UNIVERSITE LOUIS PASTEUR

INSTITUT DE MECANIQUE DES FLUIDES ET DES SOLIDES

UMR CNRS 7507

THESE

Présentée en vue de l’obtention du grade de

DOCTEUR DE L’UNIVERSITE LOUIS PASTEUR DE STRASBOURG

Spécialité : Mécanique des Fluides

par

Charles DANQUIGNY

ETUDE EXPERIMENTALE DU TRANSFERT DE

MASSE EN MILIEU POREUX HETEROGENE

Soutenue le 17 décembre 2003 devant le jury constitué de :

Y. Rémond Rapporteur interne
B. Noetinger Rapporteur externe
F. Stauffer Rapporteur externe
P. Ackerer Directeur de Thèse
A. Guadagnini Examinateur
A Paul Dessaint, mon grand-père…
 Avant-propos

Avant-propos

La première page lue est la dernière écrite, l’occasion de se retourner vers le travail
accompli et les personnes qui l’ont rendu possible. Je pense tout d’abord à Monsieur Philippe
Ackerer, Directeur de Recherche au CNRS, qui m’a accueilli chaleureusement au sein de
l’équipe « hydrodynamique et transferts en milieux poreux », m’a guidé, soutenu et
encouragé pendant ces quatre années. Pour toutes ces qualités qui font de lui un directeur de
thèse apprécié, je lui dis un grand merci.

Je remercie M. Yves Remond, Professeur à l’ULP et Directeur de l’IMFS, pour m’avoir

accueilli dans son institut, avoir accepté de faire partie du jury en tant que rapporteur interne
et pour tout l’intérêt qu’il a montré envers mon travail. J’exprime aussi toute ma
reconnaissance aux personnes qui ont accepté d’être membres du jury :
Messieurs A. Guadagnini, professeur à l’université de Milan, B. Noetinger, chercheur à
l’Institut Français du Pétrole et F. Stauffer, professeur titulaire à l’école polytechnique de
Zurich ETHZ.

J’adresse un grand merci à Monsieur Claude Veit, responsable de l’atelier de l’IMFS,

qui a construit et réparé le modèle physique de laboratoire présenté dans ce mémoire. Il a su
répondre à la plupart de nos demandes, parfois farfelues mais toujours pressées. J’en profite
pour m’excuser auprès de lui pour tout le matériel que j’ai pu cassé…

Je pense à mes collègues et amis qui m’ont aidé et supporté : mes collègues de bureau,
Luc Pierrejean (O’brother…), Jean-Bernard Bardiaux et Benjamin Belfort, pour leur amitié,
leur culture, leur humour et leur patience ; François Lehmann, pour son soutien et toutes ces
discussions réconfortantes autour d’un café, mais aussi pour sa vision de l’enseignement et
des expériences de laboratoire ; Jérome Carrayrou, pour son amitié, sa sympathie et son
appétit ; Abdel Lyazid, pour m’avoir plus que bien encadré pendant mon monitorat ; Anne
Engelman, Nicolas Péquignot, Fabrice Lawniczak (un intrus dans les milieux poreux) et toute
l’équipe actuelle des milieux poreux ; les anciens doctorants, Manuel de Atocha Cortazar
Hernandez etc. (El chico del Mexico), Jean-philippe Carlier, Dana Lintea, Nicolaï Sirbu,
Julien Tournebize ; l’ancien permanent qui a su me convaincre de rejoindre l’équipe, Robert
Mosé et enfin, M. Frédérick Delay, professeur à l’Université de Poitiers, qui a su m’éclairer à
chacun de ses passages à Strasbourg.

1
Avant-propos

Je remercie aussi mes parents, en particulier mon frère Laurent, qui les premiers m’ont
encouragé et se sont inquiétés… Je remercie aussi mes amies strasbourgeoises, Christine et
Stéphanie, pour leur soutien durant ces derniers mois.

Ma dernière pensée va à ma fiancée, Hélène, qui a subit l’envers du décor…

Merci pour l’intérêt que tu portes à mon travail, ta patience, ton soutien, ta cuisine et toutes
ces lectures, certainement ennuyeuses pour une néophyte.

2
 Sommaire

Sommaire
Sommaire ................................................................................................................................... 3
Listes des symboles et notations ................................................................................................ 7
Liste des figures ......................................................................................................................... 9
Liste des tableaux ..................................................................................................................... 13

Introduction ............................................................................................................................ 15

Chapitre 1 : Notions de base et théorie des changements d’échelle ................................... 17

1. Introduction..................................................................................................................... 17
2. Hydrodynamique et transport en milieux poreux ........................................................... 17
2.1. Propriétés du milieu poreux..................................................................................... 17
2.1.1. La porosité ........................................................................................................ 17
2.1.2. La perméabilité ................................................................................................. 18
2.1.3. La dispersion..................................................................................................... 19
2.2. Intégration spatiale des propriétés ........................................................................... 22
2.2.1. L’approche déterministe : le Volume Elémentaire Représentatif (V.E.R..)..... 22
2.2.2. L’approche statistique : les Fonctions Aléatoires Spatiales (F.A.S.) ............... 23
2.2.3. Milieux uniforme, homogène et hétérogène..................................................... 24
2.3. Equations générales de l’écoulement et du transport en milieu poreux .................. 25
2.3.1. L’hydrodynamique ........................................................................................... 25
2.3.2. Le transfert de masse ........................................................................................ 25
3. Notions d’échelles et de paramètres équivalents ............................................................ 26
3.1. Classification des échelles de l’écoulement ............................................................ 26
3.2. Le milieu homogène équivalent............................................................................... 27
3.3. La théorie stochastique ............................................................................................ 28
3.3.1. Présentation ...................................................................................................... 28
3.3.2. Exemples d’application : solutions analytiques du transport ........................... 28
3.4. Calcul théorique des paramètres équivalents........................................................... 30
3.4.1. La perméabilité équivalente.............................................................................. 30
3.4.2. La macrodispersion........................................................................................... 38
4. Conclusion ...................................................................................................................... 42

3
Sommaire

Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire.......... 45

1. Introduction..................................................................................................................... 45
2. Protocoles des essais de traçage de laboratoire .............................................................. 46
2.1. Les milieux poreux .................................................................................................. 46
2.1.1. Les milieux fractals .......................................................................................... 46
2.1.2. Les milieux aléatoires....................................................................................... 47
2.2. Influence de l’hydrodynamique ............................................................................... 48
2.3. Les traceurs.............................................................................................................. 49
2.3.1. Les traceurs fluorescents .................................................................................. 50
2.3.2. Les traceurs ioniques ........................................................................................ 50
2.4. Débits et hauteurs piézométriques ........................................................................... 51
2.4.1. Mesures de débits ............................................................................................. 52
2.4.2. Mesures piézomètriques ................................................................................... 52
2.5. Méthodes d’analyse ................................................................................................. 53
2.5.1. La méthode du t0,5 ............................................................................................. 53
2.5.2. La méthode des moments ................................................................................. 55
2.5.3. La modélisation numérique .............................................................................. 57
2.5.4. L’approche stochastique ................................................................................... 58
3. Les modèles physiques de laboratoires........................................................................... 59
3.1. Les expériences 1D.................................................................................................. 59
3.1.1. Qualités des expériences 1D............................................................................. 62
3.1.2. Matériels et méthodes ....................................................................................... 62
3.1.3. Résultats et conclusions.................................................................................... 62
3.2. Les expériences 2D.................................................................................................. 64
3.2.1. Qualités des expériences 2D............................................................................. 66
3.2.2. Matériels et méthodes ....................................................................................... 66
3.2.3. Résultats et conclusions.................................................................................... 66
4. Conclusions..................................................................................................................... 69

Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire............. 71

1. Introduction..................................................................................................................... 71
2. Présentation du MARCEAUS ........................................................................................ 72
2.1. La cuve expérimentale et le système d’alimentation ............................................... 72

4
 Sommaire

2.1.1. Présentation générale........................................................................................ 72

2.1.2. L’alimentation en eau et en traceur .................................................................. 73
2.2. Le milieu poreux...................................................................................................... 74
2.2.1. Construction du milieu poreux ......................................................................... 74
2.2.2. Loi de covariance.............................................................................................. 76
2.3. Le dispositif de mesures .......................................................................................... 77
2.3.1. Les débits.......................................................................................................... 78
2.3.2. La piézométrie .................................................................................................. 78
2.3.3. Les concentrations ............................................................................................ 79
3. Résultats expérimentaux ................................................................................................. 84
3.1. Introduction.............................................................................................................. 84
3.2. Protocole expérimental ............................................................................................ 84
3.3. Expériences réalisées ............................................................................................... 85
3.3.1. L’écoulement uniforme : TT1W0..................................................................... 86
3.3.2. Les pompages ................................................................................................... 88
3.3.3. Les « injection – pompage »............................................................................. 94
3.4. Analyse des résultats................................................................................................ 99
3.4.1. Vérification de la conservation de la masse ..................................................... 99
3.4.2. Etude de la reproductibilité des expériences .................................................. 100
4. Conclusion .................................................................................................................... 100

Chapitre 4 : Estimation de paramètres équivalents .......................................................... 103

1. Introduction................................................................................................................... 103
2. Calcul des paramètres équivalents................................................................................ 103
2.1. Résultats théoriques ............................................................................................... 103
2.1.1. Perméabilité équivalente du MARCEAUS .................................................... 103
2.1.2. Macrodispersivité du MARCEAUS ............................................................... 104
2.2. Premiers résultats expérimentaux .......................................................................... 104
2.2.1. Estimation de la perméabilité équivalente en écoulement uniforme .............. 104
2.2.2. Estimation de la vitesse de pores en écoulement uniforme ............................ 105
2.3. Conclusions............................................................................................................ 105
3. Cas de l’écoulement uniforme ...................................................................................... 106
4. Cas du pompage............................................................................................................ 141

5
Sommaire

4.1. Présentation du modèle numérique........................................................................ 141

4.2. Résultats des simulations....................................................................................... 142
4.3. Analyse des résultats.............................................................................................. 145
4.3.1. Sensibilité des paramètres fixes du modèles .................................................. 145
4.3.2. Sensibilité des paramètres ajustés................................................................... 146
4.3.3. Etude de la perméabilité équivalente.............................................................. 148
4.3.4. Etude de la macrodispersivité......................................................................... 149
5. Cas de l’injection – pompage........................................................................................ 149
5.1. Présentation du modèle numérique........................................................................ 149
5.2. Résultats des simulations....................................................................................... 150
5.3. Analyse des résultats.............................................................................................. 152
5.3.1. Etude de la sensibilité des paramètres ajustées .............................................. 152
5.3.2. Analyse des paramètres ajustés ...................................................................... 154
6. Effet des conditions aux limites sur les paramètres équivalents................................... 155
7. Conclusion .................................................................................................................... 156

Chapitre 5 : Modélisation tridimensionnelle des expériences .......................................... 159

1. Introduction................................................................................................................... 159
2. Modélisation par éléments finis mixtes et discontinus ................................................. 159
2.1. Présentation du modèle TRACES ......................................................................... 159
2.2. Résultats................................................................................................................. 160
3. Modélisation par marche au hasard .............................................................................. 164
3.1. Introduction............................................................................................................ 164
3.2. Simulation de l’expérience TT1W0....................................................................... 165
3.3. Influence des puits sur les résultats de simulation................................................. 168
4. Conclusion .................................................................................................................... 170

Conclusions et Perspectives ................................................................................................. 173

Références bibliographiques ............................................................................................... 177

Annexe A : Cartes du remplissage du MARCEAUS ....................................................... 189

Annexe B : La marche au hasard, approche théorique................................................... 193

6
 Liste des symboles et notations

Listes des symboles et notations

Ai : le coefficient de macrodispersivité [ L]
C : la concentration  M ⋅ L-3 
C
C0
: la concentration réduite [ -]
D0 : le coefficient de diffusion moléculaire  L2 ⋅ T -1 
Di : le coefficient de dispersion dans la direction i  L2 ⋅ T -1 
e : le coefficient d'anisotropie [ -]
h : la charge hydraulique ou hauteur piézométrique [ L]
k : la perméabilité intrinsèque  L2 
K : la perméabilité  L ⋅ T -1 
l : la distance entre la source et le puits [ L]
li : la longueur de corrélation dans la direction i [ L]
N : le nombre d'Avogadro, N = 6,023·1023
q : la vitesse de Darcy  L ⋅ T -1 
Q : le débit  L3 ⋅ T -1 
R : la constante des gaz parfaits, R = 8,32 kg ⋅ m 2 ⋅ s ⋅ K -1
s : le coefficient d'emmagasinement spécifique  L-1 
T : la température absolue [K ]
t : le temps [T]
t' : le temps mis sous forme adimensionnelle [ -]
Y : la log conductivité, Y = ln ( K ) [ -]
αi : le coefficient de dispersivité locale [ L]
i = L, longitudinal ; i = T, transversal
γ : la conductivité électrique  L−3 ⋅ M −1 ⋅ T 3 ⋅ I 2 
µ : la viscosité dynamique  M ⋅ L-1 ⋅ T -1 
ρ : la masse volumique du fluide  M ⋅ L-3 
σ Y2 : la variance de la logconductivité [ −]
ω : la porosité [ −]
ωc : la porosité cinématique ou efficace [ −]

7
 Liste des figures

Liste des figures

Figure 1-1 : Schéma hydrodispersif d’un traceur, convection et dispersion
(Bear, 1979). ....................................................................................................... 19
Figure 1-2 : Distribution des vitesses entre les pores (Bear, 1979).......................................... 21
Figure 1-3 : Evolution de la fonction porosité au voisinage d’un point du milieu
poreux. Définition du volume élémentaire représentatif (Bear, 1972). .............. 23
Figure 1-4 : Configuration étudiée (Carlier, 2002). ................................................................. 29
Figure 1-5 : Configuration étudiée (Carlier et Ackerer, 2003). ............................................... 30
Figure 1-6 : Calcul des bornes de Cardwell et Parsons (Renard, 1996)................................... 32
Figure 2-1 : Remplissage du modèle physique MARCEAUS avec des grilles de
séparation. ........................................................................................................... 48

Figure 2-2 : Détermination des temps t0,16, t0,5, t0,84 pour le calcul de U et αL......................... 54

Figure 3-1 : Vue générale du MARCEAUS............................................................................. 72

Figure 3-2 : Vue schématique du MARCEAUS. ..................................................................... 73
Figure 3-3 : Vue schématique du remplissage du MARCEAUS. ............................................ 75
Figure 3-4 : Photos des cubes de sable..................................................................................... 75
Figure 3-5 : Variogramme des couches du milieu poreux du MARCEAUS. .......................... 76
Figure 3-6 : Vue schématique du milieu poreux hétérogène du MARCEAUS. ...................... 77
Figure 3-7 : Prise et capteur de pression. ................................................................................. 78
Figure 3-8 : Localisation des puits, piézomètres et cellules de conductivité. .......................... 79
Figure 3-9 : Photo et schéma des cellules de conductivités du MARCEAU'S ........................ 80
Figure 3-10 : Détermination de la concentration relative à une cellule de référence –
TT4W1. ............................................................................................................... 83
Figure 3-11 : Hauteurs d'eau dans la cuve - TT1W0................................................................ 86
Figure 3-12 : Concentrations moyennes dans les sections 1 et 14 – TT1W0. ......................... 87
Figure 3-13 : Observation de l'augmentation de la concentration dans le milieu
poreux – TT1W0................................................................................................. 88
Figure 3-14 : Mesures de pression durant le régime transitoire – TT1W1. ............................. 89
Figure 3-15 : Concentrations dans les sections 1 et 14, et à la sortie du puits de
pompage- TT1W1. .............................................................................................. 90

9
Liste des figures

Figure 3-16 : Observation de l'augmentation de la concentration dans le milieu

poreux – TT1W1................................................................................................. 90
Figure 3-17 : Concentrations dans les sections 1 et 14, et à la sortie du puits de
pompage- TT2W1. .............................................................................................. 91
Figure 3-18 : Concentrations dans les sections 1, 14 et à la sortie du puits de
pompage- TT3W1. .............................................................................................. 91
Figure 3-19 : Observation de l'augmentation de la concentration dans le milieu
poreux – TT3W1................................................................................................. 92
Figure 3-20 : Concentrations dans les sections 1 et 14, et à la sortie du puits de
pompage- TT4W1. .............................................................................................. 93
Figure 3-21 : Observation de l'augmentation de la concentration dans le milieu
poreux – TT4W1................................................................................................. 93
Figure 3-22 : Concentration à la sortie du puits pour les expériences de pompage. ................ 94
Figure 3-23 : Concentrations à l’entrée du puits d’injection et à la sortie du puits de
pompage- TT1W2. .............................................................................................. 95
Figure 3-24 : Observation de l'évolution de la concentration dans le milieu poreux –
TT1W2. ............................................................................................................... 96
Figure 3-25 : Concentrations à l’entrée du puits d’injection et à la sortie du puits de
pompage- TT2W2. .............................................................................................. 97
Figure 3-26 : Observation de l'évolution de la concentration dans le milieu poreux –
TT2W2. ............................................................................................................... 97
Figure 3-27 : Comparaison des résultats expérimentaux aux solutions analytiques –
TT1W2 & TT2W2. ............................................................................................. 98
Figure 3-28 : Comparaison des concentrations à la sortie du puits de pompage –
TT1W2 a & b .................................................................................................... 100
Figure 4-1: Schematic presentation of the setup. ................................................................... 111
Figure 4-2: Two representative layers of the channel structured porous medium. ................ 113
Figure 4-3 : Typical BTCs for the channel structured porous medium. ................................ 116
Figure 4-4: Typical BTCs for the statistical correlated structured porous medium.............. 117
Figure 4-5: Average BTCs for the channel structured porous medium. ................................ 118
Figure 4-6: Average BTCs for the statistical correlated porous medium. ............................. 119

10
 Liste des figures

Figure 4-7: Normal plot for BTCs for the channel structured porous medium...................... 122
Figure 4-8: Fitted velocities (line+symbols) and analytical velocity (line) based on
the effective hydraulic conductivity.................................................................. 124
Figure 4-9: Measured (symbols) and computed (lines) average arithmetic and flux
BTCs for the channel structured porous medium. ............................................ 125
Figure 4-10: Dispersivity coefficients obtained by model fitting on arithmetic and
flux averaged BTCs. ......................................................................................... 127
Figure 4-11: Evolution of concentration distribution variance with time.............................. 127
Figure 4-12: Normal plot for BTCs for the statistically correlated structured porous
medium.............................................................................................................. 129
Figure 4-13: Measured (symbols) and computed (lines) average arithmetic and flux
BTCs for the statistical correlated structured porous medium.......................... 130
Figure 4-14: Fitted velocities (line+symbols) and analytical velocity (line) based on
the effective hydraulic conductivity.................................................................. 131
Figure 4-15: Dispersivity coefficients obtained by model fitting on arithmetic and
flux averaged BTCs for the correlated structured medium............................... 133
Figure 4-16: Evolution of concentration distribution variance with time.............................. 133
Figure 4-17 : Validation du maillage 140 x 25 mailles - TT4W1.......................................... 141
Figure 4-18 : Résultats des simulation réalisées avec Modflow – TT1W1. .......................... 143
Figure 4-19 : Résultats des simulation réalisées avec Modflow – TT2W1. .......................... 143
Figure 4-20 : Résultats des simulation réalisées avec Modflow – TT3W1. .......................... 144
Figure 4-21 : Résultats des simulation réalisées avec Modflow – TT4W1. .......................... 144
Figure 4-22 : Evaluation de la sensibilité de la porosité - TT1W1. ....................................... 145
Figure 4-23 : Evaluation de la sensibilité du rapport entre les dispersivités
longitudinale et transversale.............................................................................. 146
Figure 4-24 : Etude de la sensibilité de la perméabilité et la dispersivité pour les
pompages. ......................................................................................................... 146
Figure 4-25 : Validation du maillage "280 x 50" pour un même jeu de paramètres –
TT1W1. ............................................................................................................. 150
Figure 4-26 : Résultats des simulations réalisées avec Modflow – TT1W2.......................... 151
Figure 4-27 : Résultats des simulations réalisées avec Modflow – TT2W2.......................... 152

11
Liste des figures

Figure 4-28 : Etude de la sensibilité de la perméabilité et la dispersivité pour les

injection – pompage. ......................................................................................... 153
Figure 5-1 : Comparaison des concentrations mesurées (points) aux concentrations
simulées avec TRACES (lignes) – TT1W0. ..................................................... 161
Figure 5-2 : Evolution de la concentration simulée à x = 0, 50, 100, 150, 200, 250,
300, 350, 400 cm et t = 500 min – TT1W0....................................................... 162
Figure 5-3 : Concentrations et champ de vitesses simulés dans 6 plans horizontaux et
verticaux à t = 500min– TT1W0....................................................................... 163
Figure 5-4 : Comparaison des concentrations mesurées (points) aux concentrations
simulées avec la marche au hasard (lignes), φ = 3,5cm – TT1W0. .................. 167

Figure 5-5 : Comparaison des concentrations mesurées (points) aux concentrations

simulées avec la marche au hasard (lignes), φ = 2,5cm – TT1W0. ................. 168

Figure 5-6 : Comparaison des concentrations mesurées (points) aux concentrations

simulées avec la marche au hasard (lignes), φ = 3,5cm – TT4W1. ................. 169

Figure 5-7 : Comparaison des concentrations mesurées (points) aux concentrations

simulées avec la marche au hasard (lignes), φ = 3,5cm – TT1W2. ................. 169

12
 Liste des tableaux

Liste des tableaux

Tableau 2.1 : Présentation synthétique des modèles physiques de laboratoire 1D. ................. 61
Tableau 2.2 : Présentation synthétique des modèles physiques de laboratoire 2D. ................. 65
Tableau 3.1 : Caractéristiques des sables calibrés.................................................................... 75
Tableau 3.2 : Coordonnées des puits et piézomètres dans le MARCEAUS. ........................... 79
Tableau 3.3 : Coordonnées et sable environnant des 10 cellules étudiées en
écoulement uniforme........................................................................................... 87
Tableau 3.4 : Synthèse des conditions aux limites des expériences de pompage. ................... 89
Tableau 3.5 : Coordonnées et sable environnant des 10 cellules étudiées pour
l'injection – pompage. ......................................................................................... 95
Tableau 4.1 : perméabilités équivalentes théoriques (cm/min).............................................. 104
Tableau 4.2 : Paramètres équivalents simulés pour chaque pompage avec le logiciel
Modflow............................................................................................................ 142
Tableau 4.3 : Coefficients de sensibilité de la perméabilité et dispersivité pour les
pompages. ......................................................................................................... 147
Tableau 4.4 : Sommes des écarts relatifs au carré entre les concentrations simulées et
mesurées pour les pompages............................................................................. 147
Tableau 4.5 : Paramètres équivalents simulés pour chaque injection - pompage avec
le logiciel Modflow........................................................................................... 151
Tableau 4.6 : Coefficients de sensibilité de la perméabilité et dispersivité pour les
injection -pompage............................................................................................ 153
Tableau 4.7 : Paramètres équivalents déterminés pour chaque expérience. .......................... 155
Tableau 4.8 : Sommes des écarts relatifs au carré entre les concentrations simulées et
mesurées pour les injection – pompage. ........................................................... 156
Tableau 5.1 : plages de perméabilité ajustées pour simuler TT1W0 avec TRACES............. 160

13
 Introduction

Introduction

Il existe en France environ 33 250 captages d'eau potable, à 94 % d'origine souterraine.

La protection de ces captages constitue une nécessité pour assurer la sauvegarde de la qualité
des eaux distribuées aux usagers. Obligatoire depuis 1935, mais réellement appliquée depuis
une dizaine d'années, la définition de périmètres de protection nécessite une bonne
connaissance des caractéristiques hydrodynamiques des nappes concernées.

Parallèlement, 2963 sols ou nappes pollués étaient recensés en 2001 sur la métropole. La
surveillance voire la remédiation de ces sites suppose aussi que leur fonctionnement soit
connu. La mise en œuvre de pompage ou injection – pompage implique une maîtrise de ces
techniques de dépollution et de leur dimensionnement.

L'instauration d'une injection ou d’un pompage modifie l’hydrodynamique de la nappe. Les

effets de cette modification du régime d'écoulement sur des caractéristiques à grande échelle
telles que la perméabilité, le champ de vitesses ou la dispersivité sont mal connus.

Par ailleurs, le milieu naturel, fortement hétérogène, est difficile à caractériser. La

définition des paramètres comme des variables spatiales reste problématique : quelle valeur
moyenne faut-il attribuer à l’échelle régionale pour une grandeur qui varie à l’échelle locale ?
La géostatistique et les théories stochastiques tentent d’apporter des solutions.

Faut-il encore comprendre le passage d'une échelle à l'échelle supérieure pour adapter les
propriétés au milieu étudié. En particulier dans la modélisation numérique, il est souvent
nécessaire d'attribuer une valeur de paramètre à une maille qui représente un grand volume
dans lequel le paramètre varie. La mesure de ces grandeurs implique aussi la définition d'une
échelle de mesure, qui peut être différente de l’échelle de la maille de calcul. Le changement
d'échelles est donc important dans la définition des propriétés.

La définition stochastique des propriétés, l'application de solutions théoriques ou le

changement d'échelles nécessitent d'une part que ces méthodes aient été validées, d'autre part
que des données sur le milieu poreux étudié soient disponibles. L'étude expérimentale des
milieux poreux intervient alors pour fournir ces données.

15
Introduction

Le but de ce travail de thèse est ainsi d'étudier la détermination de paramètres

équivalents à partir de résultats expérimentaux. Il s'agit dans un premier temps de concevoir, à
l'échelle du laboratoire, un milieu poreux caractérisé par ses propriétés géostatistiques, de
l'équiper d'un dispositif de mesure adéquat pour y réaliser ensuite des essais de traçage selon
différents régimes d'écoulement. Dans un deuxième temps, les résultats expérimentaux sont
utilisés pour déterminer les paramètres tels que la perméabilité, la vitesse de pores ou la
dispersivité à une échelle supérieure. Les valeurs obtenues sont confrontées aux résultats
théoriques. Enfin, les expériences réalisées sont reproduites numériquement.

Cette étude fait partie du projet de recherche européen W-SAHaRA (Stochastic Analysis of
Well Head Protection and Risk Assessment) financé par le contrat n° EVK1-CT-1999-00041.

Dans un premier chapitre, nous présenterons les notions de base de l'hydrodynamique et

du transfert de masse dans un milieu poreux ainsi que les théories du changement d'échelles.
Après avoir défini les paramètres intervenant dans les lois de l'hydrodynamique et du
transport de masse, nous nous intéresserons aux notions d'échelles et de paramètres
équivalents.

Un état de l'art dans l'utilisation des modèles physiques de laboratoire sera réalisé dans le
deuxième chapitre. Les techniques expérimentales et les protocoles d'essai de traçage seront
étudiés. Nous dresserons ensuite un inventaire des modèles physiques de laboratoire déjà
utilisés.

A partir de ces constats, nous présenterons, dans un troisième chapitre, notre modèle
physique, le MARCEAUS (Modèle d'Analyse et de Recherche sur la Contamination des
EAUx Souterraines) et les expériences que nous avons réalisées pour ces travaux.

Dans le quatrième chapitre, les résultats expérimentaux seront utilisés pour déterminer les
paramètres équivalents à l'aide de techniques numériques adaptées aux conditions aux limites.
Les valeurs obtenues seront comparées entre elles et confrontées aux résultats théoriques.

Enfin, dans le cinquième chapitre, nous essaierons de reproduire numériquement les

expériences réalisés dans le MARCEAUS avec d’une part le code TRACES (Transport
RéActif de Contaminant dans les Eaux Souterraines / Transport of Radio Active Elements in
Subsurface), d’autre part la méthode de la marche au hasard.

16
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

Chapitre 1 : Notions de base

et théorie des changements d’échelle

1. Introduction

L’étude des écoulements et du transfert de polluants en milieu poreux repose sur la

détermination des propriétés du milieu que sont la porosité, la perméabilité et la dispersivité.
Ces grandeurs apparaissent dans les équations de l’écoulement et du transport qui sont
définies pour un milieu continu. Il faut donc les définir sur des volumes suffisamment grands,
i.e. macroscopiques, pour pouvoir considérer le milieu continu.

Les propriétés du milieu poreux dépendent de l’échelle de description considérée. Elles

ont un sens physique à une échelle macroscopique et leurs valeurs varient avec le volume de
mesure qui peut être, par exemple, de la taille d’une hétérogénéité locale, d’une strate ou d’un
aquifère. Que ce soit dans le cadre de la modélisation numérique ou celui de la mesure des
paramètres, il est nécessaire de pouvoir changer d’échelle et déduire la valeur des paramètres
d’une échelle à l’autre. C’est dans ce but que le calcul de paramètres équivalents a fait l’objet
de plusieurs études théoriques.

Dans ce chapitre nous présenterons d’abord les paramètres et équations qui régissent
l’écoulement et le transport dans un milieu poreux, pour étudier ensuite les théories du
changement d’échelle.

2. Hydrodynamique et transport en milieux poreux

2.1. Propriétés du milieu poreux

2.1.1. La porosité

La porosité totale, ω [-], est le rapport entre le volume des vides et le volume total du
milieu poreux :

17
Chapitre 1 : Notions de bases et théorie des changements d’échelle

Volume des vides

ω= (I.1)
Volume total

Une partie de l’eau contenue dans le milieu poreux est liée à celui-ci. Elle ne peut pas
circuler. D’un point de vue hydrodynamique, elle peut être considérée comme une partie du
solide. Cela nous conduit à définir une porosité cinématique ou porosité efficace, ωc, liée à la
circulation des fluides :

Volume des vides occupés par un fluide mobile

ωc = (I.2)
Volume total

ωc varie en général entre 0,25 et 0,45 en fonction du milieu poreux.

2.1.2. La perméabilité

La perméabilité intrinsèque k [L2] est une propriété intrinsèque du milieu poreux,

indépendamment des caractéristiques du fluide.

La perméabilité K [L/T] est le paramètre reliant la vitesse d’écoulement au gradient

hydraulique dans la loi de Darcy (cf. 2.3.1). Elle dépend de la perméabilité intrinsèque k mais
aussi de la viscosité dynamique µ [M.L-1.T-1] et de la masse volumique du fluide ρ [M.L-3] qui
y circule :

kρg
K= (I.3)
µ

Les deux grandeurs ainsi définies sont des propriétés tensorielles :

K xx K xy K xz
K = K yx K yy K yz (I.4)
K zx K zy K zz

Dans le cas d’un milieu anisotrope avec les axes principaux d’anisotropie parallèles aux axes
du système de coordonnées, le tenseur est diagonal. Les valeurs de K varient avec le milieu
poreux et sont en général comprises entre 10-9 et 10-2 m/s.

18
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

2.1.3. La dispersion

La dispersion se traduit par l’apparition d’une zone de mélange entre deux fluides
miscibles se déplaçant dans un milieu poreux. Dans cette zone de transition, la concentration
passe progressivement de 100 à 0 %. La taille de cette zone augmente avec le temps ou la
distance parcourue par le polluant (cf. Figure 1-1).

Figure 1-1 : Schéma hydrodispersif d’un traceur, convection et dispersion (Bear, 1979).

La dispersion est le résultat de deux phénomènes :

un phénomène physico-chimique, la diffusion moléculaire,
un phénomène mécanique, la dispersion cinématique.

La diffusion moléculaire

La diffusion moléculaire est un phénomène lié à l’agitation moléculaire. En effet, s’il

existe entre deux points du fluide une différence de concentration, le déplacement aléatoire du
à l’agitation brownienne aura tendance à uniformiser la concentration dans le milieu. Le
transfert de matière qui en résulte est appelé diffusion moléculaire et est modélisé par la loi de
Fick :

∂C
= ∇ ⋅ ( D0∇C ) (I.5)
∂t

avec D0 le coefficient de diffusion moléculaire [L2·T-1 ] :

RT
D0 = (I.6)
3π N µ d m

19
Chapitre 1 : Notions de bases et théorie des changements d’échelle

R est la constante des gaz parfaits, R = 8,32 kg·m2·s-2·K-1 ; N est le nombre d’Avogadro,
N = 6,023·1023 ; T est la température absolue [K] ; µ est la viscosité dynamique du fluide
[M·L-1·T-1] ; dm est le diamètre moyen des agrégats moléculaires qui diffusent [L].

Dans un milieu poreux, la phase solide constitue un obstacle au mouvement brownien.

Le coefficient de diffusion moléculaire dans le milieu poreux, Dmp, est ainsi inférieur à D0. Le
Dmp
rapport est appelé tortuosité et varie entre 0,1 et 0,7.
D0

La dispersion cinématique

La dispersion cinématique est un phénomène de mélange essentiellement lié à

l’hétérogénéité du champ des vitesses au sein du milieu poreux et ceci, quelle que soit
l’échelle d’observation.

Dans un milieu homogène, trois faits sont à l’origine de ce phénomène

(cf. Figure 1-2) :

a) le profil des vitesses à l’intérieur d’un pore est parabolique ;

b) il existe des fluctuations des lignes de courant par rapport à la direction principale de
l’écoulement ;

c) les dimensions des pores et de leurs ouvertures étant variables, les vitesses d’écoulement le
sont aussi.

Si le milieu est hétérogène, il faut ajouter, à une échelle supérieure, la dispersion due
aux fluctuations d'une structure géologique à l'autre.

20
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

Figure 1-2 : Distribution des vitesses entre les pores (Bear, 1979).

La formule proposée pour décrire la dispersion est une loi de transfert analogue à la loi

de Fick, où la diffusion moléculaire est remplacée par un tenseur de dispersion D défini par :

U iU j
D =  Dij  avec Dij = δ ij αT U + (α L − αT ) (I.7)
U

avec δ ij le symbole de Kronecker, αL et αT [L] les coefficients de dispersion intrinsèque, ou

dispersivités, longitudinale et transversale. U est la norme de la vitesse de pore avec Ui,j la

composante de la vitesse dans les directions i, j [L·T-1]

Pour un milieu isotrope, le tenseur de dispersion est diagonal dans les directions
principales de l’écoulement :

 DL 0 0 
D =  0 DT 0  (I.8)
 0 0 DT 

DL est le coefficient de dispersion longitudinale [L2·T-1], DT le coefficient de dispersion

transversale [L2·T-1]. Dans le domaine des vitesses usuelles, les relations suivantes sont
généralement admises :

DL ,T = α L,T U (I.9)

αL
avec 5 ≤ ≤ 100 (de Marsily, 1981).
αT

21
Chapitre 1 : Notions de bases et théorie des changements d’échelle

La diffusion moléculaire peut aussi être incluse dans le tenseur de dispersion (en
particulier quand la vitesse de Darcy est faible). L’équation (I.9) devient :

DL ,T = Dmp + α L ,T U (I.10)

2.2. Intégration spatiale des propriétés

Nous venons de définir des propriétés qui doivent être moyennées sur des volumes plus
grands que le volume de pore pour respecter l’hypothèse de continuité du milieu poreux. Le
problème est alors de définir localement ces propriétés. Pour cela deux approches existent,
l’une déterministe et l’autre statistique.

2.2.1. L’approche déterministe : le Volume Elémentaire Représentatif (V.E.R..)

La notion de Volume Elémentaire Représentatif (V.E.R.) consiste à associer à un point

mathématique les propriétés d’un volume suffisamment représentatif pour définir ou mesurer
des propriétés moyennes du milieu (Bear, 1972).

Le V.E.R peut-être défini comme le fait de Marsily (1981) :

il est suffisamment grand pour contenir un grand nombre de pores, de façon que l’on
puisse y définir une propriété moyenne globale, avec l’assurance que l’effet de fluctuation
d’un pore à l’autre sera négligeable ;
il est suffisamment petit pour que les variations de paramètres d’un domaine au domaine
voisin puissent être approchées par des fonctions continues.

A cette échelle d’étude, le milieu poreux est équivalent à un milieu continu dans lequel
sont définies des grandeurs moyennes. La taille du V.E.R. est généralement définie par
l’apparition d’un palier dans la courbe reliant une propriété du milieu à la taille du volume
d’observation (cf. Figure 1-3).

22
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

Figure 1-3 : Evolution de la fonction porosité au voisinage d’un point du milieu poreux.
Définition du volume élémentaire représentatif (Bear, 1972).

Mais rien ne permet d’affirmer que ce palier existe toujours. La taille du VER reste
donc assez arbitraire (de Marsily, 1981). Zhang et al. (2000) vérifient même
expérimentalement que cette taille varie dans l’espace et en fonction de la propriété étudiée.
Ils rectifient la définition de Bear (1972) en ajoutant à la stabilisation de la valeur moyenne un
coefficient de variation de la variable qui doit être inférieur à une valeur seuil. Les variations
spatiales de la grandeur étudiée sont mieux prises en compte, l’alternative étant le traitement
statistique des valeurs locales.

2.2.2. L’approche statistique : les Fonctions Aléatoires Spatiales (F.A.S.)

L’intégration spatiale par des Fonctions Aléatoires consiste en l’utilisation d’une

fonction de pondération m(x) intégrable telle que son intégrale étendue à tout l’espace soit
égale à l’unité. Une relation entre la grandeur macroscopique a ( x) et la grandeur

microscopique (locale) a(x) est alors définie dans un système de coordonnées cartésiennes :

a ( x ) = ∫ a ( x + x ' ) m ( x ' ) dx ' avec ∫ m ( x ) dx = 1 (I.11)

Le problème du choix de la taille du VER est ici remplacé par le choix de la fonction de
pondération. Cette fonction est en fait la loi de probabilité obtenue en étudiant plusieurs
réalisations d’un même milieu. Mais, dans la réalité, une seule réalisation du milieu poreux
est, en général, disponible. La loi de distribution d’une propriété peut néanmoins être définie
dans le cas d’un milieu statistiquement homogène grâce aux hypothèses de stationnarité et
d’ergodicité.

23
Chapitre 1 : Notions de bases et théorie des changements d’échelle

L’hypothèse de stationnarité

L’hypothèse de stationnarité permet de supposer que la loi de probabilité étudiée sur un

ensemble de réalisations est invariante dans l’espace, i.e. est la même en tout point du
domaine.

L’hypothèse d’ergodicité

L’hypothèse d’ergodicité permet de supposer que la réalisation unique déploie dans

l’espace la loi de probabilité évoquée.

La loi de distribution inconnue pour l’ensemble des réalisations possibles est ainsi
obtenue à partir de la réalisation unique existante en étudiant ses variations spatiales :

lim Vn = V ( p ) (I.12)
n →∞

1
V ( p ) dp
Sn S∫n
Vn = (I.13)

avec V(p) le processus aléatoire, Vn la série mathématique de la moyenne spatiale et Sn l’aire

du domaine.

2.2.3. Milieux uniforme, homogène et hétérogène

L’intégration spatiale des grandeurs nécessaires à l’application des équations de

l’écoulement et du transport reste problématique à l’approche d’une discontinuité :
l’utilisation du VER transforme une discontinuité en variation continue, l’intégration avec les
fonctions aléatoires nécessitent un milieu statistiquement homogène.

Il faut donc distinguer le milieu uniforme dont les propriétés sont identiques en tout
point, le milieu homogène dont les propriétés statistiques vérifient les conditions de
stationnarité et d’ergodicité et le milieu hétérogène qui ne possède pas ces propriétés et
comporte des discontinuités.

Le type de milieu dépend alors du volume ou de l’échelle considérés : par exemple, un

milieu hétérogène peut être constitué de sous-ensembles uniformes et être statistiquement
homogène à grande échelle.

24
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

2.3. Equations générales de l’écoulement et du transport en milieu poreux

2.3.1. L’hydrodynamique

L’hydrodynamique d’un milieu poreux est régie d’une part par la loi de Darcy :

q = − K ∇h (I.14)

avec q le vecteur de vitesse unitaire [L·T-1], K le tenseur de perméabilité [L·T-1] et ∇h le

gradient de charge [-], d’autre part par l’équation de continuité, issue du principe de
conservation de la masse :

∂h
∇⋅q + s = f (I.15)
∂t

avec s le coefficient d’emmagasinement spécifique [L-1], h la charge hydraulique [L] et f le

terme puits-source [T-1].

L’équation de diffusivité est obtenue, pour un fluide incompressible de masse

volumique et de viscosité dynamique constantes, en associant ces deux équations :

( )
∇ ⋅ K ∇h + f = s
∂h
∂t
(I.16)

Les conditions aux limites permettant d’intégrer cette équation sont de trois types :
Conditions de Dirichlet, la charge est imposée,
Conditions de Neumann, le flux est imposé,
Conditions de Cauchy ou conditions mixtes, le flux est imposé en fonction de la charge.

2.3.2. Le transfert de masse

L’écoulement décrit ci-dessus entraîne des éléments en solution dans le mouvement

moyen du fluide qui se déplace : c’est l’advection. L’équation qui régit ce phénomène est
obtenue en appliquant le principe de conservation de la masse :

∂C
( )
−∇ ⋅ Cq = ω c
∂t
(I.17)

avec C la concentration de soluté [M·L-3].

25
Chapitre 1 : Notions de bases et théorie des changements d’échelle

En ajoutant le phénomène de dispersion, il est admis que toute la phase liquide est
concernée par les variations de concentration. La porosité totale remplace donc la porosité
cinématique et l'équation d'advection – dispersion est obtenue pour un soluté conservatif :

(
∇ ⋅ D ∇C − CU = ) ∂C
∂t
(I.18)

Les conditions aux limites sont du même type que pour l’écoulement.

L’intégration de ces équations implique souvent d’avoir une valeur unique pour les
paramètres tels que la porosité, la perméabilité et la dispersivité et ce soit à l'échelle du
domaine dans le cas d'une solution analytique, soit à l'échelle d'une maille dans le cas d'une
modélisation numérique. L’échelle considérée et la notion de paramètres équivalents prennent
alors toute leur importance.

3. Notions d’échelles et de paramètres équivalents

3.1. Classification des échelles de l’écoulement

Dagan (1989) propose la classification suivante pour les échelles de l’écoulement :

L’échelle du laboratoire, qui caractérise les dimensions des expérimentations de
laboratoire. Elle est comprise entre 10-1 m et 100 m.
L’échelle locale, qui est en général de l’ordre de profondeur des aquifères, i.e. comprise
entre 101 m et 102 m, dans les directions verticales et horizontales. C’est l’échelle des essais
de pompage et de traçage, celle de l’étude de l’écoulement et du transport à proximité des
sources de contamination. A cette échelle, l’étude est souvent tridimensionnelle.
L’échelle régionale, qui est de l’ordre de 104 à 105 m dans le plan horizontal et qui
correspond aux aquifères dont l’étendue est beaucoup plus large que la profondeur. Ici, les
variables sont définies comme des moyennes sur la profondeur et l’écoulement est considéré
comme bidimensionnel.

Chaque échelle est donc de la taille d’un volume élémentaire représentatif de l’échelle
supérieure. Par exemple, une valeur ponctuelle d’une grandeur à l’échelle locale est définie
par une moyenne de cette grandeur sur un volume dont les dimensions caractéristiques sont de
l’ordre de l’échelle de laboratoire.

26
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

Pour passer d'une échelle à l'autre, certaines méthodes d'homogénéisation ou de prise de

moyenne volumique (Renard, 1996 ; Cherblanc, 1999) permettent de définir de nouvelles
équations à une échelle plus grande, d'autres supposent la loi de Darcy valide à grande échelle
et définissent les propriétés d'un milieu homogène équivalent.

3.2. Le milieu homogène équivalent

En 1977, Sauty publie une série d’abaques permettant de déterminer les paramètres de
dispersion d’un milieu poreux à partir des essais de traçage. Il observe aussi la possibilité
d’assimiler un milieu hétérogène à un milieu homogène équivalent dès que la distance de
traçage est assez grande. Il est alors question de perméabilité équivalente et de
macrodispersion. La première correspond à une perméabilité moyenne du milieu tandis que la
deuxième est causée par la variance des vitesses locales liées aux hétérogénéités locales.

Il faut distinguer dans la perméabilité équivalente, la perméabilité effective, pour un

milieu statistiquement homogène, de la perméabilité de bloc, pour un milieu hétérogène
représenté par un milieu homogène. Ce deuxième cas apparaît dès lors que le milieu considéré
est trop petit pour être statistiquement homogène. Si le volume devient assez grand, la
perméabilité équivalente tend vers la perméabilité effective. L’inconvénient de la perméabilité
équivalente est qu’elle dépend des conditions aux limites alors que la perméabilité effective
est un paramètre intrinsèque du milieu poreux (Wen et Gomez-Hernandez, 1996 ; Renard et
de Marsily, 1997).

L’assimilation d’un milieu hétérogène à un milieu homogène caractérisé par sa

perméabilité et sa macrodispersivité nécessite donc de considérer le transport à une échelle
suffisamment grande pour observer un régime fickien et pouvoir appliquer l’équation
d’advection – dispersion (I.18). La taille de cette échelle est relative à la taille des
hétérogénéités et de la source du traceur. La connaissance précise du champ des perméabilités
semble alors plus intéressante que la définition d’un coefficient de macrodispersion arbitraire
pour la modélisation (Matheron et de Marsily, 1980 ; Molz et al., 1983). Une alternative à la
description déterministe, impossible dans la réalité, est la description stochastique du milieu
poreux.

27
Chapitre 1 : Notions de bases et théorie des changements d’échelle

3.3. La théorie stochastique

3.3.1. Présentation

L’approche stochastique (e.g. Dagan, 1989) consiste à considérer les hétérogénéités

comme des variables aléatoires. L’hétérogénéité est alors caractérisée par les lois de
probabilité associées aux variables aléatoires qui représentent les propriétés du milieu poreux.

Les paramètres obtenus (vitesse de pore et dispersivité) ne sont plus alors considérés
comme des valeurs locales de ces grandeurs, mais comme un échantillonnage de la variable
associée. Des valeurs équivalentes de ces paramètres, définies comme les valeurs
correspondant à un milieu poreux homogène soumis aux mêmes conditions aux limites, sont
obtenues en moyennant ces valeurs locales.

La mise en œuvre de cette méthode statistique repose sur l’hypothèse de stationnarité,

l’hypothèse d’ergodicité et la connaissance de la distribution de la conductivité hydraulique.
Cette dernière est, en général, modélisée par un champ aléatoire suivant une loi de distribution
log-normale complètement déterminée par mY et CY(r) avec mY la moyenne arithmétique de
la logconductivité, CY(r) sa fonction d’autocorrélation, r étant la distance entre deux points de
l’espace. CY est une fonction de σY2, la variance de la logconducitivité, et de lY, la longueur
de corrélation.

A partir de cette description du milieu, plusieurs développements théoriques existent,

notamment quelques solutions analytiques du transport.

3.3.2. Exemples d’application : solutions analytiques du transport

Dagan et Indelman (1999) proposent une solution analytique dans le cas d'une
injection–pompage en régime permanent dans un milieu statistiquement homogène infini et
anisotrope (e<0,2). Le temps est mis sous forme adimensionnelle :

Qt
t' = (I.19)
π ω l2 h

avec Q le débit d'injection – pompage [L3·T-1], t le temps réel [T], l la distance

séparant les puits [L], h la hauteur piézométrique moyenne [L].
La concentration réduite au puits de pompage s'exprime alors en fonction de t' :

28
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

C θ ( t ')
( t ') = (I.20)
Co π

avec θ(t') la fonction inverse de la fonction t'(θ) suivante :

1 − θ cot θ
t ' (θ ) = (I.21)
sin 2 θ

L’étude montre que l’effet des hétérogénéités est semblable à celui de la dispersion
locale : le traceur arrive plus tôt, avec une courbe de concentration à la sortie du puits plus
étalée qu’en milieu homogène.

Carlier (2002) étend cette solution en prenant en compte des conditions aux limites à
flux nul. Il considère deux limites imperméables parallèles et équidistantes d'un doublet
d'injection – pompage (cf. Figure 1-4) et introduit un paramètre adimensionnel λ caractérisant
cette configuration :

lπ
λ= (I.22)
a

avec l la distance entre les puits [L] et a la distance entre les limites imperméables [L].

Figure 1-4 : Configuration étudiée (Carlier, 2002).

Pour un milieu faiblement hétérogène et fortement anisotrope (e<0,2), il obtient la

formulation (I.20) avec :

t ' (θ ) =
(θ cot θ − 2λ coth 2λ ) sinh 2 ( λ )
(I.23)
λ ( cos θ − cosh 2λ )
2 2 2

29
Chapitre 1 : Notions de bases et théorie des changements d’échelle

Il calcule aussi de manière explicite le temps de percée, i.e. le temps d'arrivée de la première
particule de traceur au puits de pompage. Ce temps, mis sous forme adimensionnelle, n'est
fonction que du nombre λ :

t ' percée =
( 2λ coth ( 2λ ) − 1) sinh 2
λ
(I.24)
λ sinh ( 2λ )
2 2

Carlier et Ackerer (2003) s'intéressent au cas de limites imperméables perpendiculaires

à la droite reliant les puits, ceux-ci étant collés aux limites (cf. Figure 1-5). Pour un milieu
anisotrope, ils obtiennent aussi la même formulation que Dagan et Indelman (I.20) avec :

2θ
t ' (θ ) = (I.25)
π sin 2θ
2

Figure 1-5 : Configuration étudiée (Carlier et Ackerer, 2003).

En conclusion, l'approche stochastique permet de mieux quantifier les rapports

d’échelles à l’aide des dimensions caractéristiques que sont les longueurs de corrélation ou les
échelles intégrales (Dagan, 1989). Il doit alors être possible de relier respectivement la
perméabilité équivalente et la macrodispersivité à une moyenne et une variance des
perméabilités locales.

3.4. Calcul théorique des paramètres équivalents

3.4.1. La perméabilité équivalente

Le calcul de la perméabilité équivalente a fait l’objet de plusieurs travaux de synthèse

intéressants (Wen et Gomez-Hernandez, 1996 ; Renard, 1996 ; Renard et de Marsily, 1997).

30
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

Ils concernent surtout les régimes d’écoulement uniforme et que peu de résultats existent pour
les écoulements radiaux.

Certains résultats concernent la perméabilité équivalente, qu’elle soit effective ou "de

bloc". C’est la nature du milieu poreux considéré qui fait la différence (Renard, 1996).

Cas de l’écoulement uniforme

De nombreux auteurs ont vérifié que la perméabilité effective Kef est toujours comprise
entre les bornes de Wiener, i.e. la moyenne arithmétique Ka et la moyenne harmonique Kh des
perméabilités locales :

K h ≤ K ef ≤ K a (I.26)

En effet, la moyenne arithmétique caractérise la perméabilité équivalente des mailles en

parallèle et privilégie les perméabilités locales élevées tandis que la moyenne harmonique
caractérise la perméabilité équivalente des mailles en série et privilégie les faibles
perméabilités.

Cette inégalité fondamentale (I.26) est à l’origine de plusieurs études dont le but est de
borner la perméabilité équivalente et de proposer une formulation pour le calcul de celle-ci.
Citons tout d’abord les bornes de Cardwell et Parsons (Cardwell et Parsons, 1945) :
la moyenne arithmétique des moyennes harmoniques des perméabilités locales calculées
sur l’axe parallèle à l’écoulement principal (selon x) pour la borne inférieure [Link] (cf.
Figure 1-6) :

(
KC . P . min = µaz µay ( µhx ) ) (I.27)

la moyenne harmonique des moyennes arithmétiques des perméabilités locales calculées

pour chaque plan perpendiculaire à l’écoulement principal pour la borne supérieure [Link]
(cf. Figure 1-6) :

(
KC . P . max = µhx µay ( µaz ) ) (I.28)

31
Chapitre 1 : Notions de bases et théorie des changements d’échelle

Figure 1-6 : Calcul des bornes de Cardwell et Parsons (Renard, 1996)

D’après Renard et al. (2000a), Le Loc’h propose de prendre la moyenne géométrique des ces
bornes KC.P. comme estimation de la perméabilité équivalente :

KC . P . = KC . P. max KC . P. min (I.29)

Il propose aussi une nouvelle méthode de renormalisation simplifiée, c’est-à-dire un

algorithme d’agrégation itératif, pour calculer les termes diagonaux du tenseur de
perméabilité équivalente. Il s’agit de regrouper les mailles par paquets de deux et de leur
affecter la moyenne harmonique des deux valeurs locales si elles sont en série par rapport à la
direction u (u étant l'un des axes principaux d’anisotropie), la moyenne arithmétique si elles
sont en parallèle. L’application de regroupements successifs, alternativement en parallèle et
en série, permet de réduire progressivement le nombre de mailles de la grille, jusqu’à ne plus
avoir qu’une seule maille, i.e. une seule valeur de perméabilité. Selon que les mailles sont
uu uu
d’abord regroupées en série ou en parallèle, une valeur inférieure K min ou supérieure K max est
déterminée. Finalement, Renard et Le Loc’h (1996) calculent la perméabilité équivalente dans
la direction u en composant ces deux valeurs :

K euu = ( K max ) (K )
uu α uu 1−α
min (I.30)

L’exposant α est fonction des rapports d’anisotropie avu et awu :

32
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

 f ( avu ) + f ( awu ) − 2 f ( avu ) f ( awu )

 ( v w)
α a u
, a u
=
 1 − f ( avu ) f ( awu )
 2
 u K vv  d u 
 av = uu   , u ≠ v ≠ w ∈ { x, y , z} (I.31)
 K  dv 
 2
 f ( t ) = arctan t
 π


uu
avec du et dv les tailles de mailles de la grille dans les directions u et v, et K le rapport
K vv
d’anisotropie des perméabilités locales. Une alternative à cette méthode est la méthode de
renormalisation tensorielle proposée par Gautier et Noetinger (1997) qui permet de calculer
tous les termes du tenseur de perméabilité. Renard et al. (2000a) montrent que ces deux
méthodes de renormalisation sont plus efficaces que d’autres méthodes d’estimation rapide de
la conductivité équivalente.

A partir des moyennes arithmétique et géométrique, Matheron (1967) propose une

moyenne pondérée comme approximation au premier ordre de la perméabilité effective dans
la direction u :

K euu = K aαu K h( avec α u ∈ [ 0,1]

1−α u )
(I.32)

Ababou (1995) exprime α en fonction du nombre de dimensions de l’espace D (1, 2 ou 3), de

la longueur de corrélation dans la direction u considérée lu [L] et de la moyenne harmonique
des longueurs de corrélation lh [L] :

lh
D−
li
αi = (I.33)
D

La perméabilité équivalente peut aussi être calculée à l’aide d'une moyenne de

puissance :

1
1 1  p
=  ∫ K ( x ) dV  avec p ∈ [ −1,1]
p
µp = K p p
(I.34)
V V 

33
Chapitre 1 : Notions de bases et théorie des changements d’échelle

Cette formulation inclut les bornes de Wiener : la moyenne harmonique quand p vaut –1, la
moyenne arithmétique quand p vaut 1. Nœtinger (1994) utilise cette méthode et propose une
formulation de p dans le cas d’un milieu statistiquement homogène et isotrope :

2
p = 1− (I.35)
D

Le résultat est alors équivalent à la conjecture de Matheron (I.32) et à la formulation

géostatistique pour les milieux log-normaux tridimensionnels :

  1 1 
K e = K g exp σ Y2  −   (I.36)
  2 D 

avec Kg, la moyenne géométrique des conductivités, σ Y2 , la variance de ln(K)

Pour les faibles variances de la logconductivité, Gutjahr et al. (1978) utilisent le

développement au premier ordre :

  1 1 
K e = K g  1 + σ Y2  −   (I.37)
  2 D 

En tenant compte du coefficient d’anisotropie e, ce développement devient (Dagan, 1989) :

  1 λ  e2  1 1 
K e = K g  1 + σ Y2  −   avec λ= 2 
tan −1 2 − 1 − 1 (I.38)
  2 2  1− e e 1− e 2 e 

 σ2 
Ainsi, dans le cas d’un milieu isotrope, e=1 et K e = K g  1 + Y  . Dans le cas d’un milieu
 6 

parfaitement stratifié (e=0), la moyenne arithmétique des conductivités est retrouvée pour un
écoulement parallèle aux strates.

Par ailleurs, dans le cas de l'écoulement bidimensionnel, en particulier à l'échelle de

l'aquifère, la transmissivité équivalente Tef est souvent utilisée à la place de la perméabilité
équivalente Kef, avec la même relation entre les paramètres locaux et les paramètres
équivalents :

Tef = B K ef (I.39)

34
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

B est l'épaisseur de l'aquifère. Tartakovsky et al. (1999a) montrent que cette relation entre la
transmissivité et la perméabilité équivalentes n'est valable que pour un milieu faiblement
hétérogène (σ Y2 1) et une longueur de corrélation verticale lv négligeable devant l'épaisseur

de l'aquifère ( lv B ) . Ils proposent un développement au premier ordre de leur solution dans

le cas général :

Tef 1 − 2β 2
B Kg
= 1−
2
σY avec β = λv2 ( )
π λv−1 erf ( λv−1 ) + exp ( −λv−2 ) − 1 et λ =
lv
B
(I.40)

Enfin, Tartakovsky et al. (1999b) montrent que, même avec un gradient de charge
uniforme dans un milieu gaussien isotrope, une seule valeur de perméabilité équivalente ne
peut être définie. Pour un milieu bidimensionnel, ils proposent une solution analytique de la
perméabilité équivalente qui est, en approximation au premier ordre, un tenseur non
symétrique à diagonale dominante. Le caractère non-symétrique est causé par les conditions
aux limites. Quand la taille du domaine grandit, ils retrouvent les résultats précédents, i.e. les
termes diagonaux du tenseur tendent vers la moyenne géométriques des perméabilités locales
tandis que les autres termes tendent vers zéro.

Tartakovski et Guadagnini (2003) constatent l'incapacité des méthodes de calcul des

paramètres équivalents à inclure d'importants phénomènes, tels que les écoulements
préférentiels existants dans le milieu poreux. Ils proposent ainsi de déterminer des paramètres
équivalents qui tiennent compte des incertitudes sur les propriétés du milieu et les conditions
aux limites. L'étude de deux milieux aléatoires, Ω1 et Ω2 ,non corrélés associés en série par
une limite β ( Ω1 ∈ [0; β ] et Ω 2 ∈ [ β ;1] ) elle-aussi aléatoire (caractérisée par sa moyenne β ,

sa variance σ β2 et sa fonction de densité de probabilité p(β)) fournit une expression de la

perméabilité équivalente au premier ordre :

erf ( u ) − erf ( u0 )  1 1  1
−1
K app ( x) =  − + (I.41)
erf ( u1 ) − erf ( u0 )  K h1 K h2  K h1

avec :

x− β − β 1− β
u= ; u0 = ; u1 = (I.42)
2 σβ 2 σβ 2 σβ

35
Chapitre 1 : Notions de bases et théorie des changements d’échelle

et K hi la moyenne harmonique des perméabilités locales du milieu Ωi. Cette formule est

validée pour les milieux mono et bidimensionnels.

Cas de l’écoulement radial

Les formulations de la perméabilité équivalente présentées ci-dessus sont valables pour

un régime d’écoulement uniforme. Dans la pratique, elles sont souvent utilisées quelque soit
le type d’écoulement. Cette hypothèse est-elle acceptable à proximité d’un puits ?

Dagan (1989) explique que la convergence des lignes de courant due à l’écoulement
radial entraîne une diminution du flux moyen, d’où une conductivité équivalente plus faible.
Ainsi, la perméabilité équivalente tend vers la moyenne harmonique des perméabilités locales
Kh à proximité du puits et vers la moyenne géométrique Kg à une distance suffisamment
grande pour considérer l’écoulement uniforme. Les résultats numériques de Neuman et Orr
(1993) confirment cette théorie. Sanchez-Vila (1997) retrouve aussi ces résultats et estime la
distance d'établissement de la valeur asymptotique à 1,5 – 2 échelles intégrales pour un
modèle gaussien et 3 à 5 échelles intégrales pour un modèle exponentiel.

Naff (1991) trouve que la perméabilité équivalente est toujours égale à la moyenne
arithmétique des perméabilités locales à proximité du puits. Elle est constante pour un milieu
tridimensionnel stratifié et tend vers la moyenne harmonique pour un milieu bidimensionnel
quand la distance au puits augmente.

Desbarats (1992) étudie le cas d’un puits au débit imposé placé au centre d’un champ
carré avec des hauteurs fixées comme conditions aux limite. Il rappelle que la conductivité
équivalente tend vers la moyenne géométrique loin du puits, est quasi-constante et égale à la
moyenne harmonique à quelques échelles intégrales de celui-ci et tend vers la moyenne
arithmétique à proximité de lui. Il propose une expression de la transmissivité équivalente TS,
à proximité d’un puits de rayon rw pour une surface S de rayon rs :

1 ln T ( x ) r 
ln (TS ) = ∫ dx avec W = 2π ln  s  (I.43)
W S r ( x)
2
 rw 

36
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

Il souligne néanmoins que cette solution est contradictoire avec les résultats de Naff (1991). A
partir de celle-ci, il propose une expression de la transmissivité dans le cas d’un doublet
d’injection – pompage (Desbarats, 1993) :

1 1 1 1 
=  +  (I.44)
TI 2  TSi TSp 

avec TI, la transmissivité équivalente du système, TSi et TSp, les transmissivités calculées en
considérant uniquement l’injection d’une part et uniquement le pompage d’autre part.

Indelman et al. (1996) proposent une solution théorique de la perméabilité équivalente

pour le cas d’un écoulement radial dans un milieu tridimensionnel aléatoire présentant une
anisotropie axisymétrique. La première particularité de cette étude est de considérer une
charge constante plutôt qu’un flux constant comme condition aux limites dans le puits, ce qui
est plus réaliste. La deuxième est d’exprimer la conductivité équivalente en écoulement radial
Keq en fonction de la conductivité équivalente en régime uniforme Kefu :

K eq = K a (1 − ξ ) + K efuξ (I.45)


 ln  r 
 lh  rw r
ξ = pour < 0, 2 et 1
 
ln  r  lh lh

  rw 

 (I.46)
 r rw
ξ → 0 et K eq → K a pour lh
fixé et
lh
→0

 rw r
ξ → 1 et K eq → K efu pour lh
fixé et
lh
→∞


avec r la distance, rw le rayon du puits et lh la longueur de corrélation horizontale.

Plus récemment, Riva et al. (2001) ont proposé une expression analytique de la
transmissivité équivalente Teq à proximité d'un puits de pompage en régime permanent, situé
au centre d'un milieu aléatoire hétérogène cylindrique de rayon L :

−1
Teq ( r ' )   1  π L2 2  r ' L2  
= 1 + σ Y2  − + exp  − r'  + I
2 K 
(I.47)
 8π lh
2
Tg   2  4 lh  

37
Chapitre 1 : Notions de bases et théorie des changements d’échelle

r
avec Tg la moyenne géométrique des transmissivités locales, r ' = le rayon normalisé, lh la
L
longueur de corrélation et IK une intégrale définie par les auteurs.

Au niveau du puits cette solution est égale à la moyenne harmonique des perméabilités
locales. Pour des distances intermédiaires, elle croît vers la moyenne géométrique à mesure
que la taille du domaine grandit devant la longueur de corrélation. Pour les grandes distances,
elle continue de croître et décroît à proximité de la condition au limites de Dirichlet (à r'=1)
vers une valeur supérieure à la moyenne géométrique.

Ainsi, la perméabilité équivalente est bien fonction du régime d’écoulement du système

mais aussi des conditions aux limites extérieures. Les études concernant l’écoulement radial
restent peu nombreuses et se réduisent souvent à l’étude d’un cas spécifique aux hypothèses
simplificatrices du fait de la complexité du problème.

3.4.2. La macrodispersion

Matheron et de Marsily (1980) et Molz et al. (1983) détaillent des propriétés du

phénomène de dispersion en milieu stratifié :

La macrodispersion apparaît lorsqu’il y a des échanges entre les strates. En particulier a

proximité de la source, la dispersion locale est négligeable devant la macrodispersion
longitudinale. Cette dernière dépend surtout des variations de vitesse entraînées par les
différentes perméabilités mais aussi de la dispersion transversale locale.

Si la dispersion transversale, ainsi que la diffusion moléculaire, est nulle, le régime fickien
ne s’établit pas et la dispersion longitudinale n’a pas d’asymptote.

Pour une valeur finie et non nulle de la dispersion transversale, la dispersion longitudinale
croît vers une valeur asymptotique quand la distance de transport tend vers l’infini.

L’équation d’advection – dispersion n’est valable que lorsqu’un régime fickien est atteint
et que la dispersion s’approche de sa valeur asymptotique, donc suffisamment loin de la
source.

L’estimation de la dispersion longitudinale à l’aide d’essais de traçage et d’une équation

du type advection-dispersion ne donne pas une valeur unique. La valeur de

38
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

macrodispersion déterminée est très dépendante de la distance entre la source et le point

de mesure et n’a pas de relation particulière avec la dispersion longitudinale locale.

Ces résultats soulignent l’importance de la variance des perméabilités locales et de la

distance parcourue dans la valeur de la macrodispersion, la valeur asymptotique étant atteinte
alors que le milieu est suffisamment grand pour être statistiquement homogène. Il apparaît
aussi que la relation entre la paramètre équivalent de la dispersion et sa valeur locale est
complexe. Ces conditions rendent intéressant l’estimation de la dispersion par les théories
stochastiques.

Cas de l’écoulement uniforme

La macrodispersivité longitudinale peut s’exprimer en fonction de la distance

parcourue, d, et de la variance de déplacement, σ x2 , i.e. la variance de la distribution des
concentrations :

σ x2
AL = (I.48)
2d

Dagan (1989) distingue aussi la macrodispersivité effective de la macrodispersivité

apparente. Pour une loi de covariance des logconductivités exponentielle axisymétrique, il
obtient comme approximation au premier ordre :

1 dX ii
Macrodispersivité effective : Aii = (I.49)
2U dt

1 X ii
Macrodispersivité apparente : Aii = (I.50)
2U t

avec Xii la variance du déplacement dans la direction i, U la vitesse moyenne d’écoulement

et t, le temps de parcours. A11 est la dispersivité longitudinale, A22 et A33 sont les dispersivités
transversales.

 tU 
Pour les petits temps de séjour  1 , i.e. tant que le traceur n’a pas parcouru
 lY 
suffisamment d'échelles intégrales ou longueurs de corrélation lY dans le cas d'une loi de

39
Chapitre 1 : Notions de bases et théorie des changements d’échelle

covariance exponentielle, le régime asymptotique fickien n’est pas atteint, l’équation

d’advection – dispersion ne peut pas être appliquée et Xii prend la forme suivante :

8 2 22 1 2 22
X 11 → σY U t et X 22,33 → σY U t (I.51)
15 15

Pour les temps de séjour plus grands, les deux macrodispersivités, effective et apparente,
tendent vers une même limite asymptotique :

A11 → σ Y2 lY et A22,33 → 0 (I.52)

Gelhar et Axness (1983) incluent la dispersion locale dans leur calcul des valeurs
asymptotiques de la macrodispersivité. Dans le cas isotrope, ils obtiennent :

 σ Y2 lY
A
 L =
 γ2
 (I.53)
 A = σ Y α L  1 + 4 αT 
2

 T 15γ 2  α L 

αT ⋅ lY 1
Dans le cas anisotrope, avec lY 1 , lY 2 lY 3 et r* = 1 , leurs résultats deviennent :
lY2 3

 1
 A11 = 1,311 r*
2
σ Y2 lY2 3
 γ 2 αT

 0,599 σ Y2 αT lY2 3
 A22 = 1
(I.54)
 γ 2 lY2 2 r* 2

 A33 = 0,656 σ Y αT
2

 3
γ 2 r* 2


αT lY 1
Si r* = 1 , alors :
lY2 3

40
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

 σ Y2 lY 1
 A = (1 − r* )

11
γ 2

 σ Y2 αT lY2 3
 A22 = (I.55)
 γ 2 lY2 2
 σ2α
 A33 = Y 2 T
 γ

Ke
avec γ = , défini par l’équation (I.38).
Kg

Zhan et Wheatcraft (1996) étendent ces résultats aux milieux fractals en introduisant le
concept d'échelle intégrale maximale Lmax. Cette échelle de référence est délimitée par les
limites de flux nul :

L2x L2y L2z

Lmax = (I.56)
L2x L2y + L2y L2z + L2z L2x

avec Lx, Ly, Lz, les distances entre les limites de flux nuls dans les directions x, y et z [L]. Par
exemple, pour un aquifère infini dans les directions horizontales, Lmax est égale à Lz la hauteur
de l'aquifère.

Dans le cas mono dimensionnel, la macrodispersivité longitudinale est proportionnelle à Lmax2

et pour les milieux multidimensionnels, elle est du même ordre de grandeur que Lmax. Pour les
milieux tridimensionnels isotropes, la macrodispersivité longitudinale devient :

σ Y2 π 8 − 2 D  Lmax 
AL = (I.57)
γ 2 2 9 − 2 D  2π 

Ke
avec D la dimension fractale du milieu et avec γ = .
Kg

Cas de l’écoulement radial

Comme pour les perméabilités équivalentes, les formules définies ci-dessus sont
valables avec un régime d’écoulement uniforme mais sont souvent utilisées dans le cas
général. Il convient de se demander quelle est leur validité en écoulement radial.

41
Chapitre 1 : Notions de bases et théorie des changements d’échelle

Indelman et Dagan (1999) étudient le cas d'un puits d'injection dans un milieu
tridimensionnel et trouvent une macrodispersivité asymptotique trois fois plus petite pour un
puits vertical, cinq fois pour une source ponctuelle, que leur résultat (I.52) en écoulement
uniforme.

Maugis et al. (2002) s’appuient sur des développements théoriques et numériques pour
montrer que la dispersivité est très dépendante de la proximité de conditions aux limites et des
régimes d’écoulement non-uniforme. Par exemple, dans le cas du dipôle d’injection –
pompage, la dispersion est plus faible quand le débit, plutôt que le rabattement, est imposé.
Finalement, ils observent que l’hypothèse de l’écoulement uniforme est acceptable dans le cas
du pompage. La dispersivité longitudinale déterminée avec un pompage peut-être utilisée en
écoulement uniforme. L’extension au doublet est plus problématique : la relation entre les
paramètres obtenus avec chaque approche reste encore à établir afin de pouvoir utiliser les
résultats d’un essai de traçage dans le cas général.

4. Conclusion

Les équations de l’hydrodynamique et du transport présentées dans ce chapitre sont

associées aux propriétés du milieu poreux. Pour mettre en œuvre ces équations sur un certain
volume, comme, par exemple, une maille d’un modèle numérique, les grandeurs doivent être
définies à l’échelle de cette maille.

La première difficulté est de définir localement les propriétés. La définition

géostatistique contient plus d’informations qu’une simple moyenne spatiale sur un VER. Elle
tient compte des variations spatiales de la grandeur considérée, quelque soit l’échelle de
variation. Cette approche est donc bien adaptée au changement d’échelles.

Il existe des développements théoriques qui permettent de déterminer la valeur des

paramètres à l’échelle voulue à partir des valeurs locales ainsi définies. Néanmoins, ces
solutions sont peu nombreuses pour les régimes d’écoulement non uniformes comme les
écoulements radiaux et elles sont d’autant moins valables que les conditions aux limites sont
proches.

La définition d’un paramètre effectif, indépendant des conditions aux limites, nécessite
l’observation d’un milieu statistiquement homogène, i.e. suffisamment grand pour vérifier les
conditions de stationnarité et d’ergodicité. Cette hypothèse est incompatible avec l’étude de

42
 Chapitre 1 : Notions de bases et théorie des changements d’échelle

zones locales, proches des conditions aux limites. L’étude expérimentale de l’influence des
conditions aux limites sur les grandeurs caractérisant leur environnement proche est ainsi
justifiée.

Enfin, pour appliquer ces formulations théoriques à des cas rééls, il faut disposer des
lois de distribution des propriétés, i.e. les déterminer à partir de mesures des paramètres.
Interviennent alors l’échelle de mesure ainsi que le protocole expérimental. C’est pourquoi le
Chapitre 2 présente un état de l’art des techniques expérimentales qui permettent de
déterminer les paramètres de l’écoulement et du transport en milieu poreux.

43
 Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

Chapitre 2 : Etat de l’art dans l’utilisation

des modèles physiques de laboratoire

1. Introduction

Dans le cas du milieu naturel, fortement hétérogène, les propriétés définies

précédemment ne sont pas mesurables directement.

L’essai de traçage consiste à suivre le déplacement et la dispersion d’un traceur dans le

milieu poreux où est instauré un écoulement particulier. L’objectif est d’estimer la porosité, la
perméabilité et la dispersivité à partir des résultats obtenus, le champ de vitesse et la
perméabilité pouvant aussi être déterminés par essais de pompage. Il convient alors de
développer les protocoles d’essais de traçage : leur complexité et leur coût nous poussent à
optimiser la quantité et la qualité des informations qu’ils fournissent.

Renard et al. (2001) mettent en avant l’erreur commise sur la valeur de la perméabilité
lorsqu'elle est mesurée avec un perméamètre qui ne tient pas compte de l’anisotropie du
milieu. La notion d’échelle et la technique expérimentale apparaissent être des facteurs
importants dans la valeur des paramètres déterminés. Les études à grande échelle, dans le
milieu naturel, sont difficiles à mettre en œuvre, peu précises et coûteuses. L’étude du
changement d’échelle, de l’effet des hétérogénéités, des phénomènes de dispersion et le
développement de techniques expérimentales ont donc trouvé leur place au laboratoire.

Les conditions expérimentales y sont mieux contrôlées (Huang et al., 1995) : les
mesures peuvent être plus précises et moins coûteuses, les phénomènes non souhaités
(sorption, compression, ...) évités, plusieurs échelles d’observation sont possibles et les
expériences peuvent être reproductibles. Ainsi, les « expériences à échelle intermédiaire »
(Silliman et al., 1998) sont intéressantes pour affiner une théorie avant les essais de terrain
(Sternberg et al., 1996).

Le but de ce travail est la détermination de paramètres équivalents à partir des essais de

traçage réalisés au laboratoire. Nous nous intéresserons d’abord à l’évolution des techniques

45
Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

expérimentales et d’analyse. Ensuite, les différents types de modèles physiques de

laboratoires seront présentés.

2. Protocoles des essais de traçage de laboratoire

L’expérimentation de laboratoire permet l’utilisation de divers milieux poreux, types

d’écoulement, traceurs et techniques de mesure. Une fois l’essai réalisé, différentes méthodes
d’analyse des résultats sont aussi à notre disposition.

2.1. Les milieux poreux

Des billes de verre (Sternberg et Greenkorn, 1994 ; Sternberg et al., 1996) à la carotte
de milieu naturel intact (Khan et Jury, 1990 ; Nelson et al., 2003) en passant par les milieux
constitués de différentes granulométries de sables et argiles (Huang et al., 1995), différents
types de milieux poreux sont utilisés, en particulier dans les installations mono-
dimensionnelles. D’un côté, les billes de verres permettent une plus grande reproductibilité et
un meilleur contrôle des expériences. De l’autre, les carottes prélevées dans le sol assurent
une meilleure représentation de la réalité. Les cuves expérimentales bi ou tridimensionnelles
sont en général remplies avec un agencement de sables ayant les caractéristiques voulues.

Le développement des modèles physiques de laboratoire a donné la possibilité de créer

des milieux poreux de plus en plus complexes et proches de la réalité du terrain. Après l’étude
des milieux homogènes, celle des milieux structurés (strates, fractales), il est aujourd’hui
possible de créer des milieux ayant une distribution aléatoire corrélée des perméabilités
déterminée a priori (Silliman et al., 1998).

2.1.1. Les milieux fractals

Un milieu poreux est constitué de plusieurs échelles allant de la taille représentative de

la phase solide à la taille représentative de l’aquifère. Entre ces deux limites, différentes d’au
moins un ordre de grandeur, il peut exister une structure fractale du milieu poreux (Adler,
1996). A la différence des fractales mathématiques, les structures fractales ainsi établies ont
des échelles finies. Cette similitude entre les milieux poreux et les structure fractales a conduit
les expérimentateurs à réaliser des milieux poreux de type fractales, comme par exemple le
milieu bidimensionnel de Silliman et Caswell (1998) construit sur la base de l’éponge de
Sierpinski (Mandelbrot, 1983).

46
 Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

2.1.2. Les milieux aléatoires

Plus récemment, le développement des théories stochastiques a entraîné dans l’approche

expérimentale la création de milieux dits aléatoires. La structure statistique du champ de
conductivités suit le plus souvent une loi de covariance exponentielle (Refsgaard, 1986 ;
Welty et Elsner, 1997 ; Silliman et Caswell, 1998 ; Chao et al., 2000 ; Silliman et Zheng,
2001 ; Silliman, 2001). Une grandeur caractéristique du milieu telle que la longueur de
corrélation peut alors directement être reliée aux échelles de mesure, donc aux techniques
mises en place.

Pour construire physiquement de tels modèles, un milieu ayant les propriétés voulues
(loi de covariance, perméabilité moyenne) est d’abord modélisé à l’aide d’un générateur de
champ gaussien selon le maillage du modèle physique à construire. En général, celui-ci est
construit avec des blocs de sable parallélépipédiques. Une répartition continue des
perméabilités est ainsi obtenue. L’ensemble de ces valeurs est ensuite réparti en classes dont
les médianes sont les perméabilités des sables disponibles au laboratoire. La perméabilité de
chaque bloc est remplacée par la médiane de sa classe. Le variogramme du nouveau champ de
perméabilités est calculé pour vérifier qu’il présente bien les propriétés voulues. Enfin, le
modèle est construit en respectant le champ de perméabilités ainsi créé.

Pour remplir le modèle physique avec les différents milieux poreux, plusieurs
techniques existent. La première consiste à utiliser des blocs de sable saturés en eau et
congelés pour maintenir la cohésion des blocs et permettre leur manipulation (Silliman et al.,
1998). Les blocs sont ainsi découpés et agencés de manière à reproduire le champ réalisé
précédemment. La deuxième méthode consiste à remplir le modèle couche par couche en
séparant les blocs avec de fines plaques (Silliman et Simpson, 1987 ; Ruch, 1992 ; Silliman et
al., 1998). Le sable est versé humide dans les blocs déjà remplis d’eau pour assurer la
saturation et la cohésion du milieu (cf. Figure 2-1). Quand une couche est finie, les plaques
sont retirées et la couche est compactée.

47
Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

Figure 2-1 : Remplissage du modèle physique MARCEAUS avec des grilles de séparation.

Une fois le milieu poreux installé dans le modèle physique, il doit être maintenu dans
des conditions évitant le développement de biofilms, qui peuvent entraîner une chenalisation
des écoulements. Le transport dans un milieu rempli de biofilms se déroule comme celui dans
une roche fracturée : les vitesses et les coefficients de dispersion sont alors plus élevés (Sharp
et al., 1999).

2.2. Influence de l’hydrodynamique

Les essais de traçage sont réalisés soit en écoulement uniforme, soit en écoulement
radial (pompage simple ou doublet d’injection – pompage). L’écoulement naturel d’une nappe
est uniforme. Dans ces champs de grandes dimensions, les essais de traçage sont coûteux à
réaliser et les incertitudes sur les mesures et sur la connaissance du terrain sont grandes. Les
essais en écoulement radial ont ainsi été développés pour réduire le champ de mesure à la
zone de capture du puits. De plus, dans le cadre de la protection des captages d’eau potable ou
de la dépollution des sols, il s’agit souvent d’étudier une zone où la nappe subit un
écoulement radial. Les abaques proposés par Sauty (1977) traitent des deux types
d’écoulement. Ptak et Schmid (1996) soulignent les avantages des expériences en écoulement
radial : la faible durée des expériences, l’effet réduit du gradient naturel et un meilleur bilan
de masse.

La question est alors de savoir si les paramètres de l’écoulement et du transport sont

fonctions du type d’écoulement. Pour un même milieu, les valeurs déterminées en écoulement
radial sont-elles applicables en écoulement uniforme et réciproquement ?

48
 Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

L’étude théorique a révélé que les paramètres équivalents sont fonctions des conditions
aux limites de l’hydrodynamique dès que le milieu n'est pas statistiquement homogène. Il
existe des résultats qui permettent de calculer la perméabilité équivalente en écoulement
radial en fonction de celle calculée pour l’écoulement uniforme (cf. équation (I.45)). De
même, il semble possible d’utiliser une même valeur de dispersivité pour des régimes
d’écoulement différents. Mais l’utilisation de ces résultats nécessite des conditions
particulières et une certaine distance entre la zone étudiée et les conditions aux limites.

L’étude expérimentale de la relation entre les paramètres du transport et le type

d’écoulement est plus récente. Les expériences réalisées sur un même milieu poreux révèlent
que les paramètres déterminés sont très différents selon que le traçage est réalisé en
écoulement radial ou en écoulement uniforme. Chao et al. (2000) trouvent une dispersivité de
12 cm en écoulement uniforme et moins de 1 cm en écoulement radial. Les travaux de
Silliman et Zheng (2001) poursuivis ensuite par Silliman (2001) donnent des résultats
contraires : la dispersion estimée avec un pompage est plus grande qu’avec un écoulement
uniforme. Quelques soient les conditions expérimentales mises en œuvres, il apparaît difficile
d’établir une équivalence entre les dispersivités mesurées en écoulement radial et uniforme.

Par conséquent, pour généraliser le changement d'échelle, il faudrait établir des relations
entre les paramètres équivalents déterminés pour un même milieu mais des conditions aux
limites différentes.

2.3. Les traceurs

Est appelée traceur d’une population dont l’évolution est étudiée, toute substance ayant
un comportement identique à celle-ci et possédant un caractère permettant de l’identifier.

Il existe de nombreux types de traceurs. Certains auteurs emploient des traceurs

radioactifs (Refsgaard, 1986) mais la complexité et le coût des mesures rendent ces procédés
relativement rares. Les traceurs les plus courants sont les traceurs fluorescents et les traceurs
ioniques.

49
Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

2.3.1. Les traceurs fluorescents

Les traceurs fluorescents ont fait l’objet de plusieurs études comparatives (Smart et
Laidlaw, 1977 ; Sabatini et Al Austin, 1991 ; Ptak et Schmid, 1996 ; Gutierrez et al., 1997 ;
Käss, 1998)

Ils présentent plusieurs avantages : ils ont un seuil de détection très faible et sont peu
sensibles aux variations de température et de salinité. En revanche, la mesure de concentration
nécessite un prélèvement. Ptak et Schmid (1996) ont ainsi mis au point en un dispositif de
mesure à base de fibre optique offrant une meilleure précision spatiale et temporelle de la
mesure. Les traceurs fluorescents sont aussi sensibles à la lumière et au pH. Il existe plusieurs
traceurs fluorescents ayant des propriétés différentes. Par exemple, la fluorescéine peut être
considérée comme un traceur parfait, sans adsorption (Sabatini et Al Austin, 1991) alors que
la rhodamine WT présente un facteur de retard dû à l’adsorption (Ptak et Schmid, 1996).

Ces caractéristiques font que les traceurs fluorescents sont surtout utilisés pour les
essais sur le terrain. Il faut alors tenir compte de la fluorescence naturelle et de la turbidité de
l’eau.

2.3.2. Les traceurs ioniques

Les traceurs ioniques les plus courants sont les chlorures (NaCl ou KCl). Pourtant il
existe peu d’études établissant les qualités de ces derniers. Ils sont le plus souvent détectés à
l’aide d’une mesure de conductivité électrique qui peut-être réalisée directement dans le sol en
insérant des électrodes dans le milieu poreux. La relation entre la conductivité électrique et la
concentration est linéaire pour les faibles concentrations (Richards, 1954). De plus, la mesure
de la conductivité électrique est possible sur un échantillon mais aussi in situ dans le milieu
poreux (Blanc, 1967). Ces mesures sont assez précises, facile à mettre en œuvre et peu
coûteuses. Il n’y a pas de phénomène d’adsorption. En revanche, la conductivité électrique
varie avec la température et les électrodes nécessitent un étalonnage in situ à cause de
l’influence du milieu poreux et de la conductivité initiale de l’eau. De plus, les concentrations
utilisées doivent rester faibles pour éviter une trop grande modification des écoulements,
générée par les gradients de densité et de viscosité.

50
 Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

Pour tenir compte de l’effet de ces contrastes de densité, Barth et al. (2001) proposent
un nouveau critère. Ils généralisent le critère α1 proposé pour les milieux homogènes par
Oostrom et al. (1992) au cas des milieux hétérogènes (α2) :

K ∆ρ
ρ
α1 = (II.1)
q

∆ρ
ρ
α =
'
1 (II.2)
J

∆ρ
ρ
α2 = (II.3)
J − 2σ J 1

avec K, la perméabilté du milieu homogène [L/T], ∆ρ, la différence entre la masse volumique
du traceur et celle de l’eau [M/L3], ρ, la masse volumique de l’eau [M/L3], q la vitesse de
Darcy [L/T], J le gradient hydraulique moyen dans le milieu poreux et σJ, la variance de J
dans la direction principale de l’écoulement. Le facteur 2 provient de l’utilisation d’un
intervalle de confiance à 95 %.

Les études expérimentales font apparaître une valeur critique pour ces paramètres égale
à 0,3 : pour αi > 0,3 , le contraste de densité a une influence sur le transport. Le soluté n’est
plus un traceur. De plus, le contraste de densité a d’autant plus d’effet sur le transport que le
milieu poreux est hétérogène (σJ augmente).

Enfin, l’emploi de plusieurs traceurs simultanément permet d’étudier leurs

comportements relatifs et de vérifier que ce sont bien des traceurs. Nelson et al. (2003)
utilisent aussi cette méthode pour étudier la contribution de la diffusion moléculaire sur le
phénomène de dispersion.

2.4. Débits et hauteurs piézométriques

Dans l’essai de traçage, la mesure de concentration doit être corrélée aux conditions aux
limites que sont les débits et les hauteurs piézomètriques. La mesure de ces paramètres
apporte aussi son lot d’informations. Plusieurs études ont été réalisées afin d’optimiser les
résultats obtenus à partir de ces mesures.

51
Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

2.4.1. Mesures de débits

Genereux et Guardiario (2001) s’intéressent à la mesure de débit dans un puits de

pompage : ils ont mis au point un dispositif permettant de déterminer le profil vertical des
vitesses dans l’aquifère avec ou sans pompage. Plusieurs mesures de débit sont réalisées à
différentes côtes d’un puits de pompage. Pour cela, ils utilisent des obturateurs qui permettent
d’isoler une partie d’un puits et mesurent le débit sortant de la zone isolée.

Ils en déduisent la perméabilité de chaque horizon ainsi caractérisé :

K f b f ∆ (Qi − Qa ) j
Kj = (II.4)
Qp bj

avec, Kj et bj, la conductivité hydraulique et l’épaisseur de la couche j située entre deux

mesures de débits, Kf et bf, la conductivité hydraulique et l’épaisseur de l’aquifère, Qp, le
débit pompé, Qa, le débit de la couche j sans pompage, Qi, le débit de la couche j pendant le
pompage. Ainsi ∆(Qi – Qa) est la contribution de la couche j au débit pompé.

Une méthode semblable d’échantillonnage entre obturateurs avait déjà été utilisée par
Ackerer (1985) pour déterminer la distribution verticale des vitesses d’écoulement et de
concentration d’un contaminant au droit d’un sondage.

2.4.2. Mesures piézomètriques

La conductivité hydraulique d’un milieu peut aussi être déterminée à partir du

variogramme du gradient de charge. Conwell et al. (1997) s’interrogent ainsi sur la meilleure
répartition possible d’un ensemble de piézomètres pour déterminer le variogramme du
gradient de charge d’un milieu poreux hétérogène.

Plusieurs configurations sont étudiées, en particulier un maillage régulier de

piézomètres et un maillage fractal, basé sur la poussière de Cantor (Mandelbrot, 1983). Pour
faciliter la comparaison, un taux d’efficacité est défini par le rapport entre le nombre de
valeurs de gradient déterminées et le nombre de piézomètres.

Le maillage régulier a deux inconvénients majeurs : le nombre d’échantillons par classe

de distance du variogramme varie beaucoup. Les mesures pour les petites et les grandes
distances coûtent très chères. Cette répartition a un taux d'efficacité de 0,85 estimation de

52
 Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

gradient par piézomètre. Pour une répartition aléatoire des piézomètres dans une grille
uniforme, ce coefficient tombe à 0,33.

En revanche, les réseaux qui tiennent compte du changement d’échelle, telles que les
fractales, semblent mieux convenir à ce genre d’étude. Ainsi, une répartition des piézomètres
établie à partir d’une poussière de Cantor modifiée a permis d’obtenir un taux d’efficacité
de 1,2.

2.5. Méthodes d’analyse

Une fois l’essai de traçage réalisé, les paramètres ne sont pas déduits directement :
différentes méthodes ont été mises au point pour les interpréter. Nous présentons ici les
méthodes les plus utilisées : la méthode du t0,5 et celle des moments pour les méthodes
directes, la modélisation numérique et l’approche stochastique pour les méthodes indirectes.

2.5.1. La méthode du t0,5

Pour un écoulement unidirectionnel à vitesse constante, l’équation de transport devient :

∂C ∂ 2C ∂C
= DL -U (II.5)
∂t ∂x 2
∂x

avec C, la concentration, DL, la dispersion longitudinale et U, la vitesse de pore.

Dans le cas d’une injection continue d’un traceur et pour les conditions initiales et aux limites
suivantes, la solution analytique de cette équation est donnée par Ogata et Banks (1961) :

C ( x,0 ) = 0 ; C ( 0, t ) = C0 ; C ( ∞, t ) = 0

 C ( x, t ) 1   x − Ut   Ux   x + Ut   (II.6)
=  +
 2 D t  
 C erfc   exp   erfc 
2 2 D t   D 
 0 
  L  L  L 

avec erfc(u) fonction d’erreur complémentaire :

u
2
∫
2
erfc(u ) = 1 − e − v dv (II.7)
π 0

A t donné, en négligeant le second terme, cette solution est une distribution normale de
moyenne m = Ut et d’écart-type σ = 2 DLt . Fried et Combarnous (1971) proposent

53
Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

d’utiliser les termes d’une telle loi pour déterminer la vitesse moyenne de pore U et le
coefficient de dispersion longitudinale DL qui sont liés par la relation :

2
1  x − U ⋅ t0,16 x − U ⋅ t0,84 
DL =  −  (II.8)
8  t0,16 t0,84 

avec tr ( r ∈ { 0,16 ; 0,5 ; 0,84 }) le temps pour lequel la concentration réduite atteint la

valeur r (cf. Figure 2-2).

Figure 2-2 : Détermination des temps t0,16, t0,5, t0,84 pour le calcul de U et αL

Si la zone de transition est petite par rapport à la distance entre les points d’injection et
d’observation, t0,16 et t0,84 peuvent être approchés par t0,5. La relation (II.8) devient :

U 2 ( t0,84 - t0,16 )
2

DL = (II.9)
8 t0,5

Par conséquent, pour déterminer la vitesse, U, et la dispersivité, αL (DL = αLU), il suffit de

connaître trois points d’observations, qui sont t0,16, t0,5, et t0,84. Pour une distance parcourue d,
les formulations sont les suivantes :

d
U= (II.10)
t0,5

d T2 t0,84 − t0,16
αL = 2 avec T = (II.11)
2 t0,5 2

54
 Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

Silliman et Simpson (1987) utilisent cette même solution pour déterminer

graphiquement le coefficient de dispersion : la courbe de sortie est reproduite dans un
graphique ayant les concentrations réduites sur un axe normal de probabilité en abscisse et le
paramètre ν en ordonnée :

υ=
( x − Ut ) (II.12)
2t

La pente de la droite ainsi obtenue est le coefficient de dispersion. Cette méthode graphique
est fort utile pour vérifier que la distribution des concentrations est normale et observer les
variations du coefficient de dispersion et les effets d’échelle.

2.5.2. La méthode des moments

Cette méthode est basée sur l’assimilation de la courbe de réponse C(t), une fois
normée, à la distribution des temps de séjour (DTS), au sens de la théorie des distributions.
Elle consiste à calculer les moments d’un signal choisi comme signal d’entrée e(t) et ceux de
la réponse correspondante s(t) et d’en déduire la vitesse et la dispersivité. Par définition, le
moment d’ordre p de e(t) s’écrit :

∞
X P ( e(t ) ) = ∫ t p e(t )dt (II.13)
0

Supposons, de plus, que ces signaux soient normés, c’est-à-dire :

∞ ∞
∫0
e(t )dt = ∫ s (t )dt = 1
0
(II.14)

Si le signal d’entrée est un dirac, e ( t ) = δ ( t ) , alors le moment d’ordre 1 du signal de sortie

représente le temps moyen de parcours et le moment d’ordre 2 s’apparente à l’étalement du

panache. A une distance d entre la source et le point de mesure, la vitesse et la dispersivité
peuvent être calculées de la façon suivante :

d
U= (II.15)
X 1 ( s)

σ 2 ( s) ⋅U 2
αL = avec σ 2 ( s ) = X 2 ( s ) - X 12 ( s ) (II.16)
2d

55
Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

Ces relations sont établies pour une injection de type impulsion. En pratique, la
réalisation d’un signal d’entrée de ce type est difficile. La théorie des systèmes linéaires
permet d’étendre la méthode des moments aux signaux d’entrée quelconques à condition
qu’ils soient connus. s(t) et e(t) sont alors reliés par le produit de convolution :
t t
s (t ) = e(t ) ⊗ ϕ (t ) = ∫
0
ϕ (t )e(t − τ )dτ = ∫ ϕ (t − τ )e(t )dτ
0
(II.17)

avec ϕ ( t ) , la réponse du système à une impulsion unité.

Cette relation découle du fait que e(t) peut être décomposé en une succession continue
d’injections impulsion de poids e(τ)dτ effectuées à des instants t successifs. Chacune de ces
impulsions contribue pour ϕ(t-τ)e(τ)dτ au signal s(t).

Dans la pratique, le signal d’entrée est égal à la concentration mesurée au point d’injection du
traceur et le signal de sortie, égal à la concentration relevée au point de mesure considéré.
Pour respecter le bilan de masse et pouvoir comparer les signaux, le moment d’ordre 0 doit
être le même pour e(t) et s(t). X0 est utilisé pour normer les autres moments et respecter la
condition (II.14). Les formules de la vitesse et la dispersivité deviennent :

d ⋅ X0
U= (II.18)
X1 ( s ) − X1 ( e)

d ( X 0 ⋅ X 2 ( s ) − X1 ( s)) − ( X 0 ⋅ X 2 (e) − X1 (e))

2 2

αL = ⋅ (II.19)
( X1 ( s) − X1 (e))
2
2

Cette méthode est peu précise à cause de la présence du terme t² dans le moment d’ordre
2 qui donne plus de poids aux mesures faites aux temps longs. Ainsi, le début de l’essai de
traçage, où la concentration augmente, a moins de poids que les mesures suivantes du palier
ou des faibles concentrations de la fin de l’essai alors que c’est la partie la plus importante
pour déterminer les paramètres. De plus, l’impact des erreurs et du bruit de mesure est
d’autant plus important que la concentration mesurée est faible.

Pour remédier à cela, deux approches existent. La première consiste à appliquer la

méthode des moments à la dérivée de la concentration. Le problème lié au palier et à la queue
des signaux disparaît (dérivée nulle) mais le bruit présent dans les mesures de concentration

56
 Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

est amplifié par la dérivée : les changements de pente dues aux oscillations se traduisent par
une alternance de valeurs négatives et positives élevées dans la dérivée.

La deuxième approche consiste à n’utiliser que la première partie des mesures de

concentration, jusqu’au début du palier. Il faut juste s’assurer de conserver la partie de la
courbe d’entrée telle que l’égalité des moments d’ordre 0 soit conservée.

La méthode des moments, appliquée ici dans le temps, peut aussi l’être dans l’espace.
La concentration est exprimée en fonction de la position à un temps donné. Les moments
d’ordre 1 donnent alors le déplacement moyen dans chaque direction. Cette méthode est
moins utilisée car il est plus facile de mesurer la concentration à différents temps en un point
donné que de mesurer la concentration en plusieurs points du domaine à un temps donné.

2.5.3. La modélisation numérique

Les méthodes indirectes sont des méthodes d’optimisation de paramètres qui cherchent
à minimiser l’écart entre les valeurs mesurées et celles calculées par le modèle numérique ou
analytique choisi. Dans ce but, une fonction objectif, en général égale à la somme des carrés
des écarts, est définie. L’optimisation se résume alors à un problème de minimisation de la
fonction suivante :

2
m
 y − y ( xi ; a1 , a2 ,., am ) 
χ = ∑ i
2
 (II.20)
i =1  σi 

où (xi, yi) représentent les n points de mesure, σi l’erreur de mesure au point xi et

y(xi, a1, a2,...,am), la valeur calculée au point xi avec les m paramètres a1, a2,…, am.

Le fait de diviser chaque écart entre valeur mesurée et valeur calculée par l'erreur de mesures
permet de donner une moindre importance aux valeurs imprécises, chacune étant pondérée en
fonction de sa qualité.

La fonction objectif χ² est minimisée par itérations successives :

Un jeu de paramètres (ai) est fixé.

A chaque itération, un terme correctif est ajouté à (ai) de telle sorte que : χ² (ak+1) < χ²(ak)
avec ak+1 = ak +δak.

57
Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

Les itérations sont arrêtées lorsque χ² (ak+1) - χ²(ak)< ε (critère de convergence).

Pour le calcul des termes correctifs δak, la méthode de Marquardt est souvent utilisée.
Elle consiste à combiner la méthode de la plus grande pente et celle de Newton :

−1  ∂χ 2
 2
(
∆a =  −λ . I + −∇ χ
k

2
. )
 ∂ak
(II.21)

avec λ, le pas de descente réel, et I, l’identité.

Cette méthode présente plusieurs avantages. Elle tient compte des erreurs de mesure.
Elle est valable quelque soit le signal d'entrée. Elle est peu sensible aux valeurs nulles ou
interpolées. Enfin, elle permet une estimation de l'incertitude avec laquelle les paramètres sont
déterminés (Bard, 1974).

2.5.4. L’approche stochastique

L’utilisation des théories stochastiques avec les résultats d’expériences de laboratoire

implique que le modèle physique respecte les hypothèses de stationnarité et d’ergodicité. Il
apparaît pourtant impossible de construire un modèle physique ergodique. Ce problème est
soulevé par Silliman et Zheng (2001) d’une part, Zhang et di Frederico (2003) d’autre part.
Quant à l’hypothèse de stationnarité et la connaissance de la distribution des perméabilités,
comme vu précédemment, il est aujourd’hui possible de construire des milieux poreux aux
perméabilités corrélées.

Pour utiliser ou valider ces méthodes, des essais de traçage sont réalisés au laboratoire.
Les modèles physiques utilisés sont nombreux et varient en fonction du problème étudié. Ce
travail est l’occasion de les recenser.

58
 Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

3. Les modèles physiques de laboratoires

Pour présenter cette synthèse, nous avons choisi de classer les modèles physiques en
fonction de leurs dimensions caractéristiques.

3.1. Les expériences 1D

Différents travaux utilisant des modèles physiques mono-dimensionnels ont été

recensés. Le Tableau 2.1 présente chronologiquement et par modèle physique les résultats de
ces recherches bibliographiques.

59
 Dimensions Vitesses Dispersivités
Référence Milieux poreux Porosités Perméabilités (cm/min) Traceurs
(cm) (cm/min) (cm)
Nguyen et al., L = 600 Milieu naturel 0,3 Non Communiqué Strontium, iodide q=2,8E-3 De 0 à 50
1990 Φ = 300 reconstitué
Khan et Jury, L = 87 ; 43,5 ; Milieu naturel intact Non Non Communiqué CaCl2 q=2880 ; 5760 ; De 0,051 à
1990 21,8 ou reconstitué Communiqué 11520 26,992
Zhang et al., 125 x 10 x 10 Graviers 0,33 Non Communiqué NaCl U= 0,568; De 0,1 à 5,0
1994 sables grossiers à 0,37 0,646 De 2,8 à 243
fins, argiles 0,45
Huang et al., U= 0,58 ; 1,03 De 0,1 à 0,5
1995 0,35 De 3 à 200
Sternberg et L = 30,5 ; 61 ; Billes de verre Non 0,80 ; 1,26 ; 1,48 ; 1,79 ; 2,98 ; 4,91 KCl U≈ 0,66 ; 0,96 De 1,7E-2
Greenkorn, 122 149 µm ; 250 µm ; Communiqué ; 13,53 à 6,1E-2
1,5
1994 Φ = 3,18 cm 595 µm
Sternberg et al., 163 µm 0,34 0,49 ; 0,94 ; 0,95 ; 1,02 ; 1,06 ; 1,07 1,87 ; 2,67 ; Non
1996 95 µm ; 8,89 4,27 cm3/min Communiqué
Irwin et al., L = 244 Billes de verre 0,33 ; 0,38 ; 1,14 ; 2,22 KCl De 1,87 à 5,33 De 5,08
1996 Φ = 3,18 d ∈ [88 ;840µm] 0,37 1,04 cm3/min à 10,2
Rashidi et al., L = 23,5 Billes de verre 0,48 Non Communiqué Microsphères de U = 0,151 0,12
1996 Φ = 4,5 Φ = 0,31 cm latex fluo. [0,15 ; 0,30]
Delay et al., L = 60 ;120 Silice (d = 2 mm) 0,414 72 Uranine De 16 à 70 De 0,7 à 0,13
1997 Φ=5 cm3/min
Litière pour 0,73 (totale) 90
chat Catsan 0,25 (solide)
Welty et L = 520 Milieux hétérogènes Non <ln(k)>=-13,5 ; lY=15 cm ; σY²=0,24
Pas de transport
Elsner, 1997 Φ = 5,08 aléatoires. 13 sables. Communiqué <ln(k)>=-13,6 ; lY=16 cm ; σY²=0,90
3
Nelson et al., L = 15 ; Milieu homogène 0,39 Non Communiqué H2O ; CaBr2 ; U=0,33 ; 1,0 1,4
2003 φ = 2,5 reconstitué. d<2 mm PFBA ; HPCD ; 0,42 ; 0,45
fluorescéine
L = 7,62 ; milieu naturel 0,4 Non Communiqué U = 0,025 ; 5,9 ; 8,5
φ = 5,08 intact 0,25 4,8 ; 7,2 ; 21
Tableau 2.1 : Présentation synthétique des modèles physiques de laboratoire 1D.
Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

3.1.1. Qualités des expériences 1D

Les expériences mono dimensionnelles présentent plusieurs intérêts : leur mise en

œuvre est facile, les expériences sont courtes, les mesures précises et disponibles en quantité,
l’expérience est contrôlée (Huang et al., 1995). De plus, elles permettent de travailler avec
une bonne connaissance du milieu. Un champ de vitesse 1D facilite le traitement des données.
Enfin ces expériences sont peu coûteuses. Elles présentent néanmoins l’inconvénient de se
placer loin de la réalité.

3.1.2. Matériels et méthodes

Les colonnes utilisées pour les expériences ont, en général, une longueur de l’ordre du
mètre et un diamètre inférieur au décimètre. Pour se rapprocher des conditions de terrain,
Nguyen et al. (1990) ont utilisé une colonne plus grande (L=6m ; Φ = 3m). De même, Welty
et Elsner (1997) ont construit une colonne qui, avec une longueur de 5,20 m, atteint aussi les
limites de l’échelle de laboratoire.

Les expériences sont réalisées en régime permanent avec des mesures de débit, de
piézométrie et de concentration. L’étude du phénomène de dispersion et de l’effet d’échelle
amène les auteurs à créer toutes sortes de milieux poreux. Nous remarquerons les
combinaisons linéaires de 3 milieux homogènes de Sternberg et al. (1994 ; 1996), les milieux
périodiques de Irwin et al. (1996) et enfin, le milieu à double porosité constitué de litière pour
chat de Delay et al. (1997). Welty et Elsner (1997) ont créé des milieux poreux hétérogènes
aléatoires ayant des propriétés statistiques identiques à celles observées dans la nature.

3.1.3. Résultats et conclusions

Les observations sont très différentes selon le milieu utilisé. Non seulement le taux
d’hétérogénéité a une importance, mais l’utilisation de milieux plus réalistes augmente le
phénomène de dispersion. Cela semble du à l’établissement d’écoulements préférentiels.

Tous constatent une augmentation de la dispersion avec la distance mis à part Sternberg
et al. (1996) qui observent aussi des cas où la dispersion stagne voire diminue à l'interface
entre deux milieux homogènes. Il apparaît alors impossible de modéliser le transport avec
l’équation d’advection dispersion classique. D’autres modèles sont proposés et validés par les
expériences :

62
 Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

Nguyen et al. (1990) prouvent que l’on peut envisager le développement de modèles
stochastiques basés sur le temps de parcours du traceur. Ils font l’hypothèse que les
lignes de courant sont rectilignes, alors qu’elles ne le sont pas dans la réalité, et opèrent
une correction sur la vitesse afin d’obtenir le même temps de parcours sur les lignes de
courant modélisées et réelles. Le calage est effectué sur le moment d’ordre 1 normé car
il est moins sensible que la concentration elle-même. La vitesse moyenne est égale à
14 cm/j et le calage est meilleur pour une variance de la vitesse égale à 1,2. Les résultats
obtenus pour la dispersion montrent que la simulation des traçages avec une vitesse
variant en fonction des lignes de courant est convenable. Un modèle avec une
distribution lognormale des vitesses est adopté.

Khan et Jury (1990) utilisent le modèle MIM de Van Genuchten et Wierenga (Van
Genuchten et Wierenga, 1976, d'après Khan et Jury, 1990) qui prend en compte la phase
liquide immobile. Il permet de modéliser le transport dans les milieux artificiels. Mais le
calage s’est avéré impossible pour une carotte de milieu naturel.

Zhang et al. (1994) ajoutent un coefficient de dispersion qui varie linéairement avec la
distance à l’équation d’advection dispersion. Les résultats sont concluants en milieu
homogène.

Pour mieux comprendre le phénomène de dispersion, les auteurs essaient de corréler la

dispersivité aux autres grandeurs mesurées durant l’expérience :

Khan et Jury (1990) constatent que la dispersion augmente d’autant que la vitesse et le
diamètre de la colonne sont grands. Ces conditions maximisent le temps de mélange
latéral et minimisent le temps de séjour du traceur.

Sternberg et Greenkorn (1994) vérifient que la dispersivité totale d’un milieu hétérogène
n’est pas une moyenne des dispersivités des milieux homogènes qui le compose. Ils
essaient de trouver une combinaison linéaire de U1,2 (U étant la vitesse de pores), la
perméabilité, le coefficient de diffusion moléculaire, la distance parcourue, la viscosité
cinématique et l’ordre des milieux homogènes pour formuler D. L’analyse des
coefficients de corrélation montre la forte influence de la distance parcourue et de
l’ordre des milieux homogènes. Pourtant, aucune combinaison linéaire de ces
paramètres n’a permis de déterminer la dispersion finale. Les auteurs proposent enfin de
chercher une formulation sous forme d’un produit de convolution de ces termes.

63
Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

Sternberg et al. (1996) constatent que la dispersion varie, comme la vitesse, avant que la
zone de mélange n’ait atteint la transition entre deux milieux différents. Elle se stabilise
aussi après une longue zone homogène. Cela tendrait à prouver que le coefficient de
dispersion serait fonction du profil de vitesse de pore.

Les expériences en milieu périodique de Irwin et al. (1996) montrent le caractère

asymptotique de la dispersion pour ce type de milieu après 20-30 périodes. Ainsi, un
milieu périodique peut être caractérisé par la taille de sa période.

Enfin, Nelson et al. (2003), en utilisant des traceurs avec des coefficients de diffusion
différents, montrent que la diffusion moléculaire associée aux phénomènes de diffusion
entre des zones de vitesses différentes influence le transport.

Ces études expérimentales confirment donc les conclusions de Molz et al. (1983) : la
dispersion ne peut être assimilée à un paramètre constant. Et, même si elle atteint une valeur
asymptotique dès que le traceur a parcouru quelques dizaines de longueurs caractéristiques, il
n'existe aucune formulation tenant compte des paramètres auxquels elle est fortement
corrélée. L’ajout de la deuxième dimension devrait permettre d’étudier, en plus, les
phénomènes transversaux du transport.

3.2. Les expériences 2D

Comme pour les expériences 1D, les modèles physiques bidimensionnels recensés dans
la littérature sont présentés dans le Tableau 2.2.

64
 Dimensions Vitesses Dispersivités
Référence Milieux poreux Porosités Perméabilités (cm/min) Traceurs
(cm) (cm/min) (cm)
Milieu stratifié : 1 couche
Sudicky et 0,33 0,00036 U = 0,007 Non
100 x 20 x 10 (3 cm) peu perméable NaCl
al., 1985 0,36 1,38 0,035 Communiqué
entre 2 plus perméables
Refsgaard, 1 milieu aléatoire Non λ = 4,0 cm ; σ² = 0,17 Indium
300 x 180 x 14 U ∈ [1,0 ; 1,4] α ≈ σ² x λ
1986 1 milieu symétrique Communiqué λ = 2,2 cm ; σ² = 0,37 radioactif
Milieux homogène,
Silliman q=0,25 à 5
stratifié, hétérogène-
et 0,405 selon les
240 x 107 x 10 stratifié, uniformément 210 (homogène) NaCl De 2 à 20
Simpson, (homogène) sables
hétérogène.
1987
Sables grossier et fin
NC (milieu homogène) q=2.78 ; 0.081 / 0.083
5 milieux : homogène,
Silliman 3,96 / 2,4 (milieu tortueux n°1) ; 0.78 / 0.28 ; 0.170 / 0.25
homogène avec des Non
et al., 30 x 30 x 30 2,7 / 1,02 (milieu tortueux n°2) ; NaCl 0.19 / 0.35 ; 0.317 / 1.08
inclusions imperméables, Communiqué
1987 NC (milieu stratifié) ; 0.12 / 0.26 ; 1.060 / 0.62
hétérogène structuré
0,492 / 0,78 (milieu avec tubes creux) 0.41 / 0.19 0.200 / 0.38
Silliman
1 milieu aléatoire λx = 6 cm et λy = 3 cm
et Non
89 x 45 x 106 1 milieu structuré K = 30,0 cm/min (sable grossier) Pas de transport
Caswell, Communiqué
(éponge de Sierpinski) K = 3,42 cm/min (sable fin)
1998
Milieu aléatoire constitué
12 (uniforme)
Chao et de 5 sables répartis en Non 0,8 ; 2,2 ; 7,7 ; 25,8 ; 72,0 QP = 25 ; 50 ;
244 x 122 x 6,35 KBr De 0,065 à
al., 2000 36 x 20 cubes de 6,1 cm Communiqué <ln(k)> = 4,77; λx = 10 cm ; σ² = 2,0 75 cm3/min.
0,953 (radial)
de côté
Silliman
Non 10 mélanges de 2 sables : q = 0,015 Non
et Zheng, Milieu hétérogène
Communiqué 0,33 Communiqué
2001 aléatoire log-normal K ∈ [0,9 ; 96,6]
160 x 67 x 9,4 NaCl
suivant une loi de Milieu global :
Silliman, Entre 0,285 Non
covariance exponentielle. K = 6,96 cm/min ; λ = 2,75 cm ; σ² = 0,5 De 0,2 à 1,5
2001 et 0,335 Communiqué
Tableau 2.2 : Présentation synthétique des modèles physiques de laboratoire 2D.
Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

3.2.1. Qualités des expériences 2D

Les expériences dites bidimensionnelles regroupent deux types d’installations

expérimentales : les milieux poreux dont l’une des dimensions est négligeable devant les deux
autres et les milieux poreux tridimensionnels dont les caractéristiques sont constantes dans
une direction.

Comparées aux expériences 1D, elles permettent d’étudier les phénomènes transversaux
d’écoulement, de transport et d’anisotropie. Elles présentent les mêmes avantages : la réalité
est plus proche mais un certain contrôle des mécanismes est conservé.

3.2.2. Matériels et méthodes

Les cuves expérimentales ont des dimensions de l’ordre du mètre et sont souvent
polyvalentes : écoulements uniformes ou radiaux, différents sens d’écoulement, mesure de
plusieurs paramètres…

Elles contiennent des milieux poreux hétérogènes de type structurés ou aléatoires. Pour
les matériaux, les billes de verre fréquemment utilisées dans les colonnes sont abandonnées au
profit des sables calibrés, plus réalistes.

Les milieux structurés, qu’ils soient stratifiés (Sudicky et al., 1985 ; Silliman et
Simpson, 1987), périodiques (Silliman et Simpson, 1987), ou fractals (Silliman et Caswell,
1998), servent à étudier ou isoler des phénomènes particuliers tels que la dispersion
transversale ou l’anisotropie. Les milieux aléatoires sont utilisés pour valider des théories
stochastiques ou des modèles numériques.

3.2.3. Résultats et conclusions

Les premiers modèles bidimensionnels sont nés dans les années 80 avec pour but
l’étude de milieux stratifiés. Sudicky et al. (1985) conçoivent un modèle avec une strate très
perméable incluse au centre d’un milieu peu perméable. Ils montrent que dans les zones où le
contraste entre les vitesses de transport est important, i.e. à l’interface entre les strates, la
diffusion moléculaire est un phénomène prépondérant.

Silliman et Simpson (1987) décomposent les résultats du transport dans un milieu

stratifié en trois étapes : le transport dans la zone de grande conductivité, puis une zone de

66
 Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

transition et enfin le transport dans la zone de faible conductivité. La zone de transition

illustre les phénomènes observés par Sudicky et al. (1985).

La présence de strates est aussi un facteur d’anisotropie. Silliman et al. (1987) étudient
l’influence de l’anisotropie sur la dispersion à l’aide d’un modèle physique original :
l’écoulement y est possible dans des directions perpendiculaires. Deux types de milieux
anisotropes sont distingués : les milieux structurés, stratifiés par exemple, et les milieux dits
tortueux. Pour ces derniers, la tortuosité (cf. Chapitre 12.1.3) est augmentée dans une
direction en insérant des lentilles imperméables dans le milieu poreux. Le rapport entre la
dispersivité longitudinale mesurée d’une part avec un écoulement dans le sens des grandes
conductivités et celle mesurée d’autre part dans le sens des faibles conductivités semble un
bon moyen de caractériser ces milieux puisque ce rapport est inférieur à 1 pour les milieux
tortueux, supérieur à 1 pour les milieux structurés.

Après les strates, l’étude de l’effet des hétérogénéités locales devient un centre d’intérêt.
L’inclusion d’hétérogénéités locales dans un milieu homogène fait naître différents types de
milieux structurés ou aléatoires. Ces milieux sont alors caractérisés par leurs propriétés
statistiques (perméabilité moyenne, longueur de corrélation ly, variance σy2).

Refsgaard (1986) étudie l’effet d’hétérogénéités incluses dans un milieu homogène. Il

crée un milieu où la répartition des hétérogénéités est aléatoire et un milieu où la répartition
est régulière. Il constate que, dans les deux cas, la dispersivité atteint une valeur asymptotique
proche du produit σy²·ly à une distance d’environ 75 longueurs de corrélation. Cette valeur
correspond aux résultats théoriques de Dagan (1989) mais la convergence est plus lente que
dans la théorie. Il souligne aussi la difficulté de modéliser la zone proche de la source de
pollution car le transport n’y est pas ergodique et la dispersion n’est pas fickienne.

Ainsi l’effet d’échelle peut être reproduit au laboratoire. Silliman et Simpson (1987) le
vérifie aussi sur un milieu homogène contenant des hétérogénéités uniformément réparties : la
dispersivité augmente de 5,8 à 12,7 cm sur une longueur de 2,4 m. Les auteurs constatent que
cet effet devient négligeable quand l’échelle du transport est grande devant l’échelle des
hétérogénéités.

Le développement de l’outil expérimental nous conduit aujourd’hui à remplacer

l’inclusion d’hétérogénéités dans un milieu homogène par la création de milieux réellement
hétérogènes en adéquation avec les théories stochastiques. La conductivité hydraulique est

67
Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

assimilée a une Fonction Aléatoire Spatiale. Les auteurs génèrent un champ de perméabilité
gaussien qu’ils discrétisent de manière à avoir un milieu poreux réalisable physiquement.

Silliman et Zheng (2001) vérifient ainsi que leurs résultats expérimentaux obtenus en
écoulement uniforme dans un milieu aléatoire log-normal suivant une loi de covariance
exponentielle concordent avec les théories stochastiques. Mais ils remettent en cause le
caractère ergodique de leur expérience à cause des limites finies du domaine et la petite taille
de la source de traceur. L'ergodicité du transport est satisfaite quand la zone couverte par le
traceur est ergodique, i.e. quand ce dernier a parcouru plusieurs échelles intégrales. Zhang et
Di Frederico (2003) proposent d’ailleurs une solution non-ergodique qui reproduit mieux ces
résultats expérimentaux. Ceci confirme la difficulté de modéliser la zone proche de la source
de pollution soulignée par Refsgaard (1986).

Cette étude est poursuivie par Silliman (2001) qui réalise sur le même milieu des
expériences en écoulement radial. Il montre l’importance du rapport entre le débit pompé et le
débit total. Le degré de dispersion augmente avec ce rapport tant que la distance entre la
source et le puits de pompage est inférieur à 45 échelles intégrales. Pour une distance
supérieure, il tend vers un comportement asymptotique. De plus, la dispersion estimée avec
un pompage est plus grande que celle trouvée pour un écoulement uniforme. L’auteur
caractérise ainsi deux échelles importantes dans le phénomène de dispersion dû aux
hétérogénéités : la distance entre le puits et la source et la largeur moyenne de la zone de
capture.

Les travaux de Chao et al. (2000) sur un milieu aléatoire souligne aussi les différences
entre les paramètres déterminés en écoulement uniforme et ceux déterminés en écoulement
radial. Les variations de dispersivité pour une même distance entre la source et le pompage
(différents puits) laissent à penser qu’il est impossible de déterminer les paramètres du
transport avec un seul essai. Les différences observées entre l’écoulement uniforme
(α = 12 cm) et le pompage (α < 1 cm) sont d’abord causées par l’effet d’échelle : 2,5
longueurs de corrélation séparent la source du puits de pompage alors que le milieu poreux
complet, qui mesure environ 25 longueurs de corrélation, est utilisé en écoulement uniforme.
La petite taille de la source est sans doute une deuxième raison.

Ces résultats, opposés à ceux de Silliman (2001) qui trouve une dispersion plus grande
dans le cas du pompage, montrent bien l’importance de la méthode utilisée, en particulier la

68
 Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

distance de traçage, dans la détermination de la dispersion d’un milieu. Même si les

coefficients de dispersivité calculés dans ces deux études sont contradictoires, les grandeurs
caractéristiques soulignées sont semblables : la longueur de corrélation du milieu doit être
négligeable devant la distance entre la source et le point de mesure, et la taille du domaine
influençant la mesure. La condition d’ergodicité nécessaire à l’application des théories
stochastiques apparaît aussi dans l’approche expérimentale.

Cette condition ne s’applique d’ailleurs pas uniquement au transport. Silliman et

Caswell (1998) étudient le moyen de déterminer la perméabilité avec des essais de pompage.
Deux milieux poreux sont utilisés : un milieu aléatoire (lx = 6 cm et ly = 3 cm, les longueurs
de corrélation) et un milieu structuré, représentant l’éponge de Sierpinski (Mandelbrot, 1983)
avec 3 niveaux d’inclusions. Les auteurs étudient l’influence de la distance entre les
piézomètres et celle de la distance entre le puits et le centre du segment formé par les deux
piézomètres utilisés. Ils montrent que, quelque soit le milieu, la perméabilité varie avec la
distance entre le puits et les piézomètres et atteint une valeur asymptotique pour une distance
d’environ 10 échelles intégrales. Pour le milieu aléatoire, la perméabilité converge vers la
valeur prédite par la théorie de Gelhar et Axness (1983) en écoulement uniforme. Ceci
s’explique par le fait que les hauteurs piézométriques loin du puits diffèrent peu entre
l’écoulement uniforme et le pompage. La perméabilité du milieu structuré converge vers une
valeur comprise entre la moyenne géométrique et la moyenne harmonique des perméabilités.
La structure du milieu a une influence sur l’estimation à grande distance de la perméabilité.

4. Conclusions

Dans ce chapitre, nous avons pu voir l’importance de l’aspect expérimental dans la

compréhension du transfert de masse en milieu poreux. Les « expériences de laboratoire aux
échelles intermédiaires » ont été développées pour étudier de nouvelles problématiques
comme les phénomènes transversaux de dispersion et d’anisotropie. L’étude des écoulements
non uniformes tels que l’écoulement radial ouvre aussi de nouvelles perspectives dans la
détermination des paramètres hydrodynamiques.

L’avancée dans la compréhension des phénomènes et le développement de nouvelles

théories sont fortement liés aux progrès de l’outil expérimental : d’un côté la validation des
modèles théoriques nécessite le développement de modèles physiques adaptés, de l’autre les
avancées techniques et pratiques ont permis ce développement. La création de milieux poreux

69
Chapitre 2 : Etat de l’art dans l’utilisation des modèles physiques de laboratoire

définis par leurs propriétés statistiques permet l’étude du changement d’échelle nécessaire sur
le terrain et la validation de théories stochastiques. Les modèles physiques sont ainsi de plus
en plus réalistes même si les modèles tridimensionnels sont encore rares.

Les travaux récents soulignent l’importance de la méthode et lèvent de nouvelles

problématiques : l’étude de l’influence du régime d’écoulement, des conditions aux limites et
des dimensions caractéristiques sur l’estimation des paramètres mérite d’être approfondie.

Les outils théoriques et numériques présentés dans le Chapitre 1 sont utilisés pour
déterminer les paramètres équivalents du milieu poreux à une échelle donnée. Ils nécessitent
des données qui peuvent être mesurées à une autre échelle avec les techniques expérimentales
présentées dans le Chapitre 2. Mais l’association d’outils numériques ou analytiques adéquats
pour créer un outil de détermination de paramètres équivalents reste à faire.

Les conditions stationnaire et ergodique nécessaires à l’application des théories

stochastiques existent aussi dans l’approche expérimentale. Malheureusement, les cas
concrets, comme la pollution locale d’une nappe phréatique, ne remplissent pas toujours ces
conditions. Et l’enjeu est alors d’étudier, comprendre et modéliser le transport à proximité de
la source et des conditions aux limites. L’ajout de la troisième dimension à ces travaux est
aussi d’actualité dans la compréhension des phénomènes réels.

Ainsi le but de ce travail est de réaliser plusieurs expériences sur un même milieu
poreux tridimensionnel dont la distribution aléatoire corrélée des perméabilités est connue a
priori. Nous nous intéresserons en particulier à l’importance des dimensions caractéristiques
et des conditions aux limites dans la mesure et la modélisation des paramètres du transport
puis aux différences entre les paramètres équivalents déterminés pour chaque expérience.

70
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Chapitre 3 : MARCEAUS, un modèle physique

tridimensionnel de laboratoire

1. Introduction

Les expériences à échelle intermédiaire en trois dimensions sont rares. L'échelle du

laboratoire est peu compatible avec ce type d’expériences. Pourtant Dagan (1986) montre
l’importance de la troisième dimension de manière analytique.

Silliman (1996) confirme ceci de manière expérimentale. En effet, l’ajustement d’une

solution analytique mono-dimensionnelle à des résultats expérimentaux obtenus dans un
milieu hétérogène tridimensionnel de billes de verre (53 x 38 x 20 cm3) est possible.
Cependant le calage est obtenu avec une vitesse bien supérieure à la vitesse moyenne et une
dispersivité aussi élevée. La fin de l’étude montre le caractère tridimensionnel des lignes de
courant. Malgré cela, le nombre de modèles physiques tridimensionnels est très petit.

Ruch conçoit, en 1992, le modèle MARCEAUS (Modèle d’Analyse et de Recherche sur

la Contamination des EAUx Souterraines – cf. Figure 3-1) qui, avec ses dimensions
(600 x 100 x 100 cm3), est un modèle réellement tridimensionnel. Dans cette étude, il contient
un milieu poreux aléatoire et peut accueillir différents régimes d’écoulement.

Nous présenterons d’abord l’installation expérimentale puis les expériences réalisées.

Nous étudierons enfin la validité des résultats obtenus.

71
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Figure 3-1 : Vue générale du MARCEAUS.

2. Présentation du MARCEAUS

Le modèle physique MARCEAUS, déjà utilisé dans des études précédentes (Ruch,
1992 ; Renard et al., 2000b ; Carlier, 2002), se divise en trois parties. La cuve expérimentale
et son système d’alimentation, que nous présenterons en premier, n’ont pas été modifiés.
Ensuite, nous verrons le nouveau milieu poreux mis en place puis la partie instrumentation
qui a été développée.

2.1. La cuve expérimentale et le système d’alimentation

2.1.1. Présentation générale

La cuve expérimentale est un chenal d’écoulement parallélépipédique divisé en trois

compartiments (cf. Figure 3-2) :
un bac amont, maintenu à charge constante par un déversoir,
un compartiment contenant le milieu poreux, de dimensions 560 x 100 x 100 cm3,
un bac aval, également relié à un déversoir.

Le polypropylène utilisé pour la cuve est renforcé par une armature métallique
permettant de résister aux contraintes mécaniques dues à la masse importante (environ
11 tonnes) du milieu poreux et de l’eau qu’il contient.

72
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Figure 3-2 : Vue schématique du MARCEAUS.

Le fond de la cuve est incliné avec une pente de 1% dans le sens de l’écoulement. La
différence de charge entre l’amont et l’aval est réglable par l’intermédiaire des déversoirs, elle
permet de faire varier la vitesse d’écoulement dans le milieu. Toutefois, la différence de
charge est maintenue constante pendant une expérience. Cette configuration permet de
travailler à section constante.

Le modèle est installé dans un caisson thermostaté maintenu à basse température

(13°C ± 2°) par un groupe calorifique spécialement adapté. Cette température doit être
maintenue constante durant les expériences, elle correspond à des conditions proches de celles
existant dans la nappe phréatique (12-13°C). Cela évite d’une part un dégazage de l’eau
arrivant du réseau dans le milieu poreux, d’autre part le développement de biofilms et autres
bactéries.

2.1.2. L’alimentation en eau et en traceur

Le MARCEAUS est alimenté en permanence par l’eau du réseau. Celle-ci est filtrée
pour éviter que des particules du réseau (>3 µm) obstruent les grilles et le milieu poreux.
L'eau arrive dans un réservoir intermédiaire situé au dessus du bac amont. Un déversoir
maintient la charge constante et le réservoir alimente ainsi le bac amont par gravité à débit
constant.

73
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

En plus des bacs amont et aval, 9 puits de 2 cm de diamètre crépinés sur toute la hauteur
du milieu poreux (cf. Figure 3-8) permettent de modifier l'écoulement dans le milieu poreux.
En injection – pompage, l'’injection dans un puits se fait à débit constant via une pompe
péristaltique. Pour le pompage, nous utilisons un déversoir en siphon. Il présente l’avantage
de compenser les légères variations de la pompe péristaltique : si le débit d’injection
augmente (respectivement diminue), la côte de la surface libre augmente (respectivement
diminue) et le débit pompé, proportionnel à la différence de hauteur entre la surface libre et le
déversoir, augmente (respectivement diminue) jusqu’à obtenir un nouvel équilibre.
L'utilisation de deux déversoirs, l'un en injection, l'autre en pompage, a été aussi testée
(Danquigny, 2000) : la méthode n'est pas concluante, le régime transitoire dure trop
longtemps. Dans le cas du pompage seul, le choix du déversoir est beaucoup plus stable que
l’utilisation d’une pompe.

Le traceur retenu est le chlorure de sodium (NaCl) pour ses qualités présentées dans le
paragraphe 2.3.2 du Chapitre 2. La solution saline est préparée dans une cuve située à
l’intérieur du caisson thermostatée afin d’éviter les gradients de température. Le traceur peut
ensuite être injecté soit dans un puits, soit dans le bac amont où il est mélangé avec l’eau
provenant de l’alimentation. Dans ce cas, une solution très concentrée est utilisée pour tenir
compte de la dilution dans le bac.

2.2. Le milieu poreux

2.2.1. Construction du milieu poreux

Un milieu poreux de dimensions 560 x 100 x 90 cm3 est disposé au centre de la cuve.
La communication avec les bacs amont et aval se fait à travers une grille en nylon fixée sur
une plaque en PVC. La partie centrale, longue de 500 cm est remplie avec un milieu
hétérogène (cf. Figure 3-3). Ce dernier est un milieu aléatoire constitué de 6 sables calibrés
(cf. Tableau 3.1) répartis en blocs parallélépipédiques (cf. Figure 3-4) formant 9 couches de
50 x 11 blocs. Pour assurer un écoulement homogène sur toute la section du milieu, les 30 cm
de part et d’autre sont remplis avec un sable grossier K10 (cf. Tableau 3.1). La perméabilité
de chaque sable a été mesurée avec l’expérience de Darcy.

74
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Sable 1 2 3 4 5 6
Référence K60 K40 K30 K20 K10 K150
K (cm/min) 1,19 4,19 7,02 8,46 63,0 462,6
Granulométrie (mm) 0,063 - 0,2 0,16 - 0,3 0,3 - 0,5 0,5 - 0,8 1,0 - 1,8 1,6 - 2,5
Tableau 3.1 : Caractéristiques des sables calibrés.

20 cm 30 cm 500 cm 30 cm 20 cm
Milieu homogène

Milieu homogène
Bac amont

Milieu hétérogène

Bac aval
Figure 3-3 : Vue schématique du remplissage du MARCEAUS.

Figure 3-4 : Photos des cubes de sable.

Afin de placer les puits au centre d'un cube de sable et de la cuve, 11 blocs sont définis
en largeur (100 cm) : 9 cubes de 10 cm de côté au centre et deux demi-cubes (10 x 5 x 10 cm)
situés aux extrémités. Une fine couche (5 cm) de sable fin K40 est ajoutée au dessus du milieu
d’une part pour protéger le remplissage, d’autre part pour s’assurer de la saturation de toutes
les couches durant les expériences.

75
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

2.2.2. Loi de covariance

Chaque couche est construite pour qu’il n’existe aucune corrélation selon l’axe z. et que
la logconductivité suive une loi de covariance exponentielle isotrope en x et en y définie par :

( l)
Cov ( h ) = σ Y2 ⋅ exp − h
Y
(III.1)

avec h, la distance entre deux points, σY2, la variance de ln(K) et lY la longueur de corrélation
ou échelle intégrale.

Pour chaque couche, la méthode présentée au paragraphe 2.1.2 du Chapitre 2 est

utilisée. Cependant, le sable K10 est imposé pour les cubes contenant les puits. Ainsi, les
sables fins ne s’infiltrent pas dans les puits et la répartition des flux dans chaque couche est
plus homogène. Le calcul du nouveau variogramme (cf. Figure 3-5) montre que ce
changement a peu d’influence sur la loi de covariance.

1.2

0.8
Couche 1
gamma(h)

Couche 2
Couche 3
0.6
Couche 4
Couche 5
Couche 6
0.4
Couche 7
Couche 8
Couche 9
0.2
Théorie

0
0 5 10 15 20 25
h

Figure 3-5 : Variogramme des couches du milieu poreux du MARCEAUS.

76
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Pour la réalisation, des grilles en PVC (cf. Figure 2-1) sont remplies, bloc par bloc,
selon la carte préétablie (cf. Annexe A). Le milieu ainsi construit est présenté dans la
Figure 3-3 et a les caractéristiques suivantes :

 Y = − 6, 43
 2
 σ Y = 1,03 (III.2)
 l = 23,1 cm
 Y

avec Y=ln(K), la logconductivité pour K en m·s-1, soit une moyenne géométrique de la

conductivité égale à 0,00159 m·s-1.

Type de sable
K150
K10
K20
K30
K40
K60

Figure 3-6 : Vue schématique du milieu poreux hétérogène du MARCEAUS.

2.3. Le dispositif de mesures

Le MARCEAUS est équipé d’appareils de mesure et d’acquisition de données classés

en trois domaines : la mesure des débits, des pressions et des concentrations.

77
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

2.3.1. Les débits

Les expériences sont réalisées en régime permanent. La mesure de débit est donc
utilisée pour régler l’écoulement avant une expérience et pour contrôler sa stabilité pendant
celle-ci. L’utilisation de déversoirs à charge constante, plutôt que des pompes, évite les
variations et dérives propres aux appareils électriques. Le coût du matériel est aussi moindre.

Les débits à l’entrée et à la sortie de la cuve sont mesurés régulièrement par pesée. Pour
mesurer les débits injectés ou pompés dans les puits, deux débitmètres identiques dont le
principe de mesure est une turbine de Pelton et une photodiode à infra rouge ont été installés.
La précision sur les débits mesurés avec ces appareils varie entre 5% et 10%. La vérification
du bilan de masse permet d’attester du régime permanent.

2.3.2. La piézométrie

La cuve a aussi été équipée de

18 piézomètres (cf. Figure 3-8 et
Tableau 3.2) placés au fond de celle-ci.
Chaque piézomètre peut être relié à l’un
des 10 capteurs de pression disponibles au
laboratoire.

Ce sont des capteurs piézo-résistifs

« Keller 35 S » qui permettent de mesurer
la charge avec une précision de l’ordre de
0,5 mm. Chaque capteur est branché à un
piézomètre via une prise fabriquée au
laboratoire (cf. Figure 3-7). Le choix des
piézomètres est fait en fonction de
l’expérience réalisée afin de mesurer les
variations de la charge autour des puits.

Figure 3-7 : Prise et capteur de pression.

Les capteurs sont reliés au système d’acquisition de données. Il permet de réaliser les
10 mesures de pression toutes les 3 secondes en régime transitoire. En régime permanent, la
charge est mesurée une fois par cycle de mesure, i.e. toutes les 24 minutes. Avant chaque

78
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

campagne de mesures, les capteurs sont réinitialisés : la hauteur piézomètrique réglée au plus
haut, sans écoulement, est parfaitement horizontale et constitue le zéro relatif.

W1C W2C W3C

100
P2C P3C P4C P5C P6C

PAm P1B W1B P2B P3B W2B P5B P6B W3B P7B PAv
50
P2A P3A P4A P5A P6A

W1A W2A W3A

0
0 50 100 150 200 250 300 350 400 450 500 550 600
Puits Piézomètre Cellule de conductivité

Figure 3-8 : Localisation des puits, piézomètres et cellules de conductivité.

Puits x (cm) y (cm) Piézomètre x (cm) y (cm) Piézomètre x (cm) y (cm)

W1A 185 0 PAm 10 – P4C 305 80

W1B 185 50 P1B 145 50 P5A 345 20

W1C 185 100 P2A 225 20 P5B 345 50

W2A 305 0 P2B 225 50 P5C 345 80

W2B 305 50 P2C 225 80 P6A 385 20

W2C 305 100 P3A 265 20 P6B 385 50

W3A 425 0 P3B 265 50 P6C 385 80

W3B 425 50 P3C 265 80 P7B 425 50

W3C 425 100 P4A 305 20 PAv 590 –

Tableau 3.2 : Coordonnées des puits et piézomètres dans le MARCEAUS.

2.3.3. Les concentrations

La mesure par conductimétrie

La concentration en chlorure de sodium (NaCl) dans le milieu poreux est mesurée par
conductimétrie. En effet, pour une petite plage de concentrations et une température
constante, la conductivité électrique peut être considérée proportionnelle à la concentration en
sel (Richards, 1954). La concentration d’injection est de l’ordre de 2 g/l pour toutes les

79
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

expériences. La concentration réduite C est une fonction de la conductivité électrique

C0
mesurée γmes, la conductivité électrique de l’eau γeau et la conductivité de la solution
injectée γ0 [L-3.M-1.T3.I2] :

C γ mes − γ eau
= (III.3)
C0 γ 0 − γ eau

Equipement du MARCEAUS

350 cellules de mesures sont implémentées dans la cuve : 14 plans (selon x) de 5 tiges
(selon y) supportant 5 cellules chacune (selon z) forment un maillage régulier (cf. Figure 3-8
et Tableau 3.2). Les tiges (cf. Figure 3-9) ont été développées et construites au laboratoire
(Ruch, 1992). Chaque cellule est constituée de deux électrodes cylindriques de 4 mm de
diamètre, 23 mm de longueur et distantes l’une de l’autre de 35 mm. Les cellules sont fixées
sur une tige en plexiglas et espacées de 17,5 cm. Elles sont ainsi placées aux
côtes 14 ; 31,5 ; 49 ; 66,5 et 84 cm, i.e. au milieu des couches 2, 7, 9 et à l’interface entre les
couches 3 et 4, 5 et 6. Le volume de mesure d'une cellule est estimée à une sphère de 7 cm de
diamètre environ.

z = 840 mm Couche 9

Couche 8

z = 665 mm 35 mm

175 mm

Couche 6

z = 490 mm
Couche 5

23 mm
z = 315 mm 4 mm

Couche 3

z = 140 mm Couche 2

Couche 1

Figure 3-9 : Photo et schéma des cellules de conductivités du MARCEAU'S

80
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Après le remplissage de sable, ces cellules sont au cœur du milieu poreux (cf.
Figure 3-4). La conductivité mesurée par une cellule pour une même solution dépend de la
cellule, du branchement (la fabrication artisanale entraîne des différences entre les cellules) et
du milieu environnant. L’étalonnage doit donc être réalisé in situ. Pour ce faire, à chaque
expérience, l’injection de traceur est poursuivie si possible jusqu’à ce que la conductivité
atteigne un palier qui sera la conductivité de la solution injectée, γ0, pour la cellule donnée.
Les cellules étant au cœur du milieu poreux, il nous est impossible de les réparer. Sur
l’ensemble, moins de 10% des cellules sont inutilisables.

3 cellules supplémentaires à 2 pôles permettent de mesurer la concentration à l’injection

(puits ou bac amont selon l’expérience – cellule 352, Schott-Geräte LF513T), à l’aval (cellule
353, Schott-Geräte LF510 NN) et, le cas échéant, à la sortie du puits de pompage
(cellule 351 : WTW Tetracon 325). Elles sont aussi étalonnées en conditions expérimentales.

Les cellules sont reliées à un multiplexeur et un conductimètre Knick 703 asservis par
un ordinateur. Avec le programme d’acquisition mis au point au laboratoire, chaque mesure
de conductivité nécessite environ 4 secondes. L’ensemble des cellules de l’installation, y
compris les capteurs de pression, est ainsi parcouru toutes les 24 minutes. L’étude et le
remplacement des connectiques a permis d’augmenter considérablement la précision des
mesures : l’erreur absolue est de l’ordre de 0,007 mS/cm, soit moins de 1% de l’échelle de
mesure.

Détermination des concentrations réduites

Pour une cellule donnée, la conductivité électrique mesurée pour la solution injectée
sera différente de celle de la cellule voisine. Il faut donc trouver un moyen de passer de la
conductivité mesurée à la concentration réelle, voire la concentration réduite. Trois solutions
ont été testées :

La première méthode consiste à calculer la conductivité moyenne du palier de

concentration atteint pendant l’essai de traçage et de l’associer à la concentration de la
solution injectée, les autres concentrations étant déduites par proportionnalité. Cette
méthode est simple mais nécessite l’obtention pour chaque cellule d’un palier net et
constant. Cette condition est très difficile à respecter car l’injection n’est pas
parfaitement constante. De plus, dans le cas de l’injection – pompage, le palier est

81
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

atteint pour peu de cellules. Enfin, cette méthode est difficile à automatiser étant donnée
la définition arbitraire du palier.

La deuxième méthode utilise le bilan de masse, i.e. le moment d’ordre 0 des

conductivités, pour calculer la concentration réduite :

C (γ (t ) − γ eau ) ⋅ Tinj ∞
(t ) = mes avec X 0 = ∫ (γ mes (t ) − γ eau ) ⋅ dt (III.4)
C0 X0 0

avec γmes(t) la conductivité mesurée au temps t, Tinj la durée de l’injection en traceur et

X0 le moment d’ordre 0 de la conductivité électrique. Cette méthode est plus
performante que la première car elle tient compte de l'intégralité du signal. De fait, elle
est aussi plus facile à automatiser. Mais elle est aussi valable sous l'hypothèse de
respecter le bilan de masse sur chaque cellule, ce qui n'est pas le cas pour les
expériences d'injection – pompage.

La troisième méthode consiste à trouver un coefficient de proportionnalité ζi entre

chaque cellule i et une cellule de référence. Pour cela, les meilleurs décalage en temps et
coefficient multiplicateur permettant de réduire la différence par moindres carrés entre
les deux courbes de mesures comparées sont déterminés (cf. Figure 3-10). Le coefficient
multiplicateur est appliqué aux mesures brutes pour calculer la conductivité qu'aurait
mesurée la cellule de référence. Le décalage en temps donne une idée du temps moyen
de parcours.

La concentration réduite est ensuite déterminée en appliquant la formule (III.4) à la

nouvelle conductivité avec le moment d'ordre 0 calculé pour la cellule de référence.
Cette approche implique aussi la conservation du bilan de masse sur toutes les cellules.
Dans le cas contraire, le coefficient peut être déterminé avec la mesure de la
conductivité de l'eau réalisée au début de chaque expérience, l'inconvénient étant alors
l'erreur relative à une mesure de faible conductivité. Le coefficient de proportionnalité
est propre à chaque cellule et à la cellule de référence, indépendamment de l'expérience.

82
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

0.0016

0.0014

Conductivité électrique (S/cm)

0.0012

0.0010

0.0008

0.0006

0.0004

0.0002

0.0000
0 2000 4000 6000 8000 10000 12000 14000 16000 18000
Temps (minutes)

cellule 351 - pompage - référence cellule 16 - mesures brutes

cellule 16 - décalée de 816 minutes cellule 16 - décalée et multipliée par 1,7

Figure 3-10 : Détermination de la concentration relative à une cellule de référence – TT4W1.

Dans la pratique, nous avons utilisé la deuxième méthode pour les expériences en
écoulement uniforme et pompage (i.e quand la saturation du milieu en traceur est atteinte) car
elle présente l'avantage d'utiliser tout le signal de mesure et le calcul est indépendant pour
chaque cellule (il n'y a pas de cellule de référence). Pour les expériences en injection –
pompage, le coefficient de proportionnalité déterminé avec la dernière approche, pour les
expériences où le milieu est saturé, a été appliqué aux résultats bruts.

L’installation ainsi décrite admet différentes conditions expérimentales. Nous pouvons,

par exemple, réaliser des essais de pompage mais aussi des essais de traçage en écoulement
uniforme, avec ou sans pompage et des essais en injection – pompage. Les différents puits
disponibles augmentent les possibilités.

De plus, elle contient un milieu aléatoire dont les dimensions n'excèdent pas quelques
échelles intégrales. C'est donc un outil intéressant pour réaliser l'étude expérimentale suscitée
par la synthèse bibliographique.

83
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

3. Résultats expérimentaux

3.1. Introduction

L’étude bibliographique nous a montré la nécessité de comprendre l’influence des

conditions aux limites et des dimensions caractéristiques de l’essai de traçage pour pouvoir
étendre les paramètres déterminés avec un essai au cas général. Nous avons aussi présenté un
outil expérimental, le MARCEAUS, avec lequel nous allons accomplir nos essais.

Le but est ici d’effectuer une campagne d’expériences dans un milieu poreux connu et
avec différentes conditions aux limites. Nous nous intéresserons au cas de l’écoulement
uniforme, au cas du pompage et à celui de l’injection – pompage. Les résultats obtenus
pourront être analysés et comparés.

Avant de présenter les 7 expériences réalisées, nous détaillerons le protocole

expérimental mis en place. Enfin nous étudierons les résultats obtenus.

3.2. Protocole expérimental

Trois types d’expérience ont été réalisés :

« L’écoulement uniforme » : un gradient de charge est instauré entre les bacs amont et
aval. Le traceur est injecté dans le bac amont.
« Le pompage » : un pompage à débit constant est ajouté à l’écoulement uniforme. Le
traceur est injecté dans le bac amont.
« L’injection – pompage » : deux puits sont utilisés pour former un doublet d’injection –
pompage à débit constant. Il n’y a pas d’autres écoulements : le déversoir aval n’est pas
connecté. Le traceur est injecté dans le puits d’injection.

Pour chaque expérience, le même protocole expérimental est respecté :

1. Les capteurs de pression sont branchés sur les piézomètres choisis pour l’expérience. La
hauteur d’eau est maintenue horizontale, sans écoulement, égale à la cote du déversoir
amont réglée de manière à ce que tout le milieu soit saturé (le déversoir aval n’est pas
connecté). Les capteurs sont remis à zéro et les pressions sont enregistrées pour estimer
l’erreur de mesure et les dérives éventuelles. La cote du déversoir amont sert de référence
pour la transformation de la pression mesurée en hauteur d’eau dans la cuve.

84
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

2. Le cas échéant, la cote du déversoir aval est réglée pour avoir le gradient voulu, en général
1% comme le fond de la cuve. La vanne aval est ouverte. L’écoulement atteint un régime
uniforme et permanent. Pendant ce régime transitoire, les pressions sont mesurées pour
visualiser l’arrivée du régime permanent.

3. Le cas échéant, le pompage (et l’injection) dans le(s) puits choisi(s) est démarré. Les
pressions sont enregistrées jusqu’à l’arrivée du régime permanent.

4. L’acquisition des conductivités électriques est lancée pour estimer l’erreur de mesure, les
éventuelles dérives et la conductivité de l’eau du réseau. Les pressions sont relevées à la
fin de chaque cycle de mesure de conductivités.

5. Le traceur est injecté uniformément soit dans le puit d’injection, soit dans le bac amont,
jusqu’à ce que la conductivité atteigne un palier pour chaque cellule, i.e. la distribution du
traceur atteint le régime permanent dans toute la cuve. L’acquisition de données continue.

6. L’injection du traceur est arrêtée mais le régime d’écoulement est conservé jusqu’à ce que
le traceur ait entièrement disparu du milieu poreux. L’acquisition de données continue.

7. Le cas échéant, le pompage (et l’injection) est arrêté. Les pressions sont enregistrées
jusqu’à l’arrivée du régime permanent.

8. La vanne aval est fermée. Pendant ce régime transitoire, les pressions sont mesurées pour
visualiser le retour à la situation initiale.

Une expérience réussie dure environ un mois. Certaines d’entre-elles ont dû être
réitérées, comme l’expérience en écoulement uniforme ou la première expérience
d’injection – pompage à cause de problèmes techniques. Les quelques résultats obtenus en
double seront utilisés pour vérifier la reproductibilité des expériences.

3.3. Expériences réalisées

Pour nommer les expériences, nous utiliserons la notation TTiWj, avec TT pour « tracer
test », W pour « well » et i, le numéro de l’expérience du type j, i.e. comportant j puits (0 pour
l’écoulement uniforme, 1 pour le pompage et 2 pour l’injection – pompage). Par exemple,
TT1W2 est le premier essai de traçage en injection – pompage.

85
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

L’origine de l’axe des abscisses est placée à l’amont du milieu poreux. Ainsi le milieu
est compris entre les coordonnées 0 et 560 cm. L’origine de l’axe vertical est placée au point
le plus bas de la cuve : compte tenu de la pente de la cuve, z vaut 0 au fond du bac aval.

3.3.1. L’écoulement uniforme : TT1W0

L’essai de traçage en écoulement uniforme consiste à injecter le traceur dans le bac

amont jusqu’à saturation du milieu en traceur (injection échelon) puis d'injecter de l'eau
jusqu'à disparition complète du traceur.

La charge appliquée est de 96,0 cm à l’amont et de 90,2 cm à l’aval. Le gradient est

donc d’environ 1%, comme la pente du fond de la cuve. La hauteur d’eau dans la cuve est
quasi-constante et vaut 90,0 cm (cf. Figure 3-11). Le débit mesuré à la sortie de la cuve est de
1,4 l/min.

100
Charge hydraulique
98 Cote du fond de la cuve
y = -0.01 x + 96
96
y = -0.01 x + 6
94

92
Hauteurs (cm)

90

0
0 100 200 300 400 500
Abcisse (cm)

Figure 3-11 : Hauteurs d'eau dans la cuve - TT1W0.

L’injection du traceur est démarrée 31 heures après le début de l’expérience et dure 311
heures. En observant les mesures réalisées dans les bacs amont et aval, la totalité du milieu
poreux, y compris les zones de sable grossier, sont prises en compte. C'est pourquoi nous
utiliserons les résultats des premier et. dernier plans de cellules, situés aux extrémités du
milieu aléatoire, comme références lors des injections de traceur dans le bac amont (cf. Figure
3-12).

86
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Section 1
100 Section 14

Concentrations réduites (%)

80

60

40

20

0
0 24 48 72 336 360 384 408 432
Temps (heures)

Figure 3-12 : Concentrations moyennes dans les sections 1 et 14 – TT1W0.

Les données acquises avec les cellules présentes dans le milieu poreux permettent de
mieux comprendre l'effet des hétérogénéités sur le déplacement du traceur. La Figure 3-13
présente, par exemple, l'augmentation de la concentration pour 10 cellules dont les
coordonnées et le sable environnant sont détaillées dans le Tableau 3.3.

Cellule X (cm) Y (cm) Z (cm) Sable Cellule X (cm) Y (cm) Z (cm) Sable
33 65 30 54,0 K20/K10 156 265 30 17,0 K10
36 65 50 19,0 K40 174 265 90 69,5 K40
126 225 10 17,4 K10 217 345 70 33,7 K30
144 225 70 69,9 K60 279 465 10 67,5 K10
149 225 90 69,9 K60 296 465 90 15,0 K40
Tableau 3.3 : Coordonnées et sable environnant des 10 cellules étudiées en écoulement uniforme.

87
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

100

Concentrations réduites (%)

80

c33
60 c36
c126
c144
40 c149
c156
c174
c217
20 c279
c296

0
1800 2000 2200 2400 2600 2800 3000 3200 3400 3600
Temps (minutes)

Figure 3-13 : Observation de l'augmentation de la concentration dans le milieu poreux – TT1W0.

Notons que les cellules 126, 144 et 149 sont toutes dans la section 6 et présentent des profils
tout à fait différents. Le temps t0,5 vaut respectivement environ 415, 1090 et 750 minutes (en
tenant compte d'un début d'injection à t = 1860 minutes), d'où des vitesses apparentes
respectives de l'ordre de 0,54 , 0,21 et 0,30 cm/min en considérant des lignes de courant
rectilignes.

De plus, les cellules 144 et 149 sont dans le même sable très peu perméable, ce qui montre
bien que l’évolution de la concentration en un point n’est pas la conséquence d’un phénomène
local.

L'apparition du traceur pour la cellule 279, située dans la section 12 (x = 465 cm), plus tôt que
pour la cellule 217, située dans la section 9 (x = 345 cm), illustre l'établissement d'écoulement
préférentiels dans le milieu poreux.

Enfin, le profil de la cellule 156 (située dans un sable très perméable) rappelle les différentes
phases du transport évoquées par Silliman et Simpson (1987).

3.3.2. Les pompages

Sur la base de l’écoulement uniforme décrit précédemment, nous avons réalisé quatre
expériences avec un pompage. Deux puits, W2B (x = 285 cm ; y = 50 cm) et W3B
(x = 405 cm ; y = 50 cm ; cf. Figure 3-8), ont été utilisés avec, pour chacun, deux positions du
déversoir de pompage (cf. Tableau 3.4).

88
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Débits (l/min) Charges (cm) Hauteur du

Expérience Puits déversoir de
Pompage Aval Amont Aval pompage (cm)
TT1W1 W2B 0,40 1,0 96,0 90,1 75,0
TT2W1 W2B 0,85 0,95 96,2 90,2 50,0
TT3W1 W3B 0,77 0,80 96,2 90,2 50,0
TT4W1 W3B 0,40 1,1 96,1 90,1 75,0
Tableau 3.4 : Synthèse des conditions aux limites des expériences de pompage.

Notons que, pour la position élevée du déversoir (75 cm), le débit de pompage est
identique dans les deux puits. Les débits élevées varient aussi peu d’un puits à l’autre. Il
semble donc que les milieux entourant les puits W2B et W3B sont équivalents.

TT1W1

Le régime permanent est atteint en deux étapes : à t = 15 minutes, la vanne aval est
ouverte et à t = 200 minutes, le pompage est démarré. Le régime transitoire est observé avec
les mesures de pression (cf. Figure 3-14).

97.0
96.5
96.0
95.5
95.0 PAm
Hauteurs (cmCE)

94.5 P1B
94.0 P2B
93.5 P3B
93.0 P4A
92.5 P4C
92.0
P5B
P6B
91.5
P7B
91.0
PAv
90.5
90.0
89.5

0 30 210 240
Temps (minutes)

Figure 3-14 : Mesures de pression durant le régime transitoire – TT1W1.

Une fois le régime permanent obtenu, l’essai de traçage peut commencer. L’injection de
traceur débute à t = 5 heures et dure 155 heures (cf. Figure 3-15).

89
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Section 1
100 Section 14
Puits W2B

Concentrations réduites (%)

80

60

40

20

0
0 12 24 36 48 60 168 180 192 204 216 228 240
Temps (heures)

Figure 3-15 : Concentrations dans les sections 1 et 14, et à la sortie du puits de pompage- TT1W1.

Pour comparaison, les cellules in situ étudiées pour TT1W0 sont présentées dans la
Figure 3-16. Les observations faites pour l'écoulement uniforme restent valables.

100
Concentrations réduites (%)

80
c33
c36
60 c126
c144
c149
40 c156
c174
c217
20 c279
c296

0
0 240 480 720 960 1200 1440 1680 1920 2160 2400
Temps (minutes)

Figure 3-16 : Observation de l'augmentation de la concentration dans le milieu poreux – TT1W1.

TT2W1

Pour TT2W1, le même puits est utilisé mais avec un débit de pompage plus élevé : il
passe de 0,4 à 0,85 l/min. Pour cela, le déversoir de pompage est abaissé de 25 cm, i.e. jusqu’à
une cote de 50 cm.

L’injection de traceur débute à t = 41 heures et dure 169 heures (cf. Figure 3-17).

90
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Section 1
100
Section 14
Puits W2B

Concentrations réduites (%)

80

60

40

20

0
0 12 24 36 48 60 72 84 96 204 216 228 240 252 264 276 288
Temps (heures)

Figure 3-17 : Concentrations dans les sections 1 et 14, et à la sortie du puits de pompage- TT2W1.

TT3W1

Pour TT3W1, un autre puits plus loin de la source, W3B, est utilisé. Le déversoir de
pompage est à la même hauteur que pour TT2W1. Le débit pompé vaut alors 0,77l/min et le
débit aval, 0,80 l/min.

L’injection du traceur débute 46 heures après le début de l’acquisition de données et

dure 187 heures (cf. Figure 3-18).

Section 1
100 Section 14
Puits W3B
Concentrations réduites (%)

80

60

40

20

0
0 24 48 72 96 216 240 264 288 312
Temps (heures)

Figure 3-18 : Concentrations dans les sections 1, 14 et à la sortie du puits de pompage- TT3W1.

91
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

L'observation des 10 cellules déjà étudiées (cf. Figure 3-19) illustre encore l'effet des
hétérogénéités, l'existence d'écoulements préférentiels et l'augmentation des vitesses causée
par le pompage. Remarquons le profil de la cellule 217 qui, comme celui de la cellule 156,
présente plusieurs phases.

100
Concentrations réduites (%)

80
c33
c36
60 c126
c144
c149
40 c156
c174
c217
20 c279
c296

0
2640 2880 3120 3360 3600 3840 4080 4320 4560 4800 5040
Temps (minutes)

Figure 3-19 : Observation de l'augmentation de la concentration dans le milieu poreux – TT3W1.

TT4W1

Le puits W3B est encore utilisé mais le déversoir est relevé à une hauteur de 75 cm,
comme pour TT1W1. Le débit pompé vaut alors 0,4 l/min et le débit aval, 1,1 l/min.
L’injection de traceur commence à t = 30 heures et dure 185 heures (cf. Figure 3-20).

92
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Section 1
100 Section 14
Puits W3B

Concentrations réduites (%)

80

60

40

20

0
0 24 48 72 168 192 216 240 264 288
Temps (heures)

Figure 3-20 : Concentrations dans les sections 1 et 14, et à la sortie du puits de pompage- TT4W1.

Le profil particulier de la décroissance de la concentration est due à une panne de la

pompe péristaltique.

Le débit de pompage plus faible que dans TT3W1 entraîne une diminution des vitesses
dans le milieu, d'où des profils de concentration moins proches pour les cellules in situ
(cf. Figure 3-21).

100
Concentrations réduites (%)

80
c33
c36
c126
60
c144
c149
c156
40
c174
c217
c279
20
c296

0
1680 1920 2160 2400 2640 2880 3120 3360 3600 3840 4080
Temps (minutes)

Figure 3-21 : Observation de l'augmentation de la concentration dans le milieu poreux – TT4W1.

Ces quatre expériences devraient permettre d’étudier l’influence de la position du puits

et du débit sur la zone de capture et les paramètres déterminées.

93
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Comparaison des résultats

D'après les courbes de sortie du puits de pompage (cf. Figure 3-22), le temps de percée
est peu fonction du débit de pompage. Ainsi, ce dernier a peu d'influence sur la vitesse
moyenne entre la source et le puits. Le gradient de charge entre l'amont et l'aval du milieu,
donc la vitesse moyenne en dehors de la zone d'influence du puits, est constant d'une
expérience à l'autre. L'invariance du temps de percée semble indiquer que cette zone
d'influence est très petite devant la distance parcourue par le traceur.

100
Concentrations réduites (%)

80

60

40
TT1W1 - W2B - Q = 0,40 l/min

TT2W1 - W2B - Q = 0,85 l/min

20
TT3W1 - W3B - Q = 0,77 l/min

TT4W1 - W3B - Q = 0,40 l/min

0
0.00 300.00 600.00 900.00 1200.00 1500.00 1800.00
Temps (minutes)

Figure 3-22 : Concentration à la sortie du puits pour les expériences de pompage.

3.3.3. Les « injection – pompage »

Deux expériences d’injection – pompage sont ensuite réalisées. Pour ce faire, nous
supprimons l’écoulement uniforme dans le milieu poreux et instaurons une injection et un
pompage à débits égaux. Le but est d’étudier l’influence de la position et de la distance entre
les puits.

Comme précédemment, nous nous intéresserons aux profils de concentration de cellules

situées dans le milieu poreux. Elle sont présentées dans le Tableau 3.5.

94
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Cellule X (cm) Y (cm) Z (cm) Sable Cellule X (cm) Y (cm) Z (cm) Sable
27 65 10 36,5 K20/K10 201 345 10 16,2 K30
36 65 50 19,0 K40 202 345 10 33,7 K30/K40
51 105 10 18,6 K20 222 345 90 33,7 K60/K20
66 105 70 18,6 K40 296 465 90 15,0 K40
147 225 90 34,9 K20/K20 321 505 90 14,6 K40
Tableau 3.5 : Coordonnées et sable environnant des 10 cellules étudiées pour l'injection – pompage.

TT1W2

Pour cette première expérience, le puits W1B est utilisé en injection et le puits W3B en
pompage. Ils sont séparés de 240 cm. Le débit est fixé à 0,50 l/min et la hauteur d’eau dans le
bac aval est de 90,3 cm.

L’injection de traceur est lancée 54 heures après le début de l’acquisition de données et

arrêtée 76 heures plus tard (cf. Figure 3-23).

Injection W1B
100 Pompage W3B
Concentrations réduites (%)

80

60

40

20

0
0 2400 4800 7200 9600 12000 14400 16800 19200 21600 24000
Temps (minutes)

Figure 3-23 : Concentrations à l’entrée du puits d’injection et à la sortie du puits de pompage- TT1W2.

La durée de l’expérience est limitée par le volume du réservoir contenant le

traceur (2500 l). Il nous est donc impossible de saturer le milieu poreux et d’atteindre le palier
de concentration.

Les résultats obtenus pour les cellules in situ sont très différents de ceux obtenus pour
les autres expériences (cf. Figure 3-24). Le palier est atteint pour peu de cellules. Celles-ci

95
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

sont situées sur les lignes de courant les plus courtes, entre les puits : ici les cellules 147, 201,
202 et 222. Les zones situées aux extrémités du milieu ne reçoivent que tardivement peu de
polluant. Les lignes de courant traversant ces zones sont très longues et caractérisées par des
vitesses très faibles : les cellules 27, 36 et 321 illustrent ces phénomènes. Enfin le profil de la
cellule 66 présente plusieurs maxima locaux, résultats d'une mesure sur un volume plus grand
que la taille d’un bloc. Pour rappel, le volume de mesure d'une cellule de conductivité est
estimé à une sphère de 7 cm de diamètre environ.

100 c27
c36
Concentrations réduites (%)

c51
80 c66
c147
c201
60 c202
c222
c296
40 c321

20

0
0 3600 7200 10800 14400 18000 21600 25200
Temps (minutes)

Figure 3-24 : Observation de l'évolution de la concentration dans le milieu poreux – TT1W2.

TT2W2

La deuxième expérience d’injection – pompage est réalisée avec un autre doublet : W1B
pour l’injection et W2B pour le pompage. La distance entre les puits est ici de 120 cm. Le
débit vaut 0,50 l/min, comme pour TT1W2. La hauteur d’eau dans le bac aval est de 89,6 cm.

Le traceur remplace l’eau à l’injection de t = 67 heures à t = 162,25 heures, soit pendant

95,25 heures.

96
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Injection W1B
100 Pompage W2B

Concentrations réduites (%)

80

60

40

20

0
0 2400 4800 7200 9600 12000 14400 16800 19200 21600 24000
Temps (minutes)

Figure 3-25 : Concentrations à l’entrée du puits d’injection et à la sortie du puits de pompage- TT2W2.

La comparaison des résultats obtenus pour les cellules in situ durant les deux
expériences d'injection – pompage révèle l'influence de la position des puits sur les lignes de
courant. La zone saturée en traceur est moins grande dans ce cas : parmi les cellules retenues,
seule la cellule 147 présente encore un palier. L'effet du volume de mesure apparaît
significativement pour les cellules 201 et 202, qui relèvent le même phénomène avec une
intensité et une vitesse différente. Les zones extrêmes sont moins touchées par le traceur que
dans TT1W2 : l'observation des cellules 27 et 36 pour l'amont, 296 et 321 pour l'aval montre
une arrivée tardive et en petite quantité du traceur.

100
c27
c36
Concentrations réduites (%)

c51
80
c66
c147
c201
60
c202
c222
c296
40
c321

20

0
0 3600 7200 10800 14400 18000 21600 25200 28800
Temps (minutes)

Figure 3-26 : Observation de l'évolution de la concentration dans le milieu poreux – TT2W2.

97
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Comparaison des résultats

Pour comparer les résultats des expériences d'injection – pompage, nous avons utilisé la
formulation du temps adimensionnel proposée par Dagan et Indelman (1999) et présentée au
paragraphe 3.3.2 du premier chapitre :

Qt
t' = (I.19)
π ω l2 h

avec t le temps [T], Q le débit de pompage [L3·T-1], ω la porosité [-], l la distance entre la
source et le puits [L] et h la hauteur de puits [L].

La comparaison des résultats expérimentaux avec la solution analytique (I.23) de Carlier

(2002) n'est pas concluante : les courbes expérimentales sont plus proches de la solution
analytique de Dagan et Indelman (1999) obtenue pour un milieu infini (cf. Figure 3-27).

100
Concentrations réduites (%)

80

60

40
TT1W2 - Carlier
TT2W2 - Carlier
TT1W2 - Exp
20
TT2W2 - Exp
Dagan & Indelman

0
1.E-08 1.E-06 1.E-04 1.E-02 1.E+00 1.E+02
Temps adimensionnel

Figure 3-27 : Comparaison des résultats expérimentaux aux solutions analytiques – TT1W2 & TT2W2.

De plus, le temps de percée adimensionnel semble ne pas être fonction de la distance

entre la source et le puits de pompage. Ce constat est en désaccord avec la formule explicite
(I.24) de Carlier (2002) dans laquelle ce temps de percée n'est fonction que de la
configuration des puits et des limites imperméables.

98
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Nous sommes en dehors du domaine de validité de ces solutions. Il est vrai qu'ici le
coefficient d'anisotropie vaut 0,43 et est supérieur à 0,2. L'hypothèse des lignes de courant
horizontales n'est donc pas valable. De plus, la longueur de corrélation verticale (10 cm) n'est
pas négligeable devant la hauteur du milieu (90 cm). Surtout, Carlier avait déjà remarqué
l'incertitude de cette solution pour des coefficients λ élevés (>2). Pour TT1W2, λ vaut 7,5 et
pour TT2W2, 3,8.

Enfin, cette solution ne tient pas compte des limites que constituent les bacs amont et aval du
MARCEAUS. Ce résultat semble indiquer que l'effet de celles-ci sur le transport n'est pas
négligeable.

3.4. Analyse des résultats

Une première analyse des résultats nous permet de vérifier leur cohérence. Il s’agit
d'abord de s'assurer que la masse est conservée. Nous nous intéresserons ensuite au caractère
reproductible des expériences.

3.4.1. Vérification de la conservation de la masse

Comme nous l'avons vu précédemment, dans les expériences d'injection – pompage, il

nous est impossible de saturer le milieu en traceur et pomper l'intégralité de ce qui a été
injecté serait trop long. Pour ce type d'expériences, le bilan de masse ne peut être vérifié.

Pour les autres expériences, le principe de la conservation de la masse est utilisé pour
calculer la concentration réduite. Il ne peut donc être vérifié a posteriori en réalisant une
simple intégrale. Par contre, il suffit de s'assurer de l'égalité des rapports suivants entre eux et
d'une expérience à l'autre :

X 0i γ eau
i
γ 0i
ζi = = = i ∈ [1,353] (III.5)
X 0réf γ eau
réf
γ 0réf

avec ζi le coefficient de proportionnalité déterminé avec la troisième méthode présentée en

2.3.3, X0 le moment d'ordre 0 des conductivités électriques, γeau la conductivité électrique de
l'eau et γ0 celle de la solution injectée, ceci pour la cellule i et la cellule de référence.

99
Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

3.4.2. Etude de la reproductibilité des expériences

Deux expériences, TT1W0 et TT1W2, ont été réalisées deux fois pour des raisons
techniques et afin de vérifier qu’elles étaient reproductibles. La comparaison des courbes de
concentration pour une même cellule et des conditions identiques montre que les expériences
sont reproductibles (cf. Figure 3-28). L'écart varie entre 0 et 2 % en concentration réduite
avec une moyenne et un écart-type égaux à 0,8 et 0,6 %.

100

90

80
Concentrations réduites (%)

70

60

50

40

30

20 TT1W2 a
TT1W2 b
10

0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500
Temps (minutes)

Figure 3-28 : Comparaison des concentrations à la sortie du puits de pompage – TT1W2 a & b

Cette comparaison concluante prouve que la précision des appareils de contrôle des
conditions aux limites est suffisante et que les légères variations de celles-ci n’ont pas
d’influence sur le résultat. En effet, l’expérience TT1W2 a été reconduite à cause de
variations du débit de pompage qui, au vu de la comparaison, n’avaient que peu de
conséquences. Pourtant le débit variait d’environ 10 % autour de la valeur imposée de
0,5 l/min.

4. Conclusion

Dans ce chapitre, nous avons présenté le MARCEAUS, un outil expérimental

intéressant au vu des problèmes posés : ses trois dimensions atteignent les limites actuelles de
l'échelle de laboratoire et le milieu poreux mis en place est en accord avec une définition
statistique de ses propriétés et l'application de théories stochastiques.

100
 Chapitre 3 : MARCEAUS, un modèle physique tridimensionnel de laboratoire

Il dispose d'un système d'acquisition de données relativement précis et complet : l’ajout

de débitmètres et de piézomètres au dispositif de mesure des conductivités nous permet
maintenant d’avoir une bonne connaissance des phénomènes existants dans le milieu.

L’analyse des résultats montre qu’il est possible de convertir les conductivités
électriques mesurées en concentrations réduites utilisables par la suite. Les expériences sont
reproductibles. Les conditions expérimentales sont donc maîtrisées et il n’y a pas de
phénomène parasite. De plus, les légères variations des conditions aux limites imposées
n’influencent pas les résultats.

Les résultats obtenus prouvent que l’ensemble fonctionne correctement. Les données
acquises avec différentes conditions expérimentales nous donnent l'occasion d'étudier leur
influence sur la détermination de paramètres équivalents et de tester des modèles numériques.

101
 Chapitre 4 : Estimation de paramètres équivalents

Chapitre 4 : Estimation de paramètres équivalents

1. Introduction

Les résultats théoriques présentés dans le Chapitre 1 sont applicables au milieu poreux
installé dans le MARCEAUS. Plusieurs estimations des paramètres équivalents sont ainsi
disponibles.

Par ailleurs, nous avons réalisé sept expériences dans des conditions différentes. Chaque
jeu de données va donc être utilisé pour déterminer les paramètres équivalents caractérisant
l’écoulement et le transport dans un milieu homogène équivalent. Ces paramètres pourront
ensuite être comparés entre eux et aux valeurs théoriques.

Nous présenterons d'abord les résultats théoriques appliqués au MARCEAUS ainsi

qu'une première estimation des paramètres équivalents. Nous nous intéresserons ensuite au
cas de l’écoulement uniforme pour deux milieux poreux différents. Puis nous présenterons les
paramètres équivalents déterminés pour les expériences en pompage. Enfin, une étude
similaire sera menée pour les expériences en injection – pompage.

2. Calcul des paramètres équivalents

2.1. Résultats théoriques

2.1.1. Perméabilité équivalente du MARCEAUS

Une première estimation de la perméabilité équivalente d’un maillage régulier comme

celui étudié est la moyenne géométrique des perméabilités locales KG.

La perméabilité équivalente appartient à l’intervalle délimité par les bornes de Cardwell

et Parsons, [Link] et [Link], la moyenne géométrique des ces bornes KC.P. étant une autre
estimation de la perméabilité équivalente. (cf. Chapitre 13.4.1).

Enfin, d’après les théories stochastiques, il est possible de calculer la perméabilité

équivalente Ke à l’aide de l’équation (I.37). Dans notre cas, le coefficient d’anisotropie e vaut

103
Chapitre 4 : Estimation de paramètres équivalents

0,43 et D calculé avec l’équation (I.38) est égal à 0,22. Nous disposons ainsi de cinq valeurs
de référence pour la suite (cf. Tableau 4.1).

[Link] KG KC.P. Ke [Link]

6,6 9,56 10,85 12,27 17,4

Tableau 4.1 : perméabilités équivalentes théoriques (cm/min).

La perméabilité équivalente est déterminée avec beaucoup d’incertitude. En effet, si les

limites de Cardwell et Parsons sont considérées comme des valeurs extrêmes par rapport à la
valeur moyenne KC.P., l’incertitude est d’environ 50%.

2.1.2. Macrodispersivité du MARCEAUS

Les résultats obtenus par Dagan (cf. équation (I.52)) donnent une première estimation
de la macrodispersivité asymptotique dans le milieu étudié :

σ Y2 = 1, 03 
 ⇒ A11 = 23,8 cm (IV.1)
lY = 23,1 cm 

En estimant la dispersivité transversale locale αT, il est aussi possible d'appliquer les
résultats de Gelhar et Axness (1983). Si αT est faible, l'équation (I.55) s'applique : la
macrodispersivité longitudinale A11 est inférieure à 15 cm et les macrodispersivités
transversales sont négligeables.

2.2. Premiers résultats expérimentaux

2.2.1. Estimation de la perméabilité équivalente en écoulement uniforme

En supposant le gradient de charge et la hauteur d’eau constants dans tout le milieu

poreux, i.e. la pente de la surface libre est supposée égale à celle du fond de la cuve, la
perméabilité globale peut être calculée à partir des valeurs mesurées pendant l’expérience
TT1W0 et de la loi de Darcy :

Q
K eq = − (IV.2)
dh
S⋅
dx

104
 Chapitre 4 : Estimation de paramètres équivalents

dh
avec Q le débit mesuré (1,4 l/min), S la section de milieu poreux (90 x 100 cm2) et le
dx
gradient de charge (environ 0,01). En utilisant les hauteurs mesurées entre l’amont et l’aval, la
perméabilité vaut 15,0 cm/min et correspond au milieu total (milieu aléatoire et zones de sable
grossier à l’amont et l’aval). Les charges mesurées avec les piézomètres P1B et P7B donnent
une perméabilité de 14,6 cm/min pour une partie du milieu aléatoire. Les valeurs obtenues
sont supérieures aux trois valeurs théoriques mais restent dans l’intervalle défini par Cardwell
et Parson (cf. Tableau 4.1).

2.2.2. Estimation de la vitesse de pores en écoulement uniforme

Il apparaît que les mesures de pression et de débit sont cohérentes avec les valeurs
théoriques. Qu’en est-il pour les mesures de concentration ?

Connaissant la porosité effective du milieu poreux (ω = 0,38), il est possible de calculer

une vitesse de pores à partir des résultats précédents :

Q
U= = 0, 41 cm/min (IV.3)
S ⋅ω

La méthode du t0,5 appliquée aux courbes de concentration des sections 1 et 14 nous donnent
un temps moyen de parcours entre ces deux sections (525 cm) de 1081 minutes, d’où une
vitesse de pore estimée à 0,49 cm/min. Cette valeur est du même ordre de grandeur que celle
déterminée avec les paramètres hydrodynamiques mais est supérieure d’environ 20%.

2.3. Conclusions

L’application de résultats théoriques à un cas concret comme celui-ci souligne

l’incertitude sur les valeurs déterminées. L’existence de formules mathématiques ne signifie
pas que le résultat obtenu est la valeur recherchée. Elles fournissent des bornes voire une
estimation des grandeurs. Ce constat justifie le développement de techniques expérimentales
d’estimation des paramètres équivalents.

Les premières estimations de paramètres équivalents avec les résultats expérimentaux

prouvent que ces derniers sont cohérents. La précision obtenue sur les valeurs mesurées
permet leur utilisation. Cependant, les valeurs expérimentales sont toutes supérieures aux
valeurs théoriques. Mais les développements utilisés sont applicables aux milieux infinis et

105
Chapitre 4 : Estimation de paramètres équivalents

non au cas particulier du MARCEAUS. L’incertitude sur la perméabilité locale des blocs de
sable peut aussi être mise en cause. La technique de remplissage a sans doute une influence
sur ces grandeurs.

Il s’agit maintenant de trouver une méthode de détermination des paramètres adaptée à

chaque type de conditions aux limites, puis de déterminer les valeurs pour les 7 expériences
réalisées et de les comparer.

3. Cas de l’écoulement uniforme

Les données de TT1W0 ainsi que les résultats obtenus antérieurement avec un autre
milieu installé dans le MARCEAUS sont utilisés pour ajuster les paramètres d’un modèle
numérique 1-D. Les vitesses et coefficients de dispersivité obtenus sont confrontés à des
résultats théoriques. Cette étude fait l’objet d'une publication acceptée par le "Journal of
Hydrology" et reproduite dans ce mémoire.

106
 Chapitre 4 : Estimation de paramètres équivalents

Laboratory tracer tests on 3D heterogeneous porous media.

C. Danquigny, P. Ackerer, J.P. Carlier

Institut de Mécanique des Fluides et des Solides
UMR 7507 CNRS-ULP Strasbourg
2, rue Boussingault
67000 STRASBOURG
FRANCE

Corresponding author : ackerer@[Link]

Submitted to Journal of Hydrology

May 2003

Accepted with minor revisions

November 2003

107
Chapitre 4 : Estimation de paramètres équivalents

Abstract

Tracer tests have been performed on a 3D tank of dimensions 560 x 100 x 100 cm3.
These experiments at laboratory scale are used to define effective hydraulic conductivity and
macrodispersivity. The tracer tests have been performed on two kinds of heterogeneous
porous material : a channel structured medium, with channels crossing the whole tank, and a
statistically correlated random structure. The statistically correlated field was first established
by a sequential type generator with a prescribed exponential covariance. The theoretical
random field is then modified according to the available sand hydraulic conductivities. The
obtained LnK variance is 1.03 and the integral scale 23.1 cm.

Results obtained concerning the channel structured medium show that it behaves like a
stratified media from an hydrodynamical and mass transfer point of view. The effective
hydraulic conductivity is equal to the arithmetic mean and the variance of the concentration is
proportional to t2, t being the mean travel time.

For the correlated random field, the effective hydraulic conductivity is bounded by the
geometric and the arithmetic mean. No match with theoretical values have been found
because the boundary conditions effects cannot be neglected due to the dimension of the tank
compared to the integral scale. Similar conclusions have been obtained for macrodispersivity.
The tracer tests could be simulated by a 1-D advection-dispersion equation but with a
significant higher macrodispersivity than predicted by stochastic theories for infinite media.

108
 Chapitre 4 : Estimation de paramètres équivalents

1. Introduction

Groundwater management has to deal with very different temporal and

spatial scales, as :

the scale of the measurements, which can be different for piezometric heads,
concentrations, flow parameters like transmissivity, transport parameters like
dispersivity;

the scale of the heterogeneities of the system, which can be described at different levels,
depending on the measurement techniques which are used (Ptak et Teutsch, 1994);

the scale of the management tools, like the size of an element of a numerical model which
can be different, depending on the management objectives (forecast of water levels,
delimitation of capture zones, pollutant spreading, …).

Therefore, upscaling or downscaling of variables or parameters to average variables

and/or effective parameters at the scale of interest cannot be avoided. Moreover, the change of
scales can lead to mathematical models which are different from the one established at
another scale, which can lead to some misunderstanding of the physics. For example,
dispersion of a solute appears only at the scale of a representative elementary volume (Bear,
1972) but does not exist at the pore scale where the transport mechanisms are convection and
molecular diffusion.

A lot of results concerning effective parameter estimation have been provided in the last 20
years (see Renard et de Marsily, 1997, for hydraulic conductivities ; Cushman et al., 2002, for
upscaling tools), mostly based on a stochastic description of parameter fields. They mainly
concern average uniform flow and mass transfer in a infinite domain (Gehlar et Axness, 1983
; Dagan, 1989 ; Neuman, 1990 ; Rubin, 1990). A few more recent results have been obtained
for radial flow and/or bounded domain (Rubin et Dagan, 1988 ; Rubin et Dagan, 1989 ;
Osnes, 1995 ; Paleologos et al., 1996 ; Sanchez-Vila, 1997 ; Indelman et Dagan, 1999).

The assessment of the theoretical tools has been done with numerical experiments (see
Thompson et Gehlar, 1990 ; Chin, 1997 ; Fiori, 2000 ; Lintéa, 2001) and they show a good
agreement with the theory for heterogeneous domain with a variance of the log conductivities
up to 1.00. However, numerical methods have their own approximations due to the space and

109
Chapitre 4 : Estimation de paramètres équivalents

time discretizations and to the numerical method itself, approximation which can be of the
same order than the theoretical developments. The assessment of these theoretical works can
be strengthened by tracer tests performed at the laboratory scale.

Laboratory experiments have always accompanied theoretical developments. They can be

considered as intermediate scale experiments (Silliman et al., 1998) and have several
advantages over field experiments (Huang et al., 1995) : boundary conditions and the
distribution of the porous medium properties are known and can be defined, the experiments
can be repeated, they are also cheaper and last less time. In the 60’s, many experiments have
been done on tracer transport in homogeneous media (Harleman et Rumer, 1963 ; Pfannkuch,
1963) to support theoretical works of Saffman (1959), Scheidegger (1961), among others. The
laboratory experiments are mainly done in one dimension (column type) of different lengths
and diameters (Klotz et al., 1980 ; Khan et Jury, 1990 ; Huang et al., 1995 ; Sternberg et al.,
1996 ; Irwin et al., 1996 ; Rashidi et al., 1996 ; Watson et al., 2002), some of them in two
dimensions (Spitz, 1985 ; Silliman et Simpson, 1987 ; Silliman et al., 1987 ; Schincariol et
Schwartz, 1990 ; Schäfer, 1991 ; Berkowitz et al., 2000 ; Silliman et Zheng, 2001) and a few
in 3 dimensions (Jellali et al., 2001 ; Oswald et al., 2002). A very few deals with radial flow
in 2D (Chao et al., 2000 ; Silliman, 2001). A review of some laboratory works is given in
Silliman et al. (1998).

This paper deals with laboratory experiments done one a 3D setup filled with an
heterogeneous porous medium. The objectives are to estimate effective parameters (effective
hydraulic conductivity, macrodispersion) obtained by tracer tests. The experimental setup is
described in the first part. The second part deals with the methodology used to estimate the
effective parameters and their associated uncertainties. The paper ends with the results and
discussion.

2. Experimental design

MARCEAUS (Modèle d'Analyse et de Recherche sur la Contamination des EAUx

Souterraines) is a 3D laboratory set-up designed for experiments of 3D mass transfer in
heterogeneous porous media.

110
 Chapitre 4 : Estimation de paramètres équivalents

2.1. The experimental setup

The 3D tank is split in three parts: a constant level upstream tank which is connected to
an overflow; a central part that holds the porous medium, of dimensions 5.60xl.0xl.0 m3 and a
constant level downstream tank which is also connected to an overflow (Figure 4-1). Nylon
grids separate the porous medium from the tanks. Cells for in situ electrical conductivity
measurements have been implemented in MARCEAUS to measure tracer concentrations. The
slope of the bottom of the tank is equal to 1%. The x-axis of the coordinate system is parallel
to the bottom. The water surface is free. We tried to maintain a constant temperature values
within the medium by air conditioning. The selected value is that of the water distribution
network (12-13 °C). A constant temperature through the porous medium is necessary because
the measuring method of tracer concentrations is based on electrical conductivity which is
sensitive to temperature variations. Low temperatures around the system prevent also water
temperature elevations and water degassing, but also convection phenomena that could appear
with temperature gradients.

Figure 4-1: Schematic presentation of the setup.

The supply system consists in two systems, one system for water supply and one system for
tracer supply. The two supply systems are included in the air conditioned box. Water supply
is obtained by gravity through a constant level additional tank, situated above of upstream
tank which ensures a constant flow rate. The tracer is injected with a peristaltic pump and
mixed in the upstream tank.

111
Chapitre 4 : Estimation de paramètres équivalents

Concentration measurements inside of the medium are made by an electrical

conductivity type measuring method, using conductivity cells developed at the laboratory. A
cell is made of two electrodes of length 2 cm and diameter 0.3 cm fixed on a Plexiglas tube.
This tube is placed in the porous material. On each tube, five measurement cells are settled.
The tubes are placed in sections perpendicular to the mean flow direction (length of the sand
box). In each section, we place five tubes (25 measurement cells per cross section). There are
14 sections in the box i.e. there are 350 measurement cells in the experimental set-up.
Numerous in situ calibrations of the electrodes show a linear relationship between electrical
conductivity and the tracer concentration (NaCl) for concentration less than 5 g/l. Additional
standard conductivity cells are used to measure the conductivity in the upstream and
downstream tanks.

All electrodes are connected to one conductivity-meter. They are scanned automatically in a
sequential way and the measured values are stored in files. The measurement is done every 4
seconds to ensure the stability of the electronics. The conductivity over time can be plotted on
the screen of a PC for user-selected cells which allows the survey of the ongoing experiment.

The developed method has the following advantages:

it is implemented in the porous media and therefore, sampling is not required;

it allows on line measurement over a volume consistent with the theory of flow and
transport in porous media. This volume has about the same size than the so called
representative elementary volume where Darcy’s and Fick’s laws can be applied.

the cells are robust and quite easy to manufacture.

The main drawback of the system is its calibration, each cell needs to be calibrated in situ.
The absolute error of the electrical conductivity was equal to 0.02 mS/cm. This problem is not
very important for high concentrations (relative error is than about 2%) but is difficult to
overcome for the interpretation of the tails of the breakthrough curves. The data acquisition
system has been improved for the experiments run on the statistical homogeneous porous
medium (see below) and the absolute precision error decreases to less than 0.007 mS/cm.

112
 Chapitre 4 : Estimation de paramètres équivalents

2.2. The porous medium

Tracer tests have been performed on two different heterogeneous porous media made by
different quartz sands from the Rhine valley. The grain size distribution is quite narrow
(d60/d10 about 1.7) and the average grain size goes from 0.5 mm for the finest sand type to 2.3
mm for the coarser one. The effective porosity of the different sand types were measured with
column type experiments and leads to an estimate of 0.38 for all sand types.

The sand is contained in a domain of dimensions 560 cm in the length, 100 cm in the width
and 90 cm in the height. To perform an homogeneous flow rate in the sand, the first and last
40 cm (30 cm for the random correlated structure) of the sand box (after the upstream tank
and before the downstream tank) is filled with a sand of high hydraulic conductivity.

The sand packing was done with wetted sand and under water to avoid trapped air and thus
ensure saturation. Thin plastic dividers (0.5 mm) were used to separate blocks of different
kinds of sand and were removed as the packing proceeded. Similar procedure has been used
by Silliman et al. (1998). By removing the plastic dividers, the shape of the boundary between
two regions may be slightly modified.

The first filling has been done with blocks of 40x10x10 cm3. The first and last 40 cm
are filled with an homogeneous sand. Three different sands were used and distributed in a
structured way, simulating homogeneous channels from the one end to the other end of the
tank. The shape of the channels are slightly changed from one layer to the other (Figure 4-2).

1 1
1 1 1 1
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1

1
1 1 1
1 1 1

1
1 1 1 1
1 1 1 1 1 1
1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1
1

1
1 1 1

Figure 4-2: Two representative layers of the channel structured porous medium.

113
Chapitre 4 : Estimation de paramètres équivalents

The geometric mean of the hydraulic conductivity is 0.0060 m/s. The variance of the Log-
conductivity is about 1.23. The value of the hydraulic conductivity measured using Darcy’s
experiments for each sand type is given in Table 1.

1 2 3

K (m/s) 0.9 10-3 10.0 10-3 12.5 10-3

Table 1: Hydraulic conductivity of the different type of sands (m/s) used for the channel structured porous
media.

The second sand filling can be considered statistically homogeneous. To be consistent

with the theoretical works made on the stochastic analysis of mass transfer, a volume of 500 x
100 x 90 cm3 has been filled using cubic blocks of 10 centimeters. 6 kinds of sand have been
used. The hydraulic conductivities are given in Table 2.

1 2 3 4 5 6

K (m/s) 0.20 10-3 0.70 10-3 1.2 10-3 1.4 10-3 10 10-3 77 10-3
Table 2: Hydraulic conductivity of the different type of sands (m/s) used for the random correlated
structured porous media.

Each horizontal plane has been constructed independently, using an exponential covariance
distribution of the LogConductivity, LnK, defined by:

Cov (h ) = σ Y2 exp( − h / λ ) (IV.4)

where σY2 is the variance of the LnK and λ (L) the correlation length or integral scale.

The generation of the LnK distribution has been made in the following way:

generation of the LnK value with the prescribed function and parameters using a
sequential gaussian field generator;

the quality of the computed field is checked;

each value of computed hydraulic conductivity is replaced by the closest hydraulic

conductivity of the different sands available;

the quality of the modified LnK field is checked.

114
 Chapitre 4 : Estimation de paramètres équivalents

For each layer, the variance of the Log-conductivity is about 1.03, the average geometric K
about 0.00159 m/s. The average horizontal correlation length is equal to 23.1 cm. The vertical
correlation length is equal to the thickness of the layer, 10 cm.

3. Experimental results and procedures

The flow is steady state during the experiment. Each tracer experiment consists in the
following steps:
Step 1. Electrical conductivities are recorded to estimate the measurement errors and the
natural conductivity of the water.
Step 2. Tracer is injected in the upstream tank. Electrical conductivities are recorded. The
flow remains steady state during the tracer test. Tracer is injected until the measured
electrical conductivity reaches a constant value for each cells located in the porous
medium. The solute distribution in MARCEAUS can be considered steady state at
this stage.
Step 3. Tracer injection is stopped. Electrical conductivity are recorded to check when the
tracer has left the porous media.
Step 4. When the tracer has left the tank, the electrical conductivity is measured to detect any
drift of the measurement setup during the experiment.

115
Chapitre 4 : Estimation de paramètres équivalents

1.8 1.8 Section 13 (x=520 cm)

Section 1 (x=40.0 cm)
1.6 1.6

1.4 1.4
E. cond (mS/cm)

E. cond (mS/cm)
1.2 1.2

1.0 1.0

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0.0 0.0
5 10 50 55 60 65 10 15 20 25 30 55 60 65 70 75 80
Time (h) Time (h)

1.8 1.8 Section 14 (x=560 cm)

Section 11 (x=440 cm)
1.6 1.6

1.4 1.4
E. cond (mS/cm)

E. cond (mS/cm)
1.2 1.2

1.0 1.0

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0.0 0.0
5 10 15 20 25 30 50 55 60 65 70 75 80 10 15 20 25 30 55 60 65 70 75 80 85
Time (h) Time (h)

Figure 4-3 : Typical BTCs for the channel structured porous medium.

Typical breakthrough curves (BTCs) are presented in Figure 4-3 and Figure 4-4 for the
channel structured and correlated random structured heterogeneous media.

116
 Chapitre 4 : Estimation de paramètres équivalents

1.60 Section 1 (x=20 cm) 1.60 Section 8 (x=320 cm)

1.40 1.40
E. cond. (mS/cm)

E. cond. (mS/cm)
1.20 1.20

1.00 1.00

0.80 0.80

0.60 0.60

0.40 0.40

0.20 0.20

0.00 0.00
30 35 340 345 350 355 30 40 50 60 340 350 360 370 380

Time (h) Time (h)

1.60 Section 11 (x=440 cm) 1.60

Section 14 (x=560 cm)
1.40 1.40
E. cond. (mS/cm)

E. cond. (mS/cm)
1.20 1.20

1.00 1.00

0.80 0.80

0.60 0.60

0.40 0.40

0.20 0.20

0.00 0.00
30 40 50 60 340 350 360 370 380 30 40 50 60 70 80 340 350 360 370 380 390 400

Time (h) Time (h)

Figure 4-4: Typical BTCs for the statistical correlated structured porous medium.

The electrical conductivity values are normalized with the average electrical
conductivity obtained in steady state and the water electrical conductivity. Due to the linear
relationship between electrical conductivity and concentration, this scaled valued represents
also the normalized concentration C/C0, given by:

C (t ) Cond (t ) − Cond w
= (IV.5)
C0 Cond S − Cond w

where C(t) is the solute concentration (M/L3), C0 is the solute concentration (M/L3) at steady
state, Cond(t) is the electrical conductivity (mS/cm) of the tracer-water mixture at time t,
Condw is the electrical conductivity (mS/cm) of the water without tracer and Conds is the
electrical conductivity (mS/cm) of the solute-water mixture at steady state.

The effective parameters are obtained using a normalized BTC obtained by averaging
the BTCs observed at each cells of one section. It is assumed that the measurement errors of
each cell are normally distributed with an average of zero and the same standard deviation.
Therefore, for each cross section, the estimated error of the average concentration is given by:

117
Chapitre 4 : Estimation de paramètres équivalents

 c − 2σ c / n ; c + 2σ c / n  (IV.6)
 

where c (M/L3) is the average concentration computed with the concentration of each cell,
σ c (M/L3) the standard deviation of the concentration and n the number of cells. The number
2 is the Student-t statistic coefficient for a significance level fixed to 95 %.

Two averaging procedures have been tested, arithmetic non weighted (called arithmetic) and
flux weighted. Arithmetic averaged BTCs and their associated error estimated by equation
(IV.6) are presented in Figure 4-5 for the channel structured medium and in Figure 4-6 for the
random correlated media. Local fluxes are not available, they are assumed to be linearly
dependant on the hydraulic conductivity of the sand surrounding the measurement cells. This
assumption can be considered as valid if the effective conductivity from the injection to each
cell is the same and if the local fluctuations of the head gradient within a section can be
neglected. Therefore, the concentration are weighted by the hydraulic conductivity of the sand
around the cell. The fluxes could also be estimated using the average travel time (e.g. Silliman
et Simpson, 1987) obtained for C/C0=0.50. This estimate is questionable : even if the
estimated average travel times are the same for two cells, the local velocities (or volumetric
fluxes) can be different because the trajectories from injection to the cells are different. The
effect of the porosity has not to be taken into account, all kind of sands having the same
porosity.

1.6

1.4

1.2
E. cond. (mS/cm)

1.0

0.8

0.6

0.4
X= 40 cm
X=200 cm
0.2
X=560 cm

0.0
0 10 20 50 60 70 80
Time (h)

Figure 4-5: Average BTCs for the channel structured porous medium.

118
 Chapitre 4 : Estimation de paramètres équivalents

1.60

1.40

1.20

E. cond (mS/cm)
1.00

0.80

0.60

X=40 cm
0.40
X=200 cm
X=320 cm
0.20
X=560 cm

0.00
30 40 50 60 70 80 90 340 350 360 370 380 390
Time (h)

Figure 4-6: Average BTCs for the statistical correlated porous medium.

The ability of reproducing the average concentrations by a 1-D transport model based
on effective velocity and dispersivity is checked by plotting on a normal probability paper the
scaled concentration in function of

( x − ut )
v= (IV.7)
2t

where x (L) is the distance between the cross section used to describe the input and the cross
section where the measurements are made, u (L/T) is the average pore water velocity and t (T)
the time. If the observations are consistent with the suggested model, the resulting plot is a
straight line. This idea is based on the procedure used by Silliman and Simpson (1987) to
determine the dispersivity coefficient. We restrict its application because we do not have a
step wise concentration source. The tracer injection in the upstream tank leads to apparent
tracer spreading due to mixing in the tank and the boundary condition cannot be described
like a step injection (Novakowski, 1992a, b).

The effective parameters are obtained by fitting of a 1-D transport model solved
numerically. This procedure has been preferred to more standard ones like moment analysis
or line fitting between some dimensionless values of concentration (e.g. Nguyen et al., 1990 ;
Sternberg et al., 1996 ; Rashidi et al., 1996) because :

it allows to take care of measurement errors;

119
Chapitre 4 : Estimation de paramètres équivalents

any type of upstream boundary conditions can be taken into account;

it is less sensitive to cut-off values or interpolation techniques;

it provides an estimate of the effective parameters uncertainty.

Assuming that the errors and parameters are normally distributed, we use the maximum-
likelihood theoretical framework (Carrera et Neuman, 1986) to estimate the effective
parameter by minimizing the objective function defined by:

n
( cs ,i − ci ) 2
O( p) = ∑ (IV.8)
i =1 wi2

where p is a vector containing the unknown parameters (average pore water velocity and
dispersivity), n is the number of observations, ci , wi are ith average measured concentration

(M/L3) with its associated uncertainty defined by 2σ c / n (M/L3) and cs ,i (M/L3) is the ith

calculated concentration value. The average BTC of the first section is used as input boundary
conditions. Because the porous medium is homogeneous between the injection tank and the
first section, the 25 local BTCs of the first section are used to check the quality of the tracer
injection, especially its homogeneity over width and depth. The first section has been
preferred to the upstream tank in which only one electrode was present due to the lack of
space because of the mixing system. Therefore, the origin of the x-axis is set at this first
section.

The minimization of that non linear objective function is done by the modified Gauss-
Newton procedure described in Marquardt (1963). The reliability and correlation of parameter
estimates are analyzed by using the variance-covariance matrix, defined by Bard (1974) :

1
O ( p ) ( J T W −1 J )
−1
F= (IV.9)
n − np

∂cs ,i
where J (i, j ) = is the jacobian matrix, W is the weight matrix, diagonal in our case
∂p j

where Wi,i is the inverse of wi = 2σ c / n , n is the number of measured concentrations and np,
the number of parameters (2 in our case). The diagonal coefficients of the matrix F are the

120
 Chapitre 4 : Estimation de paramètres équivalents

parameter variances and the off-diagonal coefficients the parameter covariances. Scaled by
the parameter variances, the off-diagonal coefficients are equal to the correlation coefficients.

Assuming that the model varies linearly with the parameter in the vicinity of the
minimum, the confidence intervals are estimated by (Bard, 1974):

pi ± t ( n − np,1 − α / 2) Fi ,i (IV.10)

where t is the Student-t statistic coefficient for n-np degrees of freedom and a significance
level of α (95 % for our computations) and Fi,i the parameter variance defined by
equation (IV.9).

About 1000 measured electrical conductivities are available for each cell for each experiment
but only the measured values during transient conditions (increasing or decreasing
concentration) are relevant for the transport parameter estimation (Knopman et Voss, 1988).
Therefore, we only take into account measured values for C/C0 between 5% and 95 % i.e.
about 80 to 100 values in average.

The calibration procedure was first used to estimate the average pore water velocity and
an effective dispersion coefficient. For all tracer experiments, this approach was abandoned
due to the high correlation coefficient (greater than 0.90) between the two calibrated
parameters which leads to high uncertainty in the parameter estimation. The calibrations were
then performed with dispersivities instead of dispersion and no significant correlation (less
than 0.10) has been found between velocity and dispersivity.

Two calibration procedures have been used:

the calibration of pore water velocity and dispersivity for each section, looking for an
estimate of effective parameters over the mean travel distance. These effective
parameters can be distance dependant;

the calibration of the dispersivity only, the pore water velocity being prescribed by its
measured value based on the flow rate, the wetted cross section and the effective
porosity. In this way, the whole tank is considered as homogeneous for the flow
problem.

121
Chapitre 4 : Estimation de paramètres équivalents

4. Interpretation

4.1. Channel structured porous medium

Tracer tests were performed with prescribed heads of 88.0 cm upstream and 83.5 cm
downstream. The flow rate was 61.6 cm3/s. The average hydraulic conductivity is given by:

2QL
K= (IV.11)
l ( hu2 − hd2 )

where Q is the flow rate (L3/T), L the length of the porous medium (L), l its width (L), hu the
prescribed upstream head (L) and hd the prescribed downstream head (L). Recall that the x-
axis of the coordinate system is parralel to the bottom of the tank and, therefore, its slope do
not appear in equation (IV.11). Equation (IV.11) is the 1-D analytical solution for flow in an
homogeneous unconfined aquifer. According to the experimental data, K is equal to 8.94 10-3
m/s. Similar results have been obtained with previous experiments (Renard et al., 2000b).
This value is of the same order than the arithmetic mean of the hydraulic conductivity 8.80 10-
3
m/s. This is expected, the mean flow direction being parallel to the channels.

Due to the porous media structure, the concentrations are not normal distributed (see
Figure 4-7 for recorded concentrations during injection), especially for large distances. This
show the effects of mass exchange between high and low permeable zones.

0.95

0.90

0.80

0.70

0.60
0.50 x= 40 cm
C/C0

x= 120 cm
0.40
x= 200 cm
0.30 x= 280 cm
x= 520 cm
0.20

0.10

0.05
-45 -40 -35 -30 -25 -20 -15 -10 -5 0 5 10 15
v

Figure 4-7: Normal plot for BTCs for the channel structured porous medium.

122
 Chapitre 4 : Estimation de paramètres équivalents

The velocities are estimated in different ways:

by fitting the 1-D model to the arithmetic or flux averaged concentrations, using all
measured values between 5 and 95 % of the concentration at steady state (C0),

by computing the velocity with the analytical solution given by:

Q Q
u= = (IV.12)
h( x ) lω 2Q
hu2 − x lω
KL

where Q is the flow rate (L3/T), L the length of the porous medium (L), l its width (L), K the
effective hydraulic conductivity (L/T), ω the effective porosity (equal to 0.38) and hu the
prescribed upstream head (L).

Anal. Arithmetic Flux

Distance u u Abs. error Rel. er. (%) u Abs. error Rel. er. (%)

40 66.7 45.30 1.08 2.38 62.80 1.93 3.07

80 66.9 42.60 0.85 1.99 64.30 0.71 1.10

120 67.2 48.40 0.60 1.24 61.80 0.99 1.61

160 67.4 54.40 0.56 1.03 63.50 0.77 1.22

200 67.7 53.90 0.51 0.94 66.00 0.49 0.74

240 67.9 54.70 0.49 0.89 64.10 0.61 0.95

280 68.2 60.00 0.47 0.78 77.10 0.00 0.00

320 68.4 59.90 0.67 1.12 73.80 0.70 0.95

360 68.7 58.30 0.27 0.47 68.20 0.09 0.13

400 69.0 60.50 0.00 0.00 78.10 0.52 0.67

440 69.2 60.50 0.39 0.65 79.70 0.54 0.67

480 69.5 60.60 0.28 0.46 82.10 0.51 0.62

520 69.7 68.30 0.63 0.92 72.40 0.69 0.95

Table 3: Estimated pore water velocity (cm/h) for the channel structured porous medium.

The velocities obtained by the model fittings and the analytical solution are given in Table 3.
The average uncertainty on the velocity obtained by equation (IV.10) is about 0.5 cm/h i.e. a
relative error of about 1 %. The general trend is an increase with travel distance due to the

123
Chapitre 4 : Estimation de paramètres équivalents

decrease of the wetted surface with the head. The velocities show local fluctuations due to
local head gradient fluctuations. The velocities obtained by the flux averaged concentration
are higher and fluctuate around the values obtained by the analytical solution (Figure 4-8).

85

80

75

70
Velocity (cm/h)

65

60

55

Arithmetic
50
Flux
45 Analytic

40
0 100 200 300 400 500 600
Distance (cm)

Figure 4-8: Fitted velocities (line+symbols) and analytical velocity (line) based on the effective hydraulic
conductivity.

The flux-averaging procedure gives less weights to the concentrations measured in the zones
of low velocities. Therefore, the BTCs’ tails are reduced (see Figure 4-9) and the BTCs are
more consistent with a gaussian type model like dispersion-convection, especially for short
travel distances. The concentration front is than sharper and the fitted velocities are greater.
These velocities are also more consistent with the velocities obtained with the analytical
solution computed with the prescribed head gradient and the effective hydraulic conductivity
given by equation (IV.11). In fact, both approaches are based on fluxes, which explains their
similar results.

124
 Chapitre 4 : Estimation de paramètres équivalents

1.6

1.4

1.2

E. cond. (mS/cm)
1.0
Arithmetic
0.8
Comp.
x = 80 cm
x = 480 cm
0.6
Flux
Comp.
0.4
x = 80 cm
x = 480 cm
0.2

0.0
3 6 9 12 15 18 21 24 27 30
Time (h)

Figure 4-9: Measured (symbols) and computed (lines) average arithmetic and flux BTCs for the channel
structured porous medium.

The apparent dispersivities and dispersion coefficient are given in Table 4 and Figure
4-10. As expected, the model fitting on the flux averaged concentrations provides smaller
dispersivity and dispersion coefficients than the fitting on the arithmetic averaged
concentrations. No significant differences between dispersivity coefficient obtained with a
varying velocity or an uniform velocity has been found (Figure 4-10).

125
Chapitre 4 : Estimation de paramètres équivalents

Arithmetic Flux

Distance α Rel. er. (%) D α Rel. er. (%) D

40 11.60 17.33 0.15 2.32 44.83 0.04

80 30.10 11.63 0.36 5.85 0.00 0.10

120 32.90 7.39 0.44 15.60 10.96 0.27

160 22.10 0.32 0.33 13.40 8.96 0.24

200 25.00 5.80 0.37 10.70 6.17 0.20

240 43.80 4.93 0.67 26.30 6.54 0.47

280 40.00 4.83 0.67 9.13 5.62 0.20

320 40.80 0.00 0.68 24.00 6.83 0.49

360 63.70 2.92 1.03 54.40 6.69 1.03

400 74.00 4.66 1.24 15.80 6.08 0.34

440 74.00 0.10 1.24 20.10 6.02 0.44

480 75.90 0.00 1.28 21.80 5.09 0.50

520 89.90 6.06 1.71 57.90 0.96 1.16

Table 4: Estimated dispersivity α (cm) and dispersion D (cm2/s) for the channel structured porous
medium.

The variance of the concentration distribution is assumed to have a power law dependence
with time or travel distance:

σ s2 ∼ t β (IV.13)

where the variance is estimated by σ s2 = 2α (t ) X , with X is the travel distance (L) and α the

dispersivity (L). For both ways of constructing BTCs (arithmetic and flux weighted), the
linear fit of the Ln-Ln plot is very good (Figure 4-11). For the variance estimated by the
arithmetic averaged concentrations, β = 2.04 ± 0.07 . This same value is obtained for perfectly
stratified porous media without vertical flow (Matheron et de Marsily, 1980).

126
 Chapitre 4 : Estimation de paramètres équivalents

120

110 Variable u
100 Arithmetic
Flux
90
Constant u
80 Arithmetic
Flux

Dispersivity (cm)
70

60

50

40

30

20

10

0
0 100 200 300 400 500 600
Distance (cm)

Figure 4-10: Dispersivity coefficients obtained by model fitting on arithmetic and flux averaged BTCs.

11
Arithmetic Flux
11
Linear fit 10 Linear fit
Upper 95% Confidence Limit Upper 95% Confidence Limit
10 Lower 95% Confidence Limit 9 Lower 95% Confidence Limit

9 8
Ln(Variance)
Ln(Variance)

7
8

6
7
5

6
4

5 3
-0.5 0.0 0.5 1.0 1.5 2.0 2.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0
Ln(t) Ln(t)

Figure 4-11: Evolution of concentration distribution variance with time.

The variance estimated by flux averaged concentrations leads to β = 2.48 ± 0.12 . This value
is questionable, the admitted maximum value of β being 2.

4.2. Correlated random structure

The upstream and downstream prescribed heads are equal to respectively 96.0 cm and
90.2 cm. The average flow rate was 23.3 cm3/s. Using equation (IV.11), the effective
hydraulic conductivity is equal to 2.42 10-3 m/s, which, as predicted by the theory, is greater
than the geometric average hydraulic conductivity ( 1.59 10-3 m/s). The experimental set-up

127
Chapitre 4 : Estimation de paramètres équivalents

does not fulfill all the assumptions required to apply stochastic theories due to its limited
extension compared to the correlation length. Results concerning head covariances (Rubin et
Dagan, 1988 ; Rubin et Dagan, 1989 ; Osnes, 1995) or upscaled hydraulic conductivity
(Kitadinis, 1990 ; Indelman et Dagan, 1993a ; 1993b ; Paleologos et al., 1996) are obtained in
region sufficiently far from the boundary (at least three integral scales).

However, we use the general form of the hydraulic conductivity given by Paleologos et al.
(1996) for small LnK variance:

 1 
K e = KG 1 + σ Y2 ( − D )  (IV.14)
 2 

where Ke is the effective hydraulic conductivity [L/T], KG the geometric mean of the
hydraulic conductivity [L/T], σ Y2 the variance of the LnK field and D a domain integral. The
aim is to check if this generic form can be applied for the set-up. According to the
experimental data, the value of the domain integral is close to 0 (D= - 6.8 10-3).

Taking care of the anisotropy in the correlation lengths, D can be considered to be equal to
(Dagan, 1989):

λ e2  1 1 
D= with λ= 2 
tan −1 2 − 1 − 1 (IV.15)
2 1− e e 1− e 2 e 

where e is the anisotropy factor. In our case, e is equal to 0.43 and D to 0.22.

The difference with the experimental value is probably due to the boundary effects, formula
(IV.14) having been established for a infinite 3D medium.

As required by the theory developed in Neuman and Orr (1993), when the domain size
approaches zero, the effective conductivity should tend to the arithmetic mean. The arithmetic
mean of the hydraulic conductivity is equal to 3.55 10-3 m/s. The estimated effective hydraulic
conductivity is between the geometric and arithmetic averages. It is affected by the correlated
structured porous medium and the boundary conditions.

128
 Chapitre 4 : Estimation de paramètres équivalents

0.95

0.90 X = 40 cm
X = 120 cm
0.80 X = 200 cm
X = 280 cm
0.70 X = 540 cm
0.60
0.50
C/C0
0.40

0.30

0.20

0.10

0.05
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5
v

Figure 4-12: Normal plot for BTCs for the statistically correlated structured porous medium.

The concentration distribution is close to a normal distribution (Figure 4-12) even for
short distances. No significant differences exist between both averaging procedures (Figure
4-13). The fitted velocities fluctuate around the average velocity obtained by the analytical
solution (Figure 4-14 and Table 5). The relative error on the velocities is higher than the
estimated error for the channel structured medium.

129
Chapitre 4 : Estimation de paramètres équivalents

Anal. Arithmetic Flux

Distance u u Abs. error Rel. Er. (%) u Abs. error Rel. Er. (%)

40 24.6 16.08 0.93 5.75 29.76 2.05 6.90

80 24.7 17.34 0.75 4.34 16.26 0.41 2.55

120 24.9 21.12 0.58 2.73 15.42 0.00 0.02

160 25.0 26.94 0.67 2.49 23.16 0.87 3.74

200 25.1 26.70 1.57 5.89 31.08 0.01 0.04

240 25.2 23.46 0.88 3.74 16.38 0.50 3.03

280 25.3 25.38 0.00 0.00 19.08 0.42 2.23

320 25.4 24.30 0.01 0.02 24.54 0.62 2.51

360 25.5 26.58 0.54 2.05 23.82 0.43 1.82

400 25.7 27.36 0.33 1.19 26.04 0.84 3.23

440 25.8 26.04 0.00 0.01 27.96 0.42 1.52

480 25.9 23.82 0.17 0.71 21.72 0.55 2.55

520 26.0 26.34 0.29 1.08 23.52 0.36 1.54

Table 5: Estimated pore water velocity (cm/h) for the random correlated structured porous medium.

1.60

1.40

1.20
E. Cond. (mS/cm)

1.00
Arithmetic
0.80 Computed
X = 80 cm
0.60 X = 520 cm
FLux
0.40 Computed
X = 80 cm
0.20 X = 520 cm

0.00
15 20 25 30 35 40 45 50 55 60 65 70 75 80 85
Time (h)

Figure 4-13: Measured (symbols) and computed (lines) average arithmetic and flux BTCs for the
statistical correlated structured porous medium.

130
 Chapitre 4 : Estimation de paramètres équivalents

36.00
Arithmetic.
Flux
33.00
Homog.
30.00

Velocity (cm/h)
27.00

24.00

21.00

18.00

15.00

0 100 200 300 400 500 600

Distance (cm)

Figure 4-14: Fitted velocities (line+symbols) and analytical velocity (line) based on the effective hydraulic
conductivity.

Dispersivities do not show any significant increase with travel distance (Table 6 and Figure
4-15) and fluctuates around a value about 40 to 50 cm. The transport can be described by a
Fickian model for travel distances greater than 160 cm or 8 integral scales. Unfortunately, the
dispersivity could not be estimated for shorter distances, the estimated uncertainty being too
important.

131
Chapitre 4 : Estimation de paramètres équivalents

Arithmetic Flux

Distance α Rel. er. (%) D α Rel. er. (%) D

40 - - - - - -

80 - - - - - -

120 - - - 74.50 26.60 0.32

160 50.30 25.45 0.38 - - -

200 79.90 9.39 0.59 34.30 49.91 0.30

240 43.60 22.16 0.28 48.30 14.82 0.22

280 30.70 22.61 0.22 54.10 23.18 0.29

320 33.80 8.70 0.23 36.40 7.36 0.25

360 40.20 8.41 0.30 42.60 8.69 0.28

400 27.30 10.26 0.21 40.50 2.12 0.29

440 36.30 11.74 0.26 55.70 2.20 0.43

480 48.70 5.95 0.32 44.20 3.74 0.27

520 45.20 3.53 0.33 47.50 2.58 0.31

Table 6: Estimated dispersivity α (cm) and dispersion D (cm2/s) for the random correlated structured
porous medium.

132
 Chapitre 4 : Estimation de paramètres équivalents

100 Variable u
Arithmetic
90 Flux
80
Constant u
Arithmetic
70 Flux

60
Dispersivity (cm)
50

40

30

20

10

0
0 100 200 300 400 500 600
Distance (cm)

Figure 4-15: Dispersivity coefficients obtained by model fitting on arithmetic and flux averaged BTCs for
the correlated structured medium.

The Fickian behavior of the transport is confirmed by the analysis of the variation of the
concentration distribution variance with time (Figure 4-16). The linear fit on the Ln-Ln plot
gives β = 1.06 ± 0.17 , which is a typical value for transport with constant dispersion
coefficient. The asymptotic value of the dispersivity (40 – 50 cm) is higher than the
theoretical predicted value (e.g. Dagan, 1989) which is 23.8 cm. Again, the effects of the
boundary are not taken into account in the theoretical estimation of the dispersivity.

10.5

10.2

9.9

9.6

9.3
Ln(Variance)

9.0

8.7

8.4

8.1 Flux
Linear fit
7.8
Upper 95% Confidence Limit
7.5 Lower 95% Confidence Limit
7.2

1.8 2.0 2.2 2.4 2.6 2.8 3.0 3.2

Ln(t)

Figure 4-16: Evolution of concentration distribution variance with time.

133
Chapitre 4 : Estimation de paramètres équivalents

5. Conclusions

Concerning the hydrodynamics, both studied heterogeneous porous media can be

replaced by an uniform one with an effective hydraulic conductivity equal to the arithmetic
mean for the channel structured porous media and, for the correlated structured medium, a
hydraulic conductivity bounded by the geometric and the arithmetic means. Velocities
obtained by these effective hydraulic conductivities and the average head gradients prescribed
at the boundaries are close to the experimental velocities, except the velocities based on the
arithmetic averaged concentration for the channel structured medium.

Concerning the tracer transport, the concentration distribution variance is proportional

to tβ, with β=2.0 for the channel structured media and β=1.0 for the correlated structured
media. β=2.0 is a typical value for transport in stratified aquifers while β=1.0 is the expected
value for Fickian transport. The asymptotic dispersivity values are however greater than the
predicted values for unbounded domain.

Concentration distributions could be modeled with an 1-D advection-dispersion model

for the correlated structured medium, at least for distances greater or equal to 8 integral scales.
The match between computed and experimental concentrations is quite poor for the channel
structured model, due to the non-gaussian distribution of the concentration.

The channel structures media behaves like a stratified media with flow direction parallel
to the layers. However, the effective parameters depend on the averaging technique i.e. the
type of measurement method. Moreover, they may also depend on the ratio between the time
scale for convection and the time scale for lateral dispersion/diffusion which will affect the
mixing of the tracer between layers. Therefore, these effective parameters will also be
dependant on the average head gradient. Heterogeneity with integral scales of the same order
than the domain scale are not seldom in nature and more theoretical and experimental results
are necessary.

Assessment of stochastic theories with our laboratory setup is not possible, due to the
boundary effects. To our knowledge, no theoretical estimation for parameter upscaling exists
for bounded domain of small size compared to the integral scale. Because (i) the characteristic
length of the sand blocks must be at least around 1 dm (REV size), (ii) the number of blocks
within a integral scale should be about 5, (iii) the number of integral scales in the domain
should be more than 50 (Lintéa, 2001), the characteristic length of an experimental setup

134
 Chapitre 4 : Estimation de paramètres équivalents

should at least be 2,50 m. This size is difficult to handle at the laboratory scale. However,
tracer tests at laboratory scale are not restricted to stochastic theory assessment. They are also
useful to improve the understanding of transport processes for other type of heterogeneity (see
results for the channel structured medium) and for the verification of numerical models and/or
of parameter estimation by inverse methods.

Acknowledgement

This project has been supported by the European Research Project “Stochastic Analysis
of Well Head Protection and Risk Assessment” W-SAHaRA Contract No. EVK1-CT-1999-
00041. and the Programme National de Recherche en Hydrologie (National Hydrology
Research Program) of the Institut National des Sciences de l’Univers.

135
Chapitre 4 : Estimation de paramètres équivalents

References
Bard, Y., 1974. Nonlinear Parameter Estimation. Academic Press, N.Y.
Bear, J., 1972. Dynamics of fluids in porous media. American Elsevier, New York.
Berkowitz, B., Scher, H., Silliman S.E., 2000. Anomalous transport in laboratory-scale,
heterogeneous porous media. Water Resources Research 36 (1), 149–158.
Carrera, J., Neuman, S. P., 1986. Estimation of aquifer parameters under transient and steady
state conditions, 1, Maximum likelihood method incorporating prior information. Water
Resources Research 22 (2), 199-210.
Chao, H.C., Rajaram, H., Illangasekare, T., 2000. Intermediate-scale experiments and
numerical simulations of transport under radial flow in a two-dimensional
heterogeneous porous medium. Water Resources Research 36 (10), 2869-2884.
Chin, D.A., 1997. An assessment of first-order stochastic dispersion theories in porous media.
Journal of Hydrology 199, 53-73.
Cushman, J.H., Bennethum, L.S., Hu B.X., 2002. A primer on upscaling tools for porous
media. Advances in Water Resources 25, 1043-1067.
Dagan., G., 1989. Flow and transport in porous formations. Springer, Berlin, Heidelberg,
New-York, 465 p.
Fiori, A., 2000. The relative dispersion and mixing of passive solutes in transport in geologic
media. Transport in Porous Media 42 (1–2), 69–83.
Gelhar, L.W., Axness, C.L., 1983. Three-dimensional stochastic analysis of macrodispersion
in aquifers. Water Resources Research 19, 161–180.
Harleman, D.R., Rumer, R.R., 1963. Longitudinal and lateral dispersion in an isotropic
porous medium. Journal of Fluid Mechanics 16, 385–394.
Huang., K., Toride, N., Van Genuchten, [Link]., 1995. Experimental investigation of solute
transport in large, homogeneous and heterogeneous, saturated columns. Transport in
Porous Media 18, 283-302.
Indelman, P., Dagan, G., 1993a. Upscaling of permeability of anisotropic heterogeneous
formation, 1, general frame work. Water Resources Research 29(4), 917-923.
Indelman, P., Dagan, G., 1993b. Upscaling of permeability of anisotropic heterogeneous
formation, 2, general structure and small perturbation analysis. Water Resources
Research 29(4), 925-933.
Indelman, P., Dagan, G, 1999. Solute transport in divergent radial flow through
heterogeneous porous media. Journal of Fluid Mechanics 384, 159-182.

136
 Chapitre 4 : Estimation de paramètres équivalents

Irwin, N.C., Botz, M.M., Greenkorn, R.A., 1996. Experimental investigation of characteristic
length scale in periodic heterogeneous porous media. Transport in Porous Media 25,
235-246.
Jellali, S., Muntzer, P., Razakarisoa, O., Schäfer, G., 2001. Large-scale experiment on
Transport of trichloroethylene in a Controlled aquifer. Transport in Porous Media 44,
145-163
Khan, A., U.-H., Jury, W. A., 1990. A laboratory study of the dispersion scale effect in
column outflow experiments. Journal of Contaminant Hydrology 5, 119-131.
Kitanidis, P.K., 1990. Effective hydraulic conductivity for gradually varying flow. Water
Resources Research 26(6), 1197-1208.
Klotz, D., Seiler, K.P., Moser, J., Neumaier, F., 1980. Dispersivity and velocity relationship
from laboratory and field experiments. Journal of Hydrology 45, 169–184.
Knopman, D.S., Voss, C.I., 1988. Further Comments on Sensitivities, Parameter Estimation,
and Sampling Design in One-Dimensional Analysis of Solute Transport in Porous
Media. Water Resources Research 24, 225-238.
Lintéa, M.D., 2001. Transport de polluant à l'échelle de l'hétérogénéité des milieux poreux
aléatoires. Approche stochastique et numérique. Thèse de Doctorat de l'Université Louis
Pasteur, Strasbourg, France, 287 p.
Marquardt, D.W., 1963. An algorithm for least-squares estimation of non-linear parameters.
SIAM, Journal on Applied mathematics 11 (2), 431-441.
Matheron, G., de Marsily, G., 1980. Is transport in porous media always diffusive ? A
counterexample. Water Resources Research 16(5), 901-917.
Neuman, S.P., 1990. Universal scaling of hydraulic conductivities and dispersivities in
geologic media. Water Resources Research 26, 1749–1758.
Neuman, S.P., Orr, S. 1993. Prediction of steady state flow in nonuniform geologic media by
conditional moments: exact nonlocal formalism, effective conductivities and weak
approximation. Water Resources Research 29(2), 341-364.
Nguyen, V., Dagan, G., Springer, E.P., 1990. Analysis of caisson transport experiment by
travel time approach. Field-Scale water and Solute Flux in Soils, Monte Verità,
Birkhäuser, Verlag, Basel, 79-93.
Novakowski, K. S., 1992a. An evaluation of boundary conditions for one-dimensional solute
transport, 1, Mathematical development. Water Resources Research 28 (9), 2399-2410.
Novakowski, K. S., 1992b. An evaluation of boundary conditions for one-dimensional solute
transport, 2, Column experiments. Water Resources Research 28 (9), 2411-2423

137
Chapitre 4 : Estimation de paramètres équivalents

Osnes, H., 1995. Stochastic analysis of head spatial variability in bounded rectangular
heterogeneous aquifers. Water Resources Research 31, 2981–2990.
Oswald, S.E., Scheidegger, M.B., Kinzelbach, W., 2002. Time-Dependent Measurement of
Strongly Density-Dependent Flow in a Porous Medium via Nuclear Magnetic
Resonance Imaging. Transport in Porous Media 47 (2), 169-193.
Paleologos, E.K., Neuman, S.P., Tartakovsky, D., 1996. Effective hydraulic conductivity of
bounded, strongly heterogeneous porous media. Water Resources Research 32 (5),
1333-1341.
Pfannkuch, H.O., 1963. Contribution a l’étude des déplacements de fluides miscible dans un
milieu poreux. Revue de l’Institut Français du Pétrole 18, 215–270.
Ptak, T., Teutsch, G., 1994. A comparison of investigation methods for the prediction of flow
and transport in highly heterogeneous formations. In T. Dracos, F. Stauffer ed., Int.
Symp. on Transport and Reactive processes in Aquifers, 11-15 April, Zürich, Balkema,
Rotterdam, 157-160.
Rashidi, M., Peurrung, L., Tompson, A.F.B., Kulp, T.J., 1996. Experimental analysis of pore-
scale flow and transport in porous media. Advances in Water Resources 19, 163–180.
Renard, P., Ledoux, E., Ackerer, P., 2000. Scale up of hydraulic conductivities : comparison
of laboratory experiments and numerical analyses. Computational Methods in Water
Resources 13, Bentley et al., Balkema, Rotterdam, 799-804.
Renard, Ph., de Marsily, G., 1997. Calculating equivalent permeability: a review. Advances in
Water Resources 20 (5-6), 253-278.
Rubin, Y., 1990. Stochastic Modeling of Macrodispersion in Heterogeneous Porous Media.
Water Resources Research 26 (1), 133-141.
Rubin, Y., Dagan, G., 1988. Stochastic analysis of boundaries effects on head spatial
variability in heterogeneous aquifers ; 1. Constant head boundary. Water Resources
Research 24 (10), 1689–1697.
Rubin, Y., Dagan, G., 1989. Stochastic analysis of boundaries effects on head spatial
variability in heterogeneous aquifers ; 2. Impervious boundary. Water Resources
Research 25 (4), 707–712.
Saffman, P. G., 1959. A theory of dispersion in a porous medium. Journal of Fluid
Mechanics 6, 321-349.
Sanchez-Vila, X., 1997. Radially convergent flow in heterogeneous porous media. Water
Resources Research 33 (7), 1633–1641.

138
 Chapitre 4 : Estimation de paramètres équivalents

Schäfer, G., 1991. Einfluss von Schichtenstrukturen und lokalen Einlagerungen auf die
Längdispersion in Porengrundwasserleitern. Ph.D. Thesis, Institut für Wasserbau,
Universität Stuttgart, ISBN 3-921694-72-2.
Scheidegger, A.E., 1961. General theory of dispersion in porous media. Journal of
Geophysical Research 66 (10), 3273-3278.
Schincariol, R.A., Schwartz, F.W., 1990. An experimental investigation of variable density
flow and mixing in homogeneous and heterogeneous media. Water Resources Research
26, 2317–2329.
Silliman, S. E., 2001. Laboratory study of chemical transport to wells within heterogeneous
porous media. Water Resources Research 37 (7), 1883–1892.
Silliman, S. E., Zheng, L., 2001. Comparison of Observations from a Laboratory Model with
Stochastic Theory: Initial Analysis of Hydraulic and Tracer Experiments. Transport in
Porous Media 42, 85–107.
Silliman, S.E., Konikow, L.F., Voss, C.I., 1987. Laboratory investigation of longitudinal
dispersion in anisotropic media. Water Resources Research 23, 2145–2151.
Silliman, S.E., Simpson, E.S., 1987. Laboratory evidence of the scale effect in solute
transport. Water Resources Research 23, 1667–1673.
Silliman, S.E., Zheng, L., Conwell, P., 1998. The use of laboratory experiments for the study
of conservative solute transport in heterogeneous porous media. Hydrogeology journal
6, 166-177.
Spitz, K., 1985. Dispersion in porösen Medien : Einfluss von Inhomogenitäten und
Dichteunterschieden. Ph.D. Thesis, Institut für Wasserbau, Universität Stuttgart, ISBN
3-921694-60-4.
Sternberg, S.P.K., Cushman, J.H., Greenkorn R.A., 1996. Laboratory observation of non-local
dispersion. Transport in Porous Media 23, 135-151.
Thompson, A.F.B., Gelhar, L.W., 1990. Numerical simulation of solute transport in three-
dimensionnal, randomly heterogeneous porous media. Water Resources Research 26
(10), 2541 – 2562.
Watson, S.J., Barry, D.A., Schotting, R.J., Hassanizadeh, S.M., 2002. On the Validity of
Darcy's Law for Stable High-Concentration Displacements in Granular Porous Media.
Transport in Porous Media 47 (2), 149-167.

139
 Chapitre 4 : Estimation de paramètres équivalents

4. Cas du pompage

Pour déterminer la perméabilité et la dispersivité d’un milieu homogène équivalent, i.e.

soumis aux mêmes conditions aux limites et « restituant » les mêmes valeurs de charge
hydraulique et de concentration aux points de mesure, nous avons simulé chaque expérience
en pompage sur un tel milieu à l’aide du logiciel MODFLOW. L’ajustement du modèle est
réalisé sur la concentration à la sortie du puits de pompage

Avant de présenter les résultats obtenus puis de les analyser, nous présenterons le
modèle utilisé.

4.1. Présentation du modèle numérique

Le milieu poreux est représenté par une seule couche en nappe libre. Le maillage est
régulier avec 140 x 25 mailles carrées de 4 cm de côté. Il a été validé en comparant les
résultats de simulation avec ceux obtenus avec un maillage deux fois plus fin de
280 x 50 mailles de 2 cm de côté (cf. Figure 4-17). L’identité des résultats prouve que le
maillage retenu est suffisant.

100
Concentrations réduites (%)

80

60

40

Expérience TT4W1
20 maillage 140 x 25

maillage 280 x 50

0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Temps (minutes)

Figure 4-17 : Validation du maillage 140 x 25 mailles - TT4W1.

141
Chapitre 4 : Estimation de paramètres équivalents

La charge est imposée constante à l’amont et l’aval. Le débit de pompage est aussi
imposé constant. Nous vérifions après la simulation que le débit à l’aval correspond à celui
mesuré pendant l’expérience. Les valeurs de référence sont regroupées dans le Tableau 3.4.

Pour le transport, la moyenne arithmétique des concentrations mesurées dans la section

1 est utilisée comme condition aux limites. Ainsi, le transport est simulé uniquement dans le
milieu aléatoire et non dans le milieu grossier situé à l'amont. Les concentrations sont
enregistrées toutes les 24 minutes comme pour l’expérience.

D'après Knopman et Voss (1987), seules les phases transitoire du transport sont
intéressantes pour ajuster la vitesse et la dispersivité dans la modélisation des essais de
traçage. Compte tenu de la précision de nos mesures, nous ne retiendrons que les
concentrations comprises entre 5 et 95 % de la concentration de la solution injectée pour notre
ajustement. Nous nous intéressons en particulier à la concentration dans le puits de pompage :
c’est la seule qui intègre un nombre de lignes de courant significatif pour évaluer des
paramètres équivalents.

4.2. Résultats des simulations

Pour chaque expérience de pompage, la perméabilité et la dispersivité ont été ajustées.

Deux jeux extrêmes ont aussi été créés en employant les limites de Cardwell et Parson pour la
perméabilité, la longueur de corrélation pour la dispersivité minimale et la valeur maximale
ajustée pour la dispersivité maximale. Enfin, le cas moyen a été envisagé avec la moyenne
géométrique des perméabilités de Cardwell et Parson et la moyenne arithmétique des
dispersivités extrêmes envisagées. Nous disposons ainsi de 7 jeux de paramètres (cf. Tableau
4.2) que nous avons utilisés pour simuler les conditions expérimentales de chaque expérience.

C.P. min C.P. moy TT1W1 TT2W1 TT3W1 TT4W1 C.P. max

Keq (cm/min) 6,6 10,8 15,6 13,5 15,0 14,0 17,4

AL (cm) 23 40 60 50 30 40 60
Tableau 4.2 : Paramètres équivalents simulés pour chaque pompage avec le logiciel Modflow.

Les résultats obtenus pour chaque expérience sont présentés ci-dessous :

142
 Chapitre 4 : Estimation de paramètres équivalents

100
Concentrations réduites (%)

80

60

TT1W1
K=15.6 ; al=60
40 K=13.5 ; al=50
K=15.0 ; al=30
K=14.0 ; al=40
20 K= 6.6 ; al=23
K=17.4 ; al=60
K=10.8 ; al=40
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Temps (minutes)

Figure 4-18 : Résultats des simulation réalisées avec Modflow – TT1W1.

100
Concentrations réduites (%)

80

TT2W1
60
K=15.6 ; al=60
K=13.5 ; al=50
40 K=15.0 ; al=30
K=14.0 ; al=40
K= 6.6 ; al=23
20
K=17.4 ; al=60
K=10.8 ; al=40

0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Temps (minutes)

Figure 4-19 : Résultats des simulation réalisées avec Modflow – TT2W1.

143
Chapitre 4 : Estimation de paramètres équivalents

TT3W1
100 K=15.6 ; al=60
K=13.5 ; al=50
K=15.0 ; al=30
Concentrations réduites (%)

80
K=14.0 ; al=40
K= 6.6 ; al=23

60 K=17.4 ; al=60
K=10.8 ; al=40

40

20

0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Temps (minutes)

Figure 4-20 : Résultats des simulation réalisées avec Modflow – TT3W1.

TT4W1
100 K=15.6 ; al=60

K=13.5 ; al=50

K=15.0 ; al=30
Concentrations réduites (%)

80
K=14.0 ; al=40

K= 6.6 ; al=23
60
K=17.4 ; al=60

K=10.8 ; al=40
40

20

0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Temps (minutes)

Figure 4-21 : Résultats des simulation réalisées avec Modflow – TT4W1.

144
 Chapitre 4 : Estimation de paramètres équivalents

4.3. Analyse des résultats

Avant de s’intéresser aux perméabilités et dispersivités équivalentes ajustées avec le

modèle, nous allons étudier la sensibilité des paramètres fixés dans le modèle.

4.3.1. Sensibilité des paramètres fixes du modèles

La porosité a été mesurée pour chaque sable : elle est constante et vaut 0,38. Cette
valeur est donc fixée dans nos simulations. Pour vérifier la faible sensibilité de ce paramètre,
une expérience a été simulée avec une porosité valant 0,40 (cf. Figure 4-22).

100
Concentrations réduites (%)

80

60

40
TT1W1

por = 0.38
20

por = 0.40

0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Temps (minutes)

Figure 4-22 : Evaluation de la sensibilité de la porosité - TT1W1.

De même, le rapport entre les dispersivités transversale et longitudinale est fixé égal à
0,1. Sa faible sensibilité est vérifiée en simulant pour chaque expérience le même jeu de
paramètres avec une valeur deux fois plus grandes 0,2 et une deux fois plus petites 0,05
(cf. Figure 4-23).

145
Chapitre 4 : Estimation de paramètres équivalents

100
Concentrations réduites (%)

80

TT1W1 - Exp
TT1W1 - K=15.6 ; al=60 ; at/al=0.1
60 TT1W1 - K=15.6 ; al=60 ; at/al=0.2
TT1W1 - K=15.6 ; al=60 ; at/al=0.05
TT2W1 - Exp
TT2W1 - K=13.5 ; al=50 ; at/al=0.1
TT2W1 - K=13.5 ; al=50 ; at/al=0.2
40 TT2W1 - K=13.5 ; al=50 ; at/al=0.05
TT3W1 - Exp
TT3W1 - K=15.0 ; al=30 ; at/al=0.1
TT3W1 - K=15.0 ; al=30 ; at/al=0.2
20 TT3W1 - K=15.0 ; al=30 ; at/al=0.05
TT4W1 - Exp
TT4W1 - K=14.0 ; al=40 ; at/al=0.1
TT4W1 - K=14.0 ; al=40 ; at/al=0.2
TT4W1 - K=14.0 ; al=40 ; at/al=0.05
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Temps (minutes)

Figure 4-23 : Evaluation de la sensibilité du rapport entre les dispersivités longitudinale et transversale.

4.3.2. Sensibilité des paramètres ajustés

Pour évaluer la sensibilité des paramètres ajustés, les perméabilités limites de Cardwell
et Parsons, 6,6 et 17,4 cm/min, associées à deux dispersivités extrêmes, 23 et 60 cm, sont
utilisées pour simuler chaque expérience (cf. Figure 4-24).
TT1W1 TT2W1
100 100

90 90
Concentrations réduites (%)
Concentrations réduites (%)

80 80

70 70

60 60

50 50

40 40

30 30
K= 6.6 ; al=23 K= 6.6 ; al=23
20 20
K= 6.6 ; al=60 K= 6.6 ; al=60
10 K=17.4 ; al=60 10 K=17.4 ; al=60
K=17.4 ; al=23 K=17.4 ; al=23
0 0
0 240 480 720 960 1200 1440 1680 1920 2160 0 240 480 720 960 1200 1440 1680 1920 2160
Temps (minutes) Temps (minutes)

TT4W1 TT3W1
100 100
90 90
80 80
Concentrations réduites (%)
Concentrations réduites (%)

70 70

60 60

50 50

40 40

30 30

20
K= 6.6 ; al=23 20 K= 6.6 ; al=23
K= 6.6 ; al=60 K= 6.6 ; al=60
10 K=17.4 ; al=60 10 K=17.4 ; al=60
K=17.4 ; al=23 K=17.4 ; al=23
0 0
0 240 480 720 960 1200 1440 1680 1920 2160 0 240 480 720 960 1200 1440 1680 1920 2160
Temps (minutes) Temps (minutes)

Figure 4-24 : Etude de la sensibilité de la perméabilité et la dispersivité pour les pompages.

146
 Chapitre 4 : Estimation de paramètres équivalents

Pour chaque expérience et chaque valeur de paramètre, nous disposons donc de deux
séries de données. L'écart entre les concentrations obtenues est calculé dès que l'une des deux
concentrations considérées est comprise entre 5 et 95 %. Un coefficient de sensibilité est
calculé en prenant la moyenne de ces différences élevées au carré.

Sensibilité de la dispersivité Sensibilité de la perméabilité

K eq = 6,6 cm/min K eq = 17, 4 cm/min AL = 23 cm AL = 60 cm

TT1W1 91 56 1411 700

TT2W1 63 105 1059 583
TT3W1 242 254 2631 2891
TT4W1 135 69 2821 1670
Tableau 4.3 : Coefficients de sensibilité de la perméabilité et dispersivité pour les pompages.

D'après le Tableau 4.3, la perméabilité est un paramètre plus sensible que la dispersivité et
cette sensibilité augmente avec la distance entre la source et le puits de pompage et quand la
dispersivité diminue.

Il s’agit ensuite se savoir si les 4 jeux de paramètres ajustés sont significativement

différents. Pour cela, nous avons calculé la somme des écarts relatifs au carré entre la
concentration mesurée et la concentration simulée dès lors que la première est comprise entre
5 et 95 %.

K (cm/min) - AL (cm) 15,6 - 60 13,5 - 50 15,0 - 30 14,0 – 40

TT1W1 0,1 1,7 3,6 2,7
TT2W1 2,8 0,0 1,0 0,3
TT3W1 15,1 1,6 0,1 0,5
TT4W1 3,9 1,9 0,4 0,7
Tableau 4.4 : Sommes des écarts relatifs au carré entre les concentrations simulées et mesurées
pour les pompages.

Les résultats consignés dans le Tableau 4.4 révèlent que le jeu (15,6 ; 60) ajusté pour TT1W1
est sensiblement différent des trois autres jeux qui donnent des résultats semblables. La zone
caractérisée par l’expérience TT1W1 s’avère trop petite pour être représentative du milieu
global. Cela est du à la petite distance entre la source et le puits ainsi qu’au faible débit de
pompage.

L'ergodicité n'est pas respectée et les propriétés moyennes varient avec le volume de mesure.
La largeur de la zone de capture du puits lzc a donc beaucoup d'influence sur la valeur

147
Chapitre 4 : Estimation de paramètres équivalents

déterminée avec les concentrations mesurées à la sortie du puits. En considérant la vitesse

uniforme à l'amont du milieu poreux, cette largeur est directement proportionnelle au débit de
pompage :

QP lmp
l zc = (IV.16)
Qt

avec lmp la largeur du milieu poreux [L], Qp le débit pompé [L3·T-1] et Qt le débit total injecté
dans le milieu [L3·T-1].

lzc vaut environ 29 cm pour TT1W1, 47 cm pour TT2W1, 49 cm pour TT3W1 et 27 cm pour
TT4W1. Ainsi la plus grande zone caractérisée par la concentration à la sortie du puits est
obtenue pour TT3W1 : la perméabilité équivalente vaut alors 15 cm/min, la dispersivité,
30 cm.

4.3.3. Etude de la perméabilité équivalente

Etude des valeurs ajustées avec le modèle

Les valeurs de perméabilités ajustées sont du même ordre de grandeur : l'incertitude

relative est de 6,5 % avec une valeur moyenne de perméabilité égale à 14,5 cm/min.

Les valeurs extrêmes (13,5 et 15,6 cm/min) sont obtenues avec le pompage dans le puits
W2B, i.e. avec une petite distance entre la source et le puits. En effet, ce dernier est situé à
260 cm de la section 1, soit 11 longueurs de corrélation. Avec le puits W3B, cette distance
vaut 380 cm, soit 16 longueurs de corrélation, et les valeurs obtenues (14,0 et 15,0 cm/min)
sont plus centrées.

En revanche, la relation entre la valeur de la perméabilité équivalente et le débit de

pompage n'est pas évidente puisque dans un cas, la plus grande valeur de perméabilité est
trouvée avec le fort débit (15,0 cm/min pour TT3W1), dans l'autre avec le faible (15,6 cm/min
avec TT1W1).

Comparaison aux valeurs théoriques

Les quatre valeurs de perméabilité équivalente obtenues (13,5 ; 14,0 ; 15,0 et

15,6 cm/min) sont toutes supérieures aux valeurs théoriques (cf. Tableau 4.1) mais
appartiennent à l’intervalle délimité par les bornes de Cardwell et Parsons.

148
 Chapitre 4 : Estimation de paramètres équivalents

La simulation de ces bornes et d’une valeur théorique KC.P. montre la sensibilité de la

perméabilité équivalente et la trop grande incertitude des valeurs théoriques. La valeur de
KC.P. constitue d’ailleurs pour les 4 expériences une meilleure borne inférieure que [Link].

4.3.4. Etude de la macrodispersivité

Etude des valeurs ajustées avec le modèle

Les valeurs de dispersivité ajustées varient plus que les perméabilités : l'incertitude
relative est de 28,7 % pour une valeur moyenne de 45 cm.

Les valeurs les plus élevées (50 et 60 cm) sont obtenues pour le puits de pompage le
plus proche de la source. Pour un même puits, la dispersion est plus élevée si le débit de
pompage est plus faible. Ceci confirme les observations qualitatives faites au
chapitre 3 (paragraphe 3.3.2).

Comparaison aux valeurs théoriques

Les valeurs de macrodispersivité obtenues pour les 4 expériences (de 30 à 60 cm) sont
supérieures aux valeurs prédites par la théorie de Dagan (1989) pour un écoulement
uniforme (23,8 cm).

Elles contredisent aussi les résultats de Indelman et Dagan (1999) qui trouvent une
dispersivité théorique trois fois plus petite, soit environ 8 cm, pour un écoulement radial.
Certes, il s'agit ici d'un puits de pompage alors que Indelman et Dagan étudient un puits
d'injection. Mais surtout, les théories de Dagan (1989) et Indelman et Dagan (1999) ne
tiennent pas compte des limites du domaine.

5. Cas de l’injection – pompage

Comme pour les pompages, les expériences en injection – pompage sont modélisées
avec le logiciel MODFLOW. Un maillage est d’abord validé, puis les deux expériences sont
simulées avec un jeu de paramètres ajustés et les paramètres trouvés pour les pompages.

5.1. Présentation du modèle numérique

Le maillage utilisé pour les pompages (140 x 25 mailles) apparaît ici être insuffisant.
Cela est sans doute dû à une courbure plus importante des lignes de courant en injection –

149
Chapitre 4 : Estimation de paramètres équivalents

pompage. Un maillage plus fin de 280 x 50 mailles carrées de 2 cm de côté, avec une seule
couche en nappe libre, est validé en comparant les résultats obtenus avec ce dernier aux
résultats fournis par un maillage deux fois plus fin (560 x 100 mailles) pour un même jeu de
paramètres. La Figure 4-25 illustre cette comparaison.

100

90

80
Concentrations réduites (%)

70

60

50

40

30
140 x 25 mailles
20
280 x 50 mailles
10
560 x 100 mailles
0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Temps (minutes)

Figure 4-25 : Validation du maillage "280 x 50" pour un même jeu de paramètres – TT1W1.

La charge est imposée à l'aval selon les mesures réalisées : 90,3 cm pour TT1W2 et
87,1 cm pour TT2W2. De même, le débit est imposé dans les puits d'injection et de pompage
et vaut 500 cm3/min. La charge à l'amont est calculée et comparée aux valeurs
expérimentales.

La porosité et le rapport entre la dispersivité transversale et longitudinale sont fixés et

valent respectivement 0,38 et 0,1. Comme pour les pompages, seules les concentrations
comprises entre 5 et 95% seront utilisées pour l'ajustement de la perméabilité et la
dispersivité.

5.2. Résultats des simulations

Les jeux de paramètres obtenus avec les pompages sont réutilisés et un nouveau jeu est
ajusté pour chaque expérience.

150
 Chapitre 4 : Estimation de paramètres équivalents

TT1W2 TT2W2 TT1W1 TT2W1 TT3W1 TT4W1

Keq (cm/min) 15,6 15,6 15,6 13,5 15,0 14,0

AL (cm) 23 20 60 50 30 40
Tableau 4.5 : Paramètres équivalents simulés pour chaque injection - pompage avec le logiciel Modflow.

Les résultats sont présentés dans la Figure 4-26 pour TT1W2, la Figure 4-27 pour
TT2W2.

100

90

80
Concentrations réduites (%)

70

60

50
TT1W2
40 K=15.6 ; al=20
K=15.6 ; al=23
30
K=15.6 ; al=60
20 K=13.5 ; al=50
K=15.0 ; al=30
10
K=14.0 ; al=40
0
0 600 1200 1800 2400 3000 3600 4200 4800
Temps (minutes)

Figure 4-26 : Résultats des simulations réalisées avec Modflow – TT1W2.

151
Chapitre 4 : Estimation de paramètres équivalents

100

90

80
Concentrations réduites (%)

70

60

50
TT2W2
40 K=15.6 ; al=20
K=15.6 ; al=23
30
K=15.6 ; al=60
20 K=13.5 ; al=50
K=15.0 ; al=30
10
K=14.0 ; al=40
0
0 600 1200 1800 2400 3000
Temps (minutes)

Figure 4-27 : Résultats des simulations réalisées avec Modflow – TT2W2.

5.3. Analyse des résultats

5.3.1. Etude de la sensibilité des paramètres ajustées

Comme pour les pompages (cf. 4.3.2), nous avons simulé les deux expériences avec 4
jeux de paramètres composés des limites de Cardwell et Parsons pour les perméabilités et de
deux valeurs extêmes, 23 et 60 cm, pour les dispersivités (cf. Figure 4-28).

152
 Chapitre 4 : Estimation de paramètres équivalents

100

90

80
Concentrations réduites (%)

70

60

50
TT1W2 - K= 6.6 ; al=23
TT1W2 - K= 6.6 ; al=60
40
TT1W2 - K=17.4 ; al=60
30 TT1W2 - K=17.4 ; al=23
TT2W2 - K= 6.6 ; al=23
20
TT2W2 - K= 6.6 ; al=60

10 TT2W2 - K=17.4 ; al=60

TT2W2 - K=17.4 ; al=23
0
0 600 1200 1800 2400 3000 3600
Temps (minutes)

Figure 4-28 : Etude de la sensibilité de la perméabilité et la dispersivité pour les injection – pompage.

Le même coefficient de sensibilité est ensuite calculé (cf. Tableau 4.6).

Sensibilité de la dispersivité Sensibilité de la perméabilité

K eq = 6,6 cm/min K eq = 17, 4 cm/min AL = 23 cm AL = 60 cm

TT1W1 45 45 0,10 0,04

TT2W1 37 37 0,01 0,01
Tableau 4.6 : Coefficients de sensibilité de la perméabilité et dispersivité pour les injection -pompage.

Il en résulte que la perméabilité n'est pas un paramètre sensible de nos simulations à la

différence de la macrodispersivité. L'ajustement des paramètres est donc plus difficile dans le
cas de l'injection – pompage et les mesures de hauteurs piézométriques sont utiles pour
trouver une valeur de perméabilité équivalente.

Comparons ces coefficients avec ceux obtenus pour les pompages : la sensibilité de la
dispersivité est quasiment la même alors que celle de la perméabilité est beaucoup plus faible
dans le cas de l'injection – pompage.

Ce résultat peut-être justifié par un comportement de notre milieu proche de celui d'une
nappe captive, les rabattements dans les puits étant petits devant la hauteur du milieu
(environ 5%).

153
Chapitre 4 : Estimation de paramètres équivalents

Or, pour une nappe captive, la solution analytique de la hauteur piézométrique dans un
doublet d’injection – pompage est proportionnelle à l'inverse de la transmissivité, d'où une
vitesse de pores indépendante de la perméabilité :

Qip
hip ( x ) = f ip ( x ) + H 0 (IV.17)
2π T

−Qip
U ip ( x ) = − K grad ( hip ( x ) ) = grad ( f ip ( x ) ) (IV.18)
2π e

avec hip la charge hydraulique [L], Qip le débit d'injection et de pompage [L3·T-1], T la
transmissivité [L2·T-1], fip une fonction des coordonnées trouvée avec la méthode des images
(de Marsily, 1981 ; Carlier, 2002), Ho la charge de référence [L].

Dans le cas des expériences en pompage, l'hydrodynamique est aussi influencée par le
gradient de charge entre l'amont et l'aval du milieu. Une composante de la vitesse est donc
directement proportionnelle à la perméabilité :

−Q p
U = U p + Uu = grad ( f p ( x ) ) + K grad ( hu ) (IV.19)
2π e

avec Qp le débit de pompage [L3·T-1], e l'épaisseur du milieu [L], fp une fonction des
coordonnées pour le cas du pompage, K la perméabilité [L·T-1]et hu la charge hydraulique liée
à l'écoulement uniforme [L].

Ainsi, la détermination d'une perméabilité équivalente à l'aide d'essais de traçage en

injection – pompage semble compromise. Les ajustements réalisés pour TT1W2 et TT2W2
sont d'ailleurs moins concluants que ceux obtenus pour les pompages.

5.3.2. Analyse des paramètres ajustés

La perméabilité équivalente

La perméabilité étant un paramètre peu sensible de ces simulations, elle a été ajustée
avec les mesures de hauteurs piézométriques à l'amont du milieu. Ce calage a été concluant
pour TT1W2, impossible pour TT2W2.

Pour la deuxième expérience, les modifications de la perméabilité n’avaient pas d’effet sur la
hauteur piézométrique à l’amont du milieu. La distance entre les puits est dans ce cas plus

154
 Chapitre 4 : Estimation de paramètres équivalents

petite que pour TT1W2 et le puits d’injection est aussi placé plus loin de l’amont du milieu.
Le doublet a donc beaucoup moins d’influence sur le point de mesure de la hauteur
piézométrique considéré que pour TT1W2.

La valeur obtenue pour la première expérience, 15,6 cm/min a été appliquée aux deux
cas. Cette valeur est supérieure aux valeurs théoriques mais appartient à l'intervalle de
Cardwell et Parsons.

La macrodispersivité

Les valeurs obtenues, 23 et 20 cm, sont proches et augmentent avec la distance entre les
puits. Elles sont quasiment égales à la valeur proposée par Dagan (1989) pour l'écoulement
uniforme (23,8 cm) et donc trois fois plus grande que la solution de Indelman et Dagan (1999)
pour l'écoulement radial.

6. Effet des conditions aux limites sur les paramètres équivalents

Les paramètres équivalents déterminés pour le même milieu mais des conditions aux
limites différentes sont regroupés dans le Tableau 4.7.

Expérience TT1W0 TT1W1 TT2W1 TT3W1 TT4W1 TT1W2 TT2W2

Keq (cm/min) 14,1 – 15,0 15,6 13,5 15,0 14,0 15,6 15,6
AL (cm) 40 – 50 60 50 30 40 23 20
Tableau 4.7 : Paramètres équivalents déterminés pour chaque expérience.

Les perméabilités sont toutes du même ordre de grandeur. Il est vrai que, pour les
pompages, l'ajustement est possible grâce au gradient de charge entre l'amont et l'aval,
identique pour l'écoulement uniforme. Les valeurs déterminées en injection – pompage ne
sont pas très représentatives étant donnée leur faible sensibilité. Cela peut expliquer les faibles
différences entre les valeurs obtenues.

De même, les valeurs de dispersivité ajustées en écoulement uniforme et en pompage

sont semblables. En revanche, la dispersivité est plus faible pour les injection – pompage. Elle
est jusqu'à trois fois plus petite que celle obtenue pour TT1W1 comme le suggèrent Indelman
et Dagan (1999). Surtout, la distance entre la source et le puits est plus petite en injection –
pompage (240 et 120 cm, soit 10 et 21 longueurs de corrélations) qu'en pompage (285 et

155
Chapitre 4 : Estimation de paramètres équivalents

405 cm, soit 12 et 18 longueurs de corrélation) ou en écoulement uniforme (520 cm, i.e.
23 longueurs de corrélation).

La comparaison des sommes des écarts relatifs au carrés entre la concentration mesurée
et la concentration simulée indique que les jeux de paramètres ajustés pour les pompages ne
sont pas applicables aux injection – pompage (cf. Tableau 4.8).

K (cm/min) - αL (cm) 15,6 - 23 15,6 – 20 15,6 - 60 13,5 - 50 15,0 - 30 14,0 – 40

TT1W2 0,40 0,51 29,9 17,9 2,2 8,4
TT2W2 1,0 0,26 16,2 2,9 0,83 3,9
Tableau 4.8 : Sommes des écarts relatifs au carré entre les concentrations simulées et mesurées
pour les injection – pompage.

Les valeurs expérimentales sont aussi toujours supérieures aux valeurs théoriques. Une
première explication pourrait être une sous-estimation de certaines perméabilités locales. En
effet, ces dernières sont mesurées dans des conditions différentes de celles du MARCEAUS et
la technique de remplissage a certainement un impact sur la conductivité du sable. Avec un ou
deux sables plus perméables, le variogramme du milieu poreux et les valeurs théoriques
seraient modifiés.

L'autre explication envisageable est l'influence des limites du MARCEAUS, non prises en
compte dans les développements théoriques aux hypothèses simplificatrices. Les limites
proches des phénomènes étudiés ne peuvent être négligées.

7. Conclusion

Les résultats obtenus dans ce chapitre prouvent qu'il est possible de déterminer des
paramètres équivalents du milieu poreux à partir de données expérimentales. Une technique
numérique adaptée à chaque type de conditions aux limites a été proposée.

Les valeurs expérimentales sont toujours supérieures aux valeurs théoriques. Mais ces
dernières sont sans doute sous évaluées et ne tiennent pas compte des conditions aux limites
particulières du milieu étudié. Pourtant, cela généralise les résultats de Silliman (1996) qui
trouve des vitesses supérieures aux vitesses théoriques en ajustant une solution mono
dimensionnelle à un écoulement tridimensionnel.

En ce qui concerne la perméabilité équivalente, il s'avère difficile de la déterminer avec

un essai de traçage en injection - pompage et les méthodes utilisées. L'écoulement uniforme

156
 Chapitre 4 : Estimation de paramètres équivalents

apparaît plus adapté, en particulier dans le cas d'une nappe captive. En revanche, les valeurs
trouvées pour l'écoulement uniforme semblent utilisables en injection – pompage à proximité
du puits.

La macrodispersivité est élevée et varie avec le type de conditions aux limites. Mais il
est difficile de parler de valeur asymptotique compte tenu du petit nombre de longueurs de
corrélation parcouru. En revanche, la distance de traçage paraît ici aussi être un facteur
important dans la valeur de la dispersivité.

La sensibilité des paramètres ajustées révèlent que l’essai de traçage en écoulement

uniforme est plus adapté à la détermination de la perméabilité, l’essai de traçage en
écoulement radial à celle de la dispersivité. Néanmoins, la perméabilité pourrait aussi être
déterminée en écoulement radial avec un essai de pompage et la méthode de Jacob.

Enfin, l'étude de l'évolution des paramètres en fonction des grandeurs caractéristiques

telles que les distances et les débits mériterait de nouvelles expériences. L'étude de l'effet de
l'homogénéisation des paramètres, réalisée à partir des concentrations en un point de
référence, sur la concentration modélisée en d'autres points du système serait aussi
intéressante grâce aux valeurs mesurées in situ.

Les résultats de ces mesures peuvent aussi être utilisés pour caler un modèle numérique
tridimensionnel. C’est le but du chapitre suivant.

157
 Chapitre 5 : Modélisation tridimensionnelle des expériences

Chapitre 5 : Modélisation tridimensionnelle des expériences

1. Introduction

En complément de ce travail, nous avons essayé de reproduire numériquement les

expériences réalisées avec le MARCEAUS. Les nombreuses données disponibles doivent
permettre d’ajuster précisément les paramètres. En contrepartie, peu de valeurs sont fixées
arbitrairement dans le modèle. Il est donc plus délicat de s’approcher de la solution
recherchée.

De plus, le milieu poreux est complexe et les puits s’avèrent difficiles à modéliser. Le
logiciel Modflow, utilisé précédemment, a d’ailleurs montré ses limites puisqu’il nous a été
impossible d’ajuster les paramètres pour simuler correctement les expériences. Quelque soit la
perméabilité, le traceur se déplaçait moins vite que dans la réalité.

Il s’agit maintenant de réaliser une étude préliminaire afin d’estimer les perméabilités
locales et les phénomènes en jeu dans la simulation tridimensionnelle des expériences. Un jeu
de paramètres est validé avec les données de l’expérience en écoulement uniforme. Ce jeu
permet-il de reproduite les autres expériences, en pompage et en injection – pompage ?

Nous présenterons d’abord les résultats obtenus avec les éléments finis mixtes et
discontinus. Puis, afin d’étudier l’influence du volume d’estimation de la concentration et
réduire les temps de calcul, nous avons utilisé la méthode de la marche au hasard.

2. Modélisation par éléments finis mixtes et discontinus

2.1. Présentation du modèle TRACES

TRACES (Transport RéActif de Contaminant dans les Eaux Souterraines / Transport of

Radio Active Elements in Subsurface) est un modèle numérique développé au laboratoire par
Hoteit et Ackerer (2003).

Il emploie la méthode des éléments finis mixtes hybrides (Brezzi et Fortin, 1991) et la
méthode des éléments finis discontinus (Cockburn et al., 1990 ; Cockburn et Shu, 1998). La

159
Chapitre 5 : Modélisation tridimensionnelle des expériences

première est utilisée pour résoudre l’hydrodynamique et la partie diffusive du transport, la

deuxième, pour résoudre la partie advective du transport. Pour représenter le MARCEAUS,
nous avons retenu un maillage cubique de 112 x 20 x 18 mailles de 5 cm de côté.

Seule l’expérience TT1W0, réalisée en écoulement uniforme a pu être simulée avec ce

modèle. En effet, les autres expériences, comportant des puits d’injection ou de pompage,
nécessitent un trop long temps de calcul : les vitesses à proximité d’un puits sont élevées et
impliquent un pas de temps très petit pour respecter la condition CFL.

L’ajustement de la perméabilités des 4950 blocs de sable est impossible. Certes ces
blocs ne sont constitués que de 6 types de sable mais comment être sûr que deux blocs du
même sable ont exactement la même perméabilité ? La technique de remplissage et le
tassement ont sans doute une influence sur la conductivité hydraulique. De plus, une maille du
modèle peut contenir plusieurs sables à cause de la forme imparfaite des cubes.

Conscients de ces phénomènes aléatoires, nous avons ajusté une plage de perméabilités plutôt
qu’une valeur unique pour chaque type de sable. La perméabilité affectée à une maille du
modèle est tirée au sort, selon une répartition uniforme, dans la plage des valeurs de
perméabilité du sable considéré.

2.2. Résultats

Pour ajuster les 6 plages de perméabilités, nous avons retenu 50 points de mesures sur
les 350 disponibles. Le meilleur compromis est obtenu avec les paramètres présentés dans le
Tableau 5.1. Les perméabilités locales obtenues sont du même ordre de grandeur que les
perméabilités mesurées sauf celle du sable K20 pour lequel la perméabilité ajustée est environ
3 fois supérieure. En considérant les valeurs mesurées pour les autres sables et une valeur de
25 cm/min pour la perméabilité du sable K20, la moyenne géométrique des perméabilités
locales vaut 13,82 cm/min, la variance de la logconducitivité est égale à 1,20.

Sable K60 K40 K30 K20 K10 K150

Plage de perméabilité (cm/min) 0,7 1,2 3,5 4,2 6,6 7,0 20 30 60 65 400 450
Perméabilité mesurée (cm/min) 1,19 4,19 7,02 8,46 63,0 462,6
Tableau 5.1 : plages de perméabilité ajustées pour simuler TT1W0 avec TRACES.

160
 100 100 100 100

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

80 80 80 80

60 60 60 60
x = 105 cm
x = 25 cm x = 145 cm
40
cell1 40 x = 65 cm 40 Cell51 40
Cell77
cell7 Cell56
Cell82
cell13 Cell31 Cell61
Cell87
20
cell19
20 Cell33 20 Cell66 20
Cell92
Cell36 Cell71
Cell96
0 0 0 0
0 100 200 300 400 500 0 200 400 600 800 1000 0 200 400 600 800 1000 1200 1400 0 200 400 600 800 1000 1200 1400

Temps (minutes) Temps (minutes) Temps (minutes) Temps (minutes)

100 100 100 100

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

80 80 80 80

60 60 60 60

x = 265 cm
x = 225 cm
40 40 40 40
Cell151
x = 185 cm Cell126 Cell156 x = 305 cm
Cell137 Cell161
20 20 20 20
Cell111 Cell144 Cell166 Cell186
Cell112 Cell149 Cell171 Cell187
0 0 0 0
0 200 400 600 800 1000 1200 1400 0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000

Temps (minutes) Temps (minutes) Temps (minutes) Temps (minutes)

100 100 100 100

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

80 80 80 80

x = 465 cm
60 60 60 60

x = 385 cm Cell276
40 40 40 40 Cell277
Cell226
Cell279
x = 345 cm Cell231
Cell281
Cell236 x = 425 cm
20 20 20 20 Cell283
Cell216 Cell241
Cell286
Cell217 Cell246 Cell259

0 0 0 0
0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 500 1000 1500 2000 2500

Temps (minutes) Temps (minutes) Temps (minutes) Temps (minutes)

100 100 100 100

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

80 80 80 80

60 60 60 60

40 40 40 40
x = 545 cm
x = 505 cm Concentration dans Concentration dans
Cell316 Cell336 les mailles voisines
20 20 20 20 les mailles voisines
Cell319 Cell337
Cell187
Cell324 Cell339 Cell283
0 0 0 0
0 500 1000 1500 2000 2500 0 500 1000 1500 2000 2500 0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 500 1000 1500 2000 2500

Temps (minutes) Temps (minutes) Temps (minutes) Temps (minutes)

Figure 5-1 : Comparaison des concentrations mesurées (points) aux concentrations simulées avec TRACES (lignes) – TT1W0.
Chapitre 5 : Modélisation tridimensionnelle des expériences

Il a été impossible de trouver un jeu de valeurs permettant de superposer la totalité des

concentrations simulées aux concentrations mesurées (cf. Figure 5-1). De plus, le débit
obtenu, 1,6 l/min, est supérieur au débit mesuré, 1,4 l/min.

Une explication serait la différence entre les volumes de mesure de la concentration :

pour l’expérience, il s’agit d’une sphère entourant la cellule de mesure et dont le rayon est
estimé à 3,5 cm tandis qu’avec le modèle numérique, la concentration est calculée sur une
maille, i.e. un cube de 5 cm de côté. Or les cellules de conductimétrie ne sont pas toujours au
centre d’une maille, ni d’un bloc de sable, les concentrations simulées et mesurées ne
représentent donc pas la même grandeur.

C’est pourquoi nous nous sommes intéressés aux mailles voisines pour les cellules 187 et
283 : pour chacune d’elle, nous avons tracé la concentration calculée dans les 8 mailles
voisines de la même couche, la maille supérieure et la maille inférieure (cf. Figure 5-1). Mais
la courbe expérimentale reste différente de l’ensemble de ces résultats. Le volume de mesure
ne peut pas être reconstitué avec ces mailles cubiques.

La définition du volume sur lequel est calculée la concentration apparaît être importante
dans l’ajustement des paramètres. Les forts gradients de concentration créés par les
hétérogénéités justifient ceci. Les résultats de simulation permettent de représenter ces
phénomènes (cf. Figure 5-2 et Figure 5-3).

0
100
200 Z

50 300
z

400 x
0 500 X Y
50
y 100

Figure 5-2 : Evolution de la concentration simulée à x = 0, 50, 100, 150, 200, 250, 300, 350, 400 cm
et t = 500 min – TT1W0.

162
 Chapitre 5 : Modélisation tridimensionnelle des expériences

100

50
y
z = 27,5 cm

0
0 100 200 300 400 500
x

100

50
y

z = 57,5 cm

0
0 100 200 300 400 500
x

100

50
y

z = 77,5 cm

0
0 100 200 300 400 500
x

50
z

y = 22,5 cm
0
100 200 300 400 500
x

50
z

y = 47,5 cm
0
100 200 300 400 500
x

50
z

y = 72,5 cm
0
100 200 300 400 500
x
Figure 5-3 : Concentrations et champ de vitesses simulés dans 6 plans horizontaux et verticaux
à t = 500min– TT1W0.

163
Chapitre 5 : Modélisation tridimensionnelle des expériences

Les champs de vitesse représentées dans la Figure 5-3 confirment le caractère

tridimensionnel des ligne de courant déjà souligné par Silliman (1996). L’allure des
concentrations illustre l’existence d’écoulements préférentiels dans le domaine.

Pour simuler les autres expériences, nous avons utilisé la méthode de la marche au
hasard. Elle est beaucoup moins coûteuse en temps de calcul, en particulier pour les
expériences comportant un puits d’injection ou de pompage. De plus, elle va nous permettre
d’approfondir l’étude de l’influence du volume de calcul sur la détermination de la
concentration.

3. Modélisation par marche au hasard

3.1. Introduction

La marche au hasard (cf. Annexe B) permet de suivre de manière « naturelle » le

déplacement d’un panache de polluant dans un milieu poreux : seules les particules
intéressantes sont observées. Les calculs s’appliquent uniquement à l’espace touché par le
déplacement et le reste du domaine, avec ses caractéristiques, peut être stocké. Cette approche
est intéressante pour l’étude du déplacement de particules dans un milieu complexe. En
comparaison, les méthodes eulériennes, telles que les éléments finis, nécessitent un calcul sur
tout le domaine pour chaque pas de temps. De plus, la marche au hasard n’entraîne pas les
problèmes de diffusion numérique rencontrés avec les éléments finis lorsque l’advection
domine.

En revanche, le calcul des déplacements nécessite la génération de nombres aléatoires

qui coûte beaucoup de temps de calcul. Différents générateur de nombres aléatoires existent et
le temps nécessaire peut varier d’un rapport de 40 en fonction du générateur utilisé (Press et
al., 1992).

Dans notre étude, cette méthode présente deux avantages :

Le temps de calcul est beaucoup plus petit, en particulier lorsque l’expérience simulée
comporte un puits.

Le volume sur lequel est calculée la concentration en un point peut être une sphère et ses
dimensions sont définies par l’utilisateur.

164
 Chapitre 5 : Modélisation tridimensionnelle des expériences

Nous nous intéresserons d’abord aux résultats de simulation de l’expérience TT1W0.

Ensuite la modélisation des expériences en pompage et injection – pompage avec le même jeu
de paramètres sera présentée

3.2. Simulation de l’expérience TT1W0

L’expérience TT1W0 a été simulée dans les mêmes conditions qu’avec le modèle
TRACES. Seule la diffusion locale, négligée précédemment, a été augmentée suite aux
premiers essais : les courbes de concentration comportaient des paliers trop marqués. Nous
avons retenu une valeur de 0,02 cm2/min, ce qui correspond à une dispersivité d’environ
1 cm. 50 000 particules sont injectées à l’amont du milieu.

La concentration est calculée pour toutes les cellules, en considérant d’abord comme
volume de mesure une sphère de rayon 3,5 cm centrée sur la cellule de conductimétrie. Les
courbes obtenues pour les 50 cellules étudiées auparavant sont présentées dans la Figure 5-4.

Les résultats sont globalement plus proches des valeurs expérimentales. Les courbes
sont moins lisses qu’avec les éléments finis mais le nombre de particules est peu élevé. En
augmentant cette quantité, le poids de chaque particule sera plus faible, les particules seront
mieux réparties dans le domaine et les courbes obtenues seront plus lisses.

Le traceur sort plus tôt et des paliers semblables à ceux observés dans l’expérience
(cellule 56) apparaissent dans la simulation (cellule71). Avec ce volume de mesure, plus petit
et parfois constitué de différents sables, les concentrations sont moins moyennées et reflètent
davantage les phénomènes observés dans le milieu.

165
 100 100 100 100

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)
80 80 80 80

60 60 60 60

x = 105 cm x = 145 cm
x = 25 cm
40 40 40 40
x = 65 cm Cell51 Cell77
cell1 Cell56 Cell82
cell7 Cell31 Cell61 Cell87
20 20 20 20
cell13 Cell33 Cell66 Cell92
cell19 Cell36 Cell71 Cell96
0 0 0 0
0 100 200 300 400 500 0 200 400 600 800 1000 0 200 400 600 800 1000 1200 1400 0 200 400 600 800 1000 1200 1400

Temps (minutes) Temps (minutes) Temps (minutes) Temps (minutes)

100 100 100 100

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

80 80 80 80

60 60 60 60
x = 265 cm
x = 225 cm
40 40 40 Cell151 40
x = 185 cm
Cell126 Cell156 x = 305 cm
20 Cell111 20
Cell137 20
Cell161 20
Cell112 Cell144 Cell166 Cell186
Cell149 Cell171 Cell187
0 0 0 0
0 200 400 600 800 1000 1200 1400 0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000

Temps (minutes) Temps (minutes) Temps (minutes) Temps (minutes)

100 100 100 100

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

80 80 80 80

60 60 60 60 x = 465 cm
x = 385 cm
Cell276
40 40 Cell226 40 40
Cell277
x = 345 cm Cell231 Cell279
x = 425 cm
Cell236 Cell281
20 20 20 20
Cell216 Cell241 Cell259 Cell283
Cell217 Cell246 Cell286
0 0 0 0
0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 500 1000 1500 2000 2500

Temps (minutes) Temps (minutes) Temps (minutes) Temps (minutes)

100 100
Concentrations réduites (%)

Concentrations réduites (%)

80 80

60 60

40 40
x = 505 cm x = 545 cm

Cell316 Cell336
20 20
Cell319 Cell337
Cell324 Cell339
0 0
0 500 1000 1500 2000 2500 0 500 1000 1500 2000 2500

Temps (minutes) Temps (minutes)

Figure 5-4 : Comparaison des concentrations mesurées (points) aux concentrations simulées avec la marche au hasard (lignes), φ = 3,5cm – TT1W0.
Chapitre 5 : Modélisation tridimensionnelle des expériences

La même simulation a été reproduite en modifiant le rayon de la sphère pour le calcul de

la concentration : il vaut ici 2,5 cm. Les courbes obtenues sont légèrement différentes
(cf. Figure 5-5) : par exemple, le résultat est meilleur pour la cellule 259, moins bon pour la
cellule 111. Certains paliers sont plus marqués (cellule 216). Le traceur sort globalement plus
tard qu’avec un rayon de 3,5 cm.

100 100 100

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

80 80 80

60 60 60

40 40 40

x = 185 cm x = 345 cm x = 425 cm

20 Cell111 20 20 Cell259
Cell216
Cell112 Cell217
0 0 0
0 200 400 600 800 1000 1200 1400 0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000

Temps (minutes) Temps (minutes) Temps (minutes)

Figure 5-5 : Comparaison des concentrations mesurées (points) aux concentrations simulées
avec la marche au hasard (lignes), φ = 2,5cm – TT1W0.

D’après ces observations, il s’avère que le volume sur lequel est calculée la
concentration a une influence sur sa valeur, donc sur l’ajustement. Il est difficile de définir
précisément le volume de mesure d’une cellule de conductimétrie car il doit varier avec son
environnement.

3.3. Influence des puits sur les résultats de simulation

Les expériences de pompage et d’injection – pompage ont été simulé avec les mêmes
paramètres que TT1W0. Le but est de savoir si ce jeu est valable quelque soient les conditions
aux limites.

Pour comparaison, quelques résultats, obtenus pour l’expérience TT4W1, sont présentés
dans la Figure 5-6. Les concentrations simulées sont globalement moins en adéquation avec
les valeurs expérimentales. En particulier, le traceur arrive trop tard dans le puits de pompage,
malgré un débit aval surestimé : 1,68 l/min au lieu de 1,1 l/min. Les paliers observés sont plus
marqués que pour TT1W0.

168
 Chapitre 5 : Modélisation tridimensionnelle des expériences

100 100 100

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

80 80 80

60 60 60
x = 145 cm x = 385 cm

40 Cell77 40 x = 345 cm 40 Cell226

Cell82 Cell231
Cell216
Cell87 Cell236
20 20
Cell217 20
Cell92 Cell241
Cell96 Cell246
0 0 0
0 200 400 600 800 1000 1200 1400 0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 500 1000 1500 2000 2500

Temps (minutes) Temps (minutes) Temps (minutes)

x = 465 cm
100 100 100
Cell276
Cell277
Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

80 80 80
Cell279
Cell281
60 Cell283 60 x = 505 cm 60
Cell286
Cell316
40 40 Cell319 40
Cell324
Puits de pompage
20 20 20 Cell351

0 0 0
0 500 1000 1500 2000 2500 0 500 1000 1500 2000 2500 0 500 1000 1500 2000 2500

Temps (minutes) Temps (minutes) Temps (minutes)

Figure 5-6 : Comparaison des concentrations mesurées (points) aux concentrations simulées
avec la marche au hasard (lignes), φ = 3,5cm – TT4W1.

Les résultats de la simulation de TT1W2 (cf. Figure 5-7) confirment les observations
faites pour le pompage : le traceur arrive trop tard aux points de mesure

100 100 100

Concentrations réduites (%)

Concentrations réduites (%)

Concentrations réduites (%)

80 80 80

60 60 60

Cell77
40 Cell82 40 40
Cell151
Cell87 Cell156
Cell92 Cell161 Cell186
20 20 20
Cell96 Cell166 Cell187
Cell171
0 0 0
0 1200 2400 3600 4800 0 500 1000 1500 2000 2500 3000 0 500 1000 1500 2000 2500

Temps (minutes) Temps (minutes) Temps (minutes)

100 100 100

Concentrations réduites (%)

Concentrations réduites (%)

80 80 80

60
Y Axis Title

60 60

40
40 40
Cell226
Cell231 20 Cell259
20 Cell236 20
Cell241
0
Cell246 Cell351
0 0
0 1200 2400 3600 4800 0 1200 2400 3600 4800 0 1200 2400 3600 4800 6000 7200 8400 9600

Temps (minutes) X Axis Title Temps (minutes)

Figure 5-7 : Comparaison des concentrations mesurées (points) aux concentrations simulées
avec la marche au hasard (lignes), φ = 3,5cm – TT1W2.

Cette arrivée tardive du traceur aux points de mesure, malgré un débit plus élevé dans le
cas du pompage, semble indiquer que les lignes de courant sont plus longues dans la

169
Chapitre 5 : Modélisation tridimensionnelle des expériences

simulation que dans la réalité. La perméabilité verticale est peut-être inférieure à la

perméabilité horizontale : cela impliquerait des lignes de courant plus rectilignes.

4. Conclusion

Cette première approche de la modélisation numérique des expériences réalisées dans

MARCEAUS nous apporte quelques indications pour la suite. D’abord, les éléments finis ne
sont pas adaptés à ce genre de simulation, en particulier pour les pompages et injection –
pompage. De plus, le calcul de la concentration avec TRACES ne correspond pas à la mesure
effectuée.

En effet, la mesure est réalisée sur un volume indépendant des blocs de sables,
approximativement une sphère centrée sur la cellule de conductimétrie. Celle-ci est plus petite
qu’une maille du modèle numérique, ce qui pourrait être résolu en raffinant le maillage.

Mais la sphère peut aussi, selon les cellules, faire partie de plusieurs blocs de sables
différents. Le raffinement nécessaire pour caractériser le volume de mesure est alors trop
important.

Enfin, le rayon de la sphère doit varier avec l’environnement et il paraît impossible de le

caractériser pour chaque cellule. Pourtant, seules des concentrations calculées sur un volume
semblable permettront de valider correctement le modèle.

Par ailleurs, la dispersion locale semble être non négligeable malgré l’hétérogénéité du
domaine. Les simulations réalisées avec la marche au hasard en ne tenant compte que de la
diffusion moléculaire sont peu concluantes : la concentration aux points de mesure est
discontinue. Il est aussi possible que le nombre de particules injectées soit trop petit. Il
faudrait poursuivre l’étude en évaluant la sensibilité de la dispersion locale avec un grand
nombre de particules.

De même, le rapport entre la perméabilité verticale et horizontale, égal à 1 dans toutes

nos simulations, pourrait être un paramètre important. Quelque soit l’expérience, l’ajustement
des paramètres a conduit à des perméabilités locales, donc des débits, plus élevés que les
valeurs mesurées et le traceur arrive encore trop tard pour les pompages et injection –
pompage. Les lignes de courant doivent donc être plus longues dans la simulation que dans la

170
 Chapitre 5 : Modélisation tridimensionnelle des expériences

réalité. Une perméabilité verticale plus faible entraînerait des lignes de courant plus
rectilignes donc un transport plus rapide du traceur.

Les résultats obtenus dans cette étude préliminaire nous encouragent à continuer
d’essayer de reproduire numériquement ces expériences. Les paramètres actuels, ajustés pour
un type d’écoulement, ne paraissent pas valables pour d’autres conditions aux limites. Une
modélisation plus fine, tenant compte des deux paramètres énoncés précédemment, devraient
nous permettre de mieux comprendre les différences d’une expérience à l’autre.

171
 Conclusions et perspectives

Conclusions et Perspectives

La définition des propriétés du milieu poreux est problématique. Le volume élémentaire

représentatif, pour lequel sont définies les valeurs locales des paramètres, est arbitraire. Le
passage à une échelle supérieure, via les théories du changement d’échelles, nécessite des
hypothèses fortes d’homogénéité et d’uniformité du milieu et des écoulements ainsi qu’un
grand nombre de mesures locales qui sont rarement disponibles. Pourtant ce changement
d’échelle est utile pour modéliser les grands domaines avec des maillages raisonnables.

La condition ergodique nécessaire à l’obtention de paramètres effectifs et de valeurs

asymptotiques n’est pas vérifiée à proximité de conditions aux limites telles qu’un puits
d’injection ou de pompage voire une source de pollution. C’est pourquoi nous avons proposé
un outil expérimental permettant l’étude de l’hydrodynamique et du transport non loin de ces
conditions.

Il était ici question de caractériser le milieu poreux en obtenant directement les

paramètres équivalents de l’hydrodynamique et du transport à partir de résultats
expérimentaux. Les essais de traçage présentés dans ce mémoire fournissent les données
escomptées.

Le premier travail a été la mise au point du MARCEAUS : un milieu poreux de grandes

dimensions caractérisé par ses propriétés statistiques, un système d’alimentation en eau
capable de fournir un régime permanent d’écoulement uniforme ou radial et un dispositif de
mesure et d’acquisition de la concentration et de la piézométrie. Un long développement a
conduit au modèle actuel. L’ensemble fournit aujourd’hui des données diversifiées et
cohérentes. Les résultats expérimentaux obtenus contribuent à la création d’une base de
données utile pour la compréhension des phénomènes, la validation de développements
théoriques et de modèles numériques.

Les premiers résultats soulignent l’importance de l’approche expérimentale et des

méthodes de mesure retenues. La taille de la zone de capture d’un puits de pompage, la

173
Conclusions et perspectives

distance moyenne parcourue par le traceur ainsi que le volume de mesure de la concentration
ont une influence directe sur les paramètres déterminés et ce qu’ils représentent.

La détermination des paramètres équivalents nécessitent l’utilisation d’un outil

numérique ou analytique adapté aux essais de traçage réalisés. Pour chaque type de conditions
aux limites, nous avons proposé un modèle adéquat. Les paramètres obtenus sont cohérents et
amènent les résultats suivants :

L’essai de traçage en écoulement uniforme paraît plus adapté à la détermination de la

perméabilité équivalente, l’injection – pompage à celle de la dispersivité.

La valeur de perméabilité équivalente obtenue dans le premier cas semble valable dans
le deuxième.

Dans les conditions expérimentales étudiées, la perméabilité équivalente est du même

ordre de grandeur quelque soit le type d’écoulement. Les différences observées sont
sans doute dues à l’étude de zones différentes dans des conditions non ergodiques.

En revanche, la dispersivité est inférieure en injection – pompage conformément aux

résultats de Indelman et Dagan (1999). La plus petite distance de traçage pour ce type
d’expérience pourrait aussi être une explication.

Les valeurs de macrodispersivité et de perméabilité équivalente obtenues sont

supérieures aux valeurs théoriques. Mais les développements utilisés ne tiennent pas
compte des limites finies du domaine. Cela rappelle aussi les résultats de Silliman
(1996) et justifie a posteriori le choix d’un modèle physique à trois dimensions.

Enfin, la simulation tridimensionnelle des expériences révèle que le caractère

tridimensionnel des écoulements dans le MARCEAUS semble être surestimé par une
modélisation avec une perméabilité isotrope. L’écoulement longitudinale doit être
prépondérant. D’ailleurs l’ajustement du modèle numérique s’avère complexe et soulève
d’autres questions telles que l’influence de la dispersion locale ou celle du mélange possible
des sables à l’interface entre deux blocs.

174
 Conclusions et perspectives

Au vu de la qualité des données déjà obtenues, nous prévoyons de réaliser de nouvelles

expériences en faisant varier les débits d’injection, de pompage, le gradient de charge, la
distance de traçage, la source de traceur ou la position des puits. Nous pourrons ainsi
caractériser l’effet de chaque grandeur sur les paramètres déterminés.

Le milieu homogène équivalent reproduit le même signal de sortie que le milieu réel.
Qu’en est-il pour les valeurs à l’intérieur du domaine ? L’étude pourrait être approfondie en
comparant les valeurs de concentration et de charge mesurées en d’autres points que celui
utilisé pour l’ajustement avec les valeurs calculées en considérant un milieu homogène ayant
les propriétés équivalentes.

Enfin, la modélisation fine des expériences et l’ajustement des paramètres locaux est
une autre perspective de ce travail.

175
 Références bibliographiques

Références bibliographiques

Ababou, R., 1995.

Random porous media flow on large 3-d grids: numerics, performance and
application to homogenization. In: Wheeler, M.F. (Editor), Environmental
studies: mathematical, computational and statistical analysis. IMA Volumes in
Mathematics and its Applications. Springer-verlag, New-York, p. 1-25.

Ackerer, P., 1985.

Propagation d'un fluide en aquifère poreux saturé en eau. Prise en compte et
localisation des hétérogénéités par des outils théoriques et expérimentaux.
Thèse de Docteur-Ingénieur, Institut de Mécanique des Fluides, Université
Louis Pasteur, Strasbourg, France, 102 p.

Adler, P.M., 1996.

Transports in fractal porous media. Journal of Hydrology, Vol. 187 (1-2), p. 195-
213.

Bard, Y., 1974.

Nonlinear parameter estimation. Academic Press, New York.

Barth, G.R., Illangasekare, T.H., Hill, M.C., et Rajaram, H., 2001.

A nex tracer-density criterion for heterogeneous porous media. Water
Resources Research, Vol. 37 (1), p. 21-31.

Bear, J., 1972.

Dynamics of fluids in porous media. American Elsevier, New York, 764 p.

Berkowitz, B., Scher, H., et Silliman, S.E., 2000.

Anomalous transport in laboratory-scale, heterogeneous porous media. Water
Resources Research, Vol. 36 (1), p. 149-158.

Blanc, G., 1967.

Contribution à l'étude des déplacements miscibles : Dispersion transversale.
Thèse de doctorat, Faculté des sciences, Toulouse.

Brezzi, F. et Fortin, M., 1991.

Mixed and hybrid finite element methods. Springer series in computational
mathematics, 15, Springer-Verlag, New-York, 350 p.

Cardwell, W.T. et Parsons, R.L., 1945.

Average permeabilities of heterogeneous oil sands. Transactions American
Institute of Mining and Metallurgical Engineers, Vol. 169, p. 34-42.

177
Références bibliographiques

Carlier, J.P., 2002.

Modélisation du transfert de masse en milieu poreux par approche stochastique.
Thèse de Doctorat, Institut de Mécanique des Fluides et des Solides, Université
Louis Pasteur, Strasbourg, France, 188 p.

Carlier, J.P. et Ackerer, P., 2003.

Solution analytique pour le transfert de masse entre puits en milieu poreux
heterogene: Analytical solution for mass transfer between wells in
heterogeneous porous media. Comptes Rendus Mecanique, Vol. 331 (10), p.
693-698.

Carrera, J. et Neuman, S.P., 1986.

Estimation of aquifer parameters under transient and steady state conditions. 1.
Maximum likelihood incorporating prior information. Water Resources Research,
Vol. 22 (2), p. 199-210.

Chao, H.-C., Rajaram, H., et Illangasekare, T., 2000.

Intermediate-scale experiments and numerical simulations of transport under
radial flow in a two-dimensional heterogeneous porous medium. Water
Resources Research, Vol. 36 (10), p. 2869-2884.

Cherblanc, F., 1999.

Etude du transport miscible en milieux poreux hétérogènes : prise en compte du
non-équilibre. Thèse de Doctorat, Université de Bordeaux I, Bordeaux, France,
144 p.

Chin, D.A., 1997.

An assessment of first-order stochastic dispersion theories in porous media.
Journal of Hydrology, Vol. 199 (1-2), p. 53-73.

Cockburn, B., Hou, S., et Shu, C.-W., 1990.

The Runge-Kutta local projection discontinuous Galerkin finite element method
for conservation laws 4: the multidimensional case. Mathematics of
Computation, Vol. 54 (190), p. 545-581.

Cockburn, B. et Shu, C.-W., 1998.

The Runge-Kutta discontinuous Galerkin method for conservation laws 5:
Multidimensional systems. Journal of Computational Physics, Vol. 141, p. 199-
224.

Conwell, P.M., Silliman, S.E., et Zheng, L., 1997.

Design of a piezometer network for the estimation of the sample variogram of
the hydraulic gradient: the role of the instrument. Water Resources Research,
Vol. 33 (11), p. 2489-2494.

Cushman, J.H., Bennethum, L.S., et Hu, B.X., 2002.

A primer on upscaling tools for porous media. Advances in Water Resources,
Vol. 25 (8-12), p. 1043-1067.

178
 Références bibliographiques

Dagan, G., 1986.

Statistical theory of groundwater flow and transpot: pore to laboratory,
laboratory to formation, and formation to regional scale. Water Resources
Research, Vol. 22 (9), p. 120S-134S.

Dagan, G., 1989.

Flow and transport in porous formations. Springer-Verlag, Berlin, 465 p.

Dagan, G. et Indelman, P., 1999.

Reactive solute transport in flow between a recharching and a pumping well in a
heterogeneous aquifer. Water Resources Research, Vol. 35 (12), p. 3639-3647.

Danquigny, C., 2000.

Etude expérimentale du transfert de masse en écoulement radial. D.E.A
P.A.E.3.S. et Ingénieur E.N.G.E.E.S., Institut de Mécanique des Fluides,
Université Louis Pasteur, Strasbourg, France, 79 p.

de Marsily, G., 1981.

Hydrogéologie quantitative. Masson, Paris, 215 p.

Delay, F., Porel, G., et de Marsily, G., 1997.

Predicting solute transport in heterogeneous media from results obtained in
homogeneous ones: an experimental approach. Journal of Contaminant
Hydrology, Vol. 25 (1-2), p. 63-84.

Desbarats, A.J., 1992.

Spatial averaging of transmissivity in heterogeneous fields with flow toward a
well. Water Resources Research, Vol. 28 (3), p. 757-767.

Desbarats, A.J., 1993.

Geostatistical analysis of interwell transmissivity in heterogeneous aquifers.
Water Resources Research, Vol. 29 (4), p. 1239-1246.

Fiori, A., 2000.

The relative dispersion and mixing of passive solutes in transport in geologic
media. Transport in Porous Media, Vol. 42 (1-2), p. 69-83.

Fried, J.J. et Combarnous, M.A., 1971.

Dispersion in porous media. In: Chow, V.T. (Editor), Advances in hydroscience,
p. 169-282.

Gautier, Y. et Noetinger, B., 1997.

Preferential Flow-Paths Detection for Heterogeneous Reservoirs Using a New
Renormalization Technique. Transport in Porous Media, Vol. 26 (1), p. 1-23.

179
Références bibliographiques

Gehlar, L.W. et Axness, C.L., 1983.

Three-dimensional stochastic analysis of macrodispersion in aquifers. Water
Resources Research, Vol. 19 (1), p. 161-180.

Genereux, D. et Guardiario, [Link]., 2001.

A borehole flowmeter investigation of small-scale hydraulic conductivity variation
in the Biscayne aquifer, Florida. Water Resources Research, Vol. 37 (5), p.
1511-1517.

Gutierrez, M.G., Guimera, J., Yllera de Llano, A., Benitez, A.H., Humm, J., et Saltink,
M., 1997.
Tracer test at El Berrocal site. Journal of Contaminant Hydrology, Vol. 26 (1-4),
p. 179-188.

Gutjahr, A.L., Gelhar, L.W., Bakr, A.A., et McMillan, J.R., 1978.

Stochastic analysis of spatial vriability in subsurface flow. 2:Evaluation and
application. Water Resources Research, Vol. 14, p. 953-959.

Harleman, D.R. et Rumer, R.R., 1963.

Longitudinal and lateral dispersion in an isotropic porous medium. Journal of
Fluid Mechanics, Vol. 16, p. 385-394.

Hoteit, H. et Ackerer, P. 2003.

TRACE'S User's Guide. Université Louis Pasteur, Strasbourg, France. IMFS
Report.

Huang, K., Toride, N., et Van Genuchten, [Link]., 1995.

Experimental investigation of solute transport in large, homogeneous and
heterogeneous, saturated columns. Transport in Porous Media, Vol. 18, p. 283-
302.

Indelman, P. et Dagan, G., 1993a.

Upscaling of permeability of anisotropic heterogeneous formation, 1, general
frame work. Water Resources Research, Vol. 29 (4), p. 917-923.

Indelman, P. et Dagan, G., 1993b.

Upscaling of permeability of anisotropic heterogeneous formation, 2, general
structure and small perturbation analysis. Water Resources Research, Vol. 29
(4), p. 925-933.

Indelman, P. et Dagan, G., 1999.

Solute transport in divergent radial flow through heterogeneous porous media.
Journal of Fluid Mechanics, Vol. 384, p. 159-182.

Indelman, P., Fiori, A., et Dagan, G., 1996.

Steady flow toward wells in heterogeneous formations: Mean head and
equivalent conductivity. Water Resources Research, Vol. 32 (7), p. 1975-1983.

180
 Références bibliographiques

Irwin, N.C., Botz, M.M., et Greenkorn, R.A., 1996.

Experimental investigation of characteristic length scale in periodic
heterogeneous porous media. Transport in Porous Media, Vol. 25, p. 235-246.

Jellali, S., Muntzer, P., Razakarisoa, O., et Schäfer, G., 2001.

Large-scale experiment on transport of trichloroethylene in a controlled aquifer.
Transport in Porous Media, Vol. 44, p. 145-163.

Käss, W., 1998.

Tracer technique in geohydrology.

Khan, A.U.-H. et Jury, W.A., 1990.

A laboratory study of the dispersion scale effect in column outflow experiments.
Journal of Contaminant Hydrology, Vol. 5 (2), p. 119-131.

Kitadinis, P.K., 1990.

Effective hydraulic conductivity for gradually varying flow. Water Resources
Research, Vol. 26 (6), p. 1197-1208.

Klotz, D., Seiler, K.-P., Moser, H., et Neumaier, F., 1980.

Dispersivity and velocity relationship from laboratory and field experiments.
Journal of Hydrology, Vol. 45 (3-4), p. 169-184.

Knopman, D.S. et Voss, C.I., 1988.

Further comments on sensitivities, prameter estimation and sampling design in
one-dimensional analysis of soulte transport in porous media. Water Resources
Research, Vol. 24, p. 225-238.

Knopman, D.S. et Voss, C.I., 1987.

Behavior of sensitivities in the one-dimensional advection-dispersion equation:
implications for parameter estimation and sampling design. Water Resources
Research, Vol. 23 (2), p. 253-272.

Lintéa, M.D., 2001.

Transport de polluant à l'échelle de l'hétérogénéité des milieux poreux
aléatoires. Approche stochastique et numérique. Thèse de Doctorat, Institut de
Mécanique des Fluides et des Solides, Université Louis Pasteur, Strasbourg,
France, 287 p.

Mandelbrot, B.B., 1983.

The fractal geometry of nature. Freeman, W. H., New-York, 468 p.

Marquardt, D.W., 1963.

An algorithm for least-squares estimation of non-linear parameters. Journal on
Applied Mathematics, Vol. 11 (2), p. 431-441.

181
Références bibliographiques

Matheron, G., 1967.

Eléments pour une théorie des milieux poreux. Masson, Paris.

Matheron, G. et de Marsily, G., 1980.

Is transport in porous media always diffusive? A counterexample. Water
Resources Research, Vol. 16 (5), p. 901-917.

Maugis, P., Mouche, E., et Dewiere, L., 2002.

Analysis of displacement variances in stochastic nonuniform flows by means of
a first order analytical model and comparison with Monte Carlo simulations.
Transport in Porous Media, Vol. 47, p. 1-27.

Molz, F.J., Güven, O., et Melville, J.G., 1983.

An examination of scale-dependent dispersion coefficients. Groundwater, Vol.
21 (6), p. 715-725.

Naff, R.L., 1991.

Radial flow in heterogeneous porous media: an analysis od specific discharge.
Water Resources Research, Vol. 27 (3), p. 307-316.

Nelson, N.T., Hu, Q., et Brusseau, M.L., 2003.

Characterizing the contribution of diffusive mass transfer to solute transport in
sedimentary aquifer systems at laboratory and field scales. Journal of
Hydrology, Vol. 276 (1-4), p. 275-286.

Neuman, S.P., 1990.

Universal scaling of hydraulic conductivities and dispersivities in geologic media.
Water Resources Research, Vol. 26, p. 1749-1758.

Neuman, S.P. et Orr, S., 1993.

Prediction of steady state flow in nonuniform geologic media by conditional
moments: exact nonlocal formalism, effective conductivities, and weak
approximation. Water Resources Research, Vol. 29 (2), p. 341-364.

Nguyen, V., Dagan, G., et Springer E.P., 1990.

Analysis of caisson transport experiment by travel time approach. In: Roth, K.,
Jury,W.A., Flüher,H., and Parker,J.C. (Editors), Field-Scale Water and Solute
Flux in Soils. Birkhäuser Verlag, Basel, p. 79-93.

Noetinger, B., 1994.

The effective permeabilitty of a heterogeneous porous medium. Transport in
Porous Media, Vol. 15, p. 99-127.

Novakowski, S.P., 1992.

An evalution of boundary conditions for one-dimensional solute transport, 1,
Mathematical development. Water Resources Research, Vol. 28 (9), p. 2399-
2410.

182
 Références bibliographiques

Novakowski, S.P., 1992.

An evalution of boundary conditions for one-dimensional solute transport, 2,
Column experiments. Water Resources Research, Vol. 28 (9), p. 2411-2423.

Ogata, A. et Banks, R.B. 1961.

A solution of the differential equation of longitudinal dispersion in porous media.
[Link], 411-A.

Oostrom, M., Hayworth, J.S., Dane, J.H., et Güven, O., 1992.

Behavior of dense aqueous phase leachate plumes in homogeneous porous
media. Water Resources Research, Vol. 28 (8), p. 2123-2134.

Osnes, H., 1995.

Stochastic analysis of head spatial variability in bounded rectangular
heterogeneous aquifers. Water Resources Research, Vol. 31, p. 2981-2990.

Oswald, S.E., Scheidegger, M.B., et Kinzelbach, W.K.H., 2002.

Time-dependent measurement of strongly density-dependent flow in a porous
medium via nuclear magnetic resonance imaging. Transport in Porous Media,
Vol. 47 (2), p. 169-193.

Paleologos, E.K., Neuman, S.P., et Tartakovsky, D., 1996.

Effective hydraulic conductivity of bounded, strongly heterogeneous porous
media. Water Resources Research, Vol. 32 (5), p. 1333-1341.

Pawula, R.F., 1967.

Approximation of the linear Boltzmann equation by the Fokker-Planck equation.
Physical Review, Vol. 162 (1), p. 186-188.

Pfannkuch, H.O., 1963.

Contribution à l'étude des déplacements miscibles dans un milieu poreux.
Revue de l'Institut Français du Pétrole, Vol. 18, p. 215-270.

Press, W.H., Teukolsky, S.A., Vetterling, W.T., et Flannery, B.P., 1992.

Numerical recipes in Fortran, The art of scientific computing. Cambridge
University Press, New-York.

Ptak, T. et Schmid, G., 1996.

Dual-tracer transport experiments in a physically and chemically heterogeneous
porous aquifer: effective transport parameters and spatial variability. Journal of
Hydrology, Vol. 183 (1-2), p. 117-138.

Ptak, T. et Teutsch, G. 1994.

A comparison of investigation methods for the prediction of flow and transport in
highly heterogeneous formations. International symposium on transport and
reactive processes in aquifers, 11/4/1994, p. 157-160.

183
Références bibliographiques

Rashidi, M., Tompson, A.F.B., Peurrung, L., et Kulp, T.J., 1996.

Experimental analysis of pore-scale flow and transport in porous media.
Advances in Water Resources, Vol. 19 (3), p. 163-180.

Refsgaard, A., 1986.

Laboratory experiments on solute transport in non homogeneous porous media.
Nordic Hydrology, Vol. 17, p. 305-314.

Renard, P., 1996.

Modélisation des écoulements en milieux poreux hétérogènes. Calcul des
perméabilités équivalentes. Thèse de Doctorat, Ecole des Mines, Paris, France,
250 p.

Renard, P. et de Marsily, G., 1997.

Calculating equivalent permeability: a review. Advances in Water Resources,
Vol. 20 (5-6), p. 253-278.

Renard, P., Genty, A., et Stauffer, F., 2001.

Laboratory determination of the full permeability tensor. Jopurnal of Geophysical
Research, Vol. 106 (B11), 26.443-26.452 p.

Renard, P. et Le Loch, G., 1996.

Une nouvelle technique de calcul de la perméabilité équivalente des milieux
poreux : la renormalisation simplifiée. Comptes Rendus de l'Academie des
Sciences - Series IIA - Earth and Planetary Science, Vol. 323, p. 859-864.

Renard, P., Le Loch, G., Ledoux, E., de Marsily, G., et Mackay, R., 2000a.
A fast algorithm for the estimation of the equivalent hydraulic conductivity of
heterogeneous media. Water Resources Research, Vol. 36 (12), p. 3567-3580.

Renard, P., Ledoux, Emmanuel, et Ackerer, Philippe. 2000b.

Scale up of hydraulic conductivities: comparison of laboratory experiments and
numerical analyses. XIII international conference on computational methods in
water resources, 25/6/2000b, p. 799-804.

Richards, L.A., 1954.

Determination of the properties of saline and alkali soils. In: Richards, L.A.
(Editor), Diagnosis and improvment of saline and alkali soils. Agriculture
Handbook, p. 7-33.

Risken, H., 1989.

The Fokker-Planck equation. Methods of solution and applications. Springer-
Verlag, Berlin, 472 p.

Riva, M., Guadagnini, A., Neuman, S.P., et Franzetti, S., 2001.

Radial flow in a bounded randomly heterogeneous aquifer. Transport in Porous
Media, Vol. 45, p. 139-193.

184
 Références bibliographiques

Rubin, Y., 1990.

Stochastic modeling of macrodispersion in heterogeneous porous media. Water
Resources Research, Vol. 26 (1), p. 133-141.

Rubin, Y. et Dagan, G., 1988.

Stochastic analysis of boundaries effects on head spatial variability in
heterogeneous aquifers ; 1. Constant head boundary. Water Resources
Research, Vol. 24 (10), p. 1689-1697.

Rubin, Y. et Dagan, G., 1989.

Stochastic analysis of boundaries effects on head spatial variability in
heterogeneous aquifers ; 1. Impervious boundary. Water Resources Research,
Vol. 25 (4), p. 707-712.

Ruch, M., 1992.

Transfert d'un polluant non réactif en milieu poreux saturé : étude sur modèles
physiques tridimensionnels et simulations. Thèse de Doctorat, Institut de
Mécanique des Fluides, Université Louis Pasteur, Strasbourg, France, 162 p.

Sabatini, D.A. et Al Austin, T., 1991.

Characteristics of rhodamine WT and fluorescein as adsorbing ground-water
tracers. Groundwater, Vol. 29 (3), p. 341-349.

Saffman, P.G., 1959.

A theory of dispersion in a porous medium. Journal of Fluid Mechanics, Vol. 6,
p. 321-349.

Sanchez-Vila, X., 1997.

Radially convergent flow in heterogeneous porous media. Water Resources
Research, Vol. 33 (7), p. 1633-1641.

Sauty, J.-P., 1977.

Contribution à l'identification de paramètres de dispersion dans les aquifères par
interprétation des expériences de traçage. Thèse de Docteur-Ingénieur, Institut
National polytechnique de Grenoble, Grenoble, france, 157 p.

Schäfer, G., 1991.

Einfluss von schichtenstrukturen und lokalen einlagerungen auf die
längdispersion in porengrundwasserleitern. Ph.D. Thesis, Institut für
Wasserbau, Universität Stuttgart.

Scheidegger, A.E., 1961.

General theory of dispersion in porous media. Journal of Geophysical Research,
Vol. 66 (10), p. 3273-3278.

185
Références bibliographiques

Schincariol, R.A. et Schwartz, F.W., 1990.

An experimental investigation of varaiable density flow and mixing in
homogeneous and heterogeneous media. Water Resources Research, Vol. 26,
p. 2317-2329.

Semra, K., 1994.

Modélisation tridimensionnelle du transport d'un traceur en milieu poreux saturé
hétérogène. Evaluation des théories stochastiques. Thèse de doctorat, Institut
de Mécanique des Fluides, Université Louis Pasteur, Strasbourg, France, 125 p.

Sharp, R.R., Cunningham, A.B., Komlos, J., et Billmayer, J., 1999.

Observation of thick biofilm accumulation and structure in porous media and
corresponding hydrodynamic and mass transfert effects. Water Science and
Technology, Vol. 39 (7), p. 195-201.

Silliman, S.E., 2001.

Laboratory study of chemical transport to wells within heterogeneous porous
media. Water Resources Research, Vol. 37 (7), p. 1883-1892.

Silliman, S.E. et Caswell, S., 1998.

Observations of measured hydraulic conductivity in two artificial, confined
aquifers with boundaries. Water Resources Research, Vol. 34 (9), p. 2203-
2213.

Silliman, S.E., Konikow, L.F., et Voss, C.I., 1987.

Laboratory investigation of longitudinal dispersion in anisotropic porous media.
Water Resources Research, Vol. 23 (11), p. 2145-2151.

Silliman, S.E. et Simpson, E.S., 1987.

Laboratory evidence of the scale effect dispersion of solutes in porous media.
Water Resources Research, Vol. 23 (8), p. 1667-1673.

Silliman, S.E. et Zheng, L., 2001.

Comparison of observations from a laboratory model with stochastic theory:
initial analysis of hydraulic and tracer experiments. Transport in Porous Media,
Vol. 42, p. 85-107.

Silliman, S.E., Zheng, L., et Conwell, P., 1998.

The use of laboratory experiments for the study of conservative solute transport
in heterogeneous porous media. Hydrogeology Journal, Vol. 6, p. 166-177.

Silliman, S.E., 1996.

The importance of the third dimension on transport through saturated porous
media: case study based on transport of particles. Journal of Hydrology, Vol.
179 (1-4), p. 181-195.

186
 Références bibliographiques

Smart, P.L. et Laidlaw, I.M.S., 1977.

An evaluation of some fluorescent dyes for water tracing. Water Resources
Research, Vol. 13 (1), p. 15-33.

Spitz, K., 1985.

Dispersion in porösen medien : Einfluss von inhomogenitäten und
dichteunterschieden. Ph.D. Thesis, Institut für Wasserbau, Universität Stuttgart.

Sternberg, S.P.K., Cushman, J.H., et Greenkorn, R.A., 1996.

Laboratory observation of non-local dispersion. Transport in Porous Media, Vol.
23, p. 135-151.

Sternberg, S.P.K. et Greenkorn, R.A., 1994.

An experimental investigation of dispersion in layered porous media. Transport
in Porous Media, Vol. 15, p. 15-30.

Sudicky, E.A., Gillham, R.W., et Frind, E.O., 1985.

Experimental investigation of solute transport in stratified porous media. 1. The
nonreactive case. Water Resources Research, Vol. 21 (7), p. 1035-1041.

Tartakovsky, D.M., Guadagnini, A., et Guadagnini, L. 1999a.

Stochastic averaging and estimate of effective (upscaled) conductivity and
transmissivity. 5th Annual conference of the International Association for
Mathematical Geology, Trondheim, Norway, 6/8/1999a. Vol. 2, p. 755-760.

Tartakovsky, D.M., Guadagnini, A., et Riva, M. 1999b.

Stochastic of effective conductivity for bounded, randomly heterogeneous
aquifers. 5th Annual Conference of the International Association for
Mathematical Geology, Trondheim, Norway, 6/8/1999b. Vol. 2, p. 760-766.

Tartakovsky, D.M. et Guadagnini, A., 2003.

Effective properties of random composites. SIAM Journal of Scientific
Computing, (under review).

Thompson, A.F.B. et Gehlar, L.W., 1990.

Numerical simulation of solute transport in three-dimensional, randomly
heterogeneous porous media. Water Resources Research, Vol. 26 (10), p.
2541-2562.

Uffink, G.J.M., 1990.

Analysis of dispersion by the random walk method. Ph.D. thesis, Delft University
of Technology, Delft, Netherlands, 150 p.

Van Genuchten, [Link]. et Wierenga, P.J., 1976.

Mass transfer studies in sorbing porous media. 1. Analytical solutions. Soil
Science Society of America Journal, Vol. 40, p. 473-480.

187
Références bibliographiques

Watson, S.J., Barry, D.A., Schotting, R.J., et Hassanizadeh, S.M., 2002.

On the validity of Darcy's law for stable high-concentration displacements in
granular porous media. Transport in Porous Media, Vol. 47 (2), p. 149-167.

Welty, C. et Elsner, M.M., 1997.

Constructing correlated random fields in the laboratory for observations of fluid
flow and mass transport. Journal of Hydrology, Vol. 202 (1-4), p. 192-211.

Wen, X.H. et Gomez-Hernandez, J.J., 1996.

Upscaling hydraulic conductivities in heterogeneous media: An overview.
Journal of Hydrology, Vol. 183 (1-2), ix-xxxii p.

Zhan, H. et Wheatcraft, W., 1996.

Macrodispersivity tensor for nonreactive solute transport in isotropic and
anisotropic fractal porous media: analytical solutions. Water Resources
Research, Vol. 32 (12), p. 3461-3474.

Zhang, D., Zhang, R., Chen, S., et Soll, W.E., 2000.

Pore scale study of flow in porous media: Scale dependency, REV, and
statistical REV. Geophysical Research Letters, Vol. 27 (8), p. 1195-1198.

Zhang, R., Huang, K., et Xiang, J., 1994.

Solute movement through homogeneous and heterogeneous soil columns.
Advances in Water Resources, Vol. 17 (5), p. 317-324.

Zhang, Y.-K. et Di Federico, V., 2003.

Comments on Comparison of observations from a laboratory model with
stochastic theory: initial analysis of hydraulic and tracer experiments. Transport
in Porous Media, Vol. 52, p. 111-115.

188
 Annexe A : Cartes du remplissage du MARCEAUS

Annexe A : Cartes du remplissage du MARCEAUS

Type de sable
Les figures ci-dessous représentent l’agencement des 6 sables dans
K150
le MARCEAUS. Chaque couche est composée de 550 blocs répartis K10
comme suit selon y : K20
50 demi cubes, K30
50 x 9 cubes de 10 cm de côté au centre, K40
K60
50 demi-cubes de part et d’autre du milieu.

Sur les figures, les demi-cubes latéraux sont représentés par des carrés entiers.

Couche 1 : z ∈ [ 0,10]

100
y

50

0
0 100 200 300 400 500
x

Couche 2 : z ∈ [10, 20]

100
y

50

0
0 100 200 300 400 500
x

189
Annexe A : Cartes du remplissage du MARCEAUS

Couche 3 : z ∈ [ 20,30]

100
y

50

0
0 100 200 300 400 500
x

Couche 4 : z ∈ [30, 40]

100
y

50

0
0 100 200 300 400 500
x

Couche 5 : z ∈ [ 40,50]

100
y

50

0
0 100 200 300 400 500
x

Couche 6 : z ∈ [50, 60]

100
y

50

0
0 100 200 300 400 500
x

190
 Annexe A : Cartes du remplissage du MARCEAUS

Couche 7 : z ∈ [ 60, 70]

y 100

50

0
0 100 200 300 400 500
x

Couche 8 : z ∈ [ 70,80]

100
y

50

0
0 100 200 300 400 500
x

Couche 9 : z ∈ [80,90]

100
y

50

0
0 100 200 300 400 500
x

191
 Annexe B : La marche au hasard, approche théorique

Annexe B : La marche au hasard, approche théorique

B.1. Introduction

La modélisation du transport de solutés en milieux poreux se fait souvent à l’aide de

méthodes comme les différences finies ou les éléments finis. Une alternative à ce type de
modèles est la méthode de la marche au hasard.

Issue de la physique stochastique et de l’analyse des processus de diffusion-dispersion

et du mouvement brownien, la marche au hasard est généralement définie comme le
mouvement d’une particule qui à un instant donné subit un déplacement qui dépend en partie
du hasard (Semra, 1994). La composante aléatoire du déplacement se rapporte à l’irrégularité
du milieu poreux. La description précise de la matrice poreuse est irréalisable, seules ses
caractéristiques statistiques peuvent être connues. Ainsi, il est impossible de décrire le
mouvement de manière déterministe et l’approche considérant tous les mouvements possibles
reste la meilleure.

En revanche, pour que les résultats de cette approche aléatoire aient des propriétés
statistiques proches de la réalité, il est nécessaire d’utiliser un grand nombre de particules dont
la trajectoire est composée d’un grand nombre de déplacements. Le théorème central limite
est ainsi applicable et la distribution finale des particules est gaussienne, conformément aux
observations expérimentales.

En affectant à chaque particule une masse de soluté à l’échelle du pore, le modèle peut
reproduire l’évolution qualitative et quantitative d’un panache de polluant. Chaque particule
subit un déplacement déterministe, la convection, et un déplacement aléatoire, la diffusion,
par pas de temps.

193
Annexe B : La marche au hasard, approche théorique

B.2. Théorie de la marche au hasard en milieux poreux

B.2.1. Le déplacement aléatoire d’une particule selon Markov

Définition du processus Markovien : l’amnésie d’une particule

Considérons une particule qui se déplace de manière aléatoire et soit X(tn) sa position au
temps tn. Cette position est le résultat d’une succession de déplacements élémentaires, S(ti),
subits par la particule aux temps ti. Ainsi, la trajectoire de la particule est entièrement
déterminée par la somme des déplacements élémentaires :

n
X (tn ) = X (t0 ) + ∑ S (ti ) (B.1)
i =1

Supposons que les déplacements soient indépendants les uns des autres. Ce processus
est dit Markovien : l’état présent étant connu, le futur est indépendant du passé. En termes de
position, X(ti+1) est indépendant de X(ti-1) quand X(ti) est connu.

Description du processus Markovien : l’équation de Chapman-Kolmogorov

dX dX
La probabilité de trouver une particule dans un intervalle [ X − ,X + ] s’écrit :
2 2

 dX dX 
P X − ≤ X (t ) ≤ X + (B.2)
 2 2 

La densité de probabilité G(X,t) de la variable X(t) est alors définie par :

 dX dX 
G ( X , t ) ⋅ dX = P  X − ≤ X (t ) ≤ X + (B.3)
 2 2 

dSi
De même, la probabilité pour une particule de faire un saut de longueur Si ± à
2
l’instant ti vaut :

dSi dS
P ( Si − ≤ Si ≤ Si + i , ti ) = g ( Si , ti ) ⋅ dSi (B.4)
2 2

avec g(Si,ti), la densité de probabilité de la variable Si.

194
 Annexe B : La marche au hasard, approche théorique

Le processus Markovien est alors décrit par l’équation suivante qui définit la densité
G(X,ti+1) :

G ( X (ti +1 ), ti +1 ) = G ( X (ti ), ti ) ⋅ g ( Si , ti ) (B.5)

Dans un espace continu, on obtient l’équation de Chapman-Kolmogorov :

+∞
G ( X , ti +1 ) = ∫ G (ξ , ti ) ⋅ g ( X − ξ , ti +1 ) ⋅ dξ (B.6)
−∞

B.2.2. Le transport en milieu poreux, un processus Markovien ?

De l’équation de Chapman-Kolmogorov à l’équation de Fokker-Planck

Pour savoir si le déplacement d’un traceur en milieu poreux peut-être assimilé à un

processus Markovien, il faut comparer l’équation de Chapman-Kolmogorov avec l’équation
d’advection-dispersion. Dans ce but, commençons par écrire l’équation (B.6) sous forme
d’équation aux dérivées partielles. Le résultat est plus connu sous le nom de développement
de Kramers-Moyal (Uffink, 1990) :

n
∂G ( X , t ) ∞ 1  ∂ 
= ∑ ⋅−   a ( X , t ) ⋅ G ( X , t ) 
(n)
(B.7)
∂t n =1 n !  ∂X 

avec a(n), la variation du moment d’ordre n de la densité de pas g(S,t) par unité de temps :

1 +∞
a ( n ) = lim ⋅ ∫ S n ⋅ gτ ( S , X , t ) ⋅ dS
τ →0 τ −∞
(B.8)
1
= lim S n
τ →0 τ

L’équation (B.7) n’est qu’une transformation de l’équation de Chapman-

Kolmogorov qui décrit toujours le processus Markovien mais implique que les densités de
probabilité G et g soient infiniment dérivables. Pour la rapporter à un phénomène physique tel
que l’advection-dispersion, il faudrait lui associer une infinité de conditions aux limites
puisqu’elle contient une infinité de termes. Cela étant impossible, nous devons faire une
approximation et arrêter le développement à un nombre fini de termes.

D’après le théorème de Pawula (1967), si le troisième terme du développement est nul

alors les termes suivant le sont aussi. Réciproquement, si le troisième terme est non nul, le
développement comportera une infinité de termes.

195
Annexe B : La marche au hasard, approche théorique

Il est toujours possible d’arrêter le développement à un terme d’ordre supérieur à 2.

Seulement, la densité de probabilité G(X,t), qui est par définition une fonction positive,
prendra alors des valeurs négatives. Il faut donc arrêter le développement de Kramers-Moyal
au deuxième terme ou garder une infinité de termes.

Il s’agit alors de trouver une fonction S(X,t) telle que les densités de probabilités G et
g soient infiniment dérivables et que le moment d’ordre 3 de S soit nul. Pour cette fonction S,
l’équation (B.7) devient l’équation de Fokker-Planck :

∂G ∂ ∂2
∂t
=−
∂X i
( AG
i ) +
∂X i ∂X j
( BijG ) (B.9)

1
avec Ai = a (1) = lim Si , le vecteur dérive,
τ →0 τ
1
et Bij = a ( 2 ) = lim Si S j , le coefficient de diffusion.
τ →0 2τ

De l’équation Fokker-Planck à l’équation d’advection-dispersion

Le transport d’un traceur en milieu poreux est régi par l’équation d’advection
dispersion :

∂C ∂ ∂  ∂C 
=− (UC ) + D  (B.10)
∂t ∂X ∂X  ∂X 

avec C(X,t) la concentration en soluté à la position X et au temps t,

U la vitesse de déplacement convectif,
et D le coefficient de dispersion.

Pour savoir si le transport en milieu poreux peut-être considéré comme un processus

Markovien, il faut vérifier que l’équation (B.10) est bien une écriture particulière de
l’équation (B.9) et que, dans ce cas, la fonction S(X,t) remplit les conditions énoncées
précédemment.

Pour un nombre de particules assez grand, la densité de probabilité G est assimilable à

la concentration C. Dans le cas où B est constant dans l’espace, l’équivalence entre les deux
équations est obtenue facilement pour A=U et B=D.

196
 Annexe B : La marche au hasard, approche théorique

Si B n’est pas constant, il faut d’abord modifier l’écriture de l’équation (B.9) de la façon
suivante :

∂G ∂  ∂   ∂  ∂G 
=−   Ai − Bij  ⋅ G  +  Bij ⋅  (B.11)
∂t ∂X i   ∂X j   ∂X i  ∂X j 

Ainsi, l’équivalence entre les deux équations est retrouvée en posant :

Bij = Dij (B.12)

∂
Ai = U i + Dij (B.13)
∂X j

Le résultat obtenu est surprenant car nous pouvions nous attendre à trouver un
moment d’ordre un du saut S égal au déplacement convectif U. La différence entre les deux
termes est donné par Uffink (1990) : A représente l’estimation du déplacement moyen par
unité de temps alors que U correspond à l’estimation du nombre moyen de particules
traversant une unité de surface par unité de temps.

La fonction S(X,t) solution ?

Il existe une fonction S qui valide les hypothèses précédentes :

S = U * ⋅ ∆t + z ⋅ 2 D ⋅ ∆t (B.14)

∂D
avec U* = U + ,
∂X
et z, un nombre aléatoire suivant une loi normale de moyenne 0 et d’écart-type 1.

Pour cette solution, le transport d’un traceur en milieu poreux est assimilable à un
processus Markovien. Mais lorsque la dispersion est discontinue dans le milieu, elle n’est pas
dérivable en tout point, ce qui rend impossible le calcul du flux U* (cf. équation (B.14)) lors
de la traversée d’une discontinuité. Ces déplacements nécessitent un traitement particulier
pour lesquels plusieurs méthodes existent : les principes de réflexion, la décomposition du
saut et les schémas d’interpolation sont les principales.

197
Annexe B : La marche au hasard, approche théorique

B.2.3. La force de Langevin

Théorie

Langevin propose une autre approche du déplacement aléatoire d’une particule en

introduisant une force aléatoire, regroupant l’effet de toutes les particules voisines, dans le
bilan des forces subies par la particule étudiée (Risken, 1989). Le déplacement de la particule
est alors régi par l’équation suivante :

d
( X i ) = Ki ( X ) + Fij ⋅ n j ( t ) (B.15)
dt

avec K la composante convective du déplacement,

F la force de Langevin,
et n le bruit blanc associé à F.

Uffink (1990) montre qu’il est possible d’associer respectivement K et F à la vitesse U

et à la dispersion D. Le déplacement élémentaire d’une particule se décompose alors
facilement en un terme convectif et un terme dispersif.

Deux méthodes d’intégration : Itô et Stratonovich

Le calcul d’un déplacement élémentaire pose la question de savoir si F dépend de la

position de la particule avant ou après le déplacement, voire d’une position moyenne de celle-
ci.

Itô propose un calcul explicite du déplacement élémentaire en considérant que F dépend

de la position X avant le saut. L’équation de Fokker-Planck selon Itô s’écrit donc :

∂G ∂ 1 ∂2
∂t
=−
∂X i
( KiG ) + ⋅
2 ∂X i ∂X j
( Fik Fjk G ) (B.16)

C’est l’approche que nous avons utilisée jusqu’ici. D’ailleurs, l’équation (B.9) est retrouvée
1
en posant Ai = Ki et Bij = Fik F jk .
2

198
 Annexe B : La marche au hasard, approche théorique

Une théorie plus implicite est proposée par Stratonovich : il s’agit de prendre la valeur
de F en fonction de la position X calculée pour un demi pas de temps. L’équation de Fokker-
Planck devient alors :

∂G ∂  F jk ∂   1 ∂2
  2 ∂X ∂X ( ik jk )
=−   Ki + ⋅ Fik  ⋅ G  + ⋅ F F G (B.17)
∂t ∂X i   2 ∂X j   i j

Et l’expression d’un saut S s’écrit :

(
S ( X , t ) = U * ⋅ ∆t + z ⋅ 2 D X + S ( X , t )
2 ) ⋅ ∆t (B.18)

Pour déterminer la trajectoire d’une particule, il faudra donc utiliser un algorithme

itératif. C’est pourquoi la théorie d’Itô est préférée à celle de Stratonovich (Uffink, 1990).

199