Courrier du Savoir N17, Dcembre 2013, pp.

175-184

APPROCHE REGIONALE POUR LESTIMATION DES PRECIPITATIONS

JOURNALIERES EXTREMES DU NORD EST ALGERIEN

TAMARA BENABDESSELAM, HOCINE AMARCHI

Dpartement dHydraulique, Universit Badji Mokhtar-Annaba, BP 12, 23000 Annaba, Algrie
kondratievat@yahoo.fr

RESUME
Linformation sur les valeurs des prcipitations extrmes et leurs frquences est ncessaire pour les diffrents projets lis
leau. Dans cette tude, lanalyse frquentielle rgionale base sur les L-moments a t utilise pour amliorer la qualit
destimation des quantiles des prcipitations journalires maximales annuelles de la rgion situe au Nord Est de lAlgrie
reprsente par 50 stations de mesure. La rgion dtude a t divise en deux rgions statistiquement homognes en termes
des rapports des L-moments. Parmi les diffrentes distributions testes, (i) la distribution GEV (Generalized Extreme Value) a
t identifie comme distribution rgionale la plus adquate pour la modlisation des prcipitations de la rgion 1 caractrise
par un climat mditerranen et (ii) la distribution lognormale trois paramtres (LN3) pour la rgion 2, sujette un climat
semi-aride. Les courbes de croissance ont t tablies pour chaque rgion homogne. Ainsi, les quantiles des prcipitations
dans un site sont dtermins en multipliant la moyenne des prcipitations par les quantiles rgionaux correspondants. La
comparaison des quantiles estims partir de lapproche rgionale et locale a montr que pour 50,4 % des stations de la rgion
dtude, le modle local sous estime les quantiles de fortes priodes de retour.
MOTS CLS: Prcipitations extrmes journalires, moments linaires, analyse frquentielle rgionale, distributions GEV,
LN3, simulation des prcipitations.

ABSTRACT
Information on precipitation magnitudes and their frequencies is needed in various projects related to water. In this study, the
regional frequency analysis based on L-moments was used to improve the quality of estimating of the annual maximum daily
precipitations of the north eastern area of Algeria represented by 50 measuring stations. The investigated area was divided into
two regions statistically homogeneous in terms of L-moments ratios. Among the different tested distributions, (i) the
Generalized Extreme Value (GEV) distribution has been identified as the most appropriate regional distribution for modeling
precipitation in the northern region (region 1) characterized by a Mediterranean climate and (ii) the generalized lognormal
distribution (LN3) for region 2 of southern part subject to semi-arid climate. Growth curves, derived from the regional
distributions, were established for each homogeneous region. The growth curves shapes difference reflects the difference
between the two homogeneous regions precipitation patterns. Therefore, to estimate the different return periods precipitation
quantiles in a given site of the region, the mean precipitation of the site has to be multiplied by the corresponding regional
quantile. Comparison of estimated quantiles given by the regional and local approach showed that for 50.4 % of stations, at-
site model underestimates the quantiles having high return periods.
KEYWORDS: maximal annual daily precipitation, L-moments, regional frequency analysis, GEV, LN3 distributions, set
generation

1 INTRODUCTION rsoudre ce problme, on a recours lanalyse rgionale.

La connaissance des quantiles des prcipitations de
frquences rares est ncessaire pour la conception des
ouvrages hydrauliques tels que les ouvrages de protection
contre les inondations, les rseaux dassainissement pluvial
et dans de nombreuses applications dingnierie.
Lestimation de ces frquences est difficile car les
vnements extrmes par dfinition sont rares et les
donnes disponibles localement proviennent souvent des
observations de courte dure, insuffisantes pour pouvoir
estimer les quantiles extrmes de manire fiable. Pour
Dans le concept de rgionalisation, introduit par Darlymple
(1960), trading space for time , on utilise les donnes de
plusieurs sites pour estimer les quantiles de la variable
chaque site dune rgion bien dfinie. Les estimations des
quantiles obtenues partir de lchantillon rgional sont
considres comme plus prcises (Hosking et Wallis,
1997).
Initialement, les mthodes danalyse frquentielle ont t
labores pour lestimation des crues. Les mthodes de
rgionalisation des crues introduites par Dalrymple en 1960

Universit Mohamed Khider Biskra, Algrie, 2013

 T.Benabdesselam & al

ont t continuellement dveloppes depuis, par des
chercheurs. GREHYS (1996a), Ouarda et al. (1999 ; 2008)
ont prsent et compar les diffrentes mthodes de
rgionalisation des crues.
Lapplication de lanalyse frquentielle des crues sest
tendue ensuite la rgionalisation des prcipitations et a
t la base de nombreux travaux sur ces dernires. Alila
(1999) a dvelopp un modle hirarchique rgional
frquentiel pour la rgionalisation des prcipitations de
courte dure au Canada. En France, les travaux de Djerboua
(2001) et de Mora et al. (2005) ont port sur lestimation
rgionale des prcipitations journalires. Nguyen et al.
(2002) ont propos deux mthodes alternatives destimation
des prcipitations extrmes de diffrentes dures. Kysely et
Picek (2007) ont utilis une mthode base sur les L-
moments pour lestimation rgionale des prcipitations.
Lanalyse frquentielle rgionale base sur la mthode de
index de variable et L-moments a t utilise par
Norbiato et al. (2007) pour analyser les prcipitations
maximales annuelles de courte dure en Italie. Gaal et al.
(2008) ont appliqu la mthode des rgions dinfluence
dans lanalyse frquentielle des prcipitations en Slovaquie.
Gellens (2002) a combin lapproche rgionale et la
procdure dextension des donnes dans lestimation des
prcipitations extrmes en Belgique.
Dans la bibliographie sur la rgionalisation des
prcipitations prsente par St-Hillaire et al. (2003), on
remarque que les tapes communes la plupart des
mthodes danalyse rgionale frquentielle sont
gnralement : la dtermination des rgions statistiquement
homognes, lidentification dune fonction de distribution
rgionale et finalement la dtermination des paramtres de
cette distribution et lestimation des quantiles des
prcipitations.
Lanalyse frquentielle rgionale base sur les L-moments
propose par Hosking et Wallis (1997) est applique pour
lestimation des quantiles des prcipitations journalires
maximales annuelles en tout site de la rgion tudie.
Aprs la description de la mthode utilise et de la rgion
dtude et des donnes, les rsultats dapplication des
tapes de lanalyse frquentielle rgionale sont prsents et
discuts dans la Section 4 ; celles-ci sont la formation des
rgions homognes, lidentification de la distribution
frquentielle rgionale et lestimation des paramtres et
quantiles de la distribution ajuste. Une conclusion est faite
facteur dchelle spcifique au site. Gnralement, le
facteur dchelle est la moyenne de la population au site
(Hosking et Wallis, 1993). Par consquent, les quantiles de
frquence F au site i dune rgion homogne de N sites
peuvent tre dtermins comme suit : Qi ( F ) i q( F )
o i est le facteur dchelle ou la moyenne au site i. Les
quantiles rgionaux q(F) forment la courbe de croissance
rgionale dfinie par une distribution rgionale de la
variable rduite yij xij / xi o xij reprsentent les
prcipitations journalires maximales annuelles, xi leur
moyenne en chaque site et j=1,2,.., n i . n i est leffectif du
site i.
Les paramtres de la distribution rgionale sont estims
partir de lensemble des statistiques locales de la rgion
homogne. Lestimation des statistiques locales est obtenue
par la mthode des L-moments.
2.2 L-moments
La thorie des L-moments a t dveloppe par Hosking
(1990). Les L-moments ont pour but de rendre les
ajustements statistiques plus robustes contrairement aux
moments traditionnels dordre lev dont les valeurs sont
trs sensibles la variabilit dchantillonnage. Les L-
moments sont analogues aux moments traditionnels mais ils
sont estims partir de combinaisons linaires des donnes
ordonnes.
Pour un chantillon ordonn x1, x2 , x3 ,..., xn o
x1:n x2:n ... xn:nles moments de probabilit
pondrs (PWM) sont estims par :
n
1
0 n x
j 1
j :n

finalement n
j 1
1 n 1 x j :n
j 2 n 1
n (1)
2 METHODE DE REGIONALISATION ( j 1)( j 2)
2 n 1 x j :n
j 3 ( n 1)( n 2)
2.1 Mthode danalyse frquentielle rgionale n
( j 1)( j 2)( j 3)
La mthode danalyse frquentielle rgionale des 3 n 1 x j:n
prcipitations extrmes applique est base sur les L- j 4 ( n 1)(n 2)(n 3)
moments et associe la procdure de la mthode indice Ainsi on peut estimer les L-moments suivants en utilisant
de crue (Darlymple, 1960) applique aux donnes les PWM :
hydrologiques. La procdure utilise est une procdure de
simple scaling, les distributions de frquences des sites
dune rgion homogne sont identiques lexception dun

176
 Approche rgionale pour lestimation des prcipitations journalires extrmes du Nord Est Algrien

l1 0 La variance pondre du L-Cv :

2
l2 21 0 N

l3 6 2 61 0
(2) n t
i 1
i
(i )
t
V1 N
(7)
l4 20 3 30 2 121 0
n i 1
i

Le premier L-moment l1 est gal la moyenne de la

Lcart-type pondr pour les rapports des L-moments t et
distribution et l 2 est un paramtre dchelle (L-cart-type).
t3 :
De plus, les rapports des L-moments suivants ont t
N

n t
2 2
introduits : (i)
t t3( i ) t3
i
L-coefficientdevariation,L-Cv, V2 i 1 (8)
N

t = l2 / l1 (3) n
i 1
i

L-coefficient dasymtrie, Lcart-type pondr pour les rapports des L-moments t3 et

L-Cs, t 3 l3 / l 2 (4) t4 :
L-coefficient daplatissement, N

n t
(i) 2 2
i 3 t3 t4( i ) t4
L-Ck, t 4 l 4 / l 2 (5) i 1
V3 N
(9)
n
i 1
i

2.3 Test dhomognit

Pour tester lhomognit dune rgion (groupe de stations)
en termes de rapports des L-moments le test dhomognit
statistique propos par Hosking et Wallis (1993) est utilis.
Dans ce test, les paramtres reprsentatifs dune rgion sont
les moyennes pondres des statistiques des L-moments.
Ainsi, pour une rgion de N stations chacune de taille ni ,
les rapports des L-moments et les L-moments rgionaux
sont calculs de manire suivante :
N
(i )
n t i r
i 1
tr N r3, (6)
n
i 1
i o Vobs est la valeur observe de V et v et v sont
r respectivement la moyenne et lcart-type de V obtenu par
(i )
o tr sont les rapports des L-moments dordre r la
station i.
Le test de simulation de Monte Carlo est utilis afin de
tester lhomognit dune rgion. Un grand nombre des
donnes de rgions sont gnres partir de la distribution
Kappa quatre paramtres. La distribution Kappa est
ajuste en utilisant les rapports des L-moments moyens
pondrs.
Chacune des simulations doit reflter la configuration de la
base de donnes de la rgion considre. Plus prcisment,
au cours dune simulation le nombre de sites et le nombre
dobservations chaque site doivent tre reproduits. Pour
chaque rgion gnre, les trois mesures suivantes de la
variabilit intersites des rapports des L-moments sont
calcules comme suit (Hosking et Wallis (1997)) :
o t
(i ) (i )
, t3 et t4(i ) dsignent respectivement les L-Cv, L-Cs
et L-Ck du site i ; t , t3 et t 4 dsignent respectivement les
L-Cv, L-Cs et L-Ck rgionaux calcules selon lquation (6)
et N est le nombre de sites. Si on dsigne par V lune de ces
trois valeurs V1 , V2 et V3 , le critre dhomognit dune
rgion est calcul comme suit :
Vobs v
HV , (10)
v
simulations. La variable H mesure la dispersion des
observations celle des simulations. Selon Hosking et
Wallis (1993), une rgion peut tre considre comme tant
acceptablement homogne si H<1, probablement
htrogne si 1 H 2 et dfinitivement htrogne
si H 2 .
2.3 Identification de la distribution rgionale
Parmi les diffrentes distributions, la distribution Gumbel
est celle qui est le plus souvent utilise en Algrie dans
lanalyse frquentielle des prcipitations extrmes dans un
site donn. Cette distribution a t utilise par Mebarki
(2005) dans lanalyse frquentielle ponctuelle des
prcipitations journalires maximales annuelles de lest
Algrien.

177
 T.Benabdesselam & al

Cette loi deux paramtres est aussi largement utilise dans 2.4 Estimation des paramtres et quantiles de la
diffrents contextes climatiques. Le comportement distribution rgionale
asymptotique de la distribution Gumbel est cependant remis
Pour estimer les paramtres de la distribution rgionale les
en question par Koutsoyiannis (2004), qui confirme quelle
trois premiers L-moments rgionaux sont utiliss. La
a pour effet de sous estimer les valeurs des prcipitations de
courbe de croissance rgionale sera tablie sur la base des
frquences leves par rapport la distribution GEV (EV2)
paramtres de la distribution rgionale en appliquant la
(Generalised Extreme Value, type 2). Alila (1999) met
moyenne comme facteur dchelle. Dans cette approche
certaines rserves quant lapplication de la loi Gumbel
les L-coefficients dasymtrie et de variation rgionaux sont
dans un contexte rgional. Dans son tude de la
supposs constants. Ainsi, pour estimer les prcipitations
rgionalisation des prcipitations de courte dure au
associes aux diffrentes priodes de retour en un site
Canada, les diffrentes distributions ont t testes. Parmi
donn dune rgion homogne, il faut multiplier les valeurs
ces distributions la distribution GEV a t identifie comme
du quantile rgional correspondant aux mmes priodes de
tant la distribution rgionale la plus approprie. La
retour par la moyenne des prcipitations journalires
distribution GEV est la plus utilise tant pour lanalyse
maximales.
frquentielle rgionale des prcipitations que pour celle des
crues. Par exemple, Overeem et al. (2007) lont utilise
pour la rgionalisation des prcipitations de courte dure
pour lensemble de la Hollande. Djerboua (2001), Versiani
et al. (1999), Cannarozzo et al. (1995) ont choisi comme
modle statistique rgional des prcipitations journalires
maximales annuelles la distribution deux composantes
TCEV (Two Component Extreme Value). Pour dterminer
les courbes de croissance rgionales des prcipitations de
courte dure Sveinsson et al. (2002) ont utilis une
approche rgionale frquentielle base sur la mthode
dindice de crue en prenant en considration les diffrentes
distributions : log-normale trois paramtres (LN3), GEV,
log-normale (LN) et Pearson type 3 (P3).
Dans cette tude, nous faisons lhypothse que les
distributions GEV, LN3, P3 et GLO (Generalized Logistic)
sajustent aux sries des valeurs rduites des prcipitations
maximales annuelles journalires de la rgion dtude. La
pertinence de lajustement de chacune de ces distributions
trois paramtres est value en termes de diffrence entre le
L-aplatissement thorique de la distribution ajuste et le L- Figure1:Rgion dtude et localisation des stations. Les bassins
versants des deux grands oueds, ceux de la
aplatissement rgional. La signification de cette diffrence Seybouse et de la Medjerda sont dlimits par une
est estime par la statistique Z (Hosking et Wallis, 1993) : ligne discontinue

4DIST t 4 4 3 REGION DETUDE ET DONNEES

Z DIST , (11)
t La rgion dtude est situe au Nord Est de lAlgrie et
4 couvre les bassins versants de deux grands oueds, celui de
DIST la Seybouse et celui de la Medjerda (Fig.1). Les sries des
o t 4 est le L-aplatissement rgional observ, 4 est le prcipitations journalires maximales annuelles des 50
L-aplatissement thorique de la distribution (DIST) estim stations de mesure ont t retenues pour cette tude. Les
observations stendent, en gnral, sur la priode de 1970
partir du L-asymtrie rgional observ. 4 et t 2007. La taille moyenne des chantillons est gale 38
4
ans. La priode des observations pour les diffrentes
sont respectivement le biais et lcart-type de t4 obtenus stations varie de 20 49 annes. La rgion dtude est
par simulations dune rgion homogne avec la distribution caractrise par un climat mditerranen dans la partie nord
Z DIST et par un climat semi-aride dans la partie sud. Les
Kappa. La statistique est base sur la normalit prcipitations moyennes annuelles varient de 804 233 mm
asymptotique et lajustement est satisfait au niveau de 90% et la moyenne des prcipitations journalires maximales
DIST
si Z 1.64 . annuelles de 26.11 61.24 mm. Leurs gradients diminuent
du nord vers le sud de la rgion.

178
 Approche rgionale pour lestimation des prcipitations journalires extrmes du Nord Est Algrien

4 RESULTATS ET DISCUSSION Tableau 2: Statistiques rgionales

La premire tape de lanalyse frquentielle rgionale a t Rgions N l1 l2 t3

t t4
lestimation de lhomognit des 50 stations de la rgion.
Pour valuer le degr dhomognit de la rgion, les 500 Rgion 50 43.83 9.59 0.219 0.190 0.154
rgions de donnes ont t gnres en utilisant la
Rgion 1 23 51,61 10,98 0,211 0,174 0,154
distribution Kappa. Selon les valeurs de la mesure
dhtrognit H obtenues (Tableau 1), la rgion est Rgion 2 27 36,48 8,29 0.227 0,204 0,151
probablement htrogne en termes de L-Cv
( HV1 1.1) et homogne en termes de L-Cs et L-Ck. Etant
N: nombre de stations; l1 et l2 : la moyenne et L-cart-type
donn que le HV1 est lgrement suprieur 1, ltape rgionaux pondrs des prcipitations (exprims en mm)
suivante sera la dfinition des rgions homognes. La
classification ascendante hirarchique (CAH) des
caractristiques des stations (longitude, latitude, altitude,
prcipitations moyennes annuelles et la moyenne annuelle Tableau 3:L-coefficient daplatissement thorique et Z-statistique
de nombres de jours pluvieux) a t utilise comme outil des diffrentes distributions.
auxiliaire pour la formation des groupes de stations. Les k- Rgion 1 Rgion 2
clusters (k=2,,4) obtenus par lapplication de deux DIST
mthodes dagrgation (mthode de lien moyen et Distribution 4 Z 4DIST Z
mthode de Ward) ont t tudies. Pour pouvoir mieux
interprter les rsultats de CAH et les utiliser dans la
formation des rgions homognes la mthode Silhouettes GEV 0,152 -0,24 0,175 0.87
(Rousseeuw, 1987) a t applique. En sappuyant sur cette
mthode, lhomognit statistique des 10 diffrents LN3 0,146 -0,57 0,163 0.32
partitionnements des stations a t teste en termes de
Hosking-Wallis test. Finalement, le partitionnement des P3 0,126 -1,87 0,128 -1,69
stations a abouti la formation de deux rgions homognes
(Fig.1) en termes de L-Cv, L-Cs et L-Ck (Tableau 1). GLO 0,192 2,29 0,209 2.79
Daprs les rsultats du tableau 1 on constate la prsence
des valeurs ngatives de H v 2 et H v 3 . Selon Hosking et
Wallis (1997), cela indique que la variabilit des Les 2 rgions tant homognes, pour identifier la
statistiques des sries est moindre que ce qui serait attendu distribution rgionale de chaque rgion parmi les
dune rgion homogne avec des distributions de DIST
frquences indpendantes du site. Il sagit gnralement distributions GEV, P3, LN3 et GLO, la Z statistique a
dune indication dune large corrlation croise entre les t calcule pour chaque distribution. Les valeurs de cette
distributions de frquences des sites. dernire obtenues par la ralisation de 500 simulations en
utilisant la distribution Kappa et les valeurs de L-
Sur la figure 1, on observe une cohrence gographique et aplatissement thorique de chaque distribution ajustes sont
climatique dans le groupement des stations. Les stations de donnes dans le tableau 3. Parmi les quatre distributions
la rgion 1 sont situes dans la partie nord de la zone considres, les deux distributions GEV et LN3 sont les
dtude caractrise par un climat mditerranen. Les distributions dont lajustement aux donnes rgionales de
prcipitations moyennes annuelles de cette rgion varient deux rgions est le plus satisfaisant. De plus, la valeur
de 804 442 mm. Les stations de la rgion 2 sont situes absolue de la statistique Z de la distribution GEV est
dans la partie sud sujette dun climat semi-aride. Les infrieure celle de LN3 pour la rgion homogne1 et
prcipitations moyennes annuelles de cette rgion varient suprieur pour la rgion 2. Pour faire le choix dfinitif des
de 512 233 mm. Les statistiques rgionales sont distributions rgionales, le diagramme des rapports des L-
prsentes dans le tableau 2 moments a t utilis. Les rapports des L-moments
( t3 , t 4 ) des chantillons et leurs moyennes rgionales
Tableau 1:Rsultats du test dhomognit des diffrentes pondres ont t ports sur le diagramme (Fig.2). Les
regions
points dfinis par les valeurs des moyennes rgionales des
L-Cs et L-Ck (Fig.2) sont proches de la distribution GEV
Rgions HV 1 HV 2 HV 3 pour la rgion 1 et de LN3 pour la rgion 2. Ainsi en se
basant sur le diagramme des rapports des L-moments et sur
Rgion 1.10 -0.53 -0.89 les valeurs de la Z-statistique, les distributions GEV et LN3
sont identifies comme les distributions les plus robustes
Rgion 1 0,79 -0,80 -0,91 respectivement pour les rgions 1 et 2
Rgion 2 0,93 -0,32 -0,78

179
 T.Benabdesselam & al

paramtres de position, dchelle et de forme. Pour un

chantillon fini, ces paramtres sont dfinis partir des L-
moments l1 , l2 et t3 par les quations suivantes :

Pour la distribution GEV :

l1 1 1 k (14)
k
l2 k
(15)

1 2 1 k
k

2
2 ln 2 2 ln 2
k 7.859 2.9554 (16)
3 t3 ln3 3 t3 ln3
Pour la distribution LN3 :

l1

2

1 e / 2 (17)

l2 exp( 2 / 2)
(18)
erf ( / 2)
A0 A1t32 A2t34 A3t36
t3 , (19)
1 B1t32 B2t34 B3t36

x 1 t
o ( x) t
0
e dt reprsente la fonction Gamma ; erf
Figure2:Diagramme des rapports des L-moments. Les valeurs
des rapports des L-moments (t 4 / t 3 ) des stations est la fonction derreur ; A0 ,..., A3 et B1 , B2 , B3 sont les
(moyennes rgionales) sont prsentes gauche constantes dapproximation.
(droite) de la figure
Les paramtres rgionaux de ces distributions (Tableau 4)
ont t estims partir des rapports des L-moments
Tableau 4: Paramtres des distributions rgionales GEV et LN3 rgionaux comme expliqu dans la deuxime section
Rgions (k)
Rgion 1 GEV 0.826 0.302 -0.010

Rgion 2 LN3 0,918 0,373 -0,422

La fonction quantile de la distribution GEV est la suivante :

k
k

x(F) 1lnF(x) pour k0 (12)

La fonction cumulative de la distribution LN3 est la

suivante :

u ln 2 u
1 1
F x e 2 2
du , (13)
2 0 u
x
o u et les , et (k) sont respectivement les Figure 3:Courbes de croissance

180
 Approche rgionale pour lestimation des prcipitations journalires extrmes du Nord Est Algrien

Les courbes de croissance rgionales, drives des
distributions rgionales ont t traces pour les priodes de
retour spcifies T (Fig. 3). Ces courbes de croissance
traduisent la variation du quantile rgional q(F) en fonction
de la probabilit au non dpassement F ou en fonction de la
priode de retour T, T 1 / 1 F . On observe partir
de la figure 3 que les valeurs des quantiles rgionaux de la
rgion 2 sont plus fortes que celles de la rgion1 pour les
priodes de retour leves.
La figure 4 prsente la distribution de frquences
empiriques des valeurs rduites des prcipitations observes
de lchantillon rgional de chaque rgion homogne. Les
frquences empiriques ont t calcules par la formule de
Cunnane ((i-0.4)/(N-0.2) o N dsigne leffectif total de
lchantillon et i le rang de lobservation, par ordre
dcroissant).
Les courbes de croissance rgionales, reporte sur la figure,
sajuste bien la distribution des valeurs rduites observes
correspondantes. Ceci confirme une fois de plus le choix de
GEV et LN3 comme distributions rgionales. On constate
galement que le comportement asymptotique de la
distribution rgionale GEV est quasi exponentiel tant
donn que son paramtre de forme est proche de zro (k=-
0.01).
simulation Monte Carlo (Hosking et Wallis, 1997) a t
utilis. Cet algorithme est bas sur lapplication de la
procdure de r-chantillonnage (bootstrap) pour calculer
lintervalle de confiance des quantiles rgionaux de priode
de retour spcifie ( qT ) . Pour raliser la corrlation entre
les sites dune rgion, une matrice de corrlation t
utilise avec un coefficient de corrlation pris gal 0.65
selon Hosking et Wallis (1997). En dcomposant la matrice
de corrlation (dcomposition de Cholesky) on obtient la
matrice triangulaire qui sert gnrer une matrice de
Nnmax variables alatoires corrles uniformes (N est le
nombre des stations et nmax est la taille maximale dun site
de la rgion). Les 10000 (R) ralisations de chaque rgion
ont t effectues. Pour chaque ralisation les quantiles
rgionaux spcifis qT ont t estims partir de
lajustement des chantillons gnrs la loi GEV pour la
rgion 1 et la loi LN3 pour la rgion 2. Ainsi on constitue
une srie des quantiles simuls q qT ,1 ,..., qT , R . Dans la
srie trie les quantiles empiriques qT , / 2 et qT ,1 / 2 de
probabilit au non dpassement de respectivement /2 et 1-
/2 ont t dtermins. On obtient donc lintervalle de
confiance de qT au niveau 1- : qT , / 2 ; qT ,1 / 2 .
Les valeurs de la REQM (racine carre de lerreur
quadratique moyenne) relative rgionale et de lintervalle
de confiance (90%) des deux courbes de croissance
estimes pour les diffrentes priodes de retour sont
prsentes dans le tableau 5. Les faibles valeurs de la
REQM dmontrent la fiabilit de la mthode danalyse
frquentielle rgionale applique. Les intervalles de
confiance (90%) obtenus sont peu larges du fait des
distributions rgionales quasi exponentielles.

Tableau 5:REQM relative et intervalle de confiance (90%) dans

lestimation des quantiles rgionaux q(T) de priode
de retour T.

T q(T) REQM Intervalle de confiance (90%)

(annes) Infrieur Suprieur
Rgion 1
5 1.273 0.017 1.225 1.317
10 1.502 0.016 1.427 1.568
50 2.001 0.031 1.841 2.113
100 2.226 0.043 2.003 2.372
200 2.442 0.051 2.137 2.617
1000 2.948 0.063 2.506 3.202
Rgion 2
5 1.295 0.010 1.245 1.340
10 1.553 0.018 1.474 1.626
Figure4:Ajustement des distributions rgionales GEV et LN3 aux 50 2.137 0.022 2.002 2.261
valeurs rduites des prcipitations de lchantillon
rgional. a) rgion 1 ; b) rgion 2 100 2.394 0.031 2.155 2.559
200 2.656 0.042 2.324 2.873
1000 3.292 0.059 2.798 3.585
Pour dterminer la prcision et quantifier les incertitudes
destimation des quantiles rgionaux lalgorithme de

181
 T.Benabdesselam & al

Pour voir lefficacit de lanalyse frquentielle rgionale, courbes de croissance rgionales et locales apparat partir
les valeurs des quantiles estims partir de lanalyse de la priode de retour de 20 ans.
rgionale et locale sont compares. Sur la figure 5 sont
prsentes les valeurs des quantiles centennaux estims
partir de lapproche rgionale et locale (GEV et LN3). La
comparaison de ces valeurs montre que lajustement local
sous estime les quantiles pour 50.4% des stations avec un
cart relatif maximal gal 32.7 %. Cet cart augmente
avec laccroissement de la priode de retour pour attendre
la valeur maximale de 51.65 % pour T=1000 ans. On
constate, daprs la figure 5, que lapproche rgionale rduit
la variabilit entre les sites des valeurs des quantiles estims
partir des modles locaux dune rgion homogne. Par
exemple, pour la rgion 1, constitue de 23 stations, daprs
le rsultat de lanalyse frquentielle locale les valeurs des
quantiles centennaux varient entre 80 et 159 mm, tandis que
dans lanalyse rgionale elles varient entre 94 et 137 mm.
Pour la rgion 2, les valeurs des quantiles locaux varient
entre 59 et 116 mm et celles des quantiles rgionaux
varient de 64 106 mm. On constate, galement, que les
valeurs des quantiles diminuent du nord au sud de la rgion
dtude (Fig.5).

Figure5:Comparaison des quantiles centennaux estims par

lapproche rgionale et locale. Les stations de la
rgion 1 sont numrotes de 1 23, celles de la
rgion 2 sont numrotes de 24 50

Pour vrifier la cohrence des rsultats obtenus avec
lhypothse dhomognit et les lois rgionales choisies, la
distribution GEV et LN3 ont t reportes sur la distribution
en frquences empiriques des valeurs rduites observes
aux trois stations de diffrentes tailles (Fig.6). On note le
bon ajustement des distributions rgionales aux chantillons
des prcipitations observes de trois stations en particulier
aux prcipitations de priode de retour leve. Donc, les
rsultats obtenus sont cohrents avec lhypothse
dhomognit selon laquelle les valeurs rduites des
prcipitations suivent en tous points dune rgion
homogne la mme loi de distribution. Pour la premire
station de taille n=49, le modle local GEV surestime les
quantiles (Fig.6a). Pour les deux autres stations de taille
n=34 et n=24, le modle local LN3 sous estime les quantiles
(Fig.6 b, c). La diffrence entre les quantiles rduits des
Figure 6: Ajustement des distributions rgionales (GEV, LN3) et
locales aux valeurs rduites des prcipitations
observes des sries de diffrentes tailles (n) : a)
n=49 ; b) n=34 ; c) n=24.
5 CONCLUSIONS
Cette tude a port sur la rgionalisation des prcipitations
journalires maximales annuelles, dans le but dobtenir une
qualit fiable de lestimation des quantiles extrmes dans
les stations de la rgion dtude. La mthode danalyse
rgionale frquentielle base sur les L-moments introduite
par Hosking et Wallis (1997) a t utilise. Lapplication de
test dhomognit a permis de diviser la zone dtude en
deux rgions statiquement homognes. Le groupement des
stations prsente une cohrence gographique et

182
 Approche rgionale pour lestimation des prcipitations journalires extrmes du Nord Est Algrien
climatique. La premire rgion est constitue des stations
situes dans la partie nord de la rgion dtude caractrise
par un climat mditerranen. Les stations de la deuxime
rgion sont situes dans sa partie sud caractrise par un
climat semi-aride.
Ltape importante de lanalyse rgionale a t
lindentification de la distribution rgionale de chaque
rgion homogne. Les distributions trois paramtres GEV,
LN3, GLO et P3 ont t testes. Parmi ces dernires, selon
le test de la Z-statistique et le diagramme des rapports des
L-moments, la distribution GEV a t identifie comme la
plus adquate distribution rgionale pour la rgion 1et la
distribution LN3 pour la rgion 2.
La courbe de croissance rgionale a t tablie pour chaque
rgion homogne sur la base des paramtres de la
distribution rgionale. Ainsi, pour estimer les prcipitations
associes aux diffrentes priodes de retour en un site
donn dune rgion homogne, il faut multiplier les valeurs
du quantile rgional correspondant aux mmes priodes de
retour par la moyenne des prcipitations journalires
maximales.
Pour valuer la prcision et quantifier les incertitudes
de lestimation des quantiles rgionaux le test de simulation
Monte Carlo a t effectu. Les faibles valeurs de la REQM
relative dmontrent la fiabilit de la mthode applique.
La comparaison des quantiles des prcipitations
extrmes estims partir de lapproche rgionale et locale a
montr que pour 50.4% des stations de la rgion dtude les
modles locaux sous estime les quantiles de fortes priodes
de retour.
REFERENCES
[1] Alila, Y. (1999) A hierarchical approach for the
regionalization of precipitation annual maxima in
Canada. J Geophys Res. 104(D24), 31645-31655.
[2] Cannarozzo, M., DAsaro, F., & Ferro, V. (1995)
Regional and frequency analysis for Sicily using the
two component extreme value distribution. Hydrol.
Sci. J. 40(1), 19-42.
[3] Djerboua, A. (2001) Prdtermination des pluies et
crues extrmes dans les Alpes franco-italiennes.
Prvision quantitative des pluies journalires par la
mthode des analogues. Thse de doctorat de lInstitut
National Polytechnique de Grenoble, France.
[4] Dalrymple, T. (1960) Flood frequency methods. US
Geol. Survey Water Supply Paper. 1543A, 11-51.
[5] GREHYS (1996a) Presentation and review of some
methods for regional flood frequency analysis. J.
Hydrol. 186, 63-84.
[6] Gaal, L., Kysely, J. & Szolgay, J. (2008). Region-of-
influence approach to a frequency analysis of heavy
precipitation in Slovakia. Hydrol. Earth Syst. Sci. 12,
825-839.
183
[7] Gellens, D. (2002). Combining regional approach and
data extension procedure for assessing GEV
distribution of extreme precipitation in Belgium. J.
Hydrol. 268,113-126.
[8] Hosking ,J. R. M. (1990) L-moments: analysis and
estimation of distribution using linear combination of
order statistics. J. Roy. Statis. Soc. B52 (1), 105-124.
[9] Hosking ,J. R. M. &. Wallis, J. R. (1993) Some
statistics useful in regional frequency analysis. Water
Resour. Res. 29(2), 271-281.
[10] Hosking, J. R. M. & Wallis, J. R. (1997) Regional
frequency analysis: an approach based on L-moments.
Cambridge University Press, Cambridge, UK.
[11] Koutsoyiannis, D. (2004) Statistics of extremes and
estimation of extreme rainfall: II. Empirical
investigation of long rainfall records. Hydrol. Sci. J.
49(4), 591-610.
[12] Kysely. J & Picek, J. (2007) Regional growth curves
and improved design value estimates of extreme
precipitation events in the Czech Republic. Climate
Research. 33, 243-255.
[13] Mora, R. D., Bouvier, C., Neppel, L. & Neel, H.
(2005) Regional approach for the estimation of low-
frequency distribution of daily rainfall in the
Lanquedoc-Roussiillon region, France. Hydrol. Sci. J.
30(1), 85-109.
[14] Mebarki, A. (2005) Hydrologie des bassins de lest
Algrien: Ressources en eau, amnagement et
environnement. Thse de doctorat dtat. Universit
Mentouri de Constantine, Algrie.
[15] Nguyen, V. T. V., Nguyen, T. D. & Ashkar, F. (2002)
Regional frequency analysis of extreme rainfall. Water
Sci. Techn. 45(2), 75-81.
[16] Norbiato, D., Borga, M., Sangati, M. & Zanon, F.
(2007). Regional frequency analysis of extreme
precipitation in the eastern Italian Alps and the August
29, 2003 flash flood. J. Hydrol. 345,149-166.
[17] Ouarda, T. B. M., Long, M., Bobe, B., Bernier, J. &
Bois, P. (1999) Synthse de modles rgionaux
destimation de crues utilises en France et au Qubec.
Rev. Sci. Eau 12(1), 155-182.
[18] Ouarda, T. B.M., St-Hilaire, A. & Bobe, B. (2008)
Synthse des dveloppements rcents en analyse
rgionale des extrmes hydrologiques. Rev. Sci. Eau
21(2), 219-232.
[19] Overeem, A., Buishand, A. & Holleman, I. (2007)
Rainfall depth-duration-frequency curves and their
uncertainties. J. Hydrol. 348, 124-134.
[20] Rousseeuw PJ (1987). Silhouettes: A graphical aid to
the interpretation and validation of cluster analysis. J.
Computat. Appl. Math. 20,53-65.
[21] St-Hillaire, A., Ouarda, T. B. M., Lachange, M.,
Bobe, B., Barbet, M. & Bruneau, P. (2003) La
rgionalisation des prcipitations : une revue
bibliographique des dveloppements rcents. Rev. Sci.
Eau 16, 27-54.
 T.Benabdesselam & al

[22] Sveisson, O. G. B., Salas, J. & Duane, G. B. (2002) [23] Versiani, B. R., De Andrade Pinto, E. J. & Bois, P.
Regional frequency analysis of extreme precipitation (1999) Analyse des pluies extrmes annuelles sur la
in northern Colorado and the Fort Collins flood of rgion de Ninas Gerais (Brsil) : modle de
1997. J. Hydrol. Engng. ASCE. 7(1), 49-63. rgionalisation TCEV. IAHS Publ. 255, 201-207.

184