24/04/2016 Outils daide la

dcision pour la
gestion optimale
des ressources
en eau
Revue bibliographique,
mthodologie et cas dtudes en
Tunisie

Dr. Issam Nouiri

 Table des matires

Table des matires .............................................................................................................................................. 1

Liste des acronymes ........................................................................................................................................... 3
Liste des figures.................................................................................................................................................. 4
Liste des tableaux ............................................................................................................................................... 5
Chapitre 1. Introduction gnrale ....................................................................................................................... 6
Chapitre 2. Synthse bibliographique................................................................................................................. 8
2.1 Introduction .............................................................................................................................................. 8
2.2 Revue des recherches sur les DSS pour la gestion des ressources en eau ................................................ 8
2.3 Objectifs de la GRE et mthodes de rsolutions .................................................................................... 11
2.4 Logiciels daide la dcision en GRE ................................................................................................... 13
2.5 Conclusions ............................................................................................................................................ 15
Chapitre 3. Mthodologies ............................................................................................................................... 17
3.1 Introduction ............................................................................................................................................ 17
3.2 Approche mthodologique globale de la GORE .................................................................................... 17
3.3 Modlisation de la gestion des ressources en eau par WEAP ................................................................ 18
3.4 Modle conceptuel des systmes physiques ........................................................................................... 20
3.5 Modle doptimisation de la gestion des ressources en eau ................................................................... 22
3.5.1 Formulation des problmes doptimisation de la GRE.................................................................... 22
3.5.2 Le modle doptimisation de la GRE ............................................................................................... 26
Chapitre 4. Rsultats et discussions.................................................................................................................. 30
4.1 Introduction ............................................................................................................................................ 30
4.2 Prsentation des cas dtudes : ............................................................................................................... 30
4.2.1 Systme de mobilisation des eaux du Nord de la Tunisie ............................................................... 31
4.2.2 Bassin versant de la Medjerda ........................................................................................................ 32
4.2.3 Principaux bassins versants transfrontaliers Tuniso-Algriens, ...................................................... 33
4.2.4 Nappe de Zeuss Koutine .................................................................................................................. 34
4.2.5 Station de traitement de Ghdir El Golla ........................................................................................ 34
4.2.6 Cas dtude hypothtique ............................................................................................................... 36
4.3 Principaux Rsultats ............................................................................................................................... 38
4.3.1 Systme de mobilisation des eaux du Nord de la Tunisie. .............................................................. 38

DR. ISSAM NOUIRI 1

 4.3.2 Modlisation des coulements de surface et du systme hydraulique du bassin versant de la
Medjerda. ................................................................................................................................................. 41
4.3.3 Modlisation de la gestion des ressources en eau des bassins versants transfrontaliers Tuniso-
Algriens. .................................................................................................................................................. 44
4.3.4 Modlisation de la gestion de la Nappe de Zeuss Koutine ............................................................. 49
4.3.5 Conclusions sur les outils de modlisation de la GRE ..................................................................... 52
4.3.6 ALL_WATER, un outil doptimisation multi-objectif de la GRE........................................................ 53
4.3.7 ALL_WATER_gw, un outil doptimisation multi-objectif de la GRE dans la plateforme de WEAP-
MODFLOW. ............................................................................................................................................... 55
4.5 Conclusions ............................................................................................................................................ 63
Chapitre 5 Conclusion Gnrale et perspectives de recherche ......................................................................... 64
Rfrences bibliographiques ............................................................................................................................ 65

DR. ISSAM NOUIRI 2

 Liste des acronymes
AEP Alimentation en Eau Potable
AFD Agence Franaise de Dveloppement
AG Algorithmes Gntiques
API Automated Programming Interface
ATCT Agence Tunisienne de Coopration Technique
BASSINS Better Assessment Science integrating point and Non point Sources
DGBGTH Direction Gnrale des Barrages et des Grands Travaux Hydrauliques
DHI Danish Hydraulic Institute
DSS Dcision Support System
ET0 Evapotranspiration de rfrence.
ESAK Ecole Suprieure dAgriculture du Kef
GIRE Gestion Intgre des Ressources en Eau
GORE Gestion optimale des ressources en eau
GRE Gestion des ressources en eau
GREF Gnie Rural Eaux et Fort
GWP Global Water Partnership
HAR Hydraulique et Amnagement Rural
INAT Institut National Agronomique de Tunisie
IQQM Integrated Quality and Quantity Model
MOGA Algorithme Gntique multi-objectif
PFE Projets de fin dtude
QDNR Queensland Department of Natural Resources
RIBASIM RIver BAsin SIMulation
RNA Rseaux de Neurones Artificiels
SAD Systmes daide la dcision
SEI Stockholm Environment Institute
SIG Systme d'information gographique
SONEDE Socit Nationale dExploitation et de Distribution des Eaux
SWAT Soil and Water Assessment Tool
WEAP Water Evaluation and Planning
WinHSPF Windows Hydrological Simulation Program-Fortran

DR. ISSAM NOUIRI 3

 Liste des figures
Figure 1. Evolution du nombre de publications sur les DSS et la GRE (SCOPUS) entre 1985 et 2014.......... 10
Figure 2. Distribution des publications en matire de DSS et de GRE par revue scientifique (SCOPUS) entre
1985 et 2014. .................................................................................................................................................... 10
Figure 3. Modle conceptuel du DSS propos pour la GORE. ........................................................................ 16
Figure 4. Mthodologie de dveloppement d'un DSS pour la GORE .............................................................. 17
Figure 5. Schma du lien dynamique entre WEAP et MODFLOW (SEI, 2008). ............................................ 18
Figure 6. Etapes de la modlisation des systmes hydrologiques par WEAP. ................................................. 19
Figure 7. Schma du modle conceptuel de la modlisation des RE. .............................................................. 21
Figure 8. Organigramme de lAlgorithme Gntique Multi-Objectif. .............................................................. 29
Figure 9. Localisation des zones d'tudes pour le dveloppement de DSS et l'optimisation de la GRE.......... 30
Figure 10. Rpartition gographiques des barrages en Tunisie (DGBGTH). .................................................... 31
Figure 11. Localisation et tendue du bassin versant de la Medjerda (DGBGTH). .......................................... 32
Figure 12. Principaux bassins versant transfrontaliers Tuniso-Algriens......................................................... 33
Figure 13. Localisation de la nappe de Zeuss Koutine, Tunisie. ....................................................................... 34
Figure 14. Images Google Earth du nord de la Tunisie (a) et de la station Ghdir El Golla (b) ........................ 35
Figure 15. Schma conceptuel du modle hypothtique WEAP-MODFLOW .................................................. 37
Figure 16. Schma conceptuel du systme de mobilisation des eaux du Nord de la Tunisie sous WEAP....... 38
Figure 17. Bilans journaliers des 32 barrages du systme de mobilisation des eaux du Nord considrs dans
le modle. ......................................................................................................................................................... 39
Figure 18. Bilans annuels des entres et des sorties d'eau dans les barrages du systme hydraulique de la
Medjarda. ......................................................................................................................................................... 39
Figure 19. Variations journalires observe et simule du volume d'eau du barrage Joumine de 2008
2012. ................................................................................................................................................................. 40
Figure 20. Compilation de rsultats de modlisation dans une mme vue de linterface de WEAP............... 41
Figure 21. Modle de gestion des RE du bassin versant de la Medjerda sous WEAP. ..................................... 42
Figure 22. Carte de distribution des coulements de surface dans les rivires du modle de la Medjerda. .. 43
Figure 23. Demandes en eau et schma d'allocation propos par WEAP le 1ier Aot 2012 pour une partie du
bassin versant de la Medjerda. ........................................................................................................................ 43
Figure 24. Courbes isohytes des prcipitations annuelles pour les annes hydrologiques 2008/09 (1),
2009/10 (2), 2010/11 (3) et 2012/13 (4). ......................................................................................................... 45
Figure 25. Evapotranspiration journalire moyenne des stations climatologiques principales de la zone
dtude. ............................................................................................................................................................ 46
Figure 26. Schma conceptuel du modle de gestion des ressources en eau de surface des bassins
transfrontaliers Tuniso-Algriens. .................................................................................................................... 46
Figure 27. Courbe hauteur volume du barrage Mellgue. ............................................................................... 47
Figure 28. Modulation des dbits dans les cours d'eau transfrontaliers Tuniso-Algriens du 1ier Septembre
2008 au 31 Aout 2013. ..................................................................................................................................... 47
Figure 29. Ecoulements de surface transfrontaliers Tuniso-Algriens le 28 Fvrier 2012 travers la
Medjerda (1), Mellge (2) et Oued El Kbir (3). ................................................................................................. 48
Figure 30. Modle conceptuel du systme hydrogologique de la nappe Zeuss Koutine............................... 50
Figure 31. Aperu de la base de donnes du fichier de liaison WEAP-MODFLOW configur pour le projet
Zeuss Koutine. .................................................................................................................................................. 50

DR. ISSAM NOUIRI 4

Figure 32. Estimations des demandes en eau potable mensuelles des villes du Sud Est de la Tunisie. .......... 51
Figure 33. Solution de desserte de la Ville de Jerba partir des quatre sources d'eau disponibles. .............. 51
Figure 34. Evolutions simules des charges de trois pizomtres de la nappe de Zeuss Koutine de 1982
2030. ................................................................................................................................................................. 52
Figure 35. Schma conceptuel de la GRE de la station de traitement de Ghdir El Golla. .............................. 54
Figure 36. Front de Pareto de solutions optimales pour la GRE de la station Ghedir El Golla. ....................... 54
Figure 37. Interface d'optimisation de ALL_WATER_gw. ................................................................................. 56
Figure 38. Nombre de solutions optimales en fonction de Pm-Pc-Pe. ............................................................ 57
Figure 39. Effet de la taille de la population et de Pm-Pc-Pe sur le temps d'excution. ................................. 58
Figure 40. Evolution des valeurs des fonctions objectifs lors de l'optimisation de la gestion de l'aquifre
hypothtique. ................................................................................................................................................... 59
Figure 41. Front de Pareto des solutions optimales identifies par ALL_WATER_gw pour le cas d'tude
hypothtique. ................................................................................................................................................... 59
Figure 42. Distribution spatiale des charges des cellules dans les couches 1, 2 et 3 la fin de la premire
anne de la priode de simulation (12/2011) et la fin de la priode d'optimisation (12/2012) pour les
scnarios de "Rfrence" et optimal................................................................................................................ 61
Figure 43. Vue 3-D de la distribution de la charge des cellules de l'aquifre tudi lorsque la solution A est
applique. ......................................................................................................................................................... 62

Liste des tableaux

Tableau 1. Auteurs, objectifs doptimisation et mthodes de rsolution utilises............................................ 11

Tableau 2. Volumes et salinits des trois sources d'eau S1, S2 et S3. ............................................................. 36
Tableau 3. Capacits et prix unitaires de transit des liaisons de transmission. ............................................... 36
Tableau 4. Surfaces des sous bassins versants de la zone dtude .................................................................. 44

DR. ISSAM NOUIRI 5

1. Introduction gnrale
Dans les rgions arides et semi-arides, tels les cas des pays de la rive Sud de la Mditerrane comme
la Tunisie, le dveloppement est conditionn par la disponibilit des ressources naturelles. Dans les
rgions vocation agricoles, l'eau et le sol sont les principaux facteurs ncessaires pour initier et
maintenir un dveloppement durable. Les dcideurs, les ingnieurs et les agriculteurs essaient
toujours de mobiliser l'eau et conserver les terres pour la production agricole et pour fournir l'eau
potable pour les populations, les animaux et les besoins de l'environnement. Des politiques de
protections des villes contre les inondations ont conduits la construction douvrages qui ont
chang catgoriquement des systmes hydrogologiques naturels en des systmes hydrauliques
fortement contrls. Lorsque l'eau de surface nest pas suffisante pour subvenir aux besoins
agricoles et urbains, de gros efforts sont dploys pour profiter des eaux souterraines et celles non
conventionnelles (eaux saumtres, eaux de mer, eaux uses).

Comme consquences positives de telles approches de dveloppement, lamlioration du bientre

des populations, laugmentation de la production agricole et ltablissement dactivits
conomiques entre les rgions de production et celles de consommation. Cependant, chaque option
de dveloppement peut avoir des impacts ngatifs sur l'environnement et la sant humaine court,
moyen et long termes (rabattements excessifs des niveaux des nappes, salinisation des eaux
souterraines, dsquilibres des systmes naturels, maladies dorigine hydrique, etc).

Dans lobjectif de rduire les impacts ngatifs de la gestion des ressources en eau, le concept de la
Gestion Intgre des Ressources en Eau (GIRE) a t promu par le Partenariat Mondial de leau (The
Global Water Partnership - GWP), rseau mondial qui fournit des connaissances et renforce les
capacits pour une gestion durable des ressources en eau. Ce concept tant dfini comme un
processus favorisant le dveloppement et la gestion coordonns des ressources en eau, du sol et des
ressources associes, permettant de maximiser les bnfices conomiques et sociaux, de faon
quitable sans compromettre la prennit des cosystmes vitaux (GWP, 2000). Pour assurer la
GIRE, Giupponi (2007) a soulign quun grand nombre de secteurs tels que lenvironnement,
lnergie, lindustrie, lagriculture et le tourisme doivent tre pris en considration. Pahl-Wostl
(2007) a ajout que l'objectif de la GIRE est de maintenir et damliorer ltat dune ressource
environnementale affecte par lactivit humaine. En outre, la gestion doit garantir des services
fournis par la ressource, prvenir les dommages et maintenir son tat pour les gnrations futures
ainsi que le respect du maintien de lintgrit de lcosystme.

Face la complexit de la mise en application du concept de la GIRE et en vue de sen approcher,

les recherches en gestion des ressources en eau se sont orientes vers des questions spcifiques.
Les problmes les plus souvent abords portent sur la satisfaction des demandes (De Fraiture et
Wichelns, 2010), lutilisation efficace de l'eau (Namara et al., 2010) et lamlioration de sa
productivit (Molden et al., 2010), les effets du changement climatique sur les vnements

DR. ISSAM NOUIRI 6

hydrologiques (Bates et al., 2008; IPCC, 2013), limpact de laccroissement de la population et des
options de gestion sur les comportements des aquifres (Hadded et al, 2013), laugmentation de la
consommation de lnergie par le pompage (Fonseca et al., 2013), la dgradation de la qualit des
eaux en raison du problme de la salinisation comme consquence du pompage excessif (Gholami
et al., 2010), du recyclage des sels en irrigation, les processus dinteractions eau-roches
(Mongelli et al., 2013) ou de l'intrusion deau de mer pour les aquifres ctiers (Singh, 2014).

La GIRE est une tche difficile en raison de plusieurs facteurs : la complexit des systmes
hydrauliques naturels et artificiels (grand nombre de sources, de sites de la demande et de liaisons
dadduction et de distribution); les longueurs des priodes de gestion et les nombres de pas de
temps et la variabilit spatio-temporelle des priorits de gestion (Chang 2008; Giupponi 2007; Ren
et al., 2013).

Pour aboutir lapplication de la GIRE et faire face aux difficults, Giopponi (2007) et Fu (2008) ont
recommand le dveloppement de modles (Croissance, production, besoin en eau, hydrologie,
hydrogologie, hydraulique, qualit, conomie, etc) qui changent des donnes dentre et de
sortie et que les mthodes d'optimisation pourraient facilement tre intgres pour laborer des
Systmes daide la dcision (SAD) ou Dcision Support System (DSS) qui soutiennent les
dcideurs.

Les gestionnaires doivent trouver les solutions optimales qui rpond aux exigences de la demande
en termes de volume et de qualit, tout en essayant de minimiser les cots tout au long de la priode
de gestion (Zhang et al., 2012). Les aspects environnementaux et socio-conomiques peuvent tre
des objectifs supplmentaires de la gestion (Giupponi, 2007). Les solutions optimales doivent aussi
satisfaire un grand nombre de contraintes.

La synthse des publications scientifiques en matire de gestion des ressources en eau renseigne
sur lexistence dune gamme doutils de modlisation et dapproches et mthodes doptimisation. Il
est important pour un pays soumis laridit dans une grande partie de son territoire, tels que la
Tunisie, de disposer dapproches, doutils et des donnes suffisantes pour assurer la meilleure
gestion des ressources en eau. Ce besoin serait de plus en plus ressentie paralllement la
dtrioration de lquilibre Ressources-Besoins et lamplification des effets des changements
climatiques prvisibles.

Les problmatiques qui se prsentent ce niveau portent essentiellement sur le choix des modles
et des outils daide la dcision utiliser, les disponibilits des donnes ncessaires et sur
lapproche doptimisation adopter.

Une synthse bibliographique des travaux de recherche publis sur la gestion des ressources en eau,
les outils daide la dcision et sur loptimisation forme le chapitre 2. Dans le chapitre 3 de ce
rapport est dtaill la mthodologie propose pour rsoudre le problme de la GORE formul. Les

DR. ISSAM NOUIRI 7

rsultats obtenus pour le cas dtude bibliographique et ceux rels sont dtaills au chapitre 4. La
conclusion gnrale de cette recherche est consigne au chapitre 5.

2. Synthse bibliographique
2.1 Introduction

Pour assurer la desserte de leau et anticiper les impacts ngatifs des changements climatiques
annoncs pour les prochaines dcennies (Bates et al., 2008 ; IPCC, 2013), il est ncessaire de se
doter doutils et de mthodologies capables doptimiser lallocation de leau. Jothiprakash and
Ganesan (2006) et Suiadee and Tingsanchali (2007) ont soulign quil ya une immense ncessit
damliorer lefficience de lutilisation des ressources disponibles.

Ce chapitre est conu pour dresser un tat des lieux des recherches scientifiques portant sur la
gestion des ressources en eau, les outils daide la dcision et sur loptimisation. Il sera prsent
dans ce chapitre une chronologie des dveloppements des DSS en soulignant leurs principaux rles,
les objectifs considrs ainsi que les mthodes de rsolutions utilises. Il sera aussi dress, la fin
du chapitre, une discussion des publications analyses pour dfinir lorientation des recherches
proposes.

2.2 Revue des recherches sur les DSS pour la gestion des ressources en eau

La durabilit des ressources en eau dpend de la qualit de leur gestion. Cest ainsi que la
communaut scientifique a propos plusieurs outils DSS pour aider les gestionnaires et les
planificateurs la prise de dcision.

Loucks et da Costa (1991) ont dfini les DSS comme des outils informatiss, ayant des
caractristiques graphiques et de modlisation interactifs pour rpondre aux problmes spcifiques
et aider les personnes dans leurs tudes et de chercher des solutions aux problmes de gestion.
McCartney (2007) a soulign que les DSS sont destins fournir aux gestionnaires des ressources
en eau l'aide pour prendre des dcisions rationnelles fondes, autant que possible, sur une
valuation objective des questions. L'auteur considre un DSS tout logiciel ou outil qui aide le
processus de prise de dcision lors de la planification et lexploitation des ressources en eau et de
lallocation de leau entre les diffrents secteurs.

La dernire dcennie a vu la mise en uvre de nombreux outils pour la gestion des ressources en
eau (GRE). Mysiak et al. (2005) ont dvelopp un DSS pour la GRE intgrant des modles
hydrologiques avec les procdures d'valuation multicritres. Rees et al. (2006) a propos un logiciel
pratique pour aider faire un bilan hydrique entre les ressources et la demande en eau.

Giupponi (2007) a dvelopp un DSS pour la GIRE pour aider le dcideur dans lallocation de l'eau
entre les diffrents secteurs. Khare et al. (2007) ont propos un modle d'optimisation conomique
simple pour explorer l'utilisation conjonctive potentielle des ressources de surface et souterraines.

DR. ISSAM NOUIRI 8

Letcher et al. (2007) ont fourni un cadre conceptuel gnralis en tenant compte de lallocation de
l'eau, de la production agricole et les dcisions de lutilisation de l'eau et leur interaction avec le
systme de flux. Li et al. (2007) ont dvelopp une mthode pour la GRE dans des conditions
incertaines pour aider les gestionnaires des ressources en eau identifier les conceptions de
systmes souhaits dans les priodes de pnurie d'eau ou d'inondation avec un bnfice maximal
et un risque de dfaillance minimal du systme.

Ioris et al. (2008) ont propos la formulation et l'application d'un cadre dindicateurs de GRE
lchelle du bassin versant visant intgrer les aspects environnementaux, conomiques et sociaux
de la durabilit. Van Cauwenbergh et al. (2008) ont dvelopp un DSS pour classer les diffrentes
alternatives de planification et de gestion durables en fonction de leurs performances socio-
conomiques et environnementales dans la satisfaction de la demande en eau, prix, efficacit
technique et conomique et les impacts sociaux et environnementaux.

Liu et al. (2010) ont abord la GIRE en utilisant une approche fonde sur l'optimisation.

Sedki et Ouazar (2011) ont explor les calendriers de pompage optimaux qui rpondent aux
demandes en eau actuelles et futures tout en minimisant le risque d'impacts ngatifs et
environnementaux. Gaivoronski et al. (2011) ont abord la problmatique de la gestion de l'eau et
ont obtenus une politique de dcision robuste.

Coelho et al. (2012) ont prsent un outil DSS pour la rgionalisation l'appui de la GIRE au moyen
dun Systme d'information gographique (SIG) et un algorithme de classification de
programmation dynamique modifie. Il offre la possibilit pour les dcideurs dinclure les aspects
socio-conomiques, politiques et environnementaux dans l'analyse.

Zhang et al. (2012) ont propos un modle de dcision/ngociation multi-partie et multi-objectif sur
la base du principe de satisfaction pour la prise de dcision dans les systmes de transfert deau
entre les bassins.

Carmona et al. (2013) ont propos une approche de modlisation participative, applique en deux
sites, pour appuyer la prise de dcision en gestion de leau et lagriculture. Les acteurs taient
largement satisfaits de la possibilit de participer la construction du modle et des sorties
numriques des scnarios.

Lorz et al. (2013) ont adopt un outil daide la planification pour montrer leffet du changement
de lutilisation du sol sur les fonctions et les processus du milieu. Ce choix a permis de produire des
rsultats spatialiss explicites et permet aux utilisateurs non experts participer la planification
de lutilisation du sol.

Nouiri (2014) a propos un outil multiobjectif, appel ALL_WATER , pour l'optimisation de la

gestion des ressources en eau. L'approche de modlisation et la souplesse de prise de dcision
prouvent que l'outil dvelopp est capable d'identifier efficacement un ensemble de solutions
optimales sur un front de Pareto.

DR. ISSAM NOUIRI 9

Une analyse des publications scientifiques en matire de DSS est ralise en vue dexaminer
limportance des travaux raliss sur les DSS et la GRE. Cette tude a concern la base de donnes
SCOPUS . La recherche des documents est faite en utilisant les phrases Decision Support
System et Water Resources Management . Quatre cent (400) publications scientifiques ont t
publies entre 1985 et 2014. Elles sont analyses dans les figures suivantes :

40
35
Nombre d epublications

30
25
20
15
10
5
0
1985
1986
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
Anne

Figure 1. Evolution du nombre de publications sur les DSS et la GRE (SCOPUS) entre 1985 et
2014.

Le graphique de la figure 1 exprime laugmentation de lintrt aux DSS dans la GRE au milieu des
annes 90, puis une tendance vers lvolution depuis le dbut des annes 2000. La distribution des
publications selon les revues est donne la figure 2.

Figure 2. Distribution des publications en matire de DSS et de GRE par revue scientifique
(SCOPUS) entre 1985 et 2014.

Le dernier graphique montre bien que les deux revues Water Resources Management et
Environmental Modelling and Software ont le plus publis dans ce domaine avec 24 et 16
articles, respectivement.

DR. ISSAM NOUIRI 10

2.3 Objectifs de la GRE et mthodes de rsolutions

Les principaux objectifs pris en considration par les DSS dvelopps dans le cadre des travaux cits
ci-dessus sont de trois types. Il est formul essentiellement des objectifs se rapportant lutilisateur
de leau (potable ou irrigation), des objectifs conomiques, qui peuvent tre soit la minimisation
des charges de mobilisation, du transport et de la distribution ou la maximisation du bnfice due
lutilisation de leau. Il est aussi considr des objectifs environnementaux. Il sagit essentiellement
de la minimisation des impacts ngatifs des utilisations de leau sur les aquifres (rabattement,
intrusion marine), la pollution des ressources (de surface et souterraines) et les bassins versants.
Des objectifs composites ont t aussi proposs par certains chercheurs. Le tableau 1 rsume les
objectifs et les mthodes de rsolution utilises :

Tableau 1. Auteurs, objectifs doptimisation et mthodes de rsolution utilises

Auteurs Objectifs doptimisation
Letcher et al. (2007) Satisfaction de la demande
Van Cauwenbergh et al. Satisfaction de la demande
(2008) Respect de lintgrit de
lenvironnement
Sedki and Ouazar (2011) Satisfaction de la demande
Impact sur lenvironnement
Salinit
Khare et al. (2007) et Cai
(2007) Maximisation du bnfice net de
Li et al. (2007) lutilisation de leau
Prato and Herath (2007)
Moradi-Jalal et al. (2007)
Liu et al. (2010) Minimisation du cot
dinvestissement et de gestion
Yazdi et Salehi Minimisation du cot
dinvestissement
Neyshabouri (2012)
Moradi-Jalal et al. (2007) Maximisation du bnfice annuel
Ayvaz (2009)
Aspects Socio-conomiques et
Sedki and Ouazar (2011) environnementaux
Coelho et al. (2012).
Carmona et al. (2013)
Zhang et al. (2012) Satisfaction de la demande
Nouiri (2014) Satisfaction de la demande
Rduction du cot de leau
Salinit
Mthodes de Rsolution
Programmation Dynamique
Analyse multicritre
successive
Algorithme Gntique
Programmation linaire
Programmation stochastique
en nombre entiers
Analyse de dcision
multicritre
Programmation linaire
Programmation linaire en
nombre entiers mixte
Algorithme Gntique
Programmation linaire
Recherche de lHarmonie
Algorithme Gntique
Recherche de lHarmonie
Algorithme Gntique
Programmation Dynamique
Rseaux Baysiens
Reconnaissance des formes
floues
Algorithme Gntique
Concept doptimalit de
Pareto

DR. ISSAM NOUIRI 11

Les paragraphes suivants discutent les principaux objectifs noncs dans les rfrences
bibliographiques analyss ainsi que les mthodes utilises pour rsoudre les problmes formuls.

Lors de la formulation de problmes doptimisation de la GRE, lobjectif de la satisfaction de la

demande en eau a t considr par Letcher et al. (2007), Van Cauwenbergh et al. (2008), Sedki et
Ouazar (2011), Zhang et al., (2012) et Nouiri (2014). Il est en gnral minimis une fonction de non
satisfaction des sites de demande pour atteindre cet objectif.

Parmi les objectifs conomiques de la GRE, la maximisation du bnfice net de la consommation est
propose par Cai (2007), Khare et al. (2007), Li et al. (2007), Moradi-Jalal et al. (2007) et Prato et
Herath (2007). Cet objectif implique la formulation dune production agricole ou un service rendu
par lutilisation de leau. La minimisation des cots de l'eau et de son utilisation ont t considrs
dans les problmes doptimisation formuls par Dvarioniene et Stasiskiene (2007) et Nouiri (2014).
Liu et al. (2010) ont fix comme objectifs la minimisation des cots d'investissement et
d'exploitation.

Les aspects socio-conomiques et environnementaux ont t pris en considration dans les travaux
de Prato et Herath (2007), Van Cauwenbergh et al. (2008), Ayvaz (2009) et Sedki et Ouazar (2011).
Gaivoronski et al. (2011) ont utilis une fonction objectif couple cot-risque pour minimiser le
risque de mauvaises dcisions de gestion. Minimiser les cots d'investissement des mesures
d'attnuation des inondations et les dommages potentiels des crues taient les objectifs pris en
compte dans Yazdi et Salehi Neyshabouri (2012).

Laspect qualit a t pris en considration dans les travaux de Sedki and Ouazar (2011) et Nouiri
(2014). Il sagit gnralement de la salinit vu son importance pour leau potable et son effet sur les
rendements des cultures en irrigation. En plus, ce facteur menace la viabilit des systmes
hydrogologiques qui est la consquence du pompage excessif (Gholami et al., 2010), le recyclage
des sels par l'irrigation, les processus dinteractions eau-roches (Mongelli et al., 2013) ou
intrusion d'eau sale pour les aquifres ctiers (Singh, 2014).

Afin de rsoudre les problmes formuls, les auteurs ont utilis des mthodes d'optimisation
mathmatique, comme la programmation linaire (Cai, 2007 ; Khare et al., 2007; Moradi-Jalal et al.,
2007), la programmation entire stochastique (Li et al., 2007), la programmation dynamique
(Letcher et al., 2007) et la programmation linaire entire en nombres mixte (Liu et al., 2011).

Ayvaz (2009) a utilis un algorithme de recherche de lharmonie (Harmony Search) pour rsoudre le
problme de la gestion des eaux souterraines. Cette technique relve des algorithmes
volutionnaires.

Sedki et Ouazar (2011) et Yazdi et Salehi Neyshabouri (2012) ont utilis des algorithmes gntiques
(GA) pour rsoudre les problmes doptimisation formuls. Afin d'obtenir une dcision multi partie
idale, la ngociation a t dcompose en deux tapes par Zhang et al. (2012), puis des alternatives
de dcision ont t choisies en utilisant la mthode de reconnaissance des formes floues.

DR. ISSAM NOUIRI 12

Carmona et al. (2013) ont propos une mthodologie compose de rseaux baysiens, un modle
conomique et un modle de croissance pour modliser le systme tudi et pour valuer les
impacts des scnarios sur les revenus des fermes et sur lenvironnement.

Un algorithme gntique multi-objectif (MOGA) et le concept d'optimalit PARETO ont t utiliss

pour rsoudre le problme formul par Nouiri (2014).

Face tels problmes complexes de la GRE et dans lobjectif de simplifier les rsolutions des
problmes formuls, la somme pondre des fonctions objectifs est gnralement utilise pour
transformer les problmes multi-objectif en des problmes mono-objectif. Cette approche pose le
problme de comparer les importances et du choix des valeurs subjectives de poids de pondration
des fonctions objectifs, selon les priorits de gestion et selon le point de vue du gestionnaire ou du
dcideur.

Il est constater quen plus de lobjectif de satisfaction de la demande en eau, les aspects socio-
conomiques de la GRE sont de plus en plus considrs. Des prospections des relations entre les
usages de leau et les rendements des cultures, les services rendus et les lois des marchs seront
ncessaires pour matriser cette composante de la GRE. Des interfaces entre les modles
hydrologiques, agronomiques et conomiques seraient ncessaires pour garantir la meilleure
modlisation du systme de production.

Les exigences en termes de salinits sont parfois considres comme objectifs principaux de la
gestion ou exprimes comme des contraintes essentielles dans les problmes doptimisation
formuls.

Les dimensions environnementales de la GRE ne peuvent plus tre ngliges pour la durabilit de
tout systme naturel. Les objectifs relatifs aux rabattements des aquifres et la pollution de leau
sont les plus considrs.

Les AG sont utiliss par nombreux chercheurs comme mthodes de rsolution des problmes
doptimisation de la GRE. Les conclusions de travaux antrieurs soulignent que les AG sont plus
efficaces que les techniques classiques d'optimisation (Vasan et Raju, 2008 ; Singh, 2014) et
fournissent une approche adquate, efficace et robuste pour chercher des solutions rationnelles
(Chang, 2008).

2.4 Logiciels daide la dcision en GRE

En plus des efforts dploys par la communaut scientifique pour dvelopper des modles, des
mthodologies et des outils daide la prise de dcision, des firmes internationales exploitent les
rsultats des recherches et dveloppent des logiciels qui offrent une gamme de modles et de
gnrateurs de scnarios pour aider la prise de dcision. Le paragraphe suivant est une
introduction des principaux logiciels considrs comme des DSS pour la GRE.

DR. ISSAM NOUIRI 13

Parmi les logiciels cits en tant que DSS pour la GRE MIKE BASIN , dvelopp par lInstitut
dHydraulique Danois (Danish Hydraulic Institute : DHI), se positionne comme un outil qui vise
tudier la rpartition de l'eau dans un bassin versant. Il peut tudier galement la qualit de leau
et permet de modliser les aquifres. Ce logiciel est riche de modles hydrologiques pour
lestimation des ruissellements dues aux prcipitations. Parmi les limitations de MIKE BASIN
cest quil ne considre pas les aspects socio-conomiques de la GRE.

Le modle BASSINS (Better Assessment Science integrating point and Non point Sources), dvelopp
par lAgence Amricaine de protection de lenvironnement (U.S-Environmental Protection Agency),
effectue des tudes de la qualit de l'eau et lcologique l'chelle des bassins versants. Il fournit
une plateforme de modlisation intgre pour examiner les alternatives de gestion des sources
deau sur le plan environnemental. Parmi ses modles, il est possible de citer PLOAD pour grer
la pollution, SWAT (Soil and Water Assessment Tool) pour lvaluation du sol et leau,
WinHSPF (Windows Hydrological Simulation Program-Fortran) pour les calculs hydrologiques et
QUAL2 pour la modlisation de la qualit dans les cours deau. La limitation de BASSINS est
relative llaboration des scnarios de gestion.

IQQM (Integrated Quality and Quantity Model) est dvelopp par le New South Wales Department
of Land & Water Conservation avec la collaboration de Queensland Department of Natural
Resources (QDNR) . Cest un outil de modlisation hydrologique visant simuler des systmes
fluviaux et de soutenir la planification et l'valuation des impacts des options de gestion des
ressources en eau, la surveillance et la protection de l'environnement. Ses composants sont des
modles des systmes de rivires, pluie-dbit, climat, outil graphique des sorties, outil statistique
et un outil de rcupration des donnes. La limitation principale de loutil est labsence de
fonctionnalit SIG.

RIBASIM (RIver BAsin SIMulation), dvelopp par Delft Hydraulics en Hollande, est un ensemble
de modle pour la planification et la gestion des ressources en eau au niveau du bassin versant
comme il effectue des simulations de lallocation de l'eau. Labsence de fonctionnalits SIG constitue
la limitation du logiciel.

AQUATOOL, dvelopp par Department of Hydraulic and Environmental Engineering at the

Polytechnic University of Valencia (hereinafter DIHMA) , est un systme d'aide la dcision qui se
compose de modules pour la simulation et l'optimisation, la modlisation et l'valuation des risques,
de la planification des ressources en eau et la gestion oprationnelle l'chelle des bassins versants.
Il permet la simulation et la comparaison de politiques et de donnes hydrologiques. De plus, il offre
une possibilit dvaluer les risques. Ce logiciel est essentiellement un outil doptimisation de
lallocation de leau. En plus de labsence de fonctionnalit SIG, AQUATOOL nintgre pas les aspects
conomiques et cologiques de la GRE.

WEAP (Water Evaluation And Planning System), est dvelopp par Stockholm Environment
Institute's Boston Center at the Tellus Institute, USA . Cest un outil de planification des ressources
en eau. L'outil value une gamme complte d'options de dveloppement de l'eau et de gestion, et

DR. ISSAM NOUIRI 14

tient compte des multiples utilisations concurrentes de leau. WEAP permet dtablir des liens
dynamiques vers d'autres modles et des logiciels tels que MODFLOW (SEI, 2008), un programme
informatique qui rsout numriquement l'quation d'coulement des eaux souterraines en trois
dimensions pour un milieu poreux en utilisant la mthode des diffrences finies (Harbaugh, 2005).
Des tudes de cas en Tunisie ont dmontr l'utilit d'un tel cadre pour valuer les performances de
la gestion de l'eau et des scnarios de planification (Hadded et al., 2013). La limitation de WEAP est
labsence de fonctionnalits SIG. Il utilise les couches cartographiques comme fond de plan pour
laborer les schmas conceptuels des zones dtudes.

Devant les complexits des processus naturels, des fonctionnements des infrastructures et du
contexte socio-conomique, il est ncessaire pour un gestionnaire ou un planificateur des
ressources en eau de se doter de loutil le plus efficient. Face la large gamme de logiciels
disponibles et de mthodologies et utilitaires proposs par la communaut scientifique, le choix
dun DSS savre difficile. Cest pour cette raison quune comparaison entre les outils les plus utiliss
(liste restreinte) est ncessaire. En plus des fonctionnalits minimales exiges, la comparaison des
outils, informatique ou non, est gnralement faite sur la base de laccessibilit loutil, le cot de
son acquisition, son exigence en donnes et la facilit de son utilisation.

Parmi les logiciels prsents dans les paragraphes prcdents, il est utile de souligner que MIKE
BASIN et AQUATOOL ne considrent pas les aspects socio-conomiques de la GRE. BASSINS, noffre
pas la fonctionnalit dlaborer des scnarios et IQQM ne permet pas dintgrer la modlisation des
aquifres. Ces quatre logiciels peuvent tre considr non satisfaisants en termes de
fonctionnalits. Ajoutons que MIKE BASIN, AQUATOOL et RIBASIM sont payants.

Le logiciel gratuit qui offre une large gamme de fonctionnalits et de calculs hydrologiques, qui
modlise les aspects socio-conomiques et qui permet un interfaage avec un outil de modlisation
des aquifres est WEAP. Il est soumis loctroi dune licence gratuite de la part de lditeur (SEI),
renouvelable annuellement, pour les pays en voie de dveloppement.

Il est aussi important de signaler que cet outil offre des possibilits de communication avec dautres
logiciels et langages de programmation (tel que VBA), travers son interface de programmation
automatique (Automated Programming Interface (API)).

A lissue de cette analyse de la situation des DSS disponibles, il est choisi dadopter le logiciel WEAP
pour essayer de dvelopper des outils daide la dcision pour la GRE. Il sera dtaill dans la partie
mthodologie lapproche de WEAP et des cas dtudes seront exposs dans la partie prsentation
des rsultats de ce document.

2.5 Conclusions

La synthse bibliographe montre quil existe un besoin en outils daide la dcision. Ce besoin sest
converti en des efforts de dveloppements doutils (par les scientifiques) et de logiciels (par les
organisations et les firmes de dveloppement privs). Deux catgories de DSS sont retenir. La
premire est forme par ceux assurant la modlisation des systmes hydrogologiques et leurs

DR. ISSAM NOUIRI 15

interactions avec les contextes socio-conomiques. Il sagit ici de suite de modles collaboratifs qui
peuvent tre utiliss pour simuler des alternatives de gestion, de politiques et des scnarios
climatiques et damnagement. La deuxime catgorie reprsente les outils assurant le calcul de
scnarios optimaux par lusage de techniques doptimisation. Cette option require soit le
dveloppement des modles hydrogologiques et socio-conomiques et les techniques
doptimisation ou linterfaage dune technique doptimisation avec un logiciel de modlisation de
la GRE.

Les travaux de recherche sur loptimisation de la GRE orientent vers la prise en compte des objectifs
de la satisfaction de la demande, en termes de quantit et de qualit, conomique (cot de leau et
rentabilit) et environnementaux (rabattement des aquifres et pollution). La prise en compte des
contraintes du systme est aussi une condition pour pouvoir driver les meilleures solutions aux
problmes de la GRE. Il sagit ainsi dun problme doptimisation multi-objectif et soumis plusieurs
contraintes. La rsolution de tels problmes complexes, du fait du nombre dobjectifs et des
contraintes, de la complexit du systme physique (nombre de sources, demandes et liaison de
transmission deau) et du nombre de pas de temps de simulation, ncessite une technique
doptimisation efficiente et robuste. Lexamen des travaux scientifiques publis montre bien que les
AG sont les plus utiliss et ont donn satisfaction.

Dans le cadre de cette recherche, il est opt pour le choix du logiciel WEAP et le dveloppement
dapplications doptimisation interfaces avec celui-ci grce aux possibilits de programmation quil
offre. Ce choix permet de tirer profit des fonctionnalits de modlisation existantes et dapprofondir
la recherche par le dveloppement dapproches doptimisation de la GRE. Il sagit ici de formuler un
problme doptimisation de la GRE et de concevoir un algorithme de rsolution. La figure suivante
rsume lide propose par cette recherche pour le dveloppement dun DSS pour la GORE :

Figure 3. Modle conceptuel du DSS propos pour la GORE.

DR. ISSAM NOUIRI 16

3. Mthodologies
3.1 Introduction

Ce chapitre dtaille lapproche mthodologique propose pour contribuer loptimisation de la

GRE. Nous exposons en premier lieu lapproche globale dveloppe qui met en relation les capacits
de calcul de la modlisation, de loptimisation et de la simulation. Chacune des tapes de lapproche
sera par la suite dtaille. La premire tape de la mthodologie est la modlisation des ressources
par lutilisation du logiciel WEAP. La deuxime est llaboration doutils doptimisation ayant la
capacit de communiquer avec WEAP. A cette fin, un modle conceptuel des systmes naturels est
propos et des formulations des fonctions objectifs de la GORE sont dtailles. La mthode de
rsolution est par la suite explique.

3.2 Approche mthodologique globale de la GORE

En vue de construire un DSS pour la GORE, nous proposons une mise en relation dynamique entre
les outils existants et une application doptimisation dveloppe dans le cadre de cette recherche
(Figure 4).

Figure 4. Mthodologie de dveloppement d'un DSS pour la GORE

Le logiciel WEAP sera utilis pour modliser les processus hydrologiques naturels ainsi que les
infrastructures de mobilisation et de transport de leau entre les sources et les demandes ainsi
quentre les demandes et les exutoires des eaux uses. La mthodologie de modlisation par WEAP
sera dtaille dans le paragraphe (3.3).

En cas de besoin, lorsquun aquifre est tudi, un lien dynamique peut tre tabli entre WEAP et
le logiciel de modlisation des coulements hydrodynamiques MODFLOW. Ce lien peut tre tabli
travers un fichier de liaison de type vecteur (*.shp). Le DSS WEAP-MODFLOW (Droubi et al, 2008;
Mamann et al., 2012) est bas sur le lien entre les nuds du projet WEAP et les cellules du modle
MODFLOW. La figure 5 schmatise la liaison entre WEAP et MODFLOW. Dans ces conditions et pour

DR. ISSAM NOUIRI 17

chaque pas de temps de simulation, WEAP calcule et envoie MODFLOW la recharge, les niveaux
des cours deau et les quantits deau pompes de chaque aquifre. MODFLOW utilise ces
informations pour calculer la charge hydraulique dans chaque cellule du modle, le stockage, les
coulements souterrains et les coulements des sources.

Figure 5. Schma du lien dynamique entre WEAP et MODFLOW (SEI, 2008).

A travers son API, il est possible dinterroger WEAP pour lire toutes les donnes relatives aux sites
de demande, sources deau et liaisons de transmission. Il est galement possible daccder aux
fichiers de donnes des modles MODFLOW pour extraire leurs structures. La lecture de la base de
donnes du fichier de liaison (*.dbf) permet de se renseigner sur les relations entre les nuds du
projet WEAP et les cellules du modle MODFLOW. Toutes ces informations permettent de
comprendre le schma conceptuel du projet et doptimiser la gestion du systme. Cest
lutilisateur du DSS de choisir les objectifs, les contraintes, les conditions initiales et aux limites ainsi
que les paramtres de fonctionnement de lalgorithme doptimisation.

Les rsultats de loptimisation seront exploits par le DSS comme des scnarios de gestion qui
peuvent tre simuls par WEAP-MODFLOW pour valuer leurs performances par rapport dautres
scnarios qui peuvent tre proposs par les acteurs de la GRE.

3.3 Modlisation de la gestion des ressources en eau par WEAP

Pour modliser la gestion des ressources en eau dans une zone de planification et/ou de gestion par
WEAP, trois tapes sont indispensables. La premire est la prparation dune base des donnes du
systme naturel, des amnagements et des aspects socio-conomiques. La deuxime tape tant

DR. ISSAM NOUIRI 18

la comprhension du fonctionnement du systme et llaboration dun modle conceptuel qui met
en relation toutes les composantes modlises, conformment la ralit. La troisime tape de la
modlisation tant la conception de scnarios, qui peuvent tre climatiques, damnagement et/ou
de politiques alternatives.

La figure 6 dtaille les types de donnes ncessaires durant la premire tape de la modlisation
des ressources en eau par WEAP.

Figure 6. Etapes de la modlisation des systmes hydrologiques par WEAP.

Les donnes climatiques ncessaires pour une modlisation par WEAP sont essentiellement les
prcipitations, les tempratures minimales et maximales, lhumidit de lair et la vitesse du vent.
Elles doivent tre organises sous forme de fichiers sparateur point-virgule (*.csv) selon le pas
de temps de simulation. Vu que les donnes climatiques sont enregistres en des points particuliers,
qui ne reprsentent pas ncessairement toute la zone de ltude, il est fait appel des tudes
hydrologiques et la spatialisation de linformation. Les donnes climatiques des stations
mtorologiques principales (Tempratures, Humidit de lair et la vitesse du vent) sont utilises
pour lestimation des vapotranspirations aux niveaux des bassins versants transfrontaliers Tuniso-
Algriens.

Les cartes sont utilises dans les projets WEAP uniquement comme fonds de plan de schmatisation
des systmes physiques. Les cartes les plus utiles sont celles des rseaux hydrographiques, des
bassins versants, les images satellites, les cartes doccupation des sols et les cartes des dcoupages
administratifs et des villes.

Les donnes relatives aux sources deau portent essentiellement sur les capacits de stockage et
leurs limites, les courbes hauteurs-volumes (barrages), les qualits des eaux, les cots de gestion et
les conditions initiales. Il est aussi ncessaire de disposer de modle MODFLOW de laquifre sil est
concern par ltude.

DR. ISSAM NOUIRI 19

Pour la caractrisation des sites de demande, le niveau dactivit annuel (population ou surface), la
consommation deau annuelle et la variation mensuelle de la consommation sont ncessaires.
Ajoutons cela les exigences en qualit deau (salinit) et les priorits dapprovisionnement. La
demande agricole peut tre calcule par WEAP sur la base des donnes mtorologiques et
agronomiques.

Dans le cadre de cette recherche, il est test et valid lutilisation des rseaux de neurones artificiels
(RNA) pour lestimation des besoins en eau potable pour les grands centres urbains. Pour les
demandes agricoles, il est utilis une approche de mesure des paramtres du bilan et les volutions
des humidits aux zones racinaires des cultures tudies (essentiellement les crales et les
palmiers dattier). Il est fait recours dans certains travaux aux enqutes auprs des consommateurs
deau pour interprter les rsultats des mesures (Nouiri et al., 2015)

Les liaisons sont caractrises dans les modles WEAP par leurs capacits de transit de leau et les
cots affrents. Les taux de pertes deau sont aussi importants connatre pour se rapprocher de la
ralit des systmes physiques.

Les donnes socio-conomiques ncessaires la modlisation par WEAP sont surtout les taux
dvolution des populations, les marges de bnfices des utilisations des eaux, les prix des ventes
des produits agricoles, etc

3.4 Modle conceptuel des systmes physiques

Dans le modle conceptuel gnral propos (Figure 7), les sources sont reprsentes par des
rectangles avec des index se . Les sites de la demande D sont reprsents par des cercles avec
l'indice d . Les connexions entre les nuds du modle (sources et sites de demande) sont
assures par des liaisons de transfert et d'approvisionnement reprsentes dans le diagramme de
la figure 7 en traits pointills et continus, respectivement.

On peut supposer que dans nimporte quelle zone de gestion, plusieurs sources avec des capacits
de stockage et des salinits diffrentes peuvent tre utilises pour satisfaire les besoins en eau
(quantits et salinit) des sites de demande. Pour les sources d'eau souterraine, la capacit de
stockage correspond au volume d'eau maximum que l'aquifre peut contenir. Pour l'eau de surface
(rservoirs), la capacit de stockage est le volume d'eau maximal qui peut tre stocke. Cette
capacit est gnralement dfinie par la topographie et le niveau du dversoir ainsi que par un
volume de scurit pour le contrle des inondations.

Dans cette recherche, le transfert de l'eau entre les sources est considr possible. Chaque lien de
transfert de la source j la source se a une capacit de transfert maximum de "FmaxS(j,se)"
(lignes pointilles). Ce paramtre est dfini par les caractristiques physiques du tuyau et/ou les
canaux utiliss (gomtrie, rugosit, longueur), la topographie (lvations des nuds du systme
hydraulique) ainsi que les caractristiques des stations de pompage et de surpression. Aussi, le
pompage dfinit le cot unitaire de transfert de l'eau : CUS (j, se) entre les sources.

DR. ISSAM NOUIRI 20

Afin de considrer le transfert d'eau entre les zones de gestion, chacune des sources d'eau se
pourrait tre alimente par une source d'eau externe sexte avec un dbit I (SE, sexte, t)" chaque
intervalle de temps t (lignes discontinues). Le modle conceptuel propos a galement pris en
considration le fait que chaque source a t soumise la perte d'eau de L (se, t) chaque
intervalle de temps t en raison de l'infiltration et l'vaporation.

On a galement suppos que chacun des sites de demande doit tre aliment par au moins une
source d'eau travers une liaison de distribution (lignes continues) qui pourraient tre un tuyau ou
un canal naturel ou artificiel. Comme pour le transfert, chacune des liaisons d'alimentation de la
source se au site d doit tre caractrise par sa capacit d'alimentation maximale
FmaxD(se, d) et son cot unitaire: CUD (se, d). Le schma de connectivit suivant (Figure 7)
reprsente le modle conceptuel gnral propos :

I(j,t) I(se+1,t)
D(d)
FmaxD(j, d) FmaxD(se+1, d)

FmaxD(se, d)
S(j) S(se+1)
I(se, t)

FmaxS(j, se) S(se) FmaxD(se, d+1)

L(j,t) L(se+1,t)
L(se,t) D(d+1
)

Figure 7. Schma du modle conceptuel de la modlisation des RE.

Pour modliser chaque source d'eau se , les capacits de stockage maximale et minimale doivent
tre connues, respectivement Vmax (se) et Vmin (se). Afin de calculer la balance de l'eau pour
chaque source, les apports deau de lextrieur de la zone de planification I(se, sext,t) et la perte
de l'eau L(se, t) sont ncessaires. La salinit de l'eau fournie aux sources se depuis une source
externe sext en fonction du temps : Qapp (se, sext, t) et le cot unitaire du transfert de ext
se : CUI (se, sext) sont ncessaires pour calculer la salinit et le cot unitaire de l'eau
mlange dans les sources se . Les conditions initiales aux sources doivent tre spcifies afin de
commencer la modlisation du systme, en particulier, le volume initial disponible Vini (se) et sa
salinit Qini (se) pour chaque source se .

Pour les sites de demande D , il est ncessaire de dterminer le volume d'eau requis D(d,t) et
la salinit maximale acceptable Qty (d, t) chaque pas de temps l'intrieur de la priode de
gestion.

DR. ISSAM NOUIRI 21

Les variables de dcision identifier par l'outil propos, et qui constituent les sorties du modle
sont: l'eau fournie par chaque source d'eau se chaque site de demande d nimporte quel
pas de temps t : FD (se, d , t) et les transferts d'eau entre les sources se et j : FS(se, j,
t) , au cours de la priode de gestion 0-Tmax .

3.5 Modle doptimisation de la gestion des ressources en eau

3.5.1 Formulation des problmes doptimisation de la GRE

Dans lespace de modlisation WEAP-MODFLOW, les valuations des scnarios sont principalement
bases sur la satisfaction de la demande en eau, ou limportance de la demande non satisfaite, la
qualit de leau dlivre chaque site de demande, le cot unitaire moyen de l'eau et la charge
hydraulique dans les mailles du modle MODFLOW.

Dans lobjectif de dvelopper des outils qui peuvent interagir avec la plateforme de modlisation
WEAP-MODFLOW, la gestion des eaux souterraines a t formule dans cette recherche comme un
problme multi-objectif contraintes. Quatre fonctions objectives principales ont t prises en
considration : (i) la satisfaction de la demande (fDS), (ii) La minimisation du rabattement (fDD), (iii)
la rduction des cots (fC) et (iv) la satisfaction de lexigence des sites de demande en salinit (fQ). Il
convient de souligner que, pour les utilisateurs d'eau, les principaux objectifs sont de satisfaire la
demande et les exigences en salinit. Rduire les cots et minimiser les prlvements sont les
principaux objectifs o le gestionnaire des ressources en eau est concern. Les capacits (dbits)
des liaisons de transmission, les pompages maximaux et les volumes des sources deau constituent
les contraintes de fonctionnement du systme hydraulique.

La premire fonction objectif est utilise pour valuer la performance dune solution en matire de
satisfaction des besoins en eau des sites de demande d tout pas de temps t de la priode
d'optimisation. Pour une solution s , cet objectif peut tre exprim par la minimisation de la
valeur maximale de la fonction de non satisfaction de la demande fDS prsente dans l'quation
1:

NSEmax
f DS ( s) = Max FD( se, d , t ) D(d , t )) / D(d , t ) d=1,, NDmax et t =Tstart,, Tend (1)
se=1

O FD (se, d, t) est l'eau fournie par la source d'eau se au site de demande d au pas de
temps t ; NSEmax est le nombre de sources dans la zone de planification ; NDmax est le
nombre de sites de demande ; Tstart et Tend sont respectivement le premier et le dernier pas
de temps de la priode doptimisation.

La meilleure valeur de fDS (s) est gale zro, ce qui reprsente la situation o tous les sites de
demande sont satisfaits chaque pas de temps. Si fDS (s) est diffrente de zro, cela signifie
qu'un ou plusieurs sites de demande ont reu plus ou moins d'eau que ncessaire dans certains pas
de temps. Afin de considrer la faisabilit de chaque solution value, il est considr que la

DR. ISSAM NOUIRI 22

capacit d'alimentation maximale de la source d'eau se au site de demande d est une
contrainte hydraulique exprime par lquation (2) :

FD (se, d , t ) Fmax D(se, d ) se, d et t (2)

Dans le cas de lexploitation dun aquifre, une solution s qui tente de satisfaire les demandes,
ncessite le prlvement d'eau de cet aquifre et gnrera obligatoirement un rabattement du
niveau pizomtrique. Pour estimer l'impact de la satisfaction de la demande en eau sur l'aquifre,
une fonction objectif de rduction des rabattements fDD a t formule comme prsent par
l'quation 3. Elle value le rabattement relatif et la violation du pompage maximal acceptable
VMaxDD(w) de la charge hydraulique au niveau de chacun des forages actifs w le long de la
priode doptimisation :

DWDW ( w, t ) VMaxDD ( w)
f DD ( s ) = Max ( ) w = 1, , Naw et t =Tstart,, Tend (3)
( Hi ( w) BOTM ( w)) I ( w)

O DWDW (w, t) est le prlvement d'eau dans le forage w au pas de temps t ; VMaxDD
(w) est la violation maximale du rabattement acceptable observ dans le puits w ; Hi (w)
est la charge hydraulique initiale de w ; BOTM (w) est le fond du forage w ; I(w) est
l'importance de w et Naw est le nombre de forages actifs.

La violation maximale du rabattement acceptable (quation (4)) est un terme de pnalit qui
multiplie la fonction objectif de rduction des rabattements. Lorsquil ya une violation du
rabattement maximale acceptable, ce terme a une valeur suprieure 1 et donc la fonction objectif
est augmente. Dans le cas contraire, sa valeur est gale 1 et la fonction objectif nest pas
modifie :

DWDW ( w, t )
VMaxDD( w) = Max( , 1) w= 1, , Naw et t =Tstart,, Tend (4)
DDmax ( w)

Le terme I(w) indique l'importance du forage w par rapport aux autres. Les forages
importants o les rabattements doivent tre minimiss plus que d'autres auront un paramtre
d'importance gale 1. Les forages de moindre importance auront des valeurs suprieures 1.

Pour garantir qu'une solution optimale respecte le dbit de pompage autoris lgalement et
techniquement, il est impos dans la formulation du problme une contrainte de pompage maximal
des forages w par l'quation (5) :

Q( w, t ) Qmax ( w)
(5)

O Q (w, t) est le pompage partir du forage w au pas de temps t et Qmax (w) est le
dbit de pompage maximal autoris partir du mme forage.

DR. ISSAM NOUIRI 23

Il est galement important pour les gestionnaires et les dcideurs didentifier des solutions qui
satisfont la demande en eau, rduisent les rabattements et, en mme temps, avoir le moindre
cot. Cet objectif peut tre atteint par la minimisation de la fonction fC prsente dans l'quation
(6). La fonction objectif de rduction des cots fC gnrs par une solution s reprsente le
cot unitaire moyen de l'eau fournie par les sources aux sites des demandes le long de la priode
d'optimisation.
Tend
NSEmax NDmax

( ( F D (se, d , t ) (VOL( se, d , t ) + VOS( se, t )) + FOL(se, d , t ) + CCL( se, d , t )) + CCS( se, t ) + FOS(se, t )) (6)
f C ( s) =
t =Tstart se=1 d =1
Tend NSEmax NDmax

( F
t =Tstart se=1 d =1
D ( se, d , t )) (Tend Tstart )

O VOL (se, d, t) est le cot variable de fonctionnement de la liaison de transmission entre la

source se et la demande d au pas de temps t ; VOS (se, t) le cot variable de
fonctionnement de la source se au pas de temps t ; FOL (s, d, t) le cot fixe de la liaison
de transmission entre se et d t ; CCL (se, d, t) le cot du capital de la liaison de
transmission entre se et d t ; CCS (se, t) le cot du capital de se t ; FOS(se,
t) Le cot fixe de se t .

Mme si une solution est en mesure de minimiser les trois premires fonctions objectives, elle ne
peut tre applicable que si les salinits des eaux fournies sont acceptables par les consommateurs.
Pour considrer l'aspect de la salinit dans la formulation du problme, une fonction objectif est
propose pour valuer la satisfaction de lexigence en salinit d'eau d'une solution s , calcule
par l'quation (7).

Qty ( d , t ) Qa ( d , t )
f Q ( s ) = Max ( ,0 ) d=1,, NDmax et t =Tstart,, Tend (7)
Qa ( d , t )

O Qty (d, t) est la salinit de l'eau fournie au site de demande d au pas de temps t ; Qa
(d, t) est la salinit de l'eau acceptable en d t .

La satisfaction de la salinit peut tre atteinte en minimisant la fonction fQ (s) autant que
possible, voire jusqu' zro. Dans ce cas, la salinit maximale acceptable est la valeur la plus leve
assure dans les sites de la demande. Si le rsultat est positif, il y a au moins un site de demande
qui reoit une eau avec une salinit suprieure la valeur maximale acceptable.

La salinit de leau fournie un site de demande d au pas de temps t est calcule par
lquation (8).
NSEmax

F D ( se, d , t ) Q( se, t )
Qty ( d , t ) = se =1
NSEmax
d et t (8)
F
se =1
D ( se, d , t )

O Q(se, t) est la salinit de leau de la source se au pas de temps t .

DR. ISSAM NOUIRI 24

Dans le cas dune source deau souterraine, la salinit de leau dune source devrait tre fournie par
lutilisateur. Cependant, pour les eaux de surface (barrages), nous proposons lquation (9) pour
calculer la salinit de leau rsultant des mlanges des eaux initiales et celles provenant dautres
sources ou de lextrieur de la zone de ltude. A cette occasion, nous mettons lhypothse que les
mlanges sont instantans et quils se font au dbut de chaque pas de temps.
NSEmax Nsext( se)
V (se, t t ) Q(se, t t ) + F ( j, se, t t) Q( j, t t) + I (se, sext, t t) Q(sext, t)
j =1
S
sext=1
Q(se, t ) = (9)
NSEmax Nsext( se)
V (se, t t ) + F ( j, se, t t ) + I (se, sext, t t )
j =1
s
sext=1

O Q(sext, t) est la salinit de leau provenant dune source externe la zone dtude sext
au pas de temps t ; t est le pas de temps de simulation.
Le calcul des volumes deau V(se, t) dans les sources de surface se pour chaque pas de temps
t est assur par lquation (10) :
Nsext(se) NSEmax NSEmax NDmax
V(se,t) = V(se,t t) +
sext=1
I (se, sext,t t) + FS ( j, se,t t)
j=1
FS (se, j,t t) L(se,t t) FD (se, d,t t)
j=1 d =1
(10)
Les valeurs maximales et minimales des volumes de stockage d'eau dans les sources se
constituent des contraintes hydrauliques, exprimes par l'quation (11) :
Vmin (se) V (se, t ) Vmax (se) se and t (11)

Les capacits maximales des liaisons de transmission entre les sources se et j sont dautres
contraintes hydrauliques du problme doptimisation. Ces limitations sont exprimes par lquation
(12).

FS ( se, j, t ) Fmax S ( se, j ) se, j et t (12)

A lorigine des temps de la simulation (T=0), les sources deau sont caractrises par leurs conditions
initiales de volumes deau disponible et de salinit, exprimes par les quations (13) et (14).
V ( se,0) = Vini ( se) se (13)
Q( se,0) = Qini ( se) se (14)
O V(se, 0) est le volume deau dans la source se t=0 et Q(se, 0) la salinit de leau
de la source se t=0 .
Il est important de noter les conflits entre les quatre fonctions objectifs proposes. La demande en
eau ne peut pas tre satisfaite sans rabattement du niveau de l'aquifre et sans cot de production
et de distribution. En outre, des sources avec de faibles cots de pompage sont gnralement
caractrises par une forte salinit. Par consquent, l'eau prleve partir de plusieurs sources doit
tre mlange pour trouver un compromis entre les quatre objectifs proposs et atteindre lobjectif
global de la GRE. Ainsi, la principale question pose par les gestionnaires et les planificateurs sera :
Combien deau faut-il prendre de chaque source pour optimiser la gestion du systme ? .

DR. ISSAM NOUIRI 25

3.5.2 Le modle doptimisation de la GRE
Le modle propos pour loptimisation de la GRE est form par un algorithme gntique multi-
objectif qui rsout le problme formul au paragraphe prcdent. Il est utilis le langage de
programmation VB6 pour le coder et pour laborer une interface graphique de communication avec
lutilisateur. Dans ce paragraphe, le problme doptimisation global est prsent en premier.
Ensuite, il est dtaill les tapes de calcul de lAlgorithme Gntique Multiobjectif (AGMO)
dvelopp.

3.5.2.1 Modle global de la GRE

Objectifs

NSE max
f DS ( s ) = Max FD ( se , d , t ) D ( d , t )) / D ( d , t )
se =1

DWDW ( w, t ) VMaxDD ( w) DWDW ( w, t )

f DD ( s ) = Max ( ) Avec VMaxDD( w) = Max( , 1)
( Hi ( w) BOTM ( w)) I ( w) DDmax ( w)
Tend
NSEmax NDmax

( ( F D (se, d , t ) (VOL(se, d , t ) + VOS(se, t )) + FOL(se, d , t ) + CCL(se, d , t )) + CCS( se, t ) + FOS(se, t ))
f C ( s) =
t =Tstart se=1 d =1
Tend NSEmax NDmax

( F
t =Tstart se=1 d =1
D (se, d , t )) (Tend Tstart )

Qty (d , t ) Qa ( d , t )
f Q ( s ) = Max ( , 0) Avec:
Qa ( d , t )
NSEmax

F D ( se, d , t ) Q(se, t )
Qty(d , t ) = se =1
NSEmax
d et t
FD (se, d , t )
se =1
NSEmax Nsext( se)
V (se, t t) Q(se, t t ) + F ( j, se, t t) Q( j, t t) + I (se, sext,t t) Q(sext,t)
j =1
S
sext=1
Q(se, t) = NSEmax Nsext( se)
V (se, t t) + F ( j, se,t t) + I (se, sext, t t)
j =1
s
sext=1

Nsext(se) NSEmax NSEmax NDmax

V(se,t) =V(se,t t) + I(se, sext,t t) + F ( j, se,t t) F (se, j,t t) L(se,t t) F (se,d,t t)
sext=1 j=1
S
j=1
S
d=1
D

Contraintes
FD ( se, d , t ) Fmax D ( se, d ) se, d and t
FS ( se , j , t ) Fmax S ( se , j ) se, j and t
Q( w, t ) Qmax ( w)
Vmin ( se) V ( se, t ) Vmax ( se) se and t

Conditions initiales
V ( se,0) = Vini ( se) se
Q( se,0) = Qini ( se) se

DR. ISSAM NOUIRI 26

3.5.2.2 Algorithmes Gntiques Multi-Objectifs (AGMO) pour la GORE

Les AGMO prsentent le mme schma de base que les AG mono-objectifs (Back et al., 2000 ; Nouiri,
2007) : codage des variables, Slection, Croisement et Mutation. Cependant, la stratgie d'volution
et les comparaisons des solutions sont diffrentes. La synthse de nombreuses tudes comparatives
sur les AGMO (Lis et Eiben, 1986 ; Zitzler et Thiele, 1998 ; Knowles et Corne, 1999 ; Esquivel et al.,
1999 ; Deb et al., 2000 ; Leiva et al, 2000) a montr que lAlgorithme Gntique multi-sexuels
litistes (MSGA) se caractrisent par le faible nombre de paramtre et une bonne rpartition des
solutions optimales sur le front de Pareto. Par consquent, ce genre dAGMO a t choisi pour
rsoudre le problme formul. L'organigramme de la figure 8 dcrit les principales tapes de calcul
d'un AGMO.

Dans la premire tape, lAGMO cre au hasard une population initiale de solutions s de taille
TPOP . Le MSGA attribue au hasard un sexe chaque solution cre alatoirement. Le nombre de
sexes est gal au nombre d'objectifs.

En deuxime tape, les solutions s sont values par des fonctions dadaptation appeles
Fitness . Dans le cadre de cette recherche, il est procd par tape lors du dveloppement des
outils doptimisation. Dans la premire, il est considr uniquement lobjectif de satisfaction de la
demande et celui de minimisation du cot moyen de leau, ainsi que les pnalits de violation des
contraintes, lors de la formulation des fonctions de fitness (Nouiri, 2014).

Aprs les rsultats satisfaisants de la premire tape, il est dvelopp loutil doptimisation qui
considre tous les objectifs et les contraintes du modle doptimisation global ci-dessus dtaill.
Ainsi, les fonctions de fitness FDS-DD (s) (Eq. 15) et FC-Q (s) (Eq. 12) sont calcules comme les
sommes pondres des fonctions objectives fDS (s), fDD (s), fC (s) et fQ (s) et les pnalits
associes.

Le choix de combiner deux fonctions objectives en une seule fonction de fitness est fait pour garder
seulement deux dimensions dans l'optimisation. Cela maintient l'approche multi-objective et
permet d'afficher les solutions non domines dans un graphe 2-D, qui est plus facile utiliser que
les dimensions 3-D ou plus lors de la slection de la solution appliquer.

Les fonctions objectifs de la satisfaction de la demande et la minimisation du rabattement sont

contradictoires et dpendent des dbits de pompage. L'quation (15) dtaille la formulation de la
premire fonction dadaptation combine :
p1 f DS ( s) + p 2 f DD ( s ) ( 1 + MaxEQag)
FDS-DD (s) = (15)
p1 + p 2
O MaxEQag est la violation maximale des dbits de pompage acceptables des forages, calcule
par lquation (16).
Qag ( w, t )
MaxEQag = Max ( ) w= 1, , Naw et t =Tstart,, Tend . (16)
Q max ( w) I ( w)

DR. ISSAM NOUIRI 27

O Qag(w, t) est le pompage partir du forage w au pas de temps t ; p1 et p2 sont
respectivement les poids de pondrations des objectifs de satisfaction de la demande et de la
minimisation des rabattement ; Naw est nombre de forages actifs utiliss pour grer laquifre.

Les fonctions objectives de rduction des cots et de satisfaction des exigences en salinit sont
galement contradictoires dans la plupart des cas. L'eau de meilleure qualit est gnralement dans
des aquifres profonds ou dans des forages loigns des sites de demande. Plus d'nergie de
pompage est ncessaire pour lutilisation de ces ressources et donc des cots plus levs. La somme
pondre de ces deux objectifs, tel que prsent dans l'quation (17), constitue la deuxime
fonction dadaptation combine :

p3 f C ( s ) + p 4 f Q ( s )
FC Q (s) = (17)
p3 + p 4
O p3 et p4 sont respectivement les poids des objectifs de rduction des cots et de
satisfaction des exigences en salinit.

Les valeurs des poids p1 , p2 , p3 et p4 permettent au gestionnaire d'attribuer une

importance diffrente aux objectifs de gestion et de choisir les priorits d'optimisation. Les objectifs
les plus importants (prioritaires) auront des valeurs de poids de pondration les plus levs.

La troisime tape consiste identifier des solutions non-domines par le concept d'optimalit de
Pareto (Goldberg, 1991). Pour un problme de minimisation de i objectifs, une solution x
domine une solution y dans la zone de recherche E si et seulement si fi (x) est infrieur
ou gal fi (y) pour tous les objectifs i et il existe au moins un objectif i tel que fi (x)
est infrieur fi (y) . Si une solution nest pas domine par aucune autre solution, elle est appele
non-domine . L'ensemble des solutions non domines de E forme le front de Pareto. Dans
notre algorithme, lensemble des solutions non domines identifies est appel Archive de taille
Tarch .

L'volution constitue la quatrime tape dans lAGMO: Une nouvelle population est cre en
utilisant les solutions de la population prcdente et les oprateurs gntiques: i) L'litisme: Un
pourcentage Pe des solutions de la nouvelle population sont copis partir de l'archive des
solutions non domines; ii) Slection: Deux solutions sont choisies parmi la population prcdente,
en fonction de leurs fonctions d'adaptation, pour participer au croisement; iii) Croisement: les
solutions slectionnes participent un croisement arithmtique pour produire deux nouvelles
solutions, avec une probabilit de croisement Pc gale 1- Pe ; iv) Mutation: Certains "bits"
parmi les solutions cres peuvent tre modifies de faon alatoire, dans l'espace de recherche,
avec une probabilit de mutation Pm .

Par consquent, une nouvelle population est cre, les solutions sont values comme dans la
deuxime tape. Les solutions non domines doivent tre identifies comme dans l'tape (3) et
insres dans l'archive. Le concept d'optimalit de Pareto sera utilis de nouveau pour mettre jour
l'archive de solutions non-domines. Si l Archive nest pas remplie de solutions non-domines,

DR. ISSAM NOUIRI 28

les tapes : volution, valuation et la mise jour de l'archive seront rptes jusqu' ce que le
nombre d'itrations atteigne sa valeur maximale gale Gmax .

Population Initiale i=1

Identifier les solutions non-

Evaluation domines de la population "i"
avec le principe de Pareto

Evolution : Elitisme; Slection; Archive des solutions non

Croisement; Mutation domines

Evaluation

Identifier les solutions non-domines de

la population "i" avec le principe
doptimalit de Pareto

Mise jour de larchive des solutions

non-domines

Population i+1

Non
Stop

Oui

Fin

Figure 8. Organigramme de lAlgorithme Gntique Multi-Objectif.

DR. ISSAM NOUIRI 29

4. Rsultats et discussions
4.1 Introduction
Ce chapitre est conu pour synthtiser les rsultats des recherches ralises en matire de GORE. Il
est prsent la section (4.2) les cas dtudes utiliss pour dvelopper des modles de gestion et
pour appliquer les algorithmes doptimisation dvelopps. Dans la section (4.3), les principaux
rsultats de la modlisation de la GRE par WEAP sont exposs. Il est aussi pass en revue les rsultats
obtenus par lapplication des outils doptimisation dvelopps sur un cas rel et un cas
hypothtique. Ce chapitre est cltur par des conclusions sur les rsultats et leurs utilits pour le
dveloppement.

4.2 Prsentation des cas dtudes :

La mthodologie propose au chapitre prcdent est mise en application sur des systmes
hydrogologiques Tunisiens et trangers. Il sagit dune diversit de cas dtudes pour valuer les
performances des outils utiliss et la validit de leurs rsultats. Ces cas dtudes ont servi aussi
calibrer les algorithmes dvelopps et leur apporter des amliorations. La majorit des rgions
Tunisiennes taient touches par cette activit de recherche, de lextrme Nord (Medjerda)
jusquau zones arides (Mdenine) et dsertiques (Hzouan, Nefta), passant par le centre du pays
(Sidi Bouzid). Limage Google Earth de la figure 9 localise les zones dtudes cibles par cette
recherche.

Figure 9. Localisation des zones d'tudes pour le dveloppement de DSS et l'optimisation de la

GRE.

DR. ISSAM NOUIRI 30

Les paragraphes suivants introduisent les sites des tudes les plus importants, exposent les
problmatiques abordes tout en spcifiant les cadres des tudes et les formations diplmantes qui
ont accompagnes ces recherches.

4.2.1 Systme de mobilisation des eaux du Nord de la Tunisie

Le premier cas dtude utilis pour tester le logiciel WEAP dans la construction de DSS est le systme
de mobilisation des eaux du Nord de la Tunisie. Ce systme est form dun large rseau
hydrographique sur lequel est construit environ 50 barrages qui accumulent un volume de 1 milliard
980 millions de m3. Leau est desservie pour environ quarante sites de demandes agricoles et
domestiques. Ce travail est ralis en collaboration avec la Direction Gnrale des Barrages et des
Grands Travaux Hydrauliques (DGBGTH) du Ministre de lAgriculture. La figure suivante donne la
rpartition gographique des barrages en Tunisie.

Figure 10. Rpartition gographiques des barrages en Tunisie (DGBGTH).

Les donnes physiques des barrages et des liaisons hydrauliques (rivires, canaux et conduites), les
demandes en eau et les donnes de fonctionnements des barrages sont gnralement classes sur

DR. ISSAM NOUIRI 31

des supports de formes diffrentes et ne sont pas mises en relation. Lobjectif de cette initiative
tant de construire une base des donnes des ouvrages hydrauliques et de reproduire le
fonctionnement journalier du systme sur 5 ans (2008 2013).

Ce travail est ralis en partie dans le cadre de deux projets de fin dtudes de lINAT, soutenus en
2012 et 2013.

4.2.2 Bassin versant de la Medjerda

En vue de raffiner le travail de modlisation ralis laide de WEAP, il est initi en collaboration
avec la DGBGTH, une recherche pour la modlisation des ruissellements des eaux de surface et des
fonctionnements des barrages dans le bassin versant de la Medjerda, qui mrite le qualificatif de
fleuve, longue de 460 Km dont 350 en Tunisie. Son bassin versant couvre une superficie de 23000
km dont 32% en Algrie orientale. La figure suivante prsente ltendue de la zone dtude.

Figure 11. Localisation et tendue du bassin versant de la Medjerda (DGBGTH).

La pluviomtrie dans cette rgion dtude varie de 300 1100 mm/an. Lintrt de cette tude vient
du fait que la Medjerda est la fois un rservoir deau pour le Nord et les zones ctires du pays
mais aussi lorigine de catastrophes en cas dinondation.

Sachant que la balance de leau au niveau des principaux barrages du Nord est calcule sur la base
denregistrements et des estimations de paramtres, il est fix comme objectif de ce travail de
construire un DSS qui permet dvaluer la dynamique journalire du systme des barrages du bassin
de la Medjerda sous leffet des prcipitations et de la gestion. La priode dtude a concern les
annes de 2008 2013.

DR. ISSAM NOUIRI 32

Ce travail est ralis en partie dans le cadre dun projet de fin dtude de lINAT, soutenu en 2014.

4.2.3 Principaux bassins versants transfrontaliers Tuniso-Algriens,

Ce cas dtude est form par les trois sous bassins versants transfrontaliers Tuniso-Algriens
Mellgue, El Kbir et le sous bassin versant El Hathab (Figure 12). La surface totale est denviron
26 286 Km.

En plus de la collaboration avec la DGBGTH, il est conclu un projet de recherche dveloppement

bilatral Tuniso-Algrien pour laborer un modle de gestion des ressources en eau
transfrontalires. Cette collaboration est tablie avec lUniversit de Annaba.

Figure 12. Principaux bassins versant transfrontaliers Tuniso-Algriens

La problmatique aborde par cette tude est lestimation des apports deau de ruissellement
journaliers de lAlgrie vers la Tunisie, sous leffet des prcipitations. Ceci est argument par le
manque de donnes sur lhydrologie, les infrastructures et sur les modes de gestions du ct
Algrien. Il est aussi vis un rapprochement des ides entre les acteurs des deux cts de la frontire
et tablir une collaboration en matire de gestion des ressources en eau.

Ce travail est ralis en partie dans le cadre dun projet de fin dtude et dun mmoire de mastre
de lINAT, soutenus respectivement en 2013 et 2014.

DR. ISSAM NOUIRI 33

4.2.4 Nappe de Zeuss Koutine
La nappe de Zeuss Koutine est localise au Sud-est de la Tunisie. Elle appartient la plaine ctire
Djeffara (Figure 13).

Figure 13. Localisation de la nappe de Zeuss Koutine, Tunisie.

La surface de l'aquifre est estime 1305 Km, partage entre quatre principaux bassins versants
: Oued Zigzaou , Oued Zeuss , Oued Oum Zessar et Oued Sidi Makhlouf . La rgion
tudie se caractrise par un climat aride. La pluviomtrie moyenne annuelle est d'environ 180 mm,
avec une forte variabilit spatio-temporelle.

La nappe de Zeuss Koutine est la principale source deau conventionnelle qui alimente en eau
potable les villes du Sud-Est. Elle observe une forte chute de son niveau pizomtrique et des
problmes de salinisation commencent gner son usage pour leau potable. Cest pour ces raisons
que le dessalement de leau saumtre sest dvelopp depuis le dbut des annes 2000 et celui de
leau de mer entrera en utilisation dans quelques mois (2015-2016). Les cots de production et de
transport de leau deviennent ainsi levs et la nappe continue son puisement.

Lobjectif de ce travail est le dveloppement dun DSS qui intgre le contexte climatique, les aspects
socio-conomiques et le comportement de laquifre et qui permet dvaluer les impacts des
scnarios damnagement et de gestion prvisibles.

Ce travail est ralis dans le cadre dune thse lINAT. Il est appuy par un projet de collaboration
entre lINAT, la GIZ, la BGR et lACSAD.

4.2.5 Station de traitement de Ghdir El Golla

La station de traitement de Ghdir El Golla assure la production de leau potable pour le Grand
Tunis. Elle est situe au Nord-Ouest de Tunis, environ 15 Km du centre-ville de Tunis (Figure 14).

DR. ISSAM NOUIRI 34

 a

Figure 14. Images Google Earth du nord de la Tunisie (a) et de la station Ghdir El Golla (b)

Leau brute provient du canal Medjerda Cap Bon, de la retenue El Mornaguia et celle de Ghdir El
Golla. Le gestionnaire gre les trois sources deau brute pour satisfaire une demande journalire en
eau potable. Selon lhistorique de la distribution et des conditions climatiques, les gestionnaires des
rseaux deau potable prvoient leurs demandes en eau journalires et demandent de la station de
traitement de leur fournir leurs besoins. Ainsi, la production de la station de traitement doit tre
ajuste pour fournir le volume demand tout en minimisant les cots de la production et en
respectant la salinit maximale acceptable par les consommateurs.

Ce travail est ralis en collaboration entre lINAT et la SONEDE. Il est conduit pour dmontrer les
capacits des RNA et du modle doptimisation des ressources en eau dvelopps dans cette
recherche.

Le canal de la Medjerda-Cap Bon S1 est considre une source d'eau illimite en raison de sa
capacit de stockage en amont. Pour cette raison, un grand volume hypothtique est adopt

DR. ISSAM NOUIRI 35

(Tableau 2). S1 est galement caractrise par une forte salinit (2,0 g.L-1). Les barrages Ghdir El
Golla S2 et El Mornaguia S3 ont une capacit totale de stockage de 20 Mm3. Leurs
concentrations en sel sont acceptables (1,0 g.L-1).

Tableau 2. Volumes et salinits des trois sources d'eau S1, S2 et S3.

Source deau Vmax (Mm3) Vmin (Mm3) Vini (Mm3) Qini (g.L-1)
S1 1000 1 1000 2.0
S2 15 5 15 1.0
S3 5 1 5 1.0
Vmax : volume maximal ; Vmin : volume minimal ; Vini : volume initial ; Qini : Salinit initiale

Les capacits maximales des transferts et d'approvisionnements et les cots unitaires des liaisons
de transmission de l'eau entre les sources et le site de demande dues la consommation de l'nergie
par le pompage sont rsums dans le tableau 3.

Tableau 3. Capacits et prix unitaires de transit des liaisons de transmission.

Liaison de transmission Dbit maximal Prix Unitaire de pompage

(m3 Jour-1) (10-3 USD* m-3)
S1 S2 300,000 20
S1 S3 300,000 20
S1 D1 300,000 20
S2 D1 336,960 13
S3 D1 172,800 0
* USD : Dollar des Etat Unies dAmrique

Dans la priode de gestion, la consommation quotidienne du site de demande D1 , qui

reprsente la station de traitement, oscille entre 356 000 et 402 000 m3.Jour-1. La demande
moyenne sur la priode d'tude est estime 374 570 m3.Jour-1 (4.335 m3.s-1). La salinit d'eau
maximale acceptable au site de demande D1 est constante 1,5 g.L-1.

4.2.6 Cas dtude hypothtique

Le cas dtude hypothtique est un aquifre non confin. Son modle MODFLOW est compos de
trois couches, chacune conue par 11 ranges (R) et 11 colonnes (C) de cellules ayant 100 m de
chaque ct. Les couches sont d'paisseurs gales 100 m. Le sommet de la couche suprieure est
de 300 m. Les couches 1, 2 et 3 sont caractrises par des conductivits hydrauliques horizontale et
verticale de 1,0, 1,0 et 3,0 m/j, respectivement. Le coefficient de stockage spcifique est considr
gale 1.0 e-6 m-1 pour les trois couches. La mme anisotropie horizontale gale 1,0 caractrise les
trois couches. Lemmagasinement spcifique est considr constant gal 0,1 pour les trois
couches. Les charges hydrauliques initiales aux centres des cellules sont gales 250 m.

La figure 15 prsente le schma du modle WEAP-MODFLOW compos par la grille MODFLOW et

les objets WEAP. Les forages sont dfinis dans les quatre cellules avec des coordonnes (R, C): (2,2),

DR. ISSAM NOUIRI 36

(2, 10), (10, 2) et (10, 10) et sont relis aux quatre nuds Eau Souterraine du modle WEAP
(Carr vert): gw_01 , gw_02 , gw_03 , gw_04 , en utilisant un fichier de liaison.

Figure 15. Schma conceptuel du modle hypothtique WEAP-MODFLOW

Il est suppos dans la prsente tude que deux parties de l'aquifre prsentent de bonnes qualits
d'eau, mais avec le cot le plus lev, et deux parties avec de l'eau sale et de faibles cots. Les
salinits de gw_01 et gw_02 sont supposes gales 1,0 g.L-1 et leurs cots d'exploitation
variables sont gaux 2 $.m-3. Pour gw_03 et gw_04 , il est suppos les mmes salinits de
2,00 g.L-1 et des cots variables dexploitation de 1 $.m-3.

Quatre liaisons de transmission (flches vertes) sont utilises pour alimenter le site de la demande
Demand_01 (point rouge) partir des nuds d'eau souterraine. Il est suppos qu'il n'y a pas de
limitation des capacits de transport ni des cots lors de l'utilisation des liaisons de transmission.

Le site de la demande Demand_01 se caractrise par une population de 10 000 habitants, avec
une consommation deau annuelle par habitant de 50 m3 et une salinit maximale acceptable de
1,5 g.L-1. Il est suppos que le pompage dans chacun des puits sera le mme partir des trois
couches. Afin de protger l'aquifre, il est considr un rabattement maximale acceptable gale
1 m par pas de temps (mois) pour les quatre puits. De plus, les puits seront considrs ayant la
mme importance. Par consquent, I (w) sera gal 1 pour tous les puits w . La priode
d'tude est de deux ans (2011-2012) avec un pas de temps mensuels.

Lobjectif de cette tude est de tester les performances de loutil dvelopp pour loptimisation de
la gestion des aquifres dans lespace de travail WEAP-MODFLOW.

DR. ISSAM NOUIRI 37

4.3 Principaux Rsultats

Dans cette partie, il est prsent un rsum des rsultats des travaux de recherche mens dans
lobjectif de contribuer aux efforts visant lamlioration de la gestion des ressources en eau. Dans la
section (4.3.1) les DSS dvelopps en utilisant WEAP et MODFLOW ainsi que des exemples de
rsultats utiles pour la GRE sont exposs. Dans la section (4.3.2), il est dtaill les rsultats des
applications des AGMO dvelopps sur un cas dtude rel et sur un exemple hypothtique.

4.3.1 Systme de mobilisation des eaux du Nord de la Tunisie.

Le premier cas dtude tant le systme de mobilisation des eaux du Nord. Le travail de modlisation
a consist en premier lieu en la reconnaissance du milieu physique (bassins versant, cours deau,
sites de demandes, liaisons hydrauliques). Les longues sances de travail avec les gestionnaires du
systme a permis dlaborer des schmas de fonctionnement de chaque barrage et une quation
de bilan capable de calculer la variation du volume deau en fonction des entres et des sorties au
barrage. Il est aussi tabli les schmas des dessertes assures par chaque barrage aux sites de
demande correspondants. La figure 16 prsente le schma conceptuel du systme de mobilisation
des eaux du Nord de la Tunisie sous WEAP.

En deuxime lieu, il est organis une base des donnes regroupant les proprits des barrages
concerns par ltude, les valeurs journalires des paramtres du bilan ainsi que les donnes des
consommations.

La troisime tape de la modlisation du systme de mobilisation des eaux du Nord a consist en

llaboration des liens entre les objets formant le schma conceptuel (Barrages, liaisons, sites de
demandes) et la base des donnes des variables mesures. Tels sont les cas des apports deau aux
barrages, les vaporations, les demandes et les volumes deau dans les retenues des barrages.

#
# #
# $ # #
#
# # # $
#
# #
$ # # $ #
$ # ( # #
$ # # #
#
# # # $
$ # # # $ # $ # #
$ # # # $
# $ # # $ #
$ # # #
# # # # # $
# $ #
# #
$ #
# #
#
( #
#
( # # ( # #$ # #
$ # #
#
#
# # # #
# $ # # #
# # #
#
#
#
#
# ( $ #
#
# $
$ #
$ # # #
# #
# #
# $ # #
( #

$
$
# #
# # #
#
# #
#
#
#
# #

# $ #
#
$ (
#
$
#
#
#

Figure 16. Schma conceptuel du systme de mobilisation des eaux du Nord de la Tunisie sous
WEAP.

DR. ISSAM NOUIRI 38

Le premier cas dtude tant modlis en utilisant essentiellement 37 objets Rivire , 32
Barrages , 99 Sites de demandes et 100 Liaisons de transmissions . Le modle labor a
t test pour vrifier ses capacits restituer les donnes de base introduites par lutilisateur et
de modliser le fonctionnement des barrages.

Parmi les rsultats qui peuvent tre cits pour valuer le modle est sa capacit dresser des bilans
deau au niveau de tous les objets du systme. En effet, il tait possible dextraire les taux de non
satisfaction des demandes en eau introduites, les dbits dans tous les liens hydrauliques, les
comportements des barrages (volume) ainsi que le bilan de tout le systme (Figure 17).
Retenue: dbits entrant et sortant
Scnario: Reference, Tout jour (365), Tout Retenue (32)
300
Tous les autres
280
Increase in Storage for sidi salem
260
Increase in Storage for sidi barrak
240
Increase in Storage for sejnan
220
Increase in Storage for mellegue
200
Dbit vers l'aval
180
Dbit vers L5
160
Dbit vers L10
140
Dbit venant de l'amont
120
Decrease in Storage for sidi salem
100
Decrease in Storage for sidi barrak
80
Decrease in Storage for sejnan
60
Million Mtre cube

Decrease in Storage for mellegue

40
20
0
-20
-40
-60
-80
-100
-120
-140
-160
-180
-200
-220
-240
-260
-280
-300
01/01/ 09/03/ 21/05/ 02/08/ 13/10/ 25/12/ 08/03/ 20/05/ 31/07/ 12/10/ 24/12/ 06/03/ 18/05/ 30/07/ 11/10/ 22/12/ 05/03/ 17/05/ 28/07/ 09/10/ 21/12/ 04/03/ 15/05/ 27/07/ 08/10/ 20/12/ 02/03/ 14/05/ 26/07/ 06/10/ 18/12/
2008 2008 2008 2008 2008 2008 2009 2009 2009 2009 2009 2010 2010 2010 2010 2010 2011 2011 2011 2011 2011 2012 2012 2012 2012 2012 2013 2013 2013 2013 2013

Figure 17. Bilans journaliers des 32 barrages du systme de mobilisation des eaux du Nord
considrs dans le modle.

Cette analyse offerte par le modle permet dmettre des constations sur le fonctionnement global
du systme de mobilisation sous leffet de lhydrologie et en consquence dune gestion des
ressources. Plusieurs traitements peuvent tre faits sur les moyennes, les totaux et les carts par
rapport des enregistrements de rfrences. La figure 18 prsente les bilans annuels de 2008
2012 des dbits entrant et sortant des retenues des barrages.
Retenue: dbits entrant et sortant
Scnario: Reference, Tout jour (365), Tout Retenue (32)

4 400 Decrease in Storage for mellegue

4 200 Decrease in Storage for sejnan
4 000 Decrease in Storage for sidi barrak
3 800 Decrease in Storage for sidi salem
3 600 Dbit venant de l'amont
3 400 Dbit vers L10
3 200 Dbit vers L5
3 000 Dbit vers l'aval
2 800 Increase in Storage for mellegue
2 600 Increase in Storage for sejnan
2 400 Increase in Storage for sidi barrak
2 200 Increase in Storage for sidi salem
2 000 Tous les autres
Million Mtre cube

1 800
1 600
1 400
1 200
1 000
800
600
400
200
0
-200
-400
-600
-800
-1 000
-1 200
-1 400
-1 600
-1 800
2008 2009 2010 2011 2012

Figure 18. Bilans annuels des entres et des sorties d'eau dans les barrages du systme
hydraulique de la Medjarda.

DR. ISSAM NOUIRI 39

Lanalyse des cinq annes hydrologiques permet daffirmer que lanne 2012 tait la plus humide
et quelle a apport aux barrages environ 4400 Millions de m3. Les volumes deau couls vers laval
des barrages tant estims environ 1700 Million de m3, soit environ 39%. Lanne 2010, moins
humide, est caractrise par un rapport entre les apports et les dversements denviron 20%.

Le DSS labor permet, dautre part, de simuler les comportements journaliers des barrages par le
calcul de leurs volumes deau et de restituer le rsultat de la simulation paralllement aux
enregistrements. La figure 19 est un exemple de rsultat pour les barrages de Joumine.
Observed and Simulated Reservoir Volume
Retenue: Joumine, Scnario: Reference, Tout jour (365)
140
Observed Volume
135
Volume de stockage
130
125
120
115
110
105
100
95
90
85
Million Mtre cube

80
75
70
65
60
55
50
45
40
35
30
25
20
15
10
5
0
01/01/ 21/02/ 18/04/ 13/06/ 07/08/ 02/10/ 27/11/ 21/01/ 18/03/ 12/05/ 07/07/ 01/09/ 26/10/ 21/12/ 14/02/ 11/04/ 06/06/ 31/07/ 25/09/ 19/11/ 14/01/ 11/03/ 05/05/ 30/06/ 24/08/ 19/10/ 14/12/ 07/02/ 04/04/ 30/05/ 24/07/ 18/09/ 12/11/
2008 2008 2008 2008 2008 2008 2008 2009 2009 2009 2009 2009 2009 2009 2010 2010 2010 2010 2010 2010 2011 2011 2011 2011 2011 2011 2011 2012 2012 2012 2012 2012 2012

Figure 19. Variations journalires observe et simule du volume d'eau du barrage Joumine de
2008 2012.

Le dernier graphique montre que le schma conceptuel labor pour le barrage Joumine ainsi que
les donnes physiques et celles de gestions sont cohrentes avec la ralit. La courbe de variation
du volume simule tend sloigner de celle observe dans les phases de consommation. Un calage
des paramtres influents dans cette phase est ncessaire pour amliorer la qualit de la
modlisation. Pour dautres barrages, les rsultats ne sont pas acceptables et un raffinement du
travail a t recommand la fin de ce premier pas.

Une des fonctionnalits offertes par WEAP est la possibilit de crer un ensemble de graphiques qui
donnent une ide globale sur le fonctionnement du systme et les afficher sur la mme vue
simultanment. La figure 20 en est un exemple qui regroupes les demandes non satisfaites, les
variations des volumes des rservoirs les dbits dans les cours deau et ceux dans les liaisons de
transmission.

DR. ISSAM NOUIRI 40

 Figure 20. Compilation de rsultats de modlisation dans une mme vue de linterface de WEAP.

La premire application de WEAP pour la modlisation de la gestion du systme des eaux du Nord
de la Tunisie a montr quil est possible avec cet outil de rsoudre des problmatiques non
ngligeables auxquelles sont confronts les gestionnaires. Le premier apport de lapproche est
lorganisation des donnes numriques et leurs rattachements des objets graphiques. Ceci facilite
considrablement lanalyse des donnes collectes de plusieurs sources dinformation.

La capacit de traitement des donnes et ldition de graphiques diffrents pas de temps et sous
diffrentes formes est une autre fonctionnalit que le modle dvelopp peut apporter au
gestionnaire pour lui faciliter la comprhension du fonctionnement du systme et par la suite la
prise de dcision.

Le fait que lapproche de modlisation propose se base, en plus de la schmatisation du systme,

sur la lecture de donnes de sries chronologiques partir de classeurs (*.csv), les oprateurs dun
gestionnaire de ressources en eau ne seront pas appels modifier leurs traditions de travail mais
plutt de les adapter. Ceci est un atout important en vue de la dissmination des rsultats et de
ladoption de la mthodologie.

4.3.2 Modlisation des coulements de surface et du systme hydraulique du bassin versant de

la Medjerda.
Dans la premire exprience de modlisation avec WEAP, il nest pas abord laspect hydrologie des
bassins versants. Les apports aux barrages taient introduits comme donnes du modle. Cette
tude est conue pour remonter davantage en amont des barrages et tester lapproche de
modlisation des RE de WEAP dans lvaluation des coulements de surface et dans la gestion des
ressources en eau.

DR. ISSAM NOUIRI 41

Une analyse du systme physique et hydrologique en collaboration avec les cadres de la DGBGTH a
permis dlaborer un schma conceptuel pour modliser le bassin versant de la Medjerda. La
mthodologie de travail a consist au dcoupage du bassin versant en des sous-bassins versants sur
la base de la topographie et du rseau hydrographique. Un modle Pluie-Dbit est ensuite utilis
pour gnrer les coulements journaliers dus aux prcipitations (2008 2013).

Le systme de barrages, des sites de demandes et les liaisons hydrauliques sont par la suite
configurs conformment la ralit. Les cours deau principaux sont modliss par 43 objets
Rivire aliments en eau par les ruissellements partir de 58 objets Bassin versant travers
58 objets Ruissellement/Infiltration . Il est identifi dans la zone 16 Sites de demande relis
aux barrages par 16 Liaison de transmission . La base des donnes des paramtres agro-
climatique est mise en relation avec les objets Bassin versant pour le calcul des
vapotranspirations des couverts vgtaux et des ruissellements de surface. La figure 21 prsente
le modle de gestion du bassin versant de la Medjerda labor par WEAP.

# # #
# # #
# # #
#
# # ##
#
# #
Y$
# $ # #
(
Y
## # Y
# ## # Y #
# $ # Y # #
# ##Y ## # # # $Y ## #
(
((
# #
# # #
# ## #
(( (
#
# #
#
## # # # # #
# #
Y
#
$ # # # # #
#
#
#
#

#
#
#

## # (
$
Y #
# # Y
# # $Y
#
#
# # #
# # #

( (
Y
# # Y# $#
Y

# ## #
# #
# #
# Y # #
# #
#
# ## #
#
# #
$
# # # #
# #
# # # #
# #Y #
( # # #
#

#
#
# #
#
# ##
# #
# ## ##

#
#
# #
#
# ( Y #
#
#

#
#
#
# # #
#

Figure 21. Modle de gestion des RE du bassin versant de la Medjerda sous WEAP.

En plus des mmes rsultats que ceux prsents pour le cas dtude prcdent, le prsent modle
fourni des estimations des dbits dans chacun des cours deau considrs. La figure 22 donne la
distribution des dbits lors de la journe du 23 fvrier 2012, qui correspond une inondation qui
sest gnre partir du bassin de Mellgue.

DR. ISSAM NOUIRI 42

 # #
#

# #
#

#
#

$# # $ #
# #

#
#
#

(
#
#

#
Y
$ #

#
Y
$

#
#
#

#
#
# #

# $
(

#
#
Y

$#
Y

(
# #

#
#

(
$ # #

# #
#

#
# #

Y
#

# (

Y
# #

#
(
#
(
#
#
#

(( (
#
#

#
#

#
#
#

# #
#
#
(
#

( # #
#

#
#

Y
#

$ # #
#

##
#

(
#

#
#

#
#

$
#

$
#
#

#
Y Y

#
$ (

# #
#
$

# #
#

#
#
# #

#
#

#
#
Y #

( ( $
#

Y
#

#
$
#

# Y (
#

#
(
#

Figure 22. Carte de distribution des coulements de surface dans les rivires du modle de la
Medjerda.

Le modle de gestion labor par WEAP fournit lutilisateur un schma dallocation des ressources
selon les proprits des liaisons hydrauliques disponibles, pour chaque pas de temps de simulation.
Les contraintes de transit, celles de la qualit de leau et les priorits et les prfrences
dalimentation sont respectes. La figure 23 est un exemple de demandes en eau et de desserte
proposes dans le cadre du scnario de rfrence du modle, pour la journe du 1ier Aot 2012.

#
#

#
##
#

# #
# #

# # #
#
#

#
#

#
#

#
#

##
##
#

#
#

$# # $
# #

#
#

(#
#
#

$ #

Y
Y
$

Y
#
#

#(
#
#
#
#

# $
(

#
#
Y

$#
#
Y
# #
#

(
$ # #

(##
# #
#
# #

Y
#

# (
# #

Y
#
(

#
#
#
#

( (
#

#
#

#
#

#
#

#
#
(
#

( # #
#
#

Figure 23. Demandes en eau et schma d'allocation propos par WEAP le 1ier Aot 2012 pour une
partie du bassin versant de la Medjerda.

Lexprience de modlisation des coulements de surface et de la gestion du systme hydraulique

en utilisant lapproche de WEAP partir des donnes agro-climatiques et un dcoupage de la zone
dtude en sous bassins versants a rvl la capacit de loutil dtablir pour chaque barrage la
balance de leau et de simuler la dynamique de lensemble du systme.

La prsente tentative a fait merger la problmatique de disponibilit des enregistrements agro-

climatiques, essentiellement les prcipitations, et leur reprsentativit pour toute la zone dtude.
En effet, de larges parties du bassin versant ne sont pas couvertes par des stations pluviomtriques.
La station la plus proche a t utilise lors de cette recherche.

DR. ISSAM NOUIRI 43

La particularit de cette tude est lassociation de la DGBGTH dans toutes les tapes du
dveloppement du DSS. Nous considrons, aprs trois expriences de dveloppement de DSS de
GRE avec WEAP, que le partenariat avec cette structure qui gre les grands barrages de la Tunisie
est un acquis dans la dmarche de dissmination de loutil auprs des utilisateurs potentiels.

4.3.3 Modlisation de la gestion des ressources en eau des bassins versants transfrontaliers
Tuniso-Algriens.
En vue de surmonter les anomalies de modlisation rencontres lors des premires expriences, il
est utilis dans ltude des bassins transfrontaliers une approche statistique de spatialisation des
mesures des prcipitations des 38 stations de mesure sur une grille couvrant la zone dtude avec
un pas de 0,02 degr. La zone de ltude est dcoupe en 9 sous bassins versants, prsents dans le
tableau 4 :

Tableau 4. Surfaces des sous bassins versants de la zone dtude

Sous bassin versant Surface ( ) Primtre (Km)
Medjerda 2628 309
Mellegue amont 1582 202
Mesikiana 1800 235
Chabro 1500 154
Sarrath 2041 222
Mellegue aval 2482 213
Ksab 1097 197
El Hathab 3463 351
El Kbir 5693 405
Surface Totale (Km) 22286

La base des donnes journalire des prcipitations stale du 1ier Septembre 2008 au 31 Dcembre
2013. La mthode dinterpolation linaire est utilise pour spatialiser linformation pluviomtrique
journalire. La figure 24 prsente les courbes isohytes des prcipitations annuelles des quatre
annes hydrologiques tudies.

Pour les quatre annes hydrologiques, il est mis en vidence un gradient pluviomtrique du Nord
au Sud de la zone dtude. Il est enregistr des prcipitations annuelles du Nord au Sud variant entre
2200 et 100 mm.

DR. ISSAM NOUIRI 44

 3
1

2
4

Figure 24. Courbes isohytes des prcipitations annuelles pour les annes hydrologiques
2008/09 (1), 2009/10 (2), 2010/11 (3) et 2012/13 (4).

Pour les quatre annes hydrologiques tudies, les rgions en Algrie sont nettement plus
arroses. Cette observation peut tre argumente par laugmentation de laltitude en se
dirigeant de la Tunisie vers lAlgrie.

Pour combler le manque de mesures dans de vastes rgions, il tait ncessaire de choisir 22
emplacements de stations pluviomtriques imaginaires pour associer chaque objet
Bassin versant du modle une station pluviomtrique (Figure 24). Les prcipitations
journalires des stations imaginaires sont par la suite extraites des rsultats des interpolations
des valeurs journalires des stations existantes.

Dans le cadre de cette tude, il tait ncessaire de calculer lvapotranspiration de rfrence

(ET0) pour les stations principales dans et autour de la zone dans lobjectif de prparer la
modlisation des ruissellements. La figure 25 prsente lvapotranspiration moyenne des 9
sous bassins versants de la zone dtude.

DR. ISSAM NOUIRI 45

 Figure 25. Evapotranspiration journalire moyenne des stations climatologiques principales
de la zone dtude.

La moyenne journalire de lET0 pour tous les bassins versants a varie entre 0,9 et 9,3
mm/jour.

Disposant de toutes les informations ncessaires, le modle de simulation des coulements

transfrontaliers et de fonctionnement des composantes hydraulique du systme modlis, le
projet WEAP est ralis en collaboration avec la DGBGTH. La figure 26 prsente son schma
conceptuel retenu. Le modle est construit pour la priode du 1ier Septembre 2008 au 31 Aot
2013 avec un pas de temps journalier.

Figure 26. Schma conceptuel du modle de gestion des ressources en eau de surface des
bassins transfrontaliers Tuniso-Algriens.

Pour construire ce modle de gestion, Il est utilis 36 objets Rivire , aliments en eau
partir 37 Bassin versant travers 37 liaisons Ruissellement/infiltration . Trois retenues

DR. ISSAM NOUIRI 46

 (Mellgue, Ain Dalia et Sidi Aich) ont t modlises. Le barrage Mellgue, le plus important
dans le systme hydraulique tudi, alimente en eau des primtres irrigus aux
Gouvernorats du Kef, Bja et Jendouba. Toutes ses proprits physiques et fonctionnelles ont
t introduites. Sa courbe hauteur volume est donne la figure 27. Sa capacit tait environ
163 Mm3 en 1954 (lanne de sa mise en eau) et est estime environ 132 Mm3 en 2009. Soit
une perte denviron 19% de sa capacit initiale.

Figure 27. Courbe hauteur volume du barrage Mellgue.

La base des donnes des mesures journalires du volume du barrage Mellgues est galement
intgre dans le modle aussi bien que ses caractristiques physiques et ses rgles de gestion.
La modlisation par WEAP a permis destimer les ruissellements des 7 cours deau
transfrontaliers, du nord au sud, Rarai, Medjerda, Mejah, Mellegue, Haidra, Safsaf et El Kbir
(Figure 28).

Figure 28. Modulation des dbits dans les cours d'eau transfrontaliers Tuniso-Algriens du
1ier Septembre 2008 au 31 Aout 2013.

Les valeurs maximales sont observes au niveau de loued Mellgue avec une valeur denviron
260 Mm3 le 22 Fvrier 2012 (3000 m3/s). Cet affluent est le plus important dans le bassin
versant de la Medjerda. Le mme jour, le dbit traversant la frontire du ct de Ghar Dimaou

DR. ISSAM NOUIRI 47

 travers la Medjerda est valu 64 Mm3 (740 m3/s). A la mme date et plus au Sud, Oued
El Kbir et Oued Essafsaf (qui forment Oued El Kbir en Tunisie) ont vhiculs de lAlgrie vers la
Tunisie environ 100 Mm3 (1160 m3/s). Les cartes de la figure 29 donnent une ide sur la
rpartition des coulements de surface dans le rseau hydrographique modlis.
#
#

$ $

#
1
#
#

(
#

#
#

# (

#
#

#
#

#
#

#
#

# #

# # #
#

#
#

# #

#
#

#
#

(
#

#
#

#
#

# #

$ $

#
#

#
#
#

(
#

#
#

#
(

3
#

# #

$
$

Figure 29. Ecoulements de surface transfrontaliers Tuniso-Algriens le 28 Fvrier 2012

travers la Medjerda (1), Mellge (2) et Oued El Kbir (3).

Les ruissellements annuels traversant Oued Mellgue ont vari entre 840 et 1731 Mm3
respectivement pour 2012/13 et 2011/12. Ceux de loued El Kbir, ils ont vari entre 164 et 393
Mm3 respectivement pour 2012/13 et 2010/11. Pour loued Medjerda, les ruissellements
annuels ont vari entre 353 et 558 Mm3 respectivement pour 2009/10 et 2010/11.

DR. ISSAM NOUIRI 48

 Le modle de gestion labor dans le cadre de cette tude a t utilis pour simuler leffet
des amnagements prvus dans la zone dtude : Le barrage Mellgue 2 (en amont de
Mellgue existant) et Serrat. Le modle est galement utilis pour simuler les effets de
scnarios climatiques. Il est dmontr que si la pluviomtrie augmente de 200 % (scnario
climatique trs humide), les ruissellements peuvent augmenter jusqu 265 %. Au contraire,
si la pluviomtrie dcroit de 80% (scnario climatique trs sec), les coulements de surface
seraient rduits denviron 85% (Ben Abdel Malek et Nouiri, 2014).

4.3.4 Modlisation de la gestion de la Nappe de Zeuss Koutine

Dans les zones arides, les coulements de surface sont rares. Cest les nappes qui posent le
problme le plus important pour les gestionnaires des ressources en eau. Dans ce contexte,
nous proposons le dveloppement de DSS en utilisant les capacits de WEAP dans la
modlisation des eaux de surface et celles de MODFLOW dans la modlisation des eaux
souterraines. Il est maintenant possible dtablir un lien dynamique entre ces deux outils si
deux modles sont dj raliss et valids sparment. La mthodologie propose est
applique sur la nappe de Zeuss Koutine. Laquifre tant modlise dans le cadre dun
mmoire de Mastre encadr par Prof. Tarhouni.

La modlisation dans ce cas sest base essentiellement sur la reprsentation du contexte

hydrogologique et lestimation des besoins en eau potable des villes alimentes partir de
Zeuss Koutine. Le systme hydraulique est form essentiellement de conduites et des stations
de pompage. En plus de laquifre, des stations de dessalement deau saumtre sont utilises
et dautres pour le dessalement de leau de mer sont en cours dexcution. En plus du
problme de rabattement de la nappe, il est aussi considr dans la modlisation les
problmes de la salinit et des consommations dnergie.

Le modle conceptuel est construit par 10 objets Rivire , 16 Site de demande , 9 nud
Eau souterraine , 2 Bassin Versant , 2 Autres Sources , 24 Liaison de transmission ,
2 liaisons Ruissellement/Infiltration et 8 dbit de Retour (Figure 30).

Les deux modles WEAP et MODFLOW sont tablis pour la priode 1982 2030, avec un pas
de temps mensuel. Une mise en relation entre les objets Eau souterraine de WEAP et les
cellules du modle MODFLOW. Ce lien est assur par la configuration dun fichier de liaison
type *.shp . La figure 31 est une partie de la base de donnes du fichier de liaison WEAP-
MODFLOW configure pour le cas de Zeuss Koutine.

DR. ISSAM NOUIRI 49

 %
%
#
%

# #

#
# # %
#
# %
#
` #
# # #
#
% #
#
# #
#
# #

# #
%
` %
#
#
%
#

Figure 30. Modle conceptuel du systme hydrogologique de la nappe Zeuss Koutine.

Figure 31. Aperu de la base de donnes du fichier de liaison WEAP-MODFLOW configur

pour le projet Zeuss Koutine.

DR. ISSAM NOUIRI 50

 Le DSS ainsi tabli est utilis pour estimer les projections des populations, des demandes et
de la gestion des ressources de ce systme. La figure 32 rsume les demandes en eau calcules
par le DSS pour toutes les villes de la zone de ltude jusqu 2030.

Figure 32. Estimations des demandes en eau potable mensuelles des villes du Sud Est de la
Tunisie.

Le DSS est aussi configur pour estimer la recharge naturelle sous leffet des prcipitations
mensuelles. Lexploitation de la nappe pour satisfaire les demandes jusqu lchance de
ltude est fournie par le DSS. Les principaux rsultats sont les prlvements deau de chaque
source disponible pour satisfaire les demandes et limpact sur la nappe. Il est aussi calcul le
cot de la gestion ainsi que la qualit de leau desservie chaque site de demande. La figure
33 est un exemple de solution pour la desserte de la ville de Jerba, pouvant tre alimente
partir de plusieurs sources (aquifre, station de dessalement de leau saumtre, eau de mer
dessale).

Figure 33. Solution de desserte de la Ville de Jerba partir des quatre sources d'eau
disponibles.

DR. ISSAM NOUIRI 51

 Le DSS a cherch durant chaque phase la solution qui respecte la salinit maximale impose
(1,5 g/l). Il est dmontr que les stations de dessalement actuelles et programmes seraient
suffisantes pour pargner lusage de laquifre jusqu 2020.

Limpact de la satisfaction de la demande en eau sur la nappe est valu par le DSS sur la base
du calcul des niveaux pizomtriques des cellules du modle de la nappe (Figure 34).

Figure 34. Evolutions simules des charges de trois pizomtres de la nappe de Zeuss
Koutine de 1982 2030.

Il est dmontr par la modlisation que le rabattement de la nappe tait ralenti par
lintroduction du dessalement en 2000. La station de dessalement de leau de mer assurera
quant elle un ralentissement du rabattement jusqu 2020. A partir de cette date, dautres
ressources devraient tre identifies et utilises pour prserver la nappe de Zeuss Koutine.

4.3.5 Conclusions sur les outils de modlisation de la GRE

Ces applications pour dvelopper des DSS par WEAP ont permis dvaluer ses capacits,
performances et fonctionnalits. Il est retenir que lapproche apporte nombreuses solutions
pour les problmatiques que les gestionnaires voquent chaque occasion. WEAP a permis
dharmoniser le format et de regrouper toutes les informations ncessaires au calcul des
bilans deau des composantes du systme hydraulique. Lexploitation des donnes est rendue
plus facile en les rattachant des objets graphiques formant le schma conceptuel du systme
modlis.

Lapproche propose a montr ses performances en termes de calcul des bilans et des
ruissellements de surface. WEAP offre une gamme de modles capables dvaluer le bilan
hydrique la surface du sol, depuis le plus simple, qui ncessite quelques informations
gnrales, au plus compliqu qui calcule les besoins en eau des cultures et modlise lhumidit
du sol aux diffrents horizons jusqu une nappe souterraine. Il est galement possible de
programmer dans WEAP tout model hydrologique test.

DR. ISSAM NOUIRI 52

 Les diverses possibilits daffichage des rsultats sous forme de graphiques, de cartes et de
tableaux ainsi que les possibilits de leur exportation vers Excel en sont des fonctionnalits
efficientes pour llaboration de rapports.

Le lien WEAP-MODFLOW a permis de construire un DSS capable de modliser les impacts du

contexte climatique et de toute mesure de gestion sur laquifre. Un pas de temps mensuel
tait ncessaire pour aboutir des dtails qui relvent de la gestion. Ceci est une difficult
dans la mesure que la tradition de la modlisation des aquifres sopre gnralement un
pas de temps annuel.

Un raffinement des travaux ci-dessus exposs, par lamlioration de la qualit des donnes
utilises, les modles appliqus et par leur calage sur la base de donnes observes, est la
perspective de cette recherche. Elle vise amliorer la qualit de la modlisation sans toutefois
prtendre les rendre capables didentifier les solutions optimales aux problmes poss.

Ainsi, la forme des DSS qui vient dtre expose reste une alternative de modlisation qui
permet au gestionnaire dvaluer une solution. Un outil de gnration de scnarios, voire
doptimisation de la gestion des RE, est fortement demand pour rsoudre des quations des
modles doptimisation et atteindre tous les objectifs de la GRE.

4.3.6 ALL_WATER, un outil doptimisation multi-objectif de la GRE

Dans la premire partie de ce paragraphe, il est pass en revue les rsultats des applications
de dveloppement des DSS pour la GRE en utilisant lapproche de WEAP, pour les eaux de
surface, et WEAP-MODFLOW lorsquune nappe est considre. Il est aussi soulign la
ncessit doutils doptimisation pour identifier des solutions rependant aux objectifs de la
gestion des RE, tout en respectant les contraintes du systme.

Ce paragraphe prsente les rsultats de lutilisation dun outil doptimisation dvelopp selon
la mthodologie dtaille au chapitre prcdent pour optimiser la GRE indpendamment de
tout autre outil de modlisation.

Comme soulign la mthodologie, il est programm en premire tape loutil

ALL_WATER . Cest une application indpendante qui optimise un problme dallocation
des RE entre diffrents usagers. Il est considr les objectifs de satisfaction de la demande et
de minimisation du cot unitaire de leau. Lobjectif de satisfaction des exigences en salinit
est transform en contrainte (Nouiri, 2014).

Un cas dtude rel (La station de traitement deau potable de Ghdir El Golla) est utilis pour
tester ALL_WATER . La figure 35 prsente son schma conceptuel.

DR. ISSAM NOUIRI 53

 FS(1, 2, t) FD(2, 1, t)
S2

L2(t)
FD(1, 1, t) D(1, t)
S1 D1

FS(1, 3, t) FD(3, 1, t)
S3

L3(t)

Figure 35. Schma conceptuel de la GRE de la station de traitement de Ghdir El Golla.

Afin de choisir les paramtres de lAGMO, une analyse de sensibilit a t faite. Les premiers
essais ont converg pour une taille de population de TPOP = 50, un nombre maximum
d'itrations Gmax = 1500, une probabilit de croisement pc =0,6, une probabilit de mutation
pm = 0,1 et un pourcentage d'litisme Pe = 40%. Aprs six minutes dexcution, l'outil a valu
75 000 solutions possibles au problme (50 x 1500) et identifi les 72 solutions optimales
prsentes dans le front de Pareto la figure 36.

Figure 36. Front de Pareto de solutions optimales pour la GRE de la station Ghedir El Golla.

Le graphique de la figure 36 exprime la relation entre la satisfaction de la demande de l'eau

et les pnalits associes : fitness 1 et le cot unitaire de l'eau : fitness 2. Le gestionnaire peut
choisir la solution optimale du front de Pareto selon ses priorits.

DR. ISSAM NOUIRI 54

 La solution A est celle qui satisfait le plus la demande, mais au cot le plus lev. La solution
B est caractrise par le cot le plus faible mais la demande en eau ne sera pas satisfaite
comme pour A. La solution C peut tre considre comme une solution de compromis. Elle
tente de faire un quilibre entre la satisfaction de la demande et la rduction du cot.

Il est vrifi que toutes les solutions assurent une salinit acceptable au site de demande. Les
volumes deau limites aux sources ainsi que les dbits maximaux de transit sont respects.

Le front de Pareto dfini par les solutions optimales fournit une relation intressante entre les
objectifs pris en considration. Il peut aider les gestionnaires prendre les bonnes dcisions
dans diffrentes situations du systme hydraulique et des priorits. Cette possibilit ne peut
pas tre offerte par des approches mono-objectives.

Bien quALL_WATER a montr une efficacit et une efficience dans le calcul des solutions
optimales pour le cas dtude rel, quelques amliorations futures pourraient tre envisages.
L'outil pourrait tre enrichi en ajoutant des objectifs supplmentaires. Un objectif
environnemental pour minimiser les rabattements dans les aquifres permettrait un plus
large ventail d'applications.

L'outil dvelopp est efficace et souple pour l'optimisation de la GRE pour les grands systmes
hydrauliques et tous les types de ressources en eau. En outre, toute catgorie de la demande
en eau peut tre incluse en termes de volume et de salinit (Nouiri, 2014).

4.3.7 ALL_WATER_gw, un outil doptimisation multi-objectif de la GRE dans la plateforme

de WEAP-MODFLOW.

Vu les rsultats concluant du test du premier outil doptimisation, le deuxime outil dvelopp
ALL_WATER_gw est conu pour enrichir la plateforme de modlisation WEAP-MODFLOW
en lui offrant la possibilit de gnrer des scnarios optimaux. Lassociation entre le modle
doptimisation et le DSS WEAP-MODFLOW permettrait des avantages importants :

Lutilisation des rsultats de la modlisation sans avoir besoin de reconstruire le

modle en entier,
La prise en compte dans loptimisation dautres objectifs modliss par la plateforme
WEAP-MODFLOW comme le rabattement des nappes.
La plateforme WEAP-MODFLOW disposerait dun gnrateur de scnarios optimaux et
le modle doptimisation aurait une fonctionnalit daffichage des rsultats.

La conviction de lutilit des outils doptimisation a encourag le dveloppement dun logiciel

ALL_WATER_gw avec des interfaces de communications conviviales et faciles utiliser. La
figure 37 prsente une des interfaces de ALL_WATER_gw .

DR. ISSAM NOUIRI 55

 Figure 37. Interface d'optimisation de ALL_WATER_gw.

DR. ISSAM NOUIRI 56

 Le premier test a port sur un cas dtude hypothtique prsent dans la premire partie de
ce chapitre. Afin dvaluer les performances de calcul de loutil dvelopp, il est jug utile de
mener avant tout une tude de sensibilit de ALL_WATER_gw aux paramtres de rglage
essentiellement la taille de la population Tpop de lAGMO, la probabilit de croisement
Pc et le pourcentage dlitisme Pe .

Les figures suivantes prsentent le nombre de solutions optimales trouves et le temps

d'excution pour les tailles de populations 30, 50, 100, 150 et 200 et les combinaisons des
paramtres de Pm-Pc-Pe tudies ainsi que les valeurs moyennes.

Ltude de sensibilit a montr que le nombre de solutions optimales nest pas clairement
fonction de la probabilit de mutation (Pm), la probabilit de croisement (Pc) et le pourcentage
dlitisme (Pe) (Figure 38).

60
Optimal solution number

50

40

30

20

10

0
30 50 100 150 200
Tpop

4-80-20 4-50-50 4-20-80 7-80-20 7-50-50

7-20-80 10-80-20 10-50-50 10-20-80 Average

Figure 38. Nombre de solutions optimales en fonction de Pm-Pc-Pe.

Leffet de la taille de la population sur le temps de lexcution pour converger est exprim
dans la figure 39.

DR. ISSAM NOUIRI 57

 500
y = 34.657e0.5254x
400 R = 0.9857

Execution time (s)

300

200

100

0
30 50 100 150 200
Tpop
4-80-20 4-50-50 4-20-80
7-80-20 7-50-50 7-20-80
10-80-20 10-50-50 10-20-80
Average Expon. (Average)

Figure 39. Effet de la taille de la population et de Pm-Pc-Pe sur le temps d'excution.

Les rsultats montrent que le temps de calcul est une fonction exponentielle de la taille de la
population, confirm par le coefficient de dtermination de la courbe de tendance
exponentielle de 0,9857. La relation exponentielle entre la taille de la population et le temps
de calcul peut tre explique par l'effet combin de la ncessit d'un temps plus long lorsque
l'outil doit valuer plusieurs solutions et par l'augmentation du nombre d'itrations
ncessaires pour converger quand la taille de la population est plus grande.

La figure 39 montre aussi que le temps de calcul ne dpend pas fortement des valeurs de Pm,
Pe et Pc. Dans tous les cas, le temps de calcul moyen ncessaire pour valuer une solution a
t estim 0,000147 s.

La gestion de laquifre hypothtique est ensuite optimise par ALL_WATER_gw en tenant

compte des quatre fonctions objectifs et des contraintes associes. Il est utilis une population
de taille gale 30 solutions, un nombre maximal d'itrations gal 2000 et Pc = Pe = 50 %.

Aprs 3,5 heures de calcul, ALL_WATER_gw tait en mesure d'valuer 60 000 solutions et
converger. Le long temps de calcul observ avec ce cas est d l'excution du modle
MODFLOW 60 000 fois. La figure 40 prsente l'volution des quatre fonctions objectives lors
de la recherche.

DR. ISSAM NOUIRI 58

 2.5

Objective functions values

2
1.5
1
0.5
0 151
226
301
376
451
526
601
676
751
826
901
976
1051
1126
1201
1276
1351
1426
1501
1576
1651
1726
1801
1876
1951
1
76

Iteration number
FDS FDD FC FQ

Figure 40. Evolution des valeurs des fonctions objectifs lors de l'optimisation de la gestion de
l'aquifre hypothtique.

Les tendances des fonctions objectives dans le graphique de la figure 40 montrent bien que le
modle doptimisation tait capable de minimiser les fonctions de non satisfaction de la
demande et de la salinit relativement rapidement. La fonction objective de minimisation du
rabattement a observ une rduction significative durant la premire phase de loptimisation,
paralllement la satisfaction de la demande, puis une stagnation de sa valeur jusqu la fin
du processus doptimisation. La fonction de minimisation du cot na pas pu tre rduite dans
ce cas dtude.

22 solutions optimales ont t identifies par ALL_WATER_gw aprs avoir atteint le nombre
maximal d'itrations, prsent dans le front de Pareto dans le graphique Figure 41. Ce front
de Pareto reprsente la relation entre la fonction dadaptation de satisfaction de la demande
et de minimisation du rabattement (FDS-DD) et celle de la rduction des cots et la satisfaction
de la salinit (FC-Q).

0.378
0.3778
0.3776
0.3774
0.3772
FC-Q

0.377
0.3768
0.3766
0.3764
0.3762
0.415 0.42 0.425 0.43 0.435 0.44
FDS-DD

Figure 41. Front de Pareto des solutions optimales identifies par ALL_WATER_gw pour le
cas d'tude hypothtique.

DR. ISSAM NOUIRI 59

 Lanalyse des solutions optimales A (point verte), B (point rouge) et C (point jaune) montre
que les pourcentages de contribution optimales moyennes des nuds d'eau souterraine
gw_01 , gw_02 , gw_03 et gw_04 sont 29, 23, 25 et 23%, respectivement.

L'utilisation des quatre nuds d'eau souterraine avec des contributions comparables peut
tre explique par l'intrt pour gw_01 et gw_02 en raison de leurs salinits basses
(1,0 g.L-1) et l'intrt pour gw_03 et gw_04 en raison de leurs faibles cots
d'exploitation (1,0 $.m-3).

Pour atteindre la fois les objectifs de la qualit et des cots, il tait ncessaire de mlanger
l'eau chre de faible salinit et l'eau avec un faible cot unitaire et de salinit leve. Pour
toutes les solutions optimales proposes dans le front de Pareto, l'eau mlange au site de la
demande Demand_01 a une salinit de 1,5 g.L-1. Cela a permis d'obtenir des solutions
optimales faible cot. La solution A a t caractrise par un cot unitaire de l'eau de 1,5
$.m-3.

La figure 42 montre la rpartition spatiale de la charge hydraulique dans les cellules des trois
couches du modle MODFLOW la fin de la premire anne de la priode de simulation
(12/2011). Cette situation constitue la condition initiale pour la priode d'optimisation (2012)
et reprsente le rsultat de pompage partir de gw_0 en 2011.

La figure 42 prsente en parallle les distributions spatiales des charges hydrauliques des
cellules pour le scnario de "Rfrence" de WEAP et pour la solution optimale (A) pour la
gestion des eaux souterraines calcule par ALL_WATER_gw la fin de la priode
d'optimisation (12/2012).

DR. ISSAM NOUIRI 60

 Couche 1 Couche 2 Couche 3

Situation Initiale

12/2012 Scenario de Reference de WEAP

12/2012 Scnario Optimal Solution A

Legende

Figure 42. Distribution spatiale des charges des cellules dans les couches 1, 2 et 3 la fin de la
premire anne de la priode de simulation (12/2011) et la fin de la priode d'optimisation
(12/2012) pour les scnarios de "Rfrence" et optimal.

La dernire figure montre que lors du pompage partir dun seul forage (gw_01), tel que propos
par le scnario de "Rfrence" de WEAP, le rabattement de la nappe phratique sera le plus
important dans la cellule (2, 2), reprsentant le forage de pompage, estime 19,8 m dans la couche

DR. ISSAM NOUIRI 61

1. Le rabattement minimal (8,7 m) a t calcul la cellule (11, 11) dans le coin oppos de la grille
du modle.

Si la solution A est utilis pour la gestion des eaux souterraines au cours de la priode d'optimisation,
une amlioration de la distribution du niveau de la nappe est dmontre. Le rabattement maximal
de 11,8 m est calcul dans la cellule (2, 2) dans la couche 1 et le rabattement le plus faible a t
estime 9,7 m dans la cellule centrale (6, 6) de la grille dans la couche 1. Par consquent, la
diffrence de rabattement dans la grille de laquifre en Dcembre 2011 (8,5 m) a t porte 11,1
m dans le scnario de Rfrence et a diminu 2,1 m avec la solution optimale A.

La figure 43 est une vue 3-D de laquifre tudi et o la solution optimale A est applique. Cette
vue montre comment les rabattements sont presque quivalents aux quatre points de pompage,
la fin de la priode doptimisation (12/2012).
MODFLOW Cell Head
Anne: 2012, Scnario: OPTIMIZATION, Layer: 1, Mois: Dcembre
Mtre

248 to 250
246 to 248
244 to 246
242 to 244
240 to 242
238 to 240
240.2
236 to 238
240.0 234 to 236
239.8 232 to 234
239.6 230 to 232
Mtre

239.4 228 to 230

226 to 228
239.2
224 to 226
239.0
222 to 224
238.8 220 to 222
238.6
1
238.4
2

1 3
2 4
3 5
4
6
5 Row
6 7

Colonne 7 8
8 9
9
10
10
1111

Figure 43. Vue 3-D de la distribution de la charge des cellules de l'aquifre tudi lorsque la
solution A est applique.

Les derniers rsultats dmontrent que les solutions optimales calcules par l'outil dvelopp taient
en mesure de satisfaire la demande, assurer la salinit acceptable, de rduire le cot unitaire de
l'eau et de minimiser le rabattement maximal sur l'aquifre.

L'outil dvelopp peut tre considr comme gnrateur de scnarios optimaux et son lien
dynamique avec la plateforme WEAP-MODFLOW permet de simuler des solutions optimales comme
des scnarios de gestion.

L'enrichissement de l'environnement de WEAP par la capacit d'optimisation de ALL_WATER_gw

forme une boucle Modlisation - Optimisation - Simulation", processus utile pour les dcideurs
confronts des problmes de gestion des eaux souterraines.

DR. ISSAM NOUIRI 62

4.5 Conclusions

Ce chapitre a pass en revue les principaux rsultats obtenus lors des recherches conduites en
matire de dveloppement doutils daide la dcision pour la gestion des ressources en eau. Il
sagit de deux types de modles. Ceux spcialiss dans la modlisation des processus
hydrogologiques, servant raliser des simulations pour valuer un mode de gestion, un choix ou
une politique. Le deuxime type de modles abord dans cette recherche est form des outils
doptimisation. Les tests raliss avec les deux logiciels dvelopps dans cette recherche ont donne
satisfaction, sur les plans efficience et robustesses dans la recherche des solutions optimales.

Le couplage entre le DSS WEAP-MODFLOW et loutil doptimisation multi-objectif est une

alternative pour construire un outil daide la dcision couvrant les aspects modlisation des eaux
de surface et souterraines ainsi que la capacit de calculer des scnarios optimaux.

Les rsultats prsents dans ce document taient obtenus suite une troite collaboration avec les
organismes de dveloppement. Nous concluons cette tape que les mthodes de modlisation
proposes, surtout avec WEAP, et testes sur des cas rels taient bien acceptes. Les calages des
modles labors permettraient de renforcer la conviction des gestionnaires et des dcideurs en
ces outils et aiderait leur ancrage dans les directions techniques comme DSS.

DR. ISSAM NOUIRI 63

5 Conclusion Gnrale et perspectives de
recherche
La gestion optimale des ressources en eau est un problme multi-objectif contraintes. La
satisfaction de la demande en eau, la satisfaction des exigences en qualit, la minimisation des cots
de gestion, la protection de lenvironnement et la maximisation des revenus en sont les principaux
objectifs viss par les gestionnaires et les utilisateurs des ressources en eau.

Nombreuses approches ont t proposes pour faciliter la tche du gestionnaire et du planificateur.

Il sagit principalement doutils de modlisation dont chacun est orient vers une thmatique
particulire en essayant de toucher mme lgrement dautres aspects. La synthse de nombreux
outils nous a conduits utiliser WEAP pour amliorer la modlisation de la gestion des RE.

La modlisation des trois cas dtudes de ressources en eau de surface en Tunisie a permis de
sarrter sur les potentialits, les performances et les limitations de loutils. Notre exprience
applique denviron 7 ans avec WEAP nous permet de le recommander pour les organismes chargs
de la GRE en Tunisie et ailleurs. Il est suffisamment utile pour les ingnieurs qui grent des systmes
hydrogologiques et hydrauliques pour organiser et classer leurs bases de donnes numriques.
WEAP a aussi montr de grandes capacits de modlisation de tels systmes dynamiques. Les
rsultats obtenus tmoignent des performances des algorithmes de calculs qui toffent le logiciel.
Ses capacits daccepter lintroduction de nouveaux modles, soit en utilisant ses fonctions de base
ou en ajoutant du code dans son interface de programmation, ouvre une voie infinie de
dveloppement dans cette plateforme de modlisation.

Le lien dynamique tabli entre WEAP et MODFLOW en est une autre fonctionnalit rarement offerte
par les outils de modlisation de sa catgorie. Lapplication a un cas dtude rel a rvl les
potentialits dvaluer les impacts du climat, des amnagements et des planifications sur le
comportement de la nappe trs long terme.

Le test des outils doptimisation dvelopps a prouv leurs avantages dans lidentification des
solutions optimales au lieu des multiples simulations de solutions choisies alatoirement, comme il
est couramment procd. Lapproche doptimisation multi-objective a permis davoir la possibilit
didentifier, pour chaque problme, un front de Pareto form de plusieurs solutions optimales.

La communication entre ALL_WATER_gw et la plateforme WEAP-MODFLOW forme un outil daide

la dcision capable de modliser les processus hydrogologiques, depuis les prcipitations
jusquaux coulements souterrains, et doptimiser la gestion de ces ressources afin de satisfaire
nombreux objectifs et respecter les contraintes du systme. L'efficacit de l'outil propos a t
pnalise par un temps de calcul long lorsque la fonction objectif de minimisation des rabattements
est considre, en raison de l'excution de MODFLOW. Lutilisation des calculs parallles et/ou des
RNA sera dveloppe dans les recherches futures pour amliorer les performances de l'outil.

DR. ISSAM NOUIRI 64

 Rfrences bibliographiques
Ayvaz T. M., 2009. Application of Harmony Search algorithm to the solution of groundwater
management models. Advances in Water Resources. 32, 916-924.
Back T., Fogel D. B. and Michalewicz T., 2000. Evolutionary Computation 1: Basic algorithms and
operators. Institute of Physics Publishing, United Kingdom.
Bates, B.C., Z.W. Kundzewicz, S. Wu and J.P. Palutikof, Eds., 2008. Climate Change and Water.
Technical Paper of the Intergovernmental Panel on Climate Change, IPCC Secretariat, Geneva,
210 pp.
Ben Abdel Malek M., NOUIRI, I., 2014, Contribution la Gestion des Ressources en eau
Transfrontalires Tuniso-Algriennes par modlisation avec le logiciel WEAP. JOURNEE
SCIENTIFIQUE Gestion Durable des Ressources Naturelles , le 11 Dcembre 2014,
Hammamet, Tunisie.
Cai X (2007) Implementation of holistic water resources-economic optimization models for river
basin management e Reflective experiences. Environmental Modelling & Software, 23, 2-18.
Carmona G., Varela-Ortega C., John Bromley J., 2013. Participatory modelling to support decision
making in water management under uncertainty: Two comparative case studies in the
Guadiana river basin, Spain. Journal of Environmental Management, 128, 400412
Chang L. C., 2008. Guiding rational reservoir flood operation using penalty-type genetic algorithm.
Journal of Hydrology, 354, 6574
Coelho A. C., Labadie J. W. and Fontane D. G., 2012. Multicriteria Decision Support System for
Regionalization of Integrated Water Resources Management, Water Resources Management,
26, 1325-1346
De Fraiture C, Wichelns D (2010). Satisfying future water demands for agriculture, Agricultural
Water Management. 97: 502511.
Droubi A., Al-Sibai M., Abdallah A., Zahra S., Obeissi M., Wolfer J., Huber M., Hennings V. and
Schelkes K. A., 2008. Decision Support System (DSS) for Water Resources Management, -
Design and Results from a Pilot Study in Syria. In: Zereini, F., Htzl, H. (Eds.): Climatic Changes
and Water Resources in the Middle East and North Africa. Springer, p 199-225.
Deb K., Agrawal S., Pratap A. and Meyarivan T., 2000. A Fast Non-Dominated Genetic Algorithm for
Multi-Objective Optimisation : NSGA-II. KanGAL Report No. 200001, Indian Institute of
Technology, Kanpur, India.
Dvarioniene J and Stasiskiene Z (2007) Integrated water resource management model for process
industry in Lithuania. Journal of Cleaner Production, 15, 950-957.
Esquivel S., Leiva H. A. and Gallard R. H., 1999. Multiplicity in genetic algorithms to face multicriteria
optimization. Congress on Evolutionary Computation, Washington D. C., IEEE Service Centre.
Fonseca C. R., Esteller M. V., Daz-Delgado C., 2013. Territorial approach to increased energy
consumption of water extraction from depletion of a highlands Mexican aquifer. Journal of
Environmental Management 128 (2013) 920 - 930

DR. ISSAM NOUIRI 65

Fu G., 2008. A fuzzy optimization method for multicriteria decision making:An application to
reservoir flood control operation. Expert Systems with Applications, 34,145149.
Gaivoronski AA, Sechi GM and Zuddas P (2011) Balancing cost-risk in management optimization of
water resource systems under uncertainty. Physics and Chemistry of the Earth, Parts A/B/C,
doi:10.1016/j.pce.2011.05.015.
Gholami V.,Yousefi Z., Rostami H. Z.. 2010. Modeling of Ground Water Salinity on the Caspian
Southern Coasts, Water Resour Manage (2010) 24:14151424.
Giupponi C., 2007. Decision Support Systems for implementing the European Water Framework
Directive: The MULINO approach. Environmental Modelling & Software, 22, 248-258.
Goldberg D. E., 1991. Genetic Algorithms. Addison-Wesley.
GWP - Global Water Partnership, 2000. TAC Background Papers No. 4: Integrated Water
Resources Management, GWP, Denmark.
Hadded, R., Nouiri, I., Alshihabi, O., Mamann, J., Huber, M., Laghouane, A., Yahiaoui, H., and
Tarhouni, J. 2013. A Decision Support System to manage the Groundwater of the Zeuss
Koutine aquifer using the WEAP-MODFLOW framework, Water Resour Manage (2013)
27:19812000, DOI 10.1007/s11269-013-0266-7.
Harbaugh AW., 2005. MODFLOW-2005, the U.S. Geological Survey Modular.
Ioris AAR, Hunter C and Walker S (2008) The development and application of water management
sustainability indicators in Brazil and Scotland. Journal of Environmental Management, 88,
1190-1201.
IPCC, 2013: Summary for Policymakers. In: Climate Change 2013: The Physical Science Basis.
Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental
Panel on Climate Change [Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung,
A. Nauels, Y. Xia, V. Bex and P.M. Midgley (eds.)]. Cambridge University Press, Cambridge,
United Kingdom and New York, NY, USA.
Jothiprakash V, Ganesan S (2006) Single Reservoir Operating Policies Using Genetic Algorithm.
Water Resour Manag 20:917929. doi: 10.1007/s11269-005-9014-y
Khare D., Jat M. K. and Deva Sunder V., 2007. Assessment of water resources allocation options:
Conjunctive use planning in a link canal command. Resources, Conservation and Recycling. 51,
487506.
Knowles J. and Corne D., 1999. The Pareto Archived Evolution Strategy: A New Baseline Algorithm
for Pareto Multiobjective Optimisation. Proceedings of the 1999 Congress on Evolutionary
Computation (CEC'99). Volume 1, 98-105.
Leiva H. A., Esquivel S. C. and Gallard R. H., 2000. Miltiplicity and Local Search in, Evolutionary
Algorithms to Build the Pareto Front. Proceedings of the XX international conf. of the Chilean
Computer Science Society (SCCC00). 0-7695-0810-1/00. IEEE Service Centre.
Letcher R. A., Croke B. F. W. and Jakeman A. J., 2007. Integrated assessment modelling for water
resource allocation and management: A generalised conceptual framework. Environmental
Modelling & Software. 22, 733-742.
Lis J. and Eiben A. E., 1997. Multi-sexual genetic algorithm for multiobjective optimization.
4thInternational conf. On evolutionary computation (ICEC97). Indiapolis, USA, p 59-64.

DR. ISSAM NOUIRI 66

Liu S., Gikas P. and Papageorgiou L. G., 2010. An Optimisation-based Approach for Integrated Water
Resources Management. Computer Aided Chemical Engineering. 28, 1075-1080.
Liu S., Konstantopoulou F., Gikas P. and Papageorgiou L. G., 2011. A mixed integer optimisation
approach for integrated water resources management. Computers & Chemical Engineering.
35, 858-875.
Li Y. P., Huang G. H., Nie S. L. and Liu L., 2007. Inexact multistage stochastic integer programming
for water resources management under uncertainty. Journal of Environmental Management.
88, 93-107.
Loucks DP and Da Costa JR (1991) Decision Support Systems. Water Resources Planning. Springer,
Berlin.
Lorz C., Neumann C., Bakker F., Pietzsch K., Wei H., Makeschin F., 2013. A web-based planning
support tool for sediment management in a meso-scale river basin in Western Central Brazil.
Journal of Environmental Management. 127, 1523
McCartney MP (2007) Decision support systems for large dam planning and operation in Africa.
Colombo, Sri Lanka: International Water Management Institute. 47 pp. (IWMI Working Paper
119).
Mamann J., Wolfer J., Huber M., Schelkes K., Hennings V., Droubi A. And Al-Sibai M., 2012. WEAP-
MODFLOW as a Decision Support System (DSS) for integrated water resources management:
Design of the coupled model and results from a pilot study in Syria. In: Maloszewski,P.,
Witczak, S., Malina, G. (eds.): Groundwater Quality Sustainability. IAH selected papers. CRC
Press: 2012.
Molden D, Oweis T, Steduto P, Bindraban P, Hanjra MA, Kijne J (2010). Improving agricultural
water productivity: Between optimism and caution, Agricultural Water Management. 97:528
535.
Mongelli G., Monni S., Oggiano G., Paternoster M. and Sinisi R., (2013). Tracing groundwater
salinization processes in coastal aquifers: a hydrogeochemical and isotopic approach in the
Na-Cl brackish waters of northwestern Sardinia, Italy. Hydrol. Earth Syst. Sci., 17, 29172928.
Moradi-Jalal M., Haddad O. B., Karney B. W. and Marin M. A., 2007. Reservoir operation in assigning
optimal multi-crop irrigation areas. Agricultural Water Management. 90, 149 159.
Mysiak J., Giupponi C. and Rosato P., 2005. Towards the development of a decision support system
for water resource management. Environmental Modelling & Software. 20, 203-214.
Namara RE, Hanjra MA, Castillo GE, Ravnborg HM, Smith L, Van Koppen B (2010). Agricultural
water management and poverty linkages, Agricultural Water Management. 97:520527.
Nouiri I., 2007. Optimisation multiobjectif de la chloration dans les rseaux deau potable par
algorithmes gntiques, Thse de doctorat, INAT.
Nouiri I., 2014. Multi-Objective tool to optimize the Water Resources Management using Genetic
Algorithm and the Pareto Optimality Concept. Water Resour Manage, 28, 2885290.
Nouiri, I., Fraj Chemak, F., Dorra Mansour D., Bellali H., Ghrab J., Baaboub J., Chahed M.K, Impacts
of irrigation water management on consumption indicators and exposure to the vector of
Zoonotic Cutaneous Leishmaniasis (ZCL) in Sidi Bouzid, Tunisia, accept le 25 Janvier 2015,
International Journal of Agricultural Policy and Research Vol.3 (1), pp. xxx-xxx.

DR. ISSAM NOUIRI 67

 Pahl-Wostl C., 2007. The implications of complexity for integrated resources management,
Environmental Modelling & Software, 22, 561-569.
Prato T. and Herath G., 2007. Multiple-criteria decision analysis for integrated catchment
management. ECOLOGICAL ECONOMICS. 63, 627 632.
Rees H. G., Holmes M. G. R., Fry M. J., Young A. R., Pitson D. G. and Kansakar S. R., 2006. An
integrated water resource management tool for the Himalayan region. Environmental
Modelling & Software. 21, 1001-1012.
Ren J.L, Lyu P.H, Wu X.M, Ma F.C, Wang Z.Z, Yang G (2013) An Informetric Profile of Water Resources
Management Literatures. Water Resour Manage, 27, 46794696.
Sedki A. and Ouazar D., 2011. Simulation-Optimization Modeling for Sustainable Groundwater
Development: A Moroccan Coastal Aquifer Case Study. Water Resources Management. 25
(11), 2855-2875.
Singh A., 2014. Optimization modelling for seawater intrusion management. Journal of Hydrology,
Volume 508, 16 January 2014, Pages 4352
SEI, 2008. WEAP tutorial, 228 p.
Suiadee W, Tingsanchali T (2007) A combined simulation genetic algorithm optimization model for
optimal rule curves of a reservoir: a case study of the Nam Oon Irrigation Project , Thailand.
Hydrol Process 21:32113225. doi: 10.1002/hyp
Zhang C, Wang G, Peng Y, Tang G and Liang G (2012) A Negotiation-Based Multi-Objective, Multi-
Party Decision-Making Model for Inter-Basin Water Transfer Scheme Optimization, Water
Resour Manage (2012) 26, 40294038.
Zitzler E. and Thiele L., 1998. Multiobjective optimization using evolutionary algorithms A
comparative case study. Proceeding of Parallel Problem Solving Nature V. Amsterdam. 292-
301.
Van Cauwenbergh N., Pinte D., Tilmant A., Frances I. and Pulido-Bosch A. et al., 2008. Multi-
objective, multiple participant decision support for water management in the Andarax
catchment, Almeria. Environmental Geology. 54, 479-489.
Vasan A., Raju K.S., 2008. Comparative analysis of Simulated Annealing, simulated Quenching and
Genetic Algorithms for optimal reservoir operation, Appl. Soft Comput. J.,
doi:10.1016/j.asoc.2007.09.002.
Yazdi J and Salehi Neyshabouri S A A (2012) A Simulation-Based Optimization Model for Flood
Management on a Watershed Scale, Water Resour Manage, 26, 45694586.

DR. ISSAM NOUIRI 68

The author has requested enhancement of the downloaded file. All in-text references underlined in blue are linked to publications on ResearchGate.