Академический Документы
Профессиональный Документы
Культура Документы
dcision pour la
gestion optimale
des ressources
en eau
Revue bibliographique,
mthodologie et cas dtudes en
Tunisie
Dans lobjectif de rduire les impacts ngatifs de la gestion des ressources en eau, le concept de la
Gestion Intgre des Ressources en Eau (GIRE) a t promu par le Partenariat Mondial de leau (The
Global Water Partnership - GWP), rseau mondial qui fournit des connaissances et renforce les
capacits pour une gestion durable des ressources en eau. Ce concept tant dfini comme un
processus favorisant le dveloppement et la gestion coordonns des ressources en eau, du sol et des
ressources associes, permettant de maximiser les bnfices conomiques et sociaux, de faon
quitable sans compromettre la prennit des cosystmes vitaux (GWP, 2000). Pour assurer la
GIRE, Giupponi (2007) a soulign quun grand nombre de secteurs tels que lenvironnement,
lnergie, lindustrie, lagriculture et le tourisme doivent tre pris en considration. Pahl-Wostl
(2007) a ajout que l'objectif de la GIRE est de maintenir et damliorer ltat dune ressource
environnementale affecte par lactivit humaine. En outre, la gestion doit garantir des services
fournis par la ressource, prvenir les dommages et maintenir son tat pour les gnrations futures
ainsi que le respect du maintien de lintgrit de lcosystme.
La GIRE est une tche difficile en raison de plusieurs facteurs : la complexit des systmes
hydrauliques naturels et artificiels (grand nombre de sources, de sites de la demande et de liaisons
dadduction et de distribution); les longueurs des priodes de gestion et les nombres de pas de
temps et la variabilit spatio-temporelle des priorits de gestion (Chang 2008; Giupponi 2007; Ren
et al., 2013).
Pour aboutir lapplication de la GIRE et faire face aux difficults, Giopponi (2007) et Fu (2008) ont
recommand le dveloppement de modles (Croissance, production, besoin en eau, hydrologie,
hydrogologie, hydraulique, qualit, conomie, etc) qui changent des donnes dentre et de
sortie et que les mthodes d'optimisation pourraient facilement tre intgres pour laborer des
Systmes daide la dcision (SAD) ou Dcision Support System (DSS) qui soutiennent les
dcideurs.
Les gestionnaires doivent trouver les solutions optimales qui rpond aux exigences de la demande
en termes de volume et de qualit, tout en essayant de minimiser les cots tout au long de la priode
de gestion (Zhang et al., 2012). Les aspects environnementaux et socio-conomiques peuvent tre
des objectifs supplmentaires de la gestion (Giupponi, 2007). Les solutions optimales doivent aussi
satisfaire un grand nombre de contraintes.
La synthse des publications scientifiques en matire de gestion des ressources en eau renseigne
sur lexistence dune gamme doutils de modlisation et dapproches et mthodes doptimisation. Il
est important pour un pays soumis laridit dans une grande partie de son territoire, tels que la
Tunisie, de disposer dapproches, doutils et des donnes suffisantes pour assurer la meilleure
gestion des ressources en eau. Ce besoin serait de plus en plus ressentie paralllement la
dtrioration de lquilibre Ressources-Besoins et lamplification des effets des changements
climatiques prvisibles.
Les problmatiques qui se prsentent ce niveau portent essentiellement sur le choix des modles
et des outils daide la dcision utiliser, les disponibilits des donnes ncessaires et sur
lapproche doptimisation adopter.
Une synthse bibliographique des travaux de recherche publis sur la gestion des ressources en eau,
les outils daide la dcision et sur loptimisation forme le chapitre 2. Dans le chapitre 3 de ce
rapport est dtaill la mthodologie propose pour rsoudre le problme de la GORE formul. Les
2. Synthse bibliographique
2.1 Introduction
Pour assurer la desserte de leau et anticiper les impacts ngatifs des changements climatiques
annoncs pour les prochaines dcennies (Bates et al., 2008 ; IPCC, 2013), il est ncessaire de se
doter doutils et de mthodologies capables doptimiser lallocation de leau. Jothiprakash and
Ganesan (2006) et Suiadee and Tingsanchali (2007) ont soulign quil ya une immense ncessit
damliorer lefficience de lutilisation des ressources disponibles.
Ce chapitre est conu pour dresser un tat des lieux des recherches scientifiques portant sur la
gestion des ressources en eau, les outils daide la dcision et sur loptimisation. Il sera prsent
dans ce chapitre une chronologie des dveloppements des DSS en soulignant leurs principaux rles,
les objectifs considrs ainsi que les mthodes de rsolutions utilises. Il sera aussi dress, la fin
du chapitre, une discussion des publications analyses pour dfinir lorientation des recherches
proposes.
2.2 Revue des recherches sur les DSS pour la gestion des ressources en eau
La durabilit des ressources en eau dpend de la qualit de leur gestion. Cest ainsi que la
communaut scientifique a propos plusieurs outils DSS pour aider les gestionnaires et les
planificateurs la prise de dcision.
Loucks et da Costa (1991) ont dfini les DSS comme des outils informatiss, ayant des
caractristiques graphiques et de modlisation interactifs pour rpondre aux problmes spcifiques
et aider les personnes dans leurs tudes et de chercher des solutions aux problmes de gestion.
McCartney (2007) a soulign que les DSS sont destins fournir aux gestionnaires des ressources
en eau l'aide pour prendre des dcisions rationnelles fondes, autant que possible, sur une
valuation objective des questions. L'auteur considre un DSS tout logiciel ou outil qui aide le
processus de prise de dcision lors de la planification et lexploitation des ressources en eau et de
lallocation de leau entre les diffrents secteurs.
La dernire dcennie a vu la mise en uvre de nombreux outils pour la gestion des ressources en
eau (GRE). Mysiak et al. (2005) ont dvelopp un DSS pour la GRE intgrant des modles
hydrologiques avec les procdures d'valuation multicritres. Rees et al. (2006) a propos un logiciel
pratique pour aider faire un bilan hydrique entre les ressources et la demande en eau.
Giupponi (2007) a dvelopp un DSS pour la GIRE pour aider le dcideur dans lallocation de l'eau
entre les diffrents secteurs. Khare et al. (2007) ont propos un modle d'optimisation conomique
simple pour explorer l'utilisation conjonctive potentielle des ressources de surface et souterraines.
Ioris et al. (2008) ont propos la formulation et l'application d'un cadre dindicateurs de GRE
lchelle du bassin versant visant intgrer les aspects environnementaux, conomiques et sociaux
de la durabilit. Van Cauwenbergh et al. (2008) ont dvelopp un DSS pour classer les diffrentes
alternatives de planification et de gestion durables en fonction de leurs performances socio-
conomiques et environnementales dans la satisfaction de la demande en eau, prix, efficacit
technique et conomique et les impacts sociaux et environnementaux.
Liu et al. (2010) ont abord la GIRE en utilisant une approche fonde sur l'optimisation.
Sedki et Ouazar (2011) ont explor les calendriers de pompage optimaux qui rpondent aux
demandes en eau actuelles et futures tout en minimisant le risque d'impacts ngatifs et
environnementaux. Gaivoronski et al. (2011) ont abord la problmatique de la gestion de l'eau et
ont obtenus une politique de dcision robuste.
Coelho et al. (2012) ont prsent un outil DSS pour la rgionalisation l'appui de la GIRE au moyen
dun Systme d'information gographique (SIG) et un algorithme de classification de
programmation dynamique modifie. Il offre la possibilit pour les dcideurs dinclure les aspects
socio-conomiques, politiques et environnementaux dans l'analyse.
Zhang et al. (2012) ont propos un modle de dcision/ngociation multi-partie et multi-objectif sur
la base du principe de satisfaction pour la prise de dcision dans les systmes de transfert deau
entre les bassins.
Carmona et al. (2013) ont propos une approche de modlisation participative, applique en deux
sites, pour appuyer la prise de dcision en gestion de leau et lagriculture. Les acteurs taient
largement satisfaits de la possibilit de participer la construction du modle et des sorties
numriques des scnarios.
Lorz et al. (2013) ont adopt un outil daide la planification pour montrer leffet du changement
de lutilisation du sol sur les fonctions et les processus du milieu. Ce choix a permis de produire des
rsultats spatialiss explicites et permet aux utilisateurs non experts participer la planification
de lutilisation du sol.
40
35
Nombre d epublications
30
25
20
15
10
5
0
1985
1986
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
Anne
Figure 1. Evolution du nombre de publications sur les DSS et la GRE (SCOPUS) entre 1985 et
2014.
Le graphique de la figure 1 exprime laugmentation de lintrt aux DSS dans la GRE au milieu des
annes 90, puis une tendance vers lvolution depuis le dbut des annes 2000. La distribution des
publications selon les revues est donne la figure 2.
Figure 2. Distribution des publications en matire de DSS et de GRE par revue scientifique
(SCOPUS) entre 1985 et 2014.
Le dernier graphique montre bien que les deux revues Water Resources Management et
Environmental Modelling and Software ont le plus publis dans ce domaine avec 24 et 16
articles, respectivement.
Les principaux objectifs pris en considration par les DSS dvelopps dans le cadre des travaux cits
ci-dessus sont de trois types. Il est formul essentiellement des objectifs se rapportant lutilisateur
de leau (potable ou irrigation), des objectifs conomiques, qui peuvent tre soit la minimisation
des charges de mobilisation, du transport et de la distribution ou la maximisation du bnfice due
lutilisation de leau. Il est aussi considr des objectifs environnementaux. Il sagit essentiellement
de la minimisation des impacts ngatifs des utilisations de leau sur les aquifres (rabattement,
intrusion marine), la pollution des ressources (de surface et souterraines) et les bassins versants.
Des objectifs composites ont t aussi proposs par certains chercheurs. Le tableau 1 rsume les
objectifs et les mthodes de rsolution utilises :
Parmi les objectifs conomiques de la GRE, la maximisation du bnfice net de la consommation est
propose par Cai (2007), Khare et al. (2007), Li et al. (2007), Moradi-Jalal et al. (2007) et Prato et
Herath (2007). Cet objectif implique la formulation dune production agricole ou un service rendu
par lutilisation de leau. La minimisation des cots de l'eau et de son utilisation ont t considrs
dans les problmes doptimisation formuls par Dvarioniene et Stasiskiene (2007) et Nouiri (2014).
Liu et al. (2010) ont fix comme objectifs la minimisation des cots d'investissement et
d'exploitation.
Les aspects socio-conomiques et environnementaux ont t pris en considration dans les travaux
de Prato et Herath (2007), Van Cauwenbergh et al. (2008), Ayvaz (2009) et Sedki et Ouazar (2011).
Gaivoronski et al. (2011) ont utilis une fonction objectif couple cot-risque pour minimiser le
risque de mauvaises dcisions de gestion. Minimiser les cots d'investissement des mesures
d'attnuation des inondations et les dommages potentiels des crues taient les objectifs pris en
compte dans Yazdi et Salehi Neyshabouri (2012).
Laspect qualit a t pris en considration dans les travaux de Sedki and Ouazar (2011) et Nouiri
(2014). Il sagit gnralement de la salinit vu son importance pour leau potable et son effet sur les
rendements des cultures en irrigation. En plus, ce facteur menace la viabilit des systmes
hydrogologiques qui est la consquence du pompage excessif (Gholami et al., 2010), le recyclage
des sels par l'irrigation, les processus dinteractions eau-roches (Mongelli et al., 2013) ou
intrusion d'eau sale pour les aquifres ctiers (Singh, 2014).
Afin de rsoudre les problmes formuls, les auteurs ont utilis des mthodes d'optimisation
mathmatique, comme la programmation linaire (Cai, 2007 ; Khare et al., 2007; Moradi-Jalal et al.,
2007), la programmation entire stochastique (Li et al., 2007), la programmation dynamique
(Letcher et al., 2007) et la programmation linaire entire en nombres mixte (Liu et al., 2011).
Ayvaz (2009) a utilis un algorithme de recherche de lharmonie (Harmony Search) pour rsoudre le
problme de la gestion des eaux souterraines. Cette technique relve des algorithmes
volutionnaires.
Sedki et Ouazar (2011) et Yazdi et Salehi Neyshabouri (2012) ont utilis des algorithmes gntiques
(GA) pour rsoudre les problmes doptimisation formuls. Afin d'obtenir une dcision multi partie
idale, la ngociation a t dcompose en deux tapes par Zhang et al. (2012), puis des alternatives
de dcision ont t choisies en utilisant la mthode de reconnaissance des formes floues.
Face tels problmes complexes de la GRE et dans lobjectif de simplifier les rsolutions des
problmes formuls, la somme pondre des fonctions objectifs est gnralement utilise pour
transformer les problmes multi-objectif en des problmes mono-objectif. Cette approche pose le
problme de comparer les importances et du choix des valeurs subjectives de poids de pondration
des fonctions objectifs, selon les priorits de gestion et selon le point de vue du gestionnaire ou du
dcideur.
Il est constater quen plus de lobjectif de satisfaction de la demande en eau, les aspects socio-
conomiques de la GRE sont de plus en plus considrs. Des prospections des relations entre les
usages de leau et les rendements des cultures, les services rendus et les lois des marchs seront
ncessaires pour matriser cette composante de la GRE. Des interfaces entre les modles
hydrologiques, agronomiques et conomiques seraient ncessaires pour garantir la meilleure
modlisation du systme de production.
Les exigences en termes de salinits sont parfois considres comme objectifs principaux de la
gestion ou exprimes comme des contraintes essentielles dans les problmes doptimisation
formuls.
Les dimensions environnementales de la GRE ne peuvent plus tre ngliges pour la durabilit de
tout systme naturel. Les objectifs relatifs aux rabattements des aquifres et la pollution de leau
sont les plus considrs.
Les AG sont utiliss par nombreux chercheurs comme mthodes de rsolution des problmes
doptimisation de la GRE. Les conclusions de travaux antrieurs soulignent que les AG sont plus
efficaces que les techniques classiques d'optimisation (Vasan et Raju, 2008 ; Singh, 2014) et
fournissent une approche adquate, efficace et robuste pour chercher des solutions rationnelles
(Chang, 2008).
En plus des efforts dploys par la communaut scientifique pour dvelopper des modles, des
mthodologies et des outils daide la prise de dcision, des firmes internationales exploitent les
rsultats des recherches et dveloppent des logiciels qui offrent une gamme de modles et de
gnrateurs de scnarios pour aider la prise de dcision. Le paragraphe suivant est une
introduction des principaux logiciels considrs comme des DSS pour la GRE.
Le modle BASSINS (Better Assessment Science integrating point and Non point Sources), dvelopp
par lAgence Amricaine de protection de lenvironnement (U.S-Environmental Protection Agency),
effectue des tudes de la qualit de l'eau et lcologique l'chelle des bassins versants. Il fournit
une plateforme de modlisation intgre pour examiner les alternatives de gestion des sources
deau sur le plan environnemental. Parmi ses modles, il est possible de citer PLOAD pour grer
la pollution, SWAT (Soil and Water Assessment Tool) pour lvaluation du sol et leau,
WinHSPF (Windows Hydrological Simulation Program-Fortran) pour les calculs hydrologiques et
QUAL2 pour la modlisation de la qualit dans les cours deau. La limitation de BASSINS est
relative llaboration des scnarios de gestion.
IQQM (Integrated Quality and Quantity Model) est dvelopp par le New South Wales Department
of Land & Water Conservation avec la collaboration de Queensland Department of Natural
Resources (QDNR) . Cest un outil de modlisation hydrologique visant simuler des systmes
fluviaux et de soutenir la planification et l'valuation des impacts des options de gestion des
ressources en eau, la surveillance et la protection de l'environnement. Ses composants sont des
modles des systmes de rivires, pluie-dbit, climat, outil graphique des sorties, outil statistique
et un outil de rcupration des donnes. La limitation principale de loutil est labsence de
fonctionnalit SIG.
RIBASIM (RIver BAsin SIMulation), dvelopp par Delft Hydraulics en Hollande, est un ensemble
de modle pour la planification et la gestion des ressources en eau au niveau du bassin versant
comme il effectue des simulations de lallocation de l'eau. Labsence de fonctionnalits SIG constitue
la limitation du logiciel.
WEAP (Water Evaluation And Planning System), est dvelopp par Stockholm Environment
Institute's Boston Center at the Tellus Institute, USA . Cest un outil de planification des ressources
en eau. L'outil value une gamme complte d'options de dveloppement de l'eau et de gestion, et
Devant les complexits des processus naturels, des fonctionnements des infrastructures et du
contexte socio-conomique, il est ncessaire pour un gestionnaire ou un planificateur des
ressources en eau de se doter de loutil le plus efficient. Face la large gamme de logiciels
disponibles et de mthodologies et utilitaires proposs par la communaut scientifique, le choix
dun DSS savre difficile. Cest pour cette raison quune comparaison entre les outils les plus utiliss
(liste restreinte) est ncessaire. En plus des fonctionnalits minimales exiges, la comparaison des
outils, informatique ou non, est gnralement faite sur la base de laccessibilit loutil, le cot de
son acquisition, son exigence en donnes et la facilit de son utilisation.
Parmi les logiciels prsents dans les paragraphes prcdents, il est utile de souligner que MIKE
BASIN et AQUATOOL ne considrent pas les aspects socio-conomiques de la GRE. BASSINS, noffre
pas la fonctionnalit dlaborer des scnarios et IQQM ne permet pas dintgrer la modlisation des
aquifres. Ces quatre logiciels peuvent tre considr non satisfaisants en termes de
fonctionnalits. Ajoutons que MIKE BASIN, AQUATOOL et RIBASIM sont payants.
Le logiciel gratuit qui offre une large gamme de fonctionnalits et de calculs hydrologiques, qui
modlise les aspects socio-conomiques et qui permet un interfaage avec un outil de modlisation
des aquifres est WEAP. Il est soumis loctroi dune licence gratuite de la part de lditeur (SEI),
renouvelable annuellement, pour les pays en voie de dveloppement.
Il est aussi important de signaler que cet outil offre des possibilits de communication avec dautres
logiciels et langages de programmation (tel que VBA), travers son interface de programmation
automatique (Automated Programming Interface (API)).
A lissue de cette analyse de la situation des DSS disponibles, il est choisi dadopter le logiciel WEAP
pour essayer de dvelopper des outils daide la dcision pour la GRE. Il sera dtaill dans la partie
mthodologie lapproche de WEAP et des cas dtudes seront exposs dans la partie prsentation
des rsultats de ce document.
2.5 Conclusions
La synthse bibliographe montre quil existe un besoin en outils daide la dcision. Ce besoin sest
converti en des efforts de dveloppements doutils (par les scientifiques) et de logiciels (par les
organisations et les firmes de dveloppement privs). Deux catgories de DSS sont retenir. La
premire est forme par ceux assurant la modlisation des systmes hydrogologiques et leurs
Les travaux de recherche sur loptimisation de la GRE orientent vers la prise en compte des objectifs
de la satisfaction de la demande, en termes de quantit et de qualit, conomique (cot de leau et
rentabilit) et environnementaux (rabattement des aquifres et pollution). La prise en compte des
contraintes du systme est aussi une condition pour pouvoir driver les meilleures solutions aux
problmes de la GRE. Il sagit ainsi dun problme doptimisation multi-objectif et soumis plusieurs
contraintes. La rsolution de tels problmes complexes, du fait du nombre dobjectifs et des
contraintes, de la complexit du systme physique (nombre de sources, demandes et liaison de
transmission deau) et du nombre de pas de temps de simulation, ncessite une technique
doptimisation efficiente et robuste. Lexamen des travaux scientifiques publis montre bien que les
AG sont les plus utiliss et ont donn satisfaction.
Dans le cadre de cette recherche, il est opt pour le choix du logiciel WEAP et le dveloppement
dapplications doptimisation interfaces avec celui-ci grce aux possibilits de programmation quil
offre. Ce choix permet de tirer profit des fonctionnalits de modlisation existantes et dapprofondir
la recherche par le dveloppement dapproches doptimisation de la GRE. Il sagit ici de formuler un
problme doptimisation de la GRE et de concevoir un algorithme de rsolution. La figure suivante
rsume lide propose par cette recherche pour le dveloppement dun DSS pour la GORE :
En vue de construire un DSS pour la GORE, nous proposons une mise en relation dynamique entre
les outils existants et une application doptimisation dveloppe dans le cadre de cette recherche
(Figure 4).
Le logiciel WEAP sera utilis pour modliser les processus hydrologiques naturels ainsi que les
infrastructures de mobilisation et de transport de leau entre les sources et les demandes ainsi
quentre les demandes et les exutoires des eaux uses. La mthodologie de modlisation par WEAP
sera dtaille dans le paragraphe (3.3).
En cas de besoin, lorsquun aquifre est tudi, un lien dynamique peut tre tabli entre WEAP et
le logiciel de modlisation des coulements hydrodynamiques MODFLOW. Ce lien peut tre tabli
travers un fichier de liaison de type vecteur (*.shp). Le DSS WEAP-MODFLOW (Droubi et al, 2008;
Mamann et al., 2012) est bas sur le lien entre les nuds du projet WEAP et les cellules du modle
MODFLOW. La figure 5 schmatise la liaison entre WEAP et MODFLOW. Dans ces conditions et pour
A travers son API, il est possible dinterroger WEAP pour lire toutes les donnes relatives aux sites
de demande, sources deau et liaisons de transmission. Il est galement possible daccder aux
fichiers de donnes des modles MODFLOW pour extraire leurs structures. La lecture de la base de
donnes du fichier de liaison (*.dbf) permet de se renseigner sur les relations entre les nuds du
projet WEAP et les cellules du modle MODFLOW. Toutes ces informations permettent de
comprendre le schma conceptuel du projet et doptimiser la gestion du systme. Cest
lutilisateur du DSS de choisir les objectifs, les contraintes, les conditions initiales et aux limites ainsi
que les paramtres de fonctionnement de lalgorithme doptimisation.
Les rsultats de loptimisation seront exploits par le DSS comme des scnarios de gestion qui
peuvent tre simuls par WEAP-MODFLOW pour valuer leurs performances par rapport dautres
scnarios qui peuvent tre proposs par les acteurs de la GRE.
Pour modliser la gestion des ressources en eau dans une zone de planification et/ou de gestion par
WEAP, trois tapes sont indispensables. La premire est la prparation dune base des donnes du
systme naturel, des amnagements et des aspects socio-conomiques. La deuxime tape tant
La figure 6 dtaille les types de donnes ncessaires durant la premire tape de la modlisation
des ressources en eau par WEAP.
Les donnes climatiques ncessaires pour une modlisation par WEAP sont essentiellement les
prcipitations, les tempratures minimales et maximales, lhumidit de lair et la vitesse du vent.
Elles doivent tre organises sous forme de fichiers sparateur point-virgule (*.csv) selon le pas
de temps de simulation. Vu que les donnes climatiques sont enregistres en des points particuliers,
qui ne reprsentent pas ncessairement toute la zone de ltude, il est fait appel des tudes
hydrologiques et la spatialisation de linformation. Les donnes climatiques des stations
mtorologiques principales (Tempratures, Humidit de lair et la vitesse du vent) sont utilises
pour lestimation des vapotranspirations aux niveaux des bassins versants transfrontaliers Tuniso-
Algriens.
Les cartes sont utilises dans les projets WEAP uniquement comme fonds de plan de schmatisation
des systmes physiques. Les cartes les plus utiles sont celles des rseaux hydrographiques, des
bassins versants, les images satellites, les cartes doccupation des sols et les cartes des dcoupages
administratifs et des villes.
Les donnes relatives aux sources deau portent essentiellement sur les capacits de stockage et
leurs limites, les courbes hauteurs-volumes (barrages), les qualits des eaux, les cots de gestion et
les conditions initiales. Il est aussi ncessaire de disposer de modle MODFLOW de laquifre sil est
concern par ltude.
Dans le cadre de cette recherche, il est test et valid lutilisation des rseaux de neurones artificiels
(RNA) pour lestimation des besoins en eau potable pour les grands centres urbains. Pour les
demandes agricoles, il est utilis une approche de mesure des paramtres du bilan et les volutions
des humidits aux zones racinaires des cultures tudies (essentiellement les crales et les
palmiers dattier). Il est fait recours dans certains travaux aux enqutes auprs des consommateurs
deau pour interprter les rsultats des mesures (Nouiri et al., 2015)
Les liaisons sont caractrises dans les modles WEAP par leurs capacits de transit de leau et les
cots affrents. Les taux de pertes deau sont aussi importants connatre pour se rapprocher de la
ralit des systmes physiques.
Les donnes socio-conomiques ncessaires la modlisation par WEAP sont surtout les taux
dvolution des populations, les marges de bnfices des utilisations des eaux, les prix des ventes
des produits agricoles, etc
Dans le modle conceptuel gnral propos (Figure 7), les sources sont reprsentes par des
rectangles avec des index se . Les sites de la demande D sont reprsents par des cercles avec
l'indice d . Les connexions entre les nuds du modle (sources et sites de demande) sont
assures par des liaisons de transfert et d'approvisionnement reprsentes dans le diagramme de
la figure 7 en traits pointills et continus, respectivement.
On peut supposer que dans nimporte quelle zone de gestion, plusieurs sources avec des capacits
de stockage et des salinits diffrentes peuvent tre utilises pour satisfaire les besoins en eau
(quantits et salinit) des sites de demande. Pour les sources d'eau souterraine, la capacit de
stockage correspond au volume d'eau maximum que l'aquifre peut contenir. Pour l'eau de surface
(rservoirs), la capacit de stockage est le volume d'eau maximal qui peut tre stocke. Cette
capacit est gnralement dfinie par la topographie et le niveau du dversoir ainsi que par un
volume de scurit pour le contrle des inondations.
Dans cette recherche, le transfert de l'eau entre les sources est considr possible. Chaque lien de
transfert de la source j la source se a une capacit de transfert maximum de "FmaxS(j,se)"
(lignes pointilles). Ce paramtre est dfini par les caractristiques physiques du tuyau et/ou les
canaux utiliss (gomtrie, rugosit, longueur), la topographie (lvations des nuds du systme
hydraulique) ainsi que les caractristiques des stations de pompage et de surpression. Aussi, le
pompage dfinit le cot unitaire de transfert de l'eau : CUS (j, se) entre les sources.
On a galement suppos que chacun des sites de demande doit tre aliment par au moins une
source d'eau travers une liaison de distribution (lignes continues) qui pourraient tre un tuyau ou
un canal naturel ou artificiel. Comme pour le transfert, chacune des liaisons d'alimentation de la
source se au site d doit tre caractrise par sa capacit d'alimentation maximale
FmaxD(se, d) et son cot unitaire: CUD (se, d). Le schma de connectivit suivant (Figure 7)
reprsente le modle conceptuel gnral propos :
I(j,t) I(se+1,t)
D(d)
FmaxD(j, d) FmaxD(se+1, d)
FmaxD(se, d)
S(j) S(se+1)
I(se, t)
Pour modliser chaque source d'eau se , les capacits de stockage maximale et minimale doivent
tre connues, respectivement Vmax (se) et Vmin (se). Afin de calculer la balance de l'eau pour
chaque source, les apports deau de lextrieur de la zone de planification I(se, sext,t) et la perte
de l'eau L(se, t) sont ncessaires. La salinit de l'eau fournie aux sources se depuis une source
externe sext en fonction du temps : Qapp (se, sext, t) et le cot unitaire du transfert de ext
se : CUI (se, sext) sont ncessaires pour calculer la salinit et le cot unitaire de l'eau
mlange dans les sources se . Les conditions initiales aux sources doivent tre spcifies afin de
commencer la modlisation du systme, en particulier, le volume initial disponible Vini (se) et sa
salinit Qini (se) pour chaque source se .
Pour les sites de demande D , il est ncessaire de dterminer le volume d'eau requis D(d,t) et
la salinit maximale acceptable Qty (d, t) chaque pas de temps l'intrieur de la priode de
gestion.
Dans lobjectif de dvelopper des outils qui peuvent interagir avec la plateforme de modlisation
WEAP-MODFLOW, la gestion des eaux souterraines a t formule dans cette recherche comme un
problme multi-objectif contraintes. Quatre fonctions objectives principales ont t prises en
considration : (i) la satisfaction de la demande (fDS), (ii) La minimisation du rabattement (fDD), (iii)
la rduction des cots (fC) et (iv) la satisfaction de lexigence des sites de demande en salinit (fQ). Il
convient de souligner que, pour les utilisateurs d'eau, les principaux objectifs sont de satisfaire la
demande et les exigences en salinit. Rduire les cots et minimiser les prlvements sont les
principaux objectifs o le gestionnaire des ressources en eau est concern. Les capacits (dbits)
des liaisons de transmission, les pompages maximaux et les volumes des sources deau constituent
les contraintes de fonctionnement du systme hydraulique.
La premire fonction objectif est utilise pour valuer la performance dune solution en matire de
satisfaction des besoins en eau des sites de demande d tout pas de temps t de la priode
d'optimisation. Pour une solution s , cet objectif peut tre exprim par la minimisation de la
valeur maximale de la fonction de non satisfaction de la demande fDS prsente dans l'quation
1:
NSEmax
f DS ( s) = Max FD( se, d , t ) D(d , t )) / D(d , t ) d=1,, NDmax et t =Tstart,, Tend (1)
se=1
O FD (se, d, t) est l'eau fournie par la source d'eau se au site de demande d au pas de
temps t ; NSEmax est le nombre de sources dans la zone de planification ; NDmax est le
nombre de sites de demande ; Tstart et Tend sont respectivement le premier et le dernier pas
de temps de la priode doptimisation.
La meilleure valeur de fDS (s) est gale zro, ce qui reprsente la situation o tous les sites de
demande sont satisfaits chaque pas de temps. Si fDS (s) est diffrente de zro, cela signifie
qu'un ou plusieurs sites de demande ont reu plus ou moins d'eau que ncessaire dans certains pas
de temps. Afin de considrer la faisabilit de chaque solution value, il est considr que la
Dans le cas de lexploitation dun aquifre, une solution s qui tente de satisfaire les demandes,
ncessite le prlvement d'eau de cet aquifre et gnrera obligatoirement un rabattement du
niveau pizomtrique. Pour estimer l'impact de la satisfaction de la demande en eau sur l'aquifre,
une fonction objectif de rduction des rabattements fDD a t formule comme prsent par
l'quation 3. Elle value le rabattement relatif et la violation du pompage maximal acceptable
VMaxDD(w) de la charge hydraulique au niveau de chacun des forages actifs w le long de la
priode doptimisation :
DWDW ( w, t ) VMaxDD ( w)
f DD ( s ) = Max ( ) w = 1, , Naw et t =Tstart,, Tend (3)
( Hi ( w) BOTM ( w)) I ( w)
O DWDW (w, t) est le prlvement d'eau dans le forage w au pas de temps t ; VMaxDD
(w) est la violation maximale du rabattement acceptable observ dans le puits w ; Hi (w)
est la charge hydraulique initiale de w ; BOTM (w) est le fond du forage w ; I(w) est
l'importance de w et Naw est le nombre de forages actifs.
La violation maximale du rabattement acceptable (quation (4)) est un terme de pnalit qui
multiplie la fonction objectif de rduction des rabattements. Lorsquil ya une violation du
rabattement maximale acceptable, ce terme a une valeur suprieure 1 et donc la fonction objectif
est augmente. Dans le cas contraire, sa valeur est gale 1 et la fonction objectif nest pas
modifie :
DWDW ( w, t )
VMaxDD( w) = Max( , 1) w= 1, , Naw et t =Tstart,, Tend (4)
DDmax ( w)
Le terme I(w) indique l'importance du forage w par rapport aux autres. Les forages
importants o les rabattements doivent tre minimiss plus que d'autres auront un paramtre
d'importance gale 1. Les forages de moindre importance auront des valeurs suprieures 1.
Pour garantir qu'une solution optimale respecte le dbit de pompage autoris lgalement et
techniquement, il est impos dans la formulation du problme une contrainte de pompage maximal
des forages w par l'quation (5) :
Q( w, t ) Qmax ( w)
(5)
O Q (w, t) est le pompage partir du forage w au pas de temps t et Qmax (w) est le
dbit de pompage maximal autoris partir du mme forage.
( F
t =Tstart se=1 d =1
D ( se, d , t )) (Tend Tstart )
Mme si une solution est en mesure de minimiser les trois premires fonctions objectives, elle ne
peut tre applicable que si les salinits des eaux fournies sont acceptables par les consommateurs.
Pour considrer l'aspect de la salinit dans la formulation du problme, une fonction objectif est
propose pour valuer la satisfaction de lexigence en salinit d'eau d'une solution s , calcule
par l'quation (7).
Qty ( d , t ) Qa ( d , t )
f Q ( s ) = Max ( ,0 ) d=1,, NDmax et t =Tstart,, Tend (7)
Qa ( d , t )
O Qty (d, t) est la salinit de l'eau fournie au site de demande d au pas de temps t ; Qa
(d, t) est la salinit de l'eau acceptable en d t .
La satisfaction de la salinit peut tre atteinte en minimisant la fonction fQ (s) autant que
possible, voire jusqu' zro. Dans ce cas, la salinit maximale acceptable est la valeur la plus leve
assure dans les sites de la demande. Si le rsultat est positif, il y a au moins un site de demande
qui reoit une eau avec une salinit suprieure la valeur maximale acceptable.
La salinit de leau fournie un site de demande d au pas de temps t est calcule par
lquation (8).
NSEmax
F D ( se, d , t ) Q( se, t )
Qty ( d , t ) = se =1
NSEmax
d et t (8)
F
se =1
D ( se, d , t )
O Q(sext, t) est la salinit de leau provenant dune source externe la zone dtude sext
au pas de temps t ; t est le pas de temps de simulation.
Le calcul des volumes deau V(se, t) dans les sources de surface se pour chaque pas de temps
t est assur par lquation (10) :
Nsext(se) NSEmax NSEmax NDmax
V(se,t) = V(se,t t) +
sext=1
I (se, sext,t t) + FS ( j, se,t t)
j=1
FS (se, j,t t) L(se,t t) FD (se, d,t t)
j=1 d =1
(10)
Les valeurs maximales et minimales des volumes de stockage d'eau dans les sources se
constituent des contraintes hydrauliques, exprimes par l'quation (11) :
Vmin (se) V (se, t ) Vmax (se) se and t (11)
Les capacits maximales des liaisons de transmission entre les sources se et j sont dautres
contraintes hydrauliques du problme doptimisation. Ces limitations sont exprimes par lquation
(12).
A lorigine des temps de la simulation (T=0), les sources deau sont caractrises par leurs conditions
initiales de volumes deau disponible et de salinit, exprimes par les quations (13) et (14).
V ( se,0) = Vini ( se) se (13)
Q( se,0) = Qini ( se) se (14)
O V(se, 0) est le volume deau dans la source se t=0 et Q(se, 0) la salinit de leau
de la source se t=0 .
Il est important de noter les conflits entre les quatre fonctions objectifs proposes. La demande en
eau ne peut pas tre satisfaite sans rabattement du niveau de l'aquifre et sans cot de production
et de distribution. En outre, des sources avec de faibles cots de pompage sont gnralement
caractrises par une forte salinit. Par consquent, l'eau prleve partir de plusieurs sources doit
tre mlange pour trouver un compromis entre les quatre objectifs proposs et atteindre lobjectif
global de la GRE. Ainsi, la principale question pose par les gestionnaires et les planificateurs sera :
Combien deau faut-il prendre de chaque source pour optimiser la gestion du systme ? .
Objectifs
NSE max
f DS ( s ) = Max FD ( se , d , t ) D ( d , t )) / D ( d , t )
se =1
( F
t =Tstart se=1 d =1
D (se, d , t )) (Tend Tstart )
Qty (d , t ) Qa ( d , t )
f Q ( s ) = Max ( , 0) Avec:
Qa ( d , t )
NSEmax
F D ( se, d , t ) Q(se, t )
Qty(d , t ) = se =1
NSEmax
d et t
FD (se, d , t )
se =1
NSEmax Nsext( se)
V (se, t t) Q(se, t t ) + F ( j, se, t t) Q( j, t t) + I (se, sext,t t) Q(sext,t)
j =1
S
sext=1
Q(se, t) = NSEmax Nsext( se)
V (se, t t) + F ( j, se,t t) + I (se, sext, t t)
j =1
s
sext=1
Contraintes
FD ( se, d , t ) Fmax D ( se, d ) se, d and t
FS ( se , j , t ) Fmax S ( se , j ) se, j and t
Q( w, t ) Qmax ( w)
Vmin ( se) V ( se, t ) Vmax ( se) se and t
Conditions initiales
V ( se,0) = Vini ( se) se
Q( se,0) = Qini ( se) se
Les AGMO prsentent le mme schma de base que les AG mono-objectifs (Back et al., 2000 ; Nouiri,
2007) : codage des variables, Slection, Croisement et Mutation. Cependant, la stratgie d'volution
et les comparaisons des solutions sont diffrentes. La synthse de nombreuses tudes comparatives
sur les AGMO (Lis et Eiben, 1986 ; Zitzler et Thiele, 1998 ; Knowles et Corne, 1999 ; Esquivel et al.,
1999 ; Deb et al., 2000 ; Leiva et al, 2000) a montr que lAlgorithme Gntique multi-sexuels
litistes (MSGA) se caractrisent par le faible nombre de paramtre et une bonne rpartition des
solutions optimales sur le front de Pareto. Par consquent, ce genre dAGMO a t choisi pour
rsoudre le problme formul. L'organigramme de la figure 8 dcrit les principales tapes de calcul
d'un AGMO.
Dans la premire tape, lAGMO cre au hasard une population initiale de solutions s de taille
TPOP . Le MSGA attribue au hasard un sexe chaque solution cre alatoirement. Le nombre de
sexes est gal au nombre d'objectifs.
En deuxime tape, les solutions s sont values par des fonctions dadaptation appeles
Fitness . Dans le cadre de cette recherche, il est procd par tape lors du dveloppement des
outils doptimisation. Dans la premire, il est considr uniquement lobjectif de satisfaction de la
demande et celui de minimisation du cot moyen de leau, ainsi que les pnalits de violation des
contraintes, lors de la formulation des fonctions de fitness (Nouiri, 2014).
Aprs les rsultats satisfaisants de la premire tape, il est dvelopp loutil doptimisation qui
considre tous les objectifs et les contraintes du modle doptimisation global ci-dessus dtaill.
Ainsi, les fonctions de fitness FDS-DD (s) (Eq. 15) et FC-Q (s) (Eq. 12) sont calcules comme les
sommes pondres des fonctions objectives fDS (s), fDD (s), fC (s) et fQ (s) et les pnalits
associes.
Le choix de combiner deux fonctions objectives en une seule fonction de fitness est fait pour garder
seulement deux dimensions dans l'optimisation. Cela maintient l'approche multi-objective et
permet d'afficher les solutions non domines dans un graphe 2-D, qui est plus facile utiliser que
les dimensions 3-D ou plus lors de la slection de la solution appliquer.
Les fonctions objectives de rduction des cots et de satisfaction des exigences en salinit sont
galement contradictoires dans la plupart des cas. L'eau de meilleure qualit est gnralement dans
des aquifres profonds ou dans des forages loigns des sites de demande. Plus d'nergie de
pompage est ncessaire pour lutilisation de ces ressources et donc des cots plus levs. La somme
pondre de ces deux objectifs, tel que prsent dans l'quation (17), constitue la deuxime
fonction dadaptation combine :
p3 f C ( s ) + p 4 f Q ( s )
FC Q (s) = (17)
p3 + p 4
O p3 et p4 sont respectivement les poids des objectifs de rduction des cots et de
satisfaction des exigences en salinit.
La troisime tape consiste identifier des solutions non-domines par le concept d'optimalit de
Pareto (Goldberg, 1991). Pour un problme de minimisation de i objectifs, une solution x
domine une solution y dans la zone de recherche E si et seulement si fi (x) est infrieur
ou gal fi (y) pour tous les objectifs i et il existe au moins un objectif i tel que fi (x)
est infrieur fi (y) . Si une solution nest pas domine par aucune autre solution, elle est appele
non-domine . L'ensemble des solutions non domines de E forme le front de Pareto. Dans
notre algorithme, lensemble des solutions non domines identifies est appel Archive de taille
Tarch .
L'volution constitue la quatrime tape dans lAGMO: Une nouvelle population est cre en
utilisant les solutions de la population prcdente et les oprateurs gntiques: i) L'litisme: Un
pourcentage Pe des solutions de la nouvelle population sont copis partir de l'archive des
solutions non domines; ii) Slection: Deux solutions sont choisies parmi la population prcdente,
en fonction de leurs fonctions d'adaptation, pour participer au croisement; iii) Croisement: les
solutions slectionnes participent un croisement arithmtique pour produire deux nouvelles
solutions, avec une probabilit de croisement Pc gale 1- Pe ; iv) Mutation: Certains "bits"
parmi les solutions cres peuvent tre modifies de faon alatoire, dans l'espace de recherche,
avec une probabilit de mutation Pm .
Par consquent, une nouvelle population est cre, les solutions sont values comme dans la
deuxime tape. Les solutions non domines doivent tre identifies comme dans l'tape (3) et
insres dans l'archive. Le concept d'optimalit de Pareto sera utilis de nouveau pour mettre jour
l'archive de solutions non-domines. Si l Archive nest pas remplie de solutions non-domines,
Evaluation
Population i+1
Non
Stop
Oui
Fin
La mthodologie propose au chapitre prcdent est mise en application sur des systmes
hydrogologiques Tunisiens et trangers. Il sagit dune diversit de cas dtudes pour valuer les
performances des outils utiliss et la validit de leurs rsultats. Ces cas dtudes ont servi aussi
calibrer les algorithmes dvelopps et leur apporter des amliorations. La majorit des rgions
Tunisiennes taient touches par cette activit de recherche, de lextrme Nord (Medjerda)
jusquau zones arides (Mdenine) et dsertiques (Hzouan, Nefta), passant par le centre du pays
(Sidi Bouzid). Limage Google Earth de la figure 9 localise les zones dtudes cibles par cette
recherche.
Les donnes physiques des barrages et des liaisons hydrauliques (rivires, canaux et conduites), les
demandes en eau et les donnes de fonctionnements des barrages sont gnralement classes sur
Ce travail est ralis en partie dans le cadre de deux projets de fin dtudes de lINAT, soutenus en
2012 et 2013.
La pluviomtrie dans cette rgion dtude varie de 300 1100 mm/an. Lintrt de cette tude vient
du fait que la Medjerda est la fois un rservoir deau pour le Nord et les zones ctires du pays
mais aussi lorigine de catastrophes en cas dinondation.
Sachant que la balance de leau au niveau des principaux barrages du Nord est calcule sur la base
denregistrements et des estimations de paramtres, il est fix comme objectif de ce travail de
construire un DSS qui permet dvaluer la dynamique journalire du systme des barrages du bassin
de la Medjerda sous leffet des prcipitations et de la gestion. La priode dtude a concern les
annes de 2008 2013.
La problmatique aborde par cette tude est lestimation des apports deau de ruissellement
journaliers de lAlgrie vers la Tunisie, sous leffet des prcipitations. Ceci est argument par le
manque de donnes sur lhydrologie, les infrastructures et sur les modes de gestions du ct
Algrien. Il est aussi vis un rapprochement des ides entre les acteurs des deux cts de la frontire
et tablir une collaboration en matire de gestion des ressources en eau.
Ce travail est ralis en partie dans le cadre dun projet de fin dtude et dun mmoire de mastre
de lINAT, soutenus respectivement en 2013 et 2014.
La surface de l'aquifre est estime 1305 Km, partage entre quatre principaux bassins versants
: Oued Zigzaou , Oued Zeuss , Oued Oum Zessar et Oued Sidi Makhlouf . La rgion
tudie se caractrise par un climat aride. La pluviomtrie moyenne annuelle est d'environ 180 mm,
avec une forte variabilit spatio-temporelle.
La nappe de Zeuss Koutine est la principale source deau conventionnelle qui alimente en eau
potable les villes du Sud-Est. Elle observe une forte chute de son niveau pizomtrique et des
problmes de salinisation commencent gner son usage pour leau potable. Cest pour ces raisons
que le dessalement de leau saumtre sest dvelopp depuis le dbut des annes 2000 et celui de
leau de mer entrera en utilisation dans quelques mois (2015-2016). Les cots de production et de
transport de leau deviennent ainsi levs et la nappe continue son puisement.
Lobjectif de ce travail est le dveloppement dun DSS qui intgre le contexte climatique, les aspects
socio-conomiques et le comportement de laquifre et qui permet dvaluer les impacts des
scnarios damnagement et de gestion prvisibles.
Ce travail est ralis dans le cadre dune thse lINAT. Il est appuy par un projet de collaboration
entre lINAT, la GIZ, la BGR et lACSAD.
Figure 14. Images Google Earth du nord de la Tunisie (a) et de la station Ghdir El Golla (b)
Leau brute provient du canal Medjerda Cap Bon, de la retenue El Mornaguia et celle de Ghdir El
Golla. Le gestionnaire gre les trois sources deau brute pour satisfaire une demande journalire en
eau potable. Selon lhistorique de la distribution et des conditions climatiques, les gestionnaires des
rseaux deau potable prvoient leurs demandes en eau journalires et demandent de la station de
traitement de leur fournir leurs besoins. Ainsi, la production de la station de traitement doit tre
ajuste pour fournir le volume demand tout en minimisant les cots de la production et en
respectant la salinit maximale acceptable par les consommateurs.
Ce travail est ralis en collaboration entre lINAT et la SONEDE. Il est conduit pour dmontrer les
capacits des RNA et du modle doptimisation des ressources en eau dvelopps dans cette
recherche.
Le canal de la Medjerda-Cap Bon S1 est considre une source d'eau illimite en raison de sa
capacit de stockage en amont. Pour cette raison, un grand volume hypothtique est adopt
Source deau Vmax (Mm3) Vmin (Mm3) Vini (Mm3) Qini (g.L-1)
S1 1000 1 1000 2.0
S2 15 5 15 1.0
S3 5 1 5 1.0
Vmax : volume maximal ; Vmin : volume minimal ; Vini : volume initial ; Qini : Salinit initiale
Les capacits maximales des transferts et d'approvisionnements et les cots unitaires des liaisons
de transmission de l'eau entre les sources et le site de demande dues la consommation de l'nergie
par le pompage sont rsums dans le tableau 3.
Il est suppos dans la prsente tude que deux parties de l'aquifre prsentent de bonnes qualits
d'eau, mais avec le cot le plus lev, et deux parties avec de l'eau sale et de faibles cots. Les
salinits de gw_01 et gw_02 sont supposes gales 1,0 g.L-1 et leurs cots d'exploitation
variables sont gaux 2 $.m-3. Pour gw_03 et gw_04 , il est suppos les mmes salinits de
2,00 g.L-1 et des cots variables dexploitation de 1 $.m-3.
Quatre liaisons de transmission (flches vertes) sont utilises pour alimenter le site de la demande
Demand_01 (point rouge) partir des nuds d'eau souterraine. Il est suppos qu'il n'y a pas de
limitation des capacits de transport ni des cots lors de l'utilisation des liaisons de transmission.
Le site de la demande Demand_01 se caractrise par une population de 10 000 habitants, avec
une consommation deau annuelle par habitant de 50 m3 et une salinit maximale acceptable de
1,5 g.L-1. Il est suppos que le pompage dans chacun des puits sera le mme partir des trois
couches. Afin de protger l'aquifre, il est considr un rabattement maximale acceptable gale
1 m par pas de temps (mois) pour les quatre puits. De plus, les puits seront considrs ayant la
mme importance. Par consquent, I (w) sera gal 1 pour tous les puits w . La priode
d'tude est de deux ans (2011-2012) avec un pas de temps mensuels.
Lobjectif de cette tude est de tester les performances de loutil dvelopp pour loptimisation de
la gestion des aquifres dans lespace de travail WEAP-MODFLOW.
Dans cette partie, il est prsent un rsum des rsultats des travaux de recherche mens dans
lobjectif de contribuer aux efforts visant lamlioration de la gestion des ressources en eau. Dans la
section (4.3.1) les DSS dvelopps en utilisant WEAP et MODFLOW ainsi que des exemples de
rsultats utiles pour la GRE sont exposs. Dans la section (4.3.2), il est dtaill les rsultats des
applications des AGMO dvelopps sur un cas dtude rel et sur un exemple hypothtique.
En deuxime lieu, il est organis une base des donnes regroupant les proprits des barrages
concerns par ltude, les valeurs journalires des paramtres du bilan ainsi que les donnes des
consommations.
#
# #
# $ # #
#
# # # $
#
# #
$ # # $ #
$ # ( # #
$ # # #
#
# # # $
$ # # # $ # $ # #
$ # # # $
# $ # # $ #
$ # # #
# # # # # $
# $ #
# #
$ #
# #
#
( #
#
( # # ( # #$ # #
$ # #
#
#
# # # #
# $ # # #
# # #
#
#
#
#
# ( $ #
#
# $
$ #
$ # # #
# #
# #
# $ # #
( #
$
$
# #
# # #
#
# #
#
#
#
# #
# $ #
#
$ (
#
$
#
#
#
Figure 16. Schma conceptuel du systme de mobilisation des eaux du Nord de la Tunisie sous
WEAP.
Parmi les rsultats qui peuvent tre cits pour valuer le modle est sa capacit dresser des bilans
deau au niveau de tous les objets du systme. En effet, il tait possible dextraire les taux de non
satisfaction des demandes en eau introduites, les dbits dans tous les liens hydrauliques, les
comportements des barrages (volume) ainsi que le bilan de tout le systme (Figure 17).
Retenue: dbits entrant et sortant
Scnario: Reference, Tout jour (365), Tout Retenue (32)
300
Tous les autres
280
Increase in Storage for sidi salem
260
Increase in Storage for sidi barrak
240
Increase in Storage for sejnan
220
Increase in Storage for mellegue
200
Dbit vers l'aval
180
Dbit vers L5
160
Dbit vers L10
140
Dbit venant de l'amont
120
Decrease in Storage for sidi salem
100
Decrease in Storage for sidi barrak
80
Decrease in Storage for sejnan
60
Million Mtre cube
Figure 17. Bilans journaliers des 32 barrages du systme de mobilisation des eaux du Nord
considrs dans le modle.
Cette analyse offerte par le modle permet dmettre des constations sur le fonctionnement global
du systme de mobilisation sous leffet de lhydrologie et en consquence dune gestion des
ressources. Plusieurs traitements peuvent tre faits sur les moyennes, les totaux et les carts par
rapport des enregistrements de rfrences. La figure 18 prsente les bilans annuels de 2008
2012 des dbits entrant et sortant des retenues des barrages.
Retenue: dbits entrant et sortant
Scnario: Reference, Tout jour (365), Tout Retenue (32)
1 800
1 600
1 400
1 200
1 000
800
600
400
200
0
-200
-400
-600
-800
-1 000
-1 200
-1 400
-1 600
-1 800
2008 2009 2010 2011 2012
Figure 18. Bilans annuels des entres et des sorties d'eau dans les barrages du systme
hydraulique de la Medjarda.
Le DSS labor permet, dautre part, de simuler les comportements journaliers des barrages par le
calcul de leurs volumes deau et de restituer le rsultat de la simulation paralllement aux
enregistrements. La figure 19 est un exemple de rsultat pour les barrages de Joumine.
Observed and Simulated Reservoir Volume
Retenue: Joumine, Scnario: Reference, Tout jour (365)
140
Observed Volume
135
Volume de stockage
130
125
120
115
110
105
100
95
90
85
Million Mtre cube
80
75
70
65
60
55
50
45
40
35
30
25
20
15
10
5
0
01/01/ 21/02/ 18/04/ 13/06/ 07/08/ 02/10/ 27/11/ 21/01/ 18/03/ 12/05/ 07/07/ 01/09/ 26/10/ 21/12/ 14/02/ 11/04/ 06/06/ 31/07/ 25/09/ 19/11/ 14/01/ 11/03/ 05/05/ 30/06/ 24/08/ 19/10/ 14/12/ 07/02/ 04/04/ 30/05/ 24/07/ 18/09/ 12/11/
2008 2008 2008 2008 2008 2008 2008 2009 2009 2009 2009 2009 2009 2009 2010 2010 2010 2010 2010 2010 2011 2011 2011 2011 2011 2011 2011 2012 2012 2012 2012 2012 2012
Figure 19. Variations journalires observe et simule du volume d'eau du barrage Joumine de
2008 2012.
Le dernier graphique montre que le schma conceptuel labor pour le barrage Joumine ainsi que
les donnes physiques et celles de gestions sont cohrentes avec la ralit. La courbe de variation
du volume simule tend sloigner de celle observe dans les phases de consommation. Un calage
des paramtres influents dans cette phase est ncessaire pour amliorer la qualit de la
modlisation. Pour dautres barrages, les rsultats ne sont pas acceptables et un raffinement du
travail a t recommand la fin de ce premier pas.
Une des fonctionnalits offertes par WEAP est la possibilit de crer un ensemble de graphiques qui
donnent une ide globale sur le fonctionnement du systme et les afficher sur la mme vue
simultanment. La figure 20 en est un exemple qui regroupes les demandes non satisfaites, les
variations des volumes des rservoirs les dbits dans les cours deau et ceux dans les liaisons de
transmission.
La premire application de WEAP pour la modlisation de la gestion du systme des eaux du Nord
de la Tunisie a montr quil est possible avec cet outil de rsoudre des problmatiques non
ngligeables auxquelles sont confronts les gestionnaires. Le premier apport de lapproche est
lorganisation des donnes numriques et leurs rattachements des objets graphiques. Ceci facilite
considrablement lanalyse des donnes collectes de plusieurs sources dinformation.
La capacit de traitement des donnes et ldition de graphiques diffrents pas de temps et sous
diffrentes formes est une autre fonctionnalit que le modle dvelopp peut apporter au
gestionnaire pour lui faciliter la comprhension du fonctionnement du systme et par la suite la
prise de dcision.
Le systme de barrages, des sites de demandes et les liaisons hydrauliques sont par la suite
configurs conformment la ralit. Les cours deau principaux sont modliss par 43 objets
Rivire aliments en eau par les ruissellements partir de 58 objets Bassin versant travers
58 objets Ruissellement/Infiltration . Il est identifi dans la zone 16 Sites de demande relis
aux barrages par 16 Liaison de transmission . La base des donnes des paramtres agro-
climatique est mise en relation avec les objets Bassin versant pour le calcul des
vapotranspirations des couverts vgtaux et des ruissellements de surface. La figure 21 prsente
le modle de gestion du bassin versant de la Medjerda labor par WEAP.
# # #
# # #
# # #
#
# # ##
#
# #
Y$
# $ # #
(
Y
## # Y
# ## # Y #
# $ # Y # #
# ##Y ## # # # $Y ## #
(
((
# #
# # #
# ## #
(( (
#
# #
#
## # # # # #
# #
Y
#
$ # # # # #
#
#
#
#
#
#
#
## # (
$
Y #
# # Y
# # $Y
#
#
# # #
# # #
( (
Y
# # Y# $#
Y
# ## #
# #
# #
# Y # #
# #
#
# ## #
#
# #
$
# # # #
# #
# # # #
# #Y #
( # # #
#
#
#
# #
#
# ##
# #
# ## ##
#
#
# #
#
# ( Y #
#
#
#
#
#
# # #
#
Figure 21. Modle de gestion des RE du bassin versant de la Medjerda sous WEAP.
En plus des mmes rsultats que ceux prsents pour le cas dtude prcdent, le prsent modle
fourni des estimations des dbits dans chacun des cours deau considrs. La figure 22 donne la
distribution des dbits lors de la journe du 23 fvrier 2012, qui correspond une inondation qui
sest gnre partir du bassin de Mellgue.
# #
#
#
#
$# # $ #
# #
#
#
#
(
#
#
#
Y
$ #
#
Y
$
#
#
#
#
#
# #
# $
(
#
#
Y
$#
Y
(
# #
#
#
(
$ # #
# #
#
#
# #
Y
#
# (
Y
# #
#
(
#
(
#
#
#
(( (
#
#
#
#
#
#
#
# #
#
#
(
#
( # #
#
#
#
Y
#
$ # #
#
##
#
(
#
#
#
#
#
$
#
$
#
#
#
Y Y
#
$ (
# #
#
$
# #
#
#
#
# #
#
#
#
#
Y #
( ( $
#
Y
#
#
$
#
# Y (
#
#
(
#
Figure 22. Carte de distribution des coulements de surface dans les rivires du modle de la
Medjerda.
Le modle de gestion labor par WEAP fournit lutilisateur un schma dallocation des ressources
selon les proprits des liaisons hydrauliques disponibles, pour chaque pas de temps de simulation.
Les contraintes de transit, celles de la qualit de leau et les priorits et les prfrences
dalimentation sont respectes. La figure 23 est un exemple de demandes en eau et de desserte
proposes dans le cadre du scnario de rfrence du modle, pour la journe du 1ier Aot 2012.
#
#
#
##
#
# #
# #
# # #
#
#
#
#
#
#
#
#
##
##
#
#
#
$# # $
# #
#
#
(#
#
#
$ #
Y
Y
$
Y
#
#
#(
#
#
#
#
# $
(
#
#
Y
$#
#
Y
# #
#
(
$ # #
(##
# #
#
# #
Y
#
# (
# #
Y
#
(
#
#
#
#
( (
#
#
#
#
#
#
#
#
#
(
#
( # #
#
#
Figure 23. Demandes en eau et schma d'allocation propos par WEAP le 1ier Aot 2012 pour une
partie du bassin versant de la Medjerda.
4.3.3 Modlisation de la gestion des ressources en eau des bassins versants transfrontaliers
Tuniso-Algriens.
En vue de surmonter les anomalies de modlisation rencontres lors des premires expriences, il
est utilis dans ltude des bassins transfrontaliers une approche statistique de spatialisation des
mesures des prcipitations des 38 stations de mesure sur une grille couvrant la zone dtude avec
un pas de 0,02 degr. La zone de ltude est dcoupe en 9 sous bassins versants, prsents dans le
tableau 4 :
La base des donnes journalire des prcipitations stale du 1ier Septembre 2008 au 31 Dcembre
2013. La mthode dinterpolation linaire est utilise pour spatialiser linformation pluviomtrique
journalire. La figure 24 prsente les courbes isohytes des prcipitations annuelles des quatre
annes hydrologiques tudies.
Pour les quatre annes hydrologiques, il est mis en vidence un gradient pluviomtrique du Nord
au Sud de la zone dtude. Il est enregistr des prcipitations annuelles du Nord au Sud variant entre
2200 et 100 mm.
2
4
Figure 24. Courbes isohytes des prcipitations annuelles pour les annes hydrologiques
2008/09 (1), 2009/10 (2), 2010/11 (3) et 2012/13 (4).
Pour les quatre annes hydrologiques tudies, les rgions en Algrie sont nettement plus
arroses. Cette observation peut tre argumente par laugmentation de laltitude en se
dirigeant de la Tunisie vers lAlgrie.
Pour combler le manque de mesures dans de vastes rgions, il tait ncessaire de choisir 22
emplacements de stations pluviomtriques imaginaires pour associer chaque objet
Bassin versant du modle une station pluviomtrique (Figure 24). Les prcipitations
journalires des stations imaginaires sont par la suite extraites des rsultats des interpolations
des valeurs journalires des stations existantes.
La moyenne journalire de lET0 pour tous les bassins versants a varie entre 0,9 et 9,3
mm/jour.
Figure 26. Schma conceptuel du modle de gestion des ressources en eau de surface des
bassins transfrontaliers Tuniso-Algriens.
Pour construire ce modle de gestion, Il est utilis 36 objets Rivire , aliments en eau
partir 37 Bassin versant travers 37 liaisons Ruissellement/infiltration . Trois retenues
La base des donnes des mesures journalires du volume du barrage Mellgues est galement
intgre dans le modle aussi bien que ses caractristiques physiques et ses rgles de gestion.
La modlisation par WEAP a permis destimer les ruissellements des 7 cours deau
transfrontaliers, du nord au sud, Rarai, Medjerda, Mejah, Mellegue, Haidra, Safsaf et El Kbir
(Figure 28).
Figure 28. Modulation des dbits dans les cours d'eau transfrontaliers Tuniso-Algriens du
1ier Septembre 2008 au 31 Aout 2013.
Les valeurs maximales sont observes au niveau de loued Mellgue avec une valeur denviron
260 Mm3 le 22 Fvrier 2012 (3000 m3/s). Cet affluent est le plus important dans le bassin
versant de la Medjerda. Le mme jour, le dbit traversant la frontire du ct de Ghar Dimaou
$ $
#
1
#
#
(
#
#
#
# (
#
#
#
#
#
#
#
#
# #
# # #
#
#
#
# #
#
#
#
#
(
#
#
#
#
#
# #
$ $
#
#
#
#
#
(
#
#
#
#
(
3
#
# #
$
$
Les ruissellements annuels traversant Oued Mellgue ont vari entre 840 et 1731 Mm3
respectivement pour 2012/13 et 2011/12. Ceux de loued El Kbir, ils ont vari entre 164 et 393
Mm3 respectivement pour 2012/13 et 2010/11. Pour loued Medjerda, les ruissellements
annuels ont vari entre 353 et 558 Mm3 respectivement pour 2009/10 et 2010/11.
Le modle conceptuel est construit par 10 objets Rivire , 16 Site de demande , 9 nud
Eau souterraine , 2 Bassin Versant , 2 Autres Sources , 24 Liaison de transmission ,
2 liaisons Ruissellement/Infiltration et 8 dbit de Retour (Figure 30).
Les deux modles WEAP et MODFLOW sont tablis pour la priode 1982 2030, avec un pas
de temps mensuel. Une mise en relation entre les objets Eau souterraine de WEAP et les
cellules du modle MODFLOW. Ce lien est assur par la configuration dun fichier de liaison
type *.shp . La figure 31 est une partie de la base de donnes du fichier de liaison WEAP-
MODFLOW configure pour le cas de Zeuss Koutine.
# #
#
# # %
#
# %
#
` #
# # #
#
% #
#
# #
#
# #
# #
%
` %
#
#
%
#
Figure 32. Estimations des demandes en eau potable mensuelles des villes du Sud Est de la
Tunisie.
Le DSS est aussi configur pour estimer la recharge naturelle sous leffet des prcipitations
mensuelles. Lexploitation de la nappe pour satisfaire les demandes jusqu lchance de
ltude est fournie par le DSS. Les principaux rsultats sont les prlvements deau de chaque
source disponible pour satisfaire les demandes et limpact sur la nappe. Il est aussi calcul le
cot de la gestion ainsi que la qualit de leau desservie chaque site de demande. La figure
33 est un exemple de solution pour la desserte de la ville de Jerba, pouvant tre alimente
partir de plusieurs sources (aquifre, station de dessalement de leau saumtre, eau de mer
dessale).
Figure 33. Solution de desserte de la Ville de Jerba partir des quatre sources d'eau
disponibles.
Limpact de la satisfaction de la demande en eau sur la nappe est valu par le DSS sur la base
du calcul des niveaux pizomtriques des cellules du modle de la nappe (Figure 34).
Figure 34. Evolutions simules des charges de trois pizomtres de la nappe de Zeuss
Koutine de 1982 2030.
Il est dmontr par la modlisation que le rabattement de la nappe tait ralenti par
lintroduction du dessalement en 2000. La station de dessalement de leau de mer assurera
quant elle un ralentissement du rabattement jusqu 2020. A partir de cette date, dautres
ressources devraient tre identifies et utilises pour prserver la nappe de Zeuss Koutine.
Lapproche propose a montr ses performances en termes de calcul des bilans et des
ruissellements de surface. WEAP offre une gamme de modles capables dvaluer le bilan
hydrique la surface du sol, depuis le plus simple, qui ncessite quelques informations
gnrales, au plus compliqu qui calcule les besoins en eau des cultures et modlise lhumidit
du sol aux diffrents horizons jusqu une nappe souterraine. Il est galement possible de
programmer dans WEAP tout model hydrologique test.
Un raffinement des travaux ci-dessus exposs, par lamlioration de la qualit des donnes
utilises, les modles appliqus et par leur calage sur la base de donnes observes, est la
perspective de cette recherche. Elle vise amliorer la qualit de la modlisation sans toutefois
prtendre les rendre capables didentifier les solutions optimales aux problmes poss.
Ainsi, la forme des DSS qui vient dtre expose reste une alternative de modlisation qui
permet au gestionnaire dvaluer une solution. Un outil de gnration de scnarios, voire
doptimisation de la gestion des RE, est fortement demand pour rsoudre des quations des
modles doptimisation et atteindre tous les objectifs de la GRE.
Ce paragraphe prsente les rsultats de lutilisation dun outil doptimisation dvelopp selon
la mthodologie dtaille au chapitre prcdent pour optimiser la GRE indpendamment de
tout autre outil de modlisation.
Un cas dtude rel (La station de traitement deau potable de Ghdir El Golla) est utilis pour
tester ALL_WATER . La figure 35 prsente son schma conceptuel.
L2(t)
FD(1, 1, t) D(1, t)
S1 D1
FS(1, 3, t) FD(3, 1, t)
S3
L3(t)
Afin de choisir les paramtres de lAGMO, une analyse de sensibilit a t faite. Les premiers
essais ont converg pour une taille de population de TPOP = 50, un nombre maximum
d'itrations Gmax = 1500, une probabilit de croisement pc =0,6, une probabilit de mutation
pm = 0,1 et un pourcentage d'litisme Pe = 40%. Aprs six minutes dexcution, l'outil a valu
75 000 solutions possibles au problme (50 x 1500) et identifi les 72 solutions optimales
prsentes dans le front de Pareto la figure 36.
Figure 36. Front de Pareto de solutions optimales pour la GRE de la station Ghedir El Golla.
Il est vrifi que toutes les solutions assurent une salinit acceptable au site de demande. Les
volumes deau limites aux sources ainsi que les dbits maximaux de transit sont respects.
Le front de Pareto dfini par les solutions optimales fournit une relation intressante entre les
objectifs pris en considration. Il peut aider les gestionnaires prendre les bonnes dcisions
dans diffrentes situations du systme hydraulique et des priorits. Cette possibilit ne peut
pas tre offerte par des approches mono-objectives.
Bien quALL_WATER a montr une efficacit et une efficience dans le calcul des solutions
optimales pour le cas dtude rel, quelques amliorations futures pourraient tre envisages.
L'outil pourrait tre enrichi en ajoutant des objectifs supplmentaires. Un objectif
environnemental pour minimiser les rabattements dans les aquifres permettrait un plus
large ventail d'applications.
L'outil dvelopp est efficace et souple pour l'optimisation de la GRE pour les grands systmes
hydrauliques et tous les types de ressources en eau. En outre, toute catgorie de la demande
en eau peut tre incluse en termes de volume et de salinit (Nouiri, 2014).
Vu les rsultats concluant du test du premier outil doptimisation, le deuxime outil dvelopp
ALL_WATER_gw est conu pour enrichir la plateforme de modlisation WEAP-MODFLOW
en lui offrant la possibilit de gnrer des scnarios optimaux. Lassociation entre le modle
doptimisation et le DSS WEAP-MODFLOW permettrait des avantages importants :
Ltude de sensibilit a montr que le nombre de solutions optimales nest pas clairement
fonction de la probabilit de mutation (Pm), la probabilit de croisement (Pc) et le pourcentage
dlitisme (Pe) (Figure 38).
60
Optimal solution number
50
40
30
20
10
0
30 50 100 150 200
Tpop
Leffet de la taille de la population sur le temps de lexcution pour converger est exprim
dans la figure 39.
200
100
0
30 50 100 150 200
Tpop
4-80-20 4-50-50 4-20-80
7-80-20 7-50-50 7-20-80
10-80-20 10-50-50 10-20-80
Average Expon. (Average)
Les rsultats montrent que le temps de calcul est une fonction exponentielle de la taille de la
population, confirm par le coefficient de dtermination de la courbe de tendance
exponentielle de 0,9857. La relation exponentielle entre la taille de la population et le temps
de calcul peut tre explique par l'effet combin de la ncessit d'un temps plus long lorsque
l'outil doit valuer plusieurs solutions et par l'augmentation du nombre d'itrations
ncessaires pour converger quand la taille de la population est plus grande.
La figure 39 montre aussi que le temps de calcul ne dpend pas fortement des valeurs de Pm,
Pe et Pc. Dans tous les cas, le temps de calcul moyen ncessaire pour valuer une solution a
t estim 0,000147 s.
Aprs 3,5 heures de calcul, ALL_WATER_gw tait en mesure d'valuer 60 000 solutions et
converger. Le long temps de calcul observ avec ce cas est d l'excution du modle
MODFLOW 60 000 fois. La figure 40 prsente l'volution des quatre fonctions objectives lors
de la recherche.
Iteration number
FDS FDD FC FQ
Figure 40. Evolution des valeurs des fonctions objectifs lors de l'optimisation de la gestion de
l'aquifre hypothtique.
Les tendances des fonctions objectives dans le graphique de la figure 40 montrent bien que le
modle doptimisation tait capable de minimiser les fonctions de non satisfaction de la
demande et de la salinit relativement rapidement. La fonction objective de minimisation du
rabattement a observ une rduction significative durant la premire phase de loptimisation,
paralllement la satisfaction de la demande, puis une stagnation de sa valeur jusqu la fin
du processus doptimisation. La fonction de minimisation du cot na pas pu tre rduite dans
ce cas dtude.
22 solutions optimales ont t identifies par ALL_WATER_gw aprs avoir atteint le nombre
maximal d'itrations, prsent dans le front de Pareto dans le graphique Figure 41. Ce front
de Pareto reprsente la relation entre la fonction dadaptation de satisfaction de la demande
et de minimisation du rabattement (FDS-DD) et celle de la rduction des cots et la satisfaction
de la salinit (FC-Q).
0.378
0.3778
0.3776
0.3774
0.3772
FC-Q
0.377
0.3768
0.3766
0.3764
0.3762
0.415 0.42 0.425 0.43 0.435 0.44
FDS-DD
Figure 41. Front de Pareto des solutions optimales identifies par ALL_WATER_gw pour le
cas d'tude hypothtique.
L'utilisation des quatre nuds d'eau souterraine avec des contributions comparables peut
tre explique par l'intrt pour gw_01 et gw_02 en raison de leurs salinits basses
(1,0 g.L-1) et l'intrt pour gw_03 et gw_04 en raison de leurs faibles cots
d'exploitation (1,0 $.m-3).
Pour atteindre la fois les objectifs de la qualit et des cots, il tait ncessaire de mlanger
l'eau chre de faible salinit et l'eau avec un faible cot unitaire et de salinit leve. Pour
toutes les solutions optimales proposes dans le front de Pareto, l'eau mlange au site de la
demande Demand_01 a une salinit de 1,5 g.L-1. Cela a permis d'obtenir des solutions
optimales faible cot. La solution A a t caractrise par un cot unitaire de l'eau de 1,5
$.m-3.
La figure 42 montre la rpartition spatiale de la charge hydraulique dans les cellules des trois
couches du modle MODFLOW la fin de la premire anne de la priode de simulation
(12/2011). Cette situation constitue la condition initiale pour la priode d'optimisation (2012)
et reprsente le rsultat de pompage partir de gw_0 en 2011.
La figure 42 prsente en parallle les distributions spatiales des charges hydrauliques des
cellules pour le scnario de "Rfrence" de WEAP et pour la solution optimale (A) pour la
gestion des eaux souterraines calcule par ALL_WATER_gw la fin de la priode
d'optimisation (12/2012).
Situation Initiale
Legende
Figure 42. Distribution spatiale des charges des cellules dans les couches 1, 2 et 3 la fin de la
premire anne de la priode de simulation (12/2011) et la fin de la priode d'optimisation
(12/2012) pour les scnarios de "Rfrence" et optimal.
La dernire figure montre que lors du pompage partir dun seul forage (gw_01), tel que propos
par le scnario de "Rfrence" de WEAP, le rabattement de la nappe phratique sera le plus
important dans la cellule (2, 2), reprsentant le forage de pompage, estime 19,8 m dans la couche
Si la solution A est utilis pour la gestion des eaux souterraines au cours de la priode d'optimisation,
une amlioration de la distribution du niveau de la nappe est dmontre. Le rabattement maximal
de 11,8 m est calcul dans la cellule (2, 2) dans la couche 1 et le rabattement le plus faible a t
estime 9,7 m dans la cellule centrale (6, 6) de la grille dans la couche 1. Par consquent, la
diffrence de rabattement dans la grille de laquifre en Dcembre 2011 (8,5 m) a t porte 11,1
m dans le scnario de Rfrence et a diminu 2,1 m avec la solution optimale A.
La figure 43 est une vue 3-D de laquifre tudi et o la solution optimale A est applique. Cette
vue montre comment les rabattements sont presque quivalents aux quatre points de pompage,
la fin de la priode doptimisation (12/2012).
MODFLOW Cell Head
Anne: 2012, Scnario: OPTIMIZATION, Layer: 1, Mois: Dcembre
Mtre
248 to 250
246 to 248
244 to 246
242 to 244
240 to 242
238 to 240
240.2
236 to 238
240.0 234 to 236
239.8 232 to 234
239.6 230 to 232
Mtre
1 3
2 4
3 5
4
6
5 Row
6 7
Colonne 7 8
8 9
9
10
10
1111
Figure 43. Vue 3-D de la distribution de la charge des cellules de l'aquifre tudi lorsque la
solution A est applique.
Les derniers rsultats dmontrent que les solutions optimales calcules par l'outil dvelopp taient
en mesure de satisfaire la demande, assurer la salinit acceptable, de rduire le cot unitaire de
l'eau et de minimiser le rabattement maximal sur l'aquifre.
L'outil dvelopp peut tre considr comme gnrateur de scnarios optimaux et son lien
dynamique avec la plateforme WEAP-MODFLOW permet de simuler des solutions optimales comme
des scnarios de gestion.
Ce chapitre a pass en revue les principaux rsultats obtenus lors des recherches conduites en
matire de dveloppement doutils daide la dcision pour la gestion des ressources en eau. Il
sagit de deux types de modles. Ceux spcialiss dans la modlisation des processus
hydrogologiques, servant raliser des simulations pour valuer un mode de gestion, un choix ou
une politique. Le deuxime type de modles abord dans cette recherche est form des outils
doptimisation. Les tests raliss avec les deux logiciels dvelopps dans cette recherche ont donne
satisfaction, sur les plans efficience et robustesses dans la recherche des solutions optimales.
Les rsultats prsents dans ce document taient obtenus suite une troite collaboration avec les
organismes de dveloppement. Nous concluons cette tape que les mthodes de modlisation
proposes, surtout avec WEAP, et testes sur des cas rels taient bien acceptes. Les calages des
modles labors permettraient de renforcer la conviction des gestionnaires et des dcideurs en
ces outils et aiderait leur ancrage dans les directions techniques comme DSS.
La modlisation des trois cas dtudes de ressources en eau de surface en Tunisie a permis de
sarrter sur les potentialits, les performances et les limitations de loutils. Notre exprience
applique denviron 7 ans avec WEAP nous permet de le recommander pour les organismes chargs
de la GRE en Tunisie et ailleurs. Il est suffisamment utile pour les ingnieurs qui grent des systmes
hydrogologiques et hydrauliques pour organiser et classer leurs bases de donnes numriques.
WEAP a aussi montr de grandes capacits de modlisation de tels systmes dynamiques. Les
rsultats obtenus tmoignent des performances des algorithmes de calculs qui toffent le logiciel.
Ses capacits daccepter lintroduction de nouveaux modles, soit en utilisant ses fonctions de base
ou en ajoutant du code dans son interface de programmation, ouvre une voie infinie de
dveloppement dans cette plateforme de modlisation.
Le lien dynamique tabli entre WEAP et MODFLOW en est une autre fonctionnalit rarement offerte
par les outils de modlisation de sa catgorie. Lapplication a un cas dtude rel a rvl les
potentialits dvaluer les impacts du climat, des amnagements et des planifications sur le
comportement de la nappe trs long terme.
Le test des outils doptimisation dvelopps a prouv leurs avantages dans lidentification des
solutions optimales au lieu des multiples simulations de solutions choisies alatoirement, comme il
est couramment procd. Lapproche doptimisation multi-objective a permis davoir la possibilit
didentifier, pour chaque problme, un front de Pareto form de plusieurs solutions optimales.
The author has requested enhancement of the downloaded file. All in-text references underlined in blue are linked to publications on ResearchGate.