A coupled stochastic/deterministic model to estimate the evolution of the risk of water contamination by pesticides across Canada.

Gagnon, P., Sheedy, C., Farenhorst, A., McQueen, R.D.A., Cessna, A.J., et Newlands, N.K. (2014). « A coupled stochastic/deterministic model to estimate the evolution of the risk of water contamination by pesticides across Canada. », Integrated Environmental Assessment and Management, 10(3), p. 429-436. doi : 10.1002/ieam.1533  Accès au texte intégral (en anglais seulement)

Résumé

Des évaluations périodiques du risque de contamination de l’eau par les pesticides aident les décideurs à améliorer la durabilité des pratiques de gestion agricole. Au Canada, l’évaluation du risque de contamination de l’eau par les pesticides comporte deux principales contraintes. Premièrement, en raison de la vaste étendue de la zone d’intérêt, un modèle de transport des pesticides à faible durée d’exécution est indispensable. Deuxièmement, on n’a pas connaissance de certaines données d’entrée pertinentes pour les simulations et on ne connaît la plupart des données qu’à une échelle grossière. Notre étude vise à élaborer une méthodologie robuste permettant d’estimer l’évolution du risque de contamination de l’eau par les pesticides partout au Canada. Dans le but de surmonter les deux obstacles mentionnés précédemment, nous avons élaboré un modèle stochastique et l’avons couplé au modèle PRZM unidimensionnel de devenir des pesticides. Afin de tenir compte de l’incertitude des données d’entrée, le modèle stochastique utilise une méthode de Monte-Carlo pour générer plusieurs scénarios d’application de pesticides et pour choisir au hasard les valeurs des paramètres PRZM. Cent différents scénarios ont été simulés pour chacune des quelque 2000 régions (polygones des PPC), pour les années 1981 et 2006. Dans l’ensemble, les résultats indiquent que, dans les régions où le risque a augmenté entre 1981 et 2006, cette augmentation était principalement causée par l’augmentation de la superficie traitée au moyen de pesticides et/ou par une augmentation du nombre de jours où se produisait du ruissellement. Plus précisément, nos travaux permettent de déterminer les zones les plus à risque, où des analyses plus approfondies utilisant des données d’entrée à échelle plus fine devraient être effectuées. Le modèle est propre aux données canadiennes, mais il serait possible d’en adapter le cadre pour d’autres grands pays.

Date de modification :