Comblement et extension des lacunes des pluies par la méthode de régression linéaire
L’estimation des valeurs manquantes est une étape nécessaire avant d’aborder la problématique de l’homogénéisation. En effet, la présence de plusieurs valeurs manquantes dans les séries des pluies constitue un handicap majeur pour calculer les valeurs des pluies mensuelles, saisonnières et annuelles. Et par la suite un handicap majeur dans l’homogénéisation des séries de pluies. Il arrive fréquemment que l’on soit amené à reconstituer des données manquantes. Divers techniques appropriées peuvent être utilisées : la plus part sont fondées sur l’hypothèse d’une corrélation spatiale.
Nous nous proposons de reconstituer les données manquantes. Pour cela, nous avons utilisé la méthode de la régression linéaire bien qu’on soit arrivé à proposer des prévisions. Pour la variable à expliquer Y, et donc combler les lacunes dans les séries à étudier traitant séparément chaque mois de l’année. Exposé de la méthode Toutes les séries pluviométriques des différentes stations du bassin versant présentent des lacunes à l’échelle mensuelle, Pour combler ces lacunes dans les stations ayant des séries de pluies discontinues, nous avons procédé à la méthode de régression linéaire. Cette méthode consiste à estimerles valeurs manquantes d’une série pluviométrique lacunaire à partir des observations d’une autre station de série continue et homogène ; sinon, des inhomogénéités dans l’une d’elles pourraient être attribuées à la série de base, ce qui contribue à améliorer la cartographie des isohyètes.
Régime pluviométrique
On appelle régime des pluies, la répartition de la hauteur des précipitations annuelle entre les diverses périodes- plus souvent entre les divers mois de l’année. Le régime pluviométrique est étudié dans un but de l’étude de climat.
Le régime pluviométrique est contrôlé principalement par la circulation de deux masses d’air et par leur mouvement saisonnier : l’harmattan sec (alizé continental venant du Nord- Est) qui provoque la sècheresse et la mousson humide (alizé maritime austral) qui provoque la pluie. Les études récentes du cycle saisonnier , montrent la non linéarité du déplacement de la zone de convergence intertropicale (ZCIT) sur le continent entre deux positions de quasi-équilibre à 5°N et 10°N, et l’existence d’un “saut de mousson” entre ces deux latitudes. Deux régimes pluviométriques, directement associés aux mouvements méridiens de la ZCIT, sont dès lors distingués, à savoir une saison dite océanique et continentale.
Tendances pluviométriques
Au sens général, une tendance se traduit par l’évolution probable d’un phénomène au cours d’une longue période. Dans le cas des précipitations, c’est une forme d’inconstance pluviométrique caractérisée par une baisse ou une hausse régulière et unidirectionnelle des valeurs moyennes des précipitations. Selon le Guide des pratiques climatiques de l’OMM (2005), cette variation tend à se maintenir dans un sens déterminé pendant de nombreuses périodes, allant de quelques années à plusieurs décennies.
Dans l’analyse de la variabilité des pluies, nous utilisons les coefficients non paramétriques comme ceux de coefficient de Spearman, rang de Kendall pour mesurer la tendance des séries et la régression linéaire qui s’appuis sur un modèle de régression simple entre la série et le temps .
Variabilité pluviométrique
Le continent Africain se caractérise par des situations très contrastées en matière de climat, de végétation et un potentiel de gestion des ressources en eau. Outre cette forte hétérogénéité spatiale, la disponibilité de ces ressources peut subir d’importantes fluctuations au cours du temps. Les variations des précipitations dans l’espace et dans le temps sont liées à la circulation atmosphérique.
Un des éléments intégrateurs de la variabilité climatique, l’expression « variabilité pluviométrique ». Elle fait pressentir la mobilité ou la variation du schéma pluviométrique moyen et l’accentuation des valeurs extrême à toutes les échelles temporelles et spatiales. Autant que possible, elle est analysée par rapport aux valeurs centrales ou médianes des séries plutôt que par rapport ou valeurs normales ou moyennes, qui sous- entendent l’idée de fixité du climat. La variabilité peut être due à des processus internes naturels au sein du système climatique ou à des variations du forçage externe anthropique (processus externe). Le but de la variabilité est l’élaboration d’une carte des isohyètes avec les séries, cette dernière a pour but la représentation cartographique des pluies sur le bassin versant étudié.
Le concept de la variabilité climatique dans le bassin versant de la Seybouse est examiné sur la base de la variabilité pluviométrique.
Analyse de la variabilité des séries des pluies pluri annuelle
La terminologie d’analyse en série temporelle a été utilisée pour la première fois par Box et Jenkins dans les années 1970.
Toute analyse de la pluviométrie à l’échelle d’un bassin versant comporte un biais, lié à la variabilité spatiale des précipitations.
Vérification de caractère aléatoire : Le caractère aléatoire simple d’une série d’observations est défini par le fait que toutes les observations de la série sont issues de la même population et qu’elles sont toutes indépendantes entre elles. Du point de vue de la statistique mathématique, cela signifie une stabilité de la loi de répartition et absence de lien entre éléments consécutifs. Cette remarque justifie l’application dans le cas non paramétrique d’un test de détection de tendance et d’un test de corrélation sériale pour vérifier le caractère aléatoire simple d’une série d’observations. Le test de corrélation sur le rang (taux de Kendall) et la procédure de segmentation de Hubert sont en général assez puissants pour indiquer le caractère aléatoire et non aléatoire des séries chronologique des pluies en mettant en évidence des rupture de stationnarité aux seuil de confiance .
On peut aussi vérifier le caractère aléatoire par le test de corrélation sériel d’ordre 1, le test de Von Neumann, auto corrélogramme et statistique de rang de Spearman. Ce dernier test confirme le caractère aléatoire avec cependant deux exceptions relatives aux précipitations hivernales et annuelles, où l’hypothèse « nulle » de séries aléatoire peut être rejetée au seuil de 5% . Nous déterminons sous quelle forme se présente le caractère non- aléatoire observé pour les séries des pluies de l’année et de l’hiver. Dans cette perspective, les séries ont été soumises aux tests de rang de Spearman, rapport de Von Neumann et corrélation sur les rangs de Kendall.
Table des matières
INTRODUCTION GENERALE
1. Climat
2. Changement climatique
3. Variabilité climatique
4. Remarque importante sur la différence entre variabilité et changement climatique
5. Modélisation hydrologique
6. Problématique
7. Méthode et plan de travail
8. Description des caractéristiques de la zone d’étude
CHAPITRE — I — TRAITEMENT ET ETUDE DES PRECIPITATIONS
I.1 L’ensemble des études sur la pluviométrie en Algérie
I.2 Historique de réseau pluviométrique et sources de données
I.3 Choix des stations pluviométriques
I.4 Contrôle de la qualité des données et homogénéisation
I.4.1 Homogénéisation des données
I.4.1.1 Test non paramétrique de Wilcoxon à l’échelle mensuelle
I.4.1.1.1 Critique et commentaire sur les données
I.4. 1.1.2 Comblement et extension des lacunes des pluies par la méthode de régression linéaire
4.1.1.3 Confiance à accorder à l’échantillon
I.4.1.2 Vérification de l’homogénéisation des séries des pluies inter annuelle par test de Wilcoxon
I.4.2 Etude des caractéristiques des pluies
I.4.2.1 Considérations théoriques
I.4.2.2 Régime pluviométrique
I.5 Corrélation : pluies inter annuelles et altitudes
I.6 Situations favorisant la stationnarité des précipitations
I.6.1 Vérification du caractère aléatoire des séries pluri annuelles
I.6.2 Test de normalité
Conclusion
CHAPITRE — II — ETUDE ET ANALYSE DE LA VARIABILITE CLIMATIQUE
II.1 Introduction
II.2 Quelques définitions
II.2.1 Rupture
II.2.2 Tendance
II.2.3 Le cycle
II.2.4 Irrégularité
II.3 Variabilité pluviométrique
II.3.1 Description de la variabilité pluviométrique du bassin de la Seybouse
II.3.1.1 Variabilité spatiale
II.3.1.1. 1 Analyse géostatistique de la pluviométrie
II.3.1.1. 2 Méthodologie de construction d’un variogramme
II.3.1.1. 3 Résultats et discussions
II.3.1.2 Variabilité temporelle à partir de vingt quatre postes pluviométriques
II.3.1.2.a Variables centrées réduites : indice de NICHOLSON
II.3.1.2.b Carte de la pluviométrie pluri annuelle
II .3.2 Variations saisonnières : indice saisonnier
II.3.3 Analyse de la variabilité des séries des pluies pluri annuelle
II.3.3.1 Vérification de caractère aléatoire
II.3.3.2 Méthodes utilisées dans l’analyse des séries pluviométriques et détection des ruptures de stationnarité
II.3.3.3 Conditions d’application des méthodes
II.3.3.4 Méthodes retenues dans l’étude
II.3.3.5 Filtre de passe Bas de Hinning
II.3.3.6 Aspect théorique de test de Von Neumann (Von Neumann Ratio Test)
II.3.3.7 Aspect théorique des tests des rangs de Kendall (Kendall Rank Correlation Test)
II.3.3.8 Aspect théorique de test des rangs de Spearman (Spearman Rank Correlation Test)
II.3.3.8.a Pour un nombre d’observation >20
II.3.3.8.b Pour un nombre d’observation < 20
II.3.3.9 Test de Pettitt [Pettitt, 1979]
II.3.3.10 Test de Buishand (1982-1984)
II.3.3.11 Test d’autocorrélation de type portemanteau de Ljung-Box
II.4 Etude des paramètres de climat
II.4.1 Variation des températures et régime thermique
II.4.2 le vent
II.4.3 L’insolation
II.4.4 Humidité
II.4.5 Evaporation
Conclusion
CHAPITRE — III — PRÉVISION ET SCENARISATION HYDROLOGIQUE DES PLUIES MENSUELLES PAR LES RESEAUX DE NEURONNES ARTIFICIELS
III.1 Généralités
III.2 Scénario climatique
III.3 Jeu d’organisation des stations météorologiques entre elles
III. 4 Caractéristiques des prévisions
III. 5 Définition de la période et échéances de prévision
III. 6 Prévision des séries chronologiques des pluies
III.6.1 Prévision du point
III.6.2 Prévision de l’intervalle de confiance
III.6.3 Prévision par densité
III.6.4 Prévision probabiliste
III.7 Méthodes et choix d’une technique pour la prévision
III.8 Méthodologie de la prévision par les réseaux de neurones artificiels RNA
III.8.1 Définition
III.8.2 Réseaux non bouclés et réseaux bouclés
III.8.2.a Réseaux non bouclés
III.8.2.b Réseaux bouclés
III.8.3 Structure du réseau
III.8.4 Connections entre les neurones
III.8.5 Perceptron Multicouche (PMC)
III.8.6 Apprentissage
III.9 Collecte des données
III.10 Optimisation de réseau neuronal
III.11 Application les réseaux de neurones artificiels sur les séries des pluies mensuelles
III.12 Interprétation des résultats
Conclusion
Conclusion générale
Perspectives
BIBLIOGRAPHIE
ANNEXE – I –
ANNEXE – II-
ANNEXE – III-
ANNEXE – IV-
ANNEXE – V-
