Modélisation de la relation pluie-débit par NEURO-FLOU -cas du sous bassin versant de l’Oued SYBOUSSE GUELMA, ALGERIE

(1)

N°

Ordre.../F.S.S.A/UAMOB/2020

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE

SCIENTIFIQUE

UNIVERSITE AKLI MOHAND OULHADJ - BOUIRA

Faculté des Sciences et des Sciences Appliquées Département de Génie Civil

Mémoire de fin d’études

Présenté par :

M

lle

_{MERABTI Basma}

En vue de l’obtention du diplôme de Master en :

Filière : Hydraulique

Spécialité : Ressources Hydrauliques

Thème

Modélisation de la relation pluie-débit par NEURO-FLOU

-cas du sous bassin versant de l’Oued SYBOUSSE

GUELMA,

ALGERIE-Devant le jury composé de :

Année Universitaire 2019/2020

Mr GHERNAOAT Redhouane MCA UAMOB Président

Mr KHALDI Ramzi MAA UAMOB Encadreur

(2)

Je dédie ce modeste travail

A ma Mère, à mon Père que Dieu me les garde

A mes Frères Ilyas, Zakaria, Abou Bekr et Alaa El-Din

A ma Grand-mère

A mon Fiancé

A ma belle-Famille

A mes Amies.

(3)

Remerciement

Avant tout, Je remercie ALLAH qui a illuminé mon chemin et qui m’a donné la force et la sagesse, ainsi la bonne volonté pour achever ce modeste travail.

Mes remerciements les plus sincères vont tout d’abord à mon directeur de mémoire Mr R. KHALDI pour sa patience, sa disponibilité et surtout ses conseils judicieux, qui ont contribué à alimenter ma réflexion.

Je remercie également Tous les enseignants du département d’hydraulique et de l'institut de technologie qui ont participé à ma formation. Enfin, à tous ceux qui m’ont soutenu de près ou de loin je leurs dis merci.

Je tiens à remercier le collectif de l’université Akli Mohand Olhadj pour leurs collaborations et leurs accueils.

Enfin j’adresse mes meilleurs et chaleureux remerciements à toutes personnes qui nous aidé de près ou de loin dans la réalisation de ce travail, sans oublier bien sûr mes collègues de ma promotion de Master.

(4)

(5)

Résumé

La modélisation pluie-débit est fortement utilisée dans la gestion des risques hydrologiques, la prévision des crues et la gestion des ressources en eau. Cette étude a pour objectif la détermination d’un modèle pluie-débit pour la prévision des débits journaliers basés sur la technique des réseaux neurones flous, cette dernière a été développée et appliquée sur le bassin versant de Guelma situé au Nord-Est de l’Algérie.

Due à la non linéarité de la relation pluie-débit, le neuro-flou s’avère une issu d’essor pour le comblement des lacunes. Cette méthode exige le passage par plusieurs étapes, dans un premier temps la caractérisation des paramètres physiques, hydrographiques et hydro-climatiques du bassin versant. Suivi d’une étude hydrologique des données pluviométriques et hydrométriques qui a abouti à une normalisation gaussienne de ces données. Afin des y êtres injectées dans un modèle de type boite noire sous le langage Matlab.

L’application de modèle ANFIS à l’échelle journalière sur le sous bassin versant de Guelma appartenant au climat semi-aride méditerranéen a donné des résultats satisfaisants dans les deux cas, ce qui est justifié par la multitude des paramètres influençant sur le cycle hydrologique.

Par conséquence la logique floue peut jouer un rôle important sur la modélisation de relation pluie-débit.

Mots clés :

Réseau de Neurone Artificiel (RNA), ANFIS système d'inférence adaptatif neuro-flou, modèle hydrologique, logique flou, relation Pluie-débit, sous bassin versant du Guelma

(6)

صخلم

ةجذمن مدختست طقاستلا – تلاو ةيجولورديهلا رطاخملا ةرادإ لاجم يف عساو قاطن ىلع قفدت ــ ناضيفلاب ؤبن ـــ تا قفدت جذومن داجيإ ىلإ ةساردلا هذه فدهت .ةيئاملا دراوملا ةرادإ كلذكو ت قفدتلاب ؤبنتلل طقاس ــ يمويلا تا ــ ةينقت ىلع ءانب ة بصعلا ةكبشلا نو ي ــــ يبابضلا ة ــــ ة يح ، ث ةملاقل هايملا ضوح ىلع اهقيبطتو ةريخلأا هذه ريوطت مت ا قرش لامش يف عقاول .رئازجلا قفدتلا نيب ةقلاعلا ةيطخ مدع ببسب طقاستو نايدولا راطملاا وبصعلا ةكبشلا جذومن ناف ، ةيبابضلا ةين رـبتعي ح ـــ تاقفدتلا ميق يف ةصقانلا تلايجستلا لامل مئلام ل لا هذه . ط ةقير حارم ةدعب رورملا بلطت ـ لاوأ ل يدحت ، ـد صئاصخلا يفارغورديهلاو ةيئايزفلا ـــ يجولورديهلاو ة ة تسم تايطعمل ةيجولورديه ةساردب ةعوبتم يئاملا ضوحلل ــ ىو ، ةيــــثايغملا جذومن يف اهلاخدا متي يكل .سوغ نوناق بسح اذهو .بلاتملا ةغل تحت دوسلأا قودنصلا جذومن قيبطت مت ANFIS ــنم ىلإ يمتني يذلا يعرفلا ةـــملاق ضوحل يمويلا قاطنلا ىلع ـ خا ا حبل ـ يبلأا ر ـ ض جئاتن ىطعا جذومنل نيلخدم لامعتسا نا ،فاجلا هبش طسوتملا ، نيتلاحلا يف ربي ام اذهو ر ةرودلا رثأت ددعت ةيجولورديهلا .تايطعملا نملا ناف يلاتلابو يبابضلا قط .طقاستلاو قفدتلا نيب ةقلاعلا ةجذمن يف اماه ارود بعلي :ةيحاتفملا تاملكلا ضلا قطنملا ،يجولورديه جذومن ،يفيكتلا يبصعلا للادتسلاا ماظن ،ةيعانطصلاا ةيبصعلا ايلاخلا ةكبش ةقلاع ،يباب .ةملاقل يعرفلا يئاملا ضوحلا ،قفدتلاب طقاستلا

(7)

Abstract

Rainfall-runoff modeling is widely used in hydrological risk management, flood forecasting and water resource management. This study aims to determine a rain-flow model for forecasting daily flows based on the fuzzy neural network technique, this technique was developed and applied to the Guelma watershed located in the North-East of Algeria.

Due to the non-linearity of the rainfall-runoff relationship, neuro-fuzziness is relevant and sufficient tool for filling gaps. This method requires going through several setps; first of all the characterization of physical, hydrographic and hydroclimatic parameters of the watershed. Followed by a hydrological study of pluviometric data leading to a Gaussian standardization of these data. In order to be injected into a black box model under the Matlab language.

The Guelma sub-basin belonging to the Mediterranean semi-arid climate. The application of the ANFIS model on a daily scale on this sub-basin gave for the two case satisfactory results, which justify that the hydrological cycle is influenced by a multitude of parameters.

Conse quently, fuzzy logic can play an important role in the modeling of the rainfall-runoff relationship.

Keyword:

Artificial neural network (ANN), Adaptive Network-based Fuzzy Inference System (ANFIS), Hydrologic model, fuzzy logic, Rain- flow relationship, under the Guelma watershed.

(8)

Table des Matières

Résumé………..……I Table des Matières………...…..…IV Liste des tableaux ………...…....…V Liste des figures………...…..VI Liste des abréviations……….……..VII

Introduction générale ... 1

Chapitre I : Synthèse bibliographique sur la modélisation pluie-débit I.1. Introduction ... 3

I.2. Le cycle hydrologique de l’eau ... 3

I.2.1. Les composants de cycle Hydrologique... 4

I.2.1.1. Evapotranspiration ... 4 I.2.1.2. Evaporation ... 4 I.2.1.3. Transpiration ... 4 I.2.1.4. Condensation ... 4 I.2.1.5. Précipitations ... 4 I.2.1.6. Ruissellement ... 4 I.2.1.7. Infiltration ... 4

I.3. Fonctionnement hydrologique d’un bassin versant ... 5

I.3.1. Le Bassin versant ... 5

I.3.2. Débit ... 5

I.3.2.1. Débit solide ... 5

I.3.3. Bilan hydrologique ... 5

I.3.4. La relation précipitation-débit ... 6

I.4. La modélisation hydrologique ... 6

I.4.1. Définition d’un modèle ... 6

I.4.1.1. Variables d’un modèle hydrologiques ... 7

I.4.1.2.But de la Modélisation ... 7

I.4.1.3. Composant d’un modèle ... 8

I.4.2. Typologie des modèles ... 8

I.4.3. Classification des modèles ... 9

(9)

I.4.3.2. Modèles déterministes ... 9

I.4.3.3. Modèles à base physique ... 9

I.4.3.4. Modèle empirique ... 10

I.4.3.5. Modèle analytique ... 10

I.4.3.6. Modèles conceptuels ... 10

I.4.3.7. Modèles globaux ... 10

I.4.3.8. Modèles spatialisés ... 10

I.4.4. Critères de qualité d'un modèle hydrologique ... 11

I.4.5. Modèle pluie-débit ... 12

I.4.6. Les réseaux de neurones artificiels logiques flous ... 12

I.4.6.1. Définition ... 12

I.4.6.2. Application de réseaux neuronaux pour la prévision de crues éclair ... 13

I.4.6.3. Modélisation par les systèmes flous ... 14

I.5. Conclusion ... 14

Chapitre II : Présentation de la zone d’étude du bassin versant d’Oued Sybousse, Guelma II.1. Introduction ... 16

II.2. Présentation de la zone d’étude ... 16

II.2.1. Situation géographique du bassin versant d’oued Sybousse Guelma ... 16

II.2.2.Aperçu socio-économique ... 19

II.2.3. Aspect géomorphologique ... 19

II.2.4. Caractéristiques géologiques du bassin versant de l’Oued Sybousse Guelma... 19

II.2.4.1. Lithologie et caractéristiques géologiques ... 19

II.2.5. Réseau Hydrographique ... 20

II.3. Etude et Caractéristiques de bassin versant de l’oued Sybousse Guelma ... 22

II.3.1. Caractéristiques physiques du bassin versant de l’Oued Sybousse Guelma ... 22

II.3.1.1. Surface et périmètre ... 22

II.3.1.2. Forme du Bassin (indice de compacité) ... 22

II.3.1.3. Coefficient d’allongement ... 23

II.3.1.4. Notion du Rectangle Equivalent ... 23

II.3.1.5. Hypsométrie du bassin versant ... 24

II.3.1.6. Altitudes caractéristiques du Bassin versant ... 27

II.3.1.7. Calcul des indices ... 28

II.3.1.8. Densité spécifique ... 29

II.3.2. Caractéristiques hydrographiques du bassin versant ... 30

II.3.2.1. Réseau hydrographique ... 30

(10)

II.3.3.1. Climatologie ... 36

II.3.3.2. Aperçu sur le climat de l’Algérie ... 39

II.4. Conclusion ... 40

Chapitre III : Analyse statistique et hydrologique III.1. Introduction ... 42

III.2. Présentation des données ... 42

III.2.1. La source des données ... 42

III.2.2. Les données disponibles ... 43

III.2.3. Traitement des données de l’étude ... 43

III.3. Méthodologie de travail ... 43

III.3.1. Variabilité interannuelle de précipitation ... 43

III.3.1.1. Variabilité interannuelle de précipitation ... 43

III.3.1.2. Variabilité interannuelle du débit ... 44

III.3.2. Détection des ruptures au sein des séries ... 45

III.3.2.1. Test de normalité [29] ... 46

III.3.2.2. Le test de corrélation sur le rang [28] [29] ... 46

III.3.2.3. La segmentation de HUBERT ... 47

III.3.2.4. Le test de Pettitt [28] [29] ... 48

III.3.2.5. Statistique U de Buishand ... 49

III.3.2.6. Le test de Lee et Heghinian ... 50

III.3.2.7. Analyse de l’Autocorrélogramme ... 51

III.3.3. L’analyse fréquentielle par le logiciel Hyfran Plus ... 53

III.3.2.1. Présentation du logiciel utilisé dans cette étude ... 53

III.3.2.2. Choix d’un modèle fréquentiel ... 53

III.3.2.3. Ajustement de la série pluviométrique ... 54

III.3.2.4. Résultats d’ajustement de la série pluviométrique à la loi Gumbel ... 58

III.3.2.5. Ajustement de la série hydrométrique ... 60

III.3.2.5. Résultats d’ajustement de la série hydrométrique à la loi Log Normal ... 62

III.4. Conclusion ... 64

Chapitre IV : Application du modèle ANFIS dans la relation pluie-débit IV.1. Introduction ... 66

IV.2. Les réseaux de neurones artificiels ... 66

IV.2.1. Structure générale des réseaux de neurones ... 66

IV.2.1.1. Les réseaux de neurones monocouches ... 66

(11)

IV.2.2. Classification des réseaux de neurones artificiels ... 66

IV.2.2.1. Les réseaux de neurones non bouclés ... 67

IV.2.2.2. Les réseaux de neurones bouclés ... 67

IV.3. Intégration de la logique floue dans les réseaux de neurones ... 67

IV.3.1. Etapes de construction d’un modèle de logique floue ... 67

IV.3.2. Systèmes d’inférence neuro-flous adaptatifs ... 68

IV.3.3. Critères de validation des modèles pluie-débit [34][41] ... 69

IV.3.3.1. Le critère de Nash ... 70

IV.3.3.2. RMSE-observations standard déviation ratio (RSR) ... 70

IV.3.3.3. Percent Bias (PBIAS) ... 70

IV.3.4. Type d’apprentissage [42] ... 71

IV.3.4.1. L’apprentissage non supervise ... 71

IV.3.4.2. L’apprentissage par renforcement ... 71

IV.3.4.3. L’apprentissage supervise ... 71

IV.4. Application du ANFIS ... 71

IV.4.1. Les ensembles flous ... 72

IV.4.2. La fonction d’appartenance ... 72

IV.4.2.1. Les différentes formes de fonction d’appartenance ... 72

IV.4.3. Algorithme d’apprentissage de l’ANFIS... 72

IV.4.4. Les modèles de Sugeno (Takagi-Sugeno-Kang) [34] ... 73

IV.5. Mise en œuvre du modèle : le langage Matlab ... 73

IV.5.1. Normalisation des données ... 74

IV.5.2. Division des données ... 74

IV.5.3. L’évapotranspiration potentielle ... 74

IV.6. Les résultats du modèle ANFIS sur la relation pluie-débit liquide appliqué aux données journalières ... 75

IV.6.1. Choix de type de fonction d’appartenance ... 75

IV.6.2. Neuro-flou a une seule entrée ... 76

IV.6.3. Neuro-flou a deux entrées ... 79

IV.7. Conclusion ... 82

Références Bibliographique... 86

(12)

Liste des Tableaux

Chapitre II : Présentation de la zone d’étude du bassin versant d’Oued Sybousse, Guelma

Tableau II. 1:Répartition hypsométrique du Bassin versant de l’oued Sybousse... 24

Tableau II. 2:Répartition altimétrique du bassin versant de l’Oued Sybousse. ... 27

Tableau II. 3:Récapitulation des résultats obtenus précédemment. ... 28

Tableau II. 4::Classification du relief selon Ig par O.R.S.T.O.M[19]. ... 29

Tableau II. 5:Deuxième classification de I'O.R.S.T.O.M[19]. ... 30

Tableau II. 6:Récapitulation des paramètres morpho métriques du Bassin de l’oued Sybousse... 30

Tableau II. 7:Nombre et longueurs cumulées des Talwegs. ... 33

Tableau II. 8:Coefficient de torrentialité pour chaque fréquence de Talweg. ... 34

Tableau II. 9:Tableau récapitulatif des résultats du temps de concentration. ... 35

Tableau II. 10:Récapitulation des paramètres hydrographiques du bassin versant. ... 36

Tableau II. 11:Le type de climat selon la valeur de l’indice de De Martonne[21]. ... 39

Chapitre III : Analyse statistique et hydrologique Tableau III. 1:Test de segmentation de Hubert (pluviométrie). ... 48

Tableau III. 2:Test de segmentation de Hubert (hydrométrie). ... 48

Tableau III. 3:Critères de comparaison des modèles statistique (pluie). ... 57

Tableau III. 4:Caractéristiques de la série pluviométrique. ... 59

Tableau III. 5:Résultats d’ajustement à la loi de Gumbel. ... 59

Tableau III. 6:Critères de comparaison des modèles statistique (débit). ... 62

Tableau III. 7:Caractéristiques de la série hydrométrique. ... 63

Tableau III. 8:Résultats d’ajustement à la loi Log Normal. ... 63

Chapitre IV : Application du modèle ANFIS dans la relation pluie-débit Tableau IV. 1:Qualité des modèles en fonction des valeurs des différents critères[41]. ... 71

Tableau IV. 2:Les formes usuelles des fonctions d’appartenance [43]. ... 72

Tableau IV. 3:Erreur d’apprentissage et l’identification de différent de la fonction d’appartenance. .. 75

Tableau IV. 4:Les critères de performances du modèle flou à une seule entrée. ... 78

(13)

Liste des figures

Chapitre I : Synthèse bibliographique sur la modélisation pluie-débit

Figure I. 1: Le cycle hydrologique de l'eau[1]. ... 3

Figure I. 2:Composant d'un modèle. ... 8

Figure I. 3:Les différentes approches de la modélisation[5]. ... 9

Figure I. 4:Schéma simplifié d'un réseau neuronal. ... 13

Chapitre II : Présentation de la zone d’étude du bassin versant d’Oued Sybousse, Guelma Figure II. 1:Situation géographique de la zone d’étude[13]. ... 17

Figure II. 2:Le réseau hydrographique du bassin versant d’Oude Sybousse. ... 18

Figure II. 3:BV Sybousse (Guelma). ... 21

Figure II. 4:Courbe Hypsométrique du bassin versant d’Oued Sybousse. ... 25

Figure II. 5:Carte Hypsométrique du bassin d’Oued Sybousse. ... 26

Figure II. 6:Réseau hydrographique du bassin versant d’Oued Sybousse Guelma. ... 32

Chapitre III : Analyse statistique et hydrologique Figure III. 1:Variabilité interannuelle de précipitation. ... 44

Figure III. 2:Variabilité interannuelle du débit. ... 44

Figure III. 3:Variation des précipitations et des débits de 1975 à 1989. ... 45

Figure III. 4:Test de normalité de pluie. ... 46

Figure III. 5:Test de normalité de débit. ... 46

Figure III. 6:Test de Pettitt- Evaluation de la variable U du test de Pettitt. ... 49

Figure III. 7:Test de Pettitt- Evaluation de la variable U du test de Pettitt. ... 49

Figure III. 8:L'hypothèse H0 est acceptée aux seuils de confiance 90, 95 et 99%, l'hypothèse d'absence de rupture est validée. ... 50

Figure III. 9:Courbe de procédure Lee et Heghinian... 51

Figure III. 10:Histogramme de Procédure de Lee et Heghinian... 51

Figure III. 11: Autocorrélogramme annuel de pluie. ... 52

Figure III. 12:Autocorrélogramme annuel de débit. ... 53

Figure III. 13:les résultats d’ajustement des pluies par les différents modèles. ... 56

Figure III. 14:Comparaison graphique des trois mieux lois d’ajustement de pluie. ... 57

Figure III. 15:Courbe de la loi de Gumbel. ... 59

Figure III. 16: Les résultats d'ajustements de débit par les différents modèles. ... 61

Figure III. 17:Les trois mieux lois d'ajustement. ... 62

(14)

Chapitre IV : Application du modèle ANFIS dans la relation pluie-débit

Figure IV. 1:Exemple d’architecture d’un réseau neuro-flou[38]. ... 68

Figure IV. 2:Evapotranspiration potentielle estimé par le modèle Oudin (2005). ... 75

Figure IV. 3:Le modèle neuro-flou a une seule entrée. ... 76

Figure IV. 4:Schéma explicatif de la structure de modèle neuro-flou a une seule entrée. ... 76

Figure IV. 5:La répartition des débits observe et simulés pour une seule entrée. ... 77

Figure IV. 6:Présentation des débits observés et les débits simulés. ... 77

Figure IV. 7:Présentation de l’erreur entre les débits observés et simulés. ... 78

Figure IV. 8:Corrélation des débits simulés avec les débits enregistrés. ... 78

Figure IV. 9:Le modèle neuro-flou a deux entrées. ... 79

Figure IV. 10:La répartition des débits observés et simulés pour deux entrées. ... 79

Figure IV. 11:Présentation des débits observés et les débits simulés. ... 80

Figure IV. 12:Présentation de l’erreur entre les débits observés et simulés. ... 80

(15)

Liste des Abréviations

RNA Réseaux de Neurones Artificiels ;

SHE Système Hydrologique Européen ;

ORSTOM L‘Office de Recherche Scientifique d’Outre-Mer ; ETP L’évapotranspiration potentielle ;

ANRH Agence Nationale des Ressources Hydraulique ; ONM Office National de la Météorologie ;

CCN Centre Climatologique National ;

IRD Institut de recherche pour le développement ;

H1 Hypothèse alternative ;

H0 Hypothèse nulle ;

CK Coefficient d’aplatissement ;

CV Coefficient de variation ;

AIC Critères d’information d’Akaike ; BIC Critères d’information bayésien ; GEV Loi des extrêmes généralisés ;

CS Coefficient d’asymétrie ;

SAD Système d’Aide à la Décision ;

CRSNG Conseil de Recherches en Sciences Naturelles et en Génie ;

SIF Fuzzy Inference System ;

ANFIS Système d’inférence flou à base de neurone adaptif ;

RMS Erreur quadratique moyenne ;

EX2 Loi Exponentielle ;

2 LN Loi Log Normal ;

G2 Loi de Gamma ;

IG Loi de Gamma inverse ;

EV1 loi de Gumble ;

P Précipitations ; ΔS Variation de stockage ; G Ecoulement souterrain ; R Ruissellement ; E Evaporation ; T Transpiration.

(16)

(17)

Introduction générale

1 Introduction générale

La modélisation pluie-débit est considérée actuellement comme un des moyens les mieux adaptés pour décrire de façon assez sommaire une réalité complexe qui est la transformation de pluie incidente en débit à l’exutoire d’un bassin versant. Plusieurs types de modèle sont couramment utilisés pour conceptualiser la relation pluie débit et grâce aux avancées scientifiques dans le domaine des systèmes non linéaires, représentées par les réseaux de neurones artificiels et la logique floue. Ces modèles constituent une nouvelle méthode d’approximation des systèmes complexes.

Les systèmes logiques flous sont récemment utilisés dans la modélisation hydrologique. Vu la complexité du processus de transformation pluie-débit qui est contrôlé par plusieurs facteurs climatiques et physiques, ces derniers varient avec le temps et l’espace.

Le mémoire est organisé autour de quatre chapitres. Notion sur la modélisation pluie-débit et leur relation avec les réseaux neurones artificiels et la logique floue font l’objet du premier chapitre.

Le second chapitre regroupe deux parties. La première est basée sur l’étude à travers l’identification et la quantification des paramètres liés au bassin versent, en particulier les caractéristiques physiques et le réseau hydrographique de la région et son influence sur l’écoulement. La deuxième partie est consacrée à l’étude hydro-climatique de la région étudiée ayant pour but de mieux comprendre les caractéristiques climatiques.

Le troisième chapitre est subdivisé à son tour en deux parties. La vérification de l’homogénéité des données par logiciel KhronoStat est présentée dans la première partie. Alors que la deuxième partie aborde l’analyse fréquentielle des séries (pluviométriques et hydrométriques) par la méthode de maximum de vraisemblance qui a été effectué à l’aide du logiciel Hyfran Plus.

Le dernier chapitre sera donc réservé à l’application du modèle ANFIS (Système d’inférence flou basé sur un réseau adaptatif) sur la relation pluie-débit liquide appliquée aux données journalières cas du sous bassin versant de Guelma et l’interprétation des résultats obtenus par ce modèle.

Enfin, ce travail se termine par une conclusion rappelons les principaux résultats obtenus dans cette étude en donnant quelques perspectives.

(18)

Chapitre I

Synthèse bibliographique sur

la modélisation pluie-débit

(19)

3 I.1. Introduction

La résolution des problèmes liés à la gestion des bassins versants notamment l’aménagement des ponts et des barrages, la prévision des conséquences des inondations nécessite une parfaite connaissance de leurs étiages et de leurs crues. Dans cette optique, l’utilisation d’un modèle de calcul des débits et d’estimation des eaux à l’échelle d’un bassin versant devient nécessaire.

I.2. Le cycle hydrologique de l’eau

Depuis l’apparition de l’eau sur la planète terre, elle n’a pas cessé d’être en mouvement et de se renouveler. Ce phénomène de renouvellement et de mouvement d’eau est englobé par ce qu’on appelle le « cycle hydrologique de l’eau ».

Ce cycle hydrologique appelé aussi « cycle externe d’eau » est un processus complexes et varié se composant de : précipitation , évapotranspiration , infiltration , écoulement de surface, écoulement dans les cours d’eau et écoulement souterrain, qui constituent à leur rôles des éléments importants dans le domaine hydrologique ,sont rendus possibles grâce à un élément moteur « le soleil » qui est considéré comme un élément vital de ce cycle : grâce à l’énergie thermique qu’il rayonne, il active et maintient constamment les masses d’eau en mouvement.

Le mouvement d’eau entre les différentes phases est irrégulier dans l’espace et dans le temps pouvant donc produire des extrêmes inondations et sécheresses, la détermination de la magnitude et intensité de ces éventuels extrêmes sont d’une grande importance pour les hydrologues [1].

(20)

4 I.2.1. Les composants de cycle Hydrologique

On retiendra les phénomènes suivants : I.2.1.1. Evapotranspiration

L’évapotranspiration est l’effet combiné de l’évaporation des sols et surface d’eau libre et la transpiration du couvert végétal.

I.2.1.2. Evaporation

L’eau se présente dans la nature sous forme de trois états : solide, liquide, gazeuse. Le phénomène qui permet le passage progressif de l’eau de son état liquide à l’état gazeux (Vapeur d’eau) est appelé le phénomène de « L’évaporation ».

Les rayonnements de soleil réchauffent la planète terre, l’eau des mers, rivières et lacs s’évaporent et montent dans l’atmosphère sous forme des molécules (vapeur d’eau).

I.2.1.3. Transpiration

La transpiration est un phénomène naturel qui se passe au niveau des plantes. C’est un passage d’eau de l’intérieur vers l’extérieur de la plante sous forme de vapeur rejetée directement dans l’atmosphère.

I.2.1.4. Condensation

C’est un phénomène physique de changement d’état de l’état gazeux à l’état condensé les molécules d’eau dans l’atmosphère vont se refroidir avec l’altitude et se condensent en petites gouttelettes et pousser pas le vent et rassembler pour former des nuages.

I.2.1.5. Précipitations

La condensation et l’agglomération des gouttes d’eau et des neiges dans les nuages les rendent lourds, et ils déversent leur contenu sur la terre en pluie, en grêle ou neige selon la température d’air ambiant

.

I.2.1.6. Ruissellement

Le ruissellement est l’écoulement superficiel des eaux de précipitations. La plus grande partie d’eau qui tombe du ciel rejoint directement les mers et les océans et une partie ruisselle dans les cours d’eau et les rivières.

I.2.1.7. Infiltration

Le mot « infiltration » est couramment utilisé dans le domaine hydrologique et la science du sol. Il est défini comme la pénétration d’une quantité d’eaux pluviales dans le sol en rejoignant les nappes souterraines.

(21)

5 I.3. Fonctionnement hydrologique d’un bassin versant

I.3.1. Le Bassin versant

Le bassin versant ou bassin hydrographique est définit comme l’ensemble du territoire drainé par un cours d’eau principale cette portion de territoire est délimité par des lignes de partage des eaux (ligne de crête).

Les écoulements des eaux dans ce bassin se convergent vers un point commun appelé « exutoire » (cours d’eau, mer, lacs, rivières…etc.)

Le bassin se caractérise par ses paramètres :  Surface, pente ;

 Nature et capacité d’infiltration des eaux. I.3.2. Débit

Correspond au volume d’eau traversant une section transversale de l’écoulement par unité de temps, 𝑸 =𝑽 𝒕 I.1 Q : Débit de l’écoulement ; V : Volume de liquide ; t : Temps.

I.3.2.1. Débit solide

Par définition, c’est la quantité de matériaux, exprimée par sa masse ou son volume, traversant dans l’unité de temps une section normale du cours d’eau considéré [2].

Généralement exprimer en kg/s. I.3.3. Bilan hydrologique

Le bilan hydrologique est établi pour un lieu et une période donnée par comparaison entre les apports et les pertes en eau dans ce lieu et pour cette période. Il tient aussi compte de la constitution de réserves et des prélèvements ultérieurs sur ces réserves. Les apports d’eau sont effectués par les précipitations. Les pertes sont essentiellement dues à l’évapotranspiration [3].

L’établissement de ce bilan est donc une étape nécessaire de vérification dans tous calculs hydrologiques. L’équation de continuité dans n’importe quel système s’écrit comme suit :

𝑰 − 𝑸 = 𝒅𝑺 𝒅𝒕

I.2

I : Entrée du système en (vol/temps) ; Q : Sortie du système en (vol/temps) ;

(22)

6 dS/dt : Variation de stockage du système en (vol/temps).

En tenant compte de tous les composants du cycle hydrologique pour un intervalle du temps donné, le modèle hydrologique fondé sur l'équation de continuité s’exprime comme suit :

P - G - R - E - T = ΔS I.3 P : Précipitations G : Ecoulement souterrain R : Ruissellement E : Evaporation T : Transpiration ΔS : Variation de stockage

L’application de la méthode du bilan hydrologique est limitée par la difficulté de quantifier les variables car c’est difficile d’observer les processus hydrologiques et donc à les mesurer.

I.3.4. La relation précipitation-débit

Aujourd'hui, la nécessité de quantifier les phénomènes de types extrêmes comme les crues exceptionnelles est un des domaines les plus connus du grand public, mais la connaissance des débits moins exceptionnels reste fondamentale dans le cadre de la gestion de la ressource en eau, en relation directe avec la demande en eau des populations.

Chaque point d'un cours d'eau permet de définir un bassin versant et les débits observés en ce point sont directement liés aux précipitations tombées sur ce bassin. A partir des observations faites en quantifiant la pluie tombée, on peut arriver à reproduire la réponse en débit du bassin. La simulation hydrologique du bassin versant, décrite comme la transformation de la pluie en débit passe par l'utilisation d'un modèle hydrologique [1].

I.4. La modélisation hydrologique I.4.1. Définition d’un modèle

Le modèle désigne un ensemble de relations mathématiques destinées à trouver une représentation schématique d’un processus donné. Autrement dit c’est une maquette qui représente d’une manière adéquate la réalité.

En hydrologie, la modélisation concerne généralement la relation pluie-débit en considérant la pluie comme variable d’entrée et le débit comme variable de sortie. Un modèle de transformation pluie-débit tente de traduire par des expressions mathématiques des relations qui existent entre les différents processus physiques qui forment le cycle terrestre de l'eau. Une

(23)

7 théorie exhaustive et déterministe de tous ces phénomènes est très complexe à mettre sur pied et les hydrologues cherchent encore à trouver des simplifications qui permettent de faciliter cette tâche tout en restant le plus proche de la réalité [4].

I.4.1.1. Variables d’un modèle hydrologiques Le modèle hydrologique est défini par :

 Ses variables d’entrées (variables indépendants) : il s’agit des entrées au modèle comme les précipitations……etc ;

 Ses variables de sorties (variables dépendantes) : il s’agit des sorties de modèle ;  Ses variables d’état : il s’agit des variables qui évoluent avec les temps à l’intérieur

de systèmes ;

 Ses paramètres : ils servent à déterminer le paramètre des lois régissant le fonctionnement du modèle de bassin versant ;

 Ses performances : il permet l’estimation des erreurs de modélisation. I.4.1.2. But de la Modélisation

La modélisation pluie-débit peut réussir à répondre à de nombreuses questions centrées sur l’eau, gestion des risques et de la ressource. Si des aspects d’intéresserons ici uniquement à une modélisation pluie-débit quantitatives dont nous donnons quelques-unes de ces problématiques:  Simulation des débits, pour combler les lacunes dans des séries de données. La reconstitution de débits historiques (les données de pluie étant souvent disponibles sur des périodes beaucoup plus longues que les débits) ou pour permettre des traitements statistiques ;

 Prévision des crues et des étiages, il s’agit en fait d’évaluer à l’avance des débits de crues susceptibles de présenter des risques d’inondation [5] ;

 Prédétermination des débits de crues ou d’étiage, on désire savoir avec quelle fréquence des débits de crue (supérieurs à un seuil de risque par exemple) ou des faibles débits (en deçà d’un débit réservé par exemple) risquent de se produire, et sur quelle durée. On se place ici dans une démarche d’analyse fréquentielle. Cette connaissance peut permettre le dimensionnement d’ouvrages et de réservoirs ou d’aménagements dans le lit (mineur à majeur) du cours d’eau ;

 Délimitation des zones inondables [5] ;

Ces problématiques font ressortir deux aspects importants. Celui de l’évaluation du risque et celui de la gestion de la ressource. La pertinence des réponses que l’on peut leur apporter est conditionnée par celle du modèle dans sa représentation du bassin relativement aux objectifs fixés.si l’autre approches hydrologiques que la modélisation pluie-débit proposent des réponses

(24)

8 à certaines de ces problématiques (analyse fréquentielle statistiques sur les débits pour la prédétermination), cette dernière parait cependant très profitable pour des questions supposant un traitement temporel continu, comme la prévision des débits.

I.4.1.3. Composant d’un modèle

Les composants d’un modèle sont illustrés dans le schéma suivant :

Figure I. 2:Composant d'un modèle.

I.4.2. Typologie des modèles

Il existe de très nombreux modèles hydrologiques, qui varient en nature et en complexité. L’établissement d’une typologie est difficile et ambigu du fait de la variété des critères de classification possibles. Elles varient selon le point de vue adopté :

 Suivant la nature des relations utilisées pour la représentation des processus, les modèles sont empiriques, conceptuels ou à bases physiques.

 Suivant leur manière de représenter le milieu, et en particulier suivant la nature de l’unité spatiale à laquelle est attachée la résolution des équations utilisées pour décrire les processus, les modèles sont globaux, distribués, spatialisés ou semi-spatialisés.

 Suivant leur manière de considérer les variables hydrologiques et les relations entre ces variables, les modèles sont déterministes ou stochastiques.

 Selon la nature des périodes de temps considérées pour la simulation, les modèles sont dits évènementiels ou de simulation continue [6].

(25)

9 I.4.3. Classification des modèles

Les classifications de modèles que l’on trouve dans la littérature sont nombreuses et peuvent être fonction de plusieurs caractéristiques. Pour ironiser. Perrin disait qu’il y a presque autant de classifications que l’hydrologues [7].

La figure suivante donne une classification des modèles hydrologiques basées sur ces critères.

Figure I. 3:Les différentes approches de la modélisation[5].

I.4.3.1. Modèles stochastiques

Représente la nature aléatoire des phénomènes hydrométéorologiques à l’aide de distributions statistiques. Il permet la simulation de longe séries de précipitations grâce à la connaissance de lois de probabilité décrivant les phénomènes décrivant pluvieux (durée et nombre des averses, intensité, débit) [5].

I.4.3.2. Modèles déterministes

Ce modèle s’appuie sur la description du bassin versant et prend en compte une ou plusieurs caractéristiques physiques, tels que la pente, la superficie et le type de sol ces modèles sont utilisés pour la prévision hydrologique. La gestion des ouvrages hydrauliques la prévision des crues et pour les délimitations des zones inondables [5].

I.4.3.3. Modèles à base physique

Le modèle à base physique est basé uniquement sur des équations de la physique, et ne comportant idéalement aucun paramètre. Il n'existe pas de modèle à base physique au sens strict en hydrologie. Certains modèles comme le SHE tendent à s'en rapprocher. L'importance de l'hétérogénéité spatiale dans la réponse hydrologique des bassins versants rend cependant

(26)

10 difficile voire impossible l'utilisation de tels modèles. La précision spatiale des données disponibles en particulier concernant les types de sols et leurs profondeurs n'est pas suffisante. Dans la pratique, les profondeurs et les conductivités moyennes des sols représentatifs de sous parties du bassin versant doivent être évaluées par calage et deviennent, de fait des paramètres et non des données [8].

I.4.3.4. Modèle empirique

Les modèles empiriques reposent sur les relations observées entre les entrées et les sorties de l’hydro-système considéré. Ils expriment la relation entre variables d’entrée et de sortie du système (relation pluie débit) à l’aide d’un ensemble d’équations développées et ajustées sur la base des données obtenues sur le système. Un modèle empirique ne cherche pas à décrire les causes du phénomène hydrologique considéré ni à expliquer le fonctionnement du système, le système est considéré comme une boite noire [7].

I.4.3.5. Modèle analytique

Les relations entre les variables de sortie et d’entrée de ce type de modèle sont établit par analyse de la série des données mesurée comme les modèle linéaire ses paramètres sont liés au coefficient de corrélation des variables.

I.4.3.6. Modèles conceptuels

Les modèles conceptuels considèrent en général le bassin versant, après quelques simplifications du cycle de l’eau, comme un ensemble de réservoirs interconnectés. Ce type de modèle reproduit donc au mieux le comportement d’un système, plutôt qu’il n’avance d’explications causales sur son comportement [7].

I.4.3.7. Modèles globaux

Dans un modèle global le bassin est considéré comme une entité unique. Des relations empiriques (issues de l’expérience) relient les entrées et les sorties sans chercher à se rapprocher d’une loi physique.

Les modèles globaux offrent à l’utilisateur un choix très attractif, car il présente une structure très simplifiée, il ne demande pas trop de données, faciles à utiliser et à calibrer. La représentation du processus hydrologique est très simplifiée. Il peut souvent mener à des résultats satisfaisants, et spécialement si l’objectif majeur est la prévision d’une crue [7].

I.4.3.8. Modèles spatialisés

Actuellement plusieurs modèles spatialisés correspondant aux différentes écoles hydrologiques sont en phase avancée de développement. En principe, les modèles spatialisés sont des modèles qui utilisent des entrées et des sorties où les caractéristiques des bassins

(27)

11 versants sont distribuées dans l'espace. La spatialisation peut être arbitraire ou basée sur des divisions morphologiques naturelles ou hydrologiques [7].

Les modèles spatialisés sont classés en trois grands types :  Modèles conceptuels spatialisés ou semi-spatialisés ;  Modèles physiques spatialisés ;

 Modèles physiques conceptuels semi-spatialisés.

I.4.3.8.1. Modèles conceptuels spatialisés ou semi-spatialisés

Les modèles conceptuels spatialisés ou semi-spatialisés représentent un grand progrès sur les modèles globaux quand il s'agit d'analyser le fonctionnement interne d'un bassin. Le bassin versant est discrétisé en unités spatiales considérées comme homogènes, qui se vident les unes dans les autres de l'amont en aval. Ainsi, on a la possibilité de tenir compte de la répartition spatiale des facteurs et de suivre la genèse et la propagation des débits à l'intérieur du bassin.

I.4.3.8.2. Modèles physiques spatialisés

Les modèles à base physique spatialisés sont des modèles qui décrivent les mécanismes internes d'un système (bassin versant) ayant comme base les lois de la mécanique, de la physique, de la thermodynamique, etc. Du point de vue théorique, ces modèles sont indépendants de tout calage parce que leurs paramètres sont mesurables. Ils permettent une description théorique unifiée de la plupart des flux observés dans un bassin versant et servent à modéliser les principaux processus hydrologiques.

I.4.3.8.3. Modèles physiques-conceptuels semi-spatialisés

Pour dépasser les limites de chacune des approches précédentes (modèles conceptuels trop peu réalistes, modèles à base physique trop complexes), il est intéressant d'essayer une modélisation hydrologique qui peut être :

A base physique, fondée sur les processus réels mais simplifiés ;

Semi-spatialisée, fondée sur une discrétisation en unités relativement homogènes, qui permettent de tenir compte de la variabilité spatiale de la structure du bassin versant. I.4.4. Critères de qualité d'un modèle hydrologique

Lors de l'élaboration d'un modèle, l'ambition de l'hydrologue est d'obtenir un outil le plus performant possible. Il est de coutume d'apprécier la qualité d'un modèle et ses aptitudes selon certains critères tels que :

(28)

12

 Robustesse : Il doit pouvoir garder une bonne précision même dans des conditions extrêmes ;

 Généralité : Il doit pouvoir simuler aussi bien les crues que les étiages ;

 Universalité : II doit pouvoir être utilisé pour des bassins versants très différents ;

 Richesse ; Il doit pouvoir intégrer un grand nombre de caractéristiques permettant de différencier le comportement d'un bassin à un autre ;

 Adaptabilité : Il doit pouvoir être corrigé pour tenir compte de nouvelles données sur le bassin modélisé.

En réalité, il est pratiquement impossible de satisfaire tous ces critères simultanément. L'objectif de l'utilisateur du modèle définira donc ceux qu'il faudra privilégier par rapport aux autres [4].

I.4.5. Modèle pluie-débit

Un modèle hydrologique est un outil numérique défini comme une représentation de la relation pluie-débit dans un bassin versant qui permet à transformer les séries de précipitation qui sont les entres d’un modèle en une série de débits qui sont la sortie du modèle hydrologique.

I.4.6. Les réseaux de neurones artificiels logiques flous

Les réseaux de neurones artificiels sont présentés comme une alternative à la modélisation et à la prévision traditionnelle. Depuis la fin des 80, l'utilisation de RNA dans l'hydrologie est allée en augmentation. Les réseaux neuronaux sont un outil très utile du fait qu’ils sont un opérateur mathématique non linéaire, comme la majorité des processus hydrologiques.

I.4.6.1. Définition

Un réseau de neurones est une assemblée de neurones connectés entre eux d’une manière particulière : l’architecture (architecture de neurones ou architecture de réseaux de neurones). On distingue deux types de neurones [9] : Neurones cachés ; Neurones de sortie.

(29)

13

Figure I. 4:Schéma simplifié d'un réseau neuronal.

L’entré : Les deux neurones de gauche (en vert) reçoivent les informations ;

Le traitement des données : est déterminé par leurs connexions avec les neurones internes (en bleu). Les neurones qui reçoivent une donnée sont activés ;

La sortie : L'information finale est envoyée sur le dernier neurone (en jaune) ou sur l'organe effecteur.

Dans les réseaux neuronaux, nous pouvons distinguer deux classes :

 Réseau de neurone statique,

 Réseau de neurone dynamique.

I.4.6.1.1. Réseau de neurone statique

Dans les modèles de réseau statique le temps n’intervient pas. Le neurone évalue la valeur de sa sortie de manière instantanée, à partir de la somme pondérée des données d’entrée. Ce type de réseau n’a pas de mémoire. Le réseau statique, est appelé non bouclé [9].

I.4.6.1.2. Réseau de neurone dynamique

Les réseaux de neurones dynamiques ont la capacité « d’apprendre » avec le temps. Ce modèle de réseau permet établir une relation entre entrées/sorties ou entrées précédents/sorties. Cela ajute de la « mémoire » sur le réseau. La façon que le réseau a pour apprendre est avec une « recirculation » des sorties [9].

I.4.6.2. Application de réseaux neuronaux pour la prévision de crues éclair

Comme nous avons vu, les réseaux neuronaux sont un outil puissant surtout pour la reconnaissance de modèles et de prévision. En général les phénomènes hydrologiques sont considérés comme dynamiques, non linéaires et difficiles à modéliser. Concrètement, les crues éclair sont crues dont l’apparition est soudaine, souvent difficilement prévisible, dont le temps de montée est court et le débit spécifique relativement important. Ces crues éclair sont donc

(30)

14 généralement liées à des épisodes pluvieux intenses et se manifestent souvent sur des bassins de taille modérée.

Pour cette raison, du fait que les crues éclair sont un phénomène difficile à prédire et à modéliser, il est intéressant d'utiliser des réseaux neuronaux. Avec cet outil, nous pouvons modéliser le phénomène sans connaître strictement « Ce qui se passe ». À partir des données historiques que nous disposons il est possible « de former » un réseau pour prédire ce qui se passera [9].

I.4.6.3. Modélisation par les systèmes flous

La méthodologie générale de la logique floue consiste à estimer l’imprécision d’une moyenne de résultats d’une simulation.

La modélisation des systèmes flous passe par trois étapes :

 L’identification de sa structure externe : détermine les valeurs d’entrées et de sorties nécessaires et/ou suffisantes à la modélisation.

 L’identification de sa structure interne : basée sur des règles floues, cette étape permet l’identification des paramètres des sous-ensembles flous.

 L’approximation linguistique : utilise des variables linguistiques, cette opération consiste à associer à tout sous-ensemble flou une étiquette linguistique [10].

I.5. Conclusion

Ce chapitre est une compréhension théorique il traite deux notions principales qui sont le cycle hydrologique de l'eau et ses composants, et le bassin versant qui est un système complexe nécessite l'intervention d'un processus hydrologiques donc l’élaboration d'un modèle pluie débit pour la prévision et la gestion est devenu une obligation.

(31)

Chapitre II

Présentation de la zone

d’étude du bassin versant

(32)

16 II.1. Introduction

Ce chapitre basé sur la description géologique de la zone d’étudie ainsi que la présentation des caractéristiques physiques, hydrographiques et hydro-climatiques qui sont nécessaire à la compréhension des mécanismes de la circulation des eaux tell que le calcul des différents paramètres comme le coefficient de capacité et le temps de concentration.

II.2. Présentation de la zone d’étude

II.2.1. Situation géographique du bassin versant d’oued Sybousse Guelma

La région d’étude (Bassin de Guelma) s’étend entre les confluents Cheref, Bouhamdane à Medjez Ammar au Nord-Ouest et le seuil hydrogéologique de Nador au sud-Est, elle appartienne à la moyenne Sybousse, elle se localise dans la zone tellienne de la chaine Alpine de l’Algérie Nord Orientale [11]. Ses limites naturelles sont :

 Au Nord : les reliefs de Djebel Guerbissa Koudiate Debdebe,Djebel Bouzitoune Ras El chatal,les contreforts du massif d’El Houara .

 Au Sud : le massif de la Mahouna et ses controforts Rakaat El Ras,le kef soultane.  A l’Est : les massifs de Benni Marmi.

 A l’Ouest : massif de Djebel Arara.

La région d’étude fait partie du grand bassin de l’Oued Sybousse .Ce bassin draine l’un des principaux bassins versants de l’Algérie .Il se situe au Nord-Est de l’Algérie couvre une superficie de 6471 km2 c’est le bassin le plus vaste ,après celui de la Medjerda de la partie orientale de l’Afrique du nord il est subdivisé en six sous-bassins principaux .il prend naissance de la commune de Medjez Amar,wilaya de Guelma à l’ouest de la ville de Guelma et coule sur 134.74 km avant de se déverser dans la mer méditerranée près de la commune Sidi Salem wilaya de Annaba et il traverse trois wilayas ( Guelma ,El Tarf et Annaba) [12].

Le bassin de la Seybouse possède trois parties :

 Les Hautes plaines (haute Sybousse)  Le tell méridional (moyenne Sybousse)  Le tell septentrional (basse Sybousse)

(33)

17

(34)

18

(35)

19 II.2.2. Aperçu socio-économique

Parmi les régions qui connaissent une vocation industrielle et agricole c’est la région de Guelma, les activités agricoles et les variétés de cultures sont vraiment remarquables sur l’ensemble de sa plaine comme par exemple : l’élevage des bétails et volailles, production des céréales et beaucoup d’autres activités.

La partie nord de cette zone connait une grande activité industrielle on trouve plusieurs branches d’industries : industrie lourde (société nationale de métal,..etc), chimique et agroalimentaire.

II.2.3. Aspect géomorphologique

L'orographie de cette région d'étude est formée en ligne générale des reliefs montagneux et collinaires constituants l'extrémité orientale de la chaîne des monts de Constantine et des contreforts occidentaux de la chaîne de la Medjerda. Ces contreforts sont traversés par des vallées profondes où courent les affluents droits et gauches de la Seybouse.

Dans la région de Guelma les altitudes les plus élevées sont Djebel Mahouna avec une hauteur de 1411m et Ras El Alia avec une hauteurs 1317m

Dans la partie Sud, les altitudes varient de 100 à 1400m. C'est dans le cycle d'érosion que s’inscrit la région de Guelma qui présente toutes les caractéristiques morphologiques d'une région où les eaux ont été le principal agent modificateur. La plaine creusée par la Seybouse offre des pentes généralement peu accentuées, plus douces pour les versants exposés au Sud. Son fond est plat et présente une faible pente longitudinale et transversale. Elle est surmontée de terrasses qui s'élèvent à des altitudes diverses. Les reliefs qui surplombent immédiatement la plaine sont dans leur ensemble des pentes moyennes à sommets arrondies à l'exception des affleurements calcaires qui donnent lieu, étant donné leur plus grande résistance à l'érosion, à des pentes plus raides et escarpées [13].

II.2.4. Caractéristiques géologiques du bassin versant de l’Oued Sybousse Guelma II.2.4.1. Lithologie et caractéristiques géologiques

La région d’étude est connue par son terrain sédimentaire d'âge crétacé oligocène, Miopliocène et quaternaire. Sa partie Nord est occupé par une plaine alluviale correspond à un synclinal comblé par des argiles des conglomérats marno-calcaires, des grès numidiens et des calcaires lacustres. Les formations numidiennes se développent largement au sud de Guelma en occupant la partie montagneuse jusqu'à Sédrata. Ce sont surtout les calcaires yprésiens qui dominent, vient ensuite les grès numidiens du flanc et la Mahouna; les séries de la marnocalcaire et les argiles. L'ensemble est fortement tectonisé. Il en résulte des facteurs qui

(36)

20 favorisent la présence de plusieurs unités aquifères dans les marno-calcaires (cétacé supérieur). L'oued Seybouse a creusé dans la même série et mis à jours trois petites sources :

C'est l'indice de la présence d'une nappe à faible ressources.

Les bandes de calcaire yprésien de la région sud de Guelma, affleurent largement jusqu'aux environs de Sédrata. Ces calcaires sont fortement fissurés, ce qui permet la Constitution de ressources aquifères importantes, mais rapidement restituées. La formation numidienne dans la région sud de Guelma est constituée d'alternance d'assises gréseuses et de séries argileuses ou argilo-gréseuses. Les grès de Numidie sont fissurés et diaclasés. Au Nord de Héliopolis, d'El Fedjoudj et Guelaat Bou Sba, affleurentaussi des formations marneuses et schisteuses pauvres en eaux souterraines, alors qu'à l'ouest de cette zone, s'élèvent les calcaires sénoniens au Djebel Debar et Taya ou l'infiltration est probablement importante. Le centre du bassin est occupé par des dépôts quaternaires dans lesquels on peut distinguer plusieurs Terrasses. Quant à la dépression de Bouchegouf, elle est encadrée à l'Ouest et au Nord de grès, au sud par des formations triasiques marneuses et gypseuses, au centre elle est comblée par des alluvions déposées par la Seybouse et qui forment trois niveaux ; haute, moyenne et basse terrasse. Les alluvions de cette dernière peuvent receler une nappe souterraine alimentée par l'oued Seybouse là où elles ne sont pas trop argileuses [14].

II.2.5. Réseau Hydrographique

La zone d’étude est drainée par un réseau hydrographique très important constitué par un oued principal : la Seybouse qui parcours la plaine. Ces affluents sont : oued Maiz, oued Bou Sorra, Fragha, Zimba, Djefli,…..etc.

Le réseau hydrographique du Bassin de la Seybouse possède un régime hydrologique de type pluviale, fortement dominé par les précipitations sur l’ensemble de l’année avec un chevelu hydrologique de plus de (3.000 km) [15].

Les principales particularités des cours d’eau de cette région consistent dans l’irrégularité de leur débit, caractère commun de la plupart des oueds Algérien. Le seul cours d’eau important, est l’oued Sybousse formé, peu avant son entrée dans la commune de Guelma, de l’oued Cherf et de l’oued Bouhamdane qui drainent respectivement des sous bassins de 2900 km2 à la station de Medjez Amar,point de confluence et naissance de l’oued sybousse. Il franchit alors un défilé assez étroit et pénètre dans le vaste bassin de Guelma qu’il traverse de toute sa longueur en direction nettement ouest-Est [16].

(37)

21

(38)

22 II.3. Etude et Caractéristiques de bassin versant de l’oued Sybousse Guelma

II.3.1. Caractéristiques physiques du bassin versant de l’Oued Sybousse Guelma Les caractéristiques physiographiques d’un bassin versant influencent sa réponse hydrologique et le régime d’écoulement en période de crue ou d’étiage. Parmi les caractéristiques du réseau morphologiques nous citons en premier lieu la taille du bassin versant (surface), sa forme, sa pente et son orientation.

II.3.1.1. Surface et périmètre

Le bassin versant étant l’aire de réception des précipitation et l’alimentation des cours d’eaux.la détermination de la surface du bassin versant ainsi que son périmètre a été déterminer par le logiciel Arc GIS cette technique permit de déterminer avec précision la surface et le périmètre de ce bassin versant : S = 550,1406 Km2_{, P = 177,66 km.}

II.3.1.2. Forme du Bassin (indice de compacité)

Le contour du bassin versant à une certaine forme qui occupe une superficie (S) cette forme influence énormément sur l’écoulement global et surtout sur l’allure de l’hydrogramme résultant d’une pluie donnée. Un bassin très allongé ne réagit pas de la même manière qu’un autre bassin de forme très ramassés ayant évidemment les mêmes caractéristiques [17].

La forme d’un bassin versant est déterminée à partir de calcul de l’indice de compacité de Gravelius. Kc = 𝑃 2√𝜋.𝑠 = 0.28 𝑝 √𝑠 II.1 Kc = 2.1209

Kc : Indice de compacité de GRAVELIUS

P : Périmètre du bassin versant (Km). S : Surface du bassin versant (Km2). D’après le calcul de Kc on conclut trois cas :

 Kc = 1 lorsque le bassin est parfaitement circulaire

 Kc = 1.12 lorsque le bassin est carré

 Si Kc ˃ 1.12 le bassin est relativement allongée.

Pour le cas du bassin versant de l’oued Sybousse, la valeur du coefficient de compacité Kc = 2.12 indique que le bassin est relativement allongé.

(39)

23 II.3.1.3. Coefficient d’allongement

Parmi les caractéristiques du bassin c’est le coefficient d’allongement qui se calcule à partir de la relation suivante : Kp = 𝑃 2 𝑆 II.2 Kp : coefficient d’allongement

P :le périmètre du bassin versant en (km) S :La superficie du bassin versant en (km2)

Kp = 57.3727

Le coefficient d’allongement est grand donc le bassin étudié est de plus en plus allongé. II.3.1.4. Notion du Rectangle Equivalent

Le rectangle équivalent s’identifie par une simple transformation géométrique du contour du bassin en un rectangle de même surface (S), de périmètre (P), de longueur (L), de largeur (l), indice de compacité KC, et de la même courbe hypsométrique que le bassin versant étudié

[18].

II.3.1.4.1. La longueur du rectangle équivalent Lr

La longueur du rectangle équivalent est donnée par la relation suivante :

Lr = 𝐾𝑐 1,12 √𝑠 ⟦1 + √1 − ( 1.12 𝐾𝑐) 2 ⟧ II.3

Lr : longueur de rectangle équivalent en Km

Kc : indice de compacité

Lr = 82.1338 km

Donc la longueur de rectangle équivalent est égale à 82.13 Km

II.3.1.4.2. La largeur du réctangle équivalent Ir

La largeur du réctangle equivalent est calculé par la relation suivante :

lr = 𝐾𝑐 1,12 √𝑠 ⟦1 − √1 − ( 1.12 𝐾𝑐) 2 ⟧ II.4

lr : largeur de rectangle équivalent en Km

Kc : indice de compacité

lr = 6.6981 km

(40)

24 II.3.1.5. Hypsométrie du bassin versant

II.3.1.5.1. Etude de relief

Les altitudes ainsi que la forme du relief influent considérablement sur les différents paramètres hydro climatiques d’une région données. Le relief est déterminé par les coefficient et indices suivants :

La courbe hypsométrique

La courbe hypsométrique fournit une vue synthétique de la pente du bassin, donc du relief. Cette courbe représente le pourcentage de la superficie d’un bassin situé au-dessus d’une altitude donnée en fonction de l’altitude.

Tableau II. 1:Répartition hypsométrique du Bassin versant de l’oued Sybousse.

Elévation Elévation moyenne

Surface entre courbe Surface cumulées

Hi.Si Si (Km2) Si (%) Si (Km2) Si (%) 0 - 154.3 77.15 0.0040 0.0007 0.0040 0.0007 0.3086 154.3 - 200 177.15 20.9988 3.8170 21.0028 3.8177 3719.9375 200 – 300 250 114.7641 20.8609 135.7669 24.6786 28691.0276 300 – 400 350 120.8174 21.9612 256.5843 46.6398 42286.1009 400 – 500 450 88.6534 16.1147 345.2378 62.7545 39894.0478 500 – 600 550 56.1523 10.2069 401.3901 72.9614 30883.7883 600 – 700 650 48.1280 8.7483 449.5181 81.7097 31283.2008 700 – 800 750 39.7748 7.2299 489.2929 88.9396 29831.0776 800 – 900 850 27.2958 4.9616 516.5887 93.9012 23201.4414 900 - 1000 950 15.3833 2.7962 531.9720 96.6975 14614.0956 1000 – 1100 1050 9.9641 1.8112 541.9360 98.5087 10462.2773 1100- 1200 1150 4.5466 0.8265 546.4827 99.3351 5228.6362 1200 -1300 1250 2.7174 0.4939 549.2001 99.8290 3396.7364 1300-1390.6 1345.3 0.9405 0.1710 550.1406 100 1265.2383 ∑550.14 ∑264757.91

(41)

25

(42)

26

(43)

27 II.3.1.6. Altitudes caractéristiques du Bassin versant

II.3.1.6.1. Les altitudes maximales et minimale

Ces deux données déterminent l’amplitude altimétrique du bassin versant et interviennent aussi dans le calcul de la pente. Pour le cas de notre bassin Hmax = 1390,6 et Hmin

= 154,3 m.

II.3.1.6.2. L’altitude moyenne

L’altitude moyenne se déduit directement de la courbe hypsométrique ou de la lecture d’une carte topographique. On peut la définir comme suit :

Hmoy= ∑ 𝐻_𝑖 𝑆𝑖

𝑆𝑡

II.5

Hmoy : Altitude moyenne du bassin versant en (m)

Si : Aire comprise entre deux courbes de niveau (Km2)

Hi : altitude moyenne entre deux courbes de niveau (m)

St : superficie totale du bassin versant (Km2)

Tableau II. 2:Répartition altimétrique du bassin versant de l’Oued Sybousse.

.

Tranche d’altitude

Hi (m)

Si (Km

2

₎

_HiSi

0– 154.3 77.15 0.0040 0.3086 154.3 – 200 177.15 20.9988 3719.9375 200 – 300 250 114.7641 28691.0276 300 – 400 350 120.8174 42286.1009 400 – 500 450 88.6534 39894.0478 500 – 600 550 56.1523 30883.7883 600 – 700 650 48.1280 31283.2008 700 – 800 750 39.7748 29831.0776 800 – 900 850 27.2958 23201.4414 900 – 1000 950 15.3833 14614.0956 1000 – 1100 1050 9.9641 10462.2773 1100 – 1200 1150 4.5466 5228.6362 1200 – 1300 1250 2.7174 3396.7364 1300 -1390,6 1345.3 0.9405 1265.2383 ∑ 264757.9142

(44)

28 Le calcul de Hmoy sera déterminé par la relation précédente : Hmoy = 481.25 m

II.3.1.6.3. Altitude H95%

Cette Altitude est obtenue à partir de la courbe hypsométrique, elle correspond à l’altitude lue au point d'abscisse 95% de la superficie totale du bassin versant. L’altitudes à 95% de surface pour notre Bassin versant est de 310 m.

II.3.1.6.4. Altitude H5%

Elle est lue sur la courbe hypsométrique au point d'abscisse 5% de la surface totale du bassin versant. Dans notre cas elle est de 1040 m.

II.3.1.6.5. Altitude H50%

C’est l’altitude qui inclut 50% de la surface totale du bassin versant. Elle est déterminée par deux méthodes soit graphiquement par la lecture directe de la courbe hypsométrique, soit par la méthode analytique en utilisant une formule mathématique :

Elle est égale dans notre cas à 520 m.

Le tableau suivant récapitule les altitudes déterminées

Tableau II. 3:Récapitulation des résultats obtenus précédemment.

Altitudes Valeur (NGA)

Hmoy 481.25 Hmédiane 520 H95% 310 H5% 1040 Hmax 1390.6 Hmin 154.3

II.3.1.7. Calcul des indices

II.3.1.7.1. Indice de pente globale Ig

Le relief joue un rôle important, car il commande en grande partie l'aptitude au ruissellement des terrains. Son appréhension peut être faite à l'aide de l'indice de pente global Ig donné par la relation :

Ig =

𝐻5%−𝐻95%

𝐿𝑟 II.6

D : dénivelée entre les altitudes ayant 5% et 95% de la surface du bassin versant tirées à partir de la courbe hypsométrique (m),

Lr : longueur du rectangle équivalent (m)

(45)

29 H95% = 310 m

Ig = 0.89%

II.3.1.7.2. Indice de pente moyenne (Roche)

L’indice de pente moyenne est déterminé à partir des données du Bassin versant. Cet indice tient compte de plusieurs facteurs comme le facteur de ruissellement. Il se calcule, directement à partir du rectangle équivalent, l’indice de pente moyenne est déterminé par la formule suivante :

I0 =

L H

Hmax min II.7

Hmax : l'altitude maximale : Hmax= 1390.6 m Hmin : l'altitude minimale : Hmin= 154.3 m L : Longueur du talweg principal : 35.60 km

Imoy = 0,0347m/m = 3.47 %

Tableau II. 4::Classification du relief selon Ig par O.R.S.T.O.M[19].

Type de relief Valeurs de Ig

Relief très faible Ig <0.002

Relief faible 0.002 < Ig < 0.005 Relief assez faible 0.005 < Ig < 0.01

Relief modéré 0.010 < Ig< 0.02 Relief assez fort 0.020 < Ig < 0.05

Relief fort 0.050 < Ig < 0.1

Relief très fort 0.100< Ig

II.3.1.8. Densité spécifique

Elle apparaît donc comme une correction de la dénivelée simple par application d'un coefficient qui dépend de la forme du bassin elle est donnée par la formule suivante :

Ds = Ipg √𝑆 II.8

Ig : Pente globale (m / Km) pour notre cas 8,89 m/km

S : Surface totale du bassin versant (Km²) pour notre cas S = 550,1406 Km2 Ds = 208,47 m

La dénivelée spécifique permet de se prononcer sur le relief suivant la classification de l‘Office de Recherche Scientifique d’Outre-Mer (ORSTOM).