Académique Documents
Professionnel Documents
Culture Documents
D’ANTANANARIVO
DÉPARTEMENT DE PHYSIQUE
MÉMOIRE
pour l’obtention du
Intitulé
par
D’ANTANANARIVO
DÉPARTEMENT DE PHYSIQUE
MÉMOIRE
pour l’obtention du
Intitulé
par
Je remercie chaleureusement Monsieur Garo Sebille, pour les précieux conseils qu’il
n’a cessé de nous donner tout au long de ces années passées ensemble et lors de mon
encadrement.
Je souhaite également faire part de toute ma gratitude à mes parents qui m’ont
toujours soutenu durant toutes mes études.
Mes plus sincères remerciements vont également à tous mes camarades, qui n’ont pas
hésité à m’aider dans la difficulté, et plus particulièrement à Monsieur RAKOTOMAMONJY.
Enfin, Je remercie tous ceux qui ont contribué à la réalisation de cet ouvrage,
i
SOMMAIRE
REMERCIEMENTS
SOMMAIRE
INTRODUCTION
CONCLUSION
ANNEXES
ii
LISTE DES FIGURES
Figure 1 : Localisation de la zone d’étude …………………………………………………………….4
Figure 2: Carte géologique de la zone d’étude…………………………………………………………6
Figure 3 : Carte hydrographique de la zone d’étude…………………………………………………...7
Figure 4 : Dispositif Wenner………………………………………………………………………..…11
Figure 5 : Carte topographique de la zone d’étude……………………………………………………12
Figure 6 : Variogramme et covariance…………………………………………………………….…..22
Figure7 : Mode de placement des électrodes selon la configuration Schlumberger……………….....26
Figure 8: Les dispositifs Wenner-Schlumberger en imagerie électrique d’après MARESCOT.L…...27
Figure 9 : Schéma de la profondeur Ze en fonction de l’écartement des électrodes pour un dispositif
Wenner-Schlumberger………………………………………………………………………………....28
Figure 10 : Construction d'une pseudo-section électrique avec les dispositifs Wenner et Wenner
Schlumberger ………………………………………………………………………………………….28
Figure 11 : les modalités d’inversion sur RES2Dinv…………………………………………….……30
Figure 12 : Représentation des paramètres de position …………………………………………….…35
Figure 13 : Représentation des paramètres de dispersion (Etendue, Ecart type, intervalle interquartile)
Figure 14: représentation des coefficients de variation ……………………………………………....36
Figure 15: Représentation graphique de la valeur propre et pourcentages cumulés de la variance
absorbée par les valeurs propres ………………………………………………………………….…..38
Figure 16 : Représentations graphiques de l’ACP : distributions des variables dans les dans les plans
factoriels 1-2. ………………………………………………………………………………………….39
Figure 17 : Cartes de projection du nuage des sondages électriques sur le premier plan factoriel 1-2
Figure 18 : Représentations graphiques de l’ACP : distributions des variables dans les plans factoriels
1-3. ……………………………………………………………………………………………...……..41
Figure 19 : Cartes de projection du nuage des sondages électriques sur le premier plan factoriel 1-3
Figure 20 : Arbre hiérarchique issu de la classification hiérarchisé des SEV ……………………..…43
Figure 21 : Carte des classes des individus et leurs centres selon le plan factoriels ………………….44
Figure 22 : carte de répartitions de ρ1 et ρ 4 correspondant à AB/2= 3.5 et AB/2=61.5 m …………….45
Figure 23 : variogramme omnidirectionnel et carte variographique des variables ……………...…...47
Figure 24 : Ajustement du variogramme expérimental. ……………………………………………....49
Figure 25 : Résultat de validation croisée des variables ……………………………………………...52
Figure 26 : Estimations par krigeage des variables. ………………………………………………….54
Figure 27 : Carte de localisation des sondages et présentation des profils ……………………….….56
Figure 28 : Estimations par krigeage des trois profils À, B, et C. ……………………………………57
Figure 29 : Model de résistivité du profil A ………………………………………………………….59
Figure 30 : Model de résistivité du profil B ………………………………………………………….61
Figure 31 : Model de résistivité du profil C …………………………………………………………..62
iii
LISTE DES TABLEAUX
Tableau 1 : Statistiques sommaires des résistivités apparentes de chaque écartement AB/2. .33
Tableau 2: Matrice des corrélations entre variables « écartements AB/2 » variant de 1.5, m à
91.5 m ………………………………………………………………………………………...37
Tableau 3 : paramètre pour le calcul des variogrammes …......................................................46
Tableau 4 : Paramètres et modèles mathématiques du variogramme ………………………..49
Tableau 5 : Récapitulation des résultats de validations croisées. ……………………………52
Tableau 6 : Statistique de base des trois profils ……………………………………………..56
Tableau 7 : paramètre et modèle mathématique des variogramme des profils ………………57
Tableau 8 : Récapitulation des résultats de validations croisées …………………………….58
RN : Route Nationale
SEV : Sondage Electrique Verticale
ρ : Résistivité apparente
TRE : tomographie de résistivité électrique
2 D : Deux Dimensions
3 D : Trois Dimensions
iv
INTRODUCTION
L’accès à l'eau potable est encore un luxe dans certaines régions de quelques pays.
Apprendre à la gérer, c'est apprendre à maîtriser sa rareté mais aussi ses excès, à assurer
l'alimentation en eau potable, agricole et industrielle, à l'utiliser pour créer de l'énergie et à
maintenir la qualité de notre environnement. L’approvisionnement en eau est ainsi un souci
permanent surtout pour la population se trouvant dans les zones semi-arides ou les zones
littorales Ouest de Madagascar.
Le recours à la prospection géophysique des terrains par des techniques comme les
sondages électriques verticaux (SEV) est, depuis quelques années, inévitable lors d’une
recherche d’eau souterraine en raison de la facilité d’utilisation et de son faible coût.
Plusieurs prospections de ce genre ont été réalisées, ainsi on retrouve un nombre très
important de données de sondages électriques verticaux, établis par plusieurs sociétés. De
nombreuses données ont donc été engrangées, constituant autant de bases de données
susceptibles d’être réanalysées. De ce fait, notre étude consiste à proposer une nouvelle
technique d’interprétation de cette base de données en un temps réduit.
C’est ainsi que nos travaux de recherche ont pour principal objectif d’étudier le
fonctionnement hydrogéologique du bassin de Miandrivazo. Dans ce contexte, on a travaillé
sur la modélisation hydrogéologique du bassin de Miandrivazo par l’association de la
méthode statistique, géostatistique et d’inversion des SEV. Dans ce sens, on a essayé de
mieux comprendre la variation latérale et verticale des résistivités apparentes du milieu afin
de contribuer à une synthèse hydrogéologique de la zone d’étude. Ainsi ce travail se divise en
trois chapitres:
- enfin le dernier chapitre est consacré à la présentation des résultats obtenus lors de
l’étude.
1
CHAPITRE I
PRESENTATION DE LA ZONE D’ETUDE
ET
2
Dans ce premier chapitre, nous allons parler de la zone d’étude et des données à traiter.
3
Figure 1: Localisation de la zone d’étude (Source : extrait BD500)
4
La ville de Miandrivazo est une zone à climat chaud pendant l’année à cause de
feu de brousse et le changement climatique. Le bassin versant est moyennement dénudé cela
conduit à la faible précipitation et la forte érosion durant la saison de pluie.
5
Figure 2 : Carte Géologique de Miandrivazo (source : extrait BD500)
I-1-2-2-Hydrologie et hydrogéologie
Hydrologie
7
Hydrogéologie
D’après les synthèses des eaux souterraines de Madagascar [16], la ville de
Miandrivazo est classée dans les zones sous humides car la précipitation est comprise entre
+200 mm et –200 mm
Selon les huit zones hydrogéologiques et des principales nappes aquifères de
Madagascar, Miandrivazo se trouve dans Bassin sédimentaire de Morondava.
Nappes d’alluvions; lithologie : sables argileux; type de porosité : poreux; type de
nappe : captif ou artésien selon la structure géologique; niveau statique:2-3m; profondeur
d’ouvrage : jusqu’à 20 m ; épaisseur d’aquifère: jusqu’à 10 m; 5 m ; qualité de l’eau: eau
douce; bicarbonatée calcique; débit spécifique : 1 à 5 l/sec/m.
Nappes des sables de plage; lithologie : sables fins; type de porosité : poreux; type
de nappe : libre; niveau statique:2-3m; profondeur d’ouvrage : 1-5 m; épaisseur d’aquifère: 5
à 10 m; qualité de l’eau: douce à saumâtre, parfois salée; débit spécifique : 0,4 à 2,6 l/sec/m
Nappes de l’Eocène supérieur: lithologie : calcaire; type de porosité : karstique;
type de nappe : libre; niveau statique:5-10m ; profondeur d’ouvrage : 50 à 100 ; épaisseur
d’aquifère: jusqu’à 50 m ; qualité de l’eau: douce; débit spécifique : 1,8 à 68 l/sec/m.
Nappes de la Crétacée lithologie : grès sableux; type de porosité : poreux; type de
nappe : artésien; profondeur d’ouvrage : 50 à 300 m; épaisseur d’aquifère: 50 m-100m ;
qualité de l’eau : douce; débit spécifique : 1 à 14 l/sec/m ; débit artésien de 14 à 19 l/s
Nappes du Jurassique moyen ; lithologie : grès marneux ; type de porosité :
poreux; type de nappe : libre; niveau statique: 20m ; profondeur d’ouvrage : 100 -150 ;
épaisseur d’aquifère: jusqu’à 50 m ; qualité de l’eau: douce; débit spécifique : 1 à 5 l/sec/m
Nappes de l’Isalo; lithologie : sables - gréseux; type de porosité : poreux; type de
nappe : libre; peut-être artésien; profondeur d’ouvrage : 50 à 150 m; épaisseur d’aquifère: 50
m ; qualité de l’eau: douce; débit spécifique : 0,5l/sec. [1], [6], [15].
8
I-2- PRESENTATION DES DONNEES
Des données à référence spatiale sont de plus en plus exploitées, et ce, dans divers
domaines de recherche (par exemple le domaine minier pour faire une estimation des
réserves, le domaine hydrogéologie pour cartographier par exemple le toit et le mur d’un
aquifère, le domaine de l’environnement pour faire une estimation de la pollution de l’air
etc.). Nous avons utilisé pour cette étude les données issues de la prospection géophysique qui
sont les résistivités disponibles sur la zone d’étude.
R= ρ
9
I-2-2- Prospection électrique
La technique de la prospection électrique, par le biais du sondage électrique
vertical (S.E.V.) permet d’explorer le sous-sol ; le principe est le suivant : on injecte
dans le sous-sol, supposé homogène et isotrope, un courant continu I à l’aide d’une électrode
A. L’écoulement de ce courant se fera par filets rectilignes rayonnant autour de A et
produira des variations de potentiel dans le sol, à cause de la résistance ohmique de celui-ci.
Le potentiel créé par le courant d’intensité I en un point M situé à la distance r de la source,
est défini par:
V =
On utilise dans la plupart des cas pratiques deux ou une électrode(s) de courant (A
et B) et deux électrodes de potentiel avec lesquelles sera mesurée la différence de potentiel
produite par le courant entre deux points M et N.
La relation entre la géométrie du dispositif, le courant, le potentiel et la résistivité
est:
ρ=K
a
Où : ρ a : résistivité apparente
K : coefficient géométrique du dispositif
ΔV: différence de potentiel mesurée entre les deux points M et N
I: intensité de courant injecté
I-2-3-Dispositif Wenner
Les électrodes A et B permettant l’injection du courant et la mesure de potentiel
entre M et N sont alignées et la distance de l’une à l’autre est constante, notée
«a=AB/3». Elles sont disposées suivant la configuration géométrique de la figure 5.
10
Figure 4: Dispositif Wenner
11
Figure 5 : Carte topographique de la zone d’étude
12
CHAPITRE II
13
La deuxième partie de ce présent mémoire concerne quelques rappels théoriques
sur la statistique, la géostatistique et l’inversion.
14
- Le troisième Quartile Q3 est l’individu ayant 75 % de l’échantillon en dessous de lui
et 25 % de l’échantillon au-dessus.
La variance des valeurs prise par le caractère d’une série statistique est égale à la somme des
carrés des écarts de ces valeurs à la moyenne divisée par la taille de l’échantillon. La variance
possède la dimension du caractère élevée au carré.
La variance d’une variable numérique X prenant les valeurs X1, X2, ……XN. sur la
population étudiée est donnée par la formule :
L’écart-type des valeurs prises par le caractère (résistivité électrique) d’une série statistique
constituée par à une dimension est égal à la racine carrée de leur variance. L’écart-type qui a
donc la dimension de la résistivité électrique est donné en ohm.m alors que la variance est en
(ohm.m) ².
Le coefficient de variation est déterminé par la division de l’écart-type par la moyenne, il est
déterminé pour l’estimation de la variance par rapport à la moyenne des résistivités. Il traduit
la normalisation de l’écart-type par la moyenne et permet de comparer la dispersion de deux
séries indépendamment des valeurs de leur moyenne.
15
II-1-2-3 Analyse en composante principale
16
II-2 Analyse géostatistique
La géostatistique se réfère aux méthodes d’analyse probabiliste pour étudier des
phénomènes corrélés dans l’espace appelés phénomènes régionalisés. A ce titre elle fournit
différents outils pour répondre au problème posé par la cartographie du bassin de
Miandrivazo
Or cette fonction est très complexe par l’infinité des combinaisons possibles. Nous
n’allons donc pas pouvoir estimer la fonction de distribution conjointe, donc nous limiterons à
la fonction de distribution d’ordre un F(v)et d’ordre deux F Z(si),Z(sj)(vi,vj).
17
La fonction de distribution d’ordre deux, fourni la loi de probabilité entre les
valeurs prises en deux sites si et sj. On utilise la covariance pour quantifier le degré de
ressemblance entre les valeurs prises en si et sj et le variogramme pour mesurer la
dissemblance entre les valeurs prises aux sites siet sj.
Le problème qui se pose est que la variable régionalisée est observée qu'une seule
fois à un endroit précis. En d’autres termes, nous n’avons qu’une seule réalisation de la
variable aléatoire. Or pour estimer les moments d’ordre un et deux il nous faudrait un grand
nombre (>30) d’observations. Ce problème ne concerne pas la quantité d’information
disponible mais le fait que l’on essaie de décrire un phénomène unique (profondeur au toit du
socle rocheux), qui ne se répète pas, à l’aide de lois de probabilités.
18
constante indépendante de s
- La variance existe en tout site set est une constante indépendante du site s :
On dit qu’une fonction aléatoire Z(s) est intrinsèque quand ses accroissements
Z(s+h)-Z(s)sont stationnaires d’ordre 2. C'est-à-dire que l’espérance des écarts est zéro et la
variance des écarts ne dépendent que de h.
Cette hypothèse permet de dire que la variabilité entre les valeurs prises en deux
points différents ne dépend que de h (la distance entre ces points).
Toute fonction aléatoire stationnaire d’ordre deux est également intrinsèque (la
réciproque est fausse). Autrement dit, l’hypothèse de stationnarité intrinsèque est moins
restrictive que la stationnarité du second ordre. L’hypothèse intrinsèque ne requiert pas de
connaître l’espérance ni sa covariance de la variable aléatoire.
19
II-2-3 Variogramme
La géostatistique est une méthode d’analyse de données corrélées dans l’espace
qui vise à quantifier et modéliser la structure de cette corrélation à l’aide de divers outils dont
l’un des plus représentatifs est le variogramme qui permet d’estimer la structure de
dépendance spatiale de la fonction aléatoire [10]. Cette analyse est en fait l’étude du
comportement spatial de la variable régionalisée examinée.
Avec
Un variogramme peut se calculer non seulement pour une distance donnée mais
ɤ
aussi pour direction θ donnée : ɵ (h).
20
Dans l’hypothèse intrinsèque, seul le variogramme existe. C’est pourquoi il est
généralement préféré à la covariance pour décrire et interprété la structure spatiale du
phénomène étudié.
Le variogramme réel d’une fonction aléatoire est généralement inconnu, mais il
peut être évalué à partir des données d’échantillonnages. On obtient ainsi le variogramme
expérimental proposé par Matheron (1962).
21
Figure 6 : Variogramme et covariance
Si le variogramme est borné alors la covariance existe et l’on peut présumer une
stationnarité du second ordre (Journel et Huijbergts, 1993). Si la variable régionalisée est
stationnaire du second ordre alors le palier est égal à la variance de cette même variable.
Linéaire
Sphérique
22
Gaussien :
Exponentielle
Bien qu’il existe une très grande variété d’anisotropie, la plupart des ouvrages de
géostatistique montrent uniquement comment modéliser les anisotropies géométriques.
Les caractéristiques de l’anisotropie géométrique sont :
- Les variogrammes des différentes directions ont le même palier et même effet
pépite mais des portées différentes.
- Les portées maximales et minimales s’observent selon deux directions
orthogonales.
23
L’analyse du variogramme croisé se fait de la même façon que celle du
variogramme simple. C'est-à-dire que l’on relève ses propriétés (effet de pépite, palier, porté,
amplitude) et on a juste une fonction.
II-2-4 Krigeage
24
Le non-biais : est sans biais
25
uniquement sur le modèle variographique utilisé. Il doit par conséquent, être le plus cohérent
possible avec ce qui a été observé.
26
sondages électriques verticaux et de trainés électriques. Cette technique est utilisée pour la
réalisation d’une coupe des résistivités du sous-sol, qui tienne compte des variations verticales
et horizontales de la résistivité électrique, cette propriété électrique étant elle-même liée aux
variations lithologiques, de teneur en argile ou hydrique de la zone étudiée. Avant d’inverser
les données pour obtenir un modèle de résistivité du terrain, une image appelée pseudo-
section est construite au moyen de mesures acquises sur le terrain. Elle doit ici être construite
à partir des données 1D de SEV krigées.
27
Figure 9 : Schéma de la profondeur Ze en fonction de l’écartement des électrodes pour
un dispositif Wenner-Schlumberger.
Figure 10: Construction d'une pseudo-section électrique avec les dispositifs Wenner et
Wenner Schlumberger
28
II-3-3) La méthodologie
29
Figure 11: les modalités d’inversion sur RES2Dinv
Le Root Mean Square affiché par le logiciel représente la racine carré de cette
valeur (Figure 11). De plus les itérations se font aussi en minimisant la somme des carrés des
écarts entre les résistivités de deux modèles issus de deux itérations successives (entre
l’itération i et i+1).
En partant d’une étude bibliographique et d’un triage des données SEV à utilisées, la
première étape consiste à effectuer une étude statistique descriptive puis multifactorielle qui
elle-même est subdivisée en une ACP et en une CHA. Cette étape a permis d’avoir la
structure globale du sous-sol et de classifier les SEV ainsi que les distances inter-électrodes
AB/2.
D’un autre côté, une étude géostatistique a été faite sur les données triées.
Associé avec les résultats de la classification, l’étude géostatistique a permis d’avoir
la cartographie de la variation latérale et verticale des résistivités apparentes.
Ces dernières ont-elles même été utilisées pour avoir les images 2D par tomographie à
partir d’un processus d’inversion.
Une étude comparative des résultats obtenus termine le tout afin de valider la
robustesse de la combinaison des 3 techniques pour l’interprétation des SEV.
30
TRI des données
de SEV
Etude
Etude
STATISTIQUE GEOSTATISTIQUE
31
CHAPITRE III
ANALYSE DES DONNEES
ET
RESULTATS OBTENUS
32
Après la présentation de la cadre général de l’étude et quelques rappels
théoriques, cette partie est consacrée à l’analyse des données par la méthode statistique,
géostatistique, et inversion.
Dans cette petite partie nous allons faire une étude statistique des résistivités
apparentes résultant des sondages électriques, l’analyse des données vise donc essentiellement
à décrire les liens entre les variables et les observations de notre matrice de données, cette
matrice est constituée de p dimensions et N individus.
Notre série statistique est composée de 46 sondages électriques de types
Schlumberger (les observations ou les individus) pour lesquels on connaît tout ou partie des
résistivités apparentes enregistrées pour les écartements entre électrodes d’injection AB/2 (les
variables). Le nombre de variables identique au nombre d’écartements entre électrode
d’injection est égal à 15 ; les variables sont les résistivités apparentes pour un écartement
AB/2 donné.
Le traitement des données a été réalisé avec le logiciel MATLAB 7.8.0(R2009a)
(voir Annexe A) et XLSTAT 2014. Les résultats sont exposés en trois parties distinctes
correspondant respectivement :
- à l’analyse statistique descriptive ;
- à une analyse en composantes principales,
- à une analyse typologique par classification ascendante hiérarchique.
33
V.AB/2 : variable AB/2 Moy : Moyenne ; Med : Médiane ;
Qua1 : quartile 1 ; Qua3 : quartile 3 ; Etend : Etendue ;
Etyp : Ecart-type ; IIqua : Intervalle interquartile ; Cvar : coefficient de variation.
1.5 54.86 36.00 22.60 65.4 6.10 221.9 215.80 49.99 42.80 91.13
4.5 67.56 49.05 35.20 82.55 14.60 247.8 233.20 52.44 47.35 77.62
7.5 68.28 54.25 37.65 75.70 20.50 257.80 236.80 45.02 38.05 65.92
10.5 76.87 67.75 40.55 96.65 21.70 180.30 158.60 41.22 56.10 53.62
16.5 90.38 77.60 51.60 117.55 27.40 219.60 192.20 49.44 65.95 54.71
19.5 95.19 86.00 58.90 131.80 30.00 244.00 214.00 48.82 72.90 51.28
22.5 103.08 87.30 62.25 132.85 33.60 269.80 236.20 54.96 70.60 53.31
28.5 111.34 105.00 64.35 137.65 40.10 250.10 210.00 53.19 73.30 47.77
34.5 121.80 120.40 69.900 153.60 32.80 278.40 245.60 57.80 83.70 47.45
40.5 132.94 130.45 82.25 172.15 39.30 269.40 230.10 57.89 89.90 43.54
52.5 155.32 153.95 112.35 197.15 68.20 257.90 189.70 52.82 84.80 34.00
61.5 170.59 172.25 127.05 212.65 73.40 288.40 215.00 54.64 84.80 32.03
70.5 192.55 188.05 151.85 234.20 79.50 327.90 248.40 55.38 82.35 28.76
79.5 203.06 188.65 160.75 246.45 82.20 356.00 273.80 56.35 85.70 27.75
91.5 228.00 214.60 172.10 282.35 63.00 427.30 364.30 78.01 110.25 26.21
Les moyennes des résistivités apparentes obtenues pour un écartement AB/2 donné
sont supérieures au médianes ce qui met en évidence l’influence de valeurs extrêmes élevées.
On notera cependant que les écarts entre les valeurs des moyennes et des médianes sont
décroissants avec l’augmentation de l’écartement AB/2 : cette observation associée aux
valeurs des écarts-types décroissantes(tout en restant relativement élevées) elles aussi avec
l’augmentation de l’écartement AB/2 montre que les distributions des résistivités apparentes
obtenues pour des écartements faibles présentent un étalement à droite (vers les grandes
34
valeurs) plus important que pour les séries correspondant aux écartements plus élevés ce qui
traduit une forte hétérogénéité des résistivités pour la sub-surface.
Les coefficients de variation sont très élevés de 26% pour AB/2=91.5m à
91.13% pour AB/2=1,5 et montrent ainsi la grande variabilité des résistivités apparentes
mesurées pour les terrains étudiés. Dans la suite du chapitre on s’interrogera sur la répartition
spatiale de cette variabilité.
On admettra, pour les besoins de la description d’un tel nombre de données, qu’il y
a un sens statistique à représenter les valeurs des résistivités apparentes sous la forme d’un
pseudo-sondage moyen ou médian ou représentatif des premier et troisième quartiles ; la
figure 12 montre ainsi que globalement dans la région, les résistivités apparentes pour les
faibles écartements AB/2 sont plus élevées que pour les écartements de valeur supérieure :
cette tendance est marquée tant pour la distribution des quartiles que des moyennes ou des
médianes. La dispersion est plus grande pour les faibles valeurs d’AB/2 que pour les grandes
valeurs d’AB/2.
Ceci conduit à une conclusion préliminaire selon laquelle il existe une grande
hétérogénéité des terrains des niveaux supérieurs et, à l’inverse, les terrains profonds
présentent une plus grande homogénéité.
Plus le coefficient prend, en valeur absolue, une valeur proche de 1, plus la liaison
linéaire entre les deux variables est forte (corrélation positive (1) ou négative (-1) selon que le
coefficient est positif ou négatif). En valeur absolue, à une valeur élevée de l’une des
variables, on associe une valeur élevée de la deuxième.
Si le coefficient prend une valeur proche de 0, cela indique qu'il n'y a pas de
liaison linéaire entre les variables. La relation peut être d'un autre ordre mais en tout cas, elle
n'est pas linéaire.
35
Représentation des paramètres de position
3
10
2
10
1
10 Moy
Med
Quart3
Quart1
Min
Max
0
10
0 1 2
10 10 10
Distances AB/2(en m)
2
10
1
10
0 1 2
10 10 10
Distances AB/2(en m)
Figure 13 : Représentation des paramètres de dispersion (Etendue, Ecart type, intervalle
interquartile)
36
Représentation graphique du coefficient de variation
120
Coef Var
100
Coefficient de variation (en %)
80
60
40
20
0
1 2
10 10
Distances AB/2(en m)
Dans la matrice des corrélations, nous lisons la force des associations linéaires
entre les variables prises deux à deux. Les corrélations sont toutes positives .Ainsi, une lecture
verticale, colonne par colonne et de haut en bas, du tableau 2 montre une décroissance
systématique des valeurs des coefficients de corrélation des faibles valeurs d’écartement aux
fortes valeurs et une lecture horizontale de gauche à droite montre une augmentation des
valeurs des coefficients. Plus l’écart entre valeurs de AB/2 augmente plus les corrélations
tendent vers zéro et la décroissance des coefficients de corrélation est d’autant plus nette que
les valeurs de AB/2 sont grandes.
37
AB/2 1,5 4,5 7,5 10,5 16,5 19,5 22,5 28,5 34,5 37,5 52,5 61,5 70,5 79,5 91,5
1,5 1,000
34,5 0,162 0,369 0,421 0,549 0,597 0,700 0,757 0,917 1,000
37,5 0,158 0,346 0,392 0,525 0,584 0,692 0,768 0,874 0,935 1,000
52,5 0,103 0,310 0,339 0,463 0,495 0,603 0,657 0,735 0,783 0,784 1,000
61,5 0,100 0,304 0,385 0,428 0,442 0,565 0,582 0,642 0,762 0,763 0,953 1,000
70,5 0,090 0,268 0,277 0,382 0,413 0,514 0,570 0,637 0,669 0,735 0,847 0,944 1,000
79,5 0,085 0,207 0,254 0,373 0,402 0,503 0,539 0,592 0,685 0,697 0,823 0,830 0,883 1,000
91,5 0,064 0,223 0,248 0,291 0,379 0,482 0,534 0,566 0,662 0,685 0,786 0,794 0,842 0,932 1,000
Tableau 2 : Matrice des corrélations entre variables « écartements AB/2 » variant de 1.5, m à 91.5 m.
38
II-1-2 Analyse en composante principale
Scree plot
10 100
8 80
6 60
4 40
2 20
0 0
F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 F11 F12 F13 F14 F15
axe
39
les écartements AB/2 allant de 1.5 à 22.5 m (la valeur est alors proche de 1) pour décroître
ensuite jusqu’à s’annuler pour l’écartement AB/2 = 25.5 m. Le deuxième facteur présente une
corrélation positive croissante lorsque les écartements AB/2 décroissent de 22.5 à 1.5 m et
une corrélation négative lorsqu’ils croissent de 22.5 à 91.5 m.
La carte des individus, l’axe F1, permet de caractériser les sondages qui ont des
fortes valeurs de résistivités apparentes pour les AB/2 = 4.5, AB/2 = 10.5,AB/2 = 19.5, AB/2
= 28.5 (composantes positives et élevées sur l’axe F1) et de les opposer à ceux qui ont des
composantes négatives et donc des résistivités apparentes les plus faibles pour ces mêmes
écartement AB/2. Et l’axe F2 sépare les sondages électriques qui ont des fortes résistivités
apparentes pourles écartements AB/2 = 1.5, AB/2 = 7.5, AB/2 = 16.5, AB/2 = 22.5, AB/2 =
25.5, AB/2 = 20 des sondages qui présentent des faibles valeurs des résistivités apparentes
pour ces mêmes écartements.
0,75 Rho1
Rho2
Rho3
0,5
0,25 Rho5
Rho4
Rho6
F2 (14,50 %)
0 Rho7
Rho9
Rho10
-0,25 Rho11
Rho8
Rho12
Rho15
Rho13
Rho14
-0,5
-0,75
-1
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
F1 (61,68 %)
40
Observations (axes F1 et F2 : 76,18 %)
6
W013
4
W029
W028 W023
2
W027 W012
F2 (14,50 %) W049 W021
W006
W032
W024 W004
W008
W001 W045
0 W041W034
W040 W010
W042
W033 W026W037
W031 W009
W039
W036 W047W017 W020
W025W030 W038
W002
W022
W011
W015 W003W043
W048 W035 W018 W016
W014
W019
W005 W046
-2 W044
W007
-4
-6
-8 -6 -4 -2 0 2 4 6 8 10
F1 (61,68 %)
Figure 17 : Cartes de projection du nuage des sondages électriques sur le premier plan
factoriel 1-2
41
qui présentent des faibles valeurs de résistivités apparentes pour les mêmes écartement .L’axe
F3 qui absorbe 6.00 % de la variance totale met en évidence les sondages pour lesquelles les
résistivités apparentes pour certains grandes écartements sont les plus élevées (AB/2 = 79.5
et AB/2 =91.5). Cet axe montre ainsi que les sondages de la classe 3 présentent presque tous
des résistivités apparentes élevées pour les écartements AB/2 = 79.5et AB/2 = 91.5 alors que
les sondages des autres classes montrent des résistivités apparentes beaucoup plus réparties
pour ces écartements.
0,75
0,5
Rho12
Rho1 Rho13
0,25 Rho11
Rho2 Rho14
F3 (6,00 %)
Rho15
0
Rho3
Rho10
Rho4
Rho6
Rho5
-0,25
Rho8
Rho7
Rho9
-0,5
-0,75
-1
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
F1 (61,68 %)
42
Observations (axes F1 et F3 : 67,69 %)
4
W012
2
W007
W048
W035W005
W018
F3 (6,00 %) W026 W002
W038 W047 W013
W028 W003
W033 W006 W019
W032 W015W027 W004
0 W031 W037W036W023 W014 W010
W034
W042 W043
W045
W040 W044 W022 W017
W029
W041 W025 W009
W049 W024 W030 W039 W046 W016
W001 W008 W020
W021
-2
W011
-4
-8 -6 -4 -2 0 2 4 6 8
F1 (61,68 %)
Figure 19 : Cartes de projection du nuage des sondages électriques sur le premier plan
factoriel 1-3
Le but de cette analyse est la classification des variables (les résistivités apparentes
pour chaque écartement) et des observations (les sondages électriques), et d’avoir une idée
sur la corrélation et la ressemblance entre ces derniers. La similitude entre individus ou
variables est étudiée en fonction de la distance qui les sépare (distance euclidienne).
43
Dendrogramme
350
300
250
200
Dissimilarité
150
100
50
0
W001
W049
W025
W031
W024
W034
W045
W032
W033
W041
W040
W042
W048
W015
W026
W030
W037
W006
W027
W036
W008
W009
W004
W039
W023
W028
W002
W044
W035
W038
W014
W019
W005
W003
W018
W012
W007
W010
W017
W022
W043
W047
W013
W029
W046
W016
W020
W011
W021
Figure 20 : Arbre hiérarchique issu de la classification hiérarchisé des SEV
La première classe contient 12 SEV : ils sont localisés dans la partie Ouest du
secteur, les SEV de cette classe présentent des composantes faibles regroupées autour du
centre de gravité, tantôt positives tantôt négatives sur l’axe F1, par contre les composantes
sont toutes négatives sur l’axe F2. Ces SEV présentent globalement les plus faibles résistivités
apparentes en immédiate subsurface et les plus élevées aux écartements les plus grands.
(F1<0).
44
La deuxième classe contient 16 SEV : cette classe est la plus représentée avec des
sondages qui se localisent au centre du bassin et essentiellement vers l’Est. Cette classe
présente des composantes réparties autour du centre de gravité sur l’axe F1 mais avec des
composantes majoritairement positive sur l’axe F2. Ceci explique la remontée des résistivités
apparentes pour les écartements intermédiaires et la tendance à présenter des résistivités
apparentes plus élevées que celles des sondages de la classe 1 pour les grands écartements.
La troisième classe (14 SEV) : cette classe est représentée avec les sondages qui se
localisent à l’Ouest et essentiellement vers le Nord. Tout comme les SEV de la classe 1 ceux
de cette classe présente des composantes réparties autour du centre de gravité sur l’axe F1
mais avec des composantes majoritairement négatives sur l’axe F2. Les résistivités apparentes
pour les très faibles écartements sont plus faibles que celles de la classe 1, elles restent plus
faibles pour des écartements suivants jusqu’à ce que l’influence des composantes négatives
sur l’axe F2 se fasse sentir avec des résistivités apparentes supérieures à celles de la classe 1.
W013
Classe-5
4
W029
W028
W023
2
W027 W012
W049
W021
W006
F2 (14,50 %)
W032
W024 W004
W045 W008
Classe-3
W001 Classe-1
0 W041 W034
W040
W042 W026 W009
W039 W010W047W017 W020
W033W031
W025 W030 W036
W037W038 W022W011 Classe-4
W002
W015 Classe-2
W003 W043
W048 W035 W018 W016
W014
W019
W005 W046
W044
-2
W007
-4
-6
-12 -10 -8 -6 -4 -2 0 2 4 6 8 10 12
F1 (61,68 %)
Figure 21: Carte des classes des individus et leurs centres selon le plan factoriels
45
La quatrième classe (5 SEV) : les sondages de cette classe localisent à l’Est du
secteur, positive sur l’axe F1 et négative sur l’axe F2 ; les SEV de cette classe montrent des
résistivités apparentes élevées pour les très faibles écartements et toujours parmi les plus
élevées pour les écartements supérieurs.
Dans toutes les cartes établies en coordonnées Laborde et pour des valeurs de
résistivités données sur la figure 16, les croix représentent les valeurs des résistivités obtenues
pour une distance constante entre les injections des courant A et B, les tailles des croix sont
proportionnelles aux valeurs des résistivités qui leurs sont affectés.
Les cartes ont été obtenues en utilisant le logiciel Isatis 5.1 (voir Annexe B)
X (m) X (m)
300200 300300 300400 300500 300200 300300 300400 300500
Y (m)
Y (m)
Y (m)
rho1 rho4
46
III-2-1-Analyse variographique
La figure 17 présente des cartes variographiques pour chacune des pseudo-
profondeurs, l’échelle des couleurs correspond aux valeurs prises par le variogramme pour
chaque direction et chaque pas de mesure, ce qui impose une modélisation des variogrammes
pour ces cinq pseudo-profondeurs.
Les calculs a été fait avec une tolérance de50%.L’unité de mesure est le mètre,
Les paramètres choisis pour les calculs sont présentés dans le tableau 3.
Tableau 3 : paramètre pour le calcul des variogrammes
Rho1 Rho2 Rho3 Rho4 Rho5
Pas 41 45 52 48 36
Nbre de pas 11 12 14 11 10
Distance (m)
U 6.00
0 50 100 150 200 5.81
N34
5.63
N20
5.44
134 119
0
146 5.25
N3
0
20
N4
63 133 4.88
129 4.69
6000 6000 N3 4.50
00 0 4.31
N6 4.13
Variogram : _1(_-m)
Variogram : _1(_-m)
3.94
5000 5000 3.75
26 3.56
N280 3.38
4000 4000 N80 3.19
3.00
2.81
3000 3000 2.63
2.44
3 N260 N100 2.25
2.06
2000 2000 1.88
1.69
1.50
1000 1000 N1 1.31
40 20
N2 1.13
0.94
0.75
0 0 0.56
N1
20
0.38
40
N2
0.19
-1000 -1000 0.00
N16
0
N20
N180
Distance (m)
U 6028.02
0 100 200 300 400 5839.83
N34
5651.63
N20
187 5463.44
0
5087.06
0
N4
4898.86
4710.67
N3 4522.48
00 0 4334.28
N6 4146.09
28 3957.90
Variogram : rho2
3769.71
Variogram : rho2
3581.51
N280 3393.32
N80 3205.13
1000 1000 3016.93
2828.74
2640.55
2452.36
N260 N100 2264.16
2075.97
1887.78
1699.59
1511.39
N1 1323.20
40 20
N2 1135.01
946.81
0 0 758.62
570.43
N1
20
382.24
40
N2
194.04
5.85
N16
0
N20
N180
47
Distance (m)
U 21012.50
0 100 200 300 400 20357.89
N34
19703.28
N20
102 19048.67
0
4000
69 51 18 4000 18394.06
N3
17739.45
0
131 155 114
20
N4
17084.84
16430.23
N3 15775.62
00 0 15121.01
3000 147 3000 N6 14466.40
13811.79
Variogram : rho3
Variogram : rho3
13157.18
12502.57
65 N280 11847.96
N80
3 11193.35
2000 2000 10538.74
9884.13
9229.52
8574.91
N260 N100 7920.30
7265.69
1000 1000 6611.08
5956.47
5301.86
N1 4647.25
40 20
N2 3992.64
3338.03
0 0 2683.42
2028.81
N1
20
1374.20
40
N2
719.59
64.98
N16
0
N20
N180
0 100 200 300 400
0
N/A
AB/2= 40.5 Distance (m)
Distance (m)
U 15806.42
0 100 200 300 400 15316.40
N34
14826.38
N20
62 14336.37
0
13846.35
N3
50 13356.33
0
20
N4
4000 4000 12866.31
12376.30
N3 11886.28
82 74 43 27 00
N6
0 11396.26
10906.25
88 10416.23
3000 116 3000
Variogram : rho4
Variogram : rho4
9926.21
91 9436.19
N280 8946.18
107 N80 8456.16
52 7966.14
2000 26 2000 7476.12
6986.11
6496.09
N260 N100 6006.07
5516.05
5026.04
1000 3 1000 4536.02
4046.00
N1 3555.98
40 20
N2 3065.97
2575.95
0 0 2085.93
1595.91
N1
20
1105.90
40
N2
615.88
125.86
N16
0
N20
N180
Distance (m)
U 22239.40
0 100 200 300 400 500 21544.81
N34
20850.22
N20
117 20155.63
0
45 9 19461.04
4000 4000
N3
18766.45
0
N4
20
166 83 18071.86
17377.27
220 N3 16682.68
00 0 15988.09
3000 225 3000 N6 15293.50
14598.91
Variogram : rho5
Variogram : rho5
215 13904.31
13209.72
N280 12515.13
113 N80 11820.54
2000 2000 11125.95
12 10431.36
9736.77
9042.18
N260 N100 8347.59
1000 1000 7653.00
6958.41
6263.82
5569.23
N1 4874.64
40 20
N2 4180.04
0 0 3485.45
2790.86
2096.27
N1
20
1401.68
N2
40
707.09
0 100 200 300 400 500 12.50
0
N16
N20
N180
AB/2=90.5
0
5000 5000
Variogram : rho2
Variogram : rho2
26
4000 4000
1000 1000
3000 3000
3
2000 2000
1000 1000
0 0 0 0
-1000 -1000
49
Distance (m) Distance (m)
0 100 200 300 400 0 100 200 300 400
102 62
4000
69 51 18 4000
131 155 114 50
4000 4000
Variogram : rho3
Variogram : rho4
Variogram : rho3
Variogram : rho4
91
65 107
3 52
2000 2000
2000 26 2000
0 0 0 0
Distance (m)
0 100 200 300 400 500
117
45 9
4000 4000
166 83
220
3000 225 3000
Variogram : rho5
Variogram : rho5
215
113
2000 2000
12
1000 1000
0 0
Les variogrammes expérimental des variables a été modélisé avec deux structures
différentes dont chacune de modèle comporte deux structures de base. On voit bien que les
courbes expérimentale et théorique sont proches l’une de l’autre. Le variogramme ainsi défini
est borné donc l’hypothèse de stationnarité est vérifiée. Le tableau 4 montre le résultat de la
modélisation.
50
Selon les résultats du tableau 4, chaque modèle du variogramme montre une
ordonnée non nulle à l’origine ; c’est l’effet de pépite. Plus l’effet de pépite est grand, plus la
carte d’estimation et la carte d’écart-type est lissée. Cet effet de pépite peut provenir de fortes
variations locales des valeurs de la propriété ou être attribué soit à des erreurs de mesure, soit
à des erreurs de localisation (précision d’un GPS) qui viennent fausser les distances et donc
fausser le variogramme expérimental, soit au fait que les données n’ont pas été récoltées à un
intervalle de mesure suffisamment petit pour pouvoir observer la structure sous-jacente
continue du phénomène. La continuité spatiale de la formation géoélectrique n’est alors pas
bonne car la formation peut varier d’un endroit à un autre.
51
X (m)
300200 300300 300400 300500
Z* : rho2 (Estimates)
726300 726300 25 50 75 100 125 150 175
175 175
rho = 0.369
150 150
726200 726200
726100 726100
Y (m)
Y (m)
100 100
726000 726000 75 75
50 50
725900 725900
25 25
(Z*-Z)/S*
(Z*-Z)/S*
0.075 0.075 0 0
0.050 0.050
-1 -1
0.025 0.025
-2 -2
0.000 0.000
-2 -1 0 1 2 40 50 60 70 80 90 100 110 120
(Z*-Z)/S* Z* : rho2 (Estimates)
X (m)
300200 300300 300400 300500
Z* : rho4 (Estimates)
726300 726300 100 150 200 250 300
300 300
rho = 0.595
726200 726200
250 250
Z : rho4 (True value)
Z : rho4 (True value)
726100 726100
Y (m)
Y (m)
200 200
726000 726000
150 150
725900 725900
100 100
rho = 0.336
350 350
726200 726200
726100 726100
Y (m)
Y (m)
250 250
726000 726000
200 200
Maximum: 2.75108
droite 0.15
de la figure montre le nuage des corrélations
Mean:
entre
0.037787
2
Std. Dev.: 1.09505
0.15
valeurs vraies - valeurs estimées.
2
(Z*-Z)/S*
(Z*-Z)/S*
-3 -3
Tableau
0.005 : Récapitulation des résultats de 0.00
-3 -2 -1 0 1 2 3
validations croisées.
150 175 200 225 250 275
(Z*-Z)/S* Z* : rho5 (Estimates)
Données Coefficient de
Moyenne Variance
robuste sur 46 corrélation
53
Compte tenu des résultats dans le tableau 5, le résultat de validation croisée montre
des bons coefficients de corrélation; le nombre des données qui ne sont pas bien estimées et la
variance d’erreur est faible ; de plus, la moyenne des erreurs et l’erreur sont proches de zéro.
Y (m)
Y (m)
Y (m)
Y (m)
104.26 84.60
92.93 78.17
81.59 71.73
726000 726000 70.26 65.29
726000 726000
58.93 58.86
47.60 52.42
36.26 45.98
725900 725900
24.93 725900 estimation 725900 39.54
13.60 33.11
300200 300300 300400 300500 300200 300300 300400 300500
N/A N/A
X (m) X (m)
162.11 218.25
153.50 207.21
144.89 196.17
726100 726100
Y (m)
Y (m)
136.28
174.09
127.67
163.06
119.06
152.02
110.45 726000 726000
726000 726000 140.98
101.85
129.94
93.24
118.90
84.63
725900 estimation_rho4 725900 107.86
725900 estimation_rho3 725900 76.02
96.83
67.41 300200 300300 300400 300500
300200 300300 300400 300500 N/A
N/A X (m)
X (m)
Y (m)
Y (m) 216.74
207.04
197.35
187.65
726000 726000
177.95
168.25
158.55
AB/2=90.5 (e)
La figure 26 (a) nous montre la carte de résistivité électrique à AB/2= 3.5 m, elle
représente une couche conductrice ayant une résistivité inférieure à 100 ohms. Mètre qui
correspond à des argiles alluvionnaires et à des sables argileux et elle occupe presque toute la
totalité de la zone d’étude sauf pour la partie Nord Nord Est qui est un peu résistant ayant une
résistivité allant de 100 à 190 ohms. Mètre, Elle représente des sables et graviers imbibés
d’eau douce.
La figure 26 (c) nous montre les mêmes gammes de résistivités dont la première,
conductrice, se situe presque au centre de la zone d’étude. Selon la géologie existant dans
cette zone, elle correspond à une formation d’argile, de sédiments alluvionnaires. La seconde
55
de résistivité moyennement résistante, apparait au Nord Est et sur la côte Sud Est de la zone ;
elle correspond à des marnes, des calcaires, des dunes récentes.
Dans la figure 26 (e), Les trois gammes de résistivité ainsi que leur emplacement
dans la zone d’étude sont encore visibles mais sur la partie Nord-Ouest (zone1), le socle
cristallin apparaît très net et sa limite est très visible.
Cette deuxième partie de notre analyse géostatistique a pour but d’élaborer des
cartes verticales correspond à l’imagerie 2D des profils. La méthodologie reste la même que
celle employée pour l’établissement des cartes horizontales,
Cas du profil A
Ce profil à une longueur environ de 2200 m et, constitué par 6 SEV distant en
moyenne de 250 m. Chaque sondage à des mesures de résistivités apparentes correspondront a
des écartements de AB/2 de 3.5 m à 90.5 m.
Cas du profil B
Ce profil à une longueur environ de 1700 m et, constitué par 5 SEV distant en
moyenne de 450 m. Chaque sondage à des mesures de résistivités apparentes correspondront a
des écartements de AB/2 de 3.5 m à 90.5 m.
Cas du profil C
Ce profil à une longueur environ de 600 m et, constitué par 7 SEV distant en moyenne
de 100 m. Chaque sondage à des mesures de résistivités apparentes correspondront a des
écartements de AB/2 de 3.5 m à 90.5 m
56
Figure 27 : Carte de localisation des sondages et présentation des profils
Chaque model du variogramme montrent une ordonnée non nul à l’origine : c’est
l’effet de pépite.
57
Distance (m) Distance (m)
0 10 20 30 40 50 60 70 80 90 0 10 20 30 40 50 60 70 80 90
30000 30000
15000 15000
6 5
Variogram : RESISTIVITE
Variogram : RESISTIVITE
Variogram : RESISTIVITE
Variogram : RESISTIVITE
20000 20000
5
10000 6 10000
18 10000 10000
5000 5000 20
6 15
6 18 5
0 0
0 0
0 10 20 30 40 50 60 70 80 90
0 10 20 30 40 50 60 70 80 90
Distance (m)
Distance (m)
Distance (m)
0 100 200 300 400 500 600
185 75
50
100
125 25
4000 4000
Variogram : RESISTIVITE
Variogram : RESISTIVITE
3000 3000
2000 2000
35
1000 1000
0 0
Modèles gaussienne
Effet de pépite Palier Portée (m)
Profil A 1020.83 5147.25 211.78
Modele sphérique
Profil C 225.89
4294.23 137.76
58
Le résultat des validations croisées montre un bon coefficient de corrélation, le
tableau 8 récapitule ces résultats.
Coefficient de
Moyenne Variance
corrélation
Après les calculs variographique, l’ajustement des variogrammes, le choix des grilles
d’estimations et la validation croisées (cf. Annexe C) ; la figure suivante nous permet de
visualiser les carte obtenue en utilisant la méthode d’estimation par krigeage.
59
X (m) LEGENDE
0 1000 2000 310.00
-10 -10 283.28
-20 -20 256.56
-30 -30 229.84
-40 -40 203.13
Y (m)
Y (m)
176.41
-50 -50 149.69
-60 -60 122.97
-70 -70 96.25
-80 -80 69.53
-90 -90
25.00
-100 -100
0 1000 2000
N/A
X (m)
Profil A
X (m) LEGENDE
0 500 1000 1500 310.00
-10 -10 283.28
-20 -20 256.56
-30 -30 229.84
203.13
-40 -40
Y (m)
Y (m)
176.41
-50 -50
149.69
-60 -60 122.97
-70 -70 96.25
-80 -80 69.53
-90 -90
25.00
-100 -100
0 500 1000 1500
N/A
X (m)
Profil B
X (m) LEGENDE
0 100 200 300 400 500 600 236.02
-10 -10 177.95
-20 -20 119.87
-30 -30 29.54
-40 -40
Y (m)
Y (m)
-50 -50
-60 -60 N/A
-70 -70
-80 -80
-90 -90
-100 -100
0 100 200 300 400 500 600
X (m)
Profil C
Les cartes d’estimation des trois profils nous montrent trois gammes de résistivités
différentes :
60
La première, représente une couche conductrice qui est les parties de la
subsurface. Selon la géologie de la zone d’études, elle correspond à des argiles alluvionnaires
et à des sables argileux ; elle occupe la première partie des profils.
Après l’analyse géostatistique et le krigeage des cartes 2D, tant horizontales que
verticales, nous obtenons un jeu de données, ici de résistivité apparente. Ces données sont
acquises avec un maillage adapté aux contraintes de la géostatistique, aux limites des
méthodes de résistivité électrique par sondage, à la connaissance statistique des données et
aux connaissances géologiques. Cette distribution n’est pas directement compatible avec le
format de données exploitables par le code utilisé : RES2Dinv. L’objectif de cette partie est
de montrer comment nous avons extraits des données des cartes précédemment réalisé pour
construire une pseudo-section.
III -3- 1) Résultats : Les images 2D des inversions des trois profils dans le bassin
de Miandrivazo
La représentation des résultats sous forme des images 2D de résistivités électrique
est fonctionnelle. Les inversions proposées ci-dessous sont faites avec le logiciel RES2DINV.
On propose dans notre étude d’analyser les modèles construit avec une maille de la grille de
krigeage égale à 25 m (a = 25 m) ; on rappelle, que cette maille correspond à la distance
minimale entre les électrodes de mesures de potentiel (MN).
61
Figure 30 : Model de résistivité du profil A
62
Figure 31 : Model de résistivité du profil
Le model de résistivité du profil B c’est tout comme le profil A ; on obtient d’une part
l’image de la structure du bassin de profondeur allant de 25 m à 70 m, et d’autre part une
image de la subsurface de profondeur allant de 6.25 m à 35 m.
63
CONCLUSION
L’objectif principal de cette étude était d’interpréter le sondage électrique vertical dans
la ville de Miandrivazo à partir des données disponible par la combinaison de la méthode
statistique géostatistique et inversion. Les données ne sont pas régulières et sont entachées de
diverses incertitudes, comme l’erreur de mesure, d’où l’importance d’une étape préalable
dans ce rapport, d’analyser et de critiquer les comportements de ces données.
La méthode d’inversion des lignes des sondages verticaux par tomographie 2D nous a
permis de montrer les trois grandes structures déjà identifiées dans l’analyse statistique et
géostatistique.
Les résultats des analyses statistiques et géostatistiques complétés par les d’inversion
des lignes des sondages verticaux par tomographie 2D, ont mis en évidence la fiabilité de ces
techniques pour l’interprétation d’un nombre important de sondages électriques au lieu de la
méthode ordinaire fastidieuse qui se base sur l’inversion des sondages un par un et les corréler
ultérieurement pour construire la structure globale du domaine étudié.
64
REFERENCES BIBLIOGRAPHIQUES
1. Andriamirado L. C., 2003, « Application de la méthode de polarisation spontanée (PS) et du
panneau électrique à l’étude hydrogéologique de la plaine alluviale de Miandrivazo ».
Mémoire de DEA, Faculté de Sciences, Université d’Antananarivo
7. CHAPERON et al. (1993). Fleuves et rivières de Madagascar. Paris: ORSTOM & CNRE,
499pages.
9. ESCOFIER, B., & PAGES, J. (1998). Analyses factorielles simples et multiples, Objectifs,
méthodes et Interprétation, 3ème édition. Paris: DUNOD.
11. GUMIAUX, C., GAPAIS, D., & BRUN, J. P. (2003). Geostatistics applied to best-fit interpolation
of orientation data. Tectonophysics, 376, pp 241–259.
13. ISAAKS, E. H., & SRIVASTAVA, R. M. (1989). An Introduction to applied geostatistics. New
York: Oxford University Press, 516pages.
14. LOKE, M. H. (2004). Electrical Imaging Surveys for Environmental and Engineering Studies.
Tutorial: 2-D and 3-D Electrical Imaging Survey. www.geoelectrical.com.
15. PARASNIS, D. S. (1986). Principles of Applied Geophysics, 4th edition. London: Chapman and
Hall, 402pages.
65
16. RAKOTONDRAIBE Jean Harivelo –« Les ressources en eaux de Madagascar » établi en 1974,
596 pages
18. RISS, J., FERNANDEZ, M., SIRIEX, HARMOUZI, O., & ESSAHLAOUI, A. (2008). Reinterpretation
of VES data (Saiss basin, Morocco) using Geostatistics and 2D electrical inversion method.
SEG LAS VEGAS.
19. SAPORTA G. (1990). Probabilités, Analyse des données et statistiques. Paris: Editions technic,
493 pages.
20. TELFORD, W. M., GELDART, L. P., & SHERIFF, R. E. (1990). Applied geophysics: Second Edition.
Cambridge University Press, 770pages.
21. TENENHAUS M. (2007). Statistique, méthodes pour décrire, expliquer et prévoir. Paris:
DUNOD.
22. TILLE, Y. (2010). Résumé du cours de statistique descriptive. France: 172 pages.
24. WINDLEY B. E., R. A. (1994). Tectonic framework of the Precambrian of Madagascar and its
connections, a review and reappraisal. Geologische Rundschau 83 , pp 642-659.
66
ANNEXE
ANNEXE A : Le logiciel MATLAB
MATLAB (MATrix LABoratory) version R2009a qui est un logiciel de calcul numérique
produit par MathWorks a été retenu pour ses fonctionnalités. MATLAB est un langage simple
et très efficace, optimisé pour le traitement des matrices. Il contient également une interface
graphique puissante, ainsi qu’une grande variété d’algorithmes scientifiques tout en traitant
les matrices comme de simples variables.
1-Généralités
Le logiciel ISATIS a été créé en 1998 par la société française Geovariance avec
l’aide de l’Ecole des Mines de Paris. Les algorithmes sont conçus et codés en programme
C++ au Centre de Géostatistique de l’École des Mines de Paris, ISATIS réalise deux
fonctions principales :
- l’autre est de pouvoir qualifier la confiance que l’on peut accorder à la carte obtenue alors
que l’on sait qu’il existe une erreur d’estimation (variance de krigeage). La fiabilité et la
robustesse de la technologie ISATIS sont reconnues par de nombreuses organisations dans
des domaines divers.
LXV
- analyse et contrôle détaillés des données ;
- représentation dans la même vue de données ponctuelles 3D, sondages 3D, surfaces 2D ;
- 100 variables;
2- Choix du logiciel
ISATIS est un logiciel multifonction et interactif intégrant des modules diverses
pour l’étude raisonnée des données. Il permet entre autre l’analyse exploratoire des données et
l’obtention d’une carte d’isovaleur en deux et en trois dimensions avec une carte d’erreur
d’estimation. L’ajustement des modèles de variogrammes est pris en fonction intégralement par
ISATIS en donnant l’appréciation des modèles choisis pour une bonne étude des paramètres et
des choix à faire dans la suite.
LXVI
ANNEXE C : VALIDATION CROISEE DES TROIS PROFILS
Profil A
Z* : RESISTIVITE (Estimates)
0 100 200 300
300 300
rho = 0.849
100 100
X (m)
0 1000 2000 Y (m)
Y (m)
0
-10
-20
-30
-40
-50 0
-10
-20
-30
-40
-50 0 0
-60
-70
-80
-90 -60
-70
-80
-90
0 1000 2000 0 100 200 300
X (m) Z* : RESISTIVITE (Estimates)
0.07 0.07
Frequencies
Frequencies
(Z*-Z)/S*
(Z*-Z)/S*
0.06 0.06
0 0
0.05 0.05
0.04 0.04
0.03 0.03
-1 -1
0.02 0.02
0.01 0.01
0.00 0.00 -2 -2
-2 -1 0 1 2 0 100 200
(Z*-Z)/S* Z* : RESISTIVITE (Estimates)
LXVII
Profil B
Z* : RESISTIVITE (Estimates)
0 100 200 300
300 300
rho = 0.751
100 100
X (m)
0 500 1000 1500
Y (m)
Y (m)
0
-10
-20
-30
-40 0
-10
-20
-30
-40
-50
-60
-70
-80 -50
-60
-70
-80 0 0
-90 -90
0 500 1000 1500 0 100 200 300
X (m) Z* : RESISTIVITE (Estimates)
(Z*-Z)/S*
(Z*-Z)/S*
0 0
0.10 0.10
-1 -1
-2 -2
0.05 0.05
-3 -3
0.00 0.00
-3 -2 -1 0 1 2 3 0 100 200
(Z*-Z)/S* Z* : RESISTIVITE (Estimates)
LXVIII
Profil C
Z* : RESISTIVITE (Estimates)
50 100 150 200 250
150 150
100 100
X (m)
0 100 200 300 400 500 600 50 50
0
-10 0
-10
-20 -20
Y (m)
Y (m)
-30
-40 -30
-40
-50
-60 -50
-60
-70
-80 -70
-80
-90 -90
0 100 200 300 400 500 600 50 100 150 200 250
X (m) Z* : RESISTIVITE (Estimates)
0.10 0.10
Frequencies
Frequencies
(Z*-Z)/S*
(Z*-Z)/S*
0 0
0.05 0.05
-1 -1
-2 -2
0.00 0.00
-2 -1 0 1 2 25 50 75 100 125 150 175
(Z*-Z)/S* Z* : RESISTIVITE (Estimates)
LXIX
ANNEXE E : Feuille de mesure pour un SEV
LXX
TABLES DES MATIERES
Introduction …………………………………………………………………………………..1
LXXI
II-2-3 Variogramme …………………………………………………………..…..20
III-2-5 Cartographie par krigeage des résistivités apparentes par profil ….……..…55
III-3 Inversion des lignes de sondages électriques verticaux par tomographie 2D…………..60
III -3- 1) Résultats : Les images 2D des inversions des trois profils dans le bassin de
Miandrivazo ….…….………………………………………………………………………...60
Conclusion ……………………………………………………………………………….63
LXXIII
Titre du mémoire: INTERPRETATION DES SONDAGES ELECTRIQUES VERTICAUX PAR
COMBINAISON DE LA METHODE STATISTIQUE, GEOSTATISTIQUE ET INVERSION :
CAS DU BASSIN DE MIANDRIVAZO
RESUME
Ce présent travail a pour objectif de faire une interprétation des sondages électriques verticaux
dans la ville de Miandrivazo à partir des données disponibles par la combinaison de la méthode
statistique, géostatistique et inversion.
L’utilisation de la méthode statistique nous a permis de résumer les caractéristiques principales
de la zone d’étude et aussi d’analyser les sondages électriques verticaux en tenant compte de la
distribution dans l’espace des valeurs des résistivités apparentes, et de subdiviser les sondages
électriques en cinq classes les plus homogènes entre eux. La technique géostatistique, nous a
conduits à obtenir les différentes cartes de distribution spatiale, après ajustements et estimations
par la méthode de krigeage. La méthode d’inversion des lignes des sondages verticaux par
tomographie 2D nous a permis de montrer les trois grandes structures déjà identifiées dans
l’analyse statistique et géostatistique.
ABSRACT
This present work has for objective to make an interpretation of the vertical electric polls in
the city of Miandrivazo from the available data by the combination of the statistical,
géostatistic and inversion methods.
Using statistical method allowed us to summarize the main characteristic of the study zone
and also to analyze the vertical electric polls while taking into account the spatial distribution
of the values of apparents resistivities, and to categorize the electric polls in five classes most
homogeneous between them. The technical géostatistic, led us to obtain the different spatial
distribution maps, after adjustments and estimations by the kriging’s method. The method of
inversion of the lines of the vertical polls by tomography 2D allowed us to show the three big
structures already identified in the statistical and géostatistical analysis.
Encadreur : L’impétrant :
e-mail : m6fafah@gmail.com