Prédiction des temps de renouvellement dans les aquifères de socle à partir des données de datation des eaux
Résumé
Les distributions des temps de transit jouent un rôle central dans les processus de transport, dans l’interprétation des traceurs anthropogéniques ainsi que dans les prédictions portant sur les ressources en eau souterraine dans les aquifères de socle. Cependant elles ne sont pas accessibles directement à l’aide de mesures de terrain. Seules certains moments peuvent être déduites à partir des concentrations en traceurs anthropogéniques, souvent appelées données d’âges de l’eau. Nous évaluons les capacités prédictives de l’information contenue dans les concentrations des traceurs anthropogéniques sur les temps de renouvellement dans les aquifères grâce à l’utilisation de modèles approchés de distributions paramétriques. Pour cela, nous développons une méthodologie reposant sur un aquifère synthétique représentant l’aquifère de socle de Ploemeur (Bretagne, France) utilisé pour fournir en tout point de l’aquifère, des références pour les quantités observables (concentrations anthropogéniques des traceurs CFC-11, 85Kr et SF6), des références pour des quantités «non-observables» (la distribution des temps de transit) et des références en terme de prédiction (temps de renouvellement dans l’aquifère). Les prédictions réalisées à partir de plusieurs modèles approchés (Lumped Parameters Models) à un, deux ou trois paramètres sont comparées en tout point aux résultats synthétiques en fonction de la quantité de données utilisées. L’utilisation d’un seul traceur donne de mauvaises prédictions différant de 7 à 12 ans des prédictions de référence. L’utilisation de deux traceurs anthropogénique suffisamment différent ne réduit pas seulement les erreurs mais conduit à des prédictions précises avec une erreur de l’ordre de 3 ans. L’utilisation d’un troisième traceur anthropogénique n’améliore pas le pouvoir prédictif de ces modèles. Une analyse a posteriori révèle que les distributions de temps de transit de référence varient considérablement de distributions bien piquées dans les zones de recharge à des distributions plus larges dans les zones de convergence. Néanmoins, le même Lumped Parameters Model que ce soit une inverse gaussienne ou une exponentielle shiftée donne des prédictions excellentes quelque soit la position dans l’aquifère. Dans les schémas de circulation où les procédés de mélange et de convergence prévalent, les distributions larges semblent plus adaptées que les modèles multimodaux ou les modèles «shape-free».