilement. Le volume d'eau sortant du drain dans le modèle, représente 13 % du
volume total. Pour l'évapotranspiration, il est le même que pour la bande enherbée 2
et représente 49% du volume total. Le volume qui sort du système par ruissellement
superficiel vaut 16,6 % du volume entrant dans l’ouvrage par ruissellement de la
chaussée ajouté par le volume tombant directement sur la bande/talus.
Figure 4.38. Distribution de volume dans la bande enherbée 2, période de simulation de 5

mois.
4.3.5 Bilans
Le logiciel HYDRUS-2D/3D couplé à un module de ruissellement superficiel a été

utilisé pour modéliser deux bandes filtrantes végétalisées en bordure de route en
région parisienne. Ce modèle a d'abord été testé par rapport à la chaussée, puis
plusieurs configurations de bandes enherbées ont été testées. La validation du modèle
a été basée sur des mesures in situ.
Les résultats de la modélisation de la chaussée ont montré une bonne corrélation avec
les résultats obtenus par le logiciel EPA SWMM, qui a été validé dans la partie 3 de la
thèse à partir de données mesurées in situ. Le module de ruissellement de surface a
donné des résultats très satisfaisants, il a également été testé par d'autres études sur
différentes applications. Par exemple, dans l'étude de Nanda et al., 2018, le module a
été vérifié sur un site d'étude à l'échelle de la parcelle. Les résultats de cette étude ont
montré que HYDRUS 2D couplé au module de ruissellement superficiel prédit de
manière satisfaisante le ruissellement superficiel et la dynamique de l’eau dans le sol.
Pour la bande enherbée 2, dont la géométrie est moins complexe que celle de la bande
enherbée 1, le modèle a été validé par rapport aux données de teneur en eau. Ce
modèle a reproduit la dynamique générale de mouillage et de drainage du sol. L’erreur
270
sur l'estimation de la teneur en eau observée, en considérant les capteurs de type EC5,
est de 2,5%. Sur le long terme l’erreur sur l’estimation des teneurs en eau est de 4%. En
testant différentes configurations de modèles de cette bande, l'effet de la perméabilité
de la structure de la chaussée sur la performance hydrologique de la bande est évalué.
On constate que si la structure de la chaussée sous le limon fin est complètement
étanche, le volume d'eau sortant du système par ruissellement augmente de 12 %
contre une diminution de 15 % du volume sortant par exfiltration, sur une période de
simulation de 1 mois et demi. La bande enherbée réduit le volume entrant dans
l’ouvrage et la pluie tombant directement sur celui-ci de 62 % pour une période de 5
mois.
Pour la bande enherbée 1, le modèle a été validé en plus des teneurs en eau par rapport
au débit du drain mesurés. Pour les différentes configurations testées, l'erreur
minimale sur le volume cumulé en sortie de drain était de 3,9 % et le coefficient de
Nash est de 0,63. Sur le long terme (période de simulation de 5 mois), ces valeurs sont
respectivement de 16% et 0,6. Les débits du drain n'ont pas été parfaitement estimés
en raison de la représentation de la couche de drainage dans le modèle. En effet, la
nappe drainante ne fonctionne pas comme un drain parfait et n'est pas non plus
parfaitement reproduite par une couche de sable en termes de dynamique. Pour
certains évènements, le modèle donne quand même des résultats satisfaisants avec un
coefficient de NASH de 0.7 et une erreur sur le volume de 3.6 %. Comme pour la bande
enherbée 2, un effet de la perméabilité de la structure de la chaussée est trouvé. Mais
cet effet est moins important quand le sol en surface est plus perméable. La présence
d’une structure complétement étanche sous du limon sableux augmente le volume
sortant de l’ouvrage par ruissellement de 10 %. Pour les teneurs en eau, comme pour
la bande enherbée 2, le modèle a montré de bons résultats en termes d'estimation
générale de la dynamique de mouillage et de séchage des sols. La bande enherbée 1
réduit le volume entrant dans l’ouvrage et la pluie tombant directement sur celui-ci de
83 % pour une période de 5 mois.
De plus, la comparaison entre les mesures et les résultats de la modélisation met en
évidence un comportement inhabituel. Ce comportement pourrait être dû à un
écoulement préférentiel, un tassement du sol ou une formation de bosses en surface
qui favorise l'infiltration de l'eau dans certaines zones. L’écoulement d'eau préférentiel
peut être provoqué par la formation de fissures entre le sol et la fondation de la route.
En conclusion, la validation de ces simulations sur la base de la teneur en eau
uniquement n'est pas suffisante. Une validation de la bande enherbée 1 à partir des
données de débits drainés mesurés est plus précise. Cependant, la nappe drainante
n’est pas parfaitement représentée par les conditions aux limites du modèle. Les
valeurs de ruissellement superficiel nécessitent donc des mesures de ruissellement
pour les valider.
271
4 .4 Application du modèle valide sur différentes configurations de bandes

enherbées
4.4.1 Introduction
Le logiciel HYDRUS a été utilisé pour analyser différents scénarios de configuration

des bandes enherbées, en prenant comme référence la bande enherbée 2 mais sans la
présence de la structure de la chaussée. Ce choix est d'abord basé sur la nature du sol
qui est le sol naturel dans cette région et un cas général sans structure de la chaussée
pour évaluer l'effet des autres éléments de conception sur la performance
hydrologique de la bande. Les réponses hydrologiques modélisées ont été quantifiées
en comparant les bilans volumiques cumulés. Les composantes spécifiques du bilan
volumique comprennent : l'infiltration, le ruissellement superficiel et
l’évapotranspiration (ce qui sort du système bande enherbée-talus). Des indicateurs de
performance hydrologique comme l’abattement de volume et l’abattement de débit de
pointe par le système chaussée + ouvrage sont calculés à l’échelle évènementielle pour
chaque scenario. Le nombre total d'événements définis sur la période de simulation
(du 23/11/2016 à 26/06/2017) et dont la hauteur totale de pluie est supérieure ou égale
à 1 mm est de 35 à 38 événements, cela en fonction du scénario.
4.4.2 Les différents scenarios
Les scénarios ont été choisis pour montrer l'effet multiple de divers éléments de
conception sur la performance hydrologique des bandes enherbées. Cinq paramètres
sont choisis pour les simulations, dont la texture du sol, la largeur de la bande dans le
sens de l’écoulement, la présence ou non de la structure de la chaussée peu perméable,
la pente et le coefficient de rugosité de Manning. Ces dernières ont été sélectionnées
en raison de la possibilité qu'elles puissent varier dans des conditions réelles et pour
leur influence sur le fonctionnement hydrologique de la bande enherbée.
Les différents scénarios sont présentés dans le Tableau 4.7. Le scénario de référence est
une bande enherbée avec la même géométrie que la bande enherbée 2. Le type de sol
qui forme cette bande est le silt loam (limon fin) (USDA). La structure de la chaussée
n’est pas incluse dans le modèle de référence afin que chaque élément puisse être
évalué séparément sans interaction avec d'autres éléments. La Figure 4.39 montre la
configuration de référence et les conditions aux limites.
272
Figure 4.39. Configuration de référence et conditions aux limites
Pour les scenarios, une grande variété de textures de sol est choisie comme le loam
(limon), sandy loam (limon sableux), loamy sand (sable limoneux) et clay (argile)
(USDA). Ces textures peuvent être trouvées sur place selon la région d'étude. Les sols
recommandés pour ce type d‘ouvrage sont de type limon sableux, sable limoneux et
limon, avec une conductivité hydraulique de l’ordre de 10-6 m/s (Clar et al., 2004). La
largeur de la bande enherbée dans le sens de l’écoulement varie entre 1,9 m et 5 m, ces
largeurs peuvent être appliquées le long de la route. L'effet de la structure de la
chaussée est également testé en comparant la performance hydrologique de la même
bande sans et avec la présence de cette base. La pente varie entre 5 et 10 % et la rugosité
entre 0,03 et 0,3. Ces valeurs sont choisies en se basant sur les recommandations des
guides de conception des bandes enherbées (McGreevey et al., 2004). La pente
optimale pour une bonne performance de la bande est de 5 % (Washington State
Departement of Transportation, 2016). Cette pente ne doit pas dépasser le 10 %
(Caltrans, 2003; WSDOT, 2016). En fonction de la densité et du type de végétation, le
coefficient de Manning peut varier entre 0,03 et 0,3.
273
Tableau 4.7. Les différents scenarios simulés sous HYDRUS 2D/3D afin d'évaluer l'effet des
éléments de conception sur la performance hydrologique de la bande enherbée.
Elément de Numéro Texture du Largeur Présence de Pente de Coefficient de

conception de sol de la la structure la bande Manning n
à évaluer simulation (USDA) bande de la [%]
[m] chaussée
Reference S0 Silt Loam 1,9 Non 5 0,03
Texture S1 Loam 1,9 Non 5 0,03
S2 Sandy 1,9 Non 5 0,03

Loam
S3 Loamy 1,9 Non 5 0,03

Sand
S4 Clay 1,9 Non 5 0,03
Largeur S5 Silt Loam 3 Non 5 0,03
S6 Silt Loam 5 Non 5 0,03
Structure S7 Silt Loam 1,9 Oui 5 0,03

de la
chaussée
Pente S8 Silt Loam 1,9 Non 8 0,03
S9 Silt Loam 1,9 Non 10 0,03
Coefficient S10 Silt Loam 1,9 Non 5 0,1

de
Manning
4.4.3 Effet de la texture du sol sur la performance hydrologique de la bande

enherbée
La texture du sol joue sur les propriétés hydrauliques de celui-ci et donc sur
l’infiltration de l’eau dans la bande enherbée. Le Tableau 4.8 montre les paramètres de
van Genuchten obtenus à partir du logiciel ROSETTA et utilisés dans HYDRUS
(Schaap et al., 2001). La conductivité hydraulique à saturation de ces sols va de 1,2∙10-
5 au maximum jusqu’au 4,6∙10-7 m∙s-1 au minimum.
274
Tableau 4.8. Paramètres de Van Genuchten des textures de sol choisis pour faire les
simulations
Texture du θr θs α n Ks 𝒍
sol
(cm3∙cm-3) (cm3∙cm-3) (cm-1) (m∙s-1) (-)
Silt Loam 0,0755 0,4387 0,0062 1,5976 4,6x10-7 0,5
Loam 0,0609 0,3991 0,0111 1,4737 1,4x10-6 0,5
Sandy 0,0387 0,387 0,0267 1,4484 4,4x10-6 0,5

Loam
Loamy 0,0485 0,3904 0,0347 1,7466 1,2x10-5 0,5

Sand
Clay 0,0982 0,4588 0,015 1,2529 1,7x10-6 0,5
Les résultats des simulations dans la Figure 4.40 ont montré un effet significatif du type
de sol sur la distribution des flux dans la bande enherbée ayant la même largeur, la
même pente, le même coefficient de Manning et sans la présence de la structure de la
chaussée. L'infiltration de l'eau dans le sol est principalement liée à sa conductivité
hydraulique. Pour illustrer, une augmentation de la conductivité hydraulique saturée
de 4,6∙10-7 m∙s-1 (Silt loam) à 1,2∙10-5 m∙s-1 (Loamy Sand) a entraîné une augmentation
de l'infiltration dans le sol de 38 %. Le volume d'eau évapotranspiré montre une
sensibilité à la teneur en eau à saturation du sol. En effet, ce taux est affecté par la
capacité de rétention d'eau par le sol, qui varie en fonction des dimensions des
particules et de la porosité. Pour un sol argileux, formé de particules fines
l'évapotranspiration est de 136 m3. En revanche, pour le limon sableux ayant une
réserve utile en eau (différence entre l’humidité à la capacité au champ et l’humidité
au point de flétrissement permanent) plus importante que celle du sol argileux, ce
volume est 50% plus important.
Le sol argileux, dont la conductivité hydraulique à saturation est légèrement

supérieure à celle du limon fin, présente cependant un taux d'infiltration inférieur à ce
dernier de 4 %. Ceci peut être lié à la teneur en eau initiale du sol. En effet, dans l'étude
de García-Serrana et al., 2017, pour une même bande enherbée et même débit entrant,
l'infiltration augmente avec la diminution de la teneur en eau initiale. Comme la
capacité au champ et la teneur en eau à saturation de l'argile sont plus grandes que
celles du limon fin, il est probable qu'elle soit plus saturée au début de chaque
événement. Ainsi, le taux d'infiltration de l'argile est le plus faible parmi les autres sols.
Le volume qui sort de l’ouvrage par ruissellement dépend de la quantité d'eau infiltrée
et évapotranspirée. Par exemple, pour l'argile dont les taux d'infiltration et
275
d'évapotranspiration sont les plus faibles, le ruissellement correspondant est le plus

élevé et vaut 100 m3.
Figure 4.40. Distribution des flux : infiltration, ruissellement et évapotranspiration, sur toute
la période de modélisation obtenus par la simulation de différents scénarios avec des textures
de sol différentes.
La répartition des flux dans l'ouvrage se traduit par sa capacité à réduire le volume
(Figure 4.41) et les débits de pointe (Figure 4.42). Le volume est réduit principalement
par infiltration et en second lieu par évapotranspiration. Un effet significatif de la
capacité d'infiltration du sol sur la réduction du volume peut donc être constaté. Une
augmentation de la conductivité hydraulique du sol de 4,6∙10-7 m∙s-1 (Limon fin) à
1,2∙10-5 m∙s-1 (Loamy Sand) cause une augmentation du volume évènementiel de 76,3
% à 100%. Pour un sol de type sable limoneux, l’ouvrage abat presque complètement
le volume entrant dans l’ouvrage. Pour 31 événements sur un total de 37, ce qui
représente 84% des événements, le volume est complètement abattu. Cet ouvrage,
même pour un sol argileux, réduit le volume de 64 % en médiane pour plus de 30
événements étudiés. Toutefois, ce sol a montré un effet limité pour 32% du nombre
total d'événements, pour lesquels presque tout ce qui entre dans la bande sort de celle-
ci. Pour ces événements, la condition d’humidité initiale du sol était proche de la
saturation.
La variation de la réduction des débits de pointe en fonction de la texture du sol est

présentée dans la Figure 4.42. Le débit de pointe entrant dans le système correspond à
l'intensité maximale de la pluie sur un pas de temps de 6 minutes, et le débit de pointe
sortant du système est le débit maximal du ruissellement superficiel sortant de la
bande/talus. La variation de la réduction des débits en fonction de la texture du sol est
276
similaire à la variation de la réduction du volume avec celle-ci. Pour illustrer, l’argile

a enregistré la plus faible réduction parmi les sols, tandis que le sable limoneux a
enregistré les valeurs les plus élevées, avec un abattement évènementiel médian des
débits de pointes de 35,9 et 100 % respectivement.
La réduction du volume et du débit de pointe sont optimaux pour les trois types de
sol recommandés dans la littérature. Ces trois types de sol sont limon sableux, sable
limoneux et limon (Clar et al., 2004). Pour ces derniers, la réduction du volume et la
réduction du débit de pointe sont supérieures à 98% et 89%, respectivement.
Figure 4.41. Box plot des abattements de volume de l'ouvrage en % à l’'échelle évènementielle
pour les différents scenarios avec des textures de sol différentes.
Figure 4.42. Box plot des abattements de débit de pointe de l'ouvrage en % à l’'échelle
évènementielle pour les différents scenarios avec des textures de sol différentes.
277
4.4.4 Effet de la largeur de la bande sur la performance hydrologique
L'effet de la largeur de la bande enherbée est testé dans cette partie, en fixant les autres
facteurs. Cette largeur varie de 2 à 5 m. Les résultats ont montré que la largeur semblait
avoir un effet sur l'infiltration, le ruissellement et l’évapotranspiration de l'eau à la
surface de la bande (Figure 4.43). En effet, une augmentation de largeur de 2 à 3 m a
augmenté la quantité infiltrée de 11%. De même, une augmentation de 2 à 5 m a
augmenté cette quantité de 39%. D’autre part, le ruissellement a diminué de 12 % et
de 29 % pour une augmentation de 1 m et de 3 m dans la largeur de la bande,
respectivement. Pour le même type de sol, l’évapotranspiration augmente de 36 %
avec l’augmentation de la largeur de la bande de 2 à 5 m.
la période de modélisation obtenus par la simulation de différents scénarios avec des largeurs
différentes.
Les Figure 4.44 et Figure 4.45 montrent les réductions de volume et de débits
évènementiels sous forme de box plot, respectivement, en fonction de la largeur de la
bande. Nous constatons que pour toutes les largeurs, plus de la moitié des événements
sont réduits de plus de 76% en volume. Une bande enherbée plus longue réduit plus
efficacement le volume d'eau entrant. Par exemple, une augmentation de la largeur de
2 m à 5 m accroît la médiane de la réduction du volume due aux événements de 76,3
% à 99,6 %. Ce constat a également été trouvé Abu-Zreig, 2001. Une augmentation de
la largeur de la bande de 2 m à 10 m a causé une augmentation de la réduction du
volume de 20 à 62 %. La largeur de la bande est considérée comme l'un des principaux
facteurs affectant la performance hydrologique de ce type d’ouvrage (Knight et al.,
2013 ; Le Bissonnais et al., 2004). Une relation linéaire est constatée entre la largeur et
la réduction du volume total sur l'ensemble de la période de mesure (Figure 4.46). Une
278
augmentation de la largeur de 1 m contribue à une réduction supplémentaire du

volume de 2,5 % sur une période de 7 mois.
Concernant les réductions du débit de pointe, plus la bande est large, plus la réduction
des débits de pointe est importante. Pour les largeurs de 2, 3 et 5 m, les médianes des
réductions sont respectivement de 67,4, 81,8 et 96,4 %. Les intervalles minimum et
maximum de ces indicateurs deviennent plus étroits avec l'augmentation de la largeur
de la bande. Ce qui signifie que la performance de la bande tend à devenir plus stable
indépendamment de l'événement et de l'état initial du sol.
Pour la bande enherbée d'une largeur de 5 m, 29 et 25 événements sur 37 sont réduits

de plus de 70% en volume et en débit, respectivement. La réduction du volume et du
débit de pointe, correspondant à cette largeur, sont respectivement de 99,6 et 96,4 %
en médiane. Selon Barrett et al., 2004, une bande d'une largeur de 5 m ou plus présente
des performances hydrologiques et épuratoires prometteuses (Barrett et al., 2004).
Ainsi, si l'espace le permet en bordure de route, une bande de largeur de 5 m ou plus
permet de gérer efficacement le ruissellement routier.
Figure 4.44. Box plot des abattements de volume globaux de l'ouvrage en % à l’'échelle
évènementielle pour les différents scénarios avec des largeurs différentes.
279
Figure 4.45. Box plot des abattements de débit de pointe globaux de l'ouvrage en % à l’'échelle
évènementielle pour les différents scénarios avec des largeurs différentes.
Figure 4.46. Abattement de volume et de débit de pointe événementiels (médianes), et

abattement total sur toute la période en fonction de la largeur de la bande enherbée.
4.4.5 Effet de la structure de la chaussée sur la performance hydrologique
La structure de la chaussée formée par le sol traité avec des liants hydrauliques
constitue une couche peu perméable située sous la couche de sol de surface. Dans cette
section, nous cherchons à évaluer l'effet de la présence de cette structure sur le bilan
280
volumique de la bande et sur sa performance hydrologique en termes de réduction du

volume entrant et du débit de pointe.
La Figure 4.47 montre que la présence de la structure sous la couche de surface a réduit
le volume d'infiltration de 14% sur toute la période de simulation. Le sol de surface
choisi est le sol utilisé dans la configuration de référence, le limon fin. Ce sol a une
faible perméabilité de 4,6∙10-7 m/s, ce qui n'est pas trop différent de la structure de la
route qui a une perméabilité de 10-7 m/s. Par conséquent, la réduction du volume
infiltré n'est pas très importante. De plus, une augmentation du volume
évapotranspiré est constatée avec la présence de la structure de chaussée. En effet, la
présence de la structure peu perméable sous le sol de surface cause une augmentation
de son humidité. Ainsi les taux d'évapotranspiration augmentent. Concernant le
volume de ruissellement, aucune différence remarquable n'est notée entre les deux
configurations.
Cette distribution des flux implique une réduction de volume similaire dans les deux
cas (Figure 4.48). Avec une petite augmentation de 4% en présence d'une structure, due
à l'augmentation du taux d'évapotranspiration. En ce qui concerne la réduction du
débit de pointe, l'impact de la structure est presque nul (Figure 4.49). Si le sol de surface
a une conductivité à saturation plus élevée, l'effet de la structure de chaussée risque
d'être plus important.
La bande enherbée présente une bonne efficacité à réduire les volumes et les débits de
pointe même avec une couche sous-jacente de faible perméabilité. Par conséquent, la
couche de surface conditionne fortement le débit d'infiltration annuel.
la période de modélisation obtenus par la simulation de différents scénarios avec et sans
structure de la chaussée.
281
évènementielle pour les différents scénarios avec et sans structure de la chaussée.
évènementielle pour les différents scénarios avec et sans structure de la chaussée.
4.4.6 Effets de la pente sur la performance hydrologique
Dans cette partie, 2 scénarios sont testés en plus du scénario de référence. La pente est
égale dans chacun d'eux à 8 et 10%. Pour les volumes infiltrés cumulés, l'effet relatif
est presque nul (Figure 4.50). Le rôle de la pente est un peu plus prononcé, en valeur
relative, pour les volumes de ruissellement cumulés, surtout pour la bande ayant une
282
pente de 10 %. L'augmentation de la pente de 5 à 10 % a augmenté le volume de

ruissellement de 5 %. A l'échelle de l'événement, la réduction du volume (Figure 4.51)
et la réduction du débit de pointe (Figure 4.52) sont quasi-identiques, quelle que soit
la valeur de la pente. Cette bande réduit le volume et le débit de pointe pour la majorité
des événements de plus de 76 % et 64 %, respectivement.
Ce résultat a été trouvé par plusieurs études de modélisation examinant l'impact de

différents éléments de conception sur la performance hydrologique des bandes
enherbée. En effet, selon Deletic, 2001, le volume sortant de l'ouvrage n'est pas sensible
à la pente de la bande dans le sens de l'écoulement. De même, dans l'étude de Flanagan
et al., 2017, ce paramètre a montré un effet négligeable, voire nul, sur la réduction de
volume assurée par la structure. L'effet de ce paramètre peut être plus important dans
le cas d'un sol à forte conductivité hydraulique.
la période de modélisation obtenus par la simulation de différents scénarios avec des pentes
différentes.
283
évènementielle pour les différents scénarios avec des pentes différentes.
évènementielle pour les différents scénarios avec des pentes différents.
4.4.7 Effets du coefficient de Manning sur la performance hydrologique
L'effet du coefficient de Manning de la surface de la bande sur sa performance

hydrologique est testé dans cette section. Ce coefficient dépend de la densité et de la
hauteur de la couverture végétale de surface. Une variation de 0,03 à 0,3 ne semble pas
modifier les résultats des bilans volumiques d'infiltration ou du ruissellement (Figure
284
4.53). En ce qui concerne les réductions en volume et débit de pointes (Figure 4.54 et
Figure 4.55), une augmentation du coefficient de Manning n'augmente pas
nécessairement ces indicateurs. Aucune tendance particulière n'a été notée. La
variation du coefficient de rugosité de Manning n'a pas d'effet remarqué sur la
réduction du volume par les bandes enherbées (Deletic, 2001; Flanagan et al., 2017;
Munoz-Carpena et al., 1999). L'augmentation de ce coefficient peut avoir un effet sur
le temps pour arriver au pic, et non sur les débits.
la période de modélisation obtenus par la simulation de différents scénarios avec coefficients
de Manning différents.
évènementielle pour les différents scénarios avec coefficients de Manning différents.
285
évènementielle pour les différents scénarios avec coefficients de Manning différents.
4 .5 Conclusions
Dans cette partie, le modèle HYDRUS 2D/3D couplé au module de ruissellement de

surface 1D a été testé sous différentes configurations et validé par rapport aux données
de teneur en eau et de débits du drain. La validation de ce modèle par rapport aux
seules données de teneur en eau n'est pas suffisante si l’objectif est de modéliser le
bilan hydrique des bandes enherbées, et notamment le flux ruisselé. En effet, la
modélisation correcte des teneurs en eau dans le sol ne garantit pas une modélisation
satisfaisante des débits de drainage et de ruissellement. Des mesures du ruissellement
de surface en sortie de bande enherbée seraient nécessaires pour mieux valider le
modèle.
Ce modèle a été appliqué ensuite dans différentes conditions de conception. Ceci est
fait afin d'évaluer l'influence des différents paramètres de conception sur les
performances hydrologiques de la structure et ainsi guider les gestionnaires de ces
ouvrages. Sur la base des résultats des différents scénarios, on peut voir que la texture
du sol (surtout les Ks) et la largeur de la bande sont les deux facteurs qui ont le plus
d'impact sur les performances hydrologiques de la bande enherbée. Les autres facteurs
ont un effet négligeable. Leur effet est peut-être plus important dans certaines
conditions particulières. La bande peut être considérée comme un ouvrage de
traitement et pas seulement un ouvrage de prétraitement. En effet cette bande est
capable de réduire complètement le volume et les pics du débit de ruissellement de la
286
chaussée. Son efficacité hydrologique est maximale pour un sol de type limon sableux
ou sable limoneux et une largeur supérieure ou égale à 5 m.
Cet outil robuste, à base physique, qui résout numériquement l'équation de Richards
possède un niveau de détail élevé. Ainsi, de multiples performances hydrologiques, y
compris des débits préférentiels et des apports non uniformes, entre autres, pourraient
être modélisées et prédites. Cela permettrait de mieux comprendre les comportements
hydrologiques de ces systèmes à long terme. De plus, ce modèle pourrait être utilisé
pour prédire l'efficacité de la bande filtrante végétalisée en bordure de route en tant
que pratique de traitement sous divers modèles et climats. Toutefois, ce modèle a
quelques limitations, comme la représentation des conditions aux limites. En fait la
représentation de certaines conditions ou éléments de drainage n’est pas possible, par
exemple. Ceci a posé une vraie limitation pour la représentation de la nappe drainante
dans la bande enherbée 1. D’autres sources d’incertitudes peuvent être confrontées
comme: la variabilité spatiale verticale et horizontale des propriétés hydrauliques du
sol, la variabilité temporelle de ces propriétés pour des simulations de longue durée (>
1 an), et les résolutions spatiales et temporelles du modèle.
Par conséquent, HYDRUS 2D/3D couplé au module 1D de ruissellement de surface

peut être adapté pour déterminer la performance hydrologique à long terme des
ouvrages végétalisés de gestion des eaux pluviales. Une attention particulière doit être
accordée aux sources d'incertitude et au choix des données utilisées pour la validation
du modèle.
287
Conclusions et persepectives
Rappel des objectifs
Les ouvrages végétalisés sont largement utilisés pour la gestion des eaux du
ruissellement routier grâce à leurs multiples avantages environnementaux. La
compréhension de leurs performances hydrologiques et de la distribution des flux à
court et long terme dans ce contexte urbain reste à ce jour insuffisamment investiguée.
Par conséquent, afin de mieux intégrer et mettre en œuvre ces types d’ouvrages dans
un environnement urbain et en particulier le long des voiries, une compréhension de
leur fonctionnement est indispensable.
Les travaux de cette thèse visent donc les objectifs suivants :
 Mettre en place, au niveau d’un ouvrage de filtration végétalisé des eaux de

ruissellement d’une voirie, un dispositif métrologique permettant le suivi des
flux entrant, sortant et des stocks. Analyser différents facteurs impactant les
résultats expérimentaux.
 Evaluer, sur la base des résultats expérimentaux, le bilan hydrique et analyser
la performance hydrologique de cet ouvrage pour les pluies courantes, à
différentes échelles temporelles.
 Tester le potentiel d’un outil de modélisation à base physique pour analyser le
fonctionnement hydrologique de dispositifs filtrants végétalisés. Evaluer au
moyen de ce modèle les bilans hydriques et les performances hydrologiques
pour différentes configurations d’ouvrage.
Le travail s’est appuyé sur le suivi expérimental de deux bandes enherbées et d’une
noue filtrante en bordure de route.
Conclusions scientifiques
Caractérisation des propriétés hydrauliques du sol et de son état hydrique
Les propriétés hydrauliques du sol constituant les ouvrages de gestion des eaux
pluviales ont montré une importante variabilité spatiale. La variabilité horizontale de
la conductivité hydraulique à saturation s'est avérée élevée, avec un coefficient de
variation allant de 60 à 160% au sein de chaque dispositif, sans aucune tendance
spatiale visible. De plus, une variabilité verticale notable a été constatée dans la noue
filtrante. Les techniques de construction (compaction), le développement non
288
uniforme de la végétation et de l'activité biologique, la durée de la mise en

fonctionnement, ainsi que la précipitation de carbonate de calcium pourraient jouer un
rôle important sur les valeurs des propriétés hydrauliques du sol et leur variabilité
spatiale. La variabilité spatiale des propriétés hydrauliques du sol s'est avérée être
dominante par rapport aux incertitudes des prédictions basées sur des fonctions de
pédotransfert (PTFs) et celles induites par les erreurs expérimentales. Les PTFs
prédisent suffisamment bien les courbes de rétention d'eau et de conductivité
hydraulique pour deux sites sur trois.
L'effet de la variabilité horizontale et verticale de la valeur K s sur la performance

hydrologique prédite d'une cellule de biorétention a été évalué à l'aide du logiciel
HYDRUS-1D. Les résultats mettent clairement en évidence l'impact significatif de la
valeur Ks sur la dynamique de l'eau simulée, y compris le flux et le volume drainé. De
plus, la variabilité verticale s'est avérée être la plus impactante par rapport à la
variabilité horizontale de Ks. Par conséquent, pour représenter efficacement la
variabilité spatiale lors de la modélisation d'un système d'infiltration, des mesures du
sol doivent être effectuées en plusieurs points à la surface mais aussi à différentes
profondeurs. Une modélisation monocouche basée sur la valeur moyenne harmonique
des Ks à différentes profondeurs, constitue une alternative satisfaisante à la
modélisation multicouche.
Evaluation de capteurs de teneur en eau à bas coût
Des capteurs capacitifs Décagon EC5 et 5TE de mesure de la teneur en eau ont été
utilisés dans ce travail, et la validité de leurs mesures a fait l’objet d’un focus
particulier. Ces capteurs présentent une bonne répétabilité de la mesure, mais des
écarts entre capteurs sont notés en particulier pour les 5TE. Par ailleurs, une
calibration du capteur spécifique au sol étudié est nécessaire. L'analyse statistique a
conclu que pour un type de capteur donné et un sol donné, les courbes d'étalonnage
ne sont pas significativement différentes d'un capteur à l'autre. Une seule équation
d'étalonnage peut être appliquée pour un type de sol donné et un type de capteur
donné. Une calibration à partir d’échantillons prélevés sur site à différentes périodes
(différents niveaux d’humidité) est à privilégier. A défaut, la méthode standard de
calibration proposée par le fabricant (sur sol remanié) peut être utilisée, sauf pour les
sols pour lesquels il est très difficile de reproduire les très hautes densités au
laboratoire. Dans ce dernier cas, la calibration au laboratoire sur un bloc de sol non
perturbé est une bonne alternative, pour autant que le volume de l'échantillon de sol
corresponde au volume de mesure du capteur. Cette dernière méthode appliquée sur
le capteur EC5 donne une précision de prédiction de la teneur en eau de 0,025 et 0,045
m3∙m-3 pour les sols sablo-limoneux et limoneux, respectivement.
289
Efficacité hydrologique expérimentale d’une noue filtrante en bordure de voirie
La noue filtrante étudiée dans cette thèse a montré des performances (abattement du
volume ruissellé, réduction des débits de pointe, …) intéressantes bien qu’elle soit
étanchée par une géomembrane. A l’échelle événementielle, l’efficacité de réduction
du volume ruisselé est de 39% en médiane. Le système étudié (portion de voirie
drainée par une noue filtrante végétalisée) permet d’abattre jusqu’à 16 mm de pluie.
Un effet mensuel et saisonnier est remarqué pour l’abattement de volume. Pour la
saison froide de septembre 2016 à mai 2017, la réduction est égale à 15 mm/mois. Cette
dernière est plus élevée pour la saison chaude mai 2017 - septembre 2017 et est égale à
18 mm/mois.
La réduction annuelle de volume est de 44 % pour l’année 2017. L’efficacité à réduire

les volumes entrants est surtout assurée pour de petits événements pluvieux, sa
performance est réduite pour les pluies importantes. Tous les abattements supérieurs
à 80 % sont obtenus pour des évènements inférieurs à 5 mm de pluie. Grâce au
stockage en surface induit par la présence de redans, la noue ne surverse que pour
10 % des événements examinés.
Outre la réduction du volume, la noue a démontré de très bons résultats en termes

d'atténuation du débit de pointe. La réduction des débits de pointe dépend de
plusieurs facteurs. Les principaux sont la conductivité hydraulique du sol et le rapport
entre la surface d'infiltration de l’ouvrage et la surface du bassin versant. La réduction
des débits de pointe à 6 min par rapport au débit entrant se situe entre 18 et 100%. Pour
24 % des événements, la réduction du débit de pointe est supérieure à 90 %. Les
courbes des débits classés montrent que les débits à la sortie de la noue sont très
tamponnés et peu variables dans le temps. En effet, 99,5 % du temps, le débit arrivant
dans la noue est inférieur à 6,6 L∙s-1∙ha-1. Pour le même pourcentage de temps, les débits
sortants sont inférieurs à 1,0 L∙s-1∙ha-1. Une augmentation des débits du drain est
constatée au fil du temps, qui pourrait être due à l'augmentation de la conductivité
hydraulique à saturation du sol en raison du développement des racines de la
végétation.
Les pics de débit sont non seulement écrêtés mais aussi retardés temporellement. La
durée de vidange de la noue varie d'un événement à l'autre. Pour 24% des événements,
cette durée est inférieure à 5 heures. Pour 30 % des événements, cette durée est
supérieure à 10 heures.
Dans le cas étudié (massif filtrant étanchéifié et perméabilité limitée du substrat

filtrant), le massif filtrant tend à rester humide, voire saturé dans le fond, ce qui limite
la performance hydrologique.
290
Sur la base des données de teneur en eau, une variabilité spatiale longitudinale et
verticale de la distribution de l'eau dans la noue est détectée. Elle peut être causée par
une alimentation non uniforme des différentes sections de la noue. La variabilité
longitudinale des teneurs en eau a diminué avec le temps, cela pourrait être dû à
l’évolution temporelle des caractéristiques du sol (Kanso et al., 2018).
Le calcul du bilan hydrique a montré qu’à l'échelle évènementielle, la différence entre

les volumes calculés entrant et sortant de la noue ne correspond pas à la variation du
stock dans le sol. Cet écart s’explique en partie seulement par l'incertitude dans le
calcul des volumes et du stock dans le sol. Une autre cause possible pourrait être une
perte d'eau en limite supérieure de la géomembrane, notamment lors de fortes pluies.
Une grande partie du volume entrant dans la noue ressort par le drain. Cette
proportion est de 61 % en médiane pour l'ensemble des événements. Viennent ensuite
l'incertitude/perte et le stockage dans le sol qui sont respectivement de 20% et 10%. La
surverse et l'évapotranspiration forment un faible pourcentage du volume entrant
dans la noue à l'échelle de l'événement et sont inférieures à 1 % (en médiane). Un effet
saisonnier de la répartition du bilan hydrique est observé. Cela se manifeste
notamment dans la proportion d'évapotranspiration, qui passe de 7 % à 26 % pour la
saison froide et la saison chaude, respectivement. Pour l'année 2017, les volumes sont
répartis comme suit : 67 % drain, 5 % surverse, 8 % évapotranspiration. Une fraction
de 20 % de l'eau entrant dans la noue correspond à l'incertitude du calcul et/ou à une
perte in situ.
La noue filtrante est capable de gérer les eaux de ruissellement de la chaussée,

notamment pour les pluies courantes, qui constituent la majorité des précipitations
annuelles. L’efficacité hydrologique de ce type d’ouvrage peut être améliorée si
l’ouvrage n’est pas étanchéifié au fond. En ce qui concerne le bilan hydrique,
l'incertitude du calcul ainsi que l'éventuelle perte in situ ne doivent pas être négligées.
Ces derniers représentent un pourcentage relativement important du volume entrant
dans l’ouvrage.
Évaluation de la performance hydrologique par modélisation de deux bandes enherbées

en bordure de voirie
Le modèle HYDRUS 2D/3D couplé au module de ruissellement de surface 1D a été

testé pour différentes configurations et évalué par rapport aux données de teneur en
eau et de débits du drain. La validation de ce modèle par rapport aux seules données
de teneur en eau n'est pas suffisante si l’objectif est de modéliser le bilan hydrique des
bandes enherbées, et notamment le flux ruisselé. En effet, la modélisation correcte des
teneurs en eau dans le sol ne garantit pas une modélisation satisfaisante des débits de
291
drainage et de ruissellement. Des mesures du ruissellement de surface en sortie de

bande enherbée seraient nécessaires pour mieux valider le modèle.
Ce modèle a ensuite été appliqué pour différentes configurations de bandes enherbées

en bordure de voirie. Ceci est fait afin d'évaluer l'influence des différents paramètres
de conception sur les performances hydrologiques de la structure et ainsi guider les
gestionnaires de ces ouvrages. Sur la base des résultats des différents scénarios, on
peut voir que la texture du sol (surtout le Ks) et la largeur de la bande sont les deux
facteurs qui ont le plus d'impact sur les performances hydrologiques. Les autres
facteurs (rugosité, pente) ont un effet négligeable. Leur effet est peut-être plus
important dans certaines conditions particulières. Par exemple, l’effet de la pente, de
la rugosité ou de la présence d’une structure de chaussée débordante sous la bande
enherbée peut être notable pour des sols de conductivité hydraulique de l’ordre 10-6 à
10-5 m∙s-1. La bande enherbée joue un rôle important dans la performance
hydrologique du système de gestion des eaux pluviales. En effet, cette bande est
capable de réduire complètement le volume et les pics du débit de ruissellement de la
chaussée. Son efficacité hydrologique est maximale pour un sol de type limon sableux
ou sable limoneux et une largeur supérieure ou égale à 5 m.
Conclusions opérationnelles
Les conclusions de cette thèse ont de nombreuses applications pratiques, liées à la

conception et à la construction des ouvrages perméables végétalisés.
Concernant le choix du massif filtrant, une attention particulière doit être accordée à
la constitution du substrat filtrant et à sa mise en oeuvre. Une texture de type limon
sableux est recommandée à l’international. De plus, il faut veiller à éviter toute
compaction lors de la mise en œuvre, ce qui est un risque notamment si le matériau est
trop humide. L’utilisation d’un “sable” constitué de calcaire broyé, comme c’était le
cas sur notre ouvrage, présente un risque de précipitation de CaCO3 qui pourrait
impacter la perméabilité du substrat. L'étanchéification du massif filtrant de l’ouvrage
par une géomembrane rend le sol humide en profondeur la plupart du temps. Cela
réduit la capacité hydrologique de l’ouvrage, notamment pour retarder le débit de
pointe et abattre les volumes ruisselés. L’utilisation d’une géomembrane est
recommandée uniquement pour des fins expérimentales ou s'il existe un risque de
contamination des eaux souterraines. L'augmentation de la surface de l'ouvrage par
rapport à la surface du bassin versant, lorsque l'espace le permet, augmente l'efficacité
hydrologique de l'ouvrage.
292
Une évaluation a priori des facteurs pouvant affecter la conductivité hydraulique du

sol doit être effectuée lors du dimensionnement de ce type d’ouvrage. En effet, la
conductivité hydraulique à saturation évolue avec le temps. Certains facteurs peuvent
l'augmenter et d'autres la diminuer. Ces facteurs comprennent : le dépôt de sédiments
dans le cas d'un site fortement contaminé, le développement de la végétation et
l'activité biologique, la précipitation de CaCO3 dans le cas d'un sol à base de calcaire,
et le tassement du sol dû au piétinement.
La présence d'une structure de chaussée débordante en bordure de voirie (fondations),

n'empêche pas d'envisager la conception et la mise en œuvre d'un dispositif végétalisé
tel qu’une bande enherbée. En effet, la couche de surface est déterminante par rapport
au fonctionnement hydrologique. La structure de la chaussée pourrait augmenter le
volume sortant de l’ouvrage par ruissellement superficiel de 10 à 12 %.
Dans le cas des ouvrages construits à des fins expérimentales, certains points doivent
être soigneusement pris en compte. Il est souhaitable de prévoir et mettre en place les
équipements de mesure dès la construction de l’ouvrage. En particulier, la mise en
place des capteurs de teneurs en eau devrait se faire lors de la mise en œuvre des
substrats pour ne pas perturber le système et assurer le bon contact avec le sol. Une
délimitation du bassin versant et une alimentation uniforme du dispositif doivent être
assurées. Il est de ce fait préférable de choisir des sites à faible pente longitudinale, ou
de prévoir des dispositifs spécifiques de répartition uniforme des flux d’eau en entrée.
La construction de ces ouvrages doit également être réalisée avec soin. En particulier
dans le cas du remplacement du sol natif par un massif filtrant. Cette opération doit
être effectuée dans des conditions non humides du sol. Les techniques de construction
peuvent entraîner une compaction du sol et donc une baisse de la conductivité
hydraulique à saturation, ce qui empêche l'eau de s'infiltrer comme prévu.
Après la construction de l'ouvrage, afin d'évaluer les propriétés hydrauliques du sol,

des essais expérimentaux d'infiltration peuvent être conduits. Le nombre de mesures
d'infiltration nécessaire pour estimer la moyenne arithmétique de Ks avec une
incertitude d'un facteur inférieur deux et un niveau de confiance de 80%, s'est avéré
être de quatre à huit, selon le site étudié.
293
Perspectives
Sur le plan expérimental
Les ouvrages végétalisés de gestion des eaux pluviales sont mis en œuvre pour
fonctionner sur de longues durées (plus de 10 ans). Les ouvrages étudiés dans cette
thèse, les bandes enherbées et la noue filtrante, ont été construites respectivement en
2012 et 2016. Ils sont donc considérés plutôt jeunes et méritent d'être suivis sur de plus
longues périodes pour évaluer l’effet du vieillissement sur les performances de ces
ouvrages. Sur la base de nos résultats il faudrait cependant compléter
l'instrumentation, en ajoutant en particulier une mesure du ruissellement sortant des
bandes enherbées. Un suivi en temps réel pourrait également être envisagé afin de
collecter, partager et analyser facilement les données et de suivre en temps réel tout
dysfonctionnement des appareils de mesure.
Une évaluation de la variabilité temporelle des propriétés hydrauliques du sol est

nécessaire. Une étude approfondie de cette variabilité et de sa dépendance au climat,
aux techniques d'entretien et à d'autres facteurs temporels tels que l'activité biologique
et le dépôt de sédiments, serait également requise. Une telle investigation serait utile
au développement de modèles hydrologiques en favorisant l'implémentation de
propriétés hydrauliques du sol variables dans le temps.
Une harmonisation entre les différentes études est nécessaire afin de pouvoir comparer
le fonctionnement des différents ouvrages. Cette harmonisation comprend
l'instrumentation, les méthodes expérimentales, l’acquisition et l’analyse des données.
De plus, une cohérence entre les résultats publiés doit être envisagée, surtout en ce qui
concerne les indicateurs de performance. Dans cette étude, l'instrumentation,
l’acquisition, la validation et l'analyse des données sont bien définies, et peuvent être
utilisées dans d'autres études. De plus, une grande variété d'indicateurs hydrologiques
couvrant de multiples aspects hydrologiques sont présentés. Le guide
méthodologique du GLIP (Groupe de Liaison Inter-projets : Matriochkas, Micromegas,
Roulépur) est un très bon exemple, pouvant être adapté pour d'autres études. Il s'agit
d'un guide méthodologique pour l’évaluation de performances des ouvrages de
maîtrise à la source des eaux pluviales
La plupart des études sont menées aux États-Unis, en Australie, en Europe du Nord,
au Canada, des études supplémentaires sont nécessaires dans d'autres pays qui
pourraient également bénéficier des avantages de ces dispositifs pour la gestion des
eaux pluviales. Dans ce contexte, l'application de modèles physiques validés peut être
appliquée à d'autres climats.
294
Modélisation hydrologique
Afin de valider les modèles physiques détaillés, les données nécessaires à la validation
doivent être sélectionnées a priori. Les modèles physiques, tels que HYDRUS utilisé
dans cette étude, nécessitent d'être améliorés pour inclure les éléments de conception
des ouvrages végétalisés de gestion des eaux pluviales. Ces éléments peuvent inclure,
par exemple, le stockage en surface, la zone de stockage interne, et la nappe drainante.
Il est également utile d'inclure dans ces modèles la variabilité spatiale et temporelle
des propriétés hydrauliques du sol.
Des modèles conceptuels simples seraient nécessaires pour aider les aménageurs à la
conception des ouvrages. De tels modèles existent déjà mais demandent à être validés,
adaptés et améliorés. Ceci pourrait être réalisé en s’appuyant sur les connaissances
acquises à partir des modèles physiques robustes.
295
Annexes
Annexes
Annexes 1
Modélisation d’une section transversale de la noue filtrante à l’aide de HYDRUS

2D/3D pour choisir l’emplacement des capteurs hydrologiques
Cette section se penchera sur le travail de modélisation préliminaire. Il s’agit d’une

première étape du travail nécessaire pour comprendre et améliorer le fonctionnement
hydrologique de la noue filtrante et pour acquérir les données nécessaires à la
validation des modèles. Dans ce but, un dimensionnement des redans séparant la noue
en trois parties afin d’augmenter le volume de stockage sera représenté et une
modélisation à l’aide de HYDRUS 2D/3D de la section transversale de la noue pour
pouvoir choisir l’emplacement des capteurs hydrologiques. Ces résultats ont été
présentés lors des JDHU 2016, journées doctorales en hydrologie urbaine. Un
récapitulatif des principaux éléments sera présenté dans ce qui suit.
Mise en place de redans sur la noue filtrante La noue filtrante possède une pente
identique à celle de la route et égale entre 1,4 et 2 %. Cette pente réduit le volume de
stockage en surface. La mise en place de redans dans la noue permet d’augmenter le
volume de stockage par temps de pluie.
La noue a donc été divisée en trois biefs à l’aide des redans en béton. Les redans seront
installés à 10, 20 et 30 m approximativement de l’amont de la noue avec une hauteur
de 20, 22 et 14 cm respectivement. Le redan aval sera muni d’un déversoir triangulaire
avec une mesure de hauteur d’eau afin d’assurer le suivi des volumes surversés.
Un calcul de bilan hydrologique est réalisé pour comparer la configuration sans redans
et celle avec des redans séparant la noue en trois biefs. Les pluies utilisées proviennent
de la station Paris-Montsouris et représentent des périodes de retour différentes
(hebdomaire à annuelle pour des pas de temps entre 5 et 240 min). Le Tableau A. 1
présente l’intensité de ces événements en fonction de leur durée et de leur période de
retour.
Tableau A. 1. Pluies de projet choisies
Intensité (mm/h) 5 min 30 min 60 min 240 min

Hebdomaire 14.91 3.52 2.02 0.66
Mensuelle 28.75 8.15 5.02 1.9
Trimestrielle 51.92 14.34 8.72 3.22
Annuelle 94.85 24.74 14.71 5.2
296
Annexes
Le calcul du bilan d’eau permet de diviser le volume total de la pluie en trois

composantes : volume infiltré dans le sol, volume stocké dans la noue et volume
surversé. Le volume infiltré dans le sol est calculé en se basant sur la valeur moyenne
de 3 valeurs de la conductivité hydraulique à saturation du mélange terre-sable : une
mesurée sur site à l’aide d’un infiltromètre double anneau, une deuxième calculée à
partir du programme Rosetta (Schaap et al., 2001), et une troisième valeur donnée par
le conseil départemental de Seine et Marne calculée au laboratoire à l’aide d’une cellule
perméamétrique. Le volume stocké en surface est calculé à partir des mesures sur site
de la géométrie transversale de la noue en surface dans différents endroits donnant la
surface de stockage transversale, puis cette surface est intégrée sur la longueur de la
noue. Le volume de surverse est calculé par différence entre le volume de pluie et les
volumes d’infiltration et de stockage. D’après le calcul du bilan d’eau (Figure A. 1), on
peut constater que dans le cas de la configuration sans redans, la noue surverse pour
des pluies, trimestrielles de durée 5, 30, 60 et 240 min et des pluies annuelles de durée
5, 30, 60 et 240. Tandis qu‘après l’installation des redans, la surverse a lieu pour des
pluies trimestrielles de durée 30, 60 et 240 min et des pluies annuelles de durée 5, 30,
60 et 240 min. En fonction de la pluie, le volume de surverse pour la configuration sans
redans est 1,2 à 4,5 fois supérieur au volume de surverse dans l’autre configuration.
Pluie de durée 5 min Pluie de durée 30 min

4000 6000
5000
3000
Volume d'eau (L)
Volume d'eau (L)
4000
2000 3000
2000
1000
1000
0 0
Hebdomaire Mensuelle Trimestrielle Annuelle Hebdomaire Mensuelle Trimestrielle Annuelle
Periode de retour Periode de retour
Vinfiltré Vstocké Vsurverse Vsurverse redans Vinfiltré Vstocké Vsurverse Vsurverse redans
Pluie de durée 60 min Pluie de durée 240 min

6000 10000
5000 8000
Volume d'eau (L)
Volume d'eau (L)
4000
6000
3000
4000
2000
1000 2000
0 0
Hebdomaire Mensuelle Trimestrielle Annuelle Hebdomaire Mensuelle Trimestrielle Annuelle
Periode de retour Periode de retour
Vinfiltré Vstocké Vsurverse Vsurverse redans Vinfiltré Vstocké Vsurverse Vsurverse redans
Figure A. 1. Graphiques représentant le bilan d'eau dans la noue filtrante.
297
Annexes
Première étape de modélisation et équipement de la noue La première étape de

modélisation en utilisant HYDRUS 2D/3D vise à visualiser l’écoulement de l’eau dans
l’ouvrage afin d’optimiser le choix des emplacements des capteurs des teneurs en eau
et de la succion. Cette modélisation permet d’une part de visualiser l’effet du drain
placé au milieu du fond de la noue sur l’écoulement de l’eau, et d’autre part à évaluer
l’hétérogénéité transversale susceptible ou non d’être engendrée par l’alimentation de
la noue par ruissellement superficiel unilatéral. HYDRUS 2D/3D peut également
représenter des formes géométriques complexes comme celles rencontrés dans notre
cas.
L’apport d’eau dans la noue comprend les eaux ruisselées sur la voirie et les eaux
tombées directement sur la noue. Il peut être modélisé en utilisant la condition de
surface :
Condition atmosphérique (Atmospheric Boundary Condition) : Dans ce cas l’eau
s’infiltre dans le sol jusqu’à ce que la capacité d’infiltration soit atteinte (pression en
surface égale à zéro) et ensuite tout excès d’eau sera éliminé et considéré comme du
ruissellement. Avec cette condition, le stockage possible d’eau en surface n’est donc
pas pris en compte
Dans notre cas, la condition aux limites utilisée en surface est la condition
atmosphérique. Cela pose des problèmes, qu’il faudra résoudre car cela ne correspond
pas à la réalité. La présence des redans implique le stockage en surface d’eau qui n’est
donc pour le moment pas représenté par le modèle.
Le type du sol choisi est « sandy loam » ayant une conductivité hydraulique à
saturation 5,45.10-6 m/s, la condition initiale du sol est la teneur en eau à la capacité au
champ 18 %. Les autres conditions aux limites sont les suivantes :
- La géomembrane est représentée par la condition aux limites « no flux » appliquée
sur les côtés droit, gauche et au fond du massif ;
-Le drain au fond du dispositif est représenté par une condition de suintement
(« seepage face ») ;
-Le maillage d’éléments finis est un maillage triangulaire de dimension 2 cm.
Plusieurs simulations ont été lancées, afin de regarder l’évolution des écoulements à
l’intérieur de la noue et la vitesse de remplissage de la noue en fonction de l’intensité
de pluie. Le niveau de saturation est alors observé à partir des teneurs en eau. Un
exemple d’une simulation faite sur une succession de plusieurs évènements pluvieux
de durée totale de 513 min est présenté en Figure A. 2. La première est de durée 60 min
et d’intensité 2 mm/h, et est séparé de la pluie suivante par une durée de 30 min. La
pluie suivante est de durée 100 min et d’intensité 5 mm/h, et est séparée de la pluie qui
suit par une durée de 300 min. La dernière pluie est de durée 20 min et d’intensité 15
mm/h. Sur la Figure A. 2 sont représentés seulement les teneurs en eau à 60, 300 et 513
minutes à partir du début de la première pluie.
298
Annexes
Figure A. 2. Teneur en eau dans la noue à 60, 300 et 513 min (HYDRUS 2D)
D’après la Figure A. 2, on remarque que la teneur en eau varie plutôt verticalement, et

que la variation transversale n’est pas très remarquable. On voit par exemple à t=300
min des couches de couleurs différentes qui s’étalent sur toute la largeur transversale.
En revanche, même si la noue est en humidification (t=60 et 513 min) ou en séchage
(t=300 min, pas de pluie), la variation verticale est bien remarquable.
L’emplacement des capteurs hydrologiques dans la noue est basé sur cette
modélisation.
Equipement de la noue filtrante L’état hydrique dans le sol sera aussi suivi en
continu à partir des capteurs hydrologiques mesurant la teneur en eau et la tension.
La modélisation a montré que la variabilité transversale est assez limitée, tandis que la
variabilité verticale est importante, notamment pour les petites pluies, ou durant la
phase de ressuyage. Les capteurs de teneur en eau seront donc placés à différentes
profondeurs : 10, 20 et 35 cm, dans 4 sections transversales : 1 dans le premier bief, 2
dans le deuxième, et 1 dans le troisième, pour suivre la variation de la teneur en eau
du sol verticalement et longitudinalement après la séparation de la noue par des
redans en béton. Pour mesurer la tension, on a décidé de mettre des tensiomètres à 20
et 35 cm de profondeur. Une profondeur minimale de 20 cm a été retenue pour les
tensiomètres de façon à limiter les risques de désaturation pendant les périodes sèches.
Les capteurs de teneur en eau sont des EC5 et EC5-TE de la marque METER group.
Les capteurs de tensions sont des tensiomètres T8 de la marque UMS (UMS, Munich,
Allemagne).
299
Références
Références
Abu-Zreig, M., 2001. Factors affecting sediment trapping in vegetated filter strips: simulation
study using VFSMOD. Hydrol. Process. 15, 1477–1488.
https://doi.org/10.1002/hyp.220
Abu-Zreig, M., Rudra, R.P., Lalonde, M.N., Whiteley, H.R., Kaushik, N.K., 2004. Experimental
investigation of runoff reduction and sediment removal by vegetated filter strips.
Hydrol. Process. 18, 2029–2037. https://doi.org/10.1002/hyp.1400
Abu-Zreig, M., Rudra, R.P., Whiteley, H.R., 2001. Validation of a vegetated filter strip model
(VFSMOD). Hydrol. Process. 15, 729–742. https://doi.org/10.1002/hyp.101
Ackerman, D., Stein, E.D., 2008. Evaluating the Effectiveness of Best Management Practices
Using Dynamic Modeling. J. Environ. Eng. 134, 628–639.
https://doi.org/10.1061/(ASCE)0733-9372(2008)134:8(628)
Ahmed, F., Gulliver, J.S., Nieber, J.L., 2015. Field infiltration measurements in grassed
roadside drainage ditches: Spatial and temporal variability. J. Hydrol. 530, 604–611.
https://doi.org/10.1016/j.jhydrol.2015.10.012
Akan, A.O., 2014. Hydrologic Modeling of Urban Vegetative Filter Strips. J. Hydrol. Eng. 19,
188–195. https://doi.org/10.1061/(ASCE)HE.1943-5584.0000761
Akan, A.O., 2013. Preliminary Design Aid for Bioretention Filters. J. Hydrol. Eng. 18, 318–323.
https://doi.org/10.1061/(ASCE)HE.1943-5584.0000554
Akan, A.O., Atabay, S., 2015. Hydrologic design aid for urban grass filter strips: Grass filter
strips. Water Environ. J. n/a-n/a. https://doi.org/10.1111/wej.12155
Aravena, J.E., Dussaillant, A., 2009. Storm-water infiltration and focused recharge modeling
with finite-volume two-dimensional Richards equation: Application to an
experimental rain garden. J. Hydraul. Eng. 135, 1073–1080.
Arnold, J.G., Moriasi, D.N., Gassman, P.W., Abbaspour, K.C., White, M.J., Srinivasan, R.,
Santhi, C., Harmel, R.D., Van Griensven, A., Van Liew, M.W., 2012. SWAT: Model use,
calibration, and validation. Trans. ASABE 55, 1491–1508.
Atchison, D., Severson, L., 2004. RECARGA User’s Manual. Madison Univ. Wisconsi.
Bäckström, M., 2002. Sediment transport in grassed swales during simulated runoff events.
Water Sci. Technol. 45, 41–49.
Ballard, B.W., Wilson, S., Udale-Clarke, H., Illman, S., Scott, T., Ashley, R., Kellagher, R., 2015.
The SUDS manual. CIRIA Lond. UK.
Barfield, B.J., Tollner, E.W., Hayes, J.C., 1979. Filtration of Sediment by Simulated Vegetation
I. Steady-State Flow with Homogeneous Sediment. Trans. ASAE 22, 0540–0545.
https://doi.org/10.13031/2013.35057
Barrett, M., Lantin, A., Austrheim-Smith, S., 2004. Storm water pollutant removal in roadside
vegetated buffer strips. Transp. Res. Rec. J. Transp. Res. Board 129–140.
Barrett, M.E., 2005. Performance Comparison of Structural Stormwater Best Management
Practices. Water Environ. Res. 77, 78–86. https://doi.org/10.2175/106143005X41654
Barrett, M.E., Walsh, P.M., Jr., J.F.M., Charbeneau, R.J., 1998. Performance of Vegetative
Controls for Treating Highway Runoff. J. Environ. Eng. 124, 1121–1128.
Bedan, E.S., Clausen, J.C., 2009. Stormwater Runoff Quality and Quantity From Traditional
and Low Impact Development Watersheds. JAWRA J. Am. Water Resour. Assoc. 45,
998–1008. https://doi.org/10.1111/j.1752-1688.2009.00342.x
300
Références
Beecham, S., Chowdhury, R., 2012. Effects of changing rainfall patterns on WSUD in
Australia, in: Proceedings of the Institution of Civil Engineers-Water Management.
Thomas Telford Ltd, pp. 285–298.
Bertrand-Krajewski, J.-L., 2020. Integrated urban stormwater management: Evolution and
multidisciplinary perspective. J. Hydro-Environ. Res. S1570644320304159.
https://doi.org/10.1016/j.jher.2020.11.003
Blanco-Canqui, H., Gantzer, C.J., Anderson, S.H., Alberts, E.E., Thompson, A.L., 2004. Grass
Barrier and Vegetative Filter Strip Effectiveness in Reducing Runoff, Sediment,
Nitrogen, and Phosphorus Loss. Soil Sci. Soc. Am. J. 68, 1670.
https://doi.org/10.2136/sssaj2004.1670
Boancă, P., Dumitraş, A., Luca, L., Bors-Oprişa, S., Laczi, E., 2018. Analysing Bioretention
Hydraulics and Runoff Retention through Numerical Modelling Using RECARGA: a
Case Study in a Romanian Urban Area. Pol. J. Environ. Stud. 27.
Brach, J., 1989. Protecting water quality in urban areas—best management practices for
Minnesota. Minn. Pollut. Control Agency Div. Water Qual.
Brooks, R., Corey, T., 1964. Hydraulic properties of porous media. Hydrol. Pap. Colo. State
Univ.
Brown, R.A., Hunt, W.F., 2012. Improving bioretention/biofiltration performance with
restorative maintenance. Water Sci. Technol. 65, 361–367.
https://doi.org/10.2166/wst.2012.860
Brown, R.A., Hunt, W.F., 2011a. Impacts of Media Depth on Effluent Water Quality and
Hydrologic Performance of Undersized Bioretention Cells. J. Irrig. Drain. Eng. 137,
132–143. https://doi.org/10.1061/(ASCE)IR.1943-4774.0000167
Brown, R.A., Hunt, W.F., 2011b. Underdrain Configuration to Enhance Bioretention
Exfiltration to Reduce Pollutant Loads. J. Environ. Eng. 137, 1082–1091.
https://doi.org/10.1061/(ASCE)EE.1943-7870.0000437
Brown, R.A., Hunt, W.F., 2008. Bioretention Performance in the Upper Coastal Plain of North
Carolina, in: Low Impact Development for Urban Ecosystem and Habitat Protection.
Presented at the International Low Impact Development Conference 2008, American
Society of Civil Engineers, Seattle, Washington, United States, pp. 1–10.
https://doi.org/10.1061/41009(333)95
Brudler, S., Rygaard, M., Arnbjerg-Nielsen, K., Hauschild, M.Z., Ammitsøe, C., Vezzaro, L.,
2019. Pollution levels of stormwater discharges and resulting environmental impacts.
Sci. Total Environ. 663, 754–763. https://doi.org/10.1016/j.scitotenv.2019.01.388
California Stormwater Quality Association, 2003. California stormwater BMP handbook–new
development and redevelopment. Calif. Stormwater Qual. Assoc. Menlo Park CA USA.
Caltrans, 2003. Roadside vegetated treatment sites (RVTS) study.
Carluer, N., Lauvernet, C., Noll, D., Muñoz-Carpena, R., 2017. Defining context-specific
scenarios to design vegetated buffer zones that limit pesticide transfer via surface
runoff. Sci. Total Environ. 575, 701–712.
Carpenter, D.D., Hallam, L., 2010. Influence of Planting Soil Mix Characteristics on
Bioretention Cell Design and Performance. J. Hydrol. Eng. 15, 404–416.
https://doi.org/10.1061/(ASCE)HE.1943-5584.0000131
Chaubey, I., Edwards, D.R., Daniel, T.C., Moore Jr, P.A., Nichols, D.J., 1995. Effectiveness of
vegetative filter strips in controlling losses of surface-applied poultry litter
constituents. Trans. ASAE 38, 1687–1692.
301
Références
Chow, M.F., Yusop, Z., Toriman, M.E., 2012. Modelling runoff quantity and quality in tropical
urban catchments using Storm Water Management Model. Int. J. Environ. Sci.
Technol. 9, 737–748.
Chow, V.T., 1959. Open-channel hydraulics. McGraw-Hill, New York.
Chu, S.T., 1978. Infiltration during an unsteady rain. Water Resour. Res. 14, 461–466.
https://doi.org/10.1029/WR014i003p00461
Clar, M.L., Barfield, B.J., O’Connor, T.P., 2004. Stormwater best management practice design
guide volume 2 vegetative biofilters. Natl. Risk Manag. Res. Lab. USEPA Cincinnati OH
USA.
Claytor, R.A., Schueler, T.R., 1996. Design of stormwater filtering systems. Chesapeake
Research Consortium.
Cohn, J., Ridgway, M., McAdam, T., 2018. Case Studies in Realizing Co-Benefits of
Multimodal Roadway Design and Gray and Green Infrastructure. Federal Highway
Administration (US).
Correll, D.L., 1996. Buffer zones and water quality protection: general principles. Buffer
Zones Their Process. Potential Water Prot. 7–20.
Davis, A.P., 2008. Field Performance of Bioretention: Hydrology Impacts. J. Hydrol. Eng. 13,
90–95. https://doi.org/10.1061/(ASCE)1084-0699(2008)13:2(90)
Davis, A.P., Hunt, W.F., Traver, R.G., Clar, M., 2009. Bioretention Technology: Overview of
Current Practice and Future Needs. J. Environ. Eng. 135, 109–117.
Davis, A.P., Shokouhian, M., Sharma, H., Minami, C., 2001. Laboratory study of biological
retention for urban stormwater management. Water Environ. Res. 73, 5–14.
Davis, A.P., Stagge, J.H., Jamil, E., Kim, H., 2012. Hydraulic performance of grass swales for
managing highway runoff. Water Res. 46, 6775–6786.
https://doi.org/10.1016/j.watres.2011.10.017
DDOE, 2013. Stormwater Management Guidebook, Center for Watershed Protection. ed.
8390 Main Street Ellicott City, MD 21043.
DeBusk, K.M., Wynn, T.M., 2011. Storm-water bioretention for runoff quality and quantity
mitigation. J. Environ. Eng. 137, 800–808.
Deletic, A., 2005. Sediment transport in urban runoff over grassed areas. J. Hydrol. 301, 108–
122. https://doi.org/10.1016/j.jhydrol.2004.06.023
Deletic, A., 2001. Modelling of water and sediment transport over grassed areas. J. Hydrol.
248, 168–182. https://doi.org/10.1016/S0022-1694(01)00403-6
Deletic, A., Fletcher, T.D., 2006. Performance of grass filters used for stormwater
treatment—a field and modelling study. J. Hydrol. 317, 261–275.
Dhalla, S., Zimmer, C., 2010. Low Impact Development Stormwater Management Planning
and Design Guide. Stormwater Guide Tor. Tor. Reg. Conserv. Auth.
Dietz, M.E., 2007. Low impact development practices: A review of current research and
recommendations for future directions. Water. Air. Soil Pollut. 186, 351–363.
Dietz, M.E., Clausen, J.C., 2005. A field evaluation of rain garden flow and pollutant
treatment. Water. Air. Soil Pollut. 167, 123–138.
Digman, C., Ashley, R., Hargreaves, P., Gill, E., 2014. Managing urban flooding from heavy
rainfall–encouraging the uptake of designing for exceedance–recommendations and
summary. CIRIA C738a Lond. UK CIRIA.
302
Références
Dillaha, T.A., Reneau, R.B., Mostaghimi, S., Lee, D., 1989. Vegetative filter strips for
agricultural nonpoint source pollution control. Trans. ASAE 32, 513–0519.
Dongquan, Z., Jining, C., Haozheng, W., Qingyuan, T., Shangbing, C., Zheng, S., 2009. GIS-
based urban rainfall-runoff modeling using an automatic catchment-discretization
approach: a case study in Macau. Environ. Earth Sci. 59, 465.
Dosskey, M.G., Helmers, M.J., Eisenhauer, D.E., 2008. A design aid for determining width of
filter strips. J. Soil Water Conserv. 63, 232–241.
https://doi.org/10.2489/jswc.63.4.232
Duchene, M., McBean, E.A., 1992. DISCHARGE CHARACTERISTICS OF PERFORATED PIPE FOR
USE IN INFILTRATION TRENCHES 1. JAWRA J. Am. Water Resour. Assoc. 28, 517–524.
Dunne, T., Black, R.D., 1970. An experimental investigation of runoff production in
permeable soils. Water Resour. Res. 6, 478–490.
Durner, W., 1994. Hydraulic conductivity estimation for soils with heterogeneous pore
structure. Water Resour. Res. 30, 211–223.
Dussaillant, A.R., Cuevas, A., Potter, K.W., 2005. Raingardens for stormwater infiltration and
focused groundwater recharge: simulations for different world climates. Water Sci.
Technol. Water Supply 5, 173–179.
Dussaillant, A.R., Wu, C.H., Potter, K.W., 2004. Richards Equation Model of a Rain Garden. J.
Hydrol. Eng. 9, 219–225. https://doi.org/10.1061/(ASCE)1084-0699(2004)9:3(219)
Endreny, T., Collins, V., 2009. Implications of bioretention basin spatial arrangements on
stormwater recharge and groundwater mounding. Ecol. Eng. 35, 670–677.
Flanagan, K., Ah-Leung, S., Bacot, L., Bak, A., Barraud, S., Branchu, P., Castebrunet, H.,
Cossais, N., Gouvello, B., Deroubaix, J.-F., Garnier, R., Gromaire, M.-C., Honegger, A.,
Neveu, P., Paupardin, J., Peyneau, P.-E., Ramier, D., Rodriguez, F., Ruban, V., Varnède,
L., 2019. Un guide méthodologique pour l’évaluation des performances des ouvrages
de maîtrise à la source des eaux pluviales.
https://doi.org/10.13140/RG.2.2.16209.68969
Flanagan, K., Branchu, P., Ramier, D., Gromaire, M.-C., 2017a. Evaluation of the relative roles
of a vegetative filter strip and a biofiltration swale in a treatment train for road
runoff. Water Sci. Technol. 75, 987–997. https://doi.org/10.2166/wst.2016.578
Flanagan, K., Tedoldi, D., Branchu, P., Gromaire, M.-C., 2017b. Caractérisation du
fonctionnement d’un ouvrage de gestion à la source du ruissellement de voirie :
approche par modélisation hydrologique et par cartographie de la contamination du
sol. Houille Blanche 5–13. https://doi.org/10.1051/lhb/2017016
Fletcher, T.D., Andrieu, H., Hamel, P., 2013. Understanding, management and modelling of
urban hydrology and its consequences for receiving waters: A state of the art. Adv.
Water Resour. 51, 261–279. https://doi.org/10.1016/j.advwatres.2012.09.001
Fletcher, T.D., Shuster, W., Hunt, W.F., Ashley, R., Butler, D., Arthur, S., Trowsdale, S.,
Barraud, S., Semadeni-Davies, A., Bertrand-Krajewski, J.-L., Mikkelsen, P.S., Rivard, G.,
Uhl, M., Dagenais, D., Viklander, M., 2015. SUDS, LID, BMPs, WSUD and more – The
evolution and application of terminology surrounding urban drainage. Urban Water J.
12, 525–542. https://doi.org/10.1080/1573062X.2014.916314
Fox, G.A., Muñoz-Carpena, R., Purvis, R.A., 2018. Controlled laboratory experiments and
modeling of vegetative filter strips with shallow water tables. J. Hydrol. 556, 1–9.
303
Références
Freni, G., Oliveri, E., 2005. Mitigation of urban flooding: A simplified approach for distributed
stormwater management practices selection and planning. Urban Water J. 2, 215–
226. https://doi.org/10.1080/15730620500386461
García-Serrana, M., Gulliver, J.S., Nieber, J.L., 2017a. Infiltration capacity of roadside filter
strips with non-uniform overland flow. J. Hydrol. 545, 451–462.
García-Serrana, M., Gulliver, J.S., Nieber, J.L., 2017b. Non-uniform overland flow-infiltration
model for roadside swales. J. Hydrol. 552, 586–599.
Gassman, P.W., Reyes, M.R., Green, C.H., Arnold, J.G., 2007. The soil and water assessment
tool: historical development, applications, and future research directions. Trans.
ASABE 50, 1211–1250.
Gilliam, J.W., Parsons, J.E., Mikkelsen, R.L., 1996. Nitrogen dynamics and buffer zones. Buffer
Zones 54.
Green, W.H., Ampt, G.A., 1911. Studies on Soil Phyics. J. Agric. Sci. 4, 1–24.
GSMM, 2016. Georgia Stormwater Management Manual – Volume 2:Technical Handbook.
Atlanta Regional Council, Atlanta, GA.
Guide Région Rhône-Alpes, 2006. Pour la gestion des eaux pluviales, stratégie et solutions
techniques. Charbonnière-les-Bains: Conseil régional Rhône-Alpes.
Hamel, P., Daly, E., Fletcher, T.D., 2013. Source-control stormwater management for
mitigating the impacts of urbanisation on baseflow: A review. J. Hydrol. 485, 201–
211. https://doi.org/10.1016/j.jhydrol.2013.01.001
Han, J., Wu, J.S., Allan, C., 2005. Suspended Sediment Removal by Vegetative Filter Strip
Treating Highway Runoff. J. Environ. Sci. Health Part A 40, 1637–1649.
https://doi.org/10.1081/ESE-200060683
Hayes, J.C., Barfield, B.J., Barnhisel, R.I., 1984. Performance of grass filters under laboratory
and field conditions. Trans. ASAE 27, 1321–1331.
Hayes, J.C., Barfield, B.J., Barnhisel, R.I., 1979. Filtration of Sediment by Simulated
Vegetation II. Unsteady Flow with Non-Homogeneous Sediment. Trans. ASAE 22,
1063–1067. https://doi.org/10.13031/2013.35156
Heasom, W., Traver, R.G., Welker, A., 2007. HYDROLOGIC MODELING OF A BIOINFILTRATION
BEST MANAGEMENT PRACTICE1. JAWRA J. Am. Water Resour. Assoc. 42, 1329–1347.
https://doi.org/10.1111/j.1752-1688.2006.tb05304.x
Helmers, M.J., Eisenhauer, D.E., 2006. Overland flow modeling in a vegetative filter
considering non-planar topography and spatial variability of soil hydraulic properties
and vegetation density. J. Hydrol. 328, 267–282.
Her, Y., Jeong, J., Arnold, J., Gosselink, L., Glick, R., Jaber, F., 2017. A new framework for
modeling decentralized low impact developments using Soil and Water Assessment
Tool. Environ. Model. Softw. 96, 305–322.
Herschy, R.W., 1971. The magnitude of errors at flow measurement stations. Water
Resources Board.
Hollis, G.E., 1975. The effect of urbanization on floods of different recurrence interval. Water
Resour. Res. 11, 431–435. https://doi.org/10.1029/WR011i003p00431
Horner, R.R., 1993. Biofiltration for Storm Runoff Water Quality Control, prepared for the
Washington State Department of Ecology. Cent. Urban Water Resour. Manag. Univ.
Wash. Seattle WA.
304
Références
Horton, R.E., 1941. An approach toward a physical interpretation of infiltration-capacity 1.

Soil Sci. Soc. Am. J. 5, 399–417.
Horton, R.E., 1933. The role of infiltration in the hydrologic cycle. Eos Trans. Am. Geophys.
Union 14, 446–460.
Huang, C.-L., Hsu, N.-S., Liu, H.-J., Huang, Y.-H., 2018. Optimization of low impact
development layout designs for megacity flood mitigation. J. Hydrol. 564, 542–558.
Huber, W.C., Dickinson, R.E., Barnwell Jr, T.O., Branch, A., 1988. Storm water management
model; version 4. Environ. Prot. Agency U. S.
Hunt, W.F., Hathaway, J.M., Winston, R.J., Jadlocki, S.J., 2010. Runoff Volume Reduction by a
Level Spreader–Vegetated Filter Strip System in Suburban Charlotte, N.C. J. Hydrol.
Eng. 15, 499–503. https://doi.org/10.1061/(ASCE)HE.1943-5584.0000160
Hunt, W.F., Jarrett, A.R., Smith, J.T., Sharkey, L.J., 2006. Evaluating Bioretention Hydrology
and Nutrient Removal at Three Field Sites in North Carolina. J. Irrig. Drain. Eng. 132,
600–608. https://doi.org/10.1061/(ASCE)0733-9437(2006)132:6(600)
Hunt, W.F., Smith, J.T., Jadlocki, S.J., Hathaway, J.M., Eubanks, P.R., 2008. Pollutant removal
and peak flow mitigation by a bioretention cell in urban Charlotte, NC. J. Environ.
Eng. 134, 403–408.
Idaho Department of Environmental Quality, 2005. Catalog of stormwater best management
practices for Idaho Cities and Counties. IDEQ Boise, ID.
Imteaz, M.A., Ahsan, A., Rahman, A., Mekanik, F., 2013. Modelling stormwater treatment
systems using MUSIC: Accuracy. Resour. Conserv. Recycl. 71, 15–21.
https://doi.org/10.1016/j.resconrec.2012.11.007
Iowa State University, 2009. Iowa stormwater management manual. Iowa State University,
Institute for Transportation Ames, IA.
Jaber, F.H., Shukla, S., 2012. MIKE SHE: Model use, calibration, and validation. Trans. ASABE
55, 1479–1489.
Kanso, T., Gromaire, M.-C., Ramier, D., Dubois, P., Chebbo, G., 2020. An Investigation of the
Accuracy of EC5 and 5TE Capacitance Sensors for Soil Moisture Monitoring in Urban
Soils-Laboratory and Field Calibration. Sensors 20, 6510.
https://doi.org/10.3390/s20226510
Kanso, T., Tedoldi, D., Gromaire, M.-C., Ramier, D., Saad, M., Chebbo, G., 2018. Horizontal
and Vertical Variability of Soil Hydraulic Properties in Roadside Sustainable Drainage
Systems (SuDS)—Nature and Implications for Hydrological Performance Evaluation.
Water 10, 987. https://doi.org/10.3390/w10080987
Kellagher, R., 2002. Storage requirements for rainfall runoff from greenfield development
sites.
Khatavkar, P., Mays, L.W., 2017. Optimization Models for the Design of Vegetative Filter
Strips for Stormwater Runoff and Sediment Control. Water Resour. Manag. 31, 2545–
2560. https://doi.org/10.1007/s11269-016-1552-y
Kim, H., Seagren, E.A., Davis, A.P., 2003. Engineered bioretention for removal of nitrate from
stormwater runoff. Water Environ. Res. 75, 355–367.
Kirkkala, T., Ventelä, A.-M., Tarvainen, M., 2012. Long-term field-scale experiment on using
lime filters in an agricultural catchment. J. Environ. Qual. 41, 410–419.
Knight, E.M.P., Hunt, W.F., Winston, R.J., 2013. Side-by-side evaluation of four level
spreader-vegetated filter strips and a swale in eastern North Carolina. J. Soil Water
Conserv. 68, 60–72. https://doi.org/10.2489/jswc.68.1.60
305
Références
Knisel, W.G., 1980. CREAMS: a field scale model for Chemicals, Runoff, and Erosion from
Agricultural Management Systems [USA]. U. S. Dept Agric. Conserv. Res. Rep. USA.
Köhne, J.M., Wöhling, T., Pot, V., Benoit, P., Leguédois, S., Bissonnais, Y.L., Šimůnek, J., 2011.
Coupled simulation of surface runoff and soil water flow using multi-objective
parameter estimation. J. Hydrol. 403, 141–156.
Kosugi, K., 1996. Lognormal distribution model for unsaturated soil hydraulic properties.
Water Resour. Res. 32, 2697–2703.
Kuichling, E., 1889. The relation between the rainfall and the discharge of sewers in
populous districts. Trans. Am. Soc. Civ. Eng. 20, 1–56.
Lacas, J.-G., Carluer, N., Voltz, M., 2012. Efficiency of a grass buffer strip for limiting diuron
losses from an uphill vineyard towards surface and subsurface waters. Pedosphere
22, 580–592.
Lacas, J.-G., Voltz, M., Gouy, V., Carluer, N., Gril, J.-J., 2009. Using grassed strips to limit
pesticide transfer to surface water: A review, in: Sustainable Agriculture. Springer,
pp. 471–491.
Le Bissonnais, Y., Lecomte, V., Cerdan, O., 2004a. Grass strip effects on runoff and soil loss.
Le Bissonnais, Y., Lecomte, V., Cerdan, O., 2004b. Grass strip effects on runoff and soil loss.
Agronomie 24, 129–136.
Leroy, M.C., Legras, M., Marcotte, S., Moncond’huy, V., Machour, N., Le Derf, F., Portet-
Koltalo, F., 2015. Assessment of PAH dissipation processes in large-scale outdoor
mesocosms simulating vegetated road-side swales. Sci. Total Environ. 520, 146–153.
https://doi.org/10.1016/j.scitotenv.2015.03.020
Li, H., Li, K., Zhang, X., 2016. Performance evaluation of grassed swales for stormwater
pollution control. Procedia Eng. 154, 898–910.
Li, H., Sharkey, L.J., Hunt, W.F., Davis, A.P., 2009. Mitigation of Impervious Surface Hydrology
Using Bioretention in North Carolina and Maryland. J. Hydrol. Eng. 14, 407–415.
Li, J., Zhao, R., Li, Y., Chen, L., 2018. Modeling the effects of parameter optimization on three
bioretention tanks using the HYDRUS-1D model. J. Environ. Manage. 217, 38–46.
Lighthill, M.J., Whitham, G.B., 1955. On kinematic waves I. Flood movement in long rivers.
Proc R Soc Lond A 229, 281–316.
Line, D.E., Hunt, W.F., 2009. Performance of a bioretention area and a level spreader-grass
filter strip at two highway sites in North Carolina. J. Irrig. Drain. Eng. 135, 217–224.
Lobo, G.P., Bonilla, C.A., 2017. A modeling approach to determining the relationship
between vegetative filter strip design and sediment composition. Agric. Ecosyst.
Environ. 237, 45–54. https://doi.org/10.1016/j.agee.2016.12.027
Lucas, W.C., 2009. Design of integrated bioinfiltration-detention urban retrofits with design
storm and continuous simulation methods. J. Hydrol. Eng. 15, 486–498.
Lucke, T., Mohamed, M., Tindale, N., 2014. Pollutant Removal and Hydraulic Reduction
Performance of Field Grassed Swales during Runoff Simulation Experiments. Water 6,
1887–1904. https://doi.org/10.3390/w6071887
Luthans, B., 2006. NATIONAL POLLUTANT DISCHARGE ELIMINATION SYSTEM (NPDES). US
Environ. Prot. Agency.
Machusick, M., Welker, A., Traver, R., 2011. Groundwater mounding at a storm-water
infiltration BMP. J. Irrig. Drain. Eng. 137, 154–160.
306
Références
Magette, W.L., Brinsfield, R.B., Palmer, R.E., Wood, J.D., 1989. Nutrient and sediment
removal by vegetated filter strips. Trans. ASAE 32, 663–0667.
Makepeace, D.K., Smith, D.W., Stanley, S.J., 1995. Urban stormwater quality: summary of
contaminant data. Crit. Rev. Environ. Sci. Technol. 25, 93–139.
McGreevey, J., M.Campbell, B., P.Hahm, E., Baier, L., 2004. NJDEP New Jersey Stormwater
Best Management Practices Manual, New Jersey Department of Environmental
Protection. ed.
MDDEFP, MAMROT, 2014. Guide de gestion des eaux pluviales. Pour Ministère Dév. Durable
L’Environnement Faune Parcs MDDEFP Ministère Aff. Munic. Régions L’Occupation
Territ. MAMROT Gouv. Qué. Gilles Rivard.
MDE, 2000. Maryland Stormwater Design Manual [WWW Document]. URL
http://www.mde.state.md.us/programs/water/stormwatermanagementprogram/ma
rylandstormwaterdesignmanual/Pages/Programs/WaterPrograms/SedimentandStor
mwater/stormwater_design/index.aspx (accessed 3.7.16).
Metcalf, E., 1971. Storm Water Management Model, Volume I-Final Report. Technical Report
EPA Report 11024 DOC 07/71 (NTIS PB-203289), University of ….
METER Group, 2018a. ECH2O EC-5 Manual. Pullman WA, USA.
METER Group, 2018b. ECH2O 5TE Manual. Pullman WA, USA.
Metropolitan Council, 2001. Minnesota urban small sites BMP Manual: Stormwater best
management practices for cold climates. Barr Eng. Co. St Paul MN.
Mockus, V., 1964. National engineering handbook. US Soil Conserv. Serv. Wash. DC USA 4.
Monteith, J.L., 1965. Evaporation and environment. The state and movement of water in
living organisms. Symposium of the society of experimental biology, Vol. 19 (pp. 205-
234). Cambridge: Cambridge University Press.
Moriasi, D.N., Arnold, J.G., Van Liew, M.W., Bingner, R.L., Harmel, R.D., Veith, T.L., 2007.
Model evaluation guidelines for systematic quantification of accuracy in watershed
simulations. Trans. ASABE 50, 885–900.
Mualem, Y., 1976. A new model for predicting the hydraulic conductivity of unsaturated
porous media. Water Resour. Res. 12, 513–522.
https://doi.org/10.1029/WR012i003p00513
Muñoz-Carpena, R., Parsons, J.E., 2011. VFSMOD-W vegetative filter strips modelling system.
Model documentation & user’s manual. Version 6. x. Univ. Fla. Gainesv. FL.
Munoz-Carpena, R., Parsons, J.E., 2004. A design procedure for vegetative filter strips using
VFSMOD-W. Trans. ASAE 47, 1933.
Munoz-Carpena, R., Parsons, J.E., Gilliam, J.W., 1999. Modeling hydrology and sediment
transport in vegetative filter strips. J. Hydrol. 214, 111–129.
Munoz-Carpena, R., Parsons, J.E., Gilliam, J.W., 1993. Numerical approach to the overland
flow process in vegetative filter strips. Trans. ASAE 36, 761–770.
MUSIC, B.E.U.M., 2013. eWater. Online.
Nanda, A., Sen, S., Jirwan, V., Sharma, A., Kumar, V., 2018. Understanding plot-scale
hydrology of Lesser Himalayan watershed-A field study and HYDRUS-2D modelling
approach. Hydrol. Process. 32, 1254–1266. https://doi.org/10.1002/hyp.11499
Nash, J.E., 1957. The form of the instantaneous unit hydrograph. Int. Assoc. Sci. Hydrol. Publ
3, 114–121.
Nash, J.E., Sutcliffe, J.V., 1970. River flow forecasting through conceptual models part I—A
discussion of principles. J. Hydrol. 10, 282–290.
NCDEQ, 2020. NCDEQ stormwater design manual. N. C. Dep. Environ. Qual.
307
Références
Neuman, S.P., 1972. Finite element computer programs for flow in saturated–unsaturated
porous media. 2nd Annu. Rep. Proj A10-SWC-77Hydraul Eng Lab Tech. Haifa Isr.
Neuman, S.P., Feddes, R.A., Bresler, E., 1974. Finite element simulation of flow in saturated-
unsaturated soils considering water uptake by plants.
Newcomer, M.E., Gurdak, J.J., Sklar, L.S., Nanus, L., 2014. Urban recharge beneath low
impact development and effects of climate variability and change. Water Resour.
Res. 50, 1716–1734.
Niazi, M., Nietch, C., Maghrebi, M., Jackson, N., Bennett, B.R., Tryby, M., Massoudieh, A.,
2017. Storm water management model: Performance review and gap analysis. J.
Sustain. Water Built Environ. 3, 04017002.
NYSSMDM, 2015. New York State Stormwater Management Design Manual, NYS Dept. of
Environmental Conservation. ed.
Olszewski, J.M., Davis, A.P., 2013. Comparing the Hydrologic Performance of a Bioretention
Cell with Predevelopment Values. J. Irrig. Drain. Eng. 139, 124–130.
https://doi.org/10.1061/(ASCE)IR.1943-4774.0000504
Pan, D., Gao, X., Dyck, M., Song, Y., Wu, P., Zhao, X., 2017. Dynamics of runoff and sediment
trapping performance of vegetative filter strips: Run-on experiments and modeling.
Sci. Total Environ. 593–594, 54–64. https://doi.org/10.1016/j.scitotenv.2017.03.158
Park, Y., Engel, B., Shin, Y., Choi, J., Kim, N.-W., Kim, S.-J., Kong, D., Lim, K., 2013.
Development of Web GIS-Based VFSMOD System with Three Modules for Effective
Vegetative Filter Strip Design. Water 5, 1194–1210.
https://doi.org/10.3390/w5031194
Park, Y.S., Lim, K.J., Yang, J.E., Kim, K.-S., 2015. Modelling of Best Management Practices in
Agricultural Areas, in: Pilipavičius, V. (Ed.), Agroecology. InTech.
https://doi.org/10.5772/59990
Payero, J.O., Qiao, X., Khalilian, R.D., Davis, R., 2014. Impact of soil texture on the
performance of three soil moisture sensor types, in: 2014 Montreal, Quebec Canada
July 13–July 16, 2014. American Society of Agricultural and Biological Engineers, p. 1.
Payne, E.G.I., Hatt, B.E., Deletic, A., Dobbie, M.F., McCarthy, D.T., Chandrasena, G.I., 2015.
Adoption guidelines for stormwater biofiltration systems—Summary report. Coop.
Res. Cent. Water Sensitive Cities Melb. Aust.
PDEP, 2006. Pennsylvania Stormwater Best Management Practices Manual. Department of
Environmental Protection Pennsylvania.
Penman, H.L., 1948. Natural evaporation from open water, bare soil and grass. Proc. R. Soc.
Lond. Ser. Math. Phys. Sci. 193, 120–145.
Pit, R., Lantrip, J., Harrison, R., Henry, C.L., Xue, D., 1999. Infiltration through disturbed urban
soils and compost-amended soil effects on runoff quality and quantity. National Risk
Management Research Laboratory.
Poletika, N.N., Coody, P.N., Fox, G.A., Sabbagh, G.J., Dolder, S.C., White, J., 2009.
Chlorpyrifos and Atrazine Removal from Runoff by Vegetated Filter Strips:
Experiments and Predictive Modeling. J. Environ. Qual. 38, 1042–1052.
https://doi.org/10.2134/jeq2008.0404
Popov, V.H., Cornish, P.S., Sun, H., 2006. Vegetated biofilters: the relative importance of
infiltration and adsorption in reducing loads of water-soluble herbicides in
agricultural runoff. Agric. Ecosyst. Environ. 114, 351–359.
308
Références
Prince George’s County, 1999. Low-Impact Development Design Strategies: An Integrated

Design Approach, Department of Environmental Resources, Programs and Planning
Division. ed. Prince George’s County, Maryland.
Rahman, M.A., Imteaz, M.A., Arulrajah, A., 2016. Suitability of reclaimed asphalt pavement
and recycled crushed brick as filter media in bioretention applications. Int. J. Environ.
Sustain. Dev. 15, 32–48.
Ramier, D., 2005. Bilan hydrique des voiries urbaines : observations et modélisation (These
de doctorat). Nantes.
Rana, G., Katerji, N., 2000. Measurement and estimation of actual evapotranspiration in the
field under Mediterranean climate: a review. Eur. J. Agron. 13, 125–153.
Randelovic, A., Zhang, K., Jacimovic, N., McCarthy, D., Deletic, A., 2016. Stormwater biofilter
treatment model (MPiRe) for selected micro-pollutants. Water Res. 89, 180–191.
Reichenberger, S., Bach, M., Skitschak, A., Frede, H.-G., 2007. Mitigation strategies to reduce
pesticide inputs into ground-and surface water and their effectiveness; A review. Sci.
Total Environ. 384, 1–35.
Richards, L.A., 1931. Capillary conduction of liquids through porous mediums. Physics 1,
318–333.
Rossman, L.A., 2015. SWMM 5.1 Storm Water Management Model User’s Manual. US
Environmental Protection Agency, Cincinnati, OH.
Roy-Poirier, A., Champagne, P., Filion, Y., 2010. Review of Bioretention System Research and
Design: Past, Present, and Future. J. Environ. Eng. 136, 878–889.
https://doi.org/10.1061/(ASCE)EE.1943-7870.0000227
Rudra, R.P., Gharabaghi, B., Sebti, S., Gupta, N., Moharir, A., 2010. GDVFS: A New Toolkit for
Analysis and Design of Vegetative Filter Strips Using VFSMOD. Water Qual. Res. J.
Can. Can. Assoc. Water Qual. 45.
Rujner, H., Leonhardt, G., Marsalek, J., Viklander, M., 2018. High-resolution modelling of the
grass swale response to runoff inflows with Mike SHE. J. Hydrol. 562, 411–422.
Rushton, B.T., 2001. Low-Impact Parking Lot Design Reduces Runoff and Pollutant Loads. J.
Water Resour. Plan. Manag. 127, 172–179. https://doi.org/10.1061/(ASCE)0733-
9496(2001)127:3(172)
Sansalone, J.J., Buchberger, S.G., 1995. An infiltration device as a best management practice
for immobilizing heavy metals in urban highway runoff. Water Sci. Technol. 32, 119–
125.
Sasidharan, S., Bradford, S.A., Šimůnek, J., DeJong, B., Kraemer, S.R., 2018. Evaluating
drywells for stormwater management and enhanced aquifer recharge. Adv. Water
Resour. 116, 167–177. https://doi.org/10.1016/j.advwatres.2018.04.003
SAUVE, A., GLATARD, F., FAUCON, P., DAMAS, O., 2014. Aménagement et choix des végétaux
des ouvrages de gestion des eaux pluviales de proximité.
Schaap, M.G., Leij, F.J., Van Genuchten, M.T., 2001a. ROSETTA: a computer program for
estimating soil hydraulic parameters with hierarchical pedotransfer functions. J.
Hydrol. 251, 163–176.
Schaap, M.G., Leij, F.J., van Genuchten, M.Th., 2001b. Rosetta: a computer program for
estimating soil hydraulic parameters with hierarchical pedotransfer functions. J.
Hydrol. 251, 163–176. https://doi.org/10.1016/S0022-1694(01)00466-8
Schueler, T.R., 1994. Performance of grassed swales along east coast highways. Watershed
Prot. Tech. 1, 122–123.
309
Références
Schwartz, S.S., 2010. Effective curve number and hydrologic design of pervious concrete
storm-water systems. J. Hydrol. Eng. 15, 465–474.
Sétra, 2006. Guide Technique : Drainage Routier.
Shafique, M., Kim, R., Kyung-Ho, K., 2018. Evaluating the Capability of Grass Swale for the
Rainfall Runoff Reduction from an Urban Parking Lot, Seoul, Korea. Int. J. Environ.
Res. Public. Health 15, 537. https://doi.org/10.3390/ijerph15030537
Shannak, S., 2017. The effects of green infrastructure on exceedance of critical shear stress
in Blunn Creek watershed. Appl. Water Sci. 7, 2975–2986.
Shen, P., Deletic, A., Urich, C., Chandrasena, G.I., McCarthy, D.T., 2018. Stormwater biofilter
treatment model for faecal microorganisms. Sci. Total Environ. 630, 992–1002.
Shrestha, P., Hurley, S.E., Wemple, B.C., 2018. Effects of different soil media, vegetation, and
hydrologic treatments on nutrient and sediment removal in roadside bioretention
systems. Ecol. Eng. 112, 116–131. https://doi.org/10.1016/j.ecoleng.2017.12.004
Šimůnek, J., van Genuchten, M.Th., Šejna, M., 2016. Recent Developments and Applications
of the HYDRUS Computer Software Packages. Vadose Zone J. 15, 0.
https://doi.org/10.2136/vzj2016.04.0033
Skaggs, R.W., Youssef, M.A., Chescheir, G.M., 2012. DRAINMOD: Model use, calibration, and
validation. Trans. ASABE 55, 1509–1522.
Stewart, R.D., Lee, J.G., Shuster, W.D., Darner, R.A., 2017. Modelling hydrological response
to a fully-monitored urban bioretention cell. Hydrol. Process. 31, 4626–4638.
Strauch, K.R., Rus, D.L., Holm, K.E., 2016. Water balance monitoring for two bioretention
gardens in Omaha, Nebraska, 2011–14. US Geological Survey.
Thornthwaite, C.W., 1948. An approach toward a rational classification of climate. Geogr.
Rev. 38, 55–94.
Tollner, E.W., Barfield, B.J., Haan, C.T., Kao, T.Y., 1976. Suspended Sediment Filtration
Capacity of Simulated Vegetation. Trans. ASAE 19, 0678–0682.
https://doi.org/10.13031/2013.36095
Tollner, E.W., Barfield, B.J., Vachirakornwatana, C., Haan, C.T., 1977. Sediment Deposition
Patterns in Simulated Grass Filters. Trans. ASAE 20, 0940–0944.
https://doi.org/10.13031/2013.35679
Tsihrintzis, V.A., Hamid, R., 1997. Modeling and management of urban stormwater runoff
quality: a review. Water Resour. Manag. 11, 136–164.
Turc, L., 1961. Evaluation des besoins en eau d’irrigation, évapotranspiration potentielle.
Ann Agron 12, 13–49.
Turco, M., Kodešová, R., Brunetti, G., Nikodem, A., Fér, M., Piro, P., 2017. Unsaturated
hydraulic behaviour of a permeable pavement: Laboratory investigation and
numerical analysis by using the HYDRUS-2D model. J. Hydrol. 554, 780–791.
UDFCD, 1999. Urban stormwater drainage criteria manual. Urban Drainage and Flood
Control District Denver.
United Nations, 2015. World Urbanization Prospects: The 2014 Revision. United Nations
Publications.
USDA, S., 1986. Urban hydrology for small watersheds. Tech. Release 55, 2–6.
USEPA, 2011. Enhanced Framework (SUSTAIN) and Field Applications for Placement of BMPs
in Urban Watersheds.
310
Références
van Genuchten, M.Th., 1980. A Closed-form Equation for Predicting the Hydraulic
Conductivity of Unsaturated Soils1. Soil Sci. Soc. Am. J. 44, 892.
https://doi.org/10.2136/sssaj1980.03615995004400050002x
Vermont, A.N.R., 2002. The Vermont Stormwater Management Manual. Waterbury, VT:
Vermont Agency of Natural Resources.
Virginia, D.C.R., 1999. Virginia stormwater management handbook. Chapter.
Walsh, P.M., Barrett, M.E., Malina, J.F., Charbeneau, R.J., 1997. Use of vegetative controls
for treatment of highway runoff. Center for Research in Water Resources, University
of Texas at Austin.
Wanielista, M., Kersten, R., Eaglin, R., 1997. Hydrology: Water quantity and quality control.
John Wiley and Sons.
Washington State Departement of Transportation, 2016. Highway Runoff Manual.
WDEQ, 2013. Urban Best Management Practice Manual, Wyoming Department of
Environmental Quality Water Quality Division Nonpoint Source Program. ed.
White, M.J., Arnold, J.G., 2009. Development of a simplistic vegetative filter strip model for
sediment and nutrient retention at the field scale. Hydrol. Process. 23, 1602–1616.
Winston, R.J., Dorsey, J.D., Hunt, W.F., 2016. Quantifying volume reduction and peak flow
mitigation for three bioretention cells in clay soils in northeast Ohio. Sci. Total
Environ. 553, 83–95. https://doi.org/10.1016/j.scitotenv.2016.02.081
Winston, R.J., Hunt, W.F., 2009. Field Evaluation of Level Spreader-Vegetative Filter Strips to
Improve Hydrology and Water Quality, in: 2009 Reno, Nevada, June 21-June 24,
2009. American Society of Agricultural and Biological Engineers, p. 1.
Winter, T.C., 1981. Uncertainties in estimating the water balance of lakes 1. JAWRA J. Am.
Water Resour. Assoc. 17, 82–115.
Wong, S., McCuen, R., 1981. The Design of Vegetative Buffer Strips for Runoff and Sediment
Control 1–23.
Wong, S.L., McCuen, R.H., 1982. The design of vegetative buffer strips for runoff and
sediment control. A technical pa-per developed as part of a study of stormwater
management in coastal areas funded by Maryland coastal Zone manage-ment
Program. Civ. Eng. Dep. Univ. Md. Coll. Park MDCastelle Al 1994 より.
Wong, T.H.F., Fletcher, T.D., Duncan, H.P., Jenkins, G.A., 2006. Modelling urban stormwater
treatment—A unified approach. Ecol. Eng. 27, 58–70.
https://doi.org/10.1016/j.ecoleng.2005.10.014
WSDOT, W.S.D. of T., 2016. Highway Runoff Manual. Olympia, WA,USA.
WVSMD, 2012. West Virginia Stormwater Management and Design Guidance Manual.
Center for Watershed Protection, Inc.
Yousef, Y.A., Hvitved-Jacobsen, T., Wanielista, M.P., Harper, H.H., 1987. Removal of
contaminants in highway runoff flowing through swales. Sci. Total Environ. 59, 391–
399.
Yousef, Y.A., Wanielista, M.P., Harper, H.H., 1985. Removal of highway contaminants by
roadside swales. Transp. Res. Rec.
Yu, S.L., Kuo, J.-T., Fassman, E.A., Pan, H., 2001. Field Test of Grassed-Swale Performance in
Removing Runoff Pollution. J. Water Resour. Plan. Manag. 127, 168–171.
311
Références
Zhang, K., Chui, T.F.M., 2017. Evaluating hydrologic performance of bioretention cells in
shallow groundwater. Hydrol. Process. 31, 4122–4135.
Zhang, K., Randelovic, A., Deletic, A., Page, D., McCarthy, D.T., 2016. Stormwater biofilters: A
new validation modelling tool. Ecol. Eng. 87, 53–61.
Zölch, T., Henze, L., Keilholz, P., Pauleit, S., 2017. Regulating urban surface runoff through
nature-based solutions–an assessment at the micro-scale. Environ. Res. 157, 135–
144.
312

TH2021PESC1100

Transféré par

Droits d'auteur :

Formats disponibles

TH2021PESC1100

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

TH2021PESC1100

Transféré par

Droits d'auteur :

Formats disponibles

Mesure et modélisation du bilan hydrologique de

dispositifs rustiques de gestion à la source des eaux de

To cite this version:

HAL Id: tel-03478830

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

MESURE ET MODELISATION DU BILAN HYDROLOGIQUE

M. Laurent LASSABATERE, ENTPE Rapporteur

Tables des matières

LISTES DES SYMBOLES ET DES ABREVIATIONS ........................................................................... 14

INTRODUCTION GENERALE ....................................................................................................... 18

Objectifs de la thèse ....................................................................................................................................... 21

Projets de recherche ...................................................................................................................................... 22

PARTIE 1. ETAT DE L’ART ..................................................................................................... 25

1 .2 Les processus hydrologiques mis en jeu ................................................................................................ 34

1 .5 Modélisation hydrologique des ouvrages de gestion des eaux pluviales ............................................... 84

PARTIE 2. METHODES EXPERIMENTALES ............................................................................. 94

2 .1 Dispositif expérimental ......................................................................................................................... 94

2 .3 Bilan des données acquises et validation ............................................................................................ 160

2.3.2.4 Validation des teneurs en eau et des tensions .................................................................................. 166

PARTIE 3. EVALUATION EXPERIMENTALE DE LA PERFORMANCE HYDROLOGIQUE D’UNE

3 .1 Introduction ........................................................................................................................................ 169

3 .2 Reconstitution des données manquantes sous US EPA SWMM .......................................................... 170

3 .3 Indicateurs de la performance hydrologique et bilan hydrique de la noue filtrante ............................ 185

3.4 Conclusions ........................................................................................................................................... 229

PARTIE 4. MODELISATION DE LA PERFORMANCE HYDROLOGIQUE DES BANDES ENHERBEES

4 .1 Introduction ........................................................................................................................................ 232

4 .2 Méthodologie de modélisation des deux bandes enherbées .............................................................. 233

4.3 Résultats .............................................................................................................................................. 251

4 .5 Conclusions .......................................................................................................................................... 286

CONCLUSIONS ET PERSEPECTIVES ........................................................................................... 288

Rappel des objectifs ..................................................................................................................................... 288

Conclusions scientifiques ............................................................................................................................. 288

Conclusions opérationnelles ........................................................................................................................ 292

Perspectives ................................................................................................................................................. 294

ANNEXES ................................................................................................................................. 296

Annexes 1 .................................................................................................................................................... 296

RÉFÉRENCES ............................................................................................................................ 300

continuent à se développer, entraînant une diminution du taux d'infiltration dans le

sol et une augmentation du ruissellement superficiel. Ce ruissellement provoque une

altération du régime hydrologique naturel et la dégradation des milieux aquatiques. En

grande imperméabilité et leur forte contamination par des micropolluants organiques

végétalisés favorisant l'infiltration et l'évapotranspiration, peuvent être installés en

bordure des voiries. Ils visent un traitement ou un prétraitement des eaux de

hydrologique plus proche du bilan naturel. Le fonctionnement hydrologique de ces

suffisamment maîtrisé. Cette thèse vise à comprendre le fonctionnement hydrologique

de ce type d’ouvrage et à analyser les conséquences en termes de conception. Les

d'une route départementale en région parisienne.

La deuxième partie du travail consiste en la mise en place d'un dispositif

et le stockage dans le sol. Elle comprend également un travail expérimental de

caractérisation de l'hydrodynamique du sol et de calibration de la mesure de la teneur

en eau. Une variabilité spatiale significative - horizontale et verticale - de la

sortant de l'ouvrage. Les équations d'étalonnage spécifiques au type de sol et les

dans cette partie.

Une évaluation de la performance hydrologique et des bilans hydriques de la

sur la base des résultats expérimentaux. Les facteurs affectant le fonctionnement

hydriques sont également analysés. La noue filtrante a montré des performances

hydrologiques intéressantes (réduction du volume de ruissellement, réduction du

que les éventuelles pertes in situ ne sont pas négligeables et représentent 20 % du

volume entrant dans l’ouvrage.

La quatrième partie de la thèse, consiste en une approche de modélisation, en vue