TP2 : Analyse de la frequence des precipitations
avec Python
Réalisé par ; EL MEHDI LOUKMANE
06 November 2024
1 Introduction
En 2021, Casablanca, l’une des plus grandes villes du Maroc, a connu
des précipitations modérées, principalement concentrées pendant la
saison hivernale. Comparée aux années précédentes, la pluviométrie
a été légèrement en dessous de la moyenne, reflétant les tendances de
sécheresse qui touchent périodiquement la région. Les pluies, bien
qu’éparses, ont contribué à améliorer temporairement les réserves
d’eau, un enjeu crucial pour la métropole marocaine en raison de sa
forte demande en eau.
La répartition des précipitations a été inégale, avec des épisodes
de pluies intenses suivis de longues périodes de sécheresse. Les
précipitations de Casablanca jouent un rôle clé dans la gestion des
ressources hydriques, et leur diminution progressive alimente les
inquiétudes liées aux changements climatiques et à leurs impacts
sur la région. En raison de cette variabilité, des mesures de ges-
tion et d’optimisation de l’eau sont de plus en plus cruciales pour
faire face aux défis environnementaux et garantir un approvision-
nement en eau durable pour la population Dans ce TP, nous allons
utiliser Python pour analyser des données de précipitations, en ex-
plorant divers aspects statistiques comme la fréquence, l’intensité et
la distribu- tion des épisodes pluvieux sur une période donnée. A
l’aide de bibliothèques Python spécialises (telles que Pandas pour la
gestion des données et Matplotlib pour la visu- alisation), nous ex-
aminerons comment ces données peuvent être traitées et interprétées
pour en tirer des conclusions sur les tendances et la variabilité des
précipitations.
1
2 Modalisation :
2.1 loi de Gumbel :
La loi de Gumbel est une distribution asymétrique utilisée princi-
palement pour modéliser des valeurs extrêmes. Dans le contexte des
précipitations, elle est utile pour prédire les événements extrêmes,
comme les fortes pluies qui surviennent rarement mais ont un impact
significatif.
La distribution de Gumbel se concentre sur la queue de la dis-
tribution, où les valeurs élevées sont représentées de manière signi-
ficative. Cela signifie qu’elle prend bien en compte les précipitations
très élevées et peut donner une estimation de la probabilité de tels
événements rares.
Utilisation : Cette loi est particulièrement précieuse dans le do-
maine de l’hydrologie pour des analyses de risques de crues et d’inondations,
car elle aide à estimer la probabilité de précipitations extrêmes qui
pourraient causer des dégâts importants.
2.2 Loi de Weibull :
La loi de Weibull est une distribution flexible qui peut modéliser
différents types de données, en fonction de son paramètre de forme.
Dans le cas des précipitations, la loi de Weibull peut être ajustée
pour représenter des événements de précipitation de diverses inten-
sités, allant de faibles à modérées, voire fortes dans certains cas.
Elle est souvent utilisée pour modéliser des données de durée de
vie ou de temps avant un événement (comme les pannes), mais elle
est également appliquée pour des données continues qui suivent une
distribution décroissante.
Utilisation : Elle peut être appliquée pour l’analyse des précipitations
en général, en donnant une vision d’ensemble sur la distribution des
précipitations plutôt que de se focaliser uniquement sur les extrêmes.
Elle est donc plus adaptée pour des applications qui nécessitent une
compréhension des précipitations moyennes ou modérées.
3 Code Python Utilise´ :
2
Figure 1: code python
4 Les résultats :
3
Figure 2: HISTOGRAMME
Figure 3: Ajustement des données
5 Interpretation :
Les deux graphiques montrent que les précipitations suivent une
distribution très asymétrique :
La plupart des valeurs de précipitations sont faibles, ce qui est
visible dans l’histogramme.
Les deux modèles (Gumbel et Weibull) s’ajustent de manière à
capturer cette tendance des valeurs faibles, avec un comportement
légèrement différent pour les événements extrêmes.
