Академический Документы
Профессиональный Документы
Культура Документы
Thse en cotutelle
UNIVERSITE DES SCIENCES ET TECHNOLOGIES DE LILLE
&
UNIVERSITE IBNOU ZOHR DAGADIR
HYDROLOGIE DE SURFACE
Par
lle
M Souad RIAD
Directeurs de thse :
DEDICACES
A mes neveux et mes nices : Meryam, Yassir, Raja, Najoua, Mourad, Kawtar et MBarek
2 S. RIAD/ 2003
AVANT-PROPOS
AVANT-PROPOS
3 S. RIAD/ 2003
AVANT-PROPOS
4 S. RIAD/ 2003
AVANT-PROPOS
5 S. RIAD/ 2003
Table de matires
TABLE DE MATIERES
AVANT-PROPOS...3
TABLE DE MATIERES6
INTRODUCTION GENERALE.....11
1) Problmatique de ce travail....13
2) Contexte climatique.....14
3) Ressources en eau....16
4) Problmatique des ressources en eau au Maroc...18
5) Objectifs de la recherche.....19
6) Prsentation du Manuscrit.20
6 S. RIAD/ 2003
Table de matires
III.4.3. Le Jurassique..39
III.4.4. Le Crtac..39
III.4.5. Le Tertiaire39
III.4.6. Le Quaternaire...39
III.5. Impact de la gologie sur lhydrologie...41
V. CONCLUSION.44
7 S. RIAD/ 2003
Table de matires
8 S. RIAD/ 2003
Table de matires
IV. CONCLUSION...90
9 S. RIAD/ 2003
Table de matires
V. CONCLUSION...120
CONCLUSION GENERALE123
BIBLIOGRAPHIE..128
LISTE DES FIGURES....141
LISTE DES TABLEAUX...145
ANNEXES147
10 S. RIAD/ 2003
INTRODUCTION GENERALE
L'eau tant une ressource naturelle essentielle la vie, les utilisateurs doivent tre
redevables quant son utilisation ou sa dtrioration.
L'eau prend une importance croissante dans notre vie. Apprendre la grer, c'est
apprendre matriser sa raret mais aussi ses excs, assurer l'alimentation en eau
potable, agricole et industrielle, l'utiliser pour crer de l'nergie et maintenir la
qualit de notre environnement. Cette gestion exige l'laboration de mthodes
adquates et l'usage d'outils afin de minimiser les risques dinondation ou dtiage.
L'accs la ressource en eau est vital tant dans les pays dvelopps que dans les pays
en voie de dveloppement et tout indique que son mode de partage constitue un des
grands dfis du dbut du troisime millnaire. Les ressources en eau souterraine et de
surface ainsi que le potentiel hydraulique d'un pays, bien que renouvelables, sont en
effet limits et menacs tant par les activits industrielles, urbaines qu'agricoles.
11 S. RIAD/ 2003
INTRODUCTION GENERALE
INTRODUCTION GENERALE
12 S. RIAD/ 2003
INTRODUCTION GENERALE
1) Problmatique de ce travail
Leau, une des plus importantes ressources naturelles, doit tre protge de manire garantir
de faon durable son quilibre entre les besoins et les utilisations.
Le dveloppement durable des activits humaines sappuie, en particulier, sur une gestion
intgre des eaux. Une gestion efficace et durable des eaux ne se limite pas garantir, en moyenne,
une quantit et une qualit suffisantes pour les demandes humaines (eau potable, industrielle,
dirrigation,...) et pour les besoins des milieux naturels ; elle doit aussi prendre en compte la
manifestation des vnements extrmes, tels que les tiages et les crues.
La quantit et la qualit des ressources en eau disponibles posent des problmes de plus en plus
complexes et difficiles rsoudre. La consommation deau augmente considrablement et la pnurie se
fait sentir dans de nombreux pays en voie de dveloppement. Une gestion intgre des ressources en
eau simpose donc pour accompagner un dveloppement durable qui puisse concilier le dveloppement
socio-conomique et la prservation de lenvironnement.
A l'instar des pays de la rive Sud du bassin mditerranen, le Maroc, pays climat
essentiellement semi-aride aride dans la majeure partie de son territoire, est confront au problme
du dveloppement et de la gestion durable de ses ressources en eau. En effet, bien que disposant
d'importantes chanes de montagnes, d'une large ouverture maritime et par une grande disparit
gographique, ces ressources en eau sont limites vis vis dune forte demande qui rsulte de la
croissance dmographique, de l'amlioration des conditions de vie, du dveloppement des diffrentes
industries et de lextension de lirrigation.
Devant ces contraintes, le Maroc a fourni, depuis les annes soixante, dimportants efforts de
mobilisation de son potentiel hydraulique pour faire face laccroissement dmographique et assurer
son dveloppement socio-conomique. Cependant, le potentiel hydraulique limit ncessite,
paralllement la poursuite de leffort de mobilisation, une matrise des phnomnes hydrologiques
extrmes (crues et scheresses) par ltablissement des plans directeurs de dveloppement des
ressources en eau lchelle des bassins versants, dadopter une stratgie de gestion de la demande en
eau afin de satisfaire les besoins en eau et dassurer les conditions dune utilisation bnfique de ces
ressources hydriques, damliorer les performances des infrastructures (barrages, ouvrages de transfert
deau, forages).
Dans le cadre de ce travail, on sest intress lanalyse hydrologique des eaux superficielles de
quelques bassins versants situs sous climat semi-aride du Maroc, en conditions normales ainsi quen
priode de crise lie aux vnements extrmes suite la fameuse crue de l'oued Ourika, survenue le 17
Aot 1995 dans la rgion du Haut Atlas de Marrakech. Ces crues exceptionnelles ont provoqu en un
13 S. RIAD/ 2003
INTRODUCTION GENERALE
temps record des pertes humaines et des dgts matriels. Do la ncessit dtablir des systmes
performants de prvention et d'vacuation rapide de la population par installation dinfrastructures
appropries et de systme dalerte en cas de prvision de phnomnes catastrophiques naturels. Il en
rsulte une amlioration significative sur le plan socio-conomique des zones risque.
2) Contexte climatique
Soumis aux influences mditerranennes au Nord, ocaniques l'Ouest, continentales, puis
sahariennes de plus en plus vers l'Est et le Sud, le climat du Maroc est principalement caractris par
un t chaud et sec o les prcipitations sont quasiment absentes et l'vaporation particulirement forte
et un hiver frais, parfois froid. Ces influences marquent svrement le climat ; pluviomtrie alatoire,
scheresses frquentes et imprvisibles, rgime hydrique instable...autant d'lments qui se rpercutent
sur la vie conomique et sociale du pays.
La prsence d'une chane de montagnes traversant la quasi totalit de la rgion d'Ouest en Est,
conjugue des caractristiques gologiques et gomorphologiques trs diversifies font que les
ressources en eau superficielles et souterraines sont rparties entre de nombreux systmes
hydrologiques individualiss et d'aire gographique limite qui drainent l'essentiel des potentialits
hydriques du pays.
Les prcipitations sont concentres pendant la saison humide qui totalise un maximum d'une
centaine de jours de pluie par an. Des pluies diluviennes localises peuvent dpasser 100 mm en moins
d'une journe ; de mme qu'une bonne partie des prcipitations moyennes peut tre concentre en
quelques jours de l'anne.
Le climat varie du sub-humide au Nord, semi-aride aride au centre, saharien au Sud,
accompagn par des priodes de scheresse de plus en plus rptitives causant de srieux problmes
socio-conomiques. Les rgimes de prcipitation restent domins par une forte irrgularit dans
lespace et dans le temps. Les hauteurs moyennes annuelles des prcipitations se chiffrent parfois
plus de 1000 mm dans les zones montagneuses du Nord en bordure de la Mditerrane (Bassin du Rif,
Tangrois et ctes mditerranennes Ouest). Elles dcroissent progressivement en allant vers lEst et le
Sud moins de 300 mm dans les bassins de la Moulouya, du Tensift, du Souss-Massa, des zones Sud-
atlasiques, et de la zone Saharienne. Des prcipitations neigeuses sont galement observes sur les
hauts sommets des montagnes de lAtlas et du Rif. En effet, la pluviomtrie se rpartit comme suit
lchelle du Maroc (Fig. 1) :
suprieure 800 mm dans la zone arrose du nord-ouest (zone 1),
de 600 800 mm dans la zone nord et la zone atlasique (zone 2),
de 400 600 mm dans la zone Sebou, Bouregreg et Oum Er-Rebia (zone 3),
de 200 400 mm dans le Tensift, Souss Massa et lOriental (zone 4),
infrieure 200 mm dans les zones sud atlasiques et le Sahara (zone 5).
14 S. RIAD/ 2003
INTRODUCTION GENERALE
Fs
Rabat
Sebou Moulouya
2
Casablanca Cotiers
3 El Jadida Atlantiques
Oum Er Rebia
qu e
Safi Figuig
Errachidia
n ti
Marrakech
a tla Tensift
4 Taroudant
siq
ue
Agadir Souss-Massa Atl
a
an
d
5
Su
Oc
Laayoune
Smara
1 Suprieure 800 mm
2 de 600 800 mm
Ad Dakhla 3 de 400 600 mm
4 de 200 400 mm
5 Infrieure 200 mm
0 100 200 Km
Laguira
Les prcipitations totales sur l'ensemble du territoire sont values en anne moyenne prs de
150 milliards de m3 sur lesquels prs de 29 30 milliards de m3 (environ 20%) sont considres
comme pluies efficaces rparties en eaux de ruissellement (20 milliards de m3) et en eaux infiltres
alimentant les nappes (9 milliards de m3) (Annexe I). Suite laccroissement dmographique, le
volume mobilisable par habitant qui tait de 833 m3 par an en 1994 se rduirait moins de 500 m3 en
lan 2020, ce qui place le Maroc dans la catgorie des pays pauvres en eau (fort stress hydrique).
Les prcipitations annuelles des annes sches peuvent atteindre des niveaux trs faibles qui
peuvent diminuer moins de 60 75% de la normale. Les apports pluviomtriques sont ainsi
ingalement rpartis sur le territoire national. Les rgions du nord et le bassin de Sebou bien que
noccupant que 8.5% de la superficie totale du pays, ils reoivent plus de 59.5% des prcipitations
globales, alors que le bassin de la Moulouya qui occupe 8.2% de cette superficie ne reoit que 4.8% de
la pluviomtrie globale. L'valuation rgionale des ressources annuelles moyennes en eau superficielle
est rsume dans le tableau1.
15 S. RIAD/ 2003
INTRODUCTION GENERALE
Aussi, les scheresses qui ont svi, au Maroc, au dbut des annes 1980 et annes 1990 ont
montr quel point lconomie marocaine est tributaire des hauteurs des pluies et de leur rpartition
dans lanne.
3) Ressources en eau
Les ressources en eau du Maroc sont caractrises par une trs forte sensibilit aux alas
climatiques (80% des ressources en eau mobilisables sont constitues par des eaux superficielles,
directement lies limportance des prcipitations), par une irrgularit temporelle et une mauvaise
rpartition spatiale et par une vulnrabilit la scheresse et la pollution, notamment les eaux
superficielles, en raison de la faiblesse des dbits de base des cours deau (Fig. 2).
Sud-Atlas
Draa
Souss-Massa
Bouregreg
Total : 16 000 Mm3
Tensift
Loukkous
Tang et Cotiers
Moulouya
Oum Er Rbia
Sebou
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
3
(en millions de m )
16 S. RIAD/ 2003
INTRODUCTION GENERALE
Depuis son indpendance (1956), le Maroc n'a cess de mener des efforts considrables visant
satisfaire les divers besoins (toujours grandissants) du dveloppement socio-conomique de la
population et parer aux fluctuations climatiques qu'il subit. Cette politique a permis notamment la
ralisation de 97 grands barrages (totalisant une capacit de stockage d'environ 15 milliards de m3) et 8
autres sont en cours de ralisation, 13 ouvrages de transfert d'eau superficielle (des bassins
excdentaires vers ceux qui sont dficitaires) et la ralisation de plusieurs dizaines de milliers de
forages et puits.
Cette importante infrastructure hydraulique permet la mobilisation d'un volume moyen annuel
d'environ 14 milliards de m3, permettant la satisfaction des besoins en eau de l'irrigation (83% du
volume) et de l'alimentation en eau potable et industrielle du pays.
Le potentiel hydraulique rellement considr mobilisable au Maroc, dans des conditions
techniques et conomiques actuelles, est valu 20 milliards de m3 par an (soit 13% environ des
prcipitations totales du pays) dont 16 milliards de m3 en eau superficielle et 4 milliards de m3 en eau
souterraine (Fig. 3).
6.5%
13.5% 54% Eaux de surface mo bilises 10 800
Eaux de surface mo biliser 5200
Eaux so uterraines mo bilises 2700
Eaux so uterraines mo biliser 1300
17 S. RIAD/ 2003
INTRODUCTION GENERALE
45 %
40
35
30
25
20
15
10
0
Loukkos Moulouya Sebou Bou Oum Er- Tensift Souss- Sud Sahara
Regreg Rbia Massa Atlasique
Bassin
Ressources Superficie Population
Ces rgimes hydrologiques sont marqus par des tiages prononcs avec souvent des dbits nuls
l't et des crues fortes et rapides en saison humide. Ces crues favorisent l'rosion des sols l'amont
des bassins versants et provoquent des inondations l'aval. Par ailleurs, l'occurrence d'pisodes secs de
dure plus ou moins longue est galement une donne structurelle essentielle des rgimes
hydrologiques de la production agricole en mesure de contribuer la satisfaction des besoins
nutritionnels d'une population en croissance rapide.
4) Problmatique des ressources en eau au Maroc
Au Maroc, le volume deau disponible par habitant et par an, indicateur de la richesse ou de la
raret de leau dun pays, avoisine le seuil de 1000 m3/hab/an, communment admis comme seuil
critique avant le saut vers la pnurie. Ce taux varie actuellement de 180 m3/hab/an pour les zones
rputes trs pauvres en ressources en eau (Souss-Massa, Sud Atlasique, Sahara) prs de 1850
m3/hab/an pour les zones du bassin du Loukkos, du Tangrois et Ctiers Mditerranens relativement
riches.
Les ressources en eau par habitant se situeraient autour de 720 m3/hab/an vers lhorizon 2020. A
cette date, prs de 14 millions dhabitants, soit prs de 35% de la population totale du royaume
disposeraient de moins de 500 m3/hab/an (Tab. 2).
La pnurie chronique deau devient donc une donne structurelle quon ne peut plus ignorer pour
tracer les politiques et les stratgies de gestion des ressources en eau au Maroc.
18 S. RIAD/ 2003
INTRODUCTION GENERALE
Ces ressources sont limites pour assurer sans contrainte un dveloppement conomique et social
durable. En termes de ressources mobilisables, le Maroc ds le dbut des annes 80, franchi le seuil
des 1000 m3/hab/an commun admis comme seuil critique indiquant lapparition de stress hydraulique
de 1.271 m3 par habitant et par an en 1971 le seuil atteindra 688 m3/hab/an en lan 2000 et 508
m3/hab/an. A lhorizon 2020, exception de lOum Er-Rebia, lensemble des bassins versants seront en
dessous de ce seuil.
La gestion des ressources en eau rejoint des proccupations diverses : lamnagement des cours
deau, la construction des barrages et leur protection contre lenvasement, la lutte contre la scheresse
et les risques dinondation. Les dgts considrables affectant les infrastructures hydrauliques
destines la mobilisation des ressources en eau de surface et souterraine et la production agricole
perturbent les activits conomiques du pays. Il est primordial de mettre en place des infrastructures
ncessaires la protection des valles contre les inondations et de procder la construction de digues
pour se protger contre les dbordements de loued.
5) Objectifs de ce travail
Face cette variabilit qui dtermine la disponibilit en eau, il est ncessaire de matriser et
stocker l'eau de surface pendant les priodes humides pour pouvoir l'utiliser l'ensemble des besoins
en eau du pays pendant les priodes sches.
Ces difficults expriment donc clairement le besoin avr dapprofondir la connaissance des
rgimes hydrologiques en rgions semi-arides arides, leur variabilit spatiale et temporelle, sur des
bassins versants pilotes et reprsentatifs du Maroc et la matrise des phnomnes hydrologiques
extrmes tels que les crues et la scheresse pour aboutir une vision gnrale sur leur mode de
fonctionnement hydrologique.
19 S. RIAD/ 2003
INTRODUCTION GENERALE
Au Maroc, on s'est intress, depuis plusieurs annes, ltude des phnomnes dcoulement
extrme ; suite au fameux vnement de la crue de l'oued Ourika, survenue dune manire brutale et
inattendue le 17 Aot 1995, lorigine des pertes humaines et des dgts matriels dune porte trs
considrable causs par ces inondations. Le bassin de lOurika est caractris par des pentes fortes et
des terrains relativement impermables, de nature lithologique varie. Ceci confre aux coulements
un caractre torrentiel et boueux, et offre un environnement propice aux pulsations brutales des cours
deau.
Deux autres crues dintensits plus faibles ont affect cette rgion pendant la mme anne. Les
prcipitations torrentielles et les boulements qui se sont poursuivis ont balay sur leur passage des
infrastructures routires, des terres agricoles, des btiments ainsi quune grande partie des
infrastructures dirrigation. Au total, les dgts matriels (production vgtale et animale, rseau
hydro-agricole et dgts fonciers) sont estims 155 millions de dirhams (environ 15 millions de
dollars US). Ceci na pas manqu de provoquer un grand dsquilibre au niveau des systmes de
production et de lenvironnement cologique.
Si ces phnomnes exceptionnels sont suffisamment tudis sous certains climats temprs
(Ambroise, 1998), il nen nest pas de mme pour les climats dficit hydrique et notamment dans les
pays en voie de dveloppement o lquipement des stations de mesure reste trs limit.
La prsente recherche a t faite essentiellement sur quatre grands bassins versants reprsentatifs
du Maroc situs en climat semi-aride qui sont le bassin versant de la Moulouya (Rgion de la
Moulouya, Moyen Atlas), les Bassins Ctiers Mditerranens (Rgion Nord du Maroc, Rif), le bassin
versant de Tensift (Rgion de Marrakech, versant nord du Haut Atlas de Marrakech) et les bassins
versants de Ziz-Rhris et Guir (Rgion dErrachidia, versant sud du Haut Atlas de Marrakech).
Cette rgion dtude a t choisie car elle est soumise aux influences contrastes de la
Mditerrane au Nord (la Moulouya et les bassins Ctiers Mditerranens), de lOcan atlantique
l'Ouest (Tensift) et du Sahara au Sud (Ziz- Rhris et Guir). Le choix sest port aussi du fait de la
qualit et de la disponibilit des donnes, et en fonction des risques, manque deau et transfert massif
deau intra ou inter-bassins pour quilibrer la rpartition des eaux entre les bassins disposant de
ressources en eaux excdentaires et ceux qui en sont dficitaires.
6) Prsentation du manuscrit
Le manuscrit comporte trois parties :
La premire partie est consacre la description gnrale des secteurs dtude qui comprend
la localisation gographique des diffrents bassins versants tudis lchelle du Maroc, la
dtermination des diffrents paramtres physiques qui influencent les coulements superficiels et des
20 S. RIAD/ 2003
INTRODUCTION GENERALE
caractristiques gologiques (diverses affleurements permables et impermables) et climatologiques
(aperu sur le climat) de chaque bassin versant tudi.
La deuxime partie dtermine les divers outils du traitement statistique des donnes
physiographiques, pour dterminer diverses affinits entre les sous bassins versants tudis et les
paramtres qui les caractrisent ainsi que linfluence de ces paramtres sur lcoulement superficiel, et
des donnes hydro-pluviomtriques pour la caractrisation de la variabilit spatio-temporelle du
rgime hydrologique au sein de chaque bassin versant tudi.
Ceci repose sur lapplication des mthodes statistiques (Analyse en Composantes Principales,
Analyse Factorielle Discriminante et le modle de la Rgression Multiple) pour tablir la relation entre
les paramtres physiques du bassin versant et les dbits son exutoire et analyser les sries
chronologiques des dbits et des pluies. Une analyse frquentielle des dbits extrmes (par HYFRAN :
Hydrological Frequency Analysis) permet lajustement des lois statistiques les plus adquates et
conduit dterminer les probabilits doccurrence ainsi que les priodes de retour et donc une
estimation des quantiles de crue au sein de chaque bassin versant.
La troisime partie concerne la modlisation des fonctions pluie-dbit en zone semi-aride
afin de simuler et prdire les dbits en fonction des prcipitations qui tomberont, sur le bassin versant
par application du modle mtorologique Mero (MMO8) et des rseaux de neurones artificiels (RNA
ou ANN).
Le modle Mero (MMO8) a permis de caractriser lhydrodynamisme des eaux superficielles
des zones semi-arides en utilisant plusieurs rservoirs hydrodynamiques. Le modle de RNA ou
rseaux connexionnistes qui sont des modles mathmatiques non linaires de type "bote noire ou
black-box" capables d'tablir des relations entre les entres et les sorties d'un systme hydrologique par
connections entre neurones comparables celles du cerveau humain. Cette mthode neuronale a
permis de faire des prvisions des dbits aux exutoires.
L'approche connexionniste a t compare avec dautres mthodes plus classiques (Rgression
linaire multiple ou RLM) dans le contexte de la problmatique de prvisions hydrologiques. Les
rsultats obtenus montrent lintrt de cette nouvelle mthodologie de rseaux de neurones dans
lamnagement des cours deau et des bassins versants correspondants pour faire face aux phnomnes
catastrophiques lis aux inondations. Puisque les bassins possdent des caractristiques physiques
varies, le modle de RNA a t donc test sous plusieurs conditions d'coulement.
Enfin, le manuscrit se termine par une conclusion gnrale et des recommandations.
La mthodologie utilise dans cette recherche est rsume dans le diagramme de prsentation
suivant :
21 S. RIAD/ 2003
INTRODUCTION GENERALE
1re PARTIE : ORGANISATION DES ELEMENTS DE BASE
Alluvions
Mditerranen Sables
Gographie Lithologie
Position
XYZ
Atlantique Aride Gologie Calcaires Argiles
Pente Schistes
Marnes
Gomtrie
BV
Drainage Compacit
Physiographie
Globale Conceptuelle
Global Digitalis
Fonction de
Entre Sortie rservoirs spatialement
transfert
Pluie Dbit en 3D
22 S. RIAD/ 2003
1re PARTIE :
CARACTERISTIQUES GEOGRAPHIQUES
PHYSIOGRAPHIQUES & GEOLOGIQUES
DES BASSINS ETUDIES
23 S. RIAD/ 2003
Cette premire partie est consacre une description gnrale des diffrents bassins versants
analyss afin de donner les indications gographiques, physiographiques et gologiques, bases
indispensables la comprhension future des mcanismes hydrologiques. En effet laltitude, la pente
et la forme dun bassin versant relies la lithologie renseignent sur le type de rponse hydrologique
du bassin.
I. SITUATION GEOGRAPHIQUE
Les bassins versants tudis appartiennent trois diffrentes rgions du Maroc. Il sagit du :
Bassin versant de la Moulouya (Rgion de la Moulouya) drain par loued Moulouya et qui se jette
dans la Mditerrane,
Bassins Ctiers Mditerranens (Rgion Nord du Maroc) drains par loued Rhis, Nekor et Kerte
et qui se dversent dans la Mditerrane,
Bassins versants de Ziz-Rhris et Guir (Rgion dErrachidia) drains respectivement par loued Ziz
Rhris et Guir, descendus de l'Atlas, et se perdent dans les sables du dsert,
Bassin versant de Tensift (Rgion de Marrakech) drain par loued Tensift qui se dverse dans
lOcan atlantique (Fig. 5).
2 Oujda
Fs
Rabat
Casablanca 1
Afrique
El Jadida
5
q
nti
Taroudant
Agadir
a
atl
an
Oc
Laayoune
Smara
0 100 200 Km
Laguira
24 S. RIAD/ 2003
M
Bassin versant de l'Oued Moulouya
ER
M
Bassins ctiers
ED
IT
mditerra nens
ER
R
AN
EE
MECHRA SA F-SA F
Bassin versant de Sebou O.
Bge MOHAMED V
Ze
O. Bge MECHRA
gz
Ms PON T DE SA KKA
el
oun HOMAD I BERKAN E
BEL FAR AH
O. M ell oulou
Algrie
EL A OU IA O. EL AFKIR
GUERC IF TAOUR IRT BERKAN E
MELK EL OUI DAN E
ou
DA R EL CA ID
ul
o
O.
d'Oum Er-Rebia
ell
Za
M
Bassin versant
KSIBA TE
O.
ZEID A O. O. C
he EL R HORR ES
O. MOU LOU YA gE
Ch
lA
o
rd TEND IT
uf
TABOUA ZANT r
mi
ec
se g
h
Ch
An
er
AI N BEN I MA THA R
.
i
AN SEGMI R
O
Ha
El
MISS OU R
Bassin versant de Ziz
0 10 20 30 40 50 Km
Station s tudies
25 S. RIAD/ 2003
AR
Bassins Ctiers Mditerranens
A LT
GI BR
DE
R OIT
DET
SMIR MER MEDITERRANEE
PON T DE TORETTA
TANGER
TETOUAN KOU DIA KOU RIR ENE
ti l
AL HOCEIMA
ar
AMZAL
atlantique
O.
O .Nekor
e
AMSA
t
DA R DRI OU CH
er
K
Bge NA KHLA
is
O.
ao
Bge NEKOR
Rh
O. El Had
O. L
TAMAS SIN T
O.
TLETA AZLEF
O.
BEN KA RRI CH O.
Bo
O.
ufr
ur
Bge ALI THELAT
M
de la Moulouya
an
in
ter
TAKENFFOUS T
Bassin versant
ga
CHIBICH TAMALLA HT
e
Ir han
Jel TIMEZZOU K TIR HZA
Ocan
O.
TAR GU IST
AJD IR
0 10 20 30 Km Station s tudies
26 S. RIAD/ 2003
Safi
Bassin versant de l'Oued Tensift
ue
tiq
an
atl
Kelaat Sraghna
TALMEST
an
Reliefs des Jbilets
Oc
O.
TE ABA DLA
NS
a-
IF T
Ch ic Essaou ir
O.
TENS IFT
O
AFIA D
O.
.
MARRAKECH
Ch ic
h oua
O.
Rd
n d'
Essaouira
haou
O.
O.
As
at
Zat
si
l
a
OUDAYA
Re
AGHBALOU
B assi
O.
CHICHA OU A SI DI RAHAL
r
ay
NF
a
is
O. O
TAFAR IAT
Bge LALLA TAKER KOUS T
ur ik
a
Bassin de Haouz
IMIN EL HA MMA M
NKOURI S
0 10 20 30 Km
27 S. RIAD/ 2003
O
UE
D
ZIZ AIT ISSOUMOUR
EL HAROUN
(Ait Kho jmane)
FOU M ZABEL
IFER
HAMA DA DE
DR
A
O UE
D
RH
E
MEROUTCHA
RI
S
RA DIER A RFOU D
Anti Atlas
GUIR
HAMIDA
PL AINE DE
UE
MEGTA SF A
TA FILALE T
RI S
RH E
TAOUZ
D
O UE
OUED ZIZ
OU
0 10 20 30 Km
ED
ED DAOURA
Stations tudies
28 S. RIAD/ 2003
Haut Atlas
Bassin versant de l'Oued Guir
AIT HADDOU
TIT N'AISSA
KADOUSSA TALSINT
O.
BENI TAJJIT
TAZZOUGUERT
AI
T
AI
S
O
SA
U
ED
GU BENI YATTI
BOUDENIB
IR
PL
E
N
A
A
BOUANANE
IN
N
A
E
U
O
.B
D
E
O
AIN CHOUATTER
TA
M
LE
HAMADA DE
T
IR
GU
GUIR
OUED
G
R
A
N
D
ER
G
O
0 10 20 30 Km
C
C
ID
EN
TA
L
Stations tudies
29 S. RIAD/ 2003
II.2. Primtre
Le primtre reprsente toutes les irrgularits du contour ou de la limite du bassin versant, il est
exprim en km. Le contour du bassin est constitu par une ligne joignant tous les points les plus levs.
Il ninfluence pas ltat dcoulement du cours deau au niveau du bassin versant. Le primtre peut
tre mesur laide dun curvimtre ou automatiquement par des logiciels.
II.3. Indice de compacit de Gravelius
Lindice de compacit (KG) renseigne sur la forme du bassin versant qui a une grande influence
sur lcoulement global du cours deau et surtout sur lallure de lhydrogramme l'exutoire du bassin,
rsultant dune pluie donne. Il est tabli en comparant le primtre du bassin celui dun cercle qui
aurait la mme surface. Il sexprime par la formule suivante (ROCHE, 1963) :
P P
KG = = 0 , 28 (1)
2 A A
Avec :
Cet indice se dtermine partir d'une carte topographique en mesurant le primtre du bassin
versant et sa surface. Il est proche de 1 pour un bassin versant de forme quasiment circulaire et
suprieur 1 lorsque le bassin est de forme allonge. Un bassin versant circulaire est mieux drain
quun bassin allong.
II.4. Rectangle quivalent
Le rectangle quivalent ou rectangle de Gravelius correspond une transformation purement
gomtrique du bassin versant. Il prend alors une forme rectangulaire tout en gardant la mme
superficie, le mme primtre, le mme indice de compacit et donc par consquent la mme
rpartition hypsomtrique. Dans ce cas, les courbes de niveau deviennent parallles aux cots du
rectangle quivalent. La climatologie, la rpartition des sols, la couverture vgtale et la densit de
drainage restent inchanges entre les courbes de niveau.
Plus un rectangle quivalent est allong moins il sera drain. Les dimensions du rectangle
quivalent sont dtermines par les formules suivantes (ROCHE, 1963) :
La longueur L :
1,12
2
K A
L= G
1,12 1 + 1 K (2)
G
30 S. RIAD/ 2003
La largeur l :
1,12 A
2
KG A
l= 1 1 = ( 3)
1,12 K G L
Avec :
KG : Indice de compacit de Gravelius
A : Superficie du bassin versant en km2
L : Longueur du rectangle quivalent en km
l : Largeur du rectangle quivalent en km.
Le trac des droites de niveau du rectangle quivalent dcoule directement de la rpartition
hypsomtrique cumule.
II.5. Longueur du cours deau principal
La longueur du cours deau principal (LOG) est la distance curviligne depuis l'exutoire jusqu' la
ligne de partage des eaux, en suivant toujours le segment d'ordre le plus lev lorsqu'il y a un
embranchement et par extension du dernier jusqu' la limite topographique du bassin versant. Cette
distance parcourue est exprime en km. Si les deux segments l'embranchement sont de mme ordre,
on suit celui qui draine la plus grande surface.
Autrement dit, cest la distance mesure le long du cours deau principal depuis lexutoire
jusqu la ligne des partages des eaux dun bassin versant.
II.6. Pente moyenne
Cest une caractristique importante des bassins versants qui renseigne sur la topographie du
bassin. La pente moyenne du cours d'eau dtermine la vitesse avec laquelle l'eau se rend l'exutoire du
bassin donc le temps de concentration. Elle influence sur ltat dcoulement du cours deau au niveau
du bassin versant. En effet, plus la pente est forte, plus la dure de concentration des eaux de
ruissellement dans les affluents et le cours principal est faible, par consquent le bassin ragira d'une
faon rapide aux averses. Les pentes fortes trs fortes peuvent produire des coulements de nature
torrentielle qui sont lorigine des crues dvastatrices.
La pente moyenne du bassin versant est donne par ROCHE (1963) comme tant la moyenne
pondre des pentes de toutes les surfaces lmentaires pour lesquelles on peut considrer que la ligne
de plus grande pente est constante. Une valeur approche de la pente moyenne est alors donne par la
relation suivante :
l
S =
A
Di (4)
31 S. RIAD/ 2003
Avec :
S : Pente moyenne du bassin versant en %
l : Largeur du rectangle quivalent en km
Di : Diffrence de niveau entre deux courbes de niveau conscutives
A : Surface lmentaire en km.
Pour le calcul de cette pente moyenne, on ne tient pas compte de la forme de la courbe
hypsomtrique. Cette dernire correspond la superficie entre les courbes de niveau en fonction des
altitudes correspondantes. Elle donne une ide sur la pente et lallure du relief.
II.7. Densit de drainage (Fig. 11)
La densit de drainage est la longueur totale du rseau hydrographique par unit de surface du
bassin versant. Elle correspond pour un bassin versant donn de superficie A comme tant la longueur
totale des cours deau dordre quelconque sur la superficie totale A du bassin versant. La densit de
drainage est exprime en km/km2 ou en km-1. Elle est donc :
D =
Li
(5 )
d
A
Avec :
Li : Longueur totale des cours deau en km
A : Superficie du bassin versant en km.
32 S. RIAD/ 2003
ue
2
iq
Oujda
nt
la
at Casablanca
1
an
El Jadida
c
O
Safi
4
Essaouira
3
5
Agadir
0 100 200 Km
1 Bassin versant de l'Oued Moulouya
33 S. RIAD/ 2003
RECTANGLE
BASSIN STATION NoIRE A P KG EQUIVALENT S LON Dd Altitude
VERSANT HYDROMETRIQUE (Code) (km2) (km) (km) Z (m)
L l
(km) (km)
Foum Tillicht 1508/38 1298 247 1.92 111.74 11.61 3.38 47.32 0.40 1400
Tadiguouste 426/47 2262 337.25 1.98 157.84 14.33 1.72 40.98 0.33 1140
Ziz-Rhris Meroutcha 1548/56 4500 306.66 1.28 113.45 39.66 0.89 171 0.26 936
et Guir Ait bouijjane 355/55 651 163.86 1.79 72.57 8.97 6.60 22.31 0.65 1300
Tazouguert 628/48 2344 334.6 1.93 150.99 15.52 1.49 91.45 0.37 1029
Tit Naissa 330/39 1200 160 1.29 67.01 17.9 1.08 71.0 1.33 1140
Ansegmir 658/38 991 220.05 1.95 99.77 9.94 4.53 71.89 0.39 1450
Tabouazant 732/38 610 99 1.12 26.2 23.3 1.14 30.0 1.33 1640
Zaida 318/30 1840 210 1.4 82.8 22.2 2.07 70.0 0.29 1450
Laarichate 75/31 5398 310 1.2 102.2 52.8 1.01 100.0 0.25 1060
El Aouia 806/30 1575 160 1.12 44.9 35.1 0.44 75.0 0.57 1790
Ksibate 440/23 960 124 1.12 31.8 30.2 1.04 50.0 0.94 950
Moulouya
Bel Farah 261/16 2086 195 1.19 65.01 32.08 0.64 56.0 0.92 600
Guercif 184/17 2850 260 1.4 102.1 27.9 0.52 90.0 0.7 360
Pont de Zakka 302/17 2333 250 1.4 102.2 22.8 0.34 110.0 0.62 340
El Ghoress 226/17 17688 760 1.6 325.7 54.3 0.01 290.0 0.11 620
Berkane 1433/12 2322 195 1.13 56.1 41.4 0.25 60.0 0.4 18
Aghbalou 2089/53 503 114 1.42 46.32 11.05 5.76 56.0 2.05 1070
Taferiat 1562/53 515 117 1.44 47.53 10.80 5.92 34.0 1.04 760
Tahanaout 1565/53 226 100 1.86 44.92 5.03 14.04 38.0 1.01 925
Tensift Iguir NKouris 510/62 848 190 1.82 84.70 10.01 2.47 80.0 1.06 1100
Imin El Hamam 1566/53 1296 210 1.63 90.46 14.32 2.10 110.0 1.08 470
Sidi Rahal 44/54 452 130 1.71 57.11 7.91 5.55 45.0 1.03 690
Bassins Tighza 385/10 55 34 1.28 11.25 4.14 25.45 13.0 1.69 600
Ctiers Takenfoust 386/10 292 97 1.59 53.85 7.03 4.45 38.5 1.77 500
Mdi- Tleta Azlef 114/10 205 60 1.17 35.43 10.31 2.87 21.5 0.39 610
Terranens Ajdir 384/10 40 37 1.63 20.24 4.04 20.0 15.0 1.62 1020
Tamallaht 269/5 685 130.5 1.39 74.05 12.99 2.22 57.0 1.26 275
34 S. RIAD/ 2003
III.1.1. Le Palozoque
Il est reprsent par des schistes et des granites. Le Palozoque affleure dans la haute Moulouya
sous forme de granites formant ainsi des massifs primaires de Boumia et dAouli, et sous forme de
schistes formant la plupart des sries mtamorphiques de la rgion.
III.1.2. Le Trias
Le Trias affleure en discordance sur les massifs anciens de la haute Moulouya. Il est reprsent
par des marnes, des dolrites, des argiles rouges et par des basaltes. Au niveau des chanes des Horsts
et des hauts plateaux, le Trias est form par des marnes, des argiles et par des basaltes trs altrs.
Alors quil est form par des argiles rouges salifres dans le bassin de Guercif.
III.1.3. Le Jurassique
Il est reprsent par des facis calcaro-dolomitiques et des dpts terrignes rouges formant le
paloseuil de la Haute Moulouya. Les formations carbonates affleurent sur les bordures du Haut Atlas
et du Moyen Atlas et lOuest des Hauts plateaux. Elles forment presque entirement les chanes de
Bni Snassne, des Bni Bouyachi et la chane des Horsts.
III.1.4. Le Crtac
Il est constitu par des marnes, grs rouges et calcaires blancs. Ces formations affleurent
essentiellement le long du Haut Atlas entre le massif dAouli et le Haut Atlas et lEst de Midelt.
Dans la partie occidentale de Rekkame, il se prsente sous forme de marnes la base et de calcaires au
sommet.
III.1.5. Le Tertiaire
Les formations tertiaires affleurent au niveau de la Moyenne Moulouya avec des marnes jaunes
trs gypsifres et grseuses. Au niveau du Sud et Sud-Ouest de la plaine de Guercif, elles affleurent
sous forme de grs, conglomrats et marnes. Dans les Hauts plateaux, le Tertiaire est reprsent en
grande partie par des argilites plus ou moins sableuses, des sables, des grs et des calcaires lacustres.
Au niveau du Rif oriental, le Tertiaire est constitu essentiellement par des marnes et des schistes.
35 S. RIAD/ 2003
III.1.6. Le Quaternaire
Les dpts quaternaires sont constitus par des boulis, des conglomrats, des argiles rouges, des
limons, des encrotements calcaires et par des coules basaltiques. Ils affleurent sous forme de
terrasses alluviales le long de loued Moulouya et ses principaux affluents sous forme de cne de
djection au pied du Haut Atlas et du Moyen Atlas et sous forme de vastes tendues au niveau des
Hauts plateaux.
36 S. RIAD/ 2003
La valle du fleuve Martil traverse la Dorsale Calcaire ouvrant ainsi un accs la plaine de
Martil-Fnideq. La chane montagneuse interrompue par cette valle est beaucoup plus importante au
sud et atteint son expression culminante au sud de Chefchaouen, avec limportant massif qui culmine
dans le Jbel Tisouka et dans le Jbel Lakraa (2159 m). A lEst du Jbel Cherafate, les formations de la
Dorsale calcaire mergent en affleurement de petites extensions vers Sebha dans la rgion du Jbel
Imezguene et dans la cte entre Torres Alcala et Al Hoceima.
La zone centrale de la chane du Rif a la forme dun grand croissant orient en direction Ouest-
Est, du bassin de MTer jusquau bassin du Nekkor. Sa conformation gologique est trs simple ; les
calcaires ont disparu, il reste seulement des formations de flysch. Dans les flyschs barrmo-albiens de
la srie de Ketama, on trouve les sommets les plus hauts de la chane, le Jbel Tidiguine (2456 m) et le
Jbel Haman (1950 m). La srie de Ketama se distingue par la prdominance des schistes noirs dans les
rgions mridionales et par la prdominance des grs au Nord.
A lEst de la valle de Nekkor le Rif oriental stend dans une mosaque de formations
gologiques trs varies, dans lesquelles figurent des vastes extensions avec des limons trs
vulnrables lrosion. Le Jbel Mazgouf (1837 m) et le Jbel Fezzene (1129 m) sont les derniers
massifs de lextrmit orientale de la chane du Rif.
37 S. RIAD/ 2003
38 S. RIAD/ 2003
III.4.1. Le Palozoque
Les affleurements palozoques sont rares et le meilleur affleurement se trouve au sud du tunnel
de Foum Zaabel. Il est reprsent par des schistes rouges trs durs et diaclass, surmontant des schistes
verts lustrs en plaquettes.
III.4.2. Le Trias
Il est reprsent par :
une srie plitico-argileuse, dbutant par des conglomrats polygniques et drages quartzo-
feldspathiques, puis des grs rouges intercalations argileuses,
une srie de basaltes dolritiques, dans lesquels, sont parfois interstratifis des niveaux de
calcaires siliceux,
les basaltes sont recouverts par des argiles rouges, un peu violaces, plus au moins grseuses
et parfois gypsifres.
III.4.3. Le Jurassique
Les diffrentes formations jurassiques sont constitues par des couches rouges exclusivement de
grs calcaires et de marnes de couleur rouge ou verte et par lalternance de niveaux de marnes, marno-
calcaires et de bancs de calcaires et calcaires grseux.
III.4.4. Le Crtac
La srie crtace comprend de bas en haut :
des marnes blanches et argiles rouges niveaux gypseux du Cnomanien,
des bancs de calcaires dcimtriques reposant directement et sans discordance apparente sur
les argiles rouges gypse,
au sommet de la srie crtace, des dpts dtritiques fins surmontent les calcaires turoniens.
III.4.5. Le Tertiaire
Les seuls affleurements tertiaires bordent loued Todrha au Nord de Tinghir. Ils sont forms
essentiellement de calcaires, de grs-calcaires plus au moins consolids et de grs blancs ou violacs
tendres et mal consolids.
III.4.6. Le Quaternaire
On distingue :
le Quaternaire ancien : Ces dpts sont des encrotements conglomratiques lments
anguleux,
le Quaternaire moyen : Il constitue la majorit des encrotements superficiels,
39 S. RIAD/ 2003
le Quaternaire rcent : Il est form dboulis de pentes et dalluvions qui bordent le parcours
des oueds Ziz, Rhris, Todrha et Guir.
40 S. RIAD/ 2003
Ctiers 5 5 25 30 30 5
mditerra-
nens
Tensift 15 30 10 6 9 30
Ziz-Rhris 2 15 11 35 22 15
Guir 2 12 15 6 5 65
Les bassins versants de la Moulouya, de Ziz-Rhris, Guir et ctiers mditrranens sont forms
essentiellement par des terrains permables semi-prmables qui occupent la presque totalit de la
superficie du bassin, ce qui favorise linfiltration des eaux de surface. Par contre le bassin versant de
Tensift caractris par des pentes fortes, des affleurements gologiques essentiellement constitus par
des formations impermables, favorise lcoulement superficiel qui se traduit par des hydrogrammes
pointus, observs lexutoire du bassin.
Ceci confre aux coulements un caractre torrentiel, et offre un environnement propice aux
pulsations brutales des cours deau et par consquent les risques dinondation (cest cas de la crue
dOurika).
41 S. RIAD/ 2003
42 S. RIAD/ 2003
Par ailleurs, le contraste saisonnier est trs bien marqu, les pluies qui sont souvent concentres
durant la priode automnale et hivernale, sont irrgulires, intenses et violentes. Le reste de lanne, la
scheresse prend une ampleur considrable surtout dans les zones de plaine o les tempratures et
lvaporation sont leves.
La climatologie se caractrise donc par :
un climat semi-aride de type continental. Les amplitudes thermiques sont assez importantes entre
l'hiver et l't : 45C comme temprature maximale et 5C comme temprature minimale.
une faible pluviomtrie moyenne allant de 250 350 mm/an avec des variations interannuelles et
intersaisonnires importantes.
IV.4. Bassins versants de Ziz-Rhris et Guir
La principale caractristique imprgnant le climat est quil est semi-dsertique (saharien) forte
influence continentale. C'est ainsi que le climat semi-aride est "ponctu" au niveau de la montagne et
des Oasis. Les principales caractristiques des tempratures sont les grands carts tant saisonniers que
journaliers. La temprature moyenne annuelle est de 19C (avec une moyenne des minimale de 12.4C
et des maximale de 26.7C), l'cart thermique journalier peut atteindre 22C. Les carts sont cependant
importants entre le jour et la nuit, l't et l'hiver, mais aussi entre les zones de montagnes au Nord et
les plateaux dsertiques au Sud.
Le rgime annuel des pluies se caractrise par l'existence de deux saisons pluvieuses : l'automne
et le printemps. La pluviomtrie prsente une grande irrgularit dans sa rpartition interannuelle et
dans sa rpartition spatiale. Elle varie entre 250 mm en montagne (Nord) et 50 mm (Sud), en plaine,
avec des fluctuations allant jusqu' 50% avec une concentration sur une quinzaine de jours par an. Ce
qui donne la rgion un ensoleillement de 330 jours. Les prcipitations moyennes annuelles sont de
l'ordre de 120 mm. Le nombre de jours de pluie par an est trs rduit : 25 jours en moyenne.
Des pluies orageuses provoquent des crues importantes des oueds dont certaines quelque fois
dvastatrices causaient dinnombrables dgts humains et matriels. Actuellement la rgion prsente
un important dficit en eau suite aux annes de scheresse (les annes 80) qu connu le Maroc et qui a
perturb le fonctionnement normal des barrages. Cette pnurie deau a pour consquences directes le
dprissement des palmeraies, en particulier celle de Tafilelt, la baisse notable des rendements
agricoles et la menace densablement de la rgion.
Les conditions climatiques jouent galement un rle important dans le comportement
hydrologique des bassins versants. En effet, les rgions ayant des prcipitations rparties galement
tout au long de lanne auront des densits de drainage plus faibles que les rgions climat trs
contrast comme les zones semi-arides.
43 S. RIAD/ 2003
V. CONCLUSION
Lanalyse de ces diffrents paramtres physiques et gomorphologiques (lithologiques)
permettra une meilleure comprhension des causes des variations des rgimes hydrologiques de
chaque bassin versant tudi et par consquent leur contribution dans la gense des crues. Leur
interaction dtermine la variabilit des phnomnes hydrologiques dans le temps et dans lespace.
Pour cet effet, lanalyse des donnes physiques et hydropluviomtriques par diffrents outils
statistiques sest avre ncessaire pour analyser linfluence des caractristiques physiques sur la
rpartition et lvolution spatio-temporelle des coulements superficiels afin de mieux comprendre le
comportement hydrodynamique au sein des bassins versants tudis.
Une analyse frquentielle des dbits de crue a t effectue pour dterminer les probabilits
doccurrence et les priodes de retour (prvisions) au niveau des diffrents bassins tudis.
Lapproche mthodologique adopte est fonde sur diverses mthodes statistiques qui ont t
utilises comme outils et techniques bien adapts cette problmatique.
Ces outils reprsentent une valuation prliminaire pour ltude de tout systme hydrologique
avant dtablir un modle de son mode fonctionnement.
44 S. RIAD/ 2003
2me PARTIE :
TRAITEMENT DES DONNEES
PHYSIOGRAPHIQUES
& HYDROPLUVIOMETRIQUES
45 S. RIAD/ 2003
46 S. RIAD/ 2003
Tab. 5: Liste des diffrentes stations pluviomtriques avec leurs principales caractristiques
(NIRE : Numro dInventaire des Ressources en Eau attribu par le gestionnaire des points de mesure
et D.M.S : Date de Mise en Service et N : Taille de lchantillon ou priode dobservation ou nombre
dannes).
I.3. Donnes hydromtriques
La collecte des fichiers de donnes hydromtriques de base pour la rgion dErrachidia, la
Moulouya, Marrakech et les bassins Ctiers Mditerranens, a t ralise par la direction gnrale
dhydraulique Rabat. Les fichiers de ces donnes donnent les valeurs mesures des dbits moyens
journaliers des diverses stations hydromtriques de la rgion dtude sur des longues priodes
dobservations.
I.3.1. Situation des stations hydromtriques
La localisation gographique de lensemble des stations hydromtriques choisies des diffrents
bassins versants tudis se fait partir des coordonnes correspondantes (Fig. 6, 7, 8, 9 et 10).
I.3.2. Caractristiques des stations hydromtriques
La liste des diffrentes stations hydromtriques est prsente au tableau 6. Une station est dite
principale (P) lorsque son quipement permet de mesurer les hauteurs deau et les dbits de crues en
permanence. Les stations principales sont quipes d'un limnigraphe, d'une chelle limnimtrique et d'un
tlphrique pour les jaugeages.
47 S. RIAD/ 2003
Une station est simplifie (S) quand elle nest pas quipe pour jauger les crues. Les stations
simplifies disposent dune batterie dchelle qui peut tre double par un limnigraphe.
Bassin versant Station A Affluent ou NIRE Numro Coordonnes Altitude D.M.S Type N
Hydromtrique (km2) Oued identifiant Z (m) (ans)
X (m) Y (m)
ZIZ Foum Tillicht 1298 Sidi hamza 1508/38 1 579.850 192.500 1400 15/10/75 P 22
Tadiguouste 2262 Rhris 426/47 2 543.500 140.600 1140 15/06/61 P 34
RHERIS Meroutcha 4500 Ferkla 1548/56 3 549.000 107.300 936 15/06/77 P 11
Ait bouijjane 651 Todrha 355/55 4 485.600 104.450 1300 15/10/60 P 21
GUIR Tazouguert 2344 Guir 628/48 5 652.595 161.045 1029 15/06/61 P 36
Tit Naissa 1200 Ait Aissa 330/39 6 676.310 193.940 1140 15/06/77 P 20
Ansegmir 991 Ansegmir 658/38 7 545.900 238.900 1450 15/02/60 P 38
Tabouazant 610 Ansegmir 732/38 8 531.150 217.450 1640 15/11/77 P 32
Zaida 1840 Moulouya 318/38 9 541.000 246.800 1450 15/03/59 P 38
Laarichate 5398 Moulouya 75/31 10 610.650 255.750 1060 15/09/75 P 11
El Aouia 1575 Anjil 806/30 11 567.100 294.950 1790 06/11/75 P 20
MOULOUYA
Ksibate 960 Cheg El Ard 440/23 12 645.720 307.850 950 01/1975 P 22
Bel Farah 2086 Meloulou 261/16 13 657.000 390.800 600 06/1961 P 35
Guercif 2850 Meloulou 184/17 14 687.950 403.860 360 06/1954 P 43
Pont de Zakka 2333 MSoun 302/17 15 695.000 413.600 340 06/1974 P 14
El Ghoress 17688 Za 226/17 16 775.150 403.640 620 07/1969 P 26
Berkane 2322 Zegzel 1433/12 17 779.050 480.250 18 07/1968 P 23
Aghbalou 503 Ourika 2089/53 18 276.150 483.050 1070 04/1969 P 31
Taferiat 515 Zat 1562/53 19 291.250 107.500 760 02/1962 S 30
Tahanaout 226 Reraya 1565/53 20 255.900 480.400 925 03/1962 P 30
TENSIFT Iguir NKouris 848 NFis 510/62 21 238.900 453.800 1100 03/1974 P 30
Imin El Hamam 1296 NFis 1566/53 22 241.400 724.400 470 07/1966 P 31
Sidi Rahal 452 RDat 44/54 23 303.100 117.800 690 10/1963 P 30
BASSINS Tighza 55 Si Aissa 385/10 24 645.200 475.500 600 04/1987 S 18
COTIERS Takenfoust 292 Nekkor 386/10 25 636.440 478.240 500 04/1978 S 9
MEDITERRA- Tleta Azlef 205 Kert 114/10 26 658.400 477.600 610 01/1967 P 28
NEENS Ajdir 40 Brart 384/10 27 630.550 460.850 1020 09/1978 S 19
Tamallaht 685 Nekkor 269/5 28 645.300 488.200 275 06/1965 P 31
Tab. 6: Liste des diffrentes stations hydromtriques avec leurs principales caractristiques
(NIRE : Numro dInventaire des Ressources en Eau attribu par le gestionnaire des points de mesure,
D.M.S : Date de Mise en Service et N : priode denregistrement ou nombre dannes).
II. CRITIQUE DES DONNEES
Un travail a consist combler les lacunes contenues dans les sries de mesures. En effet, des
lacunes et discontinuits dans les sries chronologiques des pluies et des dbits ont t remarques
pendant certaines annes ou mois d'une anne. La mthode des doubles masses (doubles cumuls) a t
utilise afin de vrifier l'homognit des sries de l'ensemble du rseau de postes hydromtriques et
pluviomtriques On peut donc reconstituer des sries homognes.
Il est donc indispensable, avant de traiter ces donnes, de se proccuper de leur qualit et de leur
reprsentativit au moyen de la mthode du double cumul et des rgressions entre postes voisins
corrls. Le principe cette mthode graphique consiste vrifier l'homognit des valeurs mesures de
la station tester en les corrlant avec celles de rfrence. Cette opration permet de combler les
lacunes, de tester l'homognit des sries de donnes et de critiquer les donnes brutes du rseau
hydromtrique et pluviomtrique. Cette comparaison utilise, au pas du temps choisi, non pas les valeurs
observes mais leur cumul (Meylan et Musy, 1998).
48 S. RIAD/ 2003
L'valuation des donnes manquantes une station a t dtermine partir des valeurs provenant
de la station voisine prsentant le meilleur coefficient de corrlation et ayant fonctionne durant le mois
manquant. La formule la plus simple pour combler, sans erreur majeure les lacunes des sries, est de
remplacer la valeur manquante par une moyenne pondre par la tendance mensuelle des stations
hydromtriques et pluviomtriques (Musy et Laglaine, 1992).
49 S. RIAD/ 2003
Une fois dtermins les axes factoriels, le nuage est projet dans les diffrents plans des facteurs
principaux soit dans l'espace des variables, soit dans l'espace des u.s. Dans l'espace des u.s, l'ACP
permettra de regrouper selon des facteurs identiques les chantillons prsentant des caractres d'origine
ou dvolution similaire. L'interprtation de l'ACP consiste ensuite dterminer les facteurs
responsables (composantes principales) de la structure observe.
Le premier axe factoriel (F1) de cette reprsentation est tel qu'il dtermine le maximum d'inertie
du nuage et donc de la variance, le deuxime axe (F2) perpendiculaire au premier exprime le maximum
de variance restante, le 3me axe, toujours perpendiculaire aux deux autres, est dfini par le maximum
dinertie restante ; etc.
III.1.1.2. Application de LACP
La mthode a t applique sur 28 individus (sous bassins versants) et 9 variables (variables
physiographiques). Les variables utilises sont : la surface du bassin (SUP), le primtre (PER), lindice
de compacit de Gravelius (KG), la longueur (LON) et la largeur (LAR) du rectangle quivalent, la pente
moyenne (S), la longueur du cours d'eau principal (LOG), la densit de drainage (D) et laltitude de la
station hydromtrique (ALT).
La reconstitution finale de la distribution des sous bassins versants, nous a permis de dfinir les
axes factoriels ou facteurs responsables de cette distribution et par consquent, faire ressortir les
affinits entre les diffrents sous bassins versants et dduire les paramtres qui les caractrisent au
mieux. Les trois premiers axes expriment 85% de la variance totale ; avec 54.7% pour le premier
facteur; 17.68% pour le deuxime facteur et 12.62% pour le troisime facteur.
Le tableau 7 exprime les valeurs propres de la matrice des coefficients de corrlation, le
pourcentage de variance explique ainsi que celui de la variance cumule par chacun des axes.
L'analyse de la matrice de corrlations entre les variables montre que la surface du bassin (SUP),
le primtre (PER), la longueur (LON) et largeur (LAR) du rectangle quivalent et la longueur du cours
d'eau principal (LOG) sont fortement lis entre eux (Tab. 8).
50 S. RIAD/ 2003
51 S. RIAD/ 2003
Le second groupe est reprsent par les sous bassins versants dOurika (18), Zat (19), Si Aissa
(24), Nekkor (25) et Brart (27) correspondant aux plus faibles valeurs de forme avec des valeurs
relativement importantes de S et D. Le troisime groupe est constitu par les sous bassins versants de
Sidi hamza (1), Rhris (2), Todrha (4), Guir (5), Ansegmir (7), Reraya (20), NFis (21, 22), RDat (23)
caractriss par un fort coefficient de Gravelius et oppos au dernier groupe form par les sous bassins
versants de Ait Aissa (6), Ansegmir (8), Moulouya (10), Anjil (11), Cheg El Ard (12), Meloulou (13,
14), MSoun (15), Zegzel (17), Kerte (26) et Nekkor (28).
Dans le plan I-III, laxe III permet de distinguer deux groupes du.s : le premier compos par les
sous bassins versants situs en altitude [Sidi Hamza (1), Rhris (2), Todrha (4), Ait Aissa (6), Ansegmir
(7, 8), Moulouya (9), Anjil (11), Cheg El Ard (12), NFis (21)] et le second par les sous bassins situs
des altitudes plus faibles (Fig. 17).
Axe I (54,7%)
1 A KG B Axe II
7 2
1 5
1.5
20
4
1 21
27 16
S ALT LON
23
0.5
PER
Axe II (17,68%)
22
SUP 25 9
0 024 18 19 Axe I
D LOG
286 15
-0.5 14
3
26
8 11
LAR -1
13 10
12
-1.5
17
-1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3 3.5
-1 Axe III
-1 0 1 24
1 2
16
1.5
25 28
27
D S 1 22
1715
14
SUP 20
18 23
0.5
LOG
Axe III (12,62%)
LON 19
13
KG PER
0 0 Axe I
LAR 26 21 3
6 5
-0.5 12
2
4 10
-1 71
8 9
ALT -1.5
-1 -2 11
-1 0 1 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3 3.5
Axe I (54,7%)
52 S. RIAD/ 2003
L'analyse en composantes principales nous a permis de mettre en vidence les affinits entre les
diffrents sous bassins versants et de dduire les paramtres qui les caractrisent au mieux.
Sur la base des regroupements que nous a donn lACP et pour mettre en vidence cette zonalit
par rapport aux diffrents paramtres utiliss, une analyse factorielle discriminante a t effectue sur le
mme tableau en utilisant les diffrents groupes obtenus par lACP.
53 S. RIAD/ 2003
Le cercle I-III (89.4% de linertie cumule) : Laxe I a la mme signification que prcdemment
alors que laxe III est mieux dfinit par KG, et porte dans sa partie positive les sous bassins les plus
allongs.
Dune manire gnrale, on retrouve les groupes identifis par lACP lexception du sous bassin
versant (4) qui est plutt raffect par lAFD au groupe 2 (Bassin versant de la Moulouya) en raison des
similitudes que prsentent les deux bassins. Le pourcentage des bien classs est en effet de 96.4. Il
ressort que lAFD prsente la mme rpartition que lACP.
A B
Axe II 23 II
(10.7 %) Axe
23
: Bassins versants de Ziz-Rhris et Guir, 21
: Bassin versant de la Moulouya, 22
: Bassin versant de Tensift, 20 G3
1.50 : Bassins ctiers mditerranens,
G1, G2, G3, G4 : Centre de gravit 18
des 4 groupes.
1.00 25 19
0.50 7
4
Axe I 15
27
(84.5 %) 12
0.00 8 Axe I
6 14
13
17 1
G4
G2
24 G1 3
-0.50 5
16
10
2 9
-1.00
26
11
28
-2.50 -2.00 -1.50 -1.00 -0.50 0.00 0.50
Axe III
Axe III Bien classs : 96.4% 2 5
(4.9 %) : Bassins versants de Ziz-Rhris et Guir,
: Bassin versant de la Moulouya,
2.00 : Bassin versant de Tensift,
KG
: Bassins ctiers mditerranens,
G1, G2, G3, G4 : Centre de gravit
des 4 groupes. 1
1.50 7
ALT G1
1.00
LON 21
4
0.50
9
PER 28 22
S 6
Axe I 20 G3 15
(84.5 %) 27 18
0.00 24 25 Axe I
D 3
LOG 23
G4 14
19
SUP -0.50 G2 11
LAR 8
26
13
-1.00
16
12
10
-1.50
Point raffect 17
-2.50 -2.00 -1.50 -1.00 -0.50 0.00 0.50
54 S. RIAD/ 2003
Par consquent, on peut considrer que ce sont surtout les paramtres de dimension qui rgissent
la rpartition statistique des sous bassins versants. Lanalyse multidimensionnelle, en analyses en
composantes principales (ACP) et factorielles discriminantes (AFD), des bassins versants tudis a
montr que les distinctions et les regroupements entre eux sont lis leur appartenance des contextes
diffrents et des caractristiques physiques assez distinctes.
Aprs avoir dterminer les affinits par lACP et la subdivision en groupes des bassins tudis par
lAFD, une autre analyse statistique a t applique pour dfinir les relations existant entre la pluie et les
diffrents paramtres physiographiques pour chaque bassin, bas sur la technique de la rgression
multiple.
Dans le but de dterminer les relations qui existent entre le rgime hydrologique et les
caractristiques physiographiques des bassins versants, une analyse statistique a permis d'tablir ces
relations partir dun modle de rgression multiple.
L'analyse de la rgression permet d'tudier la relation statistique qui existe entre le dbit Q
(variable dpendante) et les autres paramtres caractristiques des bassins versants (variables
indpendantes ou explicatives).
Les variables explicatives retenues sont la pluie (P), la surface du bassin (SUP), lindice de
compacit de Gravelius (KG), l'indice de pente globale (IG), la longueur du cours d'eau principal (LOG),
la densit de drainage (D) et laltitude de la station hydromtrique (ALT).
55 S. RIAD/ 2003
Pour cette analyse, on a choisit 9 sous bassins versants qui appartiennent au bassin versant de la
Moulouya (Berkane, El Ghoress, Guercif, El Aouia et Ansegmir) et au bassin versant de Tensift
(Aghbalou, Taferiat, Tahanouat et Imin El Hammam).
Les rsultats de cette analyse aboutissent tablir cette relation avec un coefficient de corrlation
r= 0.98. Lquation de rgression obtenue est la suivante :
Q = 1.07 P +1.02 LOG 0.24 ALT 0.32 IG 0.33 KG 1.3 SUP (7)
Une analyse des corrlations entre pluies et dbits des diffrents bassins versants montre un
coefficient de corrlation linaire R de lordre de 0.91 (Fig. 19). Donc, il sagit dune corrlation
moyenne entre les pluies qui tombent sur chaque bassin versant tudi et lcoulement son exutoire.
Cette corrlation hydro-pluviomtrique a t tablie par la mthode de rgression multiple selon
lquation suivante :
Q = 1 . 91 P 26 . 39 (8 )
Il en rsulte que les dbits et le climat sont fortement lis. Une relation troite existe galement
entre laltitude maximale du bassin versant et la superficie avec R = 0.94 :
Q = 1.03 P 0.11 SUP 0.30 ALT (9 )
Il ressort de cette analyse que les dbits sont expliqus par lensemble des variables explicatives
slectionnes (coefficient de corrlation multiple R = 0.98) retenues dans l'quation de rgression.
Cette analyse confirme donc linfluence des paramtres physiques de chaque bassin versant sur
son coulement superficiel.
Q = -26,39 + 1,9852 * P
Corrlation : R = 0,911
160
140
120
100
Q (m3/s)
80
60
40
20
0
0 20 40 60 80 100
P (mm) 95% de confiance
Fig. 19: Relation entre le dbit et la pluie
56 S. RIAD/ 2003
Nous examinerons dans ce qui suit lvolution spatio-temporelle des pluies et des dbits en tenant
compte du contexte gomorphologique des bassins versants tudis.
III.2. Analyse statistique des donnes pluviomtriques
Ltude des prcipitations est base sur lanalyse statistique des donnes pluviomtriques
enregistres sur les principales stations des bassins versants tudis afin danalyser la variabilit spatiale
et temporelle des prcipitations.
57 S. RIAD/ 2003
25 100
20 80
P (mm)
P (mm)
15 60
10 40
5 20
0 0
l
J an
J an
c
c
Se p
Fev
r
r
Jui
Jui
t
t
v
u
i
i
r
r
Jui
Jui
Oc
Oc
Ma
Ma
Av
Av
De
De
Ma
Ma
Fe
Se
No
Ao
No
Ao
Mois Mois
25 18
16
20 14
12
15
P (mm)
P (mm)
10
8
10
6
5 4
2
0 0
l
Jan
c
l
Sep
v
J an
c
p
Fev
Jui
t
u
i
r
Jui
t
u
i
r
r
Jui
Jui
Oc
Ma
Oc
Av
Ma
Av
De
Ma
De
Ma
Fe
Se
No
Ao
No
Ao
Mois Mois
58 S. RIAD/ 2003
59 S. RIAD/ 2003
Pluie (mm)
800
250
200 600
150
400
100
200
50
0 0
60
63
75
78
81
84
87
69
5
7
9
81
83
85
87
9
1
3
5
196
196
197
199
199
197
197
197
197
197
198
199
199
199
19
19
19
19
19
19
19
19
19
19
19
19
Anne Anne
350 300
300 250
250
Pluie (mm)
Pluie (mm)
200
200
150
150
100
100
50 50
0 0
75
77
79
81
83
85
87
89
91
93
75
79
81
85
89
93
197
197
198
198
199
19
19
19
19
19
19
19
19
19
19
19
19
19
19
19
19
Anne Anne
60 S. RIAD/ 2003
61 S. RIAD/ 2003
Q (m /s)
10
3
3
3 8
2 6
4
1
2
0 0
l
Jan
c
Se p
v
l
J an
c
r
Sep
Jui
t
u
i
r
Jui
t
r
i
r
Jui
Jui
Oc
Ma
Av
Oc
Ma
Av
De
Ma
De
Ma
Fe
Fe
No
Ao
No
Ao
Mois Mois
0,6
Q (m /s)
3
3
2,0 0,5
0,4
1,5
0,3
1,0
0,2
0,5 0,1
0,0 0,0
l
l
J an
J an
c
c
Fe v
p
Fe v
Jui
r
Jui
t
t
u
v
i
i
r
r
Jui
Jui
Oc
Oc
Ma
Ma
Av
Av
De
De
Ma
Ma
Se
Se
No
Ao
No
Ao
Mois Mois
62 S. RIAD/ 2003
6
25
3
3
5
20
4
15
3
2 10
1 5
0 0
0
72
75
78
81
9
71
73
5
7
79
81
3
5
87
3
95
196
196
196
196
198
198
199
199
196
197
197
198
198
198
199
199
19
19
19
19
19
19
19
19
19
19
Anne Anne
6 2,5
5 2,0
Q (m /s)
4
1,5
3
Q (m /s)
3
3
1,0
2
0,5
1
0 0,0
75
79
81
85
87
91
73
79
81
85
87
91
93
197
198
198
199
197
197
198
198
19
19
19
19
19
19
19
19
19
19
19
19
19
Anne Anne
Les diffrents paramtres statistiques des dbits moyens interannuels sont reprsents dans le
tableau suivant (Tab. 11).
63 S. RIAD/ 2003
64 S. RIAD/ 2003
65 S. RIAD/ 2003
T q XT Ecart type
2 0.5000 114 24.8
10 0.9000 540 161
50 0.9800 1380 539
100 0.9900 1930 821
200 0.9950 2610 1200
500 0.9980 3770 1880
1000 0.9990 4880 2600
Tab. 13: Estimation du quantile de crue de loued Ourika
III.3.3.2.3. Bassin versant de Ziz-Rhris
Oued Sidi Hamza la station de Foum Tillicht :
La loi Gamma (Mthode des Moments) semble bien sajuster aux chantillons de dbits du bassin
versant de loued Sidi Hamza la station de Foum Tillicht. Le tableau (14) montre les quantiles de crue
diffrentes priodes.
T q XT Ecart type
2 0.5000 201 34.8
10 0.9000 480 86.4
50 0.9800 729 158
100 0.9900 832 190
200 0.9950 934 223
500 0.9980 1070 268
1000 0.9990 1170 302
Tab. 14: Estimation du Quantile de crue de loued Sidi Hamza
Oued Todrha la station dAit Bouijjane :
Les dbits maximums annuels du sous bassin versant de loued Todrha la station dAit Bouijjane
s'ajustent mieux la loi Gamma (Mthode des Moments) un intervalle de confiance de 95%. Les
rsultats de lestimation du quantile XT de crue pour diffrentes priodes de retour T sont reprsents
dans le tableau (15).
T q XT Ecart type
2 0.5000 95.5 30.4
10 0.9000 353 91.9
50 0.9800 619 195
100 0.9900 735 244
200 0.9950 851 295
500 0.9980 1010 364
1000 0.9990 1120 417
Tab. 15: Estimation du quantile de crue de loued Todrha
En aval de la station de jaugeage dAit Bouijjane, les crues seraient trs violentes en raison de
nombreuses confluences des oueds drainant des terrains quasi-dnuds et peu permables.
66 S. RIAD/ 2003
Station dAghbalou
Station dAnsegmir
La finalit de cette analyse systmique rside dans la caractrisation du systme par sa fonction de
transfert ou par le mcanisme qui modifie lentre et la sortie par une relation de cause effet. Cette
fonction est la rponse impulsionnelle du systme.
67 S. RIAD/ 2003
Ces mthodes s'inspirent directement des mthodes de traitement de signal dveloppes par A.
Mangin (1981, 1982, 1984 et 1988) au laboratoire souterrain de Moulis. Elles ont pour but d'extraire
l'information contenue dans les chroniques de pluie et de dbit reprsentant respectivement les fonctions
d'entre et de sortie du systme hydrologique tudi.
L'analyse des sries chronologiques est ralise soit dans le domaine temporel (analyse
corrlatoire), soit dans le domaine frquentiel (analyse spectrale). La structure des chroniques entres et
sorties est traite soit sparment (analyses simples), soit l'une par rapport l'autre (analyses croises).
68 S. RIAD/ 2003
x
Chroniqu
Chronique
t
0 1 2 3 4 m
=m
}k =1 }k =2 }k =3 6 k7 8
x0 x1 x0 x2 x0 x3 x0 xm
x1 x2 x1 x3 x1 x4 x 1 x m +1
x 2 x 3 x 2 x 4 x 2 x5 x2 xm+2
x3 x 4 x3 x5 x3 x 6 x3 x m +3
x 4 x5 x 4 x 6 x 4 x7 x4 xm+4
M M M M M M M M
r r1 r2 r3 rm
Corrlogramme
k
0 1 2 3 4 m
1 nk
Ck = ( xt x) ( xt +k x)
n 1
(11)
Avec :
k = 0, 1, 2, m
m est la troncature
n : longueur de la chronique (nombre dobservations)
rk = 1 lorsque k = 0
x i : processus tudi
69 S. RIAD/ 2003
Lorsqu'un corrlogramme tend rapidement vers zro, il caractrise une succession d'vnements
indpendants les uns des autres. Le phnomne ainsi analys pourrait tre considr comme un
processus quasi-alatoire. Par contre, un corrlogramme qui dcrot lentement indique un phnomne
plus structur donc un effet mmoire trs important. Cet effet mmoire se traduit par la notion de rserve
dans le cas des systmes hydrologiques (A. Mangin, 1982).
En outre, un systme hydrologique voit son pouvoir rgulateur augmenter de l'amont vers l'aval.
Les pertes de charges s'accentuent et la mmoire des vnements est de plus en plus importante. Cela
fournit des corrlogrammes de plus en plus tals de l'amont vers l'aval du systme.
b) Spectre simple
L'analyse spectrale permet de dcomposer l'information par rapport aux frquences. Elle
correspond la transforme de Fourier de la fonction d'autocorrlation dune fonction alatoire
stationnaire correspond la densit spectrale nergtique de cette fonction (Max, 1980). Cette densit
nest autre que la rpartition des variances suivant les frquences (Ventsel, 1973 in A. Mangin 1984).
Valable pour les fonctions alatoires stationnaires, la notion du spectre a t tendue aux fonctions
alatoires non stationnaires (Levine, 1973) (Fig. 26).
70 S. RIAD/ 2003
x
Chronique
Trois composantes :
a sculaire,
b saisonnire,
c alatoire
t
0 1 2 3 4 m
Var. c
Une approche non biaise de la transforme de Fourier de la fonction d'autocorrlation est fournie
par :
k =m
S f = 2 1 + 2 D (k ) r( k ) cos 2 f k (12 )
k =1
o :
k = 0, 1, 2, , m
f : frquence considre (si le pas choisi est, f = j /2 m , j = 0,1,2,3,, m)
D(k ) : fonction de pondration (ou filtre) ncessaire pour que la valeur estime S f soit non
71 S. RIAD/ 2003
C xy (k )
r+ k = rxy (k ) =
S X .S y
avec C xy (k ) =
1 nk
(
xi x y i +k y
n i =1
)( ) (14)
C yx (k )
(y )( )
nk
1
r k = r yx (k ) = avec C yx (k ) = i y xi+k x (15 )
S x .S y n i =1
(x ) (y )
2 2
1 n
1 n
S x2 = i x et S y2 = i y (16 )
n i =1 n i =1
72 S. RIAD/ 2003
Si le signal d'entre est structur, alors le corrlogramme crois fera apparatre les priodicits.
Si le corrlogramme crois est symtrique, alors les processus choisis comme tant les entres et
les sorties peuvent tre relis par une mme cause.
b) Spectre crois
Il correspond la dcomposition de la covariance entre les entres et les sorties dans le domaine
frquentiel. C'est la transforme de Fourier du corrlogramme crois. Le corrlogramme crois n'tant
pas symtrique pour les valeurs de -k et de +k, le spectre est exprim par un nombre complexe.
S c ( f ) = k xy ( f ) iq xy ( f ) (17)
[
* spectre crois = fonction d'amplitude { S xy ( f ) }* fonction de phase { exp i xy ( f ) } ]
[ ]
S c ( f ) = S xy ( f ) . exp i xy ( f ) (20)
Fonction de phase : xy ( f )
Fonction d'amplitude
La fonction damplitude reprsente la variation de la covariance entre-sortie pour diffrentes
frquences. Elle exprime la faon dont le signal entre-sortie a t modifi par le systme (Fig. 27).
sortie et par consquent l'interprtation des autres fonctions (fonction de phase, de cohrence et de gain)
n'est plus significative.
73 S. RIAD/ 2003
Sxy
Fonction de phase
La fonction de phase exprime le dphasage entre-sortie pour chaque frquence (Fig. 28).
q xy2 ( f )
xy ( f ) = arctan g 2 (22)
k ( f )
xy
Le dphasage en jours est calcul partir de la formule suivante :
= 2 f ( 23 )
O :
: le dphasage entre-sortie en jour
: valeur du spectre (valeur de la fonction de phase pour la frquence de coupure)
f : frquence de coupure.
Dans le calcul, la frquence f doit tre dfinie dans le domaine frquentiel o la relation entre-
sortie est significative, domaine qui est exprim par la fonction d'amplitude.
xy
74 S. RIAD/ 2003
c) Fonction de cohrence
La fonction de cohrence nous renseigne sur la linarit du systme. Elle est assimile une
intercorrlation entre les vnements l'entre et la sortie du systme dans le domaine frquentiel (Fig.
29). Dans le cas d'un systme non linaire, les sorties ne sont pas proportionnelles aux entres, le
coefficient de cohrence sera infrieur 1.
Elle est dfinie donc par la formule suivante :
S xy ( f )
C xy ( f ) = (24)
S x ( f ) SY ( f )
Cette fonction exprime la liaison entre-sortie ainsi que la linarit de cette relation. En
hydrologie, une bonne linarit d'un systme hydrologique est explique par le fait qu'une forte pluie
engendre une forte crue, l'inverse d'un systme non linaire o une forte pluie ne se manifeste pas par
une forte crue mais par une importante mise en rserve.
Cxy (f)
75 S. RIAD/ 2003
gxy (f)
Amplification
Attnuation
f
76 S. RIAD/ 2003
r r
1,0 1
0,9 0,9
0,8 0,8
0,7 0,7
0,6 Co rrlo gramme 0,6 Co rrlo gramme
0,5 0,5
0,4 0,4
0,3 0,3
0,2 0,2
0,1 0,1
0,0 k 0 k
-0,1 0 10 20 30 40 50 60 70 80 90 100 110 120 -0,1 0 100 200 300 400 500 600 700 800 900 1000 1100 1200
-0,2 -0,2
S (f) S (f)
10 10
9 9
8 8
7 7
Spectre de densit de variance Spectre de densit de variance
6 6
5 5
4 4
3 3
2 2
1 1
0 f 0 f
0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48 0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48
Fig. 31: Analyse de la chronique des pluies la station Fig. 32: Analyse de la chronique des pluies la
dAnsegmir du 01/09/1973 au 31/08/1994 station dAnsegmir du 01/09/1973 au 31/08/1994
(m = 125 jours) (m = 1250 jours)
Lanalyse long terme montre que le corrlogramme traduit lexistence dun cycle annuel ( rk
pour 365 jours est de 0,236) qui est peu visible dans le corrlogramme de la pluie, son importance est li
celle des rserves. Le spectre montre des variations priodiques reprsentes par trois pics dont deux
sont importants. Le pic de plus forte amplitude est centr sur 357 jours (cycle annuel), le deuxime
damplitude moyenne est centr sur 192 jours et le troisime de faible importance centr sur 125 jours
(Fig. 34). Cest en effet pervers d au fait que la saison des pluies arrive brutalement, le signal pluie est
donc discontinu et dans ce cas le passage la transforme de Fourier apparat en dbut de spectre.
77 S. RIAD/ 2003
0,3 0,3
0,2 0,2
0,1 0,1
0 k 0 k
-0,1 0 10 20 30 40 50 60 70 80 90 100 110 120 -0,1 0 100 200 300 400 500 600 700 800 900 1000 1100 1200
-0,2 -0,2
S (f) S (f)
10 10
9 9
8 8
7 7
Spectre de densit de variance 6 Spectre de densit de variance
6
5 5
4 4
3 3
2 2
1 1
0 f 0 f
0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48 0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48
Fig. 33: Analyse de la chronique des dbits la station Fig. 34: Analyse de la chronique des dbits la
dAnsegmir du 01/09/1973 au 31/08/1994 station dAnsegmir du 01/09/1973 au 31/08/1994
(m = 125 jours) (m = 1250 jours)
c) Analyse croise
Lanalyse croise permet dtudier la relation pluie-dbit. Elle a t effectue entre les pluies et les
dbits moyens journaliers enregistrs la station dAnsegmir. Le corrlogramme crois fournit une
assez bonne image de la rponse impulsionnelle, donc de lhydrogramme unitaire. Il est trs complexe.
Il prsente une allure pointue qui caractrise le systme faible pouvoir rgulateur possdant un rseau
de drainage bien dvelopp. La forme pointue correspond des mcanismes de ruissellement de surface
rapide. La dcroissance tmoigne de limportance des rserves du systme tudi. On note plusieurs
ruptures de pente lors de la dcroissance qui traduisent des retards dans les apports de loued. La
dcroissance indique la prsence de plusieurs pics lors de la dcrue (Fig. 35).
r
0,25
0,2
0,15
0,1
0,05
-k 0 k
-125 -100 -75 -50 -25 0 25 50 75 100 125
-0,05
78 S. RIAD/ 2003
Fig. 36: Fonction de cohrence de la station dAnsegmir Fig. 37: Fonction de gain de la station dAnsegmir
pour la priode de 1973 1994 pour la priode de 1973 1994
A long terme (fentre dobservation de 10 1250 jours), le corrlogramme est reprsent par une
fonction presque constante de valeur nulle. Le cycle annuel est bien marqu. Le spectre prsente des
pics de faible amplitude, le plus important dpasse S (f) = 4 et qui correspond au cycle annuel de 365
jours (Fig. 39).
79 S. RIAD/ 2003
r
1 r
1
0,9
0,9
0,8
0,8
0,7
0,7
0,6
0,6
Co rrlo gramme Co rrlo gramme
0,5 0,5
0,4 0,4
0,3 0,3
0,2 0,2
0,1 0,1
0 k 0 k
-0,1 0 10 20 30 40 50 60 70 80 90 100 110 120 -0,1 0 100 200 300 400 500 600 700 800 900 1000 1100 1200
-0,2 -0,2
S (f) S (f)
10 10
9 9
8 8
7 7
Spectre de densit de variance Spectre de densit de variance
6 6
5 5
4 4
3 3
2 2
1 1
0 f 0 f
0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48 0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48
Fig. 38: Analyse de la chronique des pluies la station Fig. 39: Analyse de la chronique des pluies la
dAghbalou du 01/09/1975 au 31/08/1996 station dAghbalou du 01/09/1975 au 31/08/1996
(m = 125 jours) (m = 1250 jours)
Lanalyse long terme des dbits montre sur le corrlogramme des variations cycliques. Cela
correspond un cycle annuel. Le spectre montre plusieurs pics qui ntaient pratiquement pas visibles
dans lanalyse court terme. Le pic annuel 0.028 j-1 (357 jours) est dominant. Cest le cycle annuel
avec un pas de 125 jours (Thorme de Shannon) (Fig. 41).
80 S. RIAD/ 2003
r
1 r
1
0,9
0,9
0,8
0,8
0,7
0,7
0,6 Co rrlo gramme Co rrlo gramme
0,6
0,5
0,5
0,4
0,4
0,3 0,3
0,2 0,2
0,1 0,1
0 k 0 k
0 10 20 30 40 50 60 70 80 90 100 110 120 -0,1 0 100 200 300 400 500 600 700 800 900 1000 1100 1200
-0,2
S (f) S (f)
10 10
9 9
8 8
7 7
Spectre de densit de variance Spectre de densit de variance
6 6
5 5
4 4
3 3
2 2
1 1
0 f 0 f
0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48 0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48
Fig. 40: Analyse de la chronique des dbits la station Fig. 41: Analyse de la chronique des dbits la
dAghbalou du 01/09/1975 au 31/08/1996 station dAghbalou du 01/09/1975 au 31/08/1996
(m = 125 jours) (m = 1250 jours)
c) Analyse croise
Lanalyse croise a t effectue entre les pluies et les dbits enregistrs au niveau de la station
dAghbalou. Le corrlogramme crois prsente une rponse faible mais tale. Cest la caractristique
dun systme dont les variations des rserves voluent lentement. Il ne fournit pas de rponse
impulsionnelle importante (Fig. 42).
r
0,5
0,4
0,3
0,2
0,1
-k 0 k
-125 -100 -75 -50 -25 0 25 50 75 100 125
-0,1
81 S. RIAD/ 2003
R x,y
C x,y
1 2
0,9 1,8
0,7 1,4
0,2 0,4
0,1 0,2
0 f 0 f
0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48 0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48
Fig. 43: Fonction de cohrence de la station dAghbalou Fig. 44: Fonction de gain de la station dAghbalou
pour la priode de 1975 1996 pour la priode de 1975 1996
A long terme (fentre dobservation de 10 1250 jours), le corrlogramme des pluies est
reprsent par une fonction constante de valeur presque nulle. Le cycle annuel nest pas marqu, donc
aucune priodicit nest dcelable. Le spectre de densit de variance ne montre aucun pic important que
ce soit pour les basses ou les hautes frquences (Fig. 46). On peut considrer que la pluie dans cette
rgion prsente un caractre quasi-alatoire.
82 S. RIAD/ 2003
r r
1 1
0,9 0,9
0,8 0,8
0,7 0,7
0,6 Corrlogramme 0,6
Corrlogramme
0,5 0,5
0,4 0,4
0,3 0,3
0,2 0,2
0,1 0,1
0 k 0 k
-0,1 0 10 20 30 40 50 60 70 80 90 100 110 120 -0,1 0 100 200 300 400 500 600 700 800 900 1000 1100 1200
-0,2 -0,2
S (f)
S (f)
10 10
9 9
8 8
7 7
6 6
Spectre de densit de variance Spectre de densit de variance
5 5
4 4
3 3
2 2
1 1
0 f 0 f
0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48 0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48
Fig. 45: Analyse de la chronique des pluies la station Fig. 46: Analyse de la chronique des pluies la
de Foum Tillicht du 01/09/1975 au 31/08/1994 station de Foum Tillicht du 01/09/1975 au 31/08/1994
(m = 125 jours) (m = 1250 jours)
A long terme (fentre dobservation de 10 1250 jours), le corrlogramme montre une variation.
Cependant, le spectre indique une priodicit annuelle denviron 365 jours. Lapparition de cette
priodicit annuelle dans la chronique des dbits est trs nette, alors quelle est absente dans celle des
pluies. Ceci est li aux caractristiques hydrodynamiques du systme tudi. Lanalyse des donnes
pluviomtriques a montr que les priodes pluvieuses ne sont pas toujours situes la mme poque
dune anne lautre (Fig. 48).
83 S. RIAD/ 2003
r r
1 1
0,9 0,9
0,8 0,8
0,7 0,7
0,6 0,6
Co rrlo gramme Co rrlo gramme
0,5 0,5
0,4 0,4
0,3 0,3
0,2 0,2
0,1 0,1
0 k 0 k
0 10 20 30 40 50 60 70 80 90 100 110 120 -0,1 0 100 200 300 400 500 600 700 800 900 1000 1100 1200
S (f) S (f)
50 10
45 9
40 8
357
35 7
30 Spectre de densit de variance 6 Spectre de densit de variance
25 5
20 4
15 3
10 2
5 1
0 f 0 f
0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48 0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48
Fig. 47: Analyse de la chronique des dbits la station Fig. 48: Analyse de la chronique des dbits la station
de Foum Tillicht du 01/09/1975 au 31/08/1994 de Foum Tillicht du 01/09/1975 au 31/08/1994
(m = 125 jours) (m = 1250 jours)
c) Analyse croise
La forme de corrlogramme crois montre une partie de lhydrogramme peu tale pour les
valeurs de r < 0,1 et une partie pour les valeurs de r > 0.1 o lhydrogramme crot puis dcrot
rapidement. Ceci explique la rponse impulsionnelle du systme. Par consquent, le systme de loued
Sidi Hamza est le sige dun coulement de surface rapide (hydrogramme pointu) possdant un pouvoir
rgulateur faible, auquel sajoute un coulement souterrain (hydrogramme relativement tal) avec un
pouvoir rgulateur relativement important. A long terme, il montre des priodicits annuelles (Fig. 49).
r
0,3
0,25
0,2
0,15
0,1
0,05
-k 0 k
-125 -100 -75 -50 -25 0 25 50 75 100 125
-0,05
84 S. RIAD/ 2003
Fig. 50: Fonction de cohrence la station de Foum Fig. 51: Fonction de gain la station de Foum
Tillicht du 01/09/1975 au 31/08/1994 Tillicht du 01/09/1975 au 31/08/1994
A long terme (fentre dobservation de 10 1250 jours), lanalyse ralise nindique aucune
priodicit mme annuelle, par contre le court terme dnote un effet saisonnier. Ce point sexplique par
le fait que la saison des pluies arrive des dates variables avec un caractre alatoire long terme. Par
consquent, la pluie prsente un caractre quasi- alatoire (Fig. 53).
85 S. RIAD/ 2003
r
1 r
1
0,9
0,9
0,8
0,8
0,7
0,7
0,6
0,6
0,5 Co rrlo gramme Co rrlo gramme
0,5
0,4
0,4
0,3 0,3
0,2 0,2
0,1 0,1
0 k 0 k
-0,1 0 10 20 30 40 50 60 70 80 90 100 110 120 -0,1 0 100 200 300 400 500 600 700 800 900 1000 1100 1200
-0,2 -0,2
S (f) S (f)
10 10
9 9
8 8
7 7
Spectre de densit de variance Spectre de densit de variance
6 6
5 5
4 4
3 3
2 2
1 1
0 f 0 f
0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48 0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48
Fig. 52: Analyse de la chronique des pluies la station Fig. 53: Analyse de la chronique des pluies la station
dAit Bouijjane du 01/09/1973 au 31/08/1994 dAit Bouijjane du 01/09/1973 au 31/08/1994
(m = 125 jours) (m = 1250 jours)
A long terme, une dcroissance trs rapide du corrlogramme traduit un effet mmoire faible et
une mise en rserve souterraine nulle. Le spectre ne montre aucun pic traduisant des composantes
priodiques. Le spectre de densit de variance est assimilable un bruit de fond (Fig. 55).
86 S. RIAD/ 2003
-0,2
S (f) S (f)
10 12
9 11
10
8
9
7
Spectre de densit de variance 8 Spectre de densit de variance
6 7
5 6
4 5
4
3
3
2
2
1 1
0 f 0 f
0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48 0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48
Fig. 54: Analyse de la chronique des dbits la station Fig. 55: Analyse de la chronique des dbits la station
dAit Bouijjane du 01/09/1973 au 31/08/1994 dAit Bouijjane du 01/09/1973 au 31/08/1994
(m = 125 jours) (m = 1250 jours)
c) Analyse croise
Le corrlogramme crois pluie-dbit est assimilable la rponse impulsionnelle du systme. Il
montre une monte et une descente rapides et trs peu tales, ce qui indique que la rponse aux
impulsions pluie est rapide. Le systme neffectue pas un filtrage de la pluie (Fig. 56).
r
0,5
0,4
0,3
0,2
0,1
-k 0 k
-125 -100 -75 -50 -25 0 25 50 75 100 125
-0,1
87 S. RIAD/ 2003
C x,y R x,y
1 2
0,9 1,8
0,8 Fo nctio n de co hrence 1,6 Fo nctio n de gain
0,7 1,4
0,6 1,2 amplification
0,5 1
0,4 0,8 attnuation
0,3 0,6
0,2 0,4
0,1 0,2
0 f 0 f
0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48 0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48
Fig. 57: Fonction de cohrence la station dAit Fig. 58: Fonction de gain la station de dAit
Bouijjane du 01/09/1973 au 31/08/1994 Bouijjane du 01/09/1973 au 31/08/1994
Tous ces rsultats montrent que tous les oueds tudis ne fonctionnent pas de la mme faon,
certains possdent des possibilits de rgulation et demmagasinement des rserves deau souterraine en
quantits non ngligeables, dautres non. Lanalyse des relations pluie-dbit par lACS au niveau des
diffrents bassins versants montre aussi une prdominance de lcoulement superficiel, ceci est en
liaison avec la nature des formations argileuses qui affleurent au niveau de ces bassins.
Le tableau 16 rcapitule la synthse des rsultats de lanalyse corrlatoire et spectrale (ACS) pour
chaque bassin versant tudi.
88 S. RIAD/ 2003
III.4.4. Conclusion
Lapplication de la mthode des analyses corrlatoire et spectrale aux chroniques des dbits et des
pluies des diffrents systmes hydrologiques de surface a permis de dgager les observations suivantes
synthtises dans le tableau 16 prcdent :
Le bassin versant de loued Ansegmir la station dAnsegmir montre une importance des rserves
en eau souterraine avec un bon stockage pendant les priodes pluvieuses. On note des retards dans les
apports de loued.
Le bassin versant de loued Ourika la station dAghbalou prsente un bon stockage en eau
pendant la seule priode hivernale puis un dstockage en priode estivale.
Le bassin versant de Ziz la station de Foum Tillicht dispose dune certaine rserve qui lui permet
de rgulariser son rgime en priodes de basses eaux.. Les rserves sont situes dans une zone
superficielle de laquifre multicouche du Jurassique moyen (Dogger : calcaires marneux). Ceci permet
aux annes excdentaires de compenser les annes dficitaires. Le rgime de ce systme est rgularis et
prenne. Le systme de Sidi Hamza est le sige de deux types dcoulements : un coulement de surface
rapide (hydrogramme pointue) possdant un pouvoir rgulateur faible, et un coulement souterrain
(hydrogramme tal) avec un pouvoir rgulateur important.
Le bassin versant de loued Rhris la station dAit Bouijjane ne contrle quune composante de
lcoulement savoir lcoulement de surface et il possde en profondeur un systme de drainage trs
dvelopp. Malgr la vgtation intense qui pourrait favoriser lvapotranspiration le long de loued
Todrha, il reste toujours une quantit deau pour linfiltration qui contribue lalimentation des rserves
89 S. RIAD/ 2003
IV. CONCLUSION
Lanalyse statistique des donnes physiographiques a permis de comparer et didentifier les
groupes daffinits entre les diffrents bassins versants et dapprhender les liens qui peuvent exister
entre les diffrents paramtres laide des analyses multidimensionnelles (ACP et AFD) ainsi que par le
modle de la rgression linaire pour dterminer la relation des coulements superficiels avec les
paramtres physiques de chaque bassin hydrologique.
Lanalyse statistique des pluies et des dbits a mis en vidence une variabilit notable dans
lespace et dans le temps des coulements superficiels et des prcipitations au sein de chaque bassin
versant, situ dans des contextes gologiques et climatiques diffrents.
Les ajustements statistiques nous a permis de detrminer les meilleurs lois des sries de dbit de
crue pour chaque bassin versant analys ainsi que les priodes de retour.
Les analyses corrlatoire et spectrale (ACS) ont permis la caractrisation de chaque systme
hydrologique par tude de la relation entre les entres (pluies) et les sorties (dbits) en assimilant le
systme une "bote noire". LACS reste un outil descriptif, et non une simulation exacte de la ralit,
par consquent, on utilisera dautres mthodes, telle que la modlisation des coulements qui peut
prendre en compte plusieurs paramtres physiques du bassin.
La dmarche mthodologique propose a permis de faire une synthse sur le mode de
fonctionnement hydrologique des bassins versants analyss sur la base doutils statistiques trs
diffrents, dont chacun apporte des lments dinformations plus spcifiques.
Les rsultats issus de ces mthodes peuvent tre utiliss, afin daborder la modlisation des
fonctions pluie-dbit par application des modles linaire et non linaire (MERO et RNA ou ANN) pour
la simulation et la prvision hydrologique.
90 S. RIAD/ 2003
me
3 PARTIE :
MODELISATION DES FONCTIONS
PLUIE-DEBIT
91 S. RIAD/ 2003
Nous prsentons dans cette partie la modlisation des fonctions pluie-dbit laide de
lutilisation du modle de simulation numrique rservoirs (MMO8) et le modle non linaire de
rseaux de neurones artificiels (RNA). Le premier modle a t appliqu pour la simulation des dbits
lexutoire et le deuxime modle est utilis pour la prvision hydrologique.
Avant dentamer cette modlisation, on va tout dabord donner un bref aperu sur les diffrents
modles hydrologiques frquemment utiliss pour la simulation et la prvision des dbits au niveau des
exutoires des bassins versants ainsi dcrire le mode de fonctionnement des deux modles appliqus.
92 S. RIAD/ 2003
Ils reprsentent des modles bass sur la connaissance et la modlisation des phnomnes
physiques du bassin versant. En hydrologie, les modles conceptuels sont souvent utiliss, par exemple
pour tendre des sries courtes de dbits et pour dterminer des caractristiques statistiques de
lcoulement.
I.3. Modles globaux (ou stochastiques)
Lapproche stochastique permet de passer outre les limites des connaissances physiques du
systme. Elle prend seulement en compte laspect alatoire des phnomnes. Contrairement aux
modles dterministes, les modles globaux fonctionnent comme des "botes noires", c.--d. sans
aucune considration de la structure interne du systme. Elle simule les variations observes des
sorties sans essayer de dcrire le processus physique qui existe derrire ces observations.
Les modles globaux mettent laccent sur la comprhension de la relation structurelle rgissant
les variables de sortie du bassin (dbits) et les observations des variables dentre. Ils caractrisent
globalement les relations pluie-dbit par des traitements de sries chronologiques o nintervient en
gnral aucune donne sur la nature physique du bassin (Ambroise, 1991) : Cest typiquement le cas
des modles rgressifs pluie-dbit, des mthodes bases sur les fonctions de transfert, comme celle de
lhydrogramme unitaire (Sherman, 1932) et les modles stochastiques. Un modle global peut tre une
bote noire : dans la mesure o il produit des prvisions prcises, il importe peu de comprendre sa
structure interne. Lutilisation rcente des rseaux de neurones artificiels (Hsu et al., 1995) relve
galement de cette catgorie.
93 S. RIAD/ 2003
Avec :
j = le numro dordre de lunit de stockage (aquifres superficiels ou profonds, surfaces de
ruissellement),
Q 0, j = le dbit initial au dbut du cycle hydrologique de la jme unit,
1
t 0, j = le coefficient du temps de tarissement de la jme unit ( t 0, j = )
j
La dcharge Q dune unit de stockage est proportionnelle au changement de volume ( V ) et la
variation de la surface pizomtrique ( h ) des nappes, do :
Le dbit restitu par un systme aquifre peut scrire de la forme suivante :
n n dh j n
= Q j (t )
dV
j =1 dt
= S j . Aj .
j =1 dt j =1
(27)
Avec :
h j = la profondeur moyenne de la nappe pour la jme unit,
t = le temps,
S j = le coefficient demmagasinement de la jme unit,
peut prendre place estim partir des cartes gologiques puis rajuste au cours du calage
du modle.
Do :
Q j (t ) t 1
=e t0
= e 1 = 0,3678 pour t = t 0 = (29)
Qo , j j
94 S. RIAD/ 2003
La sparation des caractristiques de variation des dbits se fait par analyse des hydrogrammes.
Cette mthodologie a t applique au bassin versant de loued Ourika la station dAghbalou afin de
simuler le dbit lexutoire.
II.3. Fonctionnement du modle
Les donnes de base utilises pour la simulation sont les pluies, les dbits et les valeurs de
lvapotranspiration potentielle (ETP) par dcade (calcule par la mthode de Thornthwaite). Dautres
paramtres sont lis la morphologie (paramtres de forme) et aux coulements (paramtres
hydrodynamiques et dinfiltration) qui sont modifiables par ajustements successifs au cours des essais
de calage du modle. Celui-ci a ncessit de nombreuses simulations au cours desquelles ont t
testes plusieurs hypothses hydrologiques relatives la variation de chaque paramtre considr dans
le modle.
Les paramtres du modle utiliss dans la simulation des coulements comportent :
Paramtres de forme :
Les surfaces topographiques et de recharge sont :
La surface totale du bassin en km (A4)
Les superficies des terrains permables en km : aquifre principal (A1) et aquifre secondaire
(A2)
Les formations semi-permables (A3)
Paramtres hydrodynamiques et dinfiltration :
Paramtres hydrodynamiques :
Valeurs du temps de tarissement des diffrentes units : obtenues par analyse des hydrogrammes
(dcrue et tarissement)
Pendant la dure de ce coefficient de temps, le dbit du rservoir est rduit des 2/3. On note les
coefficients de temps de tarissement suivants (en jours) : de laquifre principal (to1), de laquifre
secondaire (to2), de lunit coulement retard hypodermique (to3) et de lunit de ruissellement dont
lcoulement est d une concentration rapide (to4),
Paramtres dinfiltration
Linterception des eaux de surface (UST en mm)
Les paramtres rgulateurs de linfiltration portent sur la capacit de rtention des sols :
* quivalent maximal de la capacit au champ ou de la limite de rtention capillaire (LCF en mm)
= 1er rservoir de lhypothse de MERO
* quivalent de lhumidit maximale de la totalit du sol et de leau de rtention capillaire (LST en
mm)
* valeur initiale de lhumidit du sol dans le 1er rservoir (L1 en mm)
95 S. RIAD/ 2003
* valeur limite de linfiltration de surface sur les zones permables (P0 en mm)
* valeur limite de linfiltration de surface sur les zones impermables et semi-permables (Q0 en mm)
* facteur de proportionnalit agissant sur la fonction de rgulation du ruissellement CT entre 0.5 et 1
* valeur limite de la hauteur de pluie journalire quand la rduction de lETP est ralise (RPE en mm)
* temps de concentration des coulements hypodermiques et de surface en demi-journes (SND en
jours)
* paramtre de variation saisonnire de la valeur (UST)
* paramtre de variation saisonnire de la valeur (LFC en mm)
* paramtre de rgulation de la vidange des eaux souterraines (DM en jours)
* exposant de la fonction rgulant lvaporation EX entre 1.5 et 2
* valeur initiale du dbit du rservoir principal S1IN (m3/s)
* valeur initiale du dbit du rservoir secondaire S2IN (m3/s).
Le programme de calcul restitue respectivement :
au pas journalier :
- les valeurs de dbit calcul des quatre units de stockage ainsi que le dbit total lexutoire,
- les prcipitations
- la lame dinfiltration,
- lhumidit des horizons L1 et L2 du milieu,
- le dbit total mesur la station hydromtrique.
au pas mensuel :
- les diffrents dbits signals ci-dessus (exprims en volume),
- la pluie totale,
- la lame dinfiltration cumule,
- le coefficient de corrlation entre les dbits mesurs et simuls.
au pas annuel :
- les diffrents types de dbits cits prcdemment,
- la pluie totale,
- la lame dinfiltration totale,
- la lame ruissele totale,
- lETP et lETR annuelle.
Le dbit simul par le modle MMO8 est essentiellement li ltat des resserves dans chacune
des units en fonction de leur temps de tarissement. Le mode de fonctionnement du modle MERO est
illustre dans le schma simplifie de la figure 59 (Lallahem., 2002).
96 S. RIAD/ 2003
1er rservoir
de rgulation L1
2me rservoir
de rgulation
L2
Aquifre principal
t01
A1
Aquifre secondaire
t02
A2
Formation
t03
semi permable A3
Formation
imprmable
A4 t04
97 S. RIAD/ 2003
70
Dbit simul
60 Dbit observ
50 Pluie en mm
Dbit (m /s)
3
40
30
20
10
0
1
22
43
64
85
106
127
148
169
190
211
232
253
274
295
316
337
358
Temps en jours
Fig. 60: Comparaison des hydrogrammes des dbits simuls et observs (1972-1973)
Leffet limitant de cette simulation est li lexistence dune seule station de mesure qui est la
plus quipe, situ en montagne et laval du bassin versant de loued Ourika, une altitude de 1000m
(station dAghbalou). Aussi les rsultats auraient pu tre meilleurs avec un rseau de stations
climatiques rparties sur tout le massif montagneux. Il faut noter galement lexistence dun manteau
neigeux en montagne dont la fusion intervient entre mars et mai.
98 S. RIAD/ 2003
X 1 W 1 (Poids
)
Xi Wi
Wi
Xi S
Wn
X n
99 S. RIAD/ 2003
Dendrite
Soma
(Corps cellulaire)
Axone
Synapse
Noyau cellulaire
Fig. 62: Schma dun neurone biologique
Le tableau suivant rsume lanalogie entre les neurones biologiques et artificiels (Tab. 18).
Avec S j : somme des poids entre les entres du j me neurone de la couche cache ; X i : valeur de
La rponse des neurones est une fonction dactivation non linaire de type sigmode qui est
dfini par la formule suivante :
f (S j ) =
1
S j
(31 )
1+ e
f ( S j ) est pratiquement linaire entre 0 et 1.
Les valeurs des variables dentre ont t normalises entre [0, 1] par le modle selon lquation
suivante :
X X min
X = ( 32 )
X max X min
Avec : X est la valeur de la variable dentre, X min est sa valeur minimale, X max est sa valeur
Dautres auteurs ont appliqu avec succs les mthodes neuronales pour la prvision des sries
chronologiques dans diffrents domaines (Chen et al., 1990, Chakraborty et al., 1992, Hoptroff., 1993,
Zhang., 1994, Hu et al., 2001) et dans la caractrisation des pollutions de sol (Dan et al., 2002). Dans
le domaine de lhydrogologie, les rseaux de neurones sont utiliss pour la prvision de la turbidit de
leau dans un milieu karstique (Beaudeau et al., 2000), et pour dterminer les paramtres qui
influencent les dbits des sources, pour la simulation et la prvision des dbits dans un milieu crayeux
fissur (Lallahem et Mania., 2002a & 2002g).
Le rseau de neurones utilis dans notre tude est un rseau trois couches : une couche dentre
qui recevra les donnes source que lon veut utiliser pour lanalyse, une seule couche cache constitue
par lensemble de neurones des sorties de la couche dentre et une couche de sortie qui donne le
rsultat obtenu aprs compilation par le rseau des donnes entrant dans la premire couche (Fig. 63).
La fonction de transfert applique est de type sigmode. Le rseau de neurones utilis est lalgorithme
de rtropropagation de lerreur qui correspond au Perceptron multicouche (Rumelhart et al., 1986).
Dans ce travail, lutilisation dune seule couche cache est suffisante pour le modle de RNA
(Cybenko., 1989, Hornik et al., 1989). Dans la majorit des cas, pour limiter le temps de calcul et
surtout lorsque les rsultats sont en gnral satisfaisants, cest un rseau une seule couche cache qui
est utilis. Ce type de rseau de neurones est appel un rseau multicouche ou feedforward (FNN).
Parfois laddition dune couche cache na pas diminu lerreur et elle fait dcliner la
performance et la convergence du modle. Les meilleurs rsultats de la simulation avec bonne
convergence et performance du modle sont obtenus dans le cas dutilisation dune seule couche
cache (Lallahem., 2002).
Rt
Variables d'entre
Rt-1
. ..
Qt+1
Qt
W jk
Qt-1
. ..
W ij
X 1 W1 (Poids)
1
Xi
Wi
Xi Wi + b S
Wn 0
X n
Fig. 63: Architecture du modle RNA trois couches utilise dans cette tude
{Qt+1} = ANN [Rt, Rt-1, Rt-2, Rt-3,, Rt+1, Qt, Qt-1, Qt-2, Qt-3,] (33)
Entre 60 80% de cet ensemble de donnes est utilis pour la phase dapprentissage, 10 20%
de donnes constituent la phase de test et les 10 20% de donnes restantes sont rserves pour la
phase de validation. La majeure partie des donnes est utilise dans la phase dapprentissage pour
fournir des rsultats trs satisfaisants et adquats.
IV.3. Critres de performance du modle
La modlisation par le rseau de neurones artificiels consiste trouver le nombre optimal de
neurones dans la couche cache ainsi le nombre ditrations pour aboutir au modle le plus performant
qui est dtermin par le minimum du nombre de nuds et ditrations. La performance du modle de
RNA est aussi valide par dautres paramtres statistiques des phases dapprentissage et du test et qui
correspondent au nombre optimal de neurones de la couche cache et du nombre ditrations.
Les paramtres statistiques utiliss dans ce travail sont : Lerreur moyenne des carrs ASE
(Average Squared Error), le coefficient de dtermination R2 et lerreur moyenne absolue et relative
MARE (Mean Absolute Relative Error). Ces paramtres sont donns par les relations suivantes :
( )
N 2
ASE = Qt i Q t i /N (34 )
i =1
(Qt )
N 2
i Q t i
R2 = 1 i =1
( 35 )
(Qt Q t)
N
2
i
i =1
Q t i Qt i
N
Qt
i =1
i
MARE = 100 (36)
N
O Qt i est la valeur mesure du dbit, Q i t est le dbit calcul par le modle, Qi t est le dbit moyen
Rt
Rt+1
Rt-1
Rt-2
Variables d'entre
Rt-3
Rt-4
Rt-5
Qt+1
Rt-6
Qt
Q t-1 W jk
Q t-2
Q t-3
Q t-4
Q t-5
Q t-6
W ij
X 1 W1 (Poids)
1
Xi
Wi
Xi Wi + b S
Wn 0
X n
Les rsultats rvlent que lerreur minimum ASE de la phase de test a t obtenue en utilisant un
nombre de deux annes (1993 et 1994) pour la phase dapprentissage et des deux jours prcdents (le
pas de temps sera de 2 jours) (Fig. 65).
0,00007
0,00007
A B
0,00006
0,00006
0,00005
0,00005
0,00004
ASE
0,00004
ASE
0,00003
0,00003
0,00002
0,00002
0,00001 0,00001
0 0
2 3 4 5 6 7 8 9 10 1 2 3 4 5 6
Nombre d'annes Nombre de jours
Fig. 65: Slection des variables dentre par ASE (Average Squared Error)
A : Nombre dannes, B : Nombre de jours
Les variables utilises donc lentre du rseau sont : Rt-1, Rt, Rt+1, Qt-1, Qt (Fig. 66). Dans ce
cas, la structure du modle de rseau de neurones peut tre exprime comme suit :
{Qt+1} = ANN [Rt-1, Rt, Rt+1, Qt-1, Qt] (38)
Le choix de ces variables dentre aboutit une meilleure convergence et performance du
modle.
Rt-1
Variables d'entre
Rt
Rt+1 .. Qt+1
.
Qt-1
W jk
Qt
W ij
X 1 W1 (Poids)
1
Xi
Wi
Xi Wi + b S
Wn 0
X n
Phase d'apprentissage
300
Phase de test
60
Paramtres Dbit observ Dbit simul
Dbit simul (m /s)
50
statistiques (m3/s) (m3/s)
3
Fig. 67: Comparaison entre les dbits observs et les dbits simuls par le modle de RNA
pour les phases dapprentissage et de test
Les paramtres statistiques pour la phase dapprentissage et la phase de test sont donns dans le
tableau (19) suivant :
ASE R MARE
Phase dapprentissage 0.000080 0.908 1.282%
Phase de test 0.000038 0.834 0.718%
0,00018
0,00016
0,00014
0,00012
ASE
0,0001
0,00008
0,00006
0,00004
0,00002
0
5 7 9 11 13 15 17 19 21
Nombre de neurones
Fig. 68: Evaluation de ASE en fonction du nombre de neurones dans la couche cache
En gnral, le nombre de neurones dans la couche cache (NHN : Number of Hidden Nodes) est
donne par lquation suivante :
N apprentissage N output 1
NHN =
N input + N output + 1 10
O :
N apprentissage : Nombre de donnes dans lapprentissage
N input : Nombre de donnes dans la couche dentre
N output : Nombre de donnes dans la couche de sortie
ASE R MARE
Apprentissage 0.000034 0.9243 1.857%
Test 0.000045 0.8802 0.874%
La comparaison des donnes simules et observes forment un nuage de points situ autour de la
droite linaire ( y = x) pour les diffrentes phases du modle de RNA. La figure 69 illustre les
diagrammes de donnes de dbits simuls t+1 pour les trois phases de modlisation respectivement
lapprentissage, le test et la validation. La droite de nuage de points est rpartie statistiquement selon
une orientation de 45 (autour de la droite y = x ). Les rsultats obtenus montrent une trs bonne
concordance explique par un coefficient de corrlation lev pour la phase dapprentissage, la phase
de test et la phase de validation. Ce qui indique que ces rsultats sont trs satisfaisants.
Les paramtres statistiques des valeurs estimes par le modle du rseau neural et ceux des
valeurs observes sont trs proches avec une amlioration notable du coefficient de variation pour les
dbits simuls.
Phase d'apprentissage
120
Paramtres Dbit observ Dbit simul
100
Dbit simul (m /s)
Phase de test
60
Paramtres Dbit observ Dbit simul
Dbit simul (m /s)
50
(m3/s) (m3/s)
3
statistiques
40 Moyenne 8.47 7.86
Courbe y = x
30 Ecart type 9.44 8.29
Minimum 0.8 2.2
20
Maximum 68.8 52.54
10 Coefficient 1.11 1.05
R = 0,880 de variation
0
0 10 20 30 40 50 60
3
Dbit observ (m /s)
Phase de validation
30
25
Dbit simul (m /s)
Fig. 69: Comparaison entre les dbits observs et les dbits simuls par le modle de RNA
pour les phases dapprentissage, de test et de validation
Pour la premire tape de modlisation, nous avons pris lensemble des donnes utilises
pendant lapprentissage et le test pour lapplication de la rgression linaire multiple. Les rsultats de
cette dmarche sont reprsents dans la figure 70.
300
250
Dbit simul (m /s)
3
200
150
100
50
R = 0,826
0
0 50 100 150 200 250 300
3
Dbit observ (m /s)
Fig. 70: Comparaison entre les dbits observs et les dbits simuls par le modle
de la Rgression Linaire Multiple RLM
Pour la deuxime tape de modlisation, les variables indpendantes sont : Rt-1, Rt, Rt+1, Qt-1 et
Qt, la variable dpendante est Qt+1.
La figure 71 montre les rsultats obtenus par le modle de rgression linaire multiple (RLM).
Lquation de rgression obtenue est la suivante :
Qt+1 = 0.06 Rt-1 + 0.147 Rt + 0.028 Rt+1 +0.016 Qt-1 + 0.882 Qt (37)
avec un coefficient de corrlation R = 0.914 (R = 0.8361) sur lensemble des donnes utilises dans le
modle du rseau de neurones artificiels.
120
3
80
Courbe y = x
60
40
20
R = 0,800
0
0 20 40 60 80 100 120
3
Dbit observ (m /s)
60
Dbit simul (m /s)
50
3
40
Courbe y = x
30
20
10
R = 0,852
0
0 10 20 30 40 50 60
3
Dbit observ (m /s)
30
25
Dbit simul (m /s)
3
20
Courbe y = x
15
10
5
R = 0,868
0
0 5 10 15 20 25 30
3
Dbit observ (m /s)
Fig. 71: Comparaison entre les dbits observs et les dbits simuls par le modle
de la Rgression Linaire Multiple RLM
Le tableau 21 illustre la comparaison des coefficients de corrlation entre les valeurs observes
et les valeurs estimes obtenus par les deux modles de prvision RNA et RLM. Les coefficients de
corrlation indiquent la meilleure performance et convergence du modle de rseaux de neurones par
rapport la rgression multiple.
Lavantage du rseau neuronal est qu partir des variables exognes on peut calculer plusieurs
variables endognes alors que la rgression linaire multiple ne permet de calculer quune seule
variable endogne la fois.
Tab. 21: Comparaison des coefficients de corrlation obtenus pour les modles de RNA et RLM
La modlisation par les rseaux de neurones artificiels indique une bonne corrlation entre les
valeurs observes et les valeurs estimes. Il en dcoule que le modle de RNA possde un meilleur
pouvoir prvisionnel en comparaison avec les modles classiques.
De nombreuses prvisions ont t effectues afin de dterminer les horizons de ces prvisions
par le modle du rseau neuronal. En augmentant le temps de prvision (t+2, t+3 t+4), on assiste
une diminution du coefficient de dtermination R entre les valeurs observes et celles estimes par
ANN respectivement pour les phases de validation, de test et dapprentissage (Fig. 72) et une
augmentation des erreurs ASE et MARE .
En consquence, les critres de performance de RNA sont dtriors ce qui mne une
divergence du modle en augmentant le temps de prvision des dbits (Tab. 22).
Tab. 22: Comparaison des critres de convergence pour diffrentes priodes de prvision
La figure 73 montre la comparaison entre les dbits simuls et observs pour la phase de
validation pour des priodes de prvisions successives t+2, t+3 et t+4. On note une dispersion du
nuage de points autour de la courbe y = x en augmentant le temps de prvision et on enregistre une
diminution de la corrlation entre les valeurs des dbits simuls et observs. Les erreurs de prvisions
saccumulent en augmentant le temps de prvision des dbits et par consquent le modle diverge.
Phase de validation
0,90
0,80
0,70
R
0,60
0,50
0,40
t+1 t+2 t+3 t+4
Temps de prvision
Phase de test
0,90
0,80
0,70
R
0,60
0,50
0,40
t+1 t+2 t+3 t+4
Temps de prvision
Phase d'apprentissage
0,90
0,80
0,70
R
0,60
0,50
0,40
t+1 t+2 t+3 t+4
Temps de prvision
Phase de validation
30
25
Dbit simul (m /s)
3
20
Courbe y = x
15
t+2
10
5
R = 0,811
0
0 5 10 15 20 25 30
3
Dbit observ (m /s)
Phase de validation
30
25
Dbit simul (m /s)
3
20
Courbe y = x
15
t+3
10
5
R = 0,670
0
0 5 10 15 20 25 30
Dbit observ (m3/s)
Phase de validation
30
25
Dbit simul (m /s)
3
20
Courbe y = x
15
t+4
10
5
R = 0,606
0
0 5 10 15 20 25 30
Dbit observ (m3/s)
Fig. 73: Comparaison entre les dbits simuls et observs t+2, t+3 et t+4
pour la phase de validation
Pour le choix des variables dentre du modle qui participent la prvision du dbit, nous avons
utilis la mme dmarche que prcdemment. Les rsultats obtenus montrent que le minimum derreur
de lASE pendant la phase de test est enregistr pour un nombre de dix annes (1983 et 1992) pour la
phase dapprentissage avec un dcalage de temps de 2 jours. Le test a t ralis sur lanne 1993 et la
validation effectue sur lanne 1994.
Le nombre optimal de neurones dans la couche cache est de 9 avec 1000 itrations. Ce qui
correspond au modle le plus performant avec un minimum derreur de ASE pendant la phase de test.
Le tableau 23 reprsente les valeurs de lensemble des paramtres statistiques pour la phase
dapprentissage, la phase de test et la phase de validation.
ASE R MARE
Apprentissage 0.000029 0.7152 2.563%
Test 0.000010 0.9361 3.773%
La figure 74 illustre les rsultats de la prvision des dbits de loued Ansegmir t+1
respectivement pour la phase dapprentissage, de test et de validation. A partir de ces rsultats, on
constate que le modle montre une convergence moyenne par rapport au bassin de loued Ourika.
Pendant la phase de validation (1994), la corrlation entre les dbits simuls et observs est
moins bonne (R = 0.419) due au fait quen 1994, il y avait des changements importants au niveau du
bassin qui sont non contenus dans les donnes dbimtriques et pluviomtriques tels que les
caractristiques lithologiques, la vgtation et dautres paramtres physiques du bassin.
Pour les phases dapprentissage et de test, cette corrlation est juge satisfaisante puisque lon
enregistre respectivement R = 0.715 et 0.936.
70 Phase d'apprentissage
60
Paramtres Dbit observ Dbit simul
Dbit simul (m /s)
50 (m3/s) (m3/s)
3
statistiques
40 Moyenne 1.69 1.94
Courbe y = x Ecart type 3.01 2.54
30
Minimum 0 0.88
20 Maximum 69.8 39.17
10 Coefficient 1.78 1.31
R = 0,715 de variation
0
0 10 20 30 40 3 50 60 70
Dbit observ (m /s)
Phase de test
15
Dbit simul (m /s)
statistiques
Moyenne 2.99 3.1
10 Courbe y = x
Ecart type 3.78 3.54
Minimum 0 0.88
5 Maximum 19.1 19.34
Coefficient 1.27 1.14
R = 0,936 de variation
0
0 5 10 3
15
Dbit observ (m /s)
Phase de validation
15
Dbit simul (m /s)
Fig. 74: Comparaison entre les dbits observs et les dbits simuls par le modle
pour les phases dapprentissage, de test et de validation
IV.5. Conclusion
Lapplication du modle des rseaux de neurones artificiels des donnes pluviomtriques et
dbimtriques journalires du bassin versant de loued Ourika la station dAghbalou permet
dobtenir de bonnes prvisions du dbit court terme (24 heures). Ce qui explique la haute
performance du modle dans la simulation des dbits des oueds situs en climat semi-aride aride.
Cette prvision, qui est base sur des informations de dbits et de pluies du pass et du prsent,
permettrait une meilleure gestion hydraulique afin de minimiser les risques dinondation au sein du
bassin versant tudi. Le modle des RNA possde un bon pouvoir prvisionnel de type pluie-dbit
pour le systme hydrologique tudi.
Le modle de rseau neuronal a t appliqu aussi au bassin versant de loued Ansegmir qui
prsente des caractristiques hydrologiques diffrentes afin de comparer les rsultats obtenus de la
modlisation pour la prvision des dbits des oueds situs dans des contextes gographiques diffrents.
Cette comparaison montre que le modle de RNA ragit en fonction des informations contenues dans
les donnes des dbits et de pluies choisies comme des variables dentre du modle sans une
connaissance dtaille du systme hydrologique.
Des applications de la mthodologie neuronale ont t faites pour dautres bassins versants
(Foum Tillicht et Ait Bouijjane) qui prsentent de trs faibles dbits. Les rsultats obtenus montrent
que le modle diverge avec une augmentation de lerreur ASE et une trs faible corrlation entre les
dbits observs et simuls (une valeur minime de R). Cette divergence est explique par la capacit du
modle RNA de faire des prvisions pour les forts trs forts dbits (cas des inondations).
Les rseaux de neurones constituent, pour la plupart des bassins versants, la meilleure approche
de modlisation pour la prdiction des dbits.
V. CONCLUSION
Deux types dapproches mathmatiques ont t utiliss dans la simulation et la prvision
hydrologique : lapproche dterministe (ou conceptuelle) intgrant le modle MERO (MMO8)
rservoirs pour la simulation numrique et lapproche empirique (ou stochastique) en utilisant le
modle des rseaux de neurones artificiels (RNA ou ANN) pour la prvision des coulements de
surface.
Loriginalit de ce travail de modlisation rside dans lutilisation des rseaux neuronaux
(approche connexionniste) qui sont fonds sur des modles qui tentent dtablir des relations entre les
paramtres dentre et de sortie par interconnections des neurones, pour les prvisions des dbits des
bassins versants situs en zone semi-arides au Maroc.
Lintrt de ces modles rside dans leur capacit dapprendre des relations complexes partir
de donnes numriques. Cest pourquoi le choix et lapplication dun modle neuronal demeure un
domaine de recherche trs actif contrairement aux modles stochastiques classiques.
Par comparaison avec dautres modles plus classiques, les rsultats obtenus indiquent que les
modles connexionnistes possdent un meilleur pouvoir prvisionnel. Le recours ces mthodes
neuronales plus complexes constitue donc une alternative pleinement justifie et privilgie dans le
domaine de la gestion prvisionnelle des ressources en eau de surface.
Le choix judicieux du vecteur dentre et de la taille du rseau (ou nombre total de couches et de
neurones dans la couche cache du rseau) constituent des tapes difficiles dans la dfinition de
larchitecture dun RNA, mais le choix de la structure du rseau (type dinterconnexion entre les
couches de neurones) reste plus facile effectuer parce quil nexiste que deux formes principales de
structure : la forme dite "feedforward" et la forme rcursive avec "feedback".
On note aussi quil existe une limite dans le temps des prvisions (horizons). En effet, les erreurs
de prvisions saccumulent en augmentant le temps de prvision des dbits et par consquent le
modle diverge. Cette divergence se traduit par une diminution du coefficient de corrlation obtenu
entre les valeurs observes et calcules.
Malgr ces difficults, la modlisation par les rseaux de neurones artificiels a abouti des
rsultats satisfaisants dans la prvision des phnomnes hydrologiques. Ce type de modle reprsente
comme un moyen trs puissant pour une gestion prvisionnelle des ressources en eau de surface en
rgions semi-arides particulirement en priode de crue.
Dun grand intrt socio-conomique, ce modle RNA aide les dcideurs faire des bonnes
prvisions de dbit essentiellement court terme comme dans notre cas (horizon des prvisions de 24
heures) et les appliquer dautres systmes hydrologiques de climat semi-aride o les risques
dinondation sont trs rpandus. Ces prvisions peuvent sinscrire dans un projet damnagement
permettant de prendre des prcautions utiles par installation de barrages, de prvoir des transferts deau
inter-bassins ou des recharges artificielles des nappes.
CONCLUSION GENERALE
CONCLUSION GENERALE
CONCLUSION GENERALE
CONCLUSION GENERALE
Le modle de la rgression multiple met en vidence la forte corrlation entre les dbits des
oueds (variable dpendante) et les pluies ainsi que les divers paramtres physiques caractristiques de
chaque bassin versant tudi (variables indpendantes ou explicatives). Lanalyse des corrlations
entre les dbits et les pluies montre un coefficient de corrlation linaire r de lordre de 0.91. La
dtermination des paramtres physiques les plus pertinents qui influencent lcoulement superficiel est
ainsi nettement conforte par ce modle statistique. Les rsultats de la rgression aboutissent tablir
cette relation troite (r = 0.98) qui existe entre le dbit et les autres paramtres caractristiques des
bassins versants.
CONCLUSION GENERALE
Le traitement statistique des sries chronologiques des dbits et des pluies montre que le rgime
dcoulement des diffrents oueds est trs irrgulier. Ltude des dbits des diffrents oueds a permis
de caractriser le rgime du ruissellement par la description de leur variation spatio-temporelle au
cours des annes dobservation. Ltude statistique des crues permet une estimation des dbits
extrmes pour diffrentes priodes de retour.
Lanalyse statistique des dbits de pointe annuels observs aux diffrentes stations de mesure
permet de reprsenter chaque dbit en fonction de son temps de retour. Le temps de retour correspond
la priode durant laquelle un dbit est atteint ou dpass en moyenne une fois.
Les ajustements effectus aboutissent des rsultats satisfaisants. Loued Ourika la station
dAghbalou prsente des dbits plus irrguliers avec un coefficient de variation trs lev (1.28) ce qui
permet dexpliquer le recours la loi Log Normale (Mthode de Maximum de Vraisemblance). Quant
aux autres bassins versants tudis (Ansegmir, Foum Tillicht et Ait Bouijjane), les chantillons des
donnes de dbit de crue analyss sadaptent mieux la loi Gamma (Mthode des Moments).
Lanalyse des sries chronologiques de pluie montre une alternance de priodes sches et de
priodes humides. Les prcipitations sont caractrises par une large variabilit aussi bien dans
lespace que dans le temps.
Lanalyse corrlatoire et spectrale comme critre descriptif des chroniques de dbit et de pluie
nous a apport de nombreuses informations sur la structure et le fonctionnement des systmes
hydrologiques tudis pour dterminer la relation pluie-dbit. LACS a mis en vidence les rserves
des bassins hydrologiques tudis. En effet, le bassin versant de loued Ansegmir la station
dAnsegmir montre dimportantes rserves en eau souterraine. Le bassin versant de loued Ourika la
station dAghbalou prsente un bon stockage en eau sur la seule priode hivernale.
Le bassin versant de Ziz la station de Foum Tillicht dispose dune certaine rserve qui lui
permet de rgulariser son rgime en priode de basses eaux. Ceci permet aux annes excdentaires de
compenser les annes dficitaires. Le systme de Sidi Hamza est le sige de deux types
dcoulements : un coulement de surface rapide (hydrogramme pointu) possdant un pouvoir
rgulateur faible, et un coulement souterrain (hydrogramme tal) avec un pouvoir rgulateur
important. Le bassin versant de loued Rhris la station dAit Bouijjane ne contrle quune
composante de lcoulement savoir lcoulement de surface et il possde en profondeur un systme
de drainage trs dvelopp.
CONCLUSION GENERALE
Cette analyse ACS a constitu une tape prliminaire importante la modlisation des eaux
superficielles. En effet, le modle MERO a t appliqu au bassin versant de loued Ourika pour la
priode moyenne 1972-1973. Il nous a permis de quantifier la contribution de chaque unit
hydrogologique aux rgimes des coulements globaux. Les rsultats de la simulation des dbits sont
jugs moyens, ils sont lis aux caractristiques particulires du bassin essentiellement gographiques
(zone montagneuse) et morphologiques (extension importante des formations granitiques altres et
fissures avec des pentes trs abruptes) qui donnent un aspect torrentiel aux valeurs de dbit.
Le modle de rseaux de neurones artificiels (RNA ou ANN) rtropropagation est une mthode
originale utilise pour les prvisions des dbits des bassins versants situs en zones semi-arides. Cette
mthodologie de modlisation a donn des rsultats tout fait significatifs pour le bassin versant de
loued Ourika (R = 0.9243 ; 0.8802 et 0.8724 respectivement pour lapprentissage, le test et la
validation).
Pour le bassin versant dAnsegmir, on note une moyenne convergence du modle qui se traduit
par un coefficient de corrlation fort entre les dbits simuls et observs pour la phase dapprentissage
et de test (R = 0.715 et 0.936), mais relativement faible (R = 0.4192) pour la phase de validation. Ceci
est d au fait que lensemble des donnes nest pas reprsentatif des conditions du bassin et que
linformation nest pas contenue dans ces donnes mais en liaison avec la priode de scheresse de
1994 qui a modifi les mcanismes de ruissellement et dinfiltration des sols ainsi que du couvert
vgtal.
La modlisation par les rseaux de neurones artificiels pour la prvision des dbits au niveau des
exutoires des bassins versants donne des rsultats cohrents et satisfaisants par rapport dautres
mthodes classiques (modle de rgression multiple et rservoirs) utilises dans les rgions climat
semi-aride ou aride. Ces prvisions sont juges bonnes pour une priode limite optimale de 24 heures,
au-del de cette limite, on assiste une divergence du modle RNA qui se traduit par une diminution
du coefficient de corrlation.
Ce type de modle pourrait tre utilis comme outil de prvision pour valuer les risques
dinondation et donc pour tout amnagement hydraulique que ce soit lchelle rgionale qu
lchelle nationale. Ce qui aboutit un developpement durable des ressources en eau et par la suite un
grand interet socio-conomique du pays.
CONCLUSION GENERALE
La ralisation de ces infrastructures devrait ainsi faire face aux ventuels dsastres naturels et par
la suite contribuer un dveloppement socio-conomique durable.
La gestion intgre des ressources en eau est par ailleurs une composante essentielle de la
stratgie de dveloppement conomique et social du pays. Elle implique une gestion dcentralise au
niveau des bassins versants o tous les acteurs concerns apportent leur contribution effective la
matrise de la problmatique de leau dans la perspective du dveloppement durable du pays.
BIBLIOGRAPHIE
BIBLIOGRAPHIE
BIBLIOGRAPHIE
BIBLIOGRAPHIE
Abbott, M.B., J.C. Bathurst, J.A. Cunge, P.E. O'Connell & J. Rasmussen, J., (1986). An
Introduction to the European Hydrological System (Systme hydrologique europen : SHE), Part 2:
Structure of a physically-based, distributed modelling system. Journal of Hydrology, 87: 61-77.
Achour, F. (1997). Conditions hydrologiques et disponibilit en eau en rgion semi-aride :
Application de mthodologie nouvelles au bassin du Chelif, Algrie. Thse de doctorat, Universit de
Franche-Comt (France), 249p.
AGR/DDGI (1999). Consolidations de la stratgie nationale en matire de rutilisation des eaux uses
en agriculture, MADRPM/PNUD.
Ahamrouni, J., (1996). Erosion hydrique dans le bassin versant de la Moulouya (Maroc Oriental).
Recherche des zones sources denvasement de la retenue du barrage Mohamed V. Thse de 3me cycle,
FST, Dakar, 148 p.
Ambroise, B., (1991). Hydrologie des petits bassins versants ruraux en milieu tempr - processus et
modles. Sminaire du Conseil scientifique du Dpartement "Science du Sol" de l'INRA Dijon.
Ambroise, B., (1998). Gense des dbits dans les petits bassins versants ruraux en milieu tempr : 1-
Processus et facteurs. Rev. Sci. Eau, 11 (4) : 471-496.
Ambroise, B., (1999). Gense des dbits dans les petits bassins versants ruraux en milieu tempr : 2-
Modlisation systmique et dynamique. Rev. Sci. Eau. 12 (1) : 123-153.
Amharef, A., (1991). Contribution ltude hydrogologique de la valle du Ziz (Province
dErrachidia, Sud-Est du Maroc). Incidences respectives de la scheresse et du barrage Hassan
Addakhil sur les ressources en eau laval. Thse Univ. Franche Comt, Besanon, 232 p.
ASCE Task Committee., (2000a). Artificial neural networks in hydrology-I : preliminary concepts.
Journal of Hydrologic Engineering, ASCE 5 (2) : pp. 115-123.
ASCE Task Committee., (2000b). Artificial neural networks in hydrology-II : hydrologic
applications. Journal of Hydrologic Engineering, ASCE 5 (2) : pp. 124-137.
Barbut, M. et Foucoud, C., (1971). Elments danalyse mathmatique des chroniques. 208 p. Coll.
Hachette Universit, Librairie Hachette Ed.
Beale, R., & Jackson, T., (1990). Neural computing : an introduction. IOP Publishing, Bristol.
Beaudeau, P., Leboulanger, T., Lacroix, M., Hanneton, S., Wang, H.Q., (2000). Forecasting of
turbid floods in a karstic drain using an artificial neural network. Groundwater, 39 (1), 109-119.
Birtles, A. B (1978). Identification and separation of major base flow components froms a stream
hydro. Water Ress. Research, 14, n15, pp. 791-803.
Bishop, C.M., (1995). Neural Networks for pattern Recognition, Oxford University Press, Oxford,
482.
BIBLIOGRAPHIE
Bobe, B. & Ashkar, F., (1991). The gamma family and derived distributions applied in Hydrology.
Water Resources Publications, Littleton, Colo., Yevjevitch (Ed.) : 217 p.
Bouchaou, L., Mangin, A. & Chauve, P., (2002). Turbidity mechanism of water from a karstic
spring: example of the Ain Asserdoune spring (Beni Mellal Atlas, Morocco). Journal of Hydrology
265, pp. 34-42.
Bouroche, J.M. & Saporta, G. (1980). L'analyse des donnes. 4me Ed., Coll. Que sais-je? Presse
universitaires de France.
Boutaleb, S. (2000). Influence de la gologie et du climat des bassins versants sur la qualit des eaux
dune grande nappe alluviale en climat semi-aride : Application aux relations hydrologiques entre le
Haut atlas et la plaine du Souss. Thse de 3me cycle, Universit Ibnou Zohr, Facult des sciences,
Agadir.
Boutaleb, S., Hsissou, Y., Bouchaou, L., Mudry, J., Mania J. & Chauve, P. (1999). Application
des Analyses Corrlatoires et spectrales pour les systmes hydrologiques de surface en zone semi-
aride: cas de loued Issen (Haut Atlas Occidental, Maroc). 2me Col. Int. Eau et Environnement, fvrier
99, Fac. Sc. Agadir.
Box, G.E. & Jenkins, G.M., (1976). Times series analysis. Forecasting and Control. Revised Edition.
575 p., Holden-Day Ed.
Brockwell, P.J. & Davis, R. A., (1996). Introduction to Times Series and Forecasting. 420. Coll.
Springer Texts in Statistics, Springer-Verlag Ed.
Campolo, M., Andreussi, P., & Soldati, A. (1999). River flood forecasting with a neural network
model. Water Resources Research 35 : 1191-1197.
Chaire en hydrologie statistique., (2002). INRS-ETE (Universit du Qubec), HYFRAN, Logiciel
pour lanalyse frquentielle en hydrologie, version 1.1.
Chakraborty, k., Mehrotra, K., Mohan, C.K. & Ranka, S., (1992). Forecasting the Behavior of
Multivariate Time Series Using Neural Networks. Neural Networks, 5 : pp. 961-970.
Chang, F.J. & Suen, J.P., (1997). A study of the artificial neural network for rainfall-runoff process.
Journal of Chinese Agricultural Engineering, 43 (1) : pp. 9-25. (In Chinese).
Chang, F.J., Hu, H.F & Chen, Y.C., (2001). Counterpropagation fuzzy-neural network for
streamflow reconstruction. Hydrological Processes. 15, 219-232.
Chang, F.J., Chang, L.C & Huang, H.L., (2001). Real-time recurrent learning neural network for
stream-flow forecasting. Hydrological Processes. 16, 2577-2588.
Chen, S., Billings, S.A. & Grant, P.M., (1990). Non-linear system identification using neural
networks. Int. J. Control, 51 (6) : pp. 1191-1214.
BIBLIOGRAPHIE
Coulibaly, P., Anctil F et Bobe B., (1999). Prvision hydrologique par rseaux de neurones
artificiels : tat de lart. Revue canadienne de gnie civil, 26 (3) : pp. 293-304.
Coulibaly, P., Anctil, F. et Bobe B., (2000). Daily reservoir inflow forecasting using artificial neural
networks with stopped training approach. Journal of Hydrology, 230 : pp. 244-257.
Coulibaly, P., Bobe, B., & Anctil., F., (2001). Improving extreme hydrologic events forecasting
using a new criterion for artificial neural network selection. Hydrol. Process. 15, 1533-1536.
Cubero, R.G., (1991). Neural Networks for Water Demand Time Series Forecasting. In : Artificial
Neural Networks, Proceedings of the international Workshop IWANN91, A. Prieto Ed., Springer-
Verlag, Germany, pp. 453-460.
Cybenko, G., (1989). Approximation by superposition of sigmoidal functions, Mathematics of
control, signals and systems, 2, pp. 303-314, pp. 377-403.
Dan, A., Oosterbaan, J, et Jamet, P., (2002). Contribution des rseaux de neurones artificiels (RNA)
la caractrisation des pollutions de sol. Exemples des pollutions en hydrocarbures aromatiques
polycycliques (HAP). C. R. Geoscience, Paris. 334, 957-965.
Dastorani, M.T. & Wright, N.G., (2002). Artificial neural network based real-time river flow
prediction. Hydroinformatics : Proceedings of the Fifth International Conference on Hydroinformatics,
Cardiff, UK.
Dawson, C.W. and Wilby, R.L., (1998). An artificial neural network approach to rainfall-runoff
modelling. Hydrological Sciences Journal, 43 (1), pp. 47-66.
Dawson, C.W. and Wilby, R.L., (2000). A comparison of artificial neural networks used for rainfall-
runoff modelling. Hydrology and Earth Systems Sciences, 3, pp. 529-540.
Dawson, C.W. and Wilby, R.L., (2001). Hydrological modeling using artificial neural networks.
Progress in Physical Geography, 25, pp. 80-108.
Dayhoff, J.E., (1990). Neural network architectures. Van nostrand reinhold, New York.
Degallier, R., (1972). Un modle de simulation des coulements superficiels et souterrains : Le
modle SMERO. Bull. BRGM, sect. III, n3, pp. 23-42.
Dimopoulos, I., Lek, S. et Lauga, J., (1996). Modlisation de la relation pluie-dbit par les rseaux
connexionnistes et le filtre de Kalman. Journal des sciences hydrologiques, 42 (2) : pp. 179-193.
Dubois, J., (1995). La dynamique non linaire en physique du globe. 265 p. Coll. Gophysique
interne, Masson Ed.
Durand, D., (1979). La systmique. 125 p. Coll. Que sais-je ? P. U. F. Ed.
El Adlouni, S., (2002). Etude des estimateurs des paramtres de la loi Halfen type A. Application :
Estimation des dbits de crue. Thse de 3me cycle, Fac. Sci. Rabat, 81 p.
BIBLIOGRAPHIE
El Adlouni, S., Bouziane, A. & El Hassnaoui, D., (1999). Estimation du dbit de priode de retour
par la mthode de maxima annuels, application des bassins versants marocains. Journes
dHydrologie Tunis (ENIT), Tunisie.
El Ouali, A., (1992). Contribution du Haut Atlas central au Sud de Midelt lalimentation des
aquifres profonds du bassin crtac dErrachidia (Maroc). Doct. Univ. Franche-Comt, Besanon,
234 pp.
Elshorbagy, A., Simonovic, S.P. & Panu, U.S., (2000). Performance evaluation of artificial neural
networks for runoff prediction. ASCE Journal of hydrologic Engineering 5 (4), 242-427.
Fortin, V., Ouarda, T., Rasmussen, T.P. et Bobe, B., (1997). Revue bibliographique des mthodes
de prvision des dbits. Revue des Sciences de lEau, 4 : pp. 461-487.
French, M.N., Krajewski, W.F. and Cuy-Kendall, R.R., (1992). Rainfall forecasting in space and
time using a neural network. Journal of hydrology, 137 : pp. 1-31.
Gallant, S.I., (1993). Neural Networks Learning and Expert Systems. MIT Press : Cambridge ; 365
pp.
Gamal El-Din, A et Daniel W. Smith., D.W., (2002). A neural network model to predict the
wastewater inflow incorporating rainfall events. Water Research. 36, 1115-1126.
Gautam, M.R., Watanabe, K. et Saegusa, H., (2000). Runoff analysis in humid forest catchment
with artificial neural network. Journal of Hydrology, 235, 117-136.
Halff, A.H., Halff, H.M. and Azmoodeh. M., (1993). Predicting Runoff from Rainfall using Neural
Networks. In Engineering Hydrology, Kuo CY (ed.). Proceedings of the Symposium sponsored by the
Hydraulics Division of ASCE, San Francisco, CA, July 25-30, 1993. ASCE: New York; pp. 760-765.
Hall, M.J and Minns, A.W., (1993). Rainfall-runoff modelling as a problem in artificial intelligence :
Experience with a neural network. In : Proc. BHS 4 National Hydrology Symposium, Cardiff, pp. 5.51-
5.57.
Haykin, S., (1994). Neural Networks : a comprehensive foundation. Macmilan College Publishing
Company, New York.
Haykin, S., (1996). Neural Networks a comprehensive foundation, Prentice Hall.
Hecht-Nielsen, R., (1988). Neurocomputing : Picking the human brain, IEEE Spectrum, 25 (3),
March 1988, pp.36-41.
Hecht-Nielsen, R., (1989). Neural Network primer : part I, AI Expert, Feb.
Hecht-Nielsen, R., (1990). Neuro-computing, Addison-Wesley, Reading, Massachusetts, USA.
Solution for a distributed hydrological model and applications, pp. 89-93.
Holder, L., (1985). Multiple regression in hydrology. Institute of hydrology, Wellingford.
BIBLIOGRAPHIE
Hoptroff, R.G., (1993). The principes and practice of time series forecasting and bisness modelling
using neural nets. Neural Comput. & Applic., 1 : pp. 59-66.
Hornik, K., Stinchcombe, M & White, H., (1989). Multilayer feedward networks are universal
approximators, Neural Networks 2, pp. 359-366.
Horton, R.E. (1932). Drainage basins characteristics. Tran.am.Geophys.Union, vol. 13.
Hsu, K.L., Gupta, H.V & Sorooshian S., (1995). Artificial neural network modelling of the rainfall-
runoff process. Water Resour. Res. 31 (10), pp. 2517-2530.
Hu, T.S., Lam K. C and Ng, S.T., (2001). River flow time series prediction with a range-dependent
neural network. Hydrological Science Journal, 46 (5) : pp. 729-745.
Imrie, C.E., Durucan, S. and Korre, A., (2000). River flow prediction using artificial neural
networks: generalisation beyond the calibration range. Journal of Hydrology, Volume 233, Issues 1-4,
pp. 138-153.
Jemali, A et Kefati, A., (2002). Rutilisation des eaux uses au Maroc. Forum sur la gestion de la
demande en eau.
Jenkins, G.M. and Watts, D.G., (1968). Spectral analysis and its applications. Ed Holden-Day, San
Francisco, Californie., 525 p.
Johson, V.M. & Rogers, L.L., (2000). Accuracy of neural network approximators in simulation-
optimisation. J. Water ressour. Planning and Management. 48-56.
Kabbaj, A. et Combe, M., (1977). Ressources en eau du Maroc. Domaines atlasiques et sud
atlasiques. Tome 3, Notes et Mm. Sev. Gol. N231, Rabat, Maroc.
Kang, K.W., Park, C.Y. & Kim, J.H., (1993). Neural network and its application to rainfall-runoff
forecasting. Korean Journal of Hydroscience 4, 1-9.
Karunanithi, N., Grenney, W.J., Whitley, D. & Bovee, K., (1994). Neural networks for river flow
prediction. Journal of Computing in Civil Engineering, ASCE 8 (2) : pp. 201-220.
Khrabcha, A., (1999). Proposition dun plan damnagement de la valle de lOurika suite la crue
du 17 Aot 1995 par llaboration dune base de donnes multisources (Haut Atlas de Marrakech).
Thse de 3me cycle, Fac. Sci. Rabat, 287 p.
Kolmogorov, A.N., (1963). On the representation of continuous functions of many variables by
superposition of continuous functions of one variable and addition. American Mathematical Society
Translation, 28 : 55-59.
Kunt, M., (1981). Traitement numrique des signaux. 402 p. Dunod Ed.
Laborde, J.P., (1982). Elments dhydrologie de surface. Tome 2 : Critique et analyse statistique des
donnes hydrologiques. Ecol. Nat. Sup. de Gol. Appli/ Inst. Nat. Polytech. De Lorraine, 95 p.
BIBLIOGRAPHIE
Lachtermacher, G., & Fuller, J.D., (1994). Backpropagation in hydrological time series forecasting.
In : K. W. Hipel, A.I. MacLeod, U.S. Panu & V. P. Singh (eds), Stochastic and statistical methods in
hydrology and environmental engineering, Vol. 3,Time series analysis in hydrology and environmental
engineering : 229-242.
Lallehem, S., (2002). Structure et modlisation hydrodynamique des eaux souterraines : Application
laquifre crayeux de la bordure nord du bassin de paris. Thse univ. Lille1, 219p.
Lallehem, S. & Mania, J., (2002a). A linear and non-linear rainfall-runoff models to evaluate aquifer
outflow. Tribune de lEau. N1, Vol. 55, N 615.
Lallehem, S. & Mania, J., (2002). A linear and non-linear rainfall-runoff model using neural network
technique : Example in fractured porous media. Journal of Mathematical and Computer Modellling.
N1, Vol. 55, N 615.
Lallehem, S., (2002g). Evaluation and forecasting of daily groundwater inflow in a small chalky
watershed. Hydrol. Process. 17, 1561-1577.
Le Gallo, F. & Bouchon-Meunier, B., (1992). Systmique-Thorie et applications. 341 p., Tec et Doc
Ed.
Lek, S., Dimopoulos, I., Derraz, M. & El Ghachtoul, Y., (1996). Modlisation de la relation pluie-
dbit laide des rseaux de neurones artificiels. Rev. Sci. Eau. 9 (3) : 319-331.
Levine, B., (1973). Fondements thoriques de la radiotechnique statistique, Vol. 1. Mir, Moscou, 584
pp.
Lippmann, R.P., (1987). An Introduction to Computing with Neural Nets. IEEE ASSP Magazine,
April 1987, 4 (2), 4-22.
Lischeid Gunnar and Uhlenbrook Stefan., (2003). Checking a process-based catchment model by
artificial neural networks. Hydrol. Process. 17, 265-277.
Lorrai, M. and Sechi, G.M., (1995). Neural Nets for Modelling Rainfall-Runoff Transformations, In :
Water resources management, Vol. 9, pp. 299-313, 1995.
Luk. Kin, C., Ball, J.E. and Sharma, A., (2001). An application of artificial neural networks for
rainfall forecasting, Mathematical and Computer Modelling, Vol 33, Issues 6-7 : pp. 683-693.
Maier, H.R. and Dandy, G.C., (1996). The use of artificial neural network for the prediction of
quality water parametrers. Water Ressources Research, 32 (4) : pp. 1013-1022.
Mangin, A., (1975). Contribution ltude hydrodynamique des aquifres karstiques. Thse Doct.
Sc., Universit de Dijon, Dijon (Ann. Spleol., 1974, 29 (3) : 283-323 ; 1974 29 (4) : 495-601 ; 1975
30 (1) : 21-124).
Mangin, A., (1981a). Utilisation des analyses corrlatoires et spectrales dans lapproche des systmes
hydrologiques. C.R. Acad. Sc., Paris, t. 293, srie II, n5, pp. 401-404.
BIBLIOGRAPHIE
Mangin, A., (1981b). Apports des analyses corrlatoires et spectrales croises dans la connaissance
des systmes hydrologiques. C.R. Acad. Sc., Paris, t. 293, srie II, n14, pp.1011-1014.
Mangin, A., (1982a). Mise en vidence de loriginalit et de la diversit des aquifres karstiques. 3me
Coll. dHydrologie en pays calcaires, 7-10 Octobre 1982, Neuchtel. Ann. Sci. Univ. Besanon,
Mmoire n1, pp. 159-172.
Mangin, A., (1982b). Lapproche systmique du karst, consquences conceptuelles et
mthodologiques. Runion monografica sobre et karst. LARRA-ISABA-NAVARRA, 4 au 11 Novembre
1982. Pp. 141-147.
Mangin, A., (1984). Pour une meilleure connaissance des systmes hydrologiques partir des
analyses corrlatoires et spectrales. Journal of hydrology, 67, pp. 25-43.
Mangin, A., (1988). Rflexion sur les mcanismes de linfiltration dans les karsts partir de lexemple
de Niaux (Arige, France). Bull. Centre dHydrogol. Neuchtel, n8, pp. 3-25.
Mania, J., (1977). Contribution ltude des systmes aquifres, leur influence sur la gestion des
ressources en eau dans le Nord de la France. Thse Doct. Es Sc. Lille, 325 p, 163 fig.
Mania, J., Focquenoey-Niemczyk, E. J., Ramon, S., & Verbeke B., (1982). Caractrisation de la
rponse des diverses units hydrogologiques calcaires du Nord de la France. Ann. Sc. De luniversit
de Franche-Comt, Fsc. 4, 4me srie, 1982, pp. 27-36.
Mason, J.C., Price, R.K. & Temme, A., (1996). A neural network model of rainfall-runoff using
radial basis functions, Journal of hydraulics Research, Vol. 34, N 4, IAHR, pp. 537-548.
Masood-Ul-Hassan, K., Minns, A.W. & Yde, L. (1995). Application of artificial neural network to
real-time control of hydraulic structures, Advances in intelligent Data Analysis, Lasker, G. and Liu, X.
(eds), IIAS Press, pp. 114-118.
Max, J., (1980). Traitement du signal et applications aux mesures physiques. Principes et
appareillages de traitement en temps rel. 379 p. Paris, Masson Ed.
McCulloch, W.S. and Pitts, W., (1943). A logical Calculus of the Ideas Imminent in Nervous
Activity. Bulletin of Mathematical Biophysics, 5: pp. 115-133.
Mero F. & Gilboao Y. (1974). A methodology for the rapid evaluation of ground water resources, Sao
Paulo Stat, Brasil. Hydrol. Sc. Bull., XIX, 3, 9, p. 347- 358.
Mero F., (1978). The MMO8 hyrometeorological simulation system. Basic concepts and operators
guide. Rep. Tahal Cons. Eng. Isral, 18 p.
Messaoudi, A. & Chikri, N., (1994). Crues de la Moulouya du 11 au 17/11/93. Eau et
Dveloppement. DRPE, Rabat, pp. 54-58.
Minns, A.W and Hall M.J., (1996). Artificial neural networks as rainfall-runoff models.
Hydrological Sciences Journal 41 (3) : pp. 399-418.
BIBLIOGRAPHIE
Minns, A.W. & Hall, M.J., (1997). Living with the ultimate black black box : more on artificial
neural networks, Proc 6th Nat. Hydrol. Symp., Salford, British Hydrological Society, London, pp. 9.45-
9.49.
Minns, A.W., (1998). Artificial Neural Networks as Subsymbolic Process Descriptors. A.A. Balkema,
Rotterdam/ Brookfield. 124 p.
Musy, A. & Laglaine, V. (1992). Hydrologie gnrale. Cours polycopi, section gnie rural,
environnement, mensuration, EPFL, Lausanne.
Musy, A. & Higy, C. (1999). Hydrologie applique. Cours polycopi, section gnie rural,
environnement, mensuration et gnie civil, EPFL, Lausanne.
Najjar, Y., Basheer, I.A. and Imad, A., (1996). Utilizing Computational Neural Networks for
Evaluating the Permeability of Compacted Clay Liners, Geotechnical and Geological Engineering,
Vol. 14, No. 3, pp. 193-212.
Najjar, Y., Basheer, I.A and Hajmeer, M.N., (1997). Computational neural networks for predictive
microbiology : Methodology. International Journal of Food Microbiology 34, pp. 27-49.
Najjar, Y and Ali, H., (1998a). On the Use of BPNN in Liquefaction Potential Assessment Tasks.
Artificial Intelligence and Mathematical Methods in Pavement and Geomechanical Systems, Attoh-
Okine (Editor): pp. 55-63.
Najjar, Y. and Ali, H., (1998b). CPT-Based Liquefaction Potential Assessment : A Neuronet
Approach. ASCE Geotechnical Special Publication No.75, Dakoulas, P. et. Al. (Editors), (1) : pp. 542-
553.
Najjar, Y. and Zhang, X., (2000). Characterizing the 3D Stress-Strain Behavior of sandy Soils: A
Neuro-Mechanistic Approach. ASCE Geotechnical Special Publication No. 96, Filz, G. and Griffiths,
D. (Editors) : pp. 43-57.
Osaki, T., (1980). On a model of a non linear feedback system for river flow prediction. Water
Resour. Res., 16 (1) : pp. 225-231.
Persson, M., Sivakumar, B., Berndtsson, R., Jacobsen, O.H. and Schjnning, P., (2002).
Predicting the dielectric constant-water content relationship using artificial neural networks. Soil Sci.
Soc. Am. J. 66, pp. 14241429.
Piqu, A., (1994). Gologie du Maroc : Les domaines rgionaux et leur volution structurale Hist.
Gol. Maroc, 284 p.
Rahali, H., (1996). Caractrisation des ressources en eaux dune rgion semi-aride situe au Sud-Est
de Marrakech, Maroc, par lutilisation des donnes satellites et autres dans un systme dinformation
gographique. Thse es science. Fac. Science de Gand.
BIBLIOGRAPHIE
Reed, R.D & Marks, R.J., (1998). Neural Smithing. Supervised learning in feedforward Neural
Networks. A Bradford Book MIT Press.
Refregier, P., (1993). Thorie du signal - Signal-Information-Fluctuations. 278 p. Coll. Enseignement
de la physique, Masson Ed.
Refsgaard, J.C., Seth, S.M., Bathurst, J.C., Erlich, M., Storm, B., Jorgensen, G.H. and Chandra,
S., (1992). Application of SHE to catchments in India, Part 1. General results, Journal of hydrology,
N. 140, pp. 1-23.
Riad, S., Bobe B,. Ouarda T., El Youssi M., Bouziane A. et Hasnaoui, D., (1999). Estimation
rgionale des dbits de crue : Dtermination des rgions homognes par la mthode de Burn ou des
rgions dinfluence, application des bassins versants marocains. Journes dHydrologie Tunis
(ENIT), Tunisie.
Riad, S., Mania, J. et Bouchaou, L., (2001). Analyse hydrologique et caractristiques physiques de
quelques bassins versants en zone semi-aride (Maroc). 1er Colloque National dHydrogologie et
Environnement. Fs, Maroc.
Riad, S., Mania, J. et Bouchaou, L., (2002). Analyse de la variabilit hydroclimatique dans les sous
bassins versants de Tensift (Maroc). 19me Colloque international de la Gologie Africaine. El Jadida,
Maroc.
Riad, S., Mania, J., Bouchaou, L. et Najjar, Y., (2003). Artificial Neural Networks Models for River
inflow Prediction. Tribune de leau. (sous press).
Riad, S., Mania, J., Bouchaou, L. et Najjar, Y., (2003). Modlisation de la relation pluie-dbit par
les rseaux de neurones artificiels (RNA ou ANN) : Application a un bassin versant en zone semi-aride
(Maroc). Colloque international sur lHydrologie des rgions mditerranennes et semi-arides.
Montpellier, France.
Riad, S., Mania, J., Bouchaou, L. et Najjar, Y., (2003). Predicting catchment flow in semiarid
region via artificial neural network technique. Hydrol. Process. (sous press).
Riad, S., Mania, J., Bouchaou, L. et Najjar, Y., (2003). Neural Network Models of Rainfall-Runoff
Process. Journal of Mathematical and Computer Modellling (sous press).
Riad, S., Mania, J. et Bouchaou, L., (2003). Variabilit hydroclimatique dans les bassins versants de
du Haut Atlas de Marrakech (Maroc). Revue de Scheresse. (sous press)
Roche, M., (1963). Hydrologie de surface. Gauthier-Villars Editeur-Paris, 429 p., 204 fig.
Roddier, F., (1985). Distributions et transformation de Fourier lusage des physiciens et des
ingnieurs. 323 p., McGraw Hill Ed.
Rumelhart, D.E., Hinton, G.E. and Williams, R.J., (1986). Learning internal representations by
back-propagation error. Nature, 323 : pp. 533-536.
BIBLIOGRAPHIE
Rumelhart, D.E., Widrow, B. and Lehr , M.A., (1994). The basic ideas in neural networks.
Communications of the ACM, 37 (3) : 87-92.
Sajikumar, N. and Thandaveswara, B. S., (1999). A non-linear rainfall-runoff model using an
artificial neural network. Journal of Hydrology, Volume 216, Issues 1-2, 8 March 1999, pp. 32-55.
Sankarasubramannian, A. and Vogel, R.M., (2002). Basin hydrologic response relations to
distributed physiographic descriptors and climate. Journal of Hydrology, Vol. 263, 257-261.
Saidi, M.E. et Daoudi, L., (2000). Risques naturels dans le Haouz de Marrakech. Exemples des crues
de lOurika de Ghiraia et de NFis. Colloque international des Chaires maghrbines Unesco-Gas
Natural. Universit Mohammed V, Rabat, 27-29 avril 2000, p. 9.
Saidi, M.E., (1994). Gense et propagation des crues en milieu sub-aride, exemple doued Souss
(Maroc). Bulletin de lAssociation des Gographes Franais, Paris, 18 p.
Saidi, M.E., (1995). Contribution lhydrologie profonde et superficielle du bassin du Souss (Maroc).
Thse de luniversit de Paris IV, 120 p.
Smith, M., (1993). Neural Networks for Statistical Modelling, Van Nostrand Reinhold, New York.
Smith, J. & Eli, R.N., (1995). Neural Network Models of Rainfall-Runoff Process. Journal of Water
Resources Planning and Management, 121 (6) : pp. 499-509.
Shamseldin, A.Y., (1997). Application of a neural network technique to rainfall-runoff modelling.
Journal of hydrology (Amesterdam), 199 : pp. 272-294.
Sherman, L.K., (1932). Streamflow from rainfall by unit-graph method. Engineering News Record,
108, 501-505.
Sivakumar, B., Jayawardena, A.W. and Fernando, T. M. K. G., (2002). River flow forecasting :
use of phase-space reconstruction and artificial neural networks approaches, Journal of Hydrology,
Volume 265, Issues 1-4, 30 August, pp. 225-245.
STATSOFT France (1997). STATISTICA pour Windows [Manuel du Programme]
Sudheer, K.P., Gosain, A.K. & Ramasastri, K.S., (2002). A data-driven algorithm for constructing
artificial neural network rainfall-runoff models. Hydrol. Process. 16, 1325-1330.
Sudheer, K.P., Gosain, A.K., Mohana Rangan, D & Saheb, S.M., (2002). Modelling evaporation
using an artificial neural network algorithm. Hydrol. Process. 16, 3189-3202.
Sudheer, K.P., Nayak, P.C. & Ramasastri K.S., (2003). Improving peak flow estimates in artificial
neural network river flow models. Hydrol. Process. 17, 677-686.
Supharatid, S., (2003). Application of a neural network model in establishing a stage-discharge
relationship for a tidal river. Hydrol. Process. (in press).
BIBLIOGRAPHIE
Thiria, S., Mejia, C., Badran, F & Crpon, M., (1993). A neural approach for modelling nonlinear
transfer function : application for wind retrieval from spacebron scatterometer data. Journal of
Geophysical research, 98, C12, 22, 827-22, 841.
Tang, Z. and Fishwick, P.A., (1993). Feedforward neural nets as models for time series forecasting,
ORSA Journal of Computing, Vol. 5, N 4, pp. 374-385.
Tokar, A.S., (1996). Rainfall-runoff modelling in an uncertain environment. PhD thesis. University of
Maryland. UMI Dissertation Service. Bell-Howell Company.
Tokar, A.S and Johson, P.A., (1999). Rainfall-runoff modelling using artificial neural networks. J.
Hydrologic Engineering, ASCE 4 (3), pp. 232-239.
Uvo, C.B., Tlle, U. and Berndtsson, R., (2000). Forecasting discharge in Amazonia using neural
networks. Int. J. Climatol. 20, pp. 1495-1507.
Vaziri, M. (1997). Prediction of Caspian sea surface water level by ANN and ARIMA models.
Journal of Waterway, Port, Coastal and Ocean Engineering, American Society of Civil Engineers 123
(4) : 158-162.
Ventsel, H., (1973). Thorie des probabilits. Mir, Moscou, 563 pp.
Wei, Y.M., (1995). A study on neural network based expert system for mining method selection.
Journal of Computer Applications and Software, 12 (5), 51-57 (in Chinese).
Wei, Y., Xu, W., Fan, Y. & Tasi, H.T., (2002). Artificial neural network based predictive method for
flood disaster. Computers & Industrial Engineering, 42, 383-390.
Wen, X.H., (1994). Time series neural network forecasting method. Journal of Electronics, 16 (5).
456-462. (in Chinese).
Wen, C.G. & Lee, C.S., (1998). A neural network approach to multiobjective optimization for water
quality management in a river basin. Water Resources Research, 34 (3) : pp. 427-436.
White, H., (1992). Artificial neural networks : approximation and learning theory. Vols. 16-18.
Cambridge. MA : Blackwell.
World Meteorological Organistaion (WMO) (1975). Inter-comparison of conceptual models used in
operational hydrological forecasting, World meteorological Organisation, Techinical report N 429,
Geneva, Switzerland.
World Meteorological Organisation (WMO)., (1994). Guide to hydrological practices. WMO-N.
168, Genve, Suisse.
Wright, N.G., Dastorani, M.T., Goodwin, P & Slaughter, C.W., (2002). A combination of neural
networks and hydrodynamic models for river flow prediction. Hydroinformatics : Proceedings of the
Fifth International Conference on Hydroinformatics, Cardiff, UK.
BIBLIOGRAPHIE
Xu, Z. X. & Li, J. Y. (2002). Short-term inflow forecasting using an artificial neural network model.
Hydrol. Process. 16, 2423-2439.
Yang, L., (1996). An adaptive modeling and forecasting approach of time series based on neural
network. Journal of Decision Making and Decision Support system, 6 (2), 69-75.
Zealand, CM., Burn, DH. & Simonovic, SP., (1999). Short term streamflow forecasting using
artificial neural networks. Journal of Hydrology 214 : 32-48.
Zhang, S.P., Watanabe, H. & Yamada, R., (1994). Prediction of daily water demands by neural
networks. In Stochastic and statistical methods in hydrology and environmental engineering. Vol. 3.
diteurs: K.W. Hipel, A.I. McLeod, U.S. Panu et V.P. Singh. Kluwer Academic Publishers, Dortrecht,
Hollande. Pp. 217-227.
Zhang, X., (1994). Time series analysis and prediction by neural networks. Optimization Methods and
Software 4, pp. 151-170.
Zhang, Q. & Stanley, S.J., (1997). Forecasting raw-water quality parameters for the North
Saskatchewan River by neural network modelling. Water Resources Research, 31 (9) : pp. 2340-2350.
Zhu, M.L. & Fujita, M., (1994). Comparaisons between fuzzy reasoning and neural networks
methods to forecast runoff discharge. Journal of Hydroscience and hydraulic Engineering 12 (2), 131-
141.
Zurada, J.M., (1992). Introduction to artificial neural systems. West Publishing Co., Saint Paul,
Minnesota.
Fig. 34: Analyse de la chronique des dbits la station dAnsegmir du 01/09/1973 au 31/08/1994 (m = 1250
jours)..78
Fig. 35: Corrlogramme crois pluie-dbit la station dAnsegmir du 01/09/1973 au 31/08/199478
Fig. 36: Fonction de cohrence de la station dAnsegmir pour la priode de 1973 1994.79
Fig. 37: Fonction de gain de la station dAnsegmir pour la priode de 1973 1994..79
Fig. 38: Analyse de la chronique des pluies la station dAghbalou du 01/09/1975 au 31/08/1996 (m = 125
jours)..80
Fig. 39: Analyse de la chronique des pluies la station dAghbalou du 01/09/1975 au 31/08/1996
(m = 1250 jours)80
Fig. 40: Analyse de la chronique des dbits la station dAghbalou du 01/09/1975 au 31/08/1996 (m = 125
jours)..81
Fig. 41: Analyse de la chronique des dbits la station dAghbalou du 01/09/1975 au 31/08/1996
(m = 1250 jours)81
Fig. 42: Corrlogramme crois pluie-dbit la station dAghbalou du 01/09/1975 au 31/08/1996....81
Fig. 43: Fonction de cohrence de la station dAghbalou pour la priode de 1975 1996.82
Fig. 44: Fonction de gain de la station dAghbalou pour la priode de 1975 1996..82
Fig. 45: Analyse de la chronique des pluies la station de Foum Tillicht du 01/09/1975 au 31/08/1994 (m =
125 jours)...83
Fig. 46: Analyse de la chronique des pluies la station de Foum Tillicht du 01/09/1975 au 31/08/1994 (m =
1250 jours).83
Fig. 47: Analyse de la chronique des dbits la station de Foum Tillicht du 01/09/1975 au 31/08/1994 (m =
125 jours)...84
Fig. 48: Analyse de la chronique des dbits la station de Foum Tillicht du 01/09/1975 au 31/08/1994 (m =
1250 jours).84
Fig. 49: Corrlogramme crois pluie-dbit la station de Foum Tillicht du 01/09/1975 au 31/08/1994....84
Fig. 50: Fonction de cohrence la station de Foum Tillicht du 01/09/1975 au 31/08/1994..85
Fig. 51: Fonction de gain la station de Foum Tillicht du 01/09/1975 au 31/08/1994...85
Fig. 52: Analyse de la chronique des pluies la station dAit Bouijjane du 01/09/1973 au 31/08/1994 (m = 125
jours)..86
Fig. 53: Analyse de la chronique des pluies la station dAit Bouijjane du 01/09/1973 au 31/08/1994 (m =
1250 jours).86
Fig. 54: Analyse de la chronique des dbits la station dAit Bouijjane du 01/09/1973 au 31/08/1994 (m = 125
jours)..87
Fig. 55: Analyse de la chronique des dbits la station dAit Bouijjane du 01/09/1973 au 31/08/1994 (m =
1250 jours).87
Fig. 56: Corrlogramme crois pluie-dbit la station dAit Bouijjane du 01/09/1973 au 31/08/1994..87
Fig. 57: Fonction de cohrence la station dAit Bouijjane du 01/09/1973 au 31/08/1994....88
ANNEXES
AN N EXES
ANNEXES
Annexe I
Rpartition des ressources en eau
Evapo-transpiration
120 Milliards de m3
150 Milliards de m3
Ressources en eaux Ressources en eaux
Globales non mobilisables
30 Milliards de m3 9 Milliards de m3
Ressources en eaux
mobilisables
20 Milliards de m3
Eaux de surface Eaux souterraines
mobilisables mobilisables
16 Milliards de m3 4 Milliards de m3
8 Md 8 Md 3 Md
de m3 de m3 de m3 1 Md
de m3
ANNEXES
Annexe II
Analyse frquentielle des crues
Mthodes dajustement
Elles consistent dterminer les paramtres dune loi (dont la formulation a dj t choisie) en
fonction de lchantillon observ.
La mthode des Moments :
La mthode des moments consiste estimer daprs lchantillon autant de moments que la loi a
des paramtres et galer ces estimations aux valeurs thoriques qui ne sont fonctions que des
paramtres estimer. On obtient alors un systme de n quations n inconnues. Les estimations ainsi
obtenues sont gnralement consistantes mais non efficaces.
La mthode des moments associe lquation gnrale du calcul du nime moment partir de
lorigine de la distribution aux paramtres de la distribution analyse :
+
' n = X
n
. ( x ) . d x
ayant une probabilit (P1 , P2 ...Pn ) , la probabilit P de voir apparatre cet chantillon est :
P = P1 * P2 * Pn
Dans le cas de lois continues, P1 , P2 ,...Pn sont infiniment petits. On admet alors que la
vraisemblance de lchantillon est proportionnelle au produit des densits de probabilit :
P = K f ( x1 ) f ( x 2 )... f ( x n )
ANNEXES
1 f (x )
n
1
= f (x )
k
=0
T= 1 1
(1 q ) = p
(Crue)
T= 1 = 1 (tiage)
q (1 p )
q = F ( x ) : Probabilit au non-dpassement
p = 1 F ( x ) : Probabilit au dpassement
Pour tracer les points reprsentatifs de lchantillon, on doit leur affecter une probabilit au non-
dpassement, appele probabilit empirique.
149 S. RIAD/ 2003
ANNEXES
F [x(k )] = (k a ) 0 a 0,5
(n 2a + 1) ,
a = 0,40 (Formule de Cunnane) qui est utilise par dfaut dans HYFRAN
a = 0,44 (Formule de Gringorten)
a = 0,50 (Formule de Hazen)
Paramtres statistiques des dbits maximums instantans des bassins versants analyss
ANNEXES
Annexe III
Analyses Corrlatoire et Spectrale
DEPHASAGE
COHERENCE
GAIN
Rle du systme
Approche descriptive
de son fonctionnement
et de sa structure
Organigramme des Analyses Corrlatoire et Spectrale (ACS)
ANNEXES
t t
0 1 2 3 0 1 2 3
k =1 k =2
67 8 67 8 6
4k7=m
48 6k = 1
78 6 k = 2
78 6
4k7 =m
48
x 0 y1 x 0 y 2 x y x 0 y1 x 0 y 2 x 0 y m
0 m
x1 y 2 x1 y 3 x y x1 y 2 x1 y 3 x1 y m +1
1 m +1
x 2 y 3 x 2 y 4 x y x 2 y 3 x 2 y 4 x 2 y m + 2
2 m+2
M M M M M M M M M M M M
x (f) y (f)
"bote noire"
Si la fonction dentre est une fonction alatoire pure, le corrlogramme crois correspond une
rponse impulsionnelle.
r
-k +k
-3 -2 -1 0 1 2 3
Corrlogramme crois
ANNEXES
Spectre : S x ( f ) = var . x
Spectre : S y ( f ) = var . y
cov ar xy
C xy ( f ) = = corrlation entre x et y = fonction de cohrence
var x. var y
var y
g xy ( f ) = corr xy = rgression entre x et y = fonction de gain.
var x
Filtres (Dk)
La transforme de Fourier sapplique :
une fonction continue
voluant jusqu linfini
Do la ncessit :
dun lissage en raison de la discrtisation,
de rendre nulles les valeurs au del de la troncature m
Deux possibilits :
prfiltrage de rk correspondant Dk
postfiltrage du spectre obtenu
Solution retenue, prfiltrage Dk partir de diffrents filtres :
9 Bartlett Dk = 1 k ,
m
Dk = 1 k
2
9 Parzen (1) ,
m2
(2) Dk = 1 6 k
2
m2
(1 k m) pour 0k m
2
,
(
Dk = 2 1 k
m
)
3
pour m km ,
2
(2) D k = 1 + cos k / 2 .
m
ANNEXES
r
1 Filtres (Dk )
0,9
0,8
0,7 Tukey (2)
0,6 Parzen (1)
0,5
0,4
0,3 Bartlett
Parzen (2)
0,2
0,1
0
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110115 120 125 k
Var. 1
Analyse
spectrale
Var. 2 Spectre
Var. 3