Issue |
La Houille Blanche
Number 5, Octobre 2016
|
|
---|---|---|
Page(s) | 38 - 44 | |
DOI | https://doi.org/10.1051/lhb/2016048 | |
Published online | 10 November 2016 |
Le passage des crises estivales dans la rivière d'Ain (France) : Apports de la prévision et enseignements tirés de la période 1994-2014
The passage of summer crises in the Ain River (France): contributions of forecasting and lessons learned from the period 1994-2014
1
EDF-DTG, 21 Av de l'Europe, BP41, 38040
Grenoble Cédex 9, France,
alain.poirel@edf.fr
1
EDF-DTG, 21 Av de l'Europe, BP41, 38040
Grenoble Cédex 9, France,
david.cheminet@edf.fr
2
EDF-CIH, Savoie-Technolac, 73370
le Bourget du Lac, France
bruno.landru@edf.fr
3
Université de Lyon, CNRS-UMR 5600, ENS de Lyon, Plateforme ISIG. 15 Parvis René Descartes, BP 7000, F69342
Lyon Cédex 07, France,
vincent.wawrzyniak@ens-lyon.fr
4
EDF-UP Est, 54 av Robert Schuman, 68100
Mulhouse, France,
marie-noelle.faye@edf.fr
Le passage des crises estivales dans la rivière d'Ain (France) est source de tensions depuis les années 90. Un important réseau d'observations et de mesures en temps réel a été mis en place et amélioré depuis 20 ans. Ce système permet aujourd'hui une connaissance précise des relations entre les variables hydro-climato-physico-chimiques et les usages ou les écosystèmes.
Les débits d'étiages, la température de l'eau, l'oxygène dissous et l'eutrophisation apparaissent comme les principaux facteurs limitant. La diminution des tensions estivales passe par des actions à court terme comme des lâchers d'eau mais leur effet est limité dans le temps et de faible amplitude. Dans un contexte de rareté de la ressource propre aux crises estivales, l'observation et la prévision sont fondamentales pour optimiser la gestion de ces volumes lâchés.
Des actions à moyen terme qui visent à constituer le stock d'eau en l'adossant à la prévision hydrologique, à limiter les prélèvements dans les nappes en fonction de la ressource sont également mises en œuvre. Leur efficacité est très complexe à optimiser et à démontrer car elle passe par des analyses empiriques. Elle est évaluée grâce au réseau d'observations et aux modèles.
Ce réseau apparaît, dans la durée, comme le meilleur moyen d'objectiver les tensions, d'évaluer les actions pertinentes et d'ajuster les modalités des actions engagées au contexte spécifique à chaque crise.
Abstract
The transition from summer crises in the river Ain (France) is source of tension since the 90. A real time network of observations and measurements has been developed and improved for 20 years. This system provides a precise knowledge of the relationships between hydro-climatic or physico-chemical variables and water uses or quality of aquatic ecosystems. The low-water flows, water temperature, dissolved oxygen and eutrophication seem to be the main limiting factors.
The decrease in summer tensions goes through short-term actions such as timely release of water. The effects on the temperature of the water and dissolved oxygen are low in duration and intensity but appear most significant on biology (vegetal biomass, fish behavior). In a context of water scarcity, observation and forecasting are essential to optimize these released volumes. Neural network models have been developed for a 9-days forecast of the main ecological variables (flow, water temperature and dissolved oxygen) downstream the reservoirs.
Medium-term actions help ensure the proper level of water stocks in the reservoirs through hydrological forecast. The limitation of uses and withdrawals during periods of drought is also implemented. Their effectiveness is very complex to optimize and demonstrate as it passes through empirical methods evaluated through the network of observation and measurements.
This network appears, over time, as the best way to objectify tensions, evaluate actions and adjust the actions taken to the specific context of each crisis. It must provide both long time series with homogeneous data but also be adapted to changes in knowledge about the uses and ecosystems.
Mots clés : Ain / crise estivale / prévision / qualité d'eau / réseau de neurones / imagerie infrarouge thermique
Key words: Ain River (France) / Summer Crisis / Water Quality / Forecasting / Neural Network / Thermal Infrared Remote
© Société Hydrotechnique de France, 2016