Modeling the Impact of Irrigation Water Quality on Soil Salinization in an Arid Region, Case of Biskra

Abstract

Dans la plaine d'El Outaya (sud-est de l'Algérie), le climat est aride, les précipitations sont rares et l'évapotranspiration est forte. Par conséquent, l'utilisation des eaux souterraines pour maintenir l'irrigation et l'approvisionnement en eau potable est obligatoire. Au cours des dernières années, l'expansion de l'irrigation utilisant les ressources en eau souterraine a eu un impact positif important sur la production agricole, mais elle a également introduit le défi de la durabilité des eaux souterraines dans la plaine. La détérioration de la qualité des eaux souterraines utilisées pour l'irrigation diminue les rendements agricoles et provoque la salinisation des sols. Afin d'évaluer la qualité des eaux souterraines et son impact sur la salinisation des sols, il a été nécessaire de recueillir des données sur le terrain et des images satellites (télédétection) sur deux saisons (saison sèche et saison humide). Les données de terrain consistent en 136 échantillons d'eaux souterraines et 272 échantillons de sol (0-20 cm et 40-60 cm) recueillis auprès de 68 exploitations agricoles réparties sur la zone cultivée de la plaine. Les données de télédétection consistent en deux images satellites utilisées pour calculer certaines covariables environnementales, qui aident à prédire la salinité du sol. L'évaluation hydrogéochimique des eaux souterraines et de leur aptitude à l'irrigation et à la consommation a été réalisée en utilisant différentes méthodes classiques et l'approche de l'indice de qualité de l'eau. Des réseaux neuronaux artificiels, l'apprentissage de la machine et des techniques stochastiques ont permis de prédire et de modéliser la salinité des sols en utilisant comme intrants les propriétés géochimiques des eaux souterraines, les propriétés physiques des sols et les covariables de télédétection. L'indice de qualité de l'eau (IQE) montre que la majorité des échantillons d'eaux souterraines appartiennent aux catégories "très mauvaise" et "mauvaise" à la consommation. La CE et le taux d'adsorption du sodium (SAR) classés à l'aide du diagramme de Reverside indiquent un risque élevé à très élevé de salinité des eaux souterraines et un risque moyen a élevé d'alcalinité pour la salinisation des sols. La qualité des eaux souterraines a été évaluée avec précision à l'aide du système d'information géographique (SIG) et de la méthode du krigeage ordinaire (OK), qui peut être utile aux gestionnaires des eaux souterraines et aux décideurs dans les zones arides. ii Les différentes techniques utilisées pour la modélisation et la prévision de la salinisation des sols montrent la supériorité du réseau neuronal perceptron multicouche (MLP-NN) dans la précision de l'estimation de la salinité des sols. En outre, la combinaison de la salinité des eaux souterraines (ECw) et du pourcentage de sable des covariables de terrain et de l'indice d'humidité topographique (TWI), de la température de la surface des terres (LST) et de l'altitude en tant que entrées du MLP-NN et des variables auxiliaires du cokrigeage (SCOK) peut estimer et améliorer la prévision de la salinité des sols dans la zone d'étude.