Etude Des Precipitations PDF

Zoubeida BARGAOUI, Cours d’Hydrologie, ENIT, 2009-2010
Chapitre 3. Etude des précipitations

(co-auteur, H. Dakhlaoui)
__________________________________________________________________________________________
_
La pluviométrie représente un facteur écologique très
important pour les écosystèmes terrestres et lacustres d’eau
douce et même d’eau saumâtre. La quantité de pluie reçue par
un bassin versant va déterminer dans une large mesure la
végétation et les écoulements superficiels. La pluviométrie
façonne les sociétés jusque dans leurs habitudes
vestimentaires, culinaires et leur habitat.
1. Caractérisation du régime pluviométrique

La pluie est observée à l’aide d’un pluviomètre. La surface
réceptrice standard d’un pluviomètre est 400 cm². 2l d’eau
contenus dans le pluviomètre traduisent 50 mm. 10mm de
pluie traduisent 10 l/m².
Pour le suivi du déploiement spatial des pluies, plusieurs
pluviomètres sont nécessaires et leur ensemble constitue un
réseau pluviométrique. La densité du réseau pluviométrique
est le nombre de postes d’observation rapporté à la surface
considérée. L’OMM recommande une densité de 1 station /
250 km² en région montagneuse et 1 station par 900 km² en
zone côtière.
En Tunisie, la Direction générale des ressources en eau DGRE
publie des annuaires pluviométriques, l’INM publie des
bulletins climatiques qui donnent les précipitations. La
première observation date de 1873.
Quelques exemples du régime des pluies en Tunisie (1901-
1980) sont donnés en Fig 1. Il s’agit de totaux annuels moyens
sur 30 ans, présentés par année hydrologique (début=1er
septembre, fin = 31 aôut). On note des gradients nord-sud et
est-ouest.
43
Répartition mensuelle des pluies (mm)
70
60
50
Tunis
40
Kairouan
Jendouba
30
Gafsa
20
10
0
sept oct nov dec janv fev mars avr mai juin juil aout
Figure 1. Régime des pluies pour des stations de Tunisie
Le diagramme ombothermique (Fig. 2a) compare la pluie

mensuelle et l’ETP mensuelle et permet de déterminer le
régime climatique
Pluie et ETP mensuelle - région de Chaal; Sfax
200
180
P mm/mois
160 E mm/mois
140
P, ETP (mm)
120
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
mois de l'année à partir de septembre
Figure 2a. Pluie et EPT dans une station
44
Le quotient pluviothermique d’Emberger a pour expression :
Ip = 1000 P / [{(M+m)/2}(M-m)]
Avec
P : pluie moyenne annuelle en mm
M : moyenne des maxima de température du mois le plus
chaud de l’année (°K)
M : moyenne des minima de température du mois le plus froid
de l’année (°K)
Ce quotient a permis à son auteur de proposer une

régionalisation climatique (Fig. 2b).
Indices pluviométriques d'Emberger
240
220
200 Humide
180
160
Valeur de l'indice
140
Subhumide
120
Tempéré
100
80
semi-aride
60
40
Aride
20
Saharien
0
-10 -5 0 5 10 15 20
Moyenne des minimas du mois le plus froid (°C)
Figure 2b. Classification climatique selon Emberger
Soit une station avec une pluie annuelle de 450 mm, le

quotient est 60, ce qui la place en climat semi-aride (Tableau
1a)
45
Tableau 1a. Calcul du quotient d’Emberger

Mois Tmin °C Tmax °C Tmin °K Tmax °K
Janvier 7,2 15,7 280,2 288,7
Février 7,4 16,5 280,4 289,5
Mars 8,3 18,1 281,3 291,1
Avril 10,4 20,7 283,4 293,7
Mai 13,7 24,9 286,7 297,9
Juin 17,3 29 290,3 302
Juillet 20 32,6 293 305,6
Août 20,8 32,7 293,8 305,7
Septembre 19 29,7 292 302,7
Octobre 15,5 25,2 288,5 298,2
Novembre 11,3 20,5 284,3 293,5
Décembre 8,2 16,7 281,2 289,7
Min, Max 7,2 32,7 280,2 305,7
P mm 450
Quotient d'Emberger 60
L’évaluation de la moyenne annuelle des précipitations sur les

principaux bassins hydrographiques de Tunisie a été réalisée
en 1951 par Gaussen et Vernet (carte de Gaussen et Vernet
disponible sur le WEB). Le tableau 1b résume les estimations.
Tableau 1b. Estimation des moyennes interannuelles par

région (mm)
Bassin Bassins Bassin de Bassin Centre Sahel
de la du (bassins de
l’Extrême Medjerda Méliane du Sousse
nord et Zéroud, et de
de Merguellil, Sfax
l’Ichkeul Nebhana)
Pluie 806 521 489 335 265
moyenne
mm
46
L’isohyète 400 mm (courbe reliant les endroits recevant une

pluie de 400 mm / an) constitue une limite pour la région
semi-aride.
Variabilité interannuelle
La caractérisation de la variabilité interannuelle adopte
différents moyens parmi lesquels : le tracé chronologique,
classement des données, le calcul des valeurs de tendance
centrale (moyenne, médiane, mode) et de dispersion (min,
max, écart-type, coefficient de variation) ainsi que le calcul
des valeurs associées à des probabilités d’occurrence ou
quantiles (centiles). Le tracé chronologique (Fig. 3.1 ) est très
important pour visualiser la variable.
Pluie totale annuelle (mm) sur une station du

Méliane (1977 -86)
600
400
200
0
1 2 3 4 5 6 7 8 9 10
Figure 3.1. Chronologie des pluies annuelles
Les valeurs centrales et la variabilité interannuelle ainsi que la

variabilité saisonnière, caractérisent le régime de pluie.
Tableau 2 Chronologie des pluies en une station, indicateurs

de tendance et de variabilité (on peut utiliser EXCEL pour les
obtenir)
47
année pluie mm
1977-78 343,3
1978-79 482,1
1979-80 526,5
1980-81 389,5
1981-82 462,6
1982-83 482,3
1983-84 424,9
1984-85 507,5
1985-86 232,3
1986-87 407,6
moyenne 425,9
médiane 443,8
centile 10% 332,2
centile 90% 509,4
Quartile 1 394,0
Quartile 2 482,3
écart-type 88,5
M+2ET 602,8
M-2ET 248,9
A titre comparatif, la Fig. 3.2 reporte les quantiles de pluie
totale annuelle estimés sous différentes latitudes en Tunisie.
48
Variabilité interannuelle des pluies (période 1901-1980)
900
800
700
600
500 dépassé 10%

moyenne
400 non dépassé 10%
300
200
100
0
Béja Jendouba Tunis Kairouan Gafsa
Figure 3.2 Quantiles
2. Impact des pluies sur le régime hydrologique
L’évolution des intensités au cours de l’événement pluvieux

détermine plus particulièrement les débits et les quantités de
sol érodées.
Ainsi, l’estimation de la pluie sur un domaine et le calcul des
intensités sont-ils très importants pour l’étude hydrologique.
Effet sur les crues
La pluie reçue au cours d’un événement pluvieux se répercute
sur les débits des cours d’eau. La figure 4 donne le débit
maximum moyen journalier réponse à une précipitation
moyenne sur un bassin versant (krigée = interpolée par la
méthode du krigeage, méthode d’interpolation linéaire, voir
plus loin).
49
QmaXj vs Pmoy Krigée (Tessa)
700
600
500
Qmax j (m3/s)
400
300
200
100
0
0 10 20 30 40 50 60 70 80
Pmoy krigée (mm)
Figure 4. Effet de la pluie sur le débit moyen journalier

maximum de crue
Effet sur l’érosion hydrique due à l’impact des gouttes de

pluie. L’équation universelle des pertes de sol de Wischmeier
définit un indice d’érosion R proportionnel à l’intensité
maximale de pluie sur 30 minutes I 30max. Cet indice dépend
de l’énergie cinétique de la pluie par mm ei et estimée
empiriquement par :
ei =8.73 log10 Ii.+11.9
L’énergie totale E pour un événement pluvieux est calculée en
sommant sur les intervalles d’intensité constante, de durée ti
(i=1,n) et de hauteur hi et d’intensité Ii = hi / ti .
E = ∑ i=1,n hi ei
Calculé avec les unités suivantes, l’indice d’érosion est noté
RUSA
RUSA= F.E. I 30max
E en Joules m-2, I 30max mm h-1 , en unites US, F=1/1189502.
Un indice supérieur à 2 est considéré critique.
50
3. Estimation de la pluie moyenne spatiale
Le problème est d’estimer la valeur de la pluie intégrée sur

une surface, à partir de la connaissance de ce qui se passe en
un nombre réduit de points (le réseau d’observation) (Fig. 5).
La pluie varie dans l’espace comme une fonction P à plusieurs
variables (x, y, z).
P = P(x,y,z)
x : latitude
y : longitude
z : altitude
La moyenne Pm sur un domaine D est :
Pm (D) = 1/D ∫∫ p(x,y,z)dxdy

D
L’expression analytique de P(x,y,z) est inconnue, P(x,y,z)

connue en certains points : les points d’observations dans le
domaine Pi i=1,N qui permettent une approximation de Pm
(D). On parle d’estimation. Toute estimation est entachée
d’erreur.
Comme la pluie a une structure spatiale, la moyenne
arithmétique est accompagnée d’un biais (erreur
systématique). Il est déconseillé de l’utiliser sauf quand le
réseau est dense et bien réparti dans l’espace.
51
51133
53754
50738
360000 57690
57022
350000
53057
340000
53778
57643
330000
51715
Y en m
51103
55055
56250
320000
53964 52521
310000 52603 55887
58272
300000 58270
52512
52510
52508 55862
53922
52554
53839
290000
50553 50421
400000 410000 420000 430000
X en m
52
Fig 5 Exemple du réseau pluviométrique du bassin du Tessa

(Medjerda). Source : Hassini S. (PFE, ENIT 2000)
Les chiffres sont les codes DGRE des stations. La croix

représente un point où on veut estimer la pluie à partir des
observations
A- Méthode des polygônes de Thiessen
Cette méthode est aussi appelée méthode du voisin le plus

proche. Elle affecte la valeur de l’observation la plus proche, à
un site non observé. Le voisinage d’un site d’observation est
défini selon les médiatrices entre sites. Ces médiatrices
dessinent un réseau de polygones d’où le nom de la méthode
proposée en 1922. En mathématique, elle correspond à la
distance de Hamming. De sorte que pour estimer la moyenne
spatiale, un poids est attribué à chaque poste d’observation du
domaine
N
Pm (D) = ∑ λi Pi
i=1
où λi dépend de la position des postes entre eux
(configuration du réseau) 3
λi = S i /S 1
où 2
Fig. 6 Médiatrices pour 3 postes

S : aire du domaine D
S i : aire de l’aire d’influence du poste i, qui représente un
polygone délimité par les médiatrices entre postes
Exemple :
P1 = 33mm ; P2 = 45 mm, P3 = 21 mm;
53
λ1 = 43%; λ2= 35% ; λ3= 22%

Pmoy = 33*0,43 + 45 * 0,35 + 21 * 0,22 = 35 mm
Moyenne arithmétique= (33 + 45 + 21) /3 = 33 mm
Supposons que la superficie totale du rectangle est de 750 km²

(correspondant à une densité de 250 km²/poste), alors la pluie
reçue est de 35 *10-3 * 750 * 106 = 26 Mm3
contre 33 *10-3 * 750 * 106 = 24 Mm3 ;
B- Méthode des isohyètes

C’est une méthode qui passe par la cartographie. Elle consiste
à tracer des isovaleurs du champ pluviométrique à partir des
observations. On les appelle isohyètes.
Réseau d'observation
180
160
140
19
41.1
120
38
100
Y km
32.3
80
47.6
60
21.7
40 28.5
20
0
0 50 100 150 200 250 300
X Km
Figure 7. Exemple de tracé par interpolation linéaire d’une

isovaleur (30 mm)
Le tracé utilise une méthode d’interpolation. Les résultats

diffèrent selon la méthode d’interpolation adoptée
54
(interpolation linéaire ou cubique). L’interpolation

géostatistique tient compte explicitement de la structure
spatiale de variabilité (voir annexe) et a l’avantage d’être un
interpolateur exact, et d’accompagner chaque estimation de
l’écart-type de l’erreur.
Les isohyètes sont alors exploitées pour l’estimation de la

pluie moyenne sur le domaine. La surface comprise entre deux
isovaleurs Pi et Pi+1 est planimétrée. Une relation hauteur de
pluie- superficie est élaborée puis intégrée pour donner la
valeur moyenne.
Tableau 3. Estimation par isohyètes de la pluie journalière sur

un bassin de 1950 km²
Plage de pluviométrie % Surface entre les % cumulé (%)

Pi - Pi+1 (mm) deux isohyètes (%)
0 – 10 30 30
10 – 20 20 50
20 – 30 25 75
30 – 40 15 90
40 – 50 5 95
> 50 5 100
Pluie maximale sur le réseau : 70mm

La pluie moyenne est estimée par :
(Centre de classe * % de superficie)
Pm (D) = (5*30+15*20+25*25+35*15+45*5+60*5)/100
Pm (D) =21.3 mm
C- Méthode de l’inverse de la distance

Cette méthode commence par estimer la pluie aux nœuds d’un
maillage régulier. Puis, la moyenne des valeurs estimées aux
55
nœuds est adoptée comme moyenne spatiale. Le poids donné à

une observation est inversement proportionnel à une fonction
de la distance entre le poste de mesure et le nœud de la maille.
Soit i un point du réseau d’observation et j un nœud de calcul.
La pluie estimée au nœud est
N
Pej = ∑ λij Pi
i=1
Soit NM: nombre de mailles du domaine (maillage régulier);

Pm (D) est la moyenne des estimations aux noeuds
k=NM
Pm (D)= ∑ Pek /NM
k=1
Soit dij : distance entre un nœud j et une station i. Différentes

fonctions sont proposées pour λij ; Exemples :
La fonction exponentielle décroissante λij = α exp (-β dij)
ou
la fonction puissance λij = β’ dij-α ‘
Les paramètres α, α ’, β’et β sont déterminés

expérimentalement de sorte que
∑ i=1,Nλij =1 ; pour tout j
Le choix de β et de α ’ peut adopter le coefficient de

décroissance exponentielle ou de puissance du corrélogramme
Exemple
Estimer la pluie au point M0 connaissant 6 observations, on
donne β =0.03. Résultat : P0=25.1 mm
56
station x(km) y(km) z(mm)

1 27 90 47,6
2 57 125 41,1
3 137 104 32,3
4 215 65 21,7
5 128 52 28,5
6 60 115 38
M0 200 60
beta (donnée) 0,03

dI,M0 exp(-beta di) lamdai Pi lamdai Pi
175,6 0,01 0,01 47,6 0,54
157,1 0,02 0,02 41,1 0,75
76,8 0,14 0,14 32,3 4,48
15,8 0,67 0,65 21,7 14,11
72,4 0,16 0,16 28,5 4,42
150,4 0,02 0,02 38 0,82
1,03 1,00 P estimé 0 25,1
alpha 0,97
Comme attendu, le poste le plus proche a le poids le plus
important (0,65).
D- Notion de corrélogramme
La méthode de l’inverse de la distance ainsi que celle du

krigeage, font implicitement référence au corrélogramme rij ;
qui peut être ajusté par une décroissance exponentielle ou
puissance. Le corrélogramme s’obtient en traçant les valeurs
du coefficient de corrélation rij entre les postes d’observation i
et j en fonction de la distance entre les postes. Pour quatre
stations de la figure 5 où les pluies mensuelles observées sont
données en tableau 4, on trace les chronologies des deux
stations les plus proches (52508 et 52510) et des plus
éloignées (50553 et 50738). Plus les chronologies sont
57
différentes, moins les stations sont corrélées (Fig 8 à 11). La

fig 12 donne un corrélogramme ajusté par une formule
exponentielle. Deux formules sont proposées : l’une passe par
le point (0,1), l’autre suppose une discontinuité à l’origine).
Tableau 4. Pluies mensuelles concomitantes en quatre stations
58
pluie 50553 pluie 50738 pluie 52508 pluie 52510

19 40 9,7 26
11,5 6,5 24 19
46 30 39,4 45
45 58,5 41,9 37
11 15,5 5,2 15
24 32,2 35,4 36
9,4 38,5 36,5 37
7 25,3 15,9 22
33 20,5 0,6 3
9,5 23 34,7 43
27 19,2 0 21
6,2 19 0 2
42 18,8 28,8 34,1
39 87,2 38,4 23,1
10 16,5 6 7,5
20 34,5 20 22,1
90,7 69,2 69,9 77,2
0 9,8 0 2,1
31,3 20,7 21,5 24,9
59,5 58 78,4 53,2
52,5 19,5 24,7 37,8
52 14,5 42 62,3
13 0 0 8,7
77 21 85,6 87,4
16,7 0 24,9 31,5
64,5 31 56 57,8
74,5 97,7 92,5 87,2
5 58,5 8,7 11,8
110,1 92,4 101,6 79,6
40,1 85,1 46,6 66,8
97,3 71,7 95,8 88,6
68 55,2 48 47
40 44,2 3,5 4
14 22,1 20 28,5
19 0 0 0
0 3 0 0
42,3 30 51,6 41,5
34,7 23,1 23,7 49,3
22,7 58,1 51 64
34 47,1 43,1 34,5
8 20,3 2 9,4
35,7 36,2 32,2 39
91,8 71,8 91,3 93,8
37,3 29,5 44,1 62
42 121,8 28,7 40,3
82,7 7,1 67 90,8
7 27,5 10,6 19,1
0 0 0 0
6 19,9 3,1 6
59
Chronologies 52508 - 52510
120
100
80
Pluie mensuelle mm
pluie 52508
60
pluie 52510
40
20
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
Temps
Figure 8. Chronologies de pluies mensuelles (deux stations

proches)
Chronologie 50553 - 50738
140
120
100
pluie mensuelle mm
80
pluie 50553
pluie 50738
60
40
20
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
temps
Figure 9. Chronologies de pluies mensuelles (deux stations

éloignées)
60
Nuage de points N=49 r=0.93
100
90
pluie mensuelle (mm) station 52510
80
70
60
50
40
30
20
10
0
0 20 40 60 80 100 120
Figure 10 Nuage de points (stations proches)
Nuage de points N=49 r=0.54
140
120
100
80
60
40
20
0
0 20 40 60 80 100 120
61
Figure 11 Nuage de points (stations éloignées)
La distance à laquelle les observations deviennent

indépendantes (la portée) peut varier de quelques km (5 km) à
quelques dizaines de km (20 à 150 km) pour les événements
pluvieux extrêmes observés en Tunisie.
Corrélogramme pluie journalière sur un bassin
1,2
1 -0,0215x
y=e
2 rij
R = 0,8126 Exponentiel (rij)
0,8 Exponentiel (rij)
corrélation
0,6
0,4
-0,0206x
0,2 y = 0,9037e
2
R = 0,8144
0
0 20 40 60 80 100 120 140 160 180 200
distance (km)
Figure 12 Construction d’un corrélogramme
E- Coefficient d’abattement
Lorsqu’une zone d’étude dépasse 25 km², et qu’elle n’est
observée qu’avec un seul pluviomètre ou pluviographe, il faut
appliquer un coefficient de réduction à la pluie maximale
observée. Ce coefficient est de plus en plus faible au fur et à
mesure que la surface en question augmente. Pour une même
superficie, il est de plus en plus faible au fur et à mesure que la
durée de la pluie de référence diminue. Figure 13 montre le
coefficient recommandé par l’OMM pour une durée fixée de
la pluie.
62
Relation surface-durée et réduction
100
90
coef de réduction (%)
80
70 durée 30 min
durée 1heure
Durée 3 heures
60 Durée 8heures
24 heures
50
25 150 275 400 525 650 775 900
surface (km²)
Figure 13 Coefficients K de réduction ou abattement (source

OMM, 1994)
Des formules empiriques ont été proposées dans la littérature.

Par exemple :
- formule de Puppini avec pour une superficie S<10 km²
K=(1-0.052 S + 0.002 S²) t0.0175 S avec S en km² et t en
heures ; pour 10< S< 200 km² et 4<t<100heures K=[1 – 0.084
(S/100) + 0.007 (S/100)²] t0.014(S/100)
- formule du ministère de l’agriculture français (1977)
K= [(1+ (0.08 S0.33)/( t p)0.5)]-1
Avec S en km² et t en heures et la probabilité au dépassement
p=1-F de la pluie. Dans cette méthode la valeur de la pluie est
traduite en probabilité de non dépassement.
63
4. Etude des intensités

Le pluviographe est l’appareil d’enregistrement de la pluie.
En zone urbaine l’OMM recommande un poste tous les 10 -
20 km² et en zone montagneuse un poste tous les 2500 km².
Généralement un rapport de 1/10 entre densité des
pluviographes et des pluviomètres.
Le pluviographe est un pluviomètre muni d’un enregistrement,
sur papier, ou sur support numérique. Le pluviographe à auget
basculeur est muni d’un auget qui bascule chaque fois qu’il
totalise 20 cm3. A chaque basculement, le temps est noté. Sur
papier, le graphique résultant est une courbe en escaliers.
A-Le pluviogramme
Le pluviogramme est la courbe de la pluie cumulée en
fonction du temps, enregistrée par le pluviographe.
Enregistrement à la station de Grombalia (26 avril 1996) pour

une bague réceptrice de 400 cm².
Tranche d’intensité constante
30 minutes les plus intenses
Figure 14 Pluviogramme
Le dépouillement des pluviogrammes permet d’élaborer des

intensités. Le résultat est un hyétogramme : intensité en
64
fonction du temps I(t). Deux méthodes de dépouillement sont

utilisées
- Dépouillement à pas de temps fixe (on donne les
intensités moyenne d’heure en heure par exemple)
- Dépouillement à intensité fixe (on donne la succession
des intensités constantes par intervalle de temps)
La méthode de dépouillement à pas de temps fixe permet

d’élaborer les courbes IDF : Intensité – Durée – Fréquence
La méthode à intensité fixe permet le suivi de l’événement

pluvieux par un hyétogramme plus fidèle à ce qui s’est passé.
Le Tableau 5 donne les intensités maximales extraites d’un
événement pluvieux extrême, observé en plusieurs sites, pour
plusieurs durées de référence (de 15 minutes à 3 heures).
Tableau 5. Intensités maximales (mm/h) ; bassin du Méliane et

du Cap Bon (le 30 septembre 1986) (Ghorbel et al., 1986)
Code Nom Imax (15 min) Imax (30 min) Imax (1 heure) Imax (2 heures) Imax ( 3 heures)
1484783606 TUNIS MANOUBIA 96 67,5 48 30,5 27
1484076608 BARRAGE MASRI 96 96 86,8 65 49,2
1484088908 BEZIR BARRAGE 65,6 60 54,4 40,8 33,5
1484294908 GROMBALIA DRE 107,6 93,4 83,5 60,3 50,8
1484778808 TEZOGHRANE 52 37,6 30,2 26,8 21
1484096107 BIR MECHARGA BGE 87 73 57 37 25
1484825507 ZERIBA AIN SFAYA 80 62 51 36 30
1484454223 MORNAG SIDI ZEYED 60 48 43,5 41 39,5
65
B- Elaboration des courbes IDF
Pour durée de référence, les intensités sont extraites de tous les

pluviogrammes enregistrés en une station. Une méthode de
sélection des intensités par l’analyse statistique des valeurs
extrêmes doit être choisie.
- Méthode avec bloc de temps fixe et valeur maximale.
Exemple : échelle annuelle et intensité maximale
annuelle. N années donnent N valeurs d’intensité
- Méthode avec valeurs supérieures à un seuil (exemple > 5
mm/h). Le choix de ce seuil doit tenir compte du
caractère extrême des précipitations. N années
d’observations donnent N’ valeurs d’intensité
- Ces observations sont traitées statistiquement pour
estimer les probabilités au non dépassement associées
aux intensités
Le traitement statistique consiste à associer à chaque
observation un centile ou probabilité au non dépassement F
(Tableau 6).
On appelle « période de retour » T=1/(1-F). Elle représente la
durée moyenne entre deux événements successifs de même
ampleur.
F T (ans) Type d'ouvrages
0,5 2
0,8 5 assainissement pluvial rural
0,85 7
0,9 10 routes- assainissement - banquettes anti-érosives - aménagement des voies d'eau
0,95 20 routes-ouvrages d'art- assainissement
0,98 50 lacs collinaires- autoroutes
0,99 100 lacs et barrages collinaires- digues de protection contre les inondations
0,995 200
0,999 1000 grands barrages
Pour une étude pratique, par exemple conception du réseau de

drainage d’une route, on choisit une ligne donnée du tableau 6,
en fonction de l’importance de la route (F=0.95 pour T= 20
66
ans). On choisit une colonne d’après le temps nécessaire à la

collecte des eaux pluviales par le réseau de drainage.
Tableau 6. Intensités pour des durées fixées et leur fréquence

F(x) 5 min 10 min 20 min 30 min 60 min 120 min
0,1 10 7 5,5 4,5 3 2
0,3 12 8 6 5 3,5 2,5
0,45 18 13 8 6 4 3,5
0,65 25 17 10 7,5 5,5 4,5
0,77 35 22 15 10 7 6
0,8 45 29 18 15 10 8
0,85 58 39 27 22 15 11
0,9 75 50 42 28 23 17
0,99 125 90 65 40 30 22
Modélisation
Les données du tableau 6 se traduisent en figure 16. Pour
l’interpolation des intensités, on élabore des relations ou
modèles IDF sont de la forme I=I(t,F). Plus généralement on
exprime I(t,T) ; I en fonction de sa durée et de sa période de
retour.
Lorsque les données se prêtent à une transformation log-log
(Figure 17) on utilise le modèle de Montana. Sinon, on utilise
le modèle de Talbot
Modèles de Montana
I = a(T)tb(T) (b<0)
Modèle de Talbot
I = a(T) /(t+b(T))
a et b sont des paramètres estimés par régression et dépendent

de la période de retour T où T=1/(1-F). Ce sont des
coefficients régionaux.
Méthode des moindres carrés
67
L’estimation des paramètres a et b s’effectue en minimisant

l’écart moyen quadratique après avoir linéarisé. La
linéarisation pour le modèle de Montana se fait en utilisant la
transformée log-log. Soit Y= log(I) ; X=log(t) ; Y=a’X+b’ ; a’
et b’ sont estimés par les moindres carrés :
a’= covariance(X,Y) / variance(X) ;
b’=Ymoyen - a’Xmoyen ;
La linéarisation pour le modèle de Talbot se fait en passant par
la variable 1/I.
Le coefficient de détermination R² de la régression indique la
part de la variance expliquée par le modèle. La part non
expliquée est (1-R²). C’est le prix à payer pour remplacer le
nuage de points par le modèle.
68
courbes IDF
140
120 F=0,1
Intensité en mm/h
100 F=0,3
F=0,45
80
F=0,65
60
F=0,77
40 F=0,8
20 F=0,85
F=0,9
0
F=0,99
0 50 100 150
Durée min
Figure 16 Intensités selon durée pour une fréquence donnée
Relation Intensité de pluie- durée pour une fréquence F=0,8 en une

station
durée (min)
1 10 100 1000
100
intensité mm/h
10 -0,5544
y = 102,76x
2
R = 0,9874
Figure 17 Relation Intensité durée pour une fréquence donnée
69

Etude Des Precipitations PDF

Transféré par

Informations du document

Titre original

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

Etude Des Precipitations PDF

Transféré par

Droits d'auteur :

Formats disponibles

Zoubeida BARGAOUI, Cours d’Hydrologie, ENIT, 2009-2010

Chapitre 3. Etude des précipitations

1. Caractérisation du régime pluviométrique

Répartition mensuelle des pluies (mm)

Figure 1. Régime des pluies pour des stations de Tunisie

Le diagramme ombothermique (Fig. 2a) compare la pluie

Pluie et ETP mensuelle - région de Chaal; Sfax

Figure 2a. Pluie et EPT dans une station

Le quotient pluviothermique d’Emberger a pour expression :

Ce quotient a permis à son auteur de proposer une

Indices pluviométriques d'Emberger

Moyenne des minimas du mois le plus froid (°C)

Figure 2b. Classification climatique selon Emberger

Soit une station avec une pluie annuelle de 450 mm, le

Tableau 1a. Calcul du quotient d’Emberger

L’évaluation de la moyenne annuelle des précipitations sur les

Tableau 1b. Estimation des moyennes interannuelles par

L’isohyète 400 mm (courbe reliant les endroits recevant une

Pluie totale annuelle (mm) sur une station du

Figure 3.1. Chronologie des pluies annuelles

Les valeurs centrales et la variabilité interannuelle ainsi que la

Tableau 2 Chronologie des pluies en une station, indicateurs

Variabilité interannuelle des pluies (période 1901-1980)

500 dépassé 10%

Figure 3.2 Quantiles

2. Impact des pluies sur le régime hydrologique

L’évolution des intensités au cours de l’événement pluvieux

QmaXj vs Pmoy Krigée (Tessa)

Figure 4. Effet de la pluie sur le débit moyen journalier

Effet sur l’érosion hydrique due à l’impact des gouttes de

3. Estimation de la pluie moyenne spatiale

Le problème est d’estimer la valeur de la pluie intégrée sur

La moyenne Pm sur un domaine D est :

Pm (D) = 1/D ∫∫ p(x,y,z)dxdy

L’expression analytique de P(x,y,z) est inconnue, P(x,y,z)

400000 410000 420000 430000

Fig 5 Exemple du réseau pluviométrique du bassin du Tessa

Les chiffres sont les codes DGRE des stations. La croix

A- Méthode des polygônes de Thiessen

Cette méthode est aussi appelée méthode du voisin le plus

Fig. 6 Médiatrices pour 3 postes

λ1 = 43%; λ2= 35% ; λ3= 22%

Moyenne arithmétique= (33 + 45 + 21) /3 = 33 mm

Supposons que la superficie totale du rectangle est de 750 km²

B- Méthode des isohyètes

Figure 7. Exemple de tracé par interpolation linéaire d’une

Le tracé utilise une méthode d’interpolation. Les résultats

(interpolation linéaire ou cubique). L’interpolation

Les isohyètes sont alors exploitées pour l’estimation de la

Tableau 3. Estimation par isohyètes de la pluie journalière sur

Plage de pluviométrie % Surface entre les % cumulé (%)

Pluie maximale sur le réseau : 70mm

C- Méthode de l’inverse de la distance

nœuds est adoptée comme moyenne spatiale. Le poids donné à

Soit NM: nombre de mailles du domaine (maillage régulier);

Soit dij : distance entre un nœud j et une station i. Différentes

Les paramètres α, α ’, β’et β sont déterminés

Le choix de β et de α ’ peut adopter le coefficient de

station x(km) y(km) z(mm)

beta (donnée) 0,03

La méthode de l’inverse de la distance ainsi que celle du

différentes, moins les stations sont corrélées (Fig 8 à 11). La

Tableau 4. Pluies mensuelles concomitantes en quatre stations