Cadi Abdelkrim Adel 2019

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE
MINISTERE DE L`ENSEIGNEMENT SUPERIEUR ET DE LA

RECHERCHE SCIENTIFIQUE
UNIVERSITE BATNA 1
INSTITUT DES SCIENCES VETERINAIRES

ET DES SCIENCES AGRONOMIQUES
DEPARTEMENT DES SCIENCES AGRONOMIQUES
Mémoire
De fin d’études en vue de l’obtention du diplôme
De Master en Sciences Agronomiques.
Spécialité : Aménagement Hydro-Agricole
Sujet
Optimisation de données bathymétriques à l’aide de

l’extension Geostatistical Analyst d’ArcGIS.
Cas du barrage « Foum El Gherza » Wilaya de
Biskra, Algérie
Présenté par :
Mr. Cadi Abdelkrim Adel
Les membres de jury
Président : H. Mekaoussi MAA U.Batna1
Promoteur : D. Bengora MAA U.Batna1
Examinateur : M. Amiour MAA U.Batna1
Année universitaire 2019/2020

Je dédie ce modeste travail :
A la mémoire de mon père, que Dieu l’accueille dans son vaste
paradis.
A ma très chère mère.
A mon frère et mes sœurs.
A mes amis qui sont des frères.
A tous ceux qui me sont chers.

Avant de colore ce mémoire, je tien à remercier le seigneur de m’avoir aidé et
guidé dans ce travail et aux personnes qui ont apporté leur aide et ceux qui ont
contribué à l’élaboration de ce mémoire ainsi qu’à la réussite de cette formidable
année universitaire.
A Mr. D. Bengora a qui j’exprime ma profonde gratitude et mes sincères

remerciements, qui en tant qu’encadreur s’est toujours montré présent et à
l’écoute tout au long de la réalisation de ce mémoire, ainsi que pour l’inspiration,
l’aide et le temps qu’il a bien voulu me consacrer.
A Mlle. H. Mekaoussi d’avoir bien voulu présider les membres du jury mais aussi
pour sa gentillesse et pour l’intérêt qu’elle a porté pour mon mémoire.
Mes sincères remerciement a Mr. M. Amiour qui n’a jamais douter de mes
capacités et à qui je dois ce master et qui a bien voulu examiner mon travail.
Je n’oublie pas ma mère pour son sacrifice et son soutien.
Enfin, j’adresse mes plus sincères remerciements à tous mes proches et amis, qui
m’ont toujours encouragé et soutenu.
Merci à toutes et à tous.

‫الملخص‬
‫عملية تسيير السدود هي أمر مهم جدا ً ﻷنها تهم اﻵن جميع الفاعلين ﻓي مجال المياه )المصممين ومسيري‬
‫الموارد المائية( نظرا ً للقيود اﻻقتصادية‪ ،‬وزيادة الطلب علﻰ المياه‪ ،‬وتعرض السدود للطم‪.‬‬
‫غير أن رصد طمي السدود يتم عن طريق إجراء مسوحات لقياس اﻷعماق التي تستغرق وقتا ً طويﻼً‪.‬‬
‫من خﻼل هذا العمل سنحاول تقليل عدد نقاط هذه المسوحات‪ ،‬من خﻼل تطبيق أدوات التحليل الجيوإحصائي‪،‬‬
‫من أجل زيادة ترددات تحقيقها‪ ،‬وبالتالي السماح لمسيري السدود بمراقبة حالة الطمي ﻓي الخزانات بانتظام‪.‬‬
‫ولهذا‪ ،‬قارنا نتائﺞ التحليل الجيوإحصائي لجميع بيانات مسﺢ اﻷعماق المرجعي مع السيناريوهات العشوائية‬
‫العشرة للحد من حجم هذا المسﺢ‪.‬‬
‫أظهرت هذه الدراسة أن خفﺾ عدد نقاط القياس من ‪ 135057‬إلﻰ ‪ 55000‬له تأثير ضئيل جدا ً علﻰ معايير‬
‫الفعالية الجيوإحصائية‪.‬‬
‫والواقع أن هذا الحجم البالغ ‪ 55 000‬نقطة أظهر تشابها كبيرا مع المسﺢ المرجعي بدراسة طبيعة المعطيات‬
‫وتغيراتها المكانية والتحقق من صحة أداء النموذج‪.‬‬
‫الكلمات الدالة‪ :‬الطمي‪ ،‬دراسة المتغيرات‪ ،‬كريجينﺞ‪ ،‬التحقق من صحة أداء النموذج‪ ،‬أخذ العينات‪.‬‬
Abstract
The management of reservoir dams is of certain importance because it is now of interest to all
water stakeholders (designers and manager of water mobilization works) given the economic
constraints, the increasing demand of water and the vulnerability of dams to siltation. However,
monitoring dam siltation is carried out by laborious and time-consuming bathymetric surveys.
Through this work we will try to reduce the number of points of bathymetric surveys, by
applying the tools of geostatistical analysis, in order to increase their frequencies of realization
and therefore allow dam managers to regularly monitor the silting status of the reservoirs.
To do this, we compared the results of the geostatistical analysis of the all dataset of the
reference bathymetric survey and the 10 random scenarios of reduction in the size of this survey.
This study showed that reducing the number of measurement points from 135057 to 55000 has
a very small impact on the geostatistical reliability criteria. Indeed, this size of 55000 points
showed a great similarity with the reference bathymetric survey from the study of normality,
from variography to cross-validation.
Keywords : Siltation, Variography, Krigeage, Cross-Validation, Sample.

Résumé
La gestion des barrages réservoirs est d’actualité certaine du fait qu’elle intéresse aujourd’hui
tous les acteurs de l’eau (concepteurs et gestionnaire des ouvrages de mobilisation de l’eau)
compte tenu des contraintes économiques, de l’accroissement de la demande en eau et de la
vulnérabilité des barrages vis-à-vis de l’envasement. Cependant le suivi de l’envasement des
barrages est réalisé par des levés bathymétriques laborieux et consommant beaucoup de temps.
Par ce travail nous tenterons de réduire le nombre de point des levés bathymétriques, par
application des outils de l’analyse géostatistique, afin d’augmenter leurs fréquences de
réalisation et par conséquent permettre aux gestionnaires des barrages de contrôler
régulièrement l’état d’envasement des retenues.
Pour cela, nous avons comparé les résultats de l’analyse géostatistique de l’ensemble des
données du levé bathymétrique de référence et les 10 scénarios aléatoires de réduction de la
taille de ce levé. Cette étude nous a permis de démontrer que la réduction du nombre de points
de mesure de 135 057 à 55 000, a un impact très faible sur les critères géostatistiques de fiabilité.
En effet, cette taille de 55 000 points a montré une grande similitude avec le levé bathymétrique
de référence depuis l’étude de la normalité, de la variographie jusqu’à la validation croisée.
Mots-clés : Envasement, Variographie, Krigeage, Validation croisée, Echantillonnage.

TABLE DES MATIERES
Liste des tableaux
Liste des figures
Introduction générale.................................................................................................... 1
1 Chapitre 1 : Bathymétrie des retenues des barrages ........................................... 3

1.1 Introduction :....................................................................................................... 3
1.2 Définitions de la bathymétrie :............................................................................ 3
1.3 Rôle de la bathymétrie : ...................................................................................... 4
1.4 Domaine d’application de la bathymétrie ........................................................... 4
1.5 Brève historique .................................................................................................. 5
1.6 Organisation d’un levé bathymétrique par échosondeur .................................... 7
1.6.1 Préparation de la bathymétrie ................................................................. 7
1.6.1.1 Délimitation du réservoir ................................................................................. 7
1.6.1.2 Division du réservoir en sections ..................................................................... 8
1.6.1.3 Détermination des points de mesure ................................................................ 8
1.6.1.4 Détermination du niveau du réservoir............................................................ 10
1.6.2 Réalisation de la bathymétrie ................................................................ 11
1.6.2.1 Matériels utilisés ............................................................................................ 11
1.6.2.2 Méthodologie des levés bathymétriques ....................................................... 13
1.7 Traitement des données .................................................................................... 18
1.7.1 Niveaux de traitement ........................................................................... 18
1.7.2 Principe de traitement ........................................................................... 19
1.7.2.1 Données des capteurs annexes ....................................................................... 19
1.7.2.2 Correction et réduction .................................................................................. 19
1.7.2.3 Traitement des données de bathymétrie......................................................... 20
1.7.2.4 Contrôle de la qualité des données ................................................................ 20
1.7.2.5 Validation et qualification des données ......................................................... 20
1.8 Conclusion ........................................................................................................ 20
2 Chapitre 2 : Etat de l’art de l’analyse géostatistique ......................................... 21

2.1 Introduction ....................................................................................................... 21
2.2 Définitions de la géostatistique ......................................................................... 21
2.3 Théorie de la géostatistique .............................................................................. 23
2.3.1 Fonction aléatoire .................................................................................. 24
2.3.1.1 Définitions ..................................................................................................... 24
2.3.1.2 Stationnarité ................................................................................................... 24
2.3.2 Variogramme ........................................................................................ 26
2.3.2.1 Propriétés du variogramme ............................................................................ 27
2.3.2.2 L’effet de pépite............................................................................................. 28
2.3.2.3 La portée ........................................................................................................ 28
2.3.2.4 Le palier ......................................................................................................... 28
2.3.3 Ajustement du variogramme ................................................................. 29
2.3.3.1 Aspect générale du variogramme .................................................................. 29
2.3.3.2 Les variogrammes usuels ............................................................................... 30
2.3.3.3 L’ajustement du variogramme ....................................................................... 34
2.3.4 Krigeage ordinaire................................................................................. 35
2.4 Conclusion ........................................................................................................ 36
3 Chapitre 3 : Présentation de l’aire d’étude ......................................................... 37

3.1 Introduction ....................................................................................................... 37
3.2 Présentation de la wilaya de Biskra .................................................................. 37
3.3 Présentation du bassin versant de Oued El Abiod ............................................ 41
3.4 Présentation du Barrage Foum El Gherza......................................................... 42
3.5 Affectation des eaux du barrage Foum El Gherza ............................................ 45
3.6 Conclusion ........................................................................................................ 45
4 Chapitre 4 : Modalités d’acquisition des données bathymétriques du

Barrage Foum El Gherza ........................................................................................ 46
4.1 Introduction ....................................................................................................... 46
4.2 Système géodésique .......................................................................................... 47
4.3 Levé topographique .......................................................................................... 52
4.4 Levé bathymétrique .......................................................................................... 53
4.5 Données acquises .............................................................................................. 54
4.6 Conclusion ........................................................................................................ 56
5 Chapitre 5 : Didacticiels de l’extension Geostatistical Analyst d’ArcGIS ....... 57

5.1 Introduction ....................................................................................................... 57
5.2 Présentation d'ArcGIS....................................................................................... 57
5.3 Extension Geostatistical Analyst ...................................................................... 57
5.3.1 Graphiques d'exploration des données spatiales ................................... 58
5.3.2 Assistant géostatistique ......................................................................... 59
5.3.2.1 Méthodes géostatistiques ............................................................................... 60
5.4 Exemple d’application et traitement des données ............................................. 61
5.5 Entré des données ............................................................................................. 61
5.6 Analyse des données ......................................................................................... 66
5.6.1 Analyse exploratoire ............................................................................. 66
5.6.2 Analyse géostatistique........................................................................... 68
5.7 Estimation des volumes .................................................................................... 76
6 CHAPITRE 6 : Optimisation du levé bathymétrique du barrage

Foum El Gherza ....................................................................................................... 77
6.1 Mise en œuvre de l’analyse géostatistique........................................................ 77
6.2.2 Analyse variographique ........................................................................ 78
6.1.3 Krigeage ................................................................................................ 79
6.1.4 Validation croisée ................................................................................. 79
6.2 Méthodologie .................................................................................................... 80
6.3 Résultats et discutions ....................................................................................... 81
6.3.2 Analyse variographique ........................................................................ 82
6.3.3 Krigeage et validation croisée ............................................................... 85
6.3.4 Sensibilité de la courbe Capacité-Hauteur ............................................ 87
6.4 Conclusion ........................................................................................................ 89
Conclusion générale ................................................................................................... 90
LISTE DES TABLEAUX
Tableau 1-1 : Données fournies par les sondeurs mono et multifaisceaux ................ 18
Tableau 3-1 : Daïras, communes, populations et superficies en Km² de la wilaya de

Biskra………….. ....................................................................................................... 38
Tableau 4-1 : Coordonnées de références. ................................................................. 49
Tableau 4-2 : Résultats après calculs des volumes en Hm3 ....................................... 56
Tableau 6-1 : Statistiques descriptives de l'ensemble de données des scenarii de levé

bathymétrique….. ....................................................................................................... 82
Tableau 6-2 : Résultats de l’analyse variographique.................................................. 82
Tableau 6-3 : Données des courbes « volumes hauteurs » de l’échantillon 55 000

points et du levé bathymétrique de référence (135 075 points) . ............................. 88
LISTE DES FIGURES
Figure 1-1 : Figure1-1 :Tracé des profils de sondage lors d’un relevé réalisé par
échosondeur analogique ............................................................................................... 6
Figure 1-2 : Exemple d’un croquis illustrant un réservoir, son affluent, son effluent
ainsi que la position du barrage .................................................................................... 7
Figure 1-3 : Écart entre les sections. ............................................................................ 8
Figure 1-4 : Répartition type des points de mesure ...................................................... 9
Figure 1-5 :Les différentes hauteurs de référence qui doivent être mesurées afin de
connaître le niveau du réservoir ................................................................................. 10
Figure 1-6 : Principe de la mesure bathymétrique avec le système sondeur / GPS ... 13
Figure 2-1 : Schéma d’une analyse géostatistique ..................................................... 23
Figure 2-2 : Exemple de variogramme ....................................................................... 27
Figure 2-3 : Aspect d’un variogramme ...................................................................... 30
Figure 2-4 : Modèle théorique d'un variogramme pépitique pur ............................... 31
Figure 2-5 : Modèle théorique d'un variogramme linéaire avec palier ...................... 31
Figure 2-6 : Modèle théorique d'un variogramme sphérique ..................................... 32
Figure 2-7 : Modèle théorique d'un variogramme exponentiel .................................. 33
Figure 2-8 : Modèle théorique d'un variogramme gaussien ....................................... 33
Figure 2-9 : Modèle théorique d'un variogramme linéaire sans palier ....................... 34
Figure 3-1 : Situation géographique de la wilaya de Biskra ...................................... 37
Figure 3-2 : Carte de la situation géographique du bassin versant « Oued El

Abiod»…………………… ........................................................................................ 42
Figure 3-3 : Image Google Earth du barrage de Foum el Gherza Biskra................... 43
Figure 3-4 : Image du barrage de Foum El Gherza .................................................... 44
Figure 4-1 : Photo du barrage de Foum El Gherza Biskra ......................................... 46
Figure 4-2 : Indication du repère P3........................................................................... 47
Figure 4-3 : Localisation de la station de référence ................................................... 49

Figure 4-4 : Position de l’échelle de mesure .............................................................. 50
Figure 4-5 : Mesure des coordonnées aux bornes ...................................................... 52
Figure 4-6 : Point du levé topographique ................................................................... 53
Figure 4-7 : Mesure du levé bathymétrique. .............................................................. 54
Figure 5-1 : Barre d’action avec indication de l’icône Rechercher............................ 61
Figure 5-2 : Tableau de la liste de recherche.............................................................. 62
Figure 5-3 : Etape de conversion du fichier Excel ..................................................... 62
Figure 5-4 : Affichage du résultat dans la table des matières .................................... 63
Figure 5-5 : Géo-référencement des coordonnées projetées ...................................... 64
Figure 5-6 : Exportation des données sous forme de fichier (Shipfile) ..................... 65
Figure 5-7 : Résultat après traitement des données .................................................... 66
Figure 5-8 : Module Explore Data ............................................................................. 67
Figure 5-9 : Histogramme des attributs ...................................................................... 67
Figure 5-10 : Module Geostatistical Wizard .............................................................. 68
Figure 5-11 : Procédure Kriging / Input Data ............................................................ 69
Figure 5-12 : Sélection du type de krigeage et du type des résultats ......................... 70
Figure 5-13 : Modélisation du semi-variogramme ..................................................... 71
Figure 5-14 : Recherche des points voisins ................................................................ 72
Figure 5-15 : Cross validation .................................................................................... 73
Figure 5-16 : Rapport final ......................................................................................... 74
Figure 5-17 : Exportation des résultats en Raster....................................................... 75
Figure 5-18 : Raster obtenue ...................................................................................... 76
Figure 6-1 : Valeurs des paramètres variographiques ................................................ 84
Figure 6-2 : Evolution des paramètres de la validation croisée ................................. 86
Figure 6-3 : Evolution des volumes estimés au NNR : des 10 échantillons, La ligne
pointillée représente le volume estimé au NNR avec le levé bathymétrique de
référence……….. ....................................................................................................... 87
Figure 6-4 : Courbes « volume-hauteur » du levé bathymétrique de référence et de

l’échantillon optimal (55 000 points). ........................................................................ 88
Introduction générale
En Algérie les ressources en eau, leur disponibilité et leur gestion sont des questions
qui se posent en permanence, à la fois aux administrations chargées de la planification
nationale, mais aussi aux entreprises et aux collectivités locales, dont le but est
d’améliorer leur gestion.
L’eau constitue un élément essentiel dans la vie des humains, mais aussi elle représente
un facteur stratégique pour l’aménagement du territoire ; sa disponibilité conditionne
de manière déterminante la répartition des populations, de l’urbanisation et des
activités économiques notamment l’agriculture.
Les barrages en Algérie, sont constamment soumis aux phénomènes qui peuvent
dégrader leur état tel que l’envasement, considéré parmi les phénomènes naturels les
plus dangereux, qui impact le volume d’eau stocké et la durée de vie des retenues.
La géostatistique est utilisée pour évaluer et prédire des données non mesurées par des
modèles théoriques tel que le modèle numérique du terrain d’un levé bathymétrique.
Le but de ce mémoire est d’optimiser les points du levé bathymétrique du barrage de

Foum El Gherza réalisé en 2015 par l’ANBT à partir de 10 combinaisons aléatoires en
utilisant les techniques de l’analyse géostatistique.
Pour mener à bien ce travail nous avons établis un plan qui s’affiche comme suit :
Le premier chapitre, est consacré à une étude bibliographique générale sur la

bathymétrie des retenues des barrages ;
Le deuxième chapitre, est dédié à l’état de l’art de l’analyse géostatistique ;
Le troisième chapitre, traite la présentation de l’aire d’étude (Bassin versant de

l’Oued El Abiod et le barrage Foum El-Gherza de la wilaya de Biskra) ;
Le quatrième chapitre, est consacré aux modalités d’acquisition des données

bathymétriques (extrait du rapport de l’étude topo-bathymétrique fournis par
l’exploitant du barrage -ANBT).
1
Le cinquième chapitre, donne un aperçu sur le logiciel utilisé (ArcGIS) ainsi qu’un
didacticiel sur l’utilisation de l’extension Geostatistical Analyst pour l’établissement
du MNT et le calcul du volume de la retenue.
Enfin le sixième chapitre, est consacré à l’étude d’optimisation du levé bathymétrique

du barrage Foum El Gherza. Il présentera les résultats de l’analyse géostatistique, des
estimations des volumes et leur interprétation.
2
Chapitre 1 : Bathymétrie des retenues des barrages
1.1 Introduction :
La loi sur la sécurité des réservoirs ou barrages fixe deux catégories de ces derniers : les barrages
à « forte contenance » et les barrages à « faible contenance ». Cette catégorisation se base sur
deux paramètres : la hauteur du barrage et sa capacité de retenue.
Le Règlement sur la sécurité des barrages requière les dispositifs pour mesurer de manière
prudente la capacité de retenue en l’absence de mesures précises ou de bathymétrie. Ce sont ces
moyens qui ont été utilisés pour déterminer si un barrage est à forte ou à faible contenance.
1.2 Définitions de la bathymétrie :
La bathymétrie (du grec bathys, « profond » et mètre, « mesure ») est la science de la mesure
des profondeurs et du relief de l’océan. Il s’agit donc de déterminer la topographie de la mer,
comme le ferait un géomètre pour le relief terrestre. A. Fusiello, E. Trucco, and A. Verri ; 2000
La bathymétrie est la science qui étudie les fonds des milieux subaquatiques (océan, mer,
fleuves, lacs etc.) afin d’en déterminer la topographie. Sa mise en œuvre se fait à l’aide
d’échosondeurs mono-faisceau ou multifaisceaux (qui permettent de couvrir une surface plus
grande), qui fonctionnent à l’aide de mesures acoustiques. Bureau d’étude BEB ;2019
La bathymétrie consiste à mesurer la profondeur depuis une embarcation, sur un plan d’eau qui
bouge, à laquelle est associée une position précise, En mettant en œuvre une chaine de mesure
pilotée par un logiciel dédié, manipulé par un professionnel.
La bathymétrie représente un ensemble de mesures de profondeur de la retenue d’eau du

barrage. Ces mesures visent à connaître la topographie du fond submergé. La capacité de
retenue correspondant au volume total d’eau retenu par le barrage au niveau maximal
d’exploitation. Il s’agit du niveau le plus élevé que peuvent atteindre les eaux retenues en
exploitation normale. L’évaluation bathymétrique permet donc de décrire les caractéristiques
topographiques du fond d’un lac ou d’un cours d’eau. C.E.H, Québec ; 2008
3
1.3 Rôle de la bathymétrie :
Le rôle de la bathymétrie dans les cours d’eau est très important. Les enjeux qui lui sont
rattachés sont énormes tant en termes de sécurité de la navigation et de prévention des risques,
qu'en terme financier. Les mesures d'hydrographie de façon précises, permettent en gros :
 De procéder à une surveillance maîtrisée des fonds afin de programmer leur entretien
et garantir la sécurité des usagers,
 De définir plus exactement le tirant d'eau des navires admissibles dans les chenaux, afin
d'utiliser au mieux les profondeurs disponibles (incidence sur le chargement des
navires),
 D’optimiser le coût des travaux de dragage, grâce à une définition plus précise des
zones à draguer et des volumes de matériaux à extraire, et à un contrôle plus efficace
de l'avancement des chantiers,
 D’appuyer sur des bases solides toute étude d'aménagement portuaire, côtier ou fluvial,
 D’appréhender les mécanismes d'évolution des fonds et de définir en conséquence une

stratégie pertinente d'entretien et d’exploitation,
 D’assurer une connaissance des fonds dans le cadre de la prévention du risque

d’inondation,
 De contrôler le mouillage des voies navigables intérieures.
1.4 Domaine d’application de la bathymétrie :
Les domaines d’application de la bathymétrie sont multiples :
 Connaitre la profondeur des océans, ce qui permet d’assurer la sécurité de navigation.

Il est donc nécessaire de mettre à jour des cartes précises et résolvantes afin de s’assurer
que les navires, en fonction de leur tirant d’eau, puissent accéder sans risque aux ports
et près des côtes ;
 Surveiller l’évolution des fonds subaquatiques et notamment des affouillements ;
 Cartographier les fonds marins et les fonds subaquatiques dans le cadre des sciences
océanographiques.
 Estimer les volumes de sédiments à draguer ou qui ont été dragués. Les coûts du dragage
sont en effet très importants et l’estimation de ces volumes est vital afin de les prévoir
4
et les contrôler. Il est donc fréquent d’effectuer des bathymétries avant et après dragage
afin de contrôler le volume des sédiments effectivement dragués. Cartographie
bathymétrique ;2015.
1.5 Brèves historiques :
1.5.1 La méthode manuelle :
La production de cartes bathymétriques remonte au début du XXe siècle. Les premiers relevés
bathymétriques ont été réalisés sur la glace, en hiver (cas du Québec), en mesurant la profondeur
à partir de trous dans lesquels on plongeait une corde plombée et marquée par des indicateurs
de profondeur. Cette technique permettait de prévenir les biais de mesure de profondeur créés
par l’effet de dérive lorsqu’elle est réalisée à bord d’un bateau. (Alain Demers et Martin
Arvisais ; 2011).
1.5.2 L’avènement de l’électronique :
Avec l’arrivée de l’électronique, les cartes ont été créées grâce un échosondeur analogique. Cet
outil permet de mesurer le profil de la profondeur le long de transects linéaires. L’appareil émet
un signal et mesure le temps requis pour capter son écho. Le délai entre l’émission du signal et
son écho est corrélé à la vitesse du son sous l’eau et permet d’estimer la profondeur. L’appareil
trace ces mesures sur une bande de papier qui se déroule à vitesse constante Figure 1-1.
Le recours à un échosondeur analogique demande que l’embarcation doive ce déplacé à une

vitesse constante et garde un même cap. Le navigateur doit donc tenir compte de l’effet de
dérive induit par les vents de travers.
Il y a notamment quelques problèmes liés à cette manipulation qui rendent cet exercice long et
fastidieux. En plus d’utiliser un ruban de papier dans différentes conditions météorologiques
risquant de l’endommager et de fausser la lecture, il faut maintenir une vitesse et un cap
constants pour tous les transects. De plus, une fois le relevé complété, le travail ne fait que
commencer et reste l’analyse des rubans.
Les rubans produits par l’échosondeur permettent de transcrire des mesures ponctuelles de la
profondeur sur une carte qui illustre le trajet des transects. À partir de la mosaïque de points,
on effectue une interpolation manuelle des courbes bathymétriques. La préparation de telles
cartes requiert des journées de traitement pour les rubans et exige un certain niveau
d’interprétation artistique pour réaliser l’interpolation des points de même profondeur.
5
Figure1-1 : Tracé des profils de sondage lors d’un relevé réalisé par échosondeur analogique.
La précision de ces cartes dépendra du nombre de transects, de la capacité des navigateurs à

suivre un cap au moyen d’une boussole, du nombre de points bathymétriques reportés sur la
carte et de l’expérience du cartographe à interpréter et à interpoler les points.
Le coût de réalisation d’une carte bathymétrique reste très élevé. De plus, plusieurs
caractéristiques topographiques ne peuvent être aperçues par la méthode des échosondeurs
analogiques, car on limite les campagnes de sondage à un nombre restreint de transects.
1.5.3 L’apparition de l’informatique :
Grace au développement de l’informatique, les équipements technologiques se sont

perfectionnés et offrent désormais des échosondeurs électroniques simples avec un affichage
sur écran matriciel. Certains échosondeurs sont maintenant couplés à un système de localisation
par satellite (Global Positioning System - GPS).
Ces outils permettent de procéder à un inventaire bathymétrique moindre cout sans qu’il faille
se restreindre à maintenir une vitesse constante et à conserver rigoureusement un cap. En
fournissant la possibilité d’augmenter le nombre de points échantillonnés, ces outils accroit
vigoureusement la qualité des mesures. Les principaux avantages de ces équipements sont la
collecte géoréférencée des données de sondage bathymétrique et un traitement plus rapide des
données.
De ce fait, on éloigne les contraintes mentionnées pour les appareils analogiques tels que la
lecture de rubans de papier. Ces technologies favorisent aussi la création de cartes dont la
qualité est nettement supérieure et plus homogène.
6
1.6 Organisation d’un levé bathymétrique par échosondeur :
1.6.1 Préparation de la bathymétrie :
Pour faire la bathymétrie, quatre points sont importants :
1) La délimitation du réservoir ;
2) La division du réservoir en sections ;
3) La détermination des points de mesure pour chacune des sections ;
4) La détermination du niveau du réservoir.
1.6.1.1 Délimitation du réservoir
C’est la réalisation du croquis le plus représentatif possible de la forme de la retenue sur une
feuille de format standard ou plus grand si nécessaire. Ce croquis peut être effectué à partir
d’une photo aérienne ou d’une carte topographique. Il doit indiquer les cours d’eau qui
alimentent le réservoir (affluents) et ceux par lesquels il se décharge (effluents). La figure 1-2
fournit un exemple de croquis.
Figure 1-2 : Exemple d’un croquis illustrant un réservoir, son affluent, son effluent ainsi que la position
du barrage
7
1.6.1.2 Division du réservoir en sections :
Cette deuxième étape permet la détermination des lignes de section qui seront explorées en
embarcation pour prendre les mesures de profondeur.
Il s’agit donc de diviser le dessin du réservoir précédemment fait en sections (exemple de 5 à
20 mètres), la première étant établie à 1 mètre en avant du barrage (voir la figure 1-3).
L’écart entre les sections n’est pas forcément le même pour l’ensemble du réservoir. Cet écart
peut varier sur certaines sections de la retenue si les particularités de la topographie du fond
exigent plus de précision ou, par exemple, s’il y a présence d’îles. Chacun de ces écarts doit
cependant être rigoureusement noté d’un bout à l’autre du réservoir. La somme des écarts
constitue l’éloignement de la section par rapport au barrage.
La figure 1-3 illustre la façon d’accomplir cette tâche.
Figure 1-3 : Écart entre les sections

1.6.1.3 Détermination des points de mesure
L’étape suivante consiste à déterminer pour chaque section les points où les mesures de
profondeur seront établies. Le nombre de points de mesure de profondeur pour chacune des
sections change en fonction du profil du fond et de la largeur de la section mesurée.
Dans les cas où le propriétaire d’un barrage suspect que le profil des berges est de faible pente
(telle une plage) ou que le fond est relativement plat, sept (07) points de mesure par section sont
suffisants. Si le propriétaire ne connaît pas le profil sous-marin du réservoir, il peut être utile de
faire une tournée de reconnaissance avec une perche graduée ou d’autres instruments de
sondage avant de faire les mesures précises de la bathymétrie.
8
Pour tous les réservoirs, la première section est à 1 mètre en avant du barrage (la section A de
la figure1-3) et compte sept points déterminés, comme indiqué précédemment.
Dans les cas où le propriétaire ne connaît pas le profil des berges ou celui du fond, il faut
augmenter le nombre de points de mesure de profondeur pour obtenir un calcul d’une précision
admissible.
Le nombre de points de mesure varie alors selon la largeur du réservoir et les lieux de mesure
de référence sont :
• les extrémités de la section sur les rives : ce sont des points de référence dont la profondeur
est de 0 mètre ;
• à 1 mètre de chacune des rives ;
• à 5 mètres de chacune des rives ;
• à des distances de 5 à 10 mètres, sur toute la largeur de la section entre les points
précédemment déterminés.
Des points de mesure intermédiaires rajoutées peuvent être nécessaires si le fond varie
brusquement à certains endroits, comme un haut-fond, une fosse ou à l’endroit du lit
d’écoulement d’origine du cours d’eau.
Pour plusieurs raisons, il se peut qu’on ne puisse pas faire une ou quelques mesures aux lieux
prévus. Il faut alors les faire le plus près possible du lieu prévu en prenant soin de bien montrer
dans le rapport la position du nouvel endroit. Les calculs seront faits en prenant compte du
véritable emplacement des mesures.
Figure 1-4 : Répartition type des points de mesure
9
1.6.1.4 Détermination du niveau du réservoir :
Le volume total d’eau retenue, qui est la donnée recherchée par l’activité, est celui qui
correspond au niveau maximal d’exploitation. Comme la bathymétrie n’est pas forcément
conduite dans cette circonstance idéale, il est très important de situer le niveau d’eau au moment
où est faite la bathymétrie par rapport au niveau maximal d’exploitation du barrage, c’est-à-
dire le plus haut niveau historiquement maintenu du réservoir en exploitation normale. À
défaut, le volume total d’eau retenue ne pourra pas être calculé, et l’exercice n’auras pas lieu
d’être.
Donc, il faut mesurer, la même journée que les sondages de profondeur, les hauteurs suivantes
par rapport au-dessus du barrage ou à une marque distinctive, robuste et solidement fixée au
barrage :
• le niveau de la poutrelle la plus élevée en place au moment de la prise de mesures (hauteur A
de la figure 1-5) ;
• le niveau de l’eau s’écoulant par-dessus cette poutrelle (hauteur B de la figure 1-5) ;
• le niveau maximal d’exploitation (hauteur C de la figure 1-5).
Il est important de noter l’endroit précis (béton, digue, poutrelles de bois, etc.) à partir duquel
ces hauteurs ont été mesurées afin de pouvoir l’utiliser comme référence pour les calculs.
Figure 1-5 : Les différentes hauteurs de référence qui doivent être mesurées afin de connaître le niveau du
réservoir
10
1.6.2 Réalisation de la bathymétrie
1.6.2.1 Matériels utilisés :
Le choix des procédés du levé bathymétrique utilisés dépend de plusieurs paramètres : la

précision requise, la surface de la zone à estimer, la distance séparant le lieu de sondage à la
cote, les conditions atmosphériques, les délais d'intervention et les exigences d'opération.
L’accomplissement d’une bathymétrie fine nécessite un matériel spécifique. On réalise le

couplage d'un sondeur hydrographique et d'un GPS différentiel à bord d'un bateau. Grâce à une
interface SIG (Système d'Information Géographique), on acquiert et on spatialise en temps
réelles les données provenant des 2 appareils. Le système sondeur/GPS différentiel permet
d'acquérir des données bathymétriques spatialisées de précision centimétrique.
A. Le sondeur :
Le principe du sondeur est basé sur la mesure du temps de trajet aller-retour d'un ultrason dans
l'eau pour raccorder une source au fond. L'ultrason retransmit par la source (transducteur) se
propageant dans l'eau, se réfléchit sur le fond et revient vers l'hydrophone de réception, au bout
d'un temps (t) mesuré par l'appareil. Le son, qui se propage dans l'air à une vitesse précise, a
une célérité (C) dans l'eau. Cette valeur est fonction de la profondeur (donc de la pression), de
la répartition verticale des températures et, à un degré moindre, des variations de salinité des
eaux. La valeur du temps de trajet aller-retour (t) de l’ultrason est multipliée par la célérité pour
calculer la distance du trajet, à partir de laquelle on déduit la hauteur d'eau en divisant par 2.
Toutefois, cette profondeur n'est qu'une profondeur instrumentale sous le transducteur ; il faut
ensuite la réduire au niveau de l'eau par étalonnage et régler l’index de calibration du sondeur
(permettant d'ajuster la valeur indiquée par le sondeur à la valeur réelle).
Soit C la célérité des ondes sonores, t le temps de trajet aller-retour de l'ultrason, k l'index de
calibration et dr la distance entre la surface de l'eau et le bas du transducteur, alors la profondeur
:
P = ½C.t + k + dr
11
B. Le GPS différentiel (Trimble 4400) :
C'est un système de positionnement relatif par satellites, avec un relais de calcul au sol pour
améliorer la précision. Le GPS calcule la localisation d'un point par rapport à un autre dont la
référence et la précision est connue. Il est donc important d’utiliser deux récepteurs : un
récepteur immobile positionné sur un point référencé connu et un récepteur mouvant servant à
effectuer les mesures au cours du déplacement. Les deux récepteurs réalisent des mesures
simultanément sur les mêmes satellites : les erreurs de mesure sont donc d’autant plus similaires
qu'ils sont proches l'un de l'autre.
Le but consiste à éloigner les erreurs systématiques corrélées entre la station de référence et le
mobile. En plaçant un récepteur de référence sur un point connu, il est possible d'évaluer la
valeur théorique que devraient avoir ces mesures à partir de la position connue et de les
comparer avec les mesures réelles. La différence de ces valeurs donne l'erreur de mesure, qui
une fois évaluée sur le récepteur de référence sert à corriger les erreurs de mesure des récepteurs
placés sur des positions inconnues (Jonkman, De Jong, 2005). Ce principe de mesure
différentielle ne corrige que les erreurs dues au système lui-même.
C. Le système sondeur / GPS :
On effectue un couplage entre le sondeur et le GPS différentiel que l'on connecte à un PC. Après
l’implantation d'un point référencé, sur lequel sera placé le récepteur fixe du GPS, les deux
appareils (sondeur et récepteur mobile du GPS) sont installés à bord du bateau et l'acquisition
directe des données se fait en se déplaçant à vitesse réduite et régulière (afin de réaliser un
échantillonnage régulier des points).
Le sondeur indique les hauteurs d'eau sous le bateau alors que le GPS différentiel acquiert les
coordonnées X, Y (en UTM) et Z (en NGA) de l’emplacement du bateau. Le Z indique
l'élévation du niveau de la mer par rapport au niveau moyen des mers, au point (X, Y) au
moment de l'acquisition. On peut noter que le 0 hydrographique, niveau des plus basses mers,
change quant à lui de la même façon que la marée et qu'il est donc différent en fonction de
l’endroit où l'on se situe. Les valeurs bathymétriques obtenues par le système sondeur / GPS
résulte donc d'un calcul faisant intervenir les mesures des deux appareils (Figure 1-6).
12
Figure 1-6 : Principe de la mesure bathymétrique avec le système sondeur / GPS
A partir des données de profondeur d'eau et d'élévation de la mer, on détermine l'élévation du

fond (ou cote du sol), notée Z fond NGA :
Z fond NGA = élévation de la mer - hauteur d'eau - 0,94 m
• Z fond NGA : cote du sol, avec pour référence le 0 NGA,

• élévation de la mer : altitude mesurée par le GPS par rapport au 0 NGA,
• hauteur d’eau : profondeur sous le bateau mesuré par le sondeur,
• 0,94 m : longueur du transducteur (sonde).
Après détermination de l'exactitude des différentes mesures, le résultat de la bathymétrie sera
présenté sous la forme : Z fond NGA +/- x avec x = exactitude en cm
1.6.2.2 Méthodologie des levés bathymétriques :
A. Systèmes bathymétriques :
Tous les capteurs mis en œuvre au cours d’un levé bathymétrique doivent faire l’objet
d’étalonnage ou vérification bien définis afin de minimiser les incertitudes et de les quantifier.
En vue de la qualification des données, on devra :
 Calibrer les capteurs de célérité utilisés ;
 Déterminer les retards de synchronisation dans le système d’acquisition ;
13
 Déterminer avec précision les paramètres de rattachement entre capteurs (sondeur, GPS,
centrale d’attitude, …) ;
 Déterminer les biais de mesure et d’installation des capteurs d’attitude et de cap, en

particulier dans le cas d’un sondeur multifaisceaux (SMF) ;
 Déterminer la précision du sondeur utilisé sur une zone test. Pour un SMF une courbe
de biais (en fonction des faisceaux ou de la distance latérale et si possible de la
profondeur) en bathymétrie doit être déterminée, au moins à chaque modification
physique du système SMF.
 Déterminer la précision réelle du système de localisation : réalisation de cibles sur des

points connus par exemple.
 Sondeur multifaisceaux (ou SMF) :
Sondeur permettant de mesurer plusieurs hauteurs d’eau réparties sur un large fauché
perpendiculaire à la route suivie par le navire.
B. Travaux à effectuer :
Un levé bathymétrique est composé de profils rectilignes généralement parallèles le long

desquels sont effectuées les mesures de bathymétrie, et dont l’écartement maximal est défini
par des exigences spécifiques.
Dans le cas où une exploration totale est définie, qu’elle soit réalisée par la mise en œuvre de
capteurs acoustiques à balayage latéral (insonification totale au SMF ou sonar latéral), ou
qu’une couverture bathymétrique totale soit spécifiée (levé SMF surfacique), l’espacement
entre les profils est défini par les performances en couverture du système mis en œuvre avec un
recouvrement suffisant pour répondre aux exigences de la classe de produit.
L’emplacement des profils réguliers est choisi de la manière suivante :
 Levés SMF surfaciques : de préférence parallèle aux isobathes,
 Autres levés : de préférence perpendiculaire aux isobathes.
 Il doit assurer le cas échéant une couverture bathymétrique totale, permettre la détection
des relèvements avec la résolution spécifiée, et assurer la qualité spécifiée aux données
de bathymétrie.
14
Le responsable du levé doit, si la nature des fonds l’exige (relèvements artificiels ou naturels
dangereux pour la navigation) ou si les renseignements disponibles sur les pratiques locales de
navigation le nécessitent, augmenter les exigences du levé en cours (précisions plus importantes
et contrainte d’exploration totale si nécessaire) afin de garantir la sécurité correspondant à la
réalité de la navigation pratiquée.
La vitesse de sondage doit être adaptée en fonction des spécifications du type de levé, des
caractéristiques physiques des capteurs mis en œuvre, de l’état de mer et des performances du
système navire/sondeur/sonar.
La phase de définition des travaux à effectuer doit être précédée d’un travail de recherche afin
de définir les relèvements, obstructions, épaves et échos fixes à rechercher à partir des données
disponibles (exemple : levés antérieurs, cartes spécifiques, informations disponibles auprès des
autorités locales ou des pratiques locaux, ...).
C. Mesures complémentaires – corrections et réductions
Toutes les corrections appliquées aux données, en temps réel ou différé, ainsi que la période de
validité de ces corrections, doivent être archivées numériquement ou analogiquement pour
pouvoir être contrôlées et le cas échéant reprises.
Les corrections qui vont être apportées impacterons la qualité de la bathymétrie :
 Corrections instrumentales des sondeurs
Elles sont normalement négligeables si le sondeur a été correctement réglé et leur contrôle fait
partie des procédures propres à chaque équipement.
Pour les SMF, il est possible de déterminer des courbes de biais (toutes les autres sources
d’erreur ayant été corrigées par ailleurs) sur un fond plat de référence. Cette courbe de biais, si
elle est systématique, peut être appliquée aux données pour correction.
15
 Corrections de célérité
Elles sont de deux types :
 Pour les sondeurs verticaux : elles permettent de convertir le temps de trajet aller- retour
de l’onde acoustique en distance. Cette correction implique la connaissance du profil de
célérité réel ou intégré entre le fond et la surface.
 Pour les sondeurs multifaisceaux : la connaissance du profil de célérité réel est

indispensable à la connaissance du trajet réellement suivi par les rayons acoustiques en
incidence oblique : calcul précis de la valeur de la sonde et de sa position.
Le choix du mode de correction doit résulter d’un compromis entre coût (horaire et financier)
et qualité de l’estimation obtenue, l’objectif primordial étant de respecter les critères finaux de
précision spécifiés.
L’espacement spatial et temporel des mesures de célérité doit être adapté en fonction de la
variabilité estimée du profil de célérité dans la zone sondée.
 Corrections d’attitude :
Les corrections d’attitude comprennent la correction des effets :
 Du pilonnement,
 De roulis,
 De tangage.
Les données des sondeurs verticaux doivent par ailleurs prendre en compte la valeur du cap du
porteur (positionnement des sondes) et être corrigées du pilonnement par mise en œuvre d’un
compensateur de houle, d’une centrale d’attitude ou, à défaut et si besoin, en lissant les bandes
de sondes.
Les données des SMF doivent être corrigées du pilonnement, du roulis, du tangage (calcul
correct de la position et de la valeur des sondes) et prendre en compte la valeur du cap du porteur
(géo-référencement des sondes).
Ces corrections sont exécutées grâce à l’acquisition des données provenant d’une centrale
d’attitude et d’un système de mesure de cap, compatibles avec les normes de précision requises.
16
Les corrections sont appliquées numériquement aux données, en général par le logiciel
d’acquisition ou éventuellement par le logiciel post-traitement mis en œuvre.
 Correction d’immersion de la base :
Elle doit être déduite de manière directe ou indirecte du tirant d’eau par :
 Le contrôle à la barre effectuée à faible immersion et en tenant compte de la célérité du

son ;
 La comparaison avec un autre sondeur fonctionnant suivant le même principe (et dont
la correction est connue) et dans la mesure où il est possible de prendre en compte les
différences de positionnement entre antennes selon l’axe vertical ;
 La mesure de l’enfoncement du porteur : détermination de l’immersion du transducteur

par mesures de tirant d’eau ou de tirant d’air ;
 L’utilisation d’une table dynamique d’enfoncement du porteur, en fonction de sa charge

et de sa vitesse.
D’autre part on pourras mettre en œuvre un système de mesure de l’altitude ellipsoïdale du

porteur avec une précision centimétrique (GPS cinématique) afin de s’affranchir des problèmes
d’enfoncement de la base en fonction du chargement du porteur et de sa vitesse. Cette dernière
méthode nécessite cependant la connaissance de l’altitude du zéro de réduction des sondes par
rapport à l’ellipsoïde du WGS 84 et peut ne pas être applicable.
 Réduction de marée – référence verticale des sondes :
Elle permet de ramener la mesure de profondeur à un niveau de référence fixé. Elle est prise :
 Par observations in situ de la marée après adoption d’un zéro de réduction ;
 Par interpolation entre plusieurs observations effectuées suivant la procédure précédente

;
 Par calcul à l’aide d’un modèle numérique de marée, validé par l’établissement principal
du service hydrographique et océanographique de la Marine (EPSHOM). Dans le cas
où des mesures seraient faites au large ou dans des régions dans lesquelles il n’est pas
possible d’effectuer de mesures de marée in situ, les données pourront être corrigées
17
d’une marée issue d’un modèle non calé, s’il est établi que cette correction améliore la
qualité des données ;
 Par mesure de l’altitude du porteur par rapport à l’ellipsoïde du WGS84 en mettant en

œuvre un système de mesure de précision centimétrique sur la verticale. Cette solution
ne doit être mise en œuvre que si l’altitude du zéro de réduction des sondes sur la zone
du levé par rapport à cet ellipsoïde est connue.
1.7 Traitement des données :
1.7.1 Niveau de traitement :
Les données bathymétriques peuvent être classées en fonction de leur niveau de traitement.
Données De Niveau 1 (mesures bathymétriques) Ce sont les mesures brutes fournies par les
sondeurs. Elles comprennent au minimum :
Tableau 1-1 : Données fournies par les sondeurs mono et multifaisceaux

Sondeur mono faisceau Sondeur multifaisceaux
Pour chaque émission du sondeur : Pour chaque cycle du sondeur :
 Date et heure de l'instant d'émission,  Date et heure de l'instant d'émission,
 Mesure de profondeur (exprimée en  Les paramètres d’attitude du porteur :
mètres). cap, roulis, tangage, pilonnement,
 Éventuellement la célérité de surface
pour les SMF qui en ont besoin,
Pour chaque faisceau :
 L’incidence de départ du faisceau,
 Le temps de parcours aller/retour du
Signal.
Les données de bathymétrie de niveau 1 sont généralement accompagnées des fichiers de

données des capteurs auxiliaires associés au sondeur et nécessaires aux traitements des données
(mesures de position du navire, profils de célérité, tirant d’eau, biais de mesure de la centrale
d’attitude, bras de levier, fichier de marée…) et au contrôle de leur qualité.
Données De Niveau 2 (sondes traitées) : Ce sont les sondes, c’est à dire les mesures traitées,
géoréférencée et validées par le responsable des levés.
Données De Niveau 3 (cartes bathymétriques, visualisation des fonds) : Ce sont les données
mises en forme.
18
1.7.2 Principe de traitement :
1.7.2.1 Données des capteurs annexes
On appelle « capteurs annexes », tous les capteurs embarqués à bord du porteur, nécessaires à
l’exploitation du système de mesure bathymétrique, mais qui ne mesurent pas la profondeur.
Ce sont :
 Le système de positionnement du porteur,
 Le système de mesure de cap,
 Les systèmes de mesure du profil de célérité et, le cas échéant, de la célérité de surface,
 Le système de mesure de l’attitude,
 Le système de mesure de l’immersion des bases,
 Le système de mesure ou de prédiction de marée.
La première phase de traitement des données de bathymétrie doit permettre l’examen de toutes
les données provenant de ces systèmes.
1.7.2.2 Corrections et réduction :
Les informations sont corrigées et réduites au cours du traitement et après la validation

précédente, de :
 La réduction d’antennes : cette correction consiste à prendre en compte, dans le calcul
de position des sondes, le décalage horizontal entre l’antenne du système de
positionnement et l’antenne du sondeur. Il est nécessaire de connaître le cap du navire.
 L’immersion des bases,
 L’attitude (roulis, tangage et pilonnement) le cas échéant,
 La désynchronisation sondeur/autres capteurs en cas de retards lors de l’acquisition,
 La marée,
 La célérité (profil),
 La célérité (coque si nécessaire dans le cas d’un SMF).
Si les données ont été corrigées lors de l’acquisition par le système, les corrections appliquées
sont contrôlées, et validées.
Si des corrections impropres ont été appliquées en temps réel (profil de célérité mal choisi par
exemple), et que les corrections valides sont disponibles en temps différé (profil de célérité réel
archivé, seconde centrale d’attitude, …), les corrections sont alors rejouées en temps différé.
19
En cas d’invalidation de données de localisation, cap, attitude ou célérité de coque, il est

possible d’interpoler entre 2 données valides si l’incertitude finale commise sur les données de
bathymétrie est conforme aux spécifications du levé.
Dans le cas contraire, les données de bathymétrie correspondantes sont soit invalidées soit
conservées si elles présentent tout de même un intérêt (elles doivent être qualifiées séparément
en fonction de leur précision réelle, et faire l’objet d’un lot séparé).
1.7.2.3 Traitement des données de bathymétrie :
Les erreurs ponctuelles et systématiques des données de bathymétrie doivent être détectées pour
pouvoir respecter les spécifications de la norme. Les outils et les méthodes utilisés pour le
traitement doivent être répertoriés au cours du traitement. Une fois le levé validé, le jeu de
données final ne doit contenir que des sondes valides.
1.7.2.4 Contrôle de la qualité des données :
La qualité des données de niveau 2 doit être contrôlée par tous les moyens de comparaison
disponibles :
 Contrôle aux points de croisement entre profils,
 Comparaison avec d’autres données,
 Détermination de l’incertitude finale en fonction de l’incertitude sur les mesures
utilisées.
Des guides techniques et des procédures propres aux entités chargées de la réalisation des levés
et du traitement des données définissent les méthodes de contrôle de la qualité.
Ce contrôle doit permettre, entre autres, la qualification de la précision verticale et
planimétrique des données de niveau 2.
1.7.2.5 Validation et qualification des données :
A l’issue de l’ensemble des traitements effectués pour obtenir les lots de données de niveau 2
éventuellement échantillonnées, le responsable du levé doit, à partir des contrôles qualité
effectués et de la qualification des données, valider et qualifier les lots de données produits.
1.8 Conclusion :
Ce chapitre a résumé les travaux de bathymétrie, le matériel utilisé, la méthodologie a

entreprendre, le contrôle, la correction et le traitement de données acquises.
20
Chapitre 2 : Etat de l’art de l’analyse géostatistique
2.1 Introduction :
Concepteur de la géostatistique entre les années 50-60. Daniel G. Krige ingénieur dans le
domaine minier originaire d’Afrique du sud né le 26 août 1919 à Bothaville et décédé le 3 mars
2013 à Johannesburg, offrit une nouvelle manière (Méthode statistique) d’évaluer la teneur d’un
bloc de minerai à partir d’échantillons pris autour du bloc à exploiter. Dix années plus tard
Georges Matheron prit la relève en ajoutant un outil pour analyser la continuité spatiale des
teneurs appelé le « variogramme » et une méthode d’estimation basée sur le « variogramme »
appelée le « krigeage ».
Après la reprise de la géostatistique, par Georges Matheron au Bureau minier de l'Algérie puis
au Bureau de Recherches Géologiques et Minières (BRGM) et au Commissariat à l'énergie
atomique et aux énergies alternatives (CEA), a pris son envol avec la création du Centre de
géostatistique et de morphologie mathématique à l'École des Mines de Paris en 1967. Son
développement assidu a conduit à le scinder en deux entités, le Centre de Géostatistique et le
Centre de Morphologie Mathématique.
Au début il s'agissait d’éveiller les principes théoriques et méthodologiques qui permettrais de

répondre aux besoins de l'industrie. Si initialement les applications concernaient uniquement le
domaine des mines, elles se sont rapidement étendues au domaine pétrolier et à d'autres
domaines comme la météorologie, la cartographie marine, l'halieutique, la pollution de l'air, de
l'eau et des sols, etc.
De façon hypothétique, dans un premier temps, en gros jusqu'en 1985, la géostatistique s'est
intéressée particulièrement aux fonctions aléatoires gaussiennes (ou aux méthodes linéaires, qui
se placent dans un cadre beaucoup plus large, mais dont on sait qu'elles ont de bonnes propriétés
dans le cas gaussien). Les travaux se sont dirigés ensuite vers les fonctions aléatoires non
gaussiennes, notamment pour la simulation conditionnelle d'ensembles aléatoires, pour
représenter par exemple des faciès lithologiques.
2.2 Définitions de la géostatistique :
La Géostatistique est définie comme étant l’étude des variables numériques réparties dans
l’espace, il est donc clair que les problèmes particulièrement géostatistique ont été fréquentés
depuis bien longtemps : en art des mines certes, mais aussi en météorologie, topographie,
cartographie, pour ne citer que quelques exemples. Matheron, 1963.
21
La géostatistique doit son nom aux origines minières de la discipline (Krige, Matheron). Les
concepts fondamentaux de la discipline sont issus des travaux de Georges Matheron (variable
régionalisée, fonction aléatoire, hypothèse intrinsèque, effet de pépite, Matheron et al. 1965.
La géostatistique est un ensemble de techniques statistiques pour l'analyse de données spatiales

Journel & Huijbregts, 1978.
La géostatistique offre une façon de décrire la continuité spatiale des phénomènes naturels et
fournit les adaptations des méthodes de régression classiques pour, par la suite, tirer gain de
cette continuité. Isaaks & Srivastava, 1989.
La géostatistique est un art adapté à la modélisation de variables ou de phénomènes structurés

dans l’espace. Ces variables montrent par exemple les propriétés des roches dans les formations
géologiques. Ce type de variables présente une continuité spatiale qui s’interprète par le fait
que deux mesures, effectuées en deux points distants, de la variable considérée vont avoir
aptitude à être d’autant plus semblables que les points de mesure sont proches. Armstrong,
1998.
La géostatistique peut être observée comme étant un ensemble de techniques numériques qui
traitent la caractérisation des attributs spatiaux. Elle utilise des modèles essentiellement
aléatoires d'une manière similaire à la façon dont l'analyse des séries chronologiques caractérise
les données temporelles. Olea, 1999.
La géostatistique se traduit comme l'étude des phénomènes régionalisés, c'est-à-dire des

phénomènes qui s'étendent dans l'espace et y présentent une « organisation » ou une « structure
». Par « espace », nous entendons en général l'espace géographique, mais il peut aussi s'agir de
l'axe temporel ou d'espaces plus abstraits. Emery, 2001.
Au sens le plus large, La géostatistique est une branche des statistiques dont le but est de donner
une description de quantités distribuées spatialement, ou encore spatio–temporellement. Elle
est l'étude de la manière dont se distribuent dans l'espace les grandeurs de la variable d’intérêt
telles que :
 L’altitude topographique, l’altitude bathymétrique, ….
 La composition d’un minerai d’un gisement, . . .
 La concentration d’un polluant, ozone, . . .
22
 La température, précipitation, neige, . . .
2.3 Théorie de la géostatistique :
La détermination des données spatiales est rendue laborieuse du fait que l’on n’observe qu’une
seule réalisation du phénomène. Dans le cas des données ponctuelles, on n’observe également
qu’une seule réalisation, pour laquelle on dispose de toutes les données. Pour les données
continues (probablement observables en tout point de l’espace), on ne détient que de données
partielles, de ces dernières on peut être conduit à trouver des valeurs aux points non observés.
C’est ce manque d’information qui va nous amener à l’utilisation de modèles probabilistes.
L’aléatoire n’est pas une propriété du phénomène, mais une particularité du modèle utilisé pour
le décrire. La géostatistique, qui étudie les phénomènes continus, a permis le développement de
méthodes spécifiques pour étudier les relations spatiales entre les observations et construire des
outils prédictifs.
La figure 2-1 illustre le cheminement de la réalité vers un modèle plus abstrait, modèle qui
permettra lui-même d’agir d’une façon que l’on espère idéale. Chauvet, 2008.
Figure 2-1 : Schéma d’une analyse géostatistique
23
2.3.1 Fonction aléatoire :
2.3.1.1 Définitions :
On note z(x) la variable régionalisée, et Z(x) la fonction aléatoire, la lettre s désignant la position
dans l’espace. On conservera ici cette formulation spécifique à la géostatistique. Un phénomène
qui s’étale dans l’espace est qualifié de régionalisé. Une variable régionalisée est une fonction
qui perçoit de façon optimal ce phénomène. C’est un premier niveau d’abstraction, où l’on reste
dans la description, sans recourir à un modèle probabiliste. Si on ne fait pas d’hypothèse
supplémentaire, on reste dans le cadre de la géostatistique transitive.
L’étape ultérieure, qualifiée de géostatistique intrinsèque, introduit la notion de fonction

aléatoire.
Elle est obtenue par un choix, celui de considérer la variable régionalisée comme la réalisation
d’une fonction aléatoire. Ce choix permet d’utiliser des outils probabilistes vigoureux, la
contrepartie étant un éloignement de la réalité. Le modèle probabiliste est un intermédiaire de
calcul dont le but est d’aider à la compréhension du phénomène régionalisé.
La fonction aléatoire est caractérisée complètement par la donnée de sa fonction de répartition
F (x1 ; x2 ; …xn ; z1, z2, … zn) = P[Z(x1) ≤ z1 ; Z(s2) ≤ z2, …, Z(xn) ≤zn] ………… (2-1)
Comme on ne dispose que d’une seule réalisation de notre phénomène régionalisé, il faut
trouver une autre façon de faire de l’inférence. Matheron et al. 1965. Pour que l’inférence soit
possible, il est nécessaire d’introduire des hypothèses supplémentaires sur la fonction aléatoire
Z(x) de façon à minimiser le nombre des paramètres dont dépend sa loi. Tel est l’objectif de
l’hypothèse de stationnarité.
2.3.1.2 Stationnarité :
Une fonction stationnaire se répète en quelque sorte sur elle-même dans l’espace, et cette
répétition rend à nouveau possible l’inférence statistique à partir d’une réalisation unique. Donc
on va traiter chaque observation comme la réalisation d’une variable aléatoire.
Dans la géostatistique on trouve 3 types de stationnarité :
 La stationnarité stricte ;
24
 La stationnarité au second ordre ;
 La stationnarité intrinsèque.
a. La stationnarité stricte :
Elle renvoie directement à la loi de probabilité du processus. Il y a stationnarité stricte si en se

déplaçant par translation, toutes les caractéristiques de la fonction aléatoire restent les mêmes.
Formellement la distribution jointe des Z(xi) est la même que celle des Z(xi+h), h indiquant
une translation par rapport à la position initiale. Cette forme de stationnarité n’est pas
opérationnelle, et très restrictive.
b. La stationnarité au second ordre :
Une fonction aléatoire Z(x) est dite stationnaire de second ordre quand l'espérance
mathématique existe et ne dépend pas du point x et que la covariance entre chaque paire
[Z(x+h), Z(x)] existe et ne dépend que de h :
 E[Z(x)] existe et tient la même valeur à tous les points x. Donc l'espérance
mathématique ne dépend pas de x.
E(Z(x)) =  et E[Z(x+h) - Z(x)] = 0 (2-2)
 La fonction de covariance existe, et est une fonction unique de la distance h séparant les
observations spatiales ou temporelles,
Cov(Z(x), Z(x+h)) = C(h) (2-3)
Ou le variogramme (h) ne dépend pas de la localisation dans le temps ou dans l'espace x, il ne

dépendra que de h (soit en module, soit en module et en direction).
Ces hypothèses ont uniquement pour objectif de permettre l'estimation des paramètres
statistiques de notre modèle à partir des données.
La covariance et le variogramme se retrouvent donc des fonctions dépendant seulement de

l'écart entre les points d'observation et non plus de leur localisation exacte dans l'espace ou dans
le temps.
25
c. La stationnarité intrinsèque :
Une fonction aléatoire Z(x) est intrinsèque quand ses variations [Z(x+h) - Z(x)] sont
stationnaires d'ordre deux.
E[Z(x+h) - Z(x)] = 0 (2-4)
Var[Z(x+h) - Z(x)] = E[Z(x+h) - Z(x)]2 = 2(h) ne dépend que de h. (2-5)
Toute fonction stationnaire d'ordre 2 est intrinsèque, mais le contraire n’est pas applicable.
L'hypothèse intrinsèque est plus générale que celle de la stationnarité. En particulier, la
covariance d'une fonction intrinsèque peut ne pas exister (elle n'existe que si le variogramme
est borné). Cov (0) est finie.
2.3.2 Le variogramme :
En géostatistique, l’idée fondamentale est que la nature n’est pas entièrement « imprévisible ».
Deux observations proches devraient, en moyenne, se ressembler davantage et le contraire est
vrai. Les recherches préalables avaient pour objectif de quantifier cette continuité. La fonction
la plus utilisée pour décrire cette continuité est le variogramme ou semi-variogramme dans
certains ouvrages. Matheron, 1970. Donc le variogramme explore la structure de la variabilité
spatiale.
Si on considère qu’une variable régionalisée 𝑧(x) est une réalisation d'une fonction aléatoire
stationnaire 𝑍(x) d'ordre deux. Soit deux points x et x+h séparés d'une distance h. la différence
des valeurs en ces deux points est nulle en moyenne, quelle que soit la situation du point x et
quelle que soit la distance et la direction du vecteur h.
La variance de cette différence, quant à elle, est d'autant plus petite que les points sont
rapprochés et ne dépend que du vecteur h. C’est uniquement aux points (x) et (x+h) qu’on
dispose d’information.
Le variogramme ou semi-variogramme se détermine comme suit sous l'hypothèse intrinsèque:
1 1
(h)= Var [Z(x+h) – Z(x) = E[Z(x+h) - Z(x)]2 (2-6)
2 2
Où x : Vecteur uni, bi ou tri dimensionnel ;
h : Vecteur distance ou écart entre les observations.
26
2.3.2.1 Propriétés du variogramme :
Le variogramme est une fonction paire, à valeurs positives appartenant à la classe des fonctions
de type négatif conditionnel. Christakos, 1984.
(2-7)
Cette propriété, est une formalité nécessaire et suffisante pour que  (h) soit le variogramme
d'une fonction aléatoire intrinsèque. Le déterminant conditionnel se réfère au fait que l'inégalité
n'est vraie que pour une classe restreinte de pondérateurs (  i )𝑖, à savoir ceux de somme totale
nulle. Emery, 2001.
Les propriétés fondamentales du variogramme ou semi-variogramme sont :
 Le variogramme est pair :  (h) =  (-h).
 Il s'annule à l’origine :  (0) = 0.
 Il est positif ou nul :  (h) ≥ 0.
En général le variogramme est croissant quand h augmente : en effet, plus les échantillons sont
éloignés, moins ils sont corrélés et donc, plus grand est l'écart moyen (Z(x+h) - Z(x))2.
En pratique, à cause en particulier des effets de bords, le variogramme calculé est croissant
jusqu'à un maximum, puis globalement légèrement décroissant ou stable.
Figure 2-2 : Exemple de variogramme
27
Le variogramme est une fonction de h, qui est caractérisé par :
 Un effet de pépite : C0
 Un palier : C+C0
 Une portée : a
Point à signaler : un variogramme  (h) est dit isotrope s'il est pareil dans toutes les directions,
c'est-à-dire s'il ne dépend que du vecteur h de translation entre les points (x) et (x+h). S’il
dépend aussi de l'orientation du vecteur h, il est donc anisotrope.
2.3.2.2 L’effet de pépite :
C’est la valeur non nulle que prend le variogramme  (h) entre l’origine (0) et la valeur de h la
plus infime. Il s’agit donc d'une interruption apparente, à l'origine. Cette variation à très courte
échelle peut être traduite par :
 Erreurs de positionnement ;
 Existence de microstructures, inabordables sur le terrain ;
 Erreurs de mesures (erreurs d'analyse, d'échantillonnage et précision analytique) ;
 Existence de micro-variabilité des phénomènes étudiés.
Le cas extrême est l'effet de pépite pur qui montre une absence totale de corrélation entre les
échantillons.
2.3.2.3 La portée
C’est la distance à laquelle le variogramme atteint un seuil. Cette portée mesure la distance à
laquelle deux observations ne se ressemblent plus du tout en moyenne, elles ne sont plus liées
linéairement. À cette distance, la valeur du variogramme correspond à la variance de la variable
aléatoire.
2.3.2.4 Le palier :
C’est la valeur maximale que prend  (h) quand h devient grand et qui correspond à la
dissemblance maximale. Dans ce cas, la fonction aléatoire est stationnaire du second ordre en
d’autres termes le variogramme est borné alors la covariance existe, et sa variance est a priori
égale au seuil. Journel et Huijbergts, 1993. Un seuil peut n'être atteint qu'asymptotiquement du
fait que la portée réelle est infinie. En pratique, dans un telle cas une portée est définie par la
distance à laquelle le variogramme atteint 95% de la valeur de son palier. Figure 2-2.
28
Si le variogramme est non borné, il ne possède ni portée, ni palier. La variance de la fonction

aléatoire n'est pas définie pour un tel variogramme. Cette fonction aléatoire n'est donc pas
stationnaire de deuxième ordre, mais seulement stationnaire intrinsèque.
L'absence de palier indique que le phénomène observé évolue dans l'ensemble du domaine.
2.3.3 Ajustement du variogramme :
L’analyse variographique est considéré comme l’étape la plus importante dans une étude
géostatistique. Les variogrammes connues ne sont pas directement utilisables si les critères
d’adaptation ne sont pas respectés. Pour être utiliser dans les modèles géostatistiques, il faut
tout d’abord les ajuster à des modèles théoriques ayant des formes analytiques bien définies, ce
qui implique une vision de ce que doit être un semi-variogramme : elle permettra par la suite
d'estimer les valeurs inconnues de la variable régionalisée et d'assortir leur estimation avec
exactitude.
2.3.3.1 Aspect générale du variogramme
Un variogramme classique a une forme qui est d’abord croissante, jusqu’à un certain palier. La
valeur de h correspondant à ce palier est appelée la portée. On l’interprète en se référant à la
relation entre la covariance, lorsque celle-ci est définie et le semi-variogramme, à savoir :
 (h) = C (0) – C (h).
La covariance est très souvent une fonction décroissante de la distance, ce qui implique la
croissance du semi-variogramme, mais ce n’est pas toujours le cas. À une certaine distance, qui
correspond à la portée, la covariance va s’annuler. Cette portée est la portée de la dépendance
spatiale. Il n’y a plus de corrélation entre les valeurs observées à une distance observée au-delà
de cette portée. Pour le semi-variogramme cela signifie qu’au-delà de cette portée, sa valeur est
constante, et que l’on a : C = C (0) =  2.
Pour h = 0, la valeur du variogramme est par définition nulle. Mais on constate en réalité que
pour des valeurs de h très proches de 0, le variogramme prend des valeurs supérieures à 0 et ce
qui se traduit par une discontinuité à l’origine. On appellera pépite la limite du variogramme en
zéro. Comme l’explique Matheron. Matheron et al. 1965. La notion d’échelle joue ici un rôle
primordial. À l’échelle de la dizaine de mètres, un phénomène de transition dont la portée est
centimétrique ne se manifeste sur  (h) que comme une discontinuité à l’origine, c’est à dire un
29
effet de pépite. Elle représente la variation entre deux mesures effectuées à des emplacements
infiniment proches.
Figure 2-3 : Aspect d’un variogramme

Remarque : on peut rajouter à cela deux principales caractéristiques que comporte un
variogramme :
 Son comportement à l'origine, qui traduit le degré de régularité de la régionalisation ;
 La présence ou l'absence d'un palier.
2.3.3.2 Les variogrammes usuels :
A. Modèles avec palier ou de transition :
a) Le modèle pépitique pur de palier C0 :

Modèle caractérisé par l'absence totale d'une structure spatiale. En d’autres termes, il n'y a pas
d’auto corrélation spatiale dans les données même à des petites distances correspondant au pas
d'échantillonnage (Figure 2-4). Cet effet pépitique pur est explicable par l'un ou l'autre des
artefacts suivants :
 Des erreurs de mesure ou plus généralement des incertitudes sur les mesures ;
 Des erreurs d’acquisition ;
 Des échelles non appropriées pour étudier les phénomènes spatiaux. Cet artefact est
généralement rencontré dans le cas de présence d'une structure spatiale dont l'échelle est
30
nettement inférieure à la maille d'échantillonnage. Il s'agit dans ce cas d'une micro-

régionalisation.
0 si h  0
 (h)   (2-8)
C0 si h  0
Figure 0-4 : Modèle théorique d'un variogramme pépitique pur
b) Le modèle linéaire avec palier C :

Dans ce cas la variable régionalisée est moins régulière, elle est continue mais pas
différentiable. C’est un modèle de palier C et portée a (Figure 2-5), d’usage moins fréquent.
 h
C si 0  h  a
 ( h )    a  (2-9)
C si h  a

Figure 2-5 : Modèle théorique d'un variogramme linéaire avec palier
31
c) Le modèle sphérique :
C’est une fonction monotone croissante qui caractérise les phénomènes de transition dont la
variabilité est bornée (Figure 2-6). Ce modèle représente le variogramme théorique le plus
utilisé pour l'ajustement variographique.
C 1.5 h  0.5( h )3  si
 0ha
 (h)     a a   (2-10)
C si h  a
Figure 0-6 : Modèle théorique d'un variogramme sphérique
d) Le modèle exponentiel :
Il est caractérisé par une croissance linéaire de la variance à l'origine et un accroissement rapide
aux grandes valeurs de h sans jamais atteindre le palier Figure 2-7. Dans ce cas, la portée réelle
est infinie, mais une portée pratique égale à 3a est définie pour laquelle le variogramme atteint
95% de la valeur de son palier.
 h 
 ( h )  C 1  exp( )  si h  a (2-11)
 a 
32
Figure 0-7 : Modèle théorique d'un variogramme exponentiel
e) Le modèle gaussien
Le modèle gaussien est caractérisé par une variance qui croit lentement au début. Sa dérivée à
l'origine est nulle démontrant une très forte dépendance entre les observations séparées de
distances h faibles. Et au fur et à mesure que la distance h augmente, la variance augmente au
début d'une façon moins que proportionnelle jusqu'au point d'inflexion (point de changement
de concavité de la courbe) puis d'une façon plus que proportionnelle sans jamais atteindre le
palier (Figure 2-8). Ce modèle est indéfiniment dérivable décrivant un phénomène spatial
fortement régulier. Ce modèle donne une allure très lisse aux réalisations correspondantes.
Comme pour le modèle exponentiel, la portée réelle du modèle gaussien est infinie. De la même
façon que le modèle exponentiel, une portée pratique est définie par une distance égale à a 3
pour laquelle le variogramme atteint 95% de la valeur de son palier.
 h 
 ( h)  C 1  exp(( ) 2 )  si h  a (2-12)
 a 
Figure 0-8 : Modèle théorique d'un variogramme gaussien
33
B. Modèles sans palier :
1. Le modèle linéaire sans palier

Le variogramme n'est pas borné, il décrit une fonction aléatoire de variance à priori infinie,
donc incompatible avec l'hypothèse de stationnarité d'ordre 2, mais compatible avec l'hypothèse
de stationnarité intrinsèque. Cette allure linéaire montre que la variable régionalisée est moins
régulière, elle est continue mais pas différentiable Figure 2-9.
 ( h)  mh si h  a (2-13)
m : Pente de la droite à l’origine.
Figure 0-9 : Modèle théorique d'un variogramme linéaire sans palier
Remarque : Les six modèles cités ne sont pas les seuls que l'on peut retrouver, en réalité, il en
existe un très grand nombre.
2.3.3.3 L’ajustement du variogramme :
Marcotte, 2013, Recommande pour un ajustement optimal du variogramme expérimental les

points suivants :
 Donner plus de poids aux points du variogramme expérimental calculés avec beaucoup
de paires.
 Tenter d’avoir N(h) ≥ 30 pour chaque point expérimental du variogramme. Si ce n’est

pas possible pour certaines classes, accorder moins d’importance à ces points. Si le
nombre de paires est très faible (≤ 10), ne considérer plus du tout le point.
 Donner plus de poids aux premiers points du variogramme (h petit) car ce sont ces
valeurs qui ont le plus d’importance dans les calculs géostatistiques.
34
 Lorsque h dépasse environ dmax/2, ne pas donner d’importance aux valeurs du

variogramme. dmax est la taille du phénomène étudié dans la direction considérée.
 Chercher à obtenir des modèles les plus élémentaires possible qui rendent bien compte
des valeurs expérimentales.
2.3.4 Krigeage ordinaire :
Aussi connu sous le nom de Krigeage ponctuel, il est le plus souvent utilisé, il est noté KO. Si
on suppose maintenant que la variable Z est d'espérance m inconnue, la condition de non biais
s’écrit : m   i  0 .
On forme le Lagrangien L() comme suit :
n
L (  )   e2  2  [   i  1]  j  
n
(2-14)
xi wij   j
i 1 j 1
Où  est le multiplicateur de Lagrange. Le minimum est déterminé lorsque toutes les dérivées
partielles par rapport à chacun des i, et par rapport à  sont égales à zéro. Selon cette condition
Lagrangienne, les poids i apparaissent alors comme solution du système linéaire suivant :
  j  ( x i  x j )     ( x i  x 0 )
j
 (2-15)
  i  1
i
2 2
La variance d'estimation
 e minimale est appelée variance de Krigeage  ko .
Elle est alors égale :
n
2   ( , )( , )  (2-16)
e  i x 0 xi x0 x0
i 1
Cette variance de Krigeage ne résulte pas des valeurs observées, elle ne dépend que du
variogramme et de la configuration des points servant à l'estimation par rapport au point (ou
bloc) à estimer. Marcotte, 2013.
35
Le problème s'exprime finalement sous la forme du système de n+1 équations linéaires à n+1
inconnues résolue sous la forme matricielle suivante :
Ax = b
(2-17)
Les  (xi, xj) sont les valeurs du variogramme qui correspondent à la distance hij, entre les
points xi et xj qui déjà ont été calculés, tandis que les  (xi, x0) sont calculés à l'aide de la
fonction analytique qui a été ajustée aux points au variogramme théorique. On vérifie toujours
que la somme des poids, les i, est égale à 1, pour respecter la condition de non biais de la
solution unique du système. Cette dernière contrainte introduit un degré de liberté
supplémentaire dans le problème. Ce degré supplémentaire est utilisé en ajoutant le
multiplicateur de Lagrange , dans le but de minimiser l'erreur d'estimation.
2.4 Conclusion :
Pour mener à bien une analyse géostatistique tout d’abord il faut connaitre le phénomène à
étudier, suivre une méthodologie le plus méticuleusement possible à savoir :
 L’analyse exploratoire : qui permet de se familiariser avec les données et de nous aider
par la suite dans le choix du modèle ;
 L’analyse variographique : pour examiner le comportement spatial des données

(modèle) et sont ajustement sur le semi-variogramme expérimentale ;
 La validation croisée : par la méthode du krigeage pour évaluer la fiabilité du modèle et

le voisinage d’interpolation après de multiples essaies, pour obtenir des critères de
performances proche de la réalité.
36
Chapitre 3 : Présentation de l’aire d’étude
3.1 Introduction :
Ce chapitre sera dédié à la présentation de l’aire d’étude qui est la wilaya de Biskra et parleras
de l’objet de cette étude qui est le barrage de Foum el Gherza.
3.2 Présentation de la wilaya de Biskra :
La wilaya de Biskra est située au Sud-Est de l'Algérie aux portes du Sahara, elle lie le nord, le
sud et l’ouest du fait de sa situation géographique dans le pays, avec une altitude de 112 m du
niveau de la mer ce qui fait d’elle l’une des villes les plus basses d’Algérie, avec une superficie
de 21671 km². La zone d’étude, circonscrite dans la wilaya de Biskra, est située au Sud-Est de
l’Algérie, à environ 480 km de la capitale, Alger. Monographie de la wilaya de Biskra, 2017.
Elle est délimitée par les wilayas suivantes : la wilaya de Batna au nord, la wilaya de Khenchela
au nord-est, la wilaya de M’sila au nord-ouest, la wilaya de Djelfa au sud-ouest, la wilaya d’El
Oued au sud.
Figure 3-1 : Situation géographique de la wilaya de Biskra
37
3.2.1 Daïras, communes, populations et superficies :
La wilaya de Biskra comprend actuellement 12 daïras et 33 communes représenter dans le

tableau suivant :
Tableau3-1 : Daïras, communes, populations et superficies en Km² de la wilaya de Biskra.
Daïra Commune Population Superficie

Biskra Biskra 218 467 127,70
El hadjeb 10 760 208,10
Lotaya Lotaya 11 868 406,10
Jmourra Jmourra 13 359 250,80
Branisse 4 622 370,10
El Kantara El Kantara 12 129 239,10
Ain Zaatout 4 008 170,70
Sidi Okba 35 604 254,10
El Haouch 5 646 754,90
Sidi Okba Chetma 14 607 110,20
Ain el Nagua 12 784 507,80
Zribat El ouedi 23 332 500,90
Amziraa 8 084 960,80
Zribat El ouedi El faidh 13 549 1 375,10
K.sar Sidi nadji 3 231 80,10
Amchounch Amchounch 10 739 504,40
Tolga 59 334 1 214,30
Bouchakroun 13 945 57,90
Tolga Bordj Ben Azouz 13 496 23,20
Lichana 10 479 39,60
Foughala 13 269 80,30
El Ghrous 17 434 237,60
Ouled Djelal 67 192 320,90
Ouled Djelal El daoussen 28 308 621,60
El Cheaiba 14 188 1 686,50
Sidi khaled 46 025 217,30
Sidi khaled Besbes 11 433 3 633,60
Ras el Miad 23 332 4 783,90
Ourlal 7 911 190,10
Amlili 6 903 371,60
Ourlal Amkhadma 5 809 151,60
Oumache 11 131 816,80
Lioua 22 756 242,10
38
3.2.2 Climat :
La région de Biskra est représentée par un climat saharien, sec en été et très agréable en hiver.
La pluviométrie est en moyenne entre 120 et 150 mm/an. Il est remarqué que la température
moyenne annuelle de la région de Biskra est de 20,9 °C.
3.2.3 Relief et agriculture :

Le relief de la région de Biskra est très diversifié (Plateaux, Plaines, Zone des dépressions et
Zones montagneuses). Ces potentiels en ressources hydriques et terres plates font de cette
dernière une zone charnière entre le sud et le nord algérien, et forment une région de transition
du point de vue morphologique et bioclimatique.
La wilaya de Biskra est considérée comme l’entrée de l’Atlas saharien. On passe d’un relief
assez élevé et accidenté au nord à une topographie de plateau légèrement inclinée vers le Sud.
La morphologie de la région est constituée de quatre (04) grands ensembles écologiques qui ont
permis de développer une agriculture très diversifiée :
♦ Les piémonts : situés au nord de la région presque découverte de toutes végétations naturelles
(El-Kantara, Djemorah Et M’chounech), occupent 12 % de la superficie totale, où l’agriculture
de montagne (notamment l’arboriculture, l’apiculture et l’élevage extensif) y prend peu à peu
place.
♦ Les plateaux : à l’ouest, ils s’étendent du nord au sud englobant presque les daïras d’Ouled
Djellal, Sidi Khaled et une partie de Tolga. Localisés dans le sud-ouest de la Wilaya, à vocation
pastorale et fief de la race ovine « Ouled Djellal » ; ils s’étendent sur 56 % de la superficie totale
de la wilaya, et sont soumis aux effets néfastes de la désertification. Mais ces derniers temps
les programmes de subvention de l’état ont changé l’attitude des éleveurs en agro-éleveurs d’où
la pratique de la culture du maraîchage, la phœniciculture, la plasticulture et la culture
industrielle.
♦ Les plaines : occupent 22 % de la superficie totale où la plasticulture est associée au

maraîchage, à la Phœniciculture et aussi à la culture industrielle. Elles se trouvent dans les
daïras d’El Outaya, Sidi Okba, Zeribet-El-Oued, El ghrous, Ourlel. À l’ouest, elles englobent
les daïras d’Ouled-Djellal, Sidi-Khaled, Tolga.
39
♦ Les dépressions : elles occupent 10% de la superficie totale. Située au Sud elles sont
caractérisées par la présence de Chott Melghir. LABDI Narimane ;2016.
3.2.4 Les systèmes de productions agricoles utilisées dans ces zones :
Nous distinguons dans la wilaya de Biskra deux types de systèmes agricoles :
 Le système de montagne qui s’apparente à l’agriculture de montagne et qui repose sur

l’utilisation des eaux superficielles. Ce système est marginal de par sa dimension (il
représente 12% des superficies agricoles de la wilaya) et se distingue par des petites
exploitations qui associent au palmier dattier des arbres fruitiers et d’autre cultures de
subsistance (céréales de crues) avec un élevage familial.
 Le deuxième système le plus important en termes de superficies (il occupe 88% des
superficies agricoles) est un système Oasien intensif qui s’appuie sur l’utilisation des
ressources hydriques souterraines. Il se distingue particulièrement par la pratique de la
phoeniciculture, la céréaliculture et les cultures maraîchères et aussi l’élevage tout
confondus.
On peut aussi grossièrement distinguer quatre types de systèmes de production agricole. Le

système Intercalaire, le système plein champs, le système Montagnier et L’Elevage.
Les principales cultures pratiquées sont :
– La phoeniciculture ;
– Les cultures maraichères (plein champ et sous serres) ;
– Les Céréales ;
– Les Fourrages artificielles ;
– Les Cultures industrielles et condimentaires ;
– L’arboriculture ;
– L’élevages Ovin Caprins (type extensif) Camelin et Bovin.
40
3.2.5 Ressources hydriques :
Les ressources en eau de la région de Biskra sont estimées à 820 millions de mètres cubes
fractionnés comme suit :
 Eaux de surface : qui représentent 22 millions de mètres cubes proviennent

essentiellement des deux barrages (fontaine des gazelles et Foum-El-Gherza).
 Eaux souterraines : estimées à 798 millions de mètres cubes.
3.3 Présentation du bassin versant « Oued El Abiod » :
Le bassin versant d’Oued El Abiod est situé au sud de la partie orientale de l'Atlas Saharien, il
s’étale du massif des Aurès (monts Chélia) jusqu’aux gorges du barrage de Foum el Gherza. Il
fait partie du grand bassin hydrologique de Chott Melghir qui est drainé par trois principaux
oueds : Oued El Abiod ; Oued Chenawra et Oued Tkout formant par leur confluence Oued
Ghassira. Le bassin versant est caractérisé par sa dissymétrie, il englobe une partie montagneuse
au Nord à plus de 2000 m et une autre basse au Sud (295m à El Habel). Il s’étend sur une
superficie d’environ 1300 Km² délimité par un périmètre de 200 Km. La longueur de l’Oued El
Abiod est de 85 km, formé par la réunion des torrents descendants des raides pentes de Chélia
(2326 m) et Ichemoul (2100 m). Après sa traversée de Tighanimine, il s’engouffre dans les
canyons de Ghoufi et les gorges de M’chouneche, puis s’ouvre une voie vers la plaine
Saharienne jusqu’à Foum el Gherza. L’Oued El Abiod est caractérisé par deux régions
climatiques : les Aurès où la moyenne des précipitations est de 450 mm/an, et les plaines
sahariennes avec une moyenne de précipitation de 150 mm/an. Le climat du bassin versant est
un climat aride à semi-aride. Ali Hachemi ; 2017.
41
Figure 3-2 : Carte de la situation géographique du bassin versant « Oued El Abiod »
3.4 Présentation du barrage de Foum El Gherza :
Le barrage de Foum El Gherza, haut de 65 mètres, est l’un des plus grand ouvrages établis en
zone saharienne en Algérie Gouskov, 1952. Il est inscrit au registre mondial des grands
barrages. Sa réalisation a été établis entre 1947 -1950 à l’exutoire de l’oued Abiod qui draine
un bassin versant d’environ 1300 Km2. Déjà en projet depuis 1920, sa mise en eau à démarrer
en 1950.
3.4.1 Situation :
Le barrage Foum-El-Gherza est situé à 18 km à l’Est de Biskra au versant Sud des Aurès dans
la wilaya de Biskra, à 11 km de la ville de Sidi Okba.
42
Figure 3-3 : Image Google Earth du barrage de Foum el Gherza Biskra

3.4.2 Caractéristiques du barrage
Les principales caractéristiques sont les suivantes :
3.4.2.1 Caractéristiques hydrologiques :
 Oued : El-Abiod
 Crues Historiques : 10 Octobre 1966 - 29 Mars 2004 - 29-31 Octobre 2011
 Capacité initiale : 47,00 hm3
 Capacité d'après le levé bathymétrique de Juillet 2007 : 12,904 hm3
 Envasement annuel : 0,80 hm3/an
 Apport moyen annuel : 25,60 hm3/an (1950-2014)
 Surface du bassin versant : 1 300 km2
43
Figure 3-4 : Image du barrage de Foum El Gherza

3.4.2.2 Caractéristiques techniques :
 Type : voute avec culée rive gauche
 Altitude de la retenue maximale : 198,1 m
 Surface de la retenue au maximum : 3,09 km2
 Capacité totale du réservoir : 43,00 hm3
 Hauteur maximale de barrage au-dessus du thalweg : 73 m
 Hauteur de la crête de barrage au dessue de crête du déversoir : 4,35 m
 Côte retenue normale (R.N) : 198,90 m
 Côte Plus Hautes Eaux (P.H.E) : 203,25 m
 Longueur : 188 m
 Rayon de courbure : 80,00 m
 Capacité de la retenue initiale : 47,00 hm3
44
 Évacuateur de crue : 2 déversoirs superficiels sur la crête du barrage : 2 × 18 m (seuil

déversant à 198,9 m). Il permet d’évacuer un débit de 730 m3/s sous une charge de 4,35
m
 Vidange implantée à la cote 145,25 m qui permet d’évacuer un débit de 110 m3/s sous
la retenue maximum
 Prise d’eau : 3 prises superposées situées dans une tour accolée à l’amont du plot
central de la voute. Elles permettent de dériver un débit de 4 m3/s.
 Conduite forcée qui relie la tour de prise d’eau à l’usine hydro-électrique à 165 m de
longueur et un diamètre intérieur de 0,95 m.
 La culée : la voute s’appuie à la rive gauche sur une culée du type barrage poids, la
culée est rectiligne, sa langueur totale et de : 60,3 m. A.N.B.T.
3.5 Affectation des eaux du barrage de Foum el Gherza :
Le barrage de Foum el Gherza a pour but d’effectuer deux missions importantes qui sont :
1. Réguler le régime de l’Oued El Abiod durant les crues ;
2. Irriguer la palmerais de Sidi Okba.
3.6 Conclusion :
L’utilisation des ressources en eau de la retenue du barrage de Foum El Gherza pour l’irrigation
pose souvent des questions sur la quantité d’eau disponible et sa variabilité saisonnière, ainsi
que sur la durée de vie de l’ouvrage. Avec une capacité initiale de 47 hm3, sont principe est de
réguler le cours d’eau de l’oued et d’apporter les quantités en eau à irriguer un périmètre de 1
200 ha correspondant à la plantation de plus de 375 000 palmiers dans les villages aux alentours
la ville de Sidi Okba. Ce barrage, vieux de plus d'un demi-siècle et qui, malgré tout, défie encore
les ans, est envasé a 80% de son volume. Ce qui se traduit par la baisse de son efficacité au fil
du temps.
45
Chapitre 4 : Modalité d’acquisition des données
bathymétriques du barrage de Foum El Gherza
Chapitre 4 : Modalité d’acquisition des données bathymétriques du barrage de Foum El Gherza
4.1 Introduction :
Ce chapitre montrera la réalisation du levé bathymétrique établis en mai 2015, avant

dévasement de la retenue, dont le but est de permettre le réajustement de la capacité
volumétrique du barrage qui sera considérée comme mesure zéro pour l’opération de
désenvasement.
Le nombre de points issus des mesures topographiques et bathymétriques est de 135 057 points
relevés sur le site (Foum el Gherza Biskra) durant la période comprise entre le 11 avril et le 4
mai 2015 par l’exploitant du barrage : L’Agence Nationale des Barrages et Transferts. ANBT,
2015.
Figure 4-1 : Photo du barrage de Foum El Gherza Biskra.
46
4.2 Système géodésique :
 Système géodésique adopté : Système WGS 84
 Ellipsoïde : GRS 80
 Demi grand axe : a=6378137.000 m.
 Aplatissement : F=1/298.257223563
 Système de Projection : UTM Zone 31 Latitude d’origine : 0° Nord
 Longitude d’origine : 3° EST
 Constante Nord : 0 m.
 Constante Est : 500 000 m.
 Facteur d’échelle : 0.9996
 Système altimétrique : Le système altimétrique adopté est celui existant du barrage :
 Le repère utilisé est Le pilier P3
Figure 4-2 : Indication du repère P3
47
4.2.1 Matériels et méthodes :
Les travaux effectués sont décrits comme suit :
a) Sur terrain :
 Levé topographique de 160 Ha de zones émergées de la retenue ;
 Levé bathymétrique de 200 Ha de zones immergées de la retenue.
b) Au bureau :
 Traitement et vérification des données ;
 Modélisation et établissement du plan topo bathymétrique de la cuvette ;
 Calcul des surfaces et des capacités en fonction de la hauteur.
4.2.2 Equipements utiliser :
Les levés topo-bathymétriques ont été réalisés avec des récepteurs THALES GPS en mode
RTK L1/L2 (mode bi fréquence).
 1 Récepteur GPS RTK THALES 6502 MK ;
 1 Emetteur UHF d’une puissance de 4 watts ;
 2 Récepteurs GPS RTKTHALES 6502 SK ;
 2 Ordinateurs portables HUSKY ;
 4 Micro-ordinateurs portables pour registration et traitement des données ;
 1 Instrument de sondage CEEDUCER-PRO, fréquence 200kHz avec le module

GPS/RTK/LRK incorporé ;
 Un niveau d‘ingénieur KERN GK 2A
 Une embarcation semi- rigide avec moteur
 Un véhicule 4X4
48
4.2.3 Elaboration de la station de référence :
La station de référence (Figure 4-3) est mise en place dans une zone sécurisée.
Les coordonnées de la station de REF ont été mesurées à partir du point P3 par ajustement ;
tout en prenant en considération les coordonnées utilisées durant la compagne bathymétrique
2004 établis par le groupement (LEM GEOID FUGRO).
Figure 4-3 : Localisation de la station de référence

Contrôle de précision :
Après l’installation de la station de référence, l’altitude et les coordonnées horizontales ont été
contrôlées sur les points du réseau d’appui.
49
Tableau 4-1 : Coordonnées de références
Coordonnées de mesures Coordonnées de références Ecart(m)

Nom de Delta Delta Delta
X Y Z X Y Z
point x y z
P3 767253.32 3860596.66 207.52 767253.3 3860596.7 207.5 0.004 0.003 0.006
REF 767392.59 3860488.99 206.37
10 767337.65 3860594.4 204.25 204.2 0.01
13 767321.28 3860611.51 204.21 204.2 0.005
16 767299.05 3860619.97 204.25 204.3 0.03
Remarque : Le contrôle de l’échelle limnimétrique a indiqué que cette dernière n’est pas
ajustée sur le système de nivellement du barrage, de ce fait la lecture de cette dernière ne
correspond pas aux côtes du tableau hauteur-capacité-surface.
Figure 4-4 : Position de l’échelle de mesure.

La position du système WGS 84 du point de REF est :
Point E N H Ellipso
REF 005°055' 28.42242"E 34° 51'05.79100"N 240,453
50
Contrôle :
Au début de chaque opération de levé topo-bathymétrique, les GPS Mobiles sont contrôlés au
point P 3. Les résultats obtenus montrent que la déviation entre l’observation X, Y, Z et la
position X, Y, Z théorique est inférieur à 2 cm.
4.2.4 Composition de la station de référence :
La station de référence dispose du matériel suivant :
 Un récepteur GPS 6502SK en mode RTK ;
 Un émetteur UHF d’une puissance de 4 watts.
Les mobiles sont composés des modules suivants :
 Un récepteur GPS THALES 6502 MK en mode RTK ;
 Un récepteur UHF ;
 Un PC portable HUSKY.
4.2.5 Procédé de mesure :
Le topographe, simultanément au levé, prend les coordonnées en mode statique de chaque borne
repérée.
51
Figure 4-5 : Mesure des coordonnées aux bornes

4.3 Levé topographique :
Les moyens utilisés pour effectuer le levé sont :
• Une Station de référence
• Un mobile
4.3.1 Méthodologie :
Le topographe enregistre les données en suivant les lignes et en respectant les distances (15
mètres), avec la prise en considération du changement de relief.
Les lignes suivies sont :
• La ligne PHE ;
• La ligne du pied du talus de la rive ainsi que des levés intermédiaires et des profils
perpendiculaires aux rives.
52
Figure 4-6 : Point du levé topographique

4.4 Levé bathymétrique :
Les moyens utilisés pour procéder au levé bathymétrique sont :
 Une embarcation pneumatique semi-rigide ;
 Une station de référence ;
 Un ceeducer avec une fréquence de 200KHZ ;
 Un récepteur GPS RTK 6502 ;
 Un PC portable avec le logiciel DTM 2000 ;
 Un GPS portable ;
 Une barre d’étalonnage.
53
4.4.1 Méthodologie :
Au début du travail, l’hydrographe étalonne l’échosondeur par la barre d’étalonnage à

différentes profondeurs. Il valide ainsi la profondeur du transducteur et la vitesse de propagation
des signaux ultrasonores dans l’eau du barrage.
Espacement entre profils 10 m à 200 m de la digue et 30 m au-delà. Le long d’un profil, les
données sont émises en continu mais l’enregistrement se fait toutes les deux (2) secondes.
Durant le levé, il arrive de constater des formes de fond particulières sur les profils (des hauts
fonds ou des fosses). Dans ce cas on procède à un balayage plus serré.
Figure 4-7 : Mesure du levé bathymétrique.

4.5 Données acquises :
4.5.1 Manipulation des Données
Lors de la manipulation des données les Logiciels suivants seront utilisés :
• C.T. Systems VIKING SURVEY.EXE
• C.T. Systems VIKING PROFILE.EXE
54
• C.T. Systems VIKING DTM2000.EXE
• Thales CONFIGPACK
• Thales GNSS STUDIO
• C.T. Systems VIKING XYZ2MTX.EXE
• C.T. Systems VIKING VOLUME.EXE
• Golden Software SURFER 8
• Autodesk AutoCAD 2000/2004
• Microsoft OFFICE
4.5.2 Vérification des données
Les fichiers des données de la journée dans lesquels sont enregistrés tous les événements et
modes de calculs des récepteurs GPS sont vérifiés :
• Ambiguïtés entières de phase ;
• Niveau de bruit ;
• Gain ou perte d’initialisation ;
• Qualité des données ;
Ce contrôle spécifique de la qualité des données est effectué au moyen de procédures de tri
automatisées mises en œuvre avec le logiciel GNSS STUDIO.
4.5.3 Calcul de la matrice
Les données x, y, z sont calculées et interpolées à l’aide du logiciel XYZ2MTX. La matrice

générée est analysée par le logiciel PROFIL.EXE ainsi que les volumes sont calculés.
Les données interpolées sont transformées en fichier au format DXF par le logiciel XYZ2DXF
et importés dans Auto CAD pour la mise en forme et l’impression.
4.5.4 Plans établis
• 2 Plans topo-bathymétriques DWG de la cuvette à l’échelle 1:2000 Format A0
• Plans topo-bathymétriques échelle 1/2000 Format A0
• 2 Plans des profils en travers et profil en long

55
• Courbes Hauteurs-Capacités-Surface DWG (1 plan, Format A3)
4.5.5 Résultats :
Côte des plus hautes eaux (PHE : 203,25 m)
VOLUME 24,784 Hm3

SURFACE 359,950 ha
Côte de retenue normale (RN : 198.90 m)
VOLUME 11,396 Hm3

SURFACE 254,650 ha
Afin de contrôler les résultats du logiciel VIKING PROFILE, le volume en dessous de la côte
198,90 m (RN) a été calculé à l’aide du logiciel SURFER (©Golden Software) et COVADIS.
Les résultats sont :
Tableau 4-2 : Résultats après calculs des volumes en Hm3.
LOGICIELS
PROFILE.EXE SURFER COVADIS
VOLUME RN COTE 198.9 m (Hm3)
11,396 11,38 11,157
L’écart absolu par rapport au logiciel surfer est de 0,016 Hm3 ce qui donne un écart relatif de
0.14%. Ces faibles écarts montrent que la méthode utilisée pour le calcul de volumes est
satisfaisante.
4.6 Conclusion :
Ce chapitre présente la méthodologie de travail ainsi que les matériaux utilisés lors de
l’élaboration du levé topo-bathymétrique du barrage de Foum el Gherza effectuer par l’ANBT
en mai 2015.
56
Chapitre 5 : Didacticiels de l’extension Geostatistical
Analyst d’ArcGIS
Chapitre 5 : Didacticiels de l’extension Geostatistical Analyst d’ArcGIS
5.1 Introduction :
Les systèmes d’informations géographiques (SIG) depuis plus d’une dizaine d’années ont
connu un envol considérable auprès des services de l’Etat, surtout des collectivités locales qui
les utilisent dans le but de gérer, décider et représenter leur territoire.
Les systèmes d'informations géographiques ou SIG sont des systèmes aptes à organiser et à
présenter des données alphanumériques spatialement référencées, ainsi que de produire des
plans et des cartes. Ses usages couvrent les activités géomatiques de traitement et diffusion de
l'information géographique. La représentation est généralement en deux dimensions, mais un
rendu 3D ou une animation présentant des variations temporelles sur un territoire sont possibles.
La notion de SIG intègre :
 Les équipements informatiques ;
 Les données géographiques ;
 Les compétences humaines ;
 Les aspects méthodologiques.
5.2 Présentation d'ArcGIS :
ArcGIS est un système très riche qui permet d’assembler, d’organiser, de gérer, d’analyser, de
communiquer et diffuser des informations géographiques. En tant que principale plateforme de
développement et d'utilisation des systèmes d'informations géographiques (SIG) au monde.
ArcGIS est utilisé pour les connaissances géographiques au service du gouvernement, des
entreprises, de la science, de l'éducation et des médias. Ce logiciel permet aussi la publication
des informations géographiques afin qu'elles puissent être accessibles et utilisables par
quiconque. Le système est disponible partout au moyen de navigateurs Web, d'appareils
mobiles tels que les smartphones et les ordinateurs de bureau.
5.3 Extension Geostatistical Analyst :
L’extension ArcGIS Geostatistical Analyst fournit la capacité de modélisation de surface à

l'aide de méthodes déterministes et géostatistiques. Les outils qu'il fournit sont entièrement
intégrés aux environnements de modélisation SIG et permettent aux usagers des SIG de
57
reproduire des modèles d'interpolation et d'estimer leur qualité avant de les utiliser dans toute
analyse ultérieure.
Ce module comprend trois composants principaux :
 Un ensemble de graphiques d'exploration spatiale des données (ESDA) ;
 L'assistant géostatistique ;
 La boîte à outils Geostatistical Analyst, qui abrite des outils de géo-traitement

spécialement conçus pour étendre les capacités de l'assistant géostatistique et permettre
une analyse plus approfondie des surfaces qu'il génère.
Les graphiques ESDA et l'assistant géostatistique sont accessibles via la barre d'outils
Geostatistical Analyst, qui doit être ajoutée à l'affichage ArcMap une fois l'extension
Geostatistical Analyst activée.
5.3.1 Graphiques d'exploration des données spatiales :
Avant d'utiliser les techniques d'interpolation, l’exploration des données s’effectue à l'aide des
outils d'analyse exploratoire des données spatiales. Ces outils permettront d'obtenir des
informations sur les données et de sélectionner la méthode et les paramètres les plus appropriés
pour le modèle d'interpolation. Par exemple, lorsque vous utilisez le krigeage ordinaire pour
produire une carte quantile, vous devez examiner la distribution des données d'entrée car cette
méthode particulière suppose que les données sont normalement distribuées. Si vos données ne
sont pas normalement distribuées, vous devez inclure une transformation de données dans le
cadre du modèle d'interpolation. Un deuxième exemple est que vous pourriez détecter une
tendance spatiale dans vos données à l'aide des outils ESDA et souhaiter inclure une étape pour
la modéliser indépendamment dans le cadre du processus de prédiction.
Les outils ESDA sont accessibles via la barre d'outils Geostatistical Analyst sont composés des
éléments suivants :
a) Histogramme : sert à examiner la distribution et les statistiques récapitulatives d'un

ensemble de données.
58
b) Graphique QQ normal et Graphique QQ général : Évaluez si un ensemble de

données est normalement distribué et explorez si deux ensembles de données ont des
distributions similaires, respectivement.
c) Cartes Voronoi : examinassions visuelle de la variabilité spatiale et de la stationnarité

d'un ensemble de données.
d) Analyse des tendances : visualisation et examinassions des tendances spatiales dans

un ensemble de données.
e) Semi-variogramme / nuage de covariance : évaluation de la dépendance spatiale

(semi-variogramme et covariance) dans un ensemble de données.
f) Nuage de crosscovariance : évaluation de la dépendance spatiale (covariance) entre

deux jeux de données.
5.3.2 Assistant géostatistique :
L'assistant géostatistique est accessible via la barre d'outils Geostatistical Analyst.
L'assistant géostatistique est un ensemble dynamique de pages conçu pour guider dans le
processus de construction et d'évaluation des performances d'un modèle d'interpolation. Les
choix effectués sur une page déterminent quelles options seront disponibles sur les pages
suivantes et comment vous interagissez avec les données pour développer un modèle approprié.
Pendant la construction d'un modèle d'interpolation, l'assistant permet de modifier les valeurs
des paramètres, suggère ou fournit des valeurs de paramètres optimisées et vous permet
d'avancer ou de reculer dans le processus pour évaluer les résultats de la validation croisée afin
de voir si le modèle actuel est satisfaisant ou des valeurs des paramètres doivent être modifiées.
Cette flexibilité, en plus des données dynamiques et des aperçus de surface, fait de l'assistant
un environnement puissant dans lequel on peut créer des modèles d'interpolation.
L'assistant géostatistique donne accès à un certain nombre de techniques d'interpolation, qui

sont divisées en deux types principaux : déterministe et géostatistique.
59
5.3.2.1 Méthodes géostatistiques :
Les techniques géostatistiques supposent qu'au moins une partie de la variation spatiale
observée dans les phénomènes naturels peut être modélisée par des processus aléatoires avec
autocorrélation spatiale et nécessitent que l'autocorrélation spatiale soit explicitement
modélisée. Les techniques géostatistiques peuvent être utilisées pour décrire et modéliser des
modèles spatiaux (variographie), prédire des valeurs à des emplacements non mesurés
(Krigeage) et évaluer l'incertitude associée à une valeur prédite à des emplacements non
mesurés (krigeage).
L'assistant géostatistique propose plusieurs types de krigeage, qui conviennent à différents

types de données et ont différentes hypothèses sous-jacentes :
 Ordinaire ;
 Facile ;
 Universel ;
 Indicateur ;
 Probabilité ;
 Disjonctif ;
 Interpolation surfacique ;
 Bayesian empirique.
Ces méthodes peuvent être utilisées pour produire les surfaces suivantes :
 Cartes de krigeage des valeurs prédites ;
 Cartes des erreurs types de krigeage associées aux valeurs prédites ;
 Cartes de probabilité, indiquant si un niveau critique prédéfini a été dépassé ;
 Cartes des quantiles pour un niveau de probabilité prédéterminé.
Il y a des exceptions à cela :
Le krigeage des indicateurs et des probabilités produit les éléments suivants :
 Cartes de probabilité, indiquant si un niveau critique prédéfini a été dépassé ;

60
 Cartes des erreurs types des indicateurs.
L'interpolation surfacique produit les éléments suivants :
 Cartes des valeurs prédites ;
 Cartes des erreurs standard associées aux valeurs prédites.
5.4 Exemple d’application et traitement des données :
Cette partie comprendras la méthodologie d’application sur le logiciel ArcGIS v10.2.2
5.5 Entré des données :
Après lancement de l’application ArcMap.exe l’introduction des données s’effectuera comme

suit :
Dans un premier lieu apparaitras une page vierge, les données introduites (points du levé
bathymétrique dans notre cas sont sous format Excel).
Grace à l’OUTIL RECHERCHER situer dans la barre d’action nous allons faire la conversion
du fichier (Excel to table) afin d’éviter tout erreur dans lecture des données. La Figure 5-1
illustre l’icône OUTIL RECHERCHER (Ctrl+ F) dans l’application ArcMap.exe
Figure 5-1 : Barre d’action avec indication de l’icône Rechercher.
Dans la zone de recherche on écrira le mot clé Excel To Table après recherche apparaitra une
liste, sur cette dernière nous sélectionnerons Excel vers table (conversion) (outil). Voir Figure
5-2.
61
Figure 0-2 : Tableau de la liste de recherche.
Apres sélection de l’outil de conversion apparaitra un tableau pour entrer le fichier à convertir,
dans ce dernier on trouvera trois indications fichier d’entrée (format Excel), fichier après
conversion (Table), le non de la feuille convertie qui est facultatif. Voir Figure 5-3.
Figure 0-3 : Etape de conversion du fichier Excel.
Apres conversion le résultat apparaitra dans la table des matières. Figure 5-4.
62
Figure 0-4 : Affichage du résultat dans la table des matières.
L’étape de conversion terminée, succédera le géo-référencement des données (dans notre cas
c’est des données d’un levé topo-bathymétrique X, Y, Z (Alt)) avec un clic droit s’affichera une
liste déroulante on choisira sur la liste Afficher les données XY… un tableau montrera une
liste des propriétés de la référence spatiale, une fois le système de coordonnées spatial est défini
(WGS 1984 UTM ZONE 31N). Figure 5-5.
63
Figure 0-5 : Géo-référencement des coordonnées projetées.
Une fois le géo-référencement établi, les données seront exportées au format (Shipfile), fichier
de forme pour permettre la lecture et le traitement des données sous ArcMap. Figure 5-6.
64
Figure 0-6 : Exportation des données sous forme de fichier (Shipfile).
Le résultat final représentera la carte après établissement des étapes mentionnées en haut. Voir
Figure 5-7.
65
Figure 0-7 : Résultat après traitement des données.
5.6 Analyse des données :
5.6.1 Analyse exploratoire :
Avec l’extension Geostatistical Analyst, la première étape sera consacrée à l’exploration des
données en cliquant sur l’extension Geostatistical Analyst une liste de commandes s’affiche
nous sélectionnerons Explore Data pour effectuer l’analyse exploratoire. Figure 5-8.
66
Figure 0-8 : Module Explore Data.
L’un des éléments clé de l’analyse exploratoire que nous allons utiliser « Histogram ». Ce
dernier affichera les résultats statistiques de base à savoir : l’histogramme des attributs, le
coefficient d’aplatissement, le coefficient d’asymétrie, la moyenne, la médiane ...Figure 5-9.
Figure 0-9 : Histogramme des attributs.
67
5.6.2 Analyse géostatistique :
Une fois l’analyse exploratoire des données terminer, nous basculerons vers le module
Geostatistical Wizard pour établir l’analyse géostatistique. Figure 5-10.
Figure 0-10 : Module Geostatistical Wizard.
Apres lancement nous sélectionnerons tout d’abord la méthode (dans notre cas c’est le
Krigeage) cette manipulation se compose de 5 étapes. Nous définirons les attributs à étudier
dans Input Data (données d’entrée) c’est la première étape. Figure 5-11.
68
Figure 0-11 : Procédure Kriging / Input Data .
La seconde étape, c’est la détermination du type de krigeage (nous utiliserons le krigeage

ordinaire K.O) avec le type de surface de sortie (prédiction). Aucune transformation de données
n’a été appliquée. Figure 5-12.
69
Figure 0-12 : Sélection du type de krigeage et du type des résultats.
La troisième étape, consiste à l’ajustement du variogramme ou du semi-variogramme

expérimentale.
Remarque : A la base le logiciel nous définit un modèle par défaut c’est pour cela qu’il
faut avoir une connaissance du phénomène à étudier.
Dans la figure qui suit (5-13) nous avons plusieurs possibilités de paramétrage du variogramme
c’est-à-dire :
 Possibilité d’optimisation du modèle (icone : général) avec le choix de la variable

(semi-variogramme ou covariance). Nous nous intéressons au semi-variogramme.
 L’ajustement du modèle, une large liste de modèle est proposée, il faut choisir celui
adéquat. Dans notre cas c’est le modèle sphérique.
 La possibilité d’extraction des données variographiques sous format Excel.
Cette étape nous fournit les caractéristiques du modèle ainsi que sa représentation graphique.
Figure 5-13.
70
Figure 0-13 : Modélisation du semi-variogramme.
La quatrième étape, est la recherche des points voisins. C’est-à-dire que cette dernière se base
sur le fait qu’une mesure établie aura un impact sur la prédiction des valeurs, en d’autres termes
plus les points seront éloignés plus les valeurs mesurées auront moins d'influence sur les valeurs
prédites. Figure 5-14.
71
Figure 0-14 : Recherche des points voisins.
La cinquième et dernière étape, qui est la cross validation elle nous déterminent la courbe de
régression linéaire (valeurs prédites versus valeurs mesurées) de type : ax+b avec les différents
critères de performance. Figure 5-15.
72
Figure 0-15 : Cross validation.
A la fin de cet exercice s’affichera un rapport sur le résumé de l’analyse géostatistique. Figure
5-16.
73
Figure 0-16 : Rapport final.
Nous basculerons vers la table des matières dans ArcMap pour exporter les résultats du krigeage
en modèle numérique du terrain (MNT) sous forme d’un raster pour l’utiliser dans le calcul des
volumes (pour notre cas) puisque nous avons utilisés des points d’un levé topo-bathymétrique.
Figure 5-17.
74
Figure 0-17 : Exportation des résultats en Raster.
75
Figure 0-18: Raster obtenue.
5.7 Estimation des volumes :
L’estimation des volumes s’effectueras à partir du fichier Raster via un logiciel annexe très
simple et facile à manipuler.
76
Chapitre 6 : Optimisation du levé bathymétrique du
barrage Foum El Gherza
Chapitre 6 : Optimisation du levé bathymétrique du barrage Foum El Gherza
6.1 Mise en œuvre de l’analyse géostatistique
Tel que l’indique
L’analyse géostatistique est exécutée en quatre étapes successives (Isaaks & Srivastava, 1989) :
1- L’analyse exploratoire ;
2- L’analyse variographique ;
3- La validation croisée ;
4- Le Krigeage
Ces dernières sont développées dans les paragraphes suivants.
6.1.1 Analyse exploratoire
La première étape pour toute analyse géostatistique repose sur l’analyse des données par les
statistiques descriptives. Cette analyse permet de fournir l’information pertinente sur la nature
de la distribution statistique des données dans l’espace et d’appréhender leur degré
d’homogénéité et de normalité.
Li et Heap (2008) rapportent que la distribution des données d’une façon normale autour de
leurs statistiques centrales peut influencer certaines méthodes d’interpolations spatiales. Les
données spatiales sont normales si les moyennes, les médianes et les modes sont très voisins
rendant ainsi l’analyse géostatistique faisable. Dans le cas contraire, on a souvent recours à une
transformation mathématique de la variable d’intérêt en une forme proche de la distribution
gaussienne. Cette transformation devrait, en principe, réduire la dissymétrie (mesurée par le
coefficient d’asymétrie « skewness ») et le degré d’aplatissement (mesuré par le kurtosis).
Si le coefficient d’asymétrie « skewness » est positif, la dissymétrie est à droite et les trois
statistiques de tendance centrales sont réparties ainsi : Mode < médiane < moyenne.
Si le coefficient d’asymétrie « skewness » est négatif, la dissymétrie est à gauche avec moyenne
< médiane < mode.
Pour interpréter la valeur absolue du coefficient d’asymétrie « skewness », Bulmer (1979) a

donné cette règle générale :
0< | coefficient d’asymétrie | < 0.5 : assez symétrique ;
0.5 < | coefficient d’asymétrie | < 1 : dissymétrie moyenne ;
| coefficient d’asymétrie | > 1 : forte dissymétrie.
77
Si le degré d’aplatissement « Kurtosis » est positif, la courbe de distribution est leptokurtique,

c’est-à-dire plus pointue que la courbe normale ou gaussienne.
Si le degré d’aplatissement « Kurtosis » est négatif, la courbe est platykurtique, c’est-à-dire

plus aplatie et plus arrondie que la courbe normale.
En règle générale : 0 < |degré d’aplatissement| < 0.5 : assez mésokurtique ou normale ;
0.5 < degré d’aplatissement < 1 : courbe moyennement sur-gaussienne ;
Degré d’aplatissement > 1 : courbe fortement sur-gaussienne ;
-1 < degré d’aplatissement < -0.5 : courbe moyennement sous-gaussienne ;
Degré d’aplatissement < -1 : courbe fortement sous-gaussienne.
Comme le Krigeage nécessite des données normalement distribuées (Sepaskhah et al., 2005),
l'asymétrie et l'aplatissement, en particulier, seront examinés.
6.1.2 Analyse variographique
Pour explorer la structure de la régionalisation, notamment ses propriétés de stationnarité et de

régularité afin de mettre en évidence la présence d'une structure spatiale (Robinson &
Metternicht, 2006), les résultats sont exprimés sous la forme d'un semi-variogramme
expérimental formé d’un ensemble de points de semi-variance γ (h) de la variable d’intérêt 𝑍
(altitude) en fonction de la distance ℎ qui sépare les observations.
En pratique, le semi-variogramme expérimental est ajusté par des fonctions mathématiques en

lui adoptant un semi-variogramme théorique de forme sphérique, exponentielle, linéaire ou
gaussienne selon son allure et son ajustement. Quatre paramètres caractérisent un semi-
variogramme théorique (Smith et al., 1993 ; Srivastava, 2013) :
- L’effet de pépite (C0) qui décrit le comportement du variogramme à l’origine. Un C0

différent de zéro est due aux erreurs de localisation ou de mesure.
- La portée A0 qui représente la distance d’autocorrélation de la variable d’intérêt.
- Le palier (ou seuil) (C0+C) correspond à la valeur autour de laquelle se stabilise le
variogramme, il s’agit de la variance totale de la variable d’intérêt.
D’autre part quatre indices statistiques de la qualité d’ajustement des modèles théoriques de
variographie sont estimés, il s’agit :
- Du RMSE (l’erreur quadratique moyenne entre les données mesurées et les valeurs
prédites par le modèle) ;
78
- Du MAE (la moyenne absolue des erreurs) ;

- De R2 (coefficient de détermination pour cet ajustement) ;
- Du rapport C0/(C0+C) qui donne la proportion de la variance structurée C par rapport
à la variance totale (C0+C) (Arnaud & Emery, 2000).
Le modèle théorique est d’autant plus précis, structuré et représentatif d’une autocorrélation
spatiale que sa valeur du RMSE et de la MAE s’approchent de zéro, son R2 et son rapport
C/C0+C s’approchent de l’unité.
6.1.3 Krigeage
L’interpolation par Krigeage est effectuée pour estimer les valeurs en des points non observés
par une combinaison linéaire sans biais des valeurs mesurés. Par construction mathématique, le
Krigeage minimise la variance sur l’erreur d’estimation. Le Krigeage ordinaire est la technique
utilisée.
Le Krigeage tient compte aussi de la taille du champ à estimer, de la position des points entre
eux et de la continuité du phénomène mesuré.
6.1.4 Validation croisée

La validation croisée (VC) est utilisée pour évaluer la qualité du modèle de semi-variogramme
choisi et générer un ensemble de points mesurés et interpolés qui sont utilisés dans une
régression linéaire sous la forme y = ax + b. Cinq paramètres sont déterminés à partir de la
validation croisée :
- La pente de la droite de régression (a) ;
- L'ordonnée à l'origine (b) ;
- Du RMSE (l’erreur quadratique moyenne entre les données mesurées et les valeurs
prédites par le modèle) ;
- Du MAE (la moyenne absolue des erreurs) ;
- De R2 (coefficient de détermination pour cet ajustement) ;
- L'erreur de prédiction (SEpred) définie par :
.
𝑆𝐸 é = 𝑆𝐷 × (1 − 𝑅 )
Où SD est l’écart-type des données mesurées.
Marcotte (2013) distingue trois situations :
79
1- SEpred est proche de 1. La variance de Krigeage prédit correctement la précision des

estimations.
2- SEpred est inférieure à 1. Le modèle variographique ajusté décrit un phénomène plus
variable que le phénomène réel. La variance de Krigeage surestime la variance des
erreurs.
3- SEpred est supérieure à 1. Le modèle variographique ajusté décrit un phénomène moins
variable que le phénomène réel. La variance de Krigeage sous-estime la variance des
erreurs.
Selon Robertson (2000) l’interpolation est d’autant plus précise et de bonne qualité que le
pente (a) de sa droite de régression, son erreur de prédiction (SEpred) et son coefficient de
détermination (R2) s’approchent de l’unité et que son intercepte (b) s’approche de zéro.
6.2 Méthodologie
Sur l’ensemble des 135075 valeurs originales du levé bathymétrique, nous avons effectué 10
combinaisons aléatoires pour réduire la taille du levé. A cet effet, nous avons utilisé une macro
de choix aléatoire développée sous le progiciel Microsoft Excel 2003. En conservant une bonne
couverture de la retenue du barrage, ces choix aléatoires étaient de 35000 jusqu’à 125000
points. Nous considérons donc un levé bathymétrique de référence et 10 scénarios (considérés
comme levé bathymétriques indépendants) sur lesquels nous avons réalisé des analyses
géostatistiques complètes en utilisant l’extension Geostatistical Analyst du logiciel
ArcGIS v10.2.2. Une analyse exploratoire suivie d’une analyse variographique et une
validation croisée ont été donc réalisées pour les onze (11) levés bathymétriques
indépendamment.
La comparaison de tous les paramètres de la géostatistique a permis d’en déduire la taille
optimale d’un levé bathymétrique. Cette taille a été validée par la constance d’estimation du
volume d’eau au niveau normale de la retenue (NNR) et au niveau des plus hautes eaux (PHE).
A cet effet, les modèles numériques de terrain (MNT) réalisés par Krigeage dans le logiciel
ArcGIS ont été transférés vers le logiciel Global Mapper V17.0 (Blue Marble Geographics,
2015) dans lequel le volume a été calculé à différents niveaux du barrage, depuis le fond du
réservoir jusqu'au niveau des plus hautes eaux (PHE), pour obtenir la courbe capacité-hauteur
du réservoir. Cette courbe est d'une grande importance, car elle est utilisée pour gérer les lâchers
du barrage.
80
6.3 Résultats et discussions
6.3.1 Analyse exploratoire
Dans le Tableau 6-1 sont consignées les statistiques descriptives pour les prédictions spatiales
des altitudes topo-bathymétriques au niveau de la cuvette du barrage. La distribution spatiale
est relativement uniforme aussi bien pour l'ensemble de données du levé bathymétrique original
que pour les 10 échantillons analysés, avec un coefficient de variation (CV) d'environ 2,33%.
Cette variation d’altitudes au niveau du réservoir de «Foum El Gharza» est différente de celle
de celle de «Hammam Debagh » (6,3%) (ANBT, 2004).
L'amplitude du coefficient de variation (CV) est proportionnelle à la déclivité du réservoir. Par

conséquent, le coefficient de variation (CV) du réservoir du barrage de Foum El Gharza est très
faible, ce qui correspond à un barrage typique du Sahara. Plus le coefficient de variation (CV)
est faible, meilleures sont les performances des méthodes d'interpolation spatiale.
Les moyennes et médianes ne varient pas beaucoup d'un échantillon à l'autre. Cependant, pour
l'ensemble des données du levé bathymétrique de référence et tous les échantillons, nous
observons que : médiane < moyenne.
En outre, l'asymétrie de ces échantillons est entièrement positive avec une valeur proche de
celle de l'ensemble des données du levé bathymétrique de référence (2,08). Cette valeur est
supérieure à 1, ce qui correspond à une forte dissymétrie. De même, le kurtosis normalisé des
dix (10) scenarii de levé bathymétrique est positif, montrant des courbes fortement sur-
gaussiennes du même ordre de grandeur que celui de l'ensemble des données du levé
bathymétrique de référence (19,44). Par conséquent, ces statistiques descriptives des dix (10)
échantillons ne varient pas beaucoup de celles de l'ensemble des données du levé bathymétrique
de référence. La distribution de l’ensemble des données du levé bathymétrique de référence et
des dix (10) échantillons n’est pas normale, puisque l’asymétrie (Skewness) et l'aplatissement
(kurtosis normalisé de Fisher) sont supérieurs à 1 (Bulmer, 1979). Toutefois le krigeage peut
fonctionner convenablement puisque la normalité des données représente une condition
suffisante mais pas nécessaire.
81
Tableau 6-1 : Statistiques descriptives de l'ensemble de données des scenarii de levé

bathymétrique.
Ech. Taille Moyenne Médiane E.type Variance Min Max Skew1 Kurt2 CV
(m) (m) (m) (m) (m) %

1 35000 194.97 194.29 4.29 18.38 175 .96 259.77 1.83 18.71 2.20
2 45000 194.96 194.31 4.22 17.79 175.96 263.96 1.77 19.81 2.16
3 55000 195.00 194.31 4.30 18.50 175.96 263.96 2.03 21.57 2.21
4 65000 195.02 194.32 4.30 18.48 175.96 265.06 1.90 20.00 2.20
5 75000 195.08 194.36 4.33 18.75 175.96 265.06 1.84 18.71 2.22
6 85000 195.10 194.38 4.39 19.28 175.96 263.96 1.98 19.97 2.25
7 95000 195.16 194.39 4.45 19.84 175.96 265.06 2.10 21.05 2.28
8 105000 195.18 194.41 4.39 19.31 175.96 263.96 1.82 17.48 2.25
9 115000 195.22 194.43 4.46 19.85 175.96 263.96 2.00 19.44 2.28
10 125000 195.29 194.46 4.52 20.46 175.96 265.06 2.06 19.61 2.32
11 135000 195.34 194.49 4.56 20.77 175.96 265.06 2.08 19.44 2.33
CV : coefficient de variation ; 1Skewness : Asymétrie ; 2Kurtosis normalisé : Aplatissement selon Fischer ;
6.3.2 Analyse variographique

Le modèle sphérique donne la meilleure description des variogrammes expérimentaux des onze
(11) scenarii de levé bathymétrique. Sur la base des valeurs consignées au Tableau 6-2, les
rapports (C/C0+C) varient entre 89,5 % et 100 %, ce qui indique de fortes corrélations spatiales
jusqu'à des portées allant de 48,64 m à 140,06 m, au-delà desquelles il n’y a pas d’influence
entre les points des levés bathymétriques. Les portées fournissent des informations précieuses
sur le voisinage dans lequel les points de mesure influencent l'estimation des élévations dans
des endroits non mesurés (Cambardella et al., 1994).
Tableau 6-2 : Résultats de l’analyse variographique
Paramètres de variographie
N° NB Points
du levé du levé C0 C C0+C A0 C/C0+C
R2 RMSE MAE
(m2) (m2) (m2) (m) (%)
1 35000 1.043 10.830 11.880 96.550 91.2 0.801 1.007 0.795
2 45000 0.000 10.056 10.056 74.849 100.0 0.978 0.490 0.415
3 55000 0.000 14.660 14.660 103.080 100.0 0.965 0.810 0.576
4 65000 0.000 10.932 10.932 89.123 100.0 0.951 0.716 0.544
5 75000 0.000 11.579 11.579 73.076 100.0 0.973 0.577 0.425
6 85000 0.000 12.172 12.172 69.732 100.0 0.972 0.728 0.543
7 95000 0.604 12.904 13.508 71.907 95.5 0.958 0.929 0.789
8 105000 0.000 9.844 9.844 48.639 100.0 0.895 0.964 0.829
9 115000 0.000 12.871 12.871 72.893 100.0 0.969 0.985 0.667
10 125000 1.956 16.653 18.609 140.064 89.5 0.925 1.599 1.197
11 135075 0.000 13.528 13.528 68.827 100.0 0.937 1.020 0.829
82
Les semi-variances expérimentales oscillent entre 9,84 m2 et 16,65 m², mais sont proches de la
variance totale de l'ensemble des données du levé bathymétrique de référence dont la valeur est
de 13,53 m². Les valeurs de la pépite varient entre 0 m2 et 1.96 m2, indiquant ainsi de très petites
erreurs de mesure.
L'anisotropie observée par Rakhmatullaev et al. (2011) n’apparait pas dans la présente étude.
Les paramètres des variogrammes de tous les scenarii de levé bathymétrique sont présentés sur
la Figure 6-1. Cette figure montre que les trois critères de qualité d'ajustement des semi-
variogrammes : RMSE, MAE, R2 et le rapport (C/C0+C) atteignent des valeurs proches de
celles du levé bathymétrique de référence lorsque le nombre de points de mesure est au-delà
45 000 points. Cela correspond à une densité de mesure de 125 points ha-1. Avec cette densité,
les seuils ((C0+C), Figure 6-1a) et les portées ((A0), Figure 6-1b) tergiversent légèrement
autour de ceux du levé bathymétrique de référence.
Li et Heap (2008) ont supposé l'existence d'une densité critique au-dessus de laquelle il n'y a
pas d'amélioration de la précision de l'estimation. Les résultats trouvés sont en accord avec les
résultats de Li et Heap (2008).
83
Figure 6-1 : Valeurs des paramètres variographiques pour les 11 scenarii de levé bathymétrique : (a) Palier,
(b) Portée, (c) Fraction structurée de la variance totale, (d) Coefficient de détermination et (e) l’erreur
quadratique moyenne (f) la moyenne absolue des erreurs. La ligne pointillée représente les valeurs des
paramètres variographiques du levé bathymétrique de référence.
84
6.3.3 Krigeage et validation croisée
En utilisant le Krigeage comme méthode d'interpolation, Bello-Pineda & Hernández Stefanoni

(2007) ont réduit l'erreur d'estimation de la profondeur d'eau dans une zone inondée de 20 à
30% par rapport à d'autres interpolateurs, comme la méthode de la distance inverse.
Une analyse de la validation croisée par Curtarelli et al. (2015) a montré que l'utilisation du
Krigeage ordinaire sur les données du levé bathymétrique entraîne des erreurs d'estimation
réduites et un R2 élevé.
En prenant comme référence l'ensemble des données (135075 points) du levé bathymétrique de
référence des valeurs presque maximales sont obtenues pour les critères de fiabilité, à savoir :
robustesse R2 ≈ 1 et de précision dans l’estimation de l'erreur de prédiction SEpred ≈ 0,5.
Réduire le nombre de points peut ne pas donner de si bons résultats. Par conséquent, il est
important d’analyser la sensibilité de ces deux critères de fiabilité pour chacun des 10
échantillons.
Comme le montre la Figure 6-2c, le 𝑅 s'écarte de l'unité lorsque des échantillons de moins de
55 000 points sont utilisés. De plus, 𝑆𝐸 é augmente considérablement mais reste toujours au-
dessous de l’unité (Fig. 6-2f), ce qui indique que la variance de Krigeage surestime de plus en
plus la variance d'erreur lorsque la taille des échantillons diminue (Marcotte, 2013).
Le passage de 135 075 à 55 000 points a donc un impact négligeable sur les quatre paramètres
de fiabilité (R2, RMSE, MAE et SEpred) et les deux paramètres de régression (𝑎 𝑒𝑡 𝑏)
(Fig. 6-2). Cependant, plus la taille des échantillons, descend à moins de 55 000 points, SEpred
devient plus grand pour atteindre l’unité. Le variogramme du modèle décrit une estimation 𝑍 ∗
plus variable que la valeur 𝑍 observée, c'est-à-dire que la variance de Krigeage surestime
l’erreur de variance. Ces observations concordent avec celles de Puente & Bras (1986) qui ont
montré que le Krigeage peut entraîner une sous-estimation ou une surestimation importante de
l'erreur de prédiction lorsque la taille d'un ensemble de données diminue.
Cette étape de l’analyse géostatistique montre que les paramètres des validations croisées des
dix échantillons convergent vers ceux de la validation croisée du levé bathymétrique de
référence à partir d’une taille supérieure ou égale à 55 000 points de mesure. Pour valider le
choix de la taille optimale des levés bathymétriques, il est important de compléter cette analyse
géostatistique par l’établissement des courbes « volume-hauteur » pour chaque échantillon et
la comparaison des volumes d’eau estimés à la côte du niveau normal de la retenue (NNR).
85
Figure 6-2 : Evolution des paramètres de la validation croisée des 11 scenarii de levé
bathymétrique : (a) coefficient de régression, (b) intercepte, (c) coefficient de détermination,
(d) erreur standard de prédiction et (e) erreur standard. La ligne pointillée représente les valeurs des
paramètres de validation croisée du LTB de référence.
86
6.3.4 Sensibilité de la courbe volume-hauteur
La Figure 6-3 montre que l’analyse de la sensibilité des volumes en fonction de la taille réduite
du levé bathymétrique confirme les résultats des études géostatistiques. En effet, les tailles de
de 55 000 points et plus, ayant montré respectivement une stabilité des paramètres
variographiques et une stabilité des critères de la validation croisée, ont aussi montré un palier
constant dans l’estimation des volumes d’eau dans la retenue du barrage à la côte NNR.
La réduction qui correspond au maximum de précision des paramètres géostatistiques sans

affecter l’estimation du volume d’eau au NNR avoisine les 55 000 points. D’ailleurs, ce palier
de stationnarité du volume commence à 45 000 points et il est presque confondu au volume de
référence (11,56 hm3) quand nous considérons toutes les données du levé bathymétrique de
référence (135 075 points). Ce n’est qu’en dessous de 45 000 points, que nous remarquons une
sous-estimation de ce volume d’autant plus importante que la taille du levé diminue. Cette sous-
estimation du volume d’eau se traduit par une surestimation du volume des sédiments retenus
par le barrage. Ce qui est probablement dû à la forme concave de n'importe quel réservoir.
Ainsi, la diminution du nombre des points du levé surestime le volume des sédiments.
12.0
Volume au NNR (Mm3)
11.5
VolumeRef =11.56 Mm3
11.0
10.5
10.0
9.5
35000 55000 75000 95000 115000 135000
Taille du levé bathymetrique
Figure 6-3 : Evolution des volumes estimés au NNR : des 10 échantillons, La ligne pointillée
représente le volume estimé au NNR avec le levé bathymétrique de référence.
La surestimation du volume des sédiments a un impact sur la gestion du réservoir qui est
principalement basée sur la courbe « volume-hauteur ».
Cette courbe (Fig. 6-4) définit le volume d'eau dans le réservoir pour les hauteurs allant de
(175 m) a un niveau avoisinant les plus hautes eaux du barrage (PHE ; 200 m).
87
La relation linéaire entre les volumes obtenus avec 55 000 points et ceux de la courbe de
référence (135 075 points) a montré que ces deux estimations ne sont pas significativement
différentes. La réduction du nombre de points de 135 075 à 55 000 n'a pas affecté
significativement la courbe « volume-hauteur » et n'affectera pas donc la bonne gestion de l’eau
mobilisée par le barrage.
Tableau 6-3 : Données des courbes « volumes hauteurs » de l’échantillon 55 000 points et du levé
bathymétrique de référence (135 075 points)
VOLUMES EN Hm3
Echantillon Levé de référence
COTE 55000 points 135075 points
175 0.000 0.000
177 0.001 0.001
179 0.004 0.004
181 0.008 0.008
183 0.013 0.013
185 0.020 0.020
187 0.028 0.028
189 0.039 0.039
191 0.057 0.057
193 0.765 0.767
195 3.176 3.175
197 6.949 6.945
199 11.573 11.561
200 14.279 14.257
Echantillon 55000 points LB 135075 points

15
12
Volume (Mm3)
0
175 177 179 181 183 185 187 189 191 193 195 197 199 200
Altitude du niveau d'eau dans le barrage (m)
Figure 6-4 : Courbes « volume-hauteur » du levé bathymétrique de référence et de l’échantillon

optimal (55 000 points).
88
6.4 Conclusion
Après avoir présenté la théorie de la géostatistique et les méthodes d’interpolation déterministes
et stochastiques, une étude géostatistique a été réalisée sur le levé bathymétrique du barrage
« Foum El Gherza » en vue d’en optimiser le nombre de points.
Toutes les étapes de l'étude géostatistique (analyse exploratoire, analyse variographique et

Krigeage/validation croisée) ont montré qu'une taille de mesure de 55 000 points fournit des
critères de performance et de fiabilité similaires à ceux obtenus avec les 135 075 points mesurés.
À partir de l'analyse de validation croisée, on peut également conclure que la robustesse R2 et

l'estimation de l'erreur de prédiction (𝑆𝐸 é ) sont très similaires.
Cette procédure géostatistique d'optimisation de la taille a été validée par la comparaison du

volume évalué par la taille réduite de 55 000 points à celui fourni par l’ensemble des données
(135 075 points) du levé bathymétrique de référence. On peut donc conclure que 55 000 points
suffisent pour estimer le volume de vase dans le réservoir du barrage de Foum El Gherza.
Cette optimisation du nombre de points permet donc de réduire le coût et les délais de réalisation
des levés bathymétriques et d’accroitre ainsi leurs fréquences. Cette augmentation de la
fréquence des levés est de nature à mieux suivre l’évolution de la sédimentation dans la cuvette
du barrage assurant ainsi une meilleure gestion de la ressource mobilisée.
89
Conclusion générale
La gestion des volumes mobilisés par les barrages s’appuie essentiellement sur la
courbe « capacité-hauteur ». En effet, cette courbe doit être mis à jour périodiquement
par la réalisation de levés bathymétriques qui non seulement sont onéreux et laborieux
mais aussi consomme beaucoup de temps.
Dans cet optique, une méthodologie susceptible d’apporter une contribution à
l’optimisation de la taille des levés bathymétriques afin d’augmenter les fréquences de
réalisation et par conséquent celles d’actualisation de la courbe « capacité-hauteur »
des barrages est établie, soit :
 Acquisition des données du levé bathymétrique de référence ;
 Extraction de plusieurs combinaisons aléatoires indépendantes à partir du levé

bathymétrique de référence ;
 Etablissement de l’analyse exploratoire de chaque combinaison ;
 Ajustement d’un modèle de variogramme sphérique a tous les semi-variogrammes

expérimentaux (levé de référence et combinaisons) ;
 Validation des modèles par la méthode de validation croisée
 Elaboration des modèles numériques de terrain (levé de référence et

combinaisons) par Krigeage ordinaire ;
 Comparaison des résultats obtenues en utilisant les critères de performances (R²,

RMSE et MAE) ;
Le barrage de Foum El Gherza est pris dans le cadre de ce mémoire comme un cas
d’application de la méthodologie citée ci-dessus.
Dans le but de réduire la taille du levé bathymétrique du barrage étudié une analyse
géostatistique a été appliquée sur l’ensemble des 135 057 valeurs originales du levé
bathymétrique et les dix (10) combinaisons aléatoires choisies. Les quatre étapes de
l’analyse géostatistique (analyse exploratoire, analyse variographique et
Krigeage/validation croisée) ont montré que la réduction du nombre de points du levé
de référence (135057 points) à un optimum de 55 000 points n’a qu'un faible impact
sur les critères de fiabilité géostatistiques, tant en calage qu’en validation.
Cette procédure géostatistique d'optimisation de la taille a été validée par la
comparaison des courbes « capacité-hauteur » de la taille de référence (135057 points)
et celle optimale retenue (55 000 points).
90
Enfin le volume calculé par le modèle numérique de terrain créer par l’échantillon
55000 points est de 11,573 hm3, il avoisine ainsi le volume estimé par l’ANBT soit
V=11,396 hm3.
91
REFERENCES BIBLIOGRAPHIQUES :
AGENCE NATIONALE DES BARRAGES ET TRANSFERTS (ANBT). Levé
bathymétrique avant dragage. Rapport technique: Barrage Foum el Gherza, Biskra, Algérie,
Mai, 2015. 20 p.
DEMERS, A et ARVISAIS, M. Guide de normalisation des inventaires bathymétriques, 2011.
ARNAUD, M. and EMERY, X. Estimation et interpolation spatiale: Méthodes déterministes
et méthodes géostatistiques. Paris: Hermès, 2000. 216 p.
BELLO-PINEDA, J. And HERNÁNDEZ-STEFANONI, J.L. Comparing the performance of
two spatial interpolation methods for creating a digital bathymetric model of the Yucatan
submerged platform. Pan-American Journal of Aquatic Sciences, September, 2007, Vol. 2, n°
3, p. 247-254.
BLUE MARBLE GEOGRAPHICS. Global Mapper V 17.0.2. Hallowell, Maine, U.S.A,
2015.
BULMER, M. G. Principles of statistics. New York: Dover publications, 1979. 252 p.
ISBN: 0486637603 / 9780486637600.
BUREAU D’ÉTUDES BEB. Levé bathymétrique. Réaliser des relevés dans des milieux
subaquatiques, 2019.
CAMBARDELLA, C.A., MOORMAN, T.B., NOVAK, J.M., PARKIN, T.B., KARLEN,
D.L., TURCO, R.F., KONOPKA, A.E. Field-scale variability of soil properties in central
Iowa soils. Soil Science Society of America Journal Abstract, Sept, 1994. Vol. 58 n° 5, p.
1501–1511. DOI : 10.2136/sssaj1994.03615995005800050033x.
CENTRE D’EXPERTISE DU QUÉBEC. Guide pour l’évaluation de la capacité de retenue
par bathymétrie 2008.
Contribution à l’étude des crues de oued Abiod (Biskra). 2017.
CURTARELLI, M., Leão, J., Ogashawara, I., Lorenzzetti, J., Stech, J. Assessment of Spatial
Interpolation Methods to Map the Bathymetry of an Amazonian Hydroelectric Reservoir to
Aid in Decision Making for Water Management. ISPRS International Journal of Geo-
Information, February, 2015, Vol. 4, n° 1, p. 220-235. DOI : 10.3390/ijgi4010220.
Fusiello, E. Trucco, and A. Verri, “A compact algorithm for rectification of stereo pairs,”
Machine Vision and Applications, vol. 12, no. 1, pp. 16–22, 2000.
Impact du barrage de Foum El Gherza sur le développement de l’agriculture en irrigué dans le
périmètre de Sidi Okba (Biskra).
ISAAKS, E.H. And SRIVASTAVA, R.M. An introduction to applied geostatistics. New York
: Oxford university press, 1989. 561 p. ISBN 0-19-505012-6, ISBN 0-19-505013-4.
LI, J. and HEAP, A.D. A Review of Spatial Interpolation Methods for Environmental
Scientists. Canberra: Geoscience Australia, Record 2008/23. 137 p.
MARCOTTE, D. Géologie et géostatistique minières : géostatistique manière [En ligne].
Montréal: École Polytechnique, cours GLQ3401, 2013. Disponible sur:
<http://www.groupes.polymtl.ca/geo/marcotte/glq3401geo.html>. Consulté le 18/12/2017)
Méthodes d’auscultation de la structure reconnaissance de la géométrie cartographie
bathymétrique; Les collections de l’Ifsttar; 2015.
Monographie de Biskra ANDI 2017.
PUENTE, C.E. And BRAS, R.L. Disjunctive kriging, universal kriging, or no kriging: Small
sample results with simulated fields. Mathematical Geology, April, 1986, Vol. 18, n° 3, p.
287-305. DOI:10.1007/BF00898033.
RAKHMATULLAEV, S., MARACHE, A., HUNEAU, F., LE COUSTUMER, P.,
MASHARIF, B., MOTELICA-HEINO, M. Geostatistical approach for the assessment of the
water reservoir capacity in arid regions: a case study of the Akdarya reservoir, Uzbekistan.
Environmental Earth Sciences, June, 2011, Vol. 63, n° 3, p. 447–460. DOI:10.1007/s12665-
010-0711-3.
Recommendations pour la conduite d’un levé bathymétrique réalisé dans le domaine
portuaire, côtier ou fluvial APHY; 2001.
ROBERTSON, G.P. GeoStatistics for the Environmental Sciences. GS+ User’s guide Version
5. Gamma Design Software : Plainwell, Michigan : 2000. 152 p.
ROBINSON, T.P., And METTERNICHT, G. Testing the performance of spatial interpolation
techniques for mapping soil properties. Computers and Electronics in Agriculture, February,
2006, Vol. 50, n° 2, p. 97-108.
SEPASKHAH, A.R., AHMADI, S.H., SHAHBAZI, R. Geostatistical analysis of sorptivity
for a soil under tilled and no-tilled conditions. Journal of Soil and Tillage Research,
September, 2005, Vol. 83, n° 2, p. 237–245.
Service hydrographique et océanographique de la Marine; Levés bathymétriques
http://agora.shom.fr/docQual/2016/NR/NR2016-009 Version: 8.0 Dernière modification le
2017/02/23 12:04.
SMITH, J.L., HALVORSON, J.J., PAPENDICK, R.I. Using multiple-variable indicator
kriging for evaluating soil quality. Soil Science Society of America Journal, May, 1993, Vol.
57, n° 3, p. 743–749. DOI:10.2136/sssaj1993.03615995005700030020x.
SRIVASTAVA, R.M. Geostatistics: A toolkit for data analysis, spatial prediction and risk
management in the coal industry. International Journal of Coal Geology, June, 2013, Vol.
112, p.2–13. DOI : 10.1016/j.coal.2013.01.011.
SITOGRAPHIE :
http://www.afigeo.asso.fr/les-sig.html
https://desktop.arcgis.com/fr/arcmap/10.3/guide-books
https://www.semantic-ts.fr/bathymetrie

Cadi Abdelkrim Adel 2019

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cadi Abdelkrim Adel 2019

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

MINISTERE DE L`ENSEIGNEMENT SUPERIEUR ET DE LA

INSTITUT DES SCIENCES VETERINAIRES

DEPARTEMENT DES SCIENCES AGRONOMIQUES

Optimisation de données bathymétriques à l’aide de

Année universitaire 2019/2020

A la mémoire de mon père, que Dieu l’accueille dans son vaste

A ma très chère mère.

A mon frère et mes sœurs.

A mes amis qui sont des frères.

A tous ceux qui me sont chers.

A Mr. D. Bengora a qui j’exprime ma profonde gratitude et mes sincères

Je n’oublie pas ma mère pour son sacrifice et son soutien.

Merci à toutes et à tous.

Keywords : Siltation, Variography, Krigeage, Cross-Validation, Sample.

Mots-clés : Envasement, Variographie, Krigeage, Validation croisée, Echantillonnage.

Liste des tableaux

Liste des figures

1 Chapitre 1 : Bathymétrie des retenues des barrages ........................................... 3

2 Chapitre 2 : Etat de l’art de l’analyse géostatistique ......................................... 21

3 Chapitre 3 : Présentation de l’aire d’étude ......................................................... 37

4 Chapitre 4 : Modalités d’acquisition des données bathymétriques du

5 Chapitre 5 : Didacticiels de l’extension Geostatistical Analyst d’ArcGIS ....... 57

6 CHAPITRE 6 : Optimisation du levé bathymétrique du barrage

Tableau 3-1 : Daïras, communes, populations et superficies en Km² de la wilaya de

Tableau 4-1 : Coordonnées de références. ................................................................. 49

Tableau 4-2 : Résultats après calculs des volumes en Hm3 ....................................... 56

Tableau 6-1 : Statistiques descriptives de l'ensemble de données des scenarii de levé

Tableau 6-2 : Résultats de l’analyse variographique.................................................. 82

Tableau 6-3 : Données des courbes « volumes hauteurs » de l’échantillon 55 000

Figure 1-3 : Écart entre les sections. ............................................................................ 8

Figure 1-4 : Répartition type des points de mesure ...................................................... 9

Figure 2-1 : Schéma d’une analyse géostatistique ..................................................... 23

Figure 2-2 : Exemple de variogramme ....................................................................... 27

Figure 2-3 : Aspect d’un variogramme ...................................................................... 30

Figure 2-4 : Modèle théorique d'un variogramme pépitique pur ............................... 31

Figure 2-6 : Modèle théorique d'un variogramme sphérique ..................................... 32

Figure 2-7 : Modèle théorique d'un variogramme exponentiel .................................. 33

Figure 2-8 : Modèle théorique d'un variogramme gaussien ....................................... 33

Figure 3-1 : Situation géographique de la wilaya de Biskra ...................................... 37

Figure 3-2 : Carte de la situation géographique du bassin versant « Oued El

Figure 3-3 : Image Google Earth du barrage de Foum el Gherza Biskra................... 43

Figure 3-4 : Image du barrage de Foum El Gherza .................................................... 44

Figure 4-1 : Photo du barrage de Foum El Gherza Biskra ......................................... 46

Figure 4-2 : Indication du repère P3........................................................................... 47

Figure 4-3 : Localisation de la station de référence ................................................... 49

Figure 4-5 : Mesure des coordonnées aux bornes ...................................................... 52

Figure 4-6 : Point du levé topographique ................................................................... 53

Figure 4-7 : Mesure du levé bathymétrique. .............................................................. 54

Figure 5-1 : Barre d’action avec indication de l’icône Rechercher............................ 61

Figure 5-2 : Tableau de la liste de recherche.............................................................. 62

Figure 5-3 : Etape de conversion du fichier Excel ..................................................... 62

Figure 5-4 : Affichage du résultat dans la table des matières .................................... 63

Figure 5-5 : Géo-référencement des coordonnées projetées ...................................... 64

Figure 5-7 : Résultat après traitement des données .................................................... 66

Figure 5-8 : Module Explore Data ............................................................................. 67

Figure 5-9 : Histogramme des attributs ...................................................................... 67

Figure 5-10 : Module Geostatistical Wizard .............................................................. 68

Figure 5-11 : Procédure Kriging / Input Data ............................................................ 69

Figure 5-12 : Sélection du type de krigeage et du type des résultats ......................... 70

Figure 5-13 : Modélisation du semi-variogramme ..................................................... 71

Figure 5-14 : Recherche des points voisins ................................................................ 72

Figure 5-15 : Cross validation .................................................................................... 73

Figure 5-16 : Rapport final ......................................................................................... 74