Summary: | Lors d’un suivi en temps réel de la qualité de l’eau d’une rivière, une quantité innombrable de données peut être récoltée permettant ainsi une bonne description des dynamiques changeant rapidement. Cependant, des questions s’imposent. Quelle est la qualité des données mesurées en temps réel? Quels sont les effets de données de mauvaise qualité sur les objectifs associés à leur utilisation? Ce mémoire tente de résoudre cette problématique en présentant des outils automatiques d’évaluation de la qualité des données. Ces outils sont généraux et simples, en ce sens qu’ils s’appliquent à différents emplacements (rivière, STEP, égout, etc.) et qu’ils sont basés sur des méthodes univariées faciles à implanter. Suite à l’application de ces outils, la qualité des données est connue et accrue favorisant ainsi l’atteinte des objectifs reliés à un suivi en temps réel. Leur application est démontrée sur des données mesurées lors d’un suivi en temps réel de la qualité de l’eau d’un ruisseau urbain effectué à l’aide de la station monEAU. === During real-time water quality monitoring in river systems, a huge amount of data is produced which allows a better description of the rapidly changing dynamics compared to spot sampling methods. However, what is the quality of the measured data and what are the impacts of poor data quality on the objectives pursued during real-time water quality monitoring? Therefore, this master thesis proposes automatic data quality assessment tools to tackle this issue. These tools are general and simple, which means that they can be applied to any type of water and that they are based on easy-to-implement univariate methods. Following the application of these tools, data quality will be improved and known as such and will allow to better achieve the objectives of a real-time water quality monitoring project. The application of these tools is demonstrated on data collected during real-time water quality monitoring of an urban river performed using a monEAU station.
|