Collection Mémoires et thèses électroniques
AccueilÀ proposNous joindre

1. Introduction

Table des matières

Au Québec, l’évolution des pratiques culturales durant ces dernières décennies a grandement influencé notre façon de concevoir et de gérer l'agriculture, et a eu un impact sur la qualité des sols et des eaux (Mabit et al. 2000). En effet, un inventaire des problèmes de dégradation des sols, effectué vers la fin des années 1980 (Tabi et al. 1990), a démontré que la monoculture entraîne une diminution de la qualité des sols et un accroissement de l’érosion et du risque de pollution des eaux par les nutriments et les métaux. Dans plusieurs régions du Québec, l’agriculture intensive a résulté en une concentration élevée d’unités animales qui, couplée à une fertilisation basée sur un bilan azoté seulement, a entraîné une accumulation excessive de phosphore (P) dans les sols (Giroux et Tran 1996). Dans une étude portant sur 19 bassins versants du Québec, Patoine et Simoneau (2002) ont démontré que l'accumulation de P dans les sols peut affecter la qualité de l'eau de surface. Ils ont mis en évidence une courbe de puissance (R2 = 0,78, P < 0,0001) entre la concentration en P des rivières, la teneur moyenne en P des sols et la proportion du territoire vouée à l’agriculture.

Des critères de qualité de l’eau ont été définis pour plusieurs polluants agricoles par le Ministère de l'Environnement du Québec. Le critère pour le P total dans les eaux de surface est de 0,03 mg P L-1 pour la protection de la vie aquatique, des activités récréatives et de l'esthétique (MENV 2001). Cette valeur est largement dépassée dans plusieurs bassins versants à vocation agricole (MENV 2003), avec des concentrations médianes estivales allant de 0,1 à 0,2 mg P L-1 de P total (Gangbazo 1997; Painchaud 1996).

En eaux douces, la présence de P favorise la croissance des algues et l'eutrophisation des plans d'eau. L'eutrophisation est considérée comme un processus naturel de dégradation des cours d’eau et des lacs, mais les activités humaines, en particulier l’agriculture intensive, accélèrent ce processus naturel. La présence d'algues diminue l'oxygène dissous et la profondeur de pénétration de la lumière entraînant une baisse de la diversité des espèces aquatiques. Le manque d'oxygène dans le milieu aquatique peut aussi entraîner la dissolution de certaines molécules potentiellement toxiques telles que l'ammoniaque, le sulfure d'hydrogène et le méthane. Les algues mortes se déposent au fond des lacs et finissent par s'y accumuler faute de décomposition par manque d'oxygène. Les problèmes de turbidité, d'odeur et de couleur causés par l’eutrophisation augmentent de façon importante les coûts de traitement pour la production d’eau potable. Les activités récréatives telles que la baignade et la navigation peuvent être limitées, voire même interdites (Wood 1998). De plus, la présence en grandes quantités d'algues bleu-vert (cyanobactéries) a été reliée au P dans 13 lacs de l’Alberta (Kotak et al. 2000). Au Québec, des avis de santé publique ont été émis recommandant d’éviter la consommation d’eau et de poissons ainsi que la baignade dans la baie Missisquoi, dû à la présence d'algues bleu-vert responsables de la production de toxines pouvant affecter la santé humaine (Blais 2002).

Afin de réduire les risques de pollution de l'eau de surface par le P, des efforts doivent être entrepris afin d’améliorer la gestion des nutriments en milieu agricole (Dorioz et Trevisan 2001; Eghball et Gilley 2001; Michaud et al. 2002). Plusieurs mesures ont été envisagées pour réduire les émissions de P dans l’environnement, telles que, la gestion de l'alimentation des animaux (Knowlton et al. 2004), la création de zones tampons entre les champs et les cours d’eau (Langdale et al. 1985; White 1993) et la réglementation des doses d’engrais phosphorés (MENV 2003).

Sharpley et al. (2001a) proposent trois méthodes de gestion du P : 1) ajustement des doses de P selon l’exigence des cultures, 2) établissement d'un seuil critique de P du sol, dont le dépassement augmenterait de façon inacceptable les risques de contamination des eaux et 3) évaluation des risques potentiels de pertes de P afin de mieux distribuer les doses d’épandage sur le territoire. Cette dernière méthode est basée sur l'utilisation de modèles mathématiques et considère autant les besoins agronomiques que les risques environnementaux (Sims 1998). Plusieurs modèles de prédiction des pertes de P dans le système sol-plante-eau existent; il est possible de les diviser en deux grandes catégories; les modèles hydrologiques de qualité de l'eau (MHQE), qui sont des modèles quantitatifs car ils peuvent prédire la variation temporelle des masses de P, et les méthodes d'indices, qui sont des méthodes qualitatives car elles ne prédisent qu'une perte relative du P. Ce mémoire traite des méthodes d'indices, mais une brève revue des MHQE est présentée à la section suivante.

Au cours des dernières années, la performance des ordinateurs ainsi que les connaissances générales des processus physiques, chimiques et biologiques ont grandement contribué au développement de la modélisation mathématique des systèmes environnementaux (NWCC 1999). La complexité de la pollution diffuse et sa grande variabilité spatiale et temporelle nécessitent l’utilisation de ces modèles hydrologiques de qualité de l'eau (MHQE) pour aider à évaluer les risques associés à la pollution diffuse (Ghadiri et Rose 1992). L’utilisation des MHQE a permis l’estimation des pertes de P par la simulation des processus clés impliqués, comme le transport du P soluble ou particulaire, le ruissellement, l’érosion, la précipitation du P dans le sol et le prélèvement du P par les plantes (Grant et al. 2004). Les MHQE ont aussi été utilisés comme outils d'aide à la décision pour le développement de politiques agricoles afin de minimiser les pertes de P (Tim et al. 1995).

Les MHQE regroupent des modèles comme EPIC (Erosion-Productivity Impact Calculator, Sharpley et Willams 1990) au niveau de la parcelle agricole et HSPF (Hydrological Simulation Program – FORTRAN) (Bicknell et al. 2001) au niveau du bassin versant. EPIC permet d’estimer les effets à long terme de l’érosion sur la productivité et considère neuf groupes de processus soient l’hydrologie, le climat, l’érosion, les nutriments, la croissance des plantes, la température du sol, le travail du sol, l’économie et les impacts environnementaux (Ghadiri et Rose 1992). Le modèle HSPF a été développé au début des années 1960 pour la simulation des processus hydrologiques seulement, mais depuis, plusieurs sous-routines ont été ajoutées pour simuler des variables de qualité de l'eau comme les sédiments, le phosphore, l'azote, les pesticides,... Les sous-routines utilisées ont été développées à partir de théories, d’expériences en laboratoire et de relations empiriques provenant de données de terrain (Water Resources of the United States 2004).

Les MHQE peuvent prédire la masse de P transportée par les différentes composantes d'un système agricole restreint (EPIC) ou étendu (HSPF) en réponse à une variation des entrées de P (quantité épandue, date d'épandage,...) et à une modification du système (travail du sol, humidité du sol,...). Ces modèles sont complexes et nécessitent un personnel qualifié, ainsi qu'une quantité importante de données pour caractériser les systèmes agricoles simulés, les conditions climatiques, le système physique,... Dans le but d'évaluer les risques potentiels de perte de P afin de mieux distribuer les doses d’épandage sur le territoire, il apparaît que les MHQE sont trop complexes et nécessitent trop de données d'entrée pour être utilisés couramment par des techniciens ou professionnels de l'agriculture (Sharpley et al. 2001a). Dans ces conditions, il serait plus approprié d'utiliser une méthode moins précise ponctuellement, mais dont l'utilisation serait à la portée de la plupart des personnes oeuvrant en agriculture. De tels modèles, les modèles d'indices, donnent une évaluation relative des risques de contamination des eaux par la phosphore et sont décrits à la section suivante.

Les méthodes d'indices ne sont pas utilisées que pour le P, mais aussi pour d’autres composantes agricoles. Par exemple, l’indice de qualité des sols (Soil Quality index, SQ), évalue l'ensemble d'un système agricole en intégrant la productivité, l’économie et l’environnement. Le modèle SQ évalue la capacité d’un sol à soutenir une productivité donnée tout en maintenant la qualité environnementale (Wander et al. 2002). Ce type d’outil de gestion est couramment utilisé et a été développé pour plusieurs régions, états et pays (Wander et al. 2002; Andrews et al. 2002; Bolinder et al. 1999). Le modèle AEPAT (AgroEcosystem Performance Assessment) est un modèle d’indices permettant l’estimation des effets de l’agriculture de subsistance sur la productivité agronomique et sur l'état environnemental d'un agroécosystème (Liebig et al. 2004). D’autres modèles d’indices évaluent le potentiel de pollution de l'environnement par les contaminants agricoles (pesticides, nutriments, bactéries et sédiments) et les matériaux d’origine industrielle (métaux lourds, toxines organiques). Un de ces modèles, IROWC (Indicator of Risk of Water Contamination), a été développé par Agriculture Canada (MacDonald et Spaling 1995) pour évaluer les risques de contamination des ressources hydriques par les activités humaines. Certains modèles d’indices sont spécifiques à un seul contaminant et évaluent les risques de pollution qui y sont associé selon le contexte agro-environnemental, comme l’indice de risque de perte de phosphore (IRP).

Les modèles d’indices fournissent seulement un indicateur relatif, mais sont moins exigeants en données d’entrée et en ressources informatiques. De plus, ils intègrent les phénomènes impliqués dans la disponibilité et le transport du P des champs vers les cours d’eau, constituant ainsi un outil de formation et de sensibilisation auprès des producteurs agricoles (Bolinder et al. 2000). Les modèles qualitatifs permettent donc de définir les actions à prioriser sur des parcelles agricoles de façon à diminuer les pertes de P vers l'environnement et ainsi appliquer une gestion plus éclairée des pratiques agricoles sur ces parcelles. La section suivante examine plus en détails les modèles d'indices qui ont été proposés pour l'évaluation et le contrôle des pertes de P.

L’indice de risque de perte de phosphore (IRP) a été originalement développé par Lemunyon et Gilbert (1993). C’est un outil d'estimation qualitatif de la vulnérabilité des sites aux pertes de phosphore (Sharpley et al. 2001a). Les risques de pollution par le P sont estimés en calculant l’exportation potentielle du P des champs, par les facteurs de source et de transport du P (Giasson et al. 2002).

Cet indice, décrit par Lemunyon et Gilbert (1993), est basé sur une matrice 5 x 8 i.e. cinq classes de risques (CR) de perte de P, allant d’un risque nul à un risque très élevé, et huit composantes caractérisant le site. Les huit composantes peuvent être regroupées selon un sous-indice de transport du P et un sous-indice de source du P. Le sous-indice de transport comprend trois composantes : l’érosion, l’érosion due à l’irrigation et le ruissellement. Le sous-indice de source est composé du contenu en P dans le sol, du taux d’application des engrais minéraux et organiques phosphorés, de la source et du mode d’application des engrais. Un poids (Wi) est assigné à chaque composante et représente son influence relative sur les mouvements du P pour un site donné. Ce poids est multiplié par la valeur de chacune des classes de risques (VCRi), soit aucun: 0, faible: 2, modéré: 4, élevé: 6 et très élevé: 8, pour obtenir une valeur pondérée pour chacune des classes de risques (VPCRi). Les VPCRi, une fois additionnées, donnent l’IRP, dont la valeur numérique est classée de la même façon que les CR, soit de aucun risque à un risque très élevé (Lemunyon et Gilbert 1993). L'indice de Lemunyon et Gilbert (1993) a été modifié à maintes reprises afin de mieux correspondre aux particularités régionales. Il existe actuellement un IRP spécifique pour presque chacun des états américains, pour certaines provinces canadiennes et pour plusieurs pays d’Europe.

Cette section présente certaines modifications qui ont été apportées à l’IRP de Lemunyon et Gilbert (1993). Ces modifications consistent en : 1) l'ajout de certaines composantes et 2) la modification de la structure du modèle.

Cette section décrit les composantes, autres que celles de Lemunyon et Gilbert (1993), qui sont utilisées dans différents modèles d'IRP. L'utilisation de différentes composantes dans les modèles d'IRP est justifiée par les variations géographiques résultant en des variations climatiques et édaphiques.

1) Migration verticale du P dans le profil de sol. Cette composante a souvent été intégrée au sous-indice de transport de l’IRP (Giasson et al. 2003; Bechmann et al. 2003) et ce, même si la migration verticale du P est généralement considérée comme peu importante dû à sa forte capacité de fixation au sol. Cependant, la migration verticale du P et son transport vers les eaux de surface via le drainage souterrain a été mis en évidence par Beauchemin et al. (2003) pour des sols québécois ayant un haut niveau de saturation et une faible capacité de rétention du P. Cette composante est évaluée différemment selon les IRP; on y retrouve l'écartement entre les drains (Beaudet et al. 1998), le type de sol et le niveau de l’eau souterraine (Coale et al. 2002).

2) Distance séparant le champ d'un cours d'eau. L'introduction de cette composante est justifiée par la contribution plus grande de la pollution par le P des parcelles qui sont situées près d'un cours d’eau (Gburek et al. 2000).

3) Présence de bandes enherbées. Les bandes enherbées servent de zone tampon au ruissellement en provenance des champs et permettent la rétention d’une partie du P ruisselé, spécialement celui sous forme particulaire (Jokela 1999). Ainsi, certains IRP incluent la présence de bandes enherbées comme une composante du sous-indice de transport.

4) Fréquence des inondations. Lors d’inondations, le transfert du P dissout et particulaire, des champs vers les eaux de surface, augmente et peut résulter en une concentration de P excédant les critères de qualité. L’importance de cette composante a déjà été démontrée par des modèles hydrologiques (Klausner 1995) et elle a été ajoutée à certains IRP (Jokela 1999; Giasson et al. 2003).

5) Priorité des bassins versants. Cette composante correspond à la classification des bassins versants selon l’importance de leur altération. Les bassins versants sont classés selon trois catégories et deux sous-catégories en fonction de l’établissement des priorités de protection. À chaque catégorie et sous-catégorie correspond une classe de risque de l’IRP. Ainsi, une classe de risque est attribuée à chaque bassin versant selon sa priorité de protection. La priorité des bassins versants a été ajoutée au sous-indice transport du P de l’IRP en vigueur au Maryland (Coale et al. 2002).

6) Taux de saturation P/Al. Le taux de saturation d’un sol, i.e. le rapport du P extrait par Mehlich-3 sur l'Al extrait par Mehlich-3, est considéré comme un indicateur de l’état du P dans le sol (Giroux et Tran 1996). Cet indicateur agro-environnemental (Khiari et al. 2000) a été inclus dans les grilles de référence en fertilisation au Québec (CRAAQ 2003a) et au Delaware (Sims et al. 2002). Le taux de saturation (P/Al)MIII est une approximation du pourcentage des sites de fixation du sol occupés par le P décrit par le rapport (P/(Al+Fe))ox obtenu par une extraction à l’oxalate acide d’ammonium (Khiari et al. 2000). Ainsi, un niveau de saturation élevé augmente les risques de contamination de l’eau de surface par l’apport de P soluble via le ruissellement de surface et les eaux de drainage ainsi que par l’érosion de particules de sol riches en P (Beaudet et al. 1998). Cette composante a été intégrée au sous-indice de source de certains IRP.

7) Teneur en Al du sol. La teneur en Al réactif du sol est considérée comme un bon indicateur de la biodisponibilité du P du sol suite à l’incorporation d’engrais minéraux et organiques (Jokela 1999). Ainsi, après l’incorporation d’engrais au sol, un taux élevé d’Al réactif est l’indicatif d'une forte augmentation de la fixation du P dans le sol.

8) Gel / dégel. Des études sur les résidus de cultures ont démontré qu’après une période de gel, les résidus de culture libèrent une quantité de P augmentant la concentration de P dans les eaux de ruissellement (Uhlen 1989). Ainsi, le taux de P des résidus de cultures laissés au sol durant l’hiver a été intégré au sous-indice de source (Bechmann et al. 2003).

9) P excédentaire. Le P excédentaire correspond au rapport du P importé par les engrais (Beaudet et al. 1998; Bolinder et al. 2000) et est intégré comme une des composantes du sous-indice de source.

En plus des modifications concernant l’ajout de composantes de l’IRP, on retrouve, dans les versions modifiées de IRP, une grande hétérogénéité des poids accordés aux composantes et dans la structure même de l’IRP. Dans le modèle de Lemunyon et Gilbert (1993), les valeurs pondérées des classes de risques (VPCRi) sont additionnées afin d’obtenir l’indice final. Cette façon de calculer l’indice final est dite additive. Une façon alternative de calculer l’IRP final consiste 1) à regrouper séparément les composantes de deux sous-indices : sources du P et transport du P, 2) à additionner les VPCRi séparément pour les composantes de ces deux sous-indices, et 3) à multiplier ces deux sous-indices pour obtenir l'IRP final. Ainsi, même si le sous-indice transport du P est élevé mais que le sous-indice source est faible, l’indice final sera faible, et vice-versa (Sharpley et al. 2001b). Ce type de modèle est dit multiplicatif (Gburek et al. 2000; Giasson et al. 2003). De façon générale, l’IRP de type multiplicatif ou additif comprend deux sous-indices, un de transport et un de source, qui sont soit additionnés, soit multipliés. Toutefois, certains modèles d'IRP utilisent trois sous-indices de transport (NRCS 2001), soit les indices d’érosion, de ruissellement et de drainage souterrain. Ces trois sous-indices de transport regroupent en fait des composantes de source et des composantes de transport, tel que la composante de la concentration du P total à la surface du sol pour le sous-indice d’érosion. On retrouve aussi dans les IRP existants d’autres combinaisons de sous-indices et de composantes, reflétant les particularités régionales.

Les modèles, qu’ils soient quantitatifs ou qualitatifs, se basent sur des opérations mathématiques qui combinent plusieurs variables d’entrée afin de représenter le plus adéquatement possible la réalité dans un objectif de prédiction (Tarantola et al. 2002). La capacité d’un modèle à refléter la réalité dépend, en grande partie, de l’exactitude des valeurs des variables d’entrée du modèle, de l’interaction entre les variables, du niveau de connaissance des phénomènes physiques, biologiques et chimiques impliqués et de la structure du modèle. Les modèles doivent donc être vérifiés, et validés avant de pouvoir être utilisés.

L’analyse de sensibilité est un élément clé de l’utilisation des modèles environnementaux (Dubus et Brown 2002). C'est une des étapes de vérification d'un modèle et son importance est depuis longtemps reconnue (McCuen 1973). L'analyse de sensibilité sert d’outil d’évaluation, de calibration et de formulation des modèles utilisés dans la définition des politiques environnementales (Pamela 1989; Nearing et al. 1990; Tarantola 2002). L’analyse de sensibilité peut être définie comme la quantification de l'effet d'une ou de plusieurs variables d'entrée sur la ou les variables de sortie. Il existe plusieurs types d’analyses de sensibilité; elles sont ici séparées en deux groupes, soit les analyses à variations fixes et les analyses stochastiques qui sont décrites plus en détails dans les sections suivantes.

Les analyses de sensibilité à variation fixes résultent en un coefficient de sensibilité représentant les variations de la variable de sortie du modèle suite à une variation de la valeur d’une des variables d’entrée (Zhang et Haan 1996). Chaque variable d’entrée se voit attribuer une valeur de base qui représente les conditions du milieu. L’analyse de sensibilité s’effectue en faisant varier la valeur de base d’une variable d’entrée en gardant toutes les autres variables d’entrée à leurs valeurs de base respectives. En modifiant la valeur de base de seulement une variable d’entrée à la fois, les analyses de sensibilité à variations fixes ne peuvent couvrir qu’une partie de toutes les combinaisons des valeurs possibles des variables d'entrée.

L’analyse de sensibilité à variations fixes a été utilisée pour des modèles hydrologiques tels que HSPF (Jacomino et Field 1997), WEPP (Nearing et al. 1990; Baffaut et al. 1996) et SWMHMS (Haan et al. 1995). Au Québec, Duchemin et al. (2003) ont utilisé ce type d’analyse pour étudier la sensibilité du modèle CEQÉROSS. Des analyses de sensibilité à variations fixes ont aussi été utilisées avec des modèles hydrologiques spécifiques au transport des contaminants, dont deux modèles d’évaluation des pertes de P au niveau du bassin versant, soit FHANTM (Zhang et Haan 1996) et CREAMS-WT (Wagner et al. 1996).

Selon Nearing et al. (1990), les analyses de sensibilité à variations fixes ont deux limitations:

1) La corrélation entre les variables d’entrée n’est pas considérée, pouvant ainsi générer des valeurs irréalistes de la variable de sortie.

2) Les analyse de sensibilité à variation fixes sont souvent basées sur des variations de +/- 5%, 10%... autour de la valeur de base des variables d’entrée du modèle. Le coefficient de sensibilité à variations fixes attribué à chacune des variables d’entrée ne reflète pas nécessairement la complexité d’un modèle donné, puisque les valeurs de base ainsi que leurs variations pour chacune des variables d’entrée ne représentent pas toute la complexité de la distribution de la densité de probabilité de la variable d’entrée.

Cette approche intègre les densités de probabilité de chacune des variables d'entrée au lieu de leurs valeurs de base. L’utilisation des densités de probabilité permet d’enlever les limites des analyses à variations fixes; 1) en incluant la corrélation entre les variables d’entrée, 2) en utilisant toute la densité de probabilité des variables d’entrée au lieu de seulement quelques valeurs et 3) en traitant simultanément toutes les variables d’entrée. Les analyses de sensibilité de type stochastique représentent le modèle comme un système dynamique et non statique (Dubus et Brown 2002). Selon Biesemans et al. (2000), il est préférable d’utiliser les densités de probabilité au lieu de valeurs déterministes des variables d’entrée dans la modélisation des processus environnementaux.

La technique de Monte Carlo (MC) date de la fin de la seconde Guerre Mondiale, lorsqu’un groupe de physiciens a commencé à utiliser la simulation de nombres aléatoires pour étudier certains processus complexes. Le terme Monte Carlo fait référence à une maison de jeux sur la Côte d’Azur (Simon 1999). Les simulations de MC sont des techniques numériques opérant sur des systèmes complexes ayant des composantes aléatoires. Une simulation comprend un nombre suffisant d’itérations pour estimer la densité de probabilité de la variable de sortie du modèle. L’itération consiste en la répétition d'une séquence d'instructions, ou d'une partie de programme, un nombre de fois fixé à l'avance ou tant qu'une condition définie n'est pas remplie, dans le but de reprendre un traitement sur des données différentes (Grand dictionnaire terminologique 2005). Selon la technique MC, le logiciel utilisé sélectionne une valeur pour chaque variable d'entrée selon sa densité de probabilité, puis le modèle génère une valeur de la variable de sortie. Cette procédure est répétée un nombre suffisant itérations pour estimer la densité de probabilité de la variable de sortie (Hession et al. 1996a). Par leur conception simple, par l'utilisation des densités de probabilité des variables d'entrée et par l'obtention de la densité de probabilité de la variable de sortie, les techniques de MC sont privilégiées pour l'étude de la variabilité et de l’incertitude des modèles hydrologiques complexes (Hession et al. 1996a; Tarantola et al. 2002).

Les techniques de MC ont été utilisées pour effectuer des analyses de sensibilité sur des modèles hydrologiques et de transport de contaminants agricoles. La détermination des variables d'entrée auxquelles un modèle est le plus sensible peut se faire de deux façons. Premièrement, par l’attribution aux variables d’entrée d’un coefficient de corrélation partiel entre les valeurs d’une des variables d’entrée et les valeurs de la variable de sortie. Deuxièmement, par l’attribution aux variables d’entrée de coefficients normalisés de régression linéaire multiple, qui compare l’influence simultanée des valeurs de toutes les variables d’entrée aux valeurs de la variable de sortie. Ainsi, les variables d’entrée ayant les coefficients partiels et normalisés les plus élevés sont celles qui font le plus varier la sortie du modèle.

Tattari et al. (2001) ont effectué une analyse de sensibilité du modèle ICE-CREAM en utilisant des coefficients de corrélation partiels. Ce modèle décrit le cycle du phosphore dans le sol ainsi que son transport vers l’eau pour les régions froides de la Finlande. Les analyses de sensibilité utilisant les coefficients de régression multiple ont aussi été effectuées sur certains autres modèles, telle la composante d’irrigation du modèle GLEAMS-IR (Wedwick et al. 2001), le modèle RZWQM développé pour simuler les processus physiques, chimiques et biologiques de la zone racinaire affectée par les pratiques agricoles (Ma et al. 2000), et le modèle MACRO évaluant l’écoulement préférentiel en fonction de la porosité du sol (Dubus et Brown 2002). Les analyses de sensibilité stochastiques nécessitent des outils informatiques de simulation facilitant la manipulation des données.

Plusieurs logiciels sont utilisés pour faciliter l'application des techniques de MC avec des modèles environnementaux. Le programme SENSAN (Dubus et Brown 2002) a été utilisé pour l’analyse du modèle MACRO et le logiciel UNCSAM a servi pour étudier le modèle ICE-CREAM (Tattari et al. 2001). Le logiciel @RISK (Palisade 2002) a été utilisé sur modèle USLE (l’équation universelle des pertes de sol) (Wischmier et Smith 1978) et sur le modèle EUTROMOD qui évalue les risques écologiques pour les écosystèmes d’eau douce à l’échelle du bassin versant (Hession et al. 1996a; 1996b). Il semble que pour les modèles d’IRP, aucune analyse de sensibilité stochastique n’a été faite jusqu'à ce jour.

L'objectif principal de cette recherche est d’effectuer une analyse de sensibilité stochastique sur le modèle d’indice de risque de perte de phosphore (IRP) tel que défini par Beaudet et al. (1998), afin d’évaluer l’influence des paramètres d’entrée sur l'indice des pertes de phosphore. Les objectifs spécifiques sont:

1) d'évaluer la sensibilité de l'IRP à chacune des composantes;

2) d'évaluer la sensibilité de l'IRP à l'ensemble des variables composant ce modèle. En effet, chaque composante de l'IRP nécessite plusieurs variables de base et intermédiaires qui sont utilisées pour calculer cette composante. Cette étude a donc été plus loin que l'analyse des composantes de l'IRP et a voulu déterminer lesquelles des variables de base constituant l'IRP influencent le plus la valeur finale de l'IRP.

© Lucie Beaulieu, 2005