Analyse des données

L’ensemble des données collectées sur les eaux souterraines de la zone d’étude a fait l’objet d’une étude hydrochimique et statistique.

Pour la classification hydrochimique des eaux, nous avons utilisé le diagramme de Piper, de Schoeller et Berkaloff, de Richards et de Wilcox. Ces diagrammes ont été réalisés à l’aide du logiciel diagrammes (Logiciel d'hydrochimie). Ce logiciel est beaucoup utilisé en hydrochimie et donne des résultats Satisfaisants.

L’approche statistique est basée sur l’utilisation de l’Analyse en Composantes Principales pour étudier les phénomènes à l’ origine de la minéralisation des eaux, et sur l’analyse de la variance.

En plus, les traitements statistiques des données du sol sont basés sur l'analyse de la variance des paramètres étudiés.

Tous les traitements statistiques ont été réalisés à l’aide du logiciel STATISTICA 6.0.  Diagramme de Piper :

Le diagramme de Piper permet une représentation des anions et des cations sur deux triangles spécifiques dont les côtés témoignent des teneurs relatives en chacun des ions majeurs par rapport au total de ces ions (cations pour le triangle de gauche, anions pour le triangle de droite). La position relative d'un résultat analytique sur chacun de ces deux triangles permet de préciser en premier lieu la dominance anionique et cationique.

A ces deux triangles, est associé un losange sur lequel est reportée l'intersection des deux lignes issues des points identifiés sur chaque triangle. Ce point intersection représente l'analyse globale de l'échantillon, sa position relative permet de préciser le faciès de l'eau minérale concernée.

Un avantage du diagramme de Piper est qu'il permet de représenter sur un même graphique de nombreuses analyses autorisant des regroupements par famille présentant des faciès similaires. Ce point peut s'avérer particulièrement intéressant dans le cadre du suivi qualité d'une eau minérale dans le temps, pour lequel on dispose de plusieurs analyses physico-chimiques, ou dans le cadre d'études régionales de comparaison de divers points.

 Diagramme de Schoeller et Berkaloff

Le diagramme de Schoëller-Berkaloff permet de représenter le faciès chimique de plusieurs échantillons d'eaux. Chaque échantillon est représenté par une ligne brisée. Cette dernière est formée en reliant tous les points qui représentent les différents éléments chimiques. La concentration de chaque élément chimique est figurée par une ligne verticale en échelle logarithmique. Ces échelles logarithmiques à égale distance les aunes des autres, étant décalées de façon à aligner les valeurs unitaires des milliéquivalents des différents anions et cations [LOUVRIER, 1971].

 Diagramme de Richards ou Riverside

[United State Salinity Laboratory Staff, 1954], on la trouve aussi sous le nom de classification de "l'USSL" ou "USSLS", qui est le sigle de son laboratoire d'origine. Elle est la plus répandue et la plus utilisée [LARAQUE, 1991 ; GONZALEZ BARRIOS, 1992 ; MONTOROI,

1995]. Elle prend en compte les deux grands dangers que peuvent comporter les eaux utilisées en irrigation : celui de la salinisation et celui de sodisation (ou d’alcalisation) des sols. Différentes classes d'eau ont été définies sur la base du taux d'adsorption du sodium (SAR) avec SAR= Na √ (Ca +Mg) / 2, et sur la concentration de l'eau exprimée sous la forme de la conductivité électrique en micromhos/cm à 25°C (ou μS/cm). La conductivité électrique est représentée en échelle logarithmique en abscisse, alors que le SAR est représenté en ordonnée en échelle arithmétique.

 Diagramme de Wilcox

La classification de Wilcox fondée sur la conductivité électrique et la teneur en sodium dans l’eau qui est exprimée en pourcentage, est définie par la relation :

Na % = Na/ (Ca+ Mg+ Na+ K) ×100.

Cette classification définit cinq classes d’eau : excellente, bonne, admissible, médiocre, mauvaise.

Chapitre 2 Matériel et méthodes

 Analyse en composante principale (ACP)

Pour comprendre les mécanismes régissant la qualité des eaux de la région, nous avons utilisé l’outil statistique particulièrement l’analyse en composantes principales (ACP). Cette dernière est une méthode statistique descriptive dont l’objectif est de présenter, sous forme de graphique, le maximum de l’information contenue dans un tableau de données [PHILIPPEAU, 1986].Cette méthode statistique permet de mettre en évidence les liens qui semblent exister entre les éléments chimiques [TRAVI et MUDRY, 1997]. La projection des individus sur un plan factoriel offre l’avantage d’appréhender la similitude ou l’opposition entre les caractéristiques des individus et les sources de leur variabilité [CANCEILL et

LANDREAU, 1978]. L’application de cette technique exploratoire repose sur le choix du

nombre d’axes représentant le maximum d’inertie conservée avec le minimum possible de facteurs. En générale, l’ACP d’une région n’est valable, que lorsque les plans factoriels étudiés retiennent au moins 70% d’informations [FAILLAT, 1986 ; BIEMI, 1992]. En dessous de cette limite, on considère que l’étude de la région n’a pas tenu compte d’une grande quantité d’informations.

 Analyse de variance

L'analyse de variance (expression souvent abrégée par le terme anglais ANOVA : Analysis Of Variance) est une technique statistique permettant de comparer les moyennes de plus de deux populations, En identifiant les sources de variation qui peuvent expliquer les différences existant entre elles. A ce titre, l’analyse de la variance est un des principaux outils de l’inférence statistique [DAGNELIE, 2006]. On utilise l'analyse de variance pour analyser un système expérimental sous la dépendance d'un ou plusieurs facteurs contrôlés. L'objet de l'analyse est de comparer la variabilité due aux facteurs à la variabilité résiduelle (ou bruit ou erreur expérimentale). La réalisation du test de l’ANOVA se fait, soit en comparant la valeur de F observé avec la valeur théorique F1-α correspondante repérée dans le table de Fisher pour un niveau de signification α=0,05 ou 0,01 ou 0,001et pour k1 et k2 degrés de liberté, soit en comparant la valeur de la probabilité p avec toujours les différentes valeurs α =5% ou 1% ou 0,1% [DAGNELIE, 1970 ; DAGNELIE, 2006].

4- Conclusion

La région d’étude (Fesdis) se trouve au Nord de Batna. Dans l’Est Algérien. Le climat de la région est de type méditerranéen semi-aride avec un été chaud et sec et un hiver humide et

froid. La moyenne annuelle des précipitations sur 19 ans (1993-2012) est de 333 mm. Les formations géologiques se trouvant sur les limites de la région de Fesdis sont constituées par des terrains carbonatés appartenant au Crétacé et au Jurassique. Il est également signalé l’affleurement de pointements triasiques représentés par des argiles rouges et du gypse. On rencontre également des formations détritiques rattachées au Mio-Plio-Quaternaire qui constituent l’aquifère superficiel de la région. Cette région a connu depuis quelques décennies, un développement agricole très important, en particulier suite à l'introduction de l'irrigation des cultures avec les eaux usées de l’Oued El Gourzi. Ce dernier constitue le principal milieu récepteur des eaux usées urbaines et industrielles de la ville de Batna. Il aggrave la problématique de la pollution des eaux souterraines et des sols de la région.

Pour caractériser les eaux et les sols de la région d’étude, nous avons utilisé une combinaison de méthodes physicochimiques. Les résultats des analyses physico-chimiques ont été traités par des méthodes d’analyse statistiques multivariées couplées aux méthodes hydrochimiques. Les méthodes hydrochimiques ont nécessité l’utilisation du diagramme de Piper, de Schoeller et Berkaloff, de Richards et de Wilcox, réalisés sous le logiciel Diagrammes. L’approche statistique est basée sur l’utilisation de l’Analyse en Composantes Principales pour étudier les phénomènes à l’ origine de la minéralisation des eaux, et sur l’analyse de la variance.