Riad

Thse en cotutelle
UNIVERSITE DES SCIENCES ET TECHNOLOGIES DE LILLE

&
UNIVERSITE IBNOU ZOHR DAGADIR
Prpare au Laboratoire de Mcanique de Lille
Pour obtenir le grade de
DOCTEUR DE LUNIVERSITE EN GENIE CIVIL

Spcialit :
HYDROLOGIE DE SURFACE
TYPOLOGIE ET ANALYSE HYDROLOGIQUE DES

EAUX SUPERFICIELLES A PARTIR DE
QUELQUES BASSINS VERSANTS
REPRESENTATIFS DU MAROC
lle
Par
M Souad RIAD
Directeurs de thse :
Mr Jacky MANIA, Professeur lEcole Polytechnique Universitaire de Lille
Mr Lhoussaine BOUCHAOU, Professeur la facult des sciences dAgadir
Soutenue le 12/12 /2003 14h devant la commission dexamen :
Rapporteurs :
Examinateurs :
Mr Y. NAJJAR, Professeur, Universit de lEtat de Kansas (USA)

Mr M. RAZACK, Professeur, Universit de Poitiers
Mr A. MANGIN, Directeur de CNRS, Laboratoire Souterrain de Moulis
Mr Y. HSISSOU, Professeur la facult des sciences dAgadir
Mr E. CARLIER, Professeur, Universit dArtois
Mr I. SHAHROUR, Professeur, Ecole Polytechnique Universitaire de Lille
DEDICACES
A la mmoire de mon
A ma trs chre
pre
mre : Sans elle rien naurais pu tre fait
A mes frres : Mustapha, Hamid, Laalami et Khalid

A mes surs : Rabiaa et Hakima
A mon beau frre Mohammed RIAD
A ma belle sur Fatima BENHNINI
A toute la famille RIAD
A toute la famille CHAKIRY
A tous mes amis.
A mes neveux et mes nices : Meryam, Yassir, Raja, Najoua, Mourad, Kawtar et MBarek
Et cest ma mre que je ddie ce travail
S. RIAD/ 2003
AVANT-PROPOS
AVANT-PROPOS
Ce travail de recherche a t ralis au Laboratoire de Mcanique de Lille (LML),
dpartement de Gotechnique & Gnie Civil (GTGC) lEcole Polytechnique
Universitaire de Lille (EPUL), Universit des Sciences et Technologies de Lille (USTL),
dans le cadre dune thse en cotutelle avec lUniversit Ibnou Zohr dAgadir au Maroc.
Au terme de cette recherche, il m'
est trs agrable d'
exprimer toute ma gratitude,
ma reconnaissance et mes trs vifs remerciements tous ceux qui ont contribu de
prs ou de loin l'
laboration de ce sujet de thse.
En premier lieu, j'
exprime ma profonde reconnaissance et mes sincres
remerciements mes deux directeurs de thse, Jacky MANIA, Professeur l'
Ecole
Polytechnique Universitaire de Lille, Universit des Sciences et Technologies de Lille,
et Lhoussaine BOUCHAOU, Professeur la Facult des Sciences, Universit Ibnou
Zohr Agadir.
Mr le Professeur J. MANIA m'
a accueilli dans son laboratoire, ma rserv des
moments prcieux de discussion et ma facilit toutes les conditions pour mener ce
travail bien. Je le remercie infiniment pour son apport la grande cohrence de ce
manuscrit, sa disponibilit et sa sympathie.
Mr le Professeur L. BOUCHAOU, pour tous ces conseils et ses encouragements
qu'
il m'
a prodigus et qui ma aid le plus possible que ce soit durant son sjour Lille
ou soit durant mes sjours Agadir. Je le remercie trs sincrement pour sa
sympathie, ses remarques et ses discussions les plus intressantes.
Mr I. SHAHROUR, Professeur l'
Ecole Polytechnique Universitaire de Lille a bien
voulu accepter de prsider le jury de cette thse et dxaminer ce travail de recherche.
Je lui exprime mes trs vifs remerciements et mon profond respect.
Mr le Professeur Y. NAJJAR de lUniversit de Kansas, a bien voulu tre
rapporteur de ma thse. Je le remercie vivement pour tous les discussions,
suggestions et ces prcieux conseils durant tous ses sjours Lille. Je lui exprime ma
profonde reconnaissance.
Mr M. RAZACK, Professeur lUniversit de Poitiers qui a accept d'
tre un
rapporteur de mon travail. Je le remercie vivement.
Mr E. CARLIER, Professeur lUniversit dArtois pour avoir bien voulu participer
mon jury et juger ce travail. Je lui exprime ma profonde reconnaissance.
S. RIAD/ 2003
AVANT-PROPOS
Je remercie galement Mr A. MANGIN, Directeur de recherche au CNRS et toute

son quipe pour son accueil chaleureux durant mon sjour de stage au laboratoire
souterrain de Moulis et pour avoir accept dtre rapporteur de ma thse.
Je remercie galement Mr Y. HSISSOU, Professeur la facult des sciences
dAgadir pour avoir accept de rapporter ce travail de recherche. Je le remercie
vivement pour ces nombreux conseils et discussions durant mes sjours Agadir.
J'
adresse mes trs chaleureux remerciements en particulier mon frre Hamid
pour son soutien moral et matriel durant toutes ces annes de thse. Il ma permis
d'
envisager tous les obstacles, de me soutenir dans les moments de dcouragement et
de faire avancer mon travail en toute srnit.
Mes remerciements sadressent galement aux professeurs L. BENABIDATE, N.
KHALIL, A. EL ACHHEB, A. EL YOUNSSI, A. HANI et L. DJABRI, pour leur conseils et
discussions durant leurs sjours au laboratoire, Dpartement de Gotechnique et
Gnie Civil LEcole Polytechnique Universitaire de Lille.
Je noublierai pas de remercier Mr Said JALALA, Mr Khamis ALMAHALLAWI, Mr
Mohammed EILA et Mr Issa MUSA du ministre de lenvironnement Palestine pour
leur sincre amiti et leur sympathie durant leur sjour Lille. Je leur souhaite bonne
continuation et bon courage pour leurs thses de Doctorat.
Je remercie galement tout le personnel de la Direction Gnrale dHydraulique
(DRH) de Rabat qui nous a fourni les donnes des diffrents bassins qui ont fait objet
de cette recherche et Mr MM. SAIDI, professeur la facult des sciences et techniques
de Marrakech qui ma fourni les donnes de la rgion du Haut Atlas de Marrakech.
Je n'
oublie pas dans ces remerciements tous mes amis de l'
Ecole Polytechnique
Universitaire de Lille, pour leur ambiance agrable dans laquelle s'
est droul ce
travail, leur sympathie et leur soutien durant toutes ces annes de recherche. Je cite
Naima, Amina, Rabiaa, Latifa, Samira, Said, Khalid, Lina, Nourreddine, Adil, Rochdi,
Karim, Jalal, Hassan, Rachid, Driss, Hicham, Redouane, Abdelilah, Azzedine,
Abdrezzak, Sami, Lahcen, Jamal, Ahmed, Hafid, Frderic, Zoubeir, Wadie, Mohamed,
Raed, Ihssane, Hani, Eddy, Rami, Ali, Brahim et Bassem. Qu'
ils, je leur remercie trs
sincrement.
S. RIAD/ 2003
AVANT-PROPOS
Un grand merci aux personnels de latelier de reprographie et du service

informatique de lEcole Polytechnique Universitaire de Lille, plus particulirement :
Serge
DUPONT,
Bernard
DERACHE,
Alain
LORGUEZ,
Dominique
GOLPART,
Dominique FRANOIS, Patrick MENAGER et Juliette LOISELEUX.

Ce que je dois ma chre mre va bien au del des remerciements ou mme de
la gratitude. Mon vocabulaire est trop limit pour exprimer son importance dans ce
travail et dans ma vie. Elle le sait.
Je ddie enfin ce manuscrit tous les membres de ma famille qui mont toujours
aid, encourag et soutenu durant toutes ces longues annes de recherche jusqu'
au
l'
achvement de ce travail, et plus prcisment je cite : Aicha, Fatiha, Mbarka, Saadia,
Sabah, Meryem, Said, Zohra, Abdel Alwahed, Samira, Farida, Fatima, Najib, Khadija,
Tibari, Amina, Naima, Aicha, Brahim, Bahija, Tarik, Jilali et Abdelatif.
Je remercie profondment toute ma famille. Ces tudes auxquelles je mets un
terme, cest avant tout eux que je les dois, eux qui, depuis toujours et en
particulier tout au long de ces dernires annes ont su partager avec patience et
amour mes instants de joies.
Je remercie enfin toutes les personnes intresses par mon travail, en esprant
quelles puissent trouver dans mon rapport de thse des explications utiles.
Merci encore tous.
S. RIAD/ 2003
Table de matires
TABLE DE MATIERES
AVANT-PROPOS...3
TABLE DE MATIERES6
INTRODUCTION GENERALE.....11
1) Problmatique de ce travail....13
2) Contexte climatique.....14
3) Ressources en eau....16
4) Problmatique des ressources en eau au Maroc...18
5) Objectifs de la recherche.....19
6) Prsentation du Manuscrit.20
1re PARTIE : CARACTERISTIQUES GEOGRAPHIQUES

PHYSIOGRAPHIQUES & GEOLOGIQUES DES BASSINS ETUDIES
I. SITUATION GEOGRAPHIQUE24
I.1. Bassin versant de la Moulouya....25
I.2. Bassins Ctiers Mditerranens..26
I.3. Bassin versant de Tensift..26
I.4. Bassins versants de Ziz-Rhris et Guir...27
II. CARACTERISTIQUES PHYSIOGRAPHIQUES...29
II.1. Superficie..29
II.2. Primtre .30
II.3. Indice de compacit de Gravelius..30
II.4. Rectangle quivalent...30
II.5. Longueur du cours deau principal...31
II.6. Pente moyenne 31
II.7. Densit de drainage.32
II.8. Altitude de la station hydromtrique33
II.9. Impact sur les pluies et le ruissellement....34
III. CARACTERISTIQUES GEOLOGIQUES.34
III.1. Bassin versant de la Moulouya...35
III.1.1. Le Palozoque...35
III.1.2. Le Trias..35
III.1.3. Le Jurassique..35
III.1.4. Le Crtac..35
III.1.5. Le Tertiaire.35
III.1.6. Le Quaternaire....36
III.2. Bassins Ctiers Mditerranens.37
III.3. Bassin versant de Tensift.38
III.3.1. Le Haut Atlas.38
III.3.2. Les Jbilets et Mouissates38
III.3.3. Le plateau des Mouissates..38
III.3.4. Le bassin dEssaouira-Chichaoua..38
III.3.5. La plaine de Haouz38
III.4. Bassins versants de Ziz-Rhris et Guir..39
III.4.1. Le Palozoque...39
III.4.2. Le Trias..39
6
S. RIAD/ 2003
Table de matires
III.4.3. Le Jurassique..39
III.4.4. Le Crtac..39
III.4.5. Le Tertiaire39
III.4.6. Le Quaternaire...39
III.5. Impact de la gologie sur lhydrologie...41
IV. CLIMATOLOGIE GENERALE..42
IV.1. Bassin versant de la Moulouya...42
IV.2. Bassins Ctiers Mditerranens.....42
IV.3. Bassin versant de Tensift.42
IV.4. Bassins versants de Ziz-Rhris et Guir..43
IV.5. Impact de la climatologie sur lhydrologie...44
V. CONCLUSION.44
2me PARTIE : TRAITEMENT DES DONNEES PHYSIOGRAPHIQUES

& HYDROPLUVIOMETRIQUES
I. AQUISITION DES DONNEES ...46
I.1. Donnes physiographiques.46
I.2. Donnes pluviomtriques...46
I.2.1. Situation des postes pluviomtriques.46
I.2.2. Caractristiques des postes pluviomtriques..46
I.3. Donnes hydromtriques47
I.3.1. Situation des stations hydromtriques47
I.3.2. Caractristiques des stations hydromtriques47
II. CRITIQUE DES DONNEES .48
III. TRAITEMENT DES DONNEES..49
III.1. Analyse statistique des donnes physiographiques...49
III.1.1. Analyse en Composantes Principales (ACP)...49
III.1.1.1. Introduction...49
III.1.1.2. Application de lACP ...50
III.1.2. Analyse Factorielle Discriminante (AFD)...53
III.1.2.1. Rappel...53
III.1.2.2. Application de la mthode53
III.1.3. Modle de Rgression Linaire Multiple (RLM)55
III.2. Analyse statistique des donnes pluviomtriques.57
III.2.1. Pluies moyennes mensuelles...57
III.2.1.1. Bassin versant de la Moulouya.57
Oued Ansegmir la station dAnsegmir57
III.2.1.2. Bassin versant de Tensift..57
Oued Ourika la station dAghbalou57
III.2.1.3. Bassins versants de Ziz-Rhris.57
Oued Sidi Hamza la station de Foum Tillicht.57
Oued Todrha la station dAit Bouijjane..57
III.2.2. Pluies moyennes annuelles et interannuelles..58
7
S. RIAD/ 2003
Table de matires

III.3. Analyse statistique des donnes hydromtriques.60
III.3.1. Evolution des dbits moyens mensuels...60
Oued Todrha la station dAit Bouijjane...61
III.3.2. Variation des dbits moyens annuels et interannuels .62
Oued Ourika la station dAghbalou.62
Oued Todrha la station dAit Bouijjane...63
III.3.3. Analyse statistique des dbits extrmes ..64
III.3.3.1. Introduction...64
III.3.3.2. Rsultats des ajustements statistiques...65
III.3.3.2.1. Bassin versant de la Moulouya..65
Oued Ansegmir la station dAnsegmir....65
III.3.3.2.2. Bassin versant de Tensift...65
Oued Ourika la station dAghbalou.65
III.3.3.2.3. Bassin versant de Ziz-Rhris..66
III.4. Analyse corrlatoire et spectrale (ACS)....67
III.4.1. Introduction.67
III.4.2. Principe de la mthode68
III.4.2.1. Analyse simple.68
a) Corrlogramme simple..68
b) Spectre simple70
III.4.2.2. Analyse croise.72
a) Corrlogramme crois...72
b) Spectre crois.73
c) Fonction de cohrence...75
d) Fonction de gain....75
III.4.3. Application des bassins versants pilotes reprsentatifs ...76
III.4.3.1. Bassin versant de la Moulouya 76
Oued Ansegmir la station dAnsegmir..76
a) Analyse du signal dentre (Pluies)...76
b) Analyse du signal de sortie (Dbits). 77
c) Analyse croise..78
Fonctions damplitude et de gain.79
8
S. RIAD/ 2003
Table de matires

Oued Ourika la station dAghbalou .79
III.4.3.3. Bassin versant de Ziz-Rhris82
Oued Sidi Hamza la station de Foum Tillicht..82
c) Analyse croise .84
Oued Todhra la station dAit Bouijjane85
III.4.4. Conclusion...89
IV. CONCLUSION...90
3me PARTIE : MODELISATION DES FONCTIONS

PLUIE-DEBIT
I. RAPPEL DES MODELES HYDROLOGIQUES.92
I.1. Introduction...92
I.2. Modles conceptuels (ou dterministes)..92
I.3. Modles globaux (ou stochastiques).93
II. MODELE MERO MMO8..93
II.1. Introduction.93
II.2. Principe du modle Mero MMO8..94
II.3. Fonctionnement du modle.95
II.4. Rsultats de la simulation...97
III. RESEAUX DE NEURONES ARTIFICIELS (RNA)..99
III.1. Prsentation de la mthode neuronale.99
III.2. Connections entre les neurones.99
III.3. Perceptron Multicouche (PMC)..100
IV. APPLICATION DU MODELE DE RNA...101
IV.1. Architecture du rseau.102
IV.2. Collecte des donnes.104
IV.3. Critres de performance du modle...104
IV.4. Rsultats et discussions....105
IV.4.1. Slection des entres du rseau..105
IV.4.2. Prvision des dbits....109
IV.4.3. Comparaison avec le modle de Rgression Linaire Multiple (RLM)113
IV.4.3. Comparaison avec le bassin versant de loued Ansegmir..118
IV.5. Conclusion.120
9
S. RIAD/ 2003
Table de matires
V. CONCLUSION...120
CONCLUSION GENERALE123
BIBLIOGRAPHIE..128
LISTE DES FIGURES....141
LISTE DES TABLEAUX...145
ANNEXES147
10
S. RIAD/ 2003
INTRODUCTION GENERALE
L'eau tant une ressource naturelle essentielle la vie, les utilisateurs doivent tre
redevables quant son utilisation ou sa dtrioration.
L'eau prend une importance croissante dans notre vie. Apprendre la grer, c'est
apprendre matriser sa raret mais aussi ses excs, assurer l'alimentation en eau
potable, agricole et industrielle, l'utiliser pour crer de l'nergie et maintenir la
qualit de notre environnement. Cette gestion exige l'laboration de mthodes
adquates et l'usage d'outils afin de minimiser les risques dinondation ou dtiage.
L'accs la ressource en eau est vital tant dans les pays dvelopps que dans les pays
en voie de dveloppement et tout indique que son mode de partage constitue un des
grands dfis du dbut du troisime millnaire. Les ressources en eau souterraine et de
surface ainsi que le potentiel hydraulique d'un pays, bien que renouvelables, sont en
effet limits et menacs tant par les activits industrielles, urbaines qu'agricoles.
11
S. RIAD/ 2003
12
S. RIAD/ 2003
1) Problmatique de ce travail
Leau, une des plus importantes ressources naturelles, doit tre protge de manire garantir
de faon durable son quilibre entre les besoins et les utilisations.
Le dveloppement durable des activits humaines sappuie, en particulier, sur une gestion
intgre des eaux. Une gestion efficace et durable des eaux ne se limite pas garantir, en moyenne,
une quantit et une qualit suffisantes pour les demandes humaines (eau potable, industrielle,
dirrigation,...) et pour les besoins des milieux naturels ; elle doit aussi prendre en compte la
manifestation des vnements extrmes, tels que les tiages et les crues.
La quantit et la qualit des ressources en eau disponibles posent des problmes de plus en plus
complexes et difficiles rsoudre. La consommation deau augmente considrablement et la pnurie se
fait sentir dans de nombreux pays en voie de dveloppement. Une gestion intgre des ressources en
eau simpose donc pour accompagner un dveloppement durable qui puisse concilier le dveloppement
socio-conomique et la prservation de lenvironnement.
A l'
instar des pays de la rive Sud du bassin mditerranen, le Maroc, pays climat
essentiellement semi-aride aride dans la majeure partie de son territoire, est confront au problme
du dveloppement et de la gestion durable de ses ressources en eau. En effet, bien que disposant
d'
importantes chanes de montagnes, d'
une large ouverture maritime et par une grande disparit
gographique, ces ressources en eau sont limites vis vis dune forte demande qui rsulte de la
croissance dmographique, de l'
amlioration des conditions de vie, du dveloppement des diffrentes
industries et de lextension de lirrigation.
Devant ces contraintes, le Maroc a fourni, depuis les annes soixante, dimportants efforts de
mobilisation de son potentiel hydraulique pour faire face laccroissement dmographique et assurer
son dveloppement socio-conomique. Cependant, le potentiel hydraulique limit ncessite,
paralllement la poursuite de leffort de mobilisation, une matrise des phnomnes hydrologiques
extrmes (crues et scheresses) par ltablissement des plans directeurs de dveloppement des
ressources en eau lchelle des bassins versants, dadopter une stratgie de gestion de la demande en
eau afin de satisfaire les besoins en eau et dassurer les conditions dune utilisation bnfique de ces
ressources hydriques, damliorer les performances des infrastructures (barrages, ouvrages de transfert
deau, forages).
Dans le cadre de ce travail, on sest intress lanalyse hydrologique des eaux superficielles de
quelques bassins versants situs sous climat semi-aride du Maroc, en conditions normales ainsi quen
priode de crise lie aux vnements extrmes suite la fameuse crue de l'
oued Ourika, survenue le 17
Aot 1995 dans la rgion du Haut Atlas de Marrakech. Ces crues exceptionnelles ont provoqu en un
13
S. RIAD/ 2003
temps record des pertes humaines et des dgts matriels. Do la ncessit dtablir des systmes
performants de prvention et d'
vacuation rapide de la population par installation dinfrastructures
appropries et de systme dalerte en cas de prvision de phnomnes catastrophiques naturels. Il en
rsulte une amlioration significative sur le plan socio-conomique des zones risque.
2) Contexte climatique
Soumis aux influences mditerranennes au Nord, ocaniques l'
Ouest, continentales, puis
sahariennes de plus en plus vers l'
Est et le Sud, le climat du Maroc est principalement caractris par
un t chaud et sec o les prcipitations sont quasiment absentes et l'
vaporation particulirement forte
et un hiver frais, parfois froid. Ces influences marquent svrement le climat ; pluviomtrie alatoire,
scheresses frquentes et imprvisibles, rgime hydrique instable...autant d'
lments qui se rpercutent
sur la vie conomique et sociale du pays.
La prsence d'
une chane de montagnes traversant la quasi totalit de la rgion d'
Ouest en Est,
conjugue des caractristiques gologiques et gomorphologiques trs diversifies font que les
ressources en eau superficielles et souterraines sont rparties entre de nombreux systmes
hydrologiques individualiss et d'
aire gographique limite qui drainent l'
essentiel des potentialits
hydriques du pays.
Les prcipitations sont concentres pendant la saison humide qui totalise un maximum d'
une
centaine de jours de pluie par an. Des pluies diluviennes localises peuvent dpasser 100 mm en moins
d'
une journe ; de mme qu'
une bonne partie des prcipitations moyennes peut tre concentre en
quelques jours de l'
anne.
Le climat varie du sub-humide au Nord, semi-aride aride au centre, saharien au Sud,
accompagn par des priodes de scheresse de plus en plus rptitives causant de srieux problmes
socio-conomiques. Les rgimes de prcipitation restent domins par une forte irrgularit dans
lespace et dans le temps. Les hauteurs moyennes annuelles des prcipitations se chiffrent parfois
plus de 1000 mm dans les zones montagneuses du Nord en bordure de la Mditerrane (Bassin du Rif,
Tangrois et ctes mditerranennes Ouest). Elles dcroissent progressivement en allant vers lEst et le
Sud moins de 300 mm dans les bassins de la Moulouya, du Tensift, du Souss-Massa, des zones Sudatlasiques, et de la zone Saharienne. Des prcipitations neigeuses sont galement observes sur les
hauts sommets des montagnes de lAtlas et du Rif. En effet, la pluviomtrie se rpartit comme suit
lchelle du Maroc (Fig. 1) :
suprieure 800 mm dans la zone arrose du nord-ouest (zone 1),
de 600 800 mm dans la zone nord et la zone atlasique (zone 2),
de 400 600 mm dans la zone Sebou, Bouregreg et Oum Er-Rebia (zone 3),
de 200 400 mm dans le Tensift, Souss Massa et lOriental (zone 4),
infrieure 200 mm dans les zones sud atlasiques et le Sahara (zone 5).
14
S. RIAD/ 2003
Tanger
Mer Mditerrane
rs
Mditrranen
s
Fs
Rabat
Sebou
Casablanca Cotiers
El Jadida
Atlantiques
Safi
at l
an t
iqu
e
Cotie
Moulouya
Oujda
Oum Er Rebia
Errachidia
Figuig
Marrakech
Tensift
Taroudant
Agadir Souss-Massa
Atl
Oc
a
Su
e
qu
asi
Laayoune
Smara
Sa
ha
ra
Pluviomtrie moyenne annuelle :

1
2
3
4
5
Ad Dakhla
Suprieure 800 mm
de 600 800 mm
de 400 600 mm
de 200 400 mm
Infrieure 200 mm
0 100 200 Km
Laguira
Fig. 1: Rpartition de la pluviomtrie moyenne annuelle au Maroc
Les prcipitations totales sur l'

ensemble du territoire sont values en anne moyenne prs de
150 milliards de m3 sur lesquels prs de 29 30 milliards de m3 (environ 20%) sont considres
comme pluies efficaces rparties en eaux de ruissellement (20 milliards de m3) et en eaux infiltres
alimentant les nappes (9 milliards de m3) (Annexe I). Suite laccroissement dmographique, le
volume mobilisable par habitant qui tait de 833 m3 par an en 1994 se rduirait moins de 500 m3 en
lan 2020, ce qui place le Maroc dans la catgorie des pays pauvres en eau (fort stress hydrique).
Les prcipitations annuelles des annes sches peuvent atteindre des niveaux trs faibles qui
peuvent diminuer moins de 60 75% de la normale. Les apports pluviomtriques sont ainsi
ingalement rpartis sur le territoire national. Les rgions du nord et le bassin de Sebou bien que
noccupant que 8.5% de la superficie totale du pays, ils reoivent plus de 59.5% des prcipitations
globales, alors que le bassin de la Moulouya qui occupe 8.2% de cette superficie ne reoit que 4.8% de
la pluviomtrie globale. L'
valuation rgionale des ressources annuelles moyennes en eau superficielle
est rsume dans le tableau1.
15
S. RIAD/ 2003
Prcipitation Prcipitation Prcipitation Prcipitation

Nombre
quinquennale
Dcennale
centennale
moyenne
Bassin versant
de jours inter annuelle
sche
sche
sche
de pluie mm % du mm % du mm % du mm % du
global
global
global
global
Loukkos, Tangrois et Ctiers
73
680
9
510
10.5
450
10
320
12
Moulouya
31
245
9
135
7.8
120
8
90
9.5
Sebou
59
750
20
540
21.5
475
22
340
25.5
Bou Regreg
56
500
7
370
7
335
8
255
9.5
Oum Er Rbia
57
515
12
380
13
330
14
245
16
Tensift
36
330
8
240
9
200
9
110
7.5
Souss-Massa
54
240
6
170
6
140
6
80
5.5
Sud Atlasique
30
170
19
100
16
75
15
30
9.5
Sahara
21
50
10
30
9
22
8
9
5
Source : Direction Gnrale de lHydraulique (1999)
(en gras les bassins versants analyss)
Tab. 1: Rpartition des prcipitations moyennes par bassin
Aussi, les scheresses qui ont svi, au Maroc, au dbut des annes 1980 et annes 1990 ont
montr quel point lconomie marocaine est tributaire des hauteurs des pluies et de leur rpartition
dans lanne.
3) Ressources en eau
Les ressources en eau du Maroc sont caractrises par une trs forte sensibilit aux alas
climatiques (80% des ressources en eau mobilisables sont constitues par des eaux superficielles,
directement lies limportance des prcipitations), par une irrgularit temporelle et une mauvaise
rpartition spatiale et par une vulnrabilit la scheresse et la pollution, notamment les eaux
superficielles, en raison de la faiblesse des dbits de base des cours deau (Fig. 2).
Sud-Atlas
Draa
Souss-Massa
Bouregreg
Total : 16 000 Mm3
Tensift
Loukkous
Tang et Cotiers
Moulouya
Oum Er Rbia
Sebou
0
500
1000 1500 2000 2500 3000 3500 4000 4500 5000

3
(en millions de m )
Fig. 2: Rpartition des ressources en eau de surface du Maroc
16
S. RIAD/ 2003
Depuis son indpendance (1956), le Maroc n'

a cess de mener des efforts considrables visant
satisfaire les divers besoins (toujours grandissants) du dveloppement socio-conomique de la
population et parer aux fluctuations climatiques qu'
il subit. Cette politique a permis notamment la
ralisation de 97 grands barrages (totalisant une capacit de stockage d'
environ 15 milliards de m3) et 8
autres sont en cours de ralisation, 13 ouvrages de transfert d'
eau superficielle (des bassins
excdentaires vers ceux qui sont dficitaires) et la ralisation de plusieurs dizaines de milliers de
forages et puits.
Cette importante infrastructure hydraulique permet la mobilisation d'
un volume moyen annuel
d'
environ 14 milliards de m3, permettant la satisfaction des besoins en eau de l'
irrigation (83% du
volume) et de l'
alimentation en eau potable et industrielle du pays.
Le potentiel hydraulique rellement considr mobilisable au Maroc, dans des conditions
techniques et conomiques actuelles, est valu 20 milliards de m3 par an (soit 13% environ des
prcipitations totales du pays) dont 16 milliards de m3 en eau superficielle et 4 milliards de m3 en eau
souterraine (Fig. 3).
13.5%
26%
6.5%
54%
Eaux de surface mo bilises
10 800
Eaux de surface mo biliser
5200
Eaux so uterraines mo bilises
2700
Eaux so uterraines mo biliser
1300
Total des resso urces en eau mo bilisables

e n m illio ns de
20 000
m3
Fig. 3: Rpartition des ressources en eau mobilises
Cependant, ayant un effet sur le rgime hydrologique, le rgime climatique a eu une

consquence directe sur la rpartition ingale entre bassins des eaux de surface. Les ressources en eau
de surface sont marques par une forte disparit de leur rpartition gographique et des rgimes
hydrologiques trs irrguliers l'
chelle saisonnire, annuelle ou interannuelle. En effet, les bassins du
nord (Loukkos, Tangrois et Ctiers Mditerranens et Sebou) disposent eux seuls de plus de la
moiti du potentiel hydraulique du royaume alors quils occupent moins de 1/10 de la superficie du
pays et abritent moins de 1/3 de la population (Fig. 4).
17
S. RIAD/ 2003
45 %
40
35
30
25
20
15
10
5
0
Loukkos
Moulouya
Sebou
Bou
Regreg
Oum ErRbia
Tensift
SoussMassa
Sud
Atlasique
Sahara
Bassin
Ressources
Superficie
Population
Fig. 4: Rpartition gographique des ressources en eau de surface
Ces rgimes hydrologiques sont marqus par des tiages prononcs avec souvent des dbits nuls
l'
t et des crues fortes et rapides en saison humide. Ces crues favorisent l'
rosion des sols l'
amont
des bassins versants et provoquent des inondations l'
aval. Par ailleurs, l'
occurrence d'
pisodes secs de
dure plus ou moins longue est galement une donne structurelle essentielle des rgimes
hydrologiques de la production agricole en mesure de contribuer la satisfaction des besoins
nutritionnels d'
une population en croissance rapide.
4) Problmatique des ressources en eau au Maroc
Au Maroc, le volume deau disponible par habitant et par an, indicateur de la richesse ou de la
raret de leau dun pays, avoisine le seuil de 1000 m3/hab/an, communment admis comme seuil
critique avant le saut vers la pnurie. Ce taux varie actuellement de 180 m3/hab/an pour les zones
rputes trs pauvres en ressources en eau (Souss-Massa, Sud Atlasique, Sahara) prs de 1850
m3/hab/an pour les zones du bassin du Loukkos, du Tangrois et Ctiers Mditerranens relativement
riches.
Les ressources en eau par habitant se situeraient autour de 720 m3/hab/an vers lhorizon 2020. A
cette date, prs de 14 millions dhabitants, soit prs de 35% de la population totale du royaume
disposeraient de moins de 500 m3/hab/an (Tab. 2).
La pnurie chronique deau devient donc une donne structurelle quon ne peut plus ignorer pour
tracer les politiques et les stratgies de gestion des ressources en eau au Maroc.
18
S. RIAD/ 2003
Disponibilit des ressources en eau (m3/habitant/an)

Anne
4 annes
Anne
Anne
moyenne
sur 5
dcennale
centennale
1 anne sche
sche
sche
Loukkos, Tangrois et Ctiers
3.645
1353
745
563
418
Moulouya
2.448
1065
795
696
541
Sebou
7.918
0996
605
509
395
Bou Regreg
9.076
0109
049
039
029
Oum Er-Rbia
6.171
1232
973
910
835
Tensift
3.131
0546
324
280
240
Souss-Massa
3.250
0362
207
180
156
Sud Atlasique
2.606
0735
414
347
279
Sahara
0.625
0168
Source : Administration de Gnie Rural / Direction du Dveloppement et de la Gestion dIrrigation (1999)
Bassin versant
Population
(Millions
dhabitant)
Tab. 2: Disponibilit des ressources en eau, projection sur 2020
Ces ressources sont limites pour assurer sans contrainte un dveloppement conomique et social
durable. En termes de ressources mobilisables, le Maroc ds le dbut des annes 80, franchi le seuil
des 1000 m3/hab/an commun admis comme seuil critique indiquant lapparition de stress hydraulique
de 1.271 m3 par habitant et par an en 1971 le seuil atteindra 688 m3/hab/an en lan 2000 et 508
m3/hab/an. A lhorizon 2020, exception de lOum Er-Rebia, lensemble des bassins versants seront en
dessous de ce seuil.
La gestion des ressources en eau rejoint des proccupations diverses : lamnagement des cours
deau, la construction des barrages et leur protection contre lenvasement, la lutte contre la scheresse
et les risques dinondation. Les dgts considrables affectant les infrastructures hydrauliques
destines la mobilisation des ressources en eau de surface et souterraine et la production agricole
perturbent les activits conomiques du pays. Il est primordial de mettre en place des infrastructures
ncessaires la protection des valles contre les inondations et de procder la construction de digues
pour se protger contre les dbordements de loued.
5) Objectifs de ce travail
Face cette variabilit qui dtermine la disponibilit en eau, il est ncessaire de matriser et
stocker l'
eau de surface pendant les priodes humides pour pouvoir l'
utiliser l'
ensemble des besoins
en eau du pays pendant les priodes sches.
Ces difficults expriment donc clairement le besoin avr dapprofondir la connaissance des
rgimes hydrologiques en rgions semi-arides arides, leur variabilit spatiale et temporelle, sur des
bassins versants pilotes et reprsentatifs du Maroc et la matrise des phnomnes hydrologiques
extrmes tels que les crues et la scheresse pour aboutir une vision gnrale sur leur mode de
fonctionnement hydrologique.
19
S. RIAD/ 2003
Au Maroc, on s'
est intress, depuis plusieurs annes, ltude des phnomnes dcoulement
extrme ; suite au fameux vnement de la crue de l'
oued Ourika, survenue dune manire brutale et
inattendue le 17 Aot 1995, lorigine des pertes humaines et des dgts matriels dune porte trs
considrable causs par ces inondations. Le bassin de lOurika est caractris par des pentes fortes et
des terrains relativement impermables, de nature lithologique varie. Ceci confre aux coulements
un caractre torrentiel et boueux, et offre un environnement propice aux pulsations brutales des cours
deau.
Deux autres crues dintensits plus faibles ont affect cette rgion pendant la mme anne. Les
prcipitations torrentielles et les boulements qui se sont poursuivis ont balay sur leur passage des
infrastructures routires, des terres agricoles, des btiments ainsi quune grande partie des
infrastructures dirrigation. Au total, les dgts matriels (production vgtale et animale, rseau
hydro-agricole et dgts fonciers) sont estims 155 millions de dirhams (environ 15 millions de
dollars US). Ceci na pas manqu de provoquer un grand dsquilibre au niveau des systmes de
production et de lenvironnement cologique.
Si ces phnomnes exceptionnels sont suffisamment tudis sous certains climats temprs
(Ambroise, 1998), il nen nest pas de mme pour les climats dficit hydrique et notamment dans les
pays en voie de dveloppement o lquipement des stations de mesure reste trs limit.
La prsente recherche a t faite essentiellement sur quatre grands bassins versants reprsentatifs
du Maroc situs en climat semi-aride qui sont le bassin versant de la Moulouya (Rgion de la
Moulouya, Moyen Atlas), les Bassins Ctiers Mditerranens (Rgion Nord du Maroc, Rif), le bassin
versant de Tensift (Rgion de Marrakech, versant nord du Haut Atlas de Marrakech) et les bassins
versants de Ziz-Rhris et Guir (Rgion dErrachidia, versant sud du Haut Atlas de Marrakech).
Cette rgion dtude a t choisie car elle est soumise aux influences contrastes de la
Mditerrane au Nord (la Moulouya et les bassins Ctiers Mditerranens), de lOcan atlantique
l'
Ouest (Tensift) et du Sahara au Sud (Ziz- Rhris et Guir). Le choix sest port aussi du fait de la
qualit et de la disponibilit des donnes, et en fonction des risques, manque deau et transfert massif
deau intra ou inter-bassins pour quilibrer la rpartition des eaux entre les bassins disposant de
ressources en eaux excdentaires et ceux qui en sont dficitaires.
6) Prsentation du manuscrit
Le manuscrit comporte trois parties :
* La premire partie est consacre la description gnrale des secteurs dtude qui comprend
la localisation gographique des diffrents bassins versants tudis lchelle du Maroc, la
dtermination des diffrents paramtres physiques qui influencent les coulements superficiels et des
20
S. RIAD/ 2003
caractristiques gologiques (diverses affleurements permables et impermables) et climatologiques

(aperu sur le climat) de chaque bassin versant tudi.
* La deuxime partie dtermine les divers outils du traitement statistique des donnes
physiographiques, pour dterminer diverses affinits entre les sous bassins versants tudis et les
paramtres qui les caractrisent ainsi que linfluence de ces paramtres sur lcoulement superficiel, et
des donnes hydro-pluviomtriques pour la caractrisation de la variabilit spatio-temporelle du
rgime hydrologique au sein de chaque bassin versant tudi.
Ceci repose sur lapplication des mthodes statistiques (Analyse en Composantes Principales,
Analyse Factorielle Discriminante et le modle de la Rgression Multiple) pour tablir la relation entre
les paramtres physiques du bassin versant et les dbits son exutoire et analyser les sries
chronologiques des dbits et des pluies. Une analyse frquentielle des dbits extrmes (par HYFRAN :
Hydrological Frequency Analysis) permet lajustement des lois statistiques les plus adquates et
conduit dterminer les probabilits doccurrence ainsi que les priodes de retour et donc une
estimation des quantiles de crue au sein de chaque bassin versant.
* La troisime partie concerne la modlisation des fonctions pluie-dbit en zone semi-aride afin
de simuler et prdire les dbits en fonction des prcipitations qui tomberont, sur le bassin versant par
application du modle mtorologique Mero (MMO8) et des rseaux de neurones artificiels (RNA ou
ANN).
Le modle Mero (MMO8) a permis de caractriser lhydrodynamisme des eaux superficielles
des zones semi-arides en utilisant plusieurs rservoirs hydrodynamiques. Le modle de RNA ou
rseaux connexionnistes qui sont des modles mathmatiques non linaires de type "bote noire ou
black-box" capables d'
tablir des relations entre les entres et les sorties d'
un systme hydrologique par
connections entre neurones comparables celles du cerveau humain. Cette mthode neuronale a
permis de faire des prvisions des dbits aux exutoires.
L'
approche connexionniste a t compare avec dautres mthodes plus classiques (Rgression
linaire multiple ou RLM) dans le contexte de la problmatique de prvisions hydrologiques. Les
rsultats obtenus montrent lintrt de cette nouvelle mthodologie de rseaux de neurones dans
lamnagement des cours deau et des bassins versants correspondants pour faire face aux phnomnes
catastrophiques lis aux inondations. Puisque les bassins possdent des caractristiques physiques
varies, le modle de RNA a t donc test sous plusieurs conditions d'
coulement.
* Enfin, le manuscrit se termine par une conclusion gnrale et des recommandations.

La mthodologie utilise dans cette recherche est rsume dans le diagramme de prsentation
suivant :
21
S. RIAD/ 2003
1re PARTIE :
ORGANISATION DES ELEMENTS DE BASE

Alluvions
Sables
Mditerranen
Gographie
Position
XYZ
Atlantique
Lithologie
Gologie
Aride
Calcaires
Argiles
Schistes
Marnes
Pente
Gomtrie
BV
Cycles climatiques
Temps
2me PARTIE :
Compacit
Drainage
Physiographie
ANALYSE DES DEBITS & DES PLUIES

EVOLUTION ET STATISTIQUES
Traitement de linformation
Analyse en
Composantes
Principales
(ACP)
- Matrice
Variances
- Valeurs et
vecteurs
propres
3me PARTIE :
Analyse
Factorielle
Discriminante
(AFD)
Rgression
Linaire
Multiple
(RLM)
Variables
qualitatives
YQ = F(xi)
Analyse des
Frquences
Hydrologiques
(HFA)
- Dbits
extrmes
- Fonctions
log, ,
Moments
Stochastique
Corrlogramme et
spectre
simples et croiss
LA MODELISATION HYDROLOGIQUE
Globale
Entre
Pluie
Analyse
Corrlatoire et
Spectrale
(ACS)
Fonction de
transfert
RNA
ANN
Conceptuelle
Sortie
Dbit
Rgression
22
Global
rservoirs
Digitalis
spatialement
en 3D
MMO8
MERO
Code "SHE"
Europen
S. RIAD/ 2003
1re PARTIE : CARACTERISTIQUES GEOGRAPHIQUES, PHYSIOGRAPHIQUES & GEOLOGIQUES
1re PARTIE :
CARACTERISTIQUES GEOGRAPHIQUES
PHYSIOGRAPHIQUES & GEOLOGIQUES
DES BASSINS ETUDIES
23
S. RIAD/ 2003
Cette premire partie est consacre une description gnrale des diffrents bassins versants
analyss afin de donner les indications gographiques, physiographiques et gologiques, bases
indispensables la comprhension future des mcanismes hydrologiques. En effet laltitude, la pente
et la forme dun bassin versant relies la lithologie renseignent sur le type de rponse hydrologique
du bassin.
I. SITUATION GEOGRAPHIQUE
Les bassins versants tudis appartiennent trois diffrentes rgions du Maroc. Il sagit du :
Bassin versant de la Moulouya (Rgion de la Moulouya) drain par loued Moulouya et qui se jette
dans la Mditerrane,
Bassins Ctiers Mditerranens (Rgion Nord du Maroc) drains par loued Rhis, Nekor et Kerte
et qui se dversent dans la Mditerrane,
Bassins versants de Ziz-Rhris et Guir (Rgion dErrachidia) drains respectivement par loued Ziz
Rhris et Guir, descendus de l'
Atlas, et se perdent dans les sables du dsert,
Bassin versant de Tensift (Rgion de Marrakech) drain par loued Tensift qui se dverse dans
lOcan atlantique (Fig. 5).
Tanger
Mer Mditerrane
2
Rabat
Casablanca
El Jadida
Afrique
Safi
Marrakech
Agadir
Errachidia
Figuig
Taroudant
atl
an
ti
qu
e
Fs
Oujda
Oc
a
Laayoune
Smara
100 200 Km
Ad Dakhla
1
2
3
4
5
Bassin versant de l'Oued Moulouya

Bassins Cotiers Mditerranens
Bassin versant de l'Oued Tensift
Bassin versant de l'Oued Guir
Bassins versants de Ziz-Ghris
Laguira
Fig. 5: Situation gographique des diffrents bassins versants tudis

lchelle du Maroc
24
S. RIAD/ 2003
I.1. Bassin versant de la Moulouya

Prenant naissance au pied du Haut Atlas, le bassin versant de la Moulouya sallonge de la zone
de partage des eaux du Ziz et de lOum Er-Rebia, jusqu la Mditerrane (Fig. 6). Il couvre la presque
totalit du Maroc oriental. Il stend sur une superficie de 55 860 km2. Gographiquement, il sinscrit
entre les latitudes 32 18 et 35 8 Nord et entre les longitudes 1 11 et 5 37 Ouest.
Il est limit au Nord Ouest par les bassins Ctiers Mditerranens, lOuest par le bassin versant
de loued Sebou, au Sud Ouest par le bassin versant de loued Oum Er-Rebia, au Sud par le bassin
versant de loued Ziz, au Sud Est par le bassin versant de loued Guir et lEst par le territoire
algrien.
ER
M
ED
M
IT
Bassins ctiers
mditerra nens
R
ER
AN
EE
Bassin versant de Sebou
O. EL AFKIR
TAOUR IRT
ell
o
O.
Za
EL R HORR ES
TEND IT
AI N BEN I MA THA R
OUTAT EL HAD J
O.
LAA RIC HA T
BERKAN E
El
Ha
i
AN SEGMI R
r
mi
se g
An
er
Ch
O
.
TABOUA ZANT
KSIBA TE
O. C
he
gE
lA
rd
MELK EL OUI DAN E
DA R EL CA ID
M
O. MOU LOU YA
O.
O.
ZEID A
ch
fe
ou
Ch
Bassin versant
d'
Oum Er-Rebia
ul
ou
GUERC IF
BERKAN E
Algrie
EL A OU IA
el
gz
Ze
O.
Ms
oun
O. M ell oulou
BEL FAR AH
MECHRA SA F-SA F
O.
Bge MOHAMED V
Bge MECHRA
PON T DE SA KKA
HOMAD I
MISS OU R
Bassin versant de Ziz
Bassin versant de Guir

0 10 20 30 40 50 Km
Station s tudies
Fig. 6: Situation gographique du bassin versant de la Moulouya

Station hydromtrique "Simplifie" quipe d'chelles
Station hydromtrique "Simplifie" quipe d'chelles
et d'un limnigraphe
Station hydromtrique "Principale" quipe
d'chelles et d'un tlphrique ou cyclopotence
Station hydromtrique "Principale" quipe d'chelles,
d'un limnigraphe et d'un tlphrique ou cyclopotence
Station hydromtrique quipe de Radio
Barrage en eau
25
S. RIAD/ 2003
I.2. Bassins Ctiers Mditerranens
Ils constituent la partie Nord du Maroc. Locan Atlantique constitue leur faade occidentale,
tandis que la mer Mditerrane les bordent au Nord (Fig. 7). A lEst, ils sont limits par le bassin
versant de la Moulouya et au Sud par lAtlas.
R
DET
OIT
RA
GI B
DE
Bassins Ctiers Mditerranens
R
LTA
MER
SMIR
MEDITERRANEE
PON T DE TORETTA
TANGER
Rh
is
O.
O.
Ocan
TIR HZA
TAR GU IST
AJD IR
10
20
TAKENFFOUS T
30 Km
Bassin versant
de la Moulouya
ga
r an
in
ur
ter
TAMALLA HT
Jel TIMEZZOU K
er
t
TLETA AZLEF
O. El Had
DA R DRI OU CH
Bge NEKOR
uf
Bo
O.
CHIBICH
Bge ALI THELAT
TAMAS SIN T
O.
BEN KA RRI CH
O.
O. L
ao
Bge NA KHLA
M
AMSA
O.
ar
ti l
AL HOCEIMA
O.
O .Nekor
atlantique
KOU DIA KOU RIR ENE
Ir han
TETOUAN
AMZAL
Station s tudies
Fig. 7: Situation gographique des bassins ctiers mditerranens
I.3. Bassin versant de Tensift
Depuis sa source Ras El Ain jusqu son embouchure Azemmour, loued Tensift draine un
bassin versant dune superficie de 18 500 km2. Ce large domaine continental est situ entre les
latitudes 32 10'et 30 50'Nord et les longitudes 9 25'et 7 25'Ouest.
Loued Tensift ctoie au Nord-Est la province d'
El Kelat Sraghna, l'
Est celle d'
Azilal, au SudEst celle dOuarzazate, au Sud-Ouest les provinces d'
Essaouira et au Nord-Ouest celle de Safi. Il se
dverse dans locan atlantique (Fig. 8).
26
S. RIAD/ 2003

Safi
atl
an
tiq
ue
Bassin versant de l'

Oued Tensift
Kelaat Sraghna
Oc
an
TALMEST
Reliefs des Jbilets

ABA DLA
O.
TENS IFT
si
As
O.
Zat
AGHBALOU
a
ay
a
ur ik
O. O
is
NF
Bge LALLA TAKER KOUS T
Bassin de Haouz
dat
R
O.
O.
CHICHAOU A
r
Re
ou a
O.
ha
Ch ic
OUDAYA
AFIA D
O.
MARRAKECH
Essaouira
TE
NS
IF
T
B assi
n d'
Ch ic Essaou ir
h oua
a-
O.
SIDI RAHAL
TAFAR IAT
TAHANOU AT
ILOUDJANE
IMIN EL HA MMAM
NKOURI S
10
20
30 Km
Haut Atlas
Stations tud ies
Fig. 8: Situation gographique du bassin versant de Tensift
I.4. Bassins versants de Ziz-Rhris et Guir
Ces bassins font partie de la rgion dErrachidia. Cette dernire connue communment sous le
nom de "TAFILALET", est situe aux confins du Sud-Est du Maroc (Fig. 9 et 10). Elle s'
tend sur
60.000 km et limite :
l'
Ouest et au Nord-Ouest par les provinces de Zagora, Ouarzazate, Bni Mellal et Azilal,
au Nord et Nord-Est par les Provinces de Khnifra et Boulemane,
au Nord-Est par la Province de Figuig,
au Sud-Est par la frontire Algro-Marocaine.
27
S. RIAD/ 2003

Bassins versants de Ziz-Rhris
Haut Atlas
ZAOUIA SIDI HAMZA
AMOUGUER
Haut Atlas
AMOUGUER
TAGHIA
TIRGA
FOU M TILLIC HT
O
D
UE
EL HAROUN
ZIZ
AIT ISSOUMOUR
(Ait Kho jmane)
FOU M ZABEL
IFER
Bge HASS AN AD DAKHIL

AMZOUJ
O
.
TO
FERKLA
ERRACHIDIA
TAD IGHOUS T
O UE
DR
A
E
RH
S
RI
MEROUTCHA
RA DIER A RFOU D
Anti Atlas
HAMIDA
RA DIER D '
A OU FOUS
GUIR
HAMA DA DE
AI T BOUIJJA NE
UE
D
Z
ZI
RH E
RI S
O UE
D
20 30 Km
ZIZ
10
OUED
ED
OU
TAOUZ
TA FILALE T
PL AINE DE
MEGTA SF A
ED DA OU RA
Stations tudies
Fig. 9: Situation gographique des bassins versants de Ziz et Ghris
28
S. RIAD/ 2003
Haut Atlas
AIT HADDOU
TIT N'AISSA
TALSINT
KADOUSSA
O.
BENI TAJJIT
TAZZOUGUERT
AI
T
O
ED
U
BENI YATTI
U
A
O
GU
IR
GUIR
HAMADA DE
LE
M
TA
AIN CHOUATTER
E
D
.B
O
BOUANANE
E
IN
A
PL
N
A
N
E
BOUDENIB
AI
SS
A
GU
IR
OUED
G
D
N
A
R
G
ER
L
TA
EN
ID
C
C
O
10
20
30 Km
Stations tudies
Fig. 10: Situation gographique du bassin versant de Guir
II. CARACTERISTIQUES PHYSIOGRAPHIQUES
Les principales caractristiques physiographiques et gomorphologiques dun bassin versant

tudi ont une importance majeure car elles interviennent, et souvent dune faon combine, dans les
modalits de lcoulement superficiel. Les caractristiques physiques d'
un bassin versant influencent
fortement sa rponse hydrologique, et notamment le rgime des coulements en priode de crue ou
d'
tiage.
Le comportement hydrologique dun bassin versant est influenc par les facteurs
physiographiques suivants :
II.1. Surface
Le bassin versant tant l'

aire de rception des prcipitations et d'
alimentation des cours d'
eau, les
dbits vont donc tre en partie relis sa surface. Celle-ci correspond laire dlimite par lensemble
des points les plus hauts qui constituent la ligne de partage des eaux. La surface (A) du bassin versant,
exprime en km2, peut tre dtermine laide dun planimtre ou mieux par les techniques de la
digitalisation.
29
S. RIAD/ 2003
II.2. Primtre
Le primtre reprsente toutes les irrgularits du contour ou de la limite du bassin versant, il est
exprim en km. Le contour du bassin est constitu par une ligne joignant tous les points les plus levs.
Il ninfluence pas ltat dcoulement du cours deau au niveau du bassin versant. Le primtre peut
tre mesur laide dun curvimtre ou automatiquement par des logiciels.
II.3. Indice de compacit de Gravelius
Lindice de compacit (KG) renseigne sur la forme du bassin versant qui a une grande influence
sur lcoulement global du cours deau et surtout sur lallure de lhydrogramme l'
exutoire du bassin,
rsultant dune pluie donne. Il est tabli en comparant le primtre du bassin celui dun cercle qui
aurait la mme surface. Il sexprime par la formule suivante (ROCHE, 1963) :
KG =
Avec :
P
2 A
= 0 , 28
P
A
(1)
KG : Indice de compacit de Gravelius

P : Primtre stylis en km du bassin versant, mesur au curvimtre en estompant les
irrgularits de la limite relle qui nont aucune influence sur les coulements.
A : Superficie du bassin versant en km2.
Cet indice se dtermine partir d'

une carte topographique en mesurant le primtre du bassin
versant et sa surface. Il est proche de 1 pour un bassin versant de forme quasiment circulaire et
suprieur 1 lorsque le bassin est de forme allonge. Un bassin versant circulaire est mieux drain
quun bassin allong.
II.4. Rectangle quivalent
Le rectangle quivalent ou rectangle de Gravelius correspond une transformation purement

gomtrique du bassin versant. Il prend alors une forme rectangulaire tout en gardant la mme
superficie, le mme primtre, le mme indice de compacit et donc par consquent la mme
rpartition hypsomtrique. Dans ce cas, les courbes de niveau deviennent parallles aux cots du
rectangle quivalent. La climatologie, la rpartition des sols, la couverture vgtale et la densit de
drainage restent inchanges entre les courbes de niveau.
Plus un rectangle quivalent est allong moins il sera drain. Les dimensions du rectangle
quivalent sont dtermines par les formules suivantes (ROCHE, 1963) :
La longueur L :
1,12
K
A
1+ 1
L= G
1,12
KG
30
(2)
S. RIAD/ 2003
La largeur l :
2
K
A
1,12
l= G
1 1
1,12
KG
A
L
( 3)
Avec :
KG : Indice de compacit de Gravelius
A : Superficie du bassin versant en km2
L : Longueur du rectangle quivalent en km
l : Largeur du rectangle quivalent en km.
Le trac des droites de niveau du rectangle quivalent dcoule directement de la rpartition

hypsomtrique cumule.
II.5. Longueur du cours deau principal
La longueur du cours deau principal (LOG) est la distance curviligne depuis l'
exutoire jusqu'
la
ligne de partage des eaux, en suivant toujours le segment d'
ordre le plus lev lorsqu'
il y a un
embranchement et par extension du dernier jusqu'
la limite topographique du bassin versant. Cette
distance parcourue est exprime en km. Si les deux segments l'
embranchement sont de mme ordre,
on suit celui qui draine la plus grande surface.
Autrement dit, cest la distance mesure le long du cours deau principal depuis lexutoire
jusqu la ligne des partages des eaux dun bassin versant.
II.6. Pente moyenne
Cest une caractristique importante des bassins versants qui renseigne sur la topographie du
bassin. La pente moyenne du cours d'
eau dtermine la vitesse avec laquelle l'
eau se rend l'
exutoire du
bassin donc le temps de concentration. Elle influence sur ltat dcoulement du cours deau au niveau
du bassin versant. En effet, plus la pente est forte, plus la dure de concentration des eaux de
ruissellement dans les affluents et le cours principal est faible, par consquent le bassin ragira d'
une
faon rapide aux averses. Les pentes fortes trs fortes peuvent produire des coulements de nature
torrentielle qui sont lorigine des crues dvastatrices.
La pente moyenne du bassin versant est donne par ROCHE (1963) comme tant la moyenne
pondre des pentes de toutes les surfaces lmentaires pour lesquelles on peut considrer que la ligne
de plus grande pente est constante. Une valeur approche de la pente moyenne est alors donne par la
relation suivante :
S =
31
l
A
Di
(4)
S. RIAD/ 2003
Avec :
S : Pente moyenne du bassin versant en %
l : Largeur du rectangle quivalent en km
Di : Diffrence de niveau entre deux courbes de niveau conscutives

A : Surface lmentaire en km.
Pour le calcul de cette pente moyenne, on ne tient pas compte de la forme de la courbe
hypsomtrique. Cette dernire correspond la superficie entre les courbes de niveau en fonction des
altitudes correspondantes. Elle donne une ide sur la pente et lallure du relief.
II.7. Densit de drainage (Fig. 11)
La densit de drainage est la longueur totale du rseau hydrographique par unit de surface du
bassin versant. Elle correspond pour un bassin versant donn de superficie A comme tant la longueur
totale des cours deau dordre quelconque sur la superficie totale A du bassin versant. La densit de
drainage est exprime en km/km2 ou en km-1. Elle est donc :
D
Avec :
Li
A
(5 )
Li : Longueur totale des cours deau en km

A : Superficie du bassin versant en km.
La densit de drainage dpend de la gologie (structure et lithologie) des caractristiques
topographiques du bassin versant et, dans une certaine mesure, des conditions climatologiques et
anthropiques. En effet, les secteurs situs en zones de roches permables ont en gnral des densits de
drainage faibles, alors que les secteurs de roches impermables ont des densits plus leves.
Les conditions climatiques jouent galement un rle important : les climats ayant des
prcipitations rparties galement tout au long de lanne auront des densits de drainage plus faibles
que les rgions climat trs contrast comme les zones semi-arides. Les activits humaines ont parfois
un rle important sur lvolution hydrologique. Cette influence peut avoir un effet rgulateur mais
aussi un effet acclrateur du ravinement.
32
S. RIAD/ 2003
MER
iq
ue
Tanger
at
la
nt
Oujda
Casablanca
O
c
an
MEDITERRANEE
El Jadida
Safi
Essaouira
3
5
Agadir
0
100
200 Km
1
2
3
4
5

Bassins ctiers mditerranens
Bassin versant de l'Oued Tensift
Bassins versants de Ziz-Ghris
Fig. 11: Rseau hydrographique des bassins versants tudis
II.8. Altitude de la station hydromtrique
Elle correspond la situation de la station hydromtrique selon laxe Z (ALT) exprime en m.

Elle est dtermine par lintersection des deux autres axes X et Y partir de la carte topographique.
La numrisation des diffrentes variables physiographiques pour chaque bassin versant tudi est
donne dans le tableau suivant (Tab. 3).
33
S. RIAD/ 2003
BASSIN
VERSANT
STATION
HYDROMETRIQUE
NoIRE
(Code)
A
(km2)
P
(km)
KG
Ziz-Rhris
et Guir
Foum Tillicht
Tadiguouste
Meroutcha
Ait bouijjane
Tazouguert
Tit Naissa
1508/38
426/47
1548/56
355/55
628/48
330/39
1298
2262
4500
651
2344
1200
247
337.25
306.66
163.86
334.6
160
Ansegmir
Tabouazant
Zaida
Laarichate
El Aouia
Ksibate
Bel Farah
Guercif
Pont de Zakka
El Ghoress
Berkane
658/38
732/38
318/30
75/31
806/30
440/23
261/16
184/17
302/17
226/17
1433/12
991
610
1840
5398
1575
960
2086
2850
2333
17688
2322
Aghbalou
Taferiat
Tahanaout
Iguir NKouris
Imin El Hamam
Sidi Rahal
2089/53
1562/53
1565/53
510/62
1566/53
44/54
385/10
386/10
114/10
384/10
269/5
Moulouya
Tensift
Bassins
Ctiers
MdiTerranens
Tighza
Takenfoust
Tleta Azlef
Ajdir
Tamallaht
RECTANGLE
EQUIVALENT
LON
(km)
Dd
Altitude
Z (m)
L
(km)
l
(km)
1.92
1.98
1.28
1.79
1.93
1.29
111.74
157.84
113.45
72.57
150.99
67.01
11.61
14.33
39.66
8.97
15.52
17.9
3.38
1.72
0.89
6.60
1.49
1.08
47.32
40.98
171
22.31
91.45
71.0
0.40
0.33
0.26
0.65
0.37
1.33
1400
1140
936
1300
1029
1140
220.05
99
210
310
160
124
195
260
250
760
195
1.95
1.12
1.4
1.2
1.12
1.12
1.19
1.4
1.4
1.6
1.13
99.77
26.2
82.8
102.2
44.9
31.8
65.01
102.1
102.2
325.7
56.1
9.94
23.3
22.2
52.8
35.1
30.2
32.08
27.9
22.8
54.3
41.4
4.53
1.14
2.07
1.01
0.44
1.04
0.64
0.52
0.34
0.01
0.25
71.89
30.0
70.0
100.0
75.0
50.0
56.0
90.0
110.0
290.0
60.0
0.39
1.33
0.29
0.25
0.57
0.94
0.92
0.7
0.62
0.11
0.4
1450
1640
1450
1060
1790
950
600
360
340
620
18
503
515
226
848
1296
452
114
117
100
190
210
130
1.42
1.44
1.86
1.82
1.63
1.71
46.32
47.53
44.92
84.70
90.46
57.11
11.05
10.80
5.03
10.01
14.32
7.91
5.76
5.92
14.04
2.47
2.10
5.55
56.0
34.0
38.0
80.0
110.0
45.0
2.05
1.04
1.01
1.06
1.08
1.03
1070
760
925
1100
470
690
55
292
205
40
685
34
97
60
37
130.5
1.28
1.59
1.17
1.63
1.39
11.25
53.85
35.43
20.24
74.05
4.14
7.03
10.31
4.04
12.99
25.45
4.45
2.87
20.0
2.22
13.0
38.5
21.5
15.0
57.0
1.69
1.77
0.39
1.62
1.26
600
500
610
1020
275
Tab. 3: Diffrentes variables physiographiques des bassins versants tudis
II.9. Impact sur les pluies et le ruissellement
Le bassin versant est un domaine complexe dont l'

ensemble des caractristiques (gomtriques,
gologiques, physiographiques, humaines, etc.) joueront un rle non seulement dans la rponse
hydrologique du bassin une sollicitation des prcipitations (rgime des coulements) mais aussi, en
amont et pour certaines d'
entre elles (altitude, exposition...), directement dans le processus de
formation de la pluie.
Lensemble des principales caractristiques physiographiques ont donc une forte influence sur la
rpartition spatio-temporelle des prcipitations et des dbits au sein de chaque bassin versant tudi.
III. CARACTERISTIQUES GEOLOGIQUES
Les paramtres morphologiques indiqus ci-dessus sont troitement lis aux caractristiques
lithologiques des roches des diffrents bassins versants tudis. Pour ce faire, il sest avr
indispensable de bien identifier les diffrents affleurements gologiques et leur rpartition au niveau de
ces bassins ( partir de la carte gologique du Maroc au 1/1 000 000me dchelle).
34
S. RIAD/ 2003
III.1. Bassin versant de la Moulouya (Fig. 12)
Dans le bassin versant de la Moulouya affleurent diffrentes formations dont lge stend du
palozoque au quaternaire. On distingue :
III.1.1. Le Palozoque
Il est reprsent par des schistes et des granites. Le Palozoque affleure dans la haute Moulouya
sous forme de granites formant ainsi des massifs primaires de Boumia et dAouli, et sous forme de
schistes formant la plupart des sries mtamorphiques de la rgion.
III.1.2. Le Trias
Le Trias affleure en discordance sur les massifs anciens de la haute Moulouya. Il est reprsent
par des marnes, des dolrites, des argiles rouges et par des basaltes. Au niveau des chanes des Horsts
et des hauts plateaux, le Trias est form par des marnes, des argiles et par des basaltes trs altrs.
Alors quil est form par des argiles rouges salifres dans le bassin de Guercif.
III.1.3. Le Jurassique
Il est reprsent par des facis calcaro-dolomitiques et des dpts terrignes rouges formant le
paloseuil de la Haute Moulouya. Les formations carbonates affleurent sur les bordures du Haut Atlas
et du Moyen Atlas et lOuest des Hauts plateaux. Elles forment presque entirement les chanes de
Bni Snassne, des Bni Bouyachi et la chane des Horsts.
III.1.4. Le Crtac
Il est constitu par des marnes, grs rouges et calcaires blancs. Ces formations affleurent
essentiellement le long du Haut Atlas entre le massif dAouli et le Haut Atlas et lEst de Midelt.
Dans la partie occidentale de Rekkame, il se prsente sous forme de marnes la base et de calcaires au
sommet.
III.1.5. Le Tertiaire
Les formations tertiaires affleurent au niveau de la Moyenne Moulouya avec des marnes jaunes
trs gypsifres et grseuses. Au niveau du Sud et Sud-Ouest de la plaine de Guercif, elles affleurent
sous forme de grs, conglomrats et marnes. Dans les Hauts plateaux, le Tertiaire est reprsent en
grande partie par des argilites plus ou moins sableuses, des sables, des grs et des calcaires lacustres.
Au niveau du Rif oriental, le Tertiaire est constitu essentiellement par des marnes et des schistes.
35
S. RIAD/ 2003
III.1.6. Le Quaternaire
Les dpts quaternaires sont constitus par des boulis, des conglomrats, des argiles rouges, des
limons, des encrotements calcaires et par des coules basaltiques. Ils affleurent sous forme de
terrasses alluviales le long de loued Moulouya et ses principaux affluents sous forme de cne de
djection au pied du Haut Atlas et du Moyen Atlas et sous forme de vastes tendues au niveau des
Hauts plateaux.
Fig. 12: Carte gologique du bassin versant de la Moulouya
36
S. RIAD/ 2003
III.2. Bassins Ctiers Mditerranens (Fig. 13)
Ils affleurent au niveau de la chane rifaine. Le Rif est un systme dont la structure est sous
forme de nappes. Les montagnes du Rif forment une chane de calcaire et de grs assez impntrable.
Le premier tronon de la chane de montagne du Rif, le Rif septentrional, est constitu par une
succession de massifs calcaires en direction Nord-sud entre Jbel Moussa (841 m) et Jbel Dersa (541 m)
qui slvent au Nord de Ttouan. A lEst les calcaires limitent avec la nappe du Tsirne et lOuest
avec les schistes des plaines de Martil-Fnideq.
La valle du fleuve Martil traverse la Dorsale Calcaire ouvrant ainsi un accs la plaine de
Martil-Fnideq. La chane montagneuse interrompue par cette valle est beaucoup plus importante au
sud et atteint son expression culminante au sud de Chefchaouen, avec limportant massif qui culmine
dans le Jbel Tisouka et dans le Jbel Lakraa (2159 m). A lEst du Jbel Cherafate, les formations de la
Dorsale calcaire mergent en affleurement de petites extensions vers Sebha dans la rgion du Jbel
Imezguene et dans la cte entre Torres Alcala et Al Hoceima.
La zone centrale de la chane du Rif a la forme dun grand croissant orient en direction OuestEst, du bassin de MTer jusquau bassin du Nekkor. Sa conformation gologique est trs simple ; les
calcaires ont disparu, il reste seulement des formations de flysch. Dans les flyschs barrmo-albiens de
la srie de Ketama, on trouve les sommets les plus hauts de la chane, le Jbel Tidiguine (2456 m) et le
Jbel Haman (1950 m). La srie de Ketama se distingue par la prdominance des schistes noirs dans les
rgions mridionales et par la prdominance des grs au Nord.
A lEst de la valle de Nekkor le Rif oriental stend dans une mosaque de formations
gologiques trs varies, dans lesquelles figurent des vastes extensions avec des limons trs
vulnrables lrosion. Le Jbel Mazgouf (1837 m) et le Jbel Fezzene (1129 m) sont les derniers
massifs de lextrmit orientale de la chane du Rif.
Fig. 13: Carte gologique des bassins ctiers mditerranens
37
S. RIAD/ 2003
III.3. Bassin versant de Tensift (Fig. 14)
Le bassin versant de loued Tensift montre une lithologie trs diversifie :

III.3.1. Le Haut Atlas
Les affleurements lithologiques sont domins par les facis suivants :

des roches ruptives et mtamorphiques prcambriennes notamment les granites, diorites,
dolrites, andsites et rhyolites,
des schistes primaires,
des formations secondaires fortement colores en rouge et largement domines par des
calcaires, des grs, des marnes et des argiles.
III.3.2. Les Jbilets et Mouissates
Les schistes sont largement rpandus dans les Jbilets avec des facis et de couleurs trs varis.
On y distingue des schistes sombres souvent lits, des schistes argileux et des schistes grseux avec
des bancs pais de grs ou de quartzites. Par ailleurs, dautres formations moins tendues peuvent tre
distingues notamment des conglomrats, des affleurements calcaires et siliceux, des roches ruptives
comme les granites et les gabbros du Prcambrien.
III.3.3. Le plateau de Mouissates
Il est domin dans une large mesure par des roches carbonates du Jurassique.
III.3.4. Le bassin dEssaouira-Chichaoua
Seul le secteur nord de cet ensemble gomorphologique fait partie du bassin versant du Tensift.
Il sagit dun large plateau lgrement relev au Sud et au Nord. Les affleurements rocheux sont
domins par des calcaires jurassiques et crtacs, des couches phosphates marneuses et marnocalcaires du Tertiaire et enfin un Quaternaire localement enclav dans les cuvettes synclinales ou
bordant le lit actuel de loued Tensift sous forme de terrasses caillouteuses ou sablo-limoneuses.
III.3.5. La plaine de Haouz
Elle est caractrise par une topographie plane et monotone stendant sur une largeur de 150 km
dEst en Ouest. Le socle primaire schisteux est recouvert par des formations secondaires et tertiaires
varies, notamment des grs rouges du Permo-Trias ainsi que des calcaires, marnes et grs du Crtac
et de lEocne. Le remplissage quaternaire est assur par des pandages alluviaux caillouteux,
limoneux ou sableux, dont les plus anciens sont surmonts dune carapace calcaire.
Fig. 14: Carte gologique du bassin versant de Tensift
38
S. RIAD/ 2003
III.4. Bassins versants de Ziz-Rhris et Guir (Fig. 15 et 16)
Ils prsentent une lithologie trs varie :

III.4.1. Le Palozoque
Les affleurements palozoques sont rares et le meilleur affleurement se trouve au sud du tunnel
de Foum Zaabel. Il est reprsent par des schistes rouges trs durs et diaclass, surmontant des schistes
verts lustrs en plaquettes.
III.4.2. Le Trias
Il est reprsent par :

une srie plitico-argileuse, dbutant par des conglomrats polygniques et drages quartzofeldspathiques, puis des grs rouges intercalations argileuses,
une srie de basaltes dolritiques, dans lesquels, sont parfois interstratifis des niveaux de
calcaires siliceux,
les basaltes sont recouverts par des argiles rouges, un peu violaces, plus au moins grseuses
et parfois gypsifres.
III.4.3. Le Jurassique
Les diffrentes formations jurassiques sont constitues par des couches rouges exclusivement de
grs calcaires et de marnes de couleur rouge ou verte et par lalternance de niveaux de marnes, marnocalcaires et de bancs de calcaires et calcaires grseux.
III.4.4. Le Crtac
La srie crtace comprend de bas en haut :

des marnes blanches et argiles rouges niveaux gypseux du Cnomanien,
des bancs de calcaires dcimtriques reposant directement et sans discordance apparente sur
les argiles rouges gypse,
au sommet de la srie crtace, des dpts dtritiques fins surmontent les calcaires turoniens.
III.4.5. Le Tertiaire
Les seuls affleurements tertiaires bordent loued Todrha au Nord de Tinghir. Ils sont forms
essentiellement de calcaires, de grs-calcaires plus au moins consolids et de grs blancs ou violacs
tendres et mal consolids.
III.4.6. Le Quaternaire
On distingue :
le Quaternaire ancien : Ces dpts sont des encrotements conglomratiques lments
anguleux,
le Quaternaire moyen : Il constitue la majorit des encrotements superficiels,
39
S. RIAD/ 2003
le Quaternaire rcent : Il est form dboulis de pentes et dalluvions qui bordent le parcours
des oueds Ziz, Rhris, Todrha et Guir.
Fig. 15: Carte gologique des bassins versants de Ziz-Rhris
Fig. 16: Carte gologique du bassin versant de Guir
40
S. RIAD/ 2003
Le tableau 4 donne la rpartition des diffrentes formations lithologiques en pourcentage des

bassins versants tudis.
Granites et
roches
volcaniques
GRV (%)
Moulouya
Schistes et
gneiss
Marnes et
argiles
Calcaires
Grs
Alluvions
SGN (%)
MAR (%)
CAL (%)
GRS (%)
ALL (%)
Terrains impermables
2.59
1.85
14.4
Terrains permables semi-permables

32.29
7.4
35.5
Ctiers
mditerranens
Tensift
25
30
30
15
30
10
30
Ziz-Rhris
15
11
35
22
15
Guir
12
15
65
Tab. 4: Rpartition gographique des diffrentes formations lithologiques en %

des bassins versants tudis
III.5. Impact de la gologie sur lhydrologie
Le type de formations gologiques qui affleurent dans les bassins versants a une influence sur la
rpartition des coulements superficiels. En effet, un bassin form de matriaux trs permables avec
une couverture vgtale continue aura en gnral une densit de drainage faible assurant une meilleure
infiltration des eaux superficielles. Par ailleurs, un bassin form de roches impermables mais meubles
et rodables, comme des marnes ou des argiles, avec une vgtation moyenne, prsente souvent une
densit de drainage leve, ce qui favorise le ruissellement des eaux superficielles aux dpens de
linfiltration.
Les bassins versants de la Moulouya, de Ziz-Rhris, Guir et ctiers mditrranens sont forms
essentiellement par des terrains permables semi-prmables qui occupent la presque totalit de la
superficie du bassin, ce qui favorise linfiltration des eaux de surface. Par contre le bassin versant de
Tensift caractris par des pentes fortes, des affleurements gologiques essentiellement constitus par
des formations impermables, favorise lcoulement superficiel qui se traduit par des hydrogrammes
pointus, observs lexutoire du bassin.
Ceci confre aux coulements un caractre torrentiel, et offre un environnement propice aux
pulsations brutales des cours deau et par consquent les risques dinondation (cest cas de la crue
dOurika).
41
S. RIAD/ 2003
IV. CLIMATOLOGIE GENERALE

IV.1. Bassin versant de la Moulouya
La grande tendue et la diversit des reliefs du bassin versant de la Moulouya font que le climat
est trs variable dune rgion une autre. Nanmoins, on peut distinguer deux zones climatiques bien
distinctes :
la frange mditerranenne, situe au Nord, est caractrise par un climat semi-aride avec deux
saisons : un hiver doux et peu pluvieux allant doctobre mai et un t sec et chaud stalant de
juin septembre.
le reste du bassin versant est caractris, gnralement, par un climat aride o les prcipitations
sont trs faibles et o la priode sche stale sur une grande priode de lanne. Les hivers y sont
souvent rigoureux, longs et froids, marqus parfois par des tempratures minimales ngatives alors
que les ts sont trs chauds. Les hautes barrires montagneuses du Moyen Atlas et du Rif privent
cette zone du bassin des influences ocaniques riches en pluies. Vers le Nord, les chanes de Bni
Snassne et Bni Bouyachi, empchent les pluies de pntrer lintrieur du bassin.
Les prcipitations moyennes annuelles peuvent dpasser 600 mm/an au niveau des sommets et
elles ne dpassent pas 350 mm/an au niveau des plaines. Les prcipitations sous forme de neige se
produisent au dessus de 1400 m daltitude. Elles ne persistent quau dessus de 2000 m daltitude dans
le Moyen et le Haut Atlas.
Les tempratures moyennes mensuelles maximales sont atteintes en juillet et aot, elles varient
entre 18C et 29C. Alors que les tempratures moyennes mensuelles minimales sobservent en
dcembre et janvier atteignant parfois 2C. Les tempratures moyennes annuelles varient entre 9.3C
(Boulmane : station la plus froide) et 19C (Guercif : station la plus chaude). Contrairement aux
prcipitations, les tempratures diminuent des basses aux hautes altitudes du bassin.
IV.2. Bassins Ctiers Mditerranens
Dans le Nord, le climat est de type mditerranen, tempr par l'

influence de la mer avec des
hivers plus froids en altitude et des hauteurs de prcipitations moyennes annuelles varient de 500
1000 mm (zone la plus arrose du Nord-Ouest) et voisines de 800 mm sur le versant atlantique
septentrional. Les prcipitations moyennes interannuelles sont de 680 mm. La temprature est modre
de 7 18C en hiver et de 19 30C en t avec une relative humidit.
IV.3. Bassin versant de Tensift
Le rgime climatique du bassin versant de loued Tensift est caractris par une grande aridit
dont lintensit est conditionne essentiellement par laltitude et en une moindre mesure par la
continentalit.
42
S. RIAD/ 2003
Par ailleurs, le contraste saisonnier est trs bien marqu, les pluies qui sont souvent concentres
durant la priode automnale et hivernale, sont irrgulires, intenses et violentes. Le reste de lanne, la
scheresse prend une ampleur considrable surtout dans les zones de plaine o les tempratures et
lvaporation sont leves.
La climatologie se caractrise donc par :
un climat semi-aride de type continental. Les amplitudes thermiques sont assez importantes entre
l'
hiver et l'
t : 45C comme temprature maximale et 5C comme temprature minimale.
une faible pluviomtrie moyenne allant de 250 350 mm/an avec des variations interannuelles et
intersaisonnires importantes.
IV.4. Bassins versants de Ziz-Rhris et Guir
La principale caractristique imprgnant le climat est quil est semi-dsertique (saharien) forte
influence continentale. C'
est ainsi que le climat semi-aride est "ponctu" au niveau de la montagne et
des Oasis. Les principales caractristiques des tempratures sont les grands carts tant saisonniers que
journaliers. La temprature moyenne annuelle est de 19C (avec une moyenne des minimale de 12.4C
et des maximale de 26.7C), l'
cart thermique journalier peut atteindre 22C. Les carts sont cependant
importants entre le jour et la nuit, l'
t et l'
hiver, mais aussi entre les zones de montagnes au Nord et
les plateaux dsertiques au Sud.
Le rgime annuel des pluies se caractrise par l'
existence de deux saisons pluvieuses : l'
automne
et le printemps. La pluviomtrie prsente une grande irrgularit dans sa rpartition interannuelle et
dans sa rpartition spatiale. Elle varie entre 250 mm en montagne (Nord) et 50 mm (Sud), en plaine,
avec des fluctuations allant jusqu'
50% avec une concentration sur une quinzaine de jours par an. Ce
qui donne la rgion un ensoleillement de 330 jours. Les prcipitations moyennes annuelles sont de
l'
ordre de 120 mm. Le nombre de jours de pluie par an est trs rduit : 25 jours en moyenne.
Des pluies orageuses provoquent des crues importantes des oueds dont certaines quelque fois
dvastatrices causaient dinnombrables dgts humains et matriels. Actuellement la rgion prsente
un important dficit en eau suite aux annes de scheresse (les annes 80) qu connu le Maroc et qui a
perturb le fonctionnement normal des barrages. Cette pnurie deau a pour consquences directes le
dprissement des palmeraies, en particulier celle de Tafilelt, la baisse notable des rendements
agricoles et la menace densablement de la rgion.
Les conditions climatiques jouent galement un rle important dans le comportement
hydrologique des bassins versants. En effet, les rgions ayant des prcipitations rparties galement
tout au long de lanne auront des densits de drainage plus faibles que les rgions climat trs
contrast comme les zones semi-arides.
43
S. RIAD/ 2003
IV.5. Impact de la climatologie sur lhydrologie
Les conditions climatiques cits prcdemment pour chaque bassin versant tudi ont une grande
influence sur le rgime des coulements superficiels. Ceci peut tre expliqu par la rpartition
irrgulire des dbits dans le temps et dans lespace. Ce sont surtout les prcipitations qui constituent
le facteur essentiel de cette rpartition hydrologique des cours deau et de la gense des crues. Ceci
sera lobjet de la deuxime partie de ce travail.
V. CONCLUSION
Lanalyse de ces diffrents paramtres physiques et gomorphologiques (lithologiques)

permettra une meilleure comprhension des causes des variations des rgimes hydrologiques de
chaque bassin versant tudi et par consquent leur contribution dans la gense des crues. Leur
interaction dtermine la variabilit des phnomnes hydrologiques dans le temps et dans lespace.
Pour cet effet, lanalyse des donnes physiques et hydropluviomtriques par diffrents outils
statistiques sest avre ncessaire pour analyser linfluence des caractristiques physiques sur la
rpartition et lvolution spatio-temporelle des coulements superficiels afin de mieux comprendre le
comportement hydrodynamique au sein des bassins versants tudis.
Une analyse frquentielle des dbits de crue a t effectue pour dterminer les probabilits
doccurrence et les priodes de retour (prvisions) au niveau des diffrents bassins tudis.
Lapproche mthodologique adopte est fonde sur diverses mthodes statistiques qui ont t
utilises comme outils et techniques bien adapts cette problmatique.
Ces outils reprsentent une valuation prliminaire pour ltude de tout systme hydrologique
avant dtablir un modle de son mode fonctionnement.
44
S. RIAD/ 2003
2me PARTIE : TRAITEMENT DES DONNEES PHYSIOGRAPHIQUES & HYDROPLUVIOMETRIQUES
2me PARTIE :
TRAITEMENT DES DONNEES
PHYSIOGRAPHIQUES
& HYDROPLUVIOMETRIQUES
45
S. RIAD/ 2003
Aprs avoir dfini le contexte gographique et gologique, nous abordons le domaine de

lacquisition des donnes et de leur traitement. Dans les zones arides, les donnes sont souvent
discontinues et trs chaotiques. Des contrastes trs importants entre annes dficitaires et annes
normales rendent les analyses statistiques dlicates. Des outils intgrateurs des informations sont ici
prsents.
I. AQUISITION DES DONNEES
I.1. Donnes physiographiques
La dtermination des diffrentes variables physiographiques caractristiques de chaque bassin

versant tudi est obtenue partir des cartes topographiques au 1/100 000me dchelle. Ces facteurs,
d'
ordre purement gomtrique ou physique, s'
estiment aisment partir de cartes adquates et en
recourant des techniques digitales et des modles numriques qui permettent la numrisation des
diffrentes variables physiques tudies.
I.2. Donnes pluviomtriques
Lensemble des donnes pluviomtriques de base est mis notre disposition par la Direction
Gnrale de lHydraulique (DGH) Rabat. Les fichiers de ces donnes donnent les valeurs mesures
des pluies moyennes journalires des diverses stations pluviomtriques de la rgion dtude sur de
longues priodes denregistrement. Ces donnes sont disponibles pour 11 stations pluviomtriques dans
le bassin versant de la Moulouya, 5 au niveau des bassins Ctiers Mditerranens, 6 dans le bassin
versant de Tensift et 6 dans les bassins versants de Ziz-Rhris et Guir avec un total de 28 postes
pluviomtriques.
I.2.1. Situation des postes pluviomtriques
La localisation gographique de toutes les stations pluviomtriques est entreprise sur des cartes au
1/100 000 dchelle partir de leurs coordonnes Lambert, avec un total de 28 stations de mesure de
niveaux deau et de dbits dont 11 stations sont situes dans le bassin versant de la Moulouya (Fig. 6), 5
au niveau des bassins Ctiers Mditerranens (Fig. 7), 6 dans le bassin versant de Tensift (Fig. 8) et 6
stations pour les bassins versants de Ziz-Rhris et Guir (Fig. 9 et 10).
I.2.2. Caractristiques des postes pluviomtriques
La liste des stations pluviomtriques tudies est reprsente au tableau 5. Ce dernier montre les
caractristiques principales des diffrentes stations. Ces stations prsentent une longue priode
denregistrement de donnes qui diffre dune station une autre.
46
S. RIAD/ 2003

Bassin versant
ZIZ
Station
pluviomtrique
NIRE
D.M.S
Coordonnes
X (m)
Y (m)
Altitude
Z (m)
N
(annes)
Foum Tillicht
Tadiguouste
Meroutcha
Ait bouijjane
Tazouguert
Tit Naissa
3887
7320
5236
696
8100
8980
1975
1962
184
1968
1971
1977
580.000
543.700
549.000
485.000
652.550
676.700
192.000
140.500
107.300
95.000
161.100
194.000
1400
1150
930
1350
1035
1150
22
34
11
21
36
20
Ansegmir
Tabouazant
Zaida
Laarichate
El Aouia
Ksibate
Bel Farah
Guercif
Pont de Zakka
El Ghoress
Berkane
1088
7281
8928
5028
3236
5020
1628
4016
6268
3520
1848
1959
1978
1964
1975
1976
1975
1967
1962
1967
1978
1953
545.500
531.150
541.100
610.750
567.100
648.300
657.000
689.000
422.500
755.500
780.900
238.600
217.450
247.000
225.750
294.700
307.700
391.200
404.400
691.000
403.650
485.000
1400
1640
1470
1060
1800
950
600
332
340
620
160
38
32
38
11
20
22
35
43
14
26
23
TENSIFT
Aghbalou
Taferiat
Tahanaout
Iguir NKouris
Imin El Hamam
Sidi Rahal
2089
1562
1565
510
1566
44
1969
1962
1962
1974
1966
1963
276.150
291.250
255.900
238.900
241.400
303.100
483.050
107.500
480.400
453.800
724.400
117.800
1070
760
925
1100
470
690
31
30
30
30
31
30
BASSINS
COTIERS
MEDITERRANEENS
Tighza
Takenfoust
Tleta Azlef
Ajdir
Tamallaht
8434
7588
8592
0879
7737
1978
1978
1966
1978
1978
645.200
636.400
659.200
630.150
645.300
475.500
478.250
477.400
461.250
488.200
620
500
600
1030
275
18
9
28
19
31
RHERIS
GUIR
MOULOUYA
Tab. 5: Liste des diffrentes stations pluviomtriques avec leurs principales caractristiques
(NIRE : Numro dInventaire des Ressources en Eau attribu par le gestionnaire des points de mesure
et D.M.S : Date de Mise en Service et N : Taille de lchantillon ou priode dobservation ou nombre
dannes).
I.3. Donnes hydromtriques
La collecte des fichiers de donnes hydromtriques de base pour la rgion dErrachidia, la

Moulouya, Marrakech et les bassins Ctiers Mditerranens, a t ralise par la direction gnrale
dhydraulique Rabat. Les fichiers de ces donnes donnent les valeurs mesures des dbits moyens
journaliers des diverses stations hydromtriques de la rgion dtude sur des longues priodes
dobservations.
I.3.1. Situation des stations hydromtriques
La localisation gographique de lensemble des stations hydromtriques choisies des diffrents

bassins versants tudis se fait partir des coordonnes correspondantes (Fig. 6, 7, 8, 9 et 10).
I.3.2. Caractristiques des stations hydromtriques
La liste des diffrentes stations hydromtriques est prsente au tableau 6. Une station est dite
principale (P) lorsque son quipement permet de mesurer les hauteurs deau et les dbits de crues en
permanence. Les stations principales sont quipes d'
un limnigraphe, d'
une chelle limnimtrique et d'
un
tlphrique pour les jaugeages.
47
S. RIAD/ 2003
Une station est simplifie (S) quand elle nest pas quipe pour jauger les crues. Les stations
simplifies disposent dune batterie dchelle qui peut tre double par un limnigraphe.
Bassin versant
ZIZ
RHERIS
GUIR
MOULOUYA
TENSIFT
BASSINS
COTIERS
MEDITERRANEENS
Station
Hydromtrique
A
(km2)
Affluent ou
Oued
NIRE
Foum Tillicht
Tadiguouste
Meroutcha
Ait bouijjane
Tazouguert
Tit Naissa
1298
2262
4500
651
2344
1200
Sidi hamza
Rhris
Ferkla
Todrha
Guir
Ait Aissa
1508/38
426/47
1548/56
355/55
628/48
330/39
Ansegmir
Tabouazant
Zaida
Laarichate
El Aouia
Ksibate
Bel Farah
Guercif
Pont de Zakka
El Ghoress
Berkane
991
610
1840
5398
1575
960
2086
2850
2333
17688
2322
Ansegmir
Ansegmir
Moulouya
Moulouya
Anjil
Cheg El Ard
Meloulou
Meloulou
MSoun
Za
Zegzel
Aghbalou
Taferiat
Tahanaout
Iguir NKouris
Imin El Hamam
Sidi Rahal
503
515
226
848
1296
452
55
292
205
40
685
Tighza
Takenfoust
Tleta Azlef
Ajdir
Tamallaht
Numro
identifiant
Coordonnes
Altitude
Z (m)
D.M.S
Type
N
(ans)
X (m)
Y (m)
1
2
3
4
5
6
579.850
543.500
549.000
485.600
652.595
676.310
192.500
140.600
107.300
104.450
161.045
193.940
1400
1140
936
1300
1029
1140
15/10/75
15/06/61
15/06/77
15/10/60
15/06/61
15/06/77
P
P
P
P
P
P
22
34
11
21
36
20
658/38
732/38
318/38
75/31
806/30
440/23
261/16
184/17
302/17
226/17
1433/12
7
8
9
10
11
12
13
14
15
16
17
545.900
531.150
541.000
610.650
567.100
645.720
657.000
687.950
695.000
775.150
779.050
238.900
217.450
246.800
255.750
294.950
307.850
390.800
403.860
413.600
403.640
480.250
1450
1640
1450
1060
1790
950
600
360
340
620
18
15/02/60
15/11/77
15/03/59
15/09/75
06/11/75
01/1975
06/1961
06/1954
06/1974
07/1969
07/1968
P
P
P
P
P
P
P
P
P
P
P
38
32
38
11
20
22
35
43
14
26
23
Ourika
Zat
Reraya
NFis
NFis
RDat
2089/53
1562/53
1565/53
510/62
1566/53
44/54
18
19
20
21
22
23
276.150
291.250
255.900
238.900
241.400
303.100
483.050
107.500
480.400
453.800
724.400
117.800
1070
760
925
1100
470
690
04/1969
02/1962
03/1962
03/1974
07/1966
10/1963
P
S
P
P
P
P
31
30
30
30
31
30
Si Aissa
Nekkor
Kert
Brart
Nekkor
385/10
386/10
114/10
384/10
269/5
24
25
26
27
28
645.200
636.440
658.400
630.550
645.300
475.500
478.240
477.600
460.850
488.200
600
500
610
1020
275
04/1987
04/1978
01/1967
09/1978
06/1965
S
S
P
S
P
18
9
28
19
31
Tab. 6: Liste des diffrentes stations hydromtriques avec leurs principales caractristiques
(NIRE : Numro dInventaire des Ressources en Eau attribu par le gestionnaire des points de mesure,
D.M.S : Date de Mise en Service et N : priode denregistrement ou nombre dannes).
II. CRITIQUE DES DONNEES
Un travail a consist combler les lacunes contenues dans les sries de mesures. En effet, des
lacunes et discontinuits dans les sries chronologiques des pluies et des dbits ont t remarques
pendant certaines annes ou mois d'
une anne. La mthode des doubles masses (doubles cumuls) a t
utilise afin de vrifier l'
homognit des sries de l'
ensemble du rseau de postes hydromtriques et
pluviomtriques On peut donc reconstituer des sries homognes.
Il est donc indispensable, avant de traiter ces donnes, de se proccuper de leur qualit et de leur
reprsentativit au moyen de la mthode du double cumul et des rgressions entre postes voisins
corrls. Le principe cette mthode graphique consiste vrifier l'
homognit des valeurs mesures de
la station tester en les corrlant avec celles de rfrence. Cette opration permet de combler les
lacunes, de tester l'
homognit des sries de donnes et de critiquer les donnes brutes du rseau
hydromtrique et pluviomtrique. Cette comparaison utilise, au pas du temps choisi, non pas les valeurs
observes mais leur cumul (Meylan et Musy, 1998).
48
S. RIAD/ 2003
L'
valuation des donnes manquantes une station a t dtermine partir des valeurs provenant
de la station voisine prsentant le meilleur coefficient de corrlation et ayant fonctionne durant le mois
manquant. La formule la plus simple pour combler, sans erreur majeure les lacunes des sries, est de
remplacer la valeur manquante par une moyenne pondre par la tendance mensuelle des stations
hydromtriques et pluviomtriques (Musy et Laglaine, 1992).
III. TRAITEMENT DES DONNEES
III.1. Analyse statistique des donnes physiographiques
Afin de dterminer les affinits entre les diffrents bassins tudis et dduire les paramtres qui les
caractrisent au mieux, c'
est dans ce sens que nous voulons chercher s'
il existe d'
autres descripteurs
caractrisant cette relation en employant une analyse en composantes principales. C'
est une mthode de
rduction du nombre de variables permettant la reprsentation gomtrique des observations et des
variables. Cette rduction n'
est possible que si les variables initiales ne sont pas indpendantes et ont des
coefficients de corrlation non nuls (Bouroche et Saporta, 1980).
III.1.1. Analyse en Composantes Principales (ACP)
III.1.1.1. Introduction
L'
analyse en Composantes Principales ou ACP est une mthode statistique d'
analyse des donnes.
Elle permet, partir d'
une matrice n chantillons (individus) et p variables, la description du nuage
dans un espace p dimensions.
Considrons un tableau de donnes n chantillons ou units statistiques (u.s) et p variables. Les
chantillons reprsentent les lignes du tableau et les variables ses colonnes. Pour faciliter la visualisation
de l'
ensemble de donnes, chaque u.s est projete dans un espace n dimensions (espace des u.s) et
chaque variable peut tre projete dans un espace p dimensions (espace des variables) et n dimensions
(espace des units statistiques).
Ainsi, on obtient un nuage de points quil est impossible visualiser. Donc pour faciliter la
visualisation, on projette le nuage dans un espace deux dimensions, dtermin partir des axes
principaux ou factoriels du nuage. Cette projection permet de minimiser lerreur de la reprsentation de
nuage.
Pour conserver au maximum la forme du nuage donc de son inertie par rapport au centre de
gravit, on travaille sur des variables centres, l'
ACP est dite centre. De plus, afin d'
liminer l'
influence
de la taille des variables (problme dchelle) dpendant des units choisies, on considre comme
variable normalise le rapport de chaque valeur son cart type, on ralise ainsi une ACP centre
rduite. Les variables centres rduites sont donc sans dimension, leurs moyennes sont gales 0 et
leurs variances gales 1.
49
S. RIAD/ 2003
Une fois dtermins les axes factoriels, le nuage est projet dans les diffrents plans des facteurs
principaux soit dans l'
espace des variables, soit dans l'
espace des u.s. Dans l'
espace des u.s, l'
ACP
permettra de regrouper selon des facteurs identiques les chantillons prsentant des caractres d'
origine
ou dvolution similaire. L'
interprtation de l'
ACP consiste ensuite dterminer les facteurs
responsables (composantes principales) de la structure observe.
Le premier axe factoriel (F1) de cette reprsentation est tel qu'
il dtermine le maximum d'
inertie
du nuage et donc de la variance, le deuxime axe (F2) perpendiculaire au premier exprime le maximum
de variance restante, le 3me axe, toujours perpendiculaire aux deux autres, est dfini par le maximum
dinertie restante ; etc.
III.1.1.2. Application de LACP
La mthode a t applique sur 28 individus (sous bassins versants) et 9 variables (variables

physiographiques). Les variables utilises sont : la surface du bassin (SUP), le primtre (PER), lindice
de compacit de Gravelius (KG), la longueur (LON) et la largeur (LAR) du rectangle quivalent, la pente
moyenne (S), la longueur du cours d'
eau principal (LOG), la densit de drainage (D) et laltitude de la
station hydromtrique (ALT).
La reconstitution finale de la distribution des sous bassins versants, nous a permis de dfinir les
axes factoriels ou facteurs responsables de cette distribution et par consquent, faire ressortir les
affinits entre les diffrents sous bassins versants et dduire les paramtres qui les caractrisent au
mieux. Les trois premiers axes expriment 85% de la variance totale ; avec 54.7% pour le premier
facteur; 17.68% pour le deuxime facteur et 12.62% pour le troisime facteur.
Le tableau 7 exprime les valeurs propres de la matrice des coefficients de corrlation, le
pourcentage de variance explique ainsi que celui de la variance cumule par chacun des axes.
Axe
I
II
III
Valeur propre
4.92
1.59
1.13
% Total
variance
54.7
17.68
12.62
Cumul
Valeur propre
4.92
6.51
7.64
Cumul
%
54.7
72.38
85
Tab. 7: Valeurs propres, pourcentage et cumul
L'
analyse de la matrice de corrlations entre les variables montre que la surface du bassin (SUP),
le primtre (PER), la longueur (LON) et largeur (LAR) du rectangle quivalent et la longueur du cours
d'
eau principal (LOG) sont fortement lis entre eux (Tab. 8).
50
S. RIAD/ 2003
SUP
PER
KG
LON
LAR
S
LOG
D
ALT
SUP
1.00
0.92
-0.01
0.88
0.72
-0.32
0.90
-0.49
-0.13
PER
KG
LON
LAR
LOG
ALT
1.00
0.22
0.98
0.64
-0.47
0.89
-0.64
-0.05
1.00
0.37
-0.51
0.17
0.00
-0.11
0.18
1.00
0.48
-0.41
0.84
-0.58
-0.07
1.00
-0.56
-0.68
-0.55
-0.08
1.00
-0.44
0.52
-0.02
1.00
-0.47
-0.15
1.00
-0.12
1.00
Tab. 8: Matrice de corrlations entre les variables
La matrice de corrlation montre que l'

axe I est trs bien corrl positivement SUP, PER, LOG,
LARG, LONG et ngativement avec D. L'
axe II prsente une trs bonne corrlation positive avec
lindice de compacit (KG). Par ailleurs, l'
axe III est corrl ngativement avec laltitude (ALT) (Tab.9).
SUP
PER
KG
LON
LAR
S
LOG
D
ALT
Axe I
Axe II
Axe III
0.9235
0.0174
0.2282
0.9675
0.2116
0.0697
0.0269
0.9115
0.7814
0.9645
0.3603
-0.5395
0.0285
0.1290
-0.1228
-0.5911
0.9172
0.2987
-0.0026
0.4296
0.1953
-0.7038
-0.0839
-0.0738
0.3175
0.4169
-0.8063
Tab. 9: Corrlations entre les variables et les axes principaux
Le cercle I-II (72.38% de linertie cumule) : laxe I est dtermin par les paramtres de
dimension et oppose lhypsomtrie (Fig.17). Laxe II porte positivement lindice de compacit de
Gravelius (KG) qui nest oppos aucun autre paramtre. Laltitude (ALT) est proche du centre et
napporte donc aucune information supplmentaire.
Le cercle I-III (67.32% de linertie cumule) : Laxe I a la mme signification que prcdemment
alors que laxe III porte ngativement laltitude (ALT). KG est neutre. Laxe III peut donc avoir une
signification topographique.
Le cercle II-III : Laxe II oppose plus nettement KG LAR. Laxe III a la mme signification que
prcdemment (Cercle I-III) alors que les paramtres de dimension et hypsomtriques sont localiss au
centre du cercle et napportent plus dinformations.
Dans le plan des u.s, le plan I-II met en vidence quatre groupes : le premier form par les sous
bassins versants de Ferkla (3), Moulouya (9) et Za (16) caractriss par les plus fortes valeurs de forme ;
le sous bassin versant de Za (16) se dtache nettement des deux premiers en raison de sa plus grande
superficie.
51
S. RIAD/ 2003
Le second groupe est reprsent par les sous bassins versants dOurika (18), Zat (19), Si Aissa
(24), Nekkor (25) et Brart (27) correspondant aux plus faibles valeurs de forme avec des valeurs
relativement importantes de S et D. Le troisime groupe est constitu par les sous bassins versants de
Sidi hamza (1), Rhris (2), Todrha (4), Guir (5), Ansegmir (7), Reraya (20), NFis (21, 22), RDat (23)
caractriss par un fort coefficient de Gravelius et oppos au dernier groupe form par les sous bassins
versants de Ait Aissa (6), Ansegmir (8), Moulouya (10), Anjil (11), Cheg El Ard (12), Meloulou (13,
14), MSoun (15), Zegzel (17), Kerte (26) et Nekkor (28).
Dans le plan I-III, laxe III permet de distinguer deux groupes du.s : le premier compos par les
sous bassins versants situs en altitude [Sidi Hamza (1), Rhris (2), Todrha (4), Ait Aissa (6), Ansegmir
(7, 8), Moulouya (9), Anjil (11), Cheg El Ard (12), NFis (21)] et le second par les sous bassins situs
des altitudes plus faibles (Fig. 17).
Axe I (54,7%)
KG
Axe II
7
1
1.5
20
1
S
ALT
LON
Axe II (17,68%)
SUP
D
21
16
23
22
25
18 19
024
LOG
26
8
-1
Axe I
15
14
286
-0.5
LAR
27
0.5
PER
11
12
10
13
-1.5
17
-1.5
-1
-1
1
-1
-0.5
Axe III
24
2
0.5
1.5
2.5
3.5
16
1.5
Axe III (12,62%)
KG
SUP
LOG
LON
PER
25
27
28
LAR
14
1715
20
18 23
19
0.5
26
22
13
21
6
12
-0.5
4
-1
-1
-1
Axe I (54,7%)
10
71
9
-1.5
ALT
Axe I
-2
11
-1.5
-1
-0.5
0.5
1.5
2.5
3.5
Fig. 17: Rsultats de lAnalyse en Composantes Principales
A : Projection des variables sur les cercles de corrlations I-II et I-III

B : Projection des individus dans les plans I-II et I-III
52
S. RIAD/ 2003
L'
analyse en composantes principales nous a permis de mettre en vidence les affinits entre les
diffrents sous bassins versants et de dduire les paramtres qui les caractrisent au mieux.
Sur la base des regroupements que nous a donn lACP et pour mettre en vidence cette zonalit
par rapport aux diffrents paramtres utiliss, une analyse factorielle discriminante a t effectue sur le
mme tableau en utilisant les diffrents groupes obtenus par lACP.
III.1.2. Analyse factorielle discriminante (AFD)
III.1.2.1. Rappel
LAnalyse Factorielle Discriminante (AFD) est une mthode danalyse multidimentionnelle

drive directement de lanalyse en composantes principales dont le but est dtudier le rle dune
variable qualitative ( expliquer) en plus des variables quantitatives (explicatives).
Il sagit dune mthode permettant de dfinir l'
appartenance un groupe d'
individus en fonction
des valeurs prises par plusieurs variables, puis de dterminer le groupe le plus probable pour un
individu, connaissant uniquement les valeurs des variables qui les caractrisent.
Les variables qui dcrivent les individus sont forcment des variables quantitatives, les groupes
tant spcifis par une variable qualitative. L'
AFD peut tre considre comme une extension de la
rgression multiple dans le cas o la variable expliquer est une variable qualitative dcrivant des
groupes.
L'
analyse factorielle discriminante permet de classer de nouveaux individus dcrits par plusieurs
variables quantitatives. Connaissant un chantillon d'
individus dcrits par les mmes variables, dont les
groupes sont connus priori, on peut analyser la faon dont les variables descriptives contribuent la
constitution des diffrents groupes.
LAFD permet de redfinir lappartenance des individus traits aux groupes choisis priori et de
classer dans ces groupes des individus supplmentaires en fonction de la variance multidimensionnelle
quils y apportent.
Cette technique permet didentifier les sous bassins versants en des groupes qui ont des affinits
de point de vue physiographique.
III.1.2.2. Application de la mthode
Le cercle I-II (95.2% de linertie cumule) : laxe I est dtermin par les paramtres de dimension
(Fig. 18) et oppose lhypsomtrie. Laxe II porte positivement lindice de compacit de Gravelius (KG)
qui nest oppos aucun autre paramtre. Il semble que cet axe caractrise la dimension des sous
bassins tudis.
53
S. RIAD/ 2003
Le cercle I-III (89.4% de linertie cumule) : Laxe I a la mme signification que prcdemment
alors que laxe III est mieux dfinit par KG, et porte dans sa partie positive les sous bassins les plus
allongs.
Dune manire gnrale, on retrouve les groupes identifis par lACP lexception du sous bassin
versant (4) qui est plutt raffect par lAFD au groupe 2 (Bassin versant de la Moulouya) en raison des
similitudes que prsentent les deux bassins. Le pourcentage des bien classs est en effet de 96.4. Il
ressort que lAFD prsente la mme rpartition que lACP.
A
Axe II
(10.7 %)
23 II
Axe
: Bassins versants de Ziz-Rhris et Guir,
: Bassin versant de la Moulouya,
: Bassin versant de Tensift,
: Bassins ctiers mditerranens,
G1, G2, G3, G4 : Centre de gravit
des 4 groupes.
1.50
23
20
G3
18
25
1.00
21
22
19
0.50
Axe I
(84.5 %)
15
27
0.00
12
8
14
13
17 1
6
G4
G1 3
24
-0.50
26
-1.00
Axe I
G2
5
16
10
9
11
28
-2.50
Axe III
(4.9 %)
-2.00
-1.00
-0.50
0.00
0.50
Axe III
Bien classs : 96.4%

2.00
KG
-1.50
1.50
: Bassins versants de Ziz-Rhris et Guir,

: Bassin versant de la Moulouya,
: Bassin versant de Tensift,
: Bassins ctiers mditerranens,
G1, G2, G3, G4 : Centre de gravit
des 4 groupes.
7
G1
ALT
1.00
21
LON
4
0.50
PER
Axe I
(84.5 %)
D
28
27
0.00
LOG
20
24
9
15
18
25
23
G4
SUP
22
G3
19
G2 11
-0.50
LAR
Axe I
3
14
8
26
13
-1.00
16
12
10
-1.50
Point raffect
17
-2.50
-2.00
-1.50
-1.00
-0.50
0.00
0.50
Fig. 18: Rsultats de lAnalyse Factorielle Discriminante
A : Projection des variables sur les cercles de corrlations I-II et I-III

B : Projection des individus sur les plans I-II et I-III
54
S. RIAD/ 2003
Par consquent, on peut considrer que ce sont surtout les paramtres de dimension qui rgissent
la rpartition statistique des sous bassins versants. Lanalyse multidimensionnelle, en analyses en
composantes principales (ACP) et factorielles discriminantes (AFD), des bassins versants tudis a
montr que les distinctions et les regroupements entre eux sont lis leur appartenance des contextes
diffrents et des caractristiques physiques assez distinctes.
Aprs avoir dterminer les affinits par lACP et la subdivision en groupes des bassins tudis par
lAFD, une autre analyse statistique a t applique pour dfinir les relations existant entre la pluie et les
diffrents paramtres physiographiques pour chaque bassin, bas sur la technique de la rgression
multiple.
III.1.3. Modle de Rgression Linaire Multiple (RLM)
Le modle de Rgression Linaire Multiple (RLM) est une technique qui permet de dcrire la
liaison entre la variable dpendante ou explique et un ensemble de variables explicatives. Il sagit
dune analyse statistique dans un espace plusieurs dimensions et constitue une simple extension de
rgressions polynomiales et de lanalyse des tendances de surface.
Soit une variable Y que lon veut relier m variables X par le modle linaire suivant de la
forme (Holder, 1985) :
Y = B0 + B1 X1 + B2 X 2 + ... + Bm X m +
(6)
Avec :
Y : La variable dpendante
B m : Les coefficients de rgressions partiels

m : Le nombre de variables indpendantes.
Dans le but de dterminer les relations qui existent entre le rgime hydrologique et les
caractristiques physiographiques des bassins versants, une analyse statistique a permis d'
tablir ces
relations partir dun modle de rgression multiple.
L'
analyse de la rgression permet d'
tudier la relation statistique qui existe entre le dbit Q
(variable dpendante) et les autres paramtres caractristiques des bassins versants (variables
indpendantes ou explicatives).
Les variables explicatives retenues sont la pluie (P), la surface du bassin (SUP), lindice de
compacit de Gravelius (KG), l'
indice de pente globale (IG), la longueur du cours d'
eau principal (LOG),
la densit de drainage (D) et laltitude de la station hydromtrique (ALT).
55
S. RIAD/ 2003
Pour cette analyse, on a choisit 9 sous bassins versants qui appartiennent au bassin versant de la
Moulouya (Berkane, El Ghoress, Guercif, El Aouia et Ansegmir) et au bassin versant de Tensift
(Aghbalou, Taferiat, Tahanouat et Imin El Hammam).
Les rsultats de cette analyse aboutissent tablir cette relation avec un coefficient de corrlation
r= 0.98. Lquation de rgression obtenue est la suivante :
Q = 1.07 P +1.02 LOG 0.24 ALT 0.32 IG 0.33 KG 1.3 SUP
(7)
Une analyse des corrlations entre pluies et dbits des diffrents bassins versants montre un
coefficient de corrlation linaire R de lordre de 0.91 (Fig. 19). Donc, il sagit dune corrlation
moyenne entre les pluies qui tombent sur chaque bassin versant tudi et lcoulement son exutoire.
Cette corrlation hydro-pluviomtrique a t tablie par la mthode de rgression multiple selon
lquation suivante :
Q = 1 . 91 P 26 . 39
(8 )
Il en rsulte que les dbits et le climat sont fortement lis. Une relation troite existe galement
entre laltitude maximale du bassin versant et la superficie avec R = 0.94 :
Q = 1.03 P 0.11 SUP 0.30 ALT
(9 )
Il ressort de cette analyse que les dbits sont expliqus par lensemble des variables explicatives
slectionnes (coefficient de corrlation multiple R = 0.98) retenues dans l'
quation de rgression.
Cette analyse confirme donc linfluence des paramtres physiques de chaque bassin versant sur
son coulement superficiel.
Q = -26,39 + 1,9852 * P
Corrlation : R = 0,911
160
140
120
Q (m3/s)
100
80
60
40
20
0
20
40
60
P (mm)
80
100
95% de confiance
Fig. 19: Relation entre le dbit et la pluie

56
S. RIAD/ 2003
Nous examinerons dans ce qui suit lvolution spatio-temporelle des pluies et des dbits en tenant
compte du contexte gomorphologique des bassins versants tudis.
III.2. Analyse statistique des donnes pluviomtriques
Ltude des prcipitations est base sur lanalyse statistique des donnes pluviomtriques
enregistres sur les principales stations des bassins versants tudis afin danalyser la variabilit spatiale
et temporelle des prcipitations.
III.2.1. Pluies moyennes mensuelles (Fig. 20)
III.2.1.1. Bassin versant de la Moulouya
Oued Ansegmir la station dAnsegmir :

La distribution des pluies mensuelles montre en gnral que les prcipitations maximales sont
atteintes au mois de novembre (26.2 mm) alors que les minimales sont observes au mois de juillet (4.7
mm).
III.2.1.2. Bassin versant de Tensift
Oued Ourika la station dAghbalou :

Lanalyse des prcipitations moyennes mensuelles montre que le mois davril est le mois le plus
pluvieux avec un maximum de 101 mm et les mois de juin, juillet et aot sont les mois les plus secs.
Cependant lactivit orageuse nest pas totalement absente, elle se manifeste efficacement lamont en
haute altitude.
III.2.1.3. Bassins versants de Ziz-Rhris
Les pluies mensuelles sont caractrises par un rgime pluviomtrique trs variable d'
une anne
l'
autre traduisant ainsi une nette irrgularit.
Oued Sidi Hamza la station de Foum Tillicht :
Lanalyse des prcipitations mensuelles interannuelles mesures la station de Foum Tillicht
permet de mette en vidence deux priodes pluvieuses : septembre- octobre et avril- mai, Les valeurs
maximales sont observes au mois de mai (24.9 mm) et au mois de septembre (23.4 mm), le minimum
est enregistr au mois de juillet avec 2.3 mm.
Oued Todrha la station dAit Bouijjane :
La rpartition mensuelle interannuelle des prcipitations montre deux saisons pluvieuses dont la
plus importante commence en automne (octobre - dcembre) en totalisant plus de 50% de la lame d'
eau
annuelle et l'
autre au printemps (mars - avril), relayes par un hiver peu arros, et une saison d'
t
nettement sche (juin- aot) avec seulement 13.6% des prcipitations. En effet, le maximum est
enregistr essentiellement en octobre de 17.1 mm et le minimum est observ au mois juillet de 1.8 mm.
57
S. RIAD/ 2003
100
20
80
P (mm)
25
Ao
u
Jui
l
Jui
i
Ma
Av
r
Ma
Fe
v
J an
Se
p
Ao
u
Jui
Jui
Ma
Av
r
Ma
0
Fe
v
0
J an
20
De
c
No
v
40
Oc
t
10
No
v
60
Oc
t
15
Se
p
P (mm)
Station dAghbalou (1969-1996)
120
De
c
Station dAnsegmir (1960-1994)
30
Mois
Mois
Station de Foum Tillicht (1975-1994)
Station dAit Bouijjane (1973-1994)

18
25
16
14
12
P (mm)
15
10
10
8
6
4
2
Jui
l
Ao
u
Jui
Ma
i
Av
r
Ma
r
v
Fe
Jan
De
c
No
v
Oc
p
Se
Ao
u
Jui
l
Jui
i
Ma
Av
r
r
Ma
Fe
v
J an
De
c
No
v
Oc
t
0
Se
p
P (mm)
20
Mois
Mois
Fig. 20: Prcipitations moyennes mensuelles interannuelles
III.2.2. Pluies moyennes annuelles et interannuelles (Fig. 21)
En tudiant les pluies annuelles et interannuelles, on constate une grande variabilit spatiale et
temporelle des moyennes pluviomtriques sur l'
ensemble des stations tudies.

L'
volution des prcipitations moyennes annuelles montre une alternance des annes humides et
des annes sches. L'
anne la plus sche est 1983 avec un minimum de 101.7 mm. L'
anne la plus
humide est 1962 avec un maximum de 384.9 mm.

Ltude des modules pluviomtriques annuels et interannuels montre une volution temporelle des
prcipitations avec une alternance dannes humides et dannes sches. On remarque que les
prcipitations maximales ont t enregistres pendant lanne hydrologique 1971 avec 1066.6 mm.
Lanne 1992 est la plus sche de la priode dtude avec un minimum de 276.9 mm.
58
S. RIAD/ 2003
Le module interannuel augmente du Sud vers le Nord en liaison avec l'

altitude. La faible
pluviomtrie au Sud peut tre explique aussi par le fait que la chane atlasique empche toute influence
ocanique et la prsence des masses d'
air chaud provenant du Sahara. En effet, les reliefs montagneux
du Haut Atlas et de lAnti Atlas constituent une barrire aux influences ocaniques qui induit la raret
des pluies (en moyenne 23 jours de pluie par an Errachidia).
Les prcipitations sont donc peu abondantes et trs irrgulires lies aux perturbations
orographiques, responsable des pluies orageuses de lt et aux perturbations ocaniques lorigine des
pluies dhiver et de printemps. On note une succession irrgulire des annes humides et sches et une
dcroissance forte des prcipitations partir du cycle 1980/1981 illustrant bien la scheresse des annes
1980. Une lgre reprise apparat partir du cycle 1987/1988.
Les prcipitations moyennes interannuelles montrent une succession des annes plus arroses avec
un maximum de 315.1 mm en 1989 et des annes sches avec un minimum de 84 mm en 1992.
La pluviomtrie est marque par une forte irrgularit interannuelle, ce qui souligne l'
appartenance
au climat prsaharien. Le volume moyen des prcipitations annuelles s'
lve 132.2 mm pour la priode
1973-1994. Au cours de cette priode, l'
anne hydrologique 1979 a t la plus humide avec un
maximum de 255 mm tandis que l'
anne 1982 tait la plus sche avec seulement 38.9 mm.
Le tableau 10 rcapitule les diffrents paramtres statistiques des pluies moyennes interannuelles
des bassins versants analyss.
Maximum
Ansegmir
(1960-1994)
384.9
Aghbalou
(1969-1996)
1066.6
Foum Tillicht Ait Bouijjane

(1975-1994) (1973-1994)
315.1
255
Minimum
101.7
276.9
84
38.9
Moyenne
201.8
585.9
171.6
132.2
Ecart type
60.3
206.7
70.2
57.8
Coefficient
de variation
0.3
0.4
0.4
0.4
Tab. 10: Paramtres statistiques des pluies moyennes interannuelles
59
S. RIAD/ 2003

400
1200
1000
300
Pluie (mm)
Pluie (mm)
350
250
200
150
800
600
400
100
200
50
19
79
19
81
19
83
198
5
198
7
19
89
19
91
19
93
19
95
19
69
19
71
19
73
19
75
19
77
19
93
19
90
19
87
198
4
19
81
19
78
19
75
19
72
196
9
19
66
19
63
19
60
Anne
Anne
350
300
300
250
250
Pluie (mm)
200
150
200
150
Anne
199
3
19
91
19
89
19
87
198
5
19
83
19
81
19
79
19
73
19
93
19
91
198
9
19
87
198
5
198
3
19
81
0
197
9
0
197
7
50
19
75
50
19
77
100
100
197
5
Pluie (mm)
Anne
Fig. 21: Prcipitations moyennes annuelles
II.3. Analyse statistique des donnes hydromtriques
Les donnes hydrologiques ont fait lobjet dune tude statistique afin dtudier la variabilit
spatiale et temporelle des dbits qui permet de caractriser les rgimes d'
coulements au sein des
diffrents bassins versants. On sest bas sur l'
analyse de sries de donnes dbimtriques enregistres
au niveau de quatre stations de jaugeage appartenant chacune aux trois grands bassins versants tudis.
III.3.1. Dbits moyens mensuels interannuels (Fig. 22)
Le rgime des coulements de l'

oued Moulouya et de ses principaux affluents, est trs irrgulier.
Les tiages se produisent en gnral en aot et septembre.
Les dbits moyens mensuels interannuels (1960-1994) augmentent partir du mois de fvrier pour
atteindre leurs maximums aux mois davril et mai (respectivement 5.19 m3/s et 6.1 m3/s), puis ils
diminuent jusqu'
au un minimum de 0.845 m3/s au mois d'
aot.
60
S. RIAD/ 2003

L'
volution des dbits moyens mensuels dans le bassin versant de l'
Ourika durant la priode 19691996 montre que les dbits minimaux se prsentent en aot (1.16 m3/s) avec intervention des averses
orageuses qui peuvent perturber le rgime hydrologique estival de l'
oued Ourika donnant naissance
des crues torrentielles dvastatrices. Cest le cas de la violente crue dOurika enregistre le 17/08/1995,
avec un dbit maximum instantan de 1030 m3/s.
Les dbits progressent en parallle avec la survenance des premires prcipitations modres de
septembre dcembre. Ds le mois de fvrier, les prcipitations deviennent de plus en plus importantes
pour atteindre leur maximum en mois d'
avril et elles ruissellent sur des terrains dj saturs et viennent
s'
ajouter la fonte des neiges qui font gonfler les dbits des oueds. Ces derniers atteignent leur
maximum entre le mois de mars et avril avec des dbits respectivement de 13.94 m3/s et 16.77 m3/s.
On note une dcroissance des dbits de l'

amont vers l'
aval des diffrents oueds. Les dbits
maximals sont enregistrs aux mois de novembre et avril. Les minimums sont observs en aot. Les
annes 80 sont marques par une diminution importante des dbits, ceci reflte l'
effet de la scheresse
gnrale qui a affect le Maroc.
Les dbits moyens mensuels enregistrs la station de Foum Tillicht pour la priode de (19751994) montrent des dbits maximals en avril et mai respectivement de 2.839 m3/s et 3.798 m3/s, les
dbits minimums sont observs en dcembre (0.967 m3/s), en janvier (0.908 m3/s) et en aot (1.065
m3/s).
Au niveau de la station dAit Bouijjane, on constate que les dbits moyens mensuels (1973-1994)
demeurent trs constants sauf en juillet et septembre o ils sont plus faibles.
A la station dAt Bouijjane (1350 m), les dbits moyens mensuels refltent un rgime trs rgulier
visiblement sans rapport direct avec le rgime pluviomtrique de climat prsaharien. Ce fait est d
beaucoup plus la permabilit des terrains haut-atlasiques qu'
un rgime pluviomtrique de l'
amont.
Ainsi, dans cette station les pics pluviaux d'
octobre et d'
avril (sont peine identifis dans la
monte modre des dbits respectifs de novembre (0.857 m3/s) et de mai (0.777 m3/s), ce qui souligne
l'
importance du rgime de rsurgence jouant un rle incontestablement rgularisant. La saison d'
t se
traduit par une lgre baisse des dbits en juillet (0.565 m3/s) mais en aot dj la reprise est
sensiblement exprime cause des orages de fin d'
t qui s'
abattent sur les montagnes du Haut Atlas
sans qu'
ils soient sensiblement perus At Bouijjane.
61
S. RIAD/ 2003


18
16
14
Q (m /s)
12
10
8
6
2
Jui
l
Ao
u
Jui
i
Ma
Av
r
v
Ma
r
Mois
Mois

1,0
4,0
0,9
3,5
0,8
3,0
0,7
3
Q (m /s)
2,5
2,0
1,5
0,6
0,5
0,4
0,3
1,0
Ao
u
Jui
l
Jui
i
Ma
Av
r
r
Ma
Fe
v
J an
De
c
Se
p
Ao
u
l
Jui
Jui
i
Ma
Av
r
r
Ma
Fe
v
J an
De
c
No
v
Oc
t
0,0
Se
p
0,1
0,0
No
v
0,2
0,5
Oc
t
Q (m /s)
Fe
J an
De
c
Se
Jui
l
Ao
u
Jui
i
Ma
r
Ma
Av
r
Fe
v
J an
De
c
No
v
Oc
t
Se
p
No
v
Oc
t
Q (m /s)
Mois
Mois
Fig. 22: Dbits moyens mensuels interannuels
III.3.2. Dbits moyens annuels et interannuels (Fig. 23)
L'
analyse des dbits moyens annuels et interannuels montre une irrgularit trs nette dans
lensemble des stations tudies.

La distribution des dbits moyens annuels et interannuels la station dAnsegmir sont maximaux
en 1962 (8.60 m3/s) et minimaux en 1983 (0.24 m3/s) avec une moyenne de 2.65 m3/s.

Le rgime hydrologique de loued Ourika la station dAghbalou augmente progressivement pour
atteindre un dbit moyen de 6.36 m3/s oscillant entre un minimum de 0.60 m3/s mesur en 1982 et un
maximum de 29.84 m3/s enregistr en 1979. La priode de 1980 1986 montre des faibles dbits
influencs par la scheresse gnralise sur tout le Maroc. On note un coefficient de variation trs lev
de 1.02.
62
S. RIAD/ 2003

Lanalyse des dbits moyens annuels montre une irrgularit interannuelle trs marque. Les
lames deau coules varient normment dune anne une autre avec un minimum de 0.47 m3/s en
1983 et un maximum de 5.19 m3/s en 1988. La moyenne est de 1.87 m3/s.
Le dbit moyen annuel le plus important la station dAit Bouijjane a t enregistr en 1989 (2.12
3
m /s). Le minimum est observ en 1983 (0.23 m3/s) avec une moyenne de 0.74 m3/s.
40
35
30
Q (m /s)
5
4
25
20
19
69
197
1
197
3
19
75
19
77
19
93
19
90
19
84
19
87
198
1
19
78
197
5
0
19
69
19
72
0
19
66
1
19
63
10
19
60
19
81
19
83
19
85
19
87
198
9
19
91
19
93
199
5
15
197
9
Anne
Anne
2,5
2,0
1,5
Q (m /s)
3
2
1,0
0,5
19
93
199
1
19
89
19
87
198
5
19
81
19
79
19
73
19
93
19
91
19
89
198
7
19
85
19
83
19
81
19
79
19
77
197
5
197
7
0,0
19
75
Q (m /s)
19
83
Q (m /s)

9
Anne
Anne
Fig. 23: Dbits moyens annuels
Les diffrents paramtres statistiques des dbits moyens interannuels sont reprsents dans le
tableau suivant (Tab. 11).
63
S. RIAD/ 2003
Ansegmir
(1960-1994)
Aghbalou
(1969-1996)
29.84
Foum
Tillicht
(1975-1994)
5.19
Ait
Bouijjane
(1973-1994)
2.12
Maximum
8.60
Minimum
0.24
0.60
0.47
0.23
Moyenne
2.65
6.36
1.87
0.74
Ecart type
1.64
6.47
1.30
0.52
Coefficient
de variation
0.62
1.02
0.69
0.71
Tab. 11: Paramtres statistiques des dbits moyens interannuels
III.3.3. Analyse statistique des dbits extrmes

III.3.3.1. Introduction
L'
coulement des oueds tudis est caractris par un rgime de crue prsentant des dbits
maximums instantans. Les crues tant considres comme des vnements indpendants dune anne
hydrologique lautre, cette reprsentation permet de quantifier les risques et destimer le dbit de crue
pour diffrentes priodes de retour T.
Si ces phnomnes exceptionnels sont suffisamment tudis sous certains climats temprs
(Ambroise, 1998), il nen nest pas de mme pour les climats dficit hydrique et notamment dans les
pays en voie de dveloppement o lquipement des stations de mesure reste trs limit.
Pour cette raison, on s'
est intress lanalyse statistique des dbits extrmes (crues) ainsi qu'
la
connaissance de leurs priodes de retour. Cette analyse fait lobjet dune tude frquentielle des dbits
maximums annuels, dtermins aux principales stations hydromtriques, qui fournit une bonne
reprsentativit du comportement du bassin.
En ce qui concerne les lois dajustement statistique, la meilleure dmarche est de tester plusieurs
lois et de retenir celle prsentant les meilleurs ajustements graphiques et statistiques. En effet, pour
chaque anne de la priode dtude, on retient le dbit maximum instantan observ de chaque bassin
versant pour une longue priode denregistrement. Lanalyse statistique dtermine la loi qui ajuste le
mieux cette srie des dbits de crue.
Lanalyse statistique de la srie des dbits maximums annuels a t effectue laide dun
programme informatique danalyse des frquences hydrologiques HYFRAN ou HFA (Hydrological
Frequency Analysis) qui a t dvelopp l'
INRS-Eau, Terre et Environnement ; par l'
quipe de la
Chaire en hydrologie statistique (HYDRO-QUBEC). Il sagit dun logiciel dajustement de lois

statistiques permettant lanalyse frquentielle de sries de donnes des vnements extrmes (Bobe et
Ashkar, 1991). Quelques fonctions sont dcrites en Annexe (Mthode des moments et maximum des
vraisemblance).
64
S. RIAD/ 2003
Lobjectif de lanalyse des frquences hydrologiques est dinterprter des vnements

hydrologiques en termes de probabilit future dune occurrence. Les trois tapes essentielles ncessites
par cette procdure sont les suivantes :
v la slection de lchantillon selon la forme de sries de donnes qui satisfait un
certain critre statistique

v lajustement la meilleure distribution thorique probable de lchantillonnage
utilisant une technique adapte la distribution,

v lutilisation de la distribution ajuste afin de faire des extrapolations statistiques
partir dune sous-population.

III.3.3.2. Rsultats des ajustements statistiques
Les sries des dbits maximums annuels ont t employes pour l'
analyse des crues par ajustement
des lois statistiques. Seules les lois qui taient rellement reprsentatives de l'
chantillon, ont t
retenues pour chaque station tudie aux intervalles de confiance 95% (Fig. 24).
III.3.3.2.1. Bassin versant de la Moulouya

La loi Gamma (Mthode des Moments) sadapte mieux au bassin versant de loued Ansegmir la
station dAnsegmir avec des dbits trs rguliers (Coefficient de variation proche de 1). Le tableau (12)
reprsente les quantiles XT pour diffrentes priodes de retour T, leurs probabilits doccurrence q ainsi
que les cart type correspondants.
T
XT
Ecart type
2
10
50
100
200
500
1000
0.5000
0.9000
0.9800
0.9900
0.9950
0.9980
0.9990
74.1
225
371
433
495
577
638
13.6
38
75.7
93.1
111
135
154
Tab. 12: Estimation du quantile de crue de loued Ansegmir
III.3.3.2.2. Bassin versant de Tensift

La loi Log Gamma sadapte mieux pour le sous bassin versant de loued Ourika la station
dAghbalou qui prsente des dbits plus irrguliers (Coefficient de variation nettement suprieur 1).
Lestimation des quantiles de crue XT de priode de retour T et leurs probabilits doccurrence sont
prsentes dans le tableau (13).
65
S. RIAD/ 2003
XT
Ecart type
2
10
50
100
200
500
1000
0.5000
0.9000
0.9800
0.9900
0.9950
0.9980
0.9990
114
540
1380
1930
2610
3770
4880
24.8
161
539
821
1200
1880
2600
Tab. 13: Estimation du quantile de crue de loued Ourika
III.3.3.2.3. Bassin versant de Ziz-Rhris

La loi Gamma (Mthode des Moments) semble bien sajuster aux chantillons de dbits du bassin
versant de loued Sidi Hamza la station de Foum Tillicht. Le tableau (14) montre les quantiles de crue
diffrentes priodes.
T
XT
Ecart type
2
10
50
100
200
500
1000
0.5000
0.9000
0.9800
0.9900
0.9950
0.9980
0.9990
201
480
729
832
934
1070
1170
34.8
86.4
158
190
223
268
302
Tab. 14: Estimation du Quantile de crue de loued Sidi Hamza

Les dbits maximums annuels du sous bassin versant de loued Todrha la station dAit Bouijjane
s'
ajustent mieux la loi Gamma (Mthode des Moments) un intervalle de confiance de 95%. Les
rsultats de lestimation du quantile XT de crue pour diffrentes priodes de retour T sont reprsents
dans le tableau (15).
T
XT
Ecart type
2
10
50
100
200
500
1000
0.5000
0.9000
0.9800
0.9900
0.9950
0.9980
0.9990
95.5
353
619
735
851
1010
1120
30.4
91.9
195
244
295
364
417
Tab. 15: Estimation du quantile de crue de loued Todrha
En aval de la station de jaugeage dAit Bouijjane, les crues seraient trs violentes en raison de
nombreuses confluences des oueds drainant des terrains quasi-dnuds et peu permables.
66
S. RIAD/ 2003
Station dAghbalou
Station dAnsegmir
Station de Foum Tillicht
Station dAit Bouijjane
Fig. 24: Rsultats des ajustements statistiques
Les bassins analyss sajustent mieux par la loi Gamma (Mthode des moments) lexception du
bassin versant de loued Ourika qui sajuste la loi Log Normale ce qui revle lirrgularit du rgime
de loued. Cette analyse frquentielle nous a permis de detrminer les priodes de retour de crue qui est
par ailleurs ncessaire pour le dimensionnement des ouvrages hydrauliques et leur protection en cas de
crue.
III.4. Analyse corrlatoire et spectrale (ACS)
III.4.1. Introduction
Pour une meilleure connaissance des systmes hydrologiques, leur fonctionnement et leur
structure, on a appliqu les mthodes d'
analyses corrlatoires et spectrales aux sries chronologiques des
pluies et des dbits. Ce sont des mthodes qui consistent assimiler le systme tudi une "bote
noire" dont on ignore le contenu et en tudier le contenu (analyse systmique). Ce type dtude est
donc une approche phnomnologique base sur lobservation et lexprience.
La finalit de cette analyse systmique rside dans la caractrisation du systme par sa fonction de
transfert ou par le mcanisme qui modifie lentre et la sortie par une relation de cause effet. Cette
fonction est la rponse impulsionnelle du systme.
67
S. RIAD/ 2003
Ces mthodes s'

inspirent directement des mthodes de traitement de signal dveloppes par A.
Mangin (1981, 1982, 1984 et 1988) au laboratoire souterrain de Moulis. Elles ont pour but d'
extraire
l'
information contenue dans les chroniques de pluie et de dbit reprsentant respectivement les fonctions
d'
entre et de sortie du systme hydrologique tudi.
L'
analyse des sries chronologiques est ralise soit dans le domaine temporel (analyse
corrlatoire), soit dans le domaine frquentiel (analyse spectrale). La structure des chroniques entres et
sorties est traite soit sparment (analyses simples), soit l'
une par rapport l'
autre (analyses croises).
III.4.2. Principe de la mthode
III.4.2.1. Analyse simple
a) Corrlogramme simple
Le corrlogramme simple met en vidence la dpendance des vnements entre eux pour des
intervalles de temps de plus en plus grands. Par consquent, il traduit la mmoire du systme tudi (A.
Mangin, 1984). En effet, plus un vnement, pris un instant donn, aura une influence long terme
plus lente sera la dcroissance du corrlogramme.
Analytiquement, le corrlogramme simple correspond la reprsentation graphique de la fonction
d'
autocorrlation d'
une chronique obtenue par le calcul du coefficient d'
autocorrlation rk (Jenkins et
Watts, 1968). C'
est--dire la mesure de la corrlation d'
une chronique avec elle-mme dcale d'
un pas
de temps variant de 0 m (troncature) selon un pas d'
chantillonnage k. Il est alors possible de mettre en
vidence toutes structures dans les donnes qui rendent compte des mcanismes intervenant dans la
dynamique du systme tudi fini (Fig. 25).
68
S. RIAD/ 2003

x
Chroniqu
Chronique
e
k =1
3
k =2
k=m
k =3
x0 x1 x0 x2 x0 x3
x0 xm
x1 x2 x1 x3 x1 x4
x 1 x m +1
x 2 x3 x 2 x 4 x 2 x5
x2 xm+2
x3 x 4 x3 x5 x 3 x 6
x3 x m +3
x 4 x5 x 4 x6 x 4 x 7
x4 xm+4
r2
r1
rm
r3
Corrlogramme
Fig. 25: Corrlogramme simple (A. Mangin., 1984)
rk =
Ck =
Ck
Co
1 nk
( x t x) ( x t + k x)
n 1
(10 )
(11)
Avec :
k = 0, 1, 2, m
m est la troncature
n : longueur de la chronique (nombre dobservations)
rk = 1 lorsque k = 0
x i : processus tudi
x : moyenne des x de la srie chronologique.
69
S. RIAD/ 2003
Le choix de la fentre dobservation est fond sur des principes semi-empiriques :

* m
* m
, les rsultats ne sont pas corrects,

n
, les rsultats sont lgrement fausss,
, les rsultats sont corrects.
La troncature m (fentre d'

observation) doit tre infrieure la moiti du nombre de valeur de la
priode d'
tude et de prfrence n3 , o n est la longueur de la chronique (A. Mangin, 1984). En effet,
m agit comme un filtre qui rduit l'
influence des concidences dans le signal.
Lorsqu'
un corrlogramme tend rapidement vers zro, il caractrise une succession d'
vnements
indpendants les uns des autres. Le phnomne ainsi analys pourrait tre considr comme un
processus quasi-alatoire. Par contre, un corrlogramme qui dcrot lentement indique un phnomne
plus structur donc un effet mmoire trs important. Cet effet mmoire se traduit par la notion de rserve
dans le cas des systmes hydrologiques (A. Mangin, 1982).
En outre, un systme hydrologique voit son pouvoir rgulateur augmenter de l'
amont vers l'
aval.
Les pertes de charges s'
accentuent et la mmoire des vnements est de plus en plus importante. Cela
fournit des corrlogrammes de plus en plus tals de l'
amont vers l'
aval du systme.
b) Spectre simple
L'
analyse spectrale permet de dcomposer l'
information par rapport aux frquences. Elle
correspond la transforme de Fourier de la fonction d'
autocorrlation dune fonction alatoire
stationnaire correspond la densit spectrale nergtique de cette fonction (Max, 1980). Cette densit
nest autre que la rpartition des variances suivant les frquences (Ventsel, 1973 in A. Mangin 1984).
Valable pour les fonctions alatoires stationnaires, la notion du spectre a t tendue aux fonctions
alatoires non stationnaires (Levine, 1973) (Fig. 26).
70
S. RIAD/ 2003

x
Chronique
Trois composantes :
a sculaire,
b saisonnire,
c alatoire
Var . totale = Var . a + Var . b + Var . c
Dcomposition de la variance totale dans le domaine frquentiel

=
Transforme de Fourier du corrlogramme de la chronique
Sf
Spectre de densit de variance

Var. a
Var. b
Var. c
r
Fig. 26: Spectre de densit de variance (A. Mangin., 1984)
Une approche non biaise de la transforme de Fourier de la fonction d'

autocorrlation est fournie
par :
S f = 2 1+ 2
k =m
k =1
D (k ) r( k ) cos 2 f k
(12 )
o :
k = 0, 1, 2, , m
f : frquence considre (si le pas choisi est, f = j /2 m , j = 0,1,2,3,, m)
r(k ) : coefficient d'

autocorrlation (corrlogramme)
D(k ) : fonction de pondration (ou filtre) ncessaire pour que la valeur estime S f soit non
biaise (ou filtrage de r(k ) impos par la transforme de Fourier.

71
S. RIAD/ 2003
De nombreuses fonctions de pondration D k sont proposes dans la littrature. Celle de Tukey

s'
est revele la mieux adapte (A. Mangin, 1984).
Le spectre simple permet de mettre en vidence principalement les composantes priodiques du
signal long terme, sculaires, saisonnires et alatoires, car elles apparaissent comme des pics
caractristiques d'
une certaine frquence. Ces tendances sont introduites au niveau de la fonction
d'
entre (pluie). Le spectre permet donc d'
apprcier la faon dont cette information est modifie ou
altre voire limine par le systme. Il permet aussi d'
obtenir le temps de rgulation du systme c'
est
dire la dure d'
influence du signal d'
entre ; il traduit par consquent l'
inertie du systme qui est lie
directement aux rserves. Le temps de rgulation correspond la valeur du spectre pour une frquence
F = 0 divis par 2.
Donc, le corrlogramme sera utilis dans un premier temps pour dtecter un phnomne structur
ou alatoire du signal ; alors que le spectre de densit de variance fournira les priodes des phnomnes
structurs.
III.4.2.2. Analyse croise
Elle reprsente une fonction d'

intercorrlation entre les fonctions d'
entre et de sortie du systme,
elle permet donc de comparer simultanment le signal d'
entre celui de la sortie. Comme pour
l'
analyse simple, les outils sont le corrlogramme et le spectre.
a) Corrlogramme crois
Il correspond la corrlation entre une entre et une sortie avec des dcalages dans le temps. Pour
l'
estimation du coefficient de corrlation ( rxy ) :
r+ k = rxy (k ) =
r k = r yx (k ) =
S x2 =
1
n
C xy (k )
S X .S y
avec C xy (k ) =
C yx (k )
n
i =1
avec C yx (k ) =
1
n
(y
S x .S y
(x
et S y2 =
1
n
)(
1 nk
xi x yi+k y
n i =1
n
i =1
nk
i =1
(y
)(
y xi+ k x
(14)
(15 )
(16 )
Si la fonction d'
entre prsente un caractre quasi-alatoire et invariant, le corrlogramme crois
correspond la rponse impulsionnelle du systme, donc l'
hydrogramme unitaire (A. Mangin, 1981).
L'
image de l'
hydrogramme unitaire ainsi obtenu permet nanmoins de renseigner sur la modulation par
le systme de l'
impulsion d'
entre. Plus le systme module l'
impulsion d'
entre, plus le corrlogramme
crois est aplati. A l'
oppos, un hydrogramme pointu et peu tal caractrise un systme modifiant trs
peu l'
impulsion d'
entre. Ce systme est trs bien drain et ne possde que peu de rserve.
72
S. RIAD/ 2003
Si le signal d'
entre est structur, alors le corrlogramme crois fera apparatre les priodicits.
Si le corrlogramme crois est symtrique, alors les processus choisis comme tant les entres et
les sorties peuvent tre relis par une mme cause.
b) Spectre crois
Il correspond la dcomposition de la covariance entre les entres et les sorties dans le domaine
frquentiel. C'
est la transforme de Fourier du corrlogramme crois. Le corrlogramme crois n'
tant
pas symtrique pour les valeurs de -k et de +k, le spectre est exprim par un nombre complexe.
D'
o deux expressions :
* spectre crois = cospectre { k xy ( f ) } - spectre de quadrature { iq xy ( f ) }
S c ( f ) = k xy ( f ) iq xy ( f )
(17)
Il est dfini par les relations suivantes :

k xy ( f ) = 2 rxy (0) +
q xy ( f ) = 2
{r (k ) + r (k )}.D(k ). cos 2fk

xy
(18)
yx
[rxy (k ) r yx (k )].D(k ). sin 2fk
(19)
* spectre crois = fonction d'

amplitude { S xy ( f ) }* fonction de phase { exp i xy ( f ) }
S c ( f ) = S xy ( f ) . exp i xy ( f )
(20)
Il est dfini donc par deux fonctions :

Fonction d'
amplitude : S xy ( f )
Fonction de phase :
xy ( f )
Fonction d'
amplitude
La fonction damplitude reprsente la variation de la covariance entre-sortie pour diffrentes
frquences. Elle exprime la faon dont le signal entre-sortie a t modifi par le systme (Fig. 27).
S xy ( f ) = k xy2 ( f ) + q xy2 ( f )
(21)
Si S xy ( f ) = 0 alors aucune information en provenance de la fonction d'

entre n'
est dcele la
sortie et par consquent l'
interprtation des autres fonctions (fonction de phase, de cohrence et de gain)
n'
est plus significative.
73
S. RIAD/ 2003

Sxy
Fig. 27: Fonction damplitude
Fonction de phase
La fonction de phase exprime le dphasage entre-sortie pour chaque frquence (Fig. 28).
xy ( f ) = arctan g
q xy2 ( f )
(22)
k xy2 ( f )
Le dphasage en jours est calcul partir de la formule suivante :
= 2 f
( 23 )
O :
: le dphasage entre-sortie en jour

: valeur du spectre (valeur de la fonction de phase pour la frquence de coupure)
f : frquence de coupure.
Dans le calcul, la frquence f doit tre dfinie dans le domaine frquentiel o la relation entresortie est significative, domaine qui est exprim par la fonction d'
amplitude.
xy
Fig. 28: Fonction de phase
74
S. RIAD/ 2003
c) Fonction de cohrence
La fonction de cohrence nous renseigne sur la linarit du systme. Elle est assimile une
intercorrlation entre les vnements l'
entre et la sortie du systme dans le domaine frquentiel (Fig.
29). Dans le cas d'
un systme non linaire, les sorties ne sont pas proportionnelles aux entres, le
coefficient de cohrence sera infrieur 1.
Elle est dfinie donc par la formule suivante :
C xy ( f ) =
S xy ( f )
(24)
S x ( f ) SY ( f )
Cette fonction exprime la liaison entre-sortie ainsi que la linarit de cette relation. En
hydrologie, une bonne linarit d'
un systme hydrologique est explique par le fait qu'
une forte pluie
engendre une forte crue, l'
inverse d'
un systme non linaire o une forte pluie ne se manifeste pas par
une forte crue mais par une importante mise en rserve.
Cxy (f)
Fig. 29 : Fonction de cohrence
d) Fonction de gain
Elle exprime les variations du coefficient de rgression (variance dentre / variance de sortie) en
fonction des frquences. De ce fait, elle indique comment le signal dentre est amplifi ou attnu par
le systme. Elle fournit donc une estimation de lamplification ou de lattnuation du signal dentre
(Fig. 30). Cest ainsi quau niveau des systmes hydrologiques, le gain infrieur 1 (attnuation) pour
les hautes et moyennes frquences correspond une mise en rserve lors des crues. Le gain suprieur
1 (amplification) pour les basses frquences implique un dstockage des rserves en eau souterraine.
g xy ( f ) =
S xy ( f )
( 25)
Sx(f )
Si g xy ( f ) 1 le signal dentre est amplifi par le systme (dstockage)

Si g xy ( f ) 1 le signal dentre est attnu par le systme (stockage).
75
S. RIAD/ 2003

gxy (f)
Amplification
Attnuation
f
Fig. 30 : Fonction de gain
III.4.3. Application des bassins versants pilotes reprsentatifs
La mthode danalyse corrlatoire et spectrale a t applique des systmes hydrologiques de

surface (oueds ou bassins versants) situs dans des contextes diffrents. Lanalyse de ces systmes est
base sur les donnes moyennes journalires des pluies et des dbits enregistres aux niveaux des
stations hydromtriques pour une longue priode denregistrement. Lanalyse a t faite dabord court
terme dont le pas dchantillonnage est de 1 jour et la limite suprieure fixe 125 jours, ce qui permet
de mieux tenir compte du dtail. Puis, long terme dont il est propos de prendre pour borne suprieure
de la fentre dobservation 1250 jours avec un pas dchantillonnage limit 10 jours, pour la mise en
vidence des cycles annuels.

a) Analyse du signal dentre (Pluies)
Lanalyse court terme (fentre dobservation de 1 125 jours) des pluies de loued Ansegmir
la station dAnsegmir se traduit par un corrlogramme qui dcrot trs rapidement et prend la valeur 0.2
au 1er jour puis devient nul au 16me jour. Leffet mmoire est donc faible. La pluie ne prsente pas de
structure nette. Elle a un caractre quasi-alatoire. Le corrlogramme de la pluie ne montre aucune
variation cyclique. Labsence du cycle annuel de la pluie provient du fait que la priode pluvieuse nest
pas synchrone dun cycle lautre (Thorme dchantillonnage de Shannon). Le spectre de densit de
variance prsente des pics de faible amplitude que ce soit pour les basses frquences ou les hautes
frquences (Fig. 31).
A long terme (fentre dobservation de 10 1250 jours), le corrlogramme ne montre aucune
variation. Cependant le spectre de densit de variance montre que la pluie nest pas tout fait monotone.
Une lgre tendance qui correspond la variation annuelle apparat dans le spectre qui montre un pic de
312.5 jours de priode une frquence de 0.032 j-1 (Fig. 32).
76
S. RIAD/ 2003

1,0
0,9
0,9
0,8
0,8
0,7
0,7
Co rrlogramme
0,6
Corrlogramme
0,6
0,5
0,5
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1
0,0
-0,1 0
10
20
30
40
50
60
70
80
90
100
110
120
0
-0,1 0
-0,2
100
200
300
400
500
600
700
800
900 1000 1100 1200
-0,2
S (f)
10
S (f)
10
8
7
7
0
0
0,04 0,08 0,12
0,16
0,2
0,24 0,28 0,32 0,36
0,4
0,44 0,48
0
0
0,04
0,08 0,12 0,16
0,2
0,24 0,28 0,32 0,36
0,4
0,44 0,48
Fig. 31: Analyse de la chronique des pluies la station Fig. 32: Analyse de la chronique des pluies la
dAnsegmir du 01/09/1973 au 31/08/1994
station dAnsegmir du 01/09/1973 au 31/08/1994
(m = 125 jours)
(m = 1250 jours)
b) Analyse du signal de sortie (Dbits)

A court terme (fentre dobservation de 1 125 jours), le corrlogramme des dbits dcrot
lentement et de faon monotone et il natteint la valeur 0.2 quau bout du 57me jour (Fig. 33). La
dpendance des vnements entre eux est donc trs forte. Le systme prsente un effet mmoire
considrable, ce qui traduit limportance des rserves du systme tudi. Le spectre de densit de
variance ne prsente aucun pic notable. Lanalyse du spectre simple met en vidence une bande
spectrale large avec une frquence de coupure Fc = 0.432 par jour et un temps de rgulation de 49.5
jours, ce qui traduit une inertie plus importante.
Lanalyse long terme montre que le corrlogramme traduit lexistence dun cycle annuel ( rk
pour 365 jours est de 0,236) qui est peu visible dans le corrlogramme de la pluie, son importance est li
celle des rserves. Le spectre montre des variations priodiques reprsentes par trois pics dont deux
sont importants. Le pic de plus forte amplitude est centr sur 357 jours (cycle annuel), le deuxime
damplitude moyenne est centr sur 192 jours et le troisime de faible importance centr sur 125 jours
(Fig. 34). Cest en effet pervers d au fait que la saison des pluies arrive brutalement, le signal pluie est
donc discontinu et dans ce cas le passage la transforme de Fourier apparat en dbut de spectre.
77
S. RIAD/ 2003

1
0,9
0,9
0,8
0,8
0,7
0,7
0,6
0,6
Co rrlo gramme
0,5
Co rrlo gramme
0,5
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1
k
0
-0,1 0
10
20
30
40
50
60
70
80
90
100
110
0
-0,1 0
120
100
200
300
400
500
600
700
800
900 1000 1100 1200
-0,2
-0,2
S (f)
10
S (f)
10
9
8
7
7
0
0
0,04 0,08 0,12
0,16
0,2
0,24 0,28 0,32
0,36
0,4
0,44 0,48
Fig. 33: Analyse de la chronique des dbits la station

dAnsegmir du 01/09/1973 au 31/08/1994
(m = 125 jours)
0,04
0,08 0,12 0,16
0,2
0,24 0,28
0,32 0,36
0,4
0,44 0,48
Fig. 34: Analyse de la chronique des dbits la

station dAnsegmir du 01/09/1973 au 31/08/1994
(m = 1250 jours)
c) Analyse croise
Lanalyse croise permet dtudier la relation pluie-dbit. Elle a t effectue entre les pluies et les
dbits moyens journaliers enregistrs la station dAnsegmir. Le corrlogramme crois fournit une
assez bonne image de la rponse impulsionnelle, donc de lhydrogramme unitaire. Il est trs complexe.
Il prsente une allure pointue qui caractrise le systme faible pouvoir rgulateur possdant un rseau
de drainage bien dvelopp. La forme pointue correspond des mcanismes de ruissellement de surface
rapide. La dcroissance tmoigne de limportance des rserves du systme tudi. On note plusieurs
ruptures de pente lors de la dcroissance qui traduisent des retards dans les apports de loued. La
dcroissance indique la prsence de plusieurs pics lors de la dcrue (Fig. 35).
0,25
0,2
0,15
0,1
0,05
-k
-125
0
-100
-75
-50
-25
25
50
75
100
k
125
-0,05
Fig. 35: Corrlogramme crois pluie-dbit la station

dAnsegmir du 01/09/1973 au 31/08/1994
78
S. RIAD/ 2003
Fonctions de cohrence et de gain
La fonction de cohrence exprime la linarit de la relation entre pluie-dbit. Pour la station

dAnsegmir, la linarit est gnralement peu importante. Ceci est normal cause des rserves en eau. A
une forte pluie ne correspond pas forcment une forte crue mais une forte mise en rserve. Elle est trs
mauvaise pour les moyennes et les hautes frquences. Ces rsultats montrent donc que le systme ne
prsente pas un fonctionnement linaire court terme (Fig. 36).
La fonction de gain donne une estimation de lamplification ou de lattnuation du signal dentre,
donc de la faon dont la pluie est mise en rserve. Pour la station dAnsegmir, la fonction de gain se
dgrade trs rapidement. Lamplification nest observe que pour les trs basses frquences (0 et 0.016).
Pour les frquences suprieures 0.016 ; le signal dentre est compltement attnu, ce qui traduit un
stockage pendant les priodes pluvieuses (Fig. 37).
R x,y
3
C x,y
1
0,9
2,5
0,8
0,7
Fo nctio n de cohrence
Fo nctio n de gain
0,6
0,5
1,5
amplification
0,4
0,3
0,2
attnuation
0,5
0,1
f
0
0
0,04 0,08 0,12 0,16
0,2
0,24
0,28 0,32
0,36
0,4
0
0
0,44 0,48
Fig. 36: Fonction de cohrence de la station dAnsegmir

pour la priode de 1973 1994
0,04 0,08
0,12 0,16
0,2
0,24 0,28 0,32
0,36
0,4
0,44 0,48
Fig. 37: Fonction de gain de la station dAnsegmir


Les rsultats de lanalyse court terme (fentre dobservation de 1 125 jours) montrent que le
corrlogramme des pluies dcrot rapidement et atteint la valeur de 0.2 ds le 1er jour. Le fait que le
corrlogramme continue dcrotre, est li un effet saisonnier. Le spectre de densit de variance est
pratiquement monotone avec quelques pics trs proches du bruit de fond. Ceci laisse supposer la
prsence de priodicits (Fig. 38).
A long terme (fentre dobservation de 10 1250 jours), le corrlogramme est reprsent par une
fonction presque constante de valeur nulle. Le cycle annuel est bien marqu. Le spectre prsente des
pics de faible amplitude, le plus important dpasse S (f) = 4 et qui correspond au cycle annuel de 365
jours (Fig. 39).
79
S. RIAD/ 2003

1
r
1
0,9
0,9
0,8
0,8
0,7
0,7
0,6
0,6
Corrlogramme
0,5
Co rrlo gramme
0,5
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1
k
0
-0,1 0
10
20
30
40
50
60
70
80
90
100
110
0
-0,1 0
120
100
200
300
400
500
600
700
800
900 1000 1100 1200
-0,2
-0,2
S (f)
10
S (f)
10
9
1
f
0
0
0,04 0,08 0,12 0,16
0,2
0,24 0,28
0,32 0,36
0,4
0,44 0,48
0
0
Fig. 38: Analyse de la chronique des pluies la station

dAghbalou du 01/09/1975 au 31/08/1996
(m = 125 jours)
0,04 0,08
0,12 0,16
0,2
0,24 0,28 0,32 0,36
0,4
0,44 0,48
Fig. 39: Analyse de la chronique des pluies la

station dAghbalou du 01/09/1975 au 31/08/1996
(m = 1250 jours)

A court terme, le corrlogramme dcrot trs lentement, la valeur 0.2 est atteinte au 52me jour.
Leffet mmoire est donc trs lev, ce qui traduit un stockage dun certain volume deau au moment
des pisodes pluvieux, le dstockage apparaissant beaucoup plus tard. Cet effet est par consquent li
limportance des rserves du systme. Le spectre de densit de variance montre que leffet mmoire
correspond un filtrage des hautes frquences au profit des basses frquences. Le temps de rgulation
est de 46.5 jours. La frquence de coupure Fc est 0.472 j-1 ; la bande spectrale est donc trs large. Par
consquent, le systme modifie trs peu les informations contenues dans le signal dentre (Fig. 40).
Lanalyse long terme des dbits montre sur le corrlogramme des variations cycliques. Cela
correspond un cycle annuel. Le spectre montre plusieurs pics qui ntaient pratiquement pas visibles
dans lanalyse court terme. Le pic annuel 0.028 j-1 (357 jours) est dominant. Cest le cycle annuel
avec un pas de 125 jours (Thorme de Shannon) (Fig. 41).
80
S. RIAD/ 2003

1
0,9
0,9
0,8
0,8
0,7
0,7
Co rrlo gramme
0,6
Co rrlo gramme
0,6
0,5
0,5
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1
k
0
0
10
20
30
40
50
60
70
80
90
100
110
120
-0,1 0
100
200
300
400
500
600
700
800
900 1000 1100 1200
-0,2
S (f)
10
S (f)
10
2
1
1
0
0
0,04 0,08 0,12
0,16
0,2
0,24 0,28 0,32
0,36
0,4
0,44 0,48

dAghbalou du 01/09/1975 au 31/08/1996
(m = 125 jours)
0,04 0,08 0,12 0,16 0,2
0,24 0,28 0,32 0,36
0,4
0,44 0,48
Fig. 41: Analyse de la chronique des dbits la

station dAghbalou du 01/09/1975 au 31/08/1996
(m = 1250 jours)
c) Analyse croise
Lanalyse croise a t effectue entre les pluies et les dbits enregistrs au niveau de la station
dAghbalou. Le corrlogramme crois prsente une rponse faible mais tale. Cest la caractristique
dun systme dont les variations des rserves voluent lentement. Il ne fournit pas de rponse
impulsionnelle importante (Fig. 42).
0,5
0,4
0,3
0,2
0,1
-k
-125
0
-100
-75
-50
-25
25
50
75
100
k
125
-0,1

dAghbalou du 01/09/1975 au 31/08/1996
81
S. RIAD/ 2003
La fonction de cohrence est trs mauvaise pour les basses et les hautes frquences. La linarit
pluie-dbit est donc mdiocre. Ce qui traduit un systme complexe (Fig. 43). En ce qui concerne le gain,
on constate une amplification trs importante du signal pluie pour les basses frquences (saison, anne)
et une attnuation considrable et trs rapide pour les hautes frquences (semaine, jour) (Fig. 44).
R x,y
2
C x,y
1
1,8
0,9
0,8
0,7
1,4
0,6
1,2
0,5
0,4
0,8
0,3
0,6
0,2
0,4
0,1
0,2
f
0
0
0,04 0,08 0,12 0,16
0,2
0,24 0,28
Fo nction de gain
1,6
Fo nction de co hrence
0,32 0,36
0,4
0,44 0,48
amplification
attnuation
0
0
Fig. 43: Fonction de cohrence de la station dAghbalou

0,04 0,08 0,12 0,16
0,2
0,24 0,28 0,32 0,36
0,4
0,44 0,48
Fig. 44: Fonction de gain de la station dAghbalou

III.4.3.3. Bassin versant de Ziz-Rhris

Lanalyse court terme des pluies de loued Sidi Hamza la station de Foum Tillicht (fentre
dobservation de 1 125 jours) se traduit par un corrlogramme simple qui atteint la valeur 0.2 au 1er
jour. Donc, leffet mmoire est faible. Le spectre de densit de variance prsente des pics de faible
amplitude dont un dpassant lgrement la valeur 4 et qui correspond une lgre tendance de 125 jours
de priode (Fig. 45).
A long terme (fentre dobservation de 10 1250 jours), le corrlogramme des pluies est
reprsent par une fonction constante de valeur presque nulle. Le cycle annuel nest pas marqu, donc
aucune priodicit nest dcelable. Le spectre de densit de variance ne montre aucun pic important que
ce soit pour les basses ou les hautes frquences (Fig. 46). On peut considrer que la pluie dans cette
rgion prsente un caractre quasi-alatoire.
82
S. RIAD/ 2003
0,9
0,9
0,8
0,8
0,7
0,7
0,6
0,6
Corrlogramme
0,5
Corrlogramme
0,5
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1
-0,1 0
10
20
30
40
50
60
70
80
90
100
110
120
-0,1 0
-0,2
100
200
300
400
500
600
700
800
900 1000 1100 1200
-0,2
S ( f)
10
S ( f)
10
9
f
0
0,04 0,08 0,12 0,16
0,2
0,24 0,28 0,32 0,36
0,4
0,44 0,48
0
0
Fig. 45: Analyse de la chronique des pluies la station

de Foum Tillicht du 01/09/1975 au 31/08/1994
(m = 125 jours)
0,04 0,08 0,12 0,16
0,2
0,24 0,28 0,32 0,36
0,4
0,44 0,48
Fig. 46: Analyse de la chronique des pluies la

station de Foum Tillicht du 01/09/1975 au 31/08/1994
(m = 1250 jours)

A court terme (Fentre dobservation de 1 125 jours), le corrlogramme met en vidence une
dcroissance lente, il atteint la valeur 0.2 au 25me jour. Ceci traduit une dpendance des vnements
entre eux et un effet mmoire important. Il ne montre par ailleurs aucune priodicit mme annuelle.
Lanalyse du spectre simple met en vidence une tendance saisonnire, une bande spectrale large avec
une frquence de coupure Fc = 0.04 j-1 et un temps de rgulation de 24.5 jours, ce qui traduit une inertie
plus importante du systme (Fig. 47).
A long terme (fentre dobservation de 10 1250 jours), le corrlogramme montre une variation.
Cependant, le spectre indique une priodicit annuelle denviron 365 jours. Lapparition de cette
priodicit annuelle dans la chronique des dbits est trs nette, alors quelle est absente dans celle des
pluies. Ceci est li aux caractristiques hydrodynamiques du systme tudi. Lanalyse des donnes
pluviomtriques a montr que les priodes pluvieuses ne sont pas toujours situes la mme poque
dune anne lautre (Fig. 48).
83
S. RIAD/ 2003

1
0,9
0,9
0,8
0,8
0,7
0,7
0,6
0,6
Co rrlo gramme
0,5
Co rrlo gramme
0,5
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1
k
0
0
10
20
30
40
50
60
70
80
90
100
110
120
S (f)
50
100
200
300
400
500
600
700
800
900 1000 1100 1200
S (f)
10
45
40
35
7
30
-0,1 0
357
25
20
15
10
1
f
0
0
0,04 0,08 0,12 0,16
0,2
0,24 0,28 0,32 0,36
0,4
0,44 0,48

(m = 125 jours)
0,04 0,08 0,12
0,16
0,2
0,24 0,28
0,32 0,36
0,4
0,44 0,48

(m = 1250 jours)
c) Analyse croise
La forme de corrlogramme crois montre une partie de lhydrogramme peu tale pour les
valeurs de r < 0,1 et une partie pour les valeurs de r > 0.1 o lhydrogramme crot puis dcrot
rapidement. Ceci explique la rponse impulsionnelle du systme. Par consquent, le systme de loued
Sidi Hamza est le sige dun coulement de surface rapide (hydrogramme pointu) possdant un pouvoir
rgulateur faible, auquel sajoute un coulement souterrain (hydrogramme relativement tal) avec un
pouvoir rgulateur relativement important. A long terme, il montre des priodicits annuelles (Fig. 49).
0,3
0,25
0,2
0,15
0,1
0,05
-k
-125
0
-100
-75
-50
-25
0
-0,05
25
50
75
100
k
125

84
S. RIAD/ 2003
La fonction de cohrence exprime la linarit de la relation pluie-dbit. Cette linarit du systme

nest pas bonne (Fig. 50). Elle varie autour de la valeur 0,5 qui correspond au coefficient de corrlation
entre les vnements puis elle dcrot sensiblement hautes frquences.
La fonction de gain est une bonne image du caractre rgulateur du systme tudi. Elle montre
que pour les basses frquences, le signal amplifie peu le signal dentre, ce qui correspond une mise en
rserve lors des crues (effet court terme). Une attnuation apparat pour les moyennes et les hautes
frquences (Fig. 51). Cette attnuation sexplique par le stockage dun certain volume deau au moment
des pisodes pluvieux.
Le systme de loued Sidi Hamza dispose dune certaine rserve qui lui permet de rgulariser son
rgime en priode des basses eaux.
C x,y
2
R x,y
1
0,9
1,8
Fonctio n de cohrence
0,8
0,7
1,4
0,6
1,2
0,5
0,4
0,8
0,3
0,6
0,2
0,4
0,1
0,2
f
0
0
0,04 0,08 0,12
0,16
0,2
0,24 0,28 0,32 0,36
Fo nctio n de gain
1,6
0,4
0,44 0,48
amplification
attnuation
f
0
Fig. 50: Fonction de cohrence la station de Foum

Tillicht du 01/09/1975 au 31/08/1994
0,04 0,08 0,12
0,16
0,2
0,24 0,28 0,32 0,36
0,4
0,44 0,48
Fig. 51: Fonction de gain la station de Foum

Tillicht du 01/09/1975 au 31/08/1994

A court terme (fentre dobservation de 1 125 jours), le corrlogramme de pluie dcrot trs
rapidement, il prend la valeur 0.2 ds le 1er jour. Donc, il traduit un caractre quasi-alatoire. Le spectre
de densit de variance prsente des pics de faible amplitude (Fig. 52). Le fait que le spectre vers les
basses frquences (0) tend remonter, traduit un net effet saisonnier de la pluie que la fentre ne prend
pas (Thorme dchantillonnage de Shannon).
A long terme (fentre dobservation de 10 1250 jours), lanalyse ralise nindique aucune
priodicit mme annuelle, par contre le court terme dnote un effet saisonnier. Ce point sexplique par
le fait que la saison des pluies arrive des dates variables avec un caractre alatoire long terme. Par
consquent, la pluie prsente un caractre quasi- alatoire (Fig. 53).
85
S. RIAD/ 2003

1
r
1
0,9
0,9
0,8
0,8
0,7
0,7
0,6
0,6
Co rrlo gramme
0,5
Co rrlo gramme
0,5
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1
0
-0,1 0
10
20
30
40
50
60
70
80
90
100
110
120
-0,1 0
100
200
300
400
500
600
700
800
900 1000 1100 1200
-0,2
-0,2
S (f)
10
S (f)
10
9
f
0
0,04 0,08 0,12 0,16
0,2
0,24 0,28 0,32 0,36
0,4
0,44 0,48
0
0
0,04 0,08
0,12 0,16
0,2
0,24 0,28
0,32 0,36
0,4
0,44
0,48
Fig. 52: Analyse de la chronique des pluies la station Fig. 53: Analyse de la chronique des pluies la station
dAit Bouijjane du 01/09/1973 au 31/08/1994
(m = 125 jours)
(m = 1250 jours)

A court terme, le corrlogramme dcrot trs rapidement et il atteint la valeur 0,2 au bout du 1er
jour. Ce qui traduit un systme trs peu inertiel avec un effet mmoire trs faible. Le spectre de densit
de variance confirme ce rsultat et ne montre aucune tendance. La dure de linfluence de la pluie,
reprsente par le temps de rgulation du systme est de 11.5 jours, met en vidence alors la relative
inertie du systme. La frquence de coupure Fc est de 0.292 j-1 ; avec une bande spectrale large, cest
dire que linformation contenue dans le signal dentre est peu modifi par le systme (Fig. 54).
A long terme, une dcroissance trs rapide du corrlogramme traduit un effet mmoire faible et
une mise en rserve souterraine nulle. Le spectre ne montre aucun pic traduisant des composantes
priodiques. Le spectre de densit de variance est assimilable un bruit de fond (Fig. 55).
86
S. RIAD/ 2003

1
r
1
0,9
0,9
0,8
0,8
0,7
0,7
0,6
0,6
Co rrlo gramme
0,5
Corrlo gramme
0,5
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1
k
0
10
20
30
40
50
60
70
80
90
100
110
120
-0,1 0
100
200
300
400
500
600
700
800
900 1000 1100 1200
-0,2
S (f)
12
11
S (f)
10
9
10
9
8
7
8
7
6
5
4
3
5
4
3
2
2
1
0
1
0
f
0
0,04 0,08 0,12 0,16
0,2
0,24 0,28 0,32 0,36
0,4
f
0
0,44 0,48

(m = 125 jours)
0,04 0,08 0,12 0,16
0,2
0,24 0,28 0,32 0,36
0,4
0,44 0,48

(m = 1250 jours)
c) Analyse croise
Le corrlogramme crois pluie-dbit est assimilable la rponse impulsionnelle du systme. Il
montre une monte et une descente rapides et trs peu tales, ce qui indique que la rponse aux
impulsions pluie est rapide. Le systme neffectue pas un filtrage de la pluie (Fig. 56).
0,5
0,4
0,3
0,2
0,1
-k
-125
-100
-75
-50
-25
25
50
75
100
125
-0,1

87
S. RIAD/ 2003
La fonction de cohrence traduit la corrlation pluie-dbit qui reprsente un indice de linarit du

systme. Pour la station dAit Bouijjane, la cohrence est relativement bonne basses frquences et
devient mdiocre pour les hautes frquences. On note des discontinuits qui correspondent des
changements dtat du systme en liaison avec les apports des pluies (Fig. 57).
La fonction de gain apporte la possibilit dvaluer quantitativement limportance des
amplifications ou des attnuations du signal dentre. On note uniquement une attnuation pour les
diverses frquences (Fig. 58). Le pouvoir inertiel du systme est assez important, ce qui indique des
rserves non ngligeables.
R x,y
2
C x,y
1
1,8
0,9
Fo nctio n de co hrence
0,8
Fo nctio n de gain
1,6
0,7
1,4
0,6
1,2
0,5
0,4
0,8
0,3
0,6
0,2
0,4
0,1
amplification
attnuation
0,2
f
0
0
0,04 0,08 0,12 0,16
0,2
0,24 0,28 0,32 0,36
0,4
0,44 0,48
0
0
Fig. 57: Fonction de cohrence la station dAit

Bouijjane du 01/09/1973 au 31/08/1994
0,04 0,08 0,12
0,16
0,2
0,24 0,28
0,32 0,36
0,4
0,44 0,48
Fig. 58: Fonction de gain la station de dAit

Bouijjane du 01/09/1973 au 31/08/1994
Tous ces rsultats montrent que tous les oueds tudis ne fonctionnent pas de la mme faon,
certains possdent des possibilits de rgulation et demmagasinement des rserves deau souterraine en
quantits non ngligeables, dautres non. Lanalyse des relations pluie-dbit par lACS au niveau des
diffrents bassins versants montre aussi une prdominance de lcoulement superficiel, ceci est en
liaison avec la nature des formations argileuses qui affleurent au niveau de ces bassins.
Le tableau 16 rcapitule la synthse des rsultats de lanalyse corrlatoire et spectrale (ACS) pour
chaque bassin versant tudi.
88
S. RIAD/ 2003
Bassin versant
Signal
Pluie
Moulouya
Ansegmir
Alatoire
tr = 0 16 j
Tensift
Aghbalou
Effet
saisonnier
ZizRhris
Foum
Tillicht
Ait
Bouijjane
-Effet de
mmoire
faible
-Aucune
priodicit
-Alatoire
-Aucune
priodicit
Signal
Dbit
Effet mmoire
fort
Fc = 0.432 j-1
tr = 49.5 j
Effet mmoire
fort
Fc = 0.472 j-1
tr = 46.5 j
-Peu tal
-pouvoir
rgulateur
-priodicit
annuelle
-Peu tal
-Aucun filtrage
de la pluie
-Impulsion
rapide
Analyse
croise P/ Q
Fonction
cohrence
Fonction
gain
Conclusion
-Pointue
-Drainage fort
-Ruissellement
rapide
-Etalement
-Variation lente
des rserves
Non linaire
0.5>R>0.1
Dgradation
rapide
Bon stockage
en eau
Linarit
mdiocre
R = 0.2
Fort pour les

basses
frquences
-Peu tale
-pouvoir
rgulateur
-priodicit
annuelle
-Peu tale
-Aucun filtrage
de la pluie
-Impulsion
rapide
Bon stockage
en eau sur la
seule priode
hivernale
Rserve
rgulatrice
pour les
basses eaux
Linarit faible Attnuation

R = 0.5
pour les
moyennes et
hautes
frquences
Discontinuits Attnuation
Fort pouvoir
Cohrence
pour quelques inertiel
bonne pour
frquences
les basses
frquences
Tab. 16: Rsum des rsultats de lACS des bassins versants analyss
III.4.4. Conclusion
Lapplication de la mthode des analyses corrlatoire et spectrale aux chroniques des dbits et des
pluies des diffrents systmes hydrologiques de surface a permis de dgager les observations suivantes
synthtises dans le tableau 16 prcdent :
Le bassin versant de loued Ansegmir la station dAnsegmir montre une importance des rserves
en eau souterraine avec un bon stockage pendant les priodes pluvieuses. On note des retards dans les
apports de loued.
Le bassin versant de loued Ourika la station dAghbalou prsente un bon stockage en eau
pendant la seule priode hivernale puis un dstockage en priode estivale.
Le bassin versant de Ziz la station de Foum Tillicht dispose dune certaine rserve qui lui permet
de rgulariser son rgime en priodes de basses eaux.. Les rserves sont situes dans une zone
superficielle de laquifre multicouche du Jurassique moyen (Dogger : calcaires marneux). Ceci permet
aux annes excdentaires de compenser les annes dficitaires. Le rgime de ce systme est rgularis et
prenne. Le systme de Sidi Hamza est le sige de deux types dcoulements : un coulement de surface
rapide (hydrogramme pointue) possdant un pouvoir rgulateur faible, et un coulement souterrain
(hydrogramme tal) avec un pouvoir rgulateur important.
Le bassin versant de loued Rhris la station dAit Bouijjane ne contrle quune composante de
lcoulement savoir lcoulement de surface et il possde en profondeur un systme de drainage trs
dvelopp. Malgr la vgtation intense qui pourrait favoriser lvapotranspiration le long de loued
Todrha, il reste toujours une quantit deau pour linfiltration qui contribue lalimentation des rserves
89
S. RIAD/ 2003
souterraines. Le systme ne possde pas de rserves pouvant rgulariser son rgime en priode
dficitaire. Le systme est trs bien drain en profondeur, avec un rseau de drainage bien dvelopp.
La forme de lhydrogramme unitaire pointue et trs peu tale montre que le systme prsente en
majorit des coulements superficiels rapides (ruissellement) d la structure gologique htrogne.
En effet, il est constitu essentiellement dans sa partie Nord par des calcaires marneux du Dogger
formant laquifre principal et dans sa partie Sud par le Lias infrieur calcaire massif (Domrien,
Sinumrien) constituant le principal rservoir.
Les analyses corrlatoire et spectrale nous ont permis dtudier le comportement de chacun des
systmes hydrologiques de surface tudis dun cycle lautre, destimer limportance des rserves et
dexaminer la relation pluie-dbit. Do lintrt de lutilisation de la mthode (ACS) comme tape
prliminaire la modlisation des fonctions pluie-dbit de tout systme hydrologique de surface.
IV. CONCLUSION
Lanalyse statistique des donnes physiographiques a permis de comparer et didentifier les

groupes daffinits entre les diffrents bassins versants et dapprhender les liens qui peuvent exister
entre les diffrents paramtres laide des analyses multidimensionnelles (ACP et AFD) ainsi que par le
modle de la rgression linaire pour dterminer la relation des coulements superficiels avec les
paramtres physiques de chaque bassin hydrologique.
Lanalyse statistique des pluies et des dbits a mis en vidence une variabilit notable dans
lespace et dans le temps des coulements superficiels et des prcipitations au sein de chaque bassin
versant, situ dans des contextes gologiques et climatiques diffrents.
Les ajustements statistiques nous a permis de detrminer les meilleurs lois des sries de dbit de
crue pour chaque bassin versant analys ainsi que les priodes de retour.
Les analyses corrlatoire et spectrale (ACS) ont permis la caractrisation de chaque systme
hydrologique par tude de la relation entre les entres (pluies) et les sorties (dbits) en assimilant le
systme une "bote noire". LACS reste un outil descriptif, et non une simulation exacte de la ralit,
par consquent, on utilisera dautres mthodes, telle que la modlisation des coulements qui peut
prendre en compte plusieurs paramtres physiques du bassin.
La dmarche mthodologique propose a permis de faire une synthse sur le mode de
fonctionnement hydrologique des bassins versants analyss sur la base doutils statistiques trs
diffrents, dont chacun apporte des lments dinformations plus spcifiques.
Les rsultats issus de ces mthodes peuvent tre utiliss, afin daborder la modlisation des
fonctions pluie-dbit par application des modles linaire et non linaire (MERO et RNA ou ANN) pour
la simulation et la prvision hydrologique.
90
S. RIAD/ 2003
3me PARTIE : MODELISATION DES FONCTIONS PLUIE-DEBIT
me
PARTIE :
MODELISATION DES FONCTIONS

PLUIE-DEBIT
91
S. RIAD/ 2003
Nous prsentons dans cette partie la modlisation des fonctions pluie-dbit laide de
lutilisation du modle de simulation numrique rservoirs (MMO8) et le modle non linaire de
rseaux de neurones artificiels (RNA). Le premier modle a t appliqu pour la simulation des dbits
lexutoire et le deuxime modle est utilis pour la prvision hydrologique.
Avant dentamer cette modlisation, on va tout dabord donner un bref aperu sur les diffrents
modles hydrologiques frquemment utiliss pour la simulation et la prvision des dbits au niveau des
exutoires des bassins versants ainsi dcrire le mode de fonctionnement des deux modles appliqus.
I. RAPPELS DES MODELES HYDROLOGIQUES
I.1. Introduction
Un modle hydrologique est un moyen de reprsentation sous une forme comprhensible dun
systme complexe du cycle de leau en phase terrestre.
Les modles hydrologiques sont des outils trs frquemment utiliss dans le domaine de
lvaluation, de la valorisation et de la gestion des ressources en eau. Les modles mis au point par les
hydrologues permettent de mieux comprendre et prvoir les variations de dbit lexutoire dun bassin
versant. Les approches globales se sont dabord imposes, elles sont dites conceptuelles (ou
dterministes) ou empiriques (ou stochastiques).
I.2. Modles conceptuels (ou dterministes)
Lapproche dterministe est base sur la simulation physique du systme hydrologique. Le

modle dterministe suppose quun calcul exact des paramtres est possible. Dans de nombreux cas,
cette hypothse savre peu raliste, car les phnomnes naturels sont trs alatoires. Les modles
dterministes (ou modles physiques distribus) sont finalement tous limits par le grand nombre de
paramtres mesurer et par les limites des connaissances actuelles des systmes naturels complexes.
Cette approche fait appel aux lois de continuit, de lnergie et des forces dimpulsion ainsi que
des autres relations physiques pour traduire les entres (pluies) et les sorties (dbits) et pour
reprsenter le dplacement de leau dans un bassin versant.. Cette reprsentation conduit un systme
d'
quations diffrentielles partielles qui doit tre rsolu de faon numrique. Le modle SHE (Systme
Hydrologique Europen) est un bon exemple de modle appartenant cette catgorie (Abbott et al.,
1986).
Par opposition aux modles empiriques, les modles conceptuels refltent, de par leur structure
interne, une conception du systme modlis. Ainsi, moins de donnes sont ncessaires pour obtenir
des prvisions prcises. Cependant, la spcification incorrecte du modle peut causer un biais qui ne
pourra tre corrig par lacquisition de donnes supplmentaires.
92
S. RIAD/ 2003
Ils reprsentent des modles bass sur la connaissance et la modlisation des phnomnes
physiques du bassin versant. En hydrologie, les modles conceptuels sont souvent utiliss, par exemple
pour tendre des sries courtes de dbits et pour dterminer des caractristiques statistiques de
lcoulement.
I.3. Modles globaux (ou stochastiques)
Lapproche stochastique permet de passer outre les limites des connaissances physiques du
systme. Elle prend seulement en compte laspect alatoire des phnomnes. Contrairement aux
modles dterministes, les modles globaux fonctionnent comme des "botes noires", c.--d. sans
aucune considration de la structure interne du systme. Elle simule les variations observes des
sorties sans essayer de dcrire le processus physique qui existe derrire ces observations.
Les modles globaux mettent laccent sur la comprhension de la relation structurelle rgissant
les variables de sortie du bassin (dbits) et les observations des variables dentre. Ils caractrisent
globalement les relations pluie-dbit par des traitements de sries chronologiques o nintervient en
gnral aucune donne sur la nature physique du bassin (Ambroise, 1991) : Cest typiquement le cas
des modles rgressifs pluie-dbit, des mthodes bases sur les fonctions de transfert, comme celle de
lhydrogramme unitaire (Sherman, 1932) et les modles stochastiques. Un modle global peut tre une
bote noire : dans la mesure o il produit des prvisions prcises, il importe peu de comprendre sa
structure interne. Lutilisation rcente des rseaux de neurones artificiels (Hsu et al., 1995) relve
galement de cette catgorie.
II. MODELE MERO (MMO8)
II.1. Introduction
La rponse aux prcipitations enregistres aux stations pluviomtriques dun systme

hydrologique de surface ou souterrain est conditionne par des paramtres lis la surface du bassin
versant, la nature des terrains, leur tat de saturation, lvaporation, linfiltration, les transits et la
rtention de leau par les terrains. Cette rponse est donne sous forme dun dbit lexutoire. La
simulation des coulements permet de reconstituer lhydrogramme et danalyser les mcanismes de
fonctionnement et dalimentation dun tel systme hydrologique. Cest dans cette optique que nous
avons utilis le modle de simulation qui est le modle MMO8 qui est mis au point par MERO
(MERO F., 1978).
93
S. RIAD/ 2003
II.2. Principe du modle MERO
Cest un modle hydromtorologique dterministe pas de temps journalier, bas sur la

vidange de rservoirs successifs correspondant des units hydrogologiques constituant le systme
aquifre (Mero F. & Gilboa Y., 1974 ; Birtles A.B., 1978). Le volume total de leau coulable stocke
dans un systme aquifre peut scrire (in Mania, 1982) :
Vj =
n
j =1 0
Q0, j (t ). dt =
j =1
Q0 , j e
t0 , j
dt
(26)
Avec :
j = le numro dordre de lunit de stockage (aquifres superficiels ou profonds, surfaces de
ruissellement),
Q0, j = le dbit initial au dbut du cycle hydrologique de la jme unit,
t 0, j = le coefficient du temps de tarissement de la jme unit ( t 0, j =
La dcharge Q dune unit de stockage est proportionnelle au changement de volume ( V ) et la

variation de la surface pizomtrique ( h ) des nappes, do :
Le dbit restitu par un systme aquifre peut scrire de la forme suivante :
dV
=
j =1 dt
n
n
j =1
S j . Aj .
dh j
dt
n
j =1
Q j (t )
(27)
Avec :
h j = la profondeur moyenne de la nappe pour la jme unit,
t = le temps,
S j = le coefficient demmagasinement de la jme unit,
A j = la superficie de laffleurement des units de recharge quand le mouvement libre de leau
peut prendre place estim partir des cartes gologiques puis rajuste au cours du calage
du modle.
Des quations (26) et (27), on tire :
Q j (t ) = Q0 j . e j.t
(28)
Do :
Q j (t )
Qo, j
=e
t0
= e 1 = 0,3678 pour t = t 0 =
94
(29)
S. RIAD/ 2003
La sparation des caractristiques de variation des dbits se fait par analyse des hydrogrammes.
Cette mthodologie a t applique au bassin versant de loued Ourika la station dAghbalou afin de
simuler le dbit lexutoire.
II.3. Fonctionnement du modle
Les donnes de base utilises pour la simulation sont les pluies, les dbits et les valeurs de
lvapotranspiration potentielle (ETP) par dcade (calcule par la mthode de Thornthwaite). Dautres
paramtres sont lis la morphologie (paramtres de forme) et aux coulements (paramtres
hydrodynamiques et dinfiltration) qui sont modifiables par ajustements successifs au cours des essais
de calage du modle. Celui-ci a ncessit de nombreuses simulations au cours desquelles ont t
testes plusieurs hypothses hydrologiques relatives la variation de chaque paramtre considr dans
le modle.
Les paramtres du modle utiliss dans la simulation des coulements comportent :
Paramtres de forme :
Les surfaces topographiques et de recharge sont :
La surface totale du bassin en km (A4)
Les superficies des terrains permables en km : aquifre principal (A1) et aquifre secondaire
(A2)
Les formations semi-permables (A3)
Paramtres hydrodynamiques et dinfiltration :

Paramtres hydrodynamiques :
Valeurs du temps de tarissement des diffrentes units : obtenues par analyse des hydrogrammes
(dcrue et tarissement)
Pendant la dure de ce coefficient de temps, le dbit du rservoir est rduit des 2/3. On note les
coefficients de temps de tarissement suivants (en jours) : de laquifre principal (to1), de laquifre
secondaire (to2), de lunit coulement retard hypodermique (to3) et de lunit de ruissellement dont
lcoulement est d une concentration rapide (to4),
Paramtres dinfiltration
Linterception des eaux de surface (UST en mm)

Les paramtres rgulateurs de linfiltration portent sur la capacit de rtention des sols :
* quivalent maximal de la capacit au champ ou de la limite de rtention capillaire (LCF en mm)
= 1er rservoir de lhypothse de MERO
* quivalent de lhumidit maximale de la totalit du sol et de leau de rtention capillaire (LST en
mm)
* valeur initiale de lhumidit du sol dans le 1er rservoir (L1 en mm)
95
S. RIAD/ 2003
* valeur limite de linfiltration de surface sur les zones permables (P0 en mm)
* valeur limite de linfiltration de surface sur les zones impermables et semi-permables (Q0 en mm)
* facteur de proportionnalit agissant sur la fonction de rgulation du ruissellement CT entre 0.5 et 1
* valeur limite de la hauteur de pluie journalire quand la rduction de lETP est ralise (RPE en mm)
* temps de concentration des coulements hypodermiques et de surface en demi-journes (SND en
jours)
* paramtre de variation saisonnire de la valeur (UST)
* paramtre de variation saisonnire de la valeur (LFC en mm)
* paramtre de rgulation de la vidange des eaux souterraines (DM en jours)
* exposant de la fonction rgulant lvaporation EX entre 1.5 et 2
* valeur initiale du dbit du rservoir principal S1IN (m3/s)
* valeur initiale du dbit du rservoir secondaire S2IN (m3/s).
Le programme de calcul restitue respectivement :
au pas journalier :
- les valeurs de dbit calcul des quatre units de stockage ainsi que le dbit total lexutoire,
- les prcipitations
- la lame dinfiltration,
- lhumidit des horizons L1 et L2 du milieu,
- le dbit total mesur la station hydromtrique.
au pas mensuel :
- les diffrents dbits signals ci-dessus (exprims en volume),

- la pluie totale,
- la lame dinfiltration cumule,
- le coefficient de corrlation entre les dbits mesurs et simuls.
au pas annuel :
- les diffrents types de dbits cits prcdemment,

- la pluie totale,
- la lame dinfiltration totale,
- la lame ruissele totale,
- lETP et lETR annuelle.
Le dbit simul par le modle MMO8 est essentiellement li ltat des resserves dans chacune
des units en fonction de leur temps de tarissement. Le mode de fonctionnement du modle MERO est
illustre dans le schma simplifie de la figure 59 (Lallahem., 2002).
96
S. RIAD/ 2003
t01 , t02 , t03 , t04 : temps de tarissement de

chaque aquifre
Pluie
1er rservoir
de rgulation
2me rservoir
de rgulation
L1
L2
Aquifre principal
t01
A1
Aquifre secondaire
t02
A2
Formation
semi permable
Formation
imprmable
t03
A3
A4
t04
Fig. 59: Schma simplifi du mode de fonctionnement du modle MERO
II.4. Rsultats de la simulation
Le modle MERO a t appliqu quelques bassins marocains et ne sera prsent que pour le
bassin versant dOurika sur une anne hydrologique moyenne (1972-1973) titre dexemple.
Le bassin de lOurika appartient au domaine du Haut Atlas occidental. Il comprend une grande
partie des hautes montagnes de lAfrique du Nord et en particulier la plus leve dentre elles (Jbel
Toubkal, 4165 m daltitude).
Les formations lithologiques sont en grande partie impermables et compactes occupant plus de
55% de la superficie totale du bassin. Elles sont constitues essentiellement de terrains cristallins et
fissurs du socle localiss dans la zone axiale et des grs dans la zone des Hauts Plateaux.
Les terrains semi-permables (argiles rouges du Trias, schiste, flysch, granite, basalte,) sont
localiss dans la zone subatlastique, avec une portion de 39% de la surface totale du bassin. Quant aux
terrains permables (calcaire, basalte, alluvions,), ils reprsentent moins de 6%, localiss sur la
bordure Nord de la zone subatlasique et dans les fonds des valles et sur les versants. Bien aliments
en hiver et printemps, les grs se tarissent trs rapidement do lexplication du stockage saisonnier.
Les diffrents paramtres hydrodynamiques introduits dans le modle sont modifis
successivement jusquau calage du modle (= carts minimums entre dbits calculs et dbits
mesurs).
Les paramtres retenus sont donns dans le tableau suivant et ce sont ceux qui donnent le
meilleur ajustement graphique des dbits calculs sur les dbits observs, aprs plusieurs essais de
simulation (Tab. 17).
97
S. RIAD/ 2003
Paramtres de surface + paramtres dinfiltration et hydrodynamiques

A1
400
P0
30
A2
50
Q0
1
A3
80
CT
0.4
A4
530
RPE
15
t01
70
SND
6
t02
40
UST
2
t03
15
LFC
10
t04
2
DM
10
UST
2
EX
1.9
LST
20
S1IN
1.5
L1
10
S2IN
Tab. 17: Paramtres retenus de la simulation du modle MERO pour le bassin tudi
Les rsultats obtenus de la comparaison entre les hydrogrammes observs et calculs et de

linfluence des pluies sont illustrs dans la figure 60.
Dbit (m 3/s)
70
Dbit simul
60
Dbit observ
50
Pluie en mm
40
30
20
10
358
337
316
295
274
253
232
211
190
169
148
127
106
85
64
43
22
Temps en jours
Fig. 60: Comparaison des hydrogrammes des dbits simuls et observs (1972-1973)
Leffet limitant de cette simulation est li lexistence dune seule station de mesure qui est la
plus quipe, situ en montagne et laval du bassin versant de loued Ourika, une altitude de 1000m
(station dAghbalou). Aussi les rsultats auraient pu tre meilleurs avec un rseau de stations
climatiques rparties sur tout le massif montagneux. Il faut noter galement lexistence dun manteau
neigeux en montagne dont la fusion intervient entre mars et mai.
98
S. RIAD/ 2003
III. RESEAUX DE NEURONES ARTIFICIELS

III.1. Prsentation de la mthode neuronale
Les rseaux de neurones artificiels (RNA ou ANN) constituent une nouvelle approche de
modlisation des systmes complexes, particulirement utile lorsque ces systmes sont difficiles
modliser laide des mthodes statistiques classiques. Les rseaux de neurones artificiels sont issus
des premiers travaux raliss dans le domaine de lintelligence artificielle pour modliser le
fonctionnement du cerveau humain (McCulloch et Pitts, 1943) en se basant principalement sur le
concept des neurones. Il sagit dun modle empirique non linaire (Fortin et al., 1997). Il se compose
dlments de traitement interconnects (neurones) travaillant conjointement pour rsoudre un
problme spcifique. R. Hecht Nielsen 1990 donne la dfinition suivante : un rseau de neurones est
un systme de calcul compos dlments de traitement simples fortement interconnects, qui traitent
linformation par leur changement dtat dynamique en rponse une entre externe.
III.2. Connections entre les neurones
Les rseaux de neurones sont organiss en couches ; ces couches se composent dun certain
nombre de neurones interconnects qui contiennent une fonction dactivation. Des entres
( X 1 , X i , ..., X n ) sont prsentes au rseau par lintermdiaire de la couche dentre, qui les
communique aux couches caches o le traitement seffectue en utilisant des connexions pondres.
Puis, les couches caches transmettent la rponse la couche de sortie ( S ). Les connections entre les
neurones se font par des poids ( W1 , Wi ,..., W n ) (Fig. 61).
Entres
X
Xi
Un neurone artificiel
Sortie
W 1 (Poids
Wi
Xi Wi
Wn
X n
Fig. 61: Schma dun neurone artificiel
Le fonctionnement dun neurone artificiel sinspire du fonctionnement schmatis du neurone

humain (Fig. 62).
99
S. RIAD/ 2003
Dendrite
Soma
(Corps cellulaire)
Axone
Synapse
Noyau cellulaire
Fig. 62: Schma dun neurone biologique
Le tableau suivant rsume lanalogie entre les neurones biologiques et artificiels (Tab. 18).
Neurone biologique Neurone artificiel
Soma
Neurone
Dendrite
Entre (Input)
Axone
Sortie (Output)
Synapse
Poids
Tab. 18: Analogie entre les neurones biologiques et artificiels
III.3. Perceptron Multicouche (PMC)
Il existe une grande varit dagencements possibles de neurones artificiels (Lippmann, 1987),
mais le type de rseau le plus utilis pour la prvision de phnomnes hydrologiques est le Perceptron
Multicouche (PMC). Ce rseau comporte une couche de neurones artificiels pour capter les entres,
une ou plusieurs couches caches (MLP ou MultiLayers Perceptron) et une couche de neurones
artificiels pour mettre les sorties du modle. Chaque couche contient des units de calcul (neurones)
connectes dautres neurones par la voie des poids (Wij et Wjk) [Najjar and Zhang (2000), Najjar and
Ali (1998a) & (1998b)].
La fonction de transfert ou dactivation de non-linarit peut avoir plusieurs formes diffrentes.
La fonction la plus utilise est en gnral une somme pondre de type sigmode car il sagit dune
fonction continue, non dcroissante, diffrentiable et borne, mais aussi elle introduit de la nonlinarit et drive delle-mme.
A chaque connexion entre les neurones de deux couches successives est associ un poids
modifiable au cours de lapprentissage en fonction des jeux de donnes en entre et en sortie. Un PMC
peut contenir autant de couches caches que lon dsire mais il a t montr que quel quen soit le
nombre, il existe un MLP quivalent avec une seule couche cache. Ainsi, on se limitera dans cette
tude lutilisation de MLP comportant une seule couche cache.
Si les tats des neurones de la couche dentre sont dtermins par les variables lentre du
rseau, les autres neurones (de la couche cache et de sortie) doivent valuer lintensit de la
simulation en provenance des neurones de la couche prcdente par la relation suivante :
100
S. RIAD/ 2003
Sj =
n
i =1
X iW ij + b j
( 30 )
Avec S j : somme des poids entre les entres du j me neurone de la couche cache ; X i : valeur de
sortie du i me neurone de couche prcdente ; Wij : poids synaptique du neurone i de la couche
dentre au neurone j de la couche cache, b j est le biais ou le seuil dactivation du neurone j .
La rponse des neurones est une fonction dactivation non linaire de type sigmode qui est
dfini par la formule suivante :
f (S j ) =
1
1+ e
S j
(31 )
f ( S j ) est pratiquement linaire entre 0 et 1.
Les valeurs des variables dentre ont t normalises entre [0, 1] par le modle selon lquation
suivante :
X =
X X min
X max X min
( 32 )
Avec : X est la valeur de la variable dentre, X min est sa valeur minimale, X max est sa valeur
maximale et X est la valeur de la variable normalise.
IV. APPLICATION DU MODELE DE RNA (ou ANN)
Les rseaux de neurones artificiels, connus gnralement sous lacronyme ANN (Artificial
Neural Network), sont des modles mathmatiques non linaires de type "bote noire" capables
dtablir des relations entre les entres et les sorties dun systme.
Les performances de ces derniers dans la modlisation non linaire ont t prouves dans
plusieurs domaines de lingnierie et de la science. Dans le domaine de lingnierie essentiellement en
gotechnique on peut citer Najjar et al (1996), Najjar and Ali (1998a) & (1998b) et Najjar and Zhang
(2000) qui ont appliqu les RNA pour lvaluation de la permabilit des argiles et la liqufaction des
sols.
En hydrologie de surface, les rseaux de neurones sont utiliss pour la prvision de la qualit de
leau (Maier et Dandy, 1996), pour la prvision de la demande en eau (Cubero., 1991), pour la
prvision du dbit (Karunanithi et al., 1994, Dimopoulos et al., 1996, Lek et al., 1996, Coulibaly et al.,
2000, Imrie et al., 2000, Sivakumar et al., 2002) et pour la prvision des prcipitations (French et al.,
1992, Luk. Kin et al., 2001). En outre, les rseaux de neurones sont utiliss pour modliser la relation
pluie-dbit (Hsu et al., 1995, Smith et Eli., 1995, Minns., 1996, Shamseldin., 1997, Dawson et Wilby.,
1998 et 2000, Sajikumar et Thandaveswara., 1999, Tokar et Johson., 1999) et pour la prdiction de
lvaporation (Sudheer et al., 2002).
101
S. RIAD/ 2003
Dautres auteurs ont appliqu avec succs les mthodes neuronales pour la prvision des sries
chronologiques dans diffrents domaines (Chen et al., 1990, Chakraborty et al., 1992, Hoptroff., 1993,
Zhang., 1994, Hu et al., 2001) et dans la caractrisation des pollutions de sol (Dan et al., 2002). Dans
le domaine de lhydrogologie, les rseaux de neurones sont utiliss pour la prvision de la turbidit de
leau dans un milieu karstique (Beaudeau et al., 2000), et pour dterminer les paramtres qui
influencent les dbits des sources, pour la simulation et la prvision des dbits dans un milieu crayeux
fissur (Lallahem et Mania., 2002a & 2002g).
IV.1. Architecture du rseau
Larchitecture du rseau prcise le nombre de couches qui le composent et le nombre de

neurones dans chaque couche, ainsi que le poids des connexions. Un rseau de neurones artificiels est
organis en couches, chacune de ces couches comportant plusieurs neurones. Chacun de ces neurones
qui se prsente comme unit de calcul autonome, est reli la totalit ou certains neurones de la ou
des couches prcdentes par limposition de poids.
Le rseau de neurones utilis dans notre tude est un rseau trois couches : une couche dentre
qui recevra les donnes source que lon veut utiliser pour lanalyse, une seule couche cache constitue
par lensemble de neurones des sorties de la couche dentre et une couche de sortie qui donne le
rsultat obtenu aprs compilation par le rseau des donnes entrant dans la premire couche (Fig. 63).
La fonction de transfert applique est de type sigmode. Le rseau de neurones utilis est lalgorithme
de rtropropagation de lerreur qui correspond au Perceptron multicouche (Rumelhart et al., 1986).
Dans ce travail, lutilisation dune seule couche cache est suffisante pour le modle de RNA
(Cybenko., 1989, Hornik et al., 1989). Dans la majorit des cas, pour limiter le temps de calcul et
surtout lorsque les rsultats sont en gnral satisfaisants, cest un rseau une seule couche cache qui
est utilis. Ce type de rseau de neurones est appel un rseau multicouche ou feedforward (FNN).
Parfois laddition dune couche cache na pas diminu lerreur et elle fait dcliner la
performance et la convergence du modle. Les meilleurs rsultats de la simulation avec bonne
convergence et performance du modle sont obtenus dans le cas dutilisation dune seule couche
cache (Lallahem., 2002).
102
S. RIAD/ 2003
Variables d'entre
Couche d'
entre
Couche cache
Couche de sortie
Rt
Rt-1
.
..
Qt+1
Qt
W jk
Qt-1
.
..
W ij
Poids des connections
Entres
X
Xi
W1 (Poids)
Wi
Wn
X n
Sortie
1
Xi Wi + b
0
Fig. 63: Architecture du modle RNA trois couches utilise dans cette tude
103
S. RIAD/ 2003
IV.2. Collecte des donnes
Lapplication de ce modle a t effectue sur les donnes journalires de pluie (R) et de dbit
(Q) des bassins versants de loued Ourika la station dAghbalou et de loued Ansegmir la station
dAnsegmir. Le bassin versant de loued Ourika est un sous bassin versant parmi les plus importants
du bassin versant de loued Tensift. Il draine une superficie de 530 km avec des prcipitations
moyennes de 586 mm par an (1969-1996). Il prsente un grand intrt socio-conomique dans la
rgion du Haut Atlas de Marrakech.
Pour notre tude, pour prdire le dbit nous avons utilis lentre du rseau des valeurs des
dbits et de pluies observes des instants prcdents (t-1, t-2, t-3,). En consquence, la sortie du
rseau reprsente la valeur prvue de dbit pour le jour suivant t+1 (Qt+1).
La structure du modle RNA peut tre reprsente par la forme suivante :
{Qt+1} = ANN [Rt, Rt-1, Rt-2, Rt-3,, Rt+1, Qt, Qt-1, Qt-2, Qt-3,]
(33)
La base de donnes a t divise en trois phases : La phase dapprentissage, la phase de test et la

phase de validation. Lapprentissage est la proprit la plus intressante du modle des rseaux de
neurones. Pour apprendre, le rseau doit connatre la rponse quil aurait d donner. Cest la phase du
dveloppement dun rseau de neurones durant laquelle le comportement du rseau est modifi jusqu
lobtention du comportement dsir. Lintrt du test est darrter lapprentissage (la minimisation) au
bon moment. Une fois le rseau calcul, il faut procder des tests pour vrifier que le rseau ragit
bien comme on le souhaite : cest la validation. La mthode la plus simple pour faire la validation est
de garder une partie de lchantillon rserv lapprentissage pour la validation et faire ainsi une
validation hors-chantillon.
Entre 60 80% de cet ensemble de donnes est utilis pour la phase dapprentissage, 10 20%
de donnes constituent la phase de test et les 10 20% de donnes restantes sont rserves pour la
phase de validation. La majeure partie des donnes est utilise dans la phase dapprentissage pour
fournir des rsultats trs satisfaisants et adquats.
IV.3. Critres de performance du modle
La modlisation par le rseau de neurones artificiels consiste trouver le nombre optimal de

neurones dans la couche cache ainsi le nombre ditrations pour aboutir au modle le plus performant
qui est dtermin par le minimum du nombre de nuds et ditrations. La performance du modle de
RNA est aussi valide par dautres paramtres statistiques des phases dapprentissage et du test et qui
correspondent au nombre optimal de neurones de la couche cache et du nombre ditrations.
104
S. RIAD/ 2003
Les paramtres statistiques utiliss dans ce travail sont : Lerreur moyenne des carrs ASE
(Average Squared Error), le coefficient de dtermination R2 et lerreur moyenne absolue et relative
MARE (Mean Absolute Relative Error). Ces paramtres sont donns par les relations suivantes :
ASE =
N
i =1
Qt i Q t i
R2 = 1
i =1
N
i =1
MARE =
i =1
(Qt
(Qt
/N
Q t i
Q t)
Q t i Qt i
Qt i
N
(34 )
100
( 35 )
(36)
O Qt i est la valeur mesure du dbit, Q i t est le dbit calcul par le modle, Qi t est le dbit moyen
mesur et N est le nombre de donnes de lensemble de calage.
La valeur de l ASE donne une indication sur lerreur de prvision obtenue lors de la phase de
test de la modlisation et R montre la variation de la valeur du dbit calcul ou estim par le modle
de la rgression linaire. Les valeurs idales pour ASE et MARE sont gales 0 et R peut correspondre
1.
La performance du modle est aussi dtermine graphiquement par lalignement du nuage de
points autour de la courbe y = x (droite linaire 45).
IV.4. Rsultats et discussions
IV.4.1. Slection des entres du rseau
Les variables dentre du modle correspondent aux valeurs moyennes journalires de pluies (R)
et de dbits (Q) observes des instants prcdents (t-1, t-2, t-3,) du bassin versant de loued Ourika
la station dAghbalou.
La premire tape de modlisation consiste utiliser toutes les donnes disponibles sur la zone
dtude qui couvre une priode denregistrement de 28 ans (1969-1996). Ce qui correspond 10 220
valeurs journalires des pluies et des dbits. Le vecteur d'
entre du modle est reprsent par les
prcipitations (R) et les valeurs des dbits (Q) pour les 7 jours prcdents (c..d : t, t-1, t-2, t-3, t-4, t-5,
t-6) aussi bien que la valeur de pluie prvue pour le jour t+1. Le vecteur de sortie reprsente la valeur
prvue du dbit pour le jour t+1 (24 heures) (Fig. 64).
Le modle de RNA est reprsent par la forme suivante :
{Qt+1} = ANN [Rt-6, Rt-5, Rt-4, Rt-3, Rt-2, Rt-1, Rt, Rt+1, Qt-6, Qt-5,Qt-4, Qt-3, Qt-2, Qt-1, Qt]
105
(37)
S. RIAD/ 2003
Le choix de la priode de dcalage a t bas sur la relation pluie-dbit, cest dire sur le temps
de rponse du bassin suite une telle pluie pour gnrer un dbit enregistr lexutoire. Les rsultats
obtenus montrent une meilleure convergence du modle et donc des bonnes prvisions.
Couche d'
entre
Couche cache
Couche de sortie
Variables d'entre
Rt
Rt+1
Rt-1
Rt-2
Rt-3
Rt-4
Rt-5
Qt+1
Rt-6
Qt
Q t-1
Q t-2
Q t-3
Q t-4
Q t-5
Q t-6
W jk
W ij
Entres
X1
Xi
W1 (Poids)
Wi
Wn
X n
Sortie
1
Xi Wi + b
0
Fig. 64: Architecture du modle RNA trois couches
La deuxime tape de modlisation consiste dterminer le nombre optimal dannes retenir

ainsi que le dcalage dans le temps (le pass des variables dentre ou pas du temps) des paramtres de
la couche dentre (nombre de jours) par le modle RNA. Ce qui permet lutilisateur de faire des
bonnes prvisions partir des donnes de courte priode denregistrement car lacquisition et la
disponibilit des donnes pour une longue priode rside un grand problme.
106
S. RIAD/ 2003
Un autre avantage est que le calcul sera allg avec une base de donnes moins puissante par
comparaison avec celle utilise dans la premire tape de modlisation.
Les variables dentre ont t slectionnes par le modle de RNA en calculant lerreur moyenne
ASE de la phase de test de telle manire quelle soit le minimum possible.
Les rsultats rvlent que lerreur minimum ASE de la phase de test a t obtenue en utilisant un
nombre de deux annes (1993 et 1994) pour la phase dapprentissage et des deux jours prcdents (le
pas de temps sera de 2 jours) (Fig. 65).
0,00007
0,00006
0,00007
0,00006
0,00005
0,00004
ASE
ASE
0,00005
0,00003
0,00004
0,00003
0,00002
0,00002
0,00001
0,00001
0
2
10
Nombre d'annes
Nombre de jours
Fig. 65: Slection des variables dentre par ASE (Average Squared Error)
A : Nombre dannes, B : Nombre de jours
Les variables utilises donc lentre du rseau sont : Rt-1, Rt, Rt+1, Qt-1, Qt (Fig. 66). Dans ce
cas, la structure du modle de rseau de neurones peut tre exprime comme suit :
{Qt+1} = ANN [Rt-1, Rt, Rt+1, Qt-1, Qt]
(38)
Le choix de ces variables dentre aboutit une meilleure convergence et performance du

modle.
107
S. RIAD/ 2003
Variables d'entre
Couche d'
entre
Couche cache
Couche de sortie
Rt-1
Rt
Qt+1
..
.
Rt+1
Qt-1
W jk
Qt
W ij

Entres
X
Xi
W1 (Poids)
Wi
Wn
X n
Sortie
1
Xi Wi + b
0
Fig. 66: Architecture du modle RNA
108
S. RIAD/ 2003
IV.4.2. Prvision des dbits
Pour la premire tape de modlisation, les donnes sont subdivises en deux parties : 25 ans
(1969-1993) sont utiliss pour lapprentissage et les trois dernires annes (1994-1996) pour le test du
modle RNA.
Lapprentissage du rseau a t effectu de faon que la moyenne des carrs des erreurs
( ASE ) soit minimale essentiellement pour la phase de test. Le calage et la convergence du modle ont
t test donc par rapport lerreur moyenne ASE de la phase de test.
Dans ce cas, le modle converge pour un nombre de neurones de 13 dans la couche cache avec
700 itrations et par consquent on enregistre une valeur minimale derreur de l ASE pendant la phase
de test.
Les rsultats obtenus sont reprsents dans la figure 67 qui illustre une comparaison entre les
diagrammes de donnes de dbits observs et simuls t+1 pour les phases de modlisation
respectivement lapprentissage et le test.
Phase d'apprentissage
250
Dbit simul (m /s)
300
200
Courbe y = x
150
100
50
R = 0,908
0
0
50
100
150
200
3
Dbit observ (m /s)
250
Paramtres Dbit observ Dbit simul

(m3/s)
(m3/s)
statistiques
6.52
6.58
Moyenne
14.59
13.15
Ecart type
0
0.1
Minimum
324
311.05
Maximum
2.24
2.0
Coefficient
de variation
300
Phase de test
Dbit simul (m /s)
60
50
40
Courbe y = x
30
20
10
R = 0,834
0
0
10
20
30
40
50
3
Dbit observ (m /s)

(m3/s)
(m3/s)
statistiques
4.91
5.19
Moyenne
7.45
7.41
Ecart type
0.1
0.8
Minimum
68.8
68.18
Maximum
1.52
1.43
Coefficient
de variation
60
Fig. 67: Comparaison entre les dbits observs et les dbits simuls par le modle de RNA
pour les phases dapprentissage et de test
109
S. RIAD/ 2003
Les paramtres statistiques pour la phase dapprentissage et la phase de test sont donns dans le
tableau (19) suivant :
ASE
MARE
Phase dapprentissage
0.000080
0.908
1.282%
Phase de test
0.000038
0.834
0.718%
Tab. 19: Paramtres statistiques du modle de rseau de neurones du bassin dOurika
Dans la deuxime tape de modlisation, la base de donnes a t subdivise en trois ensembles :

un pour le calage du modle cest lapprentissage, un autre pour le test du modle et le dernier pour la
validation. En effet, le test a t effectu sur un ensemble de 365 valeurs de pluie et dbit de lanne
1995, la validation sur un jeu de donnes nayant pas particip au calage du modle (anne 1996) et
lapprentissage tant ralis sur lensemble des donnes restantes (1993 et 1994).
Le modle le plus performant est obtenu pour un nombre de neurones de 15 dans la couche
cache et avec 1000 itrations. Le nombre de neurones dans la couche cache a t fix 15, ce qui
correspond au minimum derreur de ASE (Fig. 68).
0,00018
0,00016
0,00014
ASE
0,00012
0,0001
0,00008
0,00006
0,00004
0,00002
0
5
11
13
15
17
19
21
Nombre de neurones
Fig. 68: Evaluation de ASE en fonction du nombre de neurones dans la couche cache
En gnral, le nombre de neurones dans la couche cache (NHN : Number of Hidden Nodes) est
donne par lquation suivante :
NHN =
N apprentissage N output
1
N input + N output + 1
10
O :
N apprentissage : Nombre de donnes dans lapprentissage
N input : Nombre de donnes dans la couche dentre
N output : Nombre de donnes dans la couche de sortie
110
S. RIAD/ 2003
Les paramtres statistiques pour la phase dapprentissage, la phase de test et la phase de

validation sont donns dans le tableau (20) suivant :
ASE
MARE
Apprentissage
0.000034
0.9243
1.857%
Test
0.000045
0.8802
0.874%
Validation
0.000013
0.8724
2.148%
Tab. 20: Paramtres statistiques du modle de rseau de neurones
ASE : Average Squared Error, R2 : coefficient de dtermination, MARE : Mean Absolute Relative Error
La comparaison des donnes simules et observes forment un nuage de points situ autour de la
droite linaire
( y = x)
pour les diffrentes phases du modle de RNA. La figure 69 illustre les
diagrammes de donnes de dbits simuls t+1 pour les trois phases de modlisation respectivement
lapprentissage, le test et la validation. La droite de nuage de points est rpartie statistiquement selon
une orientation de 45 (autour de la droite y = x ). Les rsultats obtenus montrent une trs bonne
concordance explique par un coefficient de corrlation lev pour la phase dapprentissage, la phase
de test et la phase de validation. Ce qui indique que ces rsultats sont trs satisfaisants.
Les paramtres statistiques des valeurs estimes par le modle du rseau neural et ceux des
valeurs observes sont trs proches avec une amlioration notable du coefficient de variation pour les
dbits simuls.
111
S. RIAD/ 2003
120
3
Dbit simul (m /s)
100
80
Courbe y = x
60
40
20
R = 0,924
0
0
20
40
60
80
100
3
Dbit observ (m /s)

(m3/s)
(m3/s)
statistiques
6.9
6.53
Moyenne
10.4
9,49
Ecart type
0.1
1.9
Minimum
138
135.8
Maximum
1.65
1.45
Coefficient
de variation
120
Phase de test
Dbit simul (m /s)
60
50
40
Courbe y = x
30
20
10
R = 0,880
0
0
10
30
40
50
3
Dbit observ (m /s)
60
Phase de validation
30
25
Dbit simul (m /s)
20

(m3/s)
(m3/s)
statistiques
8.47
7.86
Moyenne
9.44
8.29
Ecart type
0.8
2.2
Minimum
68.8
52.54
Maximum
1.11
1.05
Coefficient
de variation
20
Courbe y = x
15
10
5
R = 0,872
0
0
10
15
20
3
Dbit observ (m /s)
25

(m3/s)
(m3/s)
statistiques
2.71
3.46
Moyenne
4.29
3.44
Ecart type
0.1
1.7
Minimum
31.9
29.7
Maximum
1.58
0.99
Coefficient
de variation
30
Fig. 69: Comparaison entre les dbits observs et les dbits simuls par le modle de RNA
pour les phases dapprentissage, de test et de validation
112
S. RIAD/ 2003
IV.4.3. Comparaison avec le modle de rgression linaire multiple
Pour valuer la performance du modle de RNA, une comparaison avec dautres modles plus
classiques essentiellement le modle de la rgression linaire multiple (RLM) a t utilis.
Lapplication de ce modle a t faite sur les mmes jeux de donnes utiliss dans la mthode
neuronale pour les deux phases de modlisation.
Pour la premire tape de modlisation, nous avons pris lensemble des donnes utilises
pendant lapprentissage et le test pour lapplication de la rgression linaire multiple. Les rsultats de
cette dmarche sont reprsents dans la figure 70.
250
Dbit simul (m /s)
300
200
150
100
50
R = 0,826
0
0
50
100
150
200
3
Dbit observ (m /s)
250
300
Fig. 70: Comparaison entre les dbits observs et les dbits simuls par le modle
de la Rgression Linaire Multiple RLM
Pour la deuxime tape de modlisation, les variables indpendantes sont : Rt-1, Rt, Rt+1, Qt-1 et
Qt, la variable dpendante est Qt+1.
La figure 71 montre les rsultats obtenus par le modle de rgression linaire multiple (RLM).
Lquation de rgression obtenue est la suivante :
Qt+1 = 0.06 Rt-1 + 0.147 Rt + 0.028 Rt+1 +0.016 Qt-1 + 0.882 Qt
(37)
avec un coefficient de corrlation R = 0.914 (R = 0.8361) sur lensemble des donnes utilises dans le
modle du rseau de neurones artificiels.
113
S. RIAD/ 2003
120
3
Dbit simul (m /s)
100
80
Courbe y = x
60
40
20
R = 0,800
Dbit simul (m /s)
20
40
60
80
100
3
Dbit observ (m /s)
120
60
50
40
Courbe y = x
30
20
10
R = 0,852
0
0
10
20
30
40
50
3
Dbit observ (m /s)
60
25
Dbit simul (m /s)
30
20
Courbe y = x
15
10
5
R = 0,868
0
0
10
15
20
3
Dbit observ (m /s)
25
30
de la Rgression Linaire Multiple RLM
Le tableau 21 illustre la comparaison des coefficients de corrlation entre les valeurs observes
et les valeurs estimes obtenus par les deux modles de prvision RNA et RLM. Les coefficients de
corrlation indiquent la meilleure performance et convergence du modle de rseaux de neurones par
rapport la rgression multiple.
114
S. RIAD/ 2003
Lavantage du rseau neuronal est qu partir des variables exognes on peut calculer plusieurs
variables endognes alors que la rgression linaire multiple ne permet de calculer quune seule
variable endogne la fois.
Rseaux de neurones Regression multiple
R
Phase dapprentissage
Phase de Test
Phase de validation
0.9243
0.8802
0.8724
0.8002
0.8523
0.8684
Tab. 21: Comparaison des coefficients de corrlation obtenus pour les modles de RNA et RLM
La modlisation par les rseaux de neurones artificiels indique une bonne corrlation entre les
valeurs observes et les valeurs estimes. Il en dcoule que le modle de RNA possde un meilleur
pouvoir prvisionnel en comparaison avec les modles classiques.
De nombreuses prvisions ont t effectues afin de dterminer les horizons de ces prvisions
par le modle du rseau neuronal. En augmentant le temps de prvision (t+2, t+3 t+4), on assiste
une diminution du coefficient de dtermination R entre les valeurs observes et celles estimes par
ANN respectivement pour les phases de validation, de test et dapprentissage (Fig. 72) et une
augmentation des erreurs ASE et MARE .
En consquence, les critres de performance de RNA sont dtriors ce qui mne une
divergence du modle en augmentant le temps de prvision des dbits (Tab. 22).
Phase validation
Phase test
Phase apprentissage
0,811
0,792
0,685
A t+2
ASE
MARE
0,000019 2,401%
0,000078 0,360%
0,000140 2,067%
0,670
0,784
0,574
t+3
ASE
MARE
0,000032 2,780%
0,000083 0,462%
0,000189 2,445%
0,606
0,754
0,545
t+4
ASE
0,000036
0,000096
0,000203
MARE
2,783%
0,459%
2,473%
Tab. 22: Comparaison des critres de convergence pour diffrentes priodes de prvision
La figure 73 montre la comparaison entre les dbits simuls et observs pour la phase de
validation pour des priodes de prvisions successives t+2, t+3 et t+4. On note une dispersion du
nuage de points autour de la courbe y = x en augmentant le temps de prvision et on enregistre une
diminution de la corrlation entre les valeurs des dbits simuls et observs. Les erreurs de prvisions
saccumulent en augmentant le temps de prvision des dbits et par consquent le modle diverge.
115
S. RIAD/ 2003
Phase de validation
0,90
0,80
R
0,70
0,60
0,50
0,40
t+1
t+2
t+3
Temps de prvision
t+4
Phase de test
0,90
0,80
R
0,70
0,60
0,50
0,40
t+1
t+2
t+3
Temps de prvision
t+4
0,90
0,80
0,70
0,60
0,50
0,40
t+1
t+2
t+3
Temps de prvision
t+4
Fig. 72: Coefficient de dtermination en fonction du temps de prvision
116
S. RIAD/ 2003
Phase de validation
25
Dbit simul (m /s)
30
20
Courbe y = x
15
t+2
10
5
R = 0,811
0
5
10
15
20
3
Dbit observ (m /s)
25
30
Phase de validation
30
Dbit simul (m 3/s)
25
20
Courbe y = x
15
t+3
10
5
R = 0,670
0
0
10
15
20
3
Dbit observ (m /s)
25
30
Phase de validation
30
Dbit simul (m 3/s)
25
20
Courbe y = x
15
t+4
10
5
R = 0,606
0
0
10
15
20
3
Dbit observ (m /s)
25
30
Fig. 73: Comparaison entre les dbits simuls et observs t+2, t+3 et t+4
pour la phase de validation
117
S. RIAD/ 2003
IV.4.4. Comparaison avec le bassin versant de loued Ansegmir
Le bassin versant de loued Ansegmir reprsente un sous bassin versant de loued Moulouya
avec une superficie de 991 km et une pluviomtrie annuelle de 202 mm/ an (1960-1994). Il est situ
dans un contexte gographique diffrent (se dverse dans la Mditerrane) que celui de loued Ourika
(se dverse dans lAtlantique). Il sagit dun systme hydrologique qui possde des caractristiques
diffrentes dcoulement affectant des zones alluvionnaires importantes.
Pour le choix des variables dentre du modle qui participent la prvision du dbit, nous avons
utilis la mme dmarche que prcdemment. Les rsultats obtenus montrent que le minimum derreur
de lASE pendant la phase de test est enregistr pour un nombre de dix annes (1983 et 1992) pour la
phase dapprentissage avec un dcalage de temps de 2 jours. Le test a t ralis sur lanne 1993 et la
validation effectue sur lanne 1994.
Le nombre optimal de neurones dans la couche cache est de 9 avec 1000 itrations. Ce qui
correspond au modle le plus performant avec un minimum derreur de ASE pendant la phase de test.
Le tableau 23 reprsente les valeurs de lensemble des paramtres statistiques pour la phase
dapprentissage, la phase de test et la phase de validation.
ASE
MARE
Apprentissage
0.000029
0.7152
2.563%
Test
0.000010
0.9361
3.773%
Validation
0.000013
0.4192
3.692%
Tab. 23: Paramtres statistiques du modle de rseau de neurones du bassin dAnsegmir
ASE : Average Squared Error, R2 : coefficient de dtermination, MARE : Mean Absolute Relative Error
La figure 74 illustre les rsultats de la prvision des dbits de loued Ansegmir t+1
respectivement pour la phase dapprentissage, de test et de validation. A partir de ces rsultats, on
constate que le modle montre une convergence moyenne par rapport au bassin de loued Ourika.
Pendant la phase de validation (1994), la corrlation entre les dbits simuls et observs est
moins bonne (R = 0.419) due au fait quen 1994, il y avait des changements importants au niveau du
bassin qui sont non contenus dans les donnes dbimtriques et pluviomtriques tels que les
caractristiques lithologiques, la vgtation et dautres paramtres physiques du bassin.
Pour les phases dapprentissage et de test, cette corrlation est juge satisfaisante puisque lon
enregistre respectivement R = 0.715 et 0.936.
118
S. RIAD/ 2003

70
Dbit simul (m 3/s)
60
50
40
Courbe y = x
30
20
10
R = 0,715
0
0
10
20
30
40 3 50
Dbit observ (m /s)
60

(m3/s)
(m3/s)
statistiques
1.69
1.94
Moyenne
3.01
2.54
Ecart type
0
0.88
Minimum
69.8
39.17
Maximum
1.78
1.31
Coefficient
de variation
70
Phase de test
Dbit simul (m 3/s)
15
Courbe y = x
10
5
R = 0,936
0
0

(m3/s)
(m3/s)
statistiques
2.99
3.1
Moyenne
3.78
3.54
Ecart type
0
0.88
Minimum
19.1
19.34
Maximum
1.27
1.14
Coefficient
de variation
10
15
3
Dbit observ (m /s)
Phase de validation
3
Dbit simul (m /s)
15
12
Courbe y = x
9
6
3
R = 0,419
0
0
6
9
12
3
Dbit observ (m /s)

(m3/s)
(m3/s)
statistiques
1.19
1.63
Moyenne
2.39
2.09
Ecart type
0
0.88
Minimum
17.8
20.69
Maximum
2.01
1.28
Coefficient
de variation
15
pour les phases dapprentissage, de test et de validation
119
S. RIAD/ 2003
IV.5. Conclusion
Lapplication du modle des rseaux de neurones artificiels des donnes pluviomtriques et

dbimtriques journalires du bassin versant de loued Ourika la station dAghbalou permet
dobtenir de bonnes prvisions du dbit court terme (24 heures). Ce qui explique la haute
performance du modle dans la simulation des dbits des oueds situs en climat semi-aride aride.
Cette prvision, qui est base sur des informations de dbits et de pluies du pass et du prsent,
permettrait une meilleure gestion hydraulique afin de minimiser les risques dinondation au sein du
bassin versant tudi. Le modle des RNA possde un bon pouvoir prvisionnel de type pluie-dbit
pour le systme hydrologique tudi.
Le modle de rseau neuronal a t appliqu aussi au bassin versant de loued Ansegmir qui
prsente des caractristiques hydrologiques diffrentes afin de comparer les rsultats obtenus de la
modlisation pour la prvision des dbits des oueds situs dans des contextes gographiques diffrents.
Cette comparaison montre que le modle de RNA ragit en fonction des informations contenues dans
les donnes des dbits et de pluies choisies comme des variables dentre du modle sans une
connaissance dtaille du systme hydrologique.
Des applications de la mthodologie neuronale ont t faites pour dautres bassins versants
(Foum Tillicht et Ait Bouijjane) qui prsentent de trs faibles dbits. Les rsultats obtenus montrent
que le modle diverge avec une augmentation de lerreur ASE et une trs faible corrlation entre les
dbits observs et simuls (une valeur minime de R). Cette divergence est explique par la capacit du
modle RNA de faire des prvisions pour les forts trs forts dbits (cas des inondations).
Les rseaux de neurones constituent, pour la plupart des bassins versants, la meilleure approche
de modlisation pour la prdiction des dbits.
V. CONCLUSION
Deux types dapproches mathmatiques ont t utiliss dans la simulation et la prvision

hydrologique : lapproche dterministe (ou conceptuelle) intgrant le modle MERO (MMO8)
rservoirs pour la simulation numrique et lapproche empirique (ou stochastique) en utilisant le
modle des rseaux de neurones artificiels (RNA ou ANN) pour la prvision des coulements de
surface.
Loriginalit de ce travail de modlisation rside dans lutilisation des rseaux neuronaux
(approche connexionniste) qui sont fonds sur des modles qui tentent dtablir des relations entre les
paramtres dentre et de sortie par interconnections des neurones, pour les prvisions des dbits des
bassins versants situs en zone semi-arides au Maroc.
120
S. RIAD/ 2003
Lapplication des deux modles hydrodynamiques a montr de hautes performances dans la

modlisation des coulements de surface (simulation et prvision). Dans ce prsent travail,
lapplication des modles MERO et ANN au bassin versant de loued Ourika qui est un torrent de
montagne, aboutit des rsultats qui sont plus prometteurs par la mthode neurale quavec le modle
rservoirs.
Lintrt de ces modles rside dans leur capacit dapprendre des relations complexes partir
de donnes numriques. Cest pourquoi le choix et lapplication dun modle neuronal demeure un
domaine de recherche trs actif contrairement aux modles stochastiques classiques.
Par comparaison avec dautres modles plus classiques, les rsultats obtenus indiquent que les
modles connexionnistes possdent un meilleur pouvoir prvisionnel. Le recours ces mthodes
neuronales plus complexes constitue donc une alternative pleinement justifie et privilgie dans le
domaine de la gestion prvisionnelle des ressources en eau de surface.
Le choix judicieux du vecteur dentre et de la taille du rseau (ou nombre total de couches et de
neurones dans la couche cache du rseau) constituent des tapes difficiles dans la dfinition de
larchitecture dun RNA, mais le choix de la structure du rseau (type dinterconnexion entre les
couches de neurones) reste plus facile effectuer parce quil nexiste que deux formes principales de
structure : la forme dite "feedforward" et la forme rcursive avec "feedback".
On note aussi quil existe une limite dans le temps des prvisions (horizons). En effet, les erreurs
de prvisions saccumulent en augmentant le temps de prvision des dbits et par consquent le
modle diverge. Cette divergence se traduit par une diminution du coefficient de corrlation obtenu
entre les valeurs observes et calcules.
Malgr ces difficults, la modlisation par les rseaux de neurones artificiels a abouti des
rsultats satisfaisants dans la prvision des phnomnes hydrologiques. Ce type de modle reprsente
comme un moyen trs puissant pour une gestion prvisionnelle des ressources en eau de surface en
rgions semi-arides particulirement en priode de crue.
Dun grand intrt socio-conomique, ce modle RNA aide les dcideurs faire des bonnes
prvisions de dbit essentiellement court terme comme dans notre cas (horizon des prvisions de 24
heures) et les appliquer dautres systmes hydrologiques de climat semi-aride o les risques
dinondation sont trs rpandus. Ces prvisions peuvent sinscrire dans un projet damnagement
permettant de prendre des prcautions utiles par installation de barrages, de prvoir des transferts deau
inter-bassins ou des recharges artificielles des nappes.
121
S. RIAD/ 2003
CONCLUSION GENERALE
CONCLUSION GENERALE
122
S. RIAD/ 2003
CONCLUSION GENERALE
CONCLUSION GENERALE
Cette recherche repose sur lanalyse et la connaissance des caractristiques hydrologiques au
sein des diffrents bassins versants reprsentatifs situs diffrentes altitudes en climat semi-aride du
Maroc en utilisant de nombreux outils statistiques et certaines techniques de la modlisation des
coulements superficiels. Pour atteindre ces objectifs, on a fait appel des bases de donnes
climatologiques et hydrologiques interannuelles.
Le dveloppement des diffrentes mthodes danalyse statistique a permis une meilleure
connaissance du rgime hydrologique et du mode de fonctionnement des systmes hydrologiques
tudis. En effet, ltude multidimensionnelle laide de lanalyse en composantes principales des
donnes physiographiques permet de dterminer linfluence des caractristiques physiques des bassins
versants sur leur rponse hydrologique. LACP a mis en vidence les affinits entre les diffrents sous
bassins versants, elle a donc permis de dduire les paramtres qui les caractrisent au mieux et de les
rattacher des groupes distincts.
Les rsultats de lACP nous ont permis le trac des limites entre les diffrents ensembles
physiques en regroupant les sous bassins versants appartenant la mme unit gomorphologique.
Lexamen des caractristiques physiques de ces bassins versants a montr que ce sont surtout les
caractristiques de dimension qui rgissent la rpartition statistique des sous bassins versants.
LAFD permet de diviser la population dindividus (sous bassins versants) en des groupes sur la
base des valeurs des variables qui les caractrisent. Lanalyse les affecte donc aux groupes auxquels ils
se rapprochent statistiquement le plus.
On retrouve les groupes identifis par lACP lexception du sous bassin versant (4) qui est
plutt raffect par lAFD au groupe 2 (Bassin versant de la Moulouya) en raison des similitudes que
prsentent les deux bassins. Le pourcentage des bassins bien classs est en effet de 96.4%. Il ressort
que lAFD prsente la mme rpartition que lACP.
Le modle de la rgression multiple met en vidence la forte corrlation entre les dbits des
oueds (variable dpendante) et les pluies ainsi que les divers paramtres physiques caractristiques de
chaque bassin versant tudi (variables indpendantes ou explicatives). Lanalyse des corrlations
entre les dbits et les pluies montre un coefficient de corrlation linaire r de lordre de 0.91. La
dtermination des paramtres physiques les plus pertinents qui influencent lcoulement superficiel est
ainsi nettement conforte par ce modle statistique. Les rsultats de la rgression aboutissent tablir
cette relation troite (r = 0.98) qui existe entre le dbit et les autres paramtres caractristiques des
bassins versants.
123
S. RIAD/ 2003
CONCLUSION GENERALE
Le traitement statistique des sries chronologiques des dbits et des pluies montre que le rgime
dcoulement des diffrents oueds est trs irrgulier. Ltude des dbits des diffrents oueds a permis
de caractriser le rgime du ruissellement par la description de leur variation spatio-temporelle au
cours des annes dobservation. Ltude statistique des crues permet une estimation des dbits
extrmes pour diffrentes priodes de retour.
Lanalyse statistique des dbits de pointe annuels observs aux diffrentes stations de mesure
permet de reprsenter chaque dbit en fonction de son temps de retour. Le temps de retour correspond
la priode durant laquelle un dbit est atteint ou dpass en moyenne une fois.
Les ajustements effectus aboutissent des rsultats satisfaisants. Loued Ourika la station
dAghbalou prsente des dbits plus irrguliers avec un coefficient de variation trs lev (1.28) ce qui
permet dexpliquer le recours la loi Log Normale (Mthode de Maximum de Vraisemblance). Quant
aux autres bassins versants tudis (Ansegmir, Foum Tillicht et Ait Bouijjane), les chantillons des
donnes de dbit de crue analyss sadaptent mieux la loi Gamma (Mthode des Moments).
Lanalyse des sries chronologiques de pluie montre une alternance de priodes sches et de
priodes humides. Les prcipitations sont caractrises par une large variabilit aussi bien dans
lespace que dans le temps.
Lanalyse corrlatoire et spectrale comme critre descriptif des chroniques de dbit et de pluie
nous a apport de nombreuses informations sur la structure et le fonctionnement des systmes
hydrologiques tudis pour dterminer la relation pluie-dbit. LACS a mis en vidence les rserves
des bassins hydrologiques tudis. En effet, le bassin versant de loued Ansegmir la station
dAnsegmir montre dimportantes rserves en eau souterraine. Le bassin versant de loued Ourika la
station dAghbalou prsente un bon stockage en eau sur la seule priode hivernale.
Le bassin versant de Ziz la station de Foum Tillicht dispose dune certaine rserve qui lui
permet de rgulariser son rgime en priode de basses eaux. Ceci permet aux annes excdentaires de
compenser les annes dficitaires. Le systme de Sidi Hamza est le sige de deux types
dcoulements : un coulement de surface rapide (hydrogramme pointu) possdant un pouvoir
rgulateur faible, et un coulement souterrain (hydrogramme tal) avec un pouvoir rgulateur
important. Le bassin versant de loued Rhris la station dAit Bouijjane ne contrle quune
composante de lcoulement savoir lcoulement de surface et il possde en profondeur un systme
de drainage trs dvelopp.
124
S. RIAD/ 2003
CONCLUSION GENERALE
Cette analyse ACS a constitu une tape prliminaire importante la modlisation des eaux
superficielles. En effet, le modle MERO a t appliqu au bassin versant de loued Ourika pour la
priode moyenne 1972-1973. Il nous a permis de quantifier la contribution de chaque unit
hydrogologique aux rgimes des coulements globaux. Les rsultats de la simulation des dbits sont
jugs moyens, ils sont lis aux caractristiques particulires du bassin essentiellement gographiques
(zone montagneuse) et morphologiques (extension importante des formations granitiques altres et
fissures avec des pentes trs abruptes) qui donnent un aspect torrentiel aux valeurs de dbit.
Le modle de rseaux de neurones artificiels (RNA ou ANN) rtropropagation est une mthode
originale utilise pour les prvisions des dbits des bassins versants situs en zones semi-arides. Cette
mthodologie de modlisation a donn des rsultats tout fait significatifs pour le bassin versant de
loued Ourika (R = 0.9243 ; 0.8802 et 0.8724 respectivement pour lapprentissage, le test et la
validation).
Pour le bassin versant dAnsegmir, on note une moyenne convergence du modle qui se traduit
par un coefficient de corrlation fort entre les dbits simuls et observs pour la phase dapprentissage
et de test (R = 0.715 et 0.936), mais relativement faible (R = 0.4192) pour la phase de validation. Ceci
est d au fait que lensemble des donnes nest pas reprsentatif des conditions du bassin et que
linformation nest pas contenue dans ces donnes mais en liaison avec la priode de scheresse de
1994 qui a modifi les mcanismes de ruissellement et dinfiltration des sols ainsi que du couvert
vgtal.
La modlisation par les rseaux de neurones artificiels pour la prvision des dbits au niveau des
exutoires des bassins versants donne des rsultats cohrents et satisfaisants par rapport dautres
mthodes classiques (modle de rgression multiple et rservoirs) utilises dans les rgions climat
semi-aride ou aride. Ces prvisions sont juges bonnes pour une priode limite optimale de 24 heures,
au-del de cette limite, on assiste une divergence du modle RNA qui se traduit par une diminution
du coefficient de corrlation.
Ce type de modle pourrait tre utilis comme outil de prvision pour valuer les risques
dinondation et donc pour tout amnagement hydraulique que ce soit lchelle rgionale qu
lchelle nationale. Ce qui aboutit un developpement durable des ressources en eau et par la suite un
grand interet socio-conomique du pays.
125
S. RIAD/ 2003
CONCLUSION GENERALE
Au terme de ce travail, quelques recommandations peuvent tre proposes :

* Linstallation diffrentes altitudes des stations de mesure hydromtriques et pluviomtriques (en
amont et en aval du bassin) permettrait une meilleure analyse des relations pluie-dbit,
* La mise en place et la mutualisation inter-services des bases de donnes pour les prvisions dans le
cadre de la modlisation avec une meilleure infrastructure de rseaux de mesure et dannonce de crue,
* Etendre lapplication de RNA dautres bassins versants en rgions semi-arides o les inondations
sont fortes et le combiner avec dautres modles hydrologiques,
*Disposition dune meilleure prise en considration des prvisions mtorologiques permettant laccs
des informations fiables en temps rel et renforcer le systme de prvision par un rseau radars
mtorologiques.
La ralisation de ces infrastructures devrait ainsi faire face aux ventuels dsastres naturels et par
la suite contribuer un dveloppement socio-conomique durable.
La gestion intgre des ressources en eau est par ailleurs une composante essentielle de la
stratgie de dveloppement conomique et social du pays. Elle implique une gestion dcentralise au
niveau des bassins versants o tous les acteurs concerns apportent leur contribution effective la
matrise de la problmatique de leau dans la perspective du dveloppement durable du pays.
126
S. RIAD/ 2003
BIBLIOGRAPHIE
BIBLIOGRAPHIE
127
S. RIAD/ 2003
BIBLIOGRAPHIE
BIBLIOGRAPHIE
Abbott, M.B., J.C. Bathurst, J.A. Cunge, P.E. O'Connell & J. Rasmussen, J., (1986). An
Introduction to the European Hydrological System (Systme hydrologique europen : SHE), Part 2:
Structure of a physically-based, distributed modelling system. Journal of Hydrology, 87: 61-77.
Achour, F. (1997). Conditions hydrologiques et disponibilit en eau en rgion semi-aride :
Application de mthodologie nouvelles au bassin du Chelif, Algrie. Thse de doctorat, Universit de

Franche-Comt (France), 249p.
AGR/DDGI (1999). Consolidations de la stratgie nationale en matire de rutilisation des eaux uses
en agriculture, MADRPM/PNUD.
Ahamrouni, J., (1996). Erosion hydrique dans le bassin versant de la Moulouya (Maroc Oriental).
Recherche des zones sources denvasement de la retenue du barrage Mohamed V. Thse de 3me cycle,
FST, Dakar, 148 p.
Ambroise, B., (1991). Hydrologie des petits bassins versants ruraux en milieu tempr - processus et
modles. Sminaire du Conseil scientifique du Dpartement "Science du Sol" de l'INRA Dijon.

Ambroise, B., (1998). Gense des dbits dans les petits bassins versants ruraux en milieu tempr : 1-
Processus et facteurs. Rev. Sci. Eau, 11 (4) : 471-496.

Ambroise, B., (1999). Gense des dbits dans les petits bassins versants ruraux en milieu tempr : 2-
Modlisation systmique et dynamique. Rev. Sci. Eau. 12 (1) : 123-153.

Amharef, A., (1991). Contribution ltude hydrogologique de la valle du Ziz (Province
dErrachidia, Sud-Est du Maroc). Incidences respectives de la scheresse et du barrage Hassan

Addakhil sur les ressources en eau laval. Thse Univ. Franche Comt, Besanon, 232 p.
ASCE Task Committee., (2000a). Artificial neural networks in hydrology-I : preliminary concepts.
Journal of Hydrologic Engineering, ASCE 5 (2) : pp. 115-123.

ASCE Task Committee., (2000b). Artificial neural networks in hydrology-II : hydrologic
applications. Journal of Hydrologic Engineering, ASCE 5 (2) : pp. 124-137.

Barbut, M. et Foucoud, C., (1971). Elments danalyse mathmatique des chroniques. 208 p. Coll.
Hachette Universit, Librairie Hachette Ed.

Beale, R., & Jackson, T., (1990). Neural computing : an introduction. IOP Publishing, Bristol.
Beaudeau, P., Leboulanger, T., Lacroix, M., Hanneton, S., Wang, H.Q., (2000). Forecasting of
turbid floods in a karstic drain using an artificial neural network. Groundwater, 39 (1), 109-119.
Birtles, A. B (1978). Identification and separation of major base flow components froms a stream
hydro. Water Ress. Research, 14, n15, pp. 791-803.

Bishop, C.M., (1995). Neural Networks for pattern Recognition, Oxford University Press, Oxford,
482.
128
S. RIAD/ 2003
BIBLIOGRAPHIE
Bobe, B. & Ashkar, F., (1991). The gamma family and derived distributions applied in Hydrology.
Water Resources Publications, Littleton, Colo., Yevjevitch (Ed.) : 217 p.

Bouchaou, L., Mangin, A. & Chauve, P., (2002). Turbidity mechanism of water from a karstic
spring: example of the Ain Asserdoune spring (Beni Mellal Atlas, Morocco). Journal of Hydrology
265, pp. 34-42.
Bouroche, J.M. & Saporta, G. (1980). L'
analyse des donnes. 4me Ed., Coll. Que sais-je? Presse
universitaires de France.
Boutaleb, S. (2000). Influence de la gologie et du climat des bassins versants sur la qualit des eaux
dune grande nappe alluviale en climat semi-aride : Application aux relations hydrologiques entre le
Haut atlas et la plaine du Souss. Thse de 3me cycle, Universit Ibnou Zohr, Facult des sciences,
Agadir.
Boutaleb, S., Hsissou, Y., Bouchaou, L., Mudry, J., Mania J. & Chauve, P. (1999). Application
des Analyses Corrlatoires et spectrales pour les systmes hydrologiques de surface en zone semiaride: cas de loued Issen (Haut Atlas Occidental, Maroc). 2me Col. Int. Eau et Environnement, fvrier
99, Fac. Sc. Agadir.
Box, G.E. & Jenkins, G.M., (1976). Times series analysis. Forecasting and Control. Revised Edition.
575 p., Holden-Day Ed.

Brockwell, P.J. & Davis, R. A., (1996). Introduction to Times Series and Forecasting. 420. Coll.
Springer Texts in Statistics, Springer-Verlag Ed.

Campolo, M., Andreussi, P., & Soldati, A. (1999). River flood forecasting with a neural network
model. Water Resources Research 35 : 1191-1197.

Chaire en hydrologie statistique., (2002). INRS-ETE (Universit du Qubec), HYFRAN, Logiciel
pour lanalyse frquentielle en hydrologie, version 1.1.

Chakraborty, k., Mehrotra, K., Mohan, C.K. & Ranka, S., (1992). Forecasting the Behavior of
Multivariate Time Series Using Neural Networks. Neural Networks, 5 : pp. 961-970.
Chang, F.J. & Suen, J.P., (1997). A study of the artificial neural network for rainfall-runoff process.
Journal of Chinese Agricultural Engineering, 43 (1) : pp. 9-25. (In Chinese).

Chang, F.J., Hu, H.F & Chen, Y.C., (2001). Counterpropagation fuzzy-neural network for
streamflow reconstruction. Hydrological Processes. 15, 219-232.

Chang, F.J., Chang, L.C & Huang, H.L., (2001). Real-time recurrent learning neural network for
stream-flow forecasting. Hydrological Processes. 16, 2577-2588.

Chen, S., Billings, S.A. & Grant, P.M., (1990). Non-linear system identification using neural
networks. Int. J. Control, 51 (6) : pp. 1191-1214.
129
S. RIAD/ 2003
BIBLIOGRAPHIE
Coulibaly, P., Anctil F et Bobe B., (1999). Prvision hydrologique par rseaux de neurones
artificiels : tat de lart. Revue canadienne de gnie civil, 26 (3) : pp. 293-304.
Coulibaly, P., Anctil, F. et Bobe B., (2000). Daily reservoir inflow forecasting using artificial neural
networks with stopped training approach. Journal of Hydrology, 230 : pp. 244-257.
Coulibaly, P., Bobe, B., & Anctil., F., (2001). Improving extreme hydrologic events forecasting
using a new criterion for artificial neural network selection. Hydrol. Process. 15, 1533-1536.
Cubero, R.G., (1991). Neural Networks for Water Demand Time Series Forecasting. In : Artificial
Neural Networks, Proceedings of the international Workshop IWANN91, A. Prieto Ed., SpringerVerlag, Germany, pp. 453-460.
Cybenko, G., (1989). Approximation by superposition of sigmoidal functions, Mathematics of
control, signals and systems, 2, pp. 303-314, pp. 377-403.

Dan, A., Oosterbaan, J, et Jamet, P., (2002). Contribution des rseaux de neurones artificiels (RNA)
la caractrisation des pollutions de sol. Exemples des pollutions en hydrocarbures aromatiques

polycycliques (HAP). C. R. Geoscience, Paris. 334, 957-965.
Dastorani, M.T. & Wright, N.G., (2002). Artificial neural network based real-time river flow
prediction. Hydroinformatics : Proceedings of the Fifth International Conference on Hydroinformatics,

Cardiff, UK.
Dawson, C.W. and Wilby, R.L., (1998). An artificial neural network approach to rainfall-runoff
modelling. Hydrological Sciences Journal, 43 (1), pp. 47-66.

Dawson, C.W. and Wilby, R.L., (2000). A comparison of artificial neural networks used for rainfall-
runoff modelling. Hydrology and Earth Systems Sciences, 3, pp. 529-540.

Dawson, C.W. and Wilby, R.L., (2001). Hydrological modeling using artificial neural networks.
Progress in Physical Geography, 25, pp. 80-108.

Dayhoff, J.E., (1990). Neural network architectures. Van nostrand reinhold, New York.
Degallier, R., (1972). Un modle de simulation des coulements superficiels et souterrains : Le
modle SMERO. Bull. BRGM, sect. III, n3, pp. 23-42.

Dimopoulos, I., Lek, S. et Lauga, J., (1996). Modlisation de la relation pluie-dbit par les rseaux
connexionnistes et le filtre de Kalman. Journal des sciences hydrologiques, 42 (2) : pp. 179-193.
Dubois, J., (1995). La dynamique non linaire en physique du globe. 265 p. Coll. Gophysique
interne, Masson Ed.

Durand, D., (1979). La systmique. 125 p. Coll. Que sais-je ? P. U. F. Ed.
El Adlouni, S., (2002). Etude des estimateurs des paramtres de la loi Halfen type A. Application :
Estimation des dbits de crue. Thse de 3me cycle, Fac. Sci. Rabat, 81 p.
130
S. RIAD/ 2003
BIBLIOGRAPHIE
El Adlouni, S., Bouziane, A. & El Hassnaoui, D., (1999). Estimation du dbit de priode de retour
par la mthode de maxima annuels, application des bassins versants marocains. Journes
dHydrologie Tunis (ENIT), Tunisie.
El Ouali, A., (1992). Contribution du Haut Atlas central au Sud de Midelt lalimentation des
aquifres profonds du bassin crtac dErrachidia (Maroc). Doct. Univ. Franche-Comt, Besanon,
234 pp.
Elshorbagy, A., Simonovic, S.P. & Panu, U.S., (2000). Performance evaluation of artificial neural
networks for runoff prediction. ASCE Journal of hydrologic Engineering 5 (4), 242-427.
Fortin, V., Ouarda, T., Rasmussen, T.P. et Bobe, B., (1997). Revue bibliographique des mthodes
de prvision des dbits. Revue des Sciences de lEau, 4 : pp. 461-487.

French, M.N., Krajewski, W.F. and Cuy-Kendall, R.R., (1992). Rainfall forecasting in space and
time using a neural network. Journal of hydrology, 137 : pp. 1-31.

Gallant, S.I., (1993). Neural Networks Learning and Expert Systems. MIT Press : Cambridge ; 365
pp.
Gamal El-Din, A et Daniel W. Smith., D.W., (2002). A neural network model to predict the
wastewater inflow incorporating rainfall events. Water Research. 36, 1115-1126.

Gautam, M.R., Watanabe, K. et Saegusa, H., (2000). Runoff analysis in humid forest catchment
with artificial neural network. Journal of Hydrology, 235, 117-136.

Halff, A.H., Halff, H.M. and Azmoodeh. M., (1993). Predicting Runoff from Rainfall using Neural
Networks. In Engineering Hydrology, Kuo CY (ed.). Proceedings of the Symposium sponsored by the
Hydraulics Division of ASCE, San Francisco, CA, July 25-30, 1993. ASCE: New York; pp. 760-765.
Hall, M.J and Minns, A.W., (1993). Rainfall-runoff modelling as a problem in artificial intelligence :
Experience with a neural network. In : Proc. BHS 4 National Hydrology Symposium, Cardiff, pp. 5.515.57.
Haykin, S., (1994). Neural Networks : a comprehensive foundation. Macmilan College Publishing
Company, New York.

Haykin, S., (1996). Neural Networks a comprehensive foundation, Prentice Hall.
Hecht-Nielsen, R., (1988). Neurocomputing : Picking the human brain, IEEE Spectrum, 25 (3),
March 1988, pp.36-41.

Hecht-Nielsen, R., (1989). Neural Network primer : part I, AI Expert, Feb.
Hecht-Nielsen, R., (1990). Neuro-computing, Addison-Wesley, Reading, Massachusetts, USA.
Solution for a distributed hydrological model and applications, pp. 89-93.

Holder, L., (1985). Multiple regression in hydrology. Institute of hydrology, Wellingford.
131
S. RIAD/ 2003
BIBLIOGRAPHIE
Hoptroff, R.G., (1993). The principes and practice of time series forecasting and bisness modelling
using neural nets. Neural Comput. & Applic., 1 : pp. 59-66.

Hornik, K., Stinchcombe, M & White, H., (1989). Multilayer feedward networks are universal
approximators, Neural Networks 2, pp. 359-366.

Horton, R.E. (1932). Drainage basins characteristics. Tran.am.Geophys.Union, vol. 13.
Hsu, K.L., Gupta, H.V & Sorooshian S., (1995). Artificial neural network modelling of the rainfall-
runoff process. Water Resour. Res. 31 (10), pp. 2517-2530.

Hu, T.S., Lam K. C and Ng, S.T., (2001). River flow time series prediction with a range-dependent
neural network. Hydrological Science Journal, 46 (5) : pp. 729-745.

Imrie, C.E., Durucan, S. and Korre, A., (2000). River flow prediction using artificial neural
networks: generalisation beyond the calibration range. Journal of Hydrology, Volume 233, Issues 1-4,
pp. 138-153.
Jemali, A et Kefati, A., (2002). Rutilisation des eaux uses au Maroc. Forum sur la gestion de la
demande en eau.
Jenkins, G.M. and Watts, D.G., (1968). Spectral analysis and its applications. Ed Holden-Day, San
Francisco, Californie., 525 p.

Johson, V.M. & Rogers, L.L., (2000). Accuracy of neural network approximators in simulation-
optimisation. J. Water ressour. Planning and Management. 48-56.

Kabbaj, A. et Combe, M., (1977). Ressources en eau du Maroc. Domaines atlasiques et sud
atlasiques. Tome 3, Notes et Mm. Sev. Gol. N231, Rabat, Maroc.

Kang, K.W., Park, C.Y. & Kim, J.H., (1993). Neural network and its application to rainfall-runoff
forecasting. Korean Journal of Hydroscience 4, 1-9.

Karunanithi, N., Grenney, W.J., Whitley, D. & Bovee, K., (1994). Neural networks for river flow
prediction. Journal of Computing in Civil Engineering, ASCE 8 (2) : pp. 201-220.

Khrabcha, A., (1999). Proposition dun plan damnagement de la valle de lOurika suite la crue
du 17 Aot 1995 par llaboration dune base de donnes multisources (Haut Atlas de Marrakech).
Thse de 3me cycle, Fac. Sci. Rabat, 287 p.
Kolmogorov, A.N., (1963). On the representation of continuous functions of many variables by
superposition of continuous functions of one variable and addition. American Mathematical Society
Translation, 28 : 55-59.
Kunt, M., (1981). Traitement numrique des signaux. 402 p. Dunod Ed.
Laborde, J.P., (1982). Elments dhydrologie de surface. Tome 2 : Critique et analyse statistique des
donnes hydrologiques. Ecol. Nat. Sup. de Gol. Appli/ Inst. Nat. Polytech. De Lorraine, 95 p.
132
S. RIAD/ 2003
BIBLIOGRAPHIE
Lachtermacher, G., & Fuller, J.D., (1994). Backpropagation in hydrological time series forecasting.
In : K. W. Hipel, A.I. MacLeod, U.S. Panu & V. P. Singh (eds), Stochastic and statistical methods in
hydrology and environmental engineering, Vol. 3,Time series analysis in hydrology and environmental
engineering : 229-242.
Lallehem, S., (2002). Structure et modlisation hydrodynamique des eaux souterraines : Application
laquifre crayeux de la bordure nord du bassin de paris. Thse univ. Lille1, 219p.
Lallehem, S. & Mania, J., (2002a). A linear and non-linear rainfall-runoff models to evaluate aquifer
outflow. Tribune de lEau. N1, Vol. 55, N 615.

Lallehem, S. & Mania, J., (2002). A linear and non-linear rainfall-runoff model using neural network
technique : Example in fractured porous media. Journal of Mathematical and Computer Modellling.
N1, Vol. 55, N 615.
Lallehem, S., (2002g). Evaluation and forecasting of daily groundwater inflow in a small chalky
watershed. Hydrol. Process. 17, 1561-1577.

Le Gallo, F. & Bouchon-Meunier, B., (1992). Systmique-Thorie et applications. 341 p., Tec et Doc
Ed.
Lek, S., Dimopoulos, I., Derraz, M. & El Ghachtoul, Y., (1996). Modlisation de la relation pluie-
dbit laide des rseaux de neurones artificiels. Rev. Sci. Eau. 9 (3) : 319-331.
Levine, B., (1973). Fondements thoriques de la radiotechnique statistique, Vol. 1. Mir, Moscou, 584
pp.
Lippmann, R.P., (1987). An Introduction to Computing with Neural Nets. IEEE ASSP Magazine,
April 1987, 4 (2), 4-22.

Lischeid Gunnar and Uhlenbrook Stefan., (2003). Checking a process-based catchment model by
artificial neural networks. Hydrol. Process. 17, 265-277.

Lorrai, M. and Sechi, G.M., (1995). Neural Nets for Modelling Rainfall-Runoff Transformations, In :
Water resources management, Vol. 9, pp. 299-313, 1995.

Luk. Kin, C., Ball, J.E. and Sharma, A., (2001). An application of artificial neural networks for
rainfall forecasting, Mathematical and Computer Modelling, Vol 33, Issues 6-7 : pp. 683-693.
Maier, H.R. and Dandy, G.C., (1996). The use of artificial neural network for the prediction of
quality water parametrers. Water Ressources Research, 32 (4) : pp. 1013-1022.

Mangin, A., (1975). Contribution ltude hydrodynamique des aquifres karstiques. Thse Doct.
Sc., Universit de Dijon, Dijon (Ann. Spleol., 1974, 29 (3) : 283-323 ; 1974 29 (4) : 495-601 ; 1975
30 (1) : 21-124).
Mangin, A., (1981a). Utilisation des analyses corrlatoires et spectrales dans lapproche des systmes
hydrologiques. C.R. Acad. Sc., Paris, t. 293, srie II, n5, pp. 401-404.
133
S. RIAD/ 2003
BIBLIOGRAPHIE
Mangin, A., (1981b). Apports des analyses corrlatoires et spectrales croises dans la connaissance
des systmes hydrologiques. C.R. Acad. Sc., Paris, t. 293, srie II, n14, pp.1011-1014.
Mangin, A., (1982a). Mise en vidence de loriginalit et de la diversit des aquifres karstiques. 3me
Coll. dHydrologie en pays calcaires, 7-10 Octobre 1982, Neuchtel. Ann. Sci. Univ. Besanon,
Mmoire n1, pp. 159-172.

Mangin,
A.,
(1982b).
Lapproche
systmique
du
karst,
consquences
conceptuelles
et
mthodologiques. Runion monografica sobre et karst. LARRA-ISABA-NAVARRA, 4 au 11 Novembre

1982. Pp. 141-147.
Mangin, A., (1984). Pour une meilleure connaissance des systmes hydrologiques partir des
analyses corrlatoires et spectrales. Journal of hydrology, 67, pp. 25-43.

Mangin, A., (1988). Rflexion sur les mcanismes de linfiltration dans les karsts partir de lexemple
de Niaux (Arige, France). Bull. Centre dHydrogol. Neuchtel, n8, pp. 3-25.
Mania, J., (1977). Contribution ltude des systmes aquifres, leur influence sur la gestion des
ressources en eau dans le Nord de la France. Thse Doct. Es Sc. Lille, 325 p, 163 fig.
Mania, J., Focquenoey-Niemczyk, E. J., Ramon, S., & Verbeke B., (1982). Caractrisation de la
rponse des diverses units hydrogologiques calcaires du Nord de la France. Ann. Sc. De luniversit
de Franche-Comt, Fsc. 4, 4me srie, 1982, pp. 27-36.
Mason, J.C., Price, R.K. & Temme, A., (1996). A neural network model of rainfall-runoff using
radial basis functions, Journal of hydraulics Research, Vol. 34, N 4, IAHR, pp. 537-548.
Masood-Ul-Hassan, K., Minns, A.W. & Yde, L. (1995). Application of artificial neural network to
real-time control of hydraulic structures, Advances in intelligent Data Analysis, Lasker, G. and Liu, X.
(eds), IIAS Press, pp. 114-118.
Max, J., (1980). Traitement du signal et applications aux mesures physiques. Principes et
appareillages de traitement en temps rel. 379 p. Paris, Masson Ed.

McCulloch, W.S. and Pitts, W., (1943). A logical Calculus of the Ideas Imminent in Nervous
Activity. Bulletin of Mathematical Biophysics, 5: pp. 115-133.

Mero F. & Gilboao Y. (1974). A methodology for the rapid evaluation of ground water resources, Sao
Paulo Stat, Brasil. Hydrol. Sc. Bull., XIX, 3, 9, p. 347- 358.

Mero F., (1978). The MMO8 hyrometeorological simulation system. Basic concepts and operators
guide. Rep. Tahal Cons. Eng. Isral, 18 p.

Messaoudi, A. & Chikri, N., (1994). Crues de la Moulouya du 11 au 17/11/93. Eau et
Dveloppement. DRPE, Rabat, pp. 54-58.

Minns, A.W and Hall M.J., (1996). Artificial neural networks as rainfall-runoff models.
Hydrological Sciences Journal 41 (3) : pp. 399-418.

134
S. RIAD/ 2003
BIBLIOGRAPHIE
Minns, A.W. & Hall, M.J., (1997). Living with the ultimate black black box : more on artificial
neural networks, Proc 6th Nat. Hydrol. Symp., Salford, British Hydrological Society, London, pp. 9.459.49.
Minns, A.W., (1998). Artificial Neural Networks as Subsymbolic Process Descriptors. A.A. Balkema,
Rotterdam/ Brookfield. 124 p.

Musy, A. & Laglaine, V. (1992). Hydrologie gnrale. Cours polycopi, section gnie rural,
environnement, mensuration, EPFL, Lausanne.

Musy, A. & Higy, C. (1999). Hydrologie applique. Cours polycopi, section gnie rural,
environnement, mensuration et gnie civil, EPFL, Lausanne.

Najjar, Y., Basheer, I.A. and Imad, A., (1996). Utilizing Computational Neural Networks for
Evaluating the Permeability of Compacted Clay Liners, Geotechnical and Geological Engineering,
Vol. 14, No. 3, pp. 193-212.
Najjar, Y., Basheer, I.A and Hajmeer, M.N., (1997). Computational neural networks for predictive
microbiology : Methodology. International Journal of Food Microbiology 34, pp. 27-49.

Najjar, Y and Ali, H., (1998a). On the Use of BPNN in Liquefaction Potential Assessment Tasks.
Artificial Intelligence and Mathematical Methods in Pavement and Geomechanical Systems, AttohOkine (Editor): pp. 55-63.
Najjar, Y. and Ali, H., (1998b). CPT-Based Liquefaction Potential Assessment : A Neuronet
Approach. ASCE Geotechnical Special Publication No.75, Dakoulas, P. et. Al. (Editors), (1) : pp. 542553.
Najjar, Y. and Zhang, X., (2000). Characterizing the 3D Stress-Strain Behavior of sandy Soils: A
Neuro-Mechanistic Approach. ASCE Geotechnical Special Publication No. 96, Filz, G. and Griffiths,
D. (Editors) : pp. 43-57.
Osaki, T., (1980). On a model of a non linear feedback system for river flow prediction. Water
Resour. Res., 16 (1) : pp. 225-231.

Persson, M., Sivakumar, B., Berndtsson, R., Jacobsen, O.H. and Schjnning, P., (2002).
Predicting the dielectric constant-water content relationship using artificial neural networks. Soil Sci.
Soc. Am. J. 66, pp. 14241429.
Piqu, A., (1994). Gologie du Maroc : Les domaines rgionaux et leur volution structurale Hist.
Gol. Maroc, 284 p.

Rahali, H., (1996). Caractrisation des ressources en eaux dune rgion semi-aride situe au Sud-Est
de Marrakech, Maroc, par lutilisation des donnes satellites et autres dans un systme dinformation
gographique. Thse es science. Fac. Science de Gand.
135
S. RIAD/ 2003
BIBLIOGRAPHIE
Reed, R.D & Marks, R.J., (1998). Neural Smithing. Supervised learning in feedforward Neural
Networks. A Bradford Book MIT Press.

Refregier, P., (1993). Thorie du signal - Signal-Information-Fluctuations. 278 p. Coll. Enseignement
de la physique, Masson Ed.

Refsgaard, J.C., Seth, S.M., Bathurst, J.C., Erlich, M., Storm, B., Jorgensen, G.H. and Chandra,
S., (1992). Application of SHE to catchments in India, Part 1. General results, Journal of hydrology,
N. 140, pp. 1-23.

Riad, S., Bobe B,. Ouarda T., El Youssi M., Bouziane A. et Hasnaoui, D., (1999). Estimation
rgionale des dbits de crue : Dtermination des rgions homognes par la mthode de Burn ou des
rgions dinfluence, application des bassins versants marocains. Journes dHydrologie Tunis
(ENIT), Tunisie.
Riad, S., Mania, J. et Bouchaou, L., (2001). Analyse hydrologique et caractristiques physiques de
quelques bassins versants en zone semi-aride (Maroc). 1er Colloque National dHydrogologie et
Environnement. Fs, Maroc.
Riad, S., Mania, J. et Bouchaou, L., (2002). Analyse de la variabilit hydroclimatique dans les sous
bassins versants de Tensift (Maroc). 19me Colloque international de la Gologie Africaine. El Jadida,
Maroc.
Riad, S., Mania, J., Bouchaou, L. et Najjar, Y., (2003). Artificial Neural Networks Models for River
inflow Prediction. Tribune de leau. (sous press).

Riad, S., Mania, J., Bouchaou, L. et Najjar, Y., (2003). Modlisation de la relation pluie-dbit par
les rseaux de neurones artificiels (RNA ou ANN) : Application a un bassin versant en zone semi-aride
(Maroc). Colloque international sur lHydrologie des rgions mditerranennes et semi-arides.
Montpellier, France.
Riad, S., Mania, J., Bouchaou, L. et Najjar, Y., (2003). Predicting catchment flow in semiarid
region via artificial neural network technique. Hydrol. Process. (sous press).
Riad, S., Mania, J., Bouchaou, L. et Najjar, Y., (2003). Neural Network Models of Rainfall-Runoff
Process. Journal of Mathematical and Computer Modellling (sous press).

Riad, S., Mania, J. et Bouchaou, L., (2003). Variabilit hydroclimatique dans les bassins versants de
du Haut Atlas de Marrakech (Maroc). Revue de Scheresse. (sous press)

Roche, M., (1963). Hydrologie de surface. Gauthier-Villars Editeur-Paris, 429 p., 204 fig.
Roddier, F., (1985). Distributions et transformation de Fourier lusage des physiciens et des
ingnieurs. 323 p., McGraw Hill Ed.

Rumelhart, D.E., Hinton, G.E. and Williams, R.J., (1986). Learning internal representations by
back-propagation error. Nature, 323 : pp. 533-536.

136
S. RIAD/ 2003
BIBLIOGRAPHIE
Rumelhart, D.E., Widrow, B. and Lehr , M.A., (1994). The basic ideas in neural networks.
Communications of the ACM, 37 (3) : 87-92.

Sajikumar, N. and Thandaveswara, B. S., (1999). A non-linear rainfall-runoff model using an
artificial neural network. Journal of Hydrology, Volume 216, Issues 1-2, 8 March 1999, pp. 32-55.
Sankarasubramannian, A. and Vogel, R.M., (2002). Basin hydrologic response relations to
distributed physiographic descriptors and climate. Journal of Hydrology, Vol. 263, 257-261.
Saidi, M.E. et Daoudi, L., (2000). Risques naturels dans le Haouz de Marrakech. Exemples des crues
de lOurika de Ghiraia et de NFis. Colloque international des Chaires maghrbines Unesco-Gas

Natural. Universit Mohammed V, Rabat, 27-29 avril 2000, p. 9.
Saidi, M.E., (1994). Gense et propagation des crues en milieu sub-aride, exemple doued Souss
(Maroc). Bulletin de lAssociation des Gographes Franais, Paris, 18 p.

Saidi, M.E., (1995). Contribution lhydrologie profonde et superficielle du bassin du Souss (Maroc).
Thse de luniversit de Paris IV, 120 p.

Smith, M., (1993). Neural Networks for Statistical Modelling, Van Nostrand Reinhold, New York.
Smith, J. & Eli, R.N., (1995). Neural Network Models of Rainfall-Runoff Process. Journal of Water
Resources Planning and Management, 121 (6) : pp. 499-509.

Shamseldin, A.Y., (1997). Application of a neural network technique to rainfall-runoff modelling.
Journal of hydrology (Amesterdam), 199 : pp. 272-294.

Sherman, L.K., (1932). Streamflow from rainfall by unit-graph method. Engineering News Record,
108, 501-505.
Sivakumar, B., Jayawardena, A.W. and Fernando, T. M. K. G., (2002). River flow forecasting :
use of phase-space reconstruction and artificial neural networks approaches, Journal of Hydrology,
Volume 265, Issues 1-4, 30 August, pp. 225-245.
STATSOFT France (1997). STATISTICA pour Windows [Manuel du Programme]
Sudheer, K.P., Gosain, A.K. & Ramasastri, K.S., (2002). A data-driven algorithm for constructing
artificial neural network rainfall-runoff models. Hydrol. Process. 16, 1325-1330.

Sudheer, K.P., Gosain, A.K., Mohana Rangan, D & Saheb, S.M., (2002). Modelling evaporation
using an artificial neural network algorithm. Hydrol. Process. 16, 3189-3202.

Sudheer, K.P., Nayak, P.C. & Ramasastri K.S., (2003). Improving peak flow estimates in artificial
neural network river flow models. Hydrol. Process. 17, 677-686.

Supharatid, S., (2003). Application of a neural network model in establishing a stage-discharge
relationship for a tidal river. Hydrol. Process. (in press).
137
S. RIAD/ 2003
BIBLIOGRAPHIE
Thiria, S., Mejia, C., Badran, F & Crpon, M., (1993). A neural approach for modelling nonlinear
transfer function : application for wind retrieval from spacebron scatterometer data. Journal of
Geophysical research, 98, C12, 22, 827-22, 841.
Tang, Z. and Fishwick, P.A., (1993). Feedforward neural nets as models for time series forecasting,
ORSA Journal of Computing, Vol. 5, N 4, pp. 374-385.

Tokar, A.S., (1996). Rainfall-runoff modelling in an uncertain environment. PhD thesis. University of
Maryland. UMI Dissertation Service. Bell-Howell Company.

Tokar, A.S and Johson, P.A., (1999). Rainfall-runoff modelling using artificial neural networks. J.
Hydrologic Engineering, ASCE 4 (3), pp. 232-239.

Uvo, C.B., Tlle, U. and Berndtsson, R., (2000). Forecasting discharge in Amazonia using neural
networks. Int. J. Climatol. 20, pp. 1495-1507.

Vaziri, M. (1997). Prediction of Caspian sea surface water level by ANN and ARIMA models.
Journal of Waterway, Port, Coastal and Ocean Engineering, American Society of Civil Engineers 123
(4) : 158-162.
Ventsel, H., (1973). Thorie des probabilits. Mir, Moscou, 563 pp.
Wei, Y.M., (1995). A study on neural network based expert system for mining method selection.
Journal of Computer Applications and Software, 12 (5), 51-57 (in Chinese).

Wei, Y., Xu, W., Fan, Y. & Tasi, H.T., (2002). Artificial neural network based predictive method for
flood disaster. Computers & Industrial Engineering, 42, 383-390.

Wen, X.H., (1994). Time series neural network forecasting method. Journal of Electronics, 16 (5).
456-462. (in Chinese).

Wen, C.G. & Lee, C.S., (1998). A neural network approach to multiobjective optimization for water
quality management in a river basin. Water Resources Research, 34 (3) : pp. 427-436.
White, H., (1992). Artificial neural networks : approximation and learning theory. Vols. 16-18.
Cambridge. MA : Blackwell.
World Meteorological Organistaion (WMO) (1975). Inter-comparison of conceptual models used in
operational hydrological forecasting, World meteorological Organisation, Techinical report N 429,

Geneva, Switzerland.
World Meteorological Organisation (WMO)., (1994). Guide to hydrological practices. WMO-N.
168, Genve, Suisse.

Wright, N.G., Dastorani, M.T., Goodwin, P & Slaughter, C.W., (2002). A combination of neural
networks and hydrodynamic models for river flow prediction. Hydroinformatics : Proceedings of the
Fifth International Conference on Hydroinformatics, Cardiff, UK.
138
S. RIAD/ 2003
BIBLIOGRAPHIE
Xu, Z. X. & Li, J. Y. (2002). Short-term inflow forecasting using an artificial neural network model.
Hydrol. Process. 16, 2423-2439.

Yang, L., (1996). An adaptive modeling and forecasting approach of time series based on neural
network. Journal of Decision Making and Decision Support system, 6 (2), 69-75.
Zealand, CM., Burn, DH. & Simonovic, SP., (1999). Short term streamflow forecasting using
artificial neural networks. Journal of Hydrology 214 : 32-48.

Zhang, S.P., Watanabe, H. & Yamada, R., (1994). Prediction of daily water demands by neural
networks. In Stochastic and statistical methods in hydrology and environmental engineering. Vol. 3.
diteurs: K.W. Hipel, A.I. McLeod, U.S. Panu et V.P. Singh. Kluwer Academic Publishers, Dortrecht,
Hollande. Pp. 217-227.
Zhang, X., (1994). Time series analysis and prediction by neural networks. Optimization Methods and
Software 4, pp. 151-170.

Zhang, Q. & Stanley, S.J., (1997). Forecasting raw-water quality parameters for the North
Saskatchewan River by neural network modelling. Water Resources Research, 31 (9) : pp. 2340-2350.
Zhu, M.L. & Fujita, M., (1994). Comparaisons between fuzzy reasoning and neural networks
methods to forecast runoff discharge. Journal of Hydroscience and hydraulic Engineering 12 (2), 131141.
Zurada, J.M., (1992). Introduction to artificial neural systems. West Publishing Co., Saint Paul,
Minnesota.
139
S. RIAD/ 2003
LISTE DES FIGURES
LISTE DES FIGURES
140
S. RIAD/ 2003
LISTE DES FIGURES
LISTE DES FIGURES

Fig. 1: Rpartition de la pluviomtrie moyenne annuelle au Maroc.15
Fig. 2: Rpartition des ressources en eau de surface du Maroc16
Fig. 3: Rpartition des ressources en eau mobilises17
Fig. 4: Rpartition gographique des ressources en eau de surface.18
Fig. 5: Situation gographique des diffrents bassins versants tudis lchelle du Maroc..24
Fig. 6: Situation gographique du bassin versant de la Moulouya...25
Fig. 7: Situation gographique des bassins ctiers mditerranens.26
Fig. 8: Situation gographique du bassin versant de Tensift27
Fig. 9: Situation gographique des bassins versants de Ziz-Rhris..28
Fig. 10: Situation gographique du bassin versant de Guir..29
Fig. 11: Rseau hydrographique des diffrents bassins versants tudis..33
Fig. 12: Carte gologique du bassin versant de la Moulouya...36
Fig. 13: Carte gologique des bassins ctiers mditerranens.37
Fig. 14: Carte gologique du bassin versant de Tensift38
Fig. 15: Carte gologique des bassins versants de Ziz-Rhris .40
Fig. 16: Carte gologique du bassin versant de Guir40
Fig. 17: Rsultats de lanalyse en composantes principales.52
Fig. 18: Rsultats de lanalyse factorielle discriminante..54
Fig. 19: Relation entre dbit - pluie...56
Fig. 20: Prcipitations moyennes mensuelles interannuelles....58
Fig. 21: Prcipitations moyennes annuelles..60
Fig. 22: Dbits moyens mensuels interannuels..62
Fig. 23: Dbits moyens annuels.....63
Fig. 24: Rsultats des ajustements statistiques..67
Fig. 25: Corrlogramme simple (Mangin A., 1984)..69
Fig. 26: Spectre de densit de variance (Mangin A., 1984)..71
Fig. 27: Fonction damplitude...74
Fig. 28: Fonction de phase74
Fig. 29: Fonction de cohrence.75
Fig. 30: Fonction de gain..76
Fig. 31: Analyse de la chronique des pluies la station dAnsegmir du 01/09/1973 au 31/08/1994 (m = 125
jours)..77
Fig. 32: Analyse de la chronique des pluies la station dAnsegmir du 01/09/1973 au 31/08/1994 (m = 1250
jours)..77
Fig. 33: Analyse de la chronique des dbits la station dAnsegmir du 01/09/1973 au 31/08/1994 (m = 125
jours)..78
141
S. RIAD/ 2003
LISTE DES FIGURES

Fig. 34: Analyse de la chronique des dbits la station dAnsegmir du 01/09/1973 au 31/08/1994 (m = 1250
jours)..78
Fig. 35: Corrlogramme crois pluie-dbit la station dAnsegmir du 01/09/1973 au 31/08/199478
Fig. 36: Fonction de cohrence de la station dAnsegmir pour la priode de 1973 1994.79
Fig. 37: Fonction de gain de la station dAnsegmir pour la priode de 1973 1994..79
Fig. 38: Analyse de la chronique des pluies la station dAghbalou du 01/09/1975 au 31/08/1996 (m = 125
jours)..80
Fig. 39: Analyse de la chronique des pluies la station dAghbalou du 01/09/1975 au 31/08/1996
(m = 1250 jours)80
Fig. 40: Analyse de la chronique des dbits la station dAghbalou du 01/09/1975 au 31/08/1996 (m = 125
jours)..81
Fig. 41: Analyse de la chronique des dbits la station dAghbalou du 01/09/1975 au 31/08/1996
(m = 1250 jours)81
Fig. 42: Corrlogramme crois pluie-dbit la station dAghbalou du 01/09/1975 au 31/08/1996....81
Fig. 43: Fonction de cohrence de la station dAghbalou pour la priode de 1975 1996.82
Fig. 44: Fonction de gain de la station dAghbalou pour la priode de 1975 1996..82
Fig. 45: Analyse de la chronique des pluies la station de Foum Tillicht du 01/09/1975 au 31/08/1994 (m =
125 jours)...83
Fig. 46: Analyse de la chronique des pluies la station de Foum Tillicht du 01/09/1975 au 31/08/1994 (m =
1250 jours).83
Fig. 47: Analyse de la chronique des dbits la station de Foum Tillicht du 01/09/1975 au 31/08/1994 (m =
125 jours)...84
Fig. 48: Analyse de la chronique des dbits la station de Foum Tillicht du 01/09/1975 au 31/08/1994 (m =
1250 jours).84
Fig. 49: Corrlogramme crois pluie-dbit la station de Foum Tillicht du 01/09/1975 au 31/08/1994....84
Fig. 50: Fonction de cohrence la station de Foum Tillicht du 01/09/1975 au 31/08/1994..85
Fig. 51: Fonction de gain la station de Foum Tillicht du 01/09/1975 au 31/08/1994...85
Fig. 52: Analyse de la chronique des pluies la station dAit Bouijjane du 01/09/1973 au 31/08/1994 (m = 125
jours)..86
Fig. 53: Analyse de la chronique des pluies la station dAit Bouijjane du 01/09/1973 au 31/08/1994 (m =
1250 jours).86
Fig. 54: Analyse de la chronique des dbits la station dAit Bouijjane du 01/09/1973 au 31/08/1994 (m = 125
jours)..87
Fig. 55: Analyse de la chronique des dbits la station dAit Bouijjane du 01/09/1973 au 31/08/1994 (m =
1250 jours).87
Fig. 56: Corrlogramme crois pluie-dbit la station dAit Bouijjane du 01/09/1973 au 31/08/1994..87
Fig. 57: Fonction de cohrence la station dAit Bouijjane du 01/09/1973 au 31/08/1994....88
142
S. RIAD/ 2003
LISTE DES FIGURES

Fig. 58: Fonction de gain la station de dAit Bouijjane du 01/09/1973 au 31/08/1994.....88
Fig. 59: Schma simplifi du mode de fonctionnement du modle MERO97
Fig. 60: Comparaison des hydrogrammes des dbits simuls et observs (1972-1973)...98
Fig. 61: Schma dun neurone artificiel99
Fig. 62: Schma dun neurone biologique...100
Fig. 63: Architecture du modle RNA trois couches utilise dans cette tude.103
Fig. 64: Architecture du modle RNA trois couches.106
Fig. 65: Slection des variables dentre par ASE. A : Nombre dannes, B : Nombre de jours..107
Fig. 66: Architecture du modle RNA .108
Fig. 67: Comparaison entre les dbits observs et les dbits simuls par le modle pour les phases
dapprentissage et de test 109
Fig. 68: Evaluation de ASE en fonction du nombre de neurones dans la couche cache...110
dapprentissage, de test et de validation..112
Fig. 70: Comparaison entre les dbits observs et les dbits simuls par le modle de Rgression Multiple
Linaire (RLM).113
Fig. 71: Comparaison entre les dbits observs et les dbits simuls par le modle de Rgression Multiple
Linaire (RLM).114
Fig. 72: Coefficient de dtermination en fonction du temps de prvision...116
Fig. 73: Comparaison entre les dbits simuls et observs t+2, t+3 et t+4 pour la phase de validation117
dapprentissage, de test et de validation..119
143
S. RIAD/ 2003
LISTE DES TABLEAUX
LISTE DES TABLEAUX
144
S. RIAD/ 2003
LISTE DES TABLEAUX
LISTE DES TABLEAUX

Tab. 1: Rpartition des prcipitations moyennes par bassin.16
Tab. 2: Disponibilit des ressources en eau, projection sur 202019
Tab. 3: Diffrentes variables physiographiques des bassins versants tudis..34
Tab. 4: Rpartition gologique des diffrentes formations lithologiques en % des bassins versants tudis...41
Tab. 5: Liste des diffrentes stations hydromtriques avec leurs principales caractristiques.47
Tab. 6: Liste des diffrentes stations pluviomtriques avec leurs principales caractristiques48
Tab. 7: Valeurs propres, pourcentage et cumul.50
Tab. 8: Matrice de corrlations entre les variables...51
Tab. 9: Corrlations entre les variables et les axes principaux.51
Tab. 10: Paramtres statistiques des pluies moyennes interannuelles..59
Tab. 11: Paramtres statistiques des dbits moyens interannuels.64
Tab. 12: Estimation du Quantile de crue de loued Ansegmir...65
Tab. 13: Estimation du Quantile de crue de loued Ourika...66
Tab. 14: Estimation du Quantile de crue de loued Sidi Hamza66
Tab. 15: Estimation du Quantile de crue de loued Todrha..66
Tab. 16: Rsum des rsultats de lACS des bassins versants analyss89
Tab. 17: Paramtres retenus de la simulation du modle MERO pour le bassin tudi...98
Tab. 18: Analogie entre les neurones biologiques et artificiels...100
Tab. 19: Paramtres statistiques du modle de rseau de neurones du bassin dOurika...110
Tab. 20: Paramtres statistiques du modle de rseau de neurones du bassin dOurika...111
Tab. 21: Comparaison des coefficients de corrlation obtenus pour les modles de RNA et RLM115
Tab. 22: Comparaison des critres de convergence pour diffrentes priodes de prvision..115
Tab. 23: Paramtres statistiques du modle de rseau de neurones du bassin dAnsegmir...118
145
S. RIAD/ 2003
ANNEXES
ANNEXES
146
S. RIAD/ 2003
ANNEXES
Annexe I
Rpartition des ressources en eau
Evapo-transpiration
120 Milliards de m3
150 Milliards de m3
Ressources en eaux
Globales
Ressources en eaux
non mobilisables
9 Milliards de m3
30 Milliards de m3
Ressources en eaux
mobilisables
20 Milliards de m3
Eaux de surface
mobilisables
non
Eaux souterraines
mobilisables
mobilisables
16 Milliards de m3
Eaux de surface
mobilises
mobilisables
8 Md
de m3
Eaux de surface
mobiliser
mobilisables
4 Milliards de m3
Eaux souterraines
mobilises
mobilisables
3 Md
de m3
8 Md
de m3
Eaux souterraines
mobiliser
mobilisables
1 Md
de m3
Potentiel et tat dutilisation des ressources en eau au Maroc
147
S. RIAD/ 2003
ANNEXES
Annexe II
Analyse frquentielle des crues
Mthodes dajustement
Elles consistent dterminer les paramtres dune loi (dont la formulation a dj t choisie) en
fonction de lchantillon observ.
La mthode des Moments :
La mthode des moments consiste estimer daprs lchantillon autant de moments que la loi a
des paramtres et galer ces estimations aux valeurs thoriques qui ne sont fonctions que des
paramtres estimer. On obtient alors un systme de n quations n inconnues. Les estimations ainsi
obtenues sont gnralement consistantes mais non efficaces.
La mthode des moments associe lquation gnrale du calcul du nime moment partir de
lorigine de la distribution aux paramtres de la distribution analyse :
'
n =
X n . ( x ) . d x
Avec n : lordre ; ( x ) : fonction de densit de probabilit.

On considre autant de moments indpendants que lon doit estimer de paramtres. On utilise en
gnral les moments dordre le plus faible possible.
Loi 2 paramtres : on considre la moyenne et la variance
Loi 3 paramtres
La mthode du Maximum de vraisemblance : (probabilit maximum)
Dans le cas dune loi discontinue o on a observ un chantillon ( x1 , x 2 , ...x n ) , chaque valeur
ayant une probabilit (P1 , P2 ...Pn ) , la probabilit P de voir apparatre cet chantillon est :
P = P1 * P2 * Pn
Dans le cas de lois continues, P1 , P2 ,...Pn sont infiniment petits. On admet alors que la
vraisemblance de lchantillon est proportionnelle au produit des densits de probabilit :
P = K f ( x1 ) f ( x 2 )... f ( x n )
L=
P
K
L = f ( x1 , a, b,...k ) f ( x 2 , a, b,...k ) f ( x n , a, b, ...k )
a, b,...k sont les k paramtres de la loi.
148
S. RIAD/ 2003
ANNEXES
On se propose de choisir ces paramtres de faon a ce que la vraisemblance de lchantillon soit

maximale. Pour cela, la drive partielle de L par rapport aux k paramtres successifs est nulle :
L
= 0 avec l = a, b,..., k .
l
On obtient ainsi un systme de k quations k inconnues.
Il est bien souvent plus simple deffectuer les transformations suivantes :

n
Log L =
log f ( x ) ;
1 f (x )
=0
f ( x ) a
1 f (x )
=0
f ( x ) k
1
La mthode du maximum de vraisemblance donne des estimations correctes et efficaces et
n
souvent absolument correctes.

Cependant, on se gardera dutiliser cette mthode dans le cas o lintervalle de variation
correspond des bornes finies pour lesquelles la densit de probabilit nest pas nulle (dans ce cas, on
peut rencontrer non pas un maximum mais un minimum de probabilits).
Dfinition de la priode de retour
La probabilit est le rapport du nombre dvnements favorable au nombre total dvnement.

Souvent un vnement est associ une dure (il y a une crue maximale annuelle chaque anne). La
frquence peut alors se dfinir galement comme tant le nombre dvnements favorable sur le
nombre total de dures. On dfinit alors la priode de retour T (ou temps de rcurrence) comme
linverse de la frquence au dpassement ou au non-dpassement.
Les frquences ont pour unit (T-1), puisque lon associe gnralement une dure chaque
vnement. La priode de retour a donc la dimension dun temps.
La priode de retour est dfinie par les relations suivantes :
T= 1
(1 q ) =
T= 1 = 1
(1 p )
q
(Crue)
(tiage)
q = F ( x ) : Probabilit au non-dpassement
p = 1 F ( x ) : Probabilit au dpassement
Pour tracer les points reprsentatifs de lchantillon, on doit leur affecter une probabilit au nondpassement, appele probabilit empirique.
149
S. RIAD/ 2003
ANNEXES
Formule de probabilit empirique

F [x(k )] = (k a )
(n 2a + 1) ,
0 a 0,5
a = 0,40 (Formule de Cunnane) qui est utilise par dfaut dans HYFRAN
a = 0,44 (Formule de Gringorten)
a = 0,50 (Formule de Hazen)
BASSIN
VERSANT
Ziz-Rhris
et Guir
La Moulouya
Tensift
Bassins
Ctiers
Mditerranens
Minimum
Maximum
Moyenne
Ecart type
Foum Tillicht
NoIRE
(Code)
1508/38
654
243
Tadiguouste
426/47
4.7
3130
Meroutcha
1548/56
6.28
Ait bouijjane
355/55
Tazouguert
STATION
178
Coefficient de
variation
0.733
N
22
365.4
648.1
1.774
34
890
405
347
0.857
11
0.912
508
147
159
1.08
21
628/48
0.04
930
356
290
0.814
36
Tit Naissa
330/39
15.4
686
213
217
1.02
20
Ansegmir
658/38
11.6
394
101
94
0.928
38
Tabouazant
732/38
1.95
50
23.6
19.7
0.851
32
Zaida
318/30
10.4
225
84.2
62.5
0.743
38
Laarichate
75/31
0.529
218
100
65.59
0.655
11
El Aouia
806/30
0.065
157
39.42
46.88
1.189
20
Ksibate
440/23
0.362
230
66.15
75.46
1.141
22
Bel Farah
261/16
27.5
1000
254
232
0.913
35
Guercif
184/17
7.9
1360
320
314
0.981
43
Pont de Zakka
302/17
35.1
262
145
84.3
0.581
14
El Ghoress
226/17
1.91
540
69.1
124
1.79
26
Berkane
1433/12
0.0283
206
27.9
52.73
1.94
23
Aghbalou
2089/53
8.10
1060
227
292
1.28
31
Taferiat
1562/53
14.7
680
134
146
1.08
30
Tahanaout
1565/53
8.70
762
89.6
176
1.96
30
Iguir NKouris
510/62
13.7
1120
182
235
1.29
30
Imin El Hamam
1566/53
1220
285
312
1.10
31
Sidi Rahal
44/54
5.50
636
194
145
0.751
30
Tighza
385/10
0.290
201
52.5
57.2
1.09
18
Takenfoust
386/10
0.210
84.3
23.2
29.4
1.27
Tleta Azlef
114/10
5.29
328
106
95
0.892
28
Ajdir
384/10
0.065
16.20
3.413
5.144
1.507
19
Tamallaht
269/5
1.59
247
48.2
55.3
1.147
31
Paramtres statistiques des dbits maximums instantans des bassins versants analyss
150
S. RIAD/ 2003
ANNEXES
Annexe III
Analyses Corrlatoire et Spectrale
ENTREE
SYSTEME
Sries chronologiques des pluies
SORTIE
Sries chronologiques des dbits
Analyse des donnes dentre

CORRELOGRAMME PLUIE
Organisation des pluies dans le
temps
Analyse des donnes de sortie

CORRELOGRAMME DEBIT
Organisation des dbits dans le
temps
Organisation des pluies dans le

temps de la relation pluies-dbits
CORRELOGRAMME CROISE
Analyse de lorganisation des

pluies = analyse du signal
dentre
SPECTRE DES PLUIES
Analyse de lorganisation des

dbits = analyse du signal de
sortie
SPECTRE DES DEBITS
Relation entre signal dentre et

signal de sortie
SPECTRE CROISE
DEPHASAGE
COHERENCE
GAIN
Rle du systme
Approche descriptive
de son fonctionnement
et de sa structure
Organigramme des Analyses Corrlatoire et Spectrale (ACS)
151
S. RIAD/ 2003
ANNEXES
Analyse dans le domaine frquentiel
Corrlogramme crois
v Si lentre est alatoire, alors le corrlogramme fourni une bonne image de la rponse
impulsionnelle du systme.
v Si le signal dentre est structur, alors le corrlogramme crois fera apparatre les priodicits,
v Si le corrlogramme crois est symtrique, alors les processus choisis comme tant les entres et
les sorties peuvent tre relis par une mme cause.

x
Entre
Sortie
t
0
x (f)
k =1
t
1
y (f)
"bote noire"
k =2
k = 1
k =m
x 0 y1 x 0 y 2 x y
0
m
x1 y 2 x1 y 3 x y
1
m +1
x 2 y 3 x 2 y 4 x y
2
m+2
k = 2
k =m
x 0 y1 x 0 y 2 x 0 y m
x1 y 2 x1 y 3 x1 y m +1
x 2 y 3 x 2 y 4 x 2 y m + 2
x (f)
y (f)
"bote noire"
Si la fonction dentre est une fonction alatoire pure, le corrlogramme crois correspond une
rponse impulsionnelle.
r
-k
-3
-2
-1
+k
Corrlogramme crois
152
S. RIAD/ 2003
ANNEXES
Spectre : S x ( f ) = var . x
Spectre : S y ( f ) = var . y
Fonction damplitude croise : S xy ( f ) = cov ar. xy
cov ar xy
C xy ( f ) =
g xy ( f ) =
var x. var y
= corrlation entre x et y = fonction de cohrence
var y
corr xy = rgression entre x et y = fonction de gain.
var x
Filtres (Dk)
La transforme de Fourier sapplique :
v une fonction continue
v voluant jusqu linfini
Do la ncessit :
v dun lissage en raison de la discrtisation,
v de rendre nulles les valeurs au del de la troncature m
Deux possibilits :
v prfiltrage de rk correspondant Dk
v postfiltrage du spectre obtenu
Solution retenue, prfiltrage Dk partir de diffrents filtres :

Bartlett
Dk = 1 k
Parzen
(1)
(2)
Dk = 1 k
Dk = 1 6 k
Dk = 2 1 k
Tukey
(1)
(2)
m2
m2
(1 k m)
pour
0k m
pour
m km ,
2
D k = 1 0,46 + 0,46 cos k
D k = 1 + cos k
/ 2.
153
S. RIAD/ 2003
ANNEXES
r
Filtres (Dk )
1
0,9
0,8
Tukey (2)
0,7
0,6
Parzen (1)
0,5
0,4
0,3
0,2
0,1
0
Pluie
Bartlett
Parzen (2)
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110115 120125 k
Systme
hydrologique
Grandeur de la variance
Dbit
Var. 1
Analyse
spectrale
Var. 2
Spectre
Var. 3
Spectre = signature du systme
154
S. RIAD/ 2003

Riad

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Riad

Transféré par

Droits d'auteur :

Formats disponibles

Thse en cotutelle

UNIVERSITE DES SCIENCES ET TECHNOLOGIES DE LILLE

DOCTEUR DE LUNIVERSITE EN GENIE CIVIL

TYPOLOGIE ET ANALYSE HYDROLOGIQUE DES

Mr Y. NAJJAR, Professeur, Universit de lEtat de Kansas (USA)

A mes frres : Mustapha, Hamid, Laalami et Khalid

Et cest ma mre que je ddie ce travail

Je remercie galement Mr A. MANGIN, Directeur de recherche au CNRS et toute

Un grand merci aux personnels de latelier de reprographie et du service

Dominique FRANOIS, Patrick MENAGER et Juliette LOISELEUX.

1re PARTIE : CARACTERISTIQUES GEOGRAPHIQUES

2me PARTIE : TRAITEMENT DES DONNEES PHYSIOGRAPHIQUES

III.2.2.2. Bassin versant de Tensift..58

III.4.3.2. Bassin versant de Tensift..79

3me PARTIE : MODELISATION DES FONCTIONS

Pluviomtrie moyenne annuelle :

Fig. 1: Rpartition de la pluviomtrie moyenne annuelle au Maroc

Les prcipitations totales sur l'

Prcipitation Prcipitation Prcipitation Prcipitation

Total : 16 000 Mm3

1000 1500 2000 2500 3000 3500 4000 4500 5000

Fig. 2: Rpartition des ressources en eau de surface du Maroc

Depuis son indpendance (1956), le Maroc n'

Eaux de surface mo bilises

Eaux de surface mo biliser

Eaux so uterraines mo bilises

Eaux so uterraines mo biliser

Total des resso urces en eau mo bilisables

Fig. 3: Rpartition des ressources en eau mobilises

Cependant, ayant un effet sur le rgime hydrologique, le rgime climatique a eu une

Fig. 4: Rpartition gographique des ressources en eau de surface

Disponibilit des ressources en eau (m3/habitant/an)

Tab. 2: Disponibilit des ressources en eau, projection sur 2020

caractristiques gologiques (diverses affleurements permables et impermables) et climatologiques

* Enfin, le manuscrit se termine par une conclusion gnrale et des recommandations.

ORGANISATION DES ELEMENTS DE BASE

ANALYSE DES DEBITS & DES PLUIES

1re PARTIE : CARACTERISTIQUES GEOGRAPHIQUES, PHYSIOGRAPHIQUES & GEOLOGIQUES

1re PARTIE : CARACTERISTIQUES GEOGRAPHIQUES, PHYSIOGRAPHIQUES & GEOLOGIQUES

Bassin versant de l'Oued Moulouya

Fig. 5: Situation gographique des diffrents bassins versants tudis

1re PARTIE : CARACTERISTIQUES GEOGRAPHIQUES, PHYSIOGRAPHIQUES & GEOLOGIQUES

I.1. Bassin versant de la Moulouya

Bassin versant de l'Oued Moulouya

Bassin versant de Sebou

MELK EL OUI DAN E

Bassin versant de Ziz

Bassin versant de Guir

Fig. 6: Situation gographique du bassin versant de la Moulouya

1re PARTIE : CARACTERISTIQUES GEOGRAPHIQUES, PHYSIOGRAPHIQUES & GEOLOGIQUES

I.2. Bassins Ctiers Mditerranens

Bassins Ctiers Mditerranens

Bge ALI THELAT

KOU DIA KOU RIR ENE

Fig. 7: Situation gographique des bassins ctiers mditerranens

I.3. Bassin versant de Tensift

1re PARTIE : CARACTERISTIQUES GEOGRAPHIQUES, PHYSIOGRAPHIQUES & GEOLOGIQUES

Bassin versant de l'

Reliefs des Jbilets

Bge LALLA TAKER KOUS T

Stations tud ies

Fig. 8: Situation gographique du bassin versant de Tensift

I.4. Bassins versants de Ziz-Rhris et Guir

au Nord et Nord-Est par les Provinces de Khnifra et Boulemane,