Salima TOUATI 2015-2016 PDF

REPUBLIQUE TUNISIENNE
Ministère de l'agriculture, des Ministère de l'enseignement

ressources hydrauliques et de la supérieur et de la recherche
pêche scientifique
Institut de la recherche et Université de Carthage
l’enseignement supérieur agricoles
INSTITUT NATIONAL AGRONOMIQUE DE TUNISIE

Département de Génie Rural, Eaux et Forêts
MEMOIRE DE MASTERE
Présenté par
TOUATI Salima
Spécialité : Gestion Durable des Ressources en Eau
Contribution à l’étude de la
persistance de la sècheresse en
Tunisie
Soutenu le 23 Décembre 2016 devant le jury composé de :
Mme Zohra LILI Présidente de jury.

Mr. Hamadi HABAIEB Encadrant.
Mr. Mehrez ZRIBI Examinateur.
Mr. Taoufik HERMASSI Examinateur.
Institut National de Recherches en Génie Rural, Eaux et Forêt

Mémoire de Mastère INAT 2016
Dédicaces
Je dédie ce travail à mes parents:
A mon père, mon idole et mon soutien;
A ma mère, mon étincelle de Bonheur et ma raison de vivre.
A mes deux soeurs et deux frères, sans eux je ne peux jamais
avancer ou combattre les obscurities de la vie.
A ma grande famille, à tous ceux qui m’ont aide de près ou de loin.
A mes amis.
Salima.
Remerciements
Une mémoire de mastère n’est pas un ouvrage réalisé en solitaire, où un seul cerveau
est mis à l’épreuve. Le résultat final est l’œuvre d’une multitude de contributions, qui ont
toutes consolidé et augmenté le travail effectué. Cette étude s’inscrit dans le cadre du
projet « AMETHYST ».
Ces lignes témoignent de ma profonde reconnaissance pour toutes les personnes
impliquées de près ou de loin dans cette étude.
Je tiens à présenter tous mes respects à Monsieur Hamadi HABAIEB, mon encadrant,
qui m’a laissé une très grande liberté intellectuelle lors de ce travail, mais qui a su aux
moments opportuns me remettre sur les rails, m’empêchant ainsi de me perdre dans les
vastes domaines de la sècheresse et de l’hydrologie. Son immense culture hydrologique,
ainsi que l’encouragement et l’aide qu’il m’a prodigué durant la période du travail ont très
largement contribué au plaisir de mener cette étude.
J'exprime mes respectueux dévouements à Monsieur Taoufik HERMASSI, pour ses
précieux conseils, sa participation pour une période à mon encadrement durant mon travail
et pour sa haute bienveillance de m’avoir fourni les données dont j’avais besoin.
Au terme de ce travail, il est de mon devoir de remercier vivement et chaleureusement
les responsables de l’IRD, qui m’ont bien accueilli parmi eux.
Je dois remercier particulièrement les membres de jury d’avoir accepté d’évaluer mon
travail.
Un grand merci à Madame Zeineb KASSOUK, pour sa haute bienveillance et de
m’avoir fourni les données dont j’avais besoin.
Enfin, que tous ceux qui ont contribué de près ou de loin à la réalisation de ce travail
trouvent ici l’expression de mes remerciements les plus sincères.
Résumé
Ce travail porte, en se basant sur les données mensuelles pour 115ans issues de 24
postes pluviométriques répartis sur le territoire Tunisien, sur l’analyse de l’occurrence et
de la persistance de la sècheresse météorologique en Tunisie par les chaines de Markov.
Ces longues séries pluviométriques permettent d’analyser le comportement stochastique
des précipitations.
L'étude a montré que la sécheresse est un phénomène assez fréquent et récurrent deux
années de suite, voire trois années ou plus. La probabilité d'avoir deux années sèches
consécutives est plus importante dans les régions de l'Ouest ; du Nord-Ouest, du Centre-
Ouest, et le Sud-Ouest. Ces régions sont connues par leur production agricole et leur
apport économique.
L’application de l’indice standardisé de précipitation a montré que le climat tunisien
est souvent fréquenté par une sècheresse météorologique légère à modéré.
En comparant les deux méthodes, on à obtenu les mêmes résultats avec une corrélation
supérieure à 0,65 pour le NE, CO, CE, SE.
Ces résultats participent à l'établissement d'une stratégie de lutte contre la sécheresse.
Mots-clés : modèles statistiques et probabilistes, chaîne de Markov, sècheresse,

précipitations, analyse fréquentielle.
Abstract
This work focuses on the analysis of the occurrence and the obstinacy of the
meteorological drought in Tunisia by Markov chain. It is based on the monthly data for
115 years stremming for 24 posts pluviometric distributed on the Tunisian territory
allowing to analyse the stochastic behavior of the precipitation,
The study showed that the drought is a rather frequent an reccurig phenomenon, two
years running, even three years or more. The probability to have two consecutive dry yers
is more important in the western regions ; the North west, the central west and the south
west. These regions are known by their agricutural prodution and their economic
contribution.
The application of the standardized pricipitation index showed that the Tunisian
climate is often frequented by a light and moderated meteorological drought.
By comparing the two methods, the same results were obtained with a correlation
greater than 0.65 for NE, CO, CE, SE.
These results participate in the establishment of a strategy to fight against the drought.
Keywords: statistical and probability models, Markov chain, drought, precipitation,

analysis fréquential.
‫‪Mémoire de Mastère‬‬ ‫‪INAT 2016‬‬
‫ملخص‬
‫يقوم هذا العمل‪ ،‬استنادا على بيانات شهرية ل‪ 24‬محطة مياه األمطار منتشرة في جميع أنحاء األراضي التونسية مدة ‪115‬‬
‫عاما‪ ،‬على تحليل لوجود واستمرار الجفاف في تونس من خالل تطبيق سالسل ماركوف‪.‬‬
‫أظهرت الدراسة أن الجفاف هو ظاهرة شائعة جدا و يمكن تكرارها سنتين متتاليتين أو ثالث سنوات أو أكثر‪.‬‬
‫نسبة احتمال تكرار سنتي جفاف متتالية مرتفعة في المناطق الغربية للبالد‪ .‬الشمال الغربي ‪ ,‬الوسط الغربي‪ ,‬الجنوب‬
‫الغربي‪ .‬وتعرف هذه المناطق بإنتاجها الزراعي ومساهمتها في اقتصاد البالد‪.‬‬
‫أظهر تطبيق المؤشر المعياري للهطول أن المناخ التونسي غالبا ما يرتاده جفاف خفيف الى معتدل‪.‬‬
‫ادى تطبيق الطريقتين الى نفس النتائج مع وجود ارتباط أعلى من ‪( 0.65‬في الشمال الشرقي‪ ,‬الوسط الغربي و الشرقي‬
‫و الجنوب الغربي)‪.‬‬
‫هذه النتائج تشارك في وضع إستراتيجية ضد الجفاف‪.‬‬
‫‪ .‬كلمات البحث‪ :‬النماذج اإلحصائية واالحتمالية‪ ،‬سلسلة ماركوف‪ ،‬الجفاف‪ ،‬تحليل تواتر األمطار‬
Sommaire
Introduction générale .................................................................................................................. 1
Chapitre 1: Synthèse bibliographique ........................................................................................ 3
1. Définitions de la sécheresse ............................................................................................ 3
2. Concept d'Aridité............................................................................................................. 4
3. Concept de Désertification .............................................................................................. 5
4. Types de sécheresse ........................................................................................................ 5
4.1 Sécheresse météorologique ........................................................................................ 6
4.2 Sécheresse hydrologique ............................................................................................ 7
4.3 Sécheresse agricole .................................................................................................... 7
4.4 Sécheresse socio-économique .................................................................................... 7
5. Revue de littérature des indicateurs de sécheresse .......................................................... 7
5.1 Indice des fréquences ................................................................................................. 9
5.2 Indice de la différence à la moyenne et à l’écart type ................................................ 9
5.3 Le Pourcentage à la Normale (PN)............................................................................. 9
5.3 La méthode des Déciles de précipitation (D) ........................................................... 10
5.4 L’Indice de précipitation standardisé (SPI - Standardized Precipitation Index) ...... 10
5.5 Indice de sécheresse de Palmer ( PDSI - Palmer Drought severity Index) .............. 12
5.6 Indice d’humidité disponible pour les cultures (CMI - Crop Moisture Index) ........ 13
5.7 Indice des réserves en eau de surface (SWSI - Surface Water Supply Index) ......... 14
6. Mesures et catégories d’intensité de la sécheresse ........................................................ 15
6.1 Typologie de la sécheresse fondée sur l’extension spatiale ....................................... 15
6.2 Typologie fondée sur la persistance ........................................................................... 16
6.3 Typologie fondée sur l’intensité du déficit................................................................. 16
7. Processus et cycle de sécheresse dans le monde ........................................................... 17
8. Processus et cycles de sécheresse en Tunisie ................................................................ 18

Chapitre 2: Matériels et méthodes ............................................................................................ 22
1. Justificatif du choix du modèle ..................................................................................... 22
2. Analyse fréquentielle des pluies .................................................................................... 23
2.1 Rappel théorique sur le contrôle des données et l’analyse fréquentielle .................... 23
2.2 Définition de l'analyse fréquentielle .......................................................................... 25
3. Méthodologie des chaînes de Markov ........................................................................... 25
3.1 Le processus de Markov d'ordre 1............................................................................. 26
3.2 Le processus de Markov d'ordre 2............................................................................ 26
4. Application aux données de précipitations .................................................................... 27
Chapitre 3: Persistance de la sécheresse en Tunisie ................................................................. 28
1. Introduction ................................................................................................................... 28
2. Localisation, situation géographique ............................................................................. 28
3. Caractéristiques du climat Tunisien .............................................................................. 28
4. Caractéristiques pluviométriques de la Tunisie ............................................................ 29
5. Inventaire de données .................................................................................................... 30
5.1 Préparation et traitements des données ...................................................................... 32
6. Etude des séquences sèches........................................................................................... 34
6.1 Méthode de l'analyse fréquentielle ............................................................................ 34
6.2 Variabilité interannuelles des pluies en Tunisie ......................................................... 35
6.3 Variabilité intra-annuelle des pluies en Tunisie ......................................................... 37
6.4 Application du modèle markovien ............................................................................ 38
6.5 Degré de sécheresse ................................................................................................... 45
7. Effets des changements climatiques en Tunisie ............................................................ 49
7.1 Approche méthodologique ..................................................................................... 49
7.2 Méthode de l’analyse fréquentielle ........................................................................ 50
7.3 Répartition spatiale des précipitations pour chaque période d’étude ..................... 50
8. Conclusion ..................................................................................................................... 51
Chapitre 4: Persistance de la sécheresse à l'échelle régionale: "Gouvernorat de Kairouan ..... 52
1. Introduction ................................................................................................................... 52
2. Présentation de la zone d'étude...................................................................................... 52
2.1 Caractéristiques du climat de Kairouan...................................................................... 52
2.2 Températures .............................................................................................................. 53
2.3 Vent ............................................................................................................................ 53
2.4 Contexte pluviométrique ............................................................................................ 53
3.1 Réseau des mesures pluviométriques ......................................................................... 54
3.2 Vérification des données pluviométriques ................................................................. 54
3.3 Détermination de la pluie moyenne du gouvernorat de Kairouan............................. 55
4.1 Méthode de l’analyse fréquentielle ........................................................................ 58
4.2 Variabilité interannuelle des pluies à Kairouan ......................................................... 59
5. Application du modèle Markovien pour la région de Kairouan .................................... 60
6. Conclusion ..................................................................................................................... 61
Chapitre 5: Persistance de la sécheresse à l’échelle régionale : « Bassin versant de la Medjerda

» ................................................................................................................................................ 63
1. Introduction ................................................................................................................... 63
2. Présentation de la Medjerda .......................................................................................... 63
3.1 Réseau des mesures pluviométriques ......................................................................... 64
3.2 Vérification des données pluviométriques et reconstitution des données manquantes

…………………………………………………………………………………………...65
3.3 Détermination de la pluie moyenne du bassin versant de la Medjerda ..................... 65
4.1 Méthode de l’analyse fréquentielle ............................................................................ 66
4.2 Variabilité interannuelle des pluies des régions de la Medjerda ................................ 67

5. Application du modèle Markovien pour la Medjerda ................................................... 68
6. Conclusion ..................................................................................................................... 70
Conclusion générale ................................................................................................................. 71
Références bibliographiques .................................................................................................... 73
Annexes .................................................................................................................................... 79
Liste des tableaux
Tableau 1-1: Différents types d’indicateurs de sécheresse ....................................................... 8

Tableau 1-2: Classes de sévérité de la sécheresse selon l’indice des fréquences ..................... 9
Tableau 1-3: Classes de sévérité de la sécheresse selon la différence à la moyenne et l’écart
type ............................................................................................................................................. 9
Tableau 1-4: Sévérité du SPI .................................................................................................. 11
Tableau 1-5: Catégories d’intensités de la sécheresse ............................................................ 16
Tableau 3-1: Caractéristiques des stations sélectionnées……………………………….…...32
Tableau 3.2: Déficits pluviométriques minima des années sèches dans les différentes régions
de la Tunisie…………………………………………………………………………………..35
Tableau 3.3: Fréquences des années consécutives sèches (1900/01-2014/15) en Tunisie…..35
Tableau 3.4: Analyse des précipitations interannuelles des différentes régions de la Tuinise
(période d’étude 1900-2015)………………………………………………………………….36
Tableau 3.5: Seuils en mm des années et des saisons sèches (1900-2015)………………….38
Tableau 3.6: Processus de Markov d’ordre1 pour les différentes régions de la Tunisie
(1900/1901-2014/15) – Echelle annuelle……………………………………………………..38
Tableau 3.7: Processus de Markov d'ordre 1 pour les différentes régions de la Tunisie
(1900/1901-2014/15) - Automne……………………………………………………………..40
(1900/1901-2014/15) - Hiver…………………………………………………………………41
(1900/1901-2014/15) - Printemps…………………………………………………………….42
Tableau 3.10: Processus du Markov d'ordre 2 pour les différentes régions de la Tunisie
(1900/1901-2014/15) – Echelle annuelle……………………………………………………..42
(1900/1901-2014/15) –Automne……………………………………………………………...44
(1900/1901-2014/15) – Hiver………………………………………………………………...45
(1900/1901-2014/15) – Printemps……………………………………………………………45
Tableau 3.14: Comparaison entre la méthode des chaines de Markov et
SPI…………………………….………………………………………………………………46
Tableau 4.1: Caractéristiques des stations sélectionnées…………………………………….54

Tableau 4.2: Analyse des précipitations interannuelles du Kairouan (période d’étude 1964-
65/2014-15)…………………………………………………………………………………...59
Tableau 4.3: Processus de Markov d'ordre 1 (Cas du gouvernorat de Kairouan 1964-
1965/2014-2015)……………………………………………………………………………...60
1965/2014-2015)…………………………………………………………………………...61
Tableau 5.1: Caractéristiques des stations sélectionnées au niveau du bassin versant de la
Medjerda……………………………………………………………………………………...65
Tableau 5.2: Analyse des précipitations interannuelles du bassin versant de la Medjerda
(période d’étude 1900-1901/2014-15)………………………………………………………..67
Tableau 5.3: Processus de Markov d'ordre 1 (Cas du bassin versant de la Medjerdab 1900-
1901/2014-2015)……………………………………………………………………………...69
Tableau 5.6: Processus de Markov d'ordre 2(Cas du bassin versant de la Medjerda 1900-
1901/2014-2015)……………………………………………………………………………...69
Liste des figures
Figure 1.1: Succession de situations de sécheresse et de leurs incidences pour les

différents types de sécheresse généralement admis. (Source: Centre national de lutte
contre la sécheresse, Université du Nebraska–Lincoln, États-Unis d’Amérique…..6
Figure 3.1: Carte des stations utilisées dans le cadre de l’étude…………………………31
Figure 3.2: Courbes de fréquences des différentes régions de la Tunisie………………..34
Figure 3.3: Occurrence des sècheresses en Tunisie (1900/01-2014/15)…………………48
Figure 4.1: Surfaces associées aux postes pluviométriques pour le calcul de la pluie
moyenne du gouvernorat de Kairouan……………………………………………………57
Figure 4.2: Corrélation entre les pluies calculées par méthode de Thiessen…………….58
Figure 4.3: Courbes de fréquence des stations de Kairouan……………………………..59
Figure 4.4: Variation interannuelle des précipitations à Kairouan (1964-65/2014-15)…60

moyenne du bassin versant de la Medjerda……………………………………………….66
Figure 5.2: Courbes de fréquence des stations du bassin versant de la Medjerda………67
Figure 5.3: Variation interannuelle des précipitations au niveau du bassin versant de la

Medjerda (1900-01/2014-15)……………………………………………………………..69
Liste des abréviations
NO : Nord-Ouest.
NE : Nord-Est
CO : Centre-Ouest.
CE : Centre-Est
SO : Sud-Ouest.
SE : Sud-Est.
DGRE : Direction générale des ressources en eau.
INRGREF : Institut National de Recherches en Génie Rural, Eaux et Forêts.
SPI : Standardized Precipitation Index (L’Indice de précipitation standardisé)
Introduction générale
La Tunisie, du fait de sa situation au sud de la Méditerranée, en contact avec le plus

grand sahara du monde, est soumise à un climat semi-aride à aride sur plus de 90% de son
territoire. Ce climat est caractérisé par une pluviométrie modeste et très aléatoire, qui
génère des ressources en eau à la fois rares et mal réparties tant dans l’espace que dans le
temps.
La sécheresse peut avoir un caractère local et limité dans le temps, mais peut atteindre
aussi des dimensions régionales et générales et peut s’étendre sur une, deux, trois ou
même quatre années successives (Ben Boubaker, 2007). Dans ces cas, elle a des
répercussions sévères sur le secteur de l’eau, de l’agriculture et de tous les autres secteurs
dépendants de l’eau. Il est donc important de se doter d’outils qui permettent de détecter et
de suivre les conditions de sécheresse partout sur le globe et plus particulièrement dans
certaines zones arides ou semi-arides, comme la région de la Méditerranée. Celles-ci sont
sujettes aux sécheresses répétitives et ont subit dans les dernières décennies d’importantes
périodes sèches
La sécheresse, une des conditions climatiques extrêmes affectant plus de personnes
que toute autre forme de catastrophe naturelle (Wilhite, 2000), constitue un fléau
redoutable pour l'économie tunisienne fondée essentiellement sur la production agricole
pluviale, de ce fait le recourt à l'analyse de la récurrence et de la persistance de ce
phénomène par des méthodes scientifiques et la recherche à établir une estimation des
probabilités pourraient contribuer à la planification de stratégies de mobilisation et de
gestion des ressources en eau. Une bonne description stochastique des précipitations
aidera à apporter des informations capitales en hydrologie et améliorera la prévision des
sécheresses et des catastrophes naturelles. Plusieurs techniques statistiques permettant
d’analyser des données de précipitations collectées par des réseaux de pluviomètres ont
été publiées dans la littérature (Billingsley, 1960 ; Arnaud, 1985). La technique la plus
utilisée reste néanmoins celle basée sur les chaînes de Markov qui a été très largement
utilisée pour l’analyse des précipitations (Lady, 1974; Hess et al, 1989; Liana et Elena,
2004; Chèze et Jourdain, 2003; Meddi, 2009).
1
Dans un tel contexte climatique, il est indispensable de pouvoir analyser les séquences de
sécheresse météorologique en vue de proposer aux populations des mesures d’atténuation
ou d’adaptation au cas échéant.
C’est dans ce cadre que la présente étude a été initiée, en plus de l’introduction
générale et la conclusion générale, l’étude s’articule en cinq chapitres; le premier chapitre
présente une recherche bibliographique comprenant la délimitation de la problématique de
sécheresse, les études y afférentes, les techniques et les indices de suivi de ce phénomène,
le deuxième présente de la méthodologie du travail. Les trois derniers chapitres présentent
l’application de la méthodologie et les discussions des résultats obtenus qui sont
respectivement ; persistance de la sécheresse en Tunisie, persistance de la sécheresse en
Tunisie à l’échelle régionale : « Gouvernorat de Kairouan » et persistance de la sécheresse
en Tunisie à l’échelle régionale : « Bassin versant de la Medjerda »
2
Chapitre 1: Synthèse bibliographique
1. Définitions de la sécheresse
« La sécheresse est une aberration climatique temporaire et diffère de l’aridité car cette
dernière est restreinte aux régions à faible régime pluviométrique et est une
caractéristique permanente du climat » (NDMC, 2005).
Il n’existe aucune définition universelle de la sécheresse. il y a autant de définitions de la
sécheresse que de domaines d'utilisation de l’eau. Les définitions retrouvées dans la
littérature diffèrent selon la région étudiée, les besoins ou les perspectives du champ de
travail dont elles proviennent. Toutes cependant trouvent leur origine dans un manque de
précipitation sur une certaine période de temps. Ce manque génère une insuffisance en eau
pour une activité, un groupe ou un secteur environnemental. Mais, on peut dire que la
sécheresse est un déficit des disponibilités en eau par rapport à une situation considérée
comme normale pour une période donnée et une région déterminée (Layelmam, 2008).
La sécheresse se manifeste par une diminution des potentialités hydriques dans une
région donnée et pour une période donnée par rapport à une situation dite normale. C’est
un phénomène récurrent. Elle n’est pas propre à un type particulier de climat. Elle peut se
manifester au sein de n’importe quelle aire climatique. La sécheresse peut s’inscrire à des
échelles spatio-temporelles très variées (Ben Boubaker, 2007).
Cette notion diffère des autres phénomènes naturels dangereux à bien des égards. En
effet, c’est un danger naturel qui commence lentement, de sorte qu’on parle souvent d’un
phénomène à évolution lente. On observe un écart cumulé des précipitations par rapport à
la normale ou aux valeurs prévues (la moyenne à long terme, par exemple).
Ce déficit cumulé de précipitations peut se manifester rapidement sur une courte période,
mais cela peut aussi prendre des mois. Si le déficit persiste, la sécheresse s’étend
progressivement à tous les domaines où l’eau transite (sols, végétaux, nappes d’eau
souterraine, rivières, barrages). C’est en définitif tout le cycle de l’eau qui se trouve
perturbé.
La sécheresse comprend à la fois une composante naturelle et une autre sociale. Dans
chaque région, le risque qui lui est associé est le produit de l’exposition à l’aléa (c’est-à-
dire la probabilité de répétition du phénomène à des niveaux variés de sévérité) et de la
vulnérabilité de la société à l’événement (Ben Boubaker, 2007). Elle ne devrait pas être
3
perçue comme un simple phénomène physique ou seulement un événement naturel, mais

comme un phénomène dont les impacts sur la société résultent de l'interaction entre un
événement naturel (moins de précipitations que prévu résultant de la variabilité climatique
naturelle) et la demande des populations en eau.
Difficile de prévoir sa durée et de savoir à quel moment elle se termine, difficile de la
définir avec exactitude, elle peut avoir une grande extension spatio-temporelle et ses
impacts s’étendent sur une aire géographique plus vaste que ne le sont les dommages
causés par d’autres désastres naturels, ces critères font sa distinction des autres désastres
naturels.
La sévérité de la sécheresse, dépend non seulement de sa durée, de l’intensité du
déficit pluviométrique, de son extension spatiale, mais aussi des besoins en eau des
activités humaines et de la végétation (Layelmam, 2008).
Les sécheresses ont toujours existé et les hommes ont dû y faire face. Les impacts de
la sécheresse touchent différents secteurs (économiques, sociaux, environnementaux). Il
s’agit de l’un des fléaux que les hommes ont en fait toujours redoutés. Toutefois,
l’augmentation considérable des besoins en eau dans les sociétés modernes rend celles-ci
très vulnérables aux sécheresses (Ben Boubaker, 2007). Les récentes sécheresses dans les
pays développés et en voie de développement et les impacts qu’elles ont eus sur le plan
social, économique et environnemental, ont mis en exergue la vulnérabilité de toutes les
sociétés à ce phénomène.
De ces différents caractéristiques, il ressort que la sécheresse est un phénomène
complexe à appréhender et dont il est difficile de mesurer avec précision les impacts. La
sécheresse, comme tout phénomène touchant aux rapports entre l’homme et son
environnement, impose une approche pluridisciplinaire.
2. Concept d'Aridité
L’aridité est un concept climatique de référence spatiale (domaine aride). Le climat
aride se caractérise par des précipitations très faibles et très irrégulières et une
évapotranspiration potentielle (pouvoir évaporant de l’atmosphère) très forte. L’aridité est
l’expression d’un bilan hydrique très déficitaire en permanence. Elle est à distinguer de la
sécheresse qui est un phénomène conjoncturel.
L'aridité est un fait climatique significativement exprimé par le rapport des
précipitations à l’évapotranspiration potentielle pour une durée de référence donnée,
annuelle en général. Plus les précipitations sont faibles et l’évaporation élevée, plus
4
l’aridité est grande. De ce fait, les valeurs du rapport P/ETP sont souvent utilisées comme
critères pour la délimitation des régions arides. Dans la « Carte de la répartition mondiale
des régions arides » (notice explicative, UNESCO notes techniques du MAB 7, 1979), les
seuils suivants ont été retenus :
- domaine hyper aride (P/ETP<0,03).
- domaine aride (0,03<P/ETP<0,20) .
- domaine semi-aride (0,20 <P/ETP<0,50).
3. Concept de Désertification
La désertification est une forme extrême de la dégradation des terres, où les sols
perdent l’essentiel de leurs capacités biologiques. Résultant d’un certain nombre de
facteurs (sécheresse, températures élevées, érosion hydrique et éolienne, activités
humaines, etc.), elle se caractérise par la baisse du niveau de la nappe phréatique,
l’accroissement de l’érosion et la disparition de la végétation naturelle. La présence d’un
seul de ces symptômes signifie généralement que le processus de désertification est en
cours.
4. Types de sécheresse
La sécheresse qui commence comme un évènement climatique dans sa phase initiale,
s’étend progressivement à tous les domaines où l’eau transite. De ce fait, on distingue
plusieurs types de sécheresse, la figure ci-après représente les principaux types de
sécheresse:
5
Figure 1.1: Succession de situations de sécheresse et de leurs incidences pour les différents
types de sécheresse généralement admis. (Source: Centre national de lutte contre la
sécheresse, Université du Nebraska–Lincoln, États-Unis d’Amérique)
4.1 Sécheresse météorologique

La sécheresse météorologique correspond à un déficit prolongé de précipitations. Elle
est jugée en fonction des quantités d'eau relevées dans les pluviomètres.
Elle se caractérise par l'absence de précipitations ou des hauteurs de précipitation
inférieures à celles généralement enregistrées à la même période. La sécheresse
météorologique est difficile à mettre en évidence car les hauteurs de précipitation varient
parfois beaucoup d'une année sur l'autre. De plus, la répartition des précipitations dans le
temps et dans l'espace joue un rôle aussi crucial voire plus important que les hauteurs
pluviométriques dans le développement de la sécheresse (Lambert, 1996).
Ces définitions doivent être considérées spécifiques à une région puisque les conditions
météorologiques normales changent grandement d’une région à l’autre.
6
4.2 Sécheresse hydrologique

La sécheresse hydrologique affecte les cours et les étendues d'eau continentales
(étangs, lacs etc.) dont le niveau ou le débit montre une valeur inférieure à celle
habituellement mesurée à la même période. Les cours d'eau et étendues d'eau peuvent
s'assécher de façon temporaire partiellement ou totalement selon l'intensité et la durée de
la sécheresse. A cette dernière, on ajoutera la sécheresse phréatique qui affecte le niveau
des aquifères.
4.3 Sécheresse agricole
La sécheresse agricole fait un rapport entre les caractéristiques de la sécheresse
météorologique ou hydrologique et les impacts sur le milieu agricole.
Elle porte sur l’insuffisance des précipitations, la différence entre l’évapotranspiration
réelle et potentielle, et le manque en eau des sols et des réserves hydriques (Wilhite et
Glantz, 1985).
La sécheresse agricole se définit toujours par rapport aux besoins en eau des plantes
cultivées. Elle correspond à l'absence de la réserve en eau facilement utilisable (RFU) par
les plantes pendant leur période de croissance. Une sécheresse agricole de courte durée
suivant plusieurs années normalement ou abondamment arrosées n'a généralement qu'un
effet limité. En revanche, plusieurs sécheresses qui se succèdent s'avèrent souvent
dramatiques pour l'équilibre de l'économie agricole (Lambert, 1986).
Ce type de sécheresse dépende grandement des conditions climatiques, des
caractéristiques biologiques et phénologiques des cultures ainsi que des propriétés
physiques et biologiques des sols (Beaudin., 2007).
4.4 Sécheresse socio-économique
Les sécheresses socio-économiques définissent le lien entre l’offre et la demande d’un
bien économique et certains éléments des sécheresses météorologiques, hydrologiques ou
agricoles. L’occurrence d’un tel type de sécheresse dépend de la variation temporelle et
spatiale de l’offre et de la demande de ce bien économique. Ce bien dépend toujours des
conditions climatiques et peut tout aussi bien être l’eau, une récolte ou de l’électricité. Il y
a sécheresse socio-économique lorsque la demande pour un bien excède l’offre à cause
d’un manque hydrique relié au climat (NDMC, 2005).
5. Revue de littérature des indicateurs de sécheresse

Il existe plusieurs outils pour caractériser l’état de notre environnement et certains de
ceux-ci ont été spécialement développés pour caractériser les situations de sécheresse.
7
Comme les sécheresses sont des phénomènes complexes pour lesquels il existe plusieurs
définitions (NDMC, 2005; Tate et Gustard, 2000), ce qui a poussé les chercheurs à définir
des indicateurs de ce phénomène.
Ces indicateurs permettent de déterminer d’une façon scientifique le seuil indiquant la
sécheresse à différentes échelles de temps et de définir des classes d’appartenance à cet
événement en fonction de sa sévérité et de sa position. Ils assurent également le suivi de la
sécheresse et la détection à différents stades de son évolution. Ces indices constituent
également un excellent moyen de communication avec le public et un outil de décision
pour le gouvernement, les plus simples de tous ces indicateurs de sécheresse sont les tests
statistiques. Ceux-ci ne font appel qu’à une seule variable. Ils utilisent généralement les
mesures de précipitation recueillies aux stations météorologiques pour décrire les
conditions de sécheresse. Ils ont pour but de comparer les valeurs actuelles à la tendance
historique. Ils sont simples, faciles et rapides à utiliser. Ce ne sont pas formellement des
indicateurs de sécheresse mais leur valeur donne une bonne indication des conditions
climatiques régnant dans la région autour de la station. (Beaudin, 2007).
Les indicateurs recensés dans la littérature et pouvant être utilisés pour le suivi des
conditions de sécheresse en région méditerranéenne sont récapitulés dans le tableau ci-
après:
Tableau 1-1: Différents types d’indicateurs de sécheresse
Types des indices Indices indices indices

indices de météorologiques hydrauliques agricoles socioéconomiques
sécheresse
Indices - SPI (Indice standardisé - Niveau des eaux -Reserve utile . - Pénurie de
de precipitation ). souterraines. - Rendement des l’approvisionnement en
- PDSI (Indice de - Caractéristiques plantes. eau
sécheresse de Palmer). des faibles débit.
- CMI (Indice
d’humidité de culture).
- SWI (Indice
d’humidité du sol).
- Déciles.
-PN (pourcentage à la
normale).
(Source: Hayes,2007)
8
5.1 Indice des fréquences

Cet indice est calculé de la manière suivante :
Les données d’une série pluviométrique sont classées dans un ordre croissant. On calcule
ensuite, pour chaque individu de cette série, la fréquence. Les valeurs de la fréquence vont
des plus faibles vers les plus élevées. Les années sèches se situent dans les classes des
faibles fréquences. Le tableau ci-après présente les classes de sévérité de la sécheresse
selon l'indice des fréquences:
Tableau 1-2: Classes de sévérité de la sécheresse selon l’indice des fréquences
Classes des fréquences Intensité de la sécheresse

0,35-0,65 Année normale
0,35-0,15 Année sèche
<0,15 Année très sèche
Source (Benzarti et Habaieb, 2001)
5.2 Indice de la différence à la moyenne et à l’écart type

Cet indice intègre la pluie de l’année considérée, la moyenne pluviométrique annuelle et
l’écart type de la série des données de la moyenne.
Tableau 1-3: Classes de sévérité de la sécheresse selon la différence à la moyenne et

l’écart type
Valeur de l’indice Intensité de la sécheresse

Xm > Xi > Xm-1ET Sécheresse modérée
Xm – 1ET > Xi > Xi - 2ET Année très sèche
Xi < Xm – 2ET Année hyper sèche
Xm = moyenne pluviométrique de la série, source (Layelmam, 2008)
ET = Ecart type de la série pluviométrique,
Xi = pluie de l’année considérée.
5.3 Le Pourcentage à la Normale (PN)

Le PN représente le pourcentage de l’écart des précipitations d’une période par rapport
à la normale historique de cette période. La normale étant habituellement la moyenne des
précipitations totales de la période, calculée à partir d’environ 30 ans de données. Cet
indicateur est appliqué à l’échelle locale ou régionale pour des périodes de temps variant
de 1 mois à quelques mois, voire même une année.
𝑃
𝑃𝑁 = ( ) ∗ 100 (%)
𝑃𝑚
9
Avec P:Précipitation totale d'une période en (mm)
Pm: Précipitation moyenne historique d'une période en (mm)
Le PN est un indicateur très efficace lorsqu’il est utilisé pour comparer une seule région
ou une seule saison. Cet indicateur est souvent incompris et donc parfois mal interprété.
(NDMC, 1996)
5.3 La méthode des Déciles de précipitation (D)
Cette méthode a été développée par Gibbs et Maher (1967) pour palier aux faiblesses
du pourcentage à la normale. Cette approche permet de connaître la fréquence d’un
événement. Elle divise la distribution des fréquences des événements en 10 parties
représentant chacune 10 % de la distribution. Le cinquième décile représente donc la
médiane et le dixième décile le volume maximal de précipitation reçu pour une région et
pour une période de temps.
C’est une méthode uniforme de classification des sécheresses qui peut être appliquée
tant à l’échelle locale que continentale, sur des périodes variant du mois à une année.
C’est une formule simple qui ne nécessite qu’une seule donnée, la précipitation, et qui
comporte moins d’hypothèses que les méthodes plus complexes. Il est par contre
nécessaire de posséder des données climatiques portant sur une longue période (minimum
de 30 ans) afin de calculer les déciles de façon précise et significative. Comme pour le
PN, la précision et la représentativité spatiale des déciles sont étroitement reliées à la
densité du réseau de stations météorologiques utilisé. (NDMC, 1996)
5.4 L’Indice de précipitation standardisé (SPI - Standardized Precipitation
Index)
C'est un autre indicateur statistique communément utilisé pour la caractérisation des
sécheresses locales ou régionales. Basé sur un historique de précipitation de longue durée,
le SPI permet de quantifier l’écart des précipitations d’une période, déficit ou surplus, par
rapport aux précipitations moyennes historiques de la période. Cette période varie
généralement de 3 mois à 2 ans, selon le type de sécheresse que l’on désire suivre.
(McKee et al. , 1993; Hayes, 2007).
(𝑃 − 𝑃𝑚)
𝑆𝑃𝐼 =
𝜎𝑝
Avec P:Précipitation totale d'une période (mm).
10
Pm: Précipitation moyenne historique de la période (mm).
𝜎𝑝: Ecart type historique des précipitations de la période (mm).
McKee et al. (1993) a développé cet indicateur afin de faire ressortir l’impact de la
période étudiée sur les différentes ressources en eau. Comme les réserves souterraines, les
réservoirs, les dépôts neigeux ou les cours d’eau ne réagissent pas aux variations
pluviométriques avec la même rapidité, la période de calcul du SPI fait ressortir l’effet de
cette variation sur chacun de ces systèmes hydrologiques. À l’échelle temporelle d’une
semaine, par exemple, la réponse du SPI est très variable. Une valeur négative, donc un
déficit, ne représente pas pour autant une situation de sécheresse mais serait plutôt
représentatif d’une situation de stress hydrique temporaire de la végétation. Des déficits
hydriques de plus longues durées (3, 6 mois, 1 an, etc.) sont par contre nécessaires pour
avoir un impact sur les ressources hydriques du sol ou sur les ressources en eau de surface
(sécheresse hydrologiques).
Tableau 1-4: Sévérité du SPI

SPI Catégorie de sécheresse
2 et plus Extrêmement humide
1,5 à 1,99 Très humide
1 à 1,49 Humide
0 à 0,99 Légèrement humide
-0,99 à 0 Légèrement sec
-1 à -1,49 Modérément sec
-1,5 à -1,99 Sévèrement sec
-2 et moins Extrêmement sec
Source : McKee et al. (1993)
McKee et al. (1993) utilisent la classification retrouvée au tableau2 afin de définir

l’intensité des sécheresses à l’aide du SPI. Selon l’auteur, une sécheresse sévit lorsque le
SPI est consécutivement négatif et que sa valeur atteint une intensité de –1 ou moins et se
termine lorsque le SPI devient positif. La magnitude de la sécheresse est obtenue en
additionnant toutes les valeurs du SPI d’une période sèche.
Le SPI est utilisé opérationnellement depuis 1994 au Colorado pour le suivi des conditions
de sécheresse. C’est aussi un des indicateurs qui a été retenu par le NDMC (2005) qui
11
offre des synthèses du SPI, calculées pour des périodes de un mois à un an, à une échelle
spatiale variable selon les états américains. Il est aussi inclus dans la formulation du
« Drought Monitor » (NDMC, 2005). Le « Drought Monitor » combine plusieurs
indicateurs de sécheresse afin de fournir une information concernant l’intensité et
l’étendue des sécheresses agricoles ou hydrologiques.
5.5 Indice de sécheresse de Palmer ( PDSI - Palmer Drought severity Index)
Appelé d’abord Indice de sécheresse de Palmer ( PDI - Palmer Drought Index)
(Palmer, 1965), cet indicateur fut modifié afin de pouvoir caractériser le début, la fin et la
sévérité des périodes de sécheresse. La version transformée est appelée Indice de sévérité
des sécheresses de Palmer (PDSI - Palmer Drought Severity Index) (Alley, 1984).
Le PDI, tout comme le PDSI, sont des indicateurs qui mesurent la différence
d’approvisionnement en humidité pour les phases sèches autant que pour les phases
humides. Ils sont calculés pour des périodes hebdomadaires ou mensuelles afin de
caractériser les conditions régionales. Parce que ce sont des indicateurs normalisés, il est
possible de comparer différentes régions.
𝑃𝐷𝑆𝐼 = 𝑋(𝑖) = 0,897𝑋(𝑖 − 1) + 𝑍(𝑖)/3
Avec :
 Xi(i-1) PDSI de la période précédente
 Z(i) "Moisture anomaly index ou ndice de l'anomalie en humidité
 i Mois de l'année
et
𝑍(𝑖) = 𝐾(𝑃 − 𝑃𝑐)
Avec :
 K Facteur de poids (voir Alley, 1984)
 P précipitation actuelle (mm)
 Pc Précipitation CAFEC (mm)
𝑃𝑐 = 𝛼𝑗 𝑃𝐸 + 𝛽𝑗 𝑃𝑅 + 𝛾𝑗 𝑃𝑅𝑂 + 𝛿𝑗 𝑃𝐿 (𝑚𝑚)
Où:
 CAFEC "Climatically Appropriate for Existing Conditions"
 j Mois de l'année
 PE Evapotranspiration potentielle (mm)
 PR Recharge du sol potentiel (mm)
12
 PRO Ruissellement potentiel (mm)

 PL Pente potentielle dans le sol (mm)
Le PDSI est un indicateur basé sur les équations du bilan hydrique. Il n'existe toutefois
aucune méthode acceptée à l'unanimité pour le calcul de l'évapotranspiration et c'est la
méthode de Thornthwaite (1948) qui est ici utilisée. Cette méthode, quoique largement
répandue, utilise une simplification des équations du bilan hydrique et une approximation
de l'évapotranspiration réelle (Alley, 1984) et ne représente donc pas nécessairement très
bien la région étudiée.
Même s’il est grandement utilisé sur le territoire nord-américain, le PDSI ne tient
toutefois pas compte des conditions hivernales qui peuvent fortement influencer le bilan
hydrique. Il donne, malgré tout, une information utile pour la caractérisation des situations
de sécheresse. Dû à sa sensibilité à l’humidité des sols, il est amplement utilisé en
agriculture mais aussi pour la surveillance des conditions de sécheresse. C’est un outil de
décision qui s’est avéré utile puisqu’il place un événement dans un contexte historique
(Alley, 1984).
5.6 Indice d’humidité disponible pour les cultures (CMI - Crop Moisture
Index)
Cet indice est créé pour surveiller les conditions hydriques hebdomadaires des cultures à
l’échelle régionale, l’Indice d’humidité disponible pour les cultures (CMI - Crop Moisture
Index) est un indicateur météorologique (Palmer, 1968) qui donne le statut de l’humidité
disponible par rapport à la demande en humidité. Développé à partir des procédures du
PDSI, cet indice définit les sécheresses en fonction de la magnitude et du déficit en
évapotranspiration.
𝐶𝑀𝐼 = 𝐸𝐴𝐼 + 𝑊𝐼
Avec:
 WI (Wetness Index) : Recharge du sol (précipitation) combinée au
ruissellement (mm).
 EAI (Evapotranspiration Anomaly Index).

𝐸𝑇 − 𝐸𝑇𝑐
𝐸𝐴𝐼 = 0,67𝑌𝑖 − 1 + 1,8
√𝛼
Avec :
 Yi-1 CMI de la semaine précédente.
13
 ET Evapotranspiration (mm).
 ETc Evapotranspiration attendue pour les conditions qui prévalent (mm).
 α Coefficient d'évapotranspiration (évapotranspiration réelle/
évapotranspiration potentielle).
Il utilise la température moyenne et les précipitations totales hebdomadaires comme
intrants, en plus de la valeur du CMI de la semaine précédente pour évaluer les conditions
agricoles. Le cumul des CMI des semaines précédentes engendre donc une erreur
cumulative dans le calcul du CMI de la semaine.
Le CMI est un indicateur normalisé qui donne un poids par endroit et par période et
permet donc de comparer différentes régions. Par contre, il varie rapidement avec un
changement des conditions. Il évalue donc les conditions d’humidité à court terme et n’est
pas un outil adapté pour la surveillance des conditions de sécheresse à long terme. De
plus, comme le CMI est un indicateur développé pour l'agriculture et que la végétation
agricole est absente à certaines périodes de l'année, il est difficile d’appliquer le CMI en
dehors de la saison des cultures (NDMC, 1996).
5.7 Indice des réserves en eau de surface (SWSI - Surface Water Supply
Index)
Cet indicateur hydrologique, créé par Shafer et Dezman (1982), est un complément au
PDSI qui incorpore des éléments d’hydrologie et de climatologie.
((𝑎 ∗ 𝑃𝑁𝑠𝑝) + (𝑏 ∗ 𝑃𝑁𝑝𝑐𝑝) + (𝑐 ∗ 𝑃𝑁𝑟𝑠) − 50)

𝑆𝑊𝑆𝐼 =
12
Où :
 a, b, c sont les poids associés à chaque composante et a+b+c=1.

 sp couverture neigeuse équivalente en eau (mm).
 pcp précipitation (mm).
 rs réservoir (mm).
 PN probabilité de ne pas excéder (%).
Tout comme le PDSI, le SWSI est un indicateur normalisé qui permet de comparer
différentes régions, généralement pour des périodes mensuelles. C’est un indicateur des
conditions hydriques spécialement développé pour les régions où la fonte des neiges est la
principale source d’écoulement des eaux superficielles. Il incorpore la couverture
neigeuse, les précipitations en montagne, les cours d’eau, le contenu des réservoirs en plus
14
du contenu en eau du sol. Il ne tient toutefois pas compte des écoulements dus à la fonte
d’une accumulation antérieure de neige. C’est un indicateur des conditions de surface
calibré pour une région homogène et il n’est pas conçu pour de grandes variations
topographiques (Hayes, 2007).
Le SWSI est simple à calculer et donne une mesure de l’approvisionnement en eau
superficielle. Par contre, un réarrangement des stations amène à refaire les distributions de
fréquence de chaque station et un changement dans l’exploitation du bassin signifie le
développement d’un nouvel algorithme. Il est donc difficile de maintenir une série
temporelle de cet index (Beaudin , 2007).
6. Mesures et catégories d’intensité de la sécheresse

Mesurer l’intensité de la sécheresse et établir des catégories de cette intensité nécessite
d’abord le choix des critères. L’importance du déficit hydrique, son extension spatiale et
sa durée sont les principaux critères qui définissent l’intensité d’une sécheresse.
La démarche pour distinguer des catégories d’intensité de la sécheresse consiste à :
1) établir une typologie de la sécheresse fondée sur chacun des trois critères (durée,
extension spatiale et importance du déficit).
2) combiner les résultats de cette typologie pour distinguer des catégories d’intensités
de la sécheresse.
6.1 Typologie de la sécheresse fondée sur l’extension spatiale
L’intensité de la sécheresse ne sera pas la même si elle s’inscrit à une échelle locale ou
si elle affecte un espace très étendue. De ce fait, on distingue les sécheresses locales,
régionales et générales (Ben Boubaker, 2007).
La Tunisie se subdivise en trois domaines climatiques : le Tell ou le domaine qui se trouve
au nord de la Dorsale, la Tunisie centrale, et le Sud-Est limitrophe du golfe de Gabès et le
Sud - Ouest.
On peut considérer qu’une sécheresse est de type local si elle n’est signalée qu’au
niveau d’une station ou même d’une sous-région à l’intérieur de l’un des trois domaines
climatiques. Elle est de type régional si elle affecte plusieurs sous-régions ou l’ensemble
d’un seul domaine climatique du pays. Elle est de dimension générale si elle affecte des
régions aussi bien au nord qu’au sud de la Dorsale ou l’ensemble des régions climatiques
du pays.
En Tunisie les sécheresses d’une extension locale sont les plus fréquentes. Les
sécheresses d’une dimension régionale touchent plus les régions situées au sud de la
15
Dorsale que le domaine tellien. Les sécheresses généralisées ou presque sont les moins
fréquentes mais ne sont pas rares. Nous en citons celles des années 1940, de la fin des
années 1960, de 1987 à 1989, de 1993 à 1995 (Henia, 2001).
6.2 Typologie fondée sur la persistance
La sécheresse peut toucher un mois, une saison, une année, comme elle peut être
pluriannuelle. Dans le cas d’une année isolée, il est à noter que l’impact de la sécheresse
est différent si l’année sèche est précédée et suivie par des années à bonne pluviométrie ou
bien si elle est encadrée par des années médiocres sur le plan pluviométrique.
La Tunisie a connu au cours du 20è siècle des sécheresses pluriannuelles s’étendant
sur deux à six années successives. Les sécheresses pluriannuelles sont plus fréquentes au
sud de la Dorsale que dans le Tell. L’événement d’une année sèche isolée est plus
fréquent dans le Nord.
6.3 Typologie fondée sur l’intensité du déficit
Le déficit peut être modéré comme il peut être sévère ou très sévère. Différents indices
sont utilisés par les chercheurs pour établir une typologie de la sécheresse selon l’intensité
du déficit. L’Institut National de la Météorologie utilise pour ce faire le critère du déficit
par rapport à la normale pluviométrique. :
- Un déficit de 20 à 40 % correspond à une sécheresse modérée.
- Une année est sèche si le déficit est compris entre 40 et 60 %.
- L’année est très sèche si le déficit atteint ou dépasse 60% de la normale.
Un déficit annuel dépassant 40% de la normale est peu fréquent au niveau de la Tunisie
tellienne. Il n’est pas rare par contre au sud de la Dorsale.
Une synthèse des typologies précédentes permet de distinguer des catégories d’intensités
de la sécheresse.
Tableau 1-5: Catégories d’intensités de la sécheresse

Catégories Extension spatiale Durée Importance du
d’intensités déficit hydrique
Sécheresse Locale ou Un mois à une Faible

modérée régionale saison
Sécheresse Région à plusieurs Saisons Déficit important

intense régions critiques à une
année
16
Sécheresse très Plusieurs régions à Pluriannuelles Très important

intense toutes les régions
(Source: Ben Boubaker, 2006)
7. Processus et cycle de sécheresse dans le monde

Selon l’Organisation météorologique mondiale (OMM), de 1967 à 1991, 1,4 milliards
de personnes ont été affectés par les sécheresses (Obassi, 1994). Selon certains scénarios
des changements planétaires, l’occurrence et l’impact des sécheresses risquent
d’augmenter dans les années à venir (Watson et al. 1997). En 2000, la perte de bétail due à
une sécheresse grave en Asie méridionale et au Proche-Orient a causé la mort de
nombreuses personnes. Au sud de l'Afghanistan, la population entière (300 000 familles)
du désert du Registan a fui lorsque leurs sources d'eau se sont asséchées. Au Pakistan, la
sécheresse dans les provinces du Baloutchistan et de Sindh a été signalée comme étant
l'une des pires de l'histoire du pays. En Iran, 18 des comtés et 28 provinces ont été
confrontés également à une sécheresse grave. Le Tigre et l'Euphrate en Iraq ont également
connu une baisse de leur niveau pour atteindre environ 20% de leur débit moyen
(Khoualdia, 2015).
L’Hôte et al. (2002) montrent, suite à une analyse d’un indice des précipitations
annuelles au Sahel ouest africain, que la sècheresse n’est pas encore terminée à la fin de
l’année 2000. Cependant, les modifications climatiques subis par l’Afrique durant le
XXème siècle sont très nombreuses et n’ont pas les mêmes emprises (Paturel et al, 2004).
En effet, pour l’Afrique Centrale, les modifications les plus importantes sont survenues au
cours de la première moitié du siècle avec une augmentation de la pluviométrie annuelle.
Quant à l’Afrique de l'Ouest, une diminution très marquée de la pluviométrie depuis la fin
des années 1960 a été détectée. Elle a de plus une étendue qui ne semble pas avoir eu
d'équivalent au cours du XXème siècle.
Les pays comme le Guinée, le Togo, le Bénin et la partie maritime du Nigeria n'ont
connu aucun changement notable. L'Afrique sahélienne a été la plus sujette à de nombreux
changements au cours du siècle: dans son ensemble, elle a subi une augmentation de la
pluviométrie vers 1940 puis une diminution vers 1970; sa partie centrale a subi une
augmentation de la pluviométrie vers 1919 puis une diminution vers 1970.(Khoualdia,
2015).
Les travaux d’Ake et al, (2010) et Ardoin-Bardin, (2004) ont signalé par le test de
PETTIT, l'existence d'une rupture préférentielle autour des années 1970 au niveau des
17
grands cours d'eau du Côte d'Ivoire. L'année 1970 a été aussi relevée comme année de
rupture par Mahé et al, (2001) sur les débits du Bani à Douna au Mali, avec une
diminution de 68 %. Ils mettent aussi, en évidence que les ruptures hydrologiques sont en
phase avec les ruptures pluviométriques. Cette concordance des dates de rupture montre
que le régime des cours d'eau est fortement lié à celui des précipitations.
Ces années s'insèrent dans la période de rupture de la plupart des stations
pluviométriques en Côte d'Ivoire, à savoir 1966-1971 (Servat et al, 1999).
Ces ruptures montrent aussi que la région de Grand-Lahou s'inscrit globalement dans la
fluctuation du régime pluviométrique observée entre la fin des années 1960 et le début des
années 1970 en Afrique de l'Ouest et Centrale (Olivry, 1997 ; Paturel et al., 1997, 1998 ;
Servat et al., 1998 et 1999).
Kouame (2011) a signalé que les volumes mobilisés ont régulièrement baissés depuis
l’année 1986 qui est caractérisée par une très faible pluviométrie. En effet, l’année 1986
est l’année qui a été marquée par une sécheresse particulièrement intense dans la région de
Soubré. Cette sécheresse a contribué à la réduction des réserves d’eau de la région et a
même affecté la recharge souterraine, ce qui a contribué à renduire les volumes mobilisés
dans les différents bassins versants de la région. Ces constatations ont également été faites
par Nicholson, (1994) et Vissin (2007) qui ont signalé ce phénomène sur les bassins
versants du Tchad et le bassin béninois du fleuve Niger.
Tout comme l'Afrique de l'Ouest et centrale, les pays d'Afrique du Nord n'échappent pas
non plus à cette variabilité climatique telle que la Tunisie.
8. Processus et cycles de sécheresse en Tunisie

La position géographique de la Tunisie la met au contact avec deux domaines
climatiques bien opposés : le domaine tempéré humide et le domaine tropical aride. Elle
est en outre en contact avec la Méditerranée au nord et le Sahara au sud. L’effet de cette
position géographique se traduit par une grande variabilité du climat à toutes les échelles
du temps (inter annuelle, saisonnière, mensuelle et synoptique). A l’échelle spatiale, le
Nord est plus influencé par les processus perturbés de la zone tempérée et de la
Méditerranée que le Sud. Ce dernier est par contre plus ouvert aux influences sahariennes.
Dans le cadre de cette variabilité, la Tunisie connaît des situations de sécheresses et des
évènements de fortes, voire même, de très fortes pluies.
Au cours du 20è siècle, la Tunisie a connu plusieurs grandes sécheresses, mais ces
dernières n’ont pas affecté toutes les décennies avec la même fréquence. Les années 1950
18
et les années 1970, par exemple, se démarquent par la faible apparition des années sèches.
Les années 1920, 1940, 1960 et 1980 ont connu, en revanche, des sécheresses pluri
annuelles, de grande extension spatiale et avec un déficit pluviométrique important
(Hénia, 2001).
La sécheresse des années 1920, s’est manifestée essentiellement de 1921-1922 à 1926-
1927. Cette dernière année était la plus sèche. La sécheresse des années 1940 est la plus
sévère du siècle. Certaines stations ont connu 6 à 8 années sèches successives. Pendant
quatre années successives (de 1944-1945 à 1947-1948, l’isohyète 400 mm s’est maintenue
au nord de la moyenne et basse vallée de la Medjerda, c’est-à-dire à plus de 150 km au
nord de sa position moyenne, au sud de la Dorsale (Hénia, 2001). La sécheresse des
années1960 a persisté de 1960-1961 à 1968 –1969. Il s’agit d’une période à pluviométrie
très faible à médiocre. La fin de la décennie 80 (1987-1988 à 1988-1989) a connu une
grande sécheresse avec un déficit pluviométrique intense qui a affecté l’ensemble du pays,
en dehors de l’extrême Sud-Est. Ce déficit était au cours de l’année 1987-1988 de 20 à 50
% dans le Tell et de plus de 50 %, voire même, de plus de 60 % de la moyenne dans
beaucoup de stations du Centre et du Sud-Ouest.(Ben Boubaker, 2006).
Les travaux sur la Tunisie, dans le même ordre d'idée, Kingumbi et al. (2006) ont mis
en évidence une baisse significative des précipitations annuelles en Tunisie centrale, entre
1976 et 1989.
Une étude de la sécheresse météorologique et hydrologique dans la région de Siliana a
été effectuée en se basant sur plusieurs indices (Bergaoui, 2001). Les résultats obtenus
montrent que la méthode des écarts à la moyenne donne un pourcentage de 60 % d'années
sèches. La fréquence d'apparition d'années successives sèches est relativement élevée : 55
% d'années sèches sont formées de deux, trois ou cinq années sèches consécutives. Quant
à la sécheresse hydrologique, elle est plus accentuée, prouvant la dissymétrie des apports
et la tendance générale des phénomènes hydrologiques à la faible hydraulicité.
Simultanément, Benzarti et Habaieb, (2001) ont étudié la persistance de la sècheresse en
Tunisie par utilisation des chaînes de Markov sur des séries de pluviométrie annuelle et
ont prouvé que la persistance des années sèches est plus fréquente dans les régions du
nord et du centre du pays. De plus, la probabilité d’avoir deux années sèches consécutives
varie de 23 à 40 % suivant une croissance du sud-ouest au nord-ouest.
Les études effectuées sur la pluviométrie et les apports de l'oued Merguellil ont connu
une baisse assez significative ces dernières décennies (Kingumbi, 2006), et l’année 1988-
19
1989 est aussi apparue dans plusieurs variables comme une année de rupture (Bergaoui,
2001; Kingumbi, 2006; Lahache et Pillet, 2008)
Au cours de ces grandes sécheresses, les régimes pluviométriques saisonniers et
mensuels sont souvent perturbés. En, somme la sécheresse en Tunisie peut être pluri
annuelle et peut prendre des grandes dimensions spatiales.
Ces résultats des différentes approches méthodologiques des principaux indices de la
sécheresse aident à une description d'état de préparation de gestion de la sécheresse en
Tunisie. Par ailleurs, plusieurs efforts pour le développement de nouvelles méthodologies
d’estimation et de quantification des différents aspects liés à la sécheresse ont été
déployés, tel que les différences spatiales de la sécheresse (Beersma et Buishand, 2004), la
prédiction des sécheresses par les indices de la circulation atmosphérique (Lloyd et
Saunders, 2002), et la mitigation des effets de la sécheresse (WMO, 2000). Cependant,
plus d'efforts ont été fournis pour développer des indices de la sécheresse, permettant une
identification précoce de son intensité et son ampleur. Ces indices sont primordiaux pour
l’analyse et la planification continue des sécheresses dans le temps et dans l’espace
(Svoboda et al. 2002).
Depuis 1994, prenant conscience des dégâts provoqués par les événements de
sécheresse répétés dans l’État du Chihuahua au Mexique, les décideurs, les politiques, les
scientifiques et les universitaires se sont concertés et leurs efforts ont abouti à la création
du Centre de recherche sur la Sécheresse (Robles et al, 2006). Le but du centre NDMC
(National drought mitigation center) développé aux Etats-Unis d’Amérique est de
rassembler, mesurer, et cartographier les impacts de la sécheresse et fournir aux
rapporteurs un accès aux résultats à travers des outils de recherche faciles et interactifs.
Dans le même contexte, d’autre pays tels que le Canada, l’Italie, l’Espagne,…, ont
développés des centres de mitigation et de planning semblables pour une meilleure
compréhension et analyse du phénomène.
Récemment, le programme « MEDROPLAN » Mediterranean Drought Preparedness
and Mitigation Planning a été développé par l’Europe Aid Co-operation Office avec la
collaboration de scientifiques et d’acteurs de l’eau de Chypre, Espagne, Grèce, Italie,
Maroc et Tunisie, comme initiative pour la préparation de directives de gestion et de
mitigation des sècheresses dans les pays méditerranéens. Le guide permet de fournir une
approche efficace et systématique pour mettre au point des plans de gestion de la
sécheresse alliant science et politique.
20
Donc préparer un guide pratique de gestion de la sécheresse, en adaptant une

méthodologie basée essentiellement sur l'expérience Tunisienne, et celle des autres pays,
tout en prenant en considération les connaissances scientifiques, techniques et socio-
économiques acquises dans ce domaine est nécessaire. Or, la sécheresse fait partie du
climat (Jarraud, 2006), et les statistiques communément disponibles pour analyser les
variables qui sont à l'origine des sécheresses, telles que, les précipitations, sont basées sur
l'étude fréquentielle des étiages, l'étude des séries temporelles, la genèse de données
synthétiques, la théorie des séquences, la régression multiple, etc. Cependant, on trouve
dans la littérature toute une pléthore d’ouvrages sur le sujet.
Cette synthèse bibliographique montre l'importance du phénomène étudié et combien
la communauté scientifique s'intéresse au changement de la variabilité climatique, à la
sécheresse, principalement aux indicateurs de sécheresse comme éléments essentiels pour
la gestion de la pénurie d’eau. Les risques de sécheresse ainsi que, la préparation et
l'élaboration des plans d'intervention pour la réduction des impacts potentiels de la
sécheresse ont retenu l’attention de plusieurs chercheurs
21
Chapitre 2: Matériels et méthodes

Sous le climat méditerranéen, la sécheresse est récurrente, omniprésente en raison de
températures élevées et d'une pluviométrie modeste et surtout très variable (Benzarti et
Habaieb, 2001).
Vu qu'il n'existe pas un indicateur officiel de la sécheresse, l'approche méthodologique
qu’on a adoptée pour définir les années sèches est la méthode de l'analyse fréquentielle
(étude statistique) et la méthode des chines de Markov.
Une bonne description stochastique des précipitations aidera à apporter des
informations capitales en hydrologie et améliorera la prévision des phénomènes extrêmes
naturels (Arnaud, 1985). De ce fait, le modèle markovien est choisi pour analyser et
modéliser les précipitations.
1. Justificatif du choix du modèle

Nous distinguons deux grandes familles de modèles pour les phénomènes
météorologiques (Chiquet, 2003) :
– Les modèles déterministes: Il s’agit d’établir un système d’équations (pour la plupart
issues de la mécanique des fluides), pour lequel les paramètres à l’instant initial sont
déterminés par les observations météorologiques. Ce type de modèle est dédié à la
prévision du climat. Il se doit d’être réinitialisé fréquemment avec les observations
disponibles, et les calculs doivent pouvoir se faire d’une manière proche du temps réel.
– Les modèles statistiques et probabilistes: Il s’agit ici de créer un système dont les
comportements sont du même type que le système réel. Pour autant, ils ne doivent pas
coïncider exactement dans le temps, mais en convergence. On s’attache ici à faire un
modèle numérique dont les caractéristiques globales vont tendre en moyenne vers celles
du système réel. Ce type de modèle est plutôt dédié à la simulation. On utilise dans ce cas
des outils issus des mathématiques probabilistes, permettant d’évaluer les risques
d’atteindre telle température, qu’il pleuve, etc... Après avoir appris le comportement réel
sur un ensemble d’apprentissage.
C’est le type de modélisation qu’on a choisi dans cette étude. Parmi le vaste champ
des mathématiques probabilistes, on a retenu un outil qui se répand de manière
grandissante dans la modélisation faisant intervenir les phénomènes temporels
(modélisation financière, climatique, biologique, et fiabilité) (Chiquet, 2003) : les outils
22
issus du markovien. Ils permettent d’énoncer des relations et des probabilités quant au
voisinage (spatial ou temporel) de phénomènes. Très grossièrement, on pourra dire qu’ils
permettent de définir l’état d’un système à un instant t uniquement à partir d’un certain
nombre de ses états précédents : instant (t − 1) pour du markovien du premier ordre,
instants (t − 1) et (t − 2) pour du markovien du second ordre, etc . . .
2. Analyse fréquentielle des pluies

2.1 Rappel théorique sur le contrôle des données et l’analyse fréquentielle
2.1.1. Hypothèses de l'analyse statistique

Les calculs statistiques sont basés sur un certain nombre d'hypothèses qui doivent en
principe être vérifiées. Parmi celles-ci, citons :
 Les mesures reflètent les vraies valeurs - Cette hypothèse n'est malheureusement
jamais réalisée en pratique, du fait des erreurs systématiques ou aléatoires.
 Les données sont consistantes - Aucune modification dans les conditions internes
du système n'intervient durant la période d'observation (position du pluviomètre,
procédures d'observation, observateur unique).
 La série de données est stationnaire - Les propriétés de la loi statistique qui régit le
phénomène (moyenne, variance ou moments d'ordre supérieur) sont invariantes au
cours du temps.
 Les données sont homogènes - Une série de données est réputée non homogène
lorsque :
1. Elle provient de la mesure d'un phénomène dont les caractéristiques évoluent durant
la période de mesure; le phénomène est alors dit non-stationnaire. Par exemple: variations
climatiques, variations du régime des débits dues à une déforestation ou un reboisement. Il
est également possible d'observer des signes de non stationnarité apparente lorsque
l'électronique intégrée à l'équipement de mesure présente une dérive temporelle ou lors du
changement de l'observateur.
2. Elle reflète deux ou plusieurs phénomènes différents. Le régime d'une rivière à
l'aval de la confluence de deux sous bassins dont le comportement hydrologique est très
contrasté constitue un bon exemple de ce défaut d'homogénéité.
 La série de données est aléatoire et simple - Le caractère aléatoire et simple d'une
série d'observations est une hypothèse fondamentale pour l'analyse statistique. Un
échantillon aléatoire signifie que tous les individus de la population ont la même
23
probabilité d'être prélevés. Un échantillon simple signifie que le prélèvement d'un

individu n'influe pas la probabilité d'apparition des individus suivants. Autrement
dit, si toutes les observations de la série sont issues de la même population et
qu'elles sont indépendantes entre elles, la série est alors aléatoire et simple. La non
vérification du caractère aléatoire et simple peut avoir plusieurs causes, parfois
simultanément. Ces causes se groupent en deux catégories, les défauts d'auto
corrélation d'une part (caractère non aléatoire des séries) et les défauts de
stationnarité du processus d'autre part (dérive à long terme et dérive cyclique).
 La série doit être suffisamment longue – La longueur de la série influe sur les
erreurs d'échantillonnage, notamment sur le calcul des moments d'ordre supérieurs
donc sur les tests inhérents à leur fiabilité.
2.1.2 Les grandes catégories des tests statistiques

On peut classer les tests soit selon leur objet (but) ou selon leurs propriétés
mathématiques. (Khoualdia, 2015)
 Tests selon leurs propriétés mathématiques
Un test est dit paramétrique si son objet est de tester certaines hypothèses relatives à un ou
plusieurs paramètres d'une variable aléatoire de loi spécifiée. Dans la plupart des cas, ces
tests sont basés sur la considération de la loi normale et supposent donc explicitement
l'existence d'une variable aléatoire de référence X suivant une loi normale. La question se
pose alors de savoir si les résultats restent encore valables lorsque X n'est pas normale: si
les résultats sont valables on dit que le test en question est robuste. La robustesse d'un test
par rapport à un certain modèle est donc la qualité de rester relativement insensible à
certaines modifications du modèle. Un test est dit non paramétrique s'il ne fait pas appel à
des paramètres ou d'hypothèses précises concernant la distribution sous-jacente.
 Tests selon leur objet
Les tests statistiques généralement les plus utilisés en hydrologie.
 Tests de conformité
Les tests de conformité comparent la moyenne ou la variance d'un échantillon à la
moyenne ou la variance de la loi théorique de la population dont il est issu. Deux tests
sont utilisés pour la conformité de la moyenne selon que la variance est connue ou doit
être estimée, il s'agit respectivement de test z et de Student, appelé aussi test t. Pour ces
tests statistiques de base, le lecteur se référera à un ouvrage de statistiques (Morgenthaler,
1997).
24
 Tests d'homogénéité
Le test d'homogénéité de la moyenne se base sur la statistique de Student pour deux
échantillons tandis que le test d'homogénéité de la variance correspond au test de Fisher
Snedecor. Dans ce cas également le lecteur se référera à un ouvrage classique de
statistique (Meylan et Musy, 1998).
2.2 Définition de l'analyse fréquentielle
L'analyse fréquentielle est une méthode statistique basée sur les caractéristiques d’une
grandeur hydrologique donnée, de prédiction consistant à étudier les événements passés
afin d'en définir les probabilités d'apparition future.
Cette prédiction repose sur la définition et la mise en œuvre d'un modèle fréquentiel,
qui est une équation décrivant le comportement statistique d'un processus dont on ne
connaît que les observations qui constituent l’échantillon, la série.
Cette méthode, indépendante des valeurs centrales (moyennes ou médianes), est
fondée sur un classement des valeurs des plus faibles vers les plus fortes, des années les
plus sèches aux années les plus humides, les années du milieu étant considérées comme
années normales
On a classé les totaux pluviométriques annuels de chaque série selon un ordre
croissant. On a ensuite calculé la fréquence de chaque total pluviométrique dans la série
pour arriver enfin à une répartition quasiment équitable attribue 35 % des valeurs aux
années extrêmes (sèches ou humides) et 30 % aux années normales. La répartition des
classes se présente comme suit : les années avec des totaux pluviométriques d’une
fréquence égale ou inférieure à 15 % sont des années très sèches, les années avec des
totaux pluviométriques d’une fréquence comprise entre 15 et 35 % sont des années sèches,
celles avec des totaux d’une fréquence comprise entre 35 et 65 % sont des années
normales, les totaux d’une fréquence comprise entre 65 % et 85 % sont ceux des années
humides et ceux d’une fréquence égale ou supérieure à 85 % sont ceux des années très
humides.
La méthode est simple et on l'a simplifiée davantage en ne considérant que les années
sèches de fréquence inférieure à 35% et les années non sèches pour le reste des années.
(Benzarti Z. et Habaieb H., 2001)
3. Méthodologie des chaînes de Markov

La modélisation markovienne d’un système aléatoire repose sur la construction d'une
chaîne de Markov dont l'évolution de la chaîne représente l’évolution du système réel, afin
25
de pouvoir en prédire le comportement et les performances. Ainsi, l'analyse markovienne

d'une série d’observations aléatoire pendant une période fait apparaître l'existence de
dépendances stochastiques ; elle permet de constater la probabilité du passage d’un état
vers un autre état à l’instant suivant. Autrement dit, tout système aléatoire peut être
modélisé et analysé par la méthode des chaînes de Markov.(Lazri et al, 2007).
Les chaines de Markov permettent d’énoncer des relations et des probabilités quant au
voisinage (spatial ou temporel) de phénomènes (Chiquet, 2007). D'une manière générale,
on pourra dire qu’ils permettent de définir l’état d’un système à un instant t uniquement à
partir d’un certain nombre de ses états précédents : instant (t − 1) pour du markovien du
premier ordre, instants (t − 1) et (t − 2) pour du markovien du second ordre, etc...
3.1 Le processus de Markov d'ordre 1
Rappelons que pour une chaîne de Markov du premier ordre, l’état de la variable E(t) à
l’instant t ne dépend que de son état à l’instant (t -1). Ainsi, nous avons quatre situations :
𝑃00 = Pr(𝐸(𝑡 + 1) = 0 /𝐸(𝑡) = 0)

𝑃01 = Pr(𝐸(𝑡 + 1) = 0 / 𝐸(𝑡) = 1)
𝑃10 = Pr(𝐸(𝑡 + 1) = 1 / 𝐸(𝑡) = 0)
𝑃11 = Pr(𝐸(𝑡 + 1) = 1 / 𝐸(𝑡) = 1)
où Pij est la probabilité d’aller à l’état j sachant qu’on se trouve à l’état i. Ces probabilités
ont été calculées en utilisant la relation suivante :
𝑁𝑖𝑗
𝑃𝑖𝑗 = 𝑎𝑣𝑒𝑐 𝑖 𝑒𝑡 𝑗 = 0 𝑜𝑢 1
𝑁𝑖
Où Nij est le nombre de transition de l’état i à l’état j et Ni le nombre de transitions de
l’état i vers tout autre état (Benzarti et Habaeb, 2001).
3.2 Le processus de Markov d'ordre 2

Rappelons que pour une chaîne de Markov d’ordre 2, l’état de la variable E(t) à
l’instant t dépend de son état E(t-1) à l’instant (t-1) ainsi que de son état E(t-2) à l’instant
(t-2). La probabilité d’avoir cet état peut s’écrire :
𝑝𝑖𝑗𝑘 = 𝑝𝑟(𝐸(𝑡) = 𝑘 / 𝐸(𝑡 − 1) = 𝑗, 𝐸(𝑡 − 2) = 𝑖)
où Pijk représente la probabilité conditionnelle d’avoir un doublet d’états (j,k) succédant au
doublet d’états (i, j) et i, j, k = 0 ou 1. Cette probabilité est calculée en utilisant la relation
suivante :
26
𝑁𝑖𝑗𝑘
𝑃𝑖𝑗𝑘 =
𝑁𝑖𝑗
où Nijk est le nombre de transitions du doublet d’états (i, j) au doublet d’états (j,k).
Pour chaque région, nous calculerons la matrice de Markov en donnant plus d'importance
aux coefficients B000, B001, B100 et B101 (Benzarti et Habaeb, 2001).
4. Application aux données de précipitations

Les modèles de chaînes de Markov d’ordre un et d’ordre deux vont être appliqués aux
séries chronologiques sélectionnées tout en fixant les hypothèses suivantes :
i. L’espace d’état est décrit par les états 0 et 1 (un état 0 : présence de la sécheresse "sèche
ou très sèche" et un état 1 : absence de la sécheresse "normale, humide, très humide") pour
l’ordre un et les doublets d’états (0,0/0,1/1,0/1,1) pour l’ordre deux : il s’agit d’une chaîne
de Markov à espace d’états fini.
ii. L’évolution du phénomène est aléatoire: il s’agit d’un processus stochastique.
iii. L’évolution future ne dépend que du présent pour l’ordre 1 et du présent et passé
immédiat pour l’ordre 2; il vérifie la propriété de Markov: il s’agit d’une chaîne de
Markov.
iv. Les évolutions possibles d’un instant à l’instant suivant ne dépendent pas du temps; le
système vérifie la propriété d’homogénéité : il s’agit d’une chaîne de Markov homogène.
Les résultats obtenus sont présentés ci-après en deux parties. La première partie
présente les résultats obtenus en utilisant l’hypothèse des chaînes de Markov d’ordre 1,
tandis que la deuxième partie mettra en évidence les résultats de l’application des chaînes
de Markov d’ordre 2.
27
Chapitre 3: Persistance de la sécheresse en Tunisie
1. Introduction
Le climat de la Tunisie est très variable. L’une des manifestations les plus
préoccupantes de cette variabilité est la sécheresse. Plusieurs études se sont déjà
intéressées à ce phénomène. Cependant, aujourd’hui, devant l’hypothèse d’un changement
climatique et devant l’accroissement des besoins en eau et par ailleurs l'économie du pays,
fondée sur l'agriculture, reste tributaire de la pluviométrie, on s’interroge de plus en plus
sur l’éventualité d’une augmentation de la fréquence de la sécheresse d’un côté et d’une
ampliﬁcation de ses impacts socio-économiques de l’autre. Or, la fréquence relative d'un
événement comme la sécheresse annuelle peut être étudiée en termes de probabilité. Pour
décrire la persistance de la sécheresse. Nous essayerons d’apporter quelques éléments de
réponse à ces questions qui sont en étroite relation avec celles de l’environnement et du
développement durable du pays, et ce, à travers l’étude de la persistance de la sécheresse,
en l’occurrence pluviométriques, et ensuite à travers leurs impacts socio-économiques.
Nous allons appliquer la méthode des chaînes de Markov à des données pluviométriques
annuelles, nous voulons donc, par cette étude, établir une estimation des probabilités
d'avoir des années sèches successives. Cette estimation peut servir à la planification et à la
gestion des ressources en eau.
2. Localisation, situation géographique

La Tunisie est située en Afrique du Nord, à la jonction de la Méditerranée occidentale
et de la Méditerranée orientale. Elle dispose de deux façades (Nord et Est) sur la
Méditerranée, et est bordée par l’Algérie à l’Ouest, et la Libye au Sud.
Située entre les longitudes 7° et 12° Est et les latitudes 32° et 38° Nord, le territoire
tunisien couvre une superficie de 164.000 km2.
3. Caractéristiques du climat Tunisien

La Tunisie peut être classée dans la zone subtropicale méditerranéenne, avec un climat
caractérisé par une alternance régulière de deux saisons fortement contrastées :
 Un été, chaud et sec et de durée très variable, correspondant approximativement
aux mois de juin, juillet et août.
28
 Un hiver qui se distingue par sa relative douceur et son humidité et qui constitue,
dans le contexte méditerranéen, la véritable saison des pluies. Celles-ci frappent
par leur extrême irrégularité.
Quant aux intersaisons, automne et printemps, ce sont des périodes transitoires où peuvent
se produire, simultanément, quelques situations typiques d'hiver ou d'été.
Par sa position géographique et l'orientation générale des principaux reliefs d'Est à
Ouest, avec un certain nombre de couloirs permettant la pénétration des courants des
secteurs Nord-Ouest et Ouest, humides, la Tunisie présente le double aspect d'un climat
méditerranéo-saharien, avec des contrastes régionaux assez marqués. Elle est influencée
au Nord par la mer Méditerranée, et au Sud par le Sahara. Quant au Centre, il est sous
l’effet conjugué de ces deux éléments.
Ainsi, le nord de la Dorsale tunisienne bénéficie d’un climat méditerranéen, caractérisé

par :
 Un été chaud et sec.
 Un hiver doux et relativement pluvieux.
Le Centre ainsi que le golfe de Gabès connaissent un climat semi-aride, caractérisé par :
 des températures relativement élevées.
 des précipitations modestes, entres 200 et 400 mm/an.
Le reste du pays connaît un climat désertique aride caractérisé par :
 des températures élevées ainsi que des amplitudes importantes.
 des précipitations hétéroclites dépassant rarement les 200 mm.
Il y a lieu de noter que la position charnière de la Tunisie dans une zone de transition entre
les régions tempérées de l’hémisphère Nord et les régions subtropicales (Benzarti et
Habaieb, 2001), confère à son climat une variabilité particulière. Une telle caractéristique
fait de la Tunisie un pays particulièrement vulnérable aux changements climatiques.
4. Caractéristiques pluviométriques de la Tunisie

Les régimes pluviométriques tunisiens sont caractérisés par des apports relativement
modestes, inégalement répartis dans l’espace et très irréguliers dans le temps.
Les précipitations se concentrent essentiellement entre les mois de septembre et mai, et en
un nombre limité de jours, alors que la pluie reste quasi absente durant les mois d’été.
29
Au nord de la dorsale, le cumul pluviométrique annuel se situe entre 400 et 1000 mm.
Néanmoins, il dépasse parfois cette fourchette, atteignant même les 1500 mm sur les
régions montagneuses du Nord-Ouest. En général, l’étude de la variabilité interannuelle
montre que celle-ci est relativement faible dans cette région.
En Tunisie Centrale, la pluviométrie varie de 200 mm à 400 mm, et connaît de fortes
variabilités interannuelles. Enfin, le Sud de la Tunisie est caractérisé par un climat aride
avec une pluviométrie variant entre 200 et moins de 100 mm, et une variabilité
interannuelle forte.
Par ailleurs, l’étude des longues séries pluviométriques, aussi bien au niveau national
que régional, ne montre pas d’indications claires et statistiquement significatives pouvant
suggérer une quelconque tendance, à la hausse ou à la baisse, par rapport aux indices
pluviométriques moyens constatés.
En Tunisie, les situations météorologiques pluviogènes sont essentiellement les
perturbations des latitudes tempérées qui arrivent par le nord-ouest et les situations de
retour d'est, généralement liées à des cyclogenèses locales ou à des perturbations
sahariennes, qui se chargent d'humidité sur la Méditerranée au large des côtes orientales
(Kasseb, 1979 ; Henia, 1980). Selon la fréquence et l'intensité de ces situations, l'année est
plus ou moins humide ou plus ou moins sèche.
La pluviométrie est ainsi caractérisée par une dégradation des valeurs du nord vers le
sud et de l'est vers l'ouest. Mais elle est également marquée par une variabilité spatiale et
temporelle très forte. De l'extrême nord-ouest à l'extrême sud, la pluie moyenne annuelle
varie de 2000 mm en 2015 (à Ain Draham au nord-ouest) à 90 mm (à Kébili au sud-
ouest). Les coefficients de variation régionaux croissent progressivement du nord vers le
sud de 20 à 50 % tout en étant plus forts à l'est qu'à l'ouest (Benzarti Z. et Hbaieb H.,
2001).
5. Inventaire de données
Les données météorologiques ont été extraites de la base de données météorologique
de la Direction Générale des Ressources en Eau (DGRE), et de l’Institut National des
Recherches en Génie Rural, Eaux et Forêts (INRGREF). Les paramètres météorologiques
de base utilisés dans cette étude se composent de données pluviométriques mensuelles.
De la centaine de stations disponibles sur le territoire tunisien, 24 ont été retenues et
utilisées dans le cadre de ce travail. Elles ont été choisies pour la fiabilité de leurs
données, la longueur de leur série (nombre d’années de données disponibles) et leur
30
localisation sur le territoire (les années disponibles pour les mêmes stations s'étendent de
1900 à 2015, soit 2760 années-stations). Nous avons réduit ces valeurs à 690 valeurs
régionales en groupant les stations par grande région naturelle.
La figure 2 illustre le positionnement des stations en Tunisie et le tableau 6 donne les
caractéristiques de chacune des stations.
Nord-Est
Nord-Ouest
Centre-
Centre- Est
Ouest
Sud-Est
Sud-Ouest
Figure 3.1: Carte des stations utilisées dans le cadre de l’étude
31
Tableau 3-1: Caractéristiques des stations sélectionnées

Station Nom Longitude Latitude Historique
1483725622 Tabarka 474478 4085428 1900-2015
1483018822 Ain Drahem 462175 4063600 1900-2015
1485699022 Jendouba 486384 4039390 1900-2015
1485360523 Kef 489007 4007705 1900-2015
1484783611 Tunis manoubia 591688 4071173 1900-2015
1483100517 Bizerte 561525 4104511 1900-2015
1484362915 Kelibia 681382 4075142 1900-2015
1484294915 Grombélia 632368 4048794 1900-2015
1485767842 Thala 480828 3941759 1900-2015
1486349641 Kairouan 604150 3945597 1900-2015
1486356042 Kasserine 484166 3892641 1914-2015
1488280061 Gafsa 486020 3815354 1900-2015
1484450516 Mograne 598168 4033113 1900-2015
1484251931 Enfidha 624293 3999794 1900-2015
1487707231 Sousse 624232 3982273 1900-2015
1487592834 Sfax 646093 3856364 1900-2015
1489277551 Gabes 589406 3750531 1900-2015
1489202652 Djerba-houmet souk 676619 374491 1900-2015
1489124352 Ben garden 702813 3664772 1900-2015
1489430252 Medenine 633126 3694935 1900-2015
1489358563 Kebeli 471038 3708429 1900-2015
1489777162 Tozeur 386999 3756881 1900-2015
1489744453 Tataouine 606769 3610797 1900-2015
1489537353 Remada 548826 3557616 1916-2015
Source (DGRE 2016)
Les postes pluviométriques retenus pour l'analyse sont des stations du réseau national dont
le suivi est très régulier et la répartition spatiale assez proportionnée.
Pour chaque station, les précipitations totales ont été extraites de la base de données
mensuelle à l’aide du Microsoft Excel.
5.1 Préparation et traitements des données
La Tunisie, de par sa configuration géographique longitudinale, comprend trois
grandes régions naturelles (Benzarti et Habaieb, 2001):
32
 le Nord montagneux est exposé aux vents les plus pluvieux et les plus fréquents du
nord-ouest.
 le Centre est encadré, au nord, par la chaîne montagneuse de la dorsale de
direction NE-SO et faisant barrière aux vents pluvieux du nord-ouest et, au sud,
par les Chotts. La partie occidentale est montagneuse. La partie orientale, appelée
communément « Sahel » (traduction de rivage), forme une avancée demi-circulaire
dans la mer au milieu de deux golfes (le golfe de Hammamet au nord et le golfe de
Gabès au sud), foyers de cyclogenèses locales.
 le grand Sud est plutôt exposé aux influences chaudes et sèches du Sahara.
À cette subdivision on peut ajouter une opposition topographique entre les plaines
littorales orientales, exposées aux vents maritimes de la Méditerranée, et les montagnes
continentales occidentales, éloignées des sources d'humidité. Ainsi se dégagent six régions
naturelles relativement homogènes par leurs caractéristiques physiques, en particulier du
point de vue du régime climatique (figure 3.1).
L'élaboration d'une moyenne arithmétique régionale, (on a choisi 4 stations dans

chaque région (tableau 3.1), permet d'atténuer les disparités, de modérer les particularités
de chaque station et de réduire la masse de données afin de présenter une estimation
globale et synthétique de la pluviométrie dont l'impact sur la vie agricole n'est pas
ponctuel mais régional.
Une grande sécheresse se déﬁnit par l’importance du déficit pluviométrique, sa grande

extension spatiale et sa persistance. Ce sont donc les sécheresses pluriannuelles, affectant
l’ensemble du pays ou presque, et accusant un déficit pluviométrique important qui
retiennent ici notre attention. Pour détecter ce type de phénomène, on a retenu des séries
pluviométriques annuelles s’étendant de 1900-1901 à 2014-2015 (l’année considérée est
l’année hydrologique commençant le 1er septembre et se terminant le 31 août) et
concernant une vingtaine de stations appartenant à différentes régions géographiques du
pays.
33
6. Etude des séquences sèches

6.1 Méthode de l'analyse fréquentielle
Suite au calcul et au classement des pluies annuelles régionales dans l'ordre croissant
de leurs fréquences expérimentales, nous avons obtenu la figure 3.2 qui illustre ces
fréquences en fonction des pluies dans les différentes régions.
SO
SE
NE
CE NO
CO
Figure 3.2: Courbes de fréquences des différentes régions de la Tunisie
Sur cette représentation graphique, une hétérogénéité du gradient régional latitudinal

est bien constaté; un gradient régional latitudinal nord-sud très net mais un gradient est-
ouest variable suivant les régions et suivant les fréquences.
Dans le sens horizontal, le gradient ouest-est est très fort au Sud et l'Est est plus pluvieux
que l'Ouest mais très faible au Nord où, à l'inverse du Sud du pays, l'Ouest est plus
pluvieux que l'Est. Au Centre, le gradient est similaire a celui du Sud du pays avec l'Est
est plus pluvieux que l'Ouest.
Sur le tableau de données pluviométriques régionales (Cf Annexe 1), les valeurs
classées ont été réparties en deux classes ; les années dont la fréquence est inférieure à
0,35, donc sèches ou très sèches, ont été sélectionnées et marquées par un « S » (sèches)
alors que toutes les autres années ont été suivies d'un « NS » (non sèches).
Reclassées dans l'ordre chronologique, les années sèches et très sèches réapparaissent dans
leur succession temporelle : une année sèche isolée, deux années sèches successives, trois
années sèches successives, etc.
34
Chaque région comprend alors une quarantaine d'années sèches (parmi les 115 années
étudiées). Comparés à leur moyenne régionale respective, les déficits pluviométriques
minima des années sèches sont indiqués dans le tableau 3.2 présenté ci-après :
Tableau 3.2: Déficits pluviométriques minima des années sèches dans les différentes
régions de la Tunisie
Nord Centre Sud
NO NE CO CE SO SE
Déficit 10% 9% 17% 14% 19% 19%

minimum
On remarque une nette augmentation des déficits du nord vers le sud mais une faible
différence entre l'est et l'ouest, sauf au Centre où le CO se distingue de CE par un déficit
nettement plus fort. Cette variation peut être mise en rapport avec la répartition des
coefficients de variation signalés plus haut.
Le tableau 3.3 présente les fréquences des années consécutives sèches en Tunisie:
Tableau 3.3: Fréquences des années consécutives sèches (1900/01-2014/15) en Tunisie
Régions Deux années Trois années Quatre années

NO 17 11 7
NE 14 5 1
CO 13 5 2
CE 11 5 1
SO 15 2 0
SE 8 2 0
La fréquence d’avoir 4 années sèches sur la période d’étude est extrêmement rare et
localisée au NO.
La fréquence d’avoir 3 années consécutives sèches est certes plus élevée mais on
constate que le Sud est pratiquement à très faible fréquence. Le Centre et le Nord par
contre voient cette fréquence augmenter.
La fréquence d’avoir 2 années consécutives sèches est bien entendu plus élevée et ce
sera le Nord le plus affecté.
6.2 Variabilité interannuelles des pluies en Tunisie
L’une des caractéristiques principales de la pluviométrie, en Tunisie, est sa grande
variabilité interannuelle. En effet, d’une année à l’autre le total annuel peut varier
fortement.
35
Tableau 3.4: Analyse des précipitations interannuelles des différentes régions de la

Tuinise (période d’étude 1900-2015)
Région Max Min Pluie Ecart Médiane Coefficie Pluie de Nbr Nbr
(mm) (mm) moyenne type (mm) nt de fréquence d’année d’années
(mm) variation 35% (mm) s sèches d’étude
NO 1342 529 881 174 873 20% 791 40 115
NE 853 297 517 119 505 23% 467 40 115
CO 516 143 300 87 286 29% 250 40 115
CE 597 158 351 93 340 26% 301 40 115
SO 264 25 100 42 93 42% 81 40 115
SE 608 54 187 80 171 43% 152 40 115
Le tableau 3.4 caractérise bien cette variabilité interannuelle. Le coefficient de

variation représente bien cette variabilité relative ; une forte dispersion au Sud. Ce même
tableau montre que les moyennes des régions sont assez proches des médianes et montre
que la loi de distribution est symétrique.
Pour une analyse plus détaillée, on va caractériser la variabilité interannuelle par les
variables des totaux annuels et la variation de la moyenne mobile.
Les figures (Cf Annexe 2) représentent cette variabilité interannuelle des précipitations
des différentes régions de la Tunisie pour la période (1900/1901-2014/2015), on y
remarque la concordance des années déficitaires des six régions.
Par ailleurs, on observe à travers les mêmes figures, des excédents pluviométriques
relatifs à l’année 2002-2003 et 2011-2012 pour les régions de la Tunisie. Il est à
remarquer aussi que chacune des régions représente un record de déficit. En ce qui
concerne la région du Nord, le déficit de 1975-1988, 1991-1992-1993 est le plus bas sur
les 115 années. Le Centre ; le déficit des années 40 est le plus bas sur la période d’étude.
Tandis qu’au Sud, le déficit de dernière décennie est aussi le plus bas sur la période
d’observations.
Les figures (Cf Annexe 3) montrent le tracé de la moyenne mobile et celui de la
variation annuelle pour les six régions Tunisiennes de 1900-1901 à 2014-2015. Ces
figures mettent l’accent sur les variations interannuelles très fortes alors que la courbe
lissée sur 5 ans constitue un indicateur des grandes fluctuations pluriannuelles.
36
Les périodes retenues sont de 2, 3 et 5 ans. Ces moyennes lissées réduisent l’amplitude
des fluctuations interannuelles et font mieux ressortir la courbe des tendances. L’analyse
visuelle des graphes relatifs à ces stations ne montre aucune tendance nettement
perceptible (Cf Annexe 3). Ces figures mettent l’accent sur les variations interannuelles
très fortes alors que la courbe lissée sur 5 ans constitue un indicateur des grandes
fluctuations pluriannuelles dans les six régions Tunisiennes.
Il en ressort seulement une alternance de périodes sèches et humides de durées
variables, ne dépassant pas huit années successives pour les années humides, et pouvant
atteindre exceptionnellement neuf années sèches successives. Les moyennes mobiles des
pluviosités annuelles illustrent l’absence de tendance nette.
6.3 Variabilité intra-annuelle des pluies en Tunisie
On vient d’analyser la variabilité interannuelle, c’est à dire entre les années. On étudie
à présent la variabilité des saisons. En effet, on se demande si la baisse pluviométrique
mise en évidence précédemment est due à une saison donnée.
L’étude de la variabilité saisonnière est indispensable, pour voir si la baisse ou la
hausse de la pluviométrie est spécifique à une saison particulière ou à plusieurs saisons.
Pour cette analyse, on va utiliser la moyenne mobile (une méthode de filtrage), et qui
permet de mieux visualiser la chronologie des totaux de pluie saisonniers dans le temps.
Cette étude s’est bornée aux trois saisons (l’automne, l’hiver et le printemps) Les figures
(Cf Annexe 4), traduisent l’évolution des totaux saisonniers pour les six régions de la
Tunisie.
La première figure (Cf Annexe 4) montre la fluctuation autour de la moyenne des totaux
de pluie d’automne, qui sont en nette baisse dés la décennie 80, et début de la décennie 90,
ceci apparaît très nettement pour les régions du NO et CE et vers les années 2000 au SE et
CE.
Pour la saison d'hiver, (Cf Annexe 4) on note une baisse pour les six régions dés la
décennie 2000, avec une reprise à sa fin, la fluctuation des pluies de la moyenne des
totaux de pluie d’hiver est en nette baisse vers la décennie 80 et 90 pour les régions du NO
et NE.
La saison du printemps, (Cf Annexe 4), a connu aussi des variations assez semblables pour
les six régions, de sorte qu’on observe, une baisse de pluie durant les deux décennies 80,
90 et vers le début de la décennie 2000 avec une tendance apparente et vers un retour des
pluies vers la mi-décennie 2000.
37
Donc, on peut conclure que la tendance à la baisse de la pluviométrie pour les trois
stations durant les deux décennies 80 et 90 et le début de la décennie 2000 est
principalement occasionnée par une baisse des pluies du printemps et plus
particulièrement celles de l’hiver.
Le tableau 3.5 représente les Seuils en mm des années et des saisons sèches (1900-2015).
Tableau 3.5: Seuils en mm des années et des saisons sèches (1900-2015)
Régions Seuil annuel Seuil d’automne Seuil d’hiver Seuil du

printemps
NO 791 63 99 54
NE 467 44 59 29
CO 250 24 18 22
CE 301 31 28 22
SO 81 6 11 6
SE 152 16 15 9
6.4 Application du modèle markovien
6.4.1 Processus de Markov d’ordre 1

On applique dans cette partie les principes de base de l’analyse et la modélisation
markovienne. Ainsi, on a choisi de commencer à analyser le comportement stochastique
des précipitations à l’aide d’une chaîne de Markov d’ordre 1 en donnant plus d'importance
aux coefficients A00, A01, A10 et A11.
 Echelle annuelle
La matrice de Markov d’ordre 1 a été calculée. Les résultats sont indiqués dans le tableau
3.6:
Tableau 3.6: Processus de Markov d’ordre1 pour les différentes régions de la Tunisie
(1900/1901-2014/2015) – Echelle annuelle
Régions S-S S-NS NS-S NS-NS
NO 42,5% 57,5% 31,5% 68,5%
NE 36% 64% 34% 66%
CO 32,5% 67,5% 37% 63%
CE 28% 72% 38% 62%
SO 38% 62% 32% 68%
SE 20% 80% 40% 60%
38
À la suite de l'application de l'hypothèse d'un processus de Markov d'ordre 1, Nous

constatons que pour toutes les régions du pays et quel que soit l’état initial, la probabilité
d'avoir une année "non sèche" entre autre normale ou humide l'année suivante est plus
forte que celle d'avoir une année sèche. Les probabilités oscillent entre 57 et 68 %. Ces
probabilités sont interprétées de la façon suivante :
i. Si cette année est sèche, la probabilité pour qu'elle soit suivi d'une année sèche est
plus faible que d'être suivi d'une année non sèche.
ii. Si cette année est non sèche, la probabilité pour qu'elle soit suivi d'une année non
sèche est plus forte que d'être suivi d'une année sèche.
À l'échelle régionale, les probabilités se présentent ainsi :
i. Si une année est sèche, la probabilité pour qu'elle soit suivie d'une année « sèche »
est plus importante au nord qu'au sud et à l'ouest qu'a l’est.
ii. Si une année est non sèche, la probabilité d'avoir une année sèche l'année suivante
est plus faible au nord qu'au sud et à l'ouest qu'à l'est. Cette probabilité augmente en allant
du nord vers le sud.
iii. Si une année est sèche, la probabilité pour qu'elle soit suivie d'une année non sèche
est plus importante au sud qu'au nord.
iv. À l'est, la probabilité d'avoir deux années successives sèches diminue
progressivement du nord vers le sud et augmente si une année non sèche soit suivi d'une
année sèche.
v. À l'ouest, la probabilité d'avoir deux années successives sèches est beaucoup plus
importante au Nord qu'au Sud.
vi. Au centre du pays la probabilité d'avoir deux années successives sèches est plus
importante à l'ouest qu’à l’est.
Enfin, on retient que la probabilité d'avoir deux années sèches successives est la plus forte
au Nord-Ouest, et que la partie orientale du pays a des probabilités plus faibles que la
partie occidentale.
 Automne :
Pour la saison d'automne, l’application de l’hypothèse d’un processus de Markov

d’ordre 1, a donné les résultats qui sont présentés dans le tableau 3.7:
i. La probabilité, pour avoir un automne sec quelle que soit la nature de cette saison au
départ (sèche ou non sèche), est modérée pour les six régions et elle varie de 28 à 43 %.
39
ii. Dans le cas où un automne est sec, la probabilité pour qu'il soit suivi d’un automne
sec est plus élevé au Nord qu’au Sud et l’Ouest qu’à l’Est. Cette probabilité diminue en
allant du Nord vers le Sud.
iii. Pour l’ensemble des régions de la Tunisie, la probabilité d’avoir un automne sec
après un automne non sec est moins importante (inférieure à 45 %).
iv. Si un automne est sec au départ, la probabilité d’avoir un automne non sec l’année
suivante est élevée pour l'ensemble des régions et elle atteint son maximum (74 %) au
Sud-Est.
v. La probabilité d’avoir deux automnes non secs successifs est supérieure à 50 % pour
l’ensemble des régions.
(1900/1901-2014/2015) - Automne

NO 38% 63% 34% 66%
NE 28% 73% 38% 62%
CO 38% 63% 33% 67%
CE 30% 70% 38% 62%
SO 28% 73% 39% 61%
SE 26% 74% 43% 57%
 Hiver :
Pour la saison d'hiver, l’application de l’hypothèse d’un processus de Markov d’ordre 1, a
donné les résultats qui sont présentés dans le tableau 3.8 :
i. La probabilité, pour avoir un hiver sec quel que soit l'hiver de l’année de départ (sec
ou non sec), est modérée pour les différentes régions de la Tunisie et elle varie de 26 à 40
%.
ii. Dans le cas où un hiver sec, la probabilité pour qu'il soit suivi d’un hiver sec est
plus élevée au Nord-Ouest, elle est de 53%.
iii. Pour toutes les régions de la Tunisie, la probabilité d’avoir un hiver sec après un
hiver non sec est moins importante (inférieure ou égale à 40 %) et elle augmente du Nord
vers le Sud et de l’Ouest à l’Est. Sauf au centre du pays, la probabilité d’avoir un hiver sec
après un hiver non sec est importante à l’Ouest qu’à l’Est.
40
iv. Si un hiver est sec au départ, la probabilité d’avoir un hiver non sec l’année
suivante est élevée dans les différentes régions de la Tunisie.
v. La probabilité d’avoir deux hivers non secs successifs est supérieure à 60 % pour les
différentes régions de la Tunisie.
(1900/1901-2014/15) - Hiver
NO 53% 47% 26% 74%
NE 30% 70% 38% 62%
CO 35% 65% 35% 65%
CE 40% 60% 31% 69%
SO 38% 62% 34% 66%
SE 34% 66% 40% 60%
 Printemps
Au printemps, l’application de l’hypothèse d’un processus de Markov d’ordre 1, a
donné les résultats qui sont présentés dans le tableau 3.9 :
i. La probabilité, pour avoir un printemps sec quelle que soit la nature du printemps de
départ (sec ou non sec), est modérée pour les six régions, elle varie de 30 à 40%.
ii. Dans le cas où un printemps est sec, la probabilité pour qu'il soit suivi d’un
printemps sec augmente du Sud vers le Nord et de l’Ouest à l’Est. Sauf au Sud-Ouest, la
probabilité d’avoir deux printemps secs successifs est plus importante qu’au Sud-Est.
iii. Pour toutes les régions de la Tunisie, la probabilité d’avoir un printemps sec après
un printemps non sec de l'année précédente est moins importante (inférieure ou égale à 48
%).
iv. Si un printemps est sec au départ, la probabilité d’avoir un printemps non sec
l’année suivante est élevée pour toutes les régions et elle atteint son maximum (70 %) au
Sud-Ouest. Cette probabilité augmente du Nord vers le Sud.
v. La probabilité d’avoir deux printemps non secs successifs est supérieure à 60 %
pour toutes les régions.
41
(1900/1901-2014/15) - Printemps

NO 42,5% 57,5% 31% 69%
NE 32% 68% 38% 62%
CO 35% 65% 36,5% 63,5%
CE 34% 66% 36% 64%
SO 30% 70% 37% 63%
SE 32,5% 67,5% 38% 62%
6.4.2 Processus de Markov d’ordre 2

Lorsqu'on fait dépendre l’instant futur uniquement de l’instant précédent, la
profondeur de la chaîne vaut l’unité (Lazri et al, 2007). Il est légitime de penser que les
précipitations à un instant t sont dépendantes au sens probabiliste des précipitations des
instants précédents. On pourrait donc imaginer un modèle dont la probabilité d’avoir un
état à l’instant t est dépendante non pas uniquement de l’instant précédent, mais des
instants précédents ; ainsi, on parle d’une chaîne de Markov d’ordre n.
Pour mieux prendre en considération le passé, nous allons utiliser dans cette partie
l’hypothèse markovienne d’ordre 2. Dans le cas du modèle Markovien d'ordre 2 nous nous
intéressant essentiellement aux années sèches successives (A000, A001, A100 et A101);
S-S-S (trois années sèches successives), S-S-NS (deux années sèches successives), NS-S-
S (deux années sèches successives), NS-S-NS (une année sèche isolée). Ceci n’est qu’une
conséquence de l’approche markovienne du modèle d’ordre 1.
 Echelle annuelle :
L'application de l'hypothèse des chaînes de Markov d’ordre2 donne les probabilités
indiquées dans le tableau 3.10 représenté ci-après:
(1900/1901-2014/15) – Echelle annuelle
Régions S-S-S S-S-NS NS-S-S NS-S-NS
NO 59% 41% 30% 70%
NE 38,5% 61,5% 30% 70%
CO 36% 64% 32% 68%
42
CE 36% 64% 38% 62%

SO 33% 67% 29% 71%
SE 25% 75% 16% 84%
À la suite de l'application de l'hypothèse d'un processus de Markov d'ordre 2, nous

constatons, comme pour l'ordre 1, que pour l'ensemble du pays et quelle que soit la
composition de la séquence, la probabilité d'avoir l'année suivante une année « sèche » est
partout plus faible que celle d'avoir une année « non sèche ». Les probabilités oscillent
entre 25 et 38 % sauf que pour la région du Nord-Ouest, elle présente une probabilité qui
dépasse la moyenne à savoir 58,8 % d'avoir trois années sèches successives.
À l'échelle régionale, nous pouvons tirer les conclusions suivantes :
i. Si deux années successives sont sèches, la probabilité d'avoir une troisième année
sèche est importante au nord et au centre et où elle varie de 35 à 58,8 %. Quant au Sud,
cette probabilité est moins importante où elle oscille de 25% à 33,3%.
ii. Si deux années successives sont sèches, la probabilité d'avoir une année non sèche
la troisième année est plus importante au Sud que le Nord et à l'Est que l'Ouest. Au Sud
cette probabilité est de l'ordre de 75% quant au centre et au Nord elle varie de 41% à 64%.
iii. Si une séquence se compose d'une année « non sèche » et d'une année « sèche », la
probabilité d'avoir l'année suivante une année sèche, c'est-à-dire la probabilité d'avoir
deux années sèches successives faisant suite à une année « non sèche », est plus
importante au centre que le reste des régions; au centre elle varie de 32 % à 38%, et elle
ne dépasse pas les 30% au Nord et les 28% au Sud.
iv. la probabilité d'avoir une année sèche isolée au milieu de deux années « non
sèches» est plus faible au Nord et au Centre que le Sud: au Sud elle varie de 71% à 83%,
au Centre elle varie de 62% à 68% et au Nord elle est de l'ordre de 70%.
Suite à l'hypothèse d'ordre 2, nous pouvons dire que la région du Nord-Ouest est la
plus menacée par la succession de trois années sèches alors que le Sud (Est et Ouest) est la
région qui risque le moins cette persistance de la sécheresse.
Quant à la probabilité d'avoir deux années sèches à la suite d'une année non sèche, la
répartition des probabilités ressemble à celle relative à deux années sèches successives
(processus de Markov d'ordre 1) indépendamment de l'année qui précède : au Nord plus
importante qu'au Sud.
43
 Automne
Pour la saison d'automne, l’application de l’hypothèse d’un processus de Markov d’ordre
2, a donné les résultats qui sont présentés dans le tableau 3.11:
i. La probabilité d’avoir un automne sec après un automne sec précédé par un automne
non sec est élevée au SO par rapport aux autres régions, elle est de 39%. Pour les autres
régions elle varie de 18 à 36%.
ii. Pour avoir un automne sec après deux automnes successifs secs, la probabilité est
élevée au NO, NE, CE, et SO et elle dépasse 40%. Cette probabilité est très faible au CE
et SO. Ce qui signifie qu'au niveau de ces régions, la probabilité est très faible pour avoir
trois automnes consécutifs secs.
iii. La probabilité d’avoir un automne non sec après un automne sec précédé par un
automne non sec est importante pour toutes les régions de la Tunisie.
(1900/1901-2014/15) –Automne

NO 47% 53% 32% 68%
NE 36% 64% 25% 75%
CO 47% 53% 32% 68%
CE 18% 82% 36% 64%
SO 0% 100% 39% 61%
SE 40% 60% 18% 82%
 Hiver
Pour la saison d'hiver, l’application de l’hypothèse d’un processus de Markov d’ordre 2, a
donné les résultats qui sont présentés dans le tableau 3.12:
i. La probabilité d’avoir un hiver sec après un hiver sec précédé par un hiver non sec
est modérée mis à part le NO où elle dépasse les 50 %.
ii. Pour avoir un hiver sec après deux hivers successifs secs, la probabilité est élevée
au NO, elle est de l’ordre de 52%. Elle est moins importante aux restes des régions.
iii. La probabilité d’avoir un hiver non sec après un hiver sec précédé par un hiver non
sec est importante et dépasse les 52% sauf pour le NO, elle est de l’ordre de 47%.
44
(1900/1901-2014/15) – Hiver

NO 52% 48% 53% 47%
NE 8% 92% 39% 61%
CO 36% 64% 35% 65%
CE 25% 75% 48% 52%
SO 20% 80% 48% 52%
SE 36% 64% 33% 67%
 Printemps
Pour la saison du printemps, l’application de l’hypothèse d’un processus de Markov
d’ordre 2, a donné les résultats qui sont présentés dans le tableau 3.13:
i. La probabilité pour avoir un printemps sec après un printemps sec précédé par un
printemps non sec diminue du Nord vers le Sud elle varie de 32 à 46%, elle est importante
à l’Est qu’à l’Ouest.
ii. Pour avoir un printemps sec après deux printemps successifs secs, la probabilité est
élevée au Nord à l’ordre de 41% et elle diminue en allant vers le Sud. Cette probabilité
est importante à l’Ouest qu’à l’Est.
iii. La probabilité d’avoir un printemps non sec après un printemps sec précédé par un
printemps non sec est importante dans toutes les régions et elle dépasse 54%.
(1900/1901-2014/15) – Printemps

NO 41% 59% 43% 57%
NE 8% 92% 46% 54%
CO 31% 69% 37% 63%
CE 15% 85% 42% 58%
SO 25% 75% 32% 68%
SE 23% 77% 37% 63%
6.5 Degré de sécheresse

Afin d’apprécier le degré de sécheresse pluviométrique et d’analyser les valeurs
extrêmes, on a utilisé la méthode issue du calcul de l’indice SPI « Standardized
45
Precipitation Index » ; Il correspond à la transformation de la série temporelle des

précipitations en une distribution normale standardisée de moyenne nulle et d’écart-type
unitaire (Nouaceur et Laignel, 2015). Celui-ci prend en compte la variabilité de la pluie
pour des périodes définies, de préférence les plus longues possibles (Nekkache, 2013). La
variation chronologique de l’indice SPI (Cf Annexe 5) relatif aux différentes régions de la
Tunisie permet de constater que ce dernier subit une tendance globale déficitaire. En
considérant l’ensemble des régions, la sécheresse météorologique n’a été que rarement
forte. Sur les 115 années d’étude, les décennies 70,80 et le début de a décennie 2000 ont
été les plus sèches malgré que celle-ci a connu la rupture entre les périodes humide et
sèche. Avec une tendance globale à la sécheresse, cette dernière a connu une diminution
progressive les dernières années sauf au Sud tunisien. Individuellement, les 6 régions
étudiées ont subi des sécheresses sur plus de 35% des années d’étude.
L’intensité des évènements est évaluée selon la valeur de l’indice obtenu suivant
l’échelle présentée dans le paragraphe (5.1) du chapitre I.
On a obtenu la figure 3.3 présentée ci-après.
On constate bien sur la figure 3.3 que le climat tunisien est souvent fréquenté par une
sècheresse météorologique légère à modéré.
Au cours de ces grandes sécheresses, les régimes pluviométriques saisonniers et
mensuels sont souvent perturbés. En, somme la sécheresse en Tunisie peut être pluri
annuelle et peut prendre des grandes dimensions spatiales. (Cf Annexe 6).
En comparant les résultats obtenus par la méthode des chaines de Markov et celle de
l’indice SPI, on a trouvé des corrélations qui dépassent 0,65 pour Le NE, CO, CE, et le
SE, (Cf Annexe 6), et on a obtenu les mêmes résultats par les deux méthodes dans les
paragraphes (6.4.1) et (6.4.2).
Le Tableau 3-14 présente ces résultats en termes de probabilité.
Tableau 3-14 : Comparaison entre la méthode des chaines de Markov et SPI
Régions Méthode S-S S-NS NS-S NS-NS

Nord-ouest Chaine de 42,5% 57,5% 31,5% 68,5%
Markov
SPI 58% 42% 43% 57%
Nord-est Chaine de 36% 64% 34% 66%
Markov
SPI 46% 54% 55% 45%
Centre-Ouest Chaine de 32,5% 67,5% 37% 63%
46
Markov
SPI 58% 42% 48% 52%
Centre-Est Chaine de 28% 72% 38% 62%
Markov
SPI 54% 46% 44% 56%
Sud-Ouest Chaine de 38% 62% 32% 68%
Markov
SPI 52% 48% 65% 35%
Sud-Est Chaine de 20% 80% 40% 60%
Markov
SPI 46% 54% 63% 37%
47
Figure 3.3: Occurrence des sècheresses en Tunisie (1900/01-2014/15)
48
Chapitre 3 : Persistance de la sécheresse en Tunisie
7. Effets des changements climatiques en Tunisie

La menace du changement climatique est le centre d’inquiétude de la communauté
internationale (Nefzi, 2012). Cependant, ses causes, son amplitude ainsi que les impacts
de ces changements sur le bien-être humain et l'environnement sont très discutés.
L’optique d’un éventuel changement climatique fait aujourd’hui l’objet de nombreuses
recherches scientifiques, il est un défi global qui exige une réponse mondiale.
De nos jours, il est largement reconnu que le climat de la terre change comme en
témoigne la décennie 1990, la plus chaude depuis dix siècles (GIEC, 2008). Le
réchauffement climatique et ses variations régionales vont avoir un certain nombre de
conséquences physiques sur l’environnement. Cependant toutes les régions ne seront pas
touchées de la même manière. Une atmosphère plus chaude modifie les schémas de
précipitations, il y aura particulièrement une augmentation en fréquence et en intensité des
phénomènes extrêmes, ce qui entraînera une succession plus nette des années de grande
sécheresse (Nefzi, 2012). Plusieurs simulations climatiques indiquent que la sécheresse est
apparue sur la majorité des pays du bassin méditerranéen depuis les débuts des années 80
(Kadi, 1995 ; Blöchliger et Neidhöfer, 1998 ; GIEC, 2007 ; GIEC, 2008) est en particulier
la Tunisie (Henia, 1998 ; Benzarti et Habaieb, 2001; Ben Boubaker, 2007 ; Layelmam,
2008).
En Tunisie, comme dans le reste du monde, le climat est susceptible de changer
fortement. Etablissant un lien direct entre le changement climatique et son impact sur des
événements météorologiques extrêmes Jusque là, ce lien restait théorique, alors nous
proposons dans cette partie du travail de mettre en lumière ce lien de causalité entre
changement climatique et événements météorologiques extrêmes tout en se basant sur les
précipitations comme paramètre météorologique.
7.1 Approche méthodologique
L'approche adoptée comporte les opérations suivantes:
1. Diviser la période d’étude (115 ans) sur quatre, trois et 2 périodes et voir le
comportement des précipitations dans chaque période.
2. Appliquer la méthode de l’analyse fréquentielle.
3. Elaborer les cartes des isohyètes et voire leurs les migrations pour chaque période
d’étude.
49
7.2 Méthode de l’analyse fréquentielle

Suite au calcul et au classement des pluies annuelles régionales dans l'ordre croissant de
leurs fréquences expérimentales pour chaque période, nous avons obtenu les figures de (Cf
Annexe 7) qui illustrent ces fréquences en fonction des pluies.
La première figure (Cf Annexe 7) présente les courbes de fréquences du NO pour les
différentes périodes d’étude ; on a obtenu des courbes bien étalées se qui signifie une
variation importante des pluies. En divisant la période d’étude soit sur quatre, trois ou
deux périodes, on constate bien un changement du comportement pluviométrique et dans
les trois cas, on a obtenu une courbe bien étalée la dernière période.
La deuxième figure (Cf Annexe 7) présente les courbes de fréquences du NE pour les
différentes périodes d’étude ; on a obtenu des courbes qui ont les mêmes tendances que
celles du NO, dans les trois cas, on a obtenu une courbe bien étalée la dernière période, se
qui signifie une grande variabilité des pluies au NE aussi.
Les troisième et quatrième figures (Cf Annexe 7) présentent respectivement les
courbes de fréquences du CO et CE pour les différentes périodes d’étude ; ces courbes ont
les mêmes tendances. En divisant la période d’étude soit sur quatre, trois ou deux
périodes, on ne constate pas un changement du comportement pluviométrique
considérable, les courbes sont presque superposées. Sauf qu’il est bien clair qu’on a des
courbes bien étalées.
Les dernières figures (Cf Annexe 7) présentent respectivement les courbes de
fréquences du SO et SE pour les différentes périodes d’étude; ces courbes présentent une
irrégularité nette des pluies. En divisant la période d’étude soit sur quatre, trois ou deux
périodes, on constate bien un changement du comportement pluviométrique et dans les
trois cas, on a obtenu une courbe bien étalée la dernière période.
En conclusion, la quantité précipitée s'étale sur une longue période, cela est bien
remarqué dans le cas où on a divisé la période d’étude sur deux (57ans chaque période).
La répartition des précipitations est plus intéressante à considérer que leur quantité.
7.3 Répartition spatiale des précipitations pour chaque période d’étude
Afin de mettre la lumière sur la répartition spatiale des précipitations pour chaque
période d’étude, on a tracé les cartes des isohyètes relatives à chaque période.
Ces cartes sont présentées dans (Cf Annexe 8).
Il est évident que la pluie en Tunisie présente une variabilité tant dans l’espace, tant
dans le temps, elle n’est pas la même sur l’ensemble du pays.
50
Il est bien clair que les isohyètes de direction NS/SW au Nord finissent par s’aligner
grossièrement. En dirigeant vers le Centre ces isohyètes s’atténuent au fur et à mesure puis
vers le Sud.
Au Nord les isohyètes se succèdent rapidement et la pluie change sur des distances
assez faible.
Dans les trois cas d’étude, on constate bien que les isohyètes 200mm et 400mm
migrent vers le Nord lors de la dernière période soit en divisant sur quatre soit sur trois et
soit sur deux périodes.
8. Conclusion
Durant les dernières décennies, la Tunisie est confrontée au phénomène de la
réduction des totaux précipités en général et plus spécialement au niveau du centre et le
nord du pays. L'agriculture est soumise depuis, à l'instar des autres domaines utilisateurs
des ressources en eau, à de fortes contraintes pluviométriques liées à la variabilité
temporelle et spatiale des précipitations et à la réduction de la durée de la saison humide.
L’étude de la persistance de sécheresse, en utilisant les chaînes de Markov, a montré que
la probabilité d’avoir une année non sèche après une année sèche est plus importante au
Sud-Est du pays qu’aux autres régions et pour avoir deux années sèches successives, la
probabilité est plus importante au Nord-Ouest qu’aux autres régions.
A l'échelle saisonnière, La probabilité, pour avoir une saison sèche quelle que soit la
nature de la saison de départ (sec ou non sec), est modérée pour les six régions.
Ce travail doit être complété par une étude climatologique pour rechercher les causes
explicatives de ce processus (situations météorologiques, rotation des vents, orientation et
exposition aux vents pluvieux…).
La division de la zone d’étude sur quatre, trois et deux périodes permet de dire que le
Nord-Ouest est le plus vulnérable aux changements climatiques.
51
Chapitre 4: Persistance de la sécheresse à l’échelle régionale : « Gouvernorat de Kairouan »
Chapitre 4: Persistance de la sécheresse à l'échelle régionale:

« Gouvernorat de Kairouan »
1. Introduction
La sécheresse constitue un fléau redoutable pour l'économie, essentiellement sur la
production agricole pluviale et comme l’agriculture est l’activité dominante dans le
gouvernorat du Kairouan, l'analyse de la récurrence et de la persistance de ce phénomène
devient primordiale.
Ce chapitre porte sur l’analyse des précipitations dans la région du Kairouan par
l’approche markovienne.
2. Présentation de la zone d'étude

Le gouvernorat du Kairouan est situé au centre de la Tunisie. Elle se situe à 150
kilomètres au sud-ouest de Tunis et 50 kilomètres à l'ouest de Sousse. Peuplée de 139 070
habitants en 2014.
Le choix de cette région comme zone d'étude n'est pas anodin, elle est située dans la
région centre tunisienne en milieu semi-aride (entre 250 mm et 500 mm de pluie
annuelle). Pendant plusieurs années, la région du centre a été en marge du développement
tunisien qui était plus focalisé sur la mise en valeur de la région nord (vallée de la
Medjerdah) et des régions côtières (aménagements touristiques). Actuellement, cette
région centre est en plein essor économique et l'état doit réviser sa politique de transferts
d'eau de l'intérieur vers les côtes pour faire face aux demandes locales.
2.1 Caractéristiques du climat de Kairouan
Le gouvernorat de Kairouan est sous l’influence de deux grandes tendances
climatiques typiques de la Tunisie centrale : le climat subhumide méditerranéen et le
climat aride désertique qui correspondent respectivement au nord de la Tunisie (région
tellienne montagneuse froide et pluvieuse) et la région sud plutôt plate (région pré
désertique chaude…) (Dridi, 2000). Ce climat est influencé par le balancement
longitudinal de la circulation atmosphérique et subit aussi les effets de la latitude et du
relief (Ben Mansour, 2000). Entre ces deux zones, la dorsale tunisienne s’étend sur un axe
Ouest Sud Ouest–Est Nord Est. Sa présence accentue la brutalité de la transition
climatique en arrêtant les vents dominants du nord.
52
Le climat de cette région est un climat semi-aride avec une très forte variabilité des
précipitations, des étés secs, des hivers humides et de grandes amplitudes thermiques.
2.2 Températures
Les températures moyennes varient entre 15°C et 20°C. Elles sont plus élevées à l’Est
qu’à l’Ouest et elles sont liées à l’altitude. En effet, elles décroissent en allant vers les
hautes altitudes. Les températures minimales (< 5°C), sont observées au mois du janvier.
La température la plus élevée (> 33°C) est enregistrée en mois de juillet. On note des
valeurs de température maximales très élevées (pouvant atteindre 50°C) pendant la
période de sirocco qui s’étale entre 22 et 55 jours par an (Dridi, 2000).
2.3 Vent
La vitesse et la direction du vent sont en grande partie responsables de la répartition
des pluies et ont une influence remarquable sur les relations entre les pluies et les débits.
Les vents dominants sont de directions : Nord-Ouest, Nord ; Nord Nord-Ouest (en hiver) ;
Nord-Est et Sud (été). Deux vents caractéristiques des périodes froides et chaudes sont à
signaler : le Jebbali et le Sirocco. Le premier est un vent très froid qui souffle en hiver sur
la région à partir des hautes terres algériennes tandis que le second est un vent chaud et
sec d’origine saharienne, souvent accompagné de sable, qui peut se manifester dès le mois
d’Avril et se prolonger jusqu’en Septembre (Bouzaiane et Lafforgue, 1986).
Les vents faibles se manifestent plus fréquemment que les vents violents (Dridi, 2000).
2.4 Contexte pluviométrique
La région se caractérise par une forte variabilité pluviométrique avec des inondations
et des sécheresses intenses. Les précipitations annuelles moyennes sont de 300 mm dans
la plaine. Elles augmentent du sud au nord et avec l’altitude sur le bassin amont pour
atteindre 500 mm en allant vers l’amont du bassin versant avec un gradient de 20 mm par
cent mètres d’altitude (Le Goulven et al, 2009). Les averses les plus intenses se
manifestent en automne (septembre et octobre) et au printemps (mars).
Les données utilisées dans ce chapitre sont des données pluviométriques qui ont
été fournies par différentes sources ; l'institut national de météorologie (INM), la
direction générale des ressources en eau (DGRE), l’Institut National des Recherches en
Génie Rural, Eaux et Forêts (INRGREF). Ces données sont à l’échelle mensuelle.
53
3.1 Réseau des mesures pluviométriques
L’analyse des pluies dans la région de Kairouan, est basée obligatoirement sur les
relevés pluviométriques effectués dans certains nombres de stations existants sur le
territoire du gouvernorat. Elle est basée sur l’hypothèse que la pluie tombée à une
station est représentative de celle tombée autour de la station. Dans ce chapitre, on a
utilisé les valeurs mensuelles des précipitations prises aux stations représentées dans le
tableau 4.1 présenté ci-après, le choix de ces stations était basé sur le fait que leurs aires
d’influence calculées avec la méthode de Thiessen couvrent le territoire du gouvernorat.
(Figure 4.1).
Tableau 4.1: Caractéristiques des stations sélectionnées (Gouvernorat de Kairouan)

1486303041 Hajeb el ayoun 549593,6 3916946,1 1964-2015
1486303841 Haffouz DRE 561268,6 3943420,7 1964-2015
1486462741 Barrage nebhana 575624,7 3991072,5 1964-2015
1486506441 oueslatia INRAT 553428,8 3958836,2 1964-2015
1486658341 Sidi saad jaugeage 563243,8 3916600,5 1964-2015
1486349841 Kairouan SM 604150,7 3945597,7 1964-2015
Source (DGRE , 2016)
3.2 Vérification des données pluviométriques
3.2.1. Méthode de contrôle des données
La disparité des ressources des données pluviométriques pose souvent un problème de

qualité. Les erreurs les plus souvent rencontrées relèvent de deux catégories:
 Les erreurs accidentelles et aléatoires (erreurs lors de la lecture, oublis, erreurs de
transcription).
 Les erreurs systématiques (changement de site avec maintien du nom du poste et
même des coordonnées).
Les changements d’observateurs sont aussi une cause d’apparition d’erreurs de mesures.
Plusieurs méthodes sont proposées dans la littérature pour détecter ces erreurs, la plus
utilisée c'est celle de double cumul. Il s’agit de comparer la tendance de la station étudiée
par rapport à celle de la station témoin, en traçant le graphe des données cumulées à la
station étudiée par rapport aux données cumulées de la station témoin.
54
De ce fait, on a choisi la station de Kairouan SM comme station de référence, vue la

longueur de sa série (de 1964 à 2015). Les autres stations seront considérées comme des
stations secondaires.
3.2.2. Application de la méthode de double cumul
La méthode du double cumul est une méthode bidimensionnelle. Elle est employée
pour évaluer, s’il y a lieu, la présence d’une anomalie dans la série étudiée pour la
corriger.
Pour vérifier l’homogénéité des données des stations secondaires, on effectue pour
chacune un graphique de double cumul avec la station de Kairouan SM.
L’obtention d’une droite, montre la fiabilité des données. Par contre, un changement de
pente indique l’existence des anomalies au niveau des données.
La figure (Cf Annexe 9) illustre les graphes des données cumulées aux stations
secondaires par rapport aux données cumulées de la station témoin (station de Kairouan).
L’application de cette méthode nous a permis d’obtenir des droites ce qui montre la
fiabilité des données au niveau des stations traitées.
La figure (Cf Annexe 9) montre qu'il n'y a aucun changement de l'exploitation des
stations de la zone d’étude. En termes de fiabilité de données pluviométriques, la plupart
des stations pluviométriques ont présenté une bonne crédibilité. Nous remarquons d'après
les coefficients de détermination, une bonne corrélation entre les séries pluviométriques.
Donc on peut dire que ces séries sont homogènes.
3.3 Détermination de la pluie moyenne du gouvernorat de Kairouan
Divers méthodes citées dans la littérature peuvent être utilisées pour le calcul de la
pluie moyenne à savoir ; la méthode de la moyenne arithmétique, la méthode des
isohyètes et la méthode des polygones de Thiessen. Ces méthodes sont basées sur la
pondération des précipitations observées par un coefficient de pondération à calculer en
fonction de la méthode choisie.
La méthode de la moyenne arithmétique est la méthode la plus simple. Elle consiste à

déterminer une moyenne des observations faites à tous les stations étudiées. Cette
méthode n’est appliquée qu’en cas d’homogénéité des postes pluviométriques sur la
région d’étude.
55
Chapitre 4: Persistance de la sécheresse à l'échelle régionale: "Gouvernorat de Kairouan"
La méthode des isohyètes consiste à tracer le réseau d’isohyètes (courbes d’isovaleurs

de pluies soit annuelles, mensuelles ou journalières) en utilisant les valeurs des pluies
correspondant aux stations de zone d'étude et des stations voisines. Le traçage des
isohyètes est effectué par des systèmes d'information géographique (SIG) soit l’ARCGIS,
QGIS, SURFER. etc... Une fois les courbes isohyètes sont tracées, la pluie moyenne du
bassin est déterminée par :
∑𝑘𝑖=1 𝐴𝑖 𝑃𝑖
𝑃𝑚𝑜𝑦 =
𝐴
Avec :
Pmoy : Précipitation moyenne de la zone (mm).
A : Surface totale de la zone.
Ai : Surface entre deux isohyètes i et i+1.
K=1 : Nombre totale d’isohyètes.
Pi= (h1+h2)/2 : Moyenne des hauteurs h de précipitation entre deux isohyètes i

et i+1.
Dans le cas des isohyètes mensuelles, il faut tracer une carte d’isohyètes pour
chaque mois, donc pour pouvoir déterminer la pluie mensuelles moyennes de la zone
étudiée, on n’a besoin de tracer 612 isohyètes pour la période d’observation de 51 ans.
La méthode des polygones de Thiessen consiste à affecter pour chaque pluviomètre

ou pluviographe une zone d’influence dont la surface, exprimée en % de la surface
totale de la zone d'étude, représente le facteur de pondération de la valeur locale
mesurée. Les différentes zones d’influence sont déterminées par découpage géométrique
du territoire étudié en se basant sur l’onglet Analysis tools-Proximity- create thiessen
polygons de l’ARCGIS et en utilisant comme donnée la limite du gouvernorat et les
coordonnées de chaque station. La précipitation moyenne pondérée de la région est
calculée par la formule présentée ci-après :
56
∑ 𝐴𝑖 𝑃𝑖
𝑃𝑚𝑜𝑦 =
𝐴
Avec :
Pmoy : La précipitation moyenne sur la zone d'étude (mm).
A: Surface totale de la zone d'étude.
Ai : Superficie du polygone associée à la station i.
Pi : Précipitation enregistrée à la station i,
On a adopté la méthode des polygones de Thiessen et la moyenne arithmétique pour la

détermination de la pluie moyenne de la zone d’étude.
La figure 4.1 présentée ci-après illustre les surfaces associées aux postes pluviométriques
pour le calcul de la pluie moyenne du gouvernorat du Kairouan.
Figure 4.1 : Surfaces associées aux postes pluviométriques pour le calcul de la pluie moyenne
du gouvernorat de Kairouan.
57
Nous avons ensuite calculé les pluies moyennes annuelles du Kairouan par les deux
méthodes ; méthode de polygones de Thiessen et méthode de la moyenne arithmétique.
La corrélation entre les pluies calculées par la méthode de Thiessen et celles par la
méthode de moyenne arithmétique est significative avec un coefficient de corrélation
de 0,99.
Cette corrélation est présentée dans la figure 4.2 présentée ci-après:
Y=X
Figure 4.2: Corrélation entre les pluies calculées par méthode de

Thiessen

La région de Kairouan, au centre Tunisien, est connue par sa fertilité et sa production
agricole. Le déficit hydrique de ces dernières décennies a affecté négativement la
production agricole ainsi que les réserves superficielles et souterraines des ressources en
eau. Dans ce qui suit, on veut mettre la lumière sur la persistance de la sécheresse. Cette
dernière pose de nombreux problème d’ordre socio-économiques et spécialement à
l’agriculture. La sécheresse est récurrente, omniprésente en raison de températures élevées
et d’une pluviométrie modeste et surtout très variable en région méditerranéenne (Hénia,
1993).
Suite au calcul et au classement des pluies annuelles des différentes stations, réparties
sur le territoire de Kairouan, dans l'ordre croissant de leurs fréquences expérimentales,
nous avons obtenu la figure 4.3 qui illustre ces fréquences en fonction des pluies.
58
Figure 4.3: Courbes de fréquence des stations de Kairouan
La représentation graphique de ces fréquences en fonction des pluies des différentes

stations de Kairouan sur la figure 4.3, permet de dire que les régions de Kairouan central
présentent des pluviométries proches de la moyenne alors que la région de Oueslatia
présente des pluviométries plus grande que la moyenne.
4.2 Variabilité interannuelle des pluies à Kairouan
Le Kairouan fait parti du centre tunisien qui est caractérisé par une forte variabilité et
une grande irrégularité de pluie.
Tableau 4.2: Analyse des précipitations interannuelles du Kairouan (période d’étude
1964-65/2014-15)
Région Maximum Minimum Pluie Ecart Médiane Coefficient Pluie de Nbr Nbr
(mm) (mm) moyenne type (mm) de fréquence d’années d’années
(mm) variation 35% sèches d’étude
(mm)
Kairouan 801 91 275 107,6 260 40% 223 18 51

variation représente bien cette variabilité relative à savoir 40% ce qui signifie une forte
59
dispersion. Ce même tableau montre que la pluie moyenne est assez proche de la médiane
et montre que la loi de distribution est symétrique.
variables des totaux annuels. La figure 4.4 représente cette variabilité interannuelle des
précipitations dans la région de Kairouan pour la période (1964/1965-2014/2015), on y
remarque la concordance des années déficitaires.
Par ailleurs, on observe à travers la même figure, des excédents pluviométriques relatifs à
la fin de la décennie 60 et début de la décennie 70. Il est à remarquer aussi que la
décennie 80 est caractérisée par un déficit.
Figure 4.4: Variation interannuelle des précipitations à Kairouan (1964-65/2014-15)
5. Application du modèle Markovien pour la région de Kairouan
5.1. Processus du Markov d’ordre 1

La matrice de Markov d’ordre 1 a été calculée. Les résultats sont indiqués dans le tableau 4.3 :
1965/2014-2015)
Pmoy par la méthode de Thissen

S-S 17%
S-NS 83%
NS-S 47%
NS-NS 53%
60
L’application du processus de Markov d’ordre 1 pour le gouvernorat du Kairouan a

montré que :
i. la probabilité d’avoir une année non sèche l’année suivante quelque soit sa nature
l’année de départ (sèche ou non sèche) est plus élevée que d’avoir une année sèche.
ii. La probabilité d’avoir deux années sèches successives est faible (17%).

La matrice de Markov d'ordre 2 a été calculée. Les résultats sont indiqués dans le
tableau 4.4 :

1965/2014-2015)
S-S-S 33%
S-S-NS 67%
NS-S-S 13%
NS-S-NS 87%
L’application du processus de Markov d’ordre 2 pour le gouvernorat du Kairouan a

montré que :
i. La probabilité d’avoir une année sèche après deux années sèches est mois importante
que d’avoir une année non sèche.
ii. La probabilité d’avoir une année non sèche après une année sèche précédée par une
année non sèche est importante que d’avoir une année sèche.
6. Conclusion
Suite à l’étude de la persistance de la sècheresse au gouvernorat de Kairouan par les
chaines de Markov d’ordre 1 et d’ordre 2, on a obtenu les résultats suivants :
iii. La probabilité d’avoir une année sèche après deux années sèches est mois
importante que d’avoir une année non sèche.
61
iv. La probabilité d’avoir une année non sèche après une année sèche précédée par une
62
Chapitre 5: Persistance de la sécheresse à l’échelle régionale : « Bassin versant de la Medjerda »
Chapitre 5: Persistance de la sécheresse à l’échelle régionale : «

Bassin versant de la Medjerda »
1. Introduction
Les sécheresses observées depuis les dernières décennies dans le bassin de la
Medjerda (Tunisie) sont nombreuses et de sévérité inégale. De vocation agricole, cette
région est vulnérable aux manques d'eau et aux irrégularités de la pluviométrie (Bargaoui,
1989). Si on ne peut pas, jusqu'à nos jours, prévoir de tels phénomènes, il nous reste la
consolation d'étudier leur probabilité d'occurrence. Dans ce chapitre on va utiliser les
chaines de Markov pour étudier la persistance de la sècheresse dans le bassin versant de la
Medjerda.
2. Présentation de la Medjerda
La Medjerda est connue depuis une lointaine antiquité, elle est un des principaux
fleuves du Maghreb, le bassin couvre une superficie totale de 23700 km2, dont 7600 km2
sont situés en Algérie. En Tunisie la Medjerda est le seul cours d’eau pérenne, avec ses
affluents qui collectent de l’Ouest vers l’Est, la majeure partie des eaux de surface du
Nord de la Tunisie et véhiculent en moyenne près d’un million de mètres cubes d’eau par
an, soit environ la moitié des eaux superficielles disponibles sur l’ensemble du pays. La
Medjerda qui mérite le qualitatif du fleuve est longue de 484 Km.
La partie Tunisienne du bassin versant peut être découpée en trois principaux sous-
bassins de la frontière algérienne à la Méditerranée, la Medjerda traverse trois types de
plaines du l’amont vers l’aval :
Haute vallée : La haute vallée correspond à la partie la plus élevée et prend sa source
des monts de la Medjerda en Algérie ou l’altitude peut dépasser les 1000m, elle descend
rapidement à 200m à Ghardimaou en Tunisie. Elle s’étire en ligne droite d’orientation, Est
et Nord-Est sur une longueur de 130 km et une largeur de 25 à 30 km, la haute vallée de la
Medjerda se termine au niveau de barrage Sidi Salem dans sa partie Tunisienne .La
platitude topographique et l’abondance de l’eau provenant de ses principaux affluents
comme Oued (Bouhertma, Mallégue, Tessa) favorisent les méandres encaissées et
complexes. La haute vallée de la Medjerda abrite les barrages les plus anciens pour
63
répondre aux besoins agricoles et économiques du pays mais aussi pour limiter les effets
des inondations.
Moyenne vallée : En aval de la retenue de Sidi Salem, à Testour à la localité d’El
Aroussia, la Mejerda emprunte une gouttière où les plaines sont limitées à l’abord
immédiat de l’oued, encadrées par les piémonts de chaînons montagneux. Les oueds
khalled (449 km2 ), Siliana (2220 km2 ) et Lahmar (368 km2 ) constituent ses affluents
les plus importants. C’est la zone où le pratique agricole est intense par excellences. Les
localités de Testour et Medjez el Beb constituent la porte de cette vallée.
Basse vallée La basse vallée de la Medjerda traverse des terrains inférieurs à 100m
d’altitude, la vallée n’a plus de grands affluents. Suite à l’emprise humaine depuis les
phéniciens, cette partie de la Medjerda a passé d’anciens marécages à des riches terres
agricoles. Ces dernières ont été des secteurs pilotes dans l’agriculture coloniale et post
coloniale. Au niveau de la plaine deltaïque, la vallée se déverse naturellement dans la
lagune de Ghar El Melh, avant la modification artificielle de son chenal sur la plaine
deltaïque .La Medjerda a modifié plusieurs fois son chenal au cours de ce dernier
Quaternaire.
Les données utilisées dans ce chapitre sont des données pluviométriques qui ont
été fournies par différentes sources ; l'institut national de météorologie (INM), la
direction générale des ressources en eau (DGRE), l’Institut National des Recherches en
Génie Rural, Eaux et Forêts (INRGREF). Ces données sont à l’échelle mensuelle.
3.1 Réseau des mesures pluviométriques
L’analyse des pluies au niveau du bassin versant de la Medjerda, est basée

obligatoirement sur les relevés pluviométriques effectués dans certains nombres de
stations existants. Elle est basée sur l’hypothèse que la pluie tombée à une station est
représentative de celle tombée autour de la station. Dans ce chapitre, on a utilisé les
valeurs mensuelles des précipitations prises aux stations représentées dans le tableau 5.1
présenté ci-après, le choix de ces stations était basé sur le fait que leurs aires d’influence
calculées avec la méthode de Thiessen couvrent tout le bassin. (Figure 5.1).
64
Tableau 5.1: Caractéristiques des stations sélectionnées au niveau du bassin versant de la

Medjerda

1486303041 Jendouba 479662 4042598 1900-2015
1486303841 Kef 476884 4004101 1900-2015
1486462741 Bou Sallem 496944 4051135 1900-2015
1486506441 Medjez el bab 554053 4055988 1900-2015
1486658341 Teboursouk 522327 4034587 1900-2015
1486349841 Tunis manoubia 577293 4081095 1900-2015
14863498541 Beja 530065 4063236 1900-2015
3.2 Vérification des données pluviométriques et reconstitution des données

manquantes
Les stations utilisées citées ci-dessus comportent des lacunes. Pour utiliser leurs
données dans notre étude, il fallait d’abord reconstituer les données manquantes. Pour
cela, on a complété les données manquantes se chaque stations par les données de la
station voisine.
3.3 Détermination de la pluie moyenne du bassin versant de la Medjerda
Dans ce chapitre on va déterminer la pluie moyenne par la méthode de polygones

de Thiessen comme on a fait pour la détermination de la pluie moyenne de Kairouan.
La figure 5.1 présentée ci-après illustre les surfaces associées aux postes
pluviométriques pour le calcul de la pluie moyenne du bassin versant de la Medjerda :
65
moyenne du bassin versant de la Medjerda

La zone de la Medjerda, au Nord Tunisien, est connue par sa fertilité et sa production
agricole. Suite au résultat du chapitre 2 que le Nord est le plus vulnérable à la sècheresse,
si on ne peut pas, jusqu'à nos jours, prévoir de tels phénomènes, il nous reste la
consolation d'étudier leur probabilité d'occurrence.
Suite au calcul et au classement des pluies annuelles des différentes stations, réparties
sur le territoire de Kairouan, dans l'ordre croissant de leurs fréquences expérimentales,
nous avons obtenu la figure 5.2 qui illustre ces fréquences en fonction des pluies.
66
Figure 5.2: Courbes de fréquence des stations du bassin versant de la Medjerda
La représentation graphique de ces fréquences en fonction des pluies des stations de la

Medjerda sur la figure 5.2, permet de dire que les différentes stations présentent des
pluviométries proches de la moyenne sauf pour les stations de Teboursouk et Béja, elles
présentent des pluviométries supérieures à la moyenne.
4.2 Variabilité interannuelle des pluies des régions de la Medjerda
Le bassin versant de la Medjerda fait parti du Nord Tunisien, qui est caractérisé par
une forte variabilité et une grande irrégularité de pluie.
Tableau 5.2: Analyse des précipitations interannuelles du bassin versant de la Medjerda

(période d’étude 1900-01/2014-15)
Région Maximum Minimum Pluie Ecart Médiane Coefficient Pluie de Nbr Nbr
(mm) (mm) moyenne type (mm) de fréquence d’années d’années
(mm) variation 35% sèches d’étude
(mm)
Bassin 812 279 503 108,5 484 22% 448 18 115
versant
de la
Medjerda
67

variation est à l’ordre de 22% ce qui signifie qu’il n’y a pas de forte dispersion. Ce même
tableau montre que la pluie moyenne est assez proche de la médiane et montre que la loi
de distribution est symétrique.
variables des totaux annuels. La figure 5.3 représente cette variabilité interannuelle des
précipitations dans le bassin de Medjerda pour la période (1900/1901-2014/2015), on y
remarque la concordance des années déficitaires.
Par ailleurs, on observe à travers la même figure, des excédents pluviométriques relatifs
au début de la décennie 60 et la fin de la décennie 70. Il est à remarquer aussi que la
décennie 80 et le début de la décennie 90 sont caractérisés par un déficit pluviométrique.
Figure 5.3: Variation interannuelle des précipitations au niveau du bassin versant de la

Medjerda (1900-1901/2014-15)
5. Application du modèle Markovien pour la Medjerda

La matrice de Markov d’ordre 1 a été calculée. Les résultats sont indiqués dans le tableau 5.3 :
68
Tableau 5.3: Processus de Markov d'ordre 1 (Cas du bassin versant de la Medjerdab 1900-
1901/2014-2015)
S-S 44%
S-NS 56%
NS-S 29%
NS-NS 71%
L’application du processus de Markov d’ordre 1 pour le du le bassin de la Medjerda a

montré que :
i. la probabilité d’avoir une année sèche l’année suivante quelque soit sa nature
l’année de départ (sèche ou non sèche) est moins importante que d’avoir une année non
sèche.
ii. La probabilité d’avoir deux années sèches successives est modérée (44%).

La matrice de Markov d'ordre 2 a été calculée. Les résultats sont indiqués dans le
tableau 5.4 :
Tableau 5.4: Processus de Markov d'ordre 2(Cas du bassin versant de la Medjerda 1900-
1901/2014-2015)
S-S-S 47%
S-S-NS 53%
NS-S-S 41%
NS-S-NS 59%
L’application du processus de Markov d’ordre 2 pour le bassin de la Medjerda a

montré que :
i. La probabilité d’avoir une année sèche après deux années sèches est mois importante
que d’avoir une année non sèche, mais cette probabilité est modérée de l’ordre de 47%.
ii. La probabilité d’avoir une année non sèche après une année sèche précédée par une
69
6. Conclusion
Suite à l’étude de la persistance de la sècheresse au niveau du bassin versant de la
Medjerda par les chaines de Markov d’ordre 1 et d’ordre 2, on a obtenu les résultats
suivants :
iii. La probabilité d’avoir une année sèche après deux années sèches est mois
importante que d’avoir une année non sèche.
iv. La probabilité d’avoir une année non sèche après une année sèche précédée par une
70
Conclusion générale
La sécheresse est un phénomène complexe d’origine climatique au départ, elle peut

s’étendre à tous les secteurs intéressés par l’eau. De ce fait on distingue plusieurs types de
sécheresse allant de la sécheresse météorologique (le premier maillon du phénomène)
jusqu’à la sécheresse socio-économique (l’aboutissement de tous les autres types de
sécheresses).
Ce travail s’est focalisé sur la sècheresse météorologique tout en précisant sa probabilité, à
l’issue de cette étude les remarques suivantes méritent d’être soulignées :
- En Tunisie, la sécheresse est un phénomène récurrent qui peut affecter tous les milieux
où l’eau transite et peut acquérir des grandes dimensions spatiotemporelles.
- Les recherches sur la sècheresse préoccupent plusieurs organismes ainsi que des
chercheurs et des équipes de recherche scientifique en Tunisie. Toutefois, leurs soucis
majeurs résident dans le diagnostic des types de sècheresse, son historique, ses
répercussions socio-économiques, la gestion de ses impacts sur quelques secteurs
(parcours-élevage, irrigation, alimentation en eau potable, …).
- Quelles que soient les conditions de sécheresse ou d'humidité au départ : la probabilité
d'avoir une année « sèche » est plus faible que la probabilité d'avoir une année « non
sèche».
- Si une année est sèche, la probabilité pour qu'elle soit suivie d'une année « sèche » est
plus importante au nord qu'au sud et à l'ouest qu'a l’est. Cette probabilité varie de 20% à
42%.
- Si deux années successives sont sèches, la probabilité d'avoir une troisième année sèche
est importante au nord et au centre et où elle varie de 35 à 58,8 %. Quant au Sud, cette
probabilité est moins importante où elle oscille de 25% à 33,3%.
- La persistance des années sèches est plus fréquente dans les régions du nord et du centre
du pays, régions qui sont caractérisées par leur production agricole. Une stratégie de
développement de modèles de gestion et d'économie des ressources en eau est un moyen
efficace de lutte contre les aléas de la pluviométrie.
71
Suite à l’analyse fréquentielle on peut tirer ces remarques :

- Il existe une disparité nette entre les régions Nord, Centre et Sud, et même a petite
échelle ; cas du gouvernorat du Kairouan et le bassin versant de la Medjerda.
- une différenciation très nette apparaît entre l'est et l'ouest pour le nord et le sud mais elle
est faible au Centre Tunisien.
Suite à l’application de l’indice standardisé de précipitations SPI, on conclure que le
climat tunisien est souvent fréquenté par une sècheresse météorologique légère à modéré.
Recommandations
Les sécheresses sont des phénomènes complexes qui nécessitent une analyse
approfondie, souvent qualitative des résultats des différents indices, modèles ou autres
informations utilisées pour les caractériser. La présente étude ne s'est attardée qu'à la
sécheresse météorologique moyennant deux indices et les données pluviométriques et a
démontré leur utilité pour le suivi des sécheresses en région méditerranéenne. Toutefois, il
est clair que l'avenir du suivi des sécheresses doit passer l'intégration de données multi-
sources comme les images satellitaires et l’intégration de la télédétection. Ces données
sont de nature, de format, de résolution spatiale et de résolution temporelle différents. Il
existe donc un challenge pour intégrer toutes les informations disponibles et en tirer une
information précise et juste. Ce challenge risque de tenir bien des gens occupés pour
encore quelques…décennies.
72
Références bibliographiques
-A-
Arnaud M. 1985 : Contribution à l'étude stochastique markovienne des précipitations
dans le bassin Adour-Garonne. Thèse présentée pour obtenir le titre de Docteur de
l'Institut national polytechnique de Toulouse, octobre 1985.
Alley, W.M., 1984 : The Palmer Drought Severity Index: Limitations and Assomptions.
Journal of Climate and Applied Meteorology, 23, 1100-1109.
Ardoin-Bardin S., 2004 : Variabilité hydroclimatique et impacts sur les ressources en eau
de grands bassins hydrographiques en zone Soudano-sahélienne. Thèse de doctorat,
Université de Montpellier II, 440p.
Ake G-E., 2010 : Impacts de la variabilité climatique et des pressions anthropiques sur les
ressources hydriques de la région de Bonoua (Sud-Est de la Côte d’Ivoire), Thèse Unique,
Université de Cocody, Côte d’Ivoire, 200 p.
-B-
Ben Boubaker Habib, 2007 : Evaluation des systèmes existants d'alerte précoce à la
sécheresse en Tunisie (SAPS); Projet LIFE05TCY/TN/000150, rapport de l'étude Réf
contrat de prestation N°1/5919/CNT/24-11-2006.
Bergaoui Z., 1983 : Contribution à l’étude statistique de la pluie dans la région de Tunis.
Thèse présentée à l’institut nationale polytechnique de Toulouse. 134 pp.
Bergaoui Z. 1990 : Modélisation stochastique des sécheresses annuelles et pluriannuelles.
Thèse de Doctorat d'État, Tunis. Présentée à la Faculté des sciences de Tunis, 5 décembre
1990.
Billingsley P. 1960: Statistical methods in Markov chains. In Stanford meetings of the
Institute of Mathematical Statistics, Chicago, USA.
Bergaoui. M et al., 2001: Caractérisation de la sécheresse météorologique: cas du basin
versant de Siliana en Tunisie. Rev. Sécheresse. Vol. 12 n°4. p. 205-213.
Benzarti Z. et Habaieb H., 2001: Etude de la persistance de la sècheresse en Tunisie par
utilisation des chaînes de Markov (1909- 1996). Sciences et changements planétaires,
Sècheresse. Vol 12 (4), 215-20, Notes méthodologiques.
73
Beaudin I., 2007: Potentiel de la télédétection pour le suivi et la caractérisation des

conditions de sécheresse en milieu méditerranéen, Thèse présentée à la Faculté des études
supérieures de l’Université Laval, Novembre 2006.
Beersma J. et Buishand A., 2004: Joint probability of precipitation and discharge deficits
in the Netherlands,Water Resour. Res., 40, W12508, doi: 10.1029/2004WR003265
-C-
Cheze I., Jourdain S. 2003 : Calcul des quantiles de durées de retour de la température
par la méthode gev. In Calcul des températures à risque, p. 1-50, Météo France,
DP/SERV/BEC,Toulouse, France.
-D-
Dridi B. 2000 : Impact des aménagements sur la disponibilité des eaux de surface dans le
bassin versant du Merguellil (Tunisie centrale). Thèse de doctorat. UFR de Géographie,
Centre d'études et de recherche éco-géographiques-CEREG-UMR-7007,
CNRS/ULP/ENGESS. Université Louis Pasteur. 194 pages.
-G-
Gibbs, W.J. & Maher, J.V., 1967 : Rainfall Deciles as Drought Indicators. Director of
Meteorology of Melbourne, Australia, 32p.
-H-
Henia L., Benzarti Z., 2006: Changements climatiques et ressources en eau de la
Tunisie. XIXe colloque de l’association Internationale de climatologie, les risques liés au
temps et au climat, Eparnay, 6-9 septembre, France, p. 15-20.
Hénia L., 1993: Climat et bilans de l’eau en Tunisie, essai de régionalisation climatique
par les bilans hydriques. Publications de l’Université de Tunis. 391 p.
Hess G.D., Leslie L.M., Guymer A.E., Fraedrich k. 1989 : Application of a Markov
technique to the operational, short-term forecasting of rainfall, Australian Meteorological
Magazine, 37, 2, 83-91.
Hayes Michael J. 2007: Climate Impacts Specialist, National Drought Mitigation Center,
with Christina Alvord and Jessica Lowrey, WWA, Feature Article From Intermountain
West Climate Summary, July 2007.
74
-J-
Julien Chiquet 2003 : Estimation des températures journalières à l’aide de techniques
markoviennes. Mémoire de DEA TIS. Université de Technologie de Compiègne - Gaz de
France. 5 septembre 2003-p27.
-K-
Kouame KF., 2011: Influences de la variabilité climatique et de la dégradation
environnementale sur le fonctionnement de l’hydrosystème du N’zo dans la région
guinéenne humide et semi-montagneuse de la Côte d’Ivoire. Contribution de la
télédétection, des Systèmes d’Informations Géographiques et du modèle hydrologique
HYDROTEL, Thèse d’Etat sciences naturelles. Université de Cocody, Abidjan. 379 p.
Kingumbi A., 2006 : Modélisation hydrologique d'un bassin affecté par des changements
d'occupation. Cas du Merguellil en Tunisie Centrale. Thèse de Doctorat, Université de
Tunis El Manar, 300 p.
Khoualdia W., 2015: Contribution à l’étude de la variabilité climatique et son impact sur
les ressources hydriques « cas d’oued Medjerda Nord-Est Algérie ». Thèse de Doctorat en
sciences. Université Bedji Mokhtar, Annaba, 2014/2015.
-L-
Layelmam Mohamed 2008: Calcul des indicateurs de sécheresse à partir des images
NOAA/AVHRR; Projet de Mise en place d’un Système d’Alerte précoce à la Sécheresse
dans trois pays de la rive Sud de la Méditerranée: Algérie, Maroc, et Tunisie LIFE05
TCY/TN/000150.
Le Goulven P., Leduc C., Bachta M S., et Poussin JC., 2009: Sharing Scarce Resources
in a Mediterranean River Basin: Wadi Merguellil in Central Tunisia, River Basin
Trajectories: Societies, Environments and Development (eds Molle and Wester),146.169.
Ladoy p. 1974 : Etude des probabilités de transitions pour les types journaliers de
distribution spatiale de la pluie., Actes du 3ème colloque sur l’analyse des données en
géographie, Besan, 177-202.
Liana C., Elena C. 2004: Evaluation of the transition probabilities for daily precipitation
time series using a Markov chain model. The 3rd International Colloquium Mathematics in
Engineering and Numerical Physics, p. 82-89, Oct 7-9, Bucharest, Romania.
75
Lambert R. et Alii 1990: Analyse hydraulique de la sécheresse. Univ. Toulouse. Publ.

Mirail et Minist. De l’Environnement . 2 tomes.
Lahache RG., et Pillet G., 2008: Projection des ressources en eau de la Tunisie sous les
effets des changements climatiques globaux. XIIIth World Water Congress (Montpellier,
2008), 12 p.
LazriI M., Haddad B., Ameur S. et Mohia Y., 2007: Etude de comportement de la pluie
par imagerie radar, *laboratoire d’analyse et de modélisation des phynomènes aléatoires
Tizi ouzou, université des sciences et de la technologie Alger, SETIT 2007 4th
International Conference: Sciences of Electronic, Technologies of Information and
Telecommunications March 25-29, 2007 – TUNISIA
-M-
McKee T.B., Doesken N.J., et Kleist J., 1995: Drought monitoring with multiple time
scales. Preprints, 9th Conference on Applied Climatology 1995, 15-20 January, Dallas,
TX, 233(6).
Ministère de l'Agriculture, 1990 : Stratégies pour le développement des ressources en
eau de la Tunisie au cours de la décennie 1991-2000. Rapport de synthèse. Tunis :
Direction générale des ressources en eau, 1990 ; 46 p.
Meddi H. & Meddi M., 2009: Variabilité des précipitations annuelles du Nord-Ouest de
l'Algérie. Sécheresse, Vol 20, 57-67.
Mahé G., L’Hôte Y., Olivry J., Wotling G., 2001: Trends and discontinuities in regional
rainfall of west and central Africa,”J. Sci. Hydrol., vol. 46, n° 2, pp.211–226.
Meylan P., Musy A., 1998: Cours d’hydrologie générale. HYDRAM-ISTE-Ecole
Polytechnique Fédérale de Lausanne (EPFL), http://hydram.epfl.ch/e-drologie/.
Morgenthaler S., 1997: Introduction à la statistique, Presses polytechnique et
Universtaires Romandes.
-N-
NDMC, 1996 : National Drought Mitigation Center. Consulté en
ligne: http://www.drought.unl.edu/enigma/indices.htm , 1998.
NDMC, 2005: National Drought Mitigation Center. Consulté en
ligne: http://www.drought.unl.edu/index.htm , 2006.
76
Nicholson S-E., 1994: Recent rainfall fluctuations in Africa and their relationship to past
conditions over the continent, The Holocene 4,2 pp 121-131.
Nefzi Aida, 2012 : Evaluation économique de l’impact du changement climatique sur
l’agriculture : étude théorique et application au cas de la Tunisie. Thèse de doctorat en
Economie de l’environnement et des ressources naturelles de l’Institut des Sciences et
Industries du Vivant et de l’Environnement (AgroParisTech). Mars 2012.
-O-
OMM-N° 1006 : 2006 : Organisation météorologique mondiale ISBN 92-63-21006-3.
Obassi, G.O., 1994: WMO's Role in the International Decade for Natural Disaster
Reduction. Bulletin of Americam Meteorological Society, 75-9, 655-1661.
-P-
Palmer, W., 1968 : Keeping track of the Crop Moisture Conditions, Nationwide: The new
crop Moisture Index. Weatherwise, 21, 156-161.
Paturel J.E., Servat E., Kouamé B., Lubès H., Ouedraogo M. et Masson J.M., 1997 :
Climatic variability in humid Africa along the gulf of Guinea. Part II: an integrated
regional approach. Journal of Hydrology, 191, pp 16-36.
Paturel J.E., Servat E., Delattre M., 1998: Analyse des séries pluviométriques de
longue durée en Afrique de l’Ouest et Centrale non sahélienne dans un contexte de
variabilité climatique. Journal des Sciences Hydrologiques,” volume 43, n°3, pp. 937-945.
-R-
Robles M., López N., Gadsden H., Pineda R., Reyes-Gómez M. et Hinojosa R., 2006:
Analyse des deficits hydriques dans l’état de Chihuahua (Mexique). Sècheresse, 17(4),
457 465.
-S-
Svoboda M., Hayes M., Heim R., Gleason K., Angel J., Rippey B., Tinker R., Palecki
M., Stooksbury D., Miskus D., et Stephens S., 2002: The drought monitor, Bull. Amer.
Meteor. Soc., 83, 1181–1190.
77
Shafer, B.A. & Dezman, L.E., 1982: Development of a Surface water Supply Index
(SWSI) to Assess the Severity of Drought Conditions in Snowpack Runoff Areas.
Proceedings of Western Snow Conference, April 1982, 164-175.
Servat E., Paturel J.E., Lubès-Niel H., Kouamé B., Masson J.M., Travaglio M., et
Marieu B., 1999: De différents aspects de la variabilité de la pluviométrie en Afrique de
l’Ouest et Centrale non sahélienne. Revue des sciences de l’eau, 12(2), pp 363-387.
Servat E., Paturel J.E., Lubès H., Kouamé B., Ouedraogo M. et Masson J.M., 1997:
Climatic variability in humid Africa along the Gulf of Guinea. Part I : detailed analysis of
the phenomenon in Côte d’Ivoire. Journal of Hydrology, 191, pp 1-15.
Svoboda M., Hayes M., Heim R., Gleason K., Angel J., Rippey B., Tinker R., Palecki
M., Stooksbury D., Miskus D., et Stephens S., 2002: The drought monitor, Bull. Amer.
Meteor. Soc., 83, 1181–1190.
Sanders L., 1990: L’analyse statistique des données en géographie, Reclus, 1990, 268p.
-T-
Tate, E.L. & Gustard, A., 2000 : Drought definition: A Hydrological perspective.
Drought and Drought Mitigatin in Europe. Jurgen V. Vogt and Francesca Somma
(Editors). Kluwer Academic Publishers, Netherlands.
Thornthwaithe, C.W., 1948 : An approach toward a rational classification of climate.
Geogr. Rev.,38, 55-94.
-V-
Vissin E- W., 2007: Impact de la variabilité climatique et de la dynamique des états de
surface sur les écoulements du bassin béninois du fleuve Niger, Thèse de Doctorat.
Hydroclimatologie. Université de Bourgogne Centre de Recherches de Climatologie –
CNRS-UMR 5210, version 1 - 11 Feb 2010. 285 p.
-W-
WMO, 1966: Climatic change. Report of a working group of the commission for
climatology-Technical Note N°79. Secretariat of World Meteorological Organization
Geneva - Switzerland, 79p.
Wilhite, D.A. & Glantz, M.H., 1985 : Understanding the Droughts Phenomenon: The
Role of Definitions. Water International, 10, 111-120.
78
Annexes
Annexes
Annexe 1: Pluies moyennes régionales de la Tunisie (1900/01-2014/15) .................................. i

Annexe 2: Variation de la pluviomètrie interannuelle des différentes régions de la Tunisie
(1900/01-2014/15) ...................................................................................................................... v
Annexe 3 : Evolution des précipitations interannuelles des différentes régions de la Tunisie
exprimée en fonction de leurs moyennes mobiles ..................................................................... x
Annexe 4: Variation de la pluviométrie saisonnière des différentes régions de la Tunisie ... xvii
Annexe 5 : Evolution du SPI dans les différentes régions de la Tunisie (1900/01-2014/15) . xxi
Annexe 6: Répartition spatio-temporelle des années sèches en Tunisie (1900-1901/2014-
2015)....................................................................................................................................... xxv
Annexe 7: Courbes de fréquences des différentes régions de la Tunisie ............................ xxxiv
Annexe 8 : Cartes des isohyètes de la Tunisie des différentes périodes d’étude ................. xxxv
Annexe 9: Méthode des doubles cumuls pour le traitement des données pluviométriques des
stations utilisées dans le cadre de l'étude ............................................................................. xxxv
79
Annexes
Annexe 1: Pluies moyennes

régionales de la Tunisie (1900/01-
2014/15)
i
Annexes
Tableau 1: Pluies moyennes régionales de la Tunisie (1900/01-2014/15)
NO NE CO CE SO SE
1900-1901 899 332 203 280 82 142
1901-1902 895 439 190 305 97 123
1902-1903 758 431 314 391 133 170
1903-1904 1070 555 407 431 119 235
1904-1905 920 412 196 360 72 150
1905-1906 1114 584 232 395 116 169
1906-1907 920 464 279 460 129 193
1907-1908 701 476 179 318 72 107
1908-1909 1014 425 261 312 91 274
1909-1910 816 441 226 272 77 159
1910-1911 916 551 482 453 117 138
1911-1912 719 503 231 406 84 165
1912-1913 760 677 404 454 150 202
1913-1914 764 297 164 158 97 161
1914-1915 1012 627 380 328 129 215
1915-1916 699 468 415 372 134 130
1916-1917 814 514 325 371 97 117
1917-1918 771 390 433 377 166 210
1918-1919 1040 407 270 319 143 205
1919-1920 867 323 247 294 57 116
1920-1921 933 527 458 500 153 328
1921-1922 810 352 226 256 68 97
1922-1923 926 456 240 326 154 287
1923-1924 839 520 192 256 39 63
1924-1925 707 365 280 338 139 203
1925-1926 854 494 278 308 52 171
1926-1927 841 345 175 213 82 139
1927-1928 998 710 343 375 83 176
1928-1929 1173 587 424 435 100 168
1929-1930 950 459 296 315 92 116
1930-1931 1037 541 192 387 87 155
1931-1932 750 600 485 539 145 264
1932-1933 815 559 366 432 187 361
1933-1934 874 574 311 381 76 105
1934-1935 1053 648 419 510 150 277
1935-1936 756 518 228 235 39 57
1936-1937 814 495 226 264 92 152
1937-1938 710 484 227 299 94 142
1938-1939 1112 631 398 379 169 224
1939-1940 986 515 217 316 64 92
1940-1941 882 421 324 329 83 155
ii
Annexes
1941-1942 1016 517 290 365 39 121

1942-1943 572 408 283 305 92 204
1943-1944 883 536 206 291 131 174
1944-1945 779 362 143 235 62 116
1945-1946 791 356 230 194 78 280
1946-1947 1013 459 151 183 28 109
1947-1948 657 330 233 341 43 152
1948-1949 902 597 439 482 134 217
1949-1950 896 489 325 290 64 179
1950-1951 776 439 186 278 66 211
1951-1952 1099 493 402 340 121 262
1952-1953 1205 716 324 400 106 160
1953-1954 987 814 329 407 88 214
1954-1955 889 423 262 301 101 159
1955-1956 1215 747 259 366 89 113
1956-1957 824 582 357 423 135 219
1957-1958 984 627 383 558 92 172
1958-1959 1173 837 489 558 92 171
1959-1960 876 526 343 287 125 266
1960-1961 619 323 200 240 77 114
1961-1962 780 467 249 302 76 122
1962-1963 1141 499 336 374 105 199
1963-1964 984 615 406 358 97 246
1964-1965 953 491 301 294 93 151
1965-1966 873 517 271 295 59 123
1966-1967 804 423 248 275 99 169
1967-1968 707 477 408 316 117 167
1968-1969 677 392 185 252 71 93
1969-1970 1078 551 516 534 190 361
1970-1971 1015 505 270 415 42 146
1971-1972 928 628 256 453 168 299
1972-1973 1184 741 360 509 103 167
1973-1974 659 515 353 483 87 201
1974-1975 872 567 295 500 129 295
1975-1976 896 592 442 453 264 608
1976-1977 841 629 197 307 54 118
1977-1978 760 427 288 289 103 195
1978-1979 785 504 301 342 105 288
1979-1980 698 580 501 309 97 134
1980-1981 659 460 225 252 53 153
1981-1982 686 497 214 326 62 97
1982-1983 652 530 282 417 89 220
1983-1984 667 490 210 331 101 150
1984-1985 726 693 336 390 118 306
iii
Annexes
1985-1986 634 411 250 290 94 134

1986-1987 869 692 309 328 74 194
1987-1988 549 304 268 232 53 208
1988-1989 532 363 306 188 65 219
1989-1990 529 570 463 469 201 304
1990-1991 1265 604 373 351 104 158
1991-1992 850 671 283 437 209 186
1992-1993 610 464 285 287 38 121
1993-1994 659 340 266 213 151 187
1994-1995 739 395 201 306 74 149
1995-1996 1217 835 376 550 200 464
1996-1997 732 374 224 245 61 108
1997-1998 1143 535 304 353 62 176
1998-1999 1019 475 317 347 126 204
1999-2000 777 490 243 597 69 127
2000-2001 947 480 176 212 43 102
2001-2002 773 306 286 243 79 137
2002-2003 1342 676 418 365 168 187
2003-2004 1146 853 417 503 111 220
2004-2005 1172 658 302 379 44 80
2005-2006 791 516 359 369 117 211
2006-2007 846 528 333 425 142 325
2007-2008 778 498 201 271 62 199
2008-2009 1197 656 387 422 123 188
2009-2010 892 536 223 301 64 205
2010-2011 969 511 376 360 88 215
2011-2012 996 666 299 440 121 263
2012-2013 983 564 245 198 25 54
2013-2014 965 464 243 368 70 247
2014-2015 949 567 295 267 102 171
iv
Annexes
Annexe 2: Variation de la
pluviomètrie interannuelle des
différentes régions de la Tunisie
(1900/01-2014/15)
v
Annexes
Figure 1: Variation de la pluviométrie interannuelle du Nord-Ouest de la Tunisie
Figure 2: Variation de la pluviométrie interannuelle du Nord -Est de la Tunisie
vi
Annexes
Figure 3: Variation de la pluviométrie interannuelle du Centre-Ouest de la Tunisie
Figure 4: Variation de la pluviométrie interannuelle du Centre-Est de la Tunisie
viii
Annexes
Figure 5: Variation de la pluviométrie interannuelle du Sud-Est de la Tunisie
Figure 6: Variation de la pluviométrie interannuelle du Sud-Ouest de la Tunisie
ix
Annexes
Annexe 3 : Evolution des

précipitations interannuelles des
exprimée en fonction de leurs
moyennes mobiles
x
Annexes
Figure 1: Evolution des précipitations interannuelles du NO exprimée en fonction de

l'évolution de la moyenne mobile sur deux ans

l’évolution de la moyenne mobile sur trois ans

l'évolution de la moyenne mobile sur cinq ans
xi
Annexes
Figure 4: Evolution des précipitations interannuelles du NE exprimée en fonction de la

moyenne mobile sur deux ans

moyenne mobile sur trois ans

moyenne mobile sur cinq ans xii
Annexes
Figure 7: Evolution des précipitations interannuelle du CO exprimée en fonction de la



moyenne mobile sur cinq ans xiii
Annexes
Figure 10: Evolution des précipitations interannuelle du CE exprimée en fonction de la



moyenne mobile sur cinq ans
xiv
Annexes
Figure 13: Evolution des précipitations interannuelle du SO exprimée en fonction de la



xv
Annexes
Figure 16: Evolution des précipitations interannuelle du SE exprimée en fonction de la



xvi
Annexes
Annexe 4: Variation de la
pluviométrie saisonnière des
xvii
Annexes
Figure 1: Evolution des totaux pluviométriques automnaux avec leur moyenne mobile des six régions de la Tunisie (1900/01-
2014/15)
xviii
Annexes
Figure 2: Evolution des totaux pluviométriques hivernaux avec leur moyenne mobile des six régions de la Tunisie (1900/01-2014/15)
xix
Annexes
Figure 3: Evolution des totaux pluviométriques printaniers avec leur moyenne mobile des six régions de la Tunisie (1900/01-2014/15)
xx
Annexes
Annexe 5 : Evolution du
SPI dans les différentes
régions de la Tunisie
(1900/01-2014/15)
xxi
Annexes
Figure 1: Evolution du SPI au NO de la Tunisie
Figure 2: Evolution du SPI au NE de la Tunisie
xxii
Annexes
Figure 3: Evolution du SPI au CO de la Tunisie
Figure 4: Evolution du SPI au CE de la Tunisie
xxiii
Annexes
Figure 5: Evolution du SPI au SO de la Tunisie
Figure 6: Evolution du SPI au SE de la Tunisie
xxiv
Annexes
Annexe 6: Répartition spatio-

temporelle des années sèches en
Tunisie (1900-1901/2014-2015)
xxv
Annexes
Tableau 1: Répartition spatio-temporelle des années sèches en Tunisie (1900-1901/2014-

2015)
Colonne1 NO NE CO CE SO SE
1900-1901 S S S S S
1901-1902 S S S S
1902-1903 S
1903-1904
1904-1905 S S S S
1905-1906 S S
1906-1907 S
1907-1908 S S S
1908-1909 S
1909-1910 S S S S S
1910-1911 S S
1911-1912 S S
1912-1913
1913-1914 S S S S
1914-1915
1915-1916 S S S
1916-1917 S
1917-1918 S
1918-1919 S
1919-1920 S S S S S
1920-1921
1921-1922 S S S S S
1922-1923 S S S
1923-1924 S S S S
1924-1925 S
1925-1926 S
1926-1927 S S S S
1927-1928
1928-1929
1929-1930 S S S
1930-1931 S
1931-1932
1932-1933
1933-1934 S S S
1934-1935
1935-1936 S S S S S
xxvi
Annexes
1936-1937 S S S
1937-1938 S S S
1938-1939
1939-1940 S S S
1940-1941 S S
1941-1942 S S
1942-1943 S S
1943-1944 S S S
1944-1945 S S S S S
1945-1946 S S S S S
1946-1947 S S S S S
1947-1948 S S S
1948-1949 S
1949-1950 S S
1950-1951 S S S S
1951-1952
1952-1953
1953-1954
1954-1955 S
1955-1956 S
1956-1957
1957-1958
1958-1959 S
1959-1960 S S
1960-1961 S S S S S
1961-1962 S S S S S
1962-1963
1963-1964
1964-1965 S S
1965-1966 S S S S
1966-1967 S S S S
1967-1968
1968-1969 S S S S S
1969-1970
1970-1971 S S
1971-1972 S
1972-1973
1973-1974
1974-1975
1975-1976 S
1976-1977 S S S S
1977-1978 S S
1978-1979 S
1979-1980 S S
xxvii
Annexes
1980-1981 S S S S S
1981-1982 S S S S
1982-1983 S
1983-1984 S S S
1984-1985
1985-1986 S S S S
1986-1987 S S
1987-1988 S S S S
1988-1989 S S S
1989-1990
1990-1991 S
1991-1992 S
1992-1993 S S S S S
1993-1994 S S
1994-1995 S S S S S
1995-1996
1996-1997 S S S S S
1997-1998 S S
1998-1999
1999-2000 S S S S
2000-2001 S S S S
2001-2002 S S S S
2002-2003
2003-2004
2004-2005 S S
2005-2006 S
2006-2007
2007-2008 S S S
2008-2009
2009-2010 S S S
2010-2011
2011-2012
2012-2013 S S S S
2013-2014 S S S
2014-2015 S
Année sèche
Année normale ou humide
xxviii
Annexes
Tableau 2 : Répartition temporaire de la sècheresse par les méthodes des chaines de Markov et le SPI
Colonne1 NO SPI NE SPI2 CO SPI3 CE SPI4 SO SPI5 SE SPI6

1900-1901 S S S S S S S S S
1901-1902 S S S S S S S S S
1902-1903 S S S S
1903-1904
1904-1905 S S S S S S S S
1905-1906 S S S S
1906-1907 S S S
1907-1908 S S S S S S S S S
1908-1909 S S S S S
1909-1910 S S S S S S S S S S S
1910-1911 S S S
1911-1912 S S S S S S
1912-1913 S
1913-1914 S S S S S S S S S
1914-1915 S S
1915-1916 S S S S S S
1916-1917 S S S S
1917-1918 S S S
1918-1919 S S S S
1919-1920 S S S S S S S S S S S
1920-1921
1921-1922 S S S S S S S S S S S
1922-1923 S S S S S S
xxix
Annexes
1923-1924 S S S S S S S S S
1924-1925 S S S S S
1925-1926 S S S S S S S
1926-1927 S S S S S S S S S S
1927-1928 S
1928-1929 S S
1929-1930 S S S S S S S
1930-1931 S S S S
1931-1932 S
1932-1933 S
1933-1934 S S S S S S
1934-1935
1935-1936 S S S S S S S S S S
1936-1937 S S S S S S S S S
1937-1938 S S S S S S S S S
1938-1939
1939-1940 S S S S S S
1940-1941 S S S S S S
1941-1942 S S S S S
1942-1943 S S S S S S
1943-1944 S S S S S S
1944-1945 S S S S S S S S S S S
1945-1946 S S S S S S S S S
1946-1947 S S S S S S S S S S
1947-1948 S S S S S S S S S
1948-1949 S
1949-1950 S S S S S S
xxx
Annexes
1950-1951 S S S S S S S S S
1951-1952 S
1952-1953 S S
1953-1954 S
1954-1955 S S S S S S
1955-1956 S S S S
1956-1957 S
1957-1958 S
1958-1959 S S S
1959-1960 S S S
1960-1961 S S S S S S S S S S S
1961-1962 S S S S S S S S S S S
1962-1963 S S S
1963-1964
1964-1965 S S S S S
1965-1966 S S S S S S S S
1966-1967 S S S S S S S S S S
1967-1968 S S S
1968-1969 S S S S S S S S S S
1969-1970
1970-1971 S S S S S S
1971-1972 S S
1972-1973 S S
1973-1974 S S
1974-1975 S
1975-1976 S
1976-1977 S S S S S S S S S
xxxi
Annexes
1977-1978 S S S S S S
1978-1979 S S S S
1979-1980 S S S S S S
1980-1981 S S S S S S S S S S S
1981-1982 S S S S S S S S S S
1982-1983 S S S S
1983-1984 S S S S S S S S
1984-1985 S
1985-1986 S S S S S S S S S S
1986-1987 S S S S
1987-1988 S S S S S S S S S
1988-1989 S S S S S S S S
1989-1990 S
1990-1991 S S S
1991-1992 S S
1992-1993 S S S S S S S S S
1993-1994 S S S S S S
1994-1995 S S S S S S S S S S
1995-1996
1996-1997 S S S S S S S S S S S
1997-1998 S S S S S
1998-1999 S
1999-2000 S S S S S S S S S S
2000-2001 S S S S S S S S S
2001-2002 S S S S S S S S S S
2002-2003
2003-2004 S
xxxii
Annexes
2004-2005 S S S S
2005-2006 S S S
2006-2007 S
2007-2008 S S S S S S S S
2008-2009
2009-2010 S S S S S S
2010-2011 S S
2011-2012 S
2012-2013 S S S S S S S S
2013-2014 S S S S S S
2014-2015 S S S S
Corrélation 0,15 0,71 0,68 0,66 0,56 0,63
xxxiii
Annexes
Annexe 7: Courbes de fréquences

des différentes régions de la Tunisie
xxxiv
Annexes
Figure 1: Courbes de fréquences du NO de la Tunisie pour les différentes périodes d’étude xxxv
Annexes
Figure 2: Courbes de fréquences du NE de la Tunisie pour les différentes périodes d’étude xxxvi
Annexes
Figure 3 : Courbes de fréquences du CO de la Tunisie pour les différentes périodes d’étude
xxxvii
Annexes
Figure 4: Courbes de fréquences du CE de la Tunisie pour les différentes périodes d’étude
xxxviii
Annexes
Figure 5: Courbes de fréquences du SO de la Tunisie pour les

différentes périodes d’étude
xxxix
Annexes
Figure 6: Courbes de fréquences du SE de la Tunisie pour les

xl
Annexes
Annexe 8 : Cartes des

isohyètes de la Tunisie des
xli
Annexes
Figure 1: Carte des isohyètes de la Tunisie Figure 2: Carte des isohyètes de la

(1900-1929) Tunisie (1929-1958)
xlii
Annexes
Figure 4: Carte des isohyètes de la

Figure 3: Carte des isohyètes de la Tunisie Tunisie (1987-2015)
(1958-1987)
xliii
Annexes
Figure 5: Carte des isohyètes de la Tunisie Figure 6: Carte des isohyètes de la Tunisie Figure 7: Carte des isohyètes de la Tunisie
(1900-1938) (1938-1976) (1976-2015)
xlv
Annexes
Figure 8: Carte des isohyètes de la Tunisie (1900-1957) Figure 9: Carte des isohyètes de la Tunisie (1957-2015)
xlvi
Annexes
Annexe 9: Méthode des

doubles cumuls pour le
traitement des données
pluviométriques des stations
utilisées dans le cadre de
l'étude
xlvi
Annexes
Figure 1: Méthode des doubles cumuls appliquée aux relevés mensuels des stations
pluviométriques secondaires avec la station de Kairouan SM.
xlvii

Salima TOUATI 2015-2016 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

Salima TOUATI 2015-2016 PDF

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE TUNISIENNE

Ministère de l'agriculture, des Ministère de l'enseignement

INSTITUT NATIONAL AGRONOMIQUE DE TUNISIE

Mme Zohra LILI Présidente de jury.

Institut National de Recherches en Génie Rural, Eaux et Forêt

Je dédie ce travail à mes parents:

A mon père, mon idole et mon soutien;

A ma mère, mon étincelle de Bonheur et ma raison de vivre.

A mes deux soeurs et deux frères, sans eux je ne peux jamais

avancer ou combattre les obscurities de la vie.

A ma grande famille, à tous ceux qui m’ont aide de près ou de loin.

Mots-clés : modèles statistiques et probabilistes, chaîne de Markov, sècheresse,

Keywords: statistical and probability models, Markov chain, drought, precipitation,

‫هذه النتائج تشارك في وضع إستراتيجية ضد الجفاف‪.‬‬

Introduction générale .................................................................................................................. 1

Chapitre 1: Synthèse bibliographique ........................................................................................ 3

1. Définitions de la sécheresse ............................................................................................ 3

3. Concept de Désertification .............................................................................................. 5

4. Types de sécheresse ........................................................................................................ 5

4.1 Sécheresse météorologique ........................................................................................ 6

4.2 Sécheresse hydrologique ............................................................................................ 7

4.3 Sécheresse agricole .................................................................................................... 7

4.4 Sécheresse socio-économique .................................................................................... 7

5. Revue de littérature des indicateurs de sécheresse .......................................................... 7

5.1 Indice des fréquences ................................................................................................. 9

5.2 Indice de la différence à la moyenne et à l’écart type ................................................ 9

5.3 Le Pourcentage à la Normale (PN)............................................................................. 9

5.3 La méthode des Déciles de précipitation (D) ........................................................... 10

5.4 L’Indice de précipitation standardisé (SPI - Standardized Precipitation Index) ...... 10

6. Mesures et catégories d’intensité de la sécheresse ........................................................ 15

6.1 Typologie de la sécheresse fondée sur l’extension spatiale ....................................... 15

6.2 Typologie fondée sur la persistance ........................................................................... 16

6.3 Typologie fondée sur l’intensité du déficit................................................................. 16

7. Processus et cycle de sécheresse dans le monde ........................................................... 17

8. Processus et cycles de sécheresse en Tunisie ................................................................ 18

Chapitre 2: Matériels et méthodes ............................................................................................ 22

1. Justificatif du choix du modèle ..................................................................................... 22

2. Analyse fréquentielle des pluies .................................................................................... 23

2.2 Définition de l'analyse fréquentielle .......................................................................... 25

3. Méthodologie des chaînes de Markov ........................................................................... 25

3.1 Le processus de Markov d'ordre 1............................................................................. 26

3.2 Le processus de Markov d'ordre 2............................................................................ 26

4. Application aux données de précipitations .................................................................... 27

Chapitre 3: Persistance de la sécheresse en Tunisie ................................................................. 28

2. Localisation, situation géographique ............................................................................. 28

3. Caractéristiques du climat Tunisien .............................................................................. 28

4. Caractéristiques pluviométriques de la Tunisie ............................................................ 29

5. Inventaire de données .................................................................................................... 30

5.1 Préparation et traitements des données ...................................................................... 32

6. Etude des séquences sèches........................................................................................... 34

6.1 Méthode de l'analyse fréquentielle ............................................................................ 34

6.2 Variabilité interannuelles des pluies en Tunisie ......................................................... 35

6.3 Variabilité intra-annuelle des pluies en Tunisie ......................................................... 37

6.4 Application du modèle markovien ............................................................................ 38

6.5 Degré de sécheresse ................................................................................................... 45

7. Effets des changements climatiques en Tunisie ............................................................ 49

7.1 Approche méthodologique ..................................................................................... 49

7.2 Méthode de l’analyse fréquentielle ........................................................................ 50

Chapitre 4: Persistance de la sécheresse à l'échelle régionale: "Gouvernorat de Kairouan ..... 52

2. Présentation de la zone d'étude...................................................................................... 52

2.1 Caractéristiques du climat de Kairouan...................................................................... 52

2.2 Températures .............................................................................................................. 53

2.3 Vent ............................................................................................................................ 53