CHAPITRE

CONTRÖLE ET REGIONALISATION DES DONNEES

DE PLUIE

I/ Critique et Contrôle des données pluviométriques

I-1 / Traitement primaire des données de pluie
I-2/ Les lacunes dans les séries pluviométriques
I-3/Le contrôle graphique des séries pluviométriques :
- Simple cumul , double cumuls et vecteur régional

II/ / Evaluation régionale des précipitations

II-1/·LQWHUSRODWLRQ6SDWLDOHGHVSUpFLSLWDWLRQV
II-&DOFXOG·XQHSOXLHPR\HQQHEDVVLQ
- 0pWKRGHVGHFDOFXOG·Xne précipitation moyenne dans un bassin
- Applications

,,,/HGpILFLWG·pFRXOHPHQW
Méthodes de Turc et de Coutagne

VI / Etude de cas :
Contrôle des données de pluie par la méthode du double cumul
Comblement par régression linéaire

Prof N.SERHIR ± EHTP -1- Contrôle et régionalisation des données de pluie

I / Critique et Contrôle des données pluviométriques
Les données pluviométriques proviennent de sources différentes. Au Maroc, ces données peuvent être
fournies par les services de la Météorologie Nationale mais également par ceux de O·+\GUDXOLTXH
$JHQFHV GH %DVVLQV GH O·$JULFXOWXUH 2IILFHV UpJLRQDX[ GH PLVH HQ YDOHXU $JULFROH &HQWUHV GH
7UDYDX[HWFGHV(DX[HW)RUrWVRXGHO·,QWpULHXU/DGLVSDULWpGHVVRXUFHVSRVHVRXYHQWXQSUREOqPH
de la qualité des données.
La critique et le contrôle de la qualité des données hydrologiques sont donc des traitements qui
GRLYHQW rWUH HIIHFWXpV SDU O·K\GURORJXH SRXU V·DVVXUHU GH O·KRPRJpQpLWp HW OD ILDELOLWp GHV VpULHV
pluviométriques à utiliser dans une étude hydrologique donnée. Ces traitements peuvent consister en
un simple traitement primaire comme ils peuvent consister en un comblement de données manquantes,
en une extension de séries courtes, ou en une homogénéisation des séries hétérogènes par le biais de
méthodes statistiques, numériques ou graphiques.

I-1 / Traitement primaire des données de pluie :

xAvant toute étude hydrologique ou statistique même très simple, comme le calcul d'une pluie
annuelle ou une moyenne inter annuelle, il est recommandé de faire un traitement primaire des
données brutes recueillies par un observateur ou un instrument de mesures. Ce traitement
FRQVLVWH j UHQGUH O·LQIRUPDWLRQ EUXWH  OLVLEOH HW H[SORLWDEOH FRPPH OH SDVVDJH G·XQ
enregistrement pluviographique à un hyétogramme par exemple. Il comprend également un
contrôle primaire des données, par exemple déceler d'éventuelles erreurs de saisie, à l'exclusion
de tous traitements statistique ou graphique qui consistent à vérifier si la série des pluies
annuelles sur laquelle on veut travailler est homogène, c'est à dire si l'échantillon fait bien partie
de la même population, ou de deux populations distinctes, artificiellement groupées à notre insu
en une série hétérogène.
Les erreurs les plus souvent rencontrées relèvent de deux catégories.

™ /HVW\SHVG·HUUHur dans les données Pluviométriques :

‹ .Les erreurs accidentelles et aléatoires :

Sont les erreurs que peut subir une donnée de pluie relevée au niveau des opérations par lesquelles
elle passe avant d'arriver aux différents services qui vont l'utiliser :

9 pertes d'eau de pluie au cours de l'observation

9 absence de l'observateur non signalée,
9 déguisement de la donnée non lue à temps ou décalage de jour
9 oublis de virgules, mauvaises interprétations des chiffres
9 transmission et saisie des données
9 calcul des cumuls, moyenne etc.
x Les erreurs systématiques : Elles sont généralement dues à :
9 XQGpSODFHPHQWGXVLWHG·REVHUYDWLRQ
9 une modification de l'environnement immédiat du poste de mesure ,
- déboisement ou boisement
- urbanisation, construction d'un barrage
9 remplacement de l'observateur

Prof N.SERHIR ± EHTP -2- Contrôle et régionalisation des données de pluie

 9 non conformité du matériel de mesure ou à des défauts d'appareillage non
remarqués par le service gestionnaire : éprouvette ne correspondant pas au diamètre
de la bague du pluviomètre, mauvais réglage des augets du Pluviographe.

Un examen attentif des bordereaux et fichiers de données peut permettre de détecter des anomalies
accidentelles « j O·±LO ª &·HVW WRXMRXUV QpFHVVDLUH 0DLV GHV PpWKRGHV JUDSKLTXHV HW QXPpULTXHV plus
élaborées et des tests statistiques seront généralement indispensables pour mettre en évidence
O·H[LVWHQFHG·HUUHXUVV\VWpPDWLTXHVHWFRQWU{OHUODILDELOLWpHWO·KRPRJpQpLWpGHVGRQQpHV

I-2 / Les lacunes dans les séries pluviométriques :

Il est important de signaler que les séries des données de pluie mensuelles sont souvent incomplètes.
/H PDQTXH GH OD GRQQpH  GDQV XQH VWDWLRQ SHXW rWUH GX j XQH SDQQH GH O·DSSDUHLO DEVHQFH GH
O
REVHUYDWHXUDUUrWGHODVWDWLRQ«
Dans des cas simples, on peut SURFpGHUSDUOHFRPEOHPHQWG·XQHODFXQHGHSOXLHMRXUQDOLqUHSDU :
ƒ remplacer la pluie manquante par celle observée à la station la plus proche. Il faut vérifier la
position en altitude des deux stations.
ƒ estimer la pluie manquante par la moyenne des pluies des stations voisines. Cette méthode est fiable
lorsque les précipitations ne sont pas très irrégulières d'un poste à l'autre. une différence de 10%
est tolérable.
ƒ 0pWKRGHEDVpHVXUODWHQGDQFHDQQXHOOHGHVSOXLHVREVHUYpHVjO·pFKHOOHUpJLRQDOH

'·DXWUes méthodes plus élaborées dont la méthode basée sur la régression linéaire entre données de
plusieurs stations régionales et OD PpWKRGH GH O·,':$ (Inverse Distance Weighted Averaging) sont
recommandées : aspects traités en TD
L e tableau 1 illustre ce problème de données manquantes
Année Sept Oct Nov Déc Janv Févr Mars Avr Mai Juin Juil Août
1970 M M M 117 250 16 189 325 95 25 M 0
1971 0 6 110 100 231 182 157 51 96 22 M 0
1972 39 M 23 52 102 54 79 1 50 M M 3
1973 M 10 11 269 46 99 72 195 11 12 M M
1974 M 19 19 M 99 102 198 58 32 12 M M
1975 0 6 23 162 53 126 97 129 73 0 1 5
1976 10 206 35 331 335 153 21 2 12 9 6 1
1977 0 74 47 198 129 167 51 162 114 24 M 0
1978 3 1 16 253 204 282 125 57 3 2 6 M
1979 0 162 50 32 55 34 91 50 137 4 M M
1980 25 77 196 43 8 19 82 166 66 6 M M
1981 6 6 0 268 110 117 50 100 6 1 3 0
1982 4 118 146 61 M 112 29 43 6 M M 0
1983 1 6 324 309 40 39 124 47 208 10 M M
1984 3 23 241 18 118 122 33 59 47 3 M M
1985 3 M 190 124 145 225 89 80 2 1 M M
1986 5 12 101 53 302 199 2 54 4 2 17 12
1987 2 55 119 167 167 28 33 57 30 8 M M
1988 M 88 123 33 66 179 76 121 18 0 2 0
1989 12 46 358 239 105 M 41 111 5 0 0 M
1990 3 93 108 213 5 172 179 38 4 14 M 3
1991 51 93 43 64 2 54 33 141 9 45 M 0
1992 3 89 7 54 26 24 62 147 96 2 M M
1993 35 164 191 15 88 149 0 63 18 0 0 0
1994 10 79 64 0 60 21 31 43 0 37 11 0
1995 14 0 104 254 551 84 83 98 166 16 M M
1996 47 113 92 549 250 M 1 64 12 16 3 14
1997 60 77 418 278 76 218 7 41 57 16 M 0
1998 44 12 M 94 96 61 28 12 23 0 M 0
1999 17 178 88 M M M 10 149 67 0 0 0

Tableau 1 : Données de pluies moyennes mensuelles (mm) relevées à la Station Mdouar

bassin Loukkos ( de 1970 à 1999)

Prof N.SERHIR ± EHTP -3- Contrôle et régionalisation des données de pluie

I-3 / Le contrôle graphique des séries pluviométriques :

La représentation graphique de la série chronologique de la pluie annuelle et le tracé de la moyenne

interannuelle donnent une idée sur la tendance pluviométrique. On peut également ressortir les
excédents et les déficits d'apports pluviométriques soit respectivement les années humides et les années
sèches enregistrées (figure 1).

Figure 1 : Série chronologique des pluies annuelles à la station Mdouar complétée

Cependant des techniques graphiques existent et permettent à l'ingénieur de vérifier et confirmer

l'existence d'une hétérogénéité dans une série pluviométrique :

9 La méthode de simple masse : Elle consiste à représenter le cumul des pluies annuelles
enregistrées à la station à contrôler en fonction des années. La linéarité du graphique est un indice
G
KRPRJpQpLWp/·KpWpURJpQpLWpGHODVpULHVHWUDGXLWSDUXQFKDQJHPHQWGHSHQWHLQGLTXDQWO·DQQpH
GHO·KpWpURJpQpLWp

9 La méthode du double cumul : plus puissante et plus répandue

/¶KRPRJpQpLVDWLRQ SDU  FHWWH WHFKQLTXH JUDSKLTXH  QpFHVVLWH OD FRQQDLVVDQFH G¶XQH VpULH GH
données annuelles homogènes et observées dans une station de référence dite station témoin, ou
station de base, voisine et régionale avec la station à corriger.
/D PpWKRGH GX GRXEOH FXPXO D O·DYDQWDJH GH SHUPHWWUH GH PHWWUH HQ pYLdence la présence d'une
anomalie dans la série étudiée et de la corriger.

ª Principe de la méthode :
,OV·DJLWGHFRPSDUHUODWHQGDQFHGHODVWDWLRQpWXGLpHSDUUDSSRUWjFHOOHGHODVWDWLRQWpPRLQHQWUDoDQW
le graphe des données cumulées à la station étudiée par rapport aux données cumulées de la station
témoin.
/D PpWKRGH HVW IRQGpH VXU OH SULQFLSH TX· HQ O·DEVHQFH G·DQRPDOLH GHX[ VWDWLRQV $  %  YRLVLQHV HW
régionales mesurent chaque année une pluviométrie annuelle dans un rapport sensiblement constant
G·XQHDQQpHjO·DXWUHTXHO·DQQpHVRLWVqFKHRXKXPLGH :

Soit donc 3$L3%LHVWSUDWLTXHPHQWLQGpSHQGDQWGHO·DQQpHL

En conséquence les points M(i) de coordonnées les pluies cumulées calculées à chaque station A et B
MXVTX·jO·DQQpHLVRQWSUDWLTXHPHQWDOLJQpV(QUHYDQFKHVLXQHHUUHXUV\VWpPDWLTXHjODVWDWLRQpWXGLpH

Prof N.SERHIR ± EHTP -4- Contrôle et régionalisation des données de pluie

V·HVW SURGXLWH DORUV OD GURLWH GHV GRXEOHV FXPXOV SUpVHQWHUDLW XQH FDVVXUH GH VD SHQWH j O·DQQpH GH
O·LQWURGXFWLRQGHO·HUUHXU

ª Interprétation graphique de la méthode :

Soient 2 stations X et Y ayant fourni les pluies annuelles X (x1, ....... xn) et Y ( y1, ...... yn).
n et le nombre d'observations annuelles communes à X et Y, et soit X la station de base .

On veut donc homogénéiser la station Y à partir des données de la station X.

La corrélation graphique obtenue en représentant le cumul des yi en fonction du cumul des xi
devrait être linéaire si les deux stations sont situées dans la même région climatique et à une
distance relativement faible.

1. 6·LOQ·H[LVWHSDVG·DQRPDOLHGDQVODVpULH<DORUVODSHQWHGHODGURLWHVHUDFRQVWDQWH :
ª La série Y est alors homogène par rapport à la série témoin X ( figure 2)

Méthode double cumul: Station Tabouazant

9000
8000
7000
Cum-Tabouaz

6000
5000
4000
3000
2000
1000
0
0 1000 2000 3000 4000 5000
Cum-Anseg

Figure 2 : graphe des doubles cumuls : station homogène

2. Dans le cas où la série étudiée a été perturbée par une modification des conditions de mesures,
la droite de double cumul présentera une ou plusieurs points de cassures qui vont être mis en
relief par un changement de la pente de la droite. La figure 3 illustre ce cas.
ª La série Y contrôlée présente des hétérogénéités. Il faut procéder à son
homogénéisation .

Méthode du double cumul:Station Louggagh

10000
9000
8000
7000

B
Cum-Loug

6000
5000 Série1

A
4000
3000
2000
1000
0
0 1000 2000 3000 4000 5000
Cum-Ansg

Figure 3: Graphe des doubles cumuls : station hétérogène

Prof N.SERHIR ± EHTP -5- Contrôle et régionalisation des données de pluie

 ª 3URFpGXUHGHO·KRPRJpQpLVDWLRQ

Dans le cas de présence de points de cassure, deux questions se posent :

x Quelle portion du graphe faudrait-LOFRUULJHUVRLWGRQFVXUTXHOOHSpULRGHG·REVHUYDWLRQLOIDXW
corriger les observations de la série Y ?
x Et comment procéder à la correction ?

En général, on regarde l'historique de la station : récente, contexte modifié ou non, arrêt du

fonctionnement de la station pour une certaine période ou non...etc. La procédure consiste à chercher
des éléments indicatifs pouvant faciliter la prise de décision sur la période à partir de laquelle on
soupçonne l'introduction d'erreurs systématiques dans les mesures.
Dans le cas où aucun élément indicatif n'est disponible, on considérera que les données les plus
récentes sont les plus fiables.

$ILQGHPLQLPLVHUO·LQIOXHQFHGHVHUUHXUVV\VWpPDWLTXHVTXLH[LVWHUDLHQWGDQVO·XQHRXO·DXWUHGHVVWDWLRQV
MXJpHVGHUpIpUHQFHVLSOXVLHXUVH[LVWHQWLOHVWSUpIpUDEOHG·pODERUHUXQHVWDWLRQWpPRLQSDr la moyenne
de ces stations.

/D SURFpGXUH JpQpUDOH G·KRPRJpQpLVDWLRQ GHV GRQQpHV SDU OD FRXUEH GHV GRXEOHV PDVVHV FRQVLVWH j
comparer chaque station à la moyenne des autres, la corriger et ensuite corriger chaque station
successivement. Le processus est UpSpWpMXVTX·jKRPRJpQpLVDWLRQGHWRXWHVOHVVWDWLRQV

$LQVLRQSHXWFRQFOXUHTXHOHFKRL[G·XQJURXSHGHEDVHH[LJHDXSUpDODEOHODFRPSDUDLVRQGHX[jGHX[
GHWRXVOHVSRVWHVVXVFHSWLEOHVG·rWUHLQWpJUpVGDQVFHJURXSH$GpIDXWRQSHXWVHFRQWHQWHUG·XQSRVWH
de base par région.

ª &RPPHQWSURFpGHUjO·KRPRJpQpLVDWLRQ"

La procédure de correction des données de la portion du graphe non fiable se fait en prolongeant la
pente la plus fiable selon la formule :
ma justé
Pcorrigé *P observé
mobservé
ma justé est la pent ede la port iondu graphefiable
mobservé est la pent ede la port ion du grapheà corriger

Le graphe de la figure 3 indique trois tronçons linéaires avec deux points de cassure A et B
On calcule les pentes graphiquement du graphe des doubles cumuls .On a trouvé :
ƒ WURQoRQGHVGRQQpHVUpFHQWHVV·pWDODQWGH1991/92 à 2001/02 : m1=1.98
ƒ WURQoRQFHQWUDOV·pWDODQWGH1986/87
à 1991/92 m2 = 2.84
ƒ WURQoRQV·pWDODQWGH1978/79 à 1986/87, la pente m3 HVWGHO·RUGUHde m1.

Ceci justifie que la station a vécu des perturbations des conditions de mesure au cours de la
période 1986/87 à 1991/92
Prof N.SERHIR ± EHTP -6- Contrôle et régionalisation des données de pluie
On doit donc corriger les données observées sur cette période seulement par :
Pcorr =(m1/m2) Pobservée
/·KRPRJpQpLVDWLRQ GRLW VH IDLUH DSUqV DYRLU  FRPEOp OHV ODFXQHV RX O·LQVXIILVDQFH G·REVHUYDWLRQV GH
certaines stations en prenant en considération les observations sans lacune et de longue durée
HIIHFWXpHVHQG·DXWUHVVWDWLRQV

ª La méthode du vecteur régional

,O HVW VRXYHQW FRQVHLOOp G·XWLOLVHU O·DSSURFKH GX vecteur régional comme méthode de contrôle des
erUHXUV V\VWpPDWLTXHV SRXYDQW H[LVWHU GDQV OHV VWDWLRQV G·XQH PrPH UpJLRQ (Q IDLW LO V·DJLW GH
constituer un vecteur formé par des indices calculés sur les données de pluies annuelles des stations
G·XQH]RQHKRPRJqQHUpJLRQDOHGHSRLQWGHYXHSOXYLRPpWUie et climatologie.

/·LQGLFH UpJLRQDO j O·DQQpH M  VH FDOFXOH VXU OD SpULRGH FRPPXQH G·REVHUYDWLRQ GLVSRQLEOH HQWUH
O·HQVHPEOHGHVVWDWLRQVGHOD]RQHSDU :

1 n Pi , j
Vj ¦
n i 1 Pi
Pi , j p lu ie a nnuelle de l ' a nnée j à la sta tion i
Pi modu le int er a nnuel de la sta tion i

/·DSSURFKHHVWEDVpHVXUODWHFKQLTXHGXGRXEOHFXPXOHWFRQVLVWHjFRPSDUHUOHFXPXOGH la station à
contrôler par rapport au cumul des indices du vecteur régional ainsi calculé .

II/ Évaluation régionale des précipitations

Le problème qui est posé est de déterminer à partir de valeurs des précipitations observées en un
nombre de points réSDUWLV GH PDQLqUH LUUpJXOLqUH VXU XQ EDVVLQ YHUVDQW GRQQp OD YDOHXU G·XQH
précipitation moyenne représentative des précipitations dans le bassin ainsi que la valeur de pluie en
WRXWSRLQWQRQLQVWUXPHQWpQRQpTXLSpG·XQSOXYLRPqWUHGHFHEDVVLQ
Les méthodes les plus simples et les plus couramment utilisées sont les méthodes de calcul de
moyennes ou les méthodes d'interpolation des données pluviométriques collectées localement.

Les pluies sont caractérisées par une grande variabilité spatiale et temporelle. On notera que
L'hétérogénéité spatiale de la pluie est fonction de la variabilité du relief et du type de précipitations
.Des pluies convectives souvent de forte intensité peuvent intéresser une zone de superficie très
restreinte (averses estivaOHVSRXYDQWWRXFKHUOHVYHUVDQWVRXHVWGHO·$WODV
3DU FRQWUH OHV SUpFLSLWDWLRQV IURQWDOHV DVVRFLpHV j G
LPSRUWDQWHV  SHUWXUEDWLRQV G·RXHVW VXU O·(XURSH
occidentale et débordant largement sur le Maroc, peuvent concerner une région très étendue de
plusieurs centaines de km2.

Prof N.SERHIR ± EHTP -7- Contrôle et régionalisation des données de pluie

II-1 / /·LQWHUSRODWLRQ6SDWLDOHGHVSUpFLSLWDWLRQV
L'interpolation spatiale permet de reconstituer l'ensemble de la distribution spatiale d'une surface pour
laquelle on ne dispose que d'un échantillon de valeurs observées en certains points de l'espace tel que
une station pluviométrique connue par sa situation en X,Y et Z.

/·LQWHUSRODWLRQ FRQVLVWH j FKHUFKHU O

pTXDWLRQ G
XQH IRQFWLRQ 3  I;< TXL V
DMXVWH OH PLHX[ DX[
informations connues, puis à extrapoler les résultats de cette fonction à l'ensemble de l'espace étudié, de
telle manière qu'une seule valeur de P existe pour chaque X,Y.
Le principe donc de base de ces méthodes est invariant : c'est fournir des valeurs en des lieux
non échantillonnés.

Les méthodes d'interpolation sont nombreuses .Les plus sophistiquées font appel à des notions
mathématiques et statistiques rigoureuses, comme la méthode des splines ou le krigeage universel. Ces
PpWKRGHVDLQVLTXHFHOOHGHO·,':$VRQWODUJHPHQWXWLOLVpHVHWLQWpJUpHVGDQVODSOXSDUWdes systèmes
d'informations géographiques, tel que SIG- $5&9,(: TXL SHUPHW OD UHSUpVHQWDWLRQ G·XQ FKDPS
physique sur une région définie par ses coordonnées géographiques (confier cours de SIG...)

¾ /DPpWKRGHGHO·,':$ :
Elle consiste à pondérer les précipitations observées dans les stations voisines par l'inverse des carrés
GHVGLVWDQFHV'LTXLVpSDUHQWFHVVWDWLRQVDYHFOHOLHXRXO·RQYHXWHVWLPHUODSOXLH

1 ¦i Pi Wi
Wi P X 
Di2 ¦i Wi
Avec : Pi sont les précipitations observées aux stations i
'LGLVWDQFHTXLVpSDUHODVWDWLRQLDYHFOHOLHXGHO·LQWHUSRODWLRQ

II-2 / Calcul de la précipitation moyenne dans un bassin

/DSOXLH3Q
pWDQWSDVFRQQXHG
XQHIDoRQFRQWLQXHLOV·DJLWGHGpWHUPLQHUODIRQFWLRQ P(x,y) entre les
points d'échantillonnages qui sont les stations pluviométriques pour en calculer la pluie moyenne ou
ODPHG·HDXSUpFLSLWpHPR\HQQH P sur une surface S , telle que :
1
soit P * volume d ' eau tombé
S
1
P
S ³³ Pi  x, y dxdy
On se propose donc de calculer une pluie moyenne P , représentative le plus possible de la
SOXYLRPpWULHUpHOOHG·XQEDVVLQjSDUWLUGHSOXVLHXUVSRVWHVG·REVHUYDWLRQ
Des méthodes sont utilisées et sont basées sur la pondération des précipitations observées par un
coefficient de pondération à calculer en fonction de la méthode de calcul .

Prof N.SERHIR ± EHTP -8- Contrôle et régionalisation des données de pluie

Cette précipitation moyenne est d'autant plus précise que le nombre de stations est bien
UpSDUWLVSDWLDOHPHQWHWTX·LOHVWSURFKHG
XQQRPEUHGHVWDWLRQVRSWLPDOjLQVWDOOHU

En supposant un réseau pluviométrique de n stations dans un bassin donné et connaissant les pluies Pi
(X,Y,t) relevées à chaque station i, on peut procéder par :

ª Une moyenne arithmétique:

Si la pluie est répartie de façon relativement homogène, si la topographie n'est pas trop accidentée et si
la répartition des postes est suffisamment homogène sur la région d'étude, on pourra appliquer une
simple moyenne arithmétique des observations faites à tous les postes.
Il faut lui préférer des méthodes graphiques qui permettent de donner un poids différent à chacun des
points de mesures (moyennes pondérées)

ª La méthode des polygones de Thiessen :

Elle convient notamment quand le réseau pluviométrique n'est pas homogène spatialement
(pluviomètres distribués irrégulièrement).
&HWWHPpWKRGHSHUPHWG·DIIHFWHUjFKDTXHSOXYLRPqWUHXQH zone d'influence dont l'aire, exprimée en
 GH O·DLUH WRWDOH GX EDVVLQ UHSUpVHQWH OH IDFWHXU GH SRQGpUDWLRQ GH OD YDOHXU ORFDOH PHVXUpH /HV
différentes zones d'influence sont déterminées par découpage géométrique du bassin sur une carte
topographique suivant la démarche mentionnée ci-dessous (figure 4:
9 Les stations disponibles étant reportées sur la carte topographique de la région étudiée,
9 on trace une série de droites reliant les stations deux à deux, sans former d'angles entrants ,c'est
à dire qu'une droite entre une station i et une station j ne doit pas couper une autre droite entre
deux autres stations.
9 On trace les médiatrices de chacune de ces droites.
9 Les intersections de ces médiatrices forment un certain nombre de polygones, chacun associé
à une station donnée.
9 On mesure la superficie Si de chaque polygone associé à une station i.
9 Le calcul de la précipitation moyenne par cette méthode s'obtient par la relation :
n
P ¦Di Pi
i 1
n
n = nombre de stations
Di Si ¦ Si
i 1
Si = superficie du polygone associé à la station i et Pi = précipitation enregistrée à la station i
Di sont appelés coefficients de Thiessen

5HPDUTXHVG·RUGUHSUDWLTXH :
x Les stations à l'extérieur du bassin devraient être prises en compte et traitées de la même
manière que les stations internes au bassin.
x Les intersections des médiatrices se trouvant à l'extérieur du bassin devraient être rejetées et
remplacées par leurs intersections avec la limite du bassin.

Prof N.SERHIR ± EHTP -9- Contrôle et régionalisation des données de pluie

 x Pour tracer un polygone associé à une station i, il faudrait repérer les intersections des
médiatrices des liens qui passent par la station .

On conclut alors que la construction géométrique permet de déterminer les coefficients de Thiessen
qui ne dépendent que de la répartition spatiale des postes dans le bassin versant et ne dépendent
nullement de la pluie et sa durée.

Figure 4
Polygones de Thiessen

Application :
Sur le bassin versant ci-dessus, les pluies annuelles sur les 3 stations (A, B et C) sont respectivement de
1100, 1130 et 1015 mm .Les superficies des 3 polygones associés sont respectivement de 185 ha, 102 ha
et 48 ha.
La pluie annuelle moyenne sur le bassin versant calculée par la méthode de Thiessen est
de 1097 mm. Et par une simple moyenne arithmétique est de 1081.7mm
Les trois stations A, B et C se situent en dessous de 780 m alors que plus de la moitié du bassin se situe
j SOXV GH P G·DOWLWXGH 2U HQ PLOLHX GH PRQWDJQH OD SOXLH HVW IRUWHPHQW LQIOXHQFpH SDU OH UHOLHI
JUDGLHQW DOWLPpWULTXH IRUW HIIHW RURJUDSKLTXH« &H TXL SHUPHW GH FRQFOXUH TXH QL OD PpWKRGH GHV
polygones de Thiessen ni la moyenne DULWKPpWLTXHQHVRQWYUDLPHQWDGDSWpHGDQVFHFDV,O\·DOLHXGH
faire recours à une méthode qui fait intervenir la dépendance entre le relief et les précipitations.

ª La méthode des isohyètes :

8QHPpWKRGHSOXVULJRXUHXVHELHQTXHXQSHXORXUGHFDUHOOHHVWIRQGpHVXUO·XWLOLVDWLRQGHVLVRK\qWHV
qui doivent être calculées, pour chaque période de temps étudiée, sur la base des données
pluviométriques acquises aux stations du bassin et aux autres stations avoisinantes. Il existe aujourd'hui
des méthodes automatiques qui effectuent le tracé d'iso valeurs par des moyens statistiques élaborés
intégrés aux SIG comme les technique de krigeage par exemple.
Il faut ensuite mesurer les superficies internes au bassin comprises entre chaque deux isohyètes
successives (figure 5).

Prof N.SERHIR ± EHTP - 10 - Contrôle et régionalisation des données de pluie

Si PHVWHQRPEUHG·LVRK\qWHV et ST est la surface totale du bassin
1 m1
Pmoy ¦Si Pi
ST i 1
Pi
Pi  Pi  1
2

Figure 5: méthode des isohyètes

ª La méthode mixte

C'est une combinaison de la méthode de Thiessen et celle des isohyètes. Elle consiste à associer à
chaque polygone la précipitation qui s'est produite au centre de gravité du polygone. Cette précipitation
étant déterminée par le tracé des isohyètes.
Soit donc PGi, la précipitation calculée, au centre de gravité G du polygone associé à la station i,
fonction des isohyètes les plus proches de G. Et soit Si la surface du polygone.
La précipitation moyenne dans le bassin se calcule par :

1n
P ¦ P Gi u Si 
ST i 1
Cette méthode est plus rigoureuse mais plus difficile mettre en oeuvre.

Õ Le Hyétogramme moyen

Le calcul du Hyétogramme moyen permet de connaître la quantité et surtout la distribution temporelle

de la précipitation pour un événement pluvieux sur un bassin versant donné, même s'il est dépourvu
d'enregistrements pluviographiques.
Le calcul se fait selon les étapes suivantes :

Prof N.SERHIR ± EHTP - 11 - Contrôle et régionalisation des données de pluie

 x Recueil des données des pluviomètres situés sur et autour du bassin.
x Etablissement des hyétogrammes ponctuels à un pas de temps donné (régulier et identique
pour tous).
x Pour chaque pas de temps, calcul de la moyenne arithmétique ou pondérée (méthode des
polygones de Thiessen, etc), puis reconstitution du Hyétogramme moyen pour le bassin
versant considéré.

III / /HGpILFLWG·pFRXOHPHQW

LHGpILFLWG·pFRXOHPHQWVHGpILQLWSDUODGLIIpUHQFHHQWUHODSOXYLRPpWULHWRPEpHVXUXQEDVVLQHW
OD ODPH G·HDX TXL D WUDQVLté par son exutoire. Sur une période de temps assez longue, le déficit
UHSUpVHQWHHVVHQWLHOOHPHQWOHVSHUWHVGXHVjO
pYDSRUDWLRQHWO·pYDSRWUDQVSLUDWLRQ,OSHXWrWUHHVWLPp
à l'aide de méthodes empiriques ou par des mesures .
D = P - Q en mm
Avec :
ƒ 3ODODPHG·HDXPR\HQQHDQQXHOOHSUpFLSLWpHGDQVOHEDVVLQHQPP
ƒ 4ODODPHG·HDXPR\HQQHDQQXHOOHpFRXOpHHQPP
ƒ D le déficit moyen annuel en mm
Certains auteurs (WUNDT, COUTAGNE, TURC) ont relié le déficit G·pFRXOHPHQW j OD
température moyenne annuelle et à la pluviométrie. Des expériences réalisées sur 254 bassins
versants situés sous tous les climats du globe ont abouti à la relation empirique de TURC qui
exprime la dépendance entre le déficit moyen annuel, la pluviométrie moyenne annuelle et la
température moyenne annuelle :
x Formule de TURC
P :
D
0 .9   P / L 
2

D = Déficit moyen annuel en mm

P = Pluie moyenne annuelle, en mm
L = 300 + 25 T + 0.05 T3
T = T° moyenne annuelle °C
= évaporation calculée par la formule de TURC, en mm

ƒ Formule de Coutagne
D P  m .P 2
Où m est un coefficient régional m= 1/(0.8 + 0.16 T)

(m=0.42 pour la France).

La connaissance du déficit d'écoulement permet d'évaluer le comportement du système bassin ou la

fiabilité des données censées le décrire, par comparaison entre les valeurs du déficit calculées
directement et les valeurs estimées dans un bassin versant plus grand.

1RWRQV TXH OD PpWKRGH GH 7XUF SHUPHW  GH GRQQHU XQH HVWLPDWLRQ GH O¶pFRXOHPHQW HQ VXUIDFH j
SDUWLUG¶XQHVLPSOHFRQQDLVVDQFHGHODWHPSpUDWXUHHWGHODSOXYLRPpWULH

Prof N.SERHIR ± EHTP - 12 - Contrôle et régionalisation des données de pluie

 A pplication : Homogénéité des données pluviométriques et

Correction des données

En utilisant les données de précipitations annuelles enregistrées en deux stations P1 et P2 ainsi que
les valeurs obtenues pour une station de référence on vous demande de :

1) contrôler l'existence d'anomalies dans les lames précipitées annuelles aux stations P1 et P2

2 ) éventuellement corriger les données erronées par la méthode du double cumul.

Données :

Année Référence P1 P2
[mm] [mm] [mm]

1990 806 763 764

1989 912 906 902

1988 931 915 918

1987 766 666 663

1986 1235 1263 1265

1985 964 1070 1072

1984 1145 1035 1051

1983 1218 1065 1063

1982 1269 1155 1120

1981 1360 1132 1195

1980 895 950 930

1979 1021 1014 1135

1978 1100 1022 1292

1977 1080 1037 1166

1976 1025 1012 1150

Prof N.SERHIR ± EHTP - 13 - Contrôle et régionalisation des données de pluie

 1975 1175 1100 1300

1974 1088 1041 1250

1973 1105 1021 1242

1972 1208 1165 1356

1971 1125 1050 1275

Méthodologie à suivre

1. Pour la station de référence, calculer la somme cumulée des lames précipitées X(t) de 1990 à
1971.
2. Démarche identique à 1) pour la station à contrôler Y(t).
3. Représenter graphiquement les couples ( X(t),Y(t)).
4. Identifier la cassure de pente de la somme cumulée des précipitations, ainsi que la valeur des
pentes respectives.
5. En comparant avec le cumul de la station P1, il semble que la dérive de la station P2 se
produit entre 1971 et 1980.
6. Il faut multiplier le rapport pente "1990-1980"/ pente "1980-1971" pour corriger les valeurs
de la station P2 entre 1980 et 1971.

Résultats obtenus :

On obtient les graphiques suivants pour la méthode du double cumul :

Prof N.SERHIR ± EHTP - 14 - Contrôle et régionalisation des données de pluie

Les données erronées de la station P2 sont observées entre 1971 et 1980.

Pente de la droite de régression entre 1971 et 1980=1.12

Pente de la droite de régression entre 1980 et 1990 = 0.94

Prof N.SERHIR ± EHTP - 15 - Contrôle et régionalisation des données de pluie

VI/ Étude de cas
1. Contrôle des données de deux stations pluviométriques

Les données des pluies annuelles enregistrées en deux postes pluviométriques Régionales A et B sont
présentées au tableau ci dessous .
On vous demande de :

1. Tracer la pluie annuelle en fonction des années pour chaque poste pluviométrique ;;

2. Représenter la variation de la pluie annuelle du poste A en fonction de la pluie annuelle du

poste B et analyser la relation entre les données des deux postes;;

3. Contrôler l'existence d'anomalies dans les données du poste A en appliquant les méthodes
suivantes :
¾ la méthode du simple cumul ,
¾ la méthode du double cumul en prenant comme poste témoin celui de poste B
Dresser les graphiques correspondants et analyser les résultats obtenus

x Procéder à la correction des données en cas d'hétérogénéité confirmée

x Calculer le module pluviométrique interannuel de la station A contrôlée

Année Poste A Poste B Année Poste A Poste B

1938 340 353 1955 338 244
1939 272 251 1956 414 259
1940 277 257 1957 577 404
1941 305 348 1958 353 277
1942 338 333 1959 373 259
1943 371 335 1960 356 262
1944 229 277 1961 290 259
1945 300 290 1962 351 300
1946 246 259 1963 254 234
1947 391 353 1964 267 259
1948 318 330 1965 424 356
1949 292 333 1966 236 213
1950 277 234 1967 467 292
1951 353 277 1968 358 231
1952 358 335 1969 503 330
1953 264 254 1970 434 332
1954 201 223 1971 406 272

Prof N.SERHIR ± EHTP - 16 - Contrôle et régionalisation des données de pluie