ACADEMIE DE MONTPELLIER

UNIVERSITE DES SCIENCES ET TECHNIQUES DU LANGUEDOC

DIPLOME D"ETUDES APPROFONDIES

OPTION: SCIENCES DE L"EAU ET AMENAGEMENT

LA METHODE DU GRADEX
APPLICATIONS PRATIQUES
ETUDE A PARTIR D-UN GENERATEUR
STOCHASTIQUE DE PLUIE MOVENNE ET D-UN
MODELE PLUIE DEBIT GLOBAL

PAR

V.a.d.h ZAHAR

Soutenu le 10 octobre 1986

DEVANT LA COMMISSION D"EXAMEN

M.C. BOCQUILLON Président

M.M. GOENAGA
M.T. LEBEL
M.B. POUYAUD
M.M. SLIMANI

U S T L ORSTOM

Laboratoire d"Hydrologie Institut Français de

Mathé.atique Recherche Scientifique- pour
le Développe.ent en
Coopération
Ce travail, je le dédie à mes
parents et à toute ma famille.
 REMERCIEMENTS

Je tiens exprimer ma reconnaissance à toutes les

personnes qui m'ont entouré au département d'hydrologie de
l'ORSTOM et ont permis que cette étude soit menée à bien.

Mes remerciements s'adressent en particulier

Monsieur P. Ribstein~ responsable de la formation qui a suivi
cette étude avec intér~t et qui m'a constamment assisté pour
que ce travail soit mené terme dans les meilleures
conditions.

J'adresse mes remerciements les plus sincères

Monsieur T. Lebel qui a accepté de diriger ce travail, pour la
confiance qu'il témoigné et pour le temps et l'énergie
qu'il m'a consacré.

Je sais infiniment gré à Monsieur c. Bocquillon

d'avoir accepté d'assurer la présidence de mon jury.

Je remercie également Monsieur B. Powyaud d'avoir bien

voulu s'intéresser à ce travail et d'avoir accepter d'?tre mem-
bre de mon jury, de m~me que Monsieur M. Goenaga.

Mes remerciements s'adressent également à Monsieur M.

Slimani pour le soutien et les encouragements qu'il a bien
voulu me témoigner.

Je termine par une pensée amicale à tous les amis de

Montpellier qui m'ont constamment assisté, en particulier
Naoufel et Kaouther, Sofiane, Nathalie, Habib, Fethi, Annie et
Kamel.
à Toutes et à Tous ... Merci
 SOMMAIRE

INTRODUCTION

CHAPITRE UN : Présentation succinte des différentes méthodes

d~évaluation des débits extrêmes

A - LES PROCEDES EMPIRIQUES

1 - La méthode historique
2 - Les méthodes utilisant les caractéris-
tiques du bassin versant
3 - Les méthodes des courbes enveloppes

B - LES METHODES STATISTIQUES BASEES SUR L~ANALYSE DE

LA FREQUENCE DES CRUES

C - LES METHODES HYDROMETRIQUES BASEES SUR LA RELATION

DE CAUSE A EFFET PLUIE - DEBIT

1 - Les méthodes analytiques

2 - La méthode statistique

CHAPITRE DEUX : La méthode du Gradex pour la prédiction de

crues de fréquence rare:

A - HYPOTHESE PROBABILISTE.

B - HYPOTHESE DETERMINISTE
CHAPITHE TROIS Applications pratiques de la méthode du Gradex

A - MISE EN OEUVRE DE LA METHODE DU GRADE X

1 - Choix du pas de temps

2 Passage du débit journalier maximal
annuel au débit de pointe
3 - Coincidence de la loi des débits avec
la série des valeurs extr~mes de
c1éb i tS:ï obsE::','i':!::s;
4 Passage de la pluie ponctuelle à la
pluie moyenne d"un bassin
5 Estimi.~t:i.o'lÏ du par'amètr'e "e:?," gr'acli."?ïït

des valeurs extr~mes

B - PERSPECTIVES ENVISAGEABLES POUR LE DOMAINE

D'APPLICATION :

1 - Validité du comportement exponentiel de

la fréquence des précipitations pour
d"autres types de climats
2 Affectation de la méthode à de grands
bë:'1.SS i ·I-'~~

3 Validité de la méthode du Gradex è des

bassins perméables.
CHAPITRE QUATRE : Le modèle de génération stochastique de pluie
moyenne

A - PRINCIPE DE GENERATION STOCHASTIQUE DE PLUIES

MOYENNE

1 - Le point de départ
p lui.E:~ ponc:tuE?llE~

2 - Le générateur de pluie moyenne

3 - Passage aux saisons

B - CONCLUSION SUR LE MODELE DE GENERATION STOCHASTI-

QUE DE PLUIE MOYENNE HORAIRE

CHAPITRE CINQ Passage dps pluies aux débits

A - LE POTENTIEL D'INFILTRATION D'UN BASSIN VERSANT

B - LES MODELES D'INFILTRATION

1 - Modèle à réservoir de pente constante

à l'or i. 9 i. nE'
2 - Modèle à réservoir de pente variable
8. J.' cq- ig i. ne
~ - La fonction de transfert
4 Valeurs des paramètres
CHAPITRE SIX : Choix du pas de temps et étude du rapport R
(débit de pointe / débit moyen)

A - CHOIX DU PAS DE TEMPS

B - ETUDE DU RAPPORT R ET CALCUL DU COEFFICIENT DE

PASSAGE R

C - ESTIMATION DU DEBIT DE POINTE

D ESTIMATION DU DEBIT DE POINTE POUR UNE FREQUENCE
DONNEE

CHAPITRE SEPT Etude de la rétention et de la distribution

conditionnelle des pluies efficaces

A - SENSIBILITE DU MODELE AU PARAMETRE SMAX

B - ETUDE DE LA DISTRIBUTION DE LA RETENTION

C - ETUDE DE LA DISTRIBUTION CONDITIONNELLE DES PLUIES

EFFICACES

D - ETUDE DE LA DISTRIBUTION EXPERIMENTALE DES

VALEURS MAXIMALES SAISONNIERES DE DEBIT

CONCLUSION

BIBLIOGRAPHIE
INTRODUCTION
INTRODUCTION

On sait l"intér@t fondamental qu"attache l"homme à

l"évaluation des catastrophes naturelles et à sa protection
contre leur soudaineté et leur rare violence.

Hélas tremblements de terre, éruptions volcaniques,

inondations etc. n"épargnent toujours pas notre planète, et
provoquent encore des dégâts importants, souvent inestimables
en matériel et en Vles humaines ...

C"est dire l"intér~t du problème dont on conçoit bien

les incidences économiques, tant au niveau des villes, qu"en
région rurale.

En effet, prenons le cas des villes; l"histoire des

civilisations montre que l"implantation des cités s"est faite
là o~ il y a de l"eau (au bord des cours d"eau, à la limite des
zones d"épandage, dans les cuvettes etc ... ) Il Y a par consé-
quent une concentration importante en vies humaines, en équipe-
ments et en infrastructure des villes à sauvegarder des risques
d"inondation.

Dans les zones agricoles, le problème n"est pas moins

grave, et mis part le cas rare o~ les inondations peuvent
~tre bénéfiques cultures <rizières etc ... ) sans causer de
dégâts importants, i 1 est indispensable dans tous les autres
cas de prévoir des aménagements de protection contre les inon-
dations.

Pour prévoir les crues dommageables, les hydrologues

ont mis au point un certain nombre de méthodes, dont aucune n"a
la prétention universelle. Chaque cas d"application a
ses particularités, et les informations dont disposent les hy-
drologues présentent des caractéristiques différentes. Elles

- 2
sont de fiabilité parfois douteuse, et de durées plus ou mOins

La ïï!fi~thode (GUILLOT & DUBAND : 1967) sans

POUï" autant être révolutionnaire, présente une approche nouvel-
1(:'.- dt.!. Elle s'appuie sur deux constatations que nous
pouvons admettre aisément

- Les grandes crues sont dûes à des pluies intenses.

- La rétention du bassin versant n~est pas illimitée.

Comme toute autre méthode, elle présente des avanta-

ges, et trouve aUSSI ses limites.

Dans le présent rapport de mémoire de D.E.A., consacré

précisément a la méthode du GRADEX, nous nous sommes proposés
de travailler sur les valeurs extr~mes de précipitations et la
prédétermination des volumes de pointe de crue qui est à la
base du dimensionnement d'un grand nombre d'ouvrages du Génie
Civil, notamment ceux destinés à l'aménagement des cours d"eau.

Notre étude s'organisera autour d'un modèle de simula-

tion composé d'une part d'un générateur stochastique de pluies
moyennes horaires, qui permettra la simulation des précipita-
tions, et d'autre part d'une fonction de production (passage
des pluies brutes aux pluies efficaces) et d'une fonction de
transfert <passage des pluies efficaces aux débits).

Cette technique a la particularité de ramener les phé-

nomènes comple:-:es de la natu\-E:: è. dl,? simplE":~':; "s.;chématisatioïls"
qui tenteraient de reproduire aussi fidèlement que possible les
processus physiques en références. Une telle approche à partir
de données simulées ne peut prétendre apporter des réponses sur
la validité intrinsèque de la méthode de Gradex, mais elle per-
mettra d"étudier quelques propriétés d'échantillonnage d'une

._- :3
part et certains aspects de mise en oeuvre pratique d'autre
part.

- 4
 »

CHAF" I i R E UN

PRESENTATION SUCCINCTE DES DIFFERENTES

METHODES D'EVALUATION DES CRUES EXTREMES
CHAPITRE UN

PRESENTATION SUCCINCTE DES DIFFERENTES METHODES D'EVALUATION

DES CRUES EXTREMES

Les crues sont liées à deux paramètres, hauteur d'eau,

et débit de crus. Ces deux paramètres sont fluctuants dans le
temps et dans l'espace, ils dépendent de plusieurs facteurs, de
nature hydrologique, hydraulique, topographique etc ...

Les méthodes utilisées pour la prédétermination de

crue, permettent à l'ingénieur d'exploiter rationnellement tel-
le ou telle catégorIe de données (souvent incomplètes) dont il
dispose. Ces méthodes sont utilisées généralement seules mais
parfois concurremment, la synthèse de divers modes d'estimation
pouvant donner des résultats plus sars, qui ne risquent pas
d'exagérer ou de sous-estimer les risques encourus.

L'objet du présent chapitre est de présenter briève-

ment les principales méthodes. Nous nous contenterons d'en es-
qUIsser les principes en insistant principalement sur celle
d'entre elles qui fera l'objet des recherches de ce mémoire de
D.E.A.

Nous distinguons

- les procédés empiriques.

les méthodes statistiques basées sur l'analyse de la

fréquence des crues.

les méthodes hydrométriques basées sur une relation

de cause à effet pluie - débit.

- 6
A LES PROCEDES EMF" IR I Q U E S

1 - LA METHODE HISTORIQUE :

Cette méthode repose sur le résultat enregistré à la

<::;uite dE~ la plus forte crue connue dans un passé plus ou moins
long.

.\.
c:'. cet effet des repères (officiels ou
non) indiquant sur les ouvrages d'art ou bâtiments riverains,
les hauteurs d'eau atteintes par la rivière au cours des crues
antérieures, on dépouillera les vieilles archives éventuelle-
ment, et les chroniques locales.

LJne -fois l'enqu~te terminée, on fait un examen criti-

que des différentes données (de valeurs souvent très inégales)
le débit

du débit obse . - vé pa'l- un "coefficient de sécurité"

dont l'estimation est subjective (elle peut dépendre du régime
du COU'I-S d :' eê.'U, de la durée des observations disponibles, du
régime pluviométrique de la région ••. ).

Ce genre de méthode a été utilisé en France jusqu'à

ces dernières décades. Elle continue à âtre appliquée dans les
régions o~ on ne dispose pas de données suffisantes pour utili-
ser des méthodes plus modernes.

Cette méthode permet aussi de donner des ordres de

grandeur des valeurs de crues exceptionnelles, et éventuelle-
ment la révision des calculs établis par d'autres procédés.

Toutf:::'fois f211E~ t"-OUVE? f3E~S limites par le caractère

très aléatoire des valeurs qu'elle fournit. La variation des
conditions d'écoulement (évolution au cours du temps du profil

- 7
en long du cours d'eau, aménagements nouveaux etc ... ) ne fait
qu'augmenter les imprécisions.

2 - METHODES UTILISANT LES CARACTERISTIQUES DU BASSIN

VERSANT

L'absence d'observations hydrométriques de longue du-

rée sur de nombreux cours d'eau a suscité l'établissement de
très nombreuses formules pour le calcul du débit maximum de
crue probable d'après les caractéristiques essentielles du bas-
sin considéré (superficie, pluviométrie, fréquence des
crues ... )

A ce titre nous pouvons citer la formule de MYER qui

fait intervenir uniquement l'aire du bassin versant pour déter-
miner la valeur du débit (REMINIERAS 1976). D'autres formules
font intervenir le régime pluviométrique du bassin ou l'inten-
sité de la pluie: formule de TURRAZA (REMINIERAS : 1976).

Les formules que nous venons de citer ne précisent pas

la fréquence du débit de crue qu'elles permettent de calculer,
ce qui est g~nant pour le concepteur qui conçoit des disposi-
tifs de sécurité pour une période de retour donnée. Nous trou-
vons par conséquent d'autres formules qui font intervenir ce
paramètre supplémentaire formule de FULLER (REMINIERAS:
1976).

Notre but n'est pas de rentrer dans les détails de

chaque formule, qui sont d'ailleurs développées dans la litté-
rature, toutefois nous ~enons à dire que d'une manière générale
ces formules présentent l'avantage de donner sous une forme
simple le résultat d'un calcul hydrologique rationnel. Mais on
ne peut sans vérification, les extrapoler à des régions topo-
graphiquement et climatiquement différentes de celles pour les-
quelles elles ont été établies. Il arrive souvent que pour une
m@me valeur des paramètres pris en compte, ces formules condui-

- 8
sent à des résultats très différents.

3 - METHODES DES COURBES ENVELOPPES :

Il s'agit d'un procédé graphique qui condense les ren-

seignements disponibles sur les crues, survenues dans le passé
sur un ensemble de bassins versants. On reporte sur un graphi-
que à échelle logarithmique les débits des plus fortes crues en
fonction des aires des bassins versants correspondants. On tra-
la suite l'enveloppe du nuage de points ainsi représen-
tées qui peut ~tre ajusté par une courbe analytique.

CE-?',ti:?\i.nes dEe ces

une région particulière dont les bassins sont autant
que possibles homogènes: voir figure 1.

10000
)(
~
-
o
E~
.-
x==
.. ...
o E
E ~ 1000
..... r,.. Cou,...b9 E'nvE'loplX'. q. 6300 A"'~
o
VI :>
41
::J
:r
o-U. 50" dll' l'E'nv.lopp.~
'- ~
.........
~~o. ....
î . ,~

. ..
_
100
:'. :
. ~ 1....
VI.!.!
.D g
.-=
VI :J
U .
~~
O'-J
. .
"
.". "
.....
~-. . ..
10 . 1'-1.

1 10 100 1000 10000 100000

A _SupE'rficiE' dE"S bassins vE"rsants (E'n !oqUOf"'E' milE'!o),

- Courbes-enveloppes des dëbils de crue maxima pour les bassln! du sud et du lud-est
t:!cs Etats-Unis

Fi gUl-€0 1
(d'après REMINIERAS 1976)

-.. 9
 ;;

ont essayé de donner un caractère

des crues maximales observées dans le monde" CFRANCOU ET RODIER

1967)

Comme la méthode historique, les méthodes des courbes

r::~nvf.? l 0 P P f.?C,:; ~::;o nt utiles dans les régions 00 on dispose de très

Mais les années passent et de nouveaux records sont

homologués, on ne cesse donc de réajuster les courbes envelop-

caractéristiques (topographiques, morphopédologiques ... l

catégorie de méthodes repose sur

l'emploi d'informations globales provenant d'un certain nombre
de bassins réputés plus ou moins analogues pour une méthode
considérée. On a vu qu'elles étaient particulièrement adaptées
aux cours d'eau sur lesquels on possède peu de données. Ces
méthodes rendent de grands services dans plusieurs régions
d'Afrique, dans les îles de l'océan Indien et du Pacifique ...

B LES METHODES STATISTIQUES

BASEES SUR L"'ANALVSE DE LA
FREQUENCE DES CRUES -

Dans le cas o~ les données sont nombreuses, une autre

le problème est de s'attacher à utilise~ au
maximum les relevés de débits de la station pour laquelle on
cherchera à faire de la prédiction de crue.

Le principe de ces méthodes est d'ajuster une loi de

de débits observés au préalable, et è extrapoler la courbe ain-

-- :L 0
si obtenue pour estimer la crwe d'occurence centenale~ mill~na­
le~ décamill~nale•..

F'our' obte:'nil- une sé'l-ie "homogèïïe" il y aur-a lieu~ tout

d"abord, de critiquer les données pour éliminer les valeurs
notoirement erronées DU pour tenir compte des modifications
apportées par l"homme à l'écoulement <aménagements nouvellement
réalisés). Le problème suivant est d"ajuster une loi théorique
de probabilité à la série retenue. Cette loi devra représenter
aussi fidèlement que possible les résultats expérimentaux.

on choisit à priori l"une des lois sui-

\/èt.ritt.?S : GAUSS, GUMBEL, PEARSON, FRECHET etc ... Dont le fonde-
ment théorique et l"emploi sont explicités dans divers manuels
classiques d"hydrologie ( RE~1 l ~\I l ERAS 1976, ROCHE 1963,
l'1ASSON : 1983).

La figure 2 représente le comportement dans les gran-

des valeurs des diverses formes analytiques de fonction de ré-
partition; on a indiqué les parties principales des fonctions.

- il -
 x
échelle _ --Fréchet
des - eU type II de Fisher Tippett
valeurs

1
u

--- -- --
--
" -
~1 = -L( -LF)
-5c:1'~lle transformée des prooabil.ités

Fi gL.ll-e 2
«(j , apn~~s GU l LLDT 1981)

On peut constater sur ce schéma, que des lois ayant

des comportements voisins dans la partie inférieure de la dis-
tribution, divergent par la suite largement. Le risque encouru
en sélectionnant une loi plut6t qu'une autre est donc d'extra-
poler de faÇon hasardeuse à partir d'observations ne concernant
que des fréquences moyennes.

Ce type de méthode pourrait ~tre utilisé chaque fois

que l'on disposerait d'une série homogène d'observations de
débits relative à une période aussi longue que possible.

_. 12 _..
C LES METHDDES HVDROMETEOROLOGI-
QUES BASEES SUR LA RELATION DE
CAUSE A EFFET PLUIE-DEBIT =

On ne dispose pas toujours de renseignements hydromé-

triques suffisants sur les bassins versants à étudier, pourtant
le principal facteur conditionnant l'écoulement est la pluvio-
mét:ï" i f.!"

Les mesures pluviométriques, contrairement aux mesures

di:~ débits qui sont (3.SSf:~Z délicates (changement du profil en
long du cours d'eau, aménagements nouveaux, matériel endommagé
lors des crUES violentes etc ... ) présentent l'avan-
tage d'~tre généralement, assez bien suivies.

Ces deux raisons font des mesures pluviométriques unE

information intéressante pour la prédétermination des crues ...

1 - LES METHODES ANALYTIQUES

Le principe consiste à introduire les précipitations

dans un "schéma mathématique" (plus ou moins comple:-:e) tentant
de reproduire le processus physique de l'écoulement.

L'intér~t de ce type de méthodes est d'utiliser l'in-

"fonnatiorl pluviométrique et pal- une "fonction de tl-ansfel-t" la
transformer en débit. Ainsi la référence à un mécanisme physi-
que permet d'évaluer assez précisément le débit maximum corres-
pondant à une averse donnée.

Sans vouloir rentrer dans les détails de mise en oeu-

vre des différentes méthodes analytique~ qui du reste sont très
nombreuses (modèles de ruissellement, modèles à réservoir ... ),
nous retiendrons simplement que :

- 13 --
 * Le calage d'un modèle n'est pas une opération aisée,
et demande un certain temps avant que le modèle soit fonction-
"Ile 1 .

* Le modèle est calé sur des observations de pluies

certaine période de retour, il s'agit de savoir s'il
est possible de l'utiliser pour des crues ayant une période de
retour beaucoup plus élevée que celle retenue pour le calage.

* Les modèles sont difficilement extrapolables d'un

bassin versant à un autre, chaque bassin ayant ses propres ca-
ractéristiques d'écoulement.
D'autre part le changement des conditions d'écoulement
sur le bassin considéré (aménagements nouveaux, etc ... ) peut
porter préjudice au fonctionnement du modèle.

* El' i l est possible d'évaluer assez précisément et

gr"âc€::- ElU modèlE::- le débit maximum correspondant à une averse
donnée, le problème est ensuite d'affecter une probabilité au
débit ainsi obtenu.

2 - LA METHODE STATISTIQUE UTILISANT L'INFORMATION

PLUVIOMETRIQUE

GUILLOT & DUBAND ont proposé en 1967 une alternative à

l'utilisation des modèles, s'appuyant uniquement sur l'analyse
fréquentielle conjointe des séries climatologiques de pluies et
de débit C'est "la méthode du GRADEX" qualifiée par les au-
"solution simple, ~:n-<~tiquf:? qui as~mc:iE? des hypothèsf:?s
physiques élémentël"il-"€:!s".

Cette méthode est exposée dans le chapitre suivant.

-- 14 --
 i

CHAPITRE DEUX

LA METHODE DU GRADEX POUR LA PREDICTION

DE CRUES DE FREQUENCE RARE.
CHAPITRE DEUX

LA METHODE DU GRADE X POUR LA PREDICTION DE CRUES DE FREQUENCE

RARE.

La méthode du GRADE X vise à estimer des débits de crue

à partir des pluies, correspondant à des périodes de retour
très élévées : supérieures à 100 ans.

Cette méthode concerne des bassins versants de super-

ficie moyenne <de 0 à 5 000 km E environ) dont le terrain est
relativement imperméable, pour les régions de climat tempéré et
homogène.

Cette méthode repose sur deux hypothèses fondamen-

tales

- Une hypothèse probabiliste.

- Une hypothèse déterministe.

- 16 -
A HVPOTHESE PROBABILISTE =

La fréquence des pluies est à décroissance asymptoti-

quement exponentielle (du type exp-pla) qui se traduit sur le
graphique de GUMBEL par une droite de pente II_II
cl •

- Explicitons cette hypothèse

la plus forte hauteur pluviométrique

un intervalle de temps d'une période calendaire quel-
conquE~ de il est couramment admis que cette variable
aléatoire a une fonction de répartition qui tend pour les for-
tes valeurs de p vers la forme :

Fep) = 1 - exp (-u)

avec u = Cp - p') / a

a et p' étant des constantes positives.

Par ailleurs une loi fréquemment utilisée pour modéli-

ser la distribution des maxima pluviométriques est la loi de
GUMBEL, dont la fonction de répartition est de la forme :

F' ( p) = 1 - E-~ :.( p ( -u) -1- 1 /2 (t~;~ P ( -u) ) l'-'! •••

Ainsi lorsque p tend vers l'infini on a

F'(p) --> F(p)

- 17 -
 Cf=:C i implique que "SU\- le papi€"~r- à graduation de
GUt'lBEL" g\-adué en abscisse selon la variable u avec report des
valeLlI-·s; F (p) E,,:,t; F' <P ) en ordonnée, F<p) est asymptotique à
F~-'(p).

L'équation de l'asymptote est

p = ë~.U -1- b

- 18 --.
 - --'-'11'.'---7.' r

>.. uC"nlr~" r~dui, .. '" 0.78 U _O,CS

.001 .01 1 2 -' • 5 6 7 9 95 97 9. 99 995 .997.998 .999

70

· ~~-+I--I-+~H-!-H-H+l++-ttt+t-ttttii-++HtttftHmT-r-ti-P;,/'111
60 Hl--t-I--+++++-++H-++H-t+t+t-H-ttlti++-t-Htiiniffi-n:i":Y1-r-î1
'/

/
1 ri 1 1 1 v
V JP.iécisutition.c 1" ': .,

[~

v.
• II.
1

Ir:

T ' '0 1 ;laD s'on 1C'o<J T

P .001 .01 .1.2 ~.4 .s .6 J" .9 .95.97 .9ft .90 .995 .007 .9~ .000 P
u I.!!! l , ! •• 1•••• J! ••• 1! • , ! l , ! ! ! /, • , • J! ! ! ! ,. ! ! ! " ! •• J , , • .1 ! , , , " ! , ! 1. , ! Il,!,!,, , , ' I,! • ! , , ,! • 1 u
-ZoO -1.0 0.0 tO z.c J.O .ll 5.0 6D 7.0
X l, l' 1 " 1 I,I"",! l,,!, l" l' ,,! I! 1. 1 1 1 l, 1 l' l, " ,I!, l' l" 1 1 Il " , I ! , ! , l, 1 1« J X
-z.o -1.0 Ile . ,1.0 Z.O J.O •.0 5.0

Figùl-e 3
(d'après GUILLOT & DUBAND 1967)

L'adéquation dE-:: ob- loi. . est conf'orme aLl~'{

servations de précipitations maximales sur plus de 300 stations

f2n diverses régions de France. Ces observations ont été effec-
tuées pour les différentes saisons de l'année (GUILLOT & DUGAND
1967) •

Cette hypothèse semble aussi adoptée au:-:. E.U.

Afrique du Sud~ en Australie ... (GUILLOT & DU BAND 1967) •

D'autr'e pa·(·t l'étude de HERSHFELD & KDHLER (1960)~

selon GUILLOT DUBAND~ a montré que la loi de GUMBEL ajustée

-- 19 -
sur les maximums annuels constitue un bon modèle pour extra-
poler jusqu' aux pluies extr~mement rares.

baptisé Il GP?YOEXIl pë.il- GUILLOT t,

DUBPII'.ID (Cf? CI LI. i cor- r-esponcl ~?. Il gr ael i *::nt de :1.' E.~ )·:po nent i E! Il E? Il 1.:1 U

est égal à la pente de la

droite de GUMBEL.

Sa valeur est fournie par la série d'observations plu-

viométriques, il dépend de la situation géographique et de la

HVPDTHESE DETERMINISTE =

En période de hautes eaux, quand on s'approche de la

saturation du bassin, tout accroissement dp de la précipitation
produit un accroissement dQ du débit qui tend à devenir égal à
dp.

Débits /
/
Qo-- - - - - - - - . . ( , /"
/1 / ~..lt.
/ +' / _ de pfOllol>oljr.
/ + CGI'd.........,'" o,s
/ +
0.5

/ ~. :
~ ops,
/
Q
/

~:::"~~==::::::=- ...l. .....1_.. Pluies

o p

Fi. gU"l-e 4
(d'après GUILLOT & DUBAND 1967)

- c~o -
 i

La position df2 chë:\qu€=~ " coUl-be quantilique" et sa -rOïïne

limite traduit un certain état d'humidité initiale du sol. La
rétention du bassin versant Hp(Q) a une répartition liée à p
par les quantiles (5 X, 10 X, ... ~ 95 X) qui sont aléatoires et
représentent le pourcentage de la pluie ruisselée vers l'exu-
toire.

Ainsi~ selon GUILLOT & DUBAND le débit ruisselé Q,

les précipitations p~ peut suivre plusieurs tra-
jet ~:o d :io fot- é o.- (~n t ~:,; . Lorsqu'on s'approche de la saturation du bas-
sin, tout supplément de précipitation tend è se retrouver inté-
le débit. Ceci se traduit sur le graphique par
des différentes courbes quantiliques qui de-
viennent asymptotiquement parallèles à la première bissectrice.
La clistr-ibution liée Hp(Q) tend à devenir homoscédastique. Les
débits engendrés seront infiniment grands~ du même ordre que
les pluies génératrices et leur fonction de répartition B(Q)
sera alors semblable à celle des pluies (suivant une droite de
pente "a" le GOI-ade: o
: de~; pluies).
Cette droite nous permet d'estimer les débits de pé-
riode de retour élevée.

,
Q et p.
Q
" "
/ "

FI C.,l..JF\E ~5

(d'après GUILLOT & DUBAND 196'7)

- 21 _-0
 En conclusion de ce chapitre nous pouvons dire que la
méthode du Gradex présente les avantages suivants :

- Sa mise en oeuvre est rapide.

- Elle s'appuie sur l'information pluviométrique,

beaucoup plus importante que l'information hydrométrique en
termes de stations années, et dont on connait mieux le compor-
t~ment asymptotique.

Toutefois, nous retenons la conclusion de GUILLOT &

DU BAND : "la poursuite de l'3Pplication de la méthode du Gradex
sera l'occasion d'éclaircir et d'assurer des po~nts d'appui" ...

- 22 -
CHAPITRE TROIS

APPLICATION PRATIQUE DE
LA METHODE DE GRADEX
CHAF"ITRE TROIS

APPLICATION PRATIQUE DE LA METHODE DE GRADEX

"l... a méthoc.10? du GCi::.'Ic:lf:~::·; eXIge des précautions, et ne

PE?ut ·ètr-t:;.1 simplement considérée comme l"application d"une ce-
c: f.? t tE' Vé::i l ë~b lE' l'O'·II to utes ci ï- C ons tancE'<:-~" "

En C:Drnmentë~.nt pac ces termes la méthode du Gradex, le

jugé bon de présenter une note suc la méthode et sur
ses applications (CTGREF ~ 3), dans laquelle il essaye d"appoc-
ter des précisions concernant certains points qui demandent à
&tre plus développés.

A ce sUjet d"autres notes ont suivi :(BEN ZVI t980,

1981, GUILLOT : 1973 - 1979, MASSON
synthèse de ces différentes notes que nous développons dans le
présent chapitre. Nous avons retenu les points qui nécessitent
un développelement pllJS ê:ippr-ofond i ,.
c\ 3. "e>:posé
théorique sur la méthode, du chapitre précédent.

Nous examinerons tour à tour

- La mise en oeuvre de la méthode du Gradex.

- Les perspectives envisageables pour son domaine

d'application.
A MISE EN OEUVRE DE LA METHODE
DU GRADE X

Il ressort des différentes notes citées auparavant~

qUE? pour- la ini.:'':;12 en OE:~UVï"-':?- cl(;~ la méthoclE: du Gr-ë:ide>: ~ la "ré:fle'-

>:i()rl" ~:,Uï' lf:::;:-; pOlnts suivant",:. ~:;' impo~~e :

* Le choix du pas de temps ~ adopter.

* Le passage du débit moyen maximal annuel au débit de

poi·lIte.

coïncidence de loi des débits G(Q) avec la

série des valeurs extr~mes des débits observées.

* Le passage de la pluie ponctuelle à la pluie moyenne

d'un bas~;in.

~. L'es:.timation du pal-amètre "a" Q)-·ë."\dient dï-2s valeur's

e:·: t rêmt~.

1 - CHOIX DU PAS DE TEMPS

II Quel est le pas de temps adapté à un bassin versant

donné ? Il (CTGHEF : 1972, BERAN : 1981, GUILLOT 1973)

D'après la note du CTGREF, plusieurs utilisateurs de

la méthode adoptent une valeur de l'ordre du temps de concen-
tration te' Les auteurs de la méthode recommandent un temps
plus court qui soit nettement inférieur au temps de base.

- 25 --
 Cette question que nous reprendrons plus en détail au
~

chapitre six merite certains développements notamment aux trois

niveaux suivants :

- L'adoption d'un pas de temps égal entre pluies et

débits conformément aux hypothèses de la méthode du Gradex.

- L'adaptation du pas de temps choisi à la taille du

bassin versant. Les volumes de crues s'étalent sur un certain
laps de temps plus ou moins grand; è partir de l'estimation
convenable de cet intervalle de temps, on détermine le pas de
temps à prendre qui ne risque pas d'introduire une erreur im-
portante dans l'estimation du débit de pointe.

- Enfin, dans le cas o~ le pas de temps choisi est

inférieur à 24 heures, dispose-t-on de données correspondantes
suffisamment longues.

2 - PASSAGE DU DEBIT MOYEN MAXIMAL ANNUEL AU DEBIT DE

POINTE

Une fois le pas de temps fixé, on ajuste la fonction

de répartition des débits moyens maximaux annuels considéré sur
ce pas de temps et on extrapole parallèlement à la loi des pré-
cipitations.

I l faut alors passer au débit instantané de pointe qui

est l'information essentielle en terme de prédiction de crue.

GUILLOT & DUBAND, après examens d'échantillons de

crues, pour certaines rivières de bassins montagneux de l'ordre
de 1000 km e ont constaté que le rapport R = débit de pointe /
débit moyen maximal, ainsi défini a une faible dispersion, il
est compris entre 1,2 et 1,8 avec en moyenne R de l'ordre de
1,4. Par ailleurs ce rapport ne présente pas à priori de cor-

- 26 -
 »

relation avec le débit moyen maximal. Aussi proposent-ils de

déduire la distribution du débit de pointe de celle du débit
moyen par une affinité de R.
R est appelé coefficient de passage. Plusieurs auteurs
considèrent toutefois cette solution comme provisoire faute de
mieux (BEN ZVI 1980, BER AN 1981, CTGREF 1972).

Car, bien entendu la valeur moyenne de ce coefficient

dépend du pas de temps choisi, de m~me que sa variabilité. Nous
reviendrons sur cette question au chapitre six également.

3 COINCIDENCE DE LA LOI DES DEBITS G(Q) AVEC LA

SERIE DES VALEURS EXTREMES DES DEBITS OBSERVES

La loi des valeurs extr@mes de pluie considérées sur

un pas de temps donné s'obtient à l'aide de quelques dizaines
d'années d'observations.

Par contre, on dispose rarement de longues séries de

débits (30 ans, 40 ans ..• ) pour constater la coïncidence de
G(Q) estimée par la méthode avec la loi des plus forts débits
observés.

Nous avons vu (au chapitre 1, paragraphe B) que les

quanti les empiriques ont une dispersion d'échantillonage impor-
tante, surtout vers les grandes valeurs. Or ces valeurs sont
prépondérantes dans le calcul de la distance entre la fonction
de répartition des pluies F(p) et celle des débits 8(Q), qui
correspond à la rétention maximale.

- 27 -
 »

gradex des pluies

r--"--
Loi de
d'eau

Rétention

'\. Extrapolation

-- -- -
_--- -- \.Loi des débits

Figure 6
(d'après MASSON: 1983)

Toutefois l'incertitude qui apparaît ici n'ent~che que

l' or' donnée à 1 'o"l-igine de la f"onction G(Q), la pente "a" de la
la m@me, ce qui fait dire aux auteurs de la mé-
thode que cet te i nce\- t i tude est "d' impo\- tance secondai \-e, 1a
mesure des pluies, qui donne le Gradex étant l'information es-
sentielle."

4 - PASSAGE DE LA PLUIE PONCTUELLE A LA PLUIE MOYENNE

D'UN BASSIN VERSANT

La distribution des pluies extr@mes n'est connUE que

ponctuellement, et pas toujours aux endroits les plus intéres-
sants" pour" l'hydrologuE. Par ailleurs, la variable qui condi-
tionne réellement l'écoulement est la pluie moyenne tombée sur
le br3.ssin.

- 28 -
 ;

Il faut donc disposer d'une méthode permettant de dé-

duire les paramètres caractéristiques de cette pluie moyenne à
partir de ceux de la pluie ponctuelle.

La solution rigoureuse de ce problème est particuliè-

rement complexe car elle met en oeuvre des compositions de lois
statistiques essayant de respecter la structure spatiale de la
pluie. Les auteurs de la méthode font deux hypothèses qui leur
permettent d'estimer le Gradex de la pluie moyenne de façon
approchée ~

* La pluie moyenne reÇue par un bassin versant semble

avoir elle aussi une fréquence à décroissance exponentielle.
Cette hypothèse est toutefois contestée par d'autres auteurs
(BERAN : 1981, CTGREF 1972).

* Les précipitations moyennes sur un bassin versant,

00 les précipitations sont fortement corrélées entre elles, a
pour Gradex la moyenne des Gradex sur le bassin.

La détermination de la moyenne pluviométrique d'un

bassin versant, n'est pas un problème spécifique à la méthode
du Gradex. Il constitue pour la plupart des travaux en Hydrolo-
gie une difficulté de taille, ceci malgré les nombreuses métho-
des déjà existantes. De la mét~ode de THIESSEN jusqu'à plus
récemment la méthode du KRIGEAGE, on conçoit aisément que les
résultats obtenus par les différentes techniques ne sont qu'une
simulation du phénomène pluvieux considéré. Cette simulation
étant plus ou moins proche de la réalité de l'évènement suivant
que la méthode est plus DU moins simplifiée.

- 29 -
 5 ESTIMATION DU PARAMETRE "A" GRADIENT DES VALEURS
EXTREMES

Nous \ienonS de l€":, dirE:~, It~ p;:",ramèJc,-e "ail con~;ti.tue

l'information essentielle pour la mise en oeuvre de la méthode

du Gradex. Ce paramètre représente la pente de la distribution
des maXlma pluviométriques représentés sur un papier de GUMBEL,
mais aussi la pente de la droite des débits extr~mes à partir
de laquelle on fait l'estimation des débits de période de re-
tour élevée. On conçoit alors que cette estimation est d'autant
plu.s corr-i:?cte que l'es:,tim,,"\tion du Gl"·acle~·: """," 1 'E~~:;t aus;~3i.

Ce paramètre varie en fonction de l'espace et de la

sïaison

a) Variation spatiale du Gradex

LE~ g\- ade>~ ,II a Il est un paramètre climatique, il a 1,:':1

dimension de la pluie; on l'e;·:pr·ime en "milimèt"l-es".

Les auteurs de la méthode recommandent de cartogra-

phi.el- le Grade>: cal- il "cal-<"'lCtél-ise le risqu€~ de en.le e;·:tl-"ême" •
Ces risques sont évidemment différents suivant la région consi-
dérée, et les variations géographiques du Gradex sont importan-
tes. En France, le Gradex journalier est estimé à environ 8 mm
à l'ouest, et passe à 80 mm sur le Sud des Alpes. (GUILLOT &
DUB~~ND : 1967)

b) Variation saisonnière du Gradex :

Les auteurs montrent aussi que le Gradex varie en

fonction des saisons.
GUILLOT constate en particulier que la relation entre
le Gradex et la durée de la pluie diffère avec les saisons.

- 30 --
 Il met en évidence que les pluies orageuses de saisons
chaudes ont un fort Gradex de pluie horaire~ mais la faible
corrélation entre les heures successives entraîne que le Gradex
en 24 heures est à peine supérieur au Gradex en 12 heures. Au
contraire en saison froide, la pluie horaire a un Gradex plus
faible~ mais la continuité des pluies cycloniques fait que le
gradex en 24 heures est plus élevé qu"en été, et continu à
croître jusqu"à une durée de plusieurs jours. (GUILLOT : 1973)

Ceci explique la raison pour laquelle les crues ora-

geuses d"été sont les plus dangereuses dans les petits bassins,
alors qu"au contraire les grandes crues ont lieu en automne et
en hiver dans les bassins de quelques milliers de km 2 qui ont
une durée d"hydrogramme de quelques jours.

Don~ il faudrait non seulement faire la cartographie

du Gradex, mais aussi tenir compte des saisons afin de grouper
les mois o~ le Gradex est stationnaire.

B PERSPECTIVES ENVISAGEABLES POUR

LE DOMAINE D~APPLICATIDN DE LA
METHODE

Dans l"introduction de la méthode du Gradex <Chapitre

deux)~ nous avons définie un certain domaine d"application pour
celle--ci.

Nous avons dit que la méthode du Gradex était valable

pour des bassins versants :

- de régions climatiques tempérées et homogènes

- 31 -
 - de superficie moyenne, pouvant aller jusqu"à 5000
km e environ.

- le terrain étant relativement imperméable.

Nous allons examiner tour à tour ces trois conditions

dans le but de mieux comprendre les limites de la méthode et de
voir s"il y a des possibilités de les dépasser, afin d"accorder
à la méthode un domaine d"application qui soit le plus large
possible.

1 - VALIDITE DU COMPORTEMENT EXPONENTIEL DE LA

FREQUENCE DES PRECIPITATIONS POUR D'AUTRES TYPES DE CLIMATS :

HERSHFIELD & KDHLER (1960), ont constaté que la loi de

GUMBEL ajustée à la distribution de la pluie maximale de l"an-
née (ou d"une saison) définie sur un pas de temps donné, four-
nit une estimation expérimentale valable de la fréquence des
pluies extr~mement rares (GUILLOT : 1979)

Guillot & DU BAND affirment que cette hypothèse est

vérifiée en France, mais aussi qu"elle a été retenue par de
nombreux auteurs auxE.U., en Afrique du Sud, en Australie .•.

Toutefois, il ressort de la note du CTGREF que cette

hypothèse est contestée par certains hydrologues pour les cli-
mats des régions proches de l"équateur (du type: Equatorial,
Tropical, aride, semi-aride etc ... ) en particulier pour les
régions susceptibles d"~tre affectées par les cyclones.

En effet, pour ces types de climats, les régimes plu-

viométriques sont rarement homogènes (RODIER : 1964). l"irré-
gularité saisonnière, l"irrégularité interannuelle, et les pré-
cipitations exceptionnelles (pluies orageuses, tornades etc .•. )
font qu"il est difficile parfois d"ajuster une loi de probabi-

- 32 -
lité à la série des valeurs extr@mes de pluies observées.

D'autre part~ la Talble taille des échantillons de

pluies observées constitue aussi un handicap pour l'ajustement
d'une loi donnée.

2 APPLICATION DE LA METHODE A DE GRANDS BASSINS

VERSANTS

Pour de grands bassins versants de l'ordre de plu-

sieurs milliers de km E , les auteurs proposent de décomposer les
bassins de grande superficie en sous bassins auxquels ils ap-
pliqueraient indépendamment la méthode du Gradex, et dont Ils
recomposeraient ensuite les résultats.

Ma i s ~5f~ Ion la note du CTGREF, la répartition spatiale

des phénomènf?s con~5t i tUf~ dé j à un SéïoO iE~u>~ pOl-ob 1 <:':!me" ~ e:o:f?mp 1 f~
Il

le passage de la pluie ponctuelle à la pluie moyenne sur le

bassin versant (Chapitre trois - paragraphe A - partie 3).

Selon (MASSON 1983), l'application de la méthode à

des sou~~> bassins doit être cc.mplétée pal- "une loi de pl-obabili-
té multiple décrivant la si~ultanéité des événements et prendre
en compte les temps de transferts et les possibilités de
stockages intel-médië:loil-oes".

3 - VALIDITE DE LA METHODE DU GRADE X A DES BASSINS

VERSANTS PERMEABLES

GUILLOT & DUBAND recommandent d'affecter la méthode à

des bassins relativement imperméables~ car le problème posé
selon (MASSON: 1983) est que les possibilités de stockage sont
telles qu'il est difficile de trouver un intervalle de temps dt
qui fasse correspondre la pluie et son écoulement.
 Il reste à savoir si une corrélation entre la pluie et
la rétention, peut @tre mise en évidence. Dans la rétention, on
tiendrait compte des paramètres de pédomorphologie du terrain,
du couvert végétal, du stock hydrique du sol etc ... Ceci nous
permettra peut ~tre de mieux envisager l'application de la mé-
thode suivant la perméabilité du terrain, ou encore d'estimer
d'une manière plus évidente la distance entre la distribution
des pluies FCp) et la distribution des débits GCQ) ; c'est-à-
dire la rétention maximale Ccf. ~ Chapitre trois - paragraphe A
- partie 4).

Pour notre part, il nous a paru intéressant d"étudier

les aspects suivants de la méthode du Gradex.

- Le choix du pas de temps a-t-il une forte influence

sur les résultats de la méthode?

- Le rapport R des volumes de crue au débit instantané

est-il sensiblement constant et indépendant du débit (pour un
pas de temps donné) ?

- La distribution des quanti les du déficit d'écoule-

ment.

Le principe est d'utiliser un générateur stochastique

de pluies moyennes horaires mis au point à partir des données
de pluies observées sur un bassin de 500 km e environ.

On vérifiera le comportement asymptotiquement exponen-

tiel des pluies ainsi simulées, et on s'affranchira ainsi des
problèmes expérimentaux liés à la constitution de longues sé-
ries pluviométriques, ceci afin de concentrer notre étude sur
le passage de la distribution des pluies à celle des débits.

Les pluies seront transformées en débits à l'aide de

- 34 -
 »

deux modèles systémiques. On pourra alors étudiér l"influence

de la nature du modèle et de ses paramètres, sur la rapidité
avec laquelle la distribution des débits devient parallèle à
celle des pluies. On étudiera également la distribution statis-
tique des pluies efficaces.

- 35 -
 CHAPITRE QUATRE.

LE MODELE DE GENERATION STOCHASTIQUE

DE PLUIE MOYENNE
CHAPITRE QUATRE

LE MODELE DE GENERATION STOCHASTIQUE DE PLUIE MOYENNE

L'objet du présent chapitre est de présenter le modèle

de génération stochastique relatif à notre étude. Ce modèle a
été mis au point par lourasse (1981) pour générer des pluies
ponctuelles, a été repris par Lebel (1984) pour une adapta-
tion au cas spatial de pluie moyenne.

Il a été calé sur le bassin de Gardon d'Anduze (545

km-) pour les précipitations d'automne (Septembre, Octobre,
Novembre) des années 1971 à 1980 inclus.

- 37 -
A F'R:r N e l P E DU GENERATEUR STOCHAS-
TIQUE DE F"LUIE MOVENNE

1 LE POINT DE DEPART UN GENERATEUR DE PLUIE

PONCTUELLE
On cherche un modèle permettant de générer des épiso-
cl E'? '::, p 11...\ \l :1. E~U. >; constitués par une succession de pluies horaires

épisodes d'automne (Septembre à Novembre) de la région céveno-

It::~, If.~ CI...I.ïfiU.l total sur l'épisode dépassant 50 mm sur l'une au
moins des stations de zone (34 postes sur un qudrilatère
••••J ••••
Il..) 3() cl f:? temps élémentaire considéré
on peut considérer ce type d'épisode comme le ré-
~:;u l tEl t cl:' Uïï processus physique aux caractéristiques relative-
ment bien définies (Tourasse 1981) dont les réalisations sont
assimilables à un processus stochastique intermittent.

Le processus est défini de la manière suivante

a) Deux épisodes successifs sont séparés par au moins

24 heures sans pluie, et sont indépendants l"un de l'autre,

b) Chaque épisode est constitué d'une série d"averses,

i ndépE?ndantf..~~:; les unes des autres, Un épisode est
le nombre d'averses qui le composent (NA). (NA
= 4 sur la figure 7)

c) Une averse est définie comme suit

C"est l"ensemble des pluies horaires séparant deux

minimums relatIfs. L"heure du minimum relatif est celle pour
l i':i.q 1••H?ll E? on observe une pluie cumulée inférieure de plus de 10
% à chacune des hauteurs d'eau tombées au cours de l'heure pré-
cédente et suivante.
 Le minimum relatif fait par convention partie de
l"averse précédente. Le nombre de pas de temps (en heures) sé-
parant deux minimums relatifs est la durée de l"averse (DA:
1er paramètre caractéristique de l"averse). (DA = 9 sur la pre-
mière averse de la figure 7).

le minimum de fin d"averse n"est pas nul, alors

l"intervalle avec l"averse suivante est nul (ITEA = 0 2éme
paramètre caractéristique de l"averse) C"est le cas de la pre-
mière averse la figure 7. Dans le cas contrair~ ITEA est
égal au nombre de pas de temps o~ la pluie est nulle entre
averses st~c:cessives.

Les trois autres paramètres caractérisant l"averse

sont

- Le volume total tombé au cours de l"averse (HPA)

- La position du maximum (IHEMA)

~ La hauteur du maximum (RPA)

- 39 -
 ;;

.. ""...
M Z ." .c '"
~
."... ..
.
>
'"
.J:
i
>
o·
Ê
..,
1
-:
.... -
."
0
;, .::: Q
... ..,
Co ~
on
....
'" M

l. ~.

"
~
.
f

- " ...
~
<:
."
0
.J:

Il
:0
IlOUYEL

EPlSOœ
10 0.36

Hauuur :dU uxtlOUIJ 1

.... .....u..-'--I.--
17.1 _
Ot:"-~ ~ _ ~

12 Z4 48 h

figure 7 Organisation du modèle de génération de pluies

(d'après TOURASSE : 1981)

On a donc au total 6 variables définissant un épisode

(1 par épisode et 5 sur chaque averse),

- 40 -
 6 variables

(S) HE,.." (h) -

CD o 8 @ 00
• l
l l l1
,
o
(3) DA (II)
- ! ;, 6 4

(2) ITEA (Il) -

1i

(4) HPA (lftlll) _ @

(6) l'PA (%) -
G
Figure 8 : Description caractéristique
d"un épisode de 6 averses
(d'après P. lOURASSE: 1981)

Le générateur a été calé sur 82 épisodes répartis sur

10 années moyennant des études sur l'indépendance entre elles
des variables et le recours à certaines variables auxiliaires
si nécessaire (lOURASSE: 1981)

2 - LE GENERATEUR DE PLUIE MOYENNE

Sur un bassin versant de 545 km e , on a supposé qu'au

pas de temps de 1 heure, on pourrait définir le processus sto-
chastique de pluies moyennes comme une extension du processus
de pluie ponctuelle. En dépit de la variabilité spatiale de la
pluie sur une telle surface à cette échelle de temps (LEBEL:

I.~ 1. --
1984). Une telle hypothèse est admissible si l'utilisation qui
est faite des pluies générées ne nécessite pas de prendre en
compte cette variabilité. Tel est le cas dans un premier temps
pour notre étude.

Il a d'ailleurs été vérifié (LEBEL ~ 1984) que les

épisodes de pluies moyennes d"automne peuvent effectivement
~tre analysés selon le schéma défini pour les pluies ponctuel-
les et qui a permis de caler les lois de distribution des va-
riables de base du générateur sur un échantillon de 48 épisodes
sur 10 ans (LEBEL ~ 1984).

3 - PASSAGE AUX SAISONS

Les lois théoriques du modèle ayant été calées sur les

épisodes d"automne (Septembre, Octobre, Novembre), les saisons
simulées correspondent donc à cette période de l"année.

Le nombre d"épisodes pluvieux par saison suit une loi

dQ poisson de paramètre - 2,7.

L"intervalle en jours ~éparant deux épisodes est tiré

dans une loi uniforme dont l"amplitude dépend du nombre d"épi-
sodes de la saison (LEBEL 1985).

CONCLUSION SUR LE MODELE DE

GENERATION STOCHASTIQUE DE
PLUIE MDVENNE HDRAIRE

Bien entendu, ce modèle ne permet pas la reconstitu-

tion d"un évènement pluvieux observé au préalable. Il permet
uniquement de générer des événements pluvieux l"aspect
plausible qui doivent présenter des caractéristiques similaires

- 42 -
celles des épisodes observés.

On pourra par conséquent générer des échantillons in-

dépendants de pluie moyenne et de taille aussi grande que vou-
lue (1000, 5000, 10000 saisons etc ... ).

Par ailleurs, ayant choisi l'unité de temps égale à

une heure, nous pouvons estimer les pluies et les débits, sur
plusieurs pas de temps différents.

Cette souplesse dans la collecte des données pluviomé-

triques obtenues par génération stochastique nous permettra de
multiplier les essais aussi souvent que cela sera nécessaire.

En revanche, ces données ne contiennent pas plus d'in-

formations que les valeurs observées. L'information extraite
est présentée seulement avec un fort grossissement.

C'est cette caractéristique des valeurs simulées que

nous allons exploiter pour observer notamment la distribution
des débits, on pourra à cet effet estimer la récurrence du dé-
bit correspondant au redressement asymptotique de la loi des
pluies.

Mais voyons tout d'abord de quelle manière le passage

de la pluie au débit a été réalisé.

- 43 -
CHAPITRE CINQ!

PASSAGE DES PLUIES AUX DEBITS

CHAPITRE CINQ

PASSAGE DES PLUIES AUX DEBITS

La transformation de la pluie en débit a été modélisée

à l'aide d'un modèle global.

Ce modèle se décompose en

- Une fonction de production pour laquelle on a retenu

deux modèles d'infiltration basés sur des relations empiriques.

- Une fonction de transfert qui est supposée linéaire

et représentée par un hydrogramme unitaire.

- 45 -
 »

A LE POTENTIEL D~INFILTRATION

D~UN BASSIN VERSANT

Une approche simple pour estimer le potentiel d'infil-

tration consiste à considérer que la crue résulte d'une part de
l'intensité de la pluie tombée au cours des derniires heures et
d'autre part des pluies tombées dans les jours qui ont précédé
l'épisode et qui ont provoqué la saturation progressive du sol
jusqu'à un certain seuil inférieur ou égal à la capacité maxi-
male de rétention du bassin versant.

Par conséquent on estime le potentiel d'infiltration

en ayant recours aux précipitations antécédentes et aux indices
des eaux souterraines qui gouvernent le ruissellement.

L'indice API est une mesure des antécédents du bassin

versant du point de vue pluviométrique.

C : étant une constante

P3 : quantité de pluie tombée au cour de la journée j.
API j - 1 , APl j sont respectivement les API pour les
jours j-l et j.

On fixe alors la valeur du déficit de saturation D Q en

chaque début d'épisode au moyen de la relation suivante:

Do = SMAX e<-APX<o)/S) (LEBEL 1985)

SMAX : capacité de rétention maximale du sol

S paramètre définissant la relation entre l'API et
le déficit du réservoir sol.

- 46 -
 LES MODELES D~INFILTRATION

Df2U:·: me.dè l ef.? à réservoir ont été utilisés comme modè-

les d'infiltration. Le concept de ces modèles est que le sol
est considéré comme un réservoir dont le mécanisme d"infiltra-
tion est régi suivant un certain schéma physique général qui
dépend de certaines propriétés du sol.

L"équation déterminant le schéma de fonctionnement est

souvent établie d"une manière empirique.

On déduit la pluie efficace de la pluie brute par la

relation suivante :

F'... (t) - Pt:> (t) - 1 (t)

I(t) étant la fraction de la pluie brute qui ne parti-

cipe pas au ruissellement.

La progression du déficit de saturation sur chaque pas

de temps est calculée de la manière récursive suivante :

D(t) - D<t-1) - «Ut)

En effet on pl-end un pë.U-amètl-e Cl( ( b l.) qui nous pel-met

de considérer qu'une fraction seulement de l"eau infiltrée sert
à remplir le réservoir sol.

On se propose alors les deux relations empiriques sui-

vantes pour le calcul de la fraction de la pluie brute qui ne
participe pas au ruissellement.

- '+? -
 ;

1 - MODELE A RESERVOIR DE PENTE CONSTANTE A L'ORIGINE

Ce modèle est basé sur la relation empirique suivante.

l(t) - D (t) x (1 - e- Pb(~)/D(~»

l (t )

La pente est une constante qui ne dépend pas de

l'état de saturation initiale du sol.

2 - MODELE A RESERVOIR DE PENTE VARIABLE A L'ORIGINE

La relation empirique est la suivante

let) - D(t) x (1 - e-Fb(~)/GMAX)

Dans ce cas le comportement de la fonction let) à

l'origine est tel que

La pente est ------, elle varie selon l'état de satu-

ration initiale du sol.

3 - LA FONCTION DE TRANSFERT

Comme nous l'avons déjà dit en introduction de ce cha-

pitre, la fonction de transfert que nous avons retenue a été
identifiée à l'hydrogramme unitaire.

- 48 -
 Cette technique con$iste à donner la réponse impul-
sionnelle d'un bassin versant sous forme de débit étant donné
l'historique des pluies précédentes, et après déduction de la
fraction de pluie non écoulée.

La procédure est la suivante

On considère une pluie unitaire présentant un seul

ma ;.: i rnUI"Ï1, cl 0 r\ t la durée est suffisamment inférieur au temps de
concentration, et on détermine l'hydrogramme unitaire corres-
pondant. L'hydrogramme de ruissellement provenant des pluies
dont la durée est supérieure à celle de la pluie unitaire
s'obtient en considérant cette pluie comme une séquence de
pluies unitaires, et en faisant la somme des ordonnées des hy-
drogrammes unitaires correspondants.

L'hydrogramme unitaire utilisé comme fonction de

transfert pour le bassin du Gardon d'Anduze, se caractérise par
un temps de mDntée de 3 heur~s environ, et un temps de base à
peu près égal à 18 heures.

Il a été établi à partir d'une quinzaine de crue d'au-

tomne sur la période de 1971 à 1980, en utilisant une procédure
d'identification proposée par BASTIN et mise en forme sur la
région par VERSIANI (1983).
1 oCirt""1 hl M'rn.

1.

FiçJ'-ln,,~ 9
.5 (d'après LEBEL: 1984)

1 2 3 5 6 1 8 9 11 12 13 14
 4 - VALEURS DES PARAMETRES

Tous les paramètres de chacun des deux modèles sont

fixés suite à une calibration faite lors d'une étude précédente
Pour nos besoins d'étude de sensibilité, nous
U-IÏ iCi Ut:o'iïien t le paramètre SMAX qui caractérise la
capacité de rétention maximale du sol, et qui nous permettra de
simuler les vitesses de saturation du bassin versant.

Les valeurs retenues pour les paramètres de chacun des

modèles d'infiltration sont les suivants.

l l ~'1oclè 1 E! é\ pf:?'lÏte 1
J l co·n=..tëintl'? 1 v EIi- i_ Ei b 1 e l

l l 0,95 l l
l --------------------1 .-----.-------------------1 ------.--------..-------.-------. l
l l l x l

1 --------.--------1 - ...-------------.--------- --1

l c l U.l l
1 ..--..--.------.----1 ------ - - - .---1
l l 50 l

On a fixé une valeur pour le débit de base 20 m~/s.

CE:!ttf,? valeur- a en réalité peu d'influence sur les résultats,

étant donné que deux épisodes successifs sont séparés par au
moins 24 heures. On est assuré de revenir à la suite d'un
épisode à un débit proche du débit de base. Cette valeur n'a
pas par ailleurs d'influence dans le cas de fortes crues.

- ::jO _o'
 »

ORGANISATION GENERALE DU MODELE

CARDIST
-Lois discrétisées
des pa'I-C'Hnètl-es
SYINPYT
Nombre au hasard
Nombr~ de saisons
j'
car ac tél- i st i ques à sllÏluler
'---_._---------

• EF'IGEN /
Simulation d e s y
saisons ~pisode '.
pët.l- épl~.5ode .
"--._------

PLUBF:UT LPAS.LIS MAXSIt1U

Stockage des Hyétc,grammes Stockage des
pluies:, br-utes Statistiques Ma:-: ima
épisode par des épisodes saisonniers
épisodE?
'--._----------'

FDNTRA SYINPUT
- Coefficients - Nombre au hasard
de la fonction Chcd.:-: du modèle

\
de tl-ansfert d' ir1fi l tl-ation
'--------------

PLUIDEB
Calcul des pluies
efficaces et des
débits
Calcul des cumuls

/ ~,---------------,
DEBSTA PLUDEB
-Stockage des pluies Stockage des
et volumes cumulés, ainsi pluies brutes
que des débits de pointe • pluies efficaces
épisode par épisode • débits

- 51 -
 CHAPITRE SIX

CHOIX DU PAS DE TEMPS

et ETUDE DU RAPPORT R
(débit de pointe / débit moyen>
 ;

CHAPITRE SIX

CHOIX DU PAS DE TEMPS et ETUDE DU RAPPORT R

(débit de pointe 1 débit moyen)

Nous avons souligné au chapitre trois le fait que le

chois du pas de temps se faisait en tenant compte de l'inter-
valle de temps correspondant aux volumes de crues. De ce fait,
on ne peut dissocier la qUEstion du choix du pas de temps de la
question relative au rapport R (rapport entre le débit de
pointe et le débit moyen) car comme nous allons le voir dans ce
chapitre, du choix du pas de temps dépend l'estimation convena-
ble de la valeur moyenne de ce paramètre.

Dans ce chapitre, on développera dans un premier

temps, les problèmes posés par le choix du pas de temps, avant
de fixer certaines valeurs pour l'étude du rapport R. On es-
saiera de voir en particulier la vraisemblance de l'hypothèse
d'indépendance entre la rapport R et le débit moyen correspon-
dant à un pas de temps donné. On étudiera également la disper-
sion des valeurs ~e R. Après quoi on calculera le coefficient
de passage R du débit moyen au débit de pointe et on estimera
l'importance de l'erreur commise par le recours à cette méthode
de calcul du débit de pointe en comparaison avec le débit de
pointe observé, sachant que le débit de pointe observé corres-
pond au volume de crue calculé sur l'heure de la pointe.

Remarque: on a fixé la valeur de SMAX pour l'étude

relative à ce chapitre, on a pris SMAX = 200 mm.

- 53 -
A CHOIX DU PAS DE TEMF-S

La méthode du Gradex suppose que les conventions sur

les intervalles de ternp~-:" pour les pluies et les débits sont les
il quasime"nt impossible de trouver un pas de
temps satisfaisant rigoureusement à cette question. Théorique-
ment, une pluie qui tombe au cours d'une durée h produit un
débit qui s'écoule sur une durée h + te' te étant le temps de
concentration du bassin versant. (REMINIERAS :1976)

F'i:Jr" con<séquent, pour diminuer l'erreur introduite en

considérant la m~me unité de temps pour les pluies et les dé-
bits, certains utilisateurs de la méthode proposent d'adopter
un grand pas de temps, de cette façon on arrive à cerner une
grande proportion du volume écoulé dans l"intervalle de temps h
(CTGREF : 19B2) •

le choix d"un grand pas de temps engendre

une dispersion dans les valeurs du rapport R, et l"estimation
du coefficient de passage R devient aléatoire, en ce sens qu"on
risque de prendre en compte les faibles valeurs de volumes
écoulés qui précèdent o~ suivent les crues en question. Ce qui
n'est pas sans conséquence d"erreur sur le débit de pointe à
E~stime\-.

D'o~ le problème qui se pose

Faut-il choisir un grand pas de temps pour avoir un

maximum du volume écoulé, mais en prenant le risque d"introdui-
re des erreurs dans l"estimation du rapport R et par conséquent
de la pointe de crue ?

Ou, dans le cas contraire, faut-il choisir un faible

pas de temps avec le risque de ne pas avoir toute la quantité
d"eau écoulée durant l'épisode de crue mais avec une certitude
au moins c'est d'avoir une moins grande dispersion des valeurs
de R ?

GUILLOT ~ DU BAND soutiennent plut8t cette dernière

thèse. En effet, ils considèrent qu"un faible pas de temps don-
ne une erreur moins importante dans l"estimation des risques de
crue.

Notons que le raisonnement que nous venons de menér,

correspond à une unité de temps faible (1 heure par exemple) et
à une origine de temps variable, ce qui laisse supposer qu"on
dispose d'une dizaine d"années d'enregistrements pluviographi-
ques à la station considérée et d'une dizaine d"années limni-
graphiques à proximité comme le recommande le CTGREF dans sa
note.

Or, on dispose plus fréquemment de relevés pluviomé-

triques et limnimétriques journaliers. Ces données ont des uni-
tés et des origines de temps fixes, ce qui rend encore plus
arbitraire le mode de découpage de temps à adopter.

Dans notre cas, les valeurs de pluie et de débits gé-

nérés par le modèle correspondent respectivement à des valeurs
d"enregistrements pluviographiques et limnigraphiques.

On a retenu trois pas de temps d'origines variables

12, 18, et 24 heures. Ce choix des pas de temps n'est pas arbi-
traire, il correspond pour 12 heures à un faible pas de temps
par rapport au temps de base de notre hydrogramme unitaire qui
est de 18 heures, et pour 24 heures à un grand pas de temps.
 Tableau 1

Tableau des valeurs des paramètres de distribution de R

(simulation de 5 000 saisons)

Modèle d'infiltration à pente constante à l'origine

~~=~ RmOY:~~~=~~~~~~~~~~~~~~~~~~~~~1
(heures) (R) de R > à 2 comprises entre corrélation
1,2 et 1,D l-

---- ---- ----------- -----

1.2 1.30 0.37 0.28 1 .3':'1 1 .93 o X 81. X --. (1. ~'56 0.3:1. -- 2.57
I
18 0.31 1 .61 2.47 1.0 X 65 X _o. O. ~S7 O.3E! - (~. 00

24 1 . 9f~ 0.33 1 .9'7 3.27

Modèle d'infiltration à pente variable à l'origine

-p ;;:-d (~:-;c-= ~-~;; é;~-;l- :==:=~~- . n .
-=:.==-~=::-_-=====- Pc~-:~-;;~, t ~~~:-~--;~~~- c ~ ::;:=;I~:I:_~~:::t~~:~~:~~;l~~~=-ï'-'--=-=-~'-7,:= _--~-;~:~~~':'~~-;~~::;;=:~
Œ
temps type Cv Médiane Rmax' des valeurs valeurs de R de r d'as5ymétrie
(heures) (R) de R > à 2 comprises entre corrélation
1,2 et 1,8 r
--- ------- ----- ------- --_._---_.----- _..._.--_. --------
12 1 .31 0.38 0.29 1 • :-3~3 1 .96 (1 Y. 80 X - O. t_,8 o . Lft+ - -.
'r_
c"':)
L_ .. ....

------ ---- - - - ------- ----- ---_.--------- ----- ----_._-~-_.

18 1 .60 1). t·fr-il 0.31 1 .6'7 2,,42 1 t+ Y. ~;6 X .... 0.6D (1. ~·6 - 2. or:! -
------ -- ._---- ----- ----.----- - -------------
_..
------- ----_._-~---

2 Lf 1 .99 0 .67 t 0.3 + 2,,08 S. 19 55 Y. 2 Lf tI

/. 0.6El 0.4 t+ -- l • Lf9
 ;

B ETUDE DU RAPPORT R ET CALCUL

DU COEFFICIENT DE PASSAGE R

L.es p(:\~:; df:? les conventions d'origines des

intervalles de temps étant choisis, on peut passer au calcul du
coefficient R. Nous disposons pour cela de 5 000 valeurs extr~­

mes saisonnières de débits de pointe et de débits moyens.

essayé de voir la distribution des va-

leurs de R, notamment la dispersion de l'échantillon et l'indé-
pendance entre les valeurs de R et les débits moyens. Les ré-
sultats apparaissent sur le tableau 1, sur lequel on peut lire
les valeurs de certains paramètres caractéristiques de R en
fonction du pas de temps et dans le cas des deux modèles d'in-
filtration choisis. On constate déjà que toutes les valeurs du
coefficient de passage R sont inférieures à 2.

Pour un pas de temps pris égal à 12 heures, la valeur

du coefficient de passage R est égale à 1,3; cette valeur
peut sembler un peu faible, on ne note pas de dispersion signi-
ficative,des valeurs de R. Dans à peu près 80 % des cas les
valeurs de R sont comprises entre 1,4 et 1,8, ce qui correspond
à peu près aux observations faites par GUILLOT & DUBAND. La
valeur maxlmale de R qu'on a obtenu est de l'ordre de 1.95
elle reste inclue dans des proportions raisonnables.

On remarque aussi qu'il n'y a pas de différences si-

gnificatives dans les résultats obtenus par les deux modèles
d'infiltration ce qui laisse supposer que le rapport R est in-
dépendant des conditions d'écoulement et peut être aussi de la
fraction du volume écoulé. Or cette hypothèse n'est pas tout à
fait confirmée ni d'ailleurs infirmée. En effet~ s'il semble
d'après GUILLOT & DUBAND qu'il n'existe pas de corrélation en-
tre R et le débit moyen, on a enregistré de notre eSté des
coefficients de corrélation égaux à 0,56 (0,68 pour le modèle à

- 56 -
 ;

pente variable l'origine) r e étant égal respectivement

0,31 et 0,46 pour les deux modèles. Ces valeurs, sans ~tre ex-
cessivement fortes, ne permettent pas non plus de confirmer
l'hypothèse d'indépendance entre R et le volume moyen de la
crue. Nous disons qu'il y a une légère corrélation entre les
deux paramètres qui est d'ailleurs plus forte pour le modèle à
pente variable.

Par ailleurs, on a voulu étudier aussi la symétrie de

la distribution de R. Pour ce pas de temps, nous obtenons une
dissymétrie négative assez faible.

En prenant un pas de temps de 18 heures, on relève une

valeur moyenne de R égale à 1,55 (1,6 pour le modèle à pente
variable à l'origine). La dispersion des valeurs de Rest lar-
gement plus élevée que dans le cas précédent. La valeur maxima-
le de R ne dépasse pas 2.47. Cette valeur peut correspondre à
une forte crue r~pide donc trop pointue.

En ce qui concerne la corrélation entre R et le débit

moyen, les coefficients r et r~ sont sensiblement identiques
aux valeurs du cas précédent, on retiendra donc le m0me commen-
taire.

La dissymétrie par contre s'atténue sensiblement lors-

qu'on passe à un pas de temps plus élevé.

Un pas dp temps de 24 heures donne déjà des résultats

moins convaincants. Ce pas de temps peut 2tre considéré trop
élevé et causant une plus grande dispersion des valeurs de R.
55 % des valeLlrs sont supérieures à 2 dans le cas du modèle
d'infiltration à pente variable à l'origine. La valeur maximale
de R est égale à 3.19 ce qui peut paraître exagéré. C'est la
conséquence d'un grand pas de temps qui peut entraîner des pri-
ses en compte des valeurs faibles du volume d'eau précédent ou
suivant la crue.

- 57 -
 Le coefficient de passage R est égal à 2. C'est assez
excessif par rapport aux observations faites par GUILLOT &
DUBP,ND.

Les coefficients de corrélation sont identiques à ceux

du pas de temps de 12 heures~ les différents échantillons sem-
blant ~tre corrélés de la m~me manière quelque soit le pas de
temps.

On note par contre une diminution encore plus sensible

de la dissymétrie.

En conclusion et à propos de dispersion des valeurs de

R que nous retiendrons, celle-ci est en effet liée au pas de
temps choisi et de plus en plus croissant avec la valeur de ce
dE?l-niE2r.

Pour ce qui est de l'hypothèse d'indépendance, les

résultats ne sont pas tout ~ fait convaincants, mais on peut
l'admettre étant donné que les valeurs de r~ sont tout de m~me

convf-2nab le·:;.

Les échantillons de valeurs R sont par ailleurs légè-

rement dissymétriques, cette dissymétrie s'atténuant lorsque le
pas de temps augmente.

c ESTIMATION DU DEBIT DE POINTE

En estimant le débit de pointe et le comparant avec la

valeur du débit de pointe obtenu sur l'heure de la pointe on
obtient les résultats suivant du tableau 2.

- 58 -
 Tableau 3

Modèle d'infiltration à pente constante à l'origine

===---=-_-===o_"'"~~==-- .======,=="'========
sous-estimation maxi- surestimation maxi- nombre de valeurs o~ nombre de valeurs o~
male du débit de male du débit de l'erreur absolue est l'erreur abolue est
1
ped. nte pe.inte supérieure à 50 m"'/s supérielJre à 500 m~/s
----'------------- -----------------'--':>-----1 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 1 1
pas de Qob'll. o..." en-eLlr o... " en-eLlI- sous SUl-- total sous SUl-- tc. ta 1
temps 01"'/5 01"'/5 01""/51Y. m"'/s 01"'/51 ~I, estimée estiméé estimée estimée
-·----1 - - - - -
_r~10.8 920.20
12 5570. El lf660.0 /+765.8 5686.0 214°/00 71°100 285°/00 3 °/00 3 °/00 6 °/00
-16,3% 19,3X
11----1-----1 - - - - - 1 - - - - - ----- ---1----1----
-1225./+
18 5570 .. 8 43 l f5.4 ------ 4765.8 5643.2 é~45°/00 87°/00 332°/00 12%0 2 °100 14 °/00

---- -----
-2.2,0'1.

-1/+6/+. El
-----1 -------
18,4X

1229.89
-----1----- -----1 -----1-----1 -----1
_-=====-..;-=-=-~~==_==__=__===__===_~
-----
. ~~ "-=-_-I:-~-~-~-y.-:_-_==_-2-~-J~_O_I_O_J_J_~::_::--~~~::~)O ~.~~~1:~~_==6=_=0=1=(=-)(=)==2=3=_=0=1=(=1(=,1~1I1
24 5570.8 /+108.0 1940.8
-26,3'1. 70. B

Modèle d'infiltration à pente variable

sous-estimation maxi-
male du débit de
pe.inte
surestimation maxi-
male du débit de
pc. inte
nombre de valeurs o~
l'erreur absolue est
supérieure à 50 01""/5
nombre de valeurs
l'erreur abolue est
supérieure à 500 m~/s
o~

l
pas de Gl obn Q_'IIItr e'-\-E:'~L.t,- Qob •• Q... " (~n-eLlI- SC.LIS SLll-- te. ta 1 r:;OLlS SL1l-- tc. ta 1
temps m::!)/~; m3/c:~ m:!iJ/sI X estimée estiméé
01"'/5 m:a/~5 ma/sI Y. estimée estimée
----1 - - - - - - - - - - -----1 - - - - - -----1----1------1----
-771.3 836.0
l "c.:. :i237.9 4502.6 ----- ll·866.7 5702.66 ----- 291°/00 13lfo/00 /+25° 100 1 °/00 3 °/00 /+ °100
-16,3% 17,2X
------ ------ ----- ------ ----- -----1 -----
-1037.3 808.0
18 5273.9 4236.6 ----- 33/t9.6 4157.62 323°/00 192°/00 515°/00 6 °/00 3 °/00 9 °/00
--19,7 24, 1~
----1---
-1223.9 1172.36
5273.9 /+049.9 /t602.0 586"/00 10°/00 9 °/00 19 °/00
- 23 .. 2i~ 3/t,2X
 Tableau 2

(simulation de 5 000 saisons)

Modèle d'infiltration à pente constante à l'origine

r;=====================:==.::=--=:::.=======----.
Pas de Déb i t mc,yen Ecal-t type Débit de Ecal-t tYPl~ débit df2 pointe er')-eur' el-l-eUI-
temps (D ) (D) pC1inte ,-eel (D) Fi moy estifTléE'~ moyenne moyennF.!
(heLln?s) (mŒl/s) (m"'/s) (m S h5) ()e~; t (m:El/s) en y.
Qobs (i1l~~!s)

12 38'+.77 525.42 752.07 1.30 25.58

~~------ -
18 316.82 467. '+3 525.42 752.07 j.• C' ,,-
,-I~J .-. :-32.77

258.66 379.92 752.07 1.92 - 29.57

L=::o==:========~_=======,===_.___ .=_=__= = = =

Modèle d'infiltration variable à l'origine

====--=.- .-.-.~=:.-~.::::====:===---=:--=-':'=,=:."'':'=:::::::=:=:==,:.=~-=-':.=::=='::::::::::::::"'===~===:='=-::::::::-"===~:::::'=':':'ï1
Pas de Déb i t me'yen Ecad; type Débit Cie . Ec<:\\-t type débit dE; pointe (~I-rt;:Ul- en-eu)-'
temps (D ) <D ) pointe reel (0) R mDY f2~;timéc' mC'YE·nnE· moyenne
(heLll-es) (m~/s) (m"'J/s) (~s/s) Dast (ms/s) en %
Qobs (ma/s)
------ - - - - - ----_.-
1.2 4'13.38 670.73 68'7. é!.7 -- X
1" 31. t.A7. E~!39 3!'~5

-------1----- ----------.---- ------ ------

18 405. :-34 431.29 670.73 687.27 1. .6lJ tA?371. .- 23.36
- - - - - - - 1 - - - - - - - - - - - - - -------.------------
~I~ ~-~,=::~~=_"';.~~~-~~:::~,,====:07=O~~_ -- ~_~~~~---.-==~=~~=_~:':'J
24 330.96 351.313 670.73 68'7.27
l1====:======.::========_ -: _o. .==_._==_:.:.:=_=_.:. =_. ._. _ ..:::=__ • 9

."
 Les valeurs représentées correspondent è la moyenne
obtenue sur les 5 000 saisons.

L'erreur moyenne commise en estimant le débit de poin-

te par le produit du débit moyen et du coefficient de passage R
est faible, et
on remarque que toutes les erreurs sont négatives, ce qui si-
gnifie qu'en moyerlne on sous-estime le débit de pointe
quel que soit le pas de temps.

I l s'agit là d'une étude rapide pour l'estimation de

l'erreur moyenne. On a relevé des cas plus particuliers 00 l'on
enregistre l"erreur maximale absolue voir tableau 3.

On remarque alors que les erreurs maximales commises

correspondent à de fortes crues, d'ailleurs souvent c'est la
même crue qui donne une erreur maximale absolue d"un pas de
temps à un autre. On constate que plus le pas de temps augmente
et plus l"erreur absolue est grande.

Par ailleurs~ les erreurs maximales commises, et qui

correspondent comme nous l"avons déjà dit à de fortes crues,
semblent élevées en terme de volume d"eau~ cependant en pour-
centage ces erreurs ne sont pas trop excessives.

On a tout de même relevé une exagération maximale de

63,4 %. On suppose que cette erreur d"estimation est dOs au
fait qu"on peut âtre en présence d"une crue très étalée dans le
temps avec une légère pointe. Ce qui donne dans ce cas un volu-
me de pointe de.crue estimé, fort exagéré après multiplication
du débit moyen par le coefficient de passage R (qui dans ce cas
particulier est égal C"est ce genre d"erreur qu"on
risquerait de commettre en prenant un grand pas de temps.

Dans une phase suivante d"estimation de l"erreur com-

- 59
mise, on s"est fixé arbitrairement deux seuils successifs d"er-
reurs. Au dessous de 50 on considère que la valeur de
l"erreur est négligeable, et au dessus de 500 m3 /s l'erreur
commise est considérée comme excessive.

On constate encore dans ce cas que la tendance à l"er-

reur s"accroit avec le pas de temps. Les plus fortes valeurs
d"erreurs correspondent toutefois à quelques cas seulement
23 %0, pour un pas de temps de 24 heures et pour le modèle à
réservoir a pente constante à l"origine.

Par ailleurs, quelques 366 0/00 débits de pointe sont

estinlés avec: une erreur dépassant 50 mS/s. Ce qui n'est pas
très élevé. Pour le modèle à pente variable, on a enregistré
une valeur plus grande 586 0/00, par contre 19 0/00 cas seule-
ment dépassent 500 m3 /s.

En conclusion de cette partie concernant l"estimation

de l'erreur moyenne et de l"erreur maximale susceptible d"&tre
commise à , -
~d suite de l"estimation du débit de pointe par le
coefficient de passage R, nous retiendrons que manifestement la
valeur du pas de temps a une influence sur les résultats obte-
nus, le risque d"erreur étant de plus en plus grand lorsque le
pas de temps augmente. L'erreur maximale enregistrée pour un
pas de temps de 24 heures reste tout de m?me dans des propor-
tions raisonnables.

- 60 -
D ESTIMATION DU DEBIT DE: F"OINTE
F"OUR UNE FREQUENCE DONNEE

Dans la partie précédente~ nous avons reconstitué en

les différentes crues observées sur les 5000
sa. i :sons, pou.r lesquelles on a comparé le débit de pointe estimé
avec le débit de pointe observé (ou simulé
caclculé en supposant que le modèle est une représentation f i -
dèle du bassin). Ce travail était intéressant pour nous, en ce
nous a permis de déterminer l'approximation induite
par l'estimation du débit de pointe en utilisant le coefficient

Ce calcul correspond à un objectif prioritaire pour le

concepteur qui cherche à estimer la pointe de crue de récurren-
ce élevée en utilisant la méthode du Gradex. On va donc compa-
rer le débit de pointe extr~me par la méthode du Gradex et le
débit de pointe simulé.

1 - ESTIMATION D~UN DEBIT DE POINTE DE FREQUENCE Fo

PAR LA METHODE DU GRADE X

Pour un échantillon de pluies donné de 5000 saisons~

on a ajusté une loi de gumbel aux maximas saisonniers (Annexe:

r")
C.. , 3) et on a déduit le gradex des pluies sur les
trois pas de temps considérés.

On observe sur ces figures une dispersion d'échantil-

lonnë.ig l2 qu i f~st assez élevée surtout vers les fortes valeurs.
Cette dispersion s'atténue au pas de temps de 24 heures.

Ensuite on a tracé la distribution expérimentale des

débits moyens obtenus à partir des échantillons de pluies grâce
au modèle décrit au chapitre 5.

_. 61
 (J'Ii peu t vo i, 'r' en annexe sur les figures (4 à 9) que
cette distribution expérimentale présente une courbure expéri-
la partie basse de l"échantillon comme cela s'ob-
serve habituellement sur les échantillons naturels. La disper-
sion obtenue vers les valeurs extr~mes sur les échantillons de
pluies a été quelque peu lissée par le modèle (c'est-à-dire la
rétent ion) ..

La méthode du Gradex consiste à extrapoler cette dis-

tribution expérimentale selon une droite de pente égale à celle

suite d"une simple transformation d"unité, nous

avons estimé à partir du Gradex des pluies la pente de la droi-
te ajustée aux valeurs extrâmes de débits, et nous avons cons-
taté sur les figures que l"extrapolation à partir d'une certai-
qui correspond à la satl~rati.or1 CjLl bassin versant,
s"ajuste bien au nuage expérimental (pour les 3 pas de temps).

Un p€'''u t clone: es t i mE:~r le débit moyen de période de

1000, 10000 ans par exemple, et en déduire les
débits de pointes en multipliant par le facteur R.

C!('t» (F) -- D (F t) :-: F: (t)

(:1<
,. 'l> )
est le débit de pointe estimé à partir d'un
débit moyen sur le pas de temps t pour une fréquence Fo.
D (F, t) le débit moyen calculé sur le pas de temps
t et pour une fréquence Fo.
F~ (t) le coéfficient de passage estimé sur le pas de
temps t.

Un a obtenu les résultats suivants pour les deux modè-

les d"infitrations.

-- 62 _.
 _ _ _ _ _0
------------- _0 _ _ _ _ -
-----~~ - ---
j ° c_
'0;l
1 30 . 2617 3't02
·
1 31 2567 3363
---_.._ - - - - - - - - - - ------ _ _0 _ -
----- ----- - - - - ._-----
H3 1 .. 1::::·[':'-
_' ....J 21 r-,c::"
w",J 3309
·
1 60 2081 3330

1 . 92 2590 4973 1 • 99 2710 5393

· _ · . _ _ R _ _ _ _ _ _ _ _ _ _ _R _

----- -_...._- ---- ---- ---- ------

18 1 . .::.-c-
d.J 4 t+59 691 1
____0- ·
1 60 4189 6702
-------------- ----- ----- - - - _.._- ----
é.?Llo 1 .92 3520 67~j8 ·
1 9 r");l 3680 7323

_-0 63 -
 Remarque le modèle R correspond à celui à pente
constante à l'origine, ]p modèle M est celui à pente variable à
l"origine.

Mis à part le fait qu"à ces valeurs il faut accorder

une certaine marge d"erreur étant donnée l"adéquation de la loi
de Gumbel aux différents échantillons, nous pouvons déjà cons-
tater que l"estimation de la valeur du débit de pointe pour une
probabilité donnée, ne varie pas tellement d"un pas de temps à
un autre.

L"écart entre deux valeurs estimées pour deux pas de

temps différents s'accentue à l"extrapolation.

2 - CALCUL DU DEBIT DE POINTE DE FREQUENCE Fo DIRECTE-

MENT A PARTIR DE L~ECHANTILLON DES VALEURS OBSERVEES

Grâce à notre échantillon simulé sur 5000. saisons, on

peut trouver la distribution expérimentale des débits de poin-
tes maximales annuels. On ajuste expérimentalement la loi pour
déduire les débits de pointe pour les m&mes fréquences que pré-
cédemment.

Vu la taille de l"échantillon (5000 valeurs) la sensi-

bilité des valeurs obtenues est faible étant donné qu"on n"ex-
trapole pas la distribution expérimentale (Annexe : figures 10
et 11).

Les débits de pointe ainsi calculés sont les sui-

vant~5

- 6~ -
 l T l l t'ID d è l €~ t/\ l
1---------------------------------.-.------1
l :1. 00 ë'l'IIS; l l l
l ----------------------..--------.---.---.--.-----------.-.-.-..-_..-.--.-..__.--_._.--. l
l :L 000 B.n~5 l l 1
l ----.-----.--.--.--------.---------.---.--------...------.---1
l :l. 0000 ël1'''15 l 1 l

On observe donc que les valeurs des débits de pointe

très proches des valeurs simulées. Les valeurs
les plus proches étB.nt celles estimées sur un pas de temps de
12 heul-E~s.

Donc en conclusion de ce chapitre nous retiendrons que

sur les faibles pas de temps (ici 12 heures), on a l'estimation
la plus convenable du débit de pointe étant donné la faible
dispersion des valeurs dp R. Toutefois, s'il est nécessaire de
tr·ë\v,7.li llE'r sur' pas de temps, comme c'est souvent le
cas lorsqu'on ne dispose que d'observations journalières, l'es-
timation du débit de pointe peut ~tre considérée encore conve-
na.ble!. si on tient compte des résultats auxquels nous avons
aboutis, sur le pas de temps de 24 heures.

Etant donné que nous avons eu à travailler sur des

échantillons de pluie générés stochastiquement, et des échan-
tillons de débits obtenus à l'aide des modèles que nous avons
nous sommes posés la question de savoir tout
d'abord si les résultats obtenus n'étaient pas trop spécifiques
à nos échantillons de pluie et de débit.

On a donc constitué d'autres échantillons de différen-

te~. t~:'ii I1f.7:s~ (:1.00, 1000, 5000 valeurs) indépendants les uns des
autres, les résultats que nous avons obtenus n'étant pas signi-

-- 6~:5 -
 »

ficativement différents ce qui fait qu'on a abouti aux m@mes

Nous nous sommes posés aussi la question de savoir si

les résultats n'étaient pas trop liés aux modèles adoptés.

Mais le fait d'avoir choisi deux modèles d'infiltra-

tians différents et d'avoir Db tf?ïiU loç m~mes résultats, est
suffisant pour contredire cette hypothèse.

Et à propos des valeurs du coefficient de passage R on

a essayé de voir si ces valeurs n'étaient pas tout simplement
la conséquence de la forme de l'hydrogramme unitaire.

Nous avons donc fait le rapport de la pointe de l'hy-

le volume moyen et nous avons obtenu les valeurs
respectives suivantes pour les trois pas de temps:

----------_.
R 1
1-------------1-----1
1 1 2 1

1-------------1-----1
1 18 1 ~J'5 l
1-------------1-----1
1 24 1 3 1

Ces valeurs sont bien plus élevées que celles que nous
a\/ons obtE~nues.

- 66 -
 »

Débits de pointe estimés sur un échantillon de 1000 saisons

r='=;::::".;::::::::'-=::::::=::::::"==':''::::''==::::::::::"_-;',;::::"-"::--~~-:·::::::;::;;(~:;-~H~~:-=::'-':'=:::::::=:::::::::::::::::::::::::";::::"':::=::::::::::~-=-":::::::::::::::::::::::ll

~~'~-~~;-1--~;éb i. t-~t~;-'~~~,~~~-t e --I-----r:;;,-t1èl~. r~ ---·--r---~1D d Ë:l~? ~,~- 1'1

Lerrl,C
\.. 1 •.•-, 1
1
i.--.--..----------.---.-.---.----..------.-.-.-..----.--------·--·----··-··-·---··-··-------··---·--·------11
Il X Dbseï'vè ~ 2()I:~_ _._ 3 120 1
l--;~f.? - -'---~~t i mt? '---'- 3 :1. 00 3 1 ;.:~O 1

----Ii
11-1Ë;-----I---·E~~~i~~~é ------- -----:"3-;) Fj() - - - - - - - ---- 3--;(;0

t-~~:L:~0~~==~~"_=-===J~~=5::=J1
r~~~~~-i-~~~;;;;;-~~=~

~::p =;réb i t de- po in te r Mc, dé 1e R 1--~'1C1 d~ 1:~--l

I--X-i o~ervé-----'-:~;O i+ 5BO
4 750 4 700

18 4 700 i+ 620

T :::: 10000 ans

---_._--------------------------
x 6 200 6 560
----- --------------_._--
12 Esti.mé 6 240 6 400
 i

CHAF- :r TRE SEPT

ETUDE DE LA RETENTION ET DE LA
LA DISTRIBUTION CONDITIONNELLE
DES PLUIES EFFICACES
 »

CHAF' I , R E BEF',

ETUDE DE LA RETENTION ET DE LA DISTRIBUTION CONDITIONNELLE

DES PLUIES

Dans le chapitre précédent~ on s'est attaché à évaluer

les erreurs commises dans l'estimation d'un débit de pointe de
st:?lon pas de temps choisi comme unité
t·lav<:~.i 1"

sus de simulation~ c'est-à-dire la mise en oeuvre successive du

générateur stochastique de pluies moyennes et d'un modèle pluie-
débit global.

Le paramètre principal de ce modèle est le paramètre

SMAX, censé représenter la capacité du réservoir sol. La valeur
utilisée pOI.•l.r les comparaisons du chapitre six est celle obte-
nue à l'aide d'un calage du modèle sur des événements pluie-
débit observés. Les valeurs des débits de pointe ainsi obtenues
ne peuvent prétendre ~tre des estimations précises de la réali-
té~ mais sont dans le domaine des valeurs vraisemblables~ ce
qui suffisait à assurer des conditions d'expérience correctes.

Dans ce qui va suivre~ on va se préoccuper d'étudier

lê.". distl-ibution cie la. rétt~ntJ.on J.nitiale d'...!. sol ~ ou de ':.',on COin'"

plément, la distribution conditionnelle des pluies efficaces

pour une valeur de pluie brute donnée.

A cet effet, il a d'abord été procédé è une étude de

sensibilité des modèles de SMAX, puis à la détermination des
distributions conditionnelles pour quelques valeurs caractéris-
tiques plausibles de ce paramètre.

- 70 -
 »

A SENSIBILITE DES MODELES AU

PARA METRE SMAX

Pour le modèle dp ruissellement à pente constante à

l'origine, une étude rapide de sensibilité du modèle par rap-
port au paramètre SMAX, nous a permis de constater, logiquement
d'ailleurs, que la valeur moyenne de la pluie efficace obtenue
sur 10 saisons diminuait lorsqu'on faisait augmenter la capaci-
té de rétention maximale du bassin versant. Cette diminution
que l'on peut considérer comme rapide sur l'intervalle 100 à
400 mm, se stabilise à partir du seuil de 400 mmm au-delà du-
quel les résultats obtenus sont moins sensibles aux valeurs de
plus en plus croissantes du paramètre SMAX.

C'est sur l'intervalle 100 à 400 mm o~ le modèle mar-

que une plus nette sensibilité qu'on a choisi de travailler.

Le modèle de ruissellement à pente variable à l'origi-

ne a donné des résultats analogues avec toutefois une lame
d'eau moyenne ruisselée plus importante et un domaine de sensi-
bilité compris entre 150 et 500 mm (voir figure 10).

- 71 -
 Fig 10

SIMULATION DE 10 SAISONS

ETUDE DE LA SENSIBILITE DU MODELE D'INFILTRATION A PENTE CONSTANTE A L'ORIGINE,

- AU PARAMETRE SMAX.

~~====~-=======-===~=~=-===~~==-===~~==-==~====

SM"X 100 1.5 0 200_ 250

====!.~~
36.0 31 .2 24.8 22.1

69.8 45.3 45.5 40.1 39.3 38.6 37.6 34.0 15.6

ETUDE DE LA SENSIBILITE DU MODELE D'INFILTRATION A PENTE VARIABLE A -L'ORIGINE.

=======A~=~~~~~ ~~~~~~~ ======= ======= ======= ======= ======= ======= ======= ==c====
SMAX 150 200 250 300 350 400 450 500 1000 5000
(Ulm

26.8

69 8 C>P~ 49 1 46 4 44 8 4j ; 8 43 l' 42 .7 42 4 42 2 4 1 6 41 7
~ ==-=-==-= ====-=c:-= =.-:=c:::o.-==
==:11';:(=== :a=_",,=== ======= c,,",==s::::a= 1:I::IC=J::="" =-==2=== =o=""o=:r::_1C ===-=r:c:= z::-=-C=-=""-=
 ETUDE DE LA DISTRIBUTION DE
LA RETENTIDN

Le débit est lié à la pluie qui tombe par une quantité

aléatoire, la rétention. Cette variable qui conditionnne l"in-
filtration, est difficilement mesurable dans la pratique, étant
donné qu'il s'écoule un certain délai entre la lame d'eau qui
tombe et le volume d"eau ruisselée correspondant.

En travaillant sur des données simulées, il est aisé

pour nous de reconstituer les différents couples pluie-débit.

En assimilant la rétention à une variable aléatoire,

pour une série d'événements pluvieux, on obtient la distribu-
tion liée des couples pluies brutes pluies efficaces o~ chaque
point correspond à un événement particulier.

Nous avons donc générer un échantillon de pluie sur

5000 saisons et nous avons simulé 6 relations pluie-débit, cor-
respondant aux valeurs respèctives suivantes du paramètre
SMAX 100 150 200 250 300 et 400 mm.

On a alors étudié la distribution liée des pluies bru-

tes et des pluies efficaces cumulées sur chaque épisode plu-
vleux.

Sur les figures suivantes, nous avons les différentes

courbes isoquantiliques obtenues sur chaque valeur de SMAX. La
distribution conditionnelle des pluies efficaces n"a pas été
portée sur ces graphiques étant donnée la taille des différents
échantillons (14 000 épisodes environ). Nous nous proposons de
toute manière d'étudier la distribution conditionnelle des
pluies efficaces au paragraphe suivant.

- 72 -
 DISTRIBUTION DES COURBES ISOQUANTILIQUE~
SUIVANT LA VALEUR DE SMAX

SMAX 100mm

SMAX 150mm

·1

SMAX 200mm

, ". Fig Il
.. ,
.,
1"1-
,. ·:-t-·, 1
",,;;. "17' ~. __ .::-~~ .~

-.. " ,"

.'.11 "1-'" '.
~.
 DISTRIBUTION DES COURBES ISOQUANTILI-i
QUES SUIVANT LA VALEUR DE SMAX

SMAX 250mm

SMAX 300mm

.,.L. r' '.,

'i
i . ~

..
1

, ' '~.' -'., -

H-f.+ ; ".
J
1
:', .,.,";'.'
r ;:.1 . ,.
.•1'
: ~ ...
"
,. ._-'-.

~ ~ ~ -:.~ 7~ . ',' ;.j.- '4. .1

+ -."
" .

~
:: f : .

., ;,,' ."'. - .' .~ ,..:.-V; . SMAX 400mm

. ,-r. '~';: - "'. +. i' .j, :. Vi: J."
,,' :: .f:,..ib1f-'- ;:1
H-+·.·"
~-.:~,;'t- \·or~., t
~~ .1
".
"', ... -.-;~i ,

..L++_.l . . +.
'T~'F ~- ,': . ;
rrl'-t·c~
jl#+.~
1. ~: ~. ~ ,; ......
~O<lH-'~ .~
i hof+ ::- Fig 12
! .l-:
;
.cv ~.
/'~I"
 On observe donc sur ces différentes figures l'évolu-
tion des quanti les en fonction de la pluviométrie.

A l'aide d'échantillons simulés, on a pu observer le

redressement des courbes à partir d'un certain seuil pour deve-
nir parallèles à la première bissectrice.

Ce qui est intéressant à noter en comparant l'allure

respective des différentes distributions des courbes isoquan-
tiliques, c'est que les faibles quanti les qui caractérisent un
état de rétention initiale faible (avant l'épisode de pluie)
SOY1't très serlsible à la valeur de SMAX, ].e liell de leur~i c()ur-
respectives change, ce qui se traduit sur les graphiques
par un redressement de moins en moins rapide des courbes de
faible quanti le. Par contre, les forts quanti les qui correspon-
dent à des conditions de rétention proches de la saturation ont
toujours des valeurs très élevées, ce qui fait que leurs cour-
bes respectives se redressent toujours rapidement (Pour SMAX =
200 mm, on observe un redressement des courbes isoquantiliques
à partir d'une lame de pluie de valeur égale à 220 mm à peu
près).

La rétention est limitée par deux seuils, un seuil

inférieur qui schématiquement correspond à la première bissec-
trice, et un seuil supérieur SMAX.

Si bien qu'entre la première bissectrice et le plus

petit quantile qu'on peut avoir, nous avons grossièrement la
fourchette de valeurs à l'intérieur de laquelle est tirée la
variable aléatoire R : La rétention. L'é~hantillon de valeurs
étant d'autant plus grand que le plafond de la rétention est
grand.

La distribution conditionnelle des pluies efficaces

est liée à la pluviométrie et au déficit de saturation.

- 73 -
 (Jn peut illustrer ceci à l'aide d'un exemple numéri-
= 400 mm et pour une pluie égale à 300 mm le
'":lo····
quantilE~ ~S est Cl €~ c... ~) ïiim. 1::',3.', contre, sr1AX c-::: 100 mm,
cette m&me pluie correspond à une lame ruisselée égale à 210 mm
pour la m~me probabilité conditionnelle.

On obtiendra une vision plus synthétique de cette in-

fluence de la valeur de SMAX sur la distribution conditionnelle
des pluies efficaces en étudiant cette dernière de façon plus
précise sur quelques classes de pluies brutes.

C ETUDE DE LA DISTRIBUTION
CONDITIONNELLES DES PLUIES
EFFICACES

Pour cette étude on a découpé l'échantillon des pluies

brutes par intervalles de 4 mm. On considère de ce fait que sur
chaque intervalle, la pluie brute est constante à + 2 mm près
(voir figure 13).

On a obtenu pour chaque valeur de SMAX un certain nom-

bre d'échantillons de pluies efficaces de tailles différentes
suivant la valeur de pluie brute correspondante et pour une
valeur de SMAX donnée.

On se propose donc d'étudier cette distribution condi-

tion'l\elIE~, pour- cela on a gardé seulement trois valeurs repré-
sentatives de SMAX : à savoir 100, 200 et 400 mm. Et nous avons
étudié les distributions statistiques des pluies efficaces pour
les ~lasses suivantes et pour chaque valeur de SMAX

Cl2\sse 1 Pluie bi-'U tE.~ -- 2 mm -1- 2.

Classe 2 Pluie brute -- 102 mm + 2
C l (:\ S ~::; E? 3 F'luie b 1'"u"!::!:? .- 20/?- mm + é?

7i.~ -
 Pig 13
(d'après SLIMANI ET LEBEL 1985)

30 4----------,-------.-------"71
. Flood V lume
"
(mm)

95%

90%
20

10

•10%
..
~ '. , . ,.
~ 5%
Rainfall (mm)

Rg
30

Dg/Rg Qg/Ag

o ~-=-1 _ - - r -_ _--,-----oC.._~--___.

,.,

HA
·1-"-.:::.-.---l~-~--__lf--___ir_~
.... ~-
.O.2li -0.0 .0"76 1
~.
Fig 14

Fig 15

Fig 16
 ;

C l <~i ~:;:, ~~ f:? 1.+ F' luie blo·UtE? -- :30E~ mm -1-

,.~

c:.
,::-
C]. r.\~:;~~e .J F'luie broute -- 1.+02 mm + 2

Au delà de 400 mm, les valeurs sont trop dispersées et

correspondent à quelques cas rares.

On i::i. por-té pour chaque classe la distribution condi-

tionnE:lle des P luit?~~. le papier fonctionnel de
Gauss (Voir annexe figures 14 à 28).

Les paramètres statistiques apparaissent sur les ta-

blE:2'1u:·: suivèl·lÏts.

Les différentes distributions sont caractérisées par

une certaine dissymétrie qui var-ie sl::?lon le pourcentage de
ruissellement et une dispersion d'échantillonnage plus ou moins
forte suivant l'importance de la pluie et de la valeur de SMAX.

Sur les figures suivantes (-fi.gul""f"2'2. 1.'+, 1.5~ l6) on a

caractérisé les valeurs des paramètres: coefficient de varia-
tion et coefficient de symétrie suivant le pourcentage de ruis-
sellement de chaque classe et pour chaque valeur de 8MAX.

On peut distinguer trois catégories distinctes de dis-

tributions conditionnelles des pluies efficaces.

1 - UNE FAIBLE PLUVIOMETRIE

Lorsque la pluviométrie est faible, nous observons des

distributions conditionnelles de pluies efficaces assez disper-
sées caractérisées par une dissymétrie positive relativement
accentuée (figures 1.5~ 1.6). Nous observons donc sur les
figures en annexe (figures 14, 15, 18, 19, 22, 25) un noyau de
poi.nts qui à des probabilités très faibles o~

.- 75 -
 ~--- ----
P... r t''"''' SN A Xc ~ l-\ A X ,'L'~ ~MJ\X~~oo
1
.......... \00

"J• .i- ~ _
. ....,.. Ir; Î'. 1 ~'J. 1 t. 0J.

,...c'i... n.... .,"-,"';:' L,.t..'i1 .,. , 1

". " ,
r....J...: ........... ,~...,..::. .".~o ."., \) :.. 4 ç
>-\ • .l...

tE -...-"....1.-
i"""-\.,.J...L

"''If"'-
.." . :,. :,

":l,. l\)
".I.<Ç.,
'" .". l '

o. ~:,.

<:.-4, . d-. Il•• :,~:., o. :l. t. <>. ,C- o. 'L~

~ • .J,. Si~tt~- ç ~<; C ç~ o. '-14

<:.4 . J 1 ~..t-,~~> 11- . '1 G 't..'blt
""'." t.

~ ~-
"
P... r .. -. .. t''"'-'' 'Cj t\ A X= \00 ") \1-,\ )(::. 't.DQ ~h~ x~~o.

"J• .i- ~_ ....,.. 'Lit 'J. 1 & -,.

4- ~ ./"
t\c:.'i ...._ .'"-'...;:. '-t ~ 1- ; t.<;' 'L4'.1~ 1~4.H

't\..J.,..:............ ,~...,..::, Lt"/.~5 1 4 ., . 0'> 1 t..~ .'~-

>-\ • .1... i""".\.,.J...L 'f'>C'\'-! 1 l- 'l.Y:! \ ." \. , 4

lE<--'" "''If"'- 't:"Y·'~ 1-2..&.1-1 IH·~ ~

<:.-4, . d-. Il••: ,~:"' o. ç G' o. ')" 1 . ot.

~ • .J,. S'i'..._h~ .... 0.41 ~. Ig- o,. 'L~

c....~ . J 1 ~..t-,~~>
- 1. 'l..:' 3.<;4 ~ .Ib

l).o.);;::\....A;.~~ ~.....lv:lo.·.·_t-t.. .ho ~ <V.-\..-.<... ('I..o Q

z I~<.. 'l.o"~..,)

P... r ........... """'"~ S Hf\>I, 100 ~NAh'L'o ~MAX" ~ ••

"J• .1- ~ .._ ...'r 1- 't- ";. 1,., '/, l'i. 1.

t\\30'fU'I'Ioo: .,"-,"';:' ' ' ' ' 4.0'} .f.os-.'l- "'5'~.~'
"-,.)..:- ..... .\-..-..,..:;, 1 4-" "l. l'ï ~ , ... 1.« t. çg . tX

>-\ • .1... i"""-\.,.J...L

'" t. 1 . ">0
,!>ç'L. ",t;' '!.'!.G.t1.

lE-...-..-...\;-
"''If"'- "t.~:'. 4~ 41't...''6 3't.Lltï.-
<:.-4, • d-. Il••: -~:"' <>. '2....0 o • ç'~ 0 . ~o

~ • .J,. S."..._h~"- o. "!.o 1 ,.. -:;. ~ t.

<:.4 . J 1~~,~~> -, .~~ \ . 11 1b . ".>\

D,.C.J>:,.'--A::- e.-...... .,,\.,L.I.;(t)..~ J... ~~ ·W~"'~o. <.. p~<:.'>.~-~

P... r .. -. .. l-"," <; '" A Jo. 100 ~ P1 AX ~'tQO ~P1AX,~oo

-Jo .1- ~-~> ~ 't J. C'I ï. ",0 ï.

1'" ~ ".'1. ç ~~ç.<,"''L

t\to'i.... .,.,., .'"-'..;:. 'L'!> Y ~ .).0

't'\..J,.:_......... .. \-..........,..::;, ·t.,ç;, . te:> l 'l. t t. .Co " 0 0 ." 0

>-\ • .1... i""",\.,.J...L 'LÇ,t..:'1 1 t ~~. ,,' G ;~ . ",

iE~ "''If"'- ",,,1-.~1 '5' 1 w .t-~ .. '<0.1."

<:.-4,.d-. 1/...: ..\0: ..", o.l~ 0 ~ .. o.'t :,

~.cI..- s"',.,.j,:.. . - e:>. o ,?, o. Ig /.\'1-

<:.4 . J 1~~,~"'>
- , . 1-'L _/. P - 0 . "'>'

~:I...k:~ ~.~.\.:ki:.",....ll... .u.. ~~ .5!1<--. ( ltoo .(. P\"'(' lro\o ..."",,)

P... r .. _ .. l-Y'.,\. ~"~l(~ /QQ <) fi 'AX~'l.QO ") 1'1 Al:t "'ao

-J• .1- ~-"> 'i'~ "J. 1-'L'l. '-t'Z... "J.

J 01. ~ç
t\to'i............ -,"-,";:' 1"'.0' 'L'iI~t-.\l 1

"-,.)..:- .... 'I\-.......~ 1'1-'0'/' ~").I.~<l 'i \) 1 .'1. 0

>-\ • .1... i"""-\.,.J...L 3'; I<{, .1- 1 t. ... , ç .~, 1'-1 tL'!>o

lE ......--" "''If"'- .">c ç ~~ .'1-% 1 'LU .n,

" 11
c:.4.,J.... \1'...: ...\0: ..",
" .o~ " . LI 0.1- :?>

~. .J,. S1 ....... r:~ - C).4Ç o . 1 / o. y.,

<:.4 . J 1~..t.,~",>
- t... . t.'+ .. _'L.IL ... 'l... .'t 0
l'état de rétention du sol avant l'épisode de pluie est proche
du seuil maximal.

Par ailleurs, l'allure de ces distributions est du

type Log normale.

2 - UNE PLUVIOMETRIE MOYENNE

Lorsque la pluviométrie est moyenne, les pourcentages

de ruissellement sont plus importants, on observe alors une
diminution de la dissymétrie, qui dans certains cas devient
faible, et une dispersion d'échantillonnage moins grande. Nous
avons alors une distribution expérimentale des points qui tend
à devenir normale (Annexe figures 20, 21, 24). Les coeffi-
cients d'aplatissement tendent vers O.

3 - UNE FORTE PLUVIOMETRIE

Dans ce cas de figures, les pluies efficaces corres-

pondent à des pluies brutes fortes. La distribution condition-
nelle des points est pratiquement symétrique (voir figure 16).
Ces échantillons sont de taille faible, les valeurs sont peu
dispersées, la moyenne, la médiane et le mode ont des valeurs
très proches, si bien que plusieurs points correspondent à de
forts quanti les. Dans ce cas aussi, nous avons une distribution
à peu près du type normale (Annexe: figures 26, 27).

Notons par ailleurs que pour SMAX = 400 mm, nous avons
observé une dispersion d'échantillonnage plus grande pour cha-
que classe. Ceci revient à ce que nous avons dit au paragraphe
précédent, le déficit de rétention à chaque début d"épisode
varie dans de grandes proportions étant donnée la forte valeur
de SMAX. Ce qui nous donne d'ailleurs des moyennes sur les
pourcentages de ruissellement toujours faibles.

76 -
 i

Pour SMAX = 200 mm, les pourcentages de ruissellement

obtenus sont de l"ordre de 10 à 75 %. Ce qui paraît convenable
compte tenu que ce sont des moyennes. La dissymétrie qui est
apparente pour les faibles pluviométries, diminue d"une classe
è l"autre.

En conclusion nous pouvons dire, s"il nous est permis

à partir de ces résultats obtenus sur les classes considérées,
d'extrapoler à toutes les valeurs de pluies brutes, que pour
une valeur de SMAX et plus particulièrement pour SMAX = 200 mm,
puisque c"est la valeur qui nous intéresse le plus, on observe
pour les faibles pluviométries Cmis à part ]p cas pur intéres-
sant 00 les pluies brutes sont très faibles inférieurs à 4
mm) des distributions conditionnelles de pluies efficaces ca-
ractérisées par une dissymétrie positive assez accentuée et une
forte dispersion d"échantillonnage. Cet état caractérise un
déficit de rétention initial souvent fort par rapport à la va-
leur de la pluie brute de l"épisode considéré.

Lorsque la pluie augmente, les pourcentages de ruis-

sellement augmentent aussi, si bien qu"on obtient une distribu-
tion conditionnelle des pluies efficaces moins dispersée et
moins dissymétrique.

Pour les fortes valeurs de pluies brutes, nous avons

quelques valeurs de pluie efficaces dont les distributions sont
caractérisées par une faible dispersion et une dissymétrie pra-
tiquement nulle.

- 77 -
D ETUDE DE LA DISTRIBUTION EXPE-
RIMENTALE DES VALEURS MAXIMALES
SAISONNIERES DE DEBITS

Nous avons vu au paragraphe B de ce chapitre, que les

courbes isoquantiles se redressaient d'autant plus rapidement
que la valeur de SNAX était faible.

Si nous portons sur le papier fonctionnel de Gumbel la

distribution expérimentale des débits, on observe à l'aide des
valeurs obtenues sur des échantillons de taille très grande une
courbure positive de la distribution des points qui est d'au-
tant plus rapide que SMAX est faible (voir annexe : figures 6,
Ces figures correspondent aux trois valeurs respecti-
ves de SMAX suivantes 100, 200 et 400 mm.

On a donc estimé la fréquence du point de courbure et

on a obtenu les résultats suivants (pas de temps considéré : 18

l ~3MAX (mm) l F l T l
-------------
l 100 l (J • 3~3 l 1.5 l
-.. _-------
l 200 l 0.72 l 3.6 l
---_. -----
l l.~OO l 0.80 l l
_.--~-_._-_._-----

Ces fréquences peuvent paraître un peu faibles étant

-- 78
 »

donnée que Guillot et Duband estiment la récurrence pour at-

teindre un état de saturation à un période de retour de 10 ans.

Nous observons par ailleurs qu'à la suite du redress-

ement des points de distribution, ces points s'ajustent bien à
la droite de pente égale au Gradex des pluies.

Par ailleurs nous avons cherché à nous mettre dans les

mGmes conditions que le praticien pour extrapoler la droite de
débit à partir d'échantillons de faible taille.

Nous avons donc simulé pour une valeur de SMAX =

200 mm, trois échantillons dp valeurs maximales saisonnières de
débits de tailles respectives 10, 20 et 50 ans (Annexe: figure
29, 30, 31).

Nous pouvons donc voir que pour des échantillons de 10

et 20 valeurs maximales annuelles, il est difficile d'observer
de quelle manière se fait le redressement des points représen-
tés. Par contre, un échantillon de 50 valeurs semble suffisant
pour observer le redressement et ajuster la loi des débits par
le Gradex des pluies.

En conclusion de ce chapitre, nous dirons que l'étude

sur des échantillons simulés, nous a permis d'observer la re-
lation pluie-débit notamment pour les cas de fréquences rares,
o~ nous avons obtenu le redressement des courbes isoquantili-
ques parallèlement à la première bissectrice et le redressement
des distributions des débits maximals saisonniers sur le papier
fonctionnel de Gumbel parallèlement à la loi des pluies.

Nous avons alors vu qu'en considérant la rétention

comme une variable aléatoire, on était amené à décrire le dé-
ficit de rétention initial du bassin versant comme une série de
tirages aléatoires dans une fonction de probabilité limitée par
deux seuils que nous avons explicités.

- 79 -
 bien qu'en étudiant la distribution conditionnelle
des pluies efficaces, nous avons pu caractériser à partir des
pourcentages de ruissellement certains types de distribution
que nous avons considérés semblables sur une certaine marge de
pluies brutes.

Cette étude est incomplète, il serait intéressant en

effet de pouvoir représenter la distribution conditionnelle des
pluies eff"icaces erl fonction des pluies brutes sur toute la
taille de l'échantillon afin d'observer les classes prépondé-
rantes de ruissellement considéré et de caractériser à partir
de là le risque de crue d'un bassin versant donné, sachant la
fréquence que l'on aurait d'observer un déficit de rétention
initial proche de la saturation.

- 80 -
 »

CONCLUSION GENERALE
CONCLUSION GENERALE

Bien que couramment utilisée en France, la méthode du

Gradex mérite encore d'~tre étudiée sur le plan méthodologique,
notamment concernant deux aspects principaux :

1 Validité d'hypothèses de base largement admises,

mais dont la vérification ne peut se faire qu'à postériori et

2 Mise en oeuvre pratique.

Le travail sur des données simulées ne permet en au-

cune manière de traiter le premier aspect, il nous a par contre
permis d'éclairer quelques points particuliers concernant la
mise en oeuvre de la méthode.

On a d'abord pu vérifier que si le choix est possible,

une meilleure précision est obtenue en adoptant un pas de temps
d'analyse inférieur au temps de base supposé de l'hydrogramme
du bassin étudié, et donner une idée des erreurs commises dans
l'estimation du débit de pointe.

On a ensuite illustré ce qui pouvait être la distribu-

tion conditionnelle des pluies efficaces et fourni des valeurs
plausibles pour les coefficients de ruissellement moyens.

Ces résultats sont indicatifs et ne concernent que la

zone sur laquelle ont été calés le modèle de génération sto-
chastique de pluies moyennes et le modèle de relation pluie-
débit è savoir la région cévenole.

On a pu constater que la saturation des sols semblait

atteinte plus souvent que prévu et que l'extrapolation de la

- 82 -
distribution expérimentale des débits selon une droite parallè-
le à la distribution des pluies devrait âtre envisagée dès la
probabilité 0.9 et m~me moins.

On pourrait chercher des résultats complémentaires en

multipliant le nombre de simulations pour différentes tailles
d'échantillons afin de fournir des fourchettes d'erreur due à
l'échantillonage.

Telle qu'elle fonctionne l'heure actuelle, cette

chaîne de simulations apparaît comme un outil pédagogique per-
mettant d'étudier la relation existant entre la distribution
des pluies et des débits extr~mes.

- 83 -
 · »

BIBLIOGRAPHIE
BIBLIOGRAPHIE

1980 ARIE BEt-!-ZVI

"Lette:',- to thE' Editor". D,,~n~,;. : Hyc!l-lc)i=Jicê.. l ScienC:E!s-'-
Bulletin-des sciences hydrologiques, 25.

1981 MAX BERAt-!

"L..E~tter· to thi~ Ccl i tOï" " • D;:H'I~5 : Hydr·oloi]:i.cEll ~::.ciE:nCt·?s­

Bulletin-des sciences hydrologiques, 26.

1972 CTGREF

1967 FRANCDU J., RDDIER J.

"Essai de class::.ification c.1f..~S cr'Ufi'S ma:·:imalE's ol::ise'lvée~:;

dans le monde". Dans: cahier ORSTOM, série hydrologie

vol IV, n03. Pages 19 - 46.

1967 GUILLOT P., DUBAND D.

"La métr·lodf?.' du 131- ad'~:·: POU1- l t~ cal cu l de la pl-obi':â_ï i ]. i té
dE?s cr-ues L~ pal-til- des pluies". Dan'.:":, les Cl-UE'S et
leur évaluation (Actes du colloque de Leningrad)
AIHS publication na 84. Pages 560 - 569.

1973 GUILLOT P.
"Pl-évision=. ~~ur 1,:::\ méthode du G·,-·ade:·:. Uti l iSëation df=~

l'information hydrométéorologique pour l'évaluation de

la Cl-ue de pl-·Ojf:~t". XI ème congl-éS'> inten-,ational c:IP~:;

qrands barrages (Madrid), Q 41, R 8. Pages 131 - 136.

- 68 --
1979 GUILLOT P.
"E:valuati.on des Cl-ue~=- f.".!)·:t·I-"êïnec::. dë:\'IÏ~:; lf=s )"'égion~o, d€:.~

f,:::\ibles précipitations". Dans: The hyclï"olol]iE? o'f

low precipitation CProc. Cambeï"ra Symposium)
AIH5 publication nO 128. Pages 79 - 86.

1979 GUILLOT P.

cipitations intenses; systèmes d'annonce - prévi-

valeurs extr"êmes (ENSH, fascicule 4).
'.')
- ..::J"

1984 LEBEL T.
"l'1oYE'~nn(= spatiale df.".! la pluiE' sur un bass;in versant
estimation optimale, génération stochastique et Gradex
dES'> valf.:?u.r·c::. E;·:tT·emE?S". Thèc::.e Dl Ii'·IF'G.

1985 LEBEL T.
la distribution des valeurs extï"?mes
de pluie cumulée sur différents pas de temps et les
débits de crue correspondants - Etude sur des échan-

f.".!n eau" : EDF.

1983 MASSON J.M.

"L.a l coi. de GUl"1BEL". Laboratoil-e d'hydl-ologie mathé-
matique. USTL.

1976 REMINIERAS G.

tion des études de recherches d'électricité de France.

Edition EYROL.LES.

1963 ROCHE M.
,. Hyd )"'0 log i f:? d e ~:;Ul-t- ,::IC f=". Ed i t i. 0 ri G?~IUT l EF:-V l LLAF::DS

- 69 ._-
1964 RODIER J.
"Régimes hydrologiques de l'Afrique Noire à l'Ouest du
Congo." Thèse: Faculté des sciences de Toulouse.

1981 TOURASSE P.
"Analyses spatiales et temporelles des précipitations
et utilisation opérationnelle dans un système de pré-
visions des crues. Application aux régimes cévenoles"
Thèse DI INPG.

- 70 -
 INDEX DES SIGLES UTILISES

DRSTüM INSTITUT FRANCAIS DE RECHERCHE SCIENTIFIQUE POUR LE

DEVELOPPEMENT EN COOPERATION

CTGREF CENTRE TECHNIQUE DU GENIE RURAL DES EAUX ET FORETS

(maintenant CENAGREF)

ENSHG ECOLE NATIONALE SUPERIEURE D'HYDRAULIQUE DE

GRENOBLE

INPG INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE

AISH ASSOCIATION INTERNATIONALE DES SCIENCES HYDROLOGIQUES

- 71 -
 PLUIE MOYENNE SUR 12. H

Fig: 1

- -~~~---~:---+--- --.-+----------- +----- .---.---+----f-- ~-/-I-----_·_----_··_·_··-----+I--

F
--------+-----_..--_.....----->
.10 .30 .70 .90 .95 .99 .999 .9997
 PLUIE MOYENNE SUR 1a H
l----r-,--i'-1 1 1 ï 1

il: 1 1 1 1 1 II-
g l ~-!---~---J--J- 1 l ----J-----L-4-~---- (-
tIC>
-t
tO
i
l
1
l 000
0 0 0l
1
i
l
i
'
11

g L--+----j-
Ln 1

1
l

1
1
1 1
1
I l !

\
I-J--ifl
!
~~J~-J--
1

j
--L-----+!_J
)J
6> (
1
1
t
1
; :
1

i!
1 ; 1 \ 1 1 1 ~ i 1 1 1
C)
!i !
11!
1 - j
l
1 1
Il' 1
1 1
1
\
1 l
!
C)

~ r-T--r--l-l----T---rli-
1 j 1 Il! 01 '
1 r--l----T---T
j 1 j 1

:::2:: i l ! ! !' 1 l 1
j
~g'
1

j! !
S ~ 1~--1-----t·------1-. ··--..-1-1 i 1~+--·1-·---1·_-----t
1 j 1 1 1 1 1 1
1

z
W a
• 1

1
I
l l !,
;

il
;
! !l
)
!
1 ! l 1
i
!
i

1
"
!
.
il'
•
J ,:
t --+--..----'---,------,--.----_.
1

!•

J.'
l
1
1
f
!
~i
WC)
~?ô t--l-·-------r---r------r··
: ! 1r; !
---y-----
1

n::! I! ! 1 ! I i i 1
IIi ! i ! 1 \ Il! 1
1 \ ; ! ! ~ !\ i\ l1 '1 1
r-+ 1
C) 1/ 1

I----I-------..--r..------r---·-~
C) ; i l , ! 1 1
~ T·--~--r--~·-'- -~---.______t_--
, 1 ! l 1 l' 1 1 1 MOWENNE Lf022·V O 1

! ! Il! 1 EC~RT TYPE: 742.62 1

~---=1----L-,+--~- J-..--~--L--t-.J
GUMBEL VARIAJE (U). Fig:2
~ 1 ~ 1 -+--- 1 ~
F
--_.~

.10 .30 .70 .90 .95 .99 .999 .9997

' ..

PLUIE MOYENNE SUR 24. H

~
r-----t --'---!------~t---
. ,
-T'-"-'
. ;

'1 1
~

i
.. _-_
;
__ - ----
'ri
1

j
j
i
, .._ -t
1
.. _,.- ...,..... ~ "-~_."-. ", -t-_.· _... _.. _... . J . ". _.".-.'-~

~,
1 1

i
j
j ;
)
,
,
"

1 ,
i-··---- "_." ---r .-.-~- ... '. -;
..- _ . __ j.-I~~._- ...• _.... __ ~

.1..-.-..·_---··,-.. ··--1,.·.,.·. ,'...---

<::::l
...--1
-- e::::>
......-1 c::> ~ i
.. --.--- -.'. "'"1
;
• e::::> ----•• -.--.-~-. -1- --.---~-.~ .•. - - .• - ."
:z:: CT')
LU
LU
1-; e::::>
:::Je::::>
_--1 e::::>
o...N

i
j

_.. ----: -.- .-.-._..... -·····i-·····_·

~
.L
--i' - .. --§----.--.-l. -"'-- '5'---·-1 ·_--·····l---· ...... _~
Fig:3
GUMBEL VARIAJE (U). r-

.........._- --+-- ---+-..- ..... -_.. +-_..... I

.-+-----.. --+----....- ..-....--~".-.-.~ ....... ~-- . . - ---I...~~-.,.-~+---. _---_r.- ... -_._>
. iO .30 .70 .90 .95 .99 .999 .9997
 DEBIT MOYEN SUR 12 ~ MODELE R

j i. ~
T'--- ---~ - - - - ' ;.---------.. --..>.. - - -~-.-~ -- _.~-.._----.~+--

~ l
~ ~-J . -• ..::._......;_"-r"'-_. __ ----T- .._. .__
~ i i" ~
,l ,

Fig:4

GUMBEL VARIAJE (U) ..

---
~------+--rl +- ---- _.._------+.I- ~
F
--11!"------+t------ -----~-~".~
• •
.10 .30 .70 .90 .95 .99 .999 .9997
..
'

r-'
1
1
j

C)
C) ,
c==- .,..--_.~ . _~-

"'-t ~

z
U-l

1
, '1
..!._" ., ---..;......,..._...-.. _.L-~._",_.~ ..._-..--_.
! 1 j
)

j
)

FiJg:5

------ -,+---+----.-+--------+---,+-~---_+_-------
--+I----il'---
1
F
._-----)0
.10 .30 .70 .90 .95 .99 .999.9997
 Il r--T-l 1 Î 1 l, l' cl
l ' 1 Il! 1 [0000 t Iii
C) 1 ! 1 ! l I
~ +---4------+-1 -~--+--'--+---+!
! 1 d/
r---'t-'--«---
oof
-
. "';1 1
----+--t---,--i·
1
1 1

Il!
----0'

, ! ! 1 i; .:' il! !
1 1
i j
l# "~(1 !
j
,1
!
1
1
1
1
Il

!
1

l ,1 1 l, 1 ! j i'
1 j 0) 1 1 1 1

,g-r l l ' /, " I I ! !

1

~ g r--T~--T--r---r-l
1 1

'1 /---1-- '--l----i l

dJ J 1 1 1 1 1 1 1 1\ Il '! 1 1
r-; 1 ! 1 l, 1 1 l! l 1
~'l
11

I I !

I +-
ŒJg l
LU C ) 1..-
, I l ! i, 1
,_, ,·---,-·---+-----1- -->----t-
! l '
( 1 ! 1
1 1
l
--:------!--""------'-
CJ~ 1 i j i i.' 1 1 ii 1
1 1 1
J ' '1 ! 1 1 1 1 1 1 j

Il! i 1 1
MOrENNE 1338.~1
! 1
! 1 1 1

! ! ~ ECr'AT TYpE: 4V5.57 l

---21--
l
7-
!
---1-
-~ 1 ---+-- 3-
, L,5---+-'---7----·
!
, 1 1
j L
~--9
1 J
'
Fig: 6

GUMBEL VARIAJE (U).

------+--+-I----+-t--+-----+-i- - - - 1 1 - - - - --tl-----i~~

.10 ,30 .70 .90 .95 .99 ,999 .9997

' ..

DEBIT MO~EN SUR lB H.: MODELE M.

X =488 U 135
T- ! ! ! ---j----l
t
t [ l i
1
r i! ~1
i
1
l
l1 1
of 0
'0 1
Il
f i
, 0 0
1
~
(~
1 l
1
." i..
l
:
,
(
~
tao
l
00
f'
"
.
"
l
.--,-l. __._._._._
~
S
1
-,.-- 1
.----.--.. "'-""-'-_".'_00[" -'- ----<0 ...-....-------~. -- -·.T-~·.--l.--.o-7l----.
1
,~_._ .. ,
- -. -. - - - .....1
1. . ; i 1 l
i lr . 1
l ClIP 1

A
~o ~

1
i
1. .;:- , 1
1 ~
.g
C)

+-------. L~---
ru i '
l , [ i

.. --~--.o.------ .. +------L~--_l---·-η
i l . 1
,

~
D"
lY,:
.
f
---t-_·_-~-----~-_·
f !
:
l
', : 1

__.. _-~· . ·_·_~ . . -i---···_...-..-.._---+

f i r
l,. l'! i r1 (
U1
_____ i1. t , t
"
i 1

(ï) ! ~
'.1
l l!
j \
~
r ,~ :!
t 1 t
, 1 1 ;

r
:
'.
f
f
r·
i~ If:
r
i! il f' 1

-t-.----j ----+.---.--- t·-.-.--.-..-~-._-

1 1 1 l
i

, 1
: ' , 1
-_o·t--~--·~··o---·-·'·[-·---~r-·---·'·-r-
~ f
\

l~
. _-+o-_····t ---------t
: ;

~ t~
i ~ r .
. i
( i
f
ç
f ~ ' t

MOWENNE f 433.49 ,
EC~RT TYPE 4B2.
1

~.
, { 1
~
05 !j Fig: 7
1

·------r··-·-l-----·j------~--t-.
;. 1

-t------f---..l---i----.
! ( :

.J

GUMBEL VARIAIE (U)

---.-----.--.-f--. +-1-- - -.+----~.--+------____+_----._.----.----____+___~~_+_-.-.---L
.iO .30 .70 ,90 ,95 .99 .999 ,9997
'"

DEBIT MOYEN SUR 24 H.: MDDELE R

r-''-'-'-!..---- -1-- ·------1---- -.--+--_. ··'-r-- --+ X 397!U
·~r---~--1II-----~~+~----'!h,0..------,1
130

--~-.-.--!--- .. ~- ....--..-..... --.-....-- ..-- -;- "-'- -'''~--'--'''-' ..... ;--.------+-- ------.. -+- . . ---l----O~ -:····_·__·_··~-,,·_,··_-~·_-t
. :

00

C=>-'- 0°
o
,i
~ _..._+---_ ... ~_ ..... '-- -.------ ... - _. _.~.- ... _--_._..;--'-""" '"- .. of 1
;-_..- -_._..-i~--_._._.~
C\.l
_._;_.
-;'âI>°T -..~ ~ ,
II i
1
1
. . .~ . !
.. '--~-- - ---'-- -.--;.....--_ .. _~ . - -~ _._-;_. -- • ~ •• 6' ....... _ . _ ;~ _ ••••• (,. • ; _•
.1.
~ i ' ;
i i
;
\
1
i;
c::> ~
. C>
~ --...,..~ .. ~ .,-. ..;:".. - ....
;
"'-'--1
.....-fi

!
- -........... _'_.,...c_;. - .......-.y_... _. "f" "----:..----1- .. -~ ....;-- ._.~ ~
J -.---1.-.-----j - - .~--_.j .....~.,. . ,~-f.---. ----"r;
:
,
{
~ •
1 s
>
~
l..
~ i ~ : ~ ~

.\
,
:
~
~.
•
~ ;
:
.
:
1
,
:
1
l'
( - ,
~._.,~- -..{"''''' ---_.-,...;. ... __.• _---:...-~ .. _..-:' __.-:._ ......:. .._:---
, . :
~-..-o-~,...---~----.- .....--T ... -'·,-----.~-·.-.-
i ,
._}
1
{
~!
j

c::> ~ .

}_ ._~~ ..
l

.._... ~~ __._.
,

.;.. _A_'__
;
c::> ._~i_.~_ ~. '~i....~_ .. .-t
Ln i

MOYENNE 276.58
.
----' ~._---~-".-
,
- --- .-_.'- ._~-- ----~~.-_._--~-.; ..-.. _.---- ....,.--_ . "---.--.----··--··----r~w
ECART TYPE:
-_..
386.54,
-··--i· _--;~- -~
Fig:8
~------~i---- -t-- --------1- -----1---- 3--- --~------ . ~. . --._~ --_. ---1 ..-' '---f --- ----9 ---- . -.J

GUMBEL VARIATE (U),

----,...--+---~. 4-1----.-+--.~" -+-.__ .+-. ---'11-r--~'" ..--_.....--_...-' -------It-- ---f---._._- --->
F
,iO ,30 ,70 .90,95 ,99 ,999 ,9997
',.

DEBIT MOYEN SUR 24 H. ~~DDELE M.

o
o -.---. ---" --.-:- - - -. --:-. __ .. _..
l!J ._~-., ~--

,# :

-,- - - - - - :;- - - - - .. ,
i
- . - - - - - j..---- .. -.---;-----.. ---r ! ; i i j i
r-")'---'-I-~---r'''--~--T-----I---''--~'';
1
i ~ i ; 1 i
i j 1 . '1
~ ! i :
; 1
1
r
- i ; , 1 ,
-+
-i
._._~_ .... _ ... __
.
•
i

'-T-~-- ---T~···- _ . .
l
j-
__
• --+------r--·----r-------~}---··--1~-·--~~--·
1 ; i 1 i j
! • l , i 1
. ~ i 1 : i ~ :
L 1 l i ! : -/
1 j 1 j] ! ; ~
-------_._.;..-----,_.. _..!. __._... _~. -+._-_.. - 1 t 1 )
-.;.------+-------,------_./----------------;--_.. _---+ ---_._-_.--.;,.
l :
L

1
! 1~ 1
1
1
1 l ,
~
!
i
•
~ t i \ :
1 . .

__ .
1 ; ;
, ! 1 ! , \ " 1 :

--i---- ---L __-._:

1 1
~-.-.-+- ------~- ~~---- _.--;----.~_--_l
~ ~ 1 ~ l '1
. ' 1

1 : 1 MOYENNE 353 .9~

J !
! _ ~ ; 1 j ECART TYpE: 3~1.98 i Fig:9

~..·-~-:..r:-::C . . -=C: ~~··r-=:-~=-==F==1-:=}--==-i=-=~-+-==1:=-.-~==-J

GUMBEL VARIAJE (U).
_ ..... --···----r--tl--- --+----- --.-t-----+-~-- -it-----t----·---·--·-··-~
F
.iD .30 .70 .90.95 .99 .999 .9997
 DEBIT DE. POINTE OBSERVE: MODELE. R
x 840 U - 340

r
(
.
1
IIi
----t-.--i 1
I!
i 1 1 1
1
!

Ii Ii i Iii i
-l
r
Il 1 .

j i l' l,'
r
i j 1

~ +--f---t-'--r !'-~ I~-o i.. -Jjl--lll-i[·-1

C)

i
ij ;;
; 1
1
!
1!
i 1
l'
l' "
il
00
1 1
'.. '
e::> l1 , ; t. [
J 0
O l'

~ ~
u.
. _· __ ~,·_.-. !------,II----,~I:- ---i[!-· i
!
l
! rsJP~
,0 ---1-.---.
i'!
. _.1-.,.__.-'_!--l
t i
~
J
! ! J ; , 1 - ! '1
! i j 1

JI! (
t
1
'1
i ! ,.9 ! ,:
: l i 1 1
-+---_f---------. L --1-.-! _1_. jl ..... _-i- \~._---t.
'1 l O i ! 1

1 ! 09 ! 1 1

:
i 1
l 'i \1 ! 1 11 1

~~
::E
e::>
cne::> 1
; ,
fi! \
1
r
T··----r----T.. -··-·-!---~·-;-·-··---· .. '·r~-·
! ! I i i
l----r
l'
!

l
~ 1
"--I---'~I--'--l'--"'-r
'j"
! 1
1
1

l !,
1 l't 1 :

:z:
w l
1
i! II
.!
! il ' "
.
i Il il

~
~~
e::>

t--r---r------t---l--- i l-t----- i
1 )

,
i

! ( i i ·
! 1 r

I----j--+--l~----r
1 t

'1
1 l

1
'il : I l !j 'l l !
,
C ) . 1 . i ! : t \
e::> , 1
e::> ~- "-<-..: :
1
---;----.-
1 I
:
I
'
! l
j
'"'1-
1
,
li!
+-----t
~ ! 1 j i : ! Il! MO~ENNE 1560. ~1! 1
! EC~RT TYpE: 7P?.30
. --i-~ . ---+-· J
1 ! Il! 1 1 1 Fig:10

. :1---~- - .. t----·-~-·_·---t--j---~~·-l
GUMBEL VARIAJE (U).
- - - ..-...+----+~- - -t----- • • 1
F>
.10 .30 .70 .90 .95 .99 .999 .9997
',.

DEBIT DE. POINTE OBSERVE: MODELE M ~.

r-----n
Til
1
1
1

U
l
!
1
1 !
l!
: X

!
1
= 744 U -

' !
i -+l'
94

,- 1

i
gi i ! i - il;
55 J!
1
1
l
l
:1 ---~ i
'
" !
i
-;
>
,
' !
1
-
1 -4-,-1-----~
' 1 "
>
- 1
,
----or 1

,
1 ) ,
<
[ !~ l ,
~ ~
! 1 1
! 1
-
J
i \
1
é l'
$
1 j 1
1
l>0
1 I i i ' I , ! 0 ' ,
......L.. l ' 1 : 1 i i 0000 ! 1 1 11
--r
C) 0
C) l , ; 1 1 1 10 1 i (
~ 1 ;---+j----I- ~-!----ll-------t----i---j,-o- -:------'1----". 1
1
, ;
: l
1
! !1
\ 1
Il 1
r
JI
oP!
[
I , !
1 ! 1
,
l : : : 1 I l l ! ) ! 1 - :
1 : i l }l -
,. !,p>
'1
~.
1 ; { ; 1

.~ t---~ . -··t---_·_+- ---t---- '1-- ----+'----~I-'-:t-

( : 1 1 1 l ,
C::>' • 1 1 ~ l ' 1 1

i 1 l , 1 1 If l i >
-l------·~t--·--~-+-I -~--·r .----'~+ 1 1

--Li 1
:
J! l' j Iii 1 ! 1

0L 1 : . 1 1 1 1 1

c..nc::>

~g 1---1
j!
1
r-i-----r-r-i
j 1 l
1
!
-1i Li
l '
!

-1 ~~-Ilt--- ~--
! i
1

1 T-i
Il
1
1

~= i i Iii i 1 1 i i l
~ g +----L
COC'\.J i l '
1 ~l.._--._.~
! l
-~!1 ~---~---~
1 1
~-------+------+
I i i
~! ! '1 j lI! l il 1 j
! II! i ! 1 i 1
C) !i l '! i \' 1 1 1. i ~ 1 1
c::>

~ :---11--"1-·- ---r---T--+
1
1
1
1 ;
: 1
1
1 1
11

i
1
I I I

i--M
1 l

ifENNË-r715.*--1
, 1

1 i Il! ! EC~RT TYpE: 6/18.19 i Fig:11

~'~I------i' ----r---t-.-~--l-- 5 -r ~ --n-L--9---~

GUMBEL VA.RIAJE (U).
r-

--+-1--+1--·---'+---· 1- t-
r
-+-1----+-I-- - - ~
.10 .30 .70 .90 .95 .99 .999 .9997
, ,.

1
i'
l
!

! ~
J
i ; , l, 1 i If
t
-;
1 . ;
-_·--·_~·,--~·-------i-----r-
!
1

!
.
r'·--····-+---·_·-+-·--. 1 1 1
l
. r-----+-----·i-------;-· ..--.--f.·-·-".-+
l ' :

. ,
'

.
j
:
1
! , 1 i f ~
1 . ! MO~ENNE i 520.9F
1 [
" 1 i t l l f EC~T TYpE: 5p9 .05 1 Fig: 12
.- ;
-- ~ 1-·--·-···~t··-·_-·--t--···
j ! 1 I I I
'-'T ----3----··-··+--5--·---~t-. l
-·---7-···---
f
·9.. ._.· _._. .
j
-i ....-.-- ······_.. J

GUMBEL VARIAJE [U)

1
_.---.._--. ~ l-
r
-.--- -+--------+-----------+._----------+--------_._.._------~-~-+--_. __.--' ._ .... -~
.10 .30 .70 .90 .95 .99 .999 .9997
 DEBIT MOYEN SUR 18 H. MDDELE R .(SMAX= 400) 496 U - 627
"-_..,,. +...... --_. -l.·--.-.-.. ~-·· J. .. _"~ _.~__ ._ --+-----1---..-j-.~--.~--.-- .. +--:-- . _~._----~
~ ~ : \ l . , l 1 l
.1 \ i I i i
1
t \ ~ j l
i ;
/ 1 0

] ~
~
o

!
0'
0

o 0 ~
, ~ ::. ~
. "-"--)' _..~. '---'----'-"'.' '-'-'~--- ···...._~,·~1···-o-···------f-···
~ j 0 j
,
1°
!'
<p:o~
r:P ~
o

_____.. _._._.w.~. __ :._. - -... ·c. __•

1
: ~ ~ i, j
...L-_....... _~._._.
j
" __, :,, ••. .!., .•.•. _ •.• - "-~--' .. __ )
; ._
..
. •
_ \
_.~_. __ . __._ ) __ _._~ --- ;
_--~
1
·.... ··r
.'
1

'. l
MOYENNE , 209. 4p
?" -
ECART TYPE ~8.93 Fig: 13

i ..... 1........~. ... _~ . ," i'-" , J

GW~BEL YARIATE (U) .

.. f-- .... +-_..- .. -r'"--; ...... +-- -+-----_. ...-- -- .+..__ ». __ - - ' " .'.- ,--+---.. _-~ ~~ --_ . F
--_ . >
.:0 ,30 .70 ,90 ,95 ,99 ,999 ,9997
 PLUIE EFFICACE : _SI~AX=10D Ps;:O: 4.

~-l-~
1 . l 1
' 1
1
1 -r~
1
l
1 1

1
l
l' l,,!
,! 1
1 i 1 1
1
':=:, 1 ----+----'----.-.--J------+ l , 1
.-+_.~_~_l
.i l ! j 1 1 1 1 1
1 i I i i i 1 1 1 1

,i '---r---t ---i----r---r----l--;--"'j---"1
: : 1 i -

!
1 1 l
! 1 i, ;..
;
1
1
1
t
~ I l ! i i :
----+--1-·--i-·..----r------+
i i j

9 ~- '-i------;----~ ..
:::; i : ! ! 1 i i: 1 1

as
~!
1 1
!
j
I l !
I l !; ...~1 i
t
i
!
~ T---; ----t--·-i---+---~----;~-_·---·_·-1·---···+
! ! i i i ! ~/! ! :
,!1:~11-·
: ! ! ' l

~-:---~----l-----L ~ L__ .. H~ENNE ,4.2B.. •

~ EC;4RT TYPE; 3.10 i
'L' : ••••••

. ---·--:j------:2------.T--------r---r- ..
) ; •

--r- --'3"---- _J

GAUSS 'iARIATE lUI. . Fi., "

---+---.-.--f----.--+_ - .. -+--t----t-- -+- ...+- ..• t- ---.--.+_..- - t - - ... ----+-- ..!>
i OOO~ . OO~ ·01 . 'n?n ,ln ~n, Rf' on c'] . nni=: nnnc

PLUIE EFFICACE: _SMAX=20D MM. PB=D: 4 MM _ _-

r---- _..! -._-"-1" ···----·--1··-·--·--1·--·---1"------1---·---;-~---· j
1; . '

en T---.. --t---~----~+---+---~---l---:--+-._.-.i

! i : - 1
r-- .:.... -.--..;.----t---~- ~ .-----..~,. ~.--- ..---~"----·--+'1
ii : ; i
! ,

......! : t !
~LO +:--.--t-~-t .~ ~ ~_.i. __..__ L . J.
-
__. l !• , j '
l "'......... .
;;;;, ! i : l ' ~
wi : ! ; ~... : ! i
; ."-
',' ..
~
~~ l-r-l---"--
i !:
1~ ·--'----+-.----.-----1
l~-L__ 1 1 1

~. _, • __._••••;. l A. ! -: . .'
...J«JXENNC3..pL__ 1~
: i 1 ~ i, i ECrT.TYPE[ 1.25 1.
Fig: 1!l
:..----:3---:!2---~1~-~O------l·----~~--------1---J
GAUSS VARIATE (UI.
F
--+I---+----+--+--4'--+,--<,--+,--+-,--11-----1----+--->-
.0005 .005 .03 .10 .20 .40 .60 .BO .90 .97 .995 .9995'

PLUIE EFFICACE :. SMAX=40D MM. PB=O: 4 MM _

r-
co 1
1

i .
l
1
1 1 --- ._'l ,
1
1
1 1 1
1
~--

i 1 1

. 1

Fit: 1 1&

---4- -+-1--+I--+-'-l-I--<I--If--......I-+I--I---_~
.0005 .005 .03 .10 .20 .40 .60 .BO .90 .97 .995 .9995
.....
 . ',,,,',,.'
PLUIE EFFICACE:. Si1AX=100 PB=10p: 104. MI~ .
,-,---:----- î-------t--!---t----:-·---
:
.
!, 1
,
i1 1
:
il i
' .,
i !,
il! .
1 i I l !
i .! i
l,Jl'
~ ... ~..
€
. .,
'
; 1 i 1 1 : .t~ ! \
d_-+__L~_.1-
1 1
._LJ
I I !
I
1 •
--_:
1

! :
l:O

: 1 i 1 i /1 i
! .
:1 1
1
1
Il
I l~ !
1 1
!
l
i
'
:
1
1 ;, ! I! ! l ;
f: ! 1. i ! '. 1

. ~
.•
~ +---- +- -{----l--·-+t---i-----t----· -+-----+
1 i
1

1; i i 1 1
1

1
o l , 1; i ! 1
i
1

~ 1 ! 1 i r ,.
~ !l ' 1
,
1 /1 1
l i t
; !
=:t

a: ~r-- i . ---r~7i--r_---r----·r----l ,1

1 --r ! ' i i ! 1
MOYENNE 4B~.25
1
j i·· . ·'1·" i l ! :
i,i
L 'L - -3 ~------:-1
I I i
---6
1 1
11'- _~_._-1
1
EcART TYPE; 274.66!
l ' 1
Fiq: 17

GAUSS VARIATE lU). .

---+-----+--_+____ 1 1 1 1 1 1 1 --+--------------11-..:,.~
.0005 .005 .03 .10 .20 .40 .60 .80 .90 .97 .995 .9995
PLUIE EFFICACE:. SMAX=200 MM. P8=100; 104 HM
.---I·----I~---j 1 t----l
L il:
:.
1

. i !i
1
;
I l !
1 .\
o':
~ ~.--
'i
..,---..._,---··-1---+--~-1-~·-·- Iii i :1·
··-----l-·-·-·~-!-·----
1
. -';
:

i i i l '1 l, .... ! !
'1
. i
! il··
I l !
1
i
!
;
1

.
~+----- ~.:----!---+---: --·-~-.--_··t---·····-·f-··--·----.!.
' i ! !
i •
1 0- .
O' , 1 i! : !
~ .L_.._.__L_._ .~ . _.L. __ ~_"- __ -=-- R"_-I..-_.-- - - i-~ L __ ~

if] i
1 i
i
: 1
.; l'
J -

~ i ' 1 0 1
:3, : I! 0j i . 1. 1
Cl.. gL , I--..J-+__:L J.. ~ .__ ..l
1/1 !'! !
.,. 'T ;. 0 ·TO·'-.-~i---;-i i MOYENNE 24~.18 ;

l·----~3 -·_··J2·.-.. -J1--.. ---~----1-- . . . _E~rT.~YPE~. 2~:~.i F19: 18

GAUSS VAin ATE lU). .

- ..----...-.+-------+- 1 1 1 -+--.-t----t- .. ---.-:.--+--.. ~_+___.~-J..
.0005 .005 .03 .!O .20 .40 .60 .BO .90 .97 .995 .9995

PLUIE EFFICACE:. SMAX=400 J.lM. P8=100; 104 MM .

~'HI 1 - + - - - - t - - - l ---+---or.-.----+----" I
, o :
n_-+
1 1

~, _,~
0

1'-+
s
=-:
-i----+---+----+--+I -

1
i 1

: f1--+----t----+-----+----t-----.L
\' ,
J
~~ !
=I---;-i-11J~J-J--l
1~4.65 ~I
-1i EC~T'ÏYPE f
MOYENNE
0
J
1 1 1 188.89
r--3-
000

~--~-~ .-r--1 ~ Fig: 19

GAUSS VARIATE lU).

1 1 1 1 1 1 1 1 1 1 1 1
F,
.0005 .005 .03 .10 .20 .40 .60 .80 .90 .97 .995 .9995
-.;;,':' .:
 i--"-r---._- PLUIE EFFICACE:. S~,AY.=100MM PB 200: 204Mfl.
!-----.;-------! -----~-~;-----:.-._---'~

.J-.
, .
",.~i..- .. _.+._.-._:-'-- • .1 -

.. +-'----r:--- --~ ..--

'Il 1 i
1
',:
' 1 ' ;;
~-:---1---- .~_.----~--.--._~.~--.--.: . . .-.__.-J----
~i ! :"; "
1 1 l , '

:s:- 1
1
;i ...~ i( l'

-
1 j ; :

.~ ~t-- t·- -+-:-~~:~t;-:-:~---1·---·r---- l--·..----(-- ._~ .

'~:'''.''.'1. ~.
-'
1
1 \ !l '' 1
:
: !
i
i
i
\
.
~i-~;--+----+----!------r----~.,-. --.. --y-------}
a. 1 'f , : 1 l '

-: j 1 ! l ; 1 1 1
1 \ ; • ! ; MOYENNE 14~4.07 :
i i : i i : EC~RT TYPE; 293.49'
L..----~-----12--- ..JC..----6----+-----~---- .~ ..J Fig: 20

GAUSS VARIATE lU). .

-.-.----t-----+--+---t--~t__+__.-t__-_+_-_t_--~-_+_-.- t-- •.. - F
--+--._-),0
.0005 .005 .03 .10 .20 .~O .50 ,BO .90 .97 .995 .,9995

PLUIE EFFICACE:. SMAX=200 MM. PB=200; 204 1J1~

,---f-
, !

,l .!i '1 11 li'

i
o
:;:.;.----+--
rl i
i · 1

1 -- --r---j
1
j 1

1
.! 1 1 1 1 1
t l',
~ r--i----t_
: '!
1

1 1··
i
t-----·- t----l'
1 1
'i

i ~ I I !
, 1 .... : ~ i !
;
-j--,-,----;------1
~ l t 1._;
1 .~:·-T-
_. L
i
__ ~._, __._i
1 1
, l, "1 1.. !!
.., !
1
1
i
1
i
Iii .. i i ; i 1
+---1-+ 1
-~
-'= i, 1
r--~
----t--.-L---J
!
1

!
. ( ...

il:
··r· 1
f
MO~ENN~
EC~RT TYPE i
705.67
412. 6B
1
1
l Fig: 21
L---:!3----:!2----:!r----O---+---~----3--. -..J
GAUSS VARIATE lU).
1 1 -+ 1 1 1 -+-----f--.------+-----+--__~---I-.--l>
.0005 .005 .03 .10 .20 .40 .50 .BO .90 .9] .99S .9995

. PLUIE EFFICACE:. 5HANOO HI{ PB=. 200; 204. MH .

\-r-~--l---r! i 1 i
! 1· 1
:rl--j
g ! 1 1 1 1

I~l
1

i ! 1

~il-l JI
! 1 :1 II i--1--+
1
L
' i l ,

~
. ".~ il
0,

"
I i i
i !--.-~--'r----:t----r
!
1 1
'
i; ~-i- ------1".--1-1---1'-.-:--1 ---r----I
1 • ! 1 1 1 1 1
;; gi .-J.. ! J ! i ~ ! i
1 '

lu

a..
01
3, :;:y-----r"·----I;
1.

i l ' ,
1

!
!
'---r ' i

;
. •
ï---I--~
1
1

1
l ,
1
'
. -T---·-r\
.
g_\
Mi
.~---:---+_--·-!-_-_-~~
:
.
.,'. •• .......
1 1
1

: _. i
l
__--I--.---~---.-l
MOYENNE 359.46
' ,
'l'

: ! .. l ' 1 ECART TYPE: 322.43 1

L--·-~-----j2·---:h--~~--+---+------ -i--"'''--~ 1'19: 22

GAUSS VARIATE lU). .

-- 1 1 ---.-.-+----+--t---+----+--+--t---+- .. --+-.--.-~-.-.->
F
.OOOS .005 .03 . fO .20 .40 .60 .BO .90 .97 .995 .9995
 PLUIE EFFICACE:. S~AX=!oo~M P8=300; 3041~M.

._~Ii-=-~j,l_-l,,-~-j,;~=-r,· .::J,~~J:,_~-r-;
." ---- ""!"-··----T
l , i ' ' : i 1 i
i I i i 1 i ! ! 1
~! l' 1 1 : ; ! : !
; :::-j--t-·--l----~---I---T--·-i-·-·- --I·---··-·t
~
:- ~t_-----+ . -.-.J--.-~~.--~~------~- . -J-----~
i ' · ; : i 1

'1ffi ~1!. ! ;
1

i
0'
~T'----r----t-
1 0·1 1
----, -~--i--·--;·-'-----;---_··. -;-·----1'
0'
Il ;
: .
!. i
l
:
,
!1 i
i
1
1

.§ ~1----+---'--+----1--~-i----','-.--+-----+-.
0... 1 11
. --..-~; 1 .
gl j: i i i i
~.!-- 1 _:- 1- --1__ ---l..-.-+._ --.J..--_l
1 : .1 , i .
.!
1 1 : ; : : ~OYENNE
!
25,~2. 70 i
1

~ +--_-+- 1~- -~---~-----i-----~---~~i~!.... TY!.q...~2 :9J_ ~

-----r---:::2----=:r-·· - -6---r---'2- --- '-3 __ ..J
F1.g: 23

GAUSS VAHIATE ru). .

--·---+---------+-----+---+--1---+---+-----1---1 1 t-------t--~
F
.0005 .005 .03 .io .20 .40 .60 .. 80 .90 .97 .995 .8995
PLUIE EFFICACE:. SMAX=2oo MM. P8=300; 304 MM

. i
-l. 1 , ;
I-i~
1 1

}-:----+---+----t-- i 1 0 -"---f----t-----+
:: .
i
1
i
•
l. !; !
~
!; :1 1
:
o ' 1 1 l ' •• 1 1 1 1

~. i ~' __ ~--~--i---_-_'-~~I------J------,-+-.--.--L
. Nil 'l!·; 1 1
1 1 1 1 •j ! ! ! 0 0
1 1 1 1 . : , 1
o ' : \ ! i i ; 1

~ ~
o
t
. 1
!
!
r---'--T~-"
1 l ,
r----l---·---t---T ! 1 :

sil j r j ! '
--r---t
1

:,~.t-+ 1 .i Î 1
ëC i i : 1 1 1 1 1
0:
~: :' 1: " !! L! 1 1 l'
. -'--_'_"_'-"'---j-'--' .---.J' , - ' - T1 - - - r
i .1 ; ; MOYEf-ltIE 1843.85. i
il! 1 i .: ECART TYPE: 514.78!
~ ! ! i i l : ~ 1
L ~_ ~2 --:t-----t----r---.-~----t_--- _.J

GAUSS VARIATE lU]. .

--'-~''''''----+--._-+---+-'--+-~+---f--.-f-'--+-_._'- ~t----+~
.0005 .005 .03 .10 .?o .40 .60 .Bo .90 .97 .995 .9995

PLUIE EFFICACE:. SMAX=400 MM. PB=300: 304 MM

~/
--I-----II--+)--r-.--11-::-.-i-~·'-+-i-.----T!
.:: 'ri
LI
r +---}-~----+---.~---, --!---\---f
! 1 1 :

~!
i1 ;i
1
IIi 1
1
1'1
j ;
1 1
1
1
1
1
i
.~ '----l·------t"--r ! -<_. ----,
f 1 i \ 1 1 1 1 1
o
0 1 .
1 i' 11 \1 1 !
1
1 1
'.
f
1 •
~ i f ' .. --'---,----!-------'-
Tl' ! 1 1 . i i
.! 1 i 1 II·· : " . 1
~ ~,! i l ' . 1:.. 1
o N L- ' 1 ----+ --+-___ __~

Sr \ ! Il Il' ., \1 l,: 1
tri l g' 1 t
1----1
, !

~t'l! 1 !
1.0
.~ ! ! ~.! ·-·---+--..--··1------1
{, , ! 1 j. , MOYENNE 8gp.52 1
'0 ; ! ~ 0 0: 0 0 0 0 • 0 ; i ECART TYPE: 74o.23! F1.9: 25

~ L~---=~f--==-·-=~===--~r.:::::=..:.F=~-=~i··-··=-· . . F=·~-=r==::-=j
6AUSS VARIATE (U). .
-.-----...---.-.-._+__ 1 1 1 --t--+------+---+---t----.-+---~-_f>
.0005 .005 .03 .iD .20 .40 .60 .Bo .90 .97 .995 .9995
 PLUIE EFFICACE:. Sr-lAX=\OO MI{ PB=.400: A04 MM
i-)---i--r--'-r---r---;y----r--';
. 1 i ' ; . , ',. 1
i~_l.__-__L_._.__.. :_. l~-=_:_j_" __M_._._l l.-.. . . . ~.
1 : j i ~ j : : :
l ' :
• - 1"1

1 ! ; ~ !; ;!
· ~1
~L---~I--~i -
!! l.
.__ ~: _ _ ----L_ _ _i_ ..._ _
l :
t-._._._,.. _+--.. - --L
• "
!
1
1
i :
1;·
i 1
1
~
•
1
!
:
:
i1
: 1 '
; 1 1
0" '

1 1 1
'

;
.'
,

!
.i
~l-----l-_·_~------~-----;-_·_~· __·__ ·_-+···--·--_i
; ! ,
•
+1

; ~+----~----1-.-o---f---~---l------t·--·~-~-----lll
~. i ! 1 l '
".
II! , ,
".,'. 1

GJ o. 1 : 1
~ ~-~- - - ' - .--.L----.-1--.--1-----i-.. --.-~.-~~-.- .._t---.-}
:3
a.. i .1
i !
1
\.
~
1
~
i
;
'
t
,
f
1
1
'1 : 1 I I i . 1
0
f J ; ~ ~ 1
·· "-.--·-·-------r-...
o ;
" 1
:
; i . ~ --~----·_-;.-------.--·--·----7_--·---·r
., 1
;! i ! i NOYENNE 3555.06 '1

~';'lIi, i. !• l' • i ECART TYPE ~ 311.30

i ----j--~----;-.---~-----.---.-~ r19:26
· ~--~3--T-o-:!i---tl-1--·--·~---~----.J
. GAUSS VARIAIE ru}. .
----1,>----+---I----+---<,-.......-_+____--I--+'----+-.----<.>-----1,>---1,.
.0005 .005 .03 .\0 .20 .40 .60 .80 .90 .97 .995 .9995

PLIUIE EFFICACE: SMAX=200 MM PB:,400: 404. MM .

.~i
o ,-----1-
--+-.---~.--o-!....---~-~.~--~-+-.--+-- o..
~.-_T---"t-_o--+!----t---

. t
-+__
i

~ ~-- L.__ .-~! o __ • c .. •_ _ ·_·'I'. --_.~-_._.---1--"···

~ !

.: ~t-----+---·-'----~! ---J--:-
.;' g! r --\--- -'---i
,'~ 1---'~-' - __._.. "- ---.-.-._" -.---~ ..-----..:. --j
::È
::;;;
! i
oi
s_E t-o---~------' -----."-.-o--;---r--.----.: ------. '0 •• -.

ifJ i! i . .
r-"._-- -r---' i
i
lU O· i . . . , . i
§ ~~ :·-·-··-T-··--·---:--·-----;---·-~l·--·---·-·;-·~-~-'-·._._~

0- , 1 ! ! r l,:!;
~ ! ~. l 1
.. ~~_._._-!-._-- .-: .- -·~··-··_~-----~"t------~--·----r--·--·····~··-···--·--~
I! NOYENNE 2897.81
oo~_.
' ...... _. , • ,__ .
._ .• L ...• _.. ..•: .•..• _i
EC~RT TYPE: 598.78
._._..•_. __ • __,.__..•.. _ ...............
~ ~ .._ -.-::3 0
"-'-'''~2° ---·-.. ~c·-- -- Ô' _.._..·-t -·_·~_·,· ~ 0 J

GAUSS VARIATE {U]. .

- ._.. ~ .+_._ --~_.. -. ~ _.-. -I- .. -.-+---.--..-.-. I----.. t-- ..: . ..--.-.-+- ._-..-+-..•. --1-- ~>
.0005 .005 .03 .~O .20 .~O .60 .80 .90 .97 .995 .9995

"19: 18

.....:.... . ::._~ .•.. '.

 SIMULATION DE 10. SAISONS. DE DEBLT MOYEN SUR lB H. 5 H~ 1\, 'l-ee HIo\.

1 l !'I~1
r
~I--i--I--t--r- 1 1
•
'
t .
1
" i t ,
l 1 l ,1 l ' ,

= 1 ! i i i
I i i~__.L_+
1
.~ __ .!_.. _.__ ~
1 1 1 1
~ .!-----~----i----;_~_~_!~
I1 i.
i i1 l '
1 1 11 11 l ' 1; 1 11
1 • 1 1 1 1

~ ~-ll-I--tl--I .i 1--1-r-l-~,.---.JI'
1 1 1 1 1

Fig: 29
. 1 1 il!

+'
1 1 •
.g . j
1
J
Il
, ! . 1
'1

i!' !
g Ii--r : 1
'rl,--I---r--f"-~-'--I---ï
U>
;:;,. 1 l . 1 '; " 1
1
1
1 1 I
!'l !1 11 1
z='
""1
~~ \-.-~II--r-l-rl
UJc>l l, Il , I
1 l !! .l
1
'l'
T-T--j---r--t 1

~ i ! l l ! I! Iii i l ,1 i

!l-'j
1 1
c:> 1
~
1
1·'1
1
'l'
1
= L-+--_~_-.--------T-- -'---1----'---.i------i------J .. -
1•
1 1 l ,
l , 1 1
..
-<:! 1 ii
I j l '1 11 1 Il'
MOYENNE!73Hi
i--7-.
1 - 1

L
I . ', • Ji, ., ·1' i
1; .~
! i ECART TvPE: if'3B.5J
1 i 1
-~1--"--! ----1-- -+--- ---.J
GUMBEL YARIAJE lu). .
..........,~1f-------~+1-1>--------+-- --+-1 --I----f.
.10 .30 .70 .90 .95 .99 .999 .9997

SIMULATION DE 20. SAISONS. DE DEBIT !IOYEN SUR 18 ft SM~A ''l.oo~'1

r--t------r------l----r----I f ! -----j 1 1-----,.

1 i : '1· 1 • Î ! ! ; ; .1 1
!
1
t ! 1
1
!~ :
1
j
!
:
1
;
"'
î
j
;
i l '
i 1

l
j •

co; il: ii ! l J ! 1 ;

~ -;~--Î-.~---~-~--.-+~.- ~--t_---t,·-----!----~--·--1--_t
1 1 ! ' ,1 i
~ ~--_t--l.-----~!~L---.l..--t--- i -·~-....-i----L.--_L--..t
'i' !
. ,'-
.g L ! __;"_ _'_--.1..__
' --L-l..__! j 1. --_.~-J
CJ'ltTl! ';!; l \ ! : i Fig: 30
;;, ! :
:x 1 ; . t ; : .
ffig
MNT
t ~.-_~ ..-_--;_-~_.-~
i :
tri i i
W
~ ,!, '
!

~! .~----~----+---~---~---+
NO~ENNE i 450.24
.. '".'
1 1 : ! .
~ i : \ •• ~ ' i : 1 ECART TYPE: 1132. o~
L_~ .. ·"i~::'·{--.j.--i--j----i'----:--~---;- ..--} _..J
GUH8EL VARIAJE lU) ..
1 1 - .....
, ---ll- >-----------+,-- .~--+------ ..-+--_.. _._._-_.~
F
'n in 7n n~ Q<; nn Qn~ nnn'"

SIMULATION DE 50. SAISONS. DE DEBIT MOYEN SUR 18 H. 5HA~ ~ '\.00 ~ t-\

:c:>FF 1 LH-+-Lt~
--ri ~
:1 -r-

.c:> +--t--+--f----
1
Fig: 31

~~-!it 1-1''----1--+
~[I 1:_ '.'
,~,; "J~i
EC~RT TE: 752.39
......F --:- t- ~~
GUMBEL YARIAJE lU). .
1 1 1 1 r 1 1
.10.30 .70 .90 .95 .99 .999 .9997