REPUBLIQUE DU CAMEROUN

REPUBLIC OF CAMEROON
Paix – Travail - Patrie
Peace – Work – Fatherland
----------
UNIVERSITE DE NGAOUNDERE
THE UNIVERSITY OF NGAOUNDERE
----------
ECOLE DE GEOLOGIE ET D’EXPLOITATION MINIERE
SCHOOL OF GEOLOGY AND MINING ENGINEERING
----------

Département des Mines et de la Géologie

Department of Mineral Prospecting and Exploration Technologies

Mémoire de fin d’études

Sur :
Caractérisation hydrodynamique en milieu fissuré par approche
géostatistique : cas de la nappe aquifère du socle de Meiganga
Présenté en vue de l’obtention du Mémoire de Master Recherche en
Sciences de l’Ingénieur

Mention : Génie Géologique et Minier

Option : Géostatistique Applicable à l’Industrie Minière

Par :
NJAYOU MARTIN MOZER
13A106EM

Sous l’encadrement de :

Pr. NGOUNOUNO Ismaïla, Professeur, chef de Département Mines-Géologie, EGEM

Dr. YAMGOUOT Fadimatou, Chargé de Cours, UN

Année académique 2018/2019

1
Dédicace

Je dédie ce mémoire à :

Mon cher père, PANCHA ETIENNE

Mes tendres mamans, KECHA Jouérétou et KUEBOMVE Chantal

Mon cher tonton, le Général de brigade TOUNGUE Elias et sa tendre

épouse Maman TOUNGUE Rachel

2
Remerciement
L’écriture des remerciements signe la fin de l’écriture du manuscrit de master recherche. Loin
d’être une simple formalité à satisfaire, elle représente pour moi l’ensemble des remerciements
verbaux (quelques fois écrits) disséminés çà et là tout au long de cette aventure à bon nombre
de personnes impliqués dans ce travail. Je pense que les remerciements sont le moyen le plus
efficace de montrer qu’un manuscrit de master rechercher est le résultat d’un travail d’équipe
qui aboutit uniquement parce qu’un grand nombre de personnes y ont contribué. Je pense ici
particulièrement:
A Dieu le père tout puissant, pour m’avoir donné la force, le courage, la sagesse, la santé, la
grâce et la bénédiction afin de braver toutes les difficultés rencontrées au cours de ma formation
et d’avoir du succès dans mes d’études.
Au Pr. Abdoul WAHABOU, Maitre de conférences, Directeur de l’Ecole de Géologie et
d’Exploitation Minière de l’Université de Ngaoundéré (EGEM). Pour avoir accepté que ce
mémoire soit présenté
Au Pr NGOUNOUNO Ismaïla, Professeur titulaire des universités, chef de département Mines-
Géologie. D’avoir accepté de m’encadré pour ce mémoire de recherche. Il nous a encadrés,
soutenu et transmis des valeurs et des connaissances durant toute notre formation.
Au Dr YAMGOUOT Fadimatou, Chargé de cours, Université de Ngaoundéré, d’avoir accepté
Co-encadré ce mémoire de recherche. Elle a toujours été prompte à réagir quand j’avais besoin
d’aide. Son suivi, sa disponibilité, ses conseils et sa sympathie ont été d’une très grande
importance. Mes échanges avec elle ont été très fructueux
A tout le personnel enseignant particulièrement Pr MBOWOU Isaac, Maitre de conférence, et
administratif de L’Ecole de Géologie et d’Exploitation Minière (EGEM), pour les
enseignements, aussi pour les services rendus à notre égard durant cette année.
A tous le personnel du laboratoire d’hydrogéologie de l’université de Ngaoundéré,
particulièrement le docteur KEMGANG, les doctorants IWOUIDAM, BAGODA,
DJENGUELE
A mes frères et sœurs : Samuel NGAGOUEN, Yannick PANCHA, Constant, Cédric, Aoudou
Ibrahim, Suzanne MBOUWO, Nicaise AZEBOVE, Syntiche PANCHA, Noufassatou,
Chamsiatou, Zénabou, Fadila, Idrissou MFOUSIE, Alirou, Franck PEHOUMA, Rodrigue
TOUNGUE, Stephanie YENOU, Dorianne MANBOUNE, Sonia Pengawap, Cyrile, Nelson
Amina, Marcel YENDE, Emmanuel SAPKEN, Solange NSANGOU, Fadil, Asta, Sandy,
Winona, grace, Emmanuelle, je ne saurai exprimer ma gratitude face à votre appui indéfectible.

3
 A mon oncle papa Maurice sa tendre épouse et ses enfants, à qui j’exprime ma profonde
gratitude pour ses multiples faveurs.
A mon grand-père MBOUEMBOUE Lamine, pour tous les encouragements, ils a toujours eu
les mots justes à mon égars.
A NGOUN Agnes, son soutien incessant et multiforme n’a jamais cessé de me motiver. Elle a
toujours été là pour moi durant cette année de recherche.
A KENFACK FOKEM Alpha Ingénieur, et promotionnaire, il a été d’une aide très précieuse
au cours de ces deux derniers mois. Son sens de discernement et ses remarques et critique ont
été exceptionnels.
A mon fiole ZOMBO’O, Ingénieur des mines pour tous l’aide qu’il m’a apporté durant la
rédaction de ce mémoire
A EBUA Audray, pour son soutien multiforme.
A la famille Issa DJIBRILLA, merci pour l’hospitalité durant tous ces années passées avec vous
dans la même cité.
A Falone pour le temps passer sous son toit durant mon séjour à Ngaoundéré
A MASHOULD Rani, MOKEU Harry, pour l’assistance lors de la campagne de terrain
A toute la première promotion de Master recherche de l’EGEM
A mes amis de l’EGEM, BIYIHA Steve, LINDOU Bachirou, SUMBU SUMBU, GUILLOT
Cristopher, ETOUKE Cyril, AMANI Saliou, TSAGUE Herder, NJIKAM Chouaibou,
EKOLLE, NDJEL, FOTIE Bernard, TAKOUDJOU Salie, Stéphanie KONTCHOU, A EBUA
Audray, Mireille FOMEKONG, Ephasie KENNE, Carine MBOMNE, MANGA, Olivier
BEIDI, Annick EYEBE, KENFACK PAUL, Christelle, TAGA Kennedy, EKANE, FANCHI,
ASSOVOUNANG, TAYPONDOU, LASSOU, Dieu sait combien ils sont nombreux, je leur
doit beaucoup.

4
Table des matières
Dédicace .................................................................................................................................................... 2
Remerciement ........................................................................................................................................ 3
Liste des figures ..................................................................................................................................... 7
Liste des tableaux .................................................................................................................................. 8
Liste des abréviations ............................................................................................................................ 9
RESUME .............................................................................................................................................. 10
ABSTRACT ......................................................................................................................................... 11
INTRODUCTION ............................................................................................................................... 12
Problématique...................................................................................................................................... 13
Objectif principal ................................................................................................................................ 13
Objectifs spécifiques ............................................................................................................................ 13
Plan de travail ...................................................................................................................................... 13
CHAPITRE 1 GENERALITES ......................................................................................................... 14
1.1. Contexte géographique et climatique ......................................................................................... 14
1.1.1. Localisation de Meiganga ..................................................................................................... 14
1.1.2 Milieu biophysique ................................................................................................................. 15
1.1.2.1 Relief ................................................................................................................................ 15
1.1.2.2. Climat ............................................................................................................................. 15
1.1.2.3. Sols .................................................................................................................................. 16
1.1.2.4 Végétation et faune ......................................................................................................... 16
1.1.2.5. Contexte géologique........................................................................................................ 16
1.2 Contexte hydrogéologique ........................................................................................................ 18
1.2.1. Propriétés hydrogéologiques de l’aquifère ...................................................................... 18
1.2.2 Hydrogéologique de la zone de socle ..................................................................................... 19
1.2.3. Profil d’altération et modèle conceptuels des aquifères de socle ................................... 19
1.3 Contexte géostatistique ............................................................................................................. 21
1.3.1. Interprétation géostatistique ............................................................................................ 21
1.3.2 Krigeage .............................................................................................................................. 24
1.3.3. Simulation .......................................................................................................................... 26
CHAPITRE 2 MATERIELS ET APPROCHE MÉTHODOLOGIQUE ....................................... 27
2.1) Travaux préliminaires ............................................................................................................. 27
2.1.1. Synthèse des travaux antérieurs....................................................................................... 27
2.1.2. Acquisition des données .................................................................................................... 27
2.2. Travaux de terrain ................................................................................................................... 28

5
 2.2.1. Géolocalisation des ouvrages ............................................................................................ 28
2.2.2. Protocole de mesure des niveaux piézométriques ........................................................... 31
2.3. Traitement des données ........................................................................................................... 33
2.3.1. Interpolation des données de niveau piézométrique par la méthode de krigeage simple
....................................................................................................................................................... 33
2.3.2. Interpolation par simulation conditionnelle.................................................................... 35
2.3.3. Extraction automatique des linéaments .......................................................................... 35
CHAPITRE 3 : RÉSULTATS INTERPRETATION ET DISCUSSION ....................................... 37
3.1. Résultats .................................................................................................................................... 37
3.1.1 Analyse hydrodynamique .................................................................................................. 37
3.1.2. Modélisation géostatistique des données niveaux piézométriques par la méthode
d’interpolation par krigeage et simulation conditionnelle ....................................................... 40
3.1.2.1. Résultat de l’analyse variographique des données de niveau piézométrique............ 40
3.1.3. Présentation résultats de l’analyse structurale ............................................................... 48
3.2. INTERPRÉTATIONS ET DISCUSSION .............................................................................. 52
3.2.1 Hydrodynamique ................................................................................................................ 52
3.2.1.1 Piézométrie ........................................................................................................................... 52
3.2.2. Interprétation Géostatistique des résultats et discussion ............................................... 54
3.2.4. Validation croisée et choix de la méthode ....................................................................... 57
Discussion ............................................................................................................................................. 59
Conclusion générale ............................................................................................................................ 60
Eléments de la théorie des variables régionalisées (VR) .............................................................. 65
a. Base conceptuelle ............................................................................................................................. 65
b. Concept de la fonction aléatoire ..................................................................................................... 65
Inférence statistique dans le cadre de l’hypothèse intrinsèque ............................................... 65
Moment et stationnarité .............................................................................................................. 65
b. Moment d'ordre 2 : ......................................................................................................................... 66

6
Liste des figures
Figure 1 Localisation de la commune de Meiganga ................................................................ 14
Figure 2 Variogramme des précipitations de 2008 à 2011 à Meiganga .................................. 15
Figure 3 Carte géologique du département du Mbéré .......................................................... 17
Figure 4 Modèle conceptuel d'un profil d'altération d'un aquifère .......................................... 20
Figure 5 Modèle variogramme ................................................................................................ 23
Figure 6 Covariance et varigramme ........................................................................................ 23
Figure 7 GPS GARMIN .......................................................................................................... 28
Figure 8 Carte de distribution des points d'eaux ..................................................................... 30
Figure 9 Materiel de terrain ..................................................................................................... 31
Figure 10 Mesure de la margelle ............................................................................................. 32
Figure 11 Carte piézométrique nappe aquifère de Meiganga .................................................. 39
Figure 12 : A) Nuée variographique niveau piézométrique ; B) Variogramme
omnidirectionnel ajusté niveau piézométrique ; C) nuée variographyque niveau dynamique;
D) variogramme ajusté niveau dynamique ............................................................................... 42
Figure 13 Nuée variographique directionnel ND, angle de direction 45° .... Erreur ! Signet non
défini.
Figure 14 Nuée varigraphique dirctionnel ND, angle de direction 135° ...... Erreur ! Signet non
défini.
Figure 15 Variogramm directionnel NP, angle de direction 45° ............................................. 43
Figure 16 Variogramme directionnel NP, angle de direction 135° ......................................... 43
Figure 17 D) Carte de la variabilité spatiale niveau piézométrique obtenu par krigeage ....... 44
Figure 18 Carte de la variabilité spatiale niveau dynamique krigé et simulé .......................... 44
Figure 19 I) carte d’erreur d’estimation niveau dynamique J) carte d’erreur d’estimation
niveau piézométrique ............................................................................................................... 45
Figure 20 courbe de tendance Z(NP) en fonction de Z*(NP) ................................................. 46
Figure 21 Points de prélèvement des ouvrages de captages .................................................... 48
Figure 22 Carte densité de la fracturation ............................................................................... 49
Figure 23 Densité linéique ...................................................................................................... 50
Figure 24 Histogramme longueur de fracture ......................................................................... 51
Figure 25 superposition niveau piezométrique carte de densité de fracture Erreur ! Signet non
défini.

7
Liste des tableaux
Tableau 1 Synthèse des données de terrain ............................................................................. 37
Tableau 2 Analyse statistiques données piézométriques......................................................... 40
Tableau 3 Paramètres variogramme ND ...........................................Erreur ! Signet non défini.
Tableau 4 Paramètre variogramme NP ................................................................................... 42
Tableau 5 Analyse statistique des longueurs des fracture ....................................................... 50
Tableau 6 Statistiques gradient hydraulique ........................................................................... 53

8
Liste des abréviations

1D Une dimension

2D Deux dimensions

NP Niveau piézométrique
Z*(NP) Valeur estimé niveau piézométrique
Z(NP) Valeur mesuré niveau piézométrique
X Longitude
Y Latitude
Z Altitude
i Gradient hydraulique
L Distance en mètre
𝜸(𝒉) Variogramme
𝒁𝑻𝑵 Altitude du terrain naturel à l’emplacement de l’ouvrage
AFD Agence Française de Développement

9
RESUME
La ville de Meiganga est située sur les formations hydrogéologiques de socle. Ces formations
renferment des ressources en eau souterraine qui constituent la seule source
d’approvisionnement dans certains ménages. Cependant, on assiste de manière récurrente à
l’assèchement de certains ouvrages d’eaux pendant la période d’étiage. Cette situation suscite
une question fondamentale : Comment accroitre le taux de réussite des ouvrages de captage
sans toutefois subir les contraintes climatiques ? L’objectif de la recherche est de proposer une
carte l’implantation des points d’eaux pouvant servir d’outil d’aide à la prise de décision lors
des campagnes de forage productif en utilisant les méthodes géostatistiques et hydrogéologique.
De cet objectif découle d’autres à savoir : Appliquer les méthodes d’interpolations
géostatistiques, (krigeage et simulation conditionnelle) pour modéliser les niveaux
piézométriques, ensuite comparer les méthodes d’interpolations, réaliser la carte de densité de
fracturation de la zone d’étude, et enfin proposer une carte des zones favorables à l’implantation
des points d’eau dans la zone d’étude. Pour atteindre ces objectifs, une campagne piézométrique
a été effectuée, les données obtenues ont été interpolées par deux méthodes géostatistiques afin
d’obtenir la carte piézométrique de la zone d’étude. L’analyse de cette carte a permis de mettre
évidence deux sens d’écoulements (NW-SE et W-E). Ensuite les linéaments de la zone d’étude
ont été extraits automatiquement à partir du logiciel Erdas et de l’image Landstat Oli8.
L’analyse spatiale de ces linéaments a permis d’obtenir d’une part une direction majeure
(N137,5E) et d’autre part une carte de densité linéique de fracturation. Grâce à la technique de
validation croisée, les courbes de tendances obtenues ont facilité le choix de la méthode
d’interpolation. Ainsi La carte krigé a été celle qui se rapproche plus de la réalité. Enfin cette
carte a été superposée à celle de la densité de fracturation permettant ainsi de déterminer les
zones favorables à l’implantation des ouvrages de productions d’eaux dans la ville de
Meiganga. Cette superposition a permis de mettre en évidence une corrélation entre le sens
d’écoulement des eaux souterraines et la direction majeure des fracturations.

Mots clé :

Meiganga, géostatistique, hydrodynamique, eaux souterraines, densité de fracturation,

10
ABSTRACT
Mieganga town is situated on the base of hydrogeological formations. These formations
replenish the underground water resource which makes up the only supply source for some
households. However, some water works are routinely assisted during the low flow period. This
situation calls for a fundamental question: How can the success rate of collection works be
increased without being subjected to climatic constrains. The objective of this research is to
propose a map of the implementation of water points which can serve as an aid tool in decision
making during a productive drilling survey using geostatistical and hydrogeological methods.
These objectives compels us to know how to; apply the geostatistical interpolation method
(Krigeage and conditional simulation) to model the piezometric levels then compare the method
of interpolation, realize the fracturation density map of the study zone and lastly propose a map
of the zones favorable for the implementation of water points in the study zone. In order to
attain these objectives a piezometric survey was carried out, the obtained samples were
interpolated by two geostatistical methods in order to obtain the piezometric map of the study
zone. Analyzing this map made evident two outflows (NW-SE and W-E). Afterwards the
lineaments of the study zone were automatically extracted from the Erdas software and the Oli8
image. The spatial analysis of the lineaments made it possible to obtain a major direction
(N137,5E) on one part and a map of linear fracturation density on the other part. Thanks to the
cross validation technique, the obtained trend lines facilitated the choice of the interpolation
method. Hence the Krige map was the most preferred. Finally, this map was superposed by the
fracturation density map there by enabling the determination of the zones favorable to
implement productive water works in Meiganga town. This superposition made evident a
correlation between the sense of underground water flow and the major direction of
fracturations.

Key words: Meiganga, Geostatistical, hydrogeological, underground water, fracturation

density.

11
INTRODUCTION
L’accès à l’eau potable est l’une des grandes priorités de la stratégie de réduction
de la pauvreté et de développement des nations. L’eau souterraine demeure la ressource la plus
largement exploitée essentiellement pour la production d’eau, l’irrigation, et l’élevage. Elle
constitue le principal mode d’approvisionnement en eau des populations d’Afrique (AFD
2011). Malgré l’exploitation constante de cette ressource, il n’en demeure pas moins que les
problèmes d'alimentation en eau dans certaines localités des pays d’Afrique central restent
encore tristement d'actualité. De nombreux points d'eaux réalisés ne sont pas fonctionnels
à cause du mauvais choix des sites d'implantation, ceci du fait de la non maitrise du
fonctionnement de l’aquifère. Ces constats, démontrent l’obligation de l’estimation
hydrodynamique dans des zones non échantillonnées par des méthodes d'interpolation de
précision acceptable. A cet effet, le recours à la modélisation géostatistique, qui a pris naissance
dans le domaine du génie minéral (Krige, 1951) puis a été appliquée dans tous les domaines des
sciences de la terre et d’ingénierie notamment les sciences de l’eau, constitue l’un des outils qui
permet de pallier à ce type de problèmes.

La zone de Meiganga et ses environs est situées sur des formations de socle (BRGM,
1972). Des résultats récents (Chilton et Smith Carington, 1984; Chilton et Foster, 1995 ; Wyns
et al., 2004 ; Dewandel , 2006 ; Courtois et al., 2010 ; Lachassagne et al., 2011) ont mis en
évidence l’existence d’un profil d’altération typique des milieux de socle. En surface, les
altérites sont développées sur plusieurs mètres à plusieurs dizaines de mètres d’épaisseur
lorsque le profil est complet. En revanche, leur conductivité hydraulique est généralement faible
10−6 𝑚 𝑠 −1 à 10−5 𝑚 𝑠 −1 (Acworth, 1987 ; Houston et Lewis, 1988 ; Dewandel et al., 2006).
Par conséquent, quand elles sont saturées en eau, les altérites constituent un compartiment peu
perméable mais capacitif. Cet horizon d’altération joue donc un rôle principal de stockage des
ressources en eau (Durand, 2005 ; Dewandel et al., 2006).

selon l’environnement géologique et hydrogéologique, il existe une profondeur au-delà

de laquelle les chances de trouver de manière permanente un horizon aquifère s’amenuisent,
notamment au sein des roches de socle altérées, du fait de la diminution de la fréquence puis de
la disparition des fissures perméables (DEWANDEL et al., 2006). Les zones perméables sont
situées principalement au sein de l’horizon fracturé/fissuré, qui se trouve immédiatement sous
les altérites meubles. (Lachassagne et al., 2014a).

12
 Problématique
Les paramètres hydrodynamiques soumis à des contraintes climatiques varient d’un
point à l’autre d’où l’intérêt d’utiliser une approche géostatistiques pour mieux comprendre les
différentes variations observées au fils des années dans la nappe aquifère de Meiganga. En
l’absence d’observations exhaustives, il faut faire appel à des procédures d’interpolation pour
reconstituer l’information là où elle fait défaut. Ces méthodes, pour être scientifiquement
recevables, doivent tenir compte de la nature de la variable régionalisée. Dans un contexte où
l’accès à l’eau potable est conditionné par des variables tels que épaisseur d’altérite,
conductivité hydraulique et dispersion spatiale du réseau de fracture, il devient très difficile de
choisir les sites d’implantation des points d’eaux productifs. D’où l’intérêt porté sur le thème :
Caractérisation hydrodynamique en milieu fissuré par approche géostatistique : cas de la
nappe aquifère du socle de Meiganga

Objectif principal
Proposer une carte l’implantation des points d’eaux pouvant servir comme outil d’aide
à la prise de décision lors des campagnes de forage productif en combinant les méthodes
géostatistiques et hydrogéologique en zone de socle

Objectifs spécifiques
 Appliquer les méthodes d’interpolations géostatistiques, (krigeage et simulation
conditionnelle) pour modéliser les, niveaux piézométriques
 Comparer les méthodes d’interpolations Krigeage et simulation conditionnelle
 Faire une cartographie structurale par imagerie satellitaire
 Proposer une carte des zones favorables à l’implantation des points d’eaux dans
la localité de Meiganga

Plan de travail
Le présent travail est structuré ainsi qu’il suit:
- une introduction générale ;
- un premier chapitre généralité,
- Le deuxième chapitre présente le matériel et les méthodes utilisées Pour la
caractérisation hydrodynamique par approche géostatistique.
- Le troisième chapitre présente les résultats et interprétations. Enfin une discussion et
une conclusion générale synthétisant les résultats et portant quelques perspectives.

13
CHAPITRE 1 GENERALITES

1.1. Contexte géographique et climatique

1.1.1. Localisation de Meiganga
La Commune de Meiganga est située à 6.51° de latitude Nord et 14.28° de longitude
Est. Dans ses limites issues de la réorganisation administrative de 1992, Meiganga couvre
une superficie de 7000 km². Elle est limitée au Nord et au Nord-est par les
arrondissements de Nyambaka, de Bélel et de Djohong, à l’Est par l’arrondissement de
Ngaoui et la RCA, au Sud-Est par l’arrondissement de Garoua-Boulaï, au Sud-ouest par
l’arrondissement de Bétaré-Oya dans la région de l’Est et à l’Ouest par l’arrondissement de
Dir. La Commune de Meiganga compte un canton de premier degré et deux cantons de
deuxième degré : Lokoti, Mboula. A ces cantons s’ajoutent 72 villages répartis généralement
le long des principaux axes de communication : la nationale n°1, les départementales et les
pistes plus ou moins aménagées.

Figure 1 Localisation de la commune de Meiganga

L’espace urbain de la Commune est marqué par la ville de Meiganga située à 1027 m
d’altitude. Sa superficie urbanisée est de 18 km² environ (Figure 1). L’espace urbain est
beaucoup plus grand, il s’étend vers le Nord jusqu’à Ngan-Hi (Roblin) et vers le Sud jusqu’à

14
Meidougou. À l’Est et l’Ouest, le rayon est approximativement de 10 km de part et d’autre. Les
limites de la commune de Meiganga ainsi représentées sur les cartes ne font pas force de loi.
Elles ne sont qu’indicatives.

1.1.2 Milieu biophysique

1.1.2.1 Relief
La Commune de Meiganga est située à une altitude moyenne variant entre 1 000 et 1 200
m sur un plateau éponyme profondément disséqué par des vallées en U et V. Le relief, contrasté
dans son ensemble, procède d’une alternance radieuse de collines, de plateaux et de plaines
ponctués des arbustes et des arbres fruitiers. (PCD, 2013)

1.1.2.2. Climat
Le climat de la zone est de type soudano-guinéen avec deux saisons :
 une saison sèche courte de 4 à 5 mois qui va de novembre à février, néanmoins,
il existe des années où les pluies s’arrêtent en octobre.
 une saison des pluies longue qui dure 7 à 8 mois, elle commence en avril et se termine
au mois d’octobre, avec cependant des variables de plus en plus accentuées (Figure).

Figure 2 Variogramme des précipitations de 2008 à 2011 à Meiganga

 Les températures moyennes annuelles varient autour de 36°c en saison sèche et 20°c en
saison de pluies. Cet ensemble d’élément climatique est favorable pour le
développement des activités agropastorales

15
1.1.2.3. Sols
On rencontre deux types de sols.
 Les sols ferralitiques de couleur rouge et cuirassés qui sont les plus
dominants moins propices à l’agriculture présents sur les interfluves et les
collines.
 Les sols sablo-argileux qui se retrouvent, par endroits, principalement
dans les vallées. Ils sont essentiellement ferralitiques, hydromorphes,
humifères, rouges et très propices à l’agriculture et au pâturage dans les
bas-fonds.

1.1.2.4 Végétation et faune

La végétation est le reflet du climat. Elle est typique de celle de la savane
soudano-guinéenne fortement influencée par l’action humaine (agriculture itinérante sur
brûlis, élevage bovin). On distingue 5 principales formations : les galeries forestières, les
forêts claires à savane boisée, les savanes arborées, les savanes arbustives et les savanes
herbeuses. La faune de la localité est très riche. On rencontre principalement : le Babouin (Papio
anubus), le Singe vert (Cercopithecus aethiops), le magistrat (Colobus guereza), le
Phacochère (Phacocoerus africanus), l’Aulacode ou hérisson (Thryonomys swinderianus),
les tortues, les sangliers, les serpents boa, les biches, les vipères, les porcs-épics, les rats
palmistes, les singes, les perdrix … et plusieurs espèces de petit gibier ; des poissons : carpes,
silures, tilapia…. Cette faune, jadis très riche, est aujourd'hui en nette régression à cause du
braconnage intensif.

1.1.2.5. Contexte géologique

Le département du Mbere chef-lieu Meiganga (figure 1) appartient à la région de
l’Adamaoua, dans la partie centrale de la ceinture de pliage panafricaine Cameroun ; il est basé
sur le syn-tectonique, tardive granitoïdes tectoniques et post-tectonique (Bessoles, 1980),
(Brito, 2001), héberges dans les formations métamorphiques. Les granitoïdes sont partiellement
recouvert de laves basaltique ou recoupé par les dômes phonolitiques (Bessoles, 1977). .Les
données précoces sur les ganoïdes ont déterminé que leurs âges étaient compris entre 500 et
600 Ma (C.castaing et al., 1994). L’hôte métamorphique des roches comprennent des méta
sédiments et des orthogenèses de 2,1 Ga (Brito et al., 2001). Dans la région de Meiganga le
sous-sol comprend également des amphibolites baguées, des Gneiss à biotite d’amphibole, et
des Gneiss à pyroxène amphibole. Les amphibothèques sont constitués de couches de quartz et
de feldspath alternant avec les couches riches en amphibole ; amphibole – biotite et les gneiss

16
pyroxène – amphibole sont constitués de quartz, plagioclase, feldspath K, biotite, hornblende,
pyroxène et des minéraux accessoires (sphene, Zircon et apatite). Les gneiss contiennent des
couches d’amphibole et parfois des enclaves des roches mafiques massives. Au microscope, ils
montrent une structure grano-nématoblastique et sont constitués de pyroxène, amphibole,
biotite quartz feldspath, des minéraux opaques et minéraux accessoires. Le pyroxène est de
forme xénomorphique et souvent bordés par la hornblende secondaire. Les roches contiennent
une épidote et la biotique est partiellement transformée en chlorite. Le plagioclase est de 0,15
à 10 mm de long, avec un zonage oscillatoire (Bessoles, 1977). Le quartz est forme des agrégats
poly cristallines et montre une extinction ondulatoire, c’est généralement un minéral industriel.
La figure 3 représente la carte géologique de la localité de Meiganga.

Figure 3 Carte géologique du département du Mbéré (Ganwa, 2005)

(1) basalte, (2) conglomérat, (3) granit a biotite et muscovite, (4) granit à pyroxène, amphibole
et biotite, (5) amphibolite rubanée, (6) gneiss à amphibole et biotite, (7) amphibolite, (8) gneiss
à pyroxène et amphibole, (9) mylonite, (10) dolérite, (11,12) schistosités, (13,14) linéations,
(15) fractures, (16) faille, (17) faille supposée, (18) cours d’eau,(19) parcours, (20) piste.

17
1.2 Contexte hydrogéologique
Les eaux souterraines proviennent de l’infiltration des eaux de pluie dans le sol et des
échanges aquifères-rivières. Elles s’accumulent, remplissant le moindre vide, saturant
d’humidité le sous-sol, formant ainsi un réservoir d’eau souterraine appelé aquifère. Le mot
aquifère est issu des mots latins acque qui signifie eau et fera qui veut dire je porte. Ainsi, un
aquifère est une formation hydrogéologique perméable permettant l’écoulement d’une nappe
d’eau souterraine et le captage de quantité d’eau appréciables (Castany, 1982). Il est formé de
deux constituants : le réservoir et l’eau souterraine dont la fraction mobile est appelée nappe
d’eau souterraine (Castany, 1982 ; de Vries and Simmers, 2002). Lorsque la surface supérieure
de l’eau fluctue sans contrainte, la nappe d’eau est dite libre. Si l’eau est confinée par des
couches géologiques imperméables, elle est dite captive. La notion d’aquifère fait référence à
des propriétés très importantes en hydrogéologie qui sont le stockage, la conduite et l’échange
de minéraux. En effet, les eaux doivent s’accumuler au sein du réservoir souterrain et être
transmise ensuite. Il peut arriver que le réservoir cède des minéraux à l’eau et vice versa.

1.2.1. Propriétés hydrogéologiques de l’aquifère

Les principales propriétés hydrogéologiques sont le stockage et la conduite (de Marsily,
1981). Celles-ci sont déterminées essentiellement par les dimensions et les interconnections des
vides. Ces dernières assurent la continuité du milieu aquifère (Castany, 1982).

 Le stockage

La capacité de stockage de l’aquifère fait référence à deux notions capitales qui sont la porosité
et le coefficient d’emmagasinement.

 La conduite

La propriété de conduite d’un aquifère est contrôlée par sa perméabilité (ou conductivité
hydraulique). Celle-ci est la capacité du milieu à laisser circuler l’eau. Elle dépend des
caractéristiques du milieu et des caractéristiques du fluide. Cette propriété est généralement
exprimée par le coefficient de perméabilité K de « Darcy ». Elle a la dimension d’une vitesse.
Il n’y a aucun rapport direct entre la porosité et la perméabilité, mais pour être perméable la
roche doit être obligatoirement poreuse (Castany, 1982). Par ailleurs, il est important de faire
la distinction entre cette perméabilité et la perméabilité intrinsèque qui a pour dimension une
section. Elle est la propriété d’un corps poreux de se laisser traverser par un fluide. Elle est

18
indépendante des caractéristiques du fluide et ne dépend que de la structure et de la connectivité
des pores.

1.2.2 Hydrogéologique de la zone de socle

Les roches de socle (encore appelées formations de socle) sont généralement opposées
aux roches sédimentaires du fait de leur hétérogénéité et de leur anisotropie (Singhal, 2008).
Dans la littérature, les formations de socle sont définies communément comme des formations
cristallines d’origine plutonique (exemple : granites) et métamorphique (exemples : gneiss,
schistes) et des roches sédimentaires consolidées (Krásný and Sharp, 2007). Des définitions
plus restrictives sont données dans la littérature hydrogéologique. Ainsi, les formations de socle
sont définies comme des formations cristallines, non-volcaniques, et non carbonatées ayant une
porosité primaire et une perméabilité insignifiante pour l’extraction de l’eau souterraine
(Gustafsson, 1994). Cette définition exclu les roches sédimentaires bien indurés (e.g. grès
consolidés) et les milieux calcaires karstiques.

Les formations de socle doivent leurs propriétés hydrauliques à la fracturation et à

l’altération associée. De ce fait, elles sont également appelés roches fracturées. En effet, les
roches fracturées sont des milieux particulièrement hétérogènes où l’écoulement se localise
dans un sous-réseau de fractures.

Présents sur tous les continents, les formations de socle occupent entre 20 et 35%
environ des terres émergées à travers le monde (Krásný and Sharp, 2007 ; Singhal, 2008). Elles
doivent leurs propriétés aquifères aux intempéries et la fracturation qui leur confèrent une
porosité secondaire et une perméabilité à des degrés divers (de Marsily, 1981 ; Lachassagne et
al., 2011).

Sur le continent africain, les formations de socle occupent entre 35% et 40% de la superficie
totale du continent (Shahin, 2003). Malgré la grande superficie qu’ils occupent, les aquifères
de socle sont largement sous-exploités comparé à des aquifères similaires sur d’autres
continents et même dans certaines zones arides ou semi-arides (Courtois et al., 2009).

1.2.3. Profil d’altération et modèle conceptuels des aquifères de socle

Les roches cristallines, une fois exposées à la surface du sol, sont soumises aux
processus d’altération chimique et physique (Guihéneuf, 2014). Ceux-ci débutent par
l’infiltration de l’eau dans les fissures et les fractures initialement présentes dans la roche mère

19
(Acworth, 1987). Cette infiltration de l’eau entraine l’altération des minéraux de la roche mère
favorisant le développement d’un profil d’altération.

La mise en place des profils d’altération est favorisée par plusieurs facteurs. Parmi ces
facteurs, nous pouvons citer par exemple la nature de la roche mère, le type de climat, l’état
initial de fracturation de la roche, le gradient hydraulique, le pH et la température de l’eau, la
biosphère et le temps d’exposition de la roche (Ricordel-Prognon et al., 2009 ; Violette, 2010 ;
Wyns, 2013).

(Wright et Burgess, 1992) définissent le profil d’altération résultant comme l’ensemble des
séquences lithologiques au-dessus de la roche saine non fracturée. Il comprend différents
horizons selon son état d’avancement ou selon les différentes phases d’érosion (Guihéneuf,
2014).

Des travaux plus récents (Maréchal et al., 2004 ; Wyns et al., 2004 ; Dewandel et al.,
2006 ; Courtois et al., 2009) ont permis d’améliorer la conceptualisation des aquifères en milieu
de socle. Il ressort que ce sont des systèmes multi-couches en interaction avec chacune leurs
propriétés. Aussi, le profil d’altération comprend non seulement la saprolite, mais aussi la
couche sous-jacente fissurée (Courtois et al., 2009).

Figure 4 Modèle conceptuel d'un profil d'altération d'un aquifère

20
Dewandel et al. (2006) indique que les profils d’altération peuvent être mis en place en plusieurs
phases. Lorsque la géométrie des couches est la différence fondamentale entre le modèle de
profil d’altération monophasé et le modèle d’altération polyphasé (Koïta, 2010).

1.3 Contexte géostatistique

Les variations d'une place à une autre de la plupart des propriétés observables à la
surface de la terre sont souvent erratiques et irrégulières qu’aucune fonction mathématique
simple ne peut les décrire. Elles semblent même relever du pur hasard. Il y a néanmoins dans
la plupart des cas une structure, une tendance spatiale. La théorie des variables régionalisées
due à Matheron, 1965), empruntant son arsenal conceptuel et ses techniques mathématiques à
la théorie des fonctions aléatoires, prend en compte cette structure spatiale dans les calculs
d'interpolation du phénomène.

1.3.1. Interprétation géostatistique

1.3.1.1 Analyse structurale : Variogramme
L’analyse structurale, première étape indispensable à toute étude géostatistique, est la
caractérisation des structures de variabilité spatiale des grandeurs considérées. C'est le
variogramme 𝛾(ℎ) qui est chargé de résumer, de façon quantitative, toute l’information
structurale sur le phénomène considéré.

Le calcul du variogramme est donc le fondement de la théorie des variables régionalisées et

reste essentiel pour la mise en application du Krigeage. Le variogramme d’une fonction
aléatoire intrinsèque est, ainsi, par définition :

𝛾(h) = 1/2 𝑉𝑎𝑟[𝑍(𝑥 + ℎ) − 𝑍(𝑥)]

Comme on a supposé par ailleurs que :

𝐸[𝑍(𝑥 + ℎ) − 𝑍(𝑥)] = 0

On peut également écrire cette expression sous la forme :

𝛾(h) = 1/2 𝐸(𝑍(𝑥 + ℎ) − 𝑍(𝑥))2

Ce qui exprime que 2𝛾(ℎ) est l’accroissement quadratique moyen entre deux points distants h.
En supposant, satisfaite l’hypothèse intrinsèque, on estimera cette fonction 𝛾(ℎ) à partir des
couples de points expérimentaux disponibles sur l’unique réalisation accessible.

21
1.3.1.2 Estimation du variogramme
Si les points expérimentaux sont alignés et régulièrement espacés, le variogramme peut
être calculé pour ces valeurs de h multiple du pas

1 𝑁(ℎ)
𝛾(ℎ) = 2𝑁(ℎ) ∑𝑖=1 (𝑍(𝑥𝑖 + ℎ) − 𝑍(𝑥𝑖 ))2

Où

𝑍(𝑥𝑖 ) : Données mesurées,

𝑥𝑖 , 𝑥𝑖 + ℎ : Points pour lesquels les données sont disponibles.

N(h) : Nombre de couples expérimentaux { 𝑍(𝑥𝑖 + ℎ), 𝑍(𝑥𝑖 )} distants de h.

Lorsque les points expérimentaux sont irrégulièrement espacés dans le plan, on procède à
des regroupements par classe de distance et d’angle pour calculer les accroissements
quadratiques moyens.

La comparaison des comportements du variogramme dans les différentes directions

renseigne sur les anisotropies du phénomène.

1.3.1.3 Propriétés du variogramme

La définition même du variogramme comme variance des accroissements,

2𝛾(h) = 𝐸(𝑍(𝑥 + ℎ) − 𝑍(𝑥))2 , entraîne les propriétés suivantes :

𝑔(0) = 0
{ (I.13)
𝑔(ℎ) = 𝑔(−ℎ) ≠ 0

En général le variogramme croît à partir de l’origine; à mesure que h grandit l’écart

quadratique moyen entre les 2 variables 𝑍(𝑥) et 𝑍(𝑥 + ℎ) tend à croître. Cette croissance, plus
au moins rapide, caractérise ainsi d’une manière statistique la façon dont se détériore
l’information apportée par une mesure ponctuelle quand on s’éloigne de ce point connu.

Le variogramme peut continuer indéfiniment à croître (variogramme non

bornéFigI.2.a). Mais dans un grand nombre de cas pratiques, le variogramme se stabilise autour
d’une valeur limitée 𝛾 (∞) appelée palier pour des distances "h" supérieures à une certaine
limite " a "appelée portée (FigI.2.b).

22
 Figure 5 Modèle variogramme
𝑔(∞) = 𝑉𝑎𝑟{𝑍(𝑥)} = 𝐶(0)

Cette variance à priori existe donc, et la covariance C(h) ; (défini dans le cas stationnaire
d’ordre2) existe aussi :

𝑔(h) = 𝐶(0) − C(h)

Un tel variogramme, à palier et portée, caractérise ce que l’on appelle un phénomène de

transition. Un tel phénomène correspond à une F.A non seulement intrinsèque mais aussi
stationnaire d’ordre 2 (FigI.3).

- Zone d'influence La portée" a" mesure la zone d'influence d'une information Z(x).

En effet, au-delà de la distance h=a, les V.A 𝑍(𝑥) et 𝑍(𝑥 + ℎ)sont sans corrélation :

C(h) = 0 ; dès que |h|> a.

Figure 6 Covariance et varigramme

1.3.1.4. Modélisation du variogramme

Les modèles sont des expressions analytiques que l'on tente d'ajuster le mieux possible
aux points des variogrammes expérimentaux.

23
1.3.1.4.1 Ajustement à un modèle
On distingue principalement cinq types de modèle d'ajustement classés en fonction du
comportement du variogramme.

 Schéma à palier (ou schéma de transition)

1er cas: comportement linéaire à l'origine: on distingue:

 Modèle sphérique
 Modèle exponentiel. 2ème cas: comportement parabolique à l'origine: on distingue:
 Modèle Gaussien.
 Schéma sans palier: on distingue:
 Modèle en|ℎ|𝜆 ), avec 0< 𝜆 <2
 Modèle logarithmique.

1.3.1.4.2 Expressions analytiques des différents modèles

Effet de pépite: 𝛾(ℎ)=0 si ℎ = 0

𝐶0 si ℎ > 0

ℎ 1 ℎ
Modèle sphérique : 𝛾(ℎ) = C [1.5 𝑎 − 2 (𝑎)3 ] si ℎ = 0

C si ℎ > 𝑎

ℎ
Modèle gaussien : 𝛾(ℎ) = 𝐶 [1 − 𝑒𝑥𝑝(−3(𝑎)2 )]

ℎ
Modèle exponentiel : 𝛾(ℎ) = 𝐶 [1 − 𝑒𝑥𝑝(−3 𝑎)]

Modèle puissance : 𝛾(ℎ) = C ℎ𝑏 0< 𝑏 <2 (linéaire : b=2)

le lien avec les problèmes d’estimation : c’est ce que réalise la théorie du krigeage

1.3.2 Krigeage
Le Krigeage est une technique d’estimation qui fournit le meilleur estimateur linéaire
(combinaison des "n" informations disponibles) des caractéristiques inconnues recherchées
(Journel ,1977). Cette limitation linéaire fait intervenir que le seul moment d'ordre 2, à savoir
le variogramme (ou covariance); dont on sait en général bien faire l'inférence

 Cas sans dérive: Krigeage simple

24
On rappelle la situation du départ: Les valeurs de la variable Z(x) connues en n points
expérimentaux: x1, x2, x2, x3, ……xn et l'on désire estimer une quantité Z0 qui peut être, en
fait, toute fonctionnelle linéaire de la variable. Pour estimer Z0, on adopte une moyenne
pondérée des n données disponibles:
𝑛

𝑍0∗ = ∑ 𝜆𝑖 (𝑥𝑖 )
𝑖=1

où n: points expérimentaux 𝜆𝑖 : le poids du point x.

Le problème est donc de trouver les poids 𝜆𝑖 qui donneront la meilleure estimation possible.

 Caractéristiques du Krigeage

Cette méthode présente trois caractéristiques:

- Elle est linéaire, c'est-à-dire que l'estimation Z en x0 est une combinaison linéaire des
valeurs expérimentales Zi aux points xi ;

- Elle est non biaisée, c'est un choix selon lequel, l'erreur moyenne doit être nulle:

𝐸|𝑍0∗ − 𝑍| = 0

- Elle prend en compte une condition d'optimalité, minimisant la variance de l'écart entre Z
et son estimation

𝑉𝑎𝑟|𝑍0∗ − 𝑍| = 𝑚𝑖𝑛𝑖𝑚𝑎𝑙𝑒

Ces caractéristiques permettent de calculer les poids 𝜆𝑖 et une variance d'estimation à l'aide du
variogramme. Le système s'écrit:
𝑛

∑ 𝜆𝑖 𝛾(𝑥𝑖 − 𝑥𝑗 ) + 𝜇 = 𝛾(𝑥𝑗 − 𝑥0 ); 𝑗 = 1 … 𝑛, 𝜇: 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝐿𝑎𝑔𝑟𝑎𝑛𝑔𝑒

𝑖=1

∑ 𝜆𝑖 = 1
𝑖=1

La variance de l'estimation vaut alors :

𝑛

𝜎𝐸2 = ∑ 𝜆𝑖 𝛾(𝑥𝑖 − 𝑥𝑗 ) + 𝜇
𝑖=1

25
L'estimation est exacte, c'est-à-dire que les valeurs estimées aux points de mesures sont égales
aux valeurs mesurées. Lorsque les hypothèses de stationnarité ne sont pas vérifiées, il existe
des solutions qui font appel au "Krigeage universel"

Propriétés du Krigeage

Le Krigeage présente des propriétés à savoir :

- La disposition géométrique du point à estimer et des points connus est respectée.

- La variabilité spatiale de la grandeur par l'intermédiaire du variogramme est prise en

compte.

-Avec la prévision de chaque nouvelle valeur de la variable aléatoire, le Krigeage calcule un

écart type d'estimation dépendant exclusivement de la disposition des points sur le champ. Ce
paramètre exprime l'incertitude qui accompagne la prévision et la confiance que l'on peut lui
attribuer.

1.3.3. Simulation
Les méthodes d’interpolation permettent d’obtenir des valeurs estimées en fonction de
l’information directe située au voisinage de chaque point d’estimation et, dans certain cas, d’une
information secondaire. Sous certaines conditions, ces méthodes fournissent également une
mesure de l’incertitude locale. Selon la méthode employée, l’estimation tend cependant à
produire des champs lissés où la variabilité spatiale de l’attribut modélisé est atténuée. En
général, sans l’apport d’une information secondaire, les valeurs faibles sont surestimées et les
valeurs fortes sont sous-estimées. En outre, plus la zone à estimer se trouve loin des données,
plus l’effet de lissage est prononcé.

On appelle ici simulation stochastique le processus de génération de champs multiples d’une

variable z modélisée comme une fonction aléatoire Z(u). Ces champs simulés honorent toute
l’information disponible et reproduisent le modèle de continuité spatiale utilisé pour décrire
Z(u).

Dans ce mémoire, on s’intéressera à la simulation séquentielle gaussienne.

Parmi les méthodes de simulation gaussienne séquentielle, on s’intéresse dans la suite à celles
qui permettent d’intégrer une information secondaire. Il s’agit de celles fondées sur le
cokrigeage complet et sur le cokrigeage co-localisé avec un modèle de Markov.

26
Etant donné que les variables principale et secondaire(s) ne suivent généralement pas une
distribution normale, une transformation préalable des données est souvent nécessaire pour
utiliser la simulation gaussienne. Dans le cas de deux variables aléatoires, les variables
transformées peuvent s’écrire :

𝑌1 = 𝜑1 [𝑧1 (𝑢)]

𝑌2 = 𝜑2 [𝑧2 (𝑢)]

Où 𝑧1 et 𝑧2 sont les variables principale et secondaire, u le vecteur de coordonnées spatiales et

𝜑1 et 𝜑2 représentent les fonctions qui transforment 𝑧1 et 𝑧2 en variables 𝑌1 et 𝑌2 dont les
distributions sont normales, réduites et centrées (moyenne nulle et variance de 1). Ces fonctions
se déduisent empiriquement à partir des données (Journel et Huijbregts, 1978, p. 478). Une fois
la simulation terminée, une transformation inverse des valeurs simulées fournit le résultat dans
les variables d’origine.

CHAPITRE 2 MATERIELS ET APPROCHE MÉTHODOLOGIQUE

2.1) Travaux préliminaires
Cette partie du travail consiste à faire :

 Synthèse bibliographique des travaux intérieurs ;

 Acquisition des données.

2.1.1. Synthèse des travaux antérieurs

Cette partie consiste à faire une revue de la littérature sur le comportement des aquifères en
zone de socle. Plusieurs articles ont été parcourus, avec des auteurs tels que Lachassagne et
al, wyns et al, Koudou et al, Bouamlah et al…, ainsi que les thèses et rapports techniques sur
les formations de socle.

2.1.2. Acquisition des données

Les données utilisées dans ce mémoire proviennent :

27
  Des ouvrages en exploitation, répartis dans sept quartiers de la ville de Meiganga. Ces
quartiers ont été sélectionnés de manière aléatoire. Ces ouvrages, au nombre de
soixante-neuf ont été prélevés sur une maille irrégulière de manière continue, durant la
période du 08 au 30 octobre 2019 suivant la tranche horaire 6h-10h à l’instar de trois et
quatre jours où nous n’avons pas respectés cette tranche horaire. Ces mesures
piézométriques ont été faites en début de saison d’étiage, période à laquelle nous avons
produit ce mémoire. Ces mesures ont été faites manuellement dans tous les ouvrages
pour cause de disponibilité du matériel électronique ;
 Du téléchargement de l’image Landsat OLI8 pour l’extraction automatique des
linéaments

2.2. Travaux de terrain

L’étape des travaux de terrain s’est faite en deux étapes :

2.2.1. Géolocalisation des ouvrages

La géolocalisation des ouvrages se fait à partir d’un GPS de marque Garmin etrex 20x.

Figure 7 GPS GARMIN

Pendant la campagne de prise de données nous avons recensés 69 ouvrages sur
lesquelles nous avons effectués des mesures.

28
 Le GPS (Global positionning système) de marque GARMIN (Figure 7) est utilisé pour
géolocaliser les différents ouvrages lors de la campagne piézométrique. Pour obtenir ces
coordonnées, le GPS est mise en marche puis déposé a même le sol et à l’écart de la margelle.
On recherche un espace dégagé, c’est-à-dire un espace qui n’est pas couvert par les arbres, ceci
dans le but d’avoir une précision sur les données, attendre que le GPS se stabilise à une erreur
de ± 3 et se rassuré que l’appareil capte 3 satellites au minimum, puis on enregistre les
coordonnées de l’ouvrage.

Une fois la campagne de prise de coordonnées terminées, nous avons procédés à un

traitement des données. Cette consiste à :

- Convertir les coordonnées degré-minute-seconde obtenu à l’aide du GPS en

coordonnées décimales et coordonnés métriques ;
- Corriger les écarts d’altitudes fournies par le GPS sur le terrain. Il est question ici,
d’entré les coordonnés point géolocalisé lors de la campagne de terrain dans le
logiciel Google Earth lorsqu’on est connecté. Apres avoir entré tous les données,
on agrandi l’image afin d’obtenir une bonne visibilité du point affiché sur l’image
satellitaire
- Les logiciels Surfer, Statistica, Erdas, R, Arcgis, Géomatca, ont été utilisés pour
faire des analyses statistiques et la modélisation des données utilisées.

29
Figure 8 Carte de distribution des points d'eaux

30
2.2.2. Protocole de mesure des niveaux piézométriques
Le matériel suivant nous a permis d’obtenir les données piézométriques lors de cette
campagne piézométrique (Figure 9).

A B

C D

Figure 9 Matériels de terrain

Les données des niveaux piézométriques ont été obtenues à l’aide de plusieurs
matériels : Une sonde piézométrique dont le capteur est sensible à la conductivité ionique de
l’eau (figure 9A), un décamètre (figure 9C) et un carnet de terrain (figure 9D). Lors de cette
campagne, nous avons recruté deux agents d’appui sur le site d’étude afin de faire les mesures

31
quotidiennement entre 6h et 10 h. Le paramètre mesuré est la profondeur du niveau d’eau par
rapport à la margelle.

La mesure a été effectuée manuellement. Elle consistait à repérer premièrement l’ouvrage,

ensuite nous prenons les coordonnées GPS et enfin le processus peut commencer.

 Mesure du niveau piézométrique

On introduit la sonde sonore dans l’ouvrage, une fois au contact avec la surface de l’eau, la
sonde émet un signal continu et un voyant lumineux réagi. Le niveau dynamique est lu sur le
mètre ruban gradué et relevé dans un carnet de terrain (figure 10).

 Détermination de la margelle

Figure 10 Mesure de la margelle

La margelle est déterminée à l’aide du décamètre afin de trouver le niveau réel de l’eau par
rapport à la surface topographique.

 Calcul du niveau piézométrique

32
Le calcul des niveaux piézométriques ont été obtenus à partir de l’équation

𝑁𝑃 = 𝑍𝑇𝑁 − 𝑁𝑖𝑣𝑒𝑎𝑢 𝑑𝑦𝑛𝑎𝑚𝑖𝑞𝑢𝑒 − 𝑀𝑎𝑟𝑔𝑒𝑙𝑙𝑒

avec NP : le niveau piézométrique (m) en se référant au bord supérieur de la margelle, 𝑍𝑇𝑁 :

l’altitude (m) du terrain naturel à l’emplacement de l’ouvrage, 𝑁𝑖𝑣𝑒𝑎𝑢 𝑑𝑦𝑛𝑎𝑚𝑖𝑞𝑢𝑒: la
profondeur (m) de la surface de l’eau mesurée avec la sonde et 𝑀𝑎𝑟𝑔𝑒𝑙𝑙𝑒 : la hauteur (m) du
tubage hors du sol.

Les niveaux piézométriques vont servir à la réalisation des cartes piézométriques en utilisant
deux méthodes d’interpolations savoir le krigeage et la simulation conditionnelle.

2.3. Traitement des données

2.3.1. Interpolation des données de niveau piézométrique par la méthode de krigeage
simple
2.3.1.1. Méthodologie d’acquisition des données
La méthodologie d’acquisition des données pour la modélisation géostatistique, se fais
par une analyse exploratoire qui vise à donner une caractérisation spatiale et statistique des
valeurs hydrodynamique. Les ouvrages d’exploitation qui ont été implantés dans la zone
d’étude au mois de septembre 2019, montrent que les valeurs des niveaux piézomètriques
mesurées sur les ouvrages, varient entre deux valeurs extrêmes 960,23 et 1020. Des figures
présentant la répartition spatiale des données en 2D de l’ensemble des ouvrages prélevés sur la
nappe sera représentées. De même que la représentation des histogrammes des valeurs
hydrodynamiques. Cette distribution met en question la normalité des données qui est un bien
nécessaire pour une meilleure estimation avec le krigeage.
La modélisation géostatistique se fait suivant plusieurs étapes à savoir : une analyse
statistique, une analyse variographique, et enfin une représentation spatiale des données.
2.3.1.2. Analyse Statistiques des données hydrodynamiques
Cette analyse se fait à travers la statistique 1D et 2D ici, il est question de représenter
les histogrammes et les nuages de points des différents paramètres.
2.3.1.3. Analyse variographique des données hydrodynamiques
L’analyse variographique est une étape préalable au krigeage. Elle est réalisée dans le cadre
de cette étude afin de mettre en évidence le comportement spatial de la variable
hydrodynamique de l’aquifère. Cette analyse est basée sur deux étapes à savoir :

 Nuée variographique des données hydrodynamiques

33
 Ici, on va représenter le nuage de points des données hydrodynamique de l’aquifère pour
analyser leur variabilité selon leurs interdistances. Cette étape fournit la représentation
graphique des valeurs intervenant dans le calcul du variogramme. Pour un jeu de données de la
variable Z aux points (𝑠1 , . , 𝑠𝑖 , . , 𝑠𝑛 ), il représente les points d’abscisses ∥ 𝑠𝑖 − 𝑠𝑗 ∥ et d’ordonné
1
[𝑧(𝑠𝑖 ) − 𝑧(𝑠𝑗 )]².
2

 Représentation du variogramme

On commencera par représenter le modèle du variogramme expérimental, à partir duquel

seront construits les variogrammes théoriques qui après ajustement permettront de modéliser
par krigeage les données hydrodynamiques
 L’ajustement du variogramme
Une fois le model représenter, Il faut ensuite trouver une forme fonctionnelle adaptée au
variogramme expérimental. Une première étape importante est d’obtenir une représentation
lissée du variogramme, qui peut être obtenue avec la fonction variog de geoR. Comme toujours,
ce lissage est tributaire du choix de la fenêtre. La représentation lissée est considérée parfois
comme suffisante pour estimer "à l’oeil" le variogramme. Cette approche est critiquée comme
trop empirique par de nombreux géostatisticiens mais cette étape peut donner quelques
indications, notamment sur le comportement à l’origine.
 Ajustement par les moindres carrés ordinaires (MCO)
On cherche le vecteur des paramètres de la fonction qui minimise une fonction d’objectif
simple, la somme des carrés des distances entre la valeur du semi-variogramme expérimental
et celle du variogramme théorique.
𝑘
𝑎𝑟𝑔𝑚𝑖𝑛
𝜃̂𝑀𝐶𝑂 = ∑(𝛾̂ (ℎ𝑖 ) − 𝛾(ℎ𝑖 ; 𝜃))²
𝜃∈𝛩
𝑖=1

 Ajustement par les moindres carrés pondérés (MCP)

Les moindres carrés ordinaires ne tiennent pas compte du nombre de couples de points qui
interviennent dans le calcul de chacun des points du variogramme expérimental, contrairement
aux moindres carrés pondérés.
𝑘
𝑎𝑟𝑔𝑚𝑖𝑛 #𝑁ℎ𝑖
𝜃̂𝑀𝐶𝑃 = ∑ (𝛾̂ (ℎ𝑖 ) − 𝛾(ℎ𝑖 ; 𝜃))²
𝜃∈𝛩 𝛾(ℎ𝑖 ; 𝜃)²
𝑖=1

Notons que cette ajustement se fait automatiquement avec le logiciel R, grâce au package
RGeost

34
2.3.2. Interpolation par simulation conditionnelle
La simulation étant une méthode d’interpolation géostatistique, les étapes de traitement
des données restent les même à savoir : Une analyse variographique à travers la représentation
des nuées variographique, ensuite une représentation du variograpmme experimental, un
ajustement, et en fin on a fait une interpolation par simulation pour obtenir le modèle simulé
des données hydrodynamiques de l’aquifère.

2.3.3. Extraction automatique des linéaments

L’extraction des linéaments s’est faite suivant plusieurs étapes :

 Une fois l’image Landstat OLI8 téléchargé, nous avons créé l’image composite à
l’aide du logiciel Erdas Imaging. Cette image composée de 7 bandes. va être traité en
vue d’obtenir une image en RGP.
 délimiter la zone d’étude sur l’image Landstat Oli8
 On fait un prétraitement qui consiste à faire une correction atmosphérique pour atténué
la couverture nuageuse ;
 Création de la composante principale (CP) à partir du filtre d’analyse en composante
principal (ACP) ;
 Importation de la CP dans le logiciel PCI Géomatica ;
 Extraction automatique des linéaments à partir de la bande 4 et 7 ;
 Exportation des linéaments extraites sous l’extension inscrite shitfile 2D ;
 Importation des linéaments extraits dans le logiciel Arcgis ;
 On fusionne les linéaments extraits des deux bandes 4 et 7 en une seule couche ;
 A partir de la ‘fonctionnalité’ line densitie de Arctoobox, la densité linéique
fracturation a été extraite ;
 On fait une analyse statistique à partir de la ‘fonctionnalité’ calcul géométrique de
Arcgis, la longueur en (m) de chaque linéament a été calculé, ensuite une analyse
statistique sur ces longueurs a été effectué dans le but d’évaluer les paramètres de
dispersion d’une part et la fréquence de distribution des longueurs de ces fractures
d’autres part.
 Validation croisée et choix de la méthode

La validation croisée est fréquemment utilisée dans la géostatistique (Clark, 1986). Elle permet
de comparer l'impact des différents modèles et de choisir un seul pour l’estimation. Son principe

35
consiste à ré estimé les valeurs piézométriques pour les points échantillonnés par le biais des
modèles ajustés.

La méthodologie adaptée est la suivante.

 Extraire n points (n=10 pour ce mémoire) de telle sorte que le domine spatiale
d’interpolation ne soit pas modifié ;
 Refaire l’interpolation avec les données restantes ;
 Projeter les 69 points de départ sur la nouvelle carte krigé ;
 Déterminer les Z*(NP) des 10 points précédemment extraits

Conclusion partielle

Cette étude a été menée sur des ouvrages d’eaux repartis sur l’ensemble du bassin
versant de yoyo durant la période 08 au 30 octobre 2019. 69 mesures piézométriques ont été
effectuées dans des ouvrages répartis dans 7 quartiers de la localité de Meiganga. Plusieurs
logiciels ont été utilisés pour la réalisation des modelés et calcules statistiques. Les résultats
obtenus sont présentés au chapitre 3.

36
CHAPITRE 3 : RÉSULTATS INTERPRETATION ET DISCUSSION
3.1. Résultats
3.1.1 Analyse hydrodynamique
3.1.1.1 Synthèse des résultats
Lors de la campagne que nous avons effectué dans la localité de Meiganga, des mesures
ont été réalisés sur un total de 69 ouvrages et nous a permis de synthétiser le tableau 1.
Tableau 1 Synthèse des données de terrain

Quartier X Coord Y Coord Z Cood Puits ND Marge NP

Campement 420399.4 721835.9 1022.63776 P64 7.3 0 1015.34
campement 420445.6 721120.8 1017.66315 P65 1.1 0 1016.56
campement 420175.5 720913.4 1020.72327 P66 5.2 0 1015.52
Pitoa 420191.3 721778.9 1020.48212 P59 6.7 0.9 1012.88
Pitoa 419941.3 721858.2 1015.83404 P60 3.7 0 1012.13
Pitoa 420333.1 722282.5 1014.93292 P61 0.8 0.25 1013.88
Pitoa 420326.2 722110.2 1029.06042 P62 8.3 0 1020.76
Pitoa 420475.9 722047 1015.42389 P63 5 0 1010.42
Ngassiri 421066.7 718655.3 966.094055 P67 3.05 0.55 962.494
Ngassiri 421265.1 718876.4 972.992676 P68 4.5 0.85 967.643
Ngassiri 421076 719226 977.168396 P69 4 0.75 972.418
Ngassiri 420784.1 719083.6 985.91333 P23 4.6 0 981.313
Ngassiri 420932.1 719325.8 985.996765 P24 3.8 0.5 981.697
Ngassiri 420712.4 719428.2 987.785095 P25 6 0 981.785
Ngassiri 420629.1 719605.3 985.990417 P26 5.6 0.4 979.99
Ngassiri 420172.3 719693 996.763489 P27 7.15 0 989.613
Ngassiri 420516.2 719057.1 986.504333 P21 5.8 0 980.704
Sabongari 421258.4 719303.8 975.725281 P02 4.8 0.75 970.175
Sabongari 421428.4 719123.3 970.76709 P03 4.7 0.5 965.567
Sabongari 421584.6 719449.7 972.390808 P04 2.3 0.7 969.391
Sabongari 421300.1 719727.6 986.592285 P39 8.95 1.2 976.442
Sabongari 421576.9 719861.6 981.343689 P40 8.1 0.45 972.794
loukouloukou 420516.6 721215.6 1020.33832 P53 2.55 0.65 1017.14
loukouloukou 420586.6 721449.5 1014.44421 P54 5.5 0.1 1008.84
loukouloukou 420544.4 721446.4 1014.38635 P55 5.7 0.7 1007.99
loukouloukou 420123.8 721442.5 1000.0141 P57 9.1 0.8 990.114
Ngassiri- 420471.3 718416.6 978.410767 P56 4.1 0.6 960.232
Gonga
Ngassiri- 420696.6 718902.6 974.90448 P58 4.05 1.03 971.377
Gonga
Ngassiri- 420211.3 718133.4 979.590942 P45 3.6 0.7 958.567
Gonga

37
 Ngassiri- 420400.3 718769.8 962.866943 P20 4.7 0 974.891
Gonga
Ngassiri- 420165.1 718443.9 964.931824 P12 4.55 0.45 973.411
Gonga
Ngassiri- 420200.9 718685.2 976.457336 P13 4.75 0.35 969.804
Gonga
Ysoro 421842.1 719894.5 980.067932 P05 6.85 0.25 972.968
Ysoro 422048.3 720084.9 980.153687 P06 7.7 0.25 972.204
Ysoro 422425.7 720200.3 974.13324 P07 5.35 0.3 968.483
Yzoro 421781.1 720428.6 992.713196 P51 7.7 0 985.013
Marouaré 422422.4 720879.9 976.368164 P09 1.55 0.45 974.368
Marouaré 422008.5 720693.5 990.380981 P10 3 0.5 986.881
Marouaré 421624.1 721050 999.434204 P47 0.55 0 998.884
Marouaré 421733 720933 1003.60437 P48 6.85 0 996.754
Marouaré 421981.5 721024.9 991.317444 P49 4.7 0 986.617
Marouaré 421825.9 720606.6 993.295105 P50 6.7 0 986.595
administratif 421455.1 720734.1 1004.85693 P52 4.2 0 1000.66
Elf 420065.4 718214.5 965.891113 P01 5 0.7 960.191
Elf 420202.4 717997.8 960.891724 P11 1.5 0.5 958.892
Elf 420181.9 718012.2 964.907837 P22 2.6 0.5 961.808
Elf 420221.8 717810 964.508423 P33 2.8 1 960.708
RUE 24 422426.6 720473.5 982.989868 P08 2 0.25 980.74
Bonabéri 421288.4 720618.8 995.534546 P46 3.25 0 992.285
Razel 419962.8 718819.5 973.68866 P14 2.35 0 971.339
Razel 419729.4 719557.6 987.034729 P15 4.6 0.85 981.585
Razel 419768.9 719058 974.289246 P16 2.8 0 971.489
Razel 419798.1 720046 993.403809 P17 2.4 0.65 990.354
Razel 419595.9 720005.8 990.244263 P18 0.9 0 989.344
Razel 419454.2 720034.2 988.457397 P19 2.1 0 986.357
Razel 419916.8 719380.1 993.534119 P35 2.72 2.72 988.094
Yabassi 421491.4 720169.4 987.583496 P41 5.8 0.5 981.283
Yabassi 421270 720342.6 981.740967 P42 1.1 0 980.641
Yabassi 421323.8 720289.9 988.012573 P43 6.8 0 981.213
Camp bami 421247.8 720508.9 993.861694 P44 1.8 0 992.062
kpok-kop 420237.3 720009.6 997.166199 P28 5.8 0.55 990.816
kpok-kop 420223.7 720172.5 997.171509 P29 4.35 0 992.822
kpok-kop 420436 720204.1 996.112061 P30 5.65 0.8 989.662
kpok-kop 420208.7 720357 1001.68433 P31 4.9 0.4 996.384
kpok-kop 419950.1 720373.9 1000.62439 P32 3.8 0.35 996.474
kpok-kop 419986.1 720291.4 998.039734 P34 0.5 0 997.54
Yelwa 420829.1 719620.6 985.614746 P36 6.5 0.5 978.615
Yelwa 420590.3 720062.5 985.210815 P37 4.6 0.35 980.261
Yelwa 420732.8 720202.2 989.28009 P38 6.75 0.5 982.03

38
X : longitude en coordonné UTM ; Y : latitude en coordonné UTM ; Z : altitude en mètre
NP ; niveau piézométrique en mètre

3.1.1.2. Carte piézométrique de la nappe aquifère du socle de Méiganga

La carte piézométrique (Figure 10) a été obtenue à parti des données prélevées sur la nappe
aquifère de Meiganga.

NW SE
Figure 11 Carte piézométrique nappe aquifère de Meiganga

39
 La carte piézométrique obtenue présente ainsi une répartition spatiale des valeurs
ponctuelles des niveaux piézométriques obtenus en chaque ouvrage. Elle présente une
distribution irrégulière des courbes isopièzes avec un resserrement au centre de la carte (en
amont du profil, entre le campement et le quartier Yelwa) ; et espacement progressif vers le SE
de la carte (en aval du profil)

Le domaine de variation des charges hydrauliques est compris entre 958,56 (au SE de la
carte) et 1020,76m (au NW de la carte) pour une valeur moyenne de 984,99m, une variance de
269,98m, un écart-type de 16,4m et un coefficient de variation de 1,66% (Tab. 2). L’écart type
ici traduit une dispersion des niveaux piézométriques autour de valeur moyenne et la faiblesse
du coefficient de variation traduit une faible variation des niveaux piézométriques d’un point
d’eau à un autre.

Tableau 2 Analyse statistiques données piézométriques

Paramètres Nombre de Minimum Maximum Moyenne Variance Écart- Coefficient

points (m) (m) (m) (m) type de variation
(m) (%)
Valeurs 69 958,56 1020,76 984,99 269,98 16,4 1,66

Le profil piézométrique de direction NE-SW permet d’observer une variation des niveaux
piézométriques. En amont du profil, on note une brusque diminution des niveaux
piézométriques (on part d’une valeur de 1015m jusqu’à une valeur de 985m). Puis on note une
brusque augmentation jusqu’à la valeur maximale de 1020m (vers le campement) et enfin on
note une décroissance jusqu’à la fin du profil.

3.1.2. Modélisation géostatistique des données niveaux piézométriques par la méthode

d’interpolation par krigeage et simulation conditionnelle

3.1.2.1. Résultat de l’analyse variographique des données de niveau piézométrique

Ces résultats sont représentés sous forme de modèle. Notons que les variogrammes de
la figure 12 sont utilisés autant bien pour représenter les cartes krigés que les cartes simulées.

40
 A

Figure 12 : A) Nuée variographique B) Variogramme expérimental

41
 C

Figure 13 :C) Nuée variographique niveau piézométrique ; D) Variogramme

omnidirectionnel ajusté niveau piézométrique

Statistiques paramètres du variogramme

Tableau 3 Paramètre variogramme NP

Palier Portée Effet pépite
406 734 0

42
Figure 14 Variogramme directionnel, angle de direction 45°

Figure 15 Variogramme directionnel, angle de direction 135°

43
 E

Figure 16 D) Carte de la variabilité spatiale niveau piézométrique obtenu par krigeage

Figure 17 Carte de la variabilité spatiale obtenue par simulation

44
I

Figure 18 I) carte d’erreur krigé J) carte d’erreur simulé

45
3.1.2.2. Résultats validation croisée
Tableau 5 Statistiques écart krigé entre Z(NP) et Z*(NP)
ID Z(NP) Z*(NP) Ecart
P38 982.03 988 5.97
P37 980.26 985 4.74
P47 998.88 998 0.88
P48 996.75 994 2.75
P62 1020.76 1014 6.76
P63 1010.42 1014 3.58
P11 958.89 958 0.89
P22 961.8 960 1.8
P54 1008.84 1010 1.16
P55 1007.98 1012 4.02

Scatterplot of Z*(NP) against Z(NP)

Z*(NP) = 25.201+0.9753*x
1020

1010

1000

990
Z*(NP)

980

970

960

950
950 960 970 980 990 1000 1010 1020 1030
Z(NP):Z*(NP): y = 25.201 + 0.9753*x; r2 = 0.9647 Z(NP)

Figure 19 courbe de tendance Z(NP) en fonction de Z*(NP)

46
 Tableau 6 Statistiques écart simulé entre Z(NP) et Z*(NP)
ID Z(NP) Z(simulé) Ecart (simulé)
P38 982.03 978 4.03
P37 980.26 975 6.97
P47 998.88 995 3.88
P48 996.75 990 6.76
P62 1020.76 1017 4.76
P63 1010.42 1018 3.58
P11 958.89 958 4.98
P22 961.8 964 3.2
P54 1008.84 1005 3.84
P55 1007.98 1010 4.02

Scatterplot of Z(NP) against Z(simulé)

Feuil1 in donées simulation 4v*10c
Z(NP) = 46.087+0.9552*x
1030

1020

1010

1000
Z(NP)

990

980

970

960

950
950 960 970 980 990 1000 1010 1020 1030
Z(simulé):Z(NP): y = 46.087 + 0.9552*x; r2 = 0.9590
Z(simulé)

Figure 20 Courbe de tendance modèle simulée

47
 Figure 21 Points de prélèvement des ouvrages de captages

3.1.3. Présentation résultats de l’analyse structurale

Il est question de présenter les différents linéaments qui jonche le sous-sol Meiganga.

48
Figure 22 Carte densité de la fracturation

49
 La cartographie structurale de la zone d’étude à partir des images Landsat Oli8 a permis
d’obtenir la carte de la figure 21 Cette carte permet d’observer une répartition spatiale des
fractures. L’analyse de la rosace de fracturation permet d’observer une direction majeure
N137,5E et une direction mineure N88E. On note également deux directions secondaires
N135E et N32E

Une analyse statistique s’est faite sur un paramètre géométrique, à savoir les longueurs
des fractures. La variation des longueurs de chaque fracture est illustrée par la figure 21

Figure 23 Densité linéique

Les résultats de cette analyse permettent d’obtenir les données du tableau 5

Tableau 4 Analyse statistique des longueurs des fracture

Nombre Longueur Longueur Longueur Longueur Variance Écart-

de Min (m) max (m) totale moyenne (m) type (m)
fractures (m) (m)
358 42 743 95372 266,402 269,98 133,354

50
 En se basant sur cette analyse statistique (Tab 5), nous avons pu évaluer la fréquence de
distribution des longueurs de linéaments. Le résultat de cette évaluation est illustré par la
figure…

Figure 24 Histogramme longueur de fracture

L’analyse de la figure 24 permet d’observer un regroupement en 9 classes dont la

distribution suit la loi normale. Ce qui nous permet ainsi de conclure que les longueurs des
fractures suivent une loi normale

A partir de la répartition spatiale des fractures et de la longueur de celles-ci, une densité

linéique de répartition a ainsi été calculée. Cette densité traduit la somme des longueurs
cumulée par unité de surface, et s’exprime en Km/Km2 ou Km-1. Le résultat obtenu (Figure 24)
permet d’observer une variation colorée correspondant à des valeurs de densité comprises entre
0 et 22,18km−1. Cette variation a pu ainsi être classifiée en trois catégories de densité linéique :

- Faible (0 – 5,04 km-1) : de couleur verte, caractérisée par une absence totale de
fracture
- Moyenne (5,04 – 13,39 km-1) : de couleur jaune, caractérisée par la présence de 1 à
2 fractures
- Forte densité (13,39 – 22,18 km-1) : de couleur orange à rouge, caractérisée par au
moins 2 fractures qui s’entrecoupent

51
3.2. INTERPRÉTATIONS ET DISCUSSION

3.2.1 Hydrodynamique

3.2.1.1 Piézométrie
Interprétation niveau piézométrique (figure 11)

L’analyse de la carte piézométrique et du profil piézométrique permet de mettre en en

évidence une dépression piézométrique et un dôme piézométrique respectivement à 1km et à
1,5km en amont du profil piézométrique. La présence d’un dôme piézométrique permet ainsi
de mettre en évidence une zone de recharge de la nappe à travers les processus d’infiltration et
de percolation (recharge directe). Ceci permet ainsi de conclure que les altérites présentent à ce
niveau de très bonnes propriétés conductrices (bonne porosités, bonne perméabilité) afin de
pouvoir favoriser l’infiltration des eaux à partir de la surface. Tandis que la présence d’une
dépression piézométrique traduire une exploitation importante de la nappe à cet endroit, à partir
du puits P57 et éventuellement à partir d’un forage au Nord-Ouest du Campement.

L’analyse de la carte piézométrique et de l’orientation des lignes de courants a permis de

caractériser les écoulements, en définissant le sens d’écoulement des eaux souterraines, la
typologie des écoulements et le gradient hydraulique.

1- Sens d’écoulement
L’examen des résultats des figures 11, en fonction de l’allure des courbes isopièzes nous
a permis d’identifier deux sens d’écoulement :
 NW – SE (à partir du dôme piézométrique jusqu’à l’aval du profil piézométrique)
 W - E (à l’Est de Pitoa et du Campement)

2- Typologie des écoulements :

En se basant sur l’orientation des lignes de courant nous pouvons dire que les courbes
isopièzes sont concentriques avec une valeur du niveau piézométrique élevée au niveau du
dôme piézométrique et une valeur au centre faible au niveau de la dépression. Cette
configuration, permet de mettre en évidence deux types d’écoulement :

 Un écoulement convergent : la convergence de ces écoulements prend naissance au

niveau des crêtes (zone de niveau piézométrique élevé), pour s’écouler suivant les deux

52
 directions/sens d’écoulements sous l’influence de la gravité jusqu’à la zone de
dépression.
 Un écoulement divergent : ils correspondent à la typologie dominante des
écoulements. En les eaux s’infiltrant à partir de cette zone, vont diverger pour s’écouler
dans les autres zones environnantes.

3- Gradient hydraulique :

Le gradient hydraulique est le rapport de la différence de charges hydraulique (∆h) entre

deux points d’un milieu poreux saturé, sur une même ligne de courant par la distance(m) les
séparant sur cette ligne de courant, elle est donnée par la relation suivante :

∆𝒉
𝒊 =
𝑳

A partir de la carte piézométrique, le gradient hydraulique a été évalué en 10 points comme l’illustre le
tableau 6

Tableau 5 Statistiques gradient hydraulique

Point de h1 (m) h2 (m) ∆𝒉 d (cm) e (cm) L(m) I

mesure
A 990.35 971.48 18.87 4.6 200 920 0.02051
B 971.33 960.19 11.14 2.9 200 580 0.01921
C 989.61 980.7 8.91 3.5 200 700 0.01273
D 971.37 962.49 8.88 2.2 200 440 0.02018
E 981.69 980.26 1.43 4.7 200 940 0.00152
F 976.44 969.39 7.05 1.7 200 340 0.02074
G 992.06 972.9 19.16 4.1 200 820 0.02337
H 1000.65 986.88 13.77 2.3 200 460 0.02993
I 998.88 986.61 12.27 1.6 200 320 0.03834
J 1016.56 990.11 26.45 1.9 200 380 0.06961

La répartition spatiale des valeurs du gradient hydraulique permet de déduire que plus
les courbes isopièzes sont espacées, plus le gradient hydraulique est faible ; et de même plus
les courbes isopièzes sont serrées, plus le gradient hydraulique est élevé. Ces résultats
permettent ainsi d’associer les valeurs du gradient hydraulique aux pentes d’écoulement. En
effet, plus le gradient hydraulique est élevé plus la pente d’écoulement est forte ; et vis-vers

53
3.2.2. Interprétation Géostatistique des résultats et discussion

3.2.2.1 Analyse variographique

3.2.2.1.1 Nuées variographiques

L’analyse variographique est une étape préalable au krigeage. Elle est réalisée afin de
mettre en évidence le comportement spatial de la variable NP de l’aquifère de socle de
Meiganga. Cette analyse est basée sur deux types de variogrammes expérimental. Le
variogramme omnidirectionnel et le variogramme directionnel

Bien que cette la direction Nord 135° montre une très grande variabilité entre les valeurs
du NP. La figure 13 lorsqu’on l’observe montre à suffisance cette disparité entre les valeurs.

 Nuée variographique Niveau piézométrique (NP)

Le variogramme omnidirectionnel (figure 12A), calculé pour toutes les combinaisons

de la variable régionalisée (69 points expérimentaux), avec des distances multiples d’un pas de
8000 mètres, montre une certaine structure de dépendance spatiale. En effet, les points à faible
distance qui représentent les couples de puits les plus proches ont des valeurs de variogramme
plus faibles par rapport aux points représentants les couples de forages les plus éloignés. Mais
au-delà de la moitié de la distance maximale, à 8000 mètre environ, le nuage des points
expérimentaux commence à s’aplatir indiquant que la corrélation entre les points
expérimentaux est très faible. Par contre il n’existe pas de phénomène d’effet pépite Cette
constatation peut s’expliquer par la variation des margelles d’un certain nombre de puits. Ce
phénomène peut être rapporté aux hétérogénéités de la formation aquifère et aux passages
brutaux de facies. La figure 12 B est une autre présentation du variogramme omnidirectionnel.
Elle montre une grande variabilité entre les valeurs de plusieurs points à différentes distances.
Cette variabilité qui s’observe par la répartition des points manquants de stabilité et fluctuant
d’une manière erratique près de la variance, malgré que tous les points, sont calculés par la
moyenne d’une classe de plus de 15 paires. Ce comportement irrégulier du variogramme peut
s’expliquer en quelque sorte par l’insuffisance des données et l’éloignement des puits par
rapport à la surface de la zone d’étude. Néanmoins, cela n’exclue pas l’existence d’une
continuité spatiale dans une direction préférentielle. Les figures 15 et 16 permettent de mettre
en évidence la structure anisotropique. En effet, Les valeurs données par la surface
variographique montrent une continuité spatiale et une très grande variation dans la direction
Nord135°, de même on observe une forte variation et une continuité dans la direction Nord45°,

54
bien que cette direction Nord 135° montre une très grande variabilité entre les valeurs du NP.
La figure 13 lorsqu’on l’observe montre à suffisance cette disparité entre les valeurs.

 Interprétation des différents variogrammes

 Variogramme niveau piézométrique

La modélisation variographique est le passage d'une fonction définie par des points à
une fonction continue dans l'espace et posséde une expression mathématique (Rentier, 2002) a
été réalisée grâce aux propriétés des nuées variographiques (figure 12 D). Pour ce faire, nous
avons d’abord choisi différent types de modèles : les modèles sphérique, gaussienne et
exponentiel qui sont communément utilisés pour l’estimation du ND de l’aquifère. Puis, nous
avons procédé à l’ajustement des différents modèles sur les points expérimentaux des deux
variogrammes, en faisant variée les paramètres de chaque modèle (la portée, le palier et l’effet
pépite). Les figure 12 C récapitule les formes qui correspondent plus au comportement
hydrodynamique de l’aquifère. Ces modèles tentent d’ajuster les variogrammes ND avec une
contribution d’un faible effet de pépite à l’origine et accordent plus de poids aux distances
faibles pour qu’elles s’adoptent visuellement mieux avec les variogrammes expérimentaux. La
qualité d’ajustement sera contrôlée par la validation croisée, qui nous a permis d’obtenir un
modèle sphérique.

3.2.2.2. Modèle krigé et simulé

 Krigeage

Apres avoir validé le modèle sphérique du variogramme isotrope de portée égale à 637
mètres et de palier égale à 1,227, l’interpolation a été réalisée avec un krigeage simple sur une
grille régulière sur l’extension de la nappe aquifère de meiganga (Baillargeon, 2005). Ce type
de Krigeage, qui ne nécessite pas la connaissance de l’espérance de la variable régionalisée, est
une méthode d’interpolation exacte (Baillargeon, 2005) qui préserve les valeurs régionalisées
mesurées aux niveaux des ouvrages de captages de la nappe. Les valeurs de niveau
piézométrique de la nappe de Meiganga ont été obtenues suite à une campagne de terrain. Cette
étape est très difficile puisqu’elle est fait manuellement peut avoir des biais au cours de
l’échantillonnage. Néanmoins il est préférable d’obtenir une estimation non-biaisée dans
l’espace des logarithmes plutôt que dans l’espace normal Rentier, 2002. Une simple
transformation a été utilisée, qui dans ce mémoire a permis de restituer les valeurs observées
au niveau des ouvrages de captages.

55
La figure 18 G exprime la répartition spatiale des valeurs du niveau piézométrique de la nappe
de Meiganga obtenues par (krigeage). Les erreurs d’estimation calculées, sont indiquées
respectivement dans les figures 11A et 11B. L’examen de la figure 11A montre que les faibles
valeurs de l’erreur d’estimation se situent au centre et au Nord de la zone d’étude, dans ces
endroits de la plaine, où l’on trouve une abondance de valeurs mesurées. Par opposition, l’erreur
devient de plus en plus importante sur le reste de la plaine, notamment vers les bordures où les
valeurs de la piézométrie restent méconnues.

3.2.3 Interprétations Structurale

L’analyse de la figure 23 permet d’observer un regroupement en 9 classes dont la

distribution suit la loi normale. Ce qui nous permet ainsi de conclure que les longueurs des
fractures suivent une loi normale

A partir de la répartition spatiale des fractures et de la longueur de celles-ci, une densité

linéique de répartition a ainsi été calculée. Cette densité traduit la somme des longueurs
cumulée par unité de surface, et s’exprime en Km/Km2 ou Km-1. Le résultat obtenu (Fig 24)
permet d’observer une variation colorée correspondant à des valeurs de densité comprises entre
0 et 22,18 km-1. Cette variation a pu ainsi être classifiée en trois catégories de densité linéique :

- Faible (0 – 5,04 km-1) : de couleur verte, caractérisée par une absence totale de
fracture
- Moyenne (5,04 – 13,39 km-1) : de couleur jaune, caractérisée par la présence de 1 à
2 fractures
- Forte densité (13,39 – 22,18 km-1) : de couleur orange à rouge, caractérisée par au
moins 2 fractures qui s’entrecoupent

La comparaison de la rosace de fracturation avec les travaux de Ganwa et al., 2008 sur
les études structurales des gneiss à pyroxène et amphibole de Meiganga (d’après la carte
géologique de la figure 3) permet de faire une corrélation entre la direction majeure (N137,5E)
et la première direction secondaire (N135E) d’une part et l’orientation des fractures d’autre
part.

Les fractures ainsi cartographié sont parallèles aux cours d’eau, ce qui permet de dire
que l’écoulement des eaux de surface de la localité de Meiganga suit les grandes fractures.

L’histogramme de répartition des fractures permet d’associer le phénomène étudié à une

loi normale. Ceci implique que les longueurs des fractures sont continues dans l’espace. Cette

56
continuité spatiale des longueurs des fractures est très importante pour l’infiltration et la
circulation des fluides. De plus la forte densité linéique traduise des fortes perméabilités
induites ; donc par conséquent, favorise l’infiltration des fluides. En corrélant donc la continuité
spatiale des longueurs des fractures et la densité linéique on peut ainsi établir un modèle de
continuité spatiale de la perméabilité. Ce qui constitue un paramètre essentiel pour la recharge
l’infiltration, la circulation des fluides (eaux météorites) jusqu’à la nappe d’eau souterraine.

En vue donc d’évaluer la relation entre les fractures, la densité de fractures, la

perméabilité et la dynamique des eaux souterraines ; une superposition a été faite entre la carte
piézométrique (Fig 12) et la carte de la densité de fracturation (Fig 22). Cette superposition
permet ainsi à première vue de faire une corrélation entre le sens d’écoulement et la direction
majeure de fracturation. En effet le sens d’écoulement majeur est NW-SE qui concorde avec la
direction majeure de fracturation (N137,5E). Cette corrélation permet ainsi d’établir le contrôle
sur la circulation des eaux souterraines. Les fortes densités de fracturation correspondent des
niveaux piézométriques moyens (965 – 990m).

En ce qui concerne le choix des zones favorables à l’implantation des points d’eau
productifs, il serait nécessaire de s’appuyer sur les critères suivants :

- Forte densité linéique de fracturation : car elle favorise l’infiltration et la

circulation des eaux souterraines ;
- Niveaux piézométriques faibles : car elles correspondent aux zones où les eaux vont
s’écoulées pour s’accumuler en saison d’étiage. Donc par conséquent l’eau dans ces
zones sera perrerine peu importe la saison.

L’application de ces deux critères, nous a permis ainsi d’établir une zone favorable
(rectangle en couleur violet sur la figure 25). En vue d’une implantation encore plus précise il
serait nécessaire de positionner les points d’eau au niveau de l’intersection des fractures car la
perméabilité y est plus importante

3.2.4. Validation croisée et choix de la méthode

La validation croisée est fréquemment utilisée dans la géostatistique (Clark, 1986). Elle
permet de comparer l'impact des différents modèles et de choisir un seul pour l’estimation. Son
principe consiste à réestimer les valeurs niveau piézométrique. Dans le cadre de ce mémoire,
nous avions 69 données avec lesquelles nous avons réalisé deux cartes en utilisant deux
méthodes d’interpolations différentes. Pour valider notre modèle, nous avons extrait 10 données

57
que nous avons nommé Z(NP), ensuite nous avons modélisé par krigeage le niveau
piézométrique à l’aide des 59 données restantes. Le modèle obtenu a été ensuite

Figure 25 superposition carte densité de fracturation carte krigé

58
Discussion
La réalisation de certains paramètres tels que les logs va permettre d’avoir des
informations sur l’épaisseur de l’altérite qui est un potentiel réservoir d’eau souterraine. Cette
étude souffre d’une absence de débit de forage. La validation de la carte des zones à potentialité
aquifère mériterait d’être améliorée en utilisant des données de forages récents, en faisant une
étude hydrodynamique sur au moins deux ans, en caractérisant la porosité de la nappe aquifère
de Meiganga. Il sera aussi primordial de faire une étude poussée sur la qualité de l’eau. (Jourda,
2005) préconise la méthode de codification. Malgré tout, la manière la plus fiable de valider la
carte thématique de potentialité aquifère consiste à implanter de nouveaux forages dans chaque
zone pour laquelle la carte thématique indique une classe de potentialité donnée et vérifier la
productivité de ces ouvrages. Cela nécessite donc de disposer de suffisamment de moyens.

La carte thématique des zones à potentialité aquifère représente un outil d’aide à la prise
décision, qui permet de s’affranchir de la phase de prospection stratégique. Elle débouche
directement sur une prospection hydrogéologique tactique qui permet d’exclure une partie du
territoire à prospecter et de sélectionner les secteurs à potentiel aquifère prometteur.

La concordance entre alignement des ouvrages de captages et certains linéaments

cartographiés montre que ces linéaments sont des fractures. Ce qui confirme qu’en milieu de
socle cristallin, seules les fractures sont les véritables couloirs d’eau souterraine. Ces résultats
sont en accord avec ceux de (BIEMI, 1992) ; (SAVANE et al., 1995) ; (LASM, 2000) ; (LASM
et al., 2004). Les nœuds de fractures et les fractures de taille kilométrique sont les zones
favorables pour les gros débits. La direction majeure coïncide avec les directions d’écoulement.

59
Conclusion générale

L’étude réalisée dans le cadre de ce travail vise à utiliser les méthodes d’interpolation
géostatistiques pour identifier les zones favorables à l’implantation des forages productifs.

Dans cette étude, une modélisation géostatistique a été appliquée sur les valeurs niveau
piézométrique recueillies sur un ensemble des ouvrages de captages repartis dans la nappe
aquifère de Meiganga. Elle présente une application qui prend en compte la normalité
nécessaire des données pour une meilleure estimation par krigeage et simulation conditionnelle.
Ainsi, une analyse variographique a été effectuée pour évaluer le comportement
hydrodynamique de la nappe aquifère de Meiganga. La carte des erreurs d’estimation obtenue
par cette étude fourni des orientations pour la sélection de nouveaux sites d'observation afin
d’améliorer la qualité de l’estimation. L’interpolation par krigeage simple et simulation
conditionnelle, avec le modèle sphérique isotrope et modèle gaussien a donné une prédiction
d’une moyenne d’erreur proche de zéro. Le champ du niveau piézométrique montre que les
fortes valeurs localisées dans la zone Nord de la carte.

La carte piézométrique réalisée révèle une zone de dépression piézométrique et un dôme

piézométrique. La présence du dôme piézométrique permet de conclure que, les altérites
présentes à ce niveau ont de très bonnes propriétés conductrices. L’analyse de cette carte a
permis d’identifier deux sens d’écoulements : NW-SE à partir du dôme jusqu’à l’aval du profil
piézométrique, W-E à l’Est de Pitoa et du campement.

Le couplage des linéaments structuraux, déterminés à partir des images Landsat Oli8 et
la localisation des ouvrages de captage a permis d’identifier les fractures susceptibles d’être
vectrices d’eau souterraine ou de constituer des réservoirs d’eau. Ces images révèlent les
directions majeures des fractures (N137,5E) qui concorde avec le sens d’écoulement NW-SE.
Cet ensemble mis en correspondance avec les zones à potentialité aquifère a permis
l’identification des sites les plus aptes à l’implantation de forages productifs

Cet outil se présente comme un instrument d’orientation, capable de faciliter les

décisions et d’indiquer les directions de recherche en matière de prospection hydrogéologique.
La localisation précise des forages et la détermination des débits d’exploitation les plus adaptés
devrait faire converger l’ensemble de la méthode vers un véritable outil d’aide à la décision en
matière de gestion des ressources en eau.

Dans le but de compléter ces travaux et d’étendre le domaine de recherche, il est nécessaire de :

60
- Faire une analyse chimique des eaux
- Faire des mesures piézométriques au niveau des forages,
- Faire une analyse géostatistique des paramètres hydrodynamiques tels que la
conductivité hydraulique, la transmissivité, le débit de la nappe et le débit
d’exploitation
- Faire une évaluation géostatistique de la porosité des altérites

61
Bibliographies

A.A. Ganwa, les grnitoides de Méiganga : etude petrographique, géochimique, structurale et

géochronologique. Leur place dans la chaine panafricaine. Thèse d’Etat ès sciences
naturelles université yaoundé 2005 : (162p.)
Acworth RI. 1987. The development of crystalline basement aquifers in a tropical
environment. Quarterly Journal of Engineering Geology and Hydrogeology 20 (4):
265–272.
Baillargeon, Le krigeage : revue de la théorie et application à l’interpolation spatiale de
données de précipitations, mémoire pour l’obtention du grade (M.Sc.). Universite
Laval, 2005.
Beimi J.(1992) : Contribution à l’étude géologique, hydrogéologique et par télédétection des
bassins vesants subsahéliens du socle précambrien d’Afrique de l’Ouest :
hydrostructurale, hydrodynamique, hydrochimie et isotopie des aquifères discontinus
de sillons et aires granitiques de la haute Marahoué ( Cote d’Ivoire). Thèse Univ.
Natio. Cote d’Ivore, 493p.
B.Bessoles,M. Trompette Geologie de l’Afrique : la chaine Panafricaine, « Zone mobile
d’Afrique centrale (partisud) et Zone mobile soidanaise », M em. BRGM, n°.92, 1980
B.Bessoles,M. Lasserre, le complexes de base du cameroun, Bull.Soc. Geol France (7), 19 (5)
(1977) 19092-1805
B.B. Brito Neves , M.C. Campos Neto, W.R.Van Shums, E.J. Santos O’sistema Pajeù-
Pparaiba’ e o Macico SaoJosé Compestre no l’este da Borborema Rev. Bras.Geosc.31
(2001) 173-184.
Bouaamlat, Abdelkader Larabi Mohamed Faouzi Etimation de la conductivité hydrolyque de
la nappe de Tfilalet par analyse géostatistique (SUD-EST du Maroc), 2015
Carte du cameroun, BRGM, 1972
C.castaing, J-L. Feybesse, D. Thieblemon, C.thiboulet, P.Chèvremont, Palcogeographical
reconstruction of the Pan-african/Brasiliano orogen : closure of oceanic domain or
intrcontinental convergence between major blocks ? Precambr.Res. 69 (1994) 327-
344.
Castany G. 1982. Principes et méthodes de l’hydrogéologie. Bordas, France
Chao WC, Chen B. 2001. The origin of Monsoons. Journal of the Atmospheric Sciences
58 (22): 3497–3507.
Courtois, N., Lachassagne, P., Weng, Ph., Theveniaut, H., Wyns, R., Joseph, B., Laporte, P.
(2003).- Détermination de secteurs potentiellement favorables pour la recherche d'eau
souterraine à Cacao (Guyane).- Rapport BRGM/RM52758-FR
Courtois N, Lachassagne P, Wyns R, Blanchin R, Bougaïré FD, Somé S, Tapsoba A. 2009.
Large scale mapping of hard rock aquifer properties applied to Burkina Faso. Ground
Water 48 (2): 269–283.

62
Dewandel, B., Lachassagne, P., Wyns, R., Maréchal J.C., Krishnamurthy N.S. (2006).- A
generalized 3-D geological and hydrogeological conceptual model of granite aquifers
controlled by single or multiphase weathering.- Journal of Hydrology 330, 260-284.
Gustafsson P. 1994. Spot satellite data for exploration of fractured aquifers in a semi-arid
area in southeastern Botswana. Applied Hydrogeology 2 (2): 9–18.
Guihéneuf N. 2014. Structure des écoulements et propriétés de transport des aquifères
cristallins fracturés et altérés : Application au site de Choutuppal (Inde du Sud). Thèse
de doctorat, Université Rennes 1, France.
Koudou, A., 2013. Conception d’outils d’aide à la décision pour la gestion intégrée des
ressources en eau dans un contexte de variabilité climatique : application à la sélection
des zones à potentialité aquifère et moins vulnérables à la pollution du bassin versant
du N’zi. Thèse Unique de Doctorat, Université Félix HouphouëtBoigny de Cocody
(Côte d’Ivoire), 211 p.
Koudou A., Adiaffi B., Assoma T.V. et al. 2013. Conception d’un outil d’aide à la décision
pour la prospection des eaux souterraines en zone de socle du Sud-Est de la Côte
d’Ivoire. Revue internationale de géologie, de géographie et d’écologie tropicale, 37,
211-226.
Jourda J.P.R. (2005) Méthodologie d’application des techniques de télédétection et des
systèmes d’information géographique à l’étude des aquifères fissures d’Afrique de
l’Ouest. Concept de l’hydrotechniquespatiale : cas des zones test de la Cote d’Ivore.
Thèse de Doctorat d’état, Univ. Cccody 403 p.
Koïta M. 2010. Caractérisation et modélisation du fonctionnement hydrodynamique d’un
aquifère fracturé en zone de socle : cas de la région de Dimbokro-Bongouanou (Centre
Est de la Côte d’Ivoire). Thèse de doctorat, Université de Montpellier 2, France
Krásný J, Sharp JM. 2007. Groundwater in fractured rocks: IAH Selected Paper Series.
CRC Press.
Krige, A statistical approach to some basic mine valuation problems on the Witwatersrand.
Journal of the Chemical, Metal lurgical and Mining Society, 1951.
Lachassagne, P., Marerchal, J.C., Amed, SH., Dewandel, B., gandolfi, ,J.M.,
Krishnamurthy, N.S., Subrahmany, K.&Wyns, R., 2005. Nouveaux outils et méthodes
pour gérer et protéger la ressource en eau souterraine des régions de socle.
Hydrosciences, 25 : 53-57.
Lasm T. (2000) : Hydrogéologie des réservoirs fracturés de socle : Analyse statistiques et
géostatistique de la fracturation et des propriétés hydrauliques. Application à la région
des montagnes de la Cote d’Ivoire Domaine Archéen. Thèse Univ. Poitiers, 272 p.
de Marsily G. 1981. Hydrogéologie quantitative. Masson, France.
Maréchal JC, Wyns R, Lachassagne P, Subrahmanyam K, Touchard F. 2003. Anisotropie
verticale de la perméabilité de l’horizon fissuré des aquifères de socle : concordance
avec la structure géologique des profils d’altération. Comptes Rendus Geoscience 335
(5): 451–460

63
Matheron, La théorie des variables régionalisées et ses applications. Les cahiers du centre de
morphologie mathématique de Fontainebleau, Fascicule 5, 1970.
Ricordel-Prognon C, Quesnel F, Thiry M. 2009. Les altérites : l’épiderme de la Terre.
Geosciences 9: 56–63.
Shahin M. 2003. Groundwater resources of Africa. In Hydrology and Water Resources of
Africa Springer Netherlands ; 509–563.
Savané I. (1997). Contribution à l’étude géologique et hydrogéologique des aquifères
discontinus du socle cristallin d’Odienné (Nord-Ouest de la Côte d’Ivoire). Apport de
la Télédétection et d’un système d’information hydrogéologique à référence spatiale.
Thèse d’État, Université de Cocody, Abidjan, Côte d’Ivoire, 396 p.
Singhal BBS. 2008. Nature of hard rock aquifers: hydrogeological uncertainties and
ambiguities. In Groundwater Dynamics in Hard Rock Aquifers, Ahmed S, Jayakumar
R, Salih A (eds). Springer Netherlands ; 20–39.
de Vries JJ, Simmers I. 2002. Groundwater recharge: an overview of processes and
challenges. Hydrogeology Journal 10 (1): 5–17.
Wright EP, Burgess WG. 1992. The hydrogeology of crystalline basement aquifers in Africa.
Geological Society Special Publication 66: 1–27.
Wyns, R., Baltassat, J.M., Lachassagne, P., Legchenko, A., Vairon, J., Mathieu, F. (2004).-
Application of SNMR soundings for groundwater reserves mapping in weathered
basement rocks (Brittany, France).- Bulletin de la Société Géologique de France, 175,
(1), 21-34

64
ANNEXES
Eléments de la théorie des variables régionalisées (VR)

a. Base conceptuelle
Le terme régionalisé a été proposé par Matheron (1965) pour qualifier un phénomène se
déployant dans l’espace et/ou dans le temps et y manifestant une certaine structure. Une variable
caractérisant un tel phénomène est appelée : variable régionalisée (VR). En fait presque toutes
les variables descriptives du sous-sol ou de l’atmosphère, donc intéressant le cycle de l’eau,
peuvent être considérées comme des VR (Delhomme ,1976). Du point de vue mathématique,
une VR est simplement une fonction Z(x) donnant la valeur au point x de l’espace, 1, 2, 3
dimensions, d’une caractéristiques Z du phénomène naturel étudié.

Mais la variabilité dans l’espace de cette fonction est le plus souvent très irrégulière et très
complexe (avec toutes sortes de discontinuité et d’anisotropie) interdit en pratique l’étude
directe de la fonction Z(x).

b. Concept de la fonction aléatoire

Une formalisation correcte doit prendre en charge ces deux caractères apparemment
contradictoires d’une V.R à savoir :

- Un aspect local erratique, aléatoire, qui fait appel à la notion de variable aléatoire ;

- Un aspect général structuré, qui fait appel à une certaine représentation.

Le langage qui permet de rendre compte de ce double aspect : aléatoire et structuré, est le
langage probabiliste des fonctions aléatoires.

Inférence statistique dans le cadre de l’hypothèse intrinsèque

L'hypothèse que l'on formule couramment dans la théorie des F.A est celle de sa stationnarité.
La stationnarité d'un phénomène exprime son homogénéité spatiale qui fait qu'il se répète lui-
même en quelque sorte dans l'espace. Une F.A est dite stationnaire si sa loi de probabilité est
invariante par translation. Donc, la V.R Z(x) se répétant elle-même dans l'espace fournit d'une
certaine manière, l'équivalent de plusieurs réalisations de la même F.A Z(x) permettant alors
l'inférence statistique.

En pratique la géostatistique ne s'intéresse à la F.A Z(x) qu'à travers de ses deux seuls premiers
moments

Moment et stationnarité
a. Moment d'ordre 1 : Espérance mathématique :

65
Considérons la V.A 𝑍(𝑥) au point x, si sa loi de distribution admet une espérance; alors elle
sera en général une fonction de x et s’écrit :

𝐸{(𝑥)}𝑍 = 𝑚(𝑥)

b. Moment d'ordre 2 :
 La variance : quand la variance existe, elle est définie comme le moment d'ordre 2
centré autour de l'espérance m(x) de la V.A 𝑍(𝑥) soit:

𝑉𝑎𝑟{𝑍(𝑥)} = 𝐸{[𝑍(𝑥) − 𝑚(𝑥)]2 }

 La covariance : considérons deux implantations 𝑥1 ,𝑥2 on démontre que si les deux

variables aléatoires Z(𝑥1 ) et Z(𝑥2 ) ont des variances, elles ont aussi une covariance qui
est fonction des deux implantations 𝑥1 et 𝑥2 , on note:

𝐶(𝑥1 ,𝑥2 ) = E {|𝑍(𝑥1 )−𝑚(𝑥1)| | 𝑍(𝑥2 )−𝑚(𝑥2 )|}

1.3.3 L’hypothèse de Stationnarité

La covariance apparaît ainsi comme une fonction dépendant simultanément des deux
implantations 𝑥1 et 𝑥2 . S’il on était effectivement ainsi, l’inférence statistique de cette fonction
requiert plusieurs réalisations du couple de variables aléatoires { 𝑍(𝑥1 ) ; 𝑍(𝑥2 )}. Par contre si
cette fonction ne dépendait que du vecteur ℎ = 𝑥1 − 𝑥2 , alors l’inférence statistique
redeviendrait possible : tous les couples { 𝑍(𝑥𝑘 ), 𝑍(𝑥𝑘′ )} dont l'inter distance (𝑥𝑘 − 𝑥𝑘′ ) est
égale au vecteur h pourraient être considérés comme des réalisations différentes du couple de
variable aléatoire { 𝑍(𝑥1 ) ; 𝑍(𝑥2 )}.

a. Stationnarité d’ordre 2
En fait, dans la théorie des variables régionalisées, on se limite généralement à faire l’hypothèse
de la stationnarité d’ordre 2, dans laquelle on impose seulement aux deux premiers moments
de la loi (cités précédemment) d’être invariants par translation c'est-à-dire que :

 L’espérance mathématique soit une constante :

𝐸[𝑍(𝑥) = 𝑚(𝑥) = 𝑚; Indépendante de x

 La covariance entre deux points 𝑥1 et 𝑥2 existent et ne dépend que de l'interdisant h.

On note alors:
𝐶(ℎ) = 𝐸[𝑍(𝑥) − 𝑚] [𝑍(𝑥 + ℎ) − 𝑚]

𝐶(ℎ) = 𝐸{𝑍(𝑥 + ℎ) 𝑍(𝑥)} − 𝑚2 ; 𝑥̈

66
L’hypothèse de stationnarité est très forte, celle suppose l’existence d’une covariance et donc
d’une variance à priori finie. Or cela se vérifie très rarement étant donné qu'il existe des
phénomènes physiques et aussi des fonctions aléatoires (F. A) dont le pouvoir de dispersion est
infini, ce qui peut la rendre trop restrictive.
En conséquence, on peut affaiblir légèrement l’hypothèse de stationnarité en l’existence du
variogramme.

b. L’hypothèse Intrinsèque
On se contentera donc de faire l’hypothèse que pour tout vecteur h, l’accroissement 𝑍(𝑥 + ℎ) −
𝑍(𝑥) possède une espérance mathématique et une variance indépendante du point x.

On supposera ainsi :

𝐸[𝑍(𝑥 + ℎ) − 𝑍(𝑥)] = 0

𝑉𝑎𝑟[𝑍(𝑥 + ℎ) − 𝑍(𝑥)] = 2 𝛾(ℎ) ; 𝑥̈

Dans ce cas, on dira d’une F.A satisfaisant cette hypothèse, est une fonction aléatoire
intrinsèque.

La fonction 𝛾(ℎ)s’appelle " demi-variogramme " mais appelée communément variogramme.

c. Hypothèse pratique de travail

Il faut noter aussi que parfois l’hypothèse intrinsèque n’est pas vérifiée sur toute l’étendue
de l’espace du phénomène étudié, alors on se contente uniquement d’une hypothèse minimale
"quasi-intrinsèque" où la stationnarité des accroissements est localement vérifiée pour des
distances "h" inférieur à une limite "a", et on définit ainsi des voisinages glissants à l’intérieur
desquels l’espérance et la covariance (ou variogramme) peuvent être considérées comme
stationnaires et où l’information disponible est suffisante pour en faire l’inférence
(Journel,1977) .

On voit ainsi comment on a affaiblit successivement l’hypothèse de stationnarité à

l’hypothèse intrinsèque puis à l’hypothèse quasi-intrinsèque (qui ne suppose que l’existence du
variogramme).

Types de simulation

La simulation non-conditionnelle

Une méthode de simulation non-conditionnelle vise à produire des champs montrant la même
structure spatiale (variogramme) et le même histogramme que ceux inférés à partir des données

67
observées. Lorsqu’on applique l’algorithme de simulation correspondant à une méthode
donnée, on obtient une réalisation. On peut appliquer l’algorithme autant de fois que l’on veut
et obtenir ainsi plusieurs réalisations. Les réalisations sont indépendantes les unes des autres.

La simulation conditionnelle

Une méthode de simulation conditionnelle vise les mêmes objectifs que la simulation non-
conditionnelle mais, en plus, elle doit assurer que chaque réalisation soit compatible avec les
valeurs observées aux points échantillons. Ainsi, si on simule une valeur en un point coïncidant
avec une observation, il faut que la valeur simulée soit égale à la valeur réellement observée
(Marcotte, 2003)

Procédure de calcul du variogramme

Tableau 1 rapports statistique densité de fracturation

68
69