COMMUNAUTE FRANCAISE DE BELGIQUE

ACADEMIE UNIVERSITAIRE WALLONIE-EUROPE

UNIVERSITE DE LIEGE – GEMBLOUX AGRO-BIO TECH

ESTIMATION DES DÉBITS D’ÉTIAGE POUR DES SITES

NON JAUGÉS. APPLICATION EN RÉGION WALLONNE

Sébastien GAILLIEZ

Dissertation originale présentée en vue de l’obtention du grade de docteur en sciences

agronomiques et ingénierie biologique

Promoteurs : Prof A. DEGRE & D. XANTHOULIS

2013
Sébastien Gailliez, 2013. Estimation des débits d’étiage pour des sites non jaugés.
Application en Région wallonne (Thèse de doctorat). Université de Liège – Gembloux Agro-
Bio Tech, 190 p, 118 fig., 39 tabl.

Résumé :

La mise en œuvre de la Directive sur l’Eau, l’attribution des permis d’environnement et le

contexte de l’hydro-électricité, demandent régulièrement la connaissance des débits
caractérisant l’étiage d’un cours d’eau.
L’objectif de cette thèse est de développer un modèle permettant de définir ce débit en
n’importe quel point d’un linéaire de cours d’eau non jaugé, et ce, pour n’importe quelle
période de retour, ainsi que l’incertitude sur la valeur calculée. Les variables hydrologiques
choisies sont le percentile95 (débit atteint ou dépassé 95 pourcents de l’année, Q95) et le
MAM7 (plus faible valeur de la moyenne mobile des débits atteints pendant 7 jours
consécutifs de l’année).
Après avoir sélectionné les stations de mesures situées sur le territoire wallon sur base d’un
certain nombre de critères (taille de l’historique, extrapolation de la courbe de tarage,
présence d’algues durant la période estivale, homogénéité des données, …), une analyse
fréquentielle est réalisée sur les débits caractéristiques d’étiage (Q95 et MAM7).
L’extraction de paramètres physiques et climatiques des bassins versants (pente, occupation
du sol, superficie du bassin versant, pédologie, hydrogéologie, précipitations, …), permet de
régionaliser la zone étudiée par classification numérique. Les bassins versants des 59
stations de mesures retenues sont regroupés en quatre zones homogènes qui sont ensuite
différenciées à l’aide d’une analyse en composantes principales.
Suite à une analyse de la variance et considérant le nombre peu élevé de stations de
mesures retenues dans certains groupes homogènes, un modèle de régression linéaire est
défini pour l’ensemble de la Wallonie à partir de 24 paramètres physiques et de la méthode
‘Stepwise’, pour les périodes de retour de 2, 5, 10, 20 et 50 ans. Les modèles obtenus
permettent la détermination d’une valeur de débit d’étiage en n’importe quel point d’un petit
bassin versant non jaugé et l’estimation de l’incertitude sur base des intervalles de
confiance. Les deux paramètres retenus dans les modèles de régression sont le coefficient
de tarissement et la percolation.
En imposant la forme du modèle pour chaque période de retour et en analysant la relation
entre les coefficients des paramètres explicatifs et les périodes de retour, on met en
évidence la possibilité d’interpoler entre les périodes de retour. Ainsi, un modèle global
permettant le calcul d’un débit caractérisant l’étiage pour n’importe quelle période de retour
(entre 2 et 50 ans) est déduit.
Les modèles de régression sont ensuite validés et une mise en œuvre simple de ces
derniers est proposée.
L’identification des régions homogènes devra conduire à la construction de modèles dédiés
à chaque région selon la même méthodologie, lorsque le nombre de stations disposant d’une
chronique suffisante et répondant aux critères de qualité, sera suffisant dans chacune
d’elles.
Sébastien Gailliez, 2013. Low flow discharge estimation at ungauged sites. Application in
Walloon Region (PHD Thesis in French). Gembloux, Belgium. University of Liege –
Gembloux Agro-Bio Tech, 190 p, 118 fig., 39 tabl.

Summary :

The implementation of European Water framework Directive, environmental permits and the
hydroelectric power context require regularly the knowledge of low flow discharge of a river.
The aim of this thesis is to develop a model that enables the low flow discharge estimation at
any point of an ungauged river, and for any return period and the estimation of the precision
of calculated value. The low flow index chosen are Q95 flow quantile (the discharge that is
exceeded on 95% of all days) and the MAM7 (Mean Annual 7-day Minimum flow)
After the selection of the monitoring sites in Walloon Region based on some criteria’s
(recording duration, the proportion of extrapolation of the discharge rating curve, no aquatic
vegetation in summer, homogeneous data’s, ...), frequency analysis is made on the low flow
discharge (Q95 and MAM7).
The determination of physical and climatic characteristics (slope, landcover, catchment area,
pedology, hydrogeology, precipitation, ...) enables the regionalization of the study area by
cluster analysis. The catchments of the 59 selected monitoring sites are grouped in four
homogeneous regions. The four obtained groups are differentiated by a principal component
analysis.
After an analysis of variance and considering the small number of selected monitoring sites
in some homogeneous groups, a global regression model is defined for the whole Walloon
Region from 24 characteristics of catchment and by stepwise method and for return periods
of 2, 5, 10, 20 and 50 years. The obtained models enable to calculate the low flow discharge
at any point of a ungauged river and the estimation of uncertainty based on the confidence
intervals. The two retained characteristics in regression models are recession coefficient and
percolation.
By imposing the model form for each return period and by analysing the relation between the
coefficient of underlying parameters and the return periods, we highlight the possibility of
interpolation between the return periods. So, we define a global model that enables to
calculate low flow discharge for any return period (between 2 and 50 years).
The regression models are afterwards validated and we define an easy setting method.
The homogeneous regions identification must lead to construction models for each region
following the same methodology, when the number of monitoring sites, with sufficient
recording duration and meeting the quality criteria’s, are enough for each of them.

COPYRIGHT. Aux termes de la loi belge du 30 juin 1995, sur le droit d’auteur et les droits
voisins, seul l’auteur a le droit de reproduire partiellement ou complètement cet ouvrage de
quelque manière et forme que ce soit ou d’en autoriser la reproduction partielle ou complète
de quelque manière et sous quelque forme que ce soit. Toute photocopie ou reproduction
sous autre forme est donc faite en violation de la dite loi et des modifications ultérieures.
REMERCIEMENTS

Au moment de mettre la touche finale de cette thèse, il m’est essentiel de remercier les
différentes personnes qui m’ont aidé de près ou de loin dans la concrétisation de ce projet
personnel initié voici cinq ans.

Dans un premier temps, je souhaite remercier Madame le Professeur A. Degré et Monsieur

le Professeur D. Xanthoulis, promoteurs de cette thèse, pour leurs précieux conseils et leur
support tout au long de la réalisation de ce travail.

J’adresse ma profonde gratitude aux membres de mon comité de thèse, Mesdames les
Professeurs C. Charles et A. Degré, Messieurs les Professeurs C. Debouche, V. Hallet et D.
Xanthoulis. Je tiens à adresser une mention spéciale à C. Charles et V. Hallet qui m’ont fait
l’honneur d’être rapporteurs.

Mes remerciements les plus chaleureux vont à mon épouse, Valérie, et à mon fils, Baptiste,
qui m’ont soutenu et laissé le temps de finaliser cette thèse.

Je remercie également tout le personnel du service ‘Soil – Water Systems’ de l’Université de

Liège – Gembloux Agro-Bio Tech, et plus particulièrement, Catherine, Maud, Patricia, Daniel
et Arnaud.

J’adresse mes remerciements à l’ensemble de mes collègues de la Direction des Cours

d’Eau non navigables du Service public de Wallonie, et en particulier mon Directeur,
Monsieur F. Lambot pour m’avoir permis de dégager de temps en temps quelques heures
pour la réalisation de cette thèse. Je remercie également Didier de Thysebaert de m’avoir
mis le pied à l’étrier de l’hydrométrie, voici treize ans.

Enfin, mes remerciements vont également à mes parents qui m’ont toujours soutenu.
 TABLE DES MATIERES
1 INTRODUCTION ....................................................................................................................................... 1
1.1 CONTEXTE ................................................................................................................................................ 1
1.2 IDENTIFICATION DES BESOINS .................................................................................................................. 2
1.3 MÉTHODOLOGIE........................................................................................................................................ 3
2 CARACTÉRISATION DE L’ÉTIAGE ..................................................................................................... 5
2.1 DÉFINITION DES PARAMÈTRES CARACTÉRISTIQUES DE L’ÉTIAGE ............................................................ 5
2.2 SÉLECTION DES STATIONS DE MESURES.................................................................................................. 7
2.2.1 Introduction .................................................................................................................................... 7
2.2.2 Superficie des bassins versants des stations de mesures ..................................................... 9
2.2.3 Validation des données horaires de hauteur ...........................................................................11
2.2.4 Augmentation du nombre de stations de mesures potentielles ............................................12
2.2.5 Analyse des données manquantes ...........................................................................................17
2.2.6 Stations de mesures obtenues par calcul ................................................................................19
2.2.7 Stations de mesures ayant un faible débit ...............................................................................22
2.2.8 Relation hauteur - débit : Présence d’algues durant la période estivale .............................22
2.2.9 Relation hauteur – débit : Extrapolation de la courbe de tarage ..........................................24
2.2.10 Durée minimum de l’historique ..................................................................................................25
2.2.11 Homogénéité des données ........................................................................................................32
2.2.12 Autres stations de mesures supprimées ..................................................................................36
2.2.13 Liste finale des stations de mesures sélectionnées ...............................................................36
3 ANALYSE FRÉQUENTIELLE DES DÉBITS D’ÉTIAGE ...................................................................37
3.1 INTRODUCTION.........................................................................................................................................37
3.2 ESTIMATION DES PARAMÈTRES DE LA LOI ...............................................................................................38
3.2.1 Introduction ...................................................................................................................................38
3.2.2 Méthode des Moments ...............................................................................................................38
3.2.3 Méthode du Maximum de Vraisemblance ...............................................................................39
3.2.4 Méthode des L-Moments et des Moments de Probabilités pondérés .................................40
3.3 LOIS UTILISÉES EN HYDROLOGIE .............................................................................................................43
3.3.1 Distribution NORMALE ...............................................................................................................43
3.3.2 Distribution LOGNORMALE.......................................................................................................44
3.3.3 Distribution des VALEURS EXTREMES GENERALISEES ..................................................45
3.3.4 Distribution GAMMA ....................................................................................................................48
3.3.5 Distribution PEARSON ...............................................................................................................48
3.4 CHOIX DU TYPE DE LOI DÉDIÉE À L’ANALYSE FRÉQUENTIELLE DES ÉTIAGES..........................................49
3.4.1 Introduction ...................................................................................................................................49
3.4.2 Test d'adéquation ........................................................................................................................49
3.4.3 Contrôle visuel de l’ajustement..................................................................................................51
3.5 MÉTHODE UTILISÉE POUR LE CHOIX DE LA MEILLEURE LOI .....................................................................53
3.5.1 Outil informatique ........................................................................................................................53
3.5.2 Application de la loi de FRECHET ............................................................................................53
3.5.3 Méthodologie d'ajustement ........................................................................................................54
3.5.4 Sélection des meilleurs ajustements ........................................................................................55
3.5.5 Choix visuel du meilleur ajustement .........................................................................................56
3.6 ANALYSE DES RÉSULTATS .......................................................................................................................58
3.6.1 Introduction ...................................................................................................................................58
3.6.2 Débits caractérisant l’étiage en fonction de la période de retour .........................................58
3.6.3 Lois retenues ................................................................................................................................58
3.6.4 Lien entre les ajustements et la taille de l'historique ..............................................................60
3.6.5 Lien entre les ajustements et la superficie du bassin versant ..............................................61
3.6.6 Distribution spatiale des lois d’ajustement utilisées ...............................................................62
4 RÉGIONALISATION DES DÉBITS D’ÉTIAGE EN RÉGION WALLONNE ...................................64
4.1 INTRODUCTION.........................................................................................................................................64
4.2 DÉTERMINATION DES PARAMÈTRES PHYSIQUES DES BASSINS VERSANTS.............................................65
4.2.1 Introduction ...................................................................................................................................65
4.2.2 Altitude des stations de mesures ..............................................................................................66
4.2.3 Coordonnées Lambert ................................................................................................................68
4.2.4 Superficie du bassin versant ......................................................................................................69
4.2.5 Densité de drainage ....................................................................................................................71
4.2.6 Pente du bassin versant .............................................................................................................74
4.2.7 Occupation du sol ........................................................................................................................75
4.2.8 Pédologie ......................................................................................................................................80
4.2.9 Données climatiques : Précipitations et températures ...........................................................85
4.2.10 L’évapotranspiration ....................................................................................................................88
4.2.11 Recharge des nappes .................................................................................................................89
4.2.12 Hydrogéologie ..............................................................................................................................91
4.3 DÉFINITION DES ZONES HOMOGÈNES ...................................................................................................105
4.3.1 Introduction .................................................................................................................................105
4.3.2 La classification numérique ......................................................................................................105
4.3.3 L’analyse en composantes principales...................................................................................110
4.4 RÉSULTATS DU REGROUPEMENT EN ZONES HOMOGÈNES ...................................................................112
4.5 AFFINAGE DES ZONES HOMOGÈNES......................................................................................................113
4.6 CARACTÉRISATION DES ZONES HOMOGÈNES .......................................................................................116
4.7 ANALYSE EN COMPOSANTES PRINCIPALES ...........................................................................................127
4.7.1 Introduction .................................................................................................................................127
4.7.2 Cercles de corrélation ...............................................................................................................128
4.7.3 Graphiques des individus .........................................................................................................130
4.8 INTERPRÉTATION DES RÉSULTATS ........................................................................................................133
5 ESTIMATION DES DÉBITS D’ÉTIAGE EN RÉGION WALLONNE POUR LES BASSINS
VERSANTS NON JAUGÉS ..................................................................................................................135
5.1 INTRODUCTION.......................................................................................................................................135
5.2 MODÈLE RÉGIONAL OU MODÈLE GLOBAL ..............................................................................................136
5.3 MODÈLE LINÉAIRE OU NON LINÉAIRE .....................................................................................................138
5.4 LA RÉGRESSION LINÉAIRE MULTIPLE .....................................................................................................139
5.4.1 Introduction .................................................................................................................................139
5.4.2 Les conditions d’application d’un modèle de régression .....................................................139
5.4.3 Formulation mathématique ......................................................................................................142
5.4.4 Analyse de la variance ..............................................................................................................143
5.4.5 Coefficient de détermination ....................................................................................................144
5.4.6 Modèles de régression linéaire................................................................................................145
5.4.7 Problème des colinéarités ........................................................................................................146
5.4.8 Recherche de valeurs influentes .............................................................................................147
5.4.9 Validation du modèle de régression .......................................................................................147
5.4.10 Intervalle de confiance d’un modèle de régression ..............................................................149
5.5 ETAPE INTERMÉDIAIRE DE LA RECHERCHE DU MODÈLE DE RÉGRESSION POUR LES COURS D’EAU DE
W ALLONIE ............................................................................................................................................................150
5.5.1 Superficie des bassins versants ..............................................................................................150
5.5.2 Application d’une transformation de variable ........................................................................150
5.5.3 Recherche d’une relation linéaire entre le débit caractérisant l’étiage et les
caractéristiques des bassins versant .............................................................................................................152
5.5.4 Choix du modèle de régression ...............................................................................................154
5.6 MODÈLES DE RÉGRESSION POUR LES COURS D’EAU DE WALLONIE ....................................................155
5.6.1 Introduction .................................................................................................................................155
5.6.2 Vérification des conditions d’application : Normalité des résidus .......................................155
5.6.3 Vérification des conditions d’application : Egalité des variances des résidus ..................157
5.6.4 Vérification des conditions d’application : Recherche de valeurs influentes ....................158
5.6.5 Vérification des conditions d’application : Colinéarité ..........................................................161
5.6.6 Modèle de régression ...............................................................................................................162
5.6.7 Intervalle de confiance des modèles de régression obtenu ................................................164
5.6.8 Validation des modèles de régression ..................................................................................165
5.6.9 Comparaison des variables utilisées par d’autres auteurs ..................................................173
5.6.10 Abstraction de la période de retour dans les modèles de régression................................174
5.6.11 Modèles de régression obtenus pour le MAM7 ....................................................................176
5.6.12 Comparaison des modèles de régression obtenus pour le Q95 et le MAM7 ...................177
5.7 UTILISATION ET APPLICATION DES MODÈLES DE RÉGRESSION .............................................................179
5.7.1 Introduction .................................................................................................................................179
5.7.2 Coefficient de tarissement ........................................................................................................179
5.7.3 Recharge des nappes : Percolation........................................................................................180
5.7.4 Application du modèle global à différentes stations de mesures .......................................183
6 CONCLUSIONS .....................................................................................................................................187

7 BIBLIOGRAPHIE ...................................................................................................................................191

8 ANNEXES ...............................................................................................................................................199
 INDEX DES FIGURES
Figure 1 : Position du percentile95 sur la courbe de tarage : Cas de la Mehaigne à Wanze ................. 6
Figure 2 : Perturbation du débit par les centrales hydro-électriques fonctionnant par éclusée .............. 7
Figure 3 : Réseau de mesure en Wallonie .............................................................................................. 8
Figure 4 : Nombre de stations de mesures limnimétriques par bassin versant ...................................... 8
Figure 5 : Nombre de stations de mesures limnimétriques en fonction de la superficie du bassin
versant ............................................................................................................................................ 9
Figure 6 : Nombre de stations de mesures limnimétriques en fonction de la superficie du bassin
versant : Province de Québec (Canada) ...................................................................................... 10
Figure 7 : Nombre de stations de mesures limnimétriques en fonction de la superficie du bassin
versant : Bassin de la Moselle (France) ....................................................................................... 11
Figure 10 : Analyse des hydrogrammes annuels de la station de Baisieux sur la Grande Honnelle (A et
B : années non récupérées, C et D : années récupérées) ........................................................... 18
Figure 11 : Bassin versant de la Mehaigne ........................................................................................... 20
Figure 12 : Rivières dont les percentiles95 sont inférieurs à 5 l/S ........................................................ 22
Figure 13 : Influence de la présence d’algues durant la période estivale sur la relation hauteur - débit
d’une station de mesures .............................................................................................................. 23
Figure 14 : La Semois à Etalle durant l’été 2010 .................................................................................. 24
Figure 15 : Importance de l’extrapolation de la relation hauteur – débit d’une station de mesures...... 24
Figure 16 : Comparaison entre le minimum jaugé et les Q95 minimum et maximum d’une station de
mesures ........................................................................................................................................ 25
Figure 17 : Nombre de stations de mesures limnimétrique en fonction du nombre d’années de
fonctionnement de celles-ci par classe d’années ......................................................................... 26
Figure 19 : Méthodologie de détermination de l’historique minimum à prendre en considération ........ 28
Figure 20 : Ecart relatif entre la moyenne (variance) des Q95 de l'échantillon et la moyenne (variance)
des Q95 obtenu pour l'historique complet - La Semois à Tintigny ............................................... 29
Figure 21 : Ecart relatif entre la moyenne (variance) des MAM7 de l'échantillon et la moyenne
(variance) des MAM7 obtenu pour l'historique complet - La Semois à Tintigny .......................... 29
Figure 22 : Taille de l’historique minimum requis dans les cas du percentile95 et du MAM7 .............. 30
Figure 23 : Nombre d’années minimum tel que les écarts relatifs des moyennes et variances entre les
Q95 soient inférieurs à 10% ......................................................................................................... 31
Figure 24 : Nombre d’années minimum requis en fonction du nombre de station de mesures
(Percentile 95)............................................................................................................................... 31
Figure 25 : Percentiles95 annuels de la station de mesures de Walcourt (Seuil) sur l’Eau d’Heure .... 35
Figure 26 : Percentiles95 annuels des stations de mesures de Walcourt (Gare) et de Jamioulx sur
l’Eau d’Heure ................................................................................................................................ 35
Figure 27: Comparaison graphique de trois ajustements théoriques aux données d'étiage de l’Eau
d’Heure à Cerfontaine (Q95) ........................................................................................................ 52
Figure 28 : Application de la loi de Fréchet aux données (Q95) de la station de Baisieux sur la Grande
Honnelle ........................................................................................................................................ 53
Figure 29 : Schéma de la méthodologie utilisée dans le choix du meilleur ajustement pour chaque
station ........................................................................................................................................... 54
Figure 30 : Lesse à Resteigne - visualisation des ajustements pour les 3 lois les mieux adaptées
(Q95) à l’aide du logiciel HYFRAN et de la loi de Fréchet............................................................ 56
Figure 31 : Lesse à Resteigne - ajustement de la loi Lognormale : probabilité de non-dépassement
avec intervalles de confiance à 95 % (Q95) ................................................................................. 57
Figure 32 : Fréquences des lois retenues pour l’ensemble des stations de mesures (Q95) ................ 59
Figure 33 : Représentation du pourcentage de stations de mesures par type de loi en fonction de la
taille de l’historique (Q95) ............................................................................................................. 61
Figure 34 : Représentation du pourcentage de stations de mesures par type de loi en fonction de la
superficie du bassin versant (Q95) ............................................................................................... 62
Figure 35 : Loi sélectionnée par station de mesures pour l’analyse fréquentielle liée à l’étiage (Q95) 63
Figure 36 : Extrait de carte IGN au 1/10000 au niveau de la station d’Amougies sur la Rhosnes ....... 66
Figure 37 : La Rhosnes à Amougies ..................................................................................................... 67
Figure 38 : Altitude des stations de mesures (m).................................................................................. 68
Figure 39 : Modèle numérique de terrain : Projet ERRUISSOL ............................................................ 70
Figure 40 : Détermination de la densité de drainage ............................................................................ 72
Figure 41 : Densité de drainage des bassins versants des stations de mesures sélectionnées .......... 73
Figure 42 : Fonction Slope .................................................................................................................... 74
Figure 43 : Pente des bassins versants ................................................................................................ 75
Figure 44 : Carte d’occupation du sol de la Région wallonne ............................................................... 77
Figure 45 : Occupation du sol : Moyenne par bassin versant ............................................................... 80
Figure 46 : Plages de taux d’infiltration limite sur sol de culture (les lignes en trait discontinu
correspondent l’intervalle de variation autour de la moyenne (Dautrebande et al., 2008)
(Maidment, 1993) .......................................................................................................................... 81
Figure 47 : Groupes hydrologiques des sols : Projet ERRUISSOL ...................................................... 82
Figure 48 : Détermination de la proportion de différents types de groupes hydrologiques de sol pour
les bassins versants des stations de mesures ............................................................................. 84
Figure 49 : Groupes hydrologiques des sols : Moyenne par bassin versant ........................................ 84
Figure 50 : Précipitations : Moyennes par bassin versant (1971 – 2005) ............................................. 86
Figure 51 : Cartes des précipitations (moyennes annuelles, estivales et hivernales) .......................... 87
Figure 52 : Température : Moyenne par bassin versant (1971 – 2005) ................................................ 88
Figure 53 : Evapotranspiration potentielle : Moyenne par bassin versant (1971 – 2005) ..................... 89
Figure 54 : Percolation moyenne annuelle : Moyenne par bassin versant (1971 – 2005) .................... 90
Figure 56 : Exemple de sélection des séquences de récession sur base du module et sur base du
Q75 pour le Viroin à Treignes : période du 1/01/2000 au 31/12/2009 ......................................... 94
Figure 57 : Exemple d'accroissement des débits en fin de séquence pour le Viroin à Treignes au mois
de juin 2000 .................................................................................................................................. 95
Figure 58 : Temps de ressuyage obtenu pour l’ensemble des stations de mesures ............................ 96
Figure 59 : Méthodologie de détermination du début des séquences de tarissement ......................... 97
Figure 60 : Graphique de corrélation entre Q0 et Q1 pour la station de Trois-Ponts sur la Salm .......... 99
Figure 61 : Durées minimum, maximum, médiane et percentile90 des séquences tarissement........ 100
Figure 62 : Application de la loi de Maillet pour la station de mesures de Trois-Ponts sur la Salm ... 101
Figure 63 : Aquifères et coefficients de tarissement en Région wallonne .......................................... 102
Figure 64 : Coefficients de tarissement minimum, moyen et maximum par type de composition
d’aquifère .................................................................................................................................... 104
Figure 65 : Représentation schématique de deux groupes d’objets ................................................... 106
Figure 66 : Dendrogramme relatif à la classification en utilisant la méthode du lien moyen .............. 108
Figure 67 : Dendrogramme relatif à la classification en utilisant la méthode du lien complet ............ 109
Figure 68 : Dendrogramme relatif à la classification ........................................................................... 112
Figure 69 : Carte des stations limnimétriques réparties en zones hydrologiquement homogènes en
Région wallonne ......................................................................................................................... 113
Figure 70 : Carte des stations limnimétriques réparties en zones hydrologiquement homogènes en
Région wallonne (Représentation par bassin versant) ............................................................... 114
Figure 71 : Dendrogramme relatif à la classification après affinage ................................................... 115
Figure 72 : Carte des stations limnimétriques réparties en zones hydrologiquement homogènes en
Région wallonne après affinage (Représentation par bassin versant) ....................................... 116
Figure 74 : Boxplot et carte des pentes médianes par groupe ........................................................... 118
Figure 75 : Boxplot de la proportion des territoires artificialisés par groupe ....................................... 119
Figure 76 : Boxplot de la proportion des terres arables par groupe .................................................... 119
Figure 77 : Boxplot de la proportion des forêts par groupe ................................................................. 120
Figure 78 : Boxplot de la proportion des surfaces enherbées par groupe .......................................... 120
Figure 79 : Boxplot de la proportion de sol du groupe hydrologique A par groupe ............................ 121
Figure 80 : Boxplot de la proportion de sol du groupe hydrologique B par groupe ............................ 122
Figure 81 : Boxplot de la proportion de sol du groupe hydrologique C par groupe ............................ 122
Figure 82 : Boxplot de la proportion de sol du groupe hydrologique D par groupe ............................ 123
Figure 83 : Boxplot de des précipitations par groupe .......................................................................... 124
Figure 84 : Boxplot de la température par groupe .............................................................................. 124
Figure 85 : Boxplot de l’évapotranspiration potentielle par groupe ..................................................... 125
Figure 86 : Boxplot de la percolation par groupe ................................................................................ 126
Figure 87 : Boxplot du coefficient de tarissement par groupe ............................................................. 127
Figure 88 : Graphiques des valeurs propres et de la proportion de la variance expliquée en fonction de
la composante principale ............................................................................................................ 128
Figure 89 : Cercle des corrélations dans le plan des deux premières composantes principales ....... 128
Figure 90 : Cercle des corrélations dans le plan des première et troisième composantes principales
.................................................................................................................................................... 129
Figure 91 : Cercle des corrélations dans le plan des première et quatrième composantes principales
.................................................................................................................................................... 130
Figure 92 : Graphique des groupes dans le plan des deux premières composantes ......................... 131
Figure 93 : Graphique des groupes dans le plan des première et troisième composantes ................ 132
Figure 94 : Graphique des groupes dans le plan des première et quatrième composantes .............. 132
Figure 95 : Boxplot illustrant l’égalité des moyennes des percentiles95 spécifiques entre les groupes
homogènes ................................................................................................................................. 138
Figure 96 : Exemple de vérification de la normalité des résidus ......................................................... 140
Figure 97 : Exemple de graphique réalisé pour la vérification de l’homoscédasticité des résidus (cas
d’homoscédasticité) .................................................................................................................... 141
Figure 98 : Exemple de graphique réalisé pour la vérification de l’homoscédasticité des résidus (cas
d’hétéroscédasticité) ................................................................................................................... 141
Figure 99 : Répartition des stations de mesures utilisées pour la validation des modèles de régression
.................................................................................................................................................... 149
Figure 100: Normalité des résidus pour le modèle obtenu pour la période de retour 5 ans avant la
transformation de variables ........................................................................................................ 151
Figure 101 : Normalité des résidus pour le modèle obtenu pour la période de retour 5 ans après la
transformation de variables ........................................................................................................ 151
Figure 102 : Observation de l’augmentation du nombre de valeurs prédites de débit qui sont éloignées
des valeurs observées correspondantes avec le débit spécifique observé ............................... 152
Figure 103 : Relation entre les caractéristiques des bassins versants et le logarithme du percentile95
spécifique de période de retour 5 ans ........................................................................................ 153
Figure 104 : Normalité des résidus pour les modèles obtenus pour les cinq périodes de retour (2, 5,
10, 20 et 50 ans) ......................................................................................................................... 157
Figure 105 : Vérification de l’égalité des variances des résidus ......................................................... 158
Figure 106 : Recherche de valeurs influentes à partir de la distance de Cook................................... 159
Figure 107 : Recherche de valeurs anormales éventuelles à partir des résidus studentisés ............. 160
Figure 108 : Carte des stations utilisées pour la validation du modèle de régression ........................ 166
Figure 109 : Graphiques des valeurs prédites et observées des percentiles95 ................................. 169
Figure 110 : Graphique des résidus en fonction des percentiles95 spécifiques observés ................. 170
Figure 111 : Comparaison des percentiles95 observés et prédits et leur intervalle de confiance ...... 172
Figure 112 : Graphique mettant en relation les coefficients de régression et les constantes en fonction
de la période de retour (Q95) ..................................................................................................... 174
Figure 113 : Graphique mettant en relation les coefficients de régression et les constantes en fonction
de la période de retour (MAM7) .................................................................................................. 177
Figure 114 : Coefficients de tarissement des bassins versants étudiés et les principaux aquifères
wallons ........................................................................................................................................ 180
Figure 115 : Percolation (mm) pour les bassins versants ORI et les principaux aquifères de Wallonie
.................................................................................................................................................... 181
Figure 116 : Comparaison des percolations obtenues pour les bassins versants des stations de
mesures par modélisation EPIC et par la moyenne des bassins ORI........................................ 182
Figure 117 : Valeurs de percolation (mm) par masse d’eau de surface ............................................. 183
Figure 118 : Comparaison des Q95 obtenus à partir des paramètres estimés (percolation et coefficient
de tarissement) et des Q95 obtenus à partir de ces paramètres calculés lors de l'étape de
régionalisation pour les différentes périodes de retour (2, 5, 10, 20 et 50 ans) ......................... 186
 INDEX DES TABLEAUX
Tableau 1 : Gain potentiel pour l’historique de certaines stations de mesures..................................... 14
Tableau 2 : Résultat du test d’égalité des moyennes. .......................................................................... 16
Tableau 3 : Années récupérées pour chaque station comportant des années aux données
manquantes .................................................................................................................................. 18
Tableau 4 : Résultat du test d’homogénéité réalisé sur les percentiles95 de la station de Huccorgne 21
Tableau 5 : Résultat du test d’homogénéité réalisé sur les débits moyens annuels de la station de
Huccorgne ..................................................................................................................................... 21
Tableau 6 : Stations de mesures écartées dont les débits sont obtenus par calcul ............................. 21
Tableau 7 : Stations de mesures écartées dont les débits sont obtenus par calcul ............................. 22
Tableau 8 : Stations de mesures pour lesquelles un développement de végétation aquatique est
observé ......................................................................................................................................... 23
Tableau 9 : Stations aux données non homogènes (les stations grisées ont été récupérées). RH0 :
rejet de l'hypothèse nulle, AH0 : acceptation de l'hypothèse nulle ............................................... 34
Tableau 10 : Résultat du test d’homogénéité pour la station de Walcourt (seuil) ................................. 34
Tableau 11 : Définitions des rapports sans dimension des moments et L-moments (Maidment, 1993)
...................................................................................................................................................... 42
Tableau 12 : Valeurs des L-Moments pour plusieurs distributions (Maidment, 1993) .......................... 43
Tableau 13 : Motivations et principales formules utilisées pour calculer les probabilités de non-
dépassement empiriques (Maidment, 1993) ................................................................................ 51
Tableau 14 : Récapitulatif des résultats des ajustements pour les lois testées à l’aide du logiciel
HYFRAN - ..................................................................................................................................... 56
Tableau 15 : Proportion de la superficie du bassin versant (km²) en Région wallonne pour les cours
d’eau frontaliers ............................................................................................................................ 71
Tableau 16 : Regroupement des classes d’occupation du sol .............................................................. 79
Tableau 17 : Séquences de tarissement obtenues pour la station de Trois-Ponts sur la Salm ........... 98
Tableau 18 : Calcul du rapport at pour chaque durée t ....................................................................... 100
Tableau 19 : Coefficients de tarissement obtenus par aquifère .......................................................... 103
Tableau 20 : Résultats issus de l’étude des coefficients de tarissement obtenus en France (Lang et
Gille, 2006) .................................................................................................................................. 104
Tableau 21 : Stations de mesures utilisées pour l’affinage ................................................................. 115
Tableau 22 : Résumé des différences entre groupes ......................................................................... 134
Tableau 23 : Tableau d’analyse de la variance ................................................................................... 137
Tableau 24 : Comparaison de trois méthodes de détermination d’un modèle de régression ............. 154
Tableau 25 : Valeurs de différentes variables dans le cadre de la recherche de valeurs influentes .. 160
Tableau 26 : Valeurs de différentes variables pour la station de Graide dans le cadre de la recherche
de valeurs influentes ................................................................................................................... 161
Tableau 27 : Recherche de problème de colinéarité à partir du facteur d’inflation de la variance ..... 162
Tableau 28 : Recherche de problème de colinéarité à partir de l’indice de conditionnement ............ 162
Tableau 29 : Etape du choix des variables pour la détermination du modèle de régression ............. 163
Tableau 30 : Valeurs du RMSE pour les modèles obtenus pour les différentes périodes de retour .. 165
Tableau 31 : Stations de mesures utilisées pour la validation des modèles de régression ................ 166
Tableau 32 : Résultats de la validation ............................................................................................... 167
Tableau 33 : Performances des modèles de régression ..................................................................... 168
Tableau 34 : Ecarts moyens (%) entre les modèles obtenus pour les différentes périodes de retour et
le modèle global .......................................................................................................................... 175
Tableau 35 : Comparaison des intervalles de confiance obtenus par calcul et à partir des abaques 175
Tableau 36 : Performances des modèles de régression utilisant le MAM7 comme descripteur de
l’étiage ......................................................................................................................................... 176
Tableau 37 : Résumé des performances des modèles de régression utilisant le Q95 ou le MAM7
comme descripteurs de l’étiage .................................................................................................. 177
Tableau 38 : Valeurs caractéristiques obtenues à partir des valeurs absolues des écarts (%) des
percolations obtenues par modélisation EPIC et moyenne des bassins ORI ............................ 182
Tableau 39 : Ecart moyen (%) entre les percentiles95 obtenus sur base des paramètres (percolation
et coefficient de tarissement) calculés et estimés ...................................................................... 185
1 INTRODUCTION

1.1 Contexte

L’étiage est défini soit comme la période de l’année durant laquelle le débit d’un cours
d’eau est faible, soit comme un phénomène saisonnier et une composante à part entière du
régime hydrologique d’un cours d’eau.

Il faut différencier l’étiage de la sécheresse. Cette dernière résulte d’un déficit

important en précipitations sur une période plus ou moins longue. Lors d’une sécheresse,
nous aurons donc un étiage plus sévère. Plusieurs types de sécheresses peuvent être
définis en fonction de leurs conséquences. On peut avoir des sécheresses météorologique,
hydrologique ou agricole. (Smakhtin, 2001)

La sécheresse hydrologique entraînera une diminution des débits des cours d’eau
ainsi que du niveau des nappes d’eau souterraines. Dans certains cas, l’influence de
l’activité humaine peut accentuer les conséquences de ce phénomène lors de prélèvements
importants soit en eaux de surface, soit en eaux souterraines.

Au sein de la Communauté européenne, les politiques des pays et/ou régions sont
régies par des Directives établies par le Parlement européen et le Conseil de l’Union
européenne. Ces Directives doivent être traduites en droit national ou régional.

Une Directive européenne sur l’Eau a été adoptée le 23 octobre 2000 (Directive
2000/60/CE) qui établit un cadre pour une politique communautaire pour la protection des
eaux intérieures de surface, des eaux de transition, des eaux côtières et des eaux
souterraines. « Les objectifs de cette Directive sont :

prévenir toute dégradation supplémentaire, préserver et améliorer l'état des

écosystèmes aquatiques ainsi que, en ce qui concerne leurs besoins en eau, des
écosystèmes terrestres et des zones humides qui en dépendent directement ;

promouvoir une utilisation durable de l'eau, fondée sur la protection à long terme
des ressources en eau disponibles ;

viser à renforcer la protection de l'environnement aquatique ainsi qu'à l'améliorer,
notamment par des mesures spécifiques conçues pour réduire progressivement
les rejets, émissions et pertes de substances prioritaires, et l'arrêt ou la
suppression progressive des rejets, émissions et pertes de substances
dangereuses prioritaires ;

assurer la réduction progressive de la pollution des eaux souterraines et prévenir
l'aggravation de leur pollution, et ;

contribuer à atténuer les effets des inondations et des sécheresses. » (Directive
2000/60/CE, 2000)

Pour le 22 décembre 2015, les Etats membres doivent, entre autre parvenir à un bon
état des eaux de surface. Afin d’atteindre cet objectif, diverses mesures peuvent être prises
comme par exemple lutter contre la pollution diffuse en diminuant les quantités de pesticides
utilisées ou en créant des zones de rétention le long des cours d’eau.

Cette mesure adoptée concerne directement les rejets directs de polluants par la
collecte et le traitement des eaux usées urbaines, la suppression des rejets de certains
polluants (hydrocarbures, métaux lourds, pesticides, …) ainsi que la révision des permis
d’environnement des industries.

1
1.2 Identification des besoins

C’est dans le contexte de mise en œuvre de la Directive sur l’Eau et la révision des
permis d’environnement qu’il sera utile de connaître les débits caractérisant l’étiage afin de
déterminer la charge de polluant qu’une entreprise pourra rejeter afin de ne pas altérer l’état
écologique du cours d’eau.

De la même manière, à l’heure où l’énergie verte est au centre des débats, de plus
en plus de demandes d’autorisation sur l’installation de centrales hydro-électriques arrivent
au sein des administrations. Généralement, des portions de cours d’eau sont détournées afin
d’alimenter les turbines en eau. Il faut alors définir un débit réservé. Il s’agit du débit à laisser
dans le cours d’eau afin de maintenir la vie aquatique.

Cette notion de débit réservé peut également s’appliquer dans le cadre de

prélèvements en eaux souterraines ou de surface afin de maintenir un débit suffisant pour
les autres usages de l’eau (agriculture, vie aquatique, …).

Pour définir l’ensemble de ces débits et/ou mesures, il est important de connaître le
débit qui caractérise l’étiage. Cependant, la connaissance des débits se fait généralement
sur base de stations hydrométriques. A l’heure actuelle, dans bon nombre de cas, en
l’absence d’un tel point de contrôle, il est impossible de définir un débit sans l’aide de
modèles hydrologiques qui peuvent être, selon les cas, difficilement mis en œuvre.

A cette notion de débit caractérisant l’étiage, il sera également utile d’associer la

notion de récurrence car selon les besoins, les périodes de retour pourront être faibles (2
ans) ou élevées (50 ans).

Or, différentes méthodologies de définition des débits d’étiage pour des cours d’eau
non jaugés ne prennent pas en compte cette notion de période de retour. Selon Laaha, le
débit d’étiage en Autriche, est représenté par le percentile951 sans association de période de
retour. (Laaha et Blöschl, 2006)

Vezza reprend les bases de la méthodologie de Laaha et Blöschl pour caractériser

l’étiage dans le Nord-Ouest de l’Italie. Il utilise également le percentile95 sans la notion de
récurrence. (Vezza et al., 2010)

En Grande-Bretagne, le percentile95 et le MAM72 sont également utilisés sans la

notion de période de retour. (Gustard et al., 1992).

Schreiber utilise la MAM7 dans son étude sur les étiages dans le Sud-ouest de
l’Allemagne. Ce débit caractéristique n’est pas associé à une période de retour. (Schreiber et
Demuth, 1997)

Pour la Province du Québec, Hamza a utilisé le Q7,10 qui est le débit minimum annuel
de sept jours consécutifs et de période de retour de 10 ans. Dans son étude, seule cette
période de retour est considérée.

L’objectif ultime de cette thèse est donc de proposer un modèle permettant de définir
un débit caractéristique de l’étiage et ce, pour n’importe quelle période de retour, ainsi que
l’incertitude sur la valeur calculée.

1
Percentile95 : débit atteint ou dépassé 95 pourcents du temps.
2
MAM7 : la plus faible valeur de la moyenne mobile des débits atteints pendant 7 jours consécutifs de l’année.

2
 La zone d’étude choisie pour la définition d’une méthodologie permettant de
connaître le débit caractérisant l’étiage associé à une période de retour en n’importe quel
point sur le linéaire d’un cours d’eau quelconque est la Région wallonne située dans la partie
sud de la Belgique.

Bon nombre de méthodologies passent dans un premier temps par un travail de

régionalisation qui consiste à regrouper un ensemble de bassins versants contigus ou non
en zones homogènes. Plusieurs méthodes existent (classification numérique, arbres de
régression, …) et sont appliquées dans différents pays. L’objectif de cette étape est de
vérifier la possibilité d’obtenir un modèle régional plutôt qu’un modèle global qui pourrait
s’avérer meilleur.

Un des objectifs de ce travail sera de vérifier la possibilité de définir des zones

homogènes sur base des données disponibles pour la zone d’étude. En effet, chaque pays
ou régions disposent de ses propres caractéristiques tant d’un point de vue climatique
(précipitations et température) que physique (pédologie, géologie, altitude, pentes, …).

A titre d’exemple, Laaha (Autriche, Schreiber (Allemagne) et Vezza (Italie) ont

travaillé sur des bassins versants dont certains étaient situés en région montagneuse.
(Gustard et al., 1992) (Schreiber et Demuth, 1997) (Vezza et al., 2010) Les altitudes y sont
beaucoup plus variables tout comme les précipitations et les températures. De même, le
contexte géologique sera différent par rapport à notre zone d’étude qui ne dispose pas de
contexte montagneux.

1.3 Méthodologie

La première étape du travail consiste à sélectionner selon un certain nombre de

critères, un ensemble de stations de mesures situées principalement sur le territoire wallon.
Les critères utilisés pour le choix des stations de mesures sont par exemple, la durée de
l’historique, la présence ou non de végétations aquatiques durant la période estivale,
l’extrapolation de la courbe de tarage, …

Différents tests statistiques sont réalisés afin de valider soit la durée de l’historique
minimale que doit comporter une station pour être prise en considération, soit pour vérifier
l’homogénéité des données.

Sachant qu’un étiage est défini par son débit et sa durée, une valeur caractéristique
est déterminée. Il peut s’agir par exemple du débit caractéristique d’étiage (débit atteint ou
dépassé 355 jours par an), du MAM7 (plus faible valeur de la moyenne mobile des débits
atteints pendant 7 jours consécutifs de l’année) du débit journalier minimum annuel, du
percentile95, …

A partir de la variable choisie ci-dessus, une analyse fréquentielle est réalisée. Une
statistique des valeurs extrêmes est réalisée avec pour objectif l’adaptation d’une même loi
pour les différents sites afin de pouvoir la transposer à l’ensemble de la Région wallonne.
Une période de retour représentative du risque de ‘sécheresse’ est également définie.

Lorsque les groupes homogènes sont définis, et à partir de paramètres physiques

(pente, occupation du sol, superficie du bassin versant, …), des équations de régression
sont recherchées afin de permettre la détermination d’une valeur de débit d’étiage en
n’importe quel point d’un petit bassin versant non jaugé, et ce pour n’importe quelle période
de retour.

3
 Les modèles de régression sont donc validés et une mise en œuvre simple de ces
derniers sera envisagée.

Comme nous le verrons tout au long de ce travail, les données utilisées pour la
détermination des paramètres intervenant dans les étapes de régionalisation et de
détermination des modèles de régression proviennent de stations disposant d’une taille
d’historique relativement faible. On dispose au maximum de quarante-deux années pour les
données de débit et de trente-quatre ans pour les données météorologiques. De ce fait, on
considérera que les modèles obtenus sont ‘stationnaires’ et qu’ils n’incluront pas des
tendances éventuelles liées au changement climatique.

4
2 CARACTÉRISATION DE L’ÉTIAGE

2.1 Définition des paramètres caractéristiques de l’étiage

Dans le glossaire d’hydrologie (WMO, 1974), l’étiage est défini comme étant le ‘débit
d’une rivière après une période sèche prolongée’.

Dans notre cas, nous considèrerons l’étiage comme étant la période annuelle où l’on
observe les débits les plus faibles.

Pour caractériser l'étiage, différents indicateurs peuvent être utilisés. En général,

l'indicateur d'étiage est défini par un couple (débit, durée). Dans la littérature, plusieurs
indicateurs sont rencontrés en fonction du ou des paramètres pris en considération :

débit journalier minimum annuel,

minimum annuel de la moyenne mobile sur n jours des débits journaliers,

VCNd : débit moyen caractéristique sur une durée continue d, minimum dans la
saison (ou dans notre cas, l’année),

QMNA : débit (Q) mensuel (M) minimal (N) de chaque année (A),

QMNA X ans : il s'agit de la valeur du QMNA de période de retour de X ans,

débit caractéristique d’étiage qui peut être défini comme étant le débit atteint ou
dépassé 355 jours par an.

Un des premiers pas est de définir le type de débit qui sera utilisé et la durée
caractéristique de l’étiage.

Selon Abdelaziz Hamza (Hamza, 1999), le Q7,10 est utilisé couramment en Amérique
du Nord et correspond au débit d’étiage de sept jours consécutifs et de période de retour de
dix ans. Cette valeur a également été reprise au Canada.

Par contre, en France et suite aux études réalisées par l’IRSTEA4 (Galéa et al., 1999), le
débit d’étiage est le VCNd qui correspond au débit moyen caractéristique sur une durée d
connue, minimal dans la saison. Dans leur étude, l’IRSTEA utilise le débit journalier
minimum annuel de période de retour de deux ans.

Le percentile95 correspond au débit atteint ou dépassé 95 % du temps (Smakhtin,

2001). Il est obtenu à partir de la courbe des débits classés. Cette courbe se construit à
partir des débits moyens journaliers classés par ordre décroissant auxquels on attribue une
valeur qui correspond au nombre d’occurrences de celui-ci. Laaha et Blöschl (Laaha et
Blöschl, 2007) utilisent également cette notion de percentile95 afin de réaliser une
comparaison de méthodes permettant l’estimation d’une valeur caractérisant l’étiage à partir
d’un historique court de données mesurées.

Surech se base sur le percentile95 afin d’estimer l’étiage pour le management des
ressources en eau pour le bassin de l’Himalaya du Népal (Surech, 2006).

Dans le cadre de ce travail, le choix s’est porté sur le percentile95. En effet, cette
valeur caractérisant l’étiage permet de s’affranchir des problèmes liés à l’extrapolation de la
courbe de tarage. A titre d’illustration, on peut observer à la Figure 1, que le percentile95 est
supérieur au minimum jaugé, contrairement au MAM7 ainsi que le débit minimum annuel. Le

4
IRSTEA : Institut national de Recherche en Sciences et Technologie de l’Environnement
(anciennement CEMAGREF)

5
cas présenté est la Mehaigne à Wanze. Ce point servira de critère de sélection des stations
de mesures qui seront utilisées dans le cadre de cette étude.

Position du percentile95 sur la courbe de tarage :

Cas de la Mehaigne à Wanze
22
2
20 1.8
1.6
18 1.4
Débit (m³/s)

1.2
16 1
0.8
14
0.6
Débit (m³/s)

12 0.4
0.2
10 0
0.35 0.4 0.45 0.5 0.55 0.6
Hauteur (m)
8

6 Jaugeages
Percentile95
4 MAM7
Minimum annuel minimorum
2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
Hauteur (m)

Figure 1 : Position du percentile95 sur la courbe de tarage : Cas de la Mehaigne à

Wanze

De plus, étant donné que le percentile95 est calculé à partir des données
journalières, les phénomènes intrinsèques à une journée donnée sont éliminés. La Figure 2
présente l’influence d’une station hydro-électrique qui fonctionne sur le principe de l’éclusée
sur le débit horaire d’un cours d’eau. Le cas présenté est la Lhomme à Grupont.

6
 Perturbations du débit par les centrales hydro-électriques fonctionnant par éclusée :
Cas de la Lhomme à Grupont
1,9
1,8 0,5
1,7 0,5
1,6 0,4
1,5 0,4
1,4 0,3
1,3 0,3
1,2 0,2
09 09 09 09 09 09 09 09 09 09 09
Débit (m³/s)

1,1 /2 0 /2 0 /2 0 /2 0 /2 0 /2 0 /2 0 /2 0 /2 0 /2 0 /2 0
/09 /09 /09 /09 /09 /09 /09 /09 /09 /09 /09
20 21 22 23 24 25 26 27 28 29 30
1,0
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
01/09/2009 0:00

06/09/2009 0:00

11/09/2009 0:00

16/09/2009 0:00

21/09/2009 0:00

26/09/2009 0:00

01/10/2009 0:00

06/10/2009 0:00

11/10/2009 0:00

16/10/2009 0:00

21/10/2009 0:00

26/10/2009 0:00
Figure 2 : Perturbation du débit par les centrales hydro-électriques fonctionnant par
éclusée

Une autre notion de débit d’étiage est le débit moyen sur un nombre n de jours, ce
qui permet de s’affranchir de certaines perturbations anthropiques du régime hydrologique
d’un cours d’eau (centrales hydro-électriques qui fonctionnent sur le principe de l’éclusée,
prise d’eau pour l’alimentation des étangs, …). A titre d’exemple, dans le cadre du projet
AMICE (Interreg IVB), le MAM7 est utilisé et correspond à la plus faible valeur de la
moyenne mobile des débits atteints pendant 7 jours consécutifs de l’année. Ce paramètre
sera également utilisé au cours de ce travail et une comparaison sera réalisée lors de la
création des modèles de régression.

2.2 Sélection des stations de mesures

2.2.1 Introduction

En Région wallonne, deux réseaux de mesure coexistent au sein du Service public

de Wallonie :

le premier réseau de mesure appartient à la Direction générale Agriculture,

Ressources naturelles et Environnement et plus particulièrement à la Direction
des Cours d’Eau non navigables ([Link] ;

le deuxième réseau de mesure appartient à la Direction générale de la Mobilité et
des Voies hydrauliques et plus particulièrement au Service d’Etudes
hydrologiques ([Link]

Les stations de ces réseaux enregistrent de façon continue les variations de niveaux
des cours d’eau (une donnée par heure). A partir des jaugeages (mesures directes de
vitesses de l’eau à différentes hauteurs dans le cours d’eau permettant d’estimer le débit)
effectués par les équipes d’hydrométrie, ces variations de niveaux sont transformées en
variations de débits par l’intermédiaire d’une courbe de tarage de la station.

7
 La Figure 3 présente une carte de la zone d’étude avec les stations de mesures des
deux réseaux du Service public de Wallonie. A partir de cette carte, on peut observer que
l’ensemble des cours d’eau principaux de la Wallonie sont couverts par un minimum d’une
station de mesures.

Figure 3 : Réseau de mesure en Wallonie

La Figure 4 présente le nombre de stations en fonctionnement ou non au sein de la

Région wallonne par bassin versant.

Nombre de stations de mesure limnimétrique par bassin versant

29
28
27
26
25
24
23
22
21
20
19
18
17
16
Nombre

15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
Samson - Hoyoux
Dyle

Geer

Meuse amont

Our
Meuse aval
Amblève

Dendre

Gueule

Haine

Lesse

Mehaigne

Senne

Sûre

Vesdre
Escaut

Gette

Hermeton

Oise

Ourthe

Sambre
Chiers

Semois

Viroin

Figure 4 : Nombre de stations de mesures limnimétriques par bassin versant

8
 Le nombre total de stations de mesures disponibles est de 244 avant toute analyse
des données. Les tests effectués en vue de la sélection des stations sont les suivants :
homogénéité des données, taille minimum de l’historique, présence de végétation aquatique
durant la période estivale, extrapolation de la courbe de tarage. L’ensemble de ces points de
mesures est présenté en Annexe 1.

Les stations de mesures doivent être sélectionnées sur base de différents critères
tels que (Galéa et al., 1999) (Hamza, 1999) (Laaha et Blöschl, 2005) :

l’homogénéité des données,

une faible amplitude de l’extrapolation de la courbe de tarage pour les faibles
débits,

aucune perturbation du débit du cours d’eau par la présence de barrage
permettant un soutien du débit d’étiage,

l’absence de végétation aquatique durant la période estivale,

la durée de l’historique.

2.2.2 Superficie des bassins versants des stations de mesures

Une des caractéristiques de la Wallonie, au niveau hydrologique, est le nombre de

bassins versants de petite taille. En effet, la superficie du bassin versant au niveau des
stations de mesures présélectionnées est de moins de 200 km² pour 70 % d’entre elles. La
moyenne des superficies des bassins versants des stations de mesures est de 234 km² et la
médiane est de 104 km².

La Figure 5 présente le nombre de stations de mesures par classe de superficie de

bassin versant exprimée en km².

Nombre de stations de mesure limnimétrique en fonction de la superficie du bassin versant

60 100

54 90

48 80

42 70

36 60
Pour-cent
Nombre

30 Nombre de stations 50
Pourcentage cumulé de stations
24 40

18 30

12 20

6 10

0 0
[750 - 1000[

[1000 - 2000[

[2000 - 3000[

[3000 - 4000[
[0 - 15[

[15 - 25[

[25 - 50[

[50 - 75[

[75 - 100[

[100 - 200[

[200 - 300[

[300 - 400[

[400 - 500[

[500 - 750[

Superficie du bassin versant (km²)

Figure 5 : Nombre de stations de mesures limnimétriques en fonction de la superficie

du bassin versant

9
 A titre de comparaison, la Figure 6 présente le nombre de stations de mesures en
fonction de la superficie du bassin versant pour la Province de Québec au Canada. La valeur
moyenne des superficies de bassin versant (km²) pour l’ensemble des stations de mesures
est 10337, la médiane de 2950 (Hamza, 1999).

Nombre de stations de mesure limnimétrique en fonction de la superficie du bassin versant :

Province de Québec (Canada)
30 100

27 90

24 Nombre de stations 80
Pourcentage cumulé de stations
21 70

18 60

Pour-cent
Nombre

15 50

12 40

9 30

6 20

3 10

0 0
[10000 - 20000[

[20000 - 50000[

[50000 - 190000[
[500 - 1000[

[1000 - 1500[

[1500 - 2000[

[2000 - 3000[

[3000 - 5000[

[5000 - 10000[
[0 - 500[

Superficie du bassin versant (km²)

Figure 6 : Nombre de stations de mesures limnimétriques en fonction de la superficie

du bassin versant : Province de Québec (Canada)

Une autre étude réalisée pour le bassin de la Moselle en France avait utilisé les
données de 48 stations de mesures limnimétriques (Galéa, 2005). La répartition des
superficies des bassins versants des stations de mesures dont les données ont été utilisées
est reprise à la Figure 7.

10
 Nombre de stations de mesure limnimétrique en fonction de la superficie du bassin versant :
Bassin de la Moselle (France)
20 100

18 90
Nombre de stations
16 80
Pourcentage cumulé de stations

14 70

12 60

Pour-cent
Nombre

10 50

8 40

6 30

4 20

2 10

0 0

[1000 - 2000[

[2000 - 10000[
[0 - 100[

[100 - 200[

[200 - 500[

[500 - 1000[

Superficie du bassin versant (km²)

Figure 7 : Nombre de stations de mesures limnimétriques en fonction de la superficie

du bassin versant : Bassin de la Moselle (France)

A titre indicatif, la moyenne des superficies des stations de mesures dans le cas du
bassin de la Moselle est 778 km², et la médiane est 360 km².

L’étude réalisée par Chalise sur le bassin de l’Himalaya du Népal utilise les données
de 37 bassins versants dont la superficie varie entre 6 et 2896 km² (Chalise et al., 2003).

2.2.3 Validation des données horaires de hauteur

Historiquement, les données issues du réseau de mesure appartenant à l’actuelle

Direction générale opérationnelle Agriculture, Ressources naturelles et Environnement ont
été validées par l’Institut royal météorologique du milieu des années 1960 à la fin de l’année
1987.

Ces données n’avaient pas encore subi de validation à l’aide des logiciels développés
ces dernières années. En effet, pour un grand nombre des 65 stations de mesures
concernées, quelques données horaires étaient manquantes, ce qui avait pour conséquence
l’impossibilité de calculer les données agrégées pour l’année considérée, et donc le
percentile95 vu l’absence de données.

Les donnés horaires de ces stations de mesures ont donc été validées. Les
opérations les plus régulièrement effectuées sont :

la suppression de pics anormaux, soit vers le bas, soit vers le haut,

l’ajout de données à l’aide de l'interpolation linéaire entre deux données, ou la
copie des données issues d’une deuxième station de mesures située soit sur le
même cours d’eau, soit située au sein du même bassin versant.

11
 Il est à remarquer que les données manquantes ont été comblées lorsque leur
nombre n’excédait pas quinze jours et ce, en dehors de toute période de crue.

Les données de débit ont ensuite été calculées à partir des courbes de tarage qui ont
également été validées à l’aide d’un contrôle visuel qui a permis de vérifier le bon ajustement
de la courbe sur l’ensemble des jaugeages disponibles. Une vérification accentuée sur les
bas débits entre les jaugeages et les courbes de tarage a été réalisée pour l’ensemble des
stations de mesures. En effet, pour certaines stations, les courbes de tarage ont été
recalculées de manière à ce que celles-ci soient plus en adéquation avec les jaugeages
réalisés en période de basses eaux.

Cette validation a permis la récupération d’un nombre d’années non négligeable pour
l’ensemble des stations de mesures. Cette opération a également eu comme bénéfice
l’élimination des données aberrantes, des erreurs de digitalisation et des pics anormaux vers
le bas qui pouvaient entacher d’erreurs le calcul du percentile95 et du MAM7.

Ces pics proviennent essentiellement d’erreurs liées à la digitalisation des feuilles

présentes dans les limnigraphes.

2.2.4 Augmentation du nombre de stations de mesures potentielles

Pour le réseau de mesure AQUALIM, de l’année 1966 à l’année 1987, soit sur une
durée d’environ vingt ans, le réseau de mesure a compté jusqu’à 208 échelles qui étaient
relevées chaque jour à une heure fixe (08h00 du matin) par un lecteur rémunéré par
l’administration.

Des jaugeages étaient effectués sur ces sections de mesure, ce qui permet d’obtenir
des débits après le calcul des courbes de tarage.

Certaines de ces sections de mesure ont ensuite été équipées d’un système
permettant de disposer de données horaires (limnigraphe et ensuite capteur de pression). Il
est à noter que ces dernières sont toujours opérationnelles.

Les données issues de la lecture des échelles s’apparentent à des données

ponctuelles, et ne peuvent pas être considérées comme des mesures en continu. C’est
pourquoi, en période de crue, les données lues une fois par jour ne pourraient pas être
utilisées. Par contre, dans le cas de notre recherche, les débits obtenus peuvent être étudiés
car leur variabilité au cours d’une journée en période de basses eaux est faible.

Le but de ce chapitre est donc de vérifier la possibilité d’utiliser des données issues
des échelles afin de permettre, soit l’augmentation du nombre de stations pouvant être
utilisées, soit l’élargissement de l’historique de certaines stations de mesures.

La Figure 8 et le Tableau 1 présentent le gain potentiel pour l’historique des stations

de mesures dont il est question dans ce chapitre. Les stations sont classées de gauche à
droite selon la taille de leur historique. A titre indicatif, la première station située sur la
gauche a 40 ans d’historique tandis que la station située à l’extrême droite en a 17.

12
Figure 8 : Nombre d’années supplémentaires prises en considération par l’ajout des
données issues des anciennes stations de mesures

13
 Tableau 1 : Gain potentiel pour l’historique de certaines stations de mesures.
Code Localité Cours d'eau Années à récupérer (nombre)
L5500 Marbehan Mellier 1968 à 1972 (5)
L5520 Harnoncourt Ton 1969, 1970 & 1972 (3)
L5570 Saint-Martin Ligne 1970 (1)
L5630 Hamoir Néblon 1970, 1972 à 1975 (5)
L5640 Walcourt Ry d'Yves 1967 à 1975 (9)
L5660 Steenkerque Senne 1967 à 1970, 1972 à 1974, 1976 (8)
L5950 Erneuville Ourthe Occidentale 1969 à 1971& 1973 à 1978 (9)
L6020 Athus Messancy 1969 à 1977 & 1979 à 1982 (13)
L6030 Latour Vire 1969 à 1974 & 1976 à 1982 (13)
L6050 Baillonville Ruisseau Heure 1970 à 1983 (14)
L6060 Thy-le-Château Thyria 1967 à 1987 (21)
L6240 Lorcé Lienne 1977 à 1987 (11)
L6260 Upigny Mehaigne 1970 à 1982 (13)
L6270 Lavaux-Sainte-Anne Wimbe 1970 à 1984, 1986 & 1987 (17)
L6280 Opheylissem Petite Gette 1969 à 1987 (19)
L6300 Vieuxville Ry de Logne 1969 à 1975 & 1977 à 1987 (18)
L6310 Forrières Lhomme 1969 à 1987 (19)
L6320 Grupont Lhomme 1969, 1970 à 1973, 1976 à 1984, 1986 & 1987 (15)
L6360 Eprave Lhomme 1971, 1972, 1974 à 1983, 1985 & 1986 (14)
L6380 Olloy-sur-Viroin Viroin 1968 à 1987 (20)
L6390 Dalhem Berwinne 1967 à 1972 & 1974 à 1987 (20)
L6400 Gedinne Houille 1967 à 1981 (15)
L6440 Virton Ton 1986 & 1987 (2)
L6450 Estaimpuis Espierres 1985 à 1987 (3)
L6470 Ambresin Mehaigne 1967 à 1987 (21)

Il est à remarquer que le nombre d’années supplémentaires est plus faible pour les
stations de mesures qui ont été rapidement modernisées. On peut également observer que
le gain en années peut atteindre 25 ans dans le meilleur des cas.

La validation de l’utilisation des données issues des réseaux de mesure a été

effectuée à partir des stations de mesures ayant un historique de plus de 25 ans et situées
dans différents bassins versants de la Wallonie. Une comparaison entre les moyennes des
percentiles95 obtenues à partir des données journalières et des données horaires à 8 heures
du matin a été effectuée. Cette démarche est également réalisée pour le MAM7.

En prenant la donnée horaire à 8 heures du matin, on considère que l’on joue le rôle
du lecteur et que cette donnée est donc égale à la hauteur d’eau lue par cette personne.

La Figure 9 présente les courbes des débits classés obtenues pour la station
d’Ochamps sur la Lesse. Cette station dispose d’un historique de 28 ans et a une superficie
de bassin versant de 10 km².

14
 Figure 9 : Comparaison entre les courbes des débits classés minimum, moyen et
maximum obtenues à partir des débits moyens journaliers et des débits horaires à
8h00

A partir de la Figure 9, on observe que les courbes des débits classés obtenues sont
similaires.

Un test d’égalité des moyennes a été effectué pour les stations de mesures retenues
dans le cadre de ce chapitre. Elle consiste à vérifier si la moyenne des percentiles95 m1
obtenus à partir des débits moyens journaliers est égale à la moyenne des percentiles95 m2
obtenus à partir des données horaires à 8h00.

Dans ce cas, l’hypothèse nulle est :

H 0 : m1 = m2 .

Le nombre d’effectifs des deux échantillons est identique et les populations sont de
variances inégales. Le test d’hypothèse d’égalité des moyennes est réalisé en considérant
que les variances sont inégales car les données utilisées pour le calcul des moyennes sont
issues de deux méthodes de calcul différentes.

Un test d’égalité des variances n’est pas indispensable étant donné que les effectifs
des deux échantillons sont identiques (Dagnelie, 1975).

Le test d’égalité des deux moyennes s’effectue en calculant la valeur :

15
 x1 − x 2
U OBS =
SCE1 SCE 2
+
n1 (n1 − 1) n 2 (n2 − 1)

et en la comparant à la valeur de u1-α/2 de la distribution normale réduite. Le rejet de

l’hypothèse nulle correspond à la condition :

u obs ≥ u1−α .
2

La valeur de signification α a été fixée à 0,05 (Dagnelie, 1975).

Le Tableau 2 présente les résultats d’égalité des moyennes dans le cadre de la

vérification de l’utilisation des données issues de la lecture des échelles limnimétriques à 08
heures du matin durant les années 1960 à 1980. On observe que pour chaque point de
mesures, l’égalité des moyennes est vérifiée.

Tableau 2 : Résultat du test d’égalité des moyennes.

Données horaires
Données journalières Test
Station n =n1=n2 à 8 heures uobs u0,975
SCE1 m1 SCE2 m2 Q95
Romedenne 32 0,576 0,201 0,579 0,198 0,085 1,96 OK
Eprave 32 9,139 1,080 9,112 1,064 0,120 1,96 OK
Baisieux 24 0,089 0,280 0,080 0,280 0,032 1,96 OK
Tintigny 29 1,764 0,434 1,653 0,425 0,139 1,96 OK
Amougies 22 0,231 0,211 0,199 0,167 1,128 1,96 OK
Isières 28 0,015 0,046 0,015 0,045 0,182 1,96 OK
Suzeryl 28 0,234 0,312 0,246 0,313 0,034 1,96 OK
Harnoncourt 29 35,479 2,724 35,105 2,710 0,046 1,96 OK
Ochamps 28 0,013 0,039 0,014 0,038 0,084 1,96 OK
Saint-Martin 27 0,110 0,125 0,106 0,121 0,212 1,96 OK
Ruette 23 0,298 0,290 0,298 0,290 0,000 1,96 OK
Martelange 23 5,051 0,473 5,051 0,473 0,000 1,96 OK
Walcourt 25 0,395 0,253 0,395 0,253 0,000 1,96 OK
Steenkerque 20 0,056 0,322 0,054 0,324 0,133 1,96 OK
Brugelette 21 0,252 0,254 0,268 0,249 0,144 1,96 OK
Yvoir 24 2,997 1,041 2,983 1,029 0,113 1,96 OK
Wanze 24 2,691 1,042 2,644 1,044 0,019 1,96 OK
Houffalize 21 2,286 0,525 2,286 0,525 0,005 1,96 OK
Erneuville 25 4,144 0,755 4,248 0,748 0,058 1,96 OK

Les résultats obtenus permettent de considérer que les percentiles95 calculés à partir
des données issues des échelles limnimétriques lues une fois par jour sont identiques aux
percentiles95 obtenus à partir des données horaires mesurées à l’aide d’un capteur ou d’un
limnigraphe. Les conclusions identiques peuvent être émises dans le cas du MAM7.

Cette méthodologie permet donc de compléter l’historique de 12 stations de mesures

et d’ajouter 17 stations à la liste des stations de mesures. L’historique de ces stations était
initialement inférieur à 15 ans.

16
2.2.5 Analyse des données manquantes

La grande majorité des stations comporte des années de mesures incluant des
données manquantes (en moyenne huit années par station). Or, si les dysfonctionnements
du réseau de mesure ont lieu en dehors des périodes d’étiage, il est intéressant d’étudier la
possibilité de récupérer ces années de mesure partielle. Dans ce but, une analyse des
hydrogrammes a été effectuée.

Les données manquantes ne correspondant qu’à quelques jours ou situées en

dehors de la période dite d’étiage (mai à novembre la plupart du temps) ont ainsi été
comblées. Dans certains cas moins évidents, l’hydrogramme de l'année aux données
manquantes a été comparé à l'hydrogramme d'une station voisine située sur le même cours
d’eau ou au sein du même bassin versant. En effet, dans ce cas, on peut poser l’hypothèse
que ces deux stations de mesures ont un comportement hydrologique similaire.

A partir de cette analyse, plusieurs années par station ont ainsi pu être récupérées ce
qui a permis d’augmenter le nombre d’années utilisables pour le calcul des débits
caractérisant l’étiage. Les trous ont été comblés, non pas par une valeur de débit estimée
par une ou l’autre méthode (calcul, modélisation hydrologique, …) mais par la valeur de
‘9999’ qui n’influence pas le calcul de l’indicateur d’étiage. Cet indicateur permet de repérer
rapidement les années récupérées lorsque les données sont triées par ordre décroissant afin
d’établir la courbe des débits classés. Dans le cas contraire, les trous restent à ‘0’ = ‘NO
DATA’ et ces années ne seront dès lors pas prises en considération.

Au sein de la Figure 10, les graphiques A et B présentent deux années pour

lesquelles les données n’ont pas été récupérées. En effet, les périodes manquantes sont
importantes et situées dans la période durant laquelle l’étiage aurait pu se produire.

Par contre, les graphiques C et D présentent des années pour lesquelles les données
ont été prises en considération car les données manquantes se situent durant la période
hivernale ou lors d'une période de hautes eaux.

17
 25 25
A B
20 20
Débit (m³/s)

Débit (m³/s)
15 15

10 10

5 5

0 0
0 50 100 150 200 250 300 350 400 0 50 100 150 200 250 300 350 400
Jour de l'année Jour de l'année

25 25
C D
20 20
Débit (m³/s)

Débit (m³/s)
15 15

10 10

5 5

0 0
0 50 100 150 200 250 300 350 400 0 50 100 150 200 250 300 350 400
Jour de l'année Jour de l'année

Figure 10 : Analyse des hydrogrammes annuels de la station de Baisieux sur la

Grande Honnelle (A et B : années non récupérées, C et D : années récupérées)

Ce traitement permet d’augmenter l’historique des 51 stations reprises dans le

Tableau 3. En moyenne, plus de la moitié des années analysées a ainsi pu être récupéré.
Certaines stations ont même pu augmenter leur historique d'une dizaine d'années.

Tableau 3 : Années récupérées pour chaque station comportant des années aux
données manquantes
Nombre d'années
Code Localité Cours d'eau Années Récupérées
Analysées Récupérées
5021 Resteigne Lesse 8 3 1993, 1996, 2003
1969, 1984, 1988, 1989, 1992, 1994,
5060 Romedenne Hermeton 9 8
1995, 1996
5080 Eprave Lesse 8 4 1991, 1995, 1996, 2002
5170 Baisieux Grande Honnelle 15 6 1983, 1984, 1993, 1996, 2002, 2005
1978, 1980, 1988, 1989, 1991, 1996,
5201 Rhisnes Houyoux 10 9
1997, 2002, 2003
5220 Tintigny Rulles 7 4 1971, 1987, 1993, 1996
1972, 1976, 1984, 1985, 1996, 1997,
5412 Amougies Rhosnes 13 7
2001
5420 Isières Sille 10 8 1972, 1974, 1988 à 1992, 2007
5442 Aiseau Biesme 14 5 1978, 1983, 1984, 2000, 2001
5460 Suzeril Thyle 9 7 1973, 1988 à 1990, 2002, 2003, 2007
5500 Marbehan Mellier 7 4 1974, 1982, 1983, 1993
5520 Harnoncourt Ton 8 4 1974, 1992, 2000, 2005
5530 Ochamps Lesse 7 4 1983, 1996, 2002, 2005
5540 Graide Ruisseau de Graide 9 5 1976, 1982, 1991, 1993, 1996
5550 Our Eau d'Our 10 4 1982, 1989 à 1991
5570 Saint-Martin Ligne 9 6 1991, 1992, 1996, 1997, 2002, 2003
5600 Ruette Vire 10 5 1986, 1987, 1990, 1992, 1993
5610 Martelange Sûre 11 6 1975, 1982, 1984, 1988, 1992, 1993
1970, 1976, 1978, 1982, 1983, 1991,
5630 Hamoir Néblon 12 9
1993, 1994, 1996

18
 1974, 1976, 1985, 1989, 1994, 1995,
5640 Walcourt Ry d'Yves 10 7
2000
1977, 1983, 1985, 1987 à 1993, 1997,
5660 Steenkerque Senne 15 12
2004
5690 Brugelette Dendre Orientale 9 5 1982, 1986, 1988, 1992, 1995
5820 Wanze Mehaigne 8 5 1988 à 1990, 1992, 1996
1979, 1983, 1985, 1988, 1989, 1993,
5930 Houffalize Ourthe Orientale 9 7
1994
5950 Erneuville Ourthe Occidentale 7 4 1979, 1985, 1988, 1994
5961 Wiers Verne Blanche 4 3 1992, 1994, 2002
5970 Habay-La-Vieille Rulles 9 6 1991, 1993, 1994, 1998, 1999, 2001
1984 à 1986, 1988 à 1990, 1994, 1998,
6020 Athus Messancy 15 11
1999, 2001, 2002
6030 Latour Vire 8 7 1984, 1988, 1989, 1991 à 1994
6050 Baillonville Ruisseau Heure 9 6 1988, 1990 à 1992, 2003, 2004
6060 Thy-le-Château Thyria 5 3 1980, 1989, 1992
6240 Lorcé Lienne 7 4 1985, 1996, 1997, 2003
6260 Upigny Mehaigne 7 3 1971, 1993, 2002
6270 Lavaux-Ste-Anne Wimbe 6 3 1993, 1994, 2003
6280 Opheylissem Petite Gette 5 2 1994, 1997
6300 Vieuxville Ry de Logne 7 3 1994, 1995, 1999
6310 Forrières Lhomme 6 5 1979, 1996, 1997, 2002, 2003
6320 Grupont Lhomme 5 1 2002
6360 Eprave Lhomme 9 4 1971, 1994, 2002, 2003
6380 Olloy-sur-Viroin Viroin 3 2 1993, 1994
6390 Dalhem Berwinne 4 2 1993, 1995
6400 Gedinne Houille 8 3 1973, 1994, 1995
6440 Virton Ton 5 1 1994
6450 Estaimpuis Espierres 8 4 1987, 1995, 2002, 2005
6470 Ambresin Mehaigne 4 2 1992, 2002
55721002 Bergilers amont Geer 6 6 1985, 1987, 1994, 1996, 1997
35611002 Boussoit Haine 3 2 1976, 2001
78911002 Cerfontaine Eau d'heure 1 1 1980
79781002 Bersillies-l'abbaye Thure 4 1 1987
90711002 Couvin Eau noire 5 1 1984

En conclusion, l'étape d'optimisation des données s'avère utile et importante dans le

processus de caractérisation de l'étiage en Région wallonne. Les stations wallonnes
relativement récentes ne fournissent pas de grandes quantités de données valides, toute
année de données supplémentaire permettra donc une meilleure précision pour l'analyse
fréquentielle.

2.2.6 Stations de mesures obtenues par calcul

Les stations de mesures fictives dont les données de débit sont obtenues par calcul à
partir d’une station de mesures située en amont ou en aval sont écartées de l’étude. En effet,
les calculs peuvent engendrer la présence d’erreurs, particulièrement dans les débits
extrêmes.

Le cas de la station de Huccorgne (305 km²) située sur la Mehaigne a été étudié à
titre d’exemple. Les données fournies pour cette station de mesures couvrent la période
allant de l’année 1974 à l’année 2009.

Après analyse, il apparaît que les données fournies pour ces stations ont deux
origines distinctes : le calcul et la mesure.

En effet, la station de mesures de Huccorgne n’est opérationnelle que depuis le début

de l’année 1993. La période mesurée est donc de 1993 à 2009.

19
 Les données fournies pour la période allant de 1974 à 1992, proviennent de la station
de mesures de Moha (343 km²) située en aval de la station de Huccorgne sur la Mehaigne
(Figure 11). Une période commune existe pour ces deux stations et débute en 1993 pour se
terminer en 2000.

Une régression linéaire a été effectuée par le Service d’Etudes hydrologiques entre
les débits des deux stations de mesures pour cette période de recouvrement. Le résultat
obtenu est présenté par la formule suivante :

QHuccorgne= 0,915 QMoha

Figure 11 : Bassin versant de la Mehaigne

Afin de vérifier si les données utilisées pour la station de Huccorgne sont homogènes
pour toute la période fournie, la scission de la population a été effectuée au niveau de
l’année charnière entre les valeurs de débits calculés à partir de la station de Moha et les
données mesurées à Huccorgne, soit l’année 1993.

Ce test d’homogénéité permet de valider le fait qu’une station dont les données ont
été obtenues par calcul à partir d’une autre station de mesures peut être considérée comme
‘fiable’ pour le reste de cette étude.

L’hypothèse nulle émise pour le test d’homogénéité est alors :

H 0 : m1 = m2 .

La valeur obtenue pour tobs suivante :

x1 − x 2
t obs =
SCE1 + SCE 2 1 1 
 + 
n1 + n 2 − 2  n1 n 2 

est alors comparée à la valeur de t1-α/2 dont le nombre de degré de liberté est de 2(n-
1).

L’hypothèse nulle est rejetée lorsque : (Dagnelie, 1975) :

20
 t obs ≥ t1−α .
2

Les résultats du test sont présentés dans le Tableau 4.

Tableau 4 : Résultat du test d’homogénéité réalisé sur les percentiles95 de la station

de Huccorgne
n1 19
n2 16
SCE1 2.162
SCE2 0.756
m1 0.909
m2 0.716
tobs 2.221
t1-α/2=u0,975 avec 68 1.996
degrés de liberté

A partir de ce tableau, on remarque que tobs est supérieur à t1-α/2, ce qui engendre un
rejet de l’hypothèse nulle, et donc l’inégalité des moyennes au sens statistique du terme.

Le coefficient de 0,915 est appliqué quel que soit le débit, or on ne peut pas
considérer le rapport constant pour toute la gamme de débits enregistrés au niveau de ces
stations de mesures. Un test d’égalité des moyennes effectué sur les débits moyens dont les
résultats sont présentés dans le
Tableau 5 montre que ces débits font bien partie d’une population homogène (tobs est
inférieur à t1-α/2).

Tableau 5 : Résultat du test d’homogénéité réalisé sur les débits moyens annuels de
la station de Huccorgne
n1 19
n2 16
SCE1 9.662
SCE2 7.059
m1 2.440
m2 2.209
tobs 0.956
t1-α/2=u0,975 avec 68 1.996
degrés de liberté

Il apparaît donc que le coefficient de 0,915 appliqué convient pour les débits moyens
annuels mais pas pour les débits caractérisant l’étiage, et plus particulièrement les
percentiles95.

Les résultats de cette démarche sont également transposés à l’utilisation du MAM7.

Le Tableau 6 contient les stations de mesures dont les données de débit ne seront
pas utilisées dans le cadre de cette étude.

Tableau 6 : Stations de mesures écartées dont les débits sont obtenus par calcul
Code Station Cours d'eau Bassin versant
6122SVC2 Ortho Ourthe occidentale Ourthe
1951SVC2 Tubize Senne Senne
5808SCC2 Angleur (2 Bis) Ourthe Ourthe
6228SVC2 Chaudfontaine Vesdre Vesdre

21
2.2.7 Stations de mesures ayant un faible débit

Les stations de mesures dont les percentiles95 sont inférieurs à un seuil fixé à 5 l/s
n'ont pas été prises en considération. Il s’agit des stations de mesures dont la sensibilité
dans les variations de débit n’est pas suffisante lors des étiages.

Le Tableau 7 reprend les stations de mesures pour lesquelles le percentile95 ou le

MAM7 sont inférieurs au seuil de 5 l/s.

Tableau 7 : Stations de mesures écartées dont les débits sont obtenus par calcul
Code Station Cours d'eau Bassin versant
92231002 Pétigny Ry Ermitage Viroin
92241002 Pétigny Ry Font aux serpents Viroin
78631002 Silenrieux Ry Jaune Sambre

A titre d’exemple, la Figure 12 présente les percentiles95 des trois stations de

mesures écartées.

Rivières dont les Percentiles95 sont inférieurs à 5l/s

0.012

Ry Font aux Serpents à Pétigny

0.01
Ry Ermitage à Petigny
Ry jaune à Silenrieux

0.008
Débit (m³/s)

0.006

0.004

0.002

0
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2
9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 0
8 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 0
1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8

Figure 12 : Rivières dont les percentiles95 sont inférieurs à 5 l/S

2.2.8 Relation hauteur - débit : Présence d’algues durant la période estivale

Afin de prévenir de tout problème de surestimation des débits caractérisant l’étiage,

les stations pour lesquelles un développement de végétation aquatique est observé durant la
période estivale ont été écartées de l’étude.

Le développement de la végétation aquatique provoque un ralentissement de

l’écoulement et de ce fait, une augmentation du niveau de l’eau. La conséquence est qu’un
jaugeage réalisé durant la période estivale aura une hauteur d’eau équivalente à un
jaugeage réalisé durant la période hivernale mais avec un débit plus faible.

22
 Ce développement est observé de manière générale à partir du milieu du mois de
mai jusqu’à la fin du mois de septembre. La variabilité des dates de début et de fin de
présence d’algue est liée aux conditions météorologiques (ensoleillement) et aux conditions
de débits. En effet, en cas de débit important, un grand nombre d’algues est arraché.

La Figure 13 illustre l’influence de la présence de végétation aquatique durant la

période estivale.

Influence de la présence d'algues durant la période estivale sur la relation hauteur -

débit d'une station de mesure
3,8
3,6
3,4
3,2
3
2,8
2,6
Hauteur (m)

2,4
2,2 Jaugeages
2
1,8
1,6
1,4
1,2
1
0,8
0,6
0,4
0,2
0
0 4 8 12 16 20 24 28 32 36
Débit (m³/s)

Figure 13 : Influence de la présence d’algues durant la période estivale sur la relation

hauteur - débit d’une station de mesures

Les stations de mesures reprises dans le Tableau 8 ont été écartées de la présente
étude car un développement de végétation aquatique est observé durant la période estivale,
ceci ayant un impact sur le niveau de l’eau et donc sur le débit d’étiage.

Tableau 8 : Stations de mesures pour lesquelles un développement de végétation

aquatique est observé
Code Station Cours d’eau Bassin versant
L7060 Dampicourt Chavratte Chiers
L6180 Etalle Semois Semois
L6430 Harmignies Trouille Haine
L6590 Lens Dendre orientale Dendre
L6140 Limelette Dyle Dyle
L7130 Martilly Vierre Semois
L5370 Rosières Lasne Dyle
L5720 Saint-Jean-Geest Grande Gette Gette

A titre d’exemple, la Figure 14 présente une photo de la Semois à Etalle prise le 15

juillet 2010 et les hauteurs d’eau correspondantes durant cette période estivale.

23
 Hauteurs d'eau enregistrées à la station d'Etalle sur la Semois
2,7

2,4
Hauteur (m)
2,1

1,8

Hauteur (m)
1,5
Influence des algues
1,2

0,9

0,6

0,3

04/03/2010

14/03/2010

24/03/2010

03/04/2010

13/04/2010

23/04/2010

03/05/2010

13/05/2010

23/05/2010

02/06/2010

12/06/2010

22/06/2010

02/07/2010

12/07/2010

22/07/2010
Figure 14 : La Semois à Etalle durant l’été 2010

2.2.9 Relation hauteur – débit : Extrapolation de la courbe de tarage

Les stations de mesures retenues doivent avoir une faible amplitude de

l’extrapolation de la courbe de tarage pour les faibles débits.

Le fait d’utiliser le percentile95 comme valeur caractérisant l’étiage permet de

s’affranchir, dans la majorité des cas, du problème lié à l’extrapolation de la courbe de tarage
pour les faibles débits.

La Figure 15 présente une station de mesures pour laquelle l’extrapolation de la

courbe de tarage est importante.

Importance de l'extrapolation de la relation hauteur - débit d'une station de mesure

3,6
3,4
3,2
3
2,8
2,6
2,4
Hauteur (m)

2,2
2 Jaugeages
1,8
1,6
1,4
1,2
1
0,8
0,6
0,4
0,2
0
0 2 4 6 8 10 12 14 16 18 20 22
Débit (m³/s)

Figure 15 : Importance de l’extrapolation de la relation hauteur – débit d’une station de

mesures

Une comparaison entre le minimum jaugé historique d’une station de mesures et les
percentiles95 minimum et maximum obtenus pour quelques stations de mesures
représentatives est illustrée à la Figure 16. Les stations de mesures sélectionnées pour la
réalisation du graphique ont été choisies de telle manière que les différentes gammes de
taille de bassin versant soient présentes.

24
 Comparaison entre le minimum jaugé et les Q95 minimum et maximum d'une station de mesure
11
Percentile 95 minimum sur la période de fontionnement de la station de mesure
10 Percentile 95 maximum sur la période de fontionnement de la station de mesure
Minimum jaugé
9

7
Débit (m³/s)

0
Bruly

Tintigny
Houyet

Yvoir
Bergilers

Irchonwelz
Berneau

Felenne

Hyon

Sainte-Marie
Boussoit
Bierges

Ronquières

Treignes
Couvin

Couvin

Daverdisse

Martinrive

Moha

Straimont
Ath

Cerfontaine

Gendron

Hastière

Huccorgne

Mariembourg

Menbre

Nisramont
Mabompré

Wihérie
Nsmes

Warnant
Figure 16 : Comparaison entre le minimum jaugé et les Q95 minimum et maximum
d’une station de mesures

A partir de la Figure 16, on remarque que le Percentile95 jaugé est, soit proche du
minimum jaugé, soit supérieur à celui-ci. Cette analyse renforce le choix du percentile95
comme paramètre caractérisant l’étiage en plus des résultats obtenus pour l’homogénéité
des données et le fait que le percentile95 ne soit pas influencé par les perturbations liées à
des éclusées sur le cours d’eau.

Au final, 41 % des stations de mesures envisagées ont un percentile95 minimum

pour toute la période de fonctionnement, inférieur au débit minimum jaugé. Parmi ces points
de mesure, 75 % ont leur percentile95 minimum observé pour l’année 1976 qui est
caractérisée comme année ‘exceptionnelle’ d’un point de vue étiage. Au final, seul 14 % des
stations de mesures étudiées ont un percentile95 minimum inférieur au débit minimum jaugé
lorsque l’on exclut l’année 1976.

Pour rappel, le MAM7 est le minimum annuel de la moyenne mobile sur 7 jours
consécutifs des débits journaliers (MAM7).

Lorsque l’on établit la même comparaison que ci-dessus en utilisant le MAM7

minimum au lieu du percentile95 minimum obtenu pour toute la période de fonctionnement
des différentes stations de mesures, on observe qu’un peu plus de 60% des stations de
mesures se trouvent avec un MAM7 minimum supérieur au débit minimum jaugé. Au final,
après avoir exclu l’année 1976, 35 % des stations de mesures ont un MAM7 inférieur au
débit minimum jaugé.

2.2.10 Durée minimum de l’historique

La durée minimum de l’historique que doit comporter une station de mesures pour
pouvoir être utilisée dans le cadre de cette étude est validée à l’aide de tests statistiques. En

25
effet, il n’est pas rare de trouver dans la littérature une durée d’historique de 20 ans minimum
à prendre en compte pour la caractérisation de l’étiage. (Tallaksen et Van Lanen, 2004)
(Laaha et Blöschl, 2005)

Or, en Région wallonne, près de 60 % des stations de mesures ont un historique de

données inférieur à 20 ans. C’est la raison pour laquelle, une méthodologie permettant de
prendre éventuellement en compte les stations de mesures avec un faible historique doit être
définie.

La Figure 17 présente le nombre de stations par classe de nombre d’années de

fonctionnement de celles-ci.

Nombre de stations en fonction de la durée de l'historique

50 100

45 90

40 80
Nombre de stations
Pourcentage cumulé de stations
35 70

30 60
Nombre de statoins

%
25 50

20 40

15 30

10 20

5 10

0 0
[1-5] [6-10] [11-15] [16-20] [21-25] [26-30] [31-35] [36-40] [41-42]
Nombre d'années de fonctionnement

Figure 17 : Nombre de stations de mesures limnimétrique en fonction du nombre

d’années de fonctionnement de celles-ci par classe d’années

La Figure 18 montre le nombre cumulé de stations de mesures en fonction du

nombre d’années de fonctionnement de celles-ci.

Il est à remarquer que l’évolution du nombre de stations de mesures en fonction de la

période de fonctionnement montre deux sauts de paliers bien distincts.

Le premier correspond à la première modernisation du réseau de mesure de la

Direction des Cours d’Eau non navigables (DCENN) au début des années 1990 lors du
remplacement des limnigraphes par des stations équipées de capteur de pression avec
télétransmission.

La deuxième augmentation, également au sein du réseau de la DCENN, a été

réalisée à partir de 2003 à la suite des inondations importantes et répétitives qui sont
survenues dans le courant de l’année 2002.

26
 Figure 18 : Nombre cumulé de stations de mesures limnimétrique en fonction du
nombre d’années de fonctionnement de celles-ci

Une durée minimum de l’historique est dès lors estimée dans le contexte wallon et
validée à l’aide de tests statistiques et ce, dans le but de maximiser le nombre de stations
limnimétriques pouvant être prises en considération.

Pour ce faire, on recherche le nombre d'années de mesures tel que l'écart relatif
entre la moyenne de l'échantillon et la moyenne totale ainsi que l'écart relatif entre la
variance de l'échantillon et la variance totale sont tous les deux inférieurs (en valeur absolue)
à une tolérance fixée à 10 %. Une tolérance nulle entraînera la considération de chacune
des années.

La méthode est appliquée pour les stations de mesures qui comportent un historique
important (plus de 25 ans) et situées dans différents bassins versants de la Wallonie. Dans
le cadre de cette recherche, elle consiste à comparer la moyenne des percentiles95 (ou
MAM7) obtenus à partir des débits moyens journaliers pour des périodes allant de 1 à 15
ans à la moyenne obtenue pour l’historique complet de la station de mesures. Le nombre
d’années à partir duquel on peut considérer que les moyennes sont statistiquement
identiques correspond à l’historique minimum qu’une station de mesures doit comporter pour
être retenue dans cette étude.

La Figure 19 transcrit la méthodologie explicitée ci-dessus en un logigramme.

27
 Figure 19 : Méthodologie de détermination de l’historique minimum à prendre en
considération

Ce logigramme est traduit en graphiques qui sont présentés à la Figure 20 (Q95) et à

la Figure 21 (MAM7) dans le cas de la Semois à Tintigny. Pour cette station de mesures, on
observe que l’année à partir de laquelle les écarts relatifs entre les moyennes et les
variances des Q95 sont inférieurs à 10 pourcents, est 1987, soit un historique de 21 années
dans le cas du percentile95 et 22 dans le cas du MAM7.

28
 Ecart relatif entre la moyenne (variance) des Q95 de l'échantillon et la moyenne (variance)
des Q95 obtenue pour l'historique complet - SEMOIS à Tintigny
1,25
1,20
1,15
1,10
1,05
1,00
0,95
0,90
0,85
0,80
0,75
0,70
0,65
0,60
0,55
0,50
0,45
0,40 Moyenne
0,35 Variance
0,30
0,25
0,20
0,15
0,10
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2
9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0
7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0
4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7
Année

Figure 20 : Ecart relatif entre la moyenne (variance) des Q95 de l'échantillon et la

moyenne (variance) des Q95 obtenu pour l'historique complet - La Semois à Tintigny

Ecart relatif entre la moyenne (variance) des MAM7 de l'échantillon et la moyenne (variance) des
MAM7 obtenue pour l'historique complet
1.20
1.15
1.10
1.05
1.00
0.95
0.90
0.85
0.80
0.75
0.70
0.65
0.60
0.55
0.50
0.45
0.40
0.35
Moyenne
0.30
0.25 Variance
0.20
0.15
0.10
0.05
0.00
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2
9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0
7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0
2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7
Année

Figure 21 : Ecart relatif entre la moyenne (variance) des MAM7 de l'échantillon et la

moyenne (variance) des MAM7 obtenu pour l'historique complet - La Semois à
Tintigny

Cette méthodologie a été appliquée aux 64 stations de mesures ayant un historique

de plus de 25 ans et situées au sein de la Région wallonne.

29
 Les résultats sont repris dans le tableau présenté en Annexe 2. Pour chacune des 64
stations de mesures, le nombre d’années de fonctionnement et le nombre d’années sans
données manquantes sont indiqués.

L’année pivot correspond à l’année à partir de laquelle les écarts relatifs entre la
moyenne/variance des Q95 (ou MAM7) de l'échantillon et la moyenne/variance des Q95 (ou
MAM7) obtenue pour l'historique complet sont inférieurs à 10 %.

La taille de l’historique minimum requise est donc la différence entre l’année 2009 et
l’année pivot.

La taille de l'historique minimum requis est similaire pour les deux indicateurs d'étiage
(Q95 et MAM7). La Figure 22 présente les résultats issus de la méthodologie pour chaque
station de mesures pour les cas du percentile95 et du MAM7.

Taille de l'historique minimum requis dans les cas du percentile95 et du MAM7

42
40
38
36
34
32
30
28
26
24
22
Année

20
18
16
14
12
10
8
6
4
2
0
Membre pont

Bersillies-l'abbaye
Felenne
Mariembourg

Opheylissem
Tubize (Ripain)
Wihéries

Harnoncourt
Cerfontaine

Erneuville

Baillonville
Trois-ponts
Ronquières

Treignes

Rhisnes

Amougies

Thy-le-Château
Sainte-marie
Tintigny

Tintigny

Walcourt
Brugelette
Irchonwelz

Nismes

Sauheid
Martinrive

Hastiere

Grupont
Bierges

Isières
Bergilers amont

Marbehan
Boussoit

Straimont

Resteigne

Martelange

Lavaux-Ste-Anne

Gedinne
Suzeril

Ochamps
Baisieux
Couvin

Ambresin
Nisramont
Daverdisse

Graide

Ruette

Hamoir

Dalhem
Latour
Athus
Warnant

Bruly
Modave

Wanze

Lorcé
Upigny

Eprave
Our
Moha

Aiseau
Ath

Nombre d'années complètes Taille de l’historique minimum requis (Q95) Taille de l’historique minimum requis (MAM7)

Figure 22 : Taille de l’historique minimum requis dans les cas du percentile95 et du

MAM7

Les résultats sont présentés sous forme de carte à la Figure 23 avec le nombre
d’années minimum requis exprimé sous forme de classes dans le cas du percentile95. Les
résultats sont identiques pour le MAM7.

30
 Figure 23 : Nombre d’années minimum tel que les écarts relatifs des moyennes et
variances entre les Q95 soient inférieurs à 10%

La Figure 24 présente les résultats présentés en Annexe 2 sous forme d’un

graphique mettant en relation le nombre d’années minimum requis en fonction du nombre
cumulé de stations de mesures pour le percentile95.

Nombre d'années minimum requis en fonction du nombre de stations de mesure

34
32
30
28
26
24
22
20
Année

18
16
14
12
10
8
6
4
2
0
1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
33
35
37
39
41
43
45
47
49
51
53
55
57
59
61
63

Nombre de stations

Figure 24 : Nombre d’années minimum requis en fonction du nombre de station de

mesures (Percentile 95)

Pour rappel, l’objectif de cette analyse était de voir la possibilité d’utiliser des stations
de mesures disposant de moins de vingt ans d’historique. En effet, un grand nombre de
stations de mesures ont été installées après l’année 1991. Cependant l’ensemble des
31
stations de mesures installées à cette date provient de la Direction des Cours d’Eau non
navigables pour lesquelles la qualité, des données n’est suffisante qu’à partir de l’année
1996 (pourcentage de données manquantes élevé, peu de jaugeages disponibles).

Au vu des résultats obtenus pour cette analyse, on peut remarquer que près de 70 %
des stations de mesures nécessitent un historique minimum de 20 ans pour les deux
paramètres caractérisant l’étiage, ce qui rejoint la littérature.

De ce fait, toutes les stations de mesures ayant un historique inférieur à 20 ans sont
écartées temporairement de cette étude. Ces stations de mesures seront utilisées pour la
validation du modèle de régression permettant d’obtenir un débit caractérisant l’étiage en
n’importe quel point d’un linéaire de cours d’eau non jaugé en fonction de différents
paramètres.

2.2.11 Homogénéité des données

Le test d’homogénéité des données consiste à vérifier que toutes les observations
proviennent de la même population statistique (Hamza, 1999).

La cause principale qui peut rendre un échantillon hétérogène au sens statistique du

terme, est le déplacement d’une station de mesures. Un test d’homogénéité est donc
appliqué à l’ensemble des stations qui ont été déplacées.

De même, lors de la modernisation d’un réseau de mesure, le niveau de référence de

l’échelle limnimétrique peut avoir été modifié. Cela implique une nouvelle courbe de tarage
avec un décalage plus ou moins important selon les cas par rapport à la courbe précédente.
Un test d’homogénéité doit également être appliqué.

Pour rappel, le test d’homogénéité est réalisé à partir d’un test d’égalité de
moyennes, en considérant que les deux échantillons sont de même variance. En effet, les
données étant issues d’une même population, on peut considérer que les variances des
deux échantillons sont égales.

La population totale est représentée par l’ensemble des n percentiles95 calculés pour
toutes les années de mesure complètes. La population a été scindée en deux échantillons
de même effectif n/2. Dans le cas où le nombre d’années de mesure serait impair, les deux
échantillons sont d’effectifs n1 et n2 valant respectivement (n+1)/2 et (n-1)/2.

Dans le cas d’un déplacement de la station de mesures, la population est également

scindée en deux échantillons qui correspondent chacun à la période de fonctionnement des
deux positions de la station de mesures.

Pour les stations de mesures issues du réseau AQUALIM de la Direction générale

opérationnelle Agriculture, Ressources naturelles et Environnement, la population a
également été scindée au niveau de l'année 1992 car les stations ont généralement subi un
changement de courbe de tarage important. Ce changement de zéro est lié principalement à
une modification du zéro de l’échelle lors de la modernisation du réseau de mesure
(remplacement des limnigraphes par des stations modernes équipées d’un capteur de
pression). Ce test d’hypothèse sera appelé ‘Test 1992’.

Finalement, les stations pour lesquelles les données issues des échelles
limnimétriques lues une fois par jour ont été récupérées, la scission de la population a
également été réalisée au niveau de l'année charnière ‘échelles limnimétriques –

32
limnigraphes’. Ce test d’hypothèse sera dénommé ‘Test échelle’ dans la suite de ce
paragraphe.

L’hypothèse nulle émise pour le test d’homogénéité est alors :

H 0 : m1 = m2

La valeur obtenue pour tobs suivante :

x1 − x 2
t obs =
SCE1 + SCE 2 1 1 
 + 
n1 + n 2 − 2  n1 n 2 

est alors comparée à la valeur de t1-α/2 dont le nombre de degré de liberté est de 2(n-
1).

L’hypothèse nulle (Dagnelie, 1975) est rejetée lorsque :

t obs ≥ t1−α .
2

Le calcul est réalisé pour l’ensemble des stations de mesures sélectionnées après
avoir analysé les différents critères de sélection, à savoir :

la présence d’algues durant la période estivale,

le fait que le percentile95 doit être supérieur à 5 l/s,

l’écartement des stations de mesures dont les débits sont obtenus par calcul à
partir d’une autre station,

le débit minimum jaugé,

la taille de l’historique,

Le tableau de l’Annexe 3 reprend les stations de mesures pour lesquelles un test

d’homogénéité est effectué.

Seules les stations considérées comme non homogènes suite aux tests
d’homogénéité réalisés sont présentées dans le Tableau 9. Après recherche, les causes
d’hétérogénéité sont également présentées.

33
 Tableau 9 : Stations aux données non homogènes (les stations grisées ont été
récupérées). RH0 : rejet de l'hypothèse nulle, AH0 : acceptation de l'hypothèse nulle
Test Test Test
Code Localité Cours d'eau Causes d'hétérogénéité
n/2 1992 échelle
Walcourt
77841002 Eau d'heure RH0 - - Construction des barrages de l’Eau d’Heure
(Seuil)
Captages en eaux souterraines influençant
81341002 Yvoir Bocq RH0 - -
le débit de base
Hauteurs d'eau mesurées incertaines pour
5060 Romedenne Hermeton AH0 RH0 -
les faibles débits
Possibilité de l'influence du Karst (grottes
5080 Eprave Lesse RH0 AH0 -
de Han)
Données erronées : hauteurs d'eau à la
5201 Rhisnes Houyoux AH0 RH0 -
place de débits
5420 Isières Sille RH0 RH0 - Nouvelle courbe de tarage (1973-1991)
Suppression des années 1970 et 1989 mais
5570 Saint-Martin Ligne RH0 RH0 -
le test reste hétérogène
Déplacement de la station de l'amont à
5660 Steenkerque Senne RH0 RH0 RH0
l'aval de la Brainette
5820 Wanze Mehaigne AH0 RH0 - Nouvelle courbe de tarage
Ourthe Gros travaux sur la section du cours d'eau +
5930 Houffalize RH0 RH0 -
orientale atterrissement au niveau de l'échelle
Ourthe Les années "échelle" correspondent aux
5950 Erneuville AH0 AH0 RH0
occidentale étiages sévères
Verne Changement éventuel de gestion par
5961 Wiers RH0 RH0 -
blanche rapport au canal Nimy - Péronne
Habay-La- Suppression années 1991 et 1993 mais le
5970 Rulles RH0 RH0 -
Vieille test reste hétérogène
Suppression des années 1969 et 1970
6020 Athus Messancy AH0 AH0 RH0
anormalement élevées
6300 Vieuxville Ry de Logne RH0 AH0 AH0 Influence du Karst
6310 Forrières Lhomme AH0 RH0 RH0 -
Olloy-sur-
6380 Viroin RH0 AH0 AH0 -
Viroin

Exemple d’hétérogénéité

Le premier cas d’hétérogénéité apparaît pour les stations de mesures situées sur l’Eau
d’Heure. Les résultats du test d’égalité des moyennes sont présentés dans le tableau 10
pour la station de Walcourt (Seuil). La période de mesure de cette station est de l’année
1978 à l’année 2009. La superficie du bassin versant est de 99,9 km². Cette station est
située en amont de la confluence avec le Ry d’Yves.

Tableau 10 : Résultat du test d’homogénéité pour la station de Walcourt (seuil)

n1 16
n2 15
SCE1 0.161
SCE2 0.077
m1 0.396
m2 0.464
tobs 2.093
t1-α/2=u0,975 avec 60
2
degrés de liberté

A partir de ce tableau, on observe que tobs est supérieur à t1-α/2, ce qui engendre un
rejet de l’hypothèse nulle, et donc l’inégalité des moyennes au sens statistique du terme.

34
 La recherche de la cause de l’hétérogénéité pour la station de mesures de Walcourt
(Seuil) sur l’Eau d’Heure passe par la présentation des percentiles95 sous forme de
graphique (Figure 25).

Percentiles 95 annuels de la station de mesure de Walcourt (Seuil) sur l'Eau d'Heure

0,65

0,60

0,55

0,50

0,45

0,40
Débit (m³/s)

0,35

0,30

0,25

0,20

0,15

0,10

0,05

0,00
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2
9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 0
6 6 6 6 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 0
6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8

Figure 25 : Percentiles95 annuels de la station de mesures de Walcourt (Seuil) sur

l’Eau d’Heure

A partir de cette figure, on remarque que les percentiles95 des années 1978 et 1979
sont particulièrement faibles par rapport au reste de la période de fonctionnement de la
station de mesures.

Afin de vérifier s’il s’agit d’une influence du sévère étiage qu’a connu la Région
wallonne durant l’été 1976, les percentiles95 annuels des autres points de mesure situés sur
l’Eau d’Heure sont présentés à la Figure 26 (Walcourt Gare, 191.6 km² et Jamioulx, 322.4
km²) en aval de la confluence avec le Ry d'Yves.

Percentiles 95 annuels de la station de mesure de Walcourt (Gare) sur l'Eau d'Heure Percentiles 95 annuels de la station de mesure de Jamioulx sur l'Eau d'Heure
1,20 1,90
1,80
1,10 1,70
1,00 1,60
1,50
0,90 1,40
1,30
0,80
1,20
Débit (m³/s)
Débit (m³/s)

0,70 1,10
1,00
0,60
0,90
0,50 0,80
0,70
0,40 0,60
0,50
0,30
0,40
0,20 0,30
0,20
0,10
0,10
0,00 0,00
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2
9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 0 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 0
6 6 6 6 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 0 6 6 6 6 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 0
6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8

Figure 26 : Percentiles95 annuels des stations de mesures de Walcourt (Gare) et de

Jamioulx sur l’Eau d’Heure

A partir des données issues des stations de mesures de Walcourt (Gare) et de

Jamioulx, on observe un décrochage des données à partir de l’année 1980. Il s’avère que
cette année correspond à la mise en fonction du barrage de l’Eau d’Heure. L’objectif premier
de ce barrage est le soutien à l’étiage de la Sambre pour la circulation batelière. Cette

35
augmentation artificielle du débit de la Sambre passe également par une élévation du débit
d’étiage de l’Eau d’Heure.

Ce chapitre a mis en évidence les conséquences que peuvent avoir un déplacement

d’une station de mesures, un calcul des débits d’une station de mesures à partir d’une autre,
une modification du régime naturel d’un cours d’eau sur l’homogénéité des données
hydrologiques.

2.2.12 Autres stations de mesures supprimées

Après analyse et recherche, il est apparu que le débit de certaines stations de

mesures était influencé par la présence d’un ou plusieurs barrages qui ont pour objectif de
réguler le débit soit en période d’inondations, soit en période de basses eaux.

Le premier bassin versant concerné est celui de l’Ourthe, sur lequel on observe à la
confluence de l’Ourthe occidentale et de l’Ourthe orientale, le barrage de Nisramont dont
l’objectif est multiple : production d’électricité, réserve d’eau potabilisable pour la Province de
Luxembourg et le tourisme. Les stations de mesures concernées dans ce cas sont
Nisramont et Sauheid.

La présence des barrages de Robertville sur la Warche, influence le débit de celle-ci

ainsi que celui de l’Amblève à Martinrive. Ces trois stations de mesures ont donc également
été écartées du présent travail.

2.2.13 Liste finale des stations de mesures sélectionnées

La liste finale des stations de mesures retenues est présentée en Annexe 4.

36
3 ANALYSE FRÉQUENTIELLE DES DÉBITS D’ÉTIAGE

3.1 Introduction

Une série de données hydrologiques peut être résumée simplement par sa valeur
centrale (moyenne arithmétique en général) et un paramètre de dispersion (écart-type). Pour
compléter sa caractérisation, un phénomène hydrologique est décrit couramment par une
variable aléatoire dont les valeurs de l'échantillon possèdent une distribution de fréquence,
analogue à la densité de probabilité de la population p(x). Cette densité de probabilité (en
anglais, probability density function, pdf) est obtenue graphiquement avec en abscisses les
valeurs des observations et en ordonnées les fréquences de ces observations groupées par
classes de valeurs croissantes.

Un autre moyen de représenter graphiquement les données est d’utiliser les

fréquences cumulées au lieu des fréquences d’observations dans chaque intervalle. Ceci
correspond à la fonction de répartition (en anglais, cumulative distribution function, cdf) qui
n’est autre que la courbe intégrale de la courbe de densité de probabilité:

x
F ( x) = P( X ≤ x) = ∫ p( x)dx .
−∞

La fonction de répartition F(x) donne, pour toute valeur x de la variable, sa probabilité

de non-dépassement. Cette fonction associe donc une probabilité d'occurrence à un
phénomène hydrologique et inversement.

L'analyse fréquentielle consiste à ajuster une loi statistique à un échantillon

d'observations hydrologiques, afin d'évaluer la relation entre l'estimation du débit de période
de retour T et la probabilité de non-dépassement qui lui est associée. Le but est de calculer
les débits d'étiage critiques XT qui correspondent à une certaine période de retour T, définie
comme étant le temps moyen entre deux occurrences d'étiages. (Ven Te Chow et al., 1988)
(Maidment, 1993) (Meylan et al., 2008)

Pour ce faire, on a recours à des modèles probabilistes. Ces modèles sont des
formulations mathématiques qui visent à simuler des phénomènes hydrologiques naturels en
tant que processus probabilistes, basés sur l’analyse probabiliste de la distribution des
variables aléatoires considérées (Q95 ou MAM7).

Dans ce chapitre, plusieurs distributions statistiques des valeurs extrêmes utilisées

fréquemment en hydrologie seront abordées : la distribution Lognormale, la distribution
Gamma, la distribution de Weibull, la distribution de Pearson, la distribution de Gumbel, la loi
généralisée des valeurs extrêmes et la loi Normale.

Par ailleurs, les prévisions de débits d’étiage ne peuvent être établies pour des
périodes de retour dont la durée est nettement supérieure à la durée d’observations.
L’application de ces modèles requiert donc des durées d’observation assez longues pour
obtenir des prévisions futures avec une grande précision.

37
3.2 Estimation des paramètres de la loi

3.2.1 Introduction

Deux méthodes d’estimation des paramètres couramment utilisées en hydrologie

seront envisagées dans le cadre de cette étude, à savoir la méthode des moments et la
méthode du maximum de vraisemblance.

En vue de l’estimation de k paramètres, la méthode des moments a pour principe

d’égaler les k premiers moments estimés de la population, exprimés en fonction des k
paramètres, aux k premiers moments de l’échantillon. Pour rappel, les moments sont soit
des paramètres de dispersion, soit des indices de dissymétrie.

La méthode du maximum de vraisemblance a pour principe de choisir comme

estimation de tout paramètre la valeur la plus vraisemblable, c’est-à-dire qui a la plus forte
probabilité de provoquer l’apparition des valeurs réellement observées dans l’échantillon
(Dagnelie, 1992).

3.2.2 Méthode des Moments

La méthode des moments a été développée en premier lieu par Karl Pearson en
1902. Il pensait que la meilleure estimation des paramètres d’une distribution de probabilité
est celle pour laquelle les moments de la fonction de densité de probabilité d’une population
de départ est égale aux moments correspondants pour un échantillon (Ven Te Chow et al.,
1988).

Les paramètres de la loi de distribution sont fonction des moments de la population

qui sont estimés à partir de l’échantillon (moyenne, variance, coefficient de variation,
coefficient d’asymétrie, coefficient d’aplatissement) :

la moyenne arithmétique (moment d’ordre 1) :

1 n
µx = ∑ xi .
n i =1

la variance (moment d’ordre 2) :

1 n
σ x2 = ∑ ( xi − µ x )² .
n i =1

la formule généralisée des moments centrés (par rapport à la moyenne) d’ordre k

s’écrit :
1 n
mk = ∑ ( xi − µ x ) k .
n i =1

Le coefficient d’asymétrie et le coefficient d’aplatissement (coefficients de PEARSON)

peuvent être obtenus grâce aux formules suivantes :

m3 m4
γ x = b1 = et b2 = .
σ 3
x σ x4

38
 Tasker (1987) compare différentes distributions de probabilité à trois dimensions et
méthodes d'ajustement par la méthode du bootstrap (rééchantillonnage dans les distributions
empiriques observées) et recommande, entre autre, l'usage de la loi LogPearson type III
avec la méthode des moments (MM) pour estimer ses paramètres.

Matalas (1963) recommande l'usage de la distribution Weibull à 3 paramètres (W3)

ajustée via la méthode des moments ou la loi Pearson type III en utilisant la méthode du
maximum de vraisemblance (MV). Toutefois, il n'a pas considéré la procédure W3 – MV.

Leppajarvi (1989) a estimé les paramètres inconnus des distributions suivantes :

Gumbel, Lognormale à 2 paramètres et Gamma sur des données de crue et d'étiage via la
méthode des moments et la méthode du maximum de vraisemblance. Malgré la méthode
utilisée, il n'y voit aucune influence sur l'ajustement des distributions.

En général, les lois de distribution estimées via la méthode des moments sont
limitées à deux paramètres car les estimations de la moyenne et de l’écart-type à partir de
l’échantillon sont beaucoup plus fiables que les estimations des autres moments. En effet,
les moments centrés d’ordre supérieur à 2 ne sont guère utilisés car le poids des valeurs
extrêmes devient prépondérant surtout dans le cas de petits échantillons. Etant donné que
pour leurs études, Matalas (1963) et Condie et Nix (1975) utilisent la méthode des moments,
ils rejettent la loi Lognormale à 3 paramètres (LN3).

Même si la méthode du maximum de vraisemblance est utilisée pour estimer les

paramètres d'une distribution, la méthode des moments peut s'utiliser comme point de
départ pour maximiser la (log) vraisemblance. En effet, on doit utiliser dans ce cas des
algorithmes numériques, comme la méthode de Newton, qui nécessitent des points de
départ.

3.2.3 Méthode du Maximum de Vraisemblance

La méthode du maximum de vraisemblance a été développée par R. A. Fisher

(1922). Selon Fisher, la meilleure estimation d’un paramètre d’une distribution de probabilité
est telle que la valeur maximise la vraisemblance de la probabilité d’occurrence d’une valeur
observée d’un échantillon.

Cette méthode a été utilisée par de nombreux auteurs: Joseph (1970), Condie et Nix
(1975), Landwher (1979), Galéa et al. (1999), CEMAGREF (1998). Shao et al. (Shao et al.,
2008) ont comparé les trois méthodes fréquemment utilisées pour estimer les paramètres de
la distribution Burr III adaptée pour l'analyse des débits d'étiage. Il recommande dans son
étude l'usage de la méthode du maximum de vraisemblance.

La fonction de vraisemblance correspond à la probabilité ou la densité de probabilité

relative aux valeurs observées x1,…, xn exprimée en fonction du ou des paramètres de la
population. Pour un échantillon aléatoire et pour une population définie par un seul
paramètre u, la fonction de vraisemblance est :

L(u ) = P( x1 ,..., xn ; u ) = P( x1 ; u )...P( xn ; u )

ou
L(u ) = f ( x1 ,..., xn ; u ) = f ( x1 ; u )... f ( xn ; u ) .

Les estimateurs du maximum de vraisemblance correspondent par définition au

maximum de cette fonction. La recherche de ce maximum peut être réalisée en annulant la
dérivée du logarithme de la fonction par rapport à u :

39
 ∂Log [L(u )]
= 0.
∂u

Cette méthode fournit généralement de meilleurs résultats par rapport aux autres
méthodes d’estimation (Landwher, 1979) vu que les estimateurs de ces dernières méthodes
ne fournissent pas nécessairement les qualités générales d’efficacité ou d’efficacité
asymptotique des estimateurs du maximum de vraisemblance. Toutefois, les calculs sont
plus complexes.

3.2.4 Méthode des L-Moments et des Moments de Probabilités pondérés

Parmi les méthodes utilisées pour ajuster des distributions statistiques aux données
hydrologiques, la méthode du maximum de vraisemblance est depuis longtemps
fréquemment utilisée vu son efficacité asymptotique. D'un autre côté, la méthode des
moments est très populaire car son application est simple.

Une troisième méthode qui constitue une bonne alternative aux deux autres
méthodes, est la méthode des moments de probabilités pondérés. (Greenwood et al., 1979)
(Hosking, 1985) (Hosking, 1986) (Ashkar et Mahdi, 2006)

La méthode des L-moments est une méthode pour résumer les propriétés statistiques
d’une série de données hydrologiques.

Le premier L-moment (Maidment, 1993) est de nouveau la moyenne :

λ1 = E [ X ]

où E [ X ] correspond à l’espérance mathématique et vaut :

+∞
E[X ] = ∫ x. f ( x).dx .
−∞

Pour n’importe quelle distribution, le second L-moment (Maidment, 1993) est un

facteur d’échelle basé sur la différence attendue entre deux observations sélectionnées au
hasard :

1
λ2 = E  X (1|2) − X (2|2) 
2

avec X ( i|n ) , la ième plus grande observation dans un échantillon de taille n (i = 1

correspond à la plus grande donnée).

Les L-moments d’ordres 3 et 4 (Maidment, 1993) sont respectivement :

1
λ3 = E  X (1|3) − 2 X (2|3) + X (3|3)  ,
3
1
λ4 = E  X (1|4) − 3 X (2|4) + 3 X (3|4) − X (4|4) 
4

40
 avec X ( i|n ) , la ième plus grande observation dans un échantillon de taille n (i = 1
correspond à la plus grande donnée).

Les L-moments ont le principal avantage, par rapport aux moments traditionnels,
d'être des combinaisons linéaires des observations triées. Ils souffrent moins des effets de
variabilité de l'échantillonnage, ils sont plus robustes que les moments conventionnels par
rapport aux données singulières des données et permettent de tirer des conclusions plus
stables à propos de la distribution de probabilité initiale pour des échantillons de petite taille.
Les L-moments conduisent même parfois à des estimations de paramètres plus efficaces
que celles du maximum de vraisemblance. (Hosking, 1990)

Les estimateurs L-moments des coefficients sans dimensions de variation et

d’asymétrie ne sont quasiment jamais biaisés et ont une distribution très proche de la
normale. Dans une large gamme d'applications hydrologiques, les L-moments fournissent
des estimateurs simples et relativement efficaces des caractéristiques d'une série de
données hydrologiques et des paramètres d'une distribution.

Comme la variance ou le coefficient d'asymétrie d'une variable aléatoire sont fonction

des moments E[X], E[X²] et E[X³], les L-moments peuvent être écrits comme des fonctions
de moment de probabilités pondérés (PWMs) qui sont définis comme:

{
β r = E X [ F ( X )]
r
} (Maidment, 1993)
où F(X) est la fonction de répartition de X. Les moments de probabilités pondérés
sont l'espérance de X fois une puissance de F(X). Pour r = 0, β0 est la moyenne de la
population µX.

Les estimateurs des L-moments sont la plupart du temps écrits simplement sous
forme de fonctions linéaires des estimateurs PWMs. Le premier estimateur PWM b0 de β0 est
la moyenne de l'échantillon µX. Pour estimer les autres PWMs, on emploie les données
ordonnées, ou les statistiques d'ordre X ( n ) ≤ ... ≤ X (1) correspondant aux observations triées
de l'échantillon (Xi‫׀‬i=1, …,n). Un simple estimateur de βr, pour r ≥ 1 est :

 ( j − 0.35) 
r
1 n
br* = ∑
n j =1
X ( j ) 1 −
 n  (Maidment, 1993)

où 1-(j-0.35)/n sont les estimateurs de F(X(j)). Quand le biais est peu important, on
peut utiliser les estimateurs PWM non biaisés suivants (Maidment, 1993) :

b0 = µ x ,
n −1 ( n − j ) X
b1 = ∑
( j)
,
j =1 n(n − 1)
n − 2 ( n − j )( n − j − 1) X
b2 = ∑
( j)
,
j =1 n(n − 1)(n − 2)
n −3 ( n − j )( n − j − 1)( n − j − 2) X
b3 = ∑
( j)
.
j =1 n(n − 1)(n − 2)(n − 3)

La formule générale étant :

41
 n− j  n− j 
n−r   X ( j) n−r   X ( j)
1
βˆr = br = ∑  r  1  r 
n j =1  n − 1 
= ∑
(r + 1) j =1  n 
(Maidment, 1993).
   
 r   r +1 

Pour r = 1,…, n-1; Cette formule peut être dérivée en supposant que (r+1)βr est la
valeur attendue pour la plus grande observation dans un échantillon de taille (r+1). Les
estimateurs non biaisés sont recommandés pour le calcul des diagrammes des L-moments
et pour les procédures de régionalisation quand le biais est peu important.

Pour n'importe quelle distribution, les L-moments sont facilement calculables en

termes de PWMs :

λ1 = β 0 ,
λ2 = 2β1 − β0 ,
λ3 = 6β 2 − 6β1 + β 0 ,
λ4 = 20β3 − 30β 2 + 12 β1 − β0 .

Les estimations de λi sont obtenues en remplaçant la valeur inconnue β r par

l'estimateur br.

Le Tableau 11 contient les définitions des coefficients L-moment sans dimensions de

variation, d'asymétrie et d'aplatissement.

Tableau 11 : Définitions des rapports sans dimension des moments et L-moments

(Maidment, 1993)
Nom Abréviation Définition

Rapport des moments

Coefficient de variation CVx σx/µx

E ( X − µ x )³
Coefficient d'asymétrie γx
σ x3
E ( X − µ x )4
Coefficient d'aplatissement
σ x4
Rapport des L-moments

L-coefficient de variation τ2 λ2 / λ1
L-coefficient d'asymétrie τ3 λ3 / λ2
L-coefficient d'aplatissement τ4 λ4 / λ2

Le Tableau 12 donne les expressions pour λ1, λ2, τ3 et τ4 pour différentes

distributions.

42
 Tableau 12 : Valeurs des L-Moments pour plusieurs distributions (Maidment, 1993)

Distribution L moments

Normale : σ
λ1 = µ λ2 = τ3 = 0 τ 4 = 0.1226
x = µ + σΦ [ F ]
−1
π
Gumbel :
λ1 = ξ + 0.5772α λ2 = α ln 2 τ 3 = 0.1699
x = ξ − α ln[− ln F ] τ 4 = 0.1504
α α
GEV : λ1 = ξ + {1 − Γ[1 + κ ]} λ2 = (1 − 2 −κ )Γ(1 + κ )
κ κ
α
x =ξ + {1 − [− ln F ]κ }  2(1 − 3−κ )  1 − 5(4−κ ) + 10(3−κ ) − 6(2−κ )
κ τ3 =  −κ
− 3 τ4 =
 (1 − 2 )  1 − 2 −κ
 σ Y2   σ Y2    σ Y  1 
λ1 = ξ + exp  µY +  λ2 = 2 exp  µY +
 Φ −
2    2  2 
Lognormale :
 2  
x = ξ + exp( µY + σ Y Φ F ) −1

τ 4 = 0.12282 + 0.77518τ 32 + 0.12279τ 34 − 0.13638τ 36 + 0.11368τ 38

α Γ(α + 0.5)
Gamma : λ1 = λ2 =
β α .xα −1 exp(− β x) β π β Γ(α )
f ( x) =
Γ(α ) τ 4 = 0.1224 + 0.30115τ 3 + 0.95812τ 3 − 0.57488τ 36 + 0.19383τ 38
2 4

Nathan et Mc Mahon (Nathan et McMahon, 1990) ont comparé les trois méthodes
(moments, maximum de vraisemblance, moments de probabilités pondérés) pour estimer les
paramètres de la loi de Weibull appliquée au débit minimum annuel ainsi qu'aux débits de m
jours consécutifs. Leur recommandation à l'issue de l'étude était d'utiliser plus d'une méthode
surtout pour les petits échantillons. Il s'avère que la méthode des moments de probabilités
pondérés donnait des estimateurs peu satisfaisants pour les sécheresses de courte durée
alors que la méthode du maximum de vraisemblance fournit des estimateurs qui sont
souvent plus grand que ceux obtenus avec les deux autres méthodes.

En conclusion, la méthode du maximum de vraisemblance sera utilisée dans le cadre

de cette étude car elle s’adapte aux différentes lois proposées dans la littérature pour
l’analyse fréquentielle en hydrologie, et plus particulièrement pour l’étiage.

3.3 Lois utilisées en hydrologie

3.3.1 Distribution NORMALE

Le théorème central limite établit la convergence en loi d'une suite de variables

aléatoires vers la loi Normale. En effet, si une variable aléatoire est la somme de variables
aléatoires indépendantes et identiquement distribuées, alors lorsque le nombre de variables
croît, la distribution tend vers la loi Normale quelle que soit la distribution d'origine des
variables aléatoires. La densité de probabilité pour une variable aléatoire x est :

 1x−µ 
2

f (x ) =
1
exp −  x
  (Maidment, 1993).
2πσ x
2
 2  σ x  

43
 Le domaine de définition de cette fonction de moyenne µx et de variance σx² n'est ni
bornée inférieurement ni supérieurement. Les deux moments de la distribution Normale sont
ses paramètres naturels. Ils sont généralement estimés par la moyenne et la variance de
l'échantillon. Les estimateurs du maximum de vraisemblance sont obtenus en remplaçant n
dans le dénominateur de la variance par n-1. (Maidment, 1993)

3.3.2 Distribution LOGNORMALE

Dans beaucoup de cas, pour des variables aléatoires X strictement positives (x>0),
leur logarithme est correctement décrit par une distribution Normale.

Si on pose y = log x , la densité de probabilité (Maidment, 1993) est fournie par la

relation :

 ( log x − µ )2 
1
f ( x) = exp  −  pour 0 < x < ∞ .
y

x 2πσ y
2  2σ y2

 

Les paramètres naturels de la distribution Lognormale sont la moyenne et la variance

(Maidment, 1993) :

 σ y2 
µ x = exp  µ y +  σ x2 = µ y2 ( exp σ y2 − 1) .
 2 

Dans beaucoup de cas, les logarithmes d’une variable aléatoire x ne sont pas
distribués normalement mais le fait de soustraire une limite inférieure avant de prendre les
logarithmes peut résoudre le problème. Les équations de cette distribution Lognormale à 3
paramètres sont les suivantes :

y = log( x − ζ )

avec
 σ y2 
µ x = ξ + exp  µ y +  ,
 2 
σ x = exp ( 2µ y + σ y )( exp σ y2 − 1)
2 2

et le coefficient d’asymétrie :

γ x = 3φ + φ ³, φ = exp(σ y2 ) − 1
.

Pour la distribution Lognormale à 3 paramètres, la méthode des moments est

inefficace. Un estimateur simple et efficace du troisième paramètre ξ est donné par la
formule suivante :

x(1) .x( n ) − xmédiane

2

ξ= .
x(1) + x( n ) − 2 xmédiane

44
 Quand ξ = x(1) + x( n ) − 2 xmédiane > 0 , où x(1) et x(n) sont respectivement la plus grande
et la plus petite valeurs observées ; xmédiane est la médiane de l’échantillon. (Maidment, 1993)

La loi Lognormale à deux paramètres déterminés par la méthode du maximum de

vraisemblance a été utilisée en France (Cemagref, 1998) (Galéa et al., 1999) pour
caractériser les débits d'étiage des stations hydrométriques ainsi qu'en Allemagne. Elle est
choisie pour sa simplicité, deux paramètres (moyenne et écart-type) et sa relativement
bonne adéquation pour les chroniques d'observation d'une vingtaine d'années.

3.3.3 Distribution des VALEURS EXTREMES GENERALISEES

La loi correspond à une formule mathématique générale utilisée pour décrire les
distributions de valeurs extrêmes. Elle est définie par la fonction de répartition suivante :

 
F ( x ) = exp − 1 + ξ
( x − u) ξ 
−1

 .
  α  


Trois types de distribution des valeurs extrêmes peuvent ainsi être distingués en
fonction de la valeur du paramètre de forme ξ. Lorsque ξ → 0, on retrouve la distribution de
Gumbel ou distribution des valeurs extrêmes de type I. Quand ξ > 0, il s’agit de la distribution
de Fréchet ou distribution des valeurs extrêmes de type II, elle est utilisée pour modéliser
des séries qui tendent très lentement vers une asymptote et est bornée inférieurement. Pour
ξ < 0, la distribution possède une borne supérieure et correspond à la distribution de Weibull
ou distribution des valeurs extrêmes de type III. (Bernier, 1957)

Puisque nous nous intéressons à la distribution des minimas, les fonctions de

répartitions seront adaptées. De ce fait, la distribution de Fréchet (ξ < 0) possède une borne
supérieure et la distribution de Weibull (ξ > 0), une borne inférieure. (Salvadori et al., 2007)

 
F ( x ) = 1 − exp − 1 + ξ
( x − u) ξ 
−1

 .
  α  


A. Distribution GUMBEL

Cette loi est également appelée distribution des fréquences de valeurs extrêmes du
fait qu’elle résulte de l’étude des valeurs extrêmes prises par une variable aléatoire au cours
de n tirages indépendants. C’est une distribution à queue légère. (Bernier, 1957) La fonction
de répartition est la suivante :

  x − u 
F ( x ) = 1 − exp − exp 
  α 

avec -∞ < x < ∞ ; α > 0 ; u > 0.

et la densité de probabilité :

45
  x−u  x − u 
F (x ) =
1
exp − − exp − 
α  α  α 

avec α le paramètre d’échelle et u le paramètre de position.

Les moments sont :

µ x = u + 0.5772α ,

π 2α 2
σ x2 = .
6

Les estimateurs L-moments pour une distribution de Gumbel sont généralement

aussi bons voire meilleurs que les estimateurs de la méthode des moments quand les
observations sont réellement issues d'une distribution de Gumbel, bien que les estimateurs
de la méthode du maximum de vraisemblance soient les meilleurs. (Landwehr et al., 1979)

La densité de probabilité de la distribution de Gumbel est très similaire à celle de la

distribution Lognormale avec γ = 1.13. Un changement au niveau des coefficients ξ et α
bouge le centre de la pdf et joue sur sa largeur mais ne cause aucune modification sur la
forme de la distribution. La distribution de Gumbel a un coefficient d'asymétrie fixe (1.1396).

B. Distribution de FRECHET

La loi de distribution de Fréchet est également appelée loi Log-Gumbel (El-Adlouni et

al., 2007). Moins connue que les deux autres distributions des valeurs extrêmes, elle
présente une décroissance moins rapide que la loi de Gumbel. Il s’agit, en effet, d’une
distribution à queue lourde. (Bernier, 1957)

La fonction de répartition est la suivante :

  x − u  −k 
F ( X ) = 1 − exp −  −  
  α  

avec ξ = k-1 > 0 ; x ≤ u > 0 ; α > 0.

et la densité de probabilité :

− k −1
k  x−u   x − u  −k 
f (x ) = −   exp −   
α α    α  

avec α le paramètre d’échelle, k le paramètre de forme et u le paramètre de position.

Les moments sont :

 1
µ x = u + α Γ1 −  ,
 k

46
   2  1 
σ x2 = α 2 Γ1 −  − Γ 2 1 −  .
  k  k 

C. Distribution WEIBULL

La distribution de Weibull est une des distributions les plus utilisées dans la littérature
pour l’étude de l’étiage. Elle correspond a une distribution de type III pour les minima. Lors
de la comparaison avec d'autres distributions (Pearson type 3 et type 5, Lognormale à 3
paramètres) elle apparait être la plus adéquate dans différentes études (Matalas, 1963)
(Condie, 1975). Matalas a utilisé la méthode des moments pour estimer les paramètres.
Deux critères de comparaison ont été appliqués : la limite inférieure ne doit pas être
inférieure à la limite observée et la relation entre le coefficient d'asymétrie et le coefficient
d'aplatissement de la distribution théorique doit ressembler à celle présente dans les
données observées. Pour Condie et Nix, la loi de Weibull estimée par la méthode du
maximum de vraisemblance est la plus adéquate, vient ensuite la loi de Weibull estimée par
la méthode du plus faible débit observé. La loi est rejetée si la limite inferieure estimée est
supérieure au plus faible débit minimum observé. Gumbel fut le premier à appliquer la
théorie des valeurs extrêmes aux événements d'étiage et en particulier la loi de Weibull à
trois paramètres (Gumbel, 1954). La fonction de répartition est donnée par la relation :

  x − u k 
F ( x ) = 1 − exp −   
  α  

avec ξ = -k-1 < 0 ; x ≥ u > 0 ; α > 0.

et la densité de probabilité :

k −1
k  x−u   x − u k 
f (x ) =   exp −   
α α    α  

avec α le paramètre d’échelle, k le paramètre de forme et u le paramètre de position.

Les moments sont:

 1
µ x = α Γ1 +  ,
 k

  2   1  
σ x2 = α 2 Γ1 −  − Γ 2 1 +   .
  k   k  

Comme pour la loi Lognormale, la loi de Weibull peut être à deux ou trois paramètres
selon que l’on tient compte du paramètre de position, qui dans le cas de la loi à 3
paramètres, doit être inférieure au plus faible débit minimum observé. La loi de Weibull a
l'avantage de pouvoir représenter des données dont le coefficient d'asymétrie est négatif.

47
3.3.4 Distribution GAMMA

La densité de probabilité de la loi Gamma est la suivante :

α β .x β −1 exp(−α x)
f ( x) = pour 0 < x < +∞ et α , β > 0 .
Γ( β )

Γ ( β ) représente la fonction Gamma définie par la relation :

∞
Γ ( β ) = ∫ exp − x .x β −[Link] :
0

pour β entier : Γ ( β ) = ( β − 1)! ,

pour β non entier, la fonction Gamma est calculée par développement en série
et intégration numérique.

La méthode des moments conduira aux égalités suivantes :

β
µx = ,
α

β
σ² = .
α²

Joseph (1970) a comparé, pour 37 stations de mesures, 4 distributions théoriques

(Gamma, Lognormale à 2 paramètres, Normale, Weibull) ajustées aux débits minimum
annuels de la moyenne mobile sur 14 jours des débits journaliers. L'estimation des
paramètres a été réalisée via la méthode du maximum de vraisemblance. La loi Gamma
s'avère être la plus adéquate suivie de la loi de Weibull et la loi Lognormale. La comparaison
est réalisée à partir des critères suivants : Le test d'ajustement khi-carré et la comparaison
des relations des coefficients d'asymétrie et d'aplatissement.

3.3.5 Distribution PEARSON

La loi Pearson type 3 a pour fonction de densité de probabilités :

α
f ( x) = α ( x − ξ ) β −1  .exp(−α ( x − ξ )) .
Γ( β ) 

La méthode des moments donne les équations suivantes pour évaluer les
paramètres de la distribution :

4
β= ,
γ X2

2
α= ,
σ Xγ X

48
 β
ξ = µX − .
α

Lorsque les logarithmes d'une variable aléatoire sont distribués suivant une loi de
Pearson Type 3, on parle de LogPearson Type 3. Cette distribution est recommandée pour
la description des crues aux Etats-Unis par le "U.S. Water Resources Council in Bulletin 17
(Interagency Advisory Committee on Water Data, 1982) et en Australie par leur institut
d'ingénieurs (Pilgrim, 1987). Hoang (1978) a trouvé que pour les stations de mesures de la
province du Québec la loi LogPearson type 3 s'applique mieux aux minima annuels des
débits journaliers.

3.4 Choix du type de loi dédiée à l’analyse fréquentielle des étiages

3.4.1 Introduction

La littérature concernant l'analyse fréquentielle des étiages est relativement

clairsemée. La distribution de Weibull est une distribution théoriquement plausible dans le
cas des étiages. Des études réalisées au Canada et dans l'est des Etats-Unis ont
recommandé la loi de Weibull à 3 paramètres, la loi LogPearson de type 3 et la loi
Lognormale à 2 ou 3 paramètres. (Condie et Nix, 1975) (Tasker, 1987) (Vogel et Kroll, 1989)

Il existe cependant des tests d’adéquation qui ont pour ambition de permettre de
choisir le modèle fréquentiel le plus approprié pour la série de données envisagée.

Cependant, vu la faiblesse de certains tests d’adéquation pourtant couramment

utilisés et le fait que les tests ne permettent pas de comparer entre elles plusieurs
hypothèses nulles (plusieurs modèles fréquentiels) et donc de choisir la meilleure, la
méthode dite ‘graphique’ reste indispensable. (Meylan et al., 2008)

3.4.2 Test d'adéquation

L'ajustement d'une loi à une série de données est un procédé qui permet de vérifier le
bon accord entre les observations et les lois de probabilité correspondantes. Pour ce faire,
différents tests statistiques sont possibles :

L’examen des coefficients d’asymétrie et d’aplatissement dont les valeurs et les

champs de variation sont caractéristiques d’un type de loi. Toutefois, les erreurs
d’échantillonnage sur ces paramètres sont peu fiables et il serait illusoire d’en tirer
des conclusions.

Le test χ² pour vérifier l’ajustement d’un échantillon à une loi théorique. Ce test est
couramment utilisé malgré ses inconvénients. En effet, le test χ² permet un
ajustement à une loi théorique mais ne permet pas la comparaison de deux
ajustements. Il est peu puissant, il donne souvent des valeurs de probabilités
voisines pour deux types de lois très différentes appliquées à un même échantillon.
Enfin, il est très sensible à la répartition des classes. Or, le choix des classes et de
l’origine de la première classe est arbitraire pour une distribution continue.

Dans son étude, Joseph (Joseph, 1970) utilise ces deux techniques pour tester
l'adéquation des distributions. Les résultats du test χ² révèlent l'adéquation des distributions
Gamma et de Weibull avec une préférence pour la loi Gamma car l'hypothèse nulle n'est
rejetée que 2 fois sur 37 cas.

49
 De plus, les valeurs de χ² sont moins élevées pour la distribution Gamma que pour la
distribution de Weibull. La meilleure loi des cinq lois testées est donc la distribution Gamma
suivie de la Weibull et de la Lognormale. Ce classement est conforté par les résultats issus
de la comparaison entre les coefficients d'asymétrie et d'aplatissement théoriques et
empiriques.

Le test de Kolmogorov-Smirnov pour déterminer si un échantillon suit bien une loi

donnée connue par sa fonction de répartition empirique. Le principe est de calculer
la distance maximale entre la loi théorique et la loi empirique. Ce test est donc
beaucoup plus sensible à l'existence de points aberrants dans un échantillon. Son
avantage par rapport au test χ² est qu'il est adapté aux fonctions continues.
Prakash (Prakash, 1981) utilise ce test pour estimer la qualité de l'ajustement des
distributions LogPearson type III et Lognormale.

Le test de Cramér-Smirnov-Von-Mises, similaire au test de Kolmogorov. La

différence réside dans le fait que l'indicateur d'écart du test de Cramer-Von Mises
prend mieux en compte l'ensemble des données. En effet, la somme des écarts
entre la distribution empirique et la distribution d'ajustement est prise en
considération ce qui n'est pas le cas pour le test de Kolmogorov. On peut donc
penser que ce test est plus puissant mais cela n'a pas été démontré théoriquement.
Contrairement au test χ², ce test ne demande pas de grouper les données et donne
par conséquent des résultats non ambigus.

Ces tests prouvent l'adéquation entre l'ajustement et les données mais ne permettent
nullement de tirer une conclusion sur le choix de la meilleure loi.

Les critères d’information d’Akaike (Akaike Information Criterion) AIC et

d’informations bayésiennes (Bayesian Information Criterion) BIC sont couramment
utilisés dans le choix du meilleur modèle parmi un ensemble de modèles
plausibles. Le critère AIC est obtenu à partir de la formule suivante :

AIC = −2 ln (L ) + 2k

dans laquelle L est la vraisemblance et k le nombre de paramètres du modèle.

Le critère d’information bayésien BIC a pour objectif de sélectionner le modèle M

qui maximise la probabilité a postériori. La formule permettant le calcul du critère
BIC est :

BIC = −2 ln (L ) + 2k ln( N )

dans laquelle L est la vraisemblance, k le nombre de paramètres et N la taille de

l’échantillon.

Au vu des formules permettant le calcul des critères AIC et BIC, le critère bayésien
permet de sélectionner des modèles de dimensions plus petites qu’à partir du critère AIC
(Meylan et al., 2008).

Le logiciel HYFRAN propose la méthode de Schwarz selon laquelle le critère BIC

permet de générer des facteurs de Bayes approximatifs. Ceux-ci peuvent être combinés à
une distribution de probabilité a priori d’un ensemble de loi pour obtenir des probabilités a
posteriori pour ces mêmes modèles. Les probabilités a posteriori servent à construire un

50
classement des modèles statistiques. Les meilleurs ajustements correspondent aux plus
grandes valeurs.

Les probabilités a postériori permettent également de calculer une valeur pondérée

du quantile de période de retour T.

3.4.3 Contrôle visuel de l’ajustement

La méthode graphique est la façon la plus efficace pour visualiser la série de

données et vérifier si les distributions ajustées apparaissent en accord avec les données
(Meylan et al., 2008).

En effet, plusieurs distributions peuvent fournir des ajustements statistiquement

acceptables. Dans ce cas, les tests de validité de l'ajustement ne permettent pas d'identifier
la meilleure distribution à utiliser.

Le contrôle visuel de l’ajustement n’est pas un test au sens statistique du terme. Il

s’agit d’un outil d’aide à la décision.

Les graphiques de quantiles sont une autre solution visuelle pour comparer deux ou
plusieurs distributions entre elles mais aussi pour comparer les données à une distribution
théorique. Pour construire un graphique de quantiles empiriques, les données X(i) sont triées
de la plus petite X(1) à la plus grande X(n).

Pour chaque donnée, une valeur de la probabilité de non-dépassement p(i) est

calculée. Plusieurs formules (Tableau 13) ont été proposées mais elles découlent toutes de
la forme générale suivante:

i−a
p (i ) =
n + 1 − 2a

où a est une constante qui peut prendre des valeurs comprises entre 0 et 0.5.

Tableau 13 : Motivations et principales formules utilisées pour calculer les

probabilités de non-dépassement empiriques (Maidment, 1993)
Nom Formule Motivation
i
Weibull Probabilité de non-dépassement non biaisée
n +1
i − 0.3175
Médiane Probabilité de non-dépassement médiane
n + 0.365
i −3 8
Blom Quantiles normaux non-biaisés
n +1 4
i − 0.4
Cunnane Quantiles approximativement non-biaisés
n + 0.2
i − 0.44
Gringorten Optimisé pour la loi de Gumbel
n + 0.12
i − 0.5
Hazen Un choix traditionnel
n

51
 Le quantile théorique, quant à lui, peut se définir comme la fonction inverse de la
fonction de répartition du modèle testé. Sur un graphique ‘quantiles théoriques – quantiles
empiriques’ (ou probabilités théoriques – probabilités empiriques), la linéarité entre les deux
variables renseigne sur la qualité du modèle.

Si l'on porte en graphique l'ensemble des probabilités empiriques en fonction des

données de l'échantillon, on obtient lorsqu'on relie la série de points, la fonction de répartition
empirique. Cette fonction est un deuxième outil très intéressant pour déterminer a priori la
forme du modèle théorique décrivant une série de données. Elle constitue d'une part un bon
estimateur de la forme de la fonction de répartition théorique et elle permet d'autre part de
juger la qualité d'un modèle ajusté lorsqu'on représente sur le même graphique la fonction
de répartition empirique et la fonction de répartition de la loi théorique.

A titre d’exemple, les données de l’Eau d’Heure à Cerfontaine (bassin

hydrographique de la Sambre) ont été utilisées dans le cas du percentile95. Trois
ajustements sont comparés graphiquement (Figure 27) :

Lognormale à 2 paramètres (2LN),

Gamma (G2),

Pearson type III (P3).

Comparaison des ajustements réalisés pour la station de Cerfontaine sur l'Eau

d'Heure
0.09

0.08

0.07

Percentiles95 annuels
0.06
Ajustement : Loi LogNormale

0.05 Ajustement : Loi Gamma

Débit (m³/s)

Ajustement : Loi Pearson

0.04

0.03

0.02

0.01

0
1 2 3 4 5 10 15 20 25 50 100
Période de retour (années)
Figure 27: Comparaison graphique de trois ajustements théoriques aux données
d'étiage de l’Eau d’Heure à Cerfontaine (Q95)

L'hypothèse nulle est acceptée pour l’ensemble des trois distributions retenues.

Dans ce cas, l'observateur déterminera la meilleure distribution en comparant les

données correspondant aux percentiles95 et l’ajustement proposé. A partir de la Figure 27,
on observe que la loi Pearson type III (courbe jaune) se superpose mieux aux données
initiales que les deux autres lois.

52
3.5 Méthode utilisée pour le choix de la meilleure loi

3.5.1 Outil informatique

Le logiciel HYFRAN est un logiciel d'ajustement de lois statistiques. Il a été développé

par l'équipe du Dr. B. Bobée, qui a plus de 30 années d'expérience en hydrologie statistique,
à l'Institut National de la Recherche Scientifique – Eau, Terre et Environnement (INRS-ETE)
de l'Université du Québec.

Ce logiciel propose les tests statistiques classiques préalables à l’ajustement d’une

loi, en vue de vérifier les hypothèses d’indépendance, de stationnarité et d’homogénéité de
l’échantillon. Il propose un panel de 16 lois statistiques différentes à 2 ou 3 paramètres pour
la réalisation des ajustements. Le logiciel propose également des outils de comparaison
graphiques et sur base de critères (El-Adlouni et al., 2008) (Gomes et al., 2008) (Hubert,
2005) (Parent et Bernier, 2003) (Runge et Nguimale, 2005).

3.5.2 Application de la loi de FRECHET

En plus des lois existantes dans le logiciel HYFRAN, la loi de FRECHET est testée,
étant donné son utilisation dans de précédentes applications en Wallonie (Xanthoulis, 1985).
La Figure 29 Figure 28 présente les résultats obtenus pour la station de Baisieux située sur
la Grande Honnelle (bassin hydrographique de la Haine).

Application de la loi de FRECHET aux données (Q95) de

Baisieux
0.550

0.500

0.450
Percentile95
0.400
Loi de Fréchet
0.350
intervalle de confiance 95%
Débit (m³/s)

0.300

0.250

0.200

0.150

0.100

0.050

0.000
0,1 1 2 5 10 25 50
Période de retour (année)
Figure 28 : Application de la loi de Fréchet aux données (Q95) de la station de
Baisieux sur la Grande Honnelle

Cette loi n’étant pas disponible dans le logiciel HYFRAN, elle a été calculée à partir
de feuilles Excel.

53
3.5.3 Méthodologie d'ajustement

La démarche effectuée dans le choix du meilleur ajustement pour chaque station de

mesures, à partir du logiciel HYFRAN et de l’application de la loi de Fréchet, est présentée à
la Figure 2928.

Estimation des paramètres

n données homogènes et selon la méthode du
stationnaires maximum de vraisemblance
(Q95 ou MAM7) pour les 5 lois testées

Sélection des 3 meilleures lois

retenues à l’aide du logiciel Classement des résultats
HYFRAN selon les critères AIC, BIC
et la probabilité a posteriori

Test du χ²

Application de la loi
de Fréchet

Contrôle visuel des

ajustements

Choix du meilleur
ajustement

Comparaison des valeurs

obtenues pour différentes
périodes de retour

Figure 29 : Schéma de la méthodologie utilisée dans le choix du meilleur ajustement

pour chaque station

Les données de départ sont bien entendu les données qui résultent du traitement du
chapitre "Caractérisation de l'étiage en Région wallonne", c’est-à-dire les n valeurs des
percentiles95 (Q95) ou des MAM7 de chaque station limnimétrique. Les données sont issues
de la même population statistique, il a été montré que ces données sont homogènes et
stationnaires suite à la réalisation des tests d’égalité de moyennes.

Parmi les différentes lois proposées par le logiciel HYFRAN, seules les lois souvent
présentes dans la littérature pour la caractérisation de l’étiage sont testées. Nous avons
donc trois lois à 2 paramètres (Lognormale à 2 paramètres, Weibull à 2 paramètres et
Gamma) et deux lois à 3 paramètres (Lognormale à 3 paramètres et Pearson type III).

Pour rappel, les paramètres des différentes distributions sont estimés via la méthode
du maximum de vraisemblance.

En plus des lois proposées par le logiciel HYFRAN, la loi de Fréchet est également
testée en parallèle.

54
3.5.4 Sélection des meilleurs ajustements

Pour comparer les modèles, le logiciel HYFRAN permet de classer les lois testées
sur base de trois critères :

le critère d'information bayésien (BIC) qui tient compte de la fonction de

vraisemblance, du nombre de paramètres et de la taille de l'échantillon ;

le critère d'information d'Akaike (AIC) qui tient compte de la fonction de
vraisemblance et du nombre de paramètres ;

la probabilité a posteriori qui est la mise à jour de la probabilité a priori à la
lumière d'information supplémentaire en utilisant le théorème de Bayes.

Les probabilités a priori sont attribuées à chaque modèle par l'usager. Cette
probabilité reflète l'information a priori que l'expert a sur la pertinence de la loi pour ajuster
une variable d'intérêt.

Etant donné que l’on ne disposait d'aucune information sur ce point de vue, les
probabilités a priori sont jugées égales pour les différentes lois. Cette distribution de
probabilités a priori peut être combinée aux facteurs de Bayes approximatifs générés via la
méthode de Schwarz pour obtenir des probabilités a posteriori pour ces mêmes modèles.

Ces trois critères cherchent à sélectionner le modèle le plus vraisemblable au vu des

données. Ils permettent de construire un classement de modèles statistiques tenant compte
du principe de parcimonie, privilégiant les lois à 2 paramètres.

Les meilleurs ajustements correspondent aux plus grandes valeurs pour le critère
probabilité a posteriori et aux plus faibles valeurs pour les deux autres critères (BIC et AIC).

Les critères bayésiens ne sont pas utilisés dans le cas de la loi de Fréchet étant
donné la complexité du calcul.

Avant de choisir les 3 meilleures lois, le test du χ², commun à toutes les lois testées
dans le logiciel HYFRAN, est appliqué afin de vérifier l’adéquation de ces lois à l’échantillon
des valeurs observées. Pour rappel, les hypothèses testées sont les suivantes :

H 0 : x1 , x 2 ,..., x n ∈ F ( x; q ) ,
H 1 : x1 , x 2 ,..., x n ∉ F ( x; q ) .

Les lois pour lesquelles la distribution envisagée n'est pas compatible avec les
observations sont rejetées du classement.

Pour la suite de la comparaison, les trois lois les mieux classées et dont l'hypothèse
du test χ² est acceptée sont retenues. De plus, si on a une adéquation de la loi de Fréchet
aux valeurs observées (test χ²), les résultats seront ajoutés pour la comparaison visuelle des
lois retenues à l’aide du logiciel HYFRAN.

Le Tableau 14 reprend le classement des cinq modèles testés à partir du logiciel

HYFRAN, dans le cas de la Lesse à Resteigne. On y retrouve les 3 critères de comparaison,
le résultat du test χ² ainsi que le débit d'étiage de période de retour 20 ans. Dans ce cas, les
lois Lognormale, Gamma et Pearson type III sont sélectionnées pour établir la comparaison
qui permettra de définir le meilleur ajustement.

55
Tableau 14 : Récapitulatif des résultats des ajustements pour les lois testées à l’aide
du logiciel HYFRAN - Exemple de la Lesse à Resteigne (Q95)
Nombre de Probabilité
Loi testée QT20 BIC AIC Test
paramètres a posteriori
Lognormale 2 0.349 50.78 35.858 32.865 AH0
Gamma 2 0.322 26.43 37.163 34.17 AH0
Pearson type III 3 0.353 10.47 39.016 34.526 AH0
Lognormale (3param.) 3 0.355 8.96 39.328 34.838 AH0
Weibull 2 0.238 3.36 41.29 38.297 AH0

En ce qui concerne l’application de la loi de Fréchet, on réalise dans un premier

temps un test χ². En cas de « non adéquation » de l’ajustement à l’échantillon, la loi de
Fréchet n’est pas retenue.

3.5.5 Choix visuel du meilleur ajustement

Après cette première sélection basée sur les résultats du test d’adéquation χ² et sur
les critères d’informations d’Akaike AIC et bayésien BIC, le choix de la meilleure loi
s’effectue de manière visuelle sur base d’une analyse visuelle du graphique représentant les
trois ajustements les mieux classés (Figure 30).

Aux trois ajustements retenus par le logiciel HYFRAN, on ajoute les résultats obtenus
pour la loi de FRECHET.

Comparaison des ajustements réalisés pour la station de Resteigne sur la Lesse

2.6
2.5
2.4
2.3
2.2
2.1
2
1.9
1.8 Percentiles95 annuels
1.7 Ajustement : Loi LogNormale
1.6
Ajustement : Loi Gamma
1.5
1.4 Ajustement : Loi Pearson
Débit (m³/s)

1.3 Ajustement : Loi de Fréchet

1.2
1.1
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1 2 3 4 5 10 15 20 25 50 100
Période de retour (années)
Figure 30 : Lesse à Resteigne - visualisation des ajustements pour les 3 lois les mieux
adaptées (Q95) à l’aide du logiciel HYFRAN et de la loi de Fréchet

L’examen de la Figure 30 confirme le classement établi suivant la probabilité a

posteriori. De plus, le contrôle visuel de l’application de la loi de Fréchet (Figure 30Figure 31)
ne permet pas de sélectionner cette dernière comme meilleur ajustement. La loi Lognormale

56
est donc retenue pour modéliser la distribution des débits d'étiage de la Lesse à Resteigne
(Figure 3132).

La Lesse à Resteigne : Ajustement de la loi LogNormale

2.6
2.5
2.4
2.3
2.2
2.1
2
1.9
1.8 Percentiles95 annuels
1.7 Ajustement : Loi LogNormale
1.6
Intervalle de confiance
1.5
1.4
Débit (m³/s)

1.3
1.2
1.1
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1 2 3 4 5 10 15 20 25 50 100
Période de retour (années)
Figure 31 : Lesse à Resteigne - ajustement de la loi Lognormale : probabilité de non-
dépassement avec intervalles de confiance à 95 % (Q95)

Le choix de la meilleure loi n'est pas toujours aussi aisé que dans le cas de la Lesse
à Resteigne. Lorsque plusieurs lois sont plausibles, Miquel (1984) propose les critères de
jugement suivants :

1. La loi ayant le moins de paramètres est privilégiée si les ajustements sont de

qualité similaire.

2. A nombre de paramètres égal, l'estimation des deux lois est comparée :

si elles sont très voisines, la loi la plus simple pour les calculs futurs est
retenue ;

si elles sont nettement différentes, une nouvelle loi doit être trouvée quitte à
prendre un paramètre supplémentaire.

3. Une loi à 1 ou 2 paramètres sera toujours préférée sauf si la qualité d'ajustement

d'une loi à 3 paramètres est nettement supérieure à celle des lois à 2
paramètres.

La comparaison des valeurs de débits d'étiage pour différentes périodes de retour

peut également aider dans la prise de la décision finale. Les périodes de retour considérées
sont 2, 5, 10, 20 et 50 ans.

La période de retour de 50 ans est la période maximale au vu du nombre d'années de

fonctionnement des stations de mesures.

57
 En général, les périodes de retour d'intérêt dans un contexte opérationnel sont plus
courtes dans le cas des étiages. Comme nous l’avons déjà vu précédemment, les
indicateurs d'étiage couramment rencontrés dans la littérature ne possédaient pas de
période de retour supérieure à 10 ans. A titre d’exemples, on trouve :

en Amérique, le Q7,10 et le Q7,2 qui correspondent au débit minimum annuel lissé sur
7 jours ayant respectivement une période de retour de 10 ans et 2 ans ;
(Armentrout et Wilson, 1987) (Atkins et Pearman, 1995) (Giese et Mason, 1993)
(Hamza, 1999)

au Québec, le Q30,5 qui définit le débit minimum annuel de 30 jours consécutifs
pour une période de retour de 5 ans ; (Hamza, 1999)

en France, le VCN(2,1) utilisé par l’IRSTEA, qui correspond au débit journalier
minimum annuel de période de retour de deux ans. (Galéa et al., 1999)

Finalement, l'incertitude associée au choix de la loi doit aussi être considérée lors de
l'estimation des quantiles de période de retour. En effet, les probabilités d'occurrence
théoriques des événements étudiés sont inconnues et on cherche une loi de probabilité qui
en donne une bonne approximation. C'est pourquoi, pour chaque ajustement, les quantiles
de période de retour sont estimés avec un intervalle de confiance à 95%.

3.6 Analyse des résultats

3.6.1 Introduction

Les résultats des ajustements sont présentés sous la forme d’un tableau reprenant le
choix de la meilleure loi ainsi que les débits obtenus pour les périodes de retour de 2, 5, 10,
20 et 50 ans.

Une analyse des résultats est ensuite réalisée selon différents axes comme par
exemple la possibilité de régionalisation des lois utilisées, la relation entre la taille du bassin
versant et la loi retenue.

3.6.2 Débits caractérisant l’étiage en fonction de la période de retour

Le tableau repris en Annexe 5 reprend pour chacune des stations de mesures, la loi
retenue et les débits correspondants à différentes périodes de retour ainsi que les intervalles
de confiance. Le degré de confiance défini est de 95 %, ce qui signifie la probabilité d’une
erreur de première espèce est de 5%.

3.6.3 Lois retenues

La Figure 3233 présente le nombre de fois que chacune des lois est retenue pour
l’ensemble des stations de mesures dans le cas du percentile95.

58
 Fréquences des lois retenues pour l'ensemble des stations
de mesure
24
22
20
18
16
14
12
10
8
6
4
2
0
Fréchet Gamma LogNormale LogNormale Pearson type Weibull
2 paramètres 3 paramètres III (MM)
Figure 32 : Fréquences des lois retenues pour l’ensemble des stations de mesures
(Q95)

Le graphique obtenu met en évidence que dans le cadre de la Wallonie, les lois
Lognormale à deux paramètres et Gamma sont respectivement retenues dans 41 et 39 %
des cas en ce qui concerne les percentiles95.

La loi de Fréchet est sélectionnée dans un peu moins de 7 % des cas. De ce fait,
malgré l’absence d’automatisation par un logiciel, il semble évident qu’elle ne doit pas être
omise lors d’un ajustement des valeurs extrêmes pour les étiages.

A contrario, la loi de Weibull ne semble pas adaptée aux débits d'étiage pour la
Wallonie. Elle fait cependant régulièrement partie des trois meilleures lois mais en général
lorsqu'on examine visuellement l'ajustement aux données, elle est très vite rejetée. Elle n'a
été choisie que pour une station de mesures, à savoir la Senne à Tubize.

Il est à remarquer que Gottschalka préconise l’utilisation des lois de Weibull et de

Fréchet dans son étude qui a pour objectif de combiner l’analyse fréquentielle des débits
d’étiage et l’analyse de la récession. (Gottschalka et al., 1997)

Burn quant à lui utilise la distribution Pareto généralisée avec la méthode des L-
moments pour le calcul des paramètres de cette loi dans un contexte de régionalisation au
Canada avec des bassins versants de taille allant de 45 à 71000 km² de superficie. (Burn,
1997).

La loi Weibull est à nouveau utilisée dans l’analyse fréquentielle sur le bassin de la
Moselle opérée par Galéa (Galéa et Canali, 2005) alors que la loi Lognormale avait été
choisie pour le bassin de la Loire et du Crisu-Alb. (Galéa et al., 1999)

Matalas a réalisé une étude de comparaison de plusieurs lois ayant une borne
inférieure sur les débits minimums annuels de 34 cours d’eau des Etats-Unis. Ses résultats
ont montré que les lois de Weibull et de Pearson Type III donnent les meilleurs résultats.
(Matalas, 1963).

59
 Joseph a établi un classement des lois après un test réalisé sur les minimums
annuels de la moyenne mobile sur 14 jours des débits journaliers pour 37 cours d’eau des
Etats-Unis. Les résultats classent la Gamma en premier, suivie de la Weibull et de la
Lognormale à deux paramètres. (Joseph, 1970)

Condie et Nix ont classé la loi de Weibull (maximum de vraisemblance) comme étant
la meilleure sur une étude réalisée sur les débits journaliers minimums annuels. (Condie et
Nix, 1975)

La loi LogPearson type III s’applique le mieux sur les minimums annuels des débits
journaliers selon Hoang. La zone d’étude était la province de Québec composée de 103
points de mesures. (Hoang, 1978)

Comme le montre cette analyse bibliographique, il est difficile de définir une loi pour
l’analyse fréquentielle des débits d’étiage. Les différences entre les résultats proviennent du
choix du descripteur, de la méthode d’estimation des paramètres et également de la partie
de la méthodologie qui permet la sélection de la meilleure loi sur base visuelle. Ce dernier
point fait appel à la sensibilité de l’opérateur.

A titre d’exemple, la loi Pearson type III est utilisée pour six stations de mesures dans
le cas du percentile95 et seulement trois fois avec la MAM7.

3.6.4 Lien entre les ajustements et la taille de l'historique

Afin de déterminer si le choix d'une distribution est lié à la taille de l'historique de la

station de mesures, une représentation graphique mettant le pourcentage de stations de
mesures par type de loi en fonction de la taille de l’historique est réalisé (Figure 3334).

60
 Pourcentage de stations par type de loi en fonction de la
taille de l'historique
56
54 Fréchet
52
50 Gamma
48 Lognormale à 2 paramètres
46
44 Lognormale à 3 paramètres
42 Pearson type III
40
38 Weibull
36
34
Pourcentage

32
30
28
26
24
22
20
18
16
14
12
10
8
6
4
2
0
[20 -25[ [25-30[ [30-35[ [35-…[
Taille de l'historique (années)
Figure 33 : Représentation du pourcentage de stations de mesures par type de loi en
fonction de la taille de l’historique (Q95)

Aucune interaction n'est mise en évidence, les distributions s'ajustent aux données
de stations de mesures quelle que soit leur taille d'historique dans le cas des percentiles95.
Seules les lois Gamma et Lognormale à 2 paramètres sont plus utilisées dans le cas des
stations de mesures ayant un historique supérieur ou égal à 35 ans.

De la même manière, il est à remarquer que la loi Lognormale à 2 paramètres est

dans chaque classe de taille d’historique plus souvent retenue lors des ajustements
statistiques, excepté pour la classe dont l’historique des données est supérieur à 35 ans..

Les mêmes conclusions s’appliquent au MAM7 pour lequel on n’observe aucun lien
entre la taille de l’historique et le choix de la meilleure loi d’ajustement.

3.6.5 Lien entre les ajustements et la superficie du bassin versant

Une deuxième interaction possible pourrait se produire entre les ajustements et la

superficie du bassin versant (Figure 3435).

61
 Pourcentage de stations par type de loi en
fonction de la superficie du bassin versant
60
57 Fréchet
54 Gamma
Lognormale à 2 paramètres
51 Lognormale à 3 paramètres
48 Pearson type III
45 Weibull
42
39
36
Pourcentage

33
30
27
24
21
18
15
12
9
6
3
0
[0 - 100[ [100 - 300[ [300 - 500[ [500 - …[
Superficie du bassin versant (km²)
Figure 34 : Représentation du pourcentage de stations de mesures par type de loi en
fonction de la superficie du bassin versant (Q95)

On observe que les lois Gamma et Lognormale à deux paramètres sont plus utilisées
avec un pourcentage allant de 33 à 50 pourcents par classe de superficie de bassin versant
en ce qui concerne les percentiles95.

Les autres lois ne sont utilisées que pour les classes de superficie inférieure à 300
km².

Ces conclusions peuvent être étendues au cas du MAM7.

3.6.6 Distribution spatiale des lois d’ajustement utilisées

L’objectif de ce chapitre est d’étudier la distribution spatiale des types de lois utilisées
pour l’analyse fréquentielle.

La Figure 3536 représente une carte de la Région wallonne reprenant l’ensemble des
stations de mesures pour lesquelles l’analyse fréquentielle est réalisée (Q95). Chaque
station est représentée par un point dont le code de couleur est fonction de la loi choisie pour
l’ajustement.

62
Figure 35 : Loi sélectionnée par station de mesures pour l’analyse fréquentielle liée à
l’étiage (Q95)

La Figure 3536 montre qu’il ne semble pas possible d’identifier une distribution
spatiale des lois utilisées. En effet, nous pouvons observer que les lois Gamma et
Lognormale à deux paramètres (les plus fréquemment utilisées dans le cadre de cette étude)
sont retenues pour des stations de mesures situées dans différents bassins versants de la
Wallonie.

Aucune distribution spatiale des lois n’est à observer en ce qui concerne l’utilisation
du MAM7.

63
4 RÉGIONALISATION DES DÉBITS D’ÉTIAGE EN RÉGION WALLONNE

4.1 Introduction

La régionalisation des débits peut être définie comme étant l’identification de groupes
de bassins versants contigus ou non (que l’on appellera ‘Région’), qui ont un comportement
hydrologique similaire. La délimitation des régions est réalisée sur base de considérations
physiographiques (pente, superficie du bassin versant, précipitations, …) et sur base de la
réponse hydrologique du bassin versant (débit caractéristique, valeurs statistiques, …).
(Donald, 1997)

Pour la définition de ces classes homogènes en termes de débit caractérisant

l’étiage, les paramètres physiques des bassins versants autres que la superficie de celui-ci
pourront être utilisés. Il s’agit de la pluviométrie moyenne annuelle, de la pente moyenne du
bassin versant, densité de drainage, … (Gloor et Walter, 1986) (Galéa et al., 1999) (Galéa et
al., 2000) (Galéa et Canali, 2005) (Laaha et Blöschl, 2005) (Laaha et Blöschl, 2006)
(Rachamandra Rao et Srinivas, 2006) (Smakthin, 2001)

Une des méthodes consiste à rassembler des bassins versants qui ont des similarités
au niveau du climat, de la géologie, de la topographie, de l’occupation du sol et de la
pédologie.

Généralement, les bassins versants ayant les mêmes caractéristiques et de taille

identique ont une réponse hydrologique semblable, que ce soit dans la distribution des
débits au cours de l’année, ou la fréquence ou l’intensité de certains évènements extrêmes
(crue et/ou étiage).

A partir de valeurs caractéristiques de débit d’étiage, il est également possible de

regrouper des bassins versants entre eux. Pour ce faire, il faut rapporter la valeur
caractérisant l’étiage à la superficie du bassin versant. Ensuite, on compare les bassins
versants sur base de la valeur obtenue.

D’autres méthodes de régionalisation utilisent, pour définir les zones homogènes, les
limites de bassins versants, les limites administratives ou des considérations
physiographiques.

Une zone homogène peut être définie comme étant un ensemble de bassins versants
qui ont une réponse hydrologique similaire, et qui ne sont pas forcément contigus.
(Smakthin, 2001) (Ramachandra Rao, 2008)

Cependant, étant donné que l’objectif de cette étude est de déterminer un débit
caractérisant l’étiage en n’importe quel point d’un linéaire de cours d’eau, il convient de ne
pas utiliser la variable caractérisant le débit d’étiage dans la définition des zones
homogènes.

En effet, le bassin versant du cours d’eau dont on souhaite disposer du débit d’étiage
sera dans un premier temps assigné à une zone homogène seulement sur base des
paramètres physiques et climatiques. Les équations de régression obtenues pour la zone
homogène pourront donc être utilisées afin de calculer cette valeur. (Smakthin, 2001)

La définition des zones homogènes sera réalisée à l’aide de la classification

numérique qui a pour objectif de subdiviser un ensemble de n individus en un nombre k de
groupes. Cette subdivision est réalisée à partir des observations relatives à p variables.
(Gustard et al., 1992) (Nathan et McMahon, 1992) (Laaha et Blöschl, 2006) (Laaha et

64
Blöschl, 2007) (Yadav et al., 2007) (Hingray et al., 2009) (Vezza et al., 2010) (Tsakiris et al.,
2011) (Patil et Stieglitz, 2012).

Les variables utilisées pour cette analyse sont les paramètres physiques tels que la
superficie, la densité de drainage et la pente du bassin versant ainsi que les paramètres
météorologiques.

Dans la littérature, nous pouvons également trouver des variables renfermant

plusieurs informations comme par exemple le Curve number (CN) issus de la méthode
SCS5. Cette méthode a pour objectif de déterminer le débit ruisselé d’un bassin versant.
Cette méthode fait appel à la variable CN qui reprend les caractéristiques pédologiques du
sol (taux d’infiltration), l’occupation du sol et de la pente (Soil conservation service, 1972)
(Maidment, 1993). Etant donné que lors de la régionalisation, l’objectif est de rechercher les
stations ayant des bassins versants similaires, ce type de variables n’est pas retenu car
condense déjà plusieurs paramètres.

4.2 Détermination des paramètres physiques des bassins versants

4.2.1 Introduction

Le débit d’étiage est influencé par la géologie et la pédologie d’un bassin versant, les
pertes par évaporation ou évapotranspiration. D’autres caractéristiques peuvent jouer un rôle
comme par exemple la superficie du bassin versant, les précipitations ou encore la position
géographique du bassin versant. (Maidment, 1993)

Un bassin versant peut être caractérisé par plusieurs paramètres physiques,

hydrologiques ou géographiques. Dans un objectif de régionalisation des bassins versants,
les paramètres suivants seront pris en considération :

l’altitude de la station de mesures,

les coordonnées Lambert,

la superficie du bassin versant,

la pente moyenne du bassin versant,

la densité de drainage,

l’occupation du sol,

la température estivale,

les précipitations,

la pédologie,

l’hydrogéologie.

Au cours de ce chapitre, nous présenterons la méthode de détermination de ceux-ci.

(Ramachandra Rao, 2006) (Seibert et Beven, 2009) (Ungtae et al., 2008)

La pertinence de l’utilisation d’un ou plusieurs paramètres sera déterminée lors de la

régionalisation effectuée sur l’ensemble des bassins versants des stations de mesures
retenues dans le cadre de cette étude.

Il est à remarquer qu’étant donné la taille d’historique relativement courte des

données utilisées pour la détermination des paramètres climatiques et ceux caractérisant
l’hydrogéologie, aucune interprétation liée aux changements climatiques ou aux
modifications de gestion de l’eau au sein des bassins versants ne sera réalisée. En effet,

5
MéthodeSCS (Soil Conservation Service) qui se nomme actuellement le « Natural Resources Conservation
Service», USA.

65
nous disposons au maximum de, respectivement, quarante-deux et trente-quatre ans de
données, pour les débits et pour les données météorologiques.

4.2.2 Altitude des stations de mesures

A. Introduction

L’altitude des stations de mesures peut être définie comme un paramètre

géographique du bassin versant.

L’altitude d’un site influence la valeur du rayonnement solaire reçu au niveau de la surface
terrestre. Etant donné que l’évaporation et l’évapotranspiration sont directement liées à cette
valeur, on peut en déduire que l’altitude pourrait avoir un impact sur le débit d’étiage.
(Hingray et al., 2009)

B. Méthodologie

L’altitude des stations de mesures prise en considération est l’altitude de la référence,

soit le ‘zéro’ de l’échelle limnimétrique.

Etant donné que ces valeurs sont déterminées à l’aide de mesures topographiques
réalisées soit par GPS, soit par nivellement, les altitudes obtenues ont une précision
supérieure à celle que l’on aurait obtenue si on avait utilisé une carte IGN même à l’échelle
1/10000.

En effet, si nous prenons la Figure 3637 qui présente un extrait de carte IGN au
1/10000 au niveau de la station de mesures d’Amougies sur la Rhosnes (bassin versant de
l’Escaut), il est aisé de remarquer que la détermination de l’altitude de la station de mesures
ne sera pas précise. En effet, nous nous situons dans une région avec un relief peu
accidenté qui se traduit par des courbes de niveau espacées.

Figure 36 : Extrait de carte IGN au 1/10000 au niveau de la station d’Amougies sur la

Rhosnes
66
 A partir de cette carte IGN, le zéro de l’échelle obtenu serait inférieur à 17,5 mètres.
Cependant, le levé de terrain donne une valeur de 13,763 mètres. La différence provient du
fait que dans le cas de ce cours d’eau, nous avons un lit mineur relativement encaissé
(Figure 3738).

Figure 37 : La Rhosnes à Amougies

C. Résultats

La Figure 3839 présente les altitudes obtenues pour les différentes stations de
mesures retenues dans le cadre de cette étude. Les résultats sont présentés sous forme de
tableau en Annexe 6.

67
 Altitude des stations de mesures
420
400
380
360
340
320
300
280
260
240
220
Altitude (m)

200
180
160
140
120
100
80
60
40
20
0

Ochamps
Irchonwelz

Tintigny_Semois
Ath

Ambresin

Modave

Couvin

Cerfontaine

Marbehan
Graide
Walcourt
Hamoir
Ronquières

Rhisnes

Nismes

Trois-Ponts
Moha

Hastiere

Eprave

Mariembourg

Lorcé

Erneuville
Suzeril

Membre_Pont
Amougies
Isières

Treignes

Wihéries

Athus
Bruly
Brugelette

Aiseau

Thy-le-Château
Lavaux-Sainte-Anne

Baillonville

Felenne

Ruette

Sainte-Marie
Bergilers_amont

Harnoncourt

Grupont

Straimont
Our
Bierges

Upigny
Tubize_Ripain

Wanze

Bersillies-l'Abbaye

Daverdisse

Gedinne

Martelange
Warnant
Dalhem

Tintigny_Rulles
Resteigne
Boussoit
Opheylissem

Latour
Baisieux

Figure 38 : Altitude des stations de mesures (m)

Les stations de mesures étant réparties sur l’ensemble de la Wallonie, on couvre la

majeure partie des altitudes observées. La moyenne est de 169,6 m tandis que le minimum
est de 13,76 m et le maximum de 409,5 m.

4.2.3 Coordonnées Lambert

Les coordonnées Lambert des stations de mesures permettent d’avoir une

localisation géographique et positionner les stations les unes par rapport aux autres.

Les coordonnées fournies par le Service public de Wallonie ont été obtenues (DGO2,
DGO3) à l’aide de mesures topographiques réalisées soit par GPS, soit par nivellement.

L’Annexe 7 présente les coordonnées Lambert des différentes stations de mesures

sélectionnées. Le système de coordonnées est le Lambert 72.

68
4.2.4 Superficie du bassin versant

A. Introduction

La superficie du bassin versant est un des paramètres géographiques les plus

importants. En effet, il permet une comparaison directe entre les bassins versants à partir de
l’étendue du territoire qui participe à l’apport en eau en un point donné.

B. Méthodologie

Pour chaque station de mesures limnimétriques, le bassin versant est généré à partir
du modèle numérique de terrain produit par la convention ERRUISSOL.

Le modèle numérique de terrain est obtenu par traitement des données disponibles
en Région wallonne, à savoir :

Les points numériques de terrain du Projet Informatique de Cartographie

Continue (PICC – DGO2, SPW), dont l'échelle est le 1/1.000 et dont la distance
entre les points de mesure est en général de 50 mètres ;

Les données numériques « point » du Digital terrain model (DTM) 1/10.000 de
l’Institut Géographique National (IGN) dont la distance entre points est de 20
mètres ;

Les altitudes au sol issues du dernier écho laser du MNT des cours d’eau de
première catégorie non navigables et des cours d’eau navigables dont la densité
est d’un point tous les mètres.

La dimension unitaire des pixels constituants le modèle numérique de terrain est fixée
à 10 m par 10 m. (Dautrebande et al., 2008)

La Figure 3940 présente le modèle numérique de terrain issu du projet ERRUISSOL.

69
 Figure 39 : Modèle numérique de terrain : Projet ERRUISSOL

Les limites des bassins versants utilisées proviennent du projet ALBA réalisé par
l’Université de Liège – Gembloux AgroBioTech et plus particulièrement par l’Unité
d’Hydrologie et d’Hydraulique agricole.

La méthode de simulation des écoulements à partir du modèle numérique de terrain

obtenu dans le cadre du projet ERRUISSOL est utilisée pour la délimitation de ces limites.

Le modèle numérique de terrain est ensuite « fillé » (Fill) afin d’éliminer les anomalies
hydrologiques (discontinuités entre les axes). Les directions de flux (Flow Direction), les
accumulations de flux (Flow Accumulation) sont ensuite calculées afin d’obtenir un nouveau
réseau hydrographique continu sur l’ensemble du modèle numérique de terrain. (Xanthoulis
et Debauche, 2010)

Pour ce qui des bassins versants frontaliers, comme par exemple le Viroin, la Chiers
et la Semois, le modèle numérique de terrain au 1/50000 de l’Institut national géographique
existant est utilisé.

Le Tableau 15 reprend pour les cours d’eau frontaliers, la superficie totale du bassin
versant et la proportion du territoire situé en Région wallonne.

70
 Tableau 15 : Proportion de la superficie du bassin versant (km²) en Région wallonne
pour les cours d’eau frontaliers
Superficie Superficie Pourcentage
Bassin du bassin en Région en Région
Code Localité Cours d'eau
versant versant wallonne wallonne
(km²) (km²) (%)
L5170 Baisieux Grande Honnelle Haine 121,10 26,09 21,54
L5412 Amougies Rhosnes Escaut 166,02 131,35 79,12
L5420 Isières Sille Dendre 63,23 61,88 97,86
L5520 Harnoncourt Ton Chiers 290,06 257,77 88,87
L5600 Ruette Vire Chiers 105,90 75,55 71,34
L6020 Athus Messancy Chiers 61,61 59,85 97,15
L6030 Latour Vire Chiers 124,91 92,62 74,15
L6280 Opheylissem Petite Gette Gette 129,99 128,58 98,91
5572 Bergilers amont Geer Geer 123,12 119,48 97,04
7944 Wihéries Hantes Sambre 140,01 125,63 89,73
7978 Bersillies-l'abbaye Thure Sambre 60,07 31,62 52,64
9021 Treignes Viroin Viroin 553,44 508,25 91,84
9071 Couvin Eau noire Viroin 176,23 131,04 74,36
9232 Bruly Ry de Pernelle Viroin 38,37 22,22 57,90
9434 Membre pont Semois Semois 1230,10 1218,17 99,03

On peut observer que la majorité des stations de mesures situées au sein de bassins
versants transfrontaliers ont plus de 90 % de la superficie de leur bassin versant situé en
Région wallonne.

C. Résultats

A partir des limites de bassin versant obtenues pour chaque station de mesures
limnimétrique, la superficie du bassin versant a été déterminée et les résultats sont
présentés en Annexe 8.

4.2.5 Densité de drainage

A. Introduction

La densité de drainage peut être définie comme étant le rapport entre la longueur
totale du linéaire des cours d’eau et la superficie du bassin versant.

∑L i
Dd = i =1
S
dans laquelle,

Dd est la densité de drainage exprimée en km/km²,

Li est la longueur du tronçon de cours d’eau exprimée en km,

S est la superficie du bassin versant exprimée en km².

71
B. Méthodologie

Les données de base pour la détermination des densités de drainage sont les
bassins versants des stations de mesures délimités dans le chapitre précédent et la couche
d’informations géographiques reprenant l’ensemble du linéaire des cours d’eau de la Région
wallonne.

La Figure 4041 présente les différentes étapes de l’extraction des cours d’eau
présents au sein d’un bassin versant. La fonction ‘Clip’ du logiciel ArcGis est utilisée.

Figure 40 : Détermination de la densité de drainage

A partir de la longueur du linéaire des cours d’eau présents au sein d’un bassin versant
d’une station de mesures et de la superficie de celui-ci, la densité de drainage est obtenue
en faisant le rapport de ces deux valeurs. La qualité de la donnée originale dans les régions
où les zones drainées (fagnes, tourbières, wateringues, …) est moins bonne car on trouve
dans la couche d’informations de base l’ensemble des drains et/ou fossés drainant.

C. Bassins versants frontaliers

Dans le cadre des bassins versants frontaliers, la méthodologie consiste à réaliser un

FlowAccumulation du logiciel d’informations géographiques ArcGis. Pour la définition du
réseau hydrographique à partir du modèle numérique de terrain, une valeur ‘seuil’ doit être
définie. Cette dernière correspond à la surface contributive que l’on doit avoir pour que le
linéaire obtenu soit un cours d’eau.

L’objectif est de définir pour la partie connue du réseau hydrographique en Wallonie,

la valeur ‘seuil’ que l’on doit utiliser avec la fonction ‘FlowAccumulation’ pour obtenir le même
linéaire de cours d’eau à partir du modèle numérique au 1/10000 du projet ERRUISSOL.

La fonction ‘FlowAccumulation’ et la valeur ‘seuil’ obtenue sont ensuite appliquées au

modèle numérique de terrain au 1/50000 de l’Institut national géographique qui déborde de
la Wallonie afin d’obtenir le linéaire de cours d’eau hors Région wallonne.

72
 Pour appliquer la fonction FlowAccumulation, le modèle numérique de terrain doit
dans un premier temps être « fillé » (Fill) de manière à éliminer les anomalies hydrologiques
(discontinuités entre les axes). Dans un deuxième temps, les directions de flux (Flow
Direction), les accumulations de flux (Flow Accumulation) sont ensuite calculées.

Le réseau hydrographique pris en considération pour la détermination de la densité

de drainage des bassins versants frontaliers est le linéaire de cours d’eau de la Région
wallonne (couche hydrographique continue) auquel on a ajouté le linéaire des cours d’eau
obtenu à partir du modèle numérique de terrain au 1/50000 pour la partie située hors
frontières.

D. Résultats

Les résultats obtenus pour la densité de drainage sont présentés en Annexe 9.

La Figure 4142 présente sous forme de graphique la densité de drainage des bassins
versants des stations de mesures sélectionnées. On peut observer qu’environ 75 % des
stations de mesures ont une densité de drainage comprise entre 1,2 et 2 km/km².

Figure 41 : Densité de drainage des bassins versants des stations de mesures

sélectionnées

Les valeurs inférieures à 1 km/km² sont obtenues pour les stations de Bergilers
(Geer), Rhisnes (Houyoux), Hamoir (Néblon) et Opheylissem (Petite Gette). Les valeurs les
plus élevées (supérieures à 2 km/km²) sont observées sur la Brouffe (Mariembourg), l’Eau
d’Heure (Cerfontaine) et la Rulles (Tintigny).

73
4.2.6 Pente du bassin versant

A. Introduction

Le modèle numérique de terrain utilisé précédemment pour la détermination des

limites des bassins versants a également été utilisé (MNT 1/10000 du projet ERRUISSOL).

Pour les bassins frontaliers, le modèle numérique de terrain au 1/50000 de l’Institut

national géographique n’est pas utilisé comme source d’informations. En effet, étant donné
la différence dans la résolution des données par rapport au modèle numérique de terrain au
1/10000 sur la Région wallonne, des erreurs seraient introduites.

C’est pourquoi, il est décidé de prendre comme pentes caractéristiques pour les
bassins frontaliers, les pentes obtenues pour la partie située en Région wallonne.

B. Méthodologie

La pente moyenne de chaque pixel du modèle numérique de terrain est obtenue à

l’aide de la fonction Slope de Spatial Analyst 9.1 (ArcGIS 9.1). Cette fonction calcule la pente
d’un pixel en fonction de l’altitude des 8 pixels contigus.

Figure 42 : Fonction Slope

La fonction ‘Slope’ calcule le taux de variation maximum entre chaque pixel et ses
voisins (Figure 4243).

Après avoir appliqué cette fonction sur les modèles numériques de terrain du bassin
versant d’une station de mesures, la médiane des valeurs obtenues est calculée. Cette
valeur correspond donc à la pente médiane du bassin versant exprimée en pourcent.

Afin de tenir compte de l’hétérogénéité de la pente au sein d’un bassin versant et

d’éliminer les valeurs aberrantes des pentes obtenues à partir du modèle numérique de
terrain, les percentiles 10 et 90 des pentes sont pris en considération plutôt que les valeurs
minimum et maximum.

Les résultats obtenus pour la caractérisation des bassins versants du point de vue
des pentes sont présentés en Annexe 10.

C. Résultats

Les résultats obtenus sont présentés sous forme de graphiques dans lesquels on a
en abscisse les classes de pente et en ordonnées le nombre et le pourcentage de stations
observées dans la classe considérée (Figure 4344).

74
 Figure 43 : Pente des bassins versants

En analysant les valeurs des percentiles des pentes calculés, on remarque que les
pentes des bassins versants situés dans le district hydrographique de l’Escaut ainsi que les
bassins du district de la Meuse situés au Nord de cette dernière (Geer, Mehaigne, Houyoux)
sont les plus faibles.

Les valeurs obtenues les plus élevées sont observées pour le bassin du Viroin, de
l’Hermeton, de la Haute Lesse et de la de la Lhomme, de la Semois, de la Chiers (Ton et
Messancy), le Néblon et la Sûre. Le bassin de la Berwinne possède également une pente
relativement importante (P50 = 7,69 et P90 = 18,27).

4.2.7 Occupation du sol

A. Introduction

L’occupation du sol est une information importante dans le cadre de la régionalisation

des débits d’étiage dans le sens où elle conditionne les bilans hydrologiques.

En effet, selon le type d’occupation observée sur le terrain, on pourra obtenir une répartition
différente des précipitations entre l’interception, l’évaporation, le ruissellement, l’infiltration et
l’évapotranspiration soit les différents éléments du bilan hydrologique. (Hingray et al., 2009)
(Maidment, 1993)

75
B. Méthodologie

Une nouvelle carte numérique d’occupation du sol a été produite en 2007 pour
l’ensemble de la Wallonie.

Cette couche d’informations a été obtenue à partir du Plan de Localisation

Informatique (PLI) combiné avec la matrice cadastrale et croisée par géotraitement avec
différentes couches thématiques de l’occupation du sol : le parcellaire agricole (y compris la
couche concernant les mesures agri-environnementales), les plans d’eau, les zones
d’extraction, les terrils, les décharges, les sites à réaménager, les zones portuaires, les
aérodromes, les campings et les parcs résidentiels.

C. Thèmes repris dans la carte d’occupation du sol

Les différentes occupations du sol sont regroupées, en sept grandes classes, à

savoir :

Non cadastré,

Territoires artificialisés,
- Terrains résidentiels,
- Espaces d’activité économique, de service, d’équipement et de
communication,
- Mines, décharges et espaces abandonnés,
- Espaces verts artificialisés, non agricoles,
- Autres.

Territoires agricoles,
- Terres arables,
- Cultures permanentes,
- Surfaces enherbées,
- Friches agricoles.

Forêts et milieux semi-naturels,
- Forêts : type non spécifié, feuillus, conifères, mélangées,
- Milieux à végétation arbustive et/ou herbacées : pelouses naturelles, terrils, …

Zones humides,

Surfaces en eau,
- Cours d’eau,
- Plans d’eau.

Non classés.

La Figure 4445 présente la carte d’occupation du sol de la Région wallonne dans son
premier niveau de légende.

76
 Figure 44 : Carte d’occupation du sol de la Région wallonne

D. Occupations du sol prises en considération

Laaha (Laaha et Blöschl, 2006) propose d’utiliser le pourcentage de zones urbaines,

agricoles, de cultures permanentes, de prairies, de forêts, de zones humides, d’eaux de
surface et de glaciers.

Vezza (Vezza et al., 2010) utilise dans sa régionalisation les paramètres suivants en
ce qui concerne l’occupation de sol : zones urbaines, forêts, cultures et prairies, jachères,
zones humides.

En préambule, il est à noter que toutes les proportions calculées ci-dessous se feront
sur base de la superficie totale du bassin versant.

L’urbanisation des bassins versants de certains cours d’eau engendre des

modifications tant au niveau des rejets que des prises d’eau. C’est pourquoi, la somme des
proportions des superficies des terrains résidentiels et des espaces d’activité économique,
de service, d’équipement et de communication seront prises en considération.

La superficie totale occupée par les forêts sera prise en considération sans distinction
du type d’arbres présents, à savoir les feuillus ou les résineux. La séparation entre les
feuillus et les résineux n’est pas effectuée pour la quantification de la partie des
précipitations qui s’infiltre ou ruisselle. (Hingray et al., 2009)

A titre d’exemple, la méthode SCS utilise un paramètre appelé ‘Curve number’ qui
permet de tenir compte de l’occupation du sol pour le calcul du débit de ruissellement. Les
différents types de forêts sont repris dans une seule catégorie appelée ‘Forêt’. (Maidment,
1993)

77
 Les proportions des différents types de territoires agricoles seront prises en compte.
Les trois classes retenues sont :

les terres arables,

les cultures permanentes,

les surfaces enherbées et les friches agricoles.

La superficie de pelouses calcaires et pâturages naturels issue de la classe des

forêts et des milieux naturels a été ajoutée à la superficie des surfaces enherbées issues des
territoires agricoles.

Les plans d’eau pouvant avoir une influence en période d’étiage et de température
élevée, la proportion de superficie de ceux-ci est calculée. En effet, l’influence des plans
d’eau pourrait se voir au niveau de l’évaporation durant la période estivale et donc d’étiage
car elle est directement liée à la température de l’air. De plus, les plans d’eau peuvent
réguler les débits des cours d’eau. Vu la faible proportion de la superficie occupée par les
plans d’eau, ceux-ci ne sont pas pris en considération. En effet, le pourcentage moyen de la
superficie occupée par les plans d’eau pour l’ensemble des bassins versants des stations de
mesures sélectionnées est de 0,30 % avec un écart-type de 0,002 %.

E. Bassins versants transfrontaliers

La carte d’occupation de la Région wallonne ne s’applique comme son nom l’indique

qu’à la Wallonie. Or, quelques stations de mesures ont une partie plus ou moins importante
de leur bassin versant située hors de la Région wallonne.

Pour la réalisation de cette carte, la carte d’occupation du sol européenne CORINE a

été utilisée. La couche d’information CORINE se présente sous la forme d’un raster. Elle est
réalisée par l’Agence européenne de l’Environnement et a été mise à jour en 2006 (version
13). La résolution des données est de 100 * 100 mètres. Cette dernière n’a été utilisée que
pour la partie du bassin versant située en-dehors de la Wallonie.

Les différentes classes de la carte d’occupation du sol CORINE utilisées dans le

cadre de ce travail sont les suivantes :

Territoires artificialisés :
- Ilots urbains continus,
- Ilots urbains discontinus,
- Zones commerciales et industrielles,
- Routes et réseau ferroviaire,
- Zones portuaires,
- Aéroport.

Territoires agricoles :
- Terres arables non irriguées,
- Terres arables avec irrigations permanentes,
- Vergers,
- Surfaces enherbées.

Forêts et milieux semi-naturels :
- Forêt de feuillus,
- Forêts de résineux,
- Forêts mixtes,
- Pelouses naturelles.

78
 Afin d’utiliser les mêmes classes d’occupation du sol de la partie du bassin versant
située en Région wallonne, un regroupement est effectué entre les différentes classes issues
de la couche d’informations CORINE. Ce regroupement est présenté dans le Tableau 16.

Tableau 16 : Regroupement des classes d’occupation du sol

Classes d’occupation du sol

Classes d’occupation du sol (CORINE)
en Région wallonne

Ilots urbains continus

Ilots urbains discontinus

Zones commerciales et industrielles
Territoires artificialisés

Routes et réseau ferroviaire

Zones portuaires

Aéroport

Forêts de feuillus
Forêts
Forêts de résineux

Forêts mixtes

Terres arables non irriguées

Terres arables avec irrigations permanentes
Terres arables
Système de cultures complexe

Terres arables dominantes avec régions avec
végétation naturelle significative
Cultures permanentes
Vergers

Surfaces enherbées
Surfaces enherbées

Pelouses naturelles

F. Résultats

L’Annexe 11 présente les résultats obtenus pour l’occupation du sol des bassins
versants des différentes stations de mesures retenues dans le cadre de cette étude. Les
résultats sont exprimés en pourcentage de la superficie totale du bassin versant.

La Figure 4546 présente les moyennes obtenues par bassin versant des différentes
classes d’occupation du sol, et ce pour l’ensemble des stations de mesures sélectionnées.

79
 Figure 45 : Occupation du sol : Moyenne par bassin versant

Nous pouvons observer que ce sont soit les terres arables, soit les forêts qui
occupent un pourcentage important de nos régions.

En effet, les bassins de la Dyle, de la Dendre, de l’Escaut, du Geer, de la Haine, de la

Mehaigne et de la Senne sont principalement occupés par les cultures.

Par contre, les forêts sont prédominantes dans les bassins de l’Amblève, de la Lesse,
de la Sûre et du Viroin.

Dans certains bassins, on observe une proportion équivalente de forêts et de

surfaces enherbées. C’est le cas pour la Chiers, l’Hermeton, le Hoyoux, l’Ourthe, la Sambre
et la Semois.

Pour le bassin de la Meuse aval, les surfaces enherbées sont majoritairement

présentes avec un pourcentage proche des 70 %.

En ce qui concerne les cultures permanentes, elles sont principalement présentes

dans les bassins de la Meuse aval et du Geer.

4.2.8 Pédologie

A. Introduction

Les types de sols présents au sein d’un bassin versant ont une influence aussi bien
sur la quantité d’eau infiltrée que sur le débit de ruissellement.

Une meilleure infiltration favorisera une meilleure recharge en eau des nappes
souterraines qui alimentent les cours d’eau en période d’étiage.

80
 En Grande-Bretagne, pour caractériser les sols d’un point de vue hydrologique, la
notion de ‘HOST’ (Hydrology of Soil Types) est utilisée. Il s’agit en fait d’une combinaison du
Base Flow index (ratio entre le débit de base et le débit total), la profondeur de l’aquifère, la
présence de sol tourbeux, la profondeur de la couche faiblement perméable, la capacité de
drainage ainsi que la couche de sol qui est en moyenne trente jours par an sous eaux.
(Gustar, 1992) (Young, 2006)

Aux Etats-Unis, Kroll utilise les informations contenues dans l’USDA’s STATSGO. Il
s’agit d’une carte avec des mailles d’un kilomètre de côté couvrant l’ensemble des Etats-
Unis. STATSGO a été développée en 1994 afin d’être un support pour le management et le
suivi des ressources en eau. Pour chaque bassin versant, les moyennes des valeurs faibles
et élevées des paramètres du sol sont calculées : perméabilité, capacité d’eau disponible,
pourcentage de matière organique, épaisseur totale de sol, … (Kroll et al., 2004)

Yadav utilise quant à lui dans son étude la perméabilité des sols en les classant en
trois catégories (élevée, moyenne et faible). (Yadav et al., 2007)

La méthodologie choisie pour classer les différents types de sols présents en Région
wallonne est basée sur la méthode du Soil Conservation Service (méthode SCS).

Selon cette méthode, les sols sont répartis entre quatre groupes hydrologiques (A, B,
C et D) en fonction de leur texture, épaisseur, stratification et drainage naturel. Ces quatre
classes déterminent des plages de taux d’infiltration limite (ou capacité limite d’infiltration)
des sols nus. Une représentation schématique de ces classes est proposée à la Figure 46.
(Dautrebande et al., 2008)

Figure 46 : Plages de taux d’infiltration limite sur sol de culture (les lignes en trait
discontinu correspondent l’intervalle de variation autour de la moyenne (Dautrebande
et al., 2008) (Maidment, 1993)

Ces groupes hydrologiques sont un élément de base, permettant d’associer, dans la

méthodologie SCS, les pentes des terres, l’occupation et utilisation du sol, l’humidité du sol,
etc., pour aboutir in fine à définir un paramètre appelé ‘Curve Number’ (CN) en vue de
déterminer par exemple le ruissellement direct en fonction d’averses de projet, l’évolution de
l’infiltrabilité dans le cadre d’une modélisation hydrologique physiquement.

81
 La classification des différents types de sols présents en Wallonie a été réalisée dans
le cadre du projet ERRUISSOL présenté précédemment, dont l’objectif est d’établir une
cartographie du risque de ruissellement diffus. Cette carte est présentée à la Figure 4747.
(Demarcin et al., 2011) (Dautrebande et al., 2008)

Figure 47 : Groupes hydrologiques des sols : Projet ERRUISSOL

La cartographie ERRUISSOL des Groupes SCS hydrologiques de sols utilise

principalement la carte numérique des sols (1/20 000). (Veron et Bah, 2005)

B. Zones non cartographiées

Au niveau de la carte des sols de la Région wallonne, il existe des zones non
cartographiées ou des sols de type artificialisé. Ces derniers ont été mis en ‘non classés’.

Dans le cadre du projet ERRUISSOL, les séries spéciales suivantes ont également
été mises dans le groupe ‘non classés’ :

les zones de sources anthropisées ou non,

les dolines,

les mardelles,

les zones décapées mécaniquement,

les fosses d’extraction,

les terrils,

les marnières,

les remblais,

les terrains remaniés,

les tourbières exploitées,

82

les complexes non différenciés de carrières, terrils, remblais, terrains remaniés,
zones bâties et industrialisées,

les ravins ou fonds de vallons rocailleux,

les fonds de vallons limoneux.

Etant donné le caractère imperméable des zones urbanisées, ces dernières ont été
classées dans le groupe hydrologique D.

Pour ce faire, un croisement entre la carte d’occupation du sol et la carte des groupes
hydrologiques a été effectué à l’aide du logiciel ArcGis.

Les zones qualifiées ‘non classés’ de la carte des groupes hydrologiques des sols qui
se situent en zones d’habitats du territoire artificialisé (occupation du sol) sont regroupés
avec les zones de groupe hydrologique D.

C. Bassins versants transfrontaliers

Pour ce qui est des bassins versants transfrontaliers, une règle de trois a été
appliquée entre les superficies obtenues pour la partie située en Région wallonne pour
chaque groupe hydrologique et la superficie totale, les zones artificialisées n’ayant pas
encore été intégrées au groupe hydrologique D.

En ce qui concerne la partie du territoire placée dans la catégorie ‘non classés’ des
groupes hydrologiques des sols, les zones artificialisées obtenues à partir de la carte
d’occupation du sol de la Région wallonne et à partir de la carte d’occupation du sol CORINE
pour la partie hors Wallonie, ont également été regroupées dans le groupe hydrologique D.

D. Résultats

Les données de base sont donc la carte des groupes hydrologiques des sols produite
dans le cadre du projet ERRUISSOL et les bassins versants des stations de mesures.

La Figure 4848 présente les différentes étapes de l’extraction des cours d’eau
présents au sein d’un bassin versant. La fonction ‘Clip’ du logiciel ArcGIS a été utilisée.

83
 Figure 48 : Détermination de la proportion de différents types de groupes
hydrologiques de sol pour les bassins versants des stations de mesures

Le pourcentage des différents groupes hydrologiques a ensuite été déterminé pour

les bassins des stations de mesures retenues dans le cadre de cette étude. Les résultats
sont présentés en Annexe 12.

La Figure 4949 présente les moyennes par groupe hydrologique de sol par bassin
versant regroupant les différentes stations de mesures sélectionnées y appartenant.

Figure 49 : Groupes hydrologiques des sols : Moyenne par bassin versant

Il ressort quelques particularités de ce graphique. En effet, les bassins versants du

Geer, de la Gette, de la Haine et de la Mehaigne ont une proportion relativement importante
du groupe hydrologique A, c’est-à-dire avec une bonne capacité d’infiltration.

84
 Les bassins de l’Amblève, de la Chiers, de l’Escaut et du Viroin ont quant à eux une
proportion de classe C assez élevée (supérieure à 30 %) par rapport aux autres bassins
versants.

L’objet appelé ‘moyenne’ en abscisse représente la moyenne générale par groupe

hydrologique pour l’ensemble des stations de mesures retenues dans le cadre de cette
étude.

4.2.9 Données climatiques : Précipitations et températures

A. Introduction

Les précipitations retenues dans le cadre de cette étude sont les moyennes
annuelles et les moyennes saisonnières calculées du mois d’octobre à avril pour la période
hivernale et de juillet à septembre pour la période estivale. (Laaha et Blöschl, 2006)

Les précipitations moyennes annuelles sont calculées pour l’année hydrologique qui
s’étend du 1er octobre au 30 septembre de l’année qui suit.

Les précipitations moyennes couvrant les mois d’octobre à avril permettent d’identifier
l’apport en eau durant la période de recharge des nappes tandis que celles couvrant la
période estivale (juillet à septembre) permettent de quantifier un déficit hydrique. Le mois de
mai n’a pas été pris en considération car il joue généralement le rôle de charnière entre le
printemps et la période estivale.

Les températures utilisées dans le contexte de l’étiage sont celles couvrant les mois
de juillet à septembre. En effet, l’évaporation et l’évapotranspiration sont directement liées à
la température.

B. Méthodologie

Pour obtenir les précipitations représentatives des différents bassins versants des
stations de mesures sélectionnées, les résultats fournis par le module relatif à l’hydrologie du
modèle EPIC sont utilisés.

Les données d’entrée du modèle sont les précipitations journalières fournies par le
Service d’Etudes hydrologiques du Service public de Wallonie – Direction générale
opérationnelle Mobilité et Voies hydrauliques pour la période couvrant les années allant de
1951 à 2005.

Les données de températures journalières sont issues du réseau de mesure

climatologique de l’Institut royal météorologique. Ces données ont été acquises par le
Service public de Wallonie pour la période allant de 1971 à 2005.

Les données subissent un pré-traitement ayant un double objectif. Le premier

consiste à associer chaque maille élémentaire du bassin versant à une ou plusieurs stations
de mesures pluviométriques. Le deuxième objectif a pour but de compléter les données
manquantes. (Sohier, 2011)

La méthodologie utilisée par le modèle EPIC est celle des polygones de Thiessen qui
permet d'estimer des valeurs pondérées en prenant en considération chaque station
météorologique. Elle affecte à chaque station une zone d'influence dont l'aire, exprimée en

85
%, représente le facteur de pondération de la valeur locale. Les différentes zones d'influence
sont déterminées par découpage géométrique du bassin sur une carte topographique. La
valeur moyenne pondérée Moy pour le bassin, se calcule alors en effectuant la somme des
valeurs Xi de chaque station, multipliées par leur facteur de pondération (aire Ai), le tout
divisé par la surface totale A du bassin.

Par exemple, la précipitation moyenne sur le bassin s'écrit :

Pmoy =
∑AP i i

avec :

Pmoy : précipitation moyenne sur le bassin,

A : aire totale du bassin (=∑Ai),

Pi : précipitation enregistrée à la station i,

Ai : superficie du polygone associée à la station i.

C. Résultats

Les résultats de l’agrégation des données climatiques pour les différents bassins
versants des stations de mesures, à savoir les précipitations moyennes annuelles (P), les
précipitations moyennes pour la période allant d’octobre à avril (PH), les précipitations (PE)
durant la période estivale (juillet à septembre) et la température moyenne de juillet à
septembre (TE), sont présentés en Annexe 13.

La Figure 5050 présente les moyennes des différents paramètres liés aux
précipitations par bassin versant pour les stations de mesures sélectionnées.

Figure 50 : Précipitations : Moyennes par bassin versant (1971 – 2005)

86
 La Figure 5151 présente les précipitations moyennes annuelles, estivales (juillet –
septembre) et hivernales (octobre – avril). A partir de celles-ci, on observe une augmentation
des quantités d’eau tombées sur l’axe Nord-ouest Sud-est. Seule une diminution a lieu entre
la Région des Ardennes et la Lorraine.

Figure 51 : Cartes des précipitations (moyennes annuelles, estivales et hivernales)

La Figure 5252 présente quant à elle, les températures moyennes calculées de juillet
à septembre. On y observe une faible variation entre les bassins versants (environ entre 15
et 17 °C).

87
 Figure 52 : Température : Moyenne par bassin versant (1971 – 2005)

4.2.10 L’évapotranspiration

L’évaporation se produit lors de la transformation de l’eau en vapeur. L’évaporation

se produit aussi bien au niveau des plans d’eau que du sol. Lorsque l’eau transite par les
plantes, on parle alors de transpiration. Le terme évapotranspiration regroupe l’évaporation
et la transpiration.

La quantification du phénomène d’évapotranspiration passe par l’estimation de la

disponibilité en eau dans le sol et une demande évaporatoire de l’atmosphère. Le stade de
développement de la végétation influence également l’évapotranspiration.

En effet, par rapport à un sol nu, la résistance aérodynamique du couvert végétal

limite la demande évaporatoire de l’atmosphère.

L’évapotranspiration potentielle est l’évapotranspiration d’une végétation courte

couvrant parfaitement le sol, d’extension infinie, en phase de croissance active, le sol étant
bien alimenté en eau. Elle est fonction de la demande climatique évaporatoire et des
caractéristiques de la surface évaporante (albédo, hauteur de rugosité). Cette
évapotranspiration potentielle est donc comparée à une évapotranspiration de référence qui
est généralement calculée pour le gazon court. Dans le cas de l’évaporation potentielle, la
référence est un bac d’eau normalisé. (Sohier, 2011)

L’estimation de l’évapotranspiration potentielle est réalisée à l’aide du modèle

hydrologique EPICgrid, La méthode retenue est basée sur le bilan énergétique, et plus
particulièrement les formules de Penman.

Ces formules font intervenir des données climatiques comme par exemple la
température, le rayonnement solaire journalier, la vitesse du vent moyenne journalière,
l’humidité relative de l’air, …

88
 Afin de déterminer l’évapotranspiration d’un bassin versant ces données climatiques
doivent être, au préalable, complétées et spatialisées, ce qui est réalisé dans le modèle
EPIC à l’aide du module hydrologique et selon la méthode des polygones de Thiessen,
(Hingray et al., 2009) (Maidment, 1993)

L’Annexe 14 présente les résultats obtenus à partir des simulations réalisées à l’aide
du modèle EPICgrid pour l’évapotranspiration potentielle calculée de juillet à septembre. Les
moyennes et les écarts-type associés sont calculés de l’année 1967 à 2005.

La Figure 5353 présente les moyennes par bassin versant de l’évapotranspiration

potentielle obtenues pour la période allant du mois de juillet au mois de septembre pour
l’ensemble des stations de mesures retenues.

Figure 53 : Evapotranspiration potentielle : Moyenne par bassin versant (1971 – 2005)

4.2.11 Recharge des nappes

La percolation est le phénomène par lequel l’eau qui s’infiltre à la surface du sol se
déplace ensuite de couche en couche de sol jusqu’à arriver au niveau des nappes.

Les résultats sont obtenus à l’aide du module hydrologique du modèle EPICgrid et les
simulations ont été réalisées pour la période allant de 1967 à 2005.

Ce paramètre permet d’estimer la recharge des nappes. Il s’agit d’un paramètre

relativement important. En effet, durant la période estivale, le débit d’un cours d’eau est
généralement équivalent au débit de base qui peut être défini comme étant le débit restitué
par l’eau souterraine. (Hingray et al., 2009) (Maidment, 1993) (Sohier, 2011)

« La composante de percolation du modèle EPIC utilise une technique de ‘routage’

où chaque couche de sol est considérée comme un réservoir. La percolation apparaît à
chaque fois que la capacité au champ est dépassée pour une couche donnée. L’eau est

89
donc drainée hors de cette couche jusqu’à ce l’on atteigne de nouveau la capacité au
champ. » (Sohier, 2011)

La détermination de la percolation fait appel à différents paramètres comme par

exemple la teneur en eau à la capacité au champ de la couche considérée, la porosité de la
couche, la conductivité hydraulique à saturation, pourcentage en argile, …

La moyenne inter-annuelle de la percolation et l’écart-type associé exprimé en mm

pour le bassin versant de chacune des stations de mesures sélectionnées sont présentés en
Annexe 15 .

La Figure 5454 présente les résultats par bassin versant. La moyenne a été réalisée
entre les stations de mesures retenues d’un même bassin versant pour la moyenne inter-
annuelle de la percolation.

Une grande disparité peut être observée entre les bassins versants. En effet, des
valeurs faibles en recharges (inférieures à 100 mm) sont obtenues pour les bassins de la
Dendre, de l’Amblève, de l’Escaut, de la Sambre, du Viroin et de l’Hermeton. A contrario, des
valeurs élevées (supérieures à 180 mm) sont calculées pour les bassins de la Chiers, de la
Dyle, du Geer, de la Gette, de la Haine et de la Meuse aval.

La variation des valeurs obtenues pour la percolation entre les bassins versants
s’explique d’une part par la nature différente des formations géologiques qui caractérisent le
sous-sol et d’autre part, par la variabilité des précipitations au sein de la Wallonie. (Sohier,
2011) A titre d’exemple, nous pouvons observer que la recharge des nappes est plus faible
dans les grés et schistes du bassin du massif ardennais (Amblève) alors qu’elle est plus
importante pour les sables du bassin de la Dyle.

Figure 54 : Percolation moyenne annuelle : Moyenne par bassin versant (1971 – 2005)

90
4.2.12 Hydrogéologie

A. Introduction

Dans l’étude de Kroll (Kroll et al., 2004) réalisée pour les Etats-Unis, l’hydrogéologie est
représentée par le ‘Base Flow Index’ et par une constante de récession du débit de base. La
géologie est quant à elle représentée par la perméabilité, la proportion de matière organique,
la quantité d’eau disponible et l’épaisseur totale du sol. L’ensemble de ces données sont
disponibles sous forme cartographique.

En Autriche, la géologie est présentée sous forme de pourcentage de différentes

couches (Quaternaire, Tertiaire, Calcaire, …). (Laaha et Blöschl, 2006)

Par contre dans l’étude de régionalisation réalisée dans le nord-ouest de l’Italie par
Vezza (Vezza et al., 2010), aucune caractéristique géologique n’a été retenue.

Par définition, le tarissement représente la phase d’écoulement d’un cours d’eau ou

d’une source correspondant à la décroissance régulière du débit en l’absence de tout apport
météorique et d’intervention humaine. (Dacharry, 1997)

Les données géologiques utilisées dans un contexte de régionalisation des débits

d’étiage dans le sud-ouest de l’Allemagne proviennent d’une base de données disponible
auprès de la Commission européenne. Il s’agit des proportions de formations géologiques
(Jurassique noir, Jurassique brun, Tertiaire, Mésozoïque alpin, …) et de la capacité en eaux
souterraines (abondant à faible) également exprimée en pourcentage de territoire. (Schreiber
et Demuth, 1997)

Afin de caractériser l’apport d’eau provenant des nappes en période estivale, le

coefficient de tarissement est déterminé à partir du rythme de décroissance du débit du
cours d’eau observé au niveau des stations de mesures sélectionnées.

L’expression analytique de base pour étudier le phénomène de récession est la

fonction d’écoulement :

Q = Q(t )

dans laquelle, Q est une proportion de débit et t, le temps. (Tallaksen, 1995)

Il existe différentes techniques en fonction des auteurs pour déterminer cette relation
soit théorique, soit empirique.

Selon Boussinesq (1877), l’équation de récession peut s’exprimer comme étant :

−t
Qt = Q0 .e C

dans laquelle, Qt est le débit au temps t, Q0 est le débit au début du tarissement et t,

le temps écoulé depuis l’origine du tarissement. C est une constante obtenue à partir de
l’équation et de t0,5 qui est le temps nécessaire pout diminuer de moitié le débit (Tallaksen,
1995) (Martin, 1973) (Boussinecq, 1877) :

t 0, 5
C=− .
1
ln 
2
91
 Horton propose la relation suivante, dans laquelle a2 et m sont des
constantes (Tallaksen, 1995) :

Qt = Q0 .e − a2t .
m

Une des formules les plus couramment utilisées est celle qui admet la décroissance
exponentielle du débit en fonction du temps. La formule utilisée dans le cadre de ce travail
est celle de MAILLET :

Qt = Q0 .e −αt

dans laquelle, Qt est le débit au temps t, Q0 est le débit au début du tarissement et t,

le temps écoulé depuis l’origine du tarissement. Le paramètre α représente le coefficient de
tarissement (ou de récession). (Lang et Gille, 2006)

Au final, l’ensemble des formules permettent de calculer le débit Qt à l’instant t en

fonction du débit Q0 au début du tarissement.

L’extraction des épisodes de tarissement consiste à sélectionner les périodes de

décroissance de débit en l’absence de l’influence des précipitations.

Plusieurs auteurs proposent des solutions globales, c’est-à-dire qui déterminent une
relation pour la fonction de récession sur l’ensemble des données de débit d’un cours d’eau
d’une année considérée. Elle consiste à relier les faibles débits d’un hydrogramme s’alignant
sur une droite en échelle semi-logarithmique. Cette méthode a comme inconvénient
d’intégrer des périodes de remontée du débit liée à des évènements pluvieux (faibles ou
importants).

Or, dans nos régions, les périodes de récession sont régulièrement interrompues par
des épisodes pluvieux.

C’est pourquoi plusieurs méthodes proposent de calculer une courbe de récession

par évènement de récession. L’objectif est d’établir une courbe de récession moyenne.

Plusieurs méthodes de construction de ces courbes moyennes ont été proposées par
différents auteurs : la méthode des tabulations, la méthode des corrélations et la méthode
‘matching strip’. (Tallaksen, 1995) (Lang et Gille, 2006)

La méthode des tabulations, rarement utilisée à l’heure actuelle, consiste à

tabuler/lister et à déplacer les périodes de récession jusqu’à ce que les débits correspondent
approximativement, et les débits moyens sont calculés pour chaque pas de temps de la
période de récession. (Tallaksen, 1995)

Dans la méthode ‘matching strip’, les périodes de récession sont mises en graphique
et ajustées horizontalement jusqu’à leur recouvrement dans leur partie principale. (Tallaksen,
1995)

En ce qui concerne la méthode des corrélations, elle consiste à corréler des valeurs
de débit à pas de temps différents entre eux. Cette méthode est appliquée soit pour
déterminer une pente moyenne d’un épisode de tarissement, soit pour calculer le rapport
at=Qt/Q0 en corrélant les débits Q0 et Q à t jours (Qt), à partir des phases de récession
observées. (Lang et Gille, 2006)

92
B. Extraction des périodes de tarissement

B.1. Introduction

La détermination du coefficient de tarissement est basée sur une méthode mise au

point en France par le Centre d’Etudes géographiques de l’Université de Metz dans le cadre
d’un financement par l’Agence de l’Eau Rhin-Meuse. La zone d’étude étant proche de la
Wallonie, le climat est comparable et les bassins versants ont des caractéristiques similaires.
(Lang et Gille, 2006)

Cependant, différentes valeurs seuils ont dû être adaptées à la situation des bassins
versants situés en Région wallonne.

B.2. Extraction des séquences de récession

La première étape de la méthodologie permet d’extraire les séquences de récession,

qui correspondent, pour rappel, à des périodes durant lesquelles les débits sont décroissants
et ne sont pas influencés par les précipitations.

Comme le mentionne Tallaksen (1995), les données de débits et de précipitation sont

donc utilisées dans un premier temps pour définir les périodes de tarissement.

La méthode consiste à définir un débit seuil au-dessus duquel, les débits ne sont pas
pris en compte car ils ne sont pas représentatifs d’un tarissement. Selon la méthode, ce
débit est fixé au module. Le module étant pour rappel la moyenne des débits moyens
annuels. (Lang et Gille, 2006)

Après avoir testé cette valeur sur les données de débits journaliers de quelques
stations de mesures retenues dans cette étude, il s’est avéré qu’en prenant le module
comme seuil, des séquences de récession se situaient durant la période hivernale.

Etant donné l’objectif de ce travail qui est de caractériser l’étiage, la valeur seuil a été
abaissée au percentile75 moyen interannuel (Q75) obtenu à partir de la courbe des débits
classés pour la station de mesures considérée. Les années pour lesquelles les données de
débit étaient incomplètes n’ont pas été prises en compte dans le calcul de cette valeur.

La Figure 5555 présente l’exemple de la station de Treignes sur le Viroin pour

laquelle la sélection des séquences de récession a été réalisée avec le module et ensuite le
percentile75 moyen interannuel comme seuil.

On peut observer que les séquences situées au mois de janvier, avril et juin 2006 ne
sont plus retenues comme telle avec un seuil équivalent au percentile75 moyen.

93
 Comparaison des résultats de la sélection des séquences en
3.8
fonction du seuil de débit choisi
3.6
3.4
3.2
3.0 Seuil : Module
2.8
2.6 Seuil : Q75
2.4
Débit (m³/s)

2.2
2.0
1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
01/01/2005
31/01/2005
02/03/2005
01/04/2005
01/05/2005
31/05/2005
30/06/2005
30/07/2005
29/08/2005
28/09/2005
28/10/2005

27/12/2005
26/01/2006
25/02/2006
27/03/2006
26/04/2006
26/05/2006
25/06/2006
25/07/2006
24/08/2006
23/09/2006
23/10/2006

22/12/2006
21/01/2007
27/11/2005

22/11/2006
Figure 55 : Comparaison des résultats de la sélection des séquences en fonction du
seuil de débit choisi

Figure 56 : Exemple de sélection des séquences de récession sur base du module et

sur base du Q75 pour le Viroin à Treignes : période du 1/01/2000 au 31/12/2009

94
B.3. Définition du seuil des précipitations influençant le débit

Un seuil de précipitation, en-deçà duquel les précipitations n’influencent pas

l’écoulement, est défini. Les débits inférieurs au Q75 mais pour lesquels les précipitations
dépassent ce seuil sont donc supprimés des séquences. (Lang et Gille, 2006)

Les données de précipitations utilisées sont les données observées dans les
stations pluviométriques de l’Institut Royal Météorologique et du Service d’études
hydrologiques de la Région wallonne (SETHY), spatialisées au moyen de polygones de
Thiessens. Il s’agit des données utilisées pour la détermination des paramètres climatiques
dans le cadre de ce travail.

Deux seuils ont été testés, à savoir 1 et 2 mm/jour. La hausse du seuil des
précipitations significatives permet d’allonger les séquences (augmentation du nombre de
données journalières de débit par séquence) mais cette hausse induit fréquemment un
accroissement des débits en fin de séquence, ce qui est contraire à la définition du
tarissement.

De plus, l’utilisation d’un seuil de 2 mm/jour augmente le nombre de séquences

hivernales.

Donc, afin d’éviter une augmentation du débit dans les séquences retenues et afin
de ne pas retenir des périodes de tarissement durant la période hivernale, le seuil retenu est
de 1 mm/jour.

Figure 57 : Exemple d'accroissement des débits en fin de séquence pour le Viroin à

Treignes au mois de juin 2000

B.4. Définition de la durée minimum d’une séquence de tarissement

De plus, afin de ne pas tenir compte des périodes de récession trop courtes, une durée
minimum est fixée à 5 jours. Selon Tallaksen, la durée minimum choisie doit dépendre de la
durée moyenne des sécheresses dans la région et varie le plus souvent entre 4 et 10 jours.
(Lang et Gille, 2006) (Tallaksen, 1995)

95
B.5. Définition du début de la séquence de tarissement

Toujours selon Tallaksen, le début des séquences de tarissement est habituellement

supprimé dans le but d’éviter l’influence des flux de surface après précipitation. Le nombre
de valeurs de débit à supprimer dépend du temps de réponse typique du bassin versant.
(Tallaksen, 1995)

Deux procédures sont utilisées pour définir ce début de séquence.

Dans un premier temps, afin que les débits sélectionnés ne soient plus influencés par
les précipitations, un temps de ressuyage minimum est déterminé pour chaque station de
mesures entre la fin de l’épisode pluvieux et le début de la séquence. Le temps de
ressuyage est déterminé à partir de la superficie du bassin versant à l’aide de la formule
communément utilisée (Rutledge, 1998) (Sloto et Crouse, 1996) :

TR = A 0, 2

dans laquelle TR est le temps de ressuyage exprimé en jours et A la superficie du

bassin versant exprimée en km². Le temps de ressuage obtenu est arrondi à la valeur entière
supérieure (pas de temps journalier).

La Figure 5858 présente les temps de ressuyage obtenus pour chaque station de
mesures sélectionnée.

Temps de ressuyage obtenus pour l'ensemble des stations de mesure sélectionnées

5

4
Temps de ressuyage (jours)

0
Bersillies-l'abbaye
Sainte-marie
Hastière

Baillonville
Brugelette
Baisieux

Wanze

Upigny
Bergilers amont
Boussoit

Aiseau

Thy-le-Château
Nismes

Wihéries

Treignes
Resteigne

Rhisnes

Isières

Hamoir
Marbehan

Ambresin
Bierges

Ochamps

Our
Graide
Bruly

Erneuville
Tintigny

Tintigny

Dalhem
Suzeril
Straimont
Ath

Couvin

Amougies
Felenne

Ruette
Martelange

Athus

Lorcé

Lavaux-Sainte-Anne
Tubize (Ripain)
Warnant

Walcourt

Grupont
Moha
Daverdisse

Latour

Eprave
Opheylissem

Gedinne
Membre pont
Irchonwelz

Cerfontaine

Modave

Trois-ponts
Ronquières
Mariembourg

Harnoncourt

Figure 58 : Temps de ressuyage obtenu pour l’ensemble des stations de mesures

On peut observer que le temps de ressuyage est compris entre 1 jour et 3,5 jours
sauf pour la station de Membre sur la Semois (4,15 jours pour une superficie de bassin
versant d’environ 1220 km²). (Lang et Gille, 2006)

96
 Il est à remarquer que seules les séquences qui contenaient au minimum quatre
données ont été retenues car cela permettait ainsi le calcul de la pente à partir des trois
dernières données.

Dans un second temps, la méthode qui permet de déterminer le débit de départ Q0 de

la période de récession repose sur les derniers débits de l’épisode. La pente de la séquence
est calculée sur les trois dernières valeurs de débit de celle-ci, et ensuite extrapolée vers les
jours antérieurs (Figure 5959). Lorsque l’écart entre les débits extrapolés et les débits
observés est supérieur à 1,5 pourcent, ils sont supprimés de la séquence de tarissement.
(Lang et Gille, 2006)

Figure 59 : Méthodologie de détermination du début des séquences de tarissement

Afin de vérifier si les séquences retenues sont plus longues avec une modification du
seuil, une variation du seuil de (1, 2 et 3%) est réalisée pour quelques stations de mesures
retenues dans cette étude. Les différences au niveau du débit de départ étaient minimes. La
valeur de 1,5% recommandée par Lang et Gille (Lang et Gille, 2006) a donc été appliquée.

Malgré les différents tris opérés, des séquences comprenant des valeurs successives
croissantes peuvent être observées. Lorsque celles-ci apparaissent en fin de séquence, la
pente calculée est négative. Dès lors, les dernières valeurs de la séquence sont supprimées,
jusqu’à ce que la pente recalculée soit positive.

Enfin, parmi ces séquences, seules celles comportant au minimum 3 valeurs de débit
ont été prises en considération.

L’ensemble de la procédure de détermination des périodes de récession a été

automatisée à l’aide d’un algorithme écrit au moyen d’une macro en langage VBA (Visual
Basic for Applications) dans Excel.

C. Construction de la courbe maîtresse de tarissement

Pour rappel, trois méthodes existent pour construire la courbe maîtresse, à savoir la
méthode des tabulations, la méthode ‘matching strip’ et la méthode des corrélations.

97
 C’est sur base de cette dernière qu’est basée la méthodologie mise en place au sein
de l’Université de Metz (Lang et Gille, 2006). De plus, c’est souvent cette méthode des
corrélations qui est préférée car elle élimine la variable de temps t de l’analyse. (Tallaksen,
1995)

La méthode des corrélations consiste à corréler des valeurs de débits à pas de temps
différents entre eux. Elle permet de calculer la pente moyenne de la période de tarissement.

L’application de cette méthode par Lang C. (Lang et Gille, 2006) a conduit à

proposer les démarches suivantes pour la construction de la courbe maîtresse. Elle consiste
à corréler, pour l’ensemble des séquences de chaque station, tous les débits Q0 avec les
débits Qt pour chaque valeur de t allant de 1 à tmax (durée maximum des séquences).

Après avoir extrait les N séquences de tarissement pour la Salm à Trois-Ponts, le

Tableau 17 montre l’évolution du débit en fonction de la durée pour chaque séquence.

Tableau 17 : Séquences de tarissement obtenues pour la station de Trois-Ponts sur la

Salm
Séquences
Jour
1 2 3 4 5 6 7 … N–4 N-3 N-2 N-1 N
0 1.193 1.169 1.081 0.95 0.582 0.735 1.172 1.002 0.717 0.616 0.871 1.192
1 1.184 1.137 1.038 0.88 0.572 0.719 1.15 0.964 0.690 0.584 0.855 1.130
2 1.200 1.109 1.014 0.835 0.564 0.700 1.119 0.927 0.681 0.579 0.840 1.082
3 1.179 1.11 0.975 0.814 0.558 0.690 1.065 0.879 0.664 0.579 0.826 1.037
4 1.139 1.099 0.954 0.783 1.031 0.858 0.667 0.569 1.007
5 1.074 0.778 1.026 0.552 1.000
6 1.066 0.785 1.009 0.976
7 0.768 1.001 0.975
8 0.734 0.994 0.944
9 0.719 0.967 0.926
10 0.963 0.886
11 0.952 0.870
12 0.892 0.830
13 0.909 0.808
14 0.912

Pour chaque graphique de corrélation Qt - Q0, une droite de régression est ajustée
au nuage de points. La Figure 6060 présente le calcul pour un débit à un jour. Le débit au
temps t0 correspond à la première ligne du Tableau 17 et le débit à un jour (Q1) à la
deuxième ligne.

98
 Figure 60 : Graphique de corrélation entre Q0 et Q1 pour la station de Trois-Ponts sur
la Salm

Le rapport at=Qt/Q0 correspondant à la pente de la droite de régression peut donc

être calculé pour les durées allant de 1 jour à tmax.

Le Tableau 18 présente les rapports at pour la station de Trois-Ponts sur la Salm

ainsi que les coefficients de détermination R² correspondants.

Le coefficient de détermination R² permet d’apprécier la qualité d’un modèle de

régression. Il est calculé à partir de la formule suivante :

SCE Modèle
R² = .
SCETotale

Le coefficient de détermination R² est toujours compris entre 0 et 1 étant donné que

la somme des carrés des écarts du modèle SCEModèle est toujours inférieure à la somme des
carrés des écarts totale SCETotale.

Sur le graphique des valeurs prédites en fonction des valeurs observées, si

l’ensemble des points sont alignés sur la droite x=y, nous obtenons une SCEErreur égale à 0.
Dans ce cas, le coefficient de détermination R² vaut 1 (SCETotale = SCEModèle).

Une valeur de R² faible signifie que le modèle de régression obtenu a un faible

pouvoir prédictif.

99
 Tableau 18 : Calcul du rapport at pour chaque durée t
T (jour) at R²
0 1
1 0.968 0.990
2 0.951 0.990
3 0.926 0.979
4 0.903 0.971
5 0.890 0.973
6 0.876 0.937
7 0.858 0.897
8 0.846 0.875

A titre d’exemples, le rapport at correspondant à une durée de 1 jour signifie que l’on
a une diminution d’environ 3 % du débit après le premier jour, le débit à 1 jour ne valant plus
que 97% du débit de départ. De la même manière, au bout de 8 jours, on observera une
diminution d’environ 15 % du débit.

La décroissance de ces rapports lorsque le nombre de jours augmente, peut être

considérée comme représentant le tarissement.

Les rapports at sont calculés pour la durée du tarissement maximum observée pour la
station de mesures considérée sachant qu’au-delà d’un certain nombre de jours, l’échantillon
ne permet plus de calculer une valeur de at représentative.

La Figure 6161 présente les durées minimum, maximum, médiane ainsi que le
percentile90 de l’ensemble des séquences de tarissement sélectionnées pour l’ensemble
des stations de mesures. Il est à remarquer que le percentile90 se situe aux alentours de 10
jours en moyenne pour l’ensemble des stations de mesures.

Figure 61 : Durées minimum, maximum, médiane et percentile90 des séquences

tarissement

100
 Pour la construction de la courbe maitresse, c’est-à-dire d’une courbe moyenne de
tarissement, les valeurs de at retenues sont toutes les valeurs décroissantes pour autant que
le R² correspondant reste aux alentours d’une valeur acceptable. De plus, l’ajustement de
l’exponentielle réalisé ultérieurement devra être correct, c’est-à-dire avec un coefficient de
détermination supérieur à 0,8. (Lang et Gille, 2006)

Les valeurs de at retenues sont mises en relation avec la durée t et la courbe

maîtresse est obtenue en ajustant une courbe de type exponentielle, qui correspond à la loi
de Maillet dans laquelle α est le coefficient de tarissement et t la durée de celui-ci :

a t = e − αt .

La Figure 6262 présente les résultats de l’ajustement d’une courbe exponentielle sur
les rapports at en fonction de la durée de l’évènement de récession pour la station de Trois-
Ponts sur la Salm.

Figure 62 : Application de la loi de Maillet pour la station de mesures de Trois-Ponts

sur la Salm

Le coefficient de tarissement obtenu pour cet exemple vaut 0,022.

D. Résultats

Les coefficients de tarissement obtenus pour chaque station de mesures sélectionnée

sont présentés en Annexe 16. Les valeurs les plus faibles obtenues pour le coefficient de
tarissement signifient que l’on a un soutien à l’étiage par les nappes plus important que pour
les stations de mesures dont le coefficient de tarissement est élevé.

Le coefficient de détermination R² obtenu lors de l’application de la loi de Maillet est

également présenté pour chaque station de mesures.

101
E. Interprétation des résultats

La Figure 6363 présente les résultats obtenus pour le coefficient de tarissement avec
les sept formations aquifères principales en Région wallonne.

Figure 63 : Aquifères et coefficients de tarissement en Région wallonne

Les bassins versants pour lesquels les valeurs les plus élevées sont obtenues pour le
coefficient de tarissement, se situent au niveau du socle Cambro-Silurien. Ce dernier affleure
en deux régions de l'Ardenne ainsi qu'au nord dans le Massif du Brabant. Les formations
sont principalement constituées de schistes, phyllades, quartzophyllades et quartzites
fissurés. Une des caractéristiques de cette formation aquifère qui couvre une grande partie
de la carte de la Wallonie, est qu’il possède une faible capacité de rétention et peut même
s'assécher par endroit en été.

C’est le cas de bassins versants du Viroin, de la Houille, de la Rulles et de la Semois

à partir de la confluence de cette dernière, de l’Amblève, de l’Ourthe et de la Sambre. Dans
le Hainaut, les bassins de la Senne et de la Dendre ont également des valeurs élevées du
coefficient de tarissement.

Les calcaires du Primaire regroupent les Calcaires carbonifères et dévoniens du Bord

Nord et Sud du Synclinorium de Namur, du Synclinorium de Dinant et du bassin de la
Vesdre. Il s’agit de l’aquifère le plus important en Wallonie, il se prolonge au-delà de la
frontière vers la France et la Flandre.

On peut observer un coefficient de tarissement faible pour les stations de mesures

dont le bassin versant est situé sur ce socle comme par exemple la Molignée, le Hoyoux, le
Néblon, la station de Resteigne sur la Lesse ou encore pour la Dendre orientale.

102
 En Wallonie, on retrouve les formations du Secondaire Jurassique au niveau de la
Gaume (sud de la Province de Luxembourg). Ce socle regroupe un ensemble de roches de
différents types : calcaire, sable ou grès. Cette formation aquifère consiste en une alternance
de couches perméables (calcaires et sables gréseux) et imperméables (marnes ou sables
schisteux). Les valeurs observées du coefficient de tarissement sont classées de faibles à
moyennes.

Les craies du Secondaire Crétacé renferment différentes nappes comme par

exemple : Craies de Hesbaye, Craies captives du Brabant, Craies du pays de Herve, Craies
du Bassin de Mons.

Les valeurs du coefficient de tarissement observées pour les bassins versants dont le
socle est de la craie du Secondaire Crétacé sont faibles (Baisieux, Bergilers, Ambresin et
Boussoit).

Les sables du Tertiaire comprennent les Sables bruxelliens et les Sables du

Landénien et de l'Yprésien. En ce qui concerne la formation des Sables bruxelliens, elle est
constituée de roches meubles (sables quartzeux, concrétions gréseuses et sables et grès
calcarifères) et se situe essentiellement dans le Brabant wallon où le réseau hydrographique
joue le rôle d'axes de drainage (Dyle, Gette et Senne).

Sur base des valeurs obtenues pour le coefficient de tarissement calculé pour les
différents bassins versants des stations de mesures retenues dans le cadre de cette étude,
on peut établir un classement en fonction de la composition du sous-sol.

Pour chaque station bassin versant des stations de mesures, une formation aquifère
a été attribuée en fonction de la plus grande superficie de recouvrement du bassin versant
de surface ou en fonction d’une particularité hydrogéologique. Il est à remarquer qu’il faut
être prudent étant donné que le bassin versant d’une station de mesures peut être différent
de son bassin hydrogéologique.

Les aquifères de compositions semblables ont été regroupées comme par exemple
les calcaires du primaire et les craies du Secondaire Crétacé.

Les résultats sont présentés sous forme chiffrée dans le Tableau 19 et sous forme
graphique à la Figure 6464. La longueur du rectangle est délimitée par les percentiles 25 et
75 des coefficients de tarissement du groupe considéré. Le trait horizontal au sein de la box
présente la médiane tandis que les traits verticaux indiquent les valeurs minimum et
maximum

Tableau 19 : Coefficients de tarissement obtenus par aquifère

-1
Coefficient de tarissement (jour )
Composition de l’aquifère
Minimum Moyen Maximum Ecart-type

Sables tertiaires 0.0040 0.0113 0.0250 0.0118

Calcaires primaires et craies du secondaire 0.0020 0.0111 0.0250 0.0047

Calcaires jurassiques 0.0080 0.0124 0.0200 0.0046

Schistes-grès du Dévonien et socle cambro-silurien 0.0150 0.0273 0.0540 0.0097

103
 Figure 64 : Coefficients de tarissement minimum, moyen et maximum par type de
composition d’aquifère

On peut observer que les sables du Tertiaire engendrent les valeurs moyennes les
plus faibles pour le coefficient de tarissement (0,008 jour-1) tandis que le socle cambro-
silurien et les massifs schisto-gréseux du Dévonien donnent des valeurs les plus élevées de
ce même coefficient (0,026 jour-1). La valeur maximum est obtenue pour la station de
mesures de Marbehan (0,054 jour-1).

Cela signifie que nous avons un soutien à l’étiage plus important par les formations
aquifères des sables du Tertiaire, des calcaires du Primaire et des craies du Secondaire
Crétacé. A l’opposé, on observe un tarissement rapide pour les bassins versants
surplombant le socle cambro-silurien et les massifs schisto-gréseux du Dévonien.

Selon la méthode proposée en France par le Centre d’Etudes géographiques de

l’Université de Metz dans le cadre d’un financement par l’Agence de l’Eau Rhin-Meuse, les
résultats montrent que les substrats gréseux engendrent une vidange plus lente des nappes
à l’inverse des sous-sols composés de marne et d’argile. Le Tableau 20 présente la
classification réalisée dans le cadre de cette étude.

Tableau 20 : Résultats issus de l’étude des coefficients de tarissement obtenus en

France (Lang et Gille, 2006)
Substrat perméable Substrat imperméable

Grès Calcaire Granite Marne et argile

α de 0.023 à 0.029 α de 0.031 à 0.040 α de 0.070 à 0.080 α de 0.080 à 0.098

La différence principale entre les résultats obtenus dans le cadre de l’étude ci-dessus
et notre recherche se situe principalement autour du fait que les valeurs du coefficient de
tarissement pour les régions dont le substrat est de type calcaire sont supérieures aux
104
valeurs obtenues pour les substrats de type gréseux. L’explication se trouve dans le type de
sous-sol. En effet, en Wallonie, les régions calcaires constituent essentiellement des zones
karstiques tandis qu’en France il s’agit de grands plateaux dont la perméabilité est moindre.

4.3 Définition des zones homogènes

4.3.1 Introduction

Dans le début de ce présent chapitre, l’ensemble des paramètres qui seront utilisés
pour la définition des zones homogènes ont été déterminés.

Pour rappel, cette définition des zones homogènes est réalisée à l’aide de la
classification numérique qui a pour objectif de subdiviser un ensemble de n individus en un
nombre k de groupes. Cette subdivision est réalisée à partir des observations relatives à p
variables. (Hingray et al., 2009)

Pour rappel, les variables utilisées pour cette analyse sont :

• altitude (m) : Alt,

• coordonnées Lambert (m) : X et Y,
• superficie (km²) : Sup,
• densité de drainage (km/km²) : DD,
• percentile 10 des pentes (%) : Pente10,
• médiane des pentes (%) : Pente50,
• percentile 90 des pentes (%) : Pente90,
• proportion des territoires artificialisés (%) : Terr_Artif,
• proportion des forêts (%) : Forets,
• proportion des terres arables (%) : Terres_arables,
• proportion des cultures permanentes (%) : Cult_perma,
• proportion des surfaces enherbées (%) : Surf_enherb,
• proportion de sol du groupe hydrologique A (%) : Sol A,
• proportion de sol du groupe hydrologique B (%) : Sol B,
• proportion de sol du groupe hydrologique C (%) : Sol C,
• proportion de sol du groupe hydrologique D (%) : Sol D,
• proportion de sol non classé dans un groupe hydrologique (%) : SolNC,
• précipitations moyennes inter-annuelles (mm) : P,
• précipitations moyennes hivernales (d’octobre à avril, mm) : PH,
• précipitations moyennes estivales (de juillet à septembre, mm) : PE,
• température moyenne estivale (°C) : TE,
• évapotranspiration potentielle (mm) : ETP,
• percolation moyenne inter-annuelle (mm) : Perco,
• coefficient de tarissement (jour-1) : CT.

4.3.2 La classification numérique

A. Notion de distance

Afin de déterminer si des individus sont proches ou éloignés lors de la définition des
zones homogènes à l’aide de la classification numérique, on étudie la ressemblance des
individus. Cette dernière est quantifiée à l’aide de la notion de distance euclidienne dii’ qui est
obtenue à l’aide de la formule suivante :

105
 ∑ (x − xi ' j ) ,
p
d ii ' =
2
ij
j =1

xij étant l’observation relative à la variable j sur l’objet i.

La distance entre deux groupes d’objets peut également être calculée. Cette distance
peut être définie de différentes manières.

C D

Figure 65 : Représentation schématique de deux groupes d’objets

La distance entre les deux groupes présentés à la Figure 6565 est :

La distance minimum, qui est la distance entre les deux objets les plus proches,
c’est-à-dire dBC ;

La distance maximum, qui est la distance entre les deux objets les plus éloignés,
c’est-à-dire dAD ;

La distance moyenne, qui et la moyenne quadratique des distances entre toutes
les paires :

d moy = (d AC
2
+ d AD
2
+ d BC
2
+ d BD
2
).

B. Coefficient R²

La variabilité totale est le résultat de la somme de la variabilité entre les groupes et

de la variabilité au sein des groupes.

La variabilité entre les groupes est obtenue en calculant la somme des carrés des
écarts entre les moyennes des groupes et la moyenne générale :

( )
y
SS BETWEEN = ∑ ni xi − x
2

i =1

avec,

ni = nombre d’individus dans les groupes,

x = moyenne générale,
x i = moyenne du groupe avec i variant de 1 à y.

106
 La variabilité au sein du groupe est obtenue à partir de la somme des carrés des
écarts entre les valeurs observées et la moyenne du groupe :

(
 ni
)

y
SSWITHIN = ∑ ∑ xij − xi 
i =1  j =1 

avec,

ni = nombre d’individus dans les groupes,

x i = moyenne du groupe avec i variant de 1 à y.

La variabilité totale est la somme des SSBETWEEN et des SSWITHIN.

Le coefficient R² peut être défini comme étant le rapport entre la somme des écarts
globale entre les groupes et la somme des carrés des écarts globale totale. Ce coefficient
permet d’obtenir la proportion de l’information conservée après le regroupement effectué
entre les individus.

C. Stratégie d’agrégation

Deux grands types de méthodes de classification existent. La méthode agglomérative

et la méthode divisive.

Dans le cas de la méthode agglomérative, on part de n groupes et on arrive au final à

un groupe tandis que dans le cas de la méthode divisive, on part d’un groupe et obtient n
groupes.

Dans le cadre de ce travail, la méthode hiérarchique agglomérative sera appliquée.

Cette dernière a pour principe de prendre comme point de départ la partition de n objets en n
classes d’un objet. A chaque étape ultérieure, on fusionne deux classes pour en former une
nouvelle. On obtient donc à partir de n groupes, par fusions successives, un seul groupe de
n objets. Grâce à cette méthode, on pourra rechercher les explications lors de l’ajout d’une
station de mesures au sein d’un groupe donné. (Yadav et al., 2007) (Tsakiris et al., 2011)

Différentes méthodes hiérarchiques agglomératives existent et se distinguent par la

méthode d’agrégation des groupes. Les différentes méthodes sont les suivantes :

la méthode de Ward qui se base sur le principe que la différence de R² pour deux
partitions successives soit aussi faible que possible.

la méthode du simple lien qui permet de fusionner les groupes pour lesquels la
distance minimum est la plus faible.

la méthode du lien complet à partir de laquelle on fusionne les groupes pour
lesquels la distance maximum est la plus faible.

la méthode du lien moyen où les groupes dont la distance moyenne est la plus
faible sont fusionnés.

Etant donné la nature quantitative de toutes les variables, la stratégie d’agrégation

adoptée est l’algorithme de Ward. De plus, cette méthode est couramment utilisée dans le
cadre de travaux de régionalisation dans le domaine de l’hydrologie. (Nathan et McMahon,
1992) (Gwo-Fong et Lu-Hsien, 2006) (Ramachandra Rao, 2006)

107
 D’autres stratégies ont été testées mais les classes obtenues sont moins cohérentes
d’un point de vue hydrologique. La méthode du lien moyen donne une partition de 6 groupes
dont 3 ne sont constitués que d’une station (Figure 6666).

0.00

0.25

R
-
c
a 0.50
r
r
é

0.75

1.00
M C B F G D R G T E T E B L S T M M O G OL S T H R L A I B I T A A B R B B S R M W A U BO N H C WB WA WT M HD M
a o r e e a e r r r r p a a t i a a c r u o a i a u a t r r s u t m o o a i u h o a m p ep i a e i e a i a h o aa e
r u u l d v s u o n e r i v r n r r h a r r i n r e t h c u i b h o u n i e z i h n b i r h s s r h r r s l y d ml m
i v l e i e t p i e i a l a a t b t a i c n t n t o u h g è i u s q s r e s a z r g ge m t f é s n e c - a oh b
e i y n n r e o s u g v l u i i e e m d é t i o t u s o e r z g s u i g r n e e n i y e i o r i a a o l v i e r
m n n n d i n - v n e o x mg h l p e e g n e r n l e e i o i e e i e s y l l s e n i l n u u e e r m e
b e e i g t P i e n - o n a a s - n c w e s _ e i è u s l s i ei r t e l t r - _
o s n o l s v S n y n n M y o e t R s t r x n r s e a s i t C P
u s e n l i a t _ g a _ u l t i e s s i e h o
r e t e l i R e r S r z e p s _e n s â n
g s l n u i e t a am e - t t
e t l e m i m l e
e l o n o ' a
- e i n A u
A s s t b
n b
n a
e y
e

Localite

Figure 66 : Dendrogramme relatif à la classification en utilisant la méthode du lien

moyen

De la même manière, on obtient 4 groupes et une station isolée avec la méthode du

lien complet (Figure 6767).

108
 0.00

0.25

R
-
c
a 0.50
r
r
é

0.75

1.00
M T E B L N H C W B WA WT M H H R L A L D C B F G D R G T E O G O S M T M S T M I B A T I A B S R M WA B R B BO U
a r p a a i a e i e a i a h o a a u a t o a o r e e a e r r r c r u t a i a a i e r r t u s m i u h o a m o o a ep p
r e r i v s s r h r r s l y d m r e t h r l u u l d v s u o n h a r r r n r i n m c u h b i o e z i h n b u n i r h i
i i a l a m t f é s n e c - a o n t o u c h v l e i e t p i e a i a t t b n t b h g i è u r e s a z r s q s ge g
e g v l u e i o r i a a o l v i o t u s é e i y n n r e o s u m d i e i e t i r o e z r g g r n e e s u i i y n
m n e o x s e n i l n u u e e r n e r m n n n d i n - v p e ml g h e g e n l e e i e i e s o i e l l y
b e n - r t e l t r - c e e i g t P i s o a n a - n _ w e _ s e s l s i i è u ei
o s v S e a s i t C o s n o l n n y n M y P e t R s n t r x r s
u i a i e h u s e n l t g _ a _ o l t i e s s
r l i n s â r e t e e R r S n z e p s _e
g l n e - t t s u i e t a am
e t l e l e m i m
e ' a l o n o
- A u e i n
A b s s t
n b
n a
e y
e

Localite

Figure 67 : Dendrogramme relatif à la classification en utilisant la méthode du lien

complet

Afin d’éviter de travailler avec des groupes composés d’une seule station de
mesures, il faudrait choisir une partition en seulement 1 ou 3 groupes, ce qui peut ne pas
être représentatif de la diversité des bassins en Région wallonne.

Le nombre de classes ou groupes à retenir peut être déterminé par un grand nombre
de méthodes. Celle adoptée ici consiste à suivre l’évolution de la valeur du coefficient R². On
arrête les fusions avant le regroupement qui engendre une diminution importante de ce
coefficient, c’est-à-dire lorsque SSBETWEEN est très faible et SSWITHIN est très élevé.

D. Préparation des données

Afin de rendre les différentes variables comparables, il faut éliminer le facteur

d’échelle comme par exemple lorsque les unités sont différentes. Pour ce faire, on effectue
une standardisation des données à l’aide de la formule suivante :

( yij − y j )
x = (i = 1, …, n ; j = 1, …, p)
ij
σˆ j

avec,

109
 yij = valeur de l’observation i de la variable j,
y j = moyenne arithmétique de la variable j,
σˆ j
= écart-type estimé de la variable j,

La moyenne des variables standardisées est nulle et leur écart-type est égal à 1.

Il est à remarquer que le poids d’une caractéristique est également lié au nombre de
variables qui la caractérisent. En effet, dans notre cas, l’occupation du sol et la pédologie
des bassins versants sont représentées respectivement par les classes d’occupation du sol
et les groupes hydrologiques qui sont au nombre de cinq (territoires artificialisés, forêts,
terres arables, cultures permanentes et surfaces enherbées pour l’occupation du sol ; A, B,
C, D et NC pour la pédologie).

On dispose donc de cinq variables pour chacune de ces deux caractéristiques du

bassin versant. A contrario, pour la superficie du bassin versant par exemple, une seule
variable est nécessaire.

Dès lors, afin de donner le même poids à chaque caractéristique du bassin versant,
les valeurs des variables d’occupation du sol et de pédologie ont été divisées par la racine
carrée de 5. (Palm, 1998)

E. Interprétation des résultats

L’interprétation des résultats consistera à calculer les moyennes et écarts-type de

chaque groupe obtenu. Cette étape permettra de localiser les groupes dans l’espace des
variables et d’évaluer leur homogénéité.

Une analyse en composantes principales sera également réalisée.

Lorsque les zones sont définies, les limites entre zones sont affinées en procédant à
une nouvelle classification numérique comprenant 13 stations situées aux limites (chapitre
4.5).

4.3.3 L’analyse en composantes principales

L’analyse en composantes principales (ACP) est une méthode descriptive qui permet
d’étudier les relations qui existent entre des variables quantitatives, sans tenir compte, a
priori, d’une quelconque structure, ni des variables, ni des individus. (Palm, 1998)

Afin de réaliser une analyse en composantes principales, les données de départ

doivent être structurées sous la forme d’un tableau de n lignes et p colonnes représentant
respectivement les individus et les variables observées.

Tout comme pour la classification numérique, les données devront être standardisées
afin d’éliminer le facteur d’échelle. La standardisation se réalise en appliquant aux données
la formule suivante :

( )
xij = y ij − y j / σ j (i=1, …, n ; j = 1, …, p)

110
 avec y j et σ j qui sont respectivement la moyenne et l’écart-type estimé de la
colonne j.

Ce tableau peut contenir une multitude d’informations, c’est pourquoi l’objectif de

cette analyse est de résumer les données sous forme d’indices synthétiques afin
d’interpréter plus facilement l’information contenue dans le tableau.

Le premier indice synthétique zi1, doit être tel qu’il doit être une combinaison linéaire
des variables centrées réduites :

z i1 = u11 xi1 + ... + u p1 xip avec u11 + ... + u p1 = 1 .

De plus, les coefficients uj1 doivent être tels que la variance des zi1 soit maximum.

La proportion de l’information contenue dans la première composante est obtenue en

calculant le rapport entre la variance de l’indice et la somme des variances des p variables
du tableau (qui est égale à p étant donné la standardisation).

De manière à ne pas perdre trop d’informations contenues dans le tableau de

données initial, d’autres composantes principales peuvent être calculées.

La deuxième composante principale se détermine sous les conditions suivantes :

z i 2 = u12 xi1 + ... + u p1 xip avec u12 + ... + u p 2 = 1 .

Comme pour la première composante principale, les coefficients uj2 doivent être tels
que la variance des zi2 soit maximum.

Pour cette deuxième composante, une contrainte supplémentaire a été ajoutée qui
est qu’il ne peut y avoir de corrélation entre les deux composantes principales de manière à
ce que le second indice ne contienne pas d’informations redondantes par rapport au premier.
Cette contrainte se traduit mathématiquement par la formule suivante :

u11u12 + u 21u 22 + ... + u p1u p 2 = 0 .

On peut calculer autant d’indices synthétiques qu’il y a de variables initiales. Dans ce

cas, il faudra systématiquement ajouter comme condition que la corrélation entre ces indices
soit nulle.

Les coefficients intervenant dans les combinaisons sont obtenus à l’aide de calculs
matriciels dont le point de départ est la matrice de corrélation R des p variables initiales.
Cette matrice est de dimensions p x p, de rang r et admet r valeurs propres positives :

l1 ≥ l2 ≥ … ≥ lr.

Les valeurs propres correspondent aux variances des valeurs des composantes
principales.

A ces valeurs propres, on peut associer r vecteurs propres u1, u2, …, ur dont les
éléments sont les facteurs u intervenant dans les combinaisons linéaires utilisées pour le
calcul des indices synthétiques.

111
 Les n valeurs de la composante, zij, s’obtiennent par le produit matriciel zj = X uj dans
laquelle X est la matrice des données centrées et réduites.

La corrélation de la composante principale zj avec chacune des variables initiales est

obtenue en multipliant les éléments d’un vecteur propre uj par la racine carrée de la valeur
propre correspondante.

On ne garde généralement qu’un faible nombre de composantes de manière à

pouvoir les interpréter assez facilement. Dans cette étude, nous n’avons considéré que les
composantes correspondant aux valeurs propres situées avant la réduction brutale de la
pente du graphique des valeurs propres en fonction de la composante principale, cette
réduction pouvant être détectée par un coude sur le graphique.

La classification numérique et l’analyse en composantes principales ont été réalisées

à l’aide du logiciel SAS (Statistical Analysis System) en utilisant respectivement les
procédures CLUSTER et PRINCOMP.

4.4 Résultats du regroupement en zones homogènes

La Figure 6868 montre l’historique des fusions sous la forme d’un dendrogramme.

Figure 68 : Dendrogramme relatif à la classification

Un des critères qui définit l’arrêt du regroupement est qu’il faut éviter de retrouver des
groupes composés d’une seule station de mesures. A partir de la Figure 6868, on observe
112
que le dernier individu à être ajouté à un groupe est le point de mesures de Membre sur la
Semois.

De plus, il est conseillé de stopper le regroupement lorsque l’on observe une

diminution importante du R². L’étape suivant l’ajout de la station de Membre dans le groupe
3, engendre une différence de R² de 0,065 alors que lors des premiers pas, la différence
oscillait entre 0,005 et 0,03.

Les 59 stations de mesures retenues dans le cadre de cette étude sont donc
scindées en quatre groupes. La Figure 6969 présente les résultats spatialement à l’aide
d’une carte de la Région wallonne.

Figure 69 : Carte des stations limnimétriques réparties en zones hydrologiquement

homogènes en Région wallonne

4.5 Affinage des zones homogènes

Certains bassins versants dont les stations de mesures n’ont pas été retenues pour
établir la régionalisation, se situent dans des zones limitrophes entre différents groupes
homogènes. Ceci peut être observé à partir de la Figure 7070 qui est une représentation des
zones homogènes par bassin versant.

Il est à remarquer que le contrôle qualité de ces stations n’a pas été aussi sévère que
celui appliqué aux stations retenues pour la régionalisation.

113
 Figure 70 : Carte des stations limnimétriques réparties en zones hydrologiquement
homogènes en Région wallonne (Représentation par bassin versant)

L’objectif de l’affinage est de voir dans quel groupe vont se placer les bassins
versants dont le débit d’étiage du cours d’eau n’est pas modifié par des barrages comme par
exemple sur la Warche, la Vesdre ou encore l’Eau d’Heure.

Ces zones d’affinage sont également soit des parties aval ou amont de bassins
versants (Lesse, Geer), soit des bassins versants non étudiés comme l’Our ou la Hoëgne.

La station de Lasninville sur l’Amblève est choisie pour ce bassin car elle est située
en amont de la confluence de la Warche sur laquelle on retrouve le barrage de Robertville.

Seuls les cours d’eau équipés d’une station de mesures permettant le calcul du
coefficient de tarissement peuvent être utilisés pour améliorer les résultats de la
régionalisation.

Les stations de mesures retenues pour l’affinage sont reprises dans le Tableau 21.

114
 Tableau 21 : Stations de mesures utilisées pour l’affinage
Mise en
Code Localité Cours d'eau Bassin versant
service
67531002 Lasninville Amblève Amblève 1996/1998
82211002 Gendron Lesse Lesse 1968
L5860 Theux Hoëgne Vesdre 1979
L6080 Reuland Ulf Our 1991
L6090 Lommersweiler Braunlauf Our 1991
L6340 Eben-Emael Geer Geer 1991
L6630 Thuin Biesme l'Eau Haute Sambre 2004
L6990 Auby-sur-Semois Ruisseau des Aleines Semois 2003
L7000 Vresse-sur-Semois Ry du Moulin Semois 2003
L7200 Macquenoise Oise Oise 2004
L7241 Jemeppe-sur-Sambre Orneau Basse Sambre 2007

L’ensemble des paramètres déterminés pour la régionalisation sont calculés sur base
de la méthodologie mise au point dans le cadre de cette étude.

Un nouveau regroupement en zones homogènes est ensuite réalisé en incorporant à

la liste initiale de 59 points de mesures les stations reprises dans le Tableau 21. Le nombre
de groupes homogènes retenus est également au nombre de quatre.

0.00

0.25

R
-
c
a 0.50
r
r
é

0.75

1.00
A WT WT B WCH NT B L MD HMA M WU B BR B SR J BO EA A B I I T A HLR S B CM M SA T T G O OD R GE F G VE TL LMRL T MG
i ah ah e i ea i r a a aa a o mo a p a oo i uh e ep b mt r r s u t a au a r oa a t u i i r c ua e r p e e r r r a oa e o h ee
s r y l u r h r s s e i v r l md b h n i i un e zi m rh eo h u ci b h r t e i u uc r r b n n a h r v s ur l d e n os mr u r e mn
e n- ci s é f t mi l a i h oa r a z g s sq r es e ge nu g hè i u n ot n l v q b ay t t i a e t pa e i s e i n mt l c u bd
a al on i r oi e g l u ee i v e e n i su g r n p i y - g e or z s o ut t y i u e i - i i d m r e ov n n s u s i ee a é x r r
u ne u l i ne s n o x mm r e s y e oi e i e p l l Ei l ne e n r e e ne h ms g g e p d i ne n n e v - n r l n eo
t - r l e t r e n - b i u i è s l s e ei me e ws _ c - n a ou n n s i g t e e - i Pv sa d _n
C t i s ae s v S o n x t r - rs as t e R o M o n nr y y s n s l oi wn P
h e i i a u e s ss e t l i u a i t - _ _ s e u l nl eg o
â s n l i r s u _e l e z p r r s SRS e r e t l i e n
t - e l n g r am a t i e e u e - s e l t
e l e t - m i e ml m S e
a ' e S o n o l o e r
u A - a n i e i m
b A m t s s s o
b n b i
a n r s
y e e
e

Localite

Figure 71 : Dendrogramme relatif à la classification après affinage

115
 La Figure 7171 présente le dendrogramme issu du regroupement de l’ensemble des
stations de mesures, à savoir les 59 stations de mesures de départ et celles retenues pour
l’affinage. Les stations de départ se retrouvent dans les mêmes groupes qu’avant l’affinage
sauf pour la station de Tintigny sur la Semois qui passe de la zone 4 à la 3.

Les bassins versants retenus pour l’affinage s’insèrent correctement d’un point de
vue géographique dans les différents groupes. Par exemple, le bassin de l’Orneau est ajouté
au groupe 1 situé au Nord de la Sambre et de la Meuse.

La Figure 7272 présente les groupes homogènes obtenus après l’opération d’affinage
réalisé.

Figure 72 : Carte des stations limnimétriques réparties en zones hydrologiquement

homogènes en Région wallonne après affinage (Représentation par bassin versant)

Les bassins versants qui ne sont pas associés à ce stade à un groupe homogène le
sont pour diverses raisons comme par exemple, l’influence d’un barrage, la présence de
captage d’eau avec export ou tout simplement par l’absence de stations de mesures.

4.6 Caractérisation des zones homogènes

Une des représentations les plus communément utilisées et fournies par le logiciel
SAS est le graphique appelé Boxplot. Ce dernier présente par groupe et pour un paramètre
les valeurs suivantes : le percentile25, la médiane, le percentile75, la moyenne et les valeurs
extrêmes. De la Figure 7373 à la Figure 8787, les boxplots présentent les résultats pour :

• l’altitude,
• la pente médiane,
• l’occupation du sol,

116
 • la pédologie,
• les précipitations,
• la température,
• l’évapotranspiration,
• la percolation,
• le coefficient de tarissement.

Seuls les boxplots mettant en évidence des différences significatives entre les
groupes seront repris.

La Figure 7373 présente l’altitude synthétisée par groupe homogène. On retrouve le

gradient Nord-Ouest → Sud-Est de l’altitude en Wallonie. On observe que les altitudes sont
plus faibles pour les groupes 1 et 2 tandis que les valeurs maximum sont principalement
observées dans le groupe 3 reprenant la région des Ardennes.

Figure 73 : Boxplot et carte d’altitudes par groupe

La pente médiane par groupe est présentée à la Figure 7474. La même évolution au
niveau de la Région wallonne que pour l’altitude observée pour la pente moyenne des
bassins versants repris dans les différentes zones homogènes. La pente du groupe 1
représenté majoritairement par des bassins versants du district hydrographique de l’Escaut
est nettement plus faible que pour les autres groupes.

117
 Figure 74 : Boxplot et carte des pentes médianes par groupe

Les boxplots correspondant à l’occupation du sol sont présentés de la Figure 7575

à la Figure 7878.

Le groupe 1 est caractérisé par une grande proportion de territoires artificialisés et

de terres arables, et par une faible proportion de forêts et de surfaces enherbées
contrairement aux trois autres groupes. Inversement, on trouve une proportion moins
importante de forêts et de surfaces enherbées dans la zone homogène 1 que dans les
autres zones.

La proportion des territoires artificialisés du groupe 4 est intermédiaire entre celle

du groupe 1 d’une part et celles des groupes 3 et 4 d’autre part. Ceci provient principalement
de la vallée de la Messancy.

Du point de vue des cultures permanentes, le groupe 1 en possède une plus

grande proportion alors que la proportion dans le groupe 3 est légèrement plus faible que
celle des autres groupes.

Le groupe 3 est quant à lui caractérisé par une couverture importante de forêts et
de manière logique une très faible proportion de zones de cultures.

118
Figure 75 : Boxplot de la proportion des territoires artificialisés par groupe

Figure 76 : Boxplot de la proportion des terres arables par groupe

119
 Figure 77 : Boxplot de la proportion des forêts par groupe

Figure 78 : Boxplot de la proportion des surfaces enherbées par groupe

120
 D’un point de vue pédologique, le groupe 1 se distingue par une plus grande
proportion de sol du groupe hydrologique A et une plus faible proportion de sol du groupe
hydrologique C, tandis que les groupes 2 et 3 se différencient par une proportion plus élevée
de sol du groupe hydrologique B et plus faible de sol du groupe hydrologique D.

Pour rappel, les zones urbanisées considérées comme imperméables ont été
ajoutées au sol de groupe hydrologique D.

Le groupe 3 possède une très faible proportion de sol du groupe hydrologique A mais
la proportion la plus élevée de sol du groupe hydrologique B.

Le groupe 4, quant à lui, est caractérisé par une proportion élevée de sol du groupe
hydrologique C.

Figure 79 : Boxplot de la proportion de sol du groupe hydrologique A par groupe

121
Figure 80 : Boxplot de la proportion de sol du groupe hydrologique B par groupe

Figure 81 : Boxplot de la proportion de sol du groupe hydrologique C par groupe

122
 Figure 82 : Boxplot de la proportion de sol du groupe hydrologique D par groupe

Les précipitations suivent une tendance similaire à l’altitude, alors que pour la
température estivale, le gradient est plutôt Sud-est → Nord-Ouest.

Le groupe 4 a cependant des précipitations plus faibles et des températures plus

élevées que le groupe 3, ce qui est lié à son altitude plus faible.

123
Figure 83 : Boxplot de des précipitations par groupe

Figure 84 : Boxplot de la température par groupe

124
 En ce qui concerne l’évapotranspiration potentielle, le groupe 4 se distingue par des
valeurs plus faibles que les autres groupes.

Figure 85 : Boxplot de l’évapotranspiration potentielle par groupe

Le boxplot de la percolation se caractérise principalement par une percolation plus

importante pour la zone homogène 4.

125
 Figure 86 : Boxplot de la percolation par groupe

Le groupe 3 se caractérise par un coefficient de tarissement plus élevé que les autres
groupes. Les groupes 1 et 4 quant à eux ont des valeurs similaires et plus faibles que les
groupes 2 et 3.

126
 Figure 87 : Boxplot du coefficient de tarissement par groupe

A partir de la percolation et du coefficient de tarissement, on observe que la région 4

se distingue par un coefficient de tarissement faible et une valeur de percolation élevée, ce
qui traduit qu’elle est singulière d’un point de vue hydrogéologique par rapport aux trois
autres zones homogènes.

4.7 Analyse en composantes principales

4.7.1 Introduction

L’analyse en composantes principales (ACP) est une technique descriptive qui

permet une interprétation plus globale des groupes par l’étude de ses composantes
principales.

Le graphique mettant en relation les valeurs propres en fonction de la composante

principale permet de déterminer le nombre de composantes à retenir. A partir du graphique
de la Figure 8888, un premier coude est détecté à 2 composantes et un plus léger à 5
composantes, la première composante expliquant déjà 48% de la variance totale.
Finalement, quatre composantes principales ont été retenues car elles expliquent 73% de la
variance.

127
 Figure 88 : Graphiques des valeurs propres et de la proportion de la variance
expliquée en fonction de la composante principale

4.7.2 Cercles de corrélation

Les cercles de corrélation représentés de la Figure 8989 à la Figure 9191

positionnent les variables dans l’espace des composantes principales et permettent donc
d’interpréter ces composantes.

Figure 89 : Cercle des corrélations dans le plan des deux premières composantes
principales

On observe que la première composante principale (Figure 8989) est positivement et

fortement corrélée aux paramètres suivants :

128
 • les précipitations,
• le pourcentage de forêts,
• les pentes,
• l’altitude,
• le pourcentage de sol B.

Dans une moindre mesure que ces derniers paramètres, la composante principale 1
est également corrélée au coefficient de tarissement.

On peut également remarquer que la première composante est négativement

corrélée aux variables suivantes :

• le pourcentage de terres arables et de territoires artificialisés,

• le pourcentage de sols de groupe A,
• la température estivale,
• la coordonnée Lambert Y.

Les résultats obtenus pour cette première composante ont une signification physique
assez prononcée. En effet, la région sud de la Wallonie correspondant aux faibles
coordonnées Lambert Y, est caractérisée par une altitude et des pentes plus importantes.

A l’inverse, les zones ayant un pourcentage de sol A élevé se situent dans le Nord de
la Région wallonne dans laquelle les précipitations sont plus faibles. On y observe beaucoup
plus de terres arables. Il s’agit également de la région la plus urbanisée avec les grands
centres ville du Hainaut et du Brabant wallon.

Quant à la deuxième composante, elle est positivement corrélée à la percolation et

au pourcentage de sol D.

Figure 90 : Cercle des corrélations dans le plan des première et troisième

composantes principales

129
 A partir de la Figure 9090, on observe que la troisième composante est positivement
corrélée à l’évapotranspiration et négativement à la densité de drainage. Aucune
interprétation géographique ne peut être tirée à partir de cette troisième composante. En
effet, il n’y a pas de lien entre l’évapotranspiration et la densité de drainage.

Figure 91 : Cercle des corrélations dans le plan des première et quatrième

composantes principales

La Figure 9191 montre que la quatrième composante est faiblement corrélée

positivement aux pourcentages de cultures permanentes, de surfaces enherbées et aux
pentes.

4.7.3 Graphiques des individus

Une autre représentation permettant d’interpréter les résultats est le graphique des
individus. Il met en relation les observations dont les coordonnées sont les valeurs de la
composante zi1 et zi2, par exemple.

Les graphiques de la Figure 9292 à la Figure 9494 permettent de situer les groupes
dans l’espace des composantes principales et ainsi de mieux analyser les résultats de la
classification.

130
 Figure 92 : Graphique des groupes dans le plan des deux premières composantes

A partir du graphique de la Figure 9292, on remarque que la première composante

permet de distinguer le groupe 1 des groupes 3 et 4 d’autre part. Lorsque l’on reprend les
paramètres qui expliquent la première composante, on observe que les groupes 3 et 4 ont
des précipitations, altitudes, pentes et un pourcentage de forêts et de sol B plus élevés que
le groupe 1. A l’opposé le pourcentage de sol A et de terres arables, des températures
estivales et des Y sont plus faibles pour le groupe 3 que pour le groupe 1.

La deuxième composante permet essentiellement de différencier le groupe 4 dont les

bassins versants possèdent des percolations et un pourcentage de sols du groupe D, ou
assimilés, plus élevés que ceux observés pour le groupe 3.

Le groupe 2 a quant à lui une position centrale et est donc caractérisé par des
paramètres moyens, ce qui correspond également à sa position géographique au sein de la
Région wallonne.

131
 Figure 93 : Graphique des groupes dans le plan des première et troisième
composantes

La Figure 9393 permet une différenciation des groupes 3 et 4 mais de manière moins
significative qu’à partir de la deuxième composante. On peut dire que le groupe 4 est
caractérisé par des densités de drainage plus élevées et une évapotranspiration plus faible
que le groupe 3.

Figure 94 : Graphique des groupes dans le plan des première et quatrième

composantes

Selon la quatrième composante, le groupe 4 a un pourcentage de cultures

permanentes et de surfaces enherbées ainsi que des pentes plus élevées que le groupe 3.
Aucune interprétation ne peut être réalisée pour les groupes 1 et 2.

132
4.8 Interprétation des résultats

L’analyse en composantes principales permet de visualiser globalement les relations

entre les variables ainsi qu’entre les groupes et les variables. En effet, la position d’un
groupe dans l’espace des composantes est parfois difficile à interpréter étant donné que les
composantes sont souvent un regroupement de plusieurs variables.

Par contre, les graphiques sous forme de boxplots permettent d’affiner l’interprétation
et de détecter les variables qui interviennent dans la différenciation des groupes issus de la
régionalisation.

En résumé et à partir de l’analyse en composantes principales, et plus

particulièrement de la première composante, on peut différencier le groupe 1 d’une part des
groupes 3 et 4 d’autre part selon les précipitations, la température, l’altitude, les pentes et le
pourcentage de forêts, de terres arables, de sol A et de sol B.

A partir des corrélations entre variables fournies par le logiciel SAS (Annexe 17), on
remarque que les précipitations sont fortement et positivement corrélées à l’altitude ainsi
qu’au pourcentage de forêts (coefficients de corrélation supérieurs à 0,80). Le pourcentage
de sol A, la température estivale et le pourcentage de terres arables sont quant à eux
fortement corrélés entre eux (coefficients de corrélation supérieurs à 0,75).

Les pourcentages de forêts et de terres arables ainsi que les pourcentages de sol A
et de sol B sont par contre logiquement négativement corrélés (coefficients de corrélation
supérieurs à 0,75). Le pourcentage de terres arables est également négativement corrélé
aux pentes et aux précipitations (coefficients de corrélation supérieurs à 0,75).

La différence entre les groupes 3 et 4 est mise en évidence à partir des trois autres
composantes (2, 3 et 4) et plus particulièrement au niveau de la proportion des sols C et D,
des cultures permanentes et de l’évapotranspiration. Ces groupes sont également
légèrement différents selon certaines variables de la première composante, à savoir la
température, la proportion de territoires artificialisés, de terres arables, de sol A et de sol B.

Le groupe 2 est, par contre, assez central du point de vue des composantes,
possédant donc des valeurs moyennes pour la plupart des paramètres, excepté les
proportions de sol B, de sol D et de territoires artificialisés.

Le Tableau 22 synthétise les différences observées à partir des résultats de l’analyse

en composantes principales entre les groupes.

133
 Tableau 22 : Résumé des différences entre groupes
Paramètres aux valeurs élevées Paramètres aux valeurs faibles

- altitude
- densité de drainage
- territoires artificialisés
- pentes
- terres arables
- forêts
Zone 1 - cultures permanentes
- surfaces enherbées
- sol A
- sol C
- température
- précipitations
- coefficient de tarissement
- territoires artificialisés
Zone 2 - sol B
- sol D
- territoires artificialisés
- altitude
- terres arables
- forêts
- cultures permanentes
Zone 3 - sol B
- sol A
- précipitations
- sol D
- coefficient de tarissement
- température
- altitude
- sol C - ETP
Zone 4
- précipitations - coefficient de tarissement
- percolation

Etant donné le regroupement géographiquement de bassins versants contigus en

zones homogènes, il est apparu nécessaire de vérifier l’importance des coordonnées
Lambert dans la démarche de régionalisation. Pour ce faire, la classification numérique est à
nouveau réalisée sur le jeu de données à l’exclusion des coordonnées Lambert X et Y.

Si l’on maintient un nombre de quatre zones homogènes, il apparaît que l’ancien

groupe 2 (Sambre, Viroin, Hoyoux, Néblon, …) et le groupe 4 correspondant à la région de la
Lorraine belge sont fusionnés. Le groupe 3 reste inchangé et on voit l’apparition d’un
nouveau groupe reprenant les stations de Gendron sur la Lesse et de Membre sur la Semois
qui dispose des plus grandes superficies de bassins versants.

Le regroupement du groupe 2 initial et de la Lorraine belge provient des similitudes

des bassins versants au niveau de la proportion de terre arable, de forêts, de sol du groupe
hydrologique A, de la température moyenne estivale. Il s’agit des paramètres les plus
corrélés à la première composante principale.

Par cette démarche, on peut donc affirmer que le regroupement des bassins versants
contigus en zones homogènes provient principalement des caractéristiques physiques et
climatiques de la Wallonie et non d’un positionnement à l’aide des coordonnées Lambert.

134
5 ESTIMATION DES DÉBITS D’ÉTIAGE EN RÉGION WALLONNE POUR LES BASSINS VERSANTS
NON JAUGÉS

5.1 Introduction

En l’absence de mesures, une estimation des valeurs de débit d’étiage peut être
réalisée à partir des débits obtenus pour les stations de mesures utilisées et des paramètres
physiques et climatiques des bassins versants correspondants.

L’objectif de cette partie du travail est d’obtenir, pour chaque zone homogène ou pour
l’ensemble des bassins versants de la Wallonie, une équation de régression qui permettra, à
partir d’un ou plusieurs paramètres, d’estimer une valeur caractérisant l’étiage en n’importe
quel point d’un bassin versant non jaugé. (Monjoie et al., 1989) (Smakhtin, 2001)

Chalise propose de discrétiser le bassin versant du point non jaugé pour lequel on
souhaite définir un débit caractérisant l’étiage sur base de la réponse hydrologique aux
précipitations. Le débit d’étiage est calculé à partir de la proportion de surface d’un groupe
(caractérisée par son hydrogéologie) multiplié par le pourcentage du débit moyen annuel
obtenu pour ce groupe. (Chalise et al., 2003)

Dans un autre contexte, Bastola utilise le principe de régionalisation mais dans un

objectif de détermination des paramètres d’un modèle hydrologique. Il utilise pour ce faire le
principe de la régression linéaire. (Bastola et al., 2007)

En Italie centrale, Castiglioni a étudié l’applicabilité d’effectuer des interpolations dans

un espace à deux dimensions défini par les deux premières composantes obtenues à partir
de l’analyse en composantes principales réalisées sur les paramètres physiques et
climatiques (superficie du bassin versant, longueur de cours d’eau, pourcentage de zones
perméables, altitude, temps de concentration). (Castiglioni et al., 2009)

Gibbs propose une méthodologie basée sur la régression – régionalisation. L’objectif

est de lier à partir d’équations de régression, les paramètres du modèle pluie-débit aux
caractéristiques physiques des bassins versants. Ensuite, les paramètres sont calculés pour
les bassins non jaugés afin d’en déterminer le débit. (Gibbs et al., 2012)

Aux Royaumes-Unis, le débit moyen annuel pour les sites non jaugés sont calculés à
partir d’une équation ayant comme régresseur les précipitations moyennes annuelles,
l’évaporation potentielle obtenue à partir de l’équation de Penman et de la superficie du
bassin versant. L’équation est obtenue à partir du bilan hydrologique réalisé sur 687 points
de mesures ayant au minimum six années d’historique de données. La superficie des
bassins versants de l’étude va de 0,6 à 8231 km², avec une moyenne de 283,5 km² et un
écart-type de 627,6 km². (Gustard et al., 1992)

MF = 2.70 10-7 AREA1.02 SAAR1.82 PE-0.284 (R² de calibration = 0,977)

avec,

MF : débit moyen annuel (m³/s),

AREA : superficie du bassin versant (km²),

SAAR : précipitations annuelles moyennes (mm),

PE : évaporation potentielle (mm).

Gustard a également appliqué sa méthodologie sur l’ensemble de l’Europe, l’équation

obtenue utilise les mêmes régresseurs que pour les Royaumes-Unis auxquels on ajoute une

135
caractéristique propre du type de sol obtenue à partir du Base Flow Index. (Gustard et al.,
1997)

Aux Etats-Unis, Kroll (Kroll et al., 2004) a mis en place une nouvelle base de données
contenant différentes informations relatives à la topographie (pente, altitude, superficie du
bassin versant, …), à la pédologie, à la géologie (perméabilité), à l’hydrogéologie (base Flow
Index et constante de récession) et climatologique (précipitations et températures). A partir
de ces données, une équation de régression permettant le calcul d’un débit caractéristique
de l’étiage (Q7,10 : débit minimum annuel lissé sur 7 jours ayant une période de retour de 10
ans) est déterminée pour les 29 régions définies. Plus de 900 sites ont été utilisés sur
l’ensemble de la zone d’étude avec en moyenne environ trente sites par régions.

Pour chaque zone homogène définie pour l’Autriche, une équation de régression
permettant la détermination du percentile95 a été déterminée dans les recherches
proposées par Laaha. Pour ce faire, 31 caractéristiques des bassins versants ont été
utilisées et regroupées en différentes catégories : superficie, densité de drainage, pente,
altitude, précipitations, géologie, occupation du sol. (Laaha et Blöschl, 2006)

Dans la démarche de Nathan, les variables les plus pertinentes pour établir un
regroupement en zones homogènes sont définies à l’aide de la réalisation de régressions
pas à pas. Cette étude est réalisée sur 184 bassins versants du sud-est de l’Australie.
(Nathan et McMahon, 1992)

Selon Schreiber, les étiages d’un cours d’eau sont fortement influencés par les
caractéristiques hydrogéologiques de la région où il se situe. L’objectif de la recherche
réalisée sur le sud de l’Allemagne est de proposer une méthodologie qui fait appel à
l’hydrogéologie afin de déterminer l'étiage moyen de dix journées consécutives. Finalement,
la géologie, l’hydrogéologie, la pédologie et l’occupation du sol sont utilisées. La superficie
des bassins versants étudiés a volontairement été limitée à 500 km². (Schreiber et Demuth,
1997)

Selon Smakhtin qui établit une revue bibliographique sur la notion d’étiage, les
modèles de régression les plus couramment utilisés sont définis à l’aide de la méthode pas à
pas. Le choix du descripteur de l’étiage dépend de l’expérience locale. Généralement, le
débit caractérisant l’étiage est fortement corrélé à la superficie et la pente moyenne du
bassin versant ainsi que la constante de récession. (Smakhtin, 2001)

Dans le Nord de l’Italie, Vezza a déterminé pour différentes régions homogènes une
équation permettant la prédiction du percentile95. Les variables retenues sont la pente,
l’altitude ainsi que l’occupation du sol. (Vezza et al., 2010)

Cette revue bibliographique montre la diversité des méthodologies réalisées pour la

détermination d’un débit caractéristique de l’étiage. Un des points communs est l’utilisation
des modèles de régression, les variables retenues diffèrent selon les caractéristiques du
bassin versant de départ utilisées ainsi que des régions d’étude.

5.2 Modèle régional ou modèle global

La première question qui se pose est de savoir si on détermine un modèle par groupe
homogène ou un modèle global pour la Wallonie. Afin de répondre à cette question, une
analyse de la variance est réalisée sur les percentiles95 exprimés sous forme de débit
spécifique par groupe homogène.

136
 Pour rappel, l’objectif de l’analyse de la variance est de comparer les moyennes de
plusieurs populations supposées normales et de même variance à partir d’échantillons
aléatoires, simples et indépendants les uns des autres. (Dagnelie, 1975) (Laaha et Blöschl,
2006)

L’hypothèse nulle émise pour tester l’égalité des moyennes de p populations

(4 groupes dans notre cas) est :

H0 : m1 = m2 = … = mp.

Considérons p échantillons d’effectifs n1, n2, … , np. Cette hypothèse est rejetée
lorsque Fobs est supérieur à F1-α :

SCEa
Fobs =
( p − 1)
SCE r
(n − p )
dans laquelle :

somme des carrés des écarts factorielle : SCE a = ∑

p
i =1
) (
ni x i − x ,
2

= ∑∑ (x − x )
p ni
2

somme des carrés des écarts résiduelle : SCE r ik i .
i =1 k =1

Une valeur de α égale à 0,05 est prise en considération dans le cadre de cette
analyse de la variance. F1-α vaut dès lors 2,78.

Puisque Fobs est égal à 2,51, l’hypothèse nulle ne peut être rejetée (p-value de 0,0682
supérieure au seuil fixé de 0,05) et les moyennes des débits par zone homogène ne peuvent
donc pas être considérées comme significativement différentes.

Tableau 23 : Tableau d’analyse de la variance

Degrés de Somme des carrés
liberté des écarts
SCEa 3 0,0000169
SCEr 55 0,0001235
SCEt 58 0,0001404

De plus, le coefficient de détermination R² de l’analyse de la variance vaut 0,1204, ce

qui signifie que cette répartition en zones homogènes n’explique que 12% de la variabilité
spatiale des débits spécifiques.

La Figure 9595 présente le boxplot qui permet d’illustrer la différence non significative
des moyennes entre les groupes homogènes obtenus lors de la régionalisation.

137
 (m³/[Link]²)

Figure 95 : Boxplot illustrant l’égalité des moyennes des percentiles95 spécifiques

entre les groupes homogènes

De plus, le nombre de stations par zone homogène est assez restreint et ceci pourrait
engendrer un non-respect des conditions d’application de la régression. En effet, nous ne
disposons que d’un effectif total de départ inférieur à soixante points de mesures. Par
exemple, pour la zone homogène 4 (Lorraine belge), nous ne retrouvons que cinq points de
mesures. Or, dans certaines études, le nombre de stations de mesures atteint frôle les 1000
unités. (Kroll et al., 2004)

Finalement, pour ces raisons, un modèle global pour l’ensemble de la Région

wallonne sera donc déterminé. Il est cependant important de rappeler que le tri initial des
stations reposait en partie sur l’historique disponible, le réseau étant relativement jeune. Le
choix ici posé pourrait donc être amené à être modifié à moyen terme.

5.3 Modèle linéaire ou non linéaire

La deuxième question qui se pose avant d’entamer toute démarche de régression est
le choix du type de modèle qui sera utilisé. En effet, nous pouvons utiliser soit un modèle
linéaire, soit un modèle non linéaire.

Dans la revue sur les étiages réalisée en 2001, Smakhtin écrivait déjà que le meilleur
modèle pour la prévision des débits d’étiage en un point d’un cours d’eau non jaugé était la
régression linéaire. (Smakhtin, 2001)

Depuis d’autres études ont montré que le modèle linéaire est régulièrement utilisé.
(Bastola et al., 2008) (Kroll et al., 2004) (Laaha et Blöschl, 2007) (Seiber, 2009) (Vezza et
al., 2010) (Yadav et al., 2007) (Young, 2006)

Dans un chapitre ultérieur, nous vérifierons l’existence potentielle d’une relation

linéaire entre les paramètres calculés dans le cadre de la régionalisation des débits et le
débit caractérisant l’étiage.

138
5.4 La régression linéaire multiple

5.4.1 Introduction

L’objectif de la régression linéaire multiple est de déterminer un modèle qui permet

d’estimer le plus précisément possible la valeur de la variable Y ou variable à expliquer à
partir des valeurs associées aux variables x ou variables explicatives.

La finalité de cette démarche est de trouver une équation du paramètre caractérisant

l’étiage (percentile95) en fonction des paramètres physiques et climatiques du bassin
versant du cours d’eau dont on souhaite obtenir le percentile95.

L’équation générale d’une régression linéaire multiple est :

Y = β 0 + β1 x1 + β 2 x 2 + ... + β p x p + ε i

dans laquelle βi sont les coefficients de régression et εi les erreurs.

Ces coefficients sont estimés à partir de la méthode des moindres carrés qui cherche
à minimiser la somme des carrés des écarts entre Y observé et Y estimé par l’équation de
régression.

5.4.2 Les conditions d’application d’un modèle de régression

A. Variables indépendantes

Une des conditions d’application d’un modèle de régression linéaire multiple est
qu’une variable calculée, dite variable dépendante doit être exprimée en fonction de
plusieurs variables indépendantes.

A la vue de la matrice de corrélation des paramètres utilisés dans le cadre de ce

travail (Annexe 17), il est évident que des relations existent entre certaines variables. A titre
d’exemple, on observe une corrélation de -0,699 entre l’altitude et la proportion de terres
arables ou encore, une valeur de corrélation de -0,744 entre la proportion de forêts et la
proportion de sols du groupe hydrologique A.

Les variables utilisées pour la détermination de l’équation de régression seront

considérées indépendantes malgré le fait que certaines d’entre elles sont corrélées.

B. Normalité des résidus

Un résidu au point i peut être défini comme étant la différence entre le Y observé et le
Y estimé par le modèle de régression :

^
ε = Yi − Y i .

Une des conditions d’application d’un modèle de régression, considérée vérifiée a

priori, est que les erreurs doivent être indépendantes et identiquement distribuées selon une
loi normale.

139
 La normalité des résidus peut être vérifiée par le graphique de leur distribution sous
forme d’histogramme, ainsi que par le graphique des résidus en fonction des quantiles de la
loi Normale appelé graphique Q-Q (Figure 9696). Ce dernier permet de vérifier
graphiquement l’adéquation à la loi Normale (0,s²) où s² est estimé par le carré de l’écart
moyen résiduel. Pour ce faire, on demande dans le logiciel SAS, le tracé de R (variable
interne des résidus) contre NQQ (variable interne contenant les quantiles de la loi Normale).
(log[m³/[Link]²])

Figure 96 : Exemple de vérification de la normalité des résidus

A partir de la Figure 9696, on peut observer que les points (xi, ui) sont alignés sur la
droite d’équation ui = (xi - m) / σ.

C. Egalités de la variance des résidus

De plus, les résidus doivent être d’égale variance (homoscédasticité). Pour ce faire,
les graphiques des résidus en fonction de l’Y estimé (Figure 9797 et Figure 9898),
permettent de visualiser si les résidus sont répartis dans une bande horizontale de valeurs
autour de 0. Sinon, on peut alors détecter quelle est la variable responsable de
l'hétéroscédasticité grâce aux graphiques des résidus contre les différents régresseurs Xj.

140
 (log[m³/[Link]²])

(log[m³/[Link]²])

Figure 97 : Exemple de graphique réalisé pour la vérification de l’homoscédasticité

des résidus (cas d’homoscédasticité)
(log[m³/[Link]²])

(log[m³/[Link]²])

Figure 98 : Exemple de graphique réalisé pour la vérification de l’homoscédasticité

des résidus (cas d’hétéroscédasticité)

La Figure 9797 montre un cas d’homoscédasticité tandis que la Figure 9898 indique
un cas d’hétéroscédasticité par la présence de trois points situés au-dessus de la bande
horizontale formée par les autres observations.

141
5.4.3 Formulation mathématique

La formulation mathématique de la régression linéaire peut être représentée sous

forme de calcul matriciel :

Y = Xβ + ε

dans la quelle,

• Y est le vecteur colonne des n observations de la variable à expliquer ;

• X(n,p) la matrice des observations des p vecteurs Xi, chacun de dimension (n,1). A
cette matrice, une première colonne constituée uniquement de 1 est ajoutée, ce
qui correspond au vecteur de la constante X0. La matrice X est donc de dimension
(n,p+1). La constante X0 peut donc être considérée comme une variable
explicative ;
• β est le vecteur colonne des (p+1) coefficients de régression ou paramètres
inconnus βi ;
• ε représente le vecteur des erreurs.

 y1   1 x11 x12 ... x1 p  β 0  ε 0 

y    β  ε 
 2  1   1   1 
 
Y =  y3  X = 1  β = β 2  ε = ε 2 
 ...  ...   ...   ... 
       
 y n   1 x n1 xn2 ... x np  β p  ε p 

Les coefficients bi qui minimisent le critère des moindres carrés peuvent être
déterminés par le système d'équations à résoudre obtenu à partir de la représentation
matricielle :

( XX ')B = ( X 'Y )
dans laquelle, X' désignant la matrice transposée de X.

Le vecteur B des coefficients solution s'obtient donc en inversant la matrice (X′X) :

B = ( XX ') ( X 'Y ) .
−1

La résolution du système d’équations n’est pas toujours réalisable car cette dernière
est conditionnée par la possibilité d’inversion de la matrice (X’X).

En effet, si nous supposons que deux variables Xi et Xj sont corrélées entre elles,
c'est-à-dire qu'il existe une relation linéaire permettant de passer de Xi à Xj, nous avons donc
deux lignes de la matrice (X′X) qui sont proportionnelles. Lorsque l'on souhaite résoudre le
système, il ne reste plus que p équations indépendantes et tandis que nous avons toujours
(p+1) inconnues à trouver. Le système est alors indéterminé, il existe une infinité de
solutions. On parle alors de colinéarité. Ce point sera explicité dans un chapitre ultérieur.

142
5.4.4 Analyse de la variance

Afin de déterminer les variables à prendre en considération dans le modèle de

régression, le principe de l’analyse de la variance est utilisé.

Considérons l’équation de cette analyse :

SCETotale = SCE Modèle + SCE Erreur

dans laquelle, si on considère que Ŷi est l’estimation de Yi obtenue à partir de la

droite de régression retenue :

2
n
^ −
SCE Modèle = ∑  Y − Y  avec p degrés de liberté,
i =1  
2
 
n ^
SCE Errreur = ∑  Yi − Y  avec n-p-1 degrés de liberté,
i =1  
− 2
n
 
SCETotale = ∑  Yi − Y  avec n-1 degrés de liberté.
i =1  

SCETotale, représentant la somme des carrés des écarts entre Y et sa moyenne, est
invariant quel que soit le nombre de variables explicatives p dans le modèle.

Lorsque l'on introduit une nouvelle variable explicative dans un modèle, la somme
des carrés des écarts du modèle SCEModèle augmente et donc la somme des carrés des
écarts des erreurs SCEErreur diminue de la même quantité.

Le logiciel SAS fournit deux types de SCEErreur :

• TYPE I SS : correspond à la réduction de SCEErreur liée à la variable lorsqu'elle

est introduite séquentiellement dans le modèle.
• TYPE II SS : correspond à la réduction de SCEErreur liée à la variable
lorsqu'elle est introduite la dernière dans le modèle.

A la valeur de TYPE I SS, une valeur de F (Fischer-Snedecor) peut être associée :

TYPEI SS
FObs = .
MS ERREUR

Pour rappel, le numérateur TYPE I SS correspond à la réduction de SCEErreur lorsque

l'on passe du modèle à (k-1) régresseurs - la variable étudiée étant exclue - au modèle à k
régresseurs.

La variance de l’erreur est représentée par MSErreur correspondant au modèle complet

à p régresseurs et est obtenue par :

SCE Erreur
MS ERREUR = .
n − p −1

L’hypothèse nulle H0 suivante du test de signification peut dès lors être émise :

143
 H0 : βk = 0 .

L’hypothèse nulle H0 doit être rejetée au niveau de signification de α lorsque FObs est
supérieur ou égal à la variable F de Fischer-Snedecor à 1 et n-p-1 degrés de liberté :

FObs ≥ F1−α (1, n − p − 1) .

De la même manière, à la valeur de Type II SS, une variable F de Fischer-Snedecor

peut être associée :

TYPEII SS
FObs = .
MS ERREUR

L’hypothèse nulle H0 suivante peut également être émise :

H 0 : βk = 0 .

H0 est rejetée au niveau de signification de α lorsque FObs est supérieur ou égal à la

variable F de Fischer-Snedecor à 1 et n-p-1 degrés de liberté :

FObs ≥ F1−α (1, n − p − 1) .

Un rejet de l’hypothèse nulle signifie que la variable introduite dans le modèle est
significative.

Si le modèle de régression obtenu ne comporte qu'une seule variable explicative

alors, TYPE I SS = TYPE II SS = SCEModèle.

Si pour un régresseur Xi, le F obtenu à partir de TYPE I SS et le F obtenu à partir de

TYPE II SS sont plus grands que ceux des autres régresseurs, alors Xi a une contribution
plus grande puisqu'il réduit plus la variation de SCEErreur, que la variable soit entrée en
séquence dans le modèle ou en dernier.

Si pour un régresseur Xi, le F obtenu à partir de TYPE I SS est significatif et le F

obtenu à partir de TYPE II SS ne l’est plus, c’est qu’on est en présence de colinéarités entre
les régresseurs. L’information apportée par ce régresseur est redondante par rapport à
l’information apportée par les précédents régresseurs déjà introduits dans le modèle. Le
problème des colinéarités sera abordé ultérieurement lors de la validation des modèles de
régression.

5.4.5 Coefficient de détermination

Afin d’apprécier la qualité d’un modèle de régression, on utilisera le coefficient de

détermination R² qui pour rappel, se calcule à l’aide de la formule suivante :

SCE Modèle
R² = .
SCETotale

144
5.4.6 Modèles de régression linéaire

La construction d’un modèle de régression a pour objectif d’obtenir un nombre réduit

de variables non corrélées et offrant la plus grande précision possible. (Claustriaux, 2007)

Pour cela, la méthode de régression pas à pas ou stepwise peut être utilisée car elle
maximise la robustesse et la puissance prédictive du modèle et minimise les colinéarités
entre variables (Laaha et Blöschl, 2007). Cette méthode se base sur le calcul de la
statistique F reflétant la contribution de la variable dans le modèle. Le modèle ne contient
pas de variable au départ et la première variable introduite est celle qui possède la valeur de
F la plus élevée, c’est-à-dire la variable qui contribue le plus au modèle. Ensuite, à chaque
étape, la statistique F est recalculée pour chaque variable et trois alternatives sont
considérées : ajouter, supprimer ou échanger une variable. La procédure s’arrête lorsque
plus aucune variable ne contribue significativement au modèle, le niveau de signification de
la p-value associée à F étant fixé à 0,05. (Claustriaux, 2007)

De plus, deux autres méthodes liées au coefficient de détermination R² seront

testées. Le coefficient de détermination représente la part de variabilité de Y expliquée par le
modèle. (Claustriaux, 2007)

La méthode du gain maximal sur le R² permet de trouver le « meilleur » modèle pour

chaque nombre de variables. La première étape consiste à sélectionner la variable qui est la
plus corrélée à la variable Y et qui engendre donc le modèle à une variable possédant le
plus grand R². La variable qui provoque la plus grande augmentation du R² est ensuite
ajoutée au modèle. Toutes les permutations entre une variable du modèle et une autre
variable sont alors examinées et celle qui produit un gain maximal au niveau du R² est
effectuée. Cette procédure est répétée jusqu’à ce qu’il n’existe plus de permutations
augmentant le R², et pour chaque nombre de variables. Parmi tous les modèles, celui
caractérisé par le coefficient de Mallow (Cp) se rapprochant le plus du nombre de variables
augmenté de 1 (p+1) est choisi. Ce coefficient est basé sur la recherche des variables ayant
le meilleur pouvoir prédictif et permet de comparer des modèles différant par le nombre de
variables et la précision atteinte. (Confais et Le Guen, 2006)

La dernière méthode calcule tous les modèles possibles, et celui présentant la valeur
du R² ajusté le plus élevé est choisi. Le R² ajusté tient compte des degrés de liberté et
permet donc de comparer des modèles comportant un nombre différent de variables.
(Confais et Le Guen, 2006)

Le coefficient de détermination R² peut approcher la valeur de 1 qui traduit un très

bon modèle de régression lorsque l’on ajoute suffisamment de variables explicatives.

Un coefficient de détermination ajusté peut alors être calculé et ce dernier tient

compte du rapport p/n entre le nombre de paramètres du modèle et le nombre
d'observations.

Le coefficient de détermination R² ajusté est obtenu à partir de la formule suivante :

2
R Ajusté = 1−
((n − 1)(1 − R )) .
2

n− p

Pour ces deux dernières méthodes, les variables non significatives (p-value > 0,05)
sont supprimées des modèles une à une.

145
5.4.7 Problème des colinéarités

La colinéarité provient de problèmes d'inversion de X'X qui entrainent une

augmentation des variances des coefficients, et donc leur instabilité. La non-inversion de X’X
se rencontre lorsqu’il existe des combinaisons linéaires entre les colonnes de X, c’est-à-dire
que l’on observe des corrélations entre les régresseurs.

En présence de colinéarité, la variance des estimateurs des paramètres infectés par

cette dernière peut devenir importante. Or, pour rappel, un test de signification est réalisé sur
le coefficient βi. Même si l’on observe que le régresseur Xi semble fournir une information
importante sur Y, s’il est colinéaire à un ou plusieurs autres régresseurs, la variance estimée
de l’estimateur sera élevée de manière à ce que la statistique du test de signification
devienne très petite. De ce fait, le test ne permettra plus de traduire l’hypothèse que l’on
avait a priori sur la qualité du régresseur Xi pour expliquer Y. On aura donc une fausse idée
de la contribution de la variable.

La colinéarité statistique crée donc des difficultés importantes dans l’interprétation

des résultats.

La colinéarité peut être décelée de plusieurs manières. Lorsque les signes des
coefficients sont opposés à ceux dont on s’attend par intuition ou après avoir examiné les
corrélations entre la variable à expliquer et les variables explicatives.

La colinéarité peut également être observée lorsque l’on voit apparaître un grand
changement dans les coefficients quand on ajoute ou enlève un régresseur.

Une autre méthode pour évaluer la colinéarité consiste à estimer le VIF (Variance
Inflation Factor). La méthode de détermination de cette valeur est explicitée ci-après.

On note R la matrice de corrélation entre les p variables X1, …, Xp. On la suppose

inversible (de rang p) et elle possède donc p valeurs propres strictement positives.

Nous pouvons écrire que :

( XX ') = nR
Dans laquelle R est la matrice carrée symétrique des coefficients de corrélation entre
les p régresseurs.

Le coefficient d’inflation de la variance est obtenu à l’aide de l’équation suivante :

1
VIF =
1 − R 2j

Dans laquelle Rj2 est le coefficient de détermination multiple de la régression avec

constante de Xj sur les (p-1) autres variables. Le facteur d’inflation de la variance est donc
d’autant plus grand que la variable Xj est corrélée aux autres variables explicatives.

Lorsqu’une valeur du VIF supérieure à 10 est observée, cela traduit un problème de

colinéarité. Dans ce cas, la variable en question est supprimée du modèle de régression.
(Kroll et al., 2004)

Afin de détecter la présence de colinéarité, on peut également utiliser l’indice de

conditionnement qui est obtenu selon la méthodologie suivante.

146
 On note λ1, λ2, …, λp les valeurs propres de la matrice R rangées par ordre
décroissant. Le déterminant de la matrice R est égal au produit des valeurs propres. Ainsi,
des problèmes numériques ou de variances excessives apparaissent dès que les dernières
valeurs propres sont relativement trop petites.

L’indice de conditionnement est obtenu en calculant le rapport de la plus grande sur

la plus petite valeur propre :

λ1
k= .
λp

En pratique, si l’indice de conditionnement est inférieur à 30, on peut considérer qu’il

n’y a pas de problème de colinéarité tandis qu’au-dessus de la valeur de 1000, il faut être
vigilent.

L’indice de conditionnement fournit une vision globale des problèmes liés à la

colinéarité tandis que les coefficients d’inflations de la variance permettent d’identifier les
variables les plus problématiques.

5.4.8 Recherche de valeurs influentes

De manière à obtenir un modèle de régression plus robuste, il est important de

rechercher les valeurs influentes, c’est-à-dire des valeurs qui se situent en dehors du nuage
de points ou encore au niveau de la queue de ce dernier.

Pour ce faire, un critère de recherche des valeurs influentes est la distance de Cook
Di. Pour chaque observation i, la distance entre le vecteur B des coefficients de la régression
et le vecteur B(-i) obtenu en refaisant la régression sans l’observation i est calculée. La
distance de Cook se mesure à l’aide de (X’X) et est normée par s², estimation de σ².

La distance de Cook Di est obtenue à partir de la formule suivante :

B − B(− i ) ' ( X ' X ) B − B(− i )

Di = .
( p + 1)s ²
La distance de Cook étant normée, une valeur supérieure à 1 peut être considérée
comme suspecte. Une valeur élevée de la distance de Cook signifie que la valeur est
influente et joue un rôle prépondérant dans le calcul des coefficients de régression.

Afin que les conclusions issues du modèle de régression ne soient pas biaisées, la
valeur influente est écartée si elle est considérée comme anormale et un nouveau modèle de
régression est déterminé. (Palm, 1988) (Laaha et Blöschl, 2007) (Confais et Le Guen, 2006)

5.4.9 Validation du modèle de régression

Une autre méthode de vérification de la qualité d’un modèle est la validation croisée
qui consiste à redéfinir le modèle de régression en enlevant une observation et à utiliser ce
modèle pour calculer la valeur de Y pour l’observation en question.

147
 Le root-mean-square error (RMSE), écart moyen résiduel, permet de comparer la
validation croisée des différents modèles. Il évalue la performance prédictive du modèle et
est calculé selon la formule suivante (Laaha et Blöschl, 2006) (Vezza et al., 2010) :

(Y i −Yˆ i− i )
1 n 2
RMSE = ∑
n i =1

dans laquelle,

• n est le nombre d’observations (stations) ;

• Yi est la valeur observée de Y pour l’observation i ;
• Ŷi est la valeur prédite de Y pour l’observation i par le modèle défini après avoir
-i

supprimé cette observation i.

Cette méthode de validation n’est pas appliquée dans le cadre de ce travail étant
donné que nous disposions de stations de validation. Celles-ci sont des stations de mesures
qui n’ont pas été retenues dans le cadre de ce travail étant donné leur faible historique de
données (15 – 20 ans). Il s’agit de l’ensemble des points de mesures utilisé dans le cadre de
l’affinage lors du travail de régionalisation.

Les paramètres physiques sont calculés pour les bassins versants de ces points de
mesures.

Ensuite, à partir des équations de régression obtenues, les valeurs prédites des
percentiles95 spécifiques sont calculées et comparées aux valeurs observées.

Les modèles de régression peuvent être comparés grâce aux paramètres

suivants (Laaha et Blöschl, 2006) (Vezza et al., 2010) :

1 n (Y −Yˆ ) 2
RMSE = ∑ i i
n i =1
où,

• Yi est la valeur observée de Y pour l’observation i ;

• Yˆ i est la valeur prédite de Y pour l’observation i.

La Figure 9999 présente la répartition des stations de mesures de validation sur

l’ensemble de la Wallonie.

148
 Figure 99 : Répartition des stations de mesures utilisées pour la validation des
modèles de régression

5.4.10 Intervalle de confiance d’un modèle de régression

Afin de quantifier la précision des valeurs estimées, un intervalle de confiance doit

être calculé. L’intervalle de confiance pour l’estimation d’une valeur à partir d’une équation
de régression est appelé intervalle de prédiction. (Verdel, 2007)

Il tient compte de l’erreur liée à la calibration du modèle ainsi que de l’erreur associée
aux observations avec lesquelles on veut calculer la valeur estimée.

Les limites de l’intervalle sont calculées comme suit (Dagnelie, 2006) (Olive, 2007) :

∧ ∧
y ± t1−α 2 (n − k − 1)se  y ∗ 
 

où

Ŷ*est la valeur estimée ;

t1-α/2 est issu de la distribution t de Student à n-k-1 degré de liberté, n étant le
nombre d’observations et k le nombre de variables. Dans notre cas, pour un
risque α de 5%, t0,975 avec 56 degrés de liberté est égale à 2,003 ;

se [Ŷ*] est l’écart-type de la valeur estimée obtenu à partir de l’équation
suivante :

∧
(
se  y ∗  = s 1 + X ∗T X T X )
−1
X∗
 

149
 avec

s = SCE/n-k-1 = RMSE ;

X est la matrice des observations qui ont servi à la calibration du modèle ;

X* est le vecteur des observations qui ont servi à calculer la valeur estimée ;

XT est la matrice transposée, obtenue en permutant les lignes et les colonnes
de X ;

X-1 est la matrice inverse, calculée par la formule CT/detX où detX est le
déterminant de la matrice X et C est la comatrice de X c’est-à-dire la matrice
des cofacteurs de X.

5.5 Etape intermédiaire de la recherche du modèle de régression pour les cours

d’eau de Wallonie

5.5.1 Superficie des bassins versants

Etant donné qu’il est communément admis que la superficie du bassin versant du
cours d’eau étudié joue un rôle prépondérant dans la détermination du débit d’un cours
d’eau, cette variable n’est pas prise en considération lors de la recherche du modèle de
régression.

En effet, par exemple, le coefficient de corrélation entre le percentile95 de période de

retour de 5 ans et la superficie est de 0,78.

Dans la recherche du modèle, les percentiles95 ont été exprimés en débit spécifique
soit en m³/[Link]² (Q95 s).

Il est à remarquer que le bassin versant utilisé est celui de surface et non le bassin
versant hydrogéologique.

5.5.2 Application d’une transformation de variable

Après la réalisation des différents modèles de régression sur base du jeu de

données, il s’est avéré indispensable d’appliquer une transformation logarithmique sur les
débits spécifiques utilisés (Q95s).

Pour rappel, un des critères de validation du modèle de régression est la normalité

des résidus de ce dernier. Suite à cette transformation logarithmique, la normalité des
résidus a été améliorée pour les modèles obtenus pour les différentes périodes de retour, à
savoir 2, 5, 10, 20 et 50 ans.

A titre d’exemple, les Figure 100100 et Figure 101101 présentent les graphiques
décrivant la normalité des résidus obtenus pour le modèle calculé pour une période de retour
de 5 ans respectivement avant et après l’application d’une transformation logarithmique des
Q95s. La symétrie de la distribution des résidus est améliorée et cette dernière se rapproche
de la distribution Normale.

150
 (log[m³/[Link]²])
(m³/[Link]²)

Figure 100: Normalité des résidus pour le modèle obtenu pour la période de retour 5
ans avant la transformation de variables

(log[m³/[Link]²])

(log[m³/[Link]²])

Figure 101 : Normalité des résidus pour le modèle obtenu pour la période de retour 5
ans après la transformation de variables

Etant donné que le nombre de valeurs prédites de débit qui sont éloignées des
valeurs observées correspondantes augmentent avec le débit spécifique observé, le fait
d’appliquer une transformation logarithmique aux Q95s permet de diminuer cette différence.
(Laaha et Blöschl, 2006)

La Figure 102102 illustre la diminution de l’écart entre les valeurs observées et les
valeurs prédites pour les valeurs élevées du Q95s de période de retour 5 ans.

151
 (log[m³/[Link]²])
(m³/[Link]²)

(log[m³/[Link]²])
(m³/[Link]²)

Figure 102 : Observation de l’augmentation du nombre de valeurs prédites de débit

qui sont éloignées des valeurs observées correspondantes avec le débit spécifique
observé

Le dernier avantage que la transformation logarithmique va apporter est l’absence de

valeurs prédites négatives de percentiles95 spécifiques.

5.5.3 Recherche d’une relation linéaire entre le débit caractérisant l’étiage et les
caractéristiques des bassins versant

Ce présent chapitre a pour objectif de détecter a priori l’existence d’une relation

linéaire entre les caractéristiques des bassins versants et de la variable décrivant l’étiage,
soit le logarithme du percentile95 (LogQs95). Seuls, les graphiques (Figure 103103) montrant
l’existence d’une tendance d’une relation sont présentés, et ce dans le cas d’une période de
retour équivalente à 5 ans.

152
 Figure 103 : Relation entre les caractéristiques des bassins versants et le logarithme
du percentile95 spécifique de période de retour 5 ans

On peut remarquer que les meilleurs coefficients de détermination sont obtenus pour
les caractéristiques hydrogéologiques des bassins versants (percolation et coefficient de
tarissement) ainsi que pour la densité de drainage. Ensuite, viennent les sols des groupes
hydrologiques A, B et D et enfin l’occupation du sol avec le pourcentage de territoires
artificialisés et de forêts.

153
 Cette tendance est également observée pour les périodes de retour plus importantes.
On remarque que plus cette dernière augmente, meilleure est la relation avec le coefficient
de tarissement. On obtient un coefficient de détermination R² de 0,32 pour une période de 50
ans, ce qui signifie que plus l’étiage est sévère, plus on aura une relation entre la nappe et le
cours d’eau importante.

5.5.4 Choix du modèle de régression

Afin de choisir la meilleure méthode de recherche d’un modèle de régression, des

tests ont été réalisés pour les trois possibilités décrites dans ce texte, à savoir, stepwise,
gain maximum du R², sélection avec comparaison des valeurs du R² ajusté.

Le Tableau 24 présente les résultats des trois méthodes de calcul d’un modèle de
régression. Les valeurs présentées sont les coefficients de détermination du modèle, les
RMSE (écart moyen résiduel) du modèle et de la validation ainsi que les coefficients de
détermination de la validation.

Il est à remarquer que les méthodes du gain maximum du R² et de sélection avec

comparaison des valeurs du R² ajusté donnent les mêmes modèles, c’est pourquoi les
résultats obtenus sont présentés dans la même colonne.

Tableau 24 : Comparaison de trois méthodes de détermination d’un modèle de

régression
Gain maximum du R²
Stepwise
Sélection R² ajusté

R² modèle 0,705 0,744

R² ajusté modèle 0,695 0,735

RMSE modèle 0,213 0,198

RMSE validation 0,215 0,301

R² validation 0,828 0,662

R² ajusté validation 0,807 0,566

Les méthodes du gain maximum du R² et de sélection avec comparaison du R² ajusté

donnent un meilleur résultat lorsque l’on regarde les coefficients de détermination ajustés du
modèle ainsi que pour l’écart moyen résiduel.

Par contre, lorsque l’on compare les résultats obtenus à partir des stations de
mesures retenues pour la validation des modèles, on peut observer que l’écart moyen
résiduel du modèle obtenu par la méthode stepwise est plus faible que pour les deux autres
méthodes. De plus, le coefficient de détermination ajusté de la validation est plus important.

Etant donné que l’objectif de ce travail est de pouvoir estimer en n’importe quel point
d’un linéaire d’un cours d’eau non jaugé, le débit qui caractérise l’étiage, il est primordial de
retenir un modèle de régression qui offre les meilleures estimations. Il s’agit dans ce cas de
la méthode stepwise.

De plus, pour rappel, la méthode de régression stepwise permet de minimiser les

colinéarités entre variables (Laaha et Blöschl, 2007), ce qui permettra d’obtenir une meilleure
validation du modèle retenu.

154
5.6 Modèles de régression pour les cours d’eau de Wallonie

5.6.1 Introduction

Pour rappel, les modèles de régression sont recherchés pour les périodes de retour
2, 5, 10, 20 et 50 ans à partir de 24 variables et du percentile95 spécifique (Q95s).

Comme justifié précédemment, la méthode retenue pour la détermination des

modèles de régression est la ‘Stepwise’.

Cependant, il est apparu en cours de travail que pour la période de retour de 2 ans, la
méthode Stepwise propose un modèle à trois variables : la percolation, le coefficient de
tarissement et le pourcentage de surface enherbée. L’ajout de cette dernière variable
n’engendrant qu’une faible amélioration du coefficient de détermination du modèle, il a été
décidé de forcer le logiciel SAS à fournir un modèle ne reprenant que la percolation et le
coefficient de tarissement.

Les résultats sont présentés simultanément pour les modèles obtenus pour les cinq
périodes de retour.

5.6.2 Vérification des conditions d’application : Normalité des résidus

La normalité des résidus est vérifiée pour les cinq modèles de régression obtenus. La
Figure 104104 présente les graphiques permettant de vérifier la normalité des résidus dans
le cas du modèle obtenu pour toutes les périodes de retour simulées.

On peut y observer que les résidus suivent une loi symétrique centrée autour de la
valeur ‘zéro’.

155
 (log[m³/[Link]²])
(log[m³/[Link]²])

(log[m³/[Link]²])

(log[m³/[Link]²])
(log[m³/[Link]²])

(log[m³/[Link]²])
(log[m³/[Link]²])

(log[m³/[Link]²])

156
 (log[m³/[Link]²])
(log[m³/[Link]²])

Figure 104 : Normalité des résidus pour les modèles obtenus pour les cinq périodes
de retour (2, 5, 10, 20 et 50 ans)

5.6.3 Vérification des conditions d’application : Egalité des variances des résidus

Pour rappel, les résidus doivent être d’égale variance. L’homoscédasticité est
contrôlée à partir des graphiques des résidus en fonction de l’Y estimé dans lesquels on
vérifie que les résidus sont répartis dans une bande horizontale de valeurs autour de 0.

Dans le cas contraire, les graphiques des résidus contre les différents régresseurs Xj
permettent de détecter quelle est la variable responsable de l'hétéroscédasticité.

La Figure 105105 présente les résultats du test de l’égalité de variances

correspondant aux modèles de régression obtenus pour toutes les périodes de retour. On
peut observer que l’ensemble des points se situent autour de la droite des résidus nuls.
Aucune valeur ne se distingue.

157
 (log[m³/[Link]²])
(log[m³/[Link]²])

(log[m³/[Link]²]) (log[m³/[Link]²])

(log[m³/[Link]²])
(log[m³/[Link]²])

(log[m³/[Link]²]) (log[m³/[Link]²])
(log[m³/[Link]²])

(log[m³/[Link]²])

Figure 105 : Vérification de l’égalité des variances des résidus

On peut conclure que la condition d’application liée à l’égalité des variances des
résidus est vérifiée et ce pour les modèles obtenus pour les différentes périodes de retour.

5.6.4 Vérification des conditions d’application : Recherche de valeurs influentes

Les observations qui influencent la régression peuvent être détectées à l’aide de la

distance de Cook. Les valeurs sont dites influentes lorsque la distance de Cook est
supérieure à 1 ou à 4/(n-p-1) selon les auteurs.

158
 Les observations influentes qui ont un résidu studentisé/standardisé supérieur à 2
peuvent être considérées comme anormales et leur suppression peut être envisagée. Un
résidu studentisé représente la valeur du résidu divisée par l'erreur type, avec suppression
de l'observation courante.

La Figure 106106 présente les distances de Cook obtenues pour l’ensemble des
stations de mesures utilisées pour calculer le modèle de régression pour une période de
retour égale à 5 ans.

Figure 106 : Recherche de valeurs influentes à partir de la distance de Cook

Aucune valeur de distance supérieure à 1 n’est observée et ce pour les cinq modèles
de régression obtenus pour les différentes périodes de retour.

Par contre, la ligne horizontale présente le seuil équivalent à 4/(n-p-1) = 4/(59-2-1) =

0,071 qui est une valeur définie par certains auteurs et permet de détecter plusieurs valeurs
qualifiées d’influentes. (Rawlings, 1988) (Rawlings et al., 1998)

Il s’agit des observations 9, 28, 33, 46 qui correspondent respectivement aux stations
de :
• Bersillies-l’Abbaye sur la Thure,
• Isières sur la Sille,
• Mariembourg sur la Brouffe,
• Sainte-Marie sur la Semois.

A partir des valeurs de résidus standardisés ou studentisés, on recherche les valeurs

supérieures à 2 dans le graphique présenté à la Figure 107107.

159
 (log[m³/[Link]²])

Figure 107 : Recherche de valeurs anormales éventuelles à partir des résidus

studentisés

Trois des quatre stations de mesures pouvant être considérées comme influentes à
partir de la distance de Cook obtiennent un score supérieur à 2 pour leur résidu standardisé.
Les stations de Rhisnes sur le Houyoux et de Baisieux sur la Grande Honnelle se trouvent
également dans cette situation.

Tableau 25 : Valeurs de différentes variables dans le cadre de la recherche de valeurs

influentes
Résidu
Résidu
Cours Qs95 T5 Perco CT Qs T5 Résidu studentisé
ID Localité -1 standardisé du
d’eau observé (mm) (jour ) estimé en % du LogQs95
LogQs95_T5
T5
Bersillies-
9 Thure 0,0054 20,4 0,019 0,0011 78,83 2,958 3,191
l'Abbaye
28 Isières Sille 0,0004 20,5 0,015 0,0013 -239,74 -2,340 -2,442
33 Mariembourg Brouffe 0,0002 18 0,039 0,0007 -274,14 -2,557 -2,697
46 Sainte-Marie Semois 0,0021 326,3 0,02 0,0037 -72,28 -1,120 -1,123
Moyenne 0,0021 117,5 0,019

Les quatre stations de mesures qualifiées d’influentes, influencent toutes l’estimation

du coefficient de régression de la percolation à cause de leur valeur éloignée de la moyenne
(Tableau 25).

Seule la station de Mariembourg influence l’estimation du coefficient de régression du

coefficient de tarissement. Il s’agit des variables qui sont reprises dans l’équation du modèle
de régression obtenu.

Etant donné qu’il ne s’agit pas d’erreur de mesure, ces points de mesures ne sont
pas considérés comme anormaux et sont maintenus donc pour la détermination du modèle
de régression.

En ce qui concerne les résidus standardisés supérieurs à 2, à savoir pour Bersillies-

l’Abbaye, Isières et Mariembourg ainsi que Rhisnes et Baisieux, elles ont comme
caractéristiques des valeurs soit élevées, soit faibles de leur percentile95 spécifique.

160
 Il est à remarquer que Baisieux possède le plus grand percentile95 spécifique
(0,0087 m³/[Link]²), Bersillies-l’Abbaye le troisième plus grand (0,0054 m³/[Link]²) tandis que
Mariembourg possède le plus faible percentile95 spécifique (0,00019 m³/[Link]²), Isières le
deuxième plus faible (0,00037 m³/[Link]²) et Rhisnes le troisième plus faible (0,00047
m³/[Link]²).

Si nous enlevions ces valeurs extrêmes du modèle, nous perdrions de la précision

dans cette gamme de débits spécifiques, c’est pourquoi il est décidé de les maintenir pour la
détermination du modèle de régression.

En ce qui concerne les résultats obtenus pour les autres périodes de retour, il est à
remarquer que la station de Mariembourg (33) n’a plus de résidus standardisés supérieurs à
2 pour une période de retour égale à 50 ans.

La station de Graide (22) devient influente dans le modèle obtenu pour une période
de retour de 10 ans (Tableau 26). La percolation et le coefficient de tarissement sont élevés
par rapport à la valeur moyenne mais les résidus standardisés restent inférieurs à 2.

Tableau 26 : Valeurs de différentes variables pour la station de Graide dans le cadre

de la recherche de valeurs influentes
Résidu Résidu
Perco CT standardisé studentisé Qs95
ID Localité Cours d’eau -1
(mm) (jour ) du LogQs95 du LogQs95 T5
T5 T5
22 Graide Ruisseau de Graide 241,9 0,037 -1,006 -1,006 0,0011

Cette dernière station reste influente pour les périodes de retour de 20 et 50 ans alors
que Sainte-Marie (46) ne l’est plus.

5.6.5 Vérification des conditions d’application : Colinéarité

On parle de colinéarité lorsqu’il existe des corrélations entre les régresseurs. Malgré
l’utilisation de la méthode stepwise qui tend à diminuer ce problème lors de la détermination
du modèle de régression, la recherche de colinéarité sera effectuée à l’aide de plusieurs
critères.

La détection d’une colinéarité est établie lorsque l’on a soit une valeur du facteur
d’inflation de la variance (VIF) supérieure à 10, soit un indice de conditionnement supérieur à
30, ou soit une forte contribution (supérieur à 0,5) d’une composante à l’indice de
conditionnement élevé à la variance de deux ou plusieurs coefficients de régression (Palm,
1988).

Les résultats proposés ci-dessous sont pour le modèle de régression obtenu pour
une période de retour de 5 ans. Les conclusions tirées quant à la présence ou non de
colinéarité pourront être étendues pour tous les autres modèles obtenus pour les autres
périodes de retour.

Le facteur d’inflation VIFj correspond à l’augmentation de variance due à la

corrélation entre la variable j et les autres variables explicatives. A partir du Tableau 27, on
observe que le VIF est inférieur à 10 et donc qu’il n’y a pas de colinéarité.

161
Tableau 27 : Recherche de problème de colinéarité à partir du facteur d’inflation de la
variance
Valeurs estimées des paramètres
Valeur Corr. Corr.
d Valeur SC SC Inflation Intervalle de
estimée Erreur Pr > |t Type I Type II
Variable d du test Type Type Tolérance de confiance à
des type | au carré au carré
l t I II variance 95 %
paramètres partielle partielle
Intercept 1 -2.777 0.093 -29.70 <.0001 456.21 48.49 . . . 0 -2.96 -2.59
Perco 1 0.0017 0.001 3.64 0.0006 1.30 0.73 0.254 0.191 0.921 1.086 0.001 0.003
CT 1 -10.399 2.867 -3.63 0.0006 0.72 0.72 0.190 0.190 0.921 1.086 -16.14 -4.66

L’indice de conditionnement est le rapport entre la racine carrée de la valeur propre la

plus élevée et la racine carrée de la valeur propre la plus faible. Les valeurs obtenues
(Tableau 28) sont toutes inférieures au seuil de trente. Il n’y a donc pas de problème de
colinéarité observé à partir de cet indice.

Tableau 28 : Recherche de problème de colinéarité à partir de l’indice de

conditionnement
Diagnostics de colinéarité
Index Proportion de variation
Valeur
Nombre de
propre
conditionnement Intercept Perco CT
1 2.612 1.00 0.015 0.028 0.027
2 0.319 2.86 0.000 0.369 0.350
3 0.068 6.17 0.985 0.603 0.623

Un problème de colinéarité peut également être mis en évidence lorsque le signe du

coefficient de régression est opposé au signe du coefficient de corrélation entre la variable à
expliquer et la variable explicative en question.

5.6.6 Modèle de régression

Pour rappel, les modèles de régression sont obtenus à partir de la méthode Stepwise
pour les périodes de retour de 5, 10, 20 et 50 ans.

Pour la période de retour de deux ans la méthode ‘Stepwise’ propose un modèle

reprenant trois variables, à savoir le pourcentage de surface enherbée, la percolation et le
coefficient de tarissement. L’ensemble des conditions d’application du modèle sont
respectées.

log Qs95 _ T 2 = −2,81168 + 0,00506SURF _ ENHERB + 0,00173Percolation − 8,08392CT

Q95 _ T 5 = Superficie.10 −2,81168+0,00506SURF _ ENHERB + 0, 00173 Percolation −8, 08392CTT
, ajusté = 0,728 .
2
RModèle

Etant donné que pour les autres périodes de retour, seules les variables caractérisant
la percolation et le coefficient de tarissement sont retenues, il a été décidé de forcer le choix
de celles-ci pour la période de retour de 2 ans.

Le coefficient de détermination obtenu en forçant le choix des deux variables liées à

l’hydrogéologie est de 0,760, soit légèrement supérieur à celui du modèle de régression
obtenue par la méthode ‘Stepwise’.

Une des deux variables sélectionnées pour le modèle est la percolation qui
correspond à la recharge des nappes. Durant la période estivale, le débit d’un cours d’eau

162
est généralement équivalent au débit de base qui peut être défini comme étant le débit
restitué par l’eau souterraine.

L’autre variable retenue est le coefficient de tarissement. Cet indice est utilisé car il
est déterminé à partir du rythme de décroissance du débit du cours d’eau observé au niveau
des stations de mesures sélectionnées afin de caractériser l’apport d’eau provenant des
nappes en période estivale.

Ces variables n’apparaissent pas dans le même ordre dans les différents modèles
(Tableau 29). En effet, par exemple, dans le cas de la période de retour de 5 ans, la
percolation est la première variable retenue tandis que pour une période de retour de 50, il
s’agit du coefficient de tarissement. Les données ne sont pas présentées pour la période de
retour de 2 ans étant donné que la méthode ‘Stepwise’ n’a pas été utilisée. Pour rappel, le
choix des variables a été forcé afin d’obtenir une cohérence entre les modèles pour les
différentes périodes de retour.

Tableau 29 : Etape du choix des variables pour la détermination du modèle de

régression
Période de retour : 5 ans Période de retour : 20 ans

Etape Variable R²partiel R²modèle Etape Variable R²partiel R²modèle

1 PERCO 0,254 0,254 1 CT 0,308 0,308
2 CT 0,142 0,396 2 PERCO 0,104 0,412

Période de retour : 10 ans Période de retour : 50 ans

Etape Variable R²partiel R²modèle Etape Variable R²partiel R²modèle

1 CT 0,285 0,285 1 CT 0,316 0,316
2 PERCO 0,124 0,409 2 PERCO 0,089 0,405

Les coefficients de détermination fournis pas SAS sont calculés à partir des
logarithmes des percentiles95 spécifiques. Or, de manière à simplifier la validation du
modèle et de manière à être cohérent dans la suite de ce travail, les coefficients de
détermination présentés par la suite seront calculés à partir des Percentiles95.

Les modèles obtenus pour les différentes périodes de retour sont les suivants :

• Période de retour de 2 ans :

log Qs95 _ T 2 = −2,68217 + 0,00167 Percolation − 6,78561CT

Q95 _ T 5 = Superficie.10 −2, 68217 +0, 00167 Percolation −6, 78561CTT
2
R Modèle = 0,760

• Période de retour de 5 ans :

log Qs95 _ T 5 = −2,7774 + 0,0017 Percolation − 10,3991CT

Q95 _ T 5 = Superficie.10 −2, 7774+ 0, 0017 Percolation −10,3991CT
2
R Modèle = 0,705

163
 • Période de retour de 10 ans :

log Qs95 _ T 10 = −2,8317 + 0,0017 Percolation − 12,4673CT

Q95 _ T 10 = Superficie.10 −2,8317 +0, 0017 Percolation −12, 4673CT
2
RModèle = 0,671

• Période de retour de 20 ans :

log Qs95 _ T 20 = −2,8704 + 0,0017 Percolation − 14,5842CT

Q95 _ T 20 = Superficie.10 −2,8704+ 0,0017 Percolation−14,5842CT
2
RModèle = 0,641

• Période de retour de 50 ans :

log Qs95 _ T 50 = −2,9300 + 0,0018 Percolation − 16,7325CT

Q95 _ T 50 = Superficie.10 −2,9300+ 0,0018 Percolation −16, 7325CT
2
R Modèle = 0,610 .

5.6.7 Intervalle de confiance des modèles de régression obtenu

Pour rappel, la formule permettant de déterminer l’intervalle de confiance d’une

valeur prédite est la suivante :

∧ ∧
y ± t1−α 2 (n − k − 1)se  y ∗ 
 

où

Ŷ*est la valeur estimée ;

t1-α/2 est issu de la distribution t de Student à n-k-1 degré de liberté, n étant le
nombre d’observations et k le nombre de variables. Dans notre cas, pour un
risque α de 5%, t0,975 avec 56 degrés de liberté est égal à 2,003 ;

se[Ŷ*] est l’écart-type de la valeur estimée obtenu à partir de l’équation
suivante :

∧
(
se  y ∗  = s 1 + X ∗T X T X ) −1
X∗
 

avec

s = SCE/ n-k-1 = RMSE ;

X est la matrice des observations qui ont servi à la calibration du modèle ;

X* est le vecteur des observations qui ont servi à calculer la valeur estimée ;

XT est la matrice transposée, obtenue en permutant les lignes et les colonnes de
X;

164

X-1 est la matrice inverse, calculée par la formule CT/detX où detX est le
déterminant de la matrice X et C est la comatrice de X c’est-à-dire la matrice
des cofacteurs de X.

Dans notre cas, la matrice inverse (XT X-1)-1permettant le calcul des intervalles de
confiance est :

0,15907243 − 0,000595846 − 3,70977259

 
− 0,00059585 0,000003942 0,00682459  .
− 3,70977259 0,006824591 149,582607 
 

Cette matrice doit être multipliée par la matrice reprenant les valeurs de la percolation
(mm) et du coefficient de tarissement (jour-1) :

 1 
 
 Perco .
 CT 
 

Les valeurs du RMSE sont reprises dans le Tableau 30.

Tableau 30 : Valeurs du RMSE pour les modèles obtenus pour les différentes périodes
de retour
Période de retour
RMSE
(années)
2 0,21183
5 0,23444
10 0,25341
20 0,27627
50 0,30912

La formule permettant la détermination des intervalles de confiance est traduite en

abaques à double entrées (la percolation et le coefficient de tarissement). Ces dernières
fournissent la valeur qu’il faut additionner et soustraire à la valeur estimée du logarithme du
percentile95 spécifique.

L’ensemble des abaques sont présentés en annexes (de l’Annexe 19 à l’Annexe 22).

5.6.8 Validation des modèles de régression

Comme vu précédemment, plusieurs stations de mesures ont été sélectionnées dans

l’optique de validation du modèle.

Elles ont été choisies de manière à couvrir au mieux la Wallonie tout en faisant partie
des quatre groupes obtenus lors de la partie consacrée à la régionalisation (Figure 108108).

165
 Figure 108 : Carte des stations utilisées pour la validation du modèle de régression

Il s’agit de points de mesures qui n’ont pas été retenus en première approche car la
taille de leur historique ne répondait pas au critère de 20 années minimum.

Tableau 31 : Stations de mesures utilisées pour la validation des modèles de

régression
Bassin
Code Localité Cours d'eau Mise en service X Y
versant
19511002 Tubize Senne Senne 1997 137850 153300
67531002 Lasninville Amblève Amblève 1996 266681 120028
68031002 Chevron Lienne Amblève 1993 248721 121549
81661002 Sosoye Molignée Meuse amont 1998 179107 109691
82211002 Gendron Lesse Lesse 1968 192424 100222
95411002 Chiny Semois Semois 1992 220742 48650
L5183 Onoz Orneau Sambre 1998 171179 130329
L5661 Steenkerque Senne Senne 1996 128679 147776
L5860 Theux Hoëgne Vesdre 1979 252201 137368
L6080 Reuland Ulf Our 1991 277217 99906
L6090 Lommersweiler Braunlauf Our 1991 277350 104134
L6101 Blanmont Orne Dyle 1992 168717 146383
L6290 Amberloup Ourthe occidentale Ourthe 1991 232962 81131
L6340 Eben-Emael Geer Geer 1991 241312 164275
L6380 Olloy-sur-Viroin Viroin Viroin 1992 166439 84824
L6440 Virton Ton Chiers 1991 234474 29038
L6530 Aublain Eau Blanche Viroin 1994 152353 83282
L6570 Ghoy Ruisseau d'Ancre Dendre 1994 110975 156690
L6610 Hérock Lesse Lesse 1996 198431 96041

Les différentes variables utilisées dans le cadre de ce travail de ces stations de

mesures ont été déterminées selon la méthodologie mise en place dans le contexte de la
régionalisation.

166
 L’historique des ces points de mesures pris en considération débute à la date de
l’installation de la station jusqu’à l’année 2010 incluse.

Le Tableau 32 présente les percentiles95 estimés à partir de l’analyse fréquentielle,

les percentiles95 calculés à partir des droites de régression obtenues ainsi que les résidus
exprimés en pourcent.

Tableau 32 : Résultats de la validation

Localité Période de retour : 2 ans Période de retour : 5 ans
Q95 Q95 T2 Résidu Q95 Q95 T5 Résidu
T2 estimé en % T5 estimé en %
Tubize 0.502 0.406 19.108 0.421 0.284 32.615
Lasninville 0.758 0.386 49.024 0.603 0.259 56.992
Chevron 0.411 0.250 39.276 0.269 0.158 41.258
Sosoye 0.155 0.124 19.716 0.113 0.090 20.276
Gendron 2.330 2.188 6.112 1.640 1.396 14.889
Chiny 1.550 1.621 -4.595 1.160 1.004 13.414
Onoz 0.600 0.500 16.678 0.453 0.356 21.379
Steenkerque 0.227 0.231 -1.921 0.192 0.164 14.370
Theux 0.296 0.270 8.844 0.155 0.148 4.257
Reuland 0.051 0.066 -29.073 0.031 0.036 -15.543
Lommersweiler 0.146 0.128 12.462 0.093 0.082 11.337
Blanmont 0.130 0.149 -14.268 0.099 0.112 -11.837
Amberloup 0.275 0.175 36.523 0.167 0.099 40.517
Eben-Emael 1.360 2.012 -47.925 1.110 1.566 -41.049
Olloy-sur-Viroin 1.070 1.199 -12.041 0.854 0.861 -0.803
Virton 1.120 0.490 56.259 0.931 0.370 60.258
Aublain 0.329 0.277 15.782 0.250 0.199 20.358
Ghoy 0.070 0.129 -84.171 0.049 0.081 -65.508
Hérock 2.710 2.068 23.706 1.660 1.342 19.174
Localité Période de retour : 10 ans Période de retour : 20 ans
Q95 Q95
Q95 Résidu Q95 Résidu
T10 T20
T10 en % T20 en %
estimé estimé
Tubize 0.384 0.232 39.686 0.355 0.195 45.061
Lasninville 0.535 0.207 61.268 0.484 0.170 64.813
Chevron 0.211 0.122 42.132 0.170 0.097 42.949
Sosoye 0.096 0.075 21.474 0.084 0.065 22.722
Gendron 1.380 1.083 21.538 1.210 0.864 28.575
Chiny 1.020 0.769 24.622 0.935 0.602 35.623
Onoz 0.391 0.295 24.591 0.347 0.251 27.735
Steenkerque 0.176 0.136 22.962 0.163 0.115 29.264
Theux 0.105 0.106 -0.818 0.074 0.077 -4.596
Reuland 0.024 0.026 -6.422 0.020 0.019 3.653
Lommersweiler 0.071 0.064 9.838 0.056 0.051 8.478
Blanmont 0.085 0.095 -11.334 0.075 0.083 -10.542
Amberloup 0.129 0.072 43.943 0.104 0.054 48.156
Eben-Emael 0.998 1.370 -37.275 0.909 1.224 -34.613
Olloy-sur-Viroin 0.754 0.716 5.088 0.679 0.612 9.927
Virton 0.844 0.319 62.175 0.778 0.280 64.052
Aublain 0.215 0.166 22.930 0.188 0.142 24.674
Ghoy 0.041 0.062 -53.261 0.035 0.049 -41.335
Hérock 1.240 1.051 15.225 0.960 0.847 11.743
Localité Période de retour : 50 ans
Q95
Q95 Résidu
T50
T50 en %
estimé
Tubize 0.326 0.157 51.789
Lasninville 0.433 0.134 68.950
Chevron 0.131 0.074 43.558
Sosoye 0.0716 0.053 25.364
Gendron 1.05 0.661 37.038
Chiny 0.854 0.456 46.595
Onoz 0.302 0.206 31.887
Steenkerque 0.149 0.094 36.955
Theux 0.0475 0.054 -14.410
Reuland 0.0156 0.013 14.419

167
 Lommersweiler 0.0422 0.039 6.591
Blanmont 0.0642 0.071 -9.950
Amberloup 0.0814 0.039 52.458
Eben-Emael 0.815 1.069 -31.227
Olloy-sur-Viroin 0.6 0.504 16.059
Virton 0.71 0.242 65.942
Aublain 0.161 0.117 27.425
Ghoy 0.0292 0.037 -27.716
Hérock 0.703 0.655 6.824

On y observe que les résidus varient de quelques pourcents à près de 66 pourcents

pour la station de Virton sur le Ton.

Pour rappel, le coefficient de détermination R² représente la part de la variance du

Percentile95 qui explique le modèle tandis que le RMSE quantifie les écarts entre les valeurs
observées et les valeurs prédites par le modèle de régression obtenu. (Claustriaux, 2007)

Le Tableau 33 présente les résultats obtenus par rapport aux performances des
modèles de régression obtenus pour les différentes périodes de retour.

Tableau 33 : Performances des modèles de régression

Période de retour (années)

2 5 10 20 50
R² modèle 0.768 0.705 0.671 0.641 0.610
RMSE modèle 0.257 0.213 0.193 0.178 0.163
R² validation 0.862 0.828 0.786 0.725 0.636
RMSE validation 0.279 0.215 0.200 0.198 0.198

On peut observer que le coefficient de détermination R² du modèle diminue lorsque la

période de retour augmente, ce qui indique que le modèle devient moins précis. Par contre,
on observe également que le RMSE diminue également, ce qui signifie que l’on a moins de
différence entre les débits observés et les débits simulés.

D’un point de vue validation, le coefficient de détermination est relativement plus

élevé mais diminue également lorsque la période de retour augmente.

On remarque également que le RMSE de la validation diminue comme celui du

modèle, et ce dans les mêmes proportions. Cependant, le coefficient de détermination de la
validation est meilleur que celui du modèle, ce qui signifie que le modèle est plus performant
pour les prédictions.

Le fait que les coefficients de détermination sont meilleurs dans le contexte de

validation provient également du fait que les stations de mesures utilisées pour cette
dernière se situent dans la gamme de débit spécifique 0 à 0,002 m³/[Link]² (sauf la station de
Virton) alors que pour la calibration, cette plage s’étend de 0 à 0,004 m³/[Link]² (excepté les
stations de Baisieux, Harnoncourt et Bersillies-l’Abbaye).

La Figure 109109 présente les graphiques mettant en relation les valeurs prédites en
fonction des valeurs observées des percentiles95.

168
 Comparaison des percentiles95 observés et prédits Comparaison des percentiles95 observés et prédits
pour une période de retour de 2 ans pour une période de retour de 5 ans
2.2 2.2
2.0 2

Percentile95 prédit (m³/s)

Percentile95 prédit (m³/s)

1.8 1.8
1.6 1.6
1.4 1.4
1.2 1.2
1.0 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0
0.000 0.200 0.400 0.600 0.800 1.000 1.200 1.400 1.600 1.800 2.000 2.200 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
Percentile95 observé (m³/s) Percentile95 observé (m³/s)

Comparaison des percentiles95 observés et prédits Comparaison des percentiles95 observés et prédits
pour une période de retour de 10 ans pour une période de retour de 20 ans
2.2 2.2
2 2

Percentile95 prédit (m³/s)

Percentile95 prédit (m³/s)

1.8 1.8
1.6 1.6
1.4 1.4
1.2 1.2
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
Percentile95 observé (m³/s) Percentile95 observé (m³/s)

Comparaison des percentiles95 observés et prédits

pour une période de retour de 50 ans
2.2
2
Percentile95 prédit (m³/s)

1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
Percentile95 observé (m³/s)

Figure 109 : Graphiques des valeurs prédites et observées des percentiles95

On observe dans un premier temps que les prédictions divergent des observations
pour les grandes valeurs du percentile95, et ce plus la période de retour augmente.

La Figure 110110 montre que les résidus augmentent linéairement avec les
percentiles95 spécifiques observés pour les différentes périodes de retour.

169
 Représentation des résidus en fonction des Représentation des résidus en fonction des
percentiles95 spécifiques observés (T = 2 ans) percentiles95 spécifiques observés (T = 5 ans)
0.007 0.007

0.006 0.006

0.005 0.005
Résidus (m³/[Link]²)

Résidus (m³/[Link]²)
0.004 0.004

0.003 0.003

0.002 0.002

0.001 0.001 y = 0.7212x - 0.0012

y = 0.7109x - 0.0017 R² = 0.7577
0.000 R² = 0.7173 0

-0.001 -0.001

-0.002 -0.002
0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01 0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01
Percentile95 spécifique observé (m³/[Link]²) Percentile95 spécifique observé (m³/[Link]²)

Représentation des résidus en fonction des Représentation des résidus en fonction des
percentiles95 spécifiques observés (T = 10 ans) percentiles95 spécifiques observés (T = 20 ans)
0.007 0.007

0.006 0.006

0.005 0.005
Résidus (m³/[Link]²)

Résidus (m³/[Link]²)
0.004 0.004

0.003 0.003

0.002 0.002
y = 0.7358x - 0.001 y = 0.7525x - 0.0009
0.001 R² = 0.7835 0.001 R² = 0.8073
0.000 0

-0.001 -0.001

-0.002 -0.002
0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01 0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01
Percentile95 spécifique observé (m³/[Link]²) Percentile95 spécifique observé (m³/[Link]²)

Représentation des résidus en fonction des

percentiles95 spécifiques observés (T = 50 ans)
0.007

0.006

0.005
Résidus (m³/[Link]²)

0.004

0.003

0.002
y = 0.776x - 0.0007
0.001 R² = 0.8359

0.000

-0.001

-0.002
0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01
Percentile95 spécifique observé (m³/[Link]²)

Figure 110 : Graphique des résidus en fonction des percentiles95 spécifiques

observés

Cependant, le modèle surestime les faibles valeurs de percentiles95 spécifiques

(principalement pour les valeurs inférieures à 0,001 m³/[Link]² pour les périodes de retour de
2, 5, 10 et 20 ans, et à 0,0009 m³/[Link]² pour une période de retour de 50 ans.

On observe une sous-estimation des débits spécifiques prédits pour des valeurs
supérieures à 0,005 m³/[Link]² pour une période de retour de 2 ans, à 0,004 m³/[Link]² pour les
périodes de retour 5, 10, 20 et 50 ans.

Ce problème de calibration pour les valeurs extrêmes provient du peu de valeurs

pour ces plages de mesures de percentiles95 spécifiques. Ceci explique le faible coefficient
de détermination des modèles de régression qui pourrait être solutionné par l’ajout de
nouvelles stations qui ne sont pas encore disponible en Wallonie. Le modèle pourra être
recalculé périodiquement avec l’ajout de nouveau point de mesures ayant un historique
suffisant. Il s’agit des stations de mesures ayant un débit caractérisant l’étiage, le

170
percentile95 dans notre cas, supérieur à 0,8 m³/s pour la période de retour de 2 ans et à 0,6
m³/s pour les périodes de retour plus élevées.

Les stations de mesures qui pourront aider à cette amélioration sont les exutoires des
grands bassins versants ainsi que les stations de mesures qui ont un débit d’étiage élevé
grâce à l’apport des nappes, comme par exemple la Lorraine.

La Figure 111111 présente pour les stations de validation les percentiles95 observés
(issus de l’analyse fréquentielle) et prédits à partir du modèle obtenu pour les différentes
périodes de retour. Les intervalles de confiance des valeurs des différents percentiles95 sont
également représentés.

Comparaison des Percentiles95 observés et prédits et Comparaison des Percentiles95 observés et prédits et
leur intervalle de confiance (période de retour 2 ans) leur intervalle de confiance (période de retour 2 ans)
1.2 6.0
1.1 5.6
5.2
1.0 Débits observés Débits observés
4.8
0.9 Débits prédits 4.4 Débits prédits
0.8 4.0

Débit (m³/s)
Débit (m³/s)

0.7 3.6
3.2
0.6
2.8
0.5 2.4
0.4 2.0
0.3 1.6
1.2
0.2
0.8
0.1 0.4
0.0 0.0
Blanmont

Eben-Emael
Sosoye

Amberloup

Olloy-sur-Viroin
Lasninville

Chevron

Gendron

Onoz

Hérock
Lommersweiler
Steenkerque

Reuland

Aublain

Virton
Theux

Chiny
Tubize

Ghoy

Comparaison des Percentiles95 observés et prédits et Comparaison des Percentiles95 observés et prédits et
leur intervalle de confiance (période de retour 5 ans) leur intervalle de confiance (période de retour 5 ans)
1.2 6.0
1.1 5.6
5.2
1.0 Débits observés Débits observés
4.8
0.9 Débits prédits 4.4 Débits prédits
0.8 4.0
Débit (m³/s)
Débit (m³/s)

0.7 3.6
3.2
0.6
2.8
0.5 2.4
0.4 2.0
0.3 1.6
1.2
0.2
0.8
0.1 0.4
0.0 0.0
Blanmont

Eben-Emael
Sosoye

Amberloup

Olloy-sur-Viroin
Lasninville

Chevron

Gendron

Onoz

Hérock
Lommersweiler
Steenkerque

Reuland

Aublain

Virton
Theux

Chiny
Tubize

Ghoy

Comparaison des Percentiles95 observés et prédits et Comparaison des Percentiles95 observés et prédits et
leur intervalle de confiance (période de retour 10 ans) leur intervalle de confiance (période de retour 10 ans)
1.2 6.0
1.1 5.6
5.2
1.0 Débits observés Débits observés
4.8
0.9 Débits prédits 4.4 Débits prédits
0.8 4.0
Débit (m³/s)
Débit (m³/s)

0.7 3.6
3.2
0.6
2.8
0.5 2.4
0.4 2.0
0.3 1.6
1.2
0.2
0.8
0.1 0.4
0.0 0.0
Blanmont

Eben-Emael
Sosoye

Amberloup

Olloy-sur-Viroin
Lasninville

Chevron

Gendron

Onoz

Hérock
Lommersweiler
Steenkerque

Reuland

Aublain

Virton
Theux

Chiny
Tubize

Ghoy

171
 Comparaison des Percentiles95 observés et prédits et Comparaison des Percentiles95 observés et prédits et
leur intervalle de confiance (période de retour 5 ans) leur intervalle de confiance (période de retour 20 ans)
1.2 6.0
1.1 5.6
5.2
1.0 Débits observés Débits observés
4.8
0.9 Débits prédits 4.4 Débits prédits
0.8 4.0

Débit (m³/s)
Débit (m³/s)

0.7 3.6
3.2
0.6
2.8
0.5 2.4
0.4 2.0
0.3 1.6
1.2
0.2
0.8
0.1 0.4
0.0 0.0

Blanmont

Eben-Emael
Sosoye

Amberloup

Olloy-sur-Viroin
Lasninville

Chevron

Gendron

Onoz

Hérock
Lommersweiler
Steenkerque

Reuland

Aublain

Virton
Theux

Chiny
Tubize

Ghoy
Comparaison des Percentiles95 observés et prédits et Comparaison des Percentiles95 observés et prédits et
leur intervalle de confiance (période de retour 50 ans) leur intervalle de confiance (période de retour 50 ans)
1.2 6.0
1.1 5.6
5.2
1.0 Débits observés Débits observés
4.8
0.9 Débits prédits 4.4 Débits prédits
0.8 4.0

Débit (m³/s)
Débit (m³/s)

0.7 3.6
3.2
0.6
2.8
0.5 2.4
0.4 2.0
0.3 1.6
1.2
0.2
0.8
0.1 0.4
0.0 0.0
Blanmont
Sosoye

Amberloup

Eben-Emael
Lasninville

Chevron

Gendron

Olloy-sur-Viroin
Onoz
Lommersweiler
Steenkerque

Reuland

Aublain
Theux

Hérock
Tubize

Virton
Ghoy

Chiny
Figure 111 : Comparaison des percentiles95 observés et prédits et leur intervalle de
confiance

On peut observer que pour la majorité des stations de mesures de validation, les
débits prédits se situent dans l’intervalle de confiance des valeurs observées issues de
l’analyse fréquentielle. Les exceptions sont EbenEmael, Tubize, Lasninville, Chevron,
Amberloup et Virton.

Selon le bilan hydrogéologique réalisé par Rouxhet (Rouxhet et al., 1996), les
captages au niveau de la nappe de Hesbaye représentent environ 70 mm (c’est-à-dire 10 %
des précipitations moyennes annuelles) et le débit moyen annuel du Geer est de l’ordre de
130 mm, soit 17 %. Or, il a été démontré que le niveau de cette nappe est en relation directe
avec le débit du Geer. Le débit naturel sans intervention humaine est donc plus élevé que le
débit observé. Il n’est donc pas surprenant que l’on observe une forte surestimation du débit
à Eben-Emael par le modèle. (Rouxhet et al., 1996)

En ce qui concerne la station de Virton, le débit spécifique observé pour une période
de retour de 5 ans est de 0,0103 m³/[Link]². Or la gamme de mesure utilisée pour la
détermination du modèle de régression est 0,0002 - 0,0087 m³/[Link]². Virton se situe donc en
dehors de cette plage, ce qui peut expliquer la différence entre la valeur observée et la
valeur prédite.

Le débit prédit pour une période de retour de 2 ans de la station de Ghoy sur le
Ruisseau d’Ancre, est également situé en-dehors de l’intervalle de confiance des débits
observés. A l’inverse de la Lorraine belge, on se situe ici dans les valeurs les plus faibles
simulées.

On observe également que l’intervalle de confiance des valeurs prédites est assez
important. Ceci est dû au faible coefficient de détermination R² du modèle.

172
5.6.9 Comparaison des variables utilisées par d’autres auteurs

Dans son étude ayant pour objectif de définir différents paramètres caractérisant
l’étiage par région homogène, Nathan utilise dans son modèle de régression principalement
les caractéristiques hydrogéologique du bassin versant (Base Flow Index, constante de
récession) ainsi que le débit moyen annuel. Les paramètres du modèle SFB sont également
utilisés. Ce modèle utilise les pluies journalières ainsi que les données d’évaporation afin de
produire des valeurs mensuelles de débit. Un modèle par groupe homogène peut être défini
étant donné que le nombre de stations de mesures de départ est de 184 situées dans le sud-
est de l’Australie. (Nathan et McMahon, 1990)

Laaha dans sa comparaison de méthodologie de régionalisation des débits d’étiage

sur 132 bassins versant situés en Autriche. Selon les régions, les caractéristiques des
bassins versants retenues dans les modèles de régression diffèrent. On retrouve
majoritairement, les précipitations moyennes annuelles, les pentes, le pourcentage d’un
substrat géologique, l’altitude et la densité de drainage. L’occupation du sol intervient dans
quelques modèles selon la méthode employée. Les coefficients de détermination R² des
modèles sont assez variables en fonction de la méthode de régionalisation appliquée. Par
exemple, il varie de 0 à 0,89. Le nombre de groupes obtenus lors de la régionalisation varie
de 5 à 10 groupes. (Laaha et Blöschl, 2006)

Aux Etats-Unis, dans son étude, Kroll a défini un modèle pour différentes régions
dont les coefficients de détermination ajusté varient entre 0,83 et 0,98 dans le cas où toutes
les variables sont utilisées. S’il ne prend pas en compte la constante de récession et le Base
Flow Index, les coefficients de détermination sont moins bons (de 0,33 à 0,93). Le nombre
de stations de mesures utilises par région varie de 20 à 61. Les variables principalement
utilisées sont la superficie du bassin versant, les caractéristiques hydrogéologiques, les
précipitations. (Kroll et al., 2004)

Vezza compare différentes méthodes de regroupement des bassins versants en

régions homogènes. Les variables retenues dans ces modèles sont l’altitude maximum et
médiane, la latitude, le Curve Number, les pourcentages de roche, de prairies ou de forêts
au niveau de l’occupation du sol et la pente moyenne. Il est à remarquer que dans les
variables de départ, on ne trouve aucune caractéristique relative à l’hydrogéologie. Les
coefficients de détermination ajustés obtenus variant de 0,42 à 0,98 avec la majorité
inférieure à 0,70. (Vezza et al., 2010)

Dans le sud de l’Allemagne, la géologie est la variable la plus explicative dans le

modèle de régression obtenu par Seibert qui permet de calculer le MAM10. L’hydrogéologie
et l’occupation du sol jouent également un rôle important dans l’explication de la variance du
MAM10. Le coefficient de détermination obtenu est de 0,56. (Seibert et Beven, 2009)

Gustard propose une équation déterminée à partir d’un bilan hydrologique car il a
obtenu un meilleur coefficient de détermination (R²=0.977) et estime que c’est plus simple
que de définir un modèle de régression. L’équation reprend la superficie du bassin versant,
les précipitations annuelles moyennes et l’évaporation potentielle. (Gustard et al., 1992)

Cette revue bibliographique montre l’importance de l’hydrogéologie dans le contexte

de la définition d’un débit caractérisant l’étiage, ce qui conforte les résultats obtenus lors de
cette étude. Pour rappel, chaque modèle de régression déterminé pour les différentes
périodes de retour envisagées retient comme variables explicatives la percolation
correspondant à la recharge des nappes et le coefficient de tarissement.

173
5.6.10 Abstraction de la période de retour dans les modèles de régression

Selon l’objectif de la recherche d’un débit caractérisant l’étiage, il est parfois utile
d’utiliser d’autres périodes de retour que celles qui ont été modélisées. C’est pourquoi, une
équation englobant les paramètres retenus, à savoir la percolation (PERCO) et le coefficient
de tarissement (CT), ainsi que la période de retour (T), a été déterminée.

Pour ce faire, les coefficients obtenus pour les deux variables ainsi que la constante
des modèles en fonction de la période de retour relatifs au percentile95 ont été mis sous
forme de graphique présenté à la Figure 112112.

Coefficients de régression et constantes des modèles

en fonction de la période de retour (Q95)
0.0025 0
y = -0.075ln(x) - 2.6446
R² = 0.9826 Constante

du coefficient de tarissement
Coefficient de la Percolation

0.0020 -4

Constante et coefficient
Percolation
y = 3E-05ln(x) + 0.0016
0.0015 R² = 0.9209
-8

0.0010 -12

0.0005 y = -3.079ln(x) - 5.1041 -16

R² = 0.9892
Coefficient de
tarissement
0.0000 -20
0 10 20 30 40 50
Période de retour T
Figure 112 : Graphique mettant en relation les coefficients de régression et les
constantes en fonction de la période de retour (Q95)

A partir du graphique, on remarque que l’on peut obtenir un ajustement de bonne

qualité entre les coefficients de régression et la période de retour, ainsi que pour les
constantes. En effet, les coefficients de détermination sont de 0,92 pour la percolation et
supérieurs à 0,98 pour la constante et le coefficient de tarissement.

Il est dès lors possible d’établir une équation qui permet d’obtenir un percentile95
pour n’importe quelle période de retour et ce à pour n’importe quel point d’un linéaire de
cours d’eau à partir de la formule suivante :

−5
Q95 = S .10 −2 ,6446−0, [Link] T +0,[Link] −5,[Link] +3.10 . PERCO . ln T −3, [Link] . ln T
.

dans laquelle, S est la superficie du bassin versant (km²), T est la période de retour
(année), CT le coefficient de tarissement (jour-1) et PERCO la percolation (mm).

Le Tableau 34 présente les écarts moyens, exprimé en pourcent, entre les modèles
obtenus pour chaque période de retour et le modèle global permettant le calcul d’un
percentile95 pour n’importe quelle période de retour.

174
 Tableau 34 : Ecarts moyens (%) entre les modèles obtenus pour les différentes
périodes de retour et le modèle global
Ecart moyens (%)
2 ans 5 ans 10 ans 20 ans 50 ans
Moyenne 6.56 -3.01 -2.91 -0.19 5.58
Ecart-type 1.12 1.29 1.28 0.96 1.15
Minimum 5.00 -6.65 -6.17 -2.88 3.85
Maximum 9.60 -0.89 -0.28 1.42 8.81

On observe que les débits calculés à partir de l’équation globale surestiment les
percentiles95 déterminés à partir des cinq modèles pour les périodes de retour de 2 et 50
ans. Par contre, en moyenne, une sous-estimation est observée pour les périodes de retour
de 5, 10 et 20 ans.

Or, pour rappel, les modèles obtenus pour les cinq périodes de retour engendrent
une sous-estimation des percentiles95 simulés. Dans ce cas, à partir du modèle global, on
accentue légèrement cette différence pour les périodes de retour 2 et 50 ans tandis qu’en
moyenne, on améliore l’estimation pour 5, 10 et 20 ans.

En ce qui concerne les intervalles de confiance, il faut travailler à partir des abaques
repris de l’Annexe 18 à l’Annexe 22. Une règle de trois doit être appliquée entre les périodes
de retour simulées et la période de retour dont on souhaite le débit caractérisant l’étiage pour
obtenir la valeur que l’on doit ajouter et soustraire au logarithme du percentile95 spécifique.

Afin de valider la méthodologie, le test suivant est réalisé. Prenons comme hypothèse
que l’on connaisse les valeurs à ajouter ou à soustraire pour les périodes de retour 5 et 20
ans et que la percolation est de 310 mm et le coefficient de tarissement de 0,028.
Considérons que l’on souhaite obtenir l’intervalle de confiance pour une période de retour
égale à 10 ans. Les résultats sont présentés dans le Tableau 35.

Tableau 35 : Comparaison des intervalles de confiance obtenus par calcul et à partir

des abaques
Valeur à ajouter et
Période de retour
à soustraire
5 ans 0.5137
20 ans 0.6053
10 ans (calculés) 0.5442
10 ans (abaque) 0.5552

On observe à partir du Tableau 35, nous avons une différence de 2 pourcents entre
les valeurs à ajouter ou à soustraire obtenues à partir de l’abaque ou de la règle de trois.

175
5.6.11 Modèles de régression obtenus pour le MAM7

Les modèles de régression obtenus par la méthode Stepwise pour le paramètre

MAM7 décrivant l’étiage sont les suivants :

log MAMs 7 _ T 2 = −2,6969 + 0,[Link] − 9,[Link]

MAM 7 _ T 2 = Superficie.10 −2, 6969+0,00172. Percolation−9, [Link]
log MAMs7 _ T 5 = −2,7851 + 0,[Link] − 13,[Link]
MAM 7 _ T 5 = Superficie.10 −2, 7851+0, 0017 Percolation −13, 4274CT
log MAMs7 _ T 10 = −2,8396 + 0,0016 Percolation − 15,5904CT
MAM 7 _ T 10 = Superficie.10 −2,8396+ 0, 0016 Percolation −15,5904 CT
log MAMs7 _ T 20 = −2,8939 + 0,0016 Percolation − 17,3211CT
MAM 7 _ T 20 = Superficie.10 −2,8939+0,0016 Percolation−17 ,3211CT
log MAMs7 _ T 50 = −2,9808 + 0,0016 Percolation − 19,0192CT
−2 , 9808+ 0 , 0016 Percolation −19 , 0192 CT
MAM 7 _ T 50 = Superficie.10 .

L’ensemble des conditions d’application du modèle sont respectées pour toutes les
périodes de retour modélisées. Le Tableau 36 présente les coefficients de détermination des
modèles ainsi que la RMSE, et ce y compris pour la validation.

Tableau 36 : Performances des modèles de régression utilisant le MAM7 comme

descripteur de l’étiage
Période de retour (années)

2 5 10 20 50
R² modèle 0.746 0.670 0.623 0.578 0.508
RMSE modèle 0.234 0.201 0.187 0.177 0.170
R² validation 0.838 0.796 0.754 0.703 0.608
RMSE validation 0.264 0.205 0.188 0.179 0.177

Tout comme pour le percentile95, un modèle global faisant abstraction de la période

de retour est déterminé à partir de la Figure 113113. Pour ce faire, le graphique mettant en
relation les coefficients des deux régresseurs ainsi que la constante en fonction de la période
de retour est réalisé, l’objectif étant de trouver une relation entre ces derniers.

176
 Coefficients de régression et constantes des modèles
en fonction de la période de retour (MAM7)
0.0025 0
y = -0.087ln(x) - 2.6397
R² = 0.9983 Constante

du coefficient de tarissement
Coefficient de la Percolation

0.0020 -4

Constante et coefficient
Percolation
0.0015 y = -5E-05ln(x) + 0.0017
-8
R² = 0.9522

0.0010 -12

0.0005 -16
Coefficient de
y = -2.993ln(x) - 8.035 tarissement
R² = 0.9633
0.0000 -20
0 10 20 30 40 50
Période de retour T
Figure 113 : Graphique mettant en relation les coefficients de régression et les
constantes en fonction de la période de retour (MAM7)

On peut observer que les coefficients de détermination des relations obtenues sont
supérieurs à 0,95, ce qui signifie que l’ajustement est de bonne qualité. Le modèle global
obtenu est donc représenté par l’équation suivante :

−5
MAM 7 = S .10 −2 ,6397 −0, [Link] T +0, 0017. PERCO −[Link] +5.10 . PERCO . ln T − [Link] . ln T

Les abaques permettant le calcul des intervalles de confiance sur la même

méthodologie que dans le cas des percentiles95 se trouvent en annexes (de l’Annexe 23 à
l’Annexe 27).

5.6.12 Comparaison des modèles de régression obtenus pour le Q95 et le MAM7

Une comparaison est réalisée sur les résultats des modèles de régression obtenus
pour les deux descripteurs de l’étiage, à savoir le percentile95 et le MAM7 à partir des
coefficients de détermination R² et des écarts moyens résiduels RMSE du modèle et de
validation. Une synthèse de ces valeurs sont présentées dans le Tableau 37.

Tableau 37 : Résumé des performances des modèles de régression utilisant le Q95 ou

le MAM7 comme descripteurs de l’étiage
Période de retour (années)

2 5 10 20 50
Q95 MAM7 Q95 MAM7 Q95 MAM7 Q95 MAM7 Q95 MAM7
R² modèle 0.768 0.746 0.705 0.670 0.671 0.623 0.641 0.578 0.610 0.508
RMSE modèle 0.257 0.234 0.213 0.201 0.193 0.187 0.178 0.177 0.163 0.170
R² validation 0.862 0.838 0.828 0.796 0.786 0.754 0.725 0.703 0.636 0.608
RMSE validation 0.279 0.264 0.215 0.205 0.200 0.188 0.198 0.179 0.198 0.177

177
 On peut observer que les coefficients de détermination obtenus dans le cas du
percentile95 sont supérieurs à ceux calculés pour le MAM7, et ce tant pour les modèles que
pour la validation. On remarque également que la différence augmente avec la période de
retour.

En validation, la régression effectuée sur le percentile95 est meilleure également

mais la différence est moins importante et n'augmente pas avec la période de retour.

Il est possible que la différence observée dans les coefficients de détermination entre
les modèles obtenus pour le percentile95 et pour le MAM7 provienne d’une plus grande
incertitude sur la valeur du MAM7. Pour rappel, le MAM7 est plus régulièrement inférieur au
minimum jaugé et se trouve donc plus fréquemment dans la partie de la courbe de tarage
extrapolée pour les bas débits.

D'une manière générale, le coefficient de détermination R² des modèles diminue avec

la période de retour mais l’écart moyen résiduel RMSE également, ce qui est dû au fait que
la variance des débits observés diminue aussi et dans des proportions plus importantes que
la variance des résidus.

Outre le fait que les modèles obtenus sont de meilleure qualité pour le percentile95,
ce descripteur avait, lors de la sélection des stations de mesures, l’avantage d’être plus
souvent supérieur au maximum jaugé. Pour rappel, 41 % des stations de mesures ont un
percentile95 minimum inférieur au minimum jaugé, tandis que ce chiffre monte à un peu plus
de 60 % dans le cas du MAM7.

178
5.7 Utilisation et application des modèles de régression

5.7.1 Introduction

Afin de déterminer le débit caractérisant l’étiage (percentile95 ou MAM7) d’un cours

d’eau non jaugé pour une période de retour donnée, il faut connaître le coefficient de
tarissement de cette rivière ainsi que la recharge en nappe du bassin versant (percolation).

A ce stade, il est important de rappeler que les données utilisées pour la

détermination des deux paramètres proviennent de stations de mesures ayant une taille
d’historique limitée à un peu plus de trente ans. De ce fait, les modèles de régression
obtenus sont considérés comme stationnaires, c’est-à-dire qu’ils ne prennent pas en
considération toute évolution possible liée aux changements climatiques éventuels ou aux
modifications de la gestion de l’eau au sein des bassins versants considérés. Ce dernier
point n’a peu d’impact car pour rappel, lors de la sélection des stations de mesures, un test
d’homogénéité a été réalisé sur les données caractérisant l’étiage. A titre d’exemple, nous
pouvons rappeler que les points de mesures situés sur l’Eau d’Heure ont été écartés car la
mise en service des barrages en amont influence le débit d’étiage du cours d’eau.

Le présent chapitre a comme objectif de proposer une méthodologie de détermination

de ces deux variables.

5.7.2 Coefficient de tarissement

Le coefficient de tarissement est déterminé après l’extraction de périodes dites de

tarissement. Pour ce faire, des données de débit et de précipitions sont nécessaires.

Afin d’obtenir un coefficient de tarissement pour le cours d’eau non jaugé, la valeur
de cette variable calculée pour un bassin versant proche et ayant des caractéristiques
hydrogéologiques similaires sera utilisée. (Tsakiris et al., 2011)

Une vérification quant à la précision du coefficient de tarissement, peut être réalisée à

partir du coefficient de détermination R² de l’application de la loi de Maillet sur les séquences
de tarissement définies. Ces derniers sont présentés dans l’Annexe 16 en même temps que
les valeurs du coefficient de tarissement.

A la vue de ce tableau, on observe que le coefficient de détermination est supérieur à

0,75 dans près de nonante-deux pourcents des cas, soit pour cinquante-quatre stations sur
les soixante-et-une. Pour trois d’entre elles, la valeur obtenue pour ce coefficient de
détermination est proche de 0,67 (Ath sur la Dendre orientale, Amougies sur la Rhosnes et
Suzeryl sur la Thyle).

Par contre l’application de la loi de Maillet donne des résultats de moins bonne
qualité sur les stations d’Irchonwelz sur la Dendre occidentale (R² = 0,51) et d’Opheylissem
sur la Petite Gette (R² = 0,47).

Il est à remarquer que le bassin versant des stations d’Amougies, de Suzeryl sont
situés sur l’aquifère des Sables du Tertiaire tandis que pour la station d’Opheylissem, il s’agit
d’une part des Sables du Tertiaire et d’autre part de la craie du Secondaire Crétacé. A partir
du Tableau 19, on observe également que l’écart-type obtenu pour l’aquifère des Sables du
Tertiaire est le plus élevé des quatre groupes retenus.

La Figure 114114 donne la valeur du coefficient de tarissement pour les bassins

versants de stations utilisées dans cette étude, ainsi que la taille de l’historique des stations

179
de mesures ayant servi à son calcul, ce qui permet d’avoir une deuxième idée de la précision
et de l’exactitude du coefficient.

En effet, plus l’historique est grand, plus le nombre de séquences de tarissement est
élevé et plus le coefficient est précis. Cependant, aucun lien n’a été trouvé entre la taille de
l’historique et le coefficient de détermination obtenu lors de l’application de la loi de Maillet.

La carte représente aussi les principaux aquifères de Wallonie et permet ainsi de

choisir la valeur du coefficient du bassin versant le plus proche hydrogéologiquement et
géographiquement. Il s’agira cependant, d’être prudent lors de la détermination du coefficient
de tarissement pour les points non jaugés situés dans l’aquifère des Sables du Tertiaire pour
lesquels on souhaite obtenir un débit caractérisant l’étiage.

Figure 114 : Coefficients de tarissement des bassins versants étudiés et les

principaux aquifères wallons

5.7.3 Recharge des nappes : Percolation

Pour rappel, la percolation moyenne annuelle est obtenue à partir de simulations

réalisées à l’aide du modèle EPICGrid. (Sohier, 2011)

Afin de déterminer la percolation d’un bassin versant d’un cours d’eau non jaugé sans
avoir recours à une modélisation, la Wallonie a été subdivisée sur base des bassins ORI6 qui
existent au sein du Service public de Wallonie (subdivision purement administrative).

6
Une codification, appelée codification ORI, des bassins et cours d'eau de Wallonie a été créée par l'Office
Régional d'Informatique (ORI). Chaque cours d'eau qui se développe en Wallonie a reçu un code hydrologique
de 6 chiffres (les 3 premiers identifiant le sous-bassin, les 3 suivants le cours d'eau à l'intérieur du sous-bassin).

180
 Ensuite, afin de tenir compte de la Directive-Cadre sur l’Eau7, la percolation est
fournie pour les masses d’eau de surface qui sont l’unité de gestion dans un objectif de bon
état écologique.

La percolation est déterminée à partir de simulations réalisées à l’aide du modèle

EPICGrid pour l’ensemble des bassins versants ORI. Les résultats sont proposés à la Figure
115115. (Sohier, 2011).

Lorsque l’on souhaite définir un débit caractérisant l’étiage d’un cours d’eau non
jaugé à partir des modèles de régression, la percolation du bassin versant de cette rivière est
défini en calculant la moyenne des percolations des bassins ORI qui le compose.

Figure 115 : Percolation (mm) pour les bassins versants ORI et les principaux
aquifères de Wallonie

La Figure 116116 propose une comparaison des percolations des bassins versants
des stations de mesures obtenues par modélisation à l’aide du modèle EPIC et celles
obtenues en calculant la moyenne des percolations des bassins versants ORI qui compose
le bassin.

7
Directive-Cadre sur l’Eau : Directive 2000/60/CE adoptée le 23 octobre 2000

181
 Comparaison des percolations obtenues pour les bassins versants des
stations de mesures par modélisation EPIC et par la moyenne des bassins ORI
350
325
Percolation obtenue par moyenne des bassins ORI (mm)

300
275
250
225
200
175

Ochamps

Graide
150
Macquenoise

125
100
75
50
25
0
0 25 50 75 100 125 150 175 200 225 250 275 300 325 350
Percolation obtenue par modélisation EPIC (mm)
Figure 116 : Comparaison des percolations obtenues pour les bassins versants des
stations de mesures par modélisation EPIC et par la moyenne des bassins ORI

Le Tableau 38 présente les valeurs caractéristiques des écarts entre les percolations
obtenues par modélisation (EPIC) sur le bassin versant et la moyenne des percolations des
bassins ORI obtenues également par modélisation (EPIC). On peut constater que l’écart
moyen est de 16,3 %, ce qui est relativement faible. On observe également que plus de 90
pourcents des écarts sont inférieurs à 29 %.

Tableau 38 : Valeurs caractéristiques obtenues à partir des valeurs absolues des

écarts (%) des percolations obtenues par modélisation EPIC et moyenne des bassins
ORI
Ecart (%)
Moyenne 16.3
Minimum 0.2
Maximum 462.5
Médiane 5.2
Percentile75 14.2
Percentile90 29.0

Par contre, on observe un maximum de plus de 450 % pour le bassin versant de la

station de Macquenoise. Ceci permet d’attirer l’attention de l’utilisateur sur une situation
particulière appelant la prudence. Ce bassin ne constitue en fait que la moitié d’un bassin
ORI et les deux parties ont une géologie très différente (Figure 114114). Une partie du
bassin versant repose sur les calcaires du Primaire tandis que la deuxième partie sur le
socle Cambro-Silurien. La percolation moyenne du bassin ORI est de 64 mm mais elle varie
de quelques mm à plus de 200 mm au sein de ce même bassin.

Ce problème apparaît également pour les bassins ORI situés à cheval entre le socle
cambro-silurien et les massifs schisto-gréseux du Dévonien, et les formations du Secondaire

182
Jurassique. Il s’agit de la transition entre le bassin de la Semois et de la Chiers, et plus
particulièrement du Ton.

On remarque également que pour les stations de Graide et d’Ochamps, nous

obtenons une différence non négligeable. L’explication se trouve dans la superficie des
bassins versants qui est respectivement de 11,19 et 9,51 km².

Au final, on peut juger acceptable l’utilisation de la moyenne des percolations des

bassins ORI, ce qui permet d’éviter d’avoir recours à un modèle hydrologique.

Etant donné que dans le contexte de la Directive-Cadre sur l’Eau, l’unité de gestion
est la masse d’eau de surface8, la percolation a été simulée pour ces dernières. Les résultats
obtenus sont présentés à la Figure 117117.

Figure 117 : Valeurs de percolation (mm) par masse d’eau de surface

5.7.4 Application du modèle global à différentes stations de mesures

A. Introduction

L’objectif de ce paragraphe est de vérifier la qualité des résultats obtenus en utilisant

la méthodologie mise en place pour la détermination des deux paramètres, à savoir la
percolation et le coefficient de tarissement.

8
Masse d’eau de surface : Tronçon de cours d’eau homogène pour un certain nombre de caractéristiques afin de
définir des objectifs de qualité à cette échelle.

183
 Dans un premier, il était prévu d’utiliser les données limnimétriques de stations de
mesures, de type ‘échelle’, qui étaient relevées une fois par jour à 08 heures du matin par un
lecteur rémunéré par l’administration wallonne. Les hauteurs d’eau étaient ensuite converties
en débit à l’aide des équations de tarage.

Cependant, les stations de ce type exploitables, c’est-à-dire qui ont une taille
d’historique suffisante (environ vingt ans) ont été utilisées pour augmenter la quantité de
données disponibles de certaines stations retenues dans la première partie de ce travail.

Les stations de mesures ayant une fréquence horaire de mesure, et ayant atteint
environ vingt années de données ont été utilisées pour la validation des modèles de
régression obtenus.

Pour ces deux raisons, il n’existe plus de stations de mesures au sein de la Wallonie,
qui permettraient une validation de la méthodologie mise en place pour la détermination des
valeurs de la percolation et du coefficient de tarissement.

De ce fait, un test à l’aveugle est réalisé en comparant les percentiles95 obtenus pour
les périodes de retour étudiées (2, 5, 10, 20 et 50 ans) à partir des valeurs calculées du
coefficient de tarissement et de la percolation lors de l’étape de régionalisation et les
percentiles95 obtenus à partir des valeurs estimées de ces deux paramètres.

B. Comparaison des résultats

Pour chaque station de mesures utilisée aussi bien pour la création des modèles de
régression que pour leur validation, les valeurs du coefficient de tarissement et de la
percolation sont définies.

Pour rappel, le coefficient de tarissement d’une station donnée est déterminé à partir
d’une station située soit sur le même cours d’eau, soit au sein du même bassin versant en
tenant compte du fait que cette dernière doit être située dans le même aquifère.

A titre d’exemple, le coefficient de tarissement du point de mesures situé sur la

Wimbe, à Lavaux-Sainte-Anne est pris comme étant égale à celui de la station de Hérock
située sur la Lesse (en aval de la confluence avec la Wimbe). En effet, dans ce cas, les
points de mesures situés en amont, sur la Lesse, se situent dans une zone karstique
(Eprave, Resteigne).

Pour rappel, la percolation d’un bassin versant d’une station de mesures est calculée
à partir de la moyenne des percolations issues des bassins ORI ou des masses d’eau de
surface qui le compose. Ce point a été développé dans le paragraphe précédent.

Le Tableau 39 présente les écarts moyens exprimés en pourcent entre les valeurs
des percentiles95 obtenus à partir des coefficients de tarissement et des percolations
calculées lors de l’étape de régionalisation et les percentiles95 obtenus sur base des
paramètres estimés selon la méthodologie mise en place dans ce chapitre.

184
Tableau 39 : Ecart moyen (%) entre les percentiles95 obtenus sur base des paramètres
(percolation et coefficient de tarissement) calculés et estimés
Période de retour (années)
2 5 10 20 50
Moyenne 0.66 -0.19 -0.97 -1.88 -3.27

Ecart-type 13.06 17.16 20.53 24.11 29.15

A partir du Tableau 39, on peut observer que l’écart moyen, ainsi que l’écart-type
augmentent (en valeur absolue) avec la période de retour. Les valeurs moyennes des écarts
restent faibles. Cependant, on peut observer un écart-type important pour les périodes de
retour supérieures à 10 ans.

Les valeurs des écarts les plus élevées sont obtenues principalement sur l’est de la
Wallonie : la Hoëgne à Theux, l’Ulf à Reuland, la Braunlauf à Lommersweiler et l’Ourthe
occidentale à Erneuville. Etant donné que les valeurs des percolations retenues sont
semblables, l’écart observé provient d’une faiblesse dans l’estimation du coefficient de
tarissement. La cause est à rechercher dans le peu de points de mesures pour lesquels ce
paramètre a pu être calculé.

Des écarts importants sont également observés au niveau des stations de Marbehan
sur la Mellier et de Tintigny sur la Rulles. Il est à remarquer que les coefficients de
tarissement calculés sont de 0,054 jour-1 pour la première et de 0,041 jour-1 pour la
deuxième. Cette différence peut s’expliquer par le fait que la Mellier est alimentée par
l’aquifère du socle Cambro-Silurien et Massifs schisteux-gréseux du Dévonien tandis que la
Rulles, dans sa partie avale, est alimentée par les formations du Secondaire Jurassique.

Ce phénomène est également observé dans une moindre mesure au niveau des
stations d’Ath (CT = 0,025 jour-1) et de Brugelette (CT = 0,013 jour-1) sur la Dendre orientale.

Par contre pour la station d’Ochamps sur la Lesse, l’écart observé provient de la
différence obtenue pour l’estimation de la percolation, comme cela a été montré au point
5.7.3.

La Figure 118 présente une comparaison entre les percentiles95 obtenus à partir des
valeurs estimées de la percolation et du coefficient de tarissement et les percentiles95
calculés sur base des valeurs de ces paramètres déterminées lors de l’étape de
régionalisation.

185
 Figure 118 : Comparaison des Q95 obtenus à partir des paramètres estimés
(percolation et coefficient de tarissement) et des Q95 obtenus à partir de ces
paramètres calculés lors de l'étape de régionalisation pour les différentes périodes de
retour (2, 5, 10, 20 et 50 ans)

On observe que l’ajustement d’une droite Y = X est de qualité moindre au fur et à

mesure que la période de retour augmente (R² = 0,98 pour une période de retour de 2 ans et
R² = 0,93 pour une période de retour de 50 ans).

A ce stade, il est important de rappeler que lorsque l’on utilise des données d’étiage
dans un objectif opérationnel, les périodes de retour envisagées ne dépassent généralement
pas dix ans.

186
6 CONCLUSIONS

A l’heure de la mise en application de la Directive cadre sur l’Eau, cette thèse

propose au gestionnaire des cours d’eau ainsi que des permis d’environnement, un outil
permettant la définition des débits caractérisant l’étiage.

Pour ce faire, la qualité et l’utilisation potentielle de plus de deux cent stations de

mesures hydrométriques situées en Wallonie ont été étudiées à partir de critères tels que
l’homogénéité des données et la taille suffisante de l’historique des stations.

L’historique de certains points de mesures a été augmenté soit par l’ajout de données
ayant un pas de temps plus faible, soit par la validation des données ou la complétude de
ces dernières.

Au final, un peu moins de soixante stations ont été retenues sur l’ensemble de la
zone d’étude.

D’un point de vue bibliographique, il existe un grand nombre de descripteurs pour

l’étiage. Dans le cadre de cette thèse, nous nous sommes limités à l’utilisation du
percentile95 (débit atteint ou dépassé 95 % du temps) ainsi que du MAM7 (plus faible valeur
de la moyenne mobile des débits atteints pendant 7 jours consécutifs de l’année).

Sur base de ces deux paramètres, une analyse fréquentielle a été réalisée afin
d’associer une période de retour aux débits. Plusieurs lois d’ajustement utilisées
couramment pour les étiages ont été testées. Il ressort de cette analyse qu’aucune loi unique
ne peut être privilégiée pour la zone d’étude, et que le choix de cette dernière n’était pas
influencé par la taille de l’historique des données ni par la position géographique du point de
mesures.

Les paramètres physiques des bassins versants (altitude, occupation du sol,

pédologie, coordonnées Lambert, pentes, densité de drainage), climatiques (précipitations,
évapotranspiration, température) et hydrogéologique (coefficient de tarissement) ont été
déterminés pour l’ensemble des stations de mesures.

Sur base de la méthode de classification numérique, quatre groupes homogènes de

bassins versants ont été définis pour l’ensemble du territoire wallon. L’analyse en
composantes principales a permis d’expliquer le regroupement. Le regroupement s’explique
par les précipitations, les pentes, l’altitude, l’occupation du sol, les groupes hydrologiques
des sols.

Nous montrons qu’en l’état actuel des bases de données disponibles, cette
régionalisation ne peut être utilisée pour la définition de modèles de régression sous-
régionaux, étant donné le nombre relativement faible de stations de mesures dans certains
groupes (principalement la Lorraine belge). Cependant, cette définition en zones homogènes
pourra être utilisée dans un futur proche, lorsqu’un grand nombre de points de mesures aura
vu sa taille d’historique atteindre vingt ans.

Sur base des paramètres définis lors de l’étape de régionalisation et des logarithmes
des percentiles95 ou MAM7 spécifiques, les modèles de régression pour cinq périodes de
retour (2, 5, 10, 20 et 50 ans) ont été déterminés sur base de la méthode ‘pas à pas’. Les
conditions d’application des modèles obtenus ont été vérifiées.

Il est apparu que les modèles obtenus utilisaient les deux paramètres caractérisant
l’hydrogéologie, à savoir le coefficient de tarissement et la percolation (recharge des
nappes).

187
 Il est à remarquer que ces deux paramètres retenus lors de la détermination des
modèles de régression, diffèrent de ceux mis en évidence lors de l’étape de régionalisation.
Cela provient du fait que selon la méthode ‘pas à pas’ utilisée pour la régression, seules les
variables non corrélées sont retenues.

Un ensemble de dix-neuf stations de mesures a été utilisé pour valider ces modèles à
partir du coefficient de détermination de l’écart moyen résiduel.

Afin de faire abstraction de la période de retour, les coefficients obtenus de chaque

paramètre et de la constante ont été mis en relation en fonction de la période de retour. Une
loi logarithmique a été déterminée pour chaque facteur.

Au final, tant pour le percentile95 que pour le MAM7, une seule équation est
nécessaire pour définir le débit caractérisant l’étiage en n’importe quel point d’un linéaire de
cours d’eau et ce pour n’importe quelle période de retour, entre 2 et 50 ans.

L’intervalle de confiance de ces équations sont obtenus à partir d’abaques générés

pour les modèles déterminés pour les cinq périodes de retour et en appliquant une règle de
trois.

Deux cartes de la Wallonie permettent la détermination du coefficient de tarissement

et de la percolation lorsque l’on souhaite calculer un débit caractéristique de l’étiage en un
point non jaugé. Les tests effectués montrent de bons résultats quant à l’application de la
méthodologie mise en place. Il faut être prudent lors de la détermination du coefficient de
tarissement dans les régions pour lesquelles on dispose de peu de point de mesures ainsi
que pour les bassins versants situés sur deux aquifères différents.

D’ici 5 à 6 ans, un potentiel d’environ trente stations de mesures pourra être utilisé
afin d’améliorer la qualité de l’ajustement. En effet, ces stations qui couvrent différents cours
d’eau répartis sur l’ensemble de la Wallonie, disposeront d’une taille d’historique suffisante, à
savoir vingt ans. Les différents critères de sélection, comme par exemple l’homogénéité des
données, … seront appliqués à celles-ci afin de vérifier la possibilité de leur utilisation.

Ces stations de mesures pourront dès lors être ajoutées aux différents groupes
homogènes obtenus dans le cadre de cette thèse. En fonction du nombre de points obtenus
par groupe, des modèles de régression par zone homogène pourront éventuellement être
déterminés. Dans le cas contraire, un modèle global pour la Région wallonne sera recalculé
afin de diminuer l’incertitude sur les valeurs dé débits estimées à l’aide de ce dernier.

Les stations de mesures ayant atteint une taille d’historique acceptable, deviendront
également des nouveaux points pour l’estimation du coefficient de tarissement. Plusieurs
points sont situés dans l’est de la Wallonie (Warchenne, Wayai, Our, Ourthe orientale, …),
zone pour laquelle on ne dispose pas de suffisamment de valeurs de coefficients de
tarissement, ce qui engendre pour rappel, une incertitude plus importante sur les débits
obtenus à l’aide du modèle de régression global obtenu.

Pour rappel, pour la détermination des modèles de régression, nous disposons de

peu de stations de mesures ayant un débit spécifique caractérisant l’’étiage soit faible, soit
élevé. Ceci engendre une incertitude plus importante sur les débits estimés pour les cours
d’eau ou bassins versants concernés. Il serait donc opportun de proposer à l’administration
wallonne ayant en charge la gestion des cours d’eau, l’ajout de points de mesures
supplémentaires dans les régions où le débit spécifique se situe dans les valeurs faibles et
élevées. Il s’agit des bassins versants de la Brouffe, du Houyoux et de la Silles pour les

188
faibles valeurs et de la région de la Lorraine belge et de la Grand Honnelle pour les débits
spécifiques élevés.

189
190
7 BIBLIOGRAPHIE

Armentrout G.W. and Wilson J.F. (1987). Assessment of low flows in streams in northeastern
Wyoming. USGS Water Resources Investigations Report, 85-4246, 30p.

Ashkar F. and Mahdi, S. (2006). Fitting the log-logistic distribution by generalized moments.
Journal of Hydrology 328, pp. 694–703.

Atkins J.B. and Pearman J.L. (1995). Low-flow and flow-duration characteristics of Alabama
streams. USGS Water-Resources Investigations Report 93-4186, 269p.

Bastola S., Ishidaira H. and Takeuchi K., 2008. Regionalisation of hydrological model
parameters under parameter uncertainty: A case study involving TOPMODEL and basins
across the globe. Journal of Hydrology 357. Pages 188 – 20.

Bernier, M.J. (1957). Sur l’application de diverses lois limites des valeurs extrêmes au
problème des débits de crues. Revue de statistique appliquée, tome 5, n°2. Pages 91-101.

Boussinecq, J., 1877. Essai sur la théorie des eaux courantes. Mémoires présentés par
divers savants à l’Académie des Sciences de l’Institut national de France. Tome XXIII, N°1

Brodie R.S. and Hostetler S., 2005. A review of techniques for analysing baseflow from
stream hydrographs. Proceedings of the NZHS-IAH-NZSSS 2005 Conference, 28
November–2 December, Auckland, New Zealand.

Burn D. H., 1997. Catchment similarity fir regional flood frequency analysis using seasonality
measures. Journal of Hydrology 202. Pages 212 – 230.

Castiglioni S., Castellarin A. and, Montanari A., 2009. Prediction of low-flow indices in
ungauged basins through physiographical space-based interpolation. Journal of Hydrology
378. Pages 272 – 280.

Cemagref-HHLY, Lyon, ESA-CNRS 5023, INPG-UMR LTHE, IRD, CIG, UMR Sysiphe
(1998). Programme National de Recherche en Hydrologie, Régimes hydrologiques. Projet
"Régimes" n°97-PNRH-23, rapport de première année 1 997-1998.

Chalise S. R., Sunil R. Kansakar, Gwyn Rees, Karen Croker, Maxine Zaidman, 2003.
Management of water resources and low flow estimation for the himalayan basins of Nepal.
Journal of Hydrology 282 (2003), pages 25 - 35.

Claustriaux J.J., 2007. Régression et corrélation linéaires multiple. Cours de statistique

appliquée. Gembloux Agro-Bio Tech.

Confais J. et Le Guen M., 2006. Premiers pas en régression linéaire avec SAS®. Revue
Modulad 35. Accessible à l’adresse [Link]
35/Tutoriel-confais-35/[Link]

Condie R. and Nix G.A. (1975). Modelling of low flow frequency distributions and parameter
estimation. Proceedings of the International Water Resources Symposium, Water for Arid
Lands, Iran.

Dacharry M., (1997), Dictionnaire français d’Hydrologie.

Dagnelie P., 1975. Théorie et méthodes statistiques. Applications agronomiques. 463 P, Les
Presses agronomiques de Gembloux.

191
Dagnelie P., 1992. Statistique théorique et appliquée. Tome 1. 492 P, Les Presses
agronomiques de Gembloux.

Dagnélie P., 2006. Statistique théorique et appliquée Tome 2. Les Presses agronomiques de
Gembloux.

Dautrebande S., Degré A., Smoos A. et Demarcin P., 2008. - Projet ERRUISSOL -
Cartographie numérique des zones à risque de ruissellement et d’érosion des sols en
Région wallonne – Rapport finale décembre 2008 – Convention de recherche : Service
public de Wallonie – DGO3 – DRCE - DDR.

Demarcin et al., 2011. Essai de cartographie des classes d'infiltrabilité des sols de Wallonie.
Biotechnologie, Agronomie, Société et Environnement (BASE).

Directive 2000/60/CE, 2000. Directive Cadre sur l’eau adoptée par le Parlement européen le
23 octobre 2000.

Donald H. Burn, 1997. Catchment similarity for regional flood frequency analysis using
seasonality measures. Journal of Hydrology 202 (1997), pages 212 - 230.

El-Adlouni S., Bobée B. and Ouarda T. B.M.J., 2007. Caractéristation des distributions à
queue lourde pour l’analyse des crues. Rapport de Recherche N° R-929.

El-Adlouni S., Bobée, B., Ouarda [Link]. and Dussaychoy A. (2008). On the tails of extreme
event distributions in hydrology. Journal of hydrology 355. Pages 16 - 33.

Galéa G., Javelle P. et Chaput N.. Un modèle débit-durée-fréquence pour caractériser le

régime d’étiage d’un bassin versant. Revue des Sciences de l’Eau, 13/4 (2000), pages 421-
440.

Galéa G., Mercier G. et Adler M. J., 1999. Modèle débit-durée-fréquence d’étiage, concept et
usage pour une approche régionale des régimes des basses eaux des bassins
hydrographiques de la Loire (France) et du Crisu-Alb (Roumanie). Revue des Sciences de
l’Eau, 12/1 (1999), pages 93-122.

Galéa G. and Canali S., 2005. Régionalisation des modules annuels et des régimes
d’étiages du bassin hydrographique de la Moselle française : lien entre modèles régionaux.
Revue des Sciences de l’Eau 18/3 (2005), pages 331 – 352.

Gibbs M.S., Maier H.R. and Dandy G.C., 2012. A generic framework for regression
regionalization in ungauged catchments. Environmental Modelling et Software 27 - 28.
Pages 1 – 14.

Giese G.L. and Mason R.R. (1993). Low-flow characteristics of streams in north Carolina.
USGS Water-Supply Paper 2403, 29p.

Gloor R. et Walter M., 1986. Estimation des débits d’étiage sur des cours d’eau sans
mesures directes. Ecole Polytechnique Fédérale de Lausanne.

Gomes O., Combes C. and Dussaychoy A. (2008). Parameter estimation of the generalized
gamma distribution. Elsevier – Mathematics and computers in simulation 79. Pages 955 -
963.

192
Greenwood J.A., Landwehr J.M., Matalas N.C. and Wallis J.R. (Landwehr et al., 1979).
Probability weighted moments: definition and relation to parameters of several distributions
expressible in inverse form. Water Resources Research 15/5, pp. 1049–1054.

Gottschalka L., Tallaksena L. M. and Perzynab G., 1997. Derivation of low flow distribution
functions using recession curves. Journal of Hydrology 194. Pages 239–262.

Gumbel E.J. (1954). Statistical theory of drought. Comptes rendus du American Society of
Civil Engineers, vol. 80, Separate 439.

Gustard A., Bullock A. and Dixon J. M., 1992. Low flow estimation in the United Kingdom.
Institute of Hydrology

Gustard A., Rees H. G., Croker K. M. and Dixon J. M., 1997. Using regional hydrology for
assessing European water resources. FRIEND '97 - Regional Hydrology. Concepts and
Models for Sustainable Water Resource Management (Proceedings of the Postojna,
Slovenia, Conference, September - October 1997). IAHS Publ. N° 246, 1997.

Gwo-Fong Lin and Lu-Hsien Chen. (2006). Identification of homogeneous regions for
regional frequency analysis using the self-organizing map. Journal of Hydrology 324, pp.1 –
9.

Hamza A., 1999. Estimation régionale des débits d’étiage de la Province Québec
(Développement des modèles régionaux de queues et d’invariance d’échelle). Mémoire.
Université du Québec (INRS-EAU).

Hingray B., Picouet C. et Musy A., 2009. Hydrologie – Une science pour l’ingénieur. Presses
polytechniques et universitaires romandes.

Hoang V.D. (1978). Meilleur ajustement statistique aux débits journaliers de crue et d'étiage
des rivières du Québec. Ministère des Richesses Naturelles, Direction générale des eaux,
H.P., 47p.

Hosking J.R.M. (1986). The Theory of Probability Weighted Moments. Research Report
RC12210, IBM Thomas J. Watson Research Center, New York.

Hosking J.R.M. (1990). L-Moment – Analysis and estimation of distributions using linear-
combinations of order-statistics. Journal of the Royal statistical society series B-
Methodological, vol. 52/1, pp. 105-124.

Hubert P. (2005). La prédétermination des crues. Comptes rendus Geoscience 337. Pages
219 - 227.

Interagency Advisory Committee on Water Data (1982). Guidelines for determining flood-flow
frequency: Bulletin 17B of the Hydrology Subcommittee. Office of Water Data Coordination,
U.S. Geological Survey, Reston,Va., 183 p.

Joseph E.S. (1970). Probability distribution of annual droughts. Journal of the irrigation and
drainage division, Proceedings of the ASCE, 96 (IR4), pp. 461-474.

Kroll C., Luz J., Allen B. and Vogel R.M., 2004. Developing a Watershed Characteristics
Database to Improve Low Streamflow Prediction. Journal of Hydrologic Engineering, mars –
Avril 2004. Pages 116 - 125.

193
Laaha G. and Blöschl G., 2005. Low flow estimates from short stream flow records – a
comparison of methods. Journal of Hydrology 306 (2005), pages 264 - 286.

Laaha G. and Blöschl G., 2006. A comparaison of low regionalization methods – catchment
grouping. Journal of Hydrology 323 (2006), pages 193 - 214.

Laaha G. and Blöschl G., 2007. A national low flow estimation procedure for Austria.
Hydrological Sciences – Journal des Sciences Hydrologiques, 52(4) August 2007. Pages
625 – 644.

Landwehr J.M., Matalas N.C. and Wallis J.R. (1979). Probability weighted moments
compared with some traditional techniques in estimating Gumbel Parameters and quantiles.
Water Resources Research, vol. 15/5, pp. 1055-1064.

Lang C. et Gille E., 2006. Une méthode d’analyse du tarissement des cours d’eau pour la
prévision des débits d’étiage. Norois, numéro 201 (2006/4).

Leppajarvi R. (1989). Frequency analysis of flood and low flow. FRIENDS in Hydrology,
IAHS Publication n°187, p 435-442.

Maidment D.R. (1993). Handbook of hydrology. McGraw- Hil, New York, 1424p.

Martin G.N., 1973. Characterisation of simple exponential baseflow recessions. J. Hydrol.

NZ, 12(1) : pages 57-62.

Matalas N.C. (1963). Probability distribution of low flows. U.S. Geological survey,
professional, report n°434 A.

Meylan P., Favre A-C. et Musy A., 2008. Hydrologie fréquentielle, une science prédictive.
173 P, Presse polytechniques et universitaires romandes.

MIQUEL J. (1984). Guide pratique d’estimation des probabilités de crues. Eyrolles, Paris,
160p.

Monjoie A, Materne M et Heynderickx J (1989). Etude des étiages, Rapport des recherches
réalisées à l’Institut d’Hydrologie de Wallingford dans le cadre de la convention Génie
rural/Région wallonne/Ministère des Travaux publics.

Nathan R.J. and McMahon T.A. (1990). Practical aspects of low-flow frequency
analysis..Water Resources Research, vol. 26/9, pp. 2135-2041.

Nathan R.J. and McMahon T.A. (1992). Estimating Low Flow Characterisctis in Ungauged
[Link] Resources Research 6, pp. 85 - 100.

Olive D.J., 2007. Prediction Intervals for Regression Models. Computational Statistics et
Data Analysis, 51. Pages 3115 - 3122 Southern Illinois University Carbondale

Palm R., 1988. Les critères de validation des équations de régression linéaire. Gembloux
Agro-Bio Tech.

Palm R, 1998. La classification numérique : principe et application. Cours d’éléments

d’analyse statistique à plusieurs variables.

Parent E. and Bernier J. (2003). Bayesian POT modeling for historical data. Journal of
hydrology 274. Pages 95 - 108.

194
Patil S. and Stieglitz M. (2012). Controls on hydrologic similarity: role of nearby gauged
catchments for prediction at an ungauged [Link] and Earth System Sciences.

Pilgrim D.H. (1987). Australian Rainfall and Runoff, a guide to flood estimation. Vol. I, the
Institute of Engineers, Barton ACT, Australia.

Prakash A. (1981). Statistical determination of design low flows. Journal of Hydrology 51, pp.
109–118.

Ramachandra Rao A. and Srinivas V. V., 2006. Regionalization of watershed by hybrid-

cluster analysis. Journal of Hydrology 318 (2006), pages 37 - 56.

Rawlings J.O., 1988. Applied Regression Analysis : A Research Tool, Belmont, CA :

Wadsworth

Rawlings J.O., Pantula S.G. and Dickey D.A., 1998. Applied Regression Analysis : A
Research Tool, Springer Texts in Statistics, Second Edition, New York: Springer-Verlag.

Rouxhet F., Guiot J., Dewez A., Dautrebande S., Hallet V. et Monjoie A., 1996. Programme-
action Hesbaye – Rapport de synthèse.

Runge J. and Nguimale C-R. (2005). Physiogeographic features of the Oubangui catchment
and environmental trends reflected in discharge and floods at Bangui 1911–1999, Central
African Republic. Elsevier – Geomorphology 70. Pages 311 - 324

Rutledge A.T., 1998. Computer Programs for Describing the Recession of Ground-Water
Discharge and for Estimating Mean Ground-Water Recharge and Discharge from Streamflow
Records. USGS. Water-Resources Investigations Report 98-4148

Salvadori, G., De Michele, C., Kottegoda, N.T. and Rosso, R. (2007). Extremes in nature: An
approach using Copulas. Water Science and Technology Library, Springer. 292 pp.

Schreiber P. and Demuth S., 1997. Regionalization of low flows in southwest Germany.
Journal-des Sciences Hydrologiques, 42(6). Pages 845 – 858

Soil Conservation Service (1972). National engineering handbook: Hydrology, Section 4.

USDA-SCS, Washington, DC.

Seibert JI and Beven K. J., 2009. Gauging the ungauged basin: how many discharge
measurements are needed? Hydrology and Earth System Sciences 13 (2009), pages 883 –
892.

Shao Q. and Chen Y.D., Zhang L. (2008). An extension of three-parameter Burr III
distribution for low-flow frequency analysis. Computational Statistics et Data Analysis 52, pp.
1304-1314.

Sloto R.A. and Crouse M.Y., 1996. HYSEP : A computer program for streamflow hydrograph
separation and analysis. USGS. Water-Resources Investigations Report 96-4040.

Smakhtin V., 2001. Low flow hydrology : a review. Journal of Hydrology 240 (2001), pages
147 - 186.

195
Sohier C., 2011. Développement d’un modèle hydrologique sol et zone vadose afin d’évaluer
l’impact des pollutions diffuses et des mesures d’atténuation sur la qualité des eaux en
Région wallonne. Thèse de doctorat. Université de Liège – Gembloux Agro-Bio Tech.

Tallaksen L.M. 1995. A review of baseflow analysis. Journal of Hydrology, pages 349-370.

Tallaksen, L.M., Van Lanen H.A.J., 2004. Hydrological Drought: Processes and Estimation
Methods for Streamflow and Groundwater Developments in Water science 48. Elsevier.
Amsterdam.

Tasker G.D. (1987). A comparison of methods for estimating low flow characteristics of
streams. Water Resources Bulletin, vol. 112/6, pp. 1077-1083.

Tsakiris G., Ioannis N and Cavadias G., 2011. Regionalization of low flow based on
Canonical Correlation Analysis. Advances in Water Resources 34 (2011), pages 865 - 872.

Ungtae Kim and Jagath J. Kaluarachchi, 2008. Application of parameter estimation and
regionalization methodologies to ungauged basins of the Upper Blue Nile River Basin,
Ethiopa. Journal of Hydrology 318 (2008), pages 39 - 56.

Ven Te Chow, D. Maidment and L. W. Mayx, 1988. Applied Hydrology. 572 P, McGraw-Hill
Book Copany.

Verdel T., 2007. Décision et Prévision Statistiques. Cours issus de l’école des Mines de
Nancy. Chapitre 7 : La Régression linéaire.

Veron P. et Bah B. (2005). Dir. Sc. : Bock L, Rondeux J. et Lejeune P. Mise en œuvre de la
phase « interprétation » du Projet de Cartographie Numérique des Sols de Wallonie
(P.C.N.S.W.). Unité Sol–Ecologie–Territoire, Laboratoire de Géopédologie, Unité de Gestion
de Ressources forestières et des Milieux naturels, Faculté universitaire des Sciences
agronomiques, Gembloux, Belgique, 38 p. + annexes.

Vezza P., Comoglio C., Rosso M. and Viglione A., 2010. Low Flows Regionalization in North-
Western Italy. Water Resour Manage (2010) 24. Pages 4049 – 4074.

Vogel R.M. and Kroll C.N., 1989. Low flow frequency analysis using probability-plot
correlation coefficients. Journal of Water Ressources Bulletin, American Water Ressources
Association, Volume 26, n°2.

WMO, 1974. World Meteorological Organization, 1974. International Glossary of Hydrology,

WMA. Geneva.

Xanthoulis D., 1985. Modélisation mathématique des debits d’étiage des cours d’eau.
Application au basin versant de la Lesse. Thèse presentée en vue de l’obtention du grade de
Docteur en Sciences agronomiques.

Xanthoulis D. et Debauche O., 2010. Actualisation des limites de bassins versants en Région
wallonne – Rapport Novembre 2010 – Marché de Service : Service public de Wallonie –
DGO3 – DRCE - DCENN.

Yadav M., Wagener T. and Gupta H, 2007. Regionalization of constraints on expected

watershed response behavior for improved predictions in ungauged basins. Advances in
Water Resources 30. Pages 1756 – 1774.

196
Young A.R., 2006. Stream flow simulation within UK ungauged catchments using a daily
rainfall-runoff model. Journal of Hydrology 320. Pages 155 – 172.

197
198
8 ANNEXES

Annexe 1 : Liste des stations de mesures

Code Localité Cours D’eau Bassin Versant

92231002 Pétigny Ry Ermitage Viroin

92241002 Pétigny Ry Font Aux Serpents Viroin
78431002 Boussu-Lez-Walcourt Ry D'erpion Sambre
92211002 Pétigny Ry De Rome Viroin
78631002 Silenrieux (Ry) Ry Jaune Sambre
L5530 Ochamps Lesse Lesse
L5540 Graide Ruisseau De Graide Lesse
78831002 Soumoy Ry De Soumoy Sambre
92011002 Couvin Ry De Rome Viroin
25361002 Gouy Piéton Sambre
L6260 Upigny Mehaigne Mehaigne
65261002 Belleheid Hoëgne Vesdre
78911002 Cerfontaine Eau D'heure Sambre
69811002 Bullingen Warche Amblève
L5961 Wiers Verne Blanche Escaut
L6721 Bougnies By Haine
L7080 Estinnes-Au-Val Rau Des Estinnes Haine
L6860 Baisieux Petite Honnelle Haine
L6460 Huccorgne Burdinale Mehaigne
L6770 Dalhem Bolland Meuse Aval
69911002 Malmedy Warchenne Amblève
L6100 Blanmont Nil Dyle
69711002 Wirtzeld Holzwarche Amblève
L7200 Macquenoise Oise Oise
L6900 Awirs Ruisseau Des Awirs Meuse Aval
L6101 Blanmont Orne Dyle
92321002 Bruly Ry De Pernelle Viroin
L6960 Dottignies Grande Espierres Escaut
L6780 Prayon Magne Vesdre
L5200 Rhisnes Houyoux Meuse Amont
L6560 Bistain Ruisseau De Rettigny Ourthe
L6590 Lens Dendre Orientale Dendre
L6940 Hargimont Hédrée Lesse
L5201 Rhisnes Houyoux Meuse Amont
10811002 Bousval Dyle Dyle
L7120 Marche-en-Famenne Marchette Ourthe
L6060 Thy-Le-Château Thyria Sambre
81661002 Sosoye Molignée Meuse Amont
L6970 Bornival Thines Senne
L6300 Vieuxville Ry De Logne Ourthe
L6400 Gedinne Houille Meuse Amont
L6640 Noirha Dyle Dyle
L5701 Mesvin By Haine
L5702 Hyon By Haine
L6710 Givry Trouille Haine
L6920 Escanaffles Rieu De L'haye Escaut
L7060 Dampicourt Chavratte Chiers
L7090 Saint-Vaast Haine Haine
79781002 Bersillies L’abbaye Thure Sambre
L5680 Leuze Dendre Occidentale Dendre
L6080 Reuland Ulf Our
L6930 Falisolle Ruisseau De Fosses Sambre
L5420 Isières Sille Dendre
L5670 Ronquières Sennette Senne
L6670 Hemptinne Soile Mehaigne
L6830 Châtelet Ruisseau D'hanzinne Sambre

199
 L7000 Vresse-Sur-Semois Ry Du Moulin Semois
81811002 Foy Flavion Meuse Amont
L6022 Athus Messancy Chiers
L6021 Athus Messancy Chiers
L6020 Athus Messancy Chiers
L5500 Marbehan Mellier Semois
L6040 Grandville Yerne Geer
L6090 Lommersweiler Braunlauf Our
L6980 Martilly Rau De Neufchâteau Semois
L6000 Profondeville Burnot Meuse Amont
L6001 Profondeville Burnot Meuse Amont
L6690 Erezée Aisne Ourthe
L6050 Baillonville Ruisseau Heure Ourthe
L5460 Suzeril Thyle Dyle
L5590 Ethe Ton Chiers
L5550 Our Eau D'our Lesse
L5480 Hévillers Orne Dyle
L6450 Estaimpuis Espierres Escaut
L6850 Sprimont Ruisseau De Laval Ourthe
L5630 Hamoir Néblon Ourthe
L7070 Rensiwé (Wibrin) Martin-Moulin Ourthe
L6570 Ghoy Ruisseau D'ancre Dendre
L5442 Aiseau Biesme Sambre
L5710 Biesme-Sous-Thuin Biesme Sambre
L6870 Marchipont Anneau Haine
78311002 Silenrieux (Barrage) Eau D'heure Sambre
L6430 Harmignies Trouille Haine
L7020 Braine-le-Château Hain Senne
L6370 Hargimont Wamme Lesse
91111002 Mariembourg Brouffe Viroin
L6950 Maffle Hunelle Dendre
L6220 Villers-Devant-Orval Marge Chiers
L5560 Vencimont Houille Meuse Amont
L6880 Beaumont Hantes Sambre
L6150 Archennes Train Dyle
L6630 Thuin Biesme L'eau Sambre
L5640 Walcourt Ry D'yves Sambre
78121002 Walcourt-Vogenee Ry D'yves Sambre
L6840 Daverdisse Ruisseau De Gembes Lesse
L6990 Auby-Sur-Semois Ruisseau Des Aleines Semois
L6440 Virton Ton Chiers
L5880 Chantemelle Semois Semois
L5570 Saint-Martin Ligne Sambre
L6270 Lavaux-Sainte-Anne Wimbe Lesse
L6600 Spiennes Trouille Haine
L6790 Spixhe Wayai Vesdre
72281002 Modave Hoyoux Samson - Hoyoux
L5970 Habay-La-Vieille Rulles Semois
L6550 Brizy Ourthe Orientale Ourthe
77841002 Walcourt (Seuil) Eau D'heure Sambre
L6130 Beaurieux Orne Dyle
L6131 Beaurieux Orne Dyle
99261002 Schoenberg Our Our
L6350 Couvin Eau Noire Viroin
L5661 Steenkerque Senne Senne
L5600 Ruette Vire Chiers
L6620 Ligne Dendre Occidentale Dendre
L5370 Rosières Lasne Dyle
L6530 Aublain Eau Blanche Viroin
L5980 Mozet Samson Samson - Hoyoux
L6290 Amberloup Ourthe Occidentale Ourthe
L5690 Brugelette Dendre Orientale Dendre
86611002 Felenne Houille Meuse Amont
L5060 Romedenne Hermeton Hermeton

200
 L6390 Dalhem Berwinne Meuse Aval
L6730 Hyon Wampe Haine
L6660 Sippenaeken Gueule Gueule
L5170 Baisieux Grande Honnelle Haine
56211002 Berneau Berwinne Meuse Aval
55721002 Bergilers Amont Geer Geer
L6180 Etalle Semois Semois
L6030 Latour Vire Chiers
81631002 Warnant Molignée Meuse Amont
29521002 Irchonwelz Dendre Occidentale Dendre
L6280 Opheylissem Petite Gette Gette
L5720 Saint-Jean-Geest Grande Gette Gette
23711002 Ronquières Samme Senne
68031002 Chevron Lienne Amblève
79441002 Wihéries Hantes Sambre
95711002 Sainte-Marie Semois Semois
L5660 Steenkerque Senne Senne
L6240 Lorcé Lienne Amblève
69461002 Bévercé Warche Amblève
35611002 Boussoit Haine Haine
L5412 Amougies Rhosnes Escaut
L7320 Spontin Bocq Meuse Amont
86221002 Hastiere Hermeton Hermeton
19531002 Tubize (Ripain) Senne Senne
L7130 Martilly Vierre Semois
90711002 Couvin Eau Noire Viroin
L5930 Houffalize Ourthe Orientale Ourthe
L6320 Grupont Lhomme Lesse
96511002 Straimont Vierre Semois
L5491 Juzaine Aisne Ourthe
L5490 Juzaine Aisne Ourthe
69331002 Malmedy Warche Amblève
L6520 Malmedy Warche Amblève
L5860 Theux Hoëgne Vesdre
L5180 Onoz Orneau Sambre
77811002 Walcourt (Gare) Eau D'heure Sambre
L5580 Thioux Warche Amblève
L6470 Ambresin Mehaigne Mehaigne
67531002 Lasnenville Amblève Amblève
68321002 Trois-Ponts Salm Amblève
L6070 Trois-Ponts Salm Amblève
L5183 Onoz Orneau Sambre
L5181 Jemeppe-Sur-Sambre Orneau Sambre
L5182 Jemeppe-Sur-Sambre Orneau Sambre
L5610 Martelange Sûre Sûre
19511002 Tubize Senne Senne
1951SVC2 Tubize Senne Senne
L5220 Tintigny Rulles Semois
L7140 Suxy Vierre Semois
36431002 Hyon Trouille Haine
29711002 Ath Dendre Orientale Dendre
81341002 Yvoir Bocq Meuse Amont
L5800 Yvoir Bocq Meuse Amont
L5990 Marchin Hoyoux Samson - Hoyoux
L6310 Forrières Lhomme Lesse
90811002 Nismes Eau Blanche Viroin
L7010 Oisquercq Sennette Senne
L5950 Erneuville Ourthe Occidentale Ourthe
85271002 Jemelle Lhomme Lesse
L6140 Limelette Dyle Dyle
L5520 Harnoncourt Ton Chiers
83411002 Daverdisse Lesse Lesse
7244SVC2 Huccorgne Mehaigne Mehaigne
10461002 Bierges Dyle Dyle

201
60211002 Mabompré Ourthe Orientale Ourthe
77111002 Jamioulx Eau D'heure Sambre
L5870 Verviers Vesdre Vesdre
L7150 Verviers Vesdre Vesdre
72421002 Moha Mehaigne Mehaigne
L5021 Resteigne Lesse Lesse
L5020 Resteigne Lesse Lesse
L5820 Wanze Mehaigne Mehaigne
99141002 Reuland Our Our
6122SVC2 Ortho Ourthe Occidentale Ourthe
95611002 Tintigny Semois Semois
L6330 Ouren - Reuland Our Our
L6010 Jemelle Lhomme Lesse
L5080 Eprave Lesse Lesse
L6650 Rochefort Lhomme Lesse
L6160 Florival Dyle Dyle
L6340 Eben-Emael Geer Geer
67321002 Stavelot Amblève Amblève
L6360 Eprave Lhomme Lesse
L6380 Olloy-Sur-Viroin Viroin Viroin
L6510 Stavelot Amblève Amblève
L6760 Treignes Viroin Viroin
90211002 Treignes Viroin Viroin
97411002 Torgny Chiers Chiers
6228SVC2 Chaudfontaine Vesdre Vesdre
59911002 Nisramont Ourthe Ourthe
95411002 Chiny Semois Semois
35151002 Hensies Bar. Haine Haine
66711002 Targnon Amblève Amblève
59611002 Hotton Ourthe Ourthe
L6890 Lorcé Amblève Amblève
66211002 Martinrive Amblève Amblève
L5620 Vignée - Ciergnon Lesse Lesse
L6610 Hérock Lesse Lesse
82311002 Houyet Lesse Lesse
59531002 Durbuy Ourthe Ourthe
94341002 Membre Pont Semois Semois
82211002 Gendron Lesse Lesse
59221002 Hamoir Ourthe Ourthe
5921SVC2 Tabreux Ourthe Ourthe
5826SCC2 Sauheid Ourthe Ourthe
5808SCC2 Angleur (2 Bis) Ourthe Ourthe
L7190 Wanlin Biran Lesse
L6461 Marneffe Burdinale Mehaigne
L6671 Hemptinne Soile Mehaigne
L7241 Jemeppe-Sur-Sambre Orneau Sambre
L7280 Monteneau Amblève Amblève
L7290 Trou De Bra Lienne Amblève
L7310 Papignies Trimpont Dendre
L7330 Bellignies Grande Honnelle Haine
L7300 Herbeumont Semois Semois
L7250 Eth Ruisseau Du Sart Haine
L7260 Gussignies Grande Honnelle Haine
L7270 Jenlain Anneau Haine
L7160 Stavelot Eau Rouge Amblève
L7220 Nethen Nethen Dyle
L7180 Biesme-Sous-Thuin Biesme L'eau Sambre
L7210 Grandrieu Thure Sambre
L6910 Pecq Pas À Wasmes Escaut
L7110 Bernissart Grand Courant Haine

202
Annexe 2 : Nombre d’année minimum tel que l’écart relatif entre la moyenne (variance)
des Q95 (ou MAM7)de l'échantillon et la moyenne (variance) des Q95 (ou MAM7)
obtenue pour l'historique complet est inférieur à 10%

Taille de
Taille de
Nombre d'années Nombre Année Année l’historique
l’historique
Localité Cours d'eau de d'années pivot pivot minimum
minimum
fonctionnement complètes (Q95) (MAM7) requis
requis (Q95)
(MAM7)
Martinrive Amblève 36 36 1987 22 1987 22
Mariembourg Brouffe 29 29 1986 23 1986 23
Irchonwelz Dendre occidentale 32 32 1996 13 2000 9
Ath Dendre orientale 35 34 1985 24 1986 23
Bierges Dyle 35 35 1988 21 1988 21
Nismes Eau blanche 41 40 1983 25 1983 25
Cerfontaine Eau d'heure 30 30 1987 22 1986 23
Couvin Eau noire 36 32 1987 22 1987 22
Bergilers amont Geer 25 25 1991 18 1992 17
Boussoit Haine 36 34 1987 20 1986 21
Wihéries Hantes 31 30 1987 22 1987 22
Hastiere Hermeton 41 41 1979 30 1981 28
Felenne Houille 42 42 1985 24 1985 24
Modave Hoyoux 23 23 1994 15 1995 14
Daverdisse Lesse 42 42 1985 24 1985 24
Moha Mehaigne 36 27 1987 13 1987 13
Warnant Molignée 41 41 1986 23 1986 23
Nisramont Ourthe 32 32 1987 22 1987 22
Sauheid Ourthe 23 23 1987 22 1987 22
Bruly Ry de Pernelle 29 1988 21 1988 21
Trois-ponts Salm 22 22 1997 12 1995 14
Ronquières Samme 21 21 1997 12 1998 11
Membre pont Semois 42 42 1987 22 1986 23
Sainte-marie Semois 32 31 1988 21 1988 21
Tintigny Semois 36 36 1987 22 1987 22
Tubize (Ripain) Senne 24 24 1976 22 1976 22
Bersillies-l'abbaye Thure 26 23 1987 19 1994 15
Straimont Vierre 36 35 1987 22 1987 22
Treignes Viroin 36 41 1988 21 1987 22
Resteigne Lesse 41 33 1979 22 1978 23
Baisieux Grande Honnelle 39 30 1979 21 1987 17
Rhisnes Houyoux 39 37 1987 21 1987 21
Tintigny Rulles 38 34 1987 17 1987 17
Amougies Rhosnes 37 29 1978 22 1978 22
Isières Sille 37 36 1988 19 1987 20
Aiseau Biesme 37 20 1982 15 1982 15
Suzeril Thyle 36 35 1998 11 1995 14
Marbehan Mellier 35 36 1979 25 1979 25
Harnoncourt Ton 35 36 1979 27 1979 27
Ochamps Lesse 35 33 1981 26 1981 26
Graide Ruisseau de Graide 35 32 1979 27 1979 27
Our Eau d'Our 35 29 1984 19 1983 20
Ruette Vire 34 28 1981 22 1980 23
Martelange Sûre 34 29 1979 24 1981 22
Hamoir Néblon 33 36 1988 19 1977 29
Walcourt Ry d'Yves 33 40 1974 32 1974 32

203
 Brugelette Dendre Orientale 32 28 1991 18 1991 18
Wanze Mehaigne 31 29 1988 19 1987 20
Erneuville Ourthe Occidentale 30 38 1975 32 1975 32
Athus Messancy 29 29 1981 19 1981 19
Latour Vire 40 40 1981 28 1981 28
Baillonville Ruisseau d'Heure 38 38 1979 28 1981 26
Thy-le-Château Thyria 40 40 1982 24 1981 25
Lorcé Lienne 27 27 1982 21 1981 22
Upigny Mehaigne 29 29 1976 22 1975 23
Lavaux-Ste-Anne Wimbe 34 34 1976 27 1977 26
Opheylissem Petite Gette 35 35 1974 29 1980 23
Grupont Lhomme 28 28 1977 22 1978 21
Eprave Lhomme 30 30 1997 12 1995 14
Dalhem Berwinne 37 37 1970 33 1984 20
Gedinne Houille 31 31 1972 25 1973 24
Ambresin Mehaigne 38 38 1987 17 1994 15

204
Annexe 3 : Liste intermédiaire des stations de mesures retenues avant le test
d’homogénité

Code Localité Cours d'eau Bassin versant

66211002 Martinrive Amblève Amblève

81341002 Yvoir Bocq Meuse amont
91111002 Mariembourg Brouffe Viroin
29521002 Irchonwelz Dendre occidentale Dendre
29711002 Ath Dendre orientale Dendre
10461002 Bierges Dyle Dyle
90811002 Nismes Eau blanche Viroin
78911002 Cerfontaine Eau d'heure Sambre
90711002 Couvin Eau noire Viroin
55721002 Bergilers amont Geer Meuse aval
55311002 Kanne Geer Meuse aval
15510102 Hoegaarden Grande Gette Gette
35611002 Boussoit Haine Haine
79441002 Wihéries Hantes Sambre
86221002 Hastiere Hermeton Meuse amont
86611002 Felenne Houille Meuse amont
72281002 Modave Hoyoux Meuse aval
83411002 Daverdisse Lesse Lesse
72421002 Moha Mehaigne Meuse aval
81631002 Warnant Molignée Meuse amont
59911002 Nisramont Ourthe Ourthe
58261002 Sauheid Ourthe Ourthe
92321002 Bruly Ry de Pernelle Viroin
68321002 Trois-ponts Salm Amblève
23711002 Ronquières Samme Senne
94341002 Membre pont Semois Semois
95711002 Sainte-marie Semois Semois
95611002 Tintigny Semois Semois
19531002 Tubize (Ripain) Senne Senne
79781002 Bersillies-l'abbaye Thure Sambre
96511002 Straimont Vierre Semois
90211002 Treignes Viroin Viroin
L5021 Resteigne Lesse Lesse
L5060 Romedenne Hermeton Meuse amont
L5080 Eprave Lesse Lesse
L5170 Baisieux Grande Honnelle Haine
L5201 Rhisnes Houyoux Meuse amont
L5220 Tintigny Rulles Semois
L5412 Amougies Rhosnes Escaut
L5420 Isières Sille Dendre
L5442 Aiseau Biesme Sambre
L5460 Suzeril Thyle Dyle
L5500 Marbehan Mellier Semois
L5520 Harnoncourt Ton Chiers
L5530 Ochamps Lesse Lesse
L5540 Graide Ruisseau de Graide Lesse
L5550 Our Eau d'Our Lesse
L5570 Saint-Martin Ligne Sambre
L5600 Ruette Vire Chiers

205
L5610 Martelange Sûre Sûre
L5630 Hamoir Néblon Ourthe
L5640 Walcourt Ry d'Yves Sambre
L5660 Steenkerque Senne Senne
L5690 Brugelette Dendre orientale Dendre
L5820 Wanze Mehaigne Meuse aval
L5930 Houffalize Ourthe orientale Ourthe
L5950 Erneuville Ourthe occidentale Ourthe
L5961 Wiers Verne Blanche Escaut
L5970 Habay-la-vieille Rulles Semois
L6020 Athus Messancy Chiers
L6030 Latour Vire Chiers
L6050 Baillonville Ruisseau Heure Ourthe
L6060 Thy-le-Château Thyria Sambre
L6240 Lorcé Lienne Amblève
L6260 Upigny Mehaigne Meuse aval
L6270 Lavaux-Sainte-Anne Wimbe Lesse
L6280 Opheylissem Petite Gette Gette
L6300 Vieuxville Ry de Logne Ourthe
L6310 Forrières Lhomme Lesse
L6320 Grupont Lhomme Lesse
L6360 Eprave Lhomme Lesse
L6380 Olloy-sur-Viroin Viroin Viroin
L6390 Dalhem Berwinne Meuse aval
L6400 Gedinne Houille Meuse amont
L6440 Virton Ton Chiers
L6450 Estaimpuis Espierres Escaut
L6470 Ambresin Mehaigne Meuse aval

206
Annexe 4 : Liste finale des stations de mesures sélectionnées

Code Localité Cours d'eau Code Localité Cours d'eau

29521002 Irchonwelz Dendre occidentale L5170 Baisieux Grande Honnelle

29711002 Ath Dendre orientale L5220 Tintigny Rulles
10461002 Bierges Dyle L5412 Amougies Rhosnes
90811002 Nismes Eau blanche L5420 Isières Sille
78911002 Cerfontaine Eau d'heure L5442 Aiseau Biesme
90711002 Couvin Eau noire L5460 Suzeril Thyle
55721002 Bergilers amont Geer L5500 Marbehan Mellier
55311002 Kanne Geer L5520 Harnoncourt Ton
15510102 Hoegaarden Grande Gette L5530 Ochamps Lesse
35611002 Boussoit Haine L5540 Graide Ruisseau de Graide
79441002 Wihéries Hantes L5550 Our Eau d'Our
86221002 Hastiere Hermeton L5600 Ruette Vire
86611002 Felenne Houille L5610 Martelange Sûre
72281002 Modave Hoyoux L5630 Hamoir Néblon
83411002 Daverdisse Lesse L5640 Walcourt Ry d'Yves
72421002 Moha Mehaigne L5690 Brugelette Dendre Orientale
81631002 Warnant Molignée L5820 Wanze Mehaigne
92321002 Bruly Ry de Pernelle L5950 Erneuville Ourthe Occidentale
68321002 Trois-ponts Salm L6050 Baillonville Ruisseau Heure
23711002 Ronquières Samme L6060 Thy-le-Château Thyria
94341002 Membre pont Semois L6240 Lorcé Lienne
95711002 Sainte-marie Semois L6260 Upigny Mehaigne
95611002 Tintigny Semois L6270 Lavaux-Sainte-Anne Wimbe
19531002 Tubize (Ripain) Senne L6280 Opheylissem Petite Gette
79781002 Bersillies-l'abbaye Thure L6320 Grupont Lhomme
96511002 Straimont Vierre L6360 Eprave Lhomme
90211002 Treignes Viroin L6390 Dalhem Berwinne
L5021 Resteigne Lesse L6400 Gedinne Houille
L6470 Ambresin Mehaigne

207
Annexe 5 : Choix du meilleur ajustement pour quelques stations de mesures avec les
valeurs des périodes de retour considérées

Percentile95

Station Loi Intervalle de Intervalle de Intervalle de Intervalle de Intervalle de

T2 confiance T5 confiance T10 confiance T20 confiance T50 confiance
(95%) (95%) (95%) (95%) (95%)

Trois-Ponts
Lognormale 0.720 0.614-0.827 0,535 0,219-0,336 0,457 0,170-0,280 0,402 0,137-0,242 0,348 0,106-0,206
(Salm)
Lorcé
Lognormale 0.415 0.340-0.489 0,278 0,219-0,336 0,225 0,170-0,280 0,189 0,137-0,242 0,156 0,106-0,206
(Lienne)
Harnoncourt
Gamma 2.460 2.280-2.640 2,020 1,840-2,210 1,820 1,620-2,020 1,660 1,450-1,870 1,490 1,260-1,720
(Ton)
Ruette (Vire) Lognormale 0.282 0.245-0.319 0,209 0,177-0,241 0,179 0,147-0,211 0,157 0,125-0,189 0,136 0,104-0,168

Latour (Vire) Lognormale 0.352 0.310-0.393 0,255 0,220-0,290 0,216 0,181-0,251 0,188 0,154-0,222 0,161 0,127-0,195
Athus
Gamma 0.177 0.156-0.199 0,130 0,106-0,155 0,107 0,082-0,131 0,090 0,065-0,114 0,073 0,048-0,097
(Messancy)
Irchonwelz
(Dendre Lognormale 0.155 0.138-0.172 0,120 0,105-0,135 0,104 0,089-0,120 0,093 0,078-0,109 0,082 0,066-0,098
occidentale)
Ath (Dendre
Gamma 0.412 0.353-0.471 0,281 0,229-0,334 0,226 0,173-0,279 0,187 0,135-0,239 0,149 0,098-0,200
orientale)
Isières (Sille) Gamma 0.039 0.032-0.046 0,023 0,017-0,029 0,017 0,012-0,023 0,013 0,008-0,018 0,010 0,005-0,014

Brugelette
Lognormale 3
(Dendre 0.270 - 0,184 - 0,138 - 0,101 - 0,059 -
param,
orientale)
Bierges
Gamma 1.450 1.360-1.530 1,240 1,160-1,330 1,150 1,050-1,240 1,070 0,963-1,170 0,986 0,871-1,100
(Dyle)
Suzeril
Gamma 0.316 0.281-0.352 0,235 0,201-0,269 0,199 0,164-0,233 0,172 0,136-0,207 0,145 0,109-0,181
(Thyle)
Amougies
Gamma 0.196 0.160-0.232 0,124 0,093-0,154 0,095 0,065-0,124 0,075 0,046-0,103 0,056 0,030-0,082
(Rhosnes)
Bergilers
Pearson type III 0.401 0.349-0.453 0,312 0,278-0,345 0,284 0,256-0,311 0,268 0,246-0,290 0,256 -
(Geer)
Opheylissem
Lognormale 0.588 0.534-0.642 0,466 0,416-0,516 0,413 0,361-0,464 0,373 0,320-0,426 0,333 0,279-0,388
(Petite Gette)
Boussoit
Pearson type III 0.704 0.626-0.781 0,542 0,475-0,608 0,474 0,411-0,538 0,427 0,362-0,492 0,382 0,310-0,454
(Haine)
Baisieux
(Grande Fréchet 0.247 0.224-0.271 0.226 0.203-0.250 0.218 0.195-0.242 0.214 0.190-0.237 0.211 0.187-0.234
Honnelle)
Hastière
Fréchet 0.219 0.182-0.256 0.182 0.144-0.219 0.169 0.131-0.205 0.162 0.124-0.198 0.157 0.120-0.194
(Hermeton)
Modave
Pearson type III 0.453 0.400-0.506 0,366 0,329-0,402 0,336 0,306-0,367 0,319 0,294-0,345 0,306 0,286-0,325
(Hoyoux)
Daverdisse
Lognormale 0.744 0.646-0.843 0,514 0,435-0,594 0,424 0,348-0,500 0,361 0,287-0,436 0,302 0,231-0,373
(Lesse)
Resteigne
Lognormale 0.779 0.649-0.909 0,517 0,416-0,617 0,417 0,322-0,511 0,349 0,259-0,439 0,286 0,201-0,371
(Lesse)
Ochamps
Lognormale 0.033 0.026-0.039 0,020 0,016-0,025 0,016 0,012-0,020 0,013 0,009-0,017 0,010 0,007-0,014
(Lesse)
Graide
(Ruisseau de Gamma 0.024 0.018-0.030 0,012 0,007-0,016 0,008 0,004-0,011 0,005 0,002-0,008 0,003 0,001-0,006
Graide)
Our (Eau
Lognormale 0.199 0.164-0.235 0,132 0,104-0,159 0,106 0,080-0,132 0,089 0,064-0,113 0,072 0,049-0,095
d'Our)
Lavaux
Lognormale 0.105 0.077-0.133 0,054 0,037-0,071 0,038 0,024-0,052 0,029 0,017-0,040 0,021 0,011-0,030
(Wimbe)
Grupont
Gamma 0.533 0.392-0.673 0,272 0,168-0,375 0,180 0,091-0,269 0,124 0,048-0,201 0,078 0,016-0,140
(Lhomme)
Eprave
Lognormale 1.150 0.980-1.330 0,810 0,668-0,953 0,674 0,536-0,811 0,578 0,444-0,713 0,487 0,357-0,618
(Lhomme)
Moha
Gamma 0.903 0.790-1.020 0,672 0,564-0,781 0,569 0,457-0,681 0,493 0,377-0,608 0,416 0,299-0,534
(Mehaigne)
Wanze
Fréchet 0.886 0.754-1.017 0.725 0.593-0.857 0.65 0.518-0.781 0.6 0.468-0.732 0.559 0.427-0.690
(Mehaigne)
Upigny
Pearson type III 0.027 0.022-0.032 0,017 0,012-0,022 0,012 0,007-0,017 0,009 0,003-0,014 0,005 -
(Mehaigne)
Ambresin
Gamma 0.444 0.384-0.503 0,304 0,250-0,357 0,244 0,190-0,298 0,202 0,149-0,255 0,161 0,109-0,212
(Mehaigne)
Gedinne
Gamma 0.128 0.100-0.156 0,079 0,056-0,102 0,057 0,037-0,078 0,043 0,024-0,062 0,030 0,013-0,047
(Houille)
Felenne
Lognormale 0.254 0.217-0.290 0,170 0,142-0,199 0,138 0,112-0,165 0,117 0,091-0,142 0,096 0,072-0,121
(Houille)
Warnant
Gamma 0.612 0.571-0.653 0,506 0,464-0,548 0,456 0,410-0,501 0,417 0,368-0,466 0,376 0,324-0,428
(Molignée)
Rhisnes
Lognormale 0.039 0.033-0.046 0,025 0,020-0,030 0,020 0,015-0,025 0,016 0,012-0,021 0,013 0,009-0,017
(Houyoux)
Dalhem
Gamma 0.348 0.292-0.404 0,221 0,173-0,269 0,170 0,123-0,216 0,134 0,090-0,178 0,101 0,060-0,142
(Berwinne)
Hamoir
Gamma 0.205 0.178-0.232 0,143 0,118-0,167 0,116 0,091-0,141 0,097 0,072-0,121 0,078 0,053-0,102
(Néblon)

208
 Erneuville
(Ourthe Gamma 0.566 0.453-0.679 0,316 0,227-0,404 0,223 0,143-0,303 0,163 0,091-0,235 0,111 0,049-0,172
occidentale
Baillonville
(Ruisseau Lognormale 0.060 0.050-0.069 0,039 0,031-0,046 0,031 0,024-0,038 0,026 0,019-0,032 0,021 0,014-0,027
d’Heure)
Cerfontaine
(Eau Pearson type III 0.038 0.035-0.042 0,032 0,030-0,034 0,030 0,028-0,031 0,029 0,027-0,030 0,028 -
d’Heure)
Wihéries
Lognormale 0.267 0.232-0.302 0,196 0,166-0,226 0,167 0,137-0,196 0,146 0,116-0,175 0,126 0,096-0,155
(Hantes)
Bersillies
Pearson type III 0.141 0.123-0.160 0,111 0,098-0,123 0,101 0,090-0,111 0,095 0,086-0,103 0,090 -
(Thure)
Aiseau
Lognormale 0.228 0.192-0.264 0,169 0,138-0,200 0,145 0,118-0,175 0,127 0,096-0,158 0,110 0,079-0,140
(Biesme)
Walcourt (Ry
Fréchet 0.184 0.155-0.214 0.13 0.090-0.170 0.092 0.052-0.131 0.064 0.024-0.103 0.038 0-0.077
d'Yves)
Thy-Le-
Château Gamma 0.141 0.126-0.156 0,104 0,090-0,118 0,088 0,073-0,102 0,076 0,061-0,091 0,064 0,049-0,079
(Thyria)
Membre
Gamma 3.145 2.684-3.605 2,025 1,627-2,424 1,568 1,182-1,954 1,251 0,879-1,623 0,954 0,603-1,30
(Semois)
Sainte-Marie
Gamma 0.426 0.370-0.481 0,307 0,255-0,358 0,254 0,202-0,307 0,216 0,163-0,270 0,179 0,125-0,232
(Semois)
Tintigny
Gamma 0.856 0.735-0.976 0,579 0,471-0,688 0,463 0,356-0,570 0,380 0,274-0,486 0,301 0,194-0,404
(Semois)
Straimont
Lognormale 0.395 0.320-0.470 0,243 0,189-0,297 0,189 0,134-0,238 0,153 0,108-0,198 0,121 0,080-0,162
(Vierre)
Tintigny
Gamma 0.379 0.295-0.463 0,205 0,141-0,269 0,142 0,085-0,199 0,102 0,051-0,152 0,067 0,024-0,109
(Rulles)
Marbehan
Gamma 0.123 0.089-0.156 0,055 0,032-0,077 0,034 0,016-0,051 0,021 0,007-0,035 0,012 0,001-0,022
(Mellier)
Ronquières
Gamma 0.424 0.389-0.459 0,359 0,323-0,395 0,328 0,288-0,368 0,304 0,261-0,346 0,278 0,231-0,324
(Samme)
Tubize
Weibull (MM) 0.392 0.351-0.432 0,306 0,252-0,359 0,259 0,200-0,318 0,221 0,160-0,283 0,181 0,118-0,243
(Senne)
Martelange
Lognormale 0.324 0.225-0.422 0,160 0,103-0,217 0,111 0,065-0,156 0,081 0,042-0,120 0,058 0,026-0,089
(Sûre)
Mariembourg
Lognormale 0.026 0.020-0.032 0,015 0,010-0,019 0,011 0,007-0,014 0,008 0,005-0,011 0,006 0,004-0,009
( Brouffe)
Nismes (Eau
Lognormale 0.316 0.279-0.353 0,230 0,199-0,262 0,195 0,164-0,226 0,170 0,139-0,201 0,146 0,115-0,176
Blanche)
Couvin (Eau
Lognormale 0.302 0.254-0.350 0,205 0,167-0,243 0,168 0,132-0,204 0,142 0,107-0,177 0,118 0,084-0,151
Noire)
Treignes
Lognormale 0.900 0.796-1.000 0,655 0,566-0,743 0,554 0,467-0,641 0,483 0,396-0,569 0,413 0,328-0,499
(Viroin)
Bruly (Ry de
Lognormale 0.105 0.090-0.120 0,075 0,063-0,088 0,063 0,051-0,076 0,055 0,043-0,067 0,047 0,035-0,059
Pernelle)

MAM7
Station Distribution Intervalle de Intervalle de Intervalle de Intervalle de Intervalle de
T2 confiance T5 confiance T10 confiance T20 confiance T50 confiance
(95%) (95%) (95%) (95%) (95%)
Trois-Ponts
Lognormal 3 0.612 0.513 - 0.711 0.464 0.397-0.531 0.412 0.353 - 0.470 0.378 0.322 - 0.434 0.348 0.288 - 0.407
(Salm)
Lorcé
Lognormal 0.338 0.276 - 0.401 0.224 0.176 - 0.273 0.181 0.135 - 0.226 0.151 0.108 - 0.195 0.124 0.083 - 0.165
(Lienne)
Harnoncourt
Gamma 2.34 2.150 - 2.520 1.900 1.710 - 2.080 1.690 1.490 - 1.890 1.530 1.310 - 1.740 1.360 1.140 - 1.590
(Ton)
Ruette
Gamma 0.263 0.229 - 0.297 0.194 0.162 - 0.226 0.163 0.130 - 0.196 0.140 0.107 - 0.174 0.118 0.084 - 0.152
(Vire)
Athus
Gamma 0.162 0.135 - 0.190 0.106 0.082 - 0.130 0.083 0.059 - 0.106 0.066 0.043 - 0.089 0.051 0.029 - 0.073
(Messancy)
Latour
Gamma 0.316 0.275 - 0.357 0.218 0.181 - 0.255 0.176 0.139 - 0.213 0.146 0.109 - 0.182 0.117 0.081 - 0.153
(Vire)
Irchonwelz
(Dendre Lognormal 0.143 0.127 - 0.159 0.110 0.095 - 0.124 0.095 0.081 - 0.110 0.085 0.070 - 0.099 0.074 0.060 - 0.089
occidentale)
Ath (Dendre
Pearson type III 0.377 0.321 - 0.434 0.254 0.199 - 0.308 0.195 0.136 - 0.254 0.149 0.081 - 0.217 0.101 0.016 - 0.187
orientale)

Isières (Sille) Gamma 0.029 0.024 - 0.034 0.017 0.013 - 0.022 0.013 0.009 - 0.017 0.010 0.006 - 0.014 0.007 0.004 - 0.010

Brugelette
(Dendre Lognormal 3 0.245 N/D 0.163 N/D 0.121 N/D 0.086 N/D 0.047 N/D
orientale)
Bierges
Gamma 1.390 1.310 - 1.470 1.190 1.100 - 1.280 1.090 0.999 - 1.190 1.020 0.917 - 1.120 0.939 0.828 - 1.050
(Dyle)
Suzeril
Gamma 0.295 0.263 - 0.327 0.221 0.191 - 0.252 0.188 0.156 - 0.220 0.163 0.131 - 0.196 0.139 0.105 - 0.172
(Thyle)
Amougies
Gamma 0.165 0.133 - 0.198 0.101 0.094 - 0.128 0.075 0.050 - 0.101 0.058 0.034 - 0.082 0.043 0.021 - 0.064
(Rhosnes)
Bergilers
Lognormal 0.404 0.351 - 0.458 0.305 0.258 - 0.352 0.263 0.216 - 0.310 0.233 0.185 - 0.280 0.203 0.155 - 0.251
(Geer)
Opheylissem
Lognormal 0.576 0.525 - 0.626 0.461 0.413 - 0.508 0.410 0.361 - 0.459 0.372 0.322 - 0.423 0.334 0.282 - 0.386
(Petite Gette)
Haine Gamma 0.685 0.612 - 0.759 0.517 0.446 - 0.588 0.441 0.368 - 0.515 0.385 0.309 - 0.461 0.328 0.250 - 0.406

209
 (Boussoit)

Baisieux
(Grande Lognormal 0.255 0.239 - 0.270 0.221 0.206 - 0.237 0.205 0.189 - 0.222 0.193 0.175 - 0.211 0.180 0.161 - 0.200
Honnelle)
Hastière
Pearson type III 0.223 0.200 - 0.247 0.171 0.154 - 0.187 0.153 0.140 - 0.167 0.143 0.132 - 0.154 0.135 0.126 - 0.143
(Hermeton)
Modave
Lognormal 0.451 0.401 - 0.501 0.359 0.313 - 0.406 0.319 0.271 - 0.367 0.289 0.240 - 0.339 0.259 0.208 - 0.310
(Hoyoux)
Daverdisse
Lognormal 0.640 0.547 - 0.733 0.428 0.315 - 0.500 0.346 0.278 - 0.414 0.291 0.226 - 0.356 0.239 0.178 - 0.301
(Lesse)
Resteigne
Lognormal 0.654 0.540 - 0.769 0.426 0.339 - 0.512 0.340 0.259 - 0.420 0.282 0.206 - 0.358 0.229 0.158 - 0.300
(Lesse)
Ochamps
Gamma 0.029 0.023 - 0.035 0.017 0.013 - 0.022 0.013 0.008 - 0.017 0.010 0.006 - 0.014 0.007 0.003 - 0.010
(Lesse)
Graide
(Ruisseau de Gamma 0.017 0.011 - 0.023 0.007 0.003 - 0.010 0.004 0.001 - 0.006 0.002 0.0001 - 0.004 0.001 N/D
Graide)
Our (Eau
Lognormal 0.174 0.144 - 0.204 0.117 0.093 - 0.140 0.095 0.073 - 0.117 0.080 0.059 - 0.101 0.066 0.046 - 0.086
d'Our)
Lavaux
Lognormal 0.085 0.059 - 0.111 0.040 0.026 - 0.054 0.027 0.016 - 0.038 0.019 0.010 - 0.028 0.013 0.006 - 0.020
(Wimbe)
Grupont
Gamma 0.405 0.279 - 0.532 0.217 0.128 - 0.306 0.139 0.065 - 0.214 0.093 0.030 - 0.155 0.055 0.007 - 0.104
(Lhomme)
Eprave
Lognormal 0.977 0.837 - 1.120 0.698 0.581 - 0.814 0.585 0.471 - 0.699 0.506 0.394 - 0.618 0.430 0.320 - 0.539
(Lhomme)
Moha
Fréchet 0.742 0.678 - 0.942 0.595 0.470 - 0.721 0.528 0.402 - 0.654 0.483 0.357 - 0.609 0.447 0.321 - 0.573
(Mehaigne)
Wanze
Lognormal 0.907 0.802 - 1.010 0.695 0.601 - 0.788 0.605 0.510 - 0.699 0.539 0.443 - 0.635 0.474 0.376 - 0.571
(Mehaigne)
Upigny
Pearson type III 0.025 0.022 - 0.028 0.014 0.009 - 0.018 0.009 0.004 - 0.014 0.006 -0.0113 0.002 -0.015
(Mehaigne)
Ambresin
Gamma 0.391 0.338 - 0.445 0.266 0.218 - 0.314 0.213 0.165 - 0.260 0.175 0.128 - 0.222 0.139 0.093 - 0.185
(Mehaigne)
Felenne
Lognormal 0.215 0.185 - 0.246 0.145 0.121 - 0.169 0.118 0.095 - 0.141 0.099 0.078 - 0.121 0.082 0.061 - 0.103
(Houille)
Warnant
Gamma 0.585 0.546 - 0.625 0.484 0.444 - 0.524 0.436 0.393 - 0.480 0.399 0.353 - 0.446 0.361 0.311 - 0.410
(Molignée)
Rhisnes
Gamma 0.036 0.030 - 0.043 0.022 0.017 - 0.027 0.016 0.011 - 0.021 0.012 0.008 - 0.017 0.009 0.005 - 0.013
(Houyoux)
Gedinne
Pearson type III 0.126 0.102 - 0.151 0.075 0.051 - 0.099 0.050 0.024 - 0.077 0.031 0.001 - 0.061 0.011 -0.077
(Houille)
Dalhem
Lognormal 3 0.324 0.266 - 0.382 0.196 0.144 - 0.248 0.139 0.085 - 0.193 0.096 0.035 - 0.157 0.052 -0.148
(Berwinne)
Hamoir
Gamma 0.187 0.161 - 0.213 0.128 0.105 - 0.151 0.103 0.080 - 0.126 0.085 0.062 - 0.108 0.068 0.045 - 0.090
(Néblon)
Erneuville
(Ourthe Gamma 0.490 0.392 - 0.588 0.273 0.196 - 0.349 0.192 0.123 - 0.261 0.140 0.078 - 0.202 0.095 0.042 - 0.148
occidentale)
Baillonville
(Ruisseau Gamma 0.048 0.040 - 0.056 0.030 0.023 - 0.037 0.023 0.016 - 0.029 0.018 0.012 - 0.024 0.013 0.008 - 0.019
d’Heure)
Cerfontaine
(Eau Lognormal 0.036 0.033 - 0.039 0.030 0.027 - 0.033 0.027 0.024 - 0.030 0.025 0.022 - 0.028 0.023 0.020 - 0.026
d’Heure)
Wihéries
Lognormal 0.235 0.205 - 0.265 0.174 0.148 - 0.200 0.149 0.123 - 0.174 0.131 0.105 - 0.156 0.113 0.087 - 0.139
(Hantes)
Bersillies
Lognormal 0.128 0.115 - 0.140 0.105 0.093 - 0.116 0.094 0.082 - 0.107 0.087 0.074 - 0.100 0.079 0.065 - 0.092
(Thure)
Aiseau
Gamma 0.206 0.174 - 0.239 0.150 0.120 - 0.176 0.125 0.098 - 0.153 0.107 0.082 - 0.137 0.089 0.067 - 0.122
(Biesme)
Walcourt (Ry
Lognormal 3 0.197 0.162 - 0.231 0.120 0.091 - 0.149 0.087 0.058 - 0.116 0.063 0.031 - 0.095 0.040 0.002 - 0.077
d'Yves)
Thy-Le-
Château Fréchet 0.122 0.118 - 0.146 0.090 0.078 - 0.102 0.069 0.057 - 0.080 0.050 0.038 - 0.062 0.028 0.016 - 0.040
(Thyria)
Membre
Lognormal 2.500 2.110 - 2.890 1.630 1.330 - 1.920 1.300 1.030 - 1.570 1.080 0.823 - 1.340 0.877 0.636 - 1.120
(Semois)
Sainte-Marie
Gamma 0.350 0.293 - 0.407 0.230 0.180 - 0.280 0.180 0.131 - 0.229 0.146 0.098 - 0.193 0.113 0.067 - 0.158
(Semois)
Tintigny
Lognormal 0.691 0.585 - 0.796 0.467 0.384 - 0.550 0.380 0.301 - 0.459 0.321 0.245 - 0.396 0.265 0.193 - 0.337
(Semois)
Straimont
Gamma 0.291 0.220 - 0.362 0.164 0.110 - 0.218 0.111 0.064 - 0.158 0.078 0.037 - 0.118 0.049 0.016 - 0.083
(Vierre)
Tintigny
Lognormal 0.275 0.210 - 0.340 0.152 0.110 - 0.194 0.111 0.075 - 0.147 0.086 0.054 - 0.118 0.065 0.037 - 0.092
(Rulles)
Marbehan
Lognormal 0.079 0.053 - 0.105 0.034 0.021 - 0.047 0.022 0.012 - 0.032 0.016 0.008 - 0.023 0.010 0.004 - 0.016
(Mellier)
Ronquières
Gamma 0.378 0.343 - 0.412 0.314 0.278 - 0.349 0.283 0.244 - 0.322 0.259 0.218 - 0.301 0.235 0.190 - 0.279
(Samme)
Tubize
Weibull (MM) 0.360 0.321 - 0.398 0.278 0.229 - 0.328 0.234 0.181 - 0.288 0.199 0.144 - 0.255 0.161 0.106 - 0.216
(Senne)
Martelange
Lognormal 0.264 0.180 - 0.348 0.127 0.080 - 0.174 0.087 0.049 - 0.124 0.063 0.032 - 0.094 0.044 0.019 - 0.069
(Sûre)
Mariembourg
Lognormal 0.018 0.014 - 0.023 0.011 0.008 - 0.014 0.008 0.006 - 0.011 0.007 0.004 - 0.009 0.005 0.003 - 0.007
( Brouffe)
Nismes (Eau
Gamma 0.279 0.242 - 0.316 0.190 0.156 - 0.223 0.152 0.119 - 0.185 0.125 0.092 - 0.158 0.099 0.067 - 0.131
Blanche)
Couvin (Eau
Gamma 0.255 0.214 - 0.296 0.168 0.132 - 0.204 0.132 0.097 - 0.167 0.106 0.072 - 0.141 0.083 0.050 - 0.115
Noire)
Treignes
Gamma 0.800 0.701 - 0.899 0.557 0.467 - 0.647 0.453 0.362 - 0.543 0.378 0.287 - 0.468 0.305 0.216 - 0.394
(Viroin)
Bruly (Ry de
Lognormal 0.088 0.074 - 0.101 0.062 0.050 - 0.073 0.051 0.040 - 0.062 0.044 0.033 - 0.054 0.037 0.027 - 0.047
Pernelle)

210
Annexe 6 : Altitudes des ‘zéros’ des échelles limnimétriques des stations de mesures
sélectionnées

Altitude du 'O' de
Code Localité Cours d'eau
l'échelle
91111002 Mariembourg Brouffe 155,92
29521002 Irchonwelz Dendre occidentale 30,92
29711002 Ath Dendre orientale 28,85
10461002 Bierges Dyle 42,01
90811002 Nismes Eau blanche 150,66
78911002 Cerfontaine Eau d'heure 209.24
90711002 Couvin Eau noire 191,09
55721002 Bergilers amont Geer 102,66
35611002 Boussoit Haine 44,79
79441002 Wihéries Hantes 125,53
86221002 Hastiere Hermeton 102,81
86611002 Felenne Houille 188,85
72281002 Modave Hoyoux 168,37
83411002 Daverdisse Lesse 211,87
72421002 Moha Mehaigne 81,26
81631002 Warnant Molignée 107,51
92321002 Bruly Ry de Pernelle 266,05
68321002 Trois-ponts Salm 256,03
23711002 Ronquières Samme 57,49
94341002 Membre pont Semois 175.59
95711002 Sainte-marie Semois 328,34
95611002 Tintigny Semois 325,74
19531002 Tubize (Ripain) Senne 35,77
79781002 Bersillies-l'abbaye Thure 143,29
96511002 Straimont Vierre 346,61
90211002 Treignes Viroin 119,7
L5021 Resteigne Lesse 178,78
L5170 Baisieux Grande Honnelle 30,83
L5201 Rhisnes Houyoux 104,36
L5220 Tintigny Rulles 329,03
L5412 Amougies Rhosnes 13,76
L5420 Isières Sille 25,49
L5442 Aiseau Biesme 105,09
L5460 Suzeril Thyle 65,53
L5500 Marbehan Mellier 348,21
L5520 Harnoncourt Ton 193,19
L5530 Ochamps Lesse 409,55
L5540 Graide Ruisseau de Graide 357,54
L5550 Our Eau d'Our 304,16
L5600 Ruette Vire 214,98
L5610 Martelange Sûre 361,08
L5630 Hamoir Néblon 127,92
L5640 Walcourt Ry d'Yves 164,65
L5690 Brugelette Dendre Orientale 42,41
L5820 Wanze Mehaigne 71,40
L5950 Erneuville Ourthe Occidentale 325,37
L6020 Athus Messancy 265,64
L6030 Latour Vire 205,83
L6050 Baillonville Ruisseau Heure 174,02
L6060 Thy-le-Château Thyria 156,03
L6240 Lorcé Lienne 190,15
L6260 Upigny Mehaigne 144,75
L6270 Lavaux-Sainte-Anne Wimbe 158,82
L6280 Opheylissem Petite Gette 51,26
L6320 Grupont Lhomme 226,35
L6360 Eprave Lhomme 147,79
L6390 Dalhem Berwinne 83,93
L6400 Gedinne Houille 308,79
L6470 Ambresin Mehaigne 123,36

211
Annexe 7 : Coordonnées Lambert (m) des stations de mesures sélectionnées

Code Localité Cours d'eau X Y

91111002 Mariembourg Brouffe 161432 87031
29521002 Irchonwelz Dendre occidentale 106353 145554
29711002 Ath Dendre orientale 108196 147155
10461002 Bierges Dyle 166780 155589
90811002 Nismes Eau blanche 163452 86047
78911002 Cerfontaine Eau d'heure 152856 96015
90711002 Couvin Eau noire 159393 81077
55721002 Bergilers amont Geer 216964 156990
35611002 Boussoit Haine 129957 127880
79441002 Wihéries Hantes 136223 109802
86221002 Hastiere Hermeton 180675 98977
86611002 Felenne Houille 184061 81377
72281002 Modave Hoyoux 215125 126740
83411002 Daverdisse Lesse 204412 81300
72421002 Moha Mehaigne 207785 138109
81631002 Warnant Molignée 182800 110472
92321002 Bruly Ry de Pernelle 160545 76305
68321002 Trois-ponts Salm 257247 118096
23711002 Ronquières Samme 139808 143935
94341002 Membre pont Semois 188327 61505
95711002 Sainte-marie Semois 236216 42161
95611002 Tintigny Semois 232965 42382
19531002 Tubize (Ripain) Senne 136825 152150
79781002 Bersillies-l'abbaye Thure 134311 105572
96511002 Straimont Vierre 222920 53999
90211002 Treignes Viroin 171955 86456
L5021 Resteigne Lesse 207730 86925
L5170 Baisieux Grande Honnelle 101819 119540
L5201 Rhisnes Houyoux 183172 130635
L5220 Tintigny Rulles 233319 43098
L5412 Amougies Rhosnes 88408 159315
L5420 Isières Sille 111467 150313
L5442 Aiseau Biesme 165528 121605
L5460 Suzeril Thyle 163837 146834
L5500 Marbehan Mellier 234016 46840
L5520 Harnoncourt Ton 231435 25671
L5530 Ochamps Lesse 215429 68645
L5540 Graide Ruisseau de Graide 199808 70379
L5550 Our Eau d'Our 204130 72555
L5600 Ruette Vire 238786 27460
L5610 Martelange Sûre 248595 58934
L5630 Hamoir Néblon 231494 124110
L5640 Walcourt Ry d'Yves 154691 104779
L5690 Brugelette Dendre Orientale 113968 142725
L5820 Wanze Mehaigne 210171 137156
L5950 Erneuville Ourthe Occidentale 236102 86718
L6020 Athus Messancy 255953 29042
L6030 Latour Vire 235528 27785
L6050 Baillonville Ruisseau Heure 219839 108499
L6060 Thy-le-Château Thyria 154019 107979
L6240 Lorcé Lienne 249530 123011
L6260 Upigny Mehaigne 185079 141226
L6270 Lavaux-Sainte-Anne Wimbe 202284 90218
L6280 Opheylissem Petite Gette 193333 158910
L6320 Grupont Lhomme 215042 87185
L6360 Eprave Lhomme 206845 92363
L6390 Dalhem Berwinne 245623 157426
L6400 Gedinne Houille 190600 74600
L6470 Ambresin Mehaigne 197782 146460

212
Annexe 8 : Superficie du bassin versant des stations de mesures sélectionnées

Code Localité Cours d'eau Superficie (km²)

91111002 Mariembourg Brouffe 79,73
29521002 Irchonwelz Dendre occidentale 126,00
29711002 Ath Dendre orientale 223,62
10461002 Bierges Dyle 309,19
90811002 Nismes Eau blanche 254,40
78911002 Cerfontaine Eau d'heure 31,62
90711002 Couvin Eau noire 131,04
55721002 Bergilers amont Geer 119,48
35611002 Boussoit Haine 170,48
79441002 Wihéries Hantes 125,63
86221002 Hastière Hermeton 165,60
86611002 Felenne Houille 112,85
72281002 Modave Hoyoux 94,41
83411002 Daverdisse Lesse 301,73
72421002 Moha Mehaigne 343,06
81631002 Warnant Molignée 125,21
92321002 Bruly Ry de Pernelle 22,22
68321002 Trois-ponts Salm 202,28
23711002 Ronquières Samme 139,31
94341002 Membre pont Semois 1218,2
95711002 Sainte-marie Semois 143,39
95611002 Tintigny Semois 386,90
19531002 Tubize (Ripain) Senne 174,81
79781002 Bersillies-l'abbaye Thure 20,49
96511002 Straimont Vierre 182,34
90211002 Treignes Viroin 508,25
L5021 Resteigne Lesse 353,88
L5170 Baisieux Grande Honnelle 26,09
L5201 Rhisnes Houyoux 53,26
L5220 Tintigny Rulles 221,74
L5412 Amougies Rhosnes 131,35
L5420 Isières Sille 61,88
L5442 Aiseau Biesme 76,47
L5460 Suzeril Thyle 67,62
L5500 Marbehan Mellier 63,27
L5520 Harnoncourt Ton 257,77
L5530 Ochamps Lesse 9,51
L5540 Graide Ruisseau de Graide 11,19
L5550 Our Eau d'Our 71,21
L5600 Ruette Vire 75,55
L5610 Martelange Sûre 209,01
L5630 Hamoir Néblon 75,15
L5640 Walcourt Ry d'Yves 87,99
L5690 Brugelette Dendre Orientale 110,16
L5820 Wanze Mehaigne 352,99
L5950 Erneuville Ourthe Occidentale 271,64
L6020 Athus Messancy 59,85
L6030 Latour Vire 92,62
L6050 Baillonville Ruisseau Heure 68,78
L6060 Thy-le-Château Thyria 50,30
L6240 Lorcé Lienne 147,57
L6260 Upigny Mehaigne 17,56
L6270 Lavaux-Sainte-Anne Wimbe 94,07
L6280 Opheylissem Petite Gette 128,58
L6320 Grupont Lhomme 178,82
L6360 Eprave Lhomme 475,79
L6390 Dalhem Berwinne 118,28
L6400 Gedinne Houille 52,54
L6470 Ambresin Mehaigne 196,80

213
Annexe 9 : Densité de drainage (km/km²)

Densité de drainage
Code Localité Cours d'eau
(km/km²)
91111002 Mariembourg Brouffe 2,395
29521002 Irchonwelz Dendre occidentale 1,566
29711002 Ath Dendre orientale 1,366
10461002 Bierges Dyle 1,039
90811002 Nismes Eau blanche 1,815
78911002 Cerfontaine Eau d'heure 2,164
90711002 Couvin Eau noire 1,506
55721002 Bergilers amont Geer 0,896
35611002 Boussoit Haine 1,369
79441002 Wihéries Hantes 1,624
86221002 Hastiere Hermeton 1,559
86611002 Felenne Houille 1,338
72281002 Modave Hoyoux 1,066
83411002 Daverdisse Lesse 1,259
72421002 Moha Mehaigne 1,308
81631002 Warnant Molignée 1,301
92321002 Bruly Ry de Pernelle 1,506
68321002 Trois-ponts Salm 1,420
23711002 Ronquières Samme 1,677
94341002 Membre pont Semois 1,685
95711002 Sainte-marie Semois 1,650
95611002 Tintigny Semois 1,879
19531002 Tubize (Ripain) Senne 1,514
79781002 Bersillies-l'abbaye Thure 1,855
96511002 Straimont Vierre 1,518
90211002 Treignes Viroin 1,554
L5021 Resteigne Lesse 1,258
L5170 Baisieux Grande Honnelle 1,057
L5201 Rhisnes Houyoux 0,802
L5220 Tintigny Rulles 2,080
L5412 Amougies Rhosnes 1,983
L5420 Isières Sille 1,568
L5442 Aiseau Biesme 1,323
L5460 Suzeril Thyle 1,244
L5500 Marbehan Mellier 1,792
L5520 Harnoncourt Ton 1,239
L5530 Ochamps Lesse 1,510
L5540 Graide Ruisseau de Graide 1,480
L5550 Our Eau d'Our 1,146
L5600 Ruette Vire 1,320
L5610 Martelange Sûre 1,795
L5630 Hamoir Néblon 0,857
L5640 Walcourt Ry d'Yves 1,613
L5690 Brugelette Dendre Orientale 1,312
L5820 Wanze Mehaigne 1,308
L5950 Erneuville Ourthe Occidentale 1,524
L6020 Athus Messancy 1,552
L6030 Latour Vire 1,346
L6050 Baillonville Ruisseau Heure 1,824
L6060 Thy-le-Château Thyria 1,482
L6240 Lorcé Lienne 1,797
L6260 Upigny Mehaigne 1,308
L6270 Lavaux-Sainte-Anne Wimbe 1,243
L6280 Opheylissem Petite Gette 0,782
L6320 Grupont Lhomme 1,328
L6360 Eprave Lhomme 1,517
L6390 Dalhem Berwinne 1,509
L6400 Gedinne Houille 1,484
L6470 Ambresin Mehaigne 1,435

214
Annexe 10 : Pentes caractéristiques du bassin versant

Percentile10 Pente médiane Percentile90

Code Localité
(%) (%) (%)
91111002 Mariembourg 2,47 7,88 19,65
29521002 Irchonwelz 0,80 2,38 6,28
29711002 Ath 0,67 1,92 5,10
10461002 Bierges 1,49 4,25 12,42
90811002 Nismes 1,43 5,11 16,07
78911002 Cerfontaine 1,81 5,69 15,93
90711002 Couvin 1,61 5,47 18,26
55721002 Bergilers amont 1,02 2,74 5,47
35611002 Boussoit 1,21 3,51 10,24
79441002 Wihéries 1,56 4,91 13,46
86221002 Hastiere 1,52 4,99 19,89
86611002 Felenne 3,00 7,75 18,97
72281002 Modave 1,97 5,19 12,86
83411002 Daverdisse 2,52 6,55 15,24
72421002 Moha 1,16 2,96 7,41
81631002 Warnant 2,16 5,99 17,87
92321002 Bruly 2,02 6,21 12,20
68321002 Trois-ponts 2,77 6,96 17,19
23711002 Ronquières 1,43 4,12 10,68
94341002 Membre pont 2,05 6,76 22,61
95711002 Sainte-marie 1,25 4,36 9,98
95611002 Tintigny 1,50 5,18 13,03
19531002 Tubize (Ripain) 1,12 3,74 9,11
79781002 Bersillies-l'abbaye 1,66 5,28 13,57
96511002 Straimont 2,48 6,22 13,18
90211002 Treignes 1,61 5,79 19,27
L5021 Resteigne 2,58 6,88 17,70
L5170 Baisieux 1,29 3,33 9,80
L5201 Rhisnes 1,32 3,25 8,36
L5220 Tintigny 1,98 6,08 15,67
L5412 Amougies 1,01 3,38 11,42
L5420 Isières 1,14 3,12 7,77
L5442 Aiseau 1,65 4,81 13,46
L5460 Suzeril 1,66 5,11 13,47
L5500 Marbehan 2,28 6,33 14,51
L5520 Harnoncourt 1,90 8,63 22,29
L5530 Ochamps 1,85 4,81 9,71
L5540 Graide 1,50 4,52 8,54
L5550 Our 2,23 5,58 11,23
L5600 Ruette 2,71 9,30 20,79
L5610 Martelange 2,96 7,68 18,89
L5630 Hamoir 2,50 6,96 19,54
L5640 Walcourt 1,71 4,63 12,65
L5690 Brugelette 0,68 2,04 5,84
L5820 Wanze 1,17 2,98 7,75
L5950 Erneuville 2,56 6,30 12,99
L6020 Athus 2,21 6,58 19,84
L6030 Latour 2,55 9,23 20,55
L6050 Baillonville 2,69 8,53 22,13
L6060 Thy-le-Château 1,65 4,42 12,67
L6240 Lorcé 4,04 9,68 25,76
L6260 Upigny 1,11 2,50 4,46
L6270 Lavaux-Ste-Anne 2,53 7,51 18,30
L6280 Opheylissem 1,06 2,98 6,90
L6320 Grupont 3,01 7,11 17,68
L6360 Eprave 2,73 7,44 20,28
L6390 Dalhem 2,37 7,69 18,27
L6400 Gedinne 2,73 6,37 12,43
L6470 Ambresin 1,08 2,63 5,00

215
Annexe 11 : Occupation du sol (exprimée en pour-cent)

Territoires Cultures
Forêts Terres arables Surfaces
Code Localité artificialisés permanentes
(%) (%) enherbées (%)
(%) (%)
91111002 Mariembourg 1,71 65,40 2,32 0,02 23,91
29521002 Irchonwelz 7,54 5,27 59,33 0,40 21,07
29711002 Ath 7,00 7,35 57,52 0,50 22,31
10461002 Bierges 13,68 10,16 53,56 0,25 13,72
90811002 Nismes 3,13 45,01 6,82 0,07 38,03
78911002 Cerfontaine 3,81 39,72 9,79 0,80 36,70
90711002 Couvin 1,96 59,86 2,42 0,01 31,43
55721002 Bergilers amont 9,98 1,37 67,78 3,75 11,84
35611002 Boussoit 18,40 7,59 42,19 0,62 19,47
79441002 Wihéries 3,17 21,29 24,25 0,09 46,73
86221002 Hastiere 2,61 37,13 15,49 0,19 35,20
86611002 Felenne 2,24 59,80 7,53 0,06 24,14
72281002 Modave 3,99 23,26 34,03 0,21 34,32
83411002 Daverdisse 2,73 52,03 8,55 0,02 30,05
72421002 Moha 7,96 5,04 64,16 1,29 15,42
81631002 Warnant 4,26 22,57 39,44 0,26 27,39
92321002 Bruly 2,24 58,74 3,31 0,02 32,91
68321002 Trois-ponts 3,34 49,72 5,54 0,01 32,90
23711002 Ronquières 15,24 4,05 47,32 0,58 19,62
94341002 Membre pont 4,41 49,84 7,31 0,02 30,18
95711002 Sainte-marie 16,74 24,64 11,92 0,03 35,07
95611002 Tintigny 7,65 42,66 8,82 0,02 31,77
19531002 Tubize (Ripain) 10,32 3,35 50,88 0,42 26,80
79781002 Bersillies-l'abbaye 4,75 23,91 14,50 0,07 54,10
96511002 Straimont 4,14 29,44 8,60 0,02 48,22
90211002 Treignes 2,88 50,07 6,75 0,15 32,96
L5021 Resteigne 2,60 53,48 8,38 0,05 28,39
L5170 Baisieux 7,11 9,58 46,62 0,59 34,47
L5201 Rhisnes 9,74 6,95 60,10 0,50 14,32
L5220 Tintigny 2,24 55,33 6,95 0,01 27,75
L5412 Amougies 13,80 8,35 55,04 0,43 19,29
L5420 Isières 8,50 7,54 53,51 0,34 24,50
L5442 Aiseau 8,02 25,39 38,22 0,65 21,13
L5460 Suzeril 11,34 18,44 47,21 0,08 14,88
L5500 Marbehan 2,59 35,94 10,66 0,01 40,19
L5520 Harnoncourt 5,59 45,15 12,62 0,31 29,81
L5530 Ochamps 3,27 60,69 3,25 0,02 25,19
L5540 Graide 1,88 68,91 5,17 0,02 17,34
L5550 Our 3,55 37,85 9,72 0,00 40,63
L5600 Ruette 6,66 29,54 19,94 0,36 38,35
L5610 Martelange 2,04 32,59 11,51 0,00 46,45
L5630 Hamoir 3,07 21,13 30,26 0,48 40,87
L5640 Walcourt 7,20 19,94 36,03 0,28 26,03
L5690 Brugelette 6,25 6,44 58,80 0,38 23,59
L5820 Wanze 8,13 5,23 63,78 1,29 15,42
L5950 Erneuville 2,85 38,96 8,25 0,01 44,64
L6020 Athus 7,92 20,07 24,80 0,20 40,23
L6030 Latour 6,92 29,25 19,38 0,54 38,40
L6050 Baillonville 2,50 45,23 8,80 0,06 36,51
L6060 Thy-le-Château 8,00 20,13 42,13 0,42 21,14
L6240 Lorcé 2,50 47,47 4,76 0,08 37,41
L6260 Upigny 6,09 5,25 68,94 2,00 12,49
L6270 Lavaux-Sainte-Anne 2,49 51,97 9,88 0,21 31,05
L6280 Opheylissem 8,52 1,39 74,37 1,41 9,31
L6320 Grupont 3,45 62,79 5,27 0,00 20,83
L6360 Eprave 3,60 56,19 8,42 0,18 24,44
L6390 Dalhem 10,88 2,18 8,97 5,48 65,66
L6400 Gedinne 2,28 52,29 9,52 0,03 29,27
L6470 Ambresin 7,86 4,77 66,36 1,40 14,47

216
Annexe 12 : Pourcentage des groupes hydrologiques des sols (%)

Code Localité Cours d'eau A B C D NC

91111002 Mariembourg Brouffe 0,90 53,99 42,21 0,66 2,24
29521002 Irchonwelz Dendre occidentale 34,02 50,35 5,12 5,66 4,85
29711002 Ath Dendre orientale 46,31 30,22 11,95 3,91 7,61
10461002 Bierges Dyle 37,56 50,55 1,01 6,02 4,86
90811002 Nismes Eau blanche 9,94 45,80 38,81 1,93 3,52
78911002 Cerfontaine Eau d'heure 5,39 62,18 23,61 2,81 6,01
90711002 Couvin Eau noire 3,41 67,84 25,65 1,11 1,99
55721002 Bergilers amont Geer 84,00 9,10 0,01 4,04 2,85
35611002 Boussoit Haine 39,75 28,28 4,61 13,08 14,28
79441002 Wihéries Hantes 14,78 65,22 14,73 2,00 3,27
86221002 Hastiere Hermeton 11,89 59,21 22,83 2,08 3,99
86611002 Felenne Houille 0,46 80,53 14,67 2,30 2,04
72281002 Modave Hoyoux 20,68 70,17 4,85 1,75 2,55
83411002 Daverdisse Lesse 0,13 85,83 10,38 1,55 2,11
72421002 Moha Mehaigne 47,00 42,55 2,04 4,27 4,13
81631002 Warnant Molignée 12,30 65,20 14,44 3,12 4,94
92321002 Bruly Ry de Pernelle 2,39 73,93 19,95 1,32 2,43
68321002 Trois-ponts Salm 0,50 60,47 30,94 1,52 6,58
23711002 Ronquières Samme 31,13 51,86 3,78 6,35 6,88
94341002 Membre pont Semois 3,37 66,15 20,78 4,64 5,05
95711002 Sainte-marie Semois 15,57 18,93 42,06 14,20 9,24
95611002 Tintigny Semois 7,20 50,55 30,62 6,11 5,52
19531002 Tubize (Ripain) Senne 35,96 53,94 1,32 4,22 4,56
79781002 Bersillies-l'abbaye Thure 7,81 74,37 11,35 3,92 2,55
96511002 Straimont Vierre 0,48 75,01 18,37 2,09 4,05
90211002 Treignes Viroin 8,48 56,25 29,96 1,87 3,45
L5021 Resteigne Lesse 0,20 83,24 13,01 1,46 2,09
L5170 Baisieux Grande Honnelle 70,21 19,62 0,73 6,77 2,67
L5201 Rhisnes Houyoux 22,37 64,54 1,75 4,79 6,55
L5220 Tintigny Rulles 0,33 74,06 21,14 1,32 3,14
L5412 Amougies Rhosnes 10,79 44,30 36,48 5,23 3,20
L5420 Isières Sille 40,13 43,75 10,09 2,97 3,07
L5442 Aiseau Biesme 16,11 57,30 18,52 3,13 4,94
L5460 Suzeril Thyle 34,52 55,85 1,13 4,33 4,16
L5500 Marbehan Mellier 0,59 76,21 18,25 1,42 3,53
L5520 Harnoncourt Ton 26,62 30,15 34,89 4,18 4,17
L5530 Ochamps Lesse 0,53 83,51 13,04 1,30 1,62
L5540 Graide Ruisseau de Graide 0,07 84,90 11,98 0,80 2,25
L5550 Our Eau d'Our 0,23 81,65 12,89 2,12 3,11
L5600 Ruette Vire 2,50 46,52 43,41 5,20 2,37
L5610 Martelange Sûre 0,14 86,07 9,26 1,34 3,19
L5630 Hamoir Néblon 13,10 76,37 7,34 1,70 1,49
L5640 Walcourt Ry d'Yves 10,40 63,31 10,28 5,43 10,59
L5690 Brugelette Dendre Orientale 45,37 35,20 11,52 3,28 4,62
L5820 Wanze Mehaigne 47,06 42,09 2,08 4,41 4,36
L5950 Erneuville Ourthe Occidentale 0,75 77,01 18,44 1,35 2,46
L6020 Athus Messancy 5,98 35,49 47,10 5,65 5,78
L6030 Latour Vire 2,30 40,48 47,58 5,36 4,28
L6050 Baillonville Ruisseau Heure 0,76 78,72 18,28 0,82 1,43
L6060 Thy-le-Château Thyria 18,22 61,33 7,32 3,96 9,17
L6240 Lorcé Lienne 0,53 64,57 26,45 0,99 7,45
L6260 Upigny Mehaigne 23,43 71,28 0,00 2,88 2,41
L6270 Lavaux-Sainte-Anne Wimbe 0,90 66,29 30,41 0,73 1,66
L6280 Opheylissem Petite Gette 77,37 12,99 0,79 4,84 4,01
L6320 Grupont Lhomme 1,01 77,59 17,61 1,46 2,33
L6360 Eprave Lhomme 2,44 63,36 29,46 1,75 2,98
L6390 Dalhem Berwinne 6,67 58,02 27,99 3,00 4,31
L6400 Gedinne Houille 0,90 79,50 15,77 1,47 2,36
L6470 Ambresin Mehaigne 40,02 52,23 0,39 3,98 3,38

217
Annexe 13 : Données climatiques

Ecart- Ecart- Ecart-

P PH PE TE Ecart-
Code Localité Cours d'eau type type type
(mm) (mm) (mm) (°C) type TE
P PH PE
91111002 Mariembourg Brouffe 912,88 153,40 542,16 121,15 218,40 61,90 15,80 1,09
29521002 Irchonwelz Dendre occidentale 820,75 125,89 472,27 93,79 205,11 69,41 16,82 1,01
29711002 Ath Dendre orientale 802,17 132,10 465,31 105,13 198,70 63,41 16,70 1,04
10461002 Bierges Dyle 834,98 125,12 479,13 97,16 210,68 68,62 16,48 0,90
90811002 Nismes Eau blanche 955,06 157,50 575,58 127,56 223,03 61,28 15,70 1,08
78911002 Cerfontaine Eau d'heure 937,33 142,25 556,14 119,45 225,03 63,78 15,78 1,12
90711002 Couvin Eau noire 1116,30 206,00 699,96 170,47 247,27 63,78 15,59 1,07
55721002 Bergilers amont Geer 799,63 116,90 442,99 87,47 214,22 62,19 16,77 1,03
35611002 Boussoit Haine 863,57 129,41 498,40 106,32 215,24 67,13 16,47 0,99
79441002 Wihéries Hantes 929,40 151,70 554,40 128,30 222,09 69,41 15,95 1,01
86221002 Hastiere Hermeton 901,74 139,59 531,81 117,41 217,39 57,31 15,81 1,11
86611002 Felenne Houille 1146,98 205,17 720,77 170,63 253,42 71,73 14,68 0,98
72281002 Modave Hoyoux 935,50 140,02 550,61 108,77 231,74 63,38 15,79 1,02
83411002 Daverdisse Lesse 1180,12 207,43 746,74 172,58 259,44 72,68 14,84 1,00
72421002 Moha Mehaigne 805,65 121,95 455,17 92,45 208,45 60,32 16,56 0,93
81631002 Warnant Molignée 888,55 130,12 522,30 113,45 215,37 58,44 15,92 1,03
92321002 Bruly Ry de Pernelle 1149,65 214,12 725,35 178,18 253,05 64,80 15,65 1,05
68321002 Trois-ponts Salm 1050,62 176,32 642,32 144,00 250,67 67,74 14,87 0,95
23711002 Ronquières Samme 850,58 138,67 501,03 106,98 209,79 68,28 16,52 0,99
94341002 Membre pont Semois 1203,33 222,78 775,76 185,89 254,92 69,52 15,24 1,04
95711002 Sainte-marie Semois 1106,12 218,71 703,80 180,75 238,32 68,03 15,69 1,12
95611002 Tintigny Semois 1154,75 224,90 741,26 184,91 246,07 68,07 15,29 1,12
19531002 Tubize (Ripain) Senne 802,05 137,26 466,82 102,42 200,61 66,95 16,66 1,01
79781002 Bersillies-l'abbaye Thure 926,04 150,17 551,45 129,78 221,07 69,07 15,91 1,02
96511002 Straimont Vierre 1208,26 223,24 778,91 185,19 255,99 72,75 14,82 1,07
90211002 Treignes Viroin 995,53 169,14 606,83 137,70 229,09 61,18 15,69 1,06
L5021 Resteigne Lesse 1140,95 196,44 716,76 163,61 253,52 70,30 14,92 1,01
L5170 Baisieux Grande Honnelle 799,66 124,70 462,57 100,73 196,67 59,10 16,92 1,04
L5201 Rhisnes Houyoux 829,06 147,71 472,04 111,72 214,64 62,84 16,49 0,93
L5220 Tintigny Rulles 1188,25 230,92 767,50 188,63 251,10 70,12 14,97 1,15
L5412 Amougies Rhosnes 842,36 147,43 479,42 103,05 217,14 78,63 16,82 1,01
L5420 Isières Sille 829,61 136,18 479,73 103,31 208,54 65,50 16,65 1,04
L5442 Aiseau Biesme 866,43 128,17 507,24 107,40 213,14 60,92 15,95 1,01
L5460 Suzeril Thyle 827,62 119,99 474,76 97,21 209,96 65,30 16,44 0,91
L5500 Marbehan Mellier 1172,26 225,35 755,32 184,96 249,09 69,50 14,94 1,14
L5520 Harnoncourt Ton 1082,08 239,58 678,62 191,22 238,28 71,88 16,07 1,09
L5530 Ochamps Lesse 1212,27 222,21 765,79 185,94 265,32 75,23 14,71 1,08
L5540 Graide Ruisseau de Graide 1260,23 229,22 813,57 191,61 268,23 76,08 14,77 0,98
L5550 Our Eau d'Our 1189,46 220,87 755,64 182,10 261,16 75,70 14,83 1,00
L5600 Ruette Vire 1083,29 261,72 681,75 204,76 234,98 76,11 15,97 1,10
L5610 Martelange Sûre 1138,17 222,03 726,65 175,89 244,62 66,26 14,75 1,02
L5630 Hamoir Néblon 917,79 136,02 533,59 109,30 232,61 60,27 15,95 1,00
L5640 Walcourt Ry d'Yves 923,41 135,13 546,31 118,01 221,57 60,26 15,81 1,14
L5690 Brugelette Dendre Orientale 789,71 137,38 456,47 107,20 196,77 65,18 16,72 1,04
L5820 Wanze Mehaigne 805,20 121,57 454,83 92,23 208,37 60,24 16,56 0,93
L5950 Erneuville Ourthe Occidentale 1068,16 176,54 652,19 144,98 248,24 66,12 14,54 1,02
L6020 Athus Messancy 1044,22 199,61 659,63 163,56 225,36 65,65 15,80 1,13
L6030 Latour Vire 1080,10 256,60 679,00 201,60 235,17 75,17 16,00 1,10
L6050 Baillonville Ruisseau Heure 968,27 152,87 572,70 130,44 236,87 57,19 15,64 1,04
L6060 Thy-le-Château Thyria 878,75 129,60 516,74 110,05 214,39 61,75 16,04 1,04
L6240 Lorcé Lienne 1084,47 160,53 644,82 134,52 269,73 70,68 14,88 1,04
L6260 Upigny Mehaigne 833,81 136,54 478,51 102,81 211,17 65,31 16,38 0,93
L6270 Lavaux-Ste-Anne Wimbe 990,93 161,20 600,80 130,50 230,94 61,76 15,45 1,04
L6280 Opheylissem Petite Gette 767,48 118,07 427,48 84,86 202,15 58,73 16,61 0,95
L6320 Grupont Lhomme 1121,21 185,69 683,13 153,85 260,25 72,67 14,69 1,06
L6360 Eprave Lhomme 1017,62 155,14 604,21 129,82 245,63 64,96 14,94 1,07
L6390 Dalhem Berwinne 914,33 138,10 516,70 101,61 243,49 70,01 16,84 1,10
L6400 Gedinne Houille 1199,60 218,33 763,00 182,55 260,25 74,81 14,67 0,97
L6470 Ambresin Mehaigne 814,55 126,72 463,56 96,47 208,19 32,03 16,49 0,93

218
Annexe 14 : Evapotranspiration de juillet à septembre (mm)

Code Localité Cours d'eau Moyenne Ecart-type

91111002 Mariembourg Brouffe 267,7 34,4
29521002 Irchonwelz Dendre occidentale 269,0 34,2
29711002 Ath Dendre orientale 267,9 33,9
10461002 Bierges Dyle 284,9 32,4
90811002 Nismes Eau blanche 268,4 33,8
78911002 Cerfontaine Eau d'heure 265,8 36,0
90711002 Couvin Eau noire 268,5 33,6
55721002 Bergilers amont Geer 286,8 35,3
35611002 Boussoit Haine 273,7 33,4
79441002 Wihéries Hantes 266,5 35,4
86221002 Hastiere Hermeton 278,7 33,6
86611002 Felenne Houille 262,4 32,0
72281002 Modave Hoyoux 257,9 33,4
83411002 Daverdisse Lesse 285,5 37,1
72421002 Moha Mehaigne 285,9 32,6
81631002 Warnant Molignée 282,5 34,4
92321002 Bruly Ry de Pernelle 269,2 33,2
68321002 Trois-ponts Salm 276,3 41,8
23711002 Ronquières Samme 278,0 33,8
94341002 Membre pont Semois 249,6 33,6
95711002 Sainte-marie Semois 251,5 35,8
95611002 Tintigny Semois 247,8 35,4
19531002 Tubize (Ripain) Senne 271,0 34,6
79781002 Bersillies-l'abbaye Thure 266,3 35,5
96511002 Straimont Vierre 263,3 33,9
90211002 Treignes Viroin 269,7 33,3
L5021 Resteigne Lesse 281,8 36,2
L5170 Baisieux Grande Honnelle 270,1 33,8
L5201 Rhisnes Houyoux 285,7 33,2
L5220 Tintigny Rulles 245,0 35,2
L5412 Amougies Rhosnes 268,0 34,0
L5420 Isières Sille 267,8 33,6
L5442 Aiseau Biesme 281,6 34,1
L5460 Suzeril Thyle 282,6 32,0
L5500 Marbehan Mellier 243,2 35,0
L5520 Harnoncourt Ton 253,3 35,6
L5530 Ochamps Lesse 294,0 41,0
L5540 Graide Ruisseau de Graide 297,5 39,4
L5550 Our Eau d'Our 290,9 38,5
L5600 Ruette Vire 252,4 35,6
L5610 Martelange Sûre 280,1 35,6
L5630 Hamoir Néblon 264,8 35,4
L5640 Walcourt Ry d'Yves 275,0 34,6
L5690 Brugelette Dendre Orientale 267,6 34,0
L5820 Wanze Mehaigne 285,9 32,6
L5950 Erneuville Ourthe Occidentale 292,4 39,0
L6020 Athus Messancy 251,5 35,7
L6030 Latour Vire 252,4 35,6
L6050 Baillonville Ruisseau Heure 252,2 36,7
L6060 Thy-le-Château Thyria 276,9 34,3
L6240 Lorcé Lienne 275,8 41,6
L6260 Upigny Mehaigne 284,7 33,0
L6270 Lavaux-Sainte-Anne Wimbe 254,4 33,8
L6280 Opheylissem Petite Gette 288,1 34,3
L6320 Grupont Lhomme 294,3 39,5
L6360 Eprave Lhomme 277,6 36,0
L6390 Dalhem Berwinne 301,5 38,6
L6400 Gedinne Houille 263,0 31,7
L6470 Ambresin Mehaigne 286,4 33,1

219
Annexe 15 : Percolation annuelle (mm)

Code Localité Cours d'eau Moyenne Ecart-type

91111002 Mariembourg Brouffe 18,0 7,6
29521002 Irchonwelz Dendre occidentale 62,3 23,0
29711002 Ath Dendre orientale 89,7 35,5
10461002 Bierges Dyle 194,8 82,0
90811002 Nismes Eau blanche 72,8 22,3
78911002 Cerfontaine Eau d'heure 23,0 7,7
90711002 Couvin Eau noire 130,2 36,5
55721002 Bergilers amont Geer 221,2 94,0
35611002 Boussoit Haine 174,2 66,7
79441002 Wihéries Hantes 24,3 10,3
86221002 Hastiere Hermeton 41,9 14,8
86611002 Felenne Houille 147,6 34,0
72281002 Modave Hoyoux 166,7 55,8
83411002 Daverdisse Lesse 112,9 22,4
72421002 Moha Mehaigne 144,7 54,3
81631002 Warnant Molignée 106,0 37,2
92321002 Bruly Ry de Pernelle 99,7 26,4
68321002 Trois-ponts Salm 76,6 21,4
23711002 Ronquières Samme 183,5 74,0
94341002 Membre pont Semois 102,6 33,7
95711002 Sainte-marie Semois 326,3 111,4
95611002 Tintigny Semois 190,6 64,8
19531002 Tubize (Ripain) Senne 47,8 16,7
79781002 Bersillies-l'abbaye Thure 20,4 7,2
96511002 Straimont Vierre 42,5 13,1
90211002 Treignes Viroin 94,0 26,9
L5021 Resteigne Lesse 101,1 20,1
L5170 Baisieux Grande Honnelle 185,7 87,5
L5201 Rhisnes Houyoux 127,6 56,8
L5220 Tintigny Rulles 93,5 31,2
L5412 Amougies Rhosnes 58,0 22,6
L5420 Isières Sille 20,5 3,3
L5442 Aiseau Biesme 66,3 23,5
L5460 Suzeril Thyle 166,8 75,9
L5500 Marbehan Mellier 40,8 13,3
L5520 Harnoncourt Ton 230,5 89,7
L5530 Ochamps Lesse 215,0 42,9
L5540 Graide Ruisseau de Graide 241,9 49,0
L5550 Our Eau d'Our 155,7 32,2
L5600 Ruette Vire 212,1 88,4
L5610 Martelange Sûre 131,7 33,5
L5630 Hamoir Néblon 143,8 50,4
L5640 Walcourt Ry d'Yves 101,3 34,0
L5690 Brugelette Dendre Orientale 57,3 22,9
L5820 Wanze Mehaigne 144,5 54,5
L5950 Erneuville Ourthe Occidentale 86,5 21,5
L6020 Athus Messancy 113,1 38,6
L6030 Latour Vire 212,0 87,9
L6050 Baillonville Ruisseau Heure 17,8 7,4
L6060 Thy-le-Château Thyria 83,4 29,6
L6240 Lorcé Lienne 72,1 17,3
L6260 Upigny Mehaigne 33,3 13,4
L6270 Lavaux-Sainte-Anne Wimbe 54,0 12,7
L6280 Opheylissem Petite Gette 179,2 89,3
L6320 Grupont Lhomme 87,6 17,0
L6360 Eprave Lhomme 65,9 14,3
L6390 Dalhem Berwinne 194,0 70,1
L6400 Gedinne Houille 189,6 42,7
L6470 Ambresin Mehaigne 134,7 47,9

220
Annexe 16 : Coefficient de tarissement (jour-1)

Coefficient de
Coefficient de détermination R² du calcul
Code Localité Cours d'eau tarissement du coefficient de
(Jour-1) tarissement à partir de la
loi de Maillet
91111002 Mariembourg Brouffe 0,039 0.78
29521002 Irchonwelz Dendre occidentale 0,014 0.51
29711002 Ath Dendre orientale 0,025 0.66
10461002 Bierges Dyle 0,005 0.78
90811002 Nismes Eau Blanche 0,018 0.84
78911002 Cerfontaine Eau d'Heure 0,023 0.97
90711002 Couvin Eau noire 0,037 0.96
55721002 Bergilers amont Geer 0,008 0.96
35611002 Boussoit Haine 0,011 0.97
79441002 Wihéries Hantes 0,024 0.97
86221002 Hastière Hermeton 0,015 0.96
86611002 Felenne Houille 0,024 0.95
72281002 Modave Hoyoux 0,006 0.97
83411002 Daverdisse Lesse 0,025 0.97
72421002 Moha Mehaigne 0,014 0.97
81631002 Warnant Molignée 0,008 0.98
92321002 Bruly Ry de Pernelle 0,027 0.86
68321002 Trois-Ponts Salm 0,022 0.99
23711002 Ronquières Samme 0,011 0.86
94341002 Membre Semois 0,042 0.98
95711002 Sainte-Marie Semois 0,020 0.88
95611002 Tintigny Semois 0,027 0.98
19531002 Tubize Senne 0,025 0.91
79781002 Bersillies-l'abbaye Thure 0,019 0.86
96511002 Straimont Vierre 0,036 0.99
90211002 Treignes Viroin 0,028 0.98
L5021 Resteigne Lesse 0,010 0.92
L5170 Baisieux Grande Honnelle 0,010 0.94
L5201 Rhisnes Houyoux 0,011 0.95
L5220 Tintigny Rulles 0,041 0.93
L5412 Amougies Rhosnes 0,025 0.67
L5420 Isières Silles 0,015 0.80
L5442 Aiseau Biesme 0,010 0.90
L5460 Suzeril Thyle 0,004 0.68
L5500 Marbehan Mellier 0,054 0.96
L5520 Harnoncourt Ton 0,008 0.92
L5530 Ochamps Lesse 0,021 0.89
L5540 Graide Ruisseau de Graide 0,037 0.89
L5550 Our Eau d'Our 0,022 0.87
L5600 Ruette Vire 0,010 0.90
L5610 Martelange Sûre 0,040 0.99
L5630 Hamoir Néblon 0,007 0.87
L5640 Walcourt Ruisseau d'Yves 0,018 0.83
L5690 Brugelette Dendre orientale 0,013 0.76
L5820 Wanze Mehaigne 0,014 0.99
L5950 Erneuville Ourthe occidentale 0,021 0.95
L6020 Athus Messancy 0,012 0.97
L6030 Latour Vire 0,012 0.96
L6050 Baillonville Ruisseau d'Heure 0,024 0.97
L6060 Thy-le-Château Thyria 0,012 0.80
L6240 Lorcé Lienne 0,019 0.87
L6260 Upigny Mehaigne 0,013 0.94
L6270 Lavaux-Sainte-Anne Wimbe 0,035 0.95
L6280 Opheylissem Petite Gette 0,002 0.47
L6320 Grupont Lhomme 0,015 0.95
L6360 Eprave Lhomme 0,018 0.92
L6390 Dalhem Berwinne 0,007 0.80
L6400 Gedinne Houille 0,025 0.95
L6470 Ambresin Mehaigne 0,009 0.81

221
Annexe 17 : Matrice de corrélation des variables
Pente Pente Pente Terres Terres Cult
Alt X Y Sup DD Forets
10 50 90 Artif arables perma
Alt 1.000 0.652 -0.792 -0.040 0.285 0.524 0.478 0.274 -0.489 0.656 -0.711 -0.344
X 0.652 1.000 -0.519 0.117 -0.083 0.627 0.608 0.452 -0.294 0.351 -0.449 0.095
Y -0.792 -0.520 1.000 -0.129 -0.300 -0.482 -0.620 -0.527 0.429 -0.661 0.736 0.462
Sup -0.040 0.117 -0.129 1.000 0.078 0.037 0.093 0.254 -.0439 0.163 -0.132 -0.086
DD 0.285 -0.083 -0.300 0.078 1.000 0.151 0.240 0.289 -0.187 0.351 -0.456 -0.246
Pente10 0.524 0.627 -0.482 0.037 0.151 1.000 0.910 0.782 -0.548 0.632 -0.713 -0.237
Pente50 0.478 0.608 -0.620 0.093 0.240 0.910 1.000 0.911 -0.494 0.652 -0.778 -0.217
Pente90 0.274 0.452 -0.527 0.254 0.290 0.782 0.911 1.000 -0.447 0.5992 -0.719 -0.260
Terr
-0.489 -0.294 0.429 -0.044 -0.187 -0.548 -0.494 -0.447 1.000 -0.720 0.604 0.350
Artif
Forets 0.656 0.351 -0.661 0.163 0.351 0.632 0.652 0.599 -0.720 1.000 -0.875 -0.513
Terres
-0.711 -0.449 0.736 -0.132 -0.456 -0.713 -0.778 -0.719 0.604 -0.875 1.000 0.379
arables
Cult
-0.344 0.095 0.462 -0.086 -0.246 -0.237 -0.217 -0.260 0.350 -0.513 0.379 1.000
perma
Surf
0.390 0.321 -0.430 -0.044 0.317 0.480 0.561 0.518 -0.345 0.223 -0.630 -0.006
enherb
SolA -0.661 -0.397 0.642 -0.056 -0.492 -0.699 -0.716 -0.654 0.547 -0.742 0.842 0.432
SolB 0.525 0.248 -0.279 -0.014 0.211 0.572 0.426 0.328 -0.645 0.585 -0.562 -0.352
SolC 0.356 0.330 -0.636 0.086 0.471 0.394 0.614 0.630 -0.191 0.476 -.616 -0.191
SolD -0.284 -0.214 0.092 0.051 -0.123 -0.472 -0.380 -0.322 0.857 -0.539 0.405 0.121
SolNC -0.194 -0.172 0.136 0.057 0.061 -0.248 -0.254 -0.151 0.604 -0.368 0.242 0.028
P 0.880 0.554 -0.827 0.182 0.257 0.632 0.628 0.477 -0.536 0.803 -0.839 -0.417
PH 0.882 0.534 -0.850 0.186 0.265 0.596 0.603 0.455 -0.521 0.786 -0.823 -0.441
PE 0.809 0.614 -0.643 0.155 0.195 0.737 0.672 0.512 -0.544 0.794 -0.832 -0.268
TE -0.835 -0.548 0.666 -0.156 -0.253 -0.734 -0.607 -0.483 0.668 -0.838 0.810 0.508
ETP -0.182 -0.053 0.511 -0.117 -0.359 -0.107 -0.306 -0.351 0.103 -0.175 0.267 0.393
Perco 0.192 0.331 -0.195 -0.007 -0.419 -0.074 -0.004 -0.125 0.391 -0.072 0.043 0.213
CT 0.541 0.090 -0.479 0.236 0.582 0.229 0.241 0.206 -0.452 0.546 -0.550 -0.384

222
 Surf
SolA SolB SolC SolD SolNC P PH PE TE ETP Perco CT
enherb
Alt 0.390 -0.661 0.525 0.356 -0.284 -0.194 0.880 0.882 0.809 -0.835 -0.182 0.192 0.541
X 0.321 -0.397 0.248 0.330 -0.214 -0.172 0.554 0.534 0.614 -0.548 -0.053 0.331 0.090
Y -0.430 0.642 -0.279 -0.636 0.092 0.136 -0.827 -0.850 -0.643 0.666 0.511 -0.195 -0.479
Sup -0.044 -0.056 -0.014 0.086 0.051 0.057 0.182 0.186 0.155 -0.156 -0.117 -0.007 0.236
DD 0.317 -0.492 0.211 0.471 -0.123 0.061 0.257 0.265 0.195 -0.253 -0.359 -0.419 0.582
Pente
0.480 -0.699 0.572 0.394 -0.472 -0.248 0.633 0.596 0.737 -0.734 -0.107 -0.074 0.229
10
Pente
0.561 -0.716 0.426 0.614 -0.380 -0.254 0.628 0.603 0.672 -0.607 -0.306 -0.004 0.241
50
Pente
0.518 -0.654 0.328 0.630 -0.322 -0.151 0.477 0.455 0.512 -0.483 -0.351 -0.125 0.206
90
Terr
-0.345 0.547 -0.645 -0.191 0.857 0.604 -0.536 -0.521 -0.544 0.668 0.103 0.391 -0.452
Artif
Forets 0.223 -0.742 0.585 0.476 -0.539 -0.368 0.803 0.786 0.794 -0.838 -0.175 -0.072 0.546
Terres
-0.630 0.842 -0.562 -0.616 0.405 0.242 -0.839 -0.823 -0.832 0.810 0.267 0.043 -0.550
arables
Cult
-0.006 0.432 -0.352 -0.191 0.121 0.028 -0.417 -0.441 -0.268 0.508 0.393 0.213 -0.384
perma
Surf
1.000 -0.535 0.309 0.450 -0.208 -0.150 0.409 0.403 0.410 -0.334 -0.284 -0.136 0.272
enherb
SolA -0.535 1.000 -0.759 -0.574 0.435 0.199 -0.755 -0.739 -0.757 0.766 0.229 0.224 -0.518
SolB 0.309 -0.759 1.000 -0.067 -0.666 -0.406 0.582 0.558 0.648 -0.713 0.117 -0.319 0.416
SolC 0.450 -0.574 -0.067 1.000 -0.030 -0.035 0.436 0.439 0.367 -0.299 -0.489 -0.003 0.293
SolD -0.208 0.435 -0.666 -0.030 1.000 0.686 -0.319 -0.291 -0.418 0.491 -0.146 0.477 -0.322
SolNC -0.150 0.199 -0.406 -0.035 0.686 1.000 -0.251 -0.241 -0.271 0.260 -0.035 0.132 -0.166
P 0.409 -0.755 0.582 0.436 -0.319 -0.251 1.000 0.997 0.939 -0.884 -0.247 0.184 0.582
PH 0.403 -0.739 0.558 0.439 -0.291 -0.241 0.997 1.000 0.910 -0.866 -0.286 0.189 0.600
PE 0.410 -0.757 0.648 0.367 -0.418 -0.271 0.939 0.910 1.000 -0.886 -0.061 0.154 0.475
TE -0.334 0.766 -0.713 -0.299 0.491 0.260 -0.884 -0.866 -0.886 1.000 0.081 0.049 -0.540
ETP -0.284 0.229 0.117 -0.490 -0.146 -0.035 -0.247 -0.286 -0.061 0.081 1.000 0.111 -0.374
Perco -0.136 0.224 -0.319 -0.002 0.477 0.132 0.184 0.189 0.154 0.049 0.111 1.000 -0.281
CT 0.272 -0.518 0.416 0.293 -0.322 -0.166 0.582 0.600 0.475 -0.540 -0.374 -0.281 1.000

223
Annexe 18 : Abaque permettant la détermination du logarithme de la valeur à ajouter
et à soustraire du logarithme du percentile95 spécifique pour une période de retour de
deux ans (intervalle de confiance)

CT 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 0.022 0.024 0.026
Perco

10 0.4517 0.4492 0.4469 0.4448 0.4429 0.4413 0.4399 0.4388 0.4379 0.4372 0.4368 0.4366 0.4367
20 0.4497 0.4471 0.4449 0.4428 0.4410 0.4394 0.4381 0.4370 0.4361 0.4355 0.4352 0.4351 0.4352
30 0.4477 0.4453 0.4430 0.4410 0.4392 0.4377 0.4364 0.4354 0.4346 0.4340 0.4337 0.4337 0.4339
40 0.4459 0.4435 0.4413 0.4394 0.4376 0.4362 0.4349 0.4340 0.4332 0.4327 0.4325 0.4325 0.4327
50 0.4443 0.4419 0.4398 0.4379 0.4362 0.4348 0.4336 0.4327 0.4320 0.4315 0.4313 0.4314 0.4317
60 0.4428 0.4405 0.4384 0.4365 0.4349 0.4335 0.4324 0.4315 0.4309 0.4305 0.4304 0.4305 0.4309
70 0.4415 0.4392 0.4372 0.4354 0.4338 0.4325 0.4314 0.4306 0.4300 0.4297 0.4296 0.4298 0.4302
80 0.4403 0.4381 0.4361 0.4343 0.4328 0.4316 0.4306 0.4298 0.4293 0.4290 0.4290 0.4292 0.4297
90 0.4393 0.4371 0.4352 0.4335 0.4320 0.4308 0.4299 0.4291 0.4287 0.4285 0.4285 0.4288 0.4293
100 0.4384 0.4363 0.4344 0.4328 0.4314 0.4302 0.4293 0.4287 0.4283 0.4281 0.4282 0.4286 0.4292
110 0.4378 0.4357 0.4339 0.4323 0.4309 0.4298 0.4290 0.4284 0.4280 0.4279 0.4281 0.4285 0.4291
120 0.4372 0.4352 0.4334 0.4319 0.4306 0.4296 0.4288 0.4282 0.4279 0.4279 0.4281 0.4286 0.4293
130 0.4369 0.4349 0.4332 0.4317 0.4305 0.4295 0.4287 0.4283 0.4280 0.4280 0.4283 0.4288 0.4296
140 0.4367 0.4347 0.4331 0.4317 0.4305 0.4296 0.4289 0.4284 0.4283 0.4283 0.4287 0.4292 0.4301
150 0.4366 0.4348 0.4332 0.4318 0.4307 0.4298 0.4292 0.4288 0.4287 0.4288 0.4292 0.4298 0.4307
160 0.4367 0.4349 0.4334 0.4321 0.4310 0.4302 0.4296 0.4293 0.4293 0.4295 0.4299 0.4306 0.4315
170 0.4370 0.4353 0.4338 0.4325 0.4315 0.4308 0.4303 0.4300 0.4300 0.4303 0.4307 0.4315 0.4325
180 0.4375 0.4358 0.4343 0.4332 0.4322 0.4315 0.4311 0.4309 0.4309 0.4312 0.4318 0.4326 0.4336
190 0.4381 0.4364 0.4351 0.4339 0.4330 0.4324 0.4320 0.4319 0.4320 0.4323 0.4329 0.4338 0.4349
200 0.4388 0.4373 0.4359 0.4349 0.4340 0.4335 0.4331 0.4330 0.4332 0.4336 0.4343 0.4352 0.4363
210 0.4397 0.4382 0.4370 0.4360 0.4352 0.4347 0.4344 0.4344 0.4346 0.4351 0.4358 0.4367 0.4380
220 0.4408 0.4394 0.4382 0.4372 0.4365 0.4361 0.4358 0.4359 0.4362 0.4367 0.4374 0.4385 0.4397
230 0.4421 0.4407 0.4396 0.4387 0.4380 0.4376 0.4374 0.4375 0.4379 0.4384 0.4393 0.4403 0.4416
240 0.4435 0.4422 0.4411 0.4402 0.4396 0.4393 0.4392 0.4393 0.4397 0.4403 0.4412 0.4423 0.4437
250 0.4450 0.4438 0.4428 0.4420 0.4414 0.4411 0.4411 0.4413 0.4417 0.4424 0.4433 0.4445 0.4459
260 0.4467 0.4455 0.4446 0.4439 0.4434 0.4431 0.4432 0.4434 0.4439 0.4446 0.4456 0.4468 0.4483
270 0.4486 0.4475 0.4466 0.4459 0.4455 0.4453 0.4454 0.4457 0.4462 0.4470 0.4480 0.4493 0.4508
280 0.4506 0.4495 0.4487 0.4481 0.4477 0.4476 0.4477 0.4481 0.4487 0.4495 0.4506 0.4519 0.4534
290 0.4528 0.4517 0.4510 0.4504 0.4501 0.4500 0.4502 0.4506 0.4513 0.4522 0.4533 0.4546 0.4562
300 0.4551 0.4541 0.4534 0.4529 0.4526 0.4526 0.4529 0.4533 0.4540 0.4550 0.4561 0.4575 0.4592
310 0.4575 0.4566 0.4559 0.4555 0.4553 0.4554 0.4556 0.4562 0.4569 0.4579 0.4591 0.4605 0.4622
320 0.4601 0.4593 0.4587 0.4583 0.4581 0.4582 0.4586 0.4591 0.4599 0.4609 0.4622 0.4637 0.4654
330 0.4628 0.4620 0.4615 0.4612 0.4611 0.4612 0.4616 0.4622 0.4631 0.4641 0.4655 0.4670 0.4687
340 0.4657 0.4650 0.4645 0.4642 0.4642 0.4644 0.4648 0.4655 0.4664 0.4675 0.4688 0.4704 0.4722
350 0.4687 0.4680 0.4676 0.4674 0.4674 0.4676 0.4681 0.4688 0.4698 0.4709 0.4723 0.4739 0.4758

224
 CT 0.028 0.03 0.032 0.034 0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
Perco

10 0.4370 0.4376 0.4384 0.4395 0.4408 0.4423 0.4441 0.4461 0.4484 0.4508 0.4535 0.4565
20 0.4356 0.4362 0.4371 0.4382 0.4396 0.4412 0.4430 0.4451 0.4474 0.4500 0.4527 0.4557
30 0.4343 0.4350 0.4360 0.4371 0.4386 0.4402 0.4421 0.4443 0.4466 0.4492 0.4520 0.4551
40 0.4332 0.4340 0.4350 0.4362 0.4377 0.4394 0.4414 0.4436 0.4460 0.4486 0.4515 0.4546
50 0.4323 0.4331 0.4341 0.4354 0.4370 0.4388 0.4408 0.4430 0.4455 0.4482 0.4512 0.4543
60 0.4315 0.4324 0.4335 0.4348 0.4364 0.4383 0.4403 0.4427 0.4452 0.4480 0.4509 0.4542
70 0.4309 0.4318 0.4330 0.4344 0.4360 0.4379 0.4401 0.4424 0.4450 0.4479 0.4509 0.4542
80 0.4304 0.4314 0.4326 0.4341 0.4358 0.4378 0.4400 0.4424 0.4450 0.4479 0.4510 0.4543
90 0.4301 0.4312 0.4325 0.4340 0.4358 0.4378 0.4400 0.4425 0.4452 0.4481 0.4513 0.4546
100 0.4300 0.4311 0.4324 0.4340 0.4359 0.4379 0.4402 0.4428 0.4455 0.4485 0.4517 0.4551
110 0.4300 0.4312 0.4326 0.4342 0.4361 0.4382 0.4406 0.4432 0.4460 0.4490 0.4523 0.4557
120 0.4302 0.4315 0.4329 0.4346 0.4365 0.4387 0.4411 0.4438 0.4466 0.4497 0.4530 0.4565
130 0.4306 0.4319 0.4334 0.4351 0.4371 0.4394 0.4418 0.4445 0.4474 0.4506 0.4539 0.4575
140 0.4311 0.4325 0.4340 0.4358 0.4379 0.4402 0.4427 0.4454 0.4484 0.4516 0.4550 0.4586
150 0.4318 0.4332 0.4348 0.4367 0.4388 0.4411 0.4437 0.4465 0.4495 0.4527 0.4562 0.4598
160 0.4327 0.4341 0.4358 0.4377 0.4399 0.4422 0.4448 0.4477 0.4507 0.4540 0.4575 0.4612
170 0.4337 0.4352 0.4369 0.4389 0.4411 0.4435 0.4462 0.4491 0.4522 0.4555 0.4590 0.4627
180 0.4349 0.4364 0.4382 0.4402 0.4425 0.4449 0.4477 0.4506 0.4537 0.4571 0.4607 0.4644
190 0.4362 0.4378 0.4397 0.4417 0.4440 0.4465 0.4493 0.4523 0.4554 0.4588 0.4625 0.4663
200 0.4377 0.4394 0.4413 0.4434 0.4457 0.4483 0.4511 0.4541 0.4573 0.4608 0.4644 0.4682
210 0.4394 0.4411 0.4430 0.4452 0.4476 0.4502 0.4530 0.4561 0.4593 0.4628 0.4665 0.4704
220 0.4412 0.4429 0.4449 0.4471 0.4495 0.4522 0.4551 0.4582 0.4615 0.4650 0.4687 0.4726
230 0.4432 0.4450 0.4470 0.4492 0.4517 0.4544 0.4573 0.4604 0.4638 0.4673 0.4711 0.4750
240 0.4453 0.4471 0.4492 0.4515 0.4540 0.4567 0.4597 0.4628 0.4662 0.4698 0.4736 0.4776
250 0.4476 0.4494 0.4515 0.4539 0.4564 0.4592 0.4622 0.4654 0.4688 0.4724 0.4762 0.4802
260 0.4500 0.4519 0.4540 0.4564 0.4590 0.4618 0.4648 0.4681 0.4715 0.4752 0.4790 0.4831
270 0.4525 0.4545 0.4567 0.4591 0.4617 0.4646 0.4676 0.4709 0.4744 0.4781 0.4819 0.4860
280 0.4552 0.4572 0.4594 0.4619 0.4646 0.4675 0.4705 0.4739 0.4774 0.4811 0.4850 0.4891
290 0.4580 0.4601 0.4624 0.4648 0.4676 0.4705 0.4736 0.4769 0.4805 0.4842 0.4881 0.4922
300 0.4610 0.4631 0.4654 0.4679 0.4707 0.4736 0.4768 0.4801 0.4837 0.4875 0.4914 0.4956
310 0.4641 0.4662 0.4686 0.4711 0.4739 0.4769 0.4801 0.4835 0.4871 0.4909 0.4948 0.4990
320 0.4674 0.4695 0.4719 0.4745 0.4773 0.4803 0.4835 0.4869 0.4906 0.4944 0.4984 0.5025
330 0.4707 0.4729 0.4753 0.4780 0.4808 0.4838 0.4871 0.4905 0.4942 0.4980 0.5020 0.5062
340 0.4742 0.4764 0.4789 0.4815 0.4844 0.4875 0.4908 0.4942 0.4979 0.5017 0.5058 0.5100
350 0.4778 0.4801 0.4826 0.4853 0.4882 0.4913 0.4945 0.4980 0.5017 0.5056 0.5096 0.5139

225
 CT 0.052 0.054 0.056 0.058 0.06
Perco

10 0.4596 0.4629 0.4665 0.4702 0.4742

20 0.4589 0.4623 0.4659 0.4697 0.4737
30 0.4583 0.4618 0.4654 0.4693 0.4734
40 0.4579 0.4614 0.4652 0.4691 0.4732
50 0.4577 0.4612 0.4650 0.4690 0.4732
60 0.4576 0.4612 0.4650 0.4691 0.4733
70 0.4576 0.4613 0.4652 0.4693 0.4735
80 0.4578 0.4616 0.4655 0.4696 0.4740
90 0.4582 0.4620 0.4660 0.4702 0.4745
100 0.4587 0.4626 0.4666 0.4708 0.4752
110 0.4594 0.4633 0.4674 0.4716 0.4761
120 0.4603 0.4642 0.4683 0.4726 0.4771
130 0.4612 0.4652 0.4694 0.4737 0.4783
140 0.4624 0.4664 0.4706 0.4750 0.4796
150 0.4637 0.4677 0.4720 0.4764 0.4810
160 0.4651 0.4692 0.4735 0.4779 0.4826
170 0.4667 0.4708 0.4751 0.4796 0.4843
180 0.4684 0.4726 0.4769 0.4815 0.4862
190 0.4703 0.4745 0.4789 0.4834 0.4882
200 0.4723 0.4765 0.4810 0.4856 0.4903
210 0.4744 0.4787 0.4832 0.4878 0.4926
220 0.4767 0.4810 0.4855 0.4902 0.4950
230 0.4792 0.4835 0.4880 0.4927 0.4976
240 0.4817 0.4861 0.4906 0.4954 0.5002
250 0.4844 0.4888 0.4934 0.4981 0.5030
260 0.4873 0.4917 0.4963 0.5010 0.5060
270 0.4902 0.4947 0.4993 0.5041 0.5090
280 0.4933 0.4978 0.5024 0.5072 0.5122
290 0.4965 0.5010 0.5057 0.5105 0.5155
300 0.4999 0.5044 0.5090 0.5139 0.5189
310 0.5033 0.5078 0.5125 0.5174 0.5224
320 0.5069 0.5114 0.5161 0.5210 0.5260
330 0.5106 0.5151 0.5198 0.5247 0.5297
340 0.5144 0.5189 0.5236 0.5285 0.5336
350 0.5183 0.5228 0.5276 0.5325 0.5375

226
Annexe 19 : Abaque permettant la détermination du logarithme de la valeur à ajouter
et à soustraire du logarithme du percentile95 spécifique pour une période de retour de
cinq ans (intervalle de confiance)

CT 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 0.022 0.024 0.026
Perco

10 0.5000 0.4971 0.4946 0.4922 0.4902 0.4884 0.4869 0.4856 0.4846 0.4839 0.4834 0.4832 0.4833
20 0.4977 0.4949 0.4924 0.4901 0.4881 0.4863 0.4849 0.4836 0.4827 0.4820 0.4816 0.4815 0.4817
30 0.4955 0.4928 0.4903 0.4881 0.4861 0.4844 0.4830 0.4819 0.4810 0.4804 0.4800 0.4800 0.4802
40 0.4935 0.4908 0.4884 0.4863 0.4844 0.4827 0.4814 0.4803 0.4794 0.4789 0.4786 0.4786 0.4789
50 0.4917 0.4891 0.4867 0.4846 0.4828 0.4812 0.4799 0.4788 0.4781 0.4776 0.4774 0.4775 0.4778
60 0.4901 0.4875 0.4852 0.4831 0.4813 0.4798 0.4786 0.4776 0.4769 0.4765 0.4763 0.4765 0.4769
70 0.4886 0.4861 0.4838 0.4818 0.4801 0.4786 0.4775 0.4765 0.4759 0.4755 0.4755 0.4756 0.4761
80 0.4873 0.4848 0.4826 0.4807 0.4790 0.4776 0.4765 0.4757 0.4751 0.4748 0.4748 0.4750 0.4755
90 0.4862 0.4838 0.4816 0.4798 0.4781 0.4768 0.4757 0.4750 0.4744 0.4742 0.4742 0.4746 0.4752
100 0.4852 0.4829 0.4808 0.4790 0.4774 0.4762 0.4752 0.4744 0.4740 0.4738 0.4739 0.4743 0.4750
110 0.4845 0.4822 0.4802 0.4784 0.4769 0.4757 0.4748 0.4741 0.4737 0.4736 0.4738 0.4742 0.4749
120 0.4839 0.4817 0.4797 0.4780 0.4766 0.4754 0.4745 0.4739 0.4736 0.4736 0.4738 0.4743 0.4751
130 0.4835 0.4813 0.4794 0.4778 0.4764 0.4753 0.4745 0.4740 0.4737 0.4737 0.4740 0.4746 0.4754
140 0.4833 0.4811 0.4793 0.4777 0.4764 0.4754 0.4747 0.4742 0.4740 0.4741 0.4744 0.4751 0.4760
150 0.4832 0.4812 0.4794 0.4779 0.4766 0.4757 0.4750 0.4746 0.4744 0.4746 0.4750 0.4757 0.4767
160 0.4833 0.4814 0.4796 0.4782 0.4770 0.4761 0.4755 0.4751 0.4751 0.4753 0.4758 0.4765 0.4776
170 0.4837 0.4817 0.4801 0.4787 0.4776 0.4768 0.4762 0.4759 0.4759 0.4762 0.4767 0.4775 0.4786
180 0.4841 0.4823 0.4807 0.4794 0.4783 0.4776 0.4771 0.4769 0.4769 0.4772 0.4779 0.4787 0.4799
190 0.4848 0.4830 0.4815 0.4802 0.4793 0.4786 0.4781 0.4780 0.4781 0.4785 0.4792 0.4801 0.4813
200 0.4857 0.4839 0.4825 0.4813 0.4804 0.4797 0.4794 0.4793 0.4795 0.4799 0.4806 0.4816 0.4829
210 0.4867 0.4850 0.4836 0.4825 0.4817 0.4811 0.4808 0.4807 0.4810 0.4815 0.4823 0.4834 0.4847
220 0.4879 0.4863 0.4850 0.4839 0.4831 0.4826 0.4824 0.4824 0.4827 0.4833 0.4841 0.4853 0.4866
230 0.4893 0.4877 0.4865 0.4855 0.4848 0.4843 0.4841 0.4842 0.4846 0.4852 0.4861 0.4873 0.4888
240 0.4908 0.4894 0.4882 0.4872 0.4866 0.4862 0.4861 0.4862 0.4867 0.4874 0.4883 0.4896 0.4911
250 0.4925 0.4911 0.4900 0.4891 0.4886 0.4882 0.4882 0.4884 0.4889 0.4896 0.4907 0.4920 0.4935
260 0.4944 0.4931 0.4920 0.4912 0.4907 0.4904 0.4905 0.4907 0.4913 0.4921 0.4932 0.4945 0.4961
270 0.4965 0.4952 0.4942 0.4935 0.4930 0.4928 0.4929 0.4932 0.4938 0.4947 0.4958 0.4972 0.4989
280 0.4987 0.4975 0.4966 0.4959 0.4955 0.4954 0.4955 0.4959 0.4966 0.4975 0.4987 0.5001 0.5018
290 0.5011 0.5000 0.4991 0.4985 0.4982 0.4981 0.4983 0.4987 0.4994 0.5004 0.5017 0.5032 0.5049
300 0.5036 0.5026 0.5018 0.5012 0.5010 0.5009 0.5012 0.5017 0.5025 0.5035 0.5048 0.5064 0.5082
310 0.5064 0.5054 0.5046 0.5041 0.5039 0.5040 0.5043 0.5048 0.5057 0.5068 0.5081 0.5097 0.5116
320 0.5092 0.5083 0.5076 0.5072 0.5070 0.5071 0.5075 0.5081 0.5090 0.5101 0.5115 0.5132 0.5151
330 0.5122 0.5114 0.5108 0.5104 0.5103 0.5105 0.5109 0.5116 0.5125 0.5137 0.5151 0.5168 0.5188
340 0.5154 0.5146 0.5140 0.5138 0.5137 0.5139 0.5144 0.5151 0.5161 0.5174 0.5189 0.5206 0.5226
350 0.5187 0.5180 0.5175 0.5173 0.5173 0.5176 0.5181 0.5189 0.5199 0.5212 0.5227 0.5245 0.5265

227
 CT 0.028 0.03 0.032 0.034 0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
Perco

10 0.4837 0.4843 0.4852 0.4864 0.4878 0.4895 0.4915 0.4937 0.4962 0.4990 0.5019 0.5052
20 0.4821 0.4828 0.4838 0.4850 0.4865 0.4883 0.4903 0.4926 0.4952 0.4980 0.5010 0.5043
30 0.4807 0.4815 0.4825 0.4838 0.4854 0.4872 0.4893 0.4917 0.4943 0.4972 0.5003 0.5036
40 0.4795 0.4803 0.4814 0.4828 0.4844 0.4863 0.4885 0.4909 0.4936 0.4965 0.4997 0.5031
50 0.4784 0.4793 0.4805 0.4819 0.4836 0.4856 0.4878 0.4903 0.4931 0.4961 0.4993 0.5028
60 0.4776 0.4785 0.4797 0.4812 0.4830 0.4850 0.4873 0.4899 0.4927 0.4958 0.4991 0.5026
70 0.4769 0.4779 0.4792 0.4807 0.4826 0.4847 0.4870 0.4897 0.4925 0.4957 0.4990 0.5026
80 0.4764 0.4774 0.4788 0.4804 0.4823 0.4845 0.4869 0.4896 0.4925 0.4957 0.4991 0.5028
90 0.4760 0.4772 0.4786 0.4803 0.4823 0.4845 0.4870 0.4897 0.4927 0.4960 0.4994 0.5032
100 0.4759 0.4771 0.4786 0.4804 0.4824 0.4847 0.4872 0.4900 0.4931 0.4964 0.4999 0.5037
110 0.4759 0.4772 0.4788 0.4806 0.4827 0.4850 0.4876 0.4905 0.4936 0.4970 0.5006 0.5044
120 0.4762 0.4775 0.4791 0.4810 0.4831 0.4855 0.4882 0.4911 0.4943 0.4977 0.5014 0.5053
130 0.4766 0.4780 0.4796 0.4816 0.4838 0.4863 0.4890 0.4920 0.4952 0.4986 0.5024 0.5063
140 0.4772 0.4786 0.4804 0.4824 0.4846 0.4871 0.4899 0.4930 0.4962 0.4998 0.5035 0.5075
150 0.4779 0.4795 0.4812 0.4833 0.4856 0.4882 0.4910 0.4941 0.4975 0.5010 0.5048 0.5089
160 0.4789 0.4805 0.4823 0.4844 0.4868 0.4894 0.4923 0.4955 0.4989 0.5025 0.5063 0.5104
170 0.4800 0.4817 0.4836 0.4857 0.4882 0.4909 0.4938 0.4970 0.5004 0.5041 0.5080 0.5121
180 0.4813 0.4830 0.4850 0.4872 0.4897 0.4924 0.4954 0.4987 0.5022 0.5059 0.5098 0.5140
190 0.4828 0.4846 0.4866 0.4889 0.4914 0.4942 0.4972 0.5005 0.5041 0.5078 0.5118 0.5160
200 0.4845 0.4863 0.4884 0.4907 0.4933 0.4961 0.4992 0.5025 0.5061 0.5099 0.5140 0.5182
210 0.4863 0.4882 0.4903 0.4927 0.4953 0.4982 0.5014 0.5047 0.5084 0.5122 0.5163 0.5206
220 0.4883 0.4902 0.4924 0.4948 0.4975 0.5005 0.5037 0.5071 0.5107 0.5146 0.5187 0.5231
230 0.4905 0.4924 0.4947 0.4972 0.4999 0.5029 0.5061 0.5096 0.5133 0.5172 0.5214 0.5257
240 0.4928 0.4948 0.4971 0.4997 0.5024 0.5055 0.5087 0.5122 0.5160 0.5200 0.5241 0.5286
250 0.4953 0.4974 0.4997 0.5023 0.5051 0.5082 0.5115 0.5151 0.5188 0.5228 0.5271 0.5315
260 0.4980 0.5001 0.5025 0.5051 0.5080 0.5111 0.5145 0.5180 0.5219 0.5259 0.5301 0.5346
270 0.5008 0.5030 0.5054 0.5081 0.5110 0.5141 0.5175 0.5212 0.5250 0.5291 0.5334 0.5379
280 0.5038 0.5060 0.5085 0.5112 0.5142 0.5173 0.5208 0.5244 0.5283 0.5324 0.5367 0.5413
290 0.5069 0.5092 0.5117 0.5145 0.5175 0.5207 0.5242 0.5278 0.5318 0.5359 0.5402 0.5448
300 0.5102 0.5125 0.5151 0.5179 0.5209 0.5242 0.5277 0.5314 0.5353 0.5395 0.5439 0.5484
310 0.5137 0.5160 0.5186 0.5214 0.5245 0.5278 0.5313 0.5351 0.5391 0.5433 0.5476 0.5522
320 0.5172 0.5196 0.5223 0.5251 0.5282 0.5316 0.5351 0.5389 0.5429 0.5471 0.5516 0.5562
330 0.5210 0.5234 0.5261 0.5290 0.5321 0.5355 0.5391 0.5429 0.5469 0.5511 0.5556 0.5602
340 0.5248 0.5273 0.5300 0.5329 0.5361 0.5395 0.5431 0.5470 0.5510 0.5553 0.5597 0.5644
350 0.5288 0.5313 0.5341 0.5371 0.5403 0.5437 0.5473 0.5512 0.5553 0.5596 0.5640 0.5687

228
 CT 0.052 0.054 0.056 0.058 0.06
Perco

10 0.5086 0.5124 0.5163 0.5204 0.5248

20 0.5079 0.5116 0.5156 0.5198 0.5243
30 0.5072 0.5111 0.5151 0.5194 0.5239
40 0.5068 0.5107 0.5148 0.5191 0.5237
50 0.5065 0.5105 0.5147 0.5191 0.5237
60 0.5064 0.5104 0.5147 0.5191 0.5238
70 0.5065 0.5106 0.5148 0.5194 0.5241
80 0.5067 0.5108 0.5152 0.5198 0.5245
90 0.5071 0.5113 0.5157 0.5203 0.5252
100 0.5077 0.5119 0.5164 0.5211 0.5260
110 0.5085 0.5127 0.5173 0.5220 0.5269
120 0.5094 0.5137 0.5183 0.5231 0.5280
130 0.5105 0.5149 0.5195 0.5243 0.5293
140 0.5117 0.5162 0.5208 0.5257 0.5308
150 0.5131 0.5176 0.5223 0.5272 0.5323
160 0.5147 0.5193 0.5240 0.5290 0.5341
170 0.5165 0.5211 0.5258 0.5308 0.5360
180 0.5184 0.5230 0.5278 0.5329 0.5381
190 0.5205 0.5251 0.5300 0.5350 0.5403
200 0.5227 0.5274 0.5323 0.5374 0.5427
210 0.5251 0.5298 0.5347 0.5399 0.5452
220 0.5276 0.5324 0.5374 0.5425 0.5479
230 0.5303 0.5351 0.5401 0.5453 0.5507
240 0.5332 0.5380 0.5430 0.5482 0.5536
250 0.5362 0.5410 0.5461 0.5513 0.5567
260 0.5393 0.5442 0.5492 0.5545 0.5600
270 0.5426 0.5475 0.5526 0.5579 0.5633
280 0.5460 0.5509 0.5560 0.5613 0.5668
290 0.5495 0.5545 0.5596 0.5650 0.5705
300 0.5532 0.5582 0.5634 0.5687 0.5742
310 0.5570 0.5620 0.5672 0.5726 0.5781
320 0.5610 0.5660 0.5712 0.5766 0.5821
330 0.5651 0.5701 0.5753 0.5807 0.5863
340 0.5693 0.5743 0.5795 0.5849 0.5905
350 0.5736 0.5786 0.5839 0.5893 0.5949

229
Annexe 20 : Abaque permettant la détermination du logarithme de la valeur à ajouter
et à soustraire du logarithme du percentile95 spécifique pour une période de retour de
dix ans (intervalle de confiance)

CT 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 0.022 0.024 0.026
Perco

10 0.5404 0.5374 0.5346 0.5321 0.5299 0.5279 0.5262 0.5249 0.5238 0.5230 0.5225 0.5223 0.5224
20 0.5379 0.5349 0.5322 0.5297 0.5276 0.5257 0.5241 0.5228 0.5218 0.5210 0.5206 0.5205 0.5206
30 0.5356 0.5327 0.5300 0.5276 0.5255 0.5236 0.5221 0.5209 0.5199 0.5192 0.5189 0.5188 0.5191
40 0.5335 0.5306 0.5279 0.5256 0.5236 0.5218 0.5203 0.5191 0.5182 0.5177 0.5174 0.5174 0.5177
50 0.5315 0.5287 0.5261 0.5238 0.5218 0.5201 0.5187 0.5176 0.5168 0.5162 0.5160 0.5161 0.5165
60 0.5297 0.5269 0.5244 0.5222 0.5203 0.5187 0.5173 0.5162 0.5155 0.5150 0.5149 0.5150 0.5155
70 0.5281 0.5254 0.5230 0.5208 0.5189 0.5174 0.5161 0.5151 0.5144 0.5140 0.5139 0.5141 0.5146
80 0.5267 0.5241 0.5217 0.5196 0.5178 0.5163 0.5151 0.5141 0.5135 0.5132 0.5132 0.5135 0.5140
90 0.5255 0.5229 0.5206 0.5186 0.5168 0.5154 0.5142 0.5134 0.5128 0.5126 0.5126 0.5130 0.5136
100 0.5245 0.5220 0.5197 0.5177 0.5161 0.5147 0.5136 0.5128 0.5123 0.5121 0.5123 0.5127 0.5134
110 0.5237 0.5212 0.5190 0.5171 0.5155 0.5142 0.5132 0.5125 0.5120 0.5119 0.5121 0.5126 0.5134
120 0.5230 0.5206 0.5185 0.5167 0.5151 0.5139 0.5129 0.5123 0.5119 0.5119 0.5121 0.5127 0.5135
130 0.5226 0.5203 0.5182 0.5164 0.5150 0.5138 0.5129 0.5123 0.5120 0.5121 0.5124 0.5130 0.5139
140 0.5224 0.5201 0.5181 0.5164 0.5150 0.5139 0.5131 0.5125 0.5123 0.5124 0.5128 0.5135 0.5145
150 0.5223 0.5201 0.5182 0.5165 0.5152 0.5142 0.5134 0.5130 0.5128 0.5130 0.5134 0.5142 0.5153
160 0.5225 0.5203 0.5185 0.5169 0.5156 0.5146 0.5140 0.5136 0.5135 0.5137 0.5143 0.5151 0.5162
170 0.5228 0.5207 0.5189 0.5174 0.5162 0.5153 0.5147 0.5144 0.5144 0.5147 0.5153 0.5162 0.5174
180 0.5233 0.5213 0.5196 0.5182 0.5170 0.5162 0.5157 0.5154 0.5155 0.5159 0.5165 0.5175 0.5187
190 0.5240 0.5221 0.5205 0.5191 0.5180 0.5173 0.5168 0.5166 0.5168 0.5172 0.5179 0.5190 0.5203
200 0.5250 0.5231 0.5215 0.5202 0.5192 0.5186 0.5182 0.5181 0.5182 0.5187 0.5195 0.5206 0.5220
210 0.5261 0.5243 0.5228 0.5216 0.5206 0.5200 0.5197 0.5196 0.5199 0.5205 0.5213 0.5225 0.5239
220 0.5274 0.5256 0.5242 0.5231 0.5222 0.5217 0.5214 0.5214 0.5218 0.5224 0.5233 0.5245 0.5260
230 0.5289 0.5272 0.5258 0.5248 0.5240 0.5235 0.5233 0.5234 0.5238 0.5245 0.5255 0.5268 0.5283
240 0.5305 0.5289 0.5277 0.5267 0.5259 0.5255 0.5254 0.5256 0.5260 0.5268 0.5278 0.5292 0.5308
250 0.5324 0.5309 0.5297 0.5287 0.5281 0.5277 0.5277 0.5279 0.5284 0.5293 0.5304 0.5318 0.5334
260 0.5344 0.5330 0.5318 0.5310 0.5304 0.5301 0.5301 0.5304 0.5310 0.5319 0.5331 0.5345 0.5363
270 0.5367 0.5353 0.5342 0.5334 0.5329 0.5327 0.5328 0.5331 0.5338 0.5347 0.5360 0.5375 0.5393
280 0.5391 0.5378 0.5368 0.5360 0.5356 0.5355 0.5356 0.5360 0.5367 0.5377 0.5390 0.5406 0.5424
290 0.5416 0.5404 0.5395 0.5388 0.5385 0.5384 0.5386 0.5391 0.5399 0.5409 0.5423 0.5439 0.5458
300 0.5444 0.5432 0.5424 0.5418 0.5415 0.5415 0.5417 0.5423 0.5431 0.5443 0.5457 0.5473 0.5493
310 0.5473 0.5462 0.5454 0.5449 0.5447 0.5447 0.5451 0.5457 0.5466 0.5478 0.5492 0.5509 0.5529
320 0.5504 0.5494 0.5487 0.5482 0.5481 0.5482 0.5486 0.5492 0.5502 0.5514 0.5529 0.5547 0.5568
330 0.5537 0.5527 0.5521 0.5517 0.5516 0.5518 0.5522 0.5530 0.5540 0.5553 0.5568 0.5586 0.5607
340 0.5571 0.5562 0.5556 0.5553 0.5553 0.5555 0.5560 0.5568 0.5579 0.5592 0.5608 0.5627 0.5649
350 0.5607 0.5599 0.5594 0.5591 0.5591 0.5594 0.5600 0.5609 0.5620 0.5634 0.5650 0.5670 0.5692

230
 CT 0.028 0.03 0.032 0.034 0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
Perco

10 0.5228 0.5235 0.5245 0.5257 0.5273 0.5291 0.5313 0.5337 0.5364 0.5393 0.5426 0.5461
20 0.5211 0.5219 0.5229 0.5242 0.5259 0.5278 0.5300 0.5325 0.5352 0.5383 0.5416 0.5451
30 0.5196 0.5204 0.5215 0.5229 0.5246 0.5266 0.5289 0.5315 0.5343 0.5374 0.5408 0.5444
40 0.5183 0.5192 0.5203 0.5218 0.5236 0.5257 0.5280 0.5306 0.5335 0.5367 0.5401 0.5438
50 0.5171 0.5181 0.5194 0.5209 0.5228 0.5249 0.5273 0.5300 0.5330 0.5362 0.5397 0.5435
60 0.5162 0.5172 0.5186 0.5202 0.5221 0.5243 0.5268 0.5295 0.5326 0.5359 0.5395 0.5433
70 0.5155 0.5166 0.5180 0.5196 0.5216 0.5239 0.5265 0.5293 0.5324 0.5358 0.5394 0.5433
80 0.5149 0.5161 0.5175 0.5193 0.5214 0.5237 0.5263 0.5292 0.5324 0.5358 0.5395 0.5435
90 0.5146 0.5158 0.5173 0.5192 0.5213 0.5237 0.5264 0.5293 0.5326 0.5361 0.5399 0.5439
100 0.5144 0.5157 0.5173 0.5192 0.5214 0.5239 0.5266 0.5297 0.5330 0.5365 0.5404 0.5444
110 0.5145 0.5158 0.5175 0.5195 0.5217 0.5243 0.5271 0.5302 0.5335 0.5372 0.5411 0.5452
120 0.5147 0.5161 0.5179 0.5199 0.5222 0.5248 0.5277 0.5309 0.5343 0.5380 0.5419 0.5461
130 0.5151 0.5166 0.5185 0.5206 0.5229 0.5256 0.5285 0.5318 0.5352 0.5390 0.5430 0.5473
140 0.5158 0.5174 0.5192 0.5214 0.5238 0.5266 0.5296 0.5328 0.5364 0.5402 0.5443 0.5486
150 0.5166 0.5182 0.5202 0.5224 0.5249 0.5277 0.5308 0.5341 0.5377 0.5416 0.5457 0.5501
160 0.5176 0.5193 0.5213 0.5236 0.5262 0.5290 0.5322 0.5356 0.5392 0.5431 0.5473 0.5517
170 0.5189 0.5206 0.5227 0.5250 0.5277 0.5306 0.5338 0.5372 0.5409 0.5449 0.5491 0.5536
180 0.5203 0.5221 0.5242 0.5266 0.5293 0.5323 0.5355 0.5390 0.5428 0.5468 0.5511 0.5556
190 0.5219 0.5238 0.5260 0.5284 0.5312 0.5342 0.5375 0.5410 0.5448 0.5489 0.5532 0.5578
200 0.5237 0.5256 0.5279 0.5304 0.5332 0.5363 0.5396 0.5432 0.5471 0.5512 0.5556 0.5602
210 0.5256 0.5277 0.5300 0.5325 0.5354 0.5385 0.5419 0.5456 0.5495 0.5536 0.5581 0.5627
220 0.5278 0.5299 0.5322 0.5349 0.5378 0.5410 0.5444 0.5481 0.5521 0.5563 0.5607 0.5654
230 0.5302 0.5323 0.5347 0.5374 0.5404 0.5436 0.5471 0.5508 0.5548 0.5591 0.5636 0.5683
240 0.5327 0.5349 0.5373 0.5401 0.5431 0.5464 0.5499 0.5537 0.5577 0.5620 0.5666 0.5713
250 0.5354 0.5376 0.5402 0.5429 0.5460 0.5493 0.5529 0.5567 0.5608 0.5652 0.5697 0.5745
260 0.5383 0.5406 0.5431 0.5460 0.5491 0.5525 0.5561 0.5600 0.5641 0.5684 0.5730 0.5779
270 0.5413 0.5437 0.5463 0.5492 0.5523 0.5558 0.5594 0.5633 0.5675 0.5719 0.5765 0.5814
280 0.5446 0.5470 0.5496 0.5526 0.5558 0.5592 0.5629 0.5669 0.5711 0.5755 0.5802 0.5851
290 0.5480 0.5504 0.5531 0.5561 0.5593 0.5628 0.5666 0.5706 0.5748 0.5793 0.5839 0.5889
300 0.5515 0.5540 0.5568 0.5598 0.5631 0.5666 0.5704 0.5744 0.5787 0.5832 0.5879 0.5928
310 0.5552 0.5578 0.5606 0.5636 0.5669 0.5705 0.5743 0.5784 0.5827 0.5872 0.5920 0.5969
320 0.5591 0.5617 0.5645 0.5676 0.5710 0.5746 0.5784 0.5825 0.5869 0.5914 0.5962 0.6012
330 0.5631 0.5657 0.5686 0.5718 0.5752 0.5788 0.5827 0.5868 0.5912 0.5957 0.6005 0.6056
340 0.5673 0.5700 0.5729 0.5761 0.5795 0.5832 0.5871 0.5912 0.5956 0.6002 0.6050 0.6101
350 0.5716 0.5743 0.5773 0.5805 0.5840 0.5877 0.5916 0.5958 0.6002 0.6048 0.6097 0.6147

231
 CT 0.052 0.054 0.056 0.058 0.06
Perco

10 0.5498 0.5538 0.5581 0.5626 0.5673

20 0.5490 0.5530 0.5573 0.5619 0.5667
30 0.5483 0.5524 0.5568 0.5614 0.5663
40 0.5478 0.5520 0.5565 0.5612 0.5661
50 0.5475 0.5518 0.5563 0.5611 0.5660
60 0.5474 0.5517 0.5563 0.5611 0.5662
70 0.5475 0.5519 0.5565 0.5614 0.5665
80 0.5477 0.5522 0.5569 0.5618 0.5670
90 0.5482 0.5527 0.5574 0.5624 0.5677
100 0.5488 0.5534 0.5582 0.5632 0.5685
110 0.5496 0.5542 0.5591 0.5642 0.5696
120 0.5506 0.5553 0.5602 0.5654 0.5708
130 0.5518 0.5565 0.5615 0.5667 0.5721
140 0.5531 0.5579 0.5630 0.5682 0.5737
150 0.5547 0.5595 0.5646 0.5699 0.5754
160 0.5564 0.5613 0.5664 0.5718 0.5773
170 0.5583 0.5632 0.5684 0.5738 0.5794
180 0.5603 0.5653 0.5705 0.5760 0.5816
190 0.5626 0.5676 0.5729 0.5783 0.5840
200 0.5650 0.5701 0.5754 0.5809 0.5866
210 0.5676 0.5727 0.5780 0.5836 0.5893
220 0.5703 0.5755 0.5808 0.5864 0.5922
230 0.5732 0.5784 0.5838 0.5894 0.5952
240 0.5763 0.5815 0.5870 0.5926 0.5984
250 0.5795 0.5848 0.5902 0.5959 0.6018
260 0.5829 0.5882 0.5937 0.5994 0.6053
270 0.5865 0.5918 0.5973 0.6030 0.6089
280 0.5902 0.5955 0.6010 0.6068 0.6127
290 0.5940 0.5994 0.6049 0.6107 0.6166
300 0.5980 0.6034 0.6089 0.6147 0.6207
310 0.6021 0.6075 0.6131 0.6189 0.6249
320 0.6064 0.6118 0.6174 0.6232 0.6292
330 0.6108 0.6162 0.6219 0.6277 0.6337
340 0.6153 0.6208 0.6264 0.6323 0.6383
350 0.6200 0.6255 0.6311 0.6370 0.6430

232
Annexe 21 : Abaque permettant la détermination du logarithme de la valeur à ajouter
et à soustraire du logarithme du percentile95 spécifique pour une période de retour de
vingt ans (intervalle de confiance)

CT 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 0.022 0.024 0.026
Perco

10 0.5892 0.5858 0.5828 0.5801 0.5776 0.5755 0.5737 0.5722 0.5710 0.5702 0.5697 0.5694 0.5695
20 0.5864 0.5832 0.5802 0.5775 0.5752 0.5731 0.5714 0.5699 0.5688 0.5680 0.5676 0.5674 0.5676
30 0.5839 0.5807 0.5778 0.5752 0.5729 0.5709 0.5692 0.5678 0.5668 0.5661 0.5657 0.5656 0.5659
40 0.5816 0.5784 0.5756 0.5730 0.5708 0.5689 0.5673 0.5660 0.5650 0.5643 0.5640 0.5640 0.5644
50 0.5794 0.5764 0.5736 0.5711 0.5689 0.5670 0.5655 0.5643 0.5634 0.5628 0.5626 0.5626 0.5631
60 0.5775 0.5745 0.5718 0.5693 0.5672 0.5654 0.5640 0.5628 0.5620 0.5615 0.5613 0.5615 0.5620
70 0.5758 0.5728 0.5702 0.5678 0.5658 0.5640 0.5626 0.5616 0.5608 0.5604 0.5603 0.5605 0.5611
80 0.5743 0.5714 0.5688 0.5665 0.5645 0.5629 0.5615 0.5605 0.5598 0.5595 0.5595 0.5598 0.5604
90 0.5729 0.5701 0.5676 0.5654 0.5635 0.5619 0.5606 0.5597 0.5591 0.5588 0.5589 0.5592 0.5599
100 0.5718 0.5691 0.5666 0.5645 0.5626 0.5611 0.5599 0.5591 0.5585 0.5583 0.5585 0.5589 0.5597
110 0.5709 0.5682 0.5658 0.5638 0.5620 0.5606 0.5595 0.5587 0.5582 0.5581 0.5583 0.5588 0.5597
120 0.5702 0.5676 0.5653 0.5633 0.5616 0.5602 0.5592 0.5585 0.5581 0.5581 0.5583 0.5589 0.5599
130 0.5698 0.5672 0.5649 0.5630 0.5614 0.5601 0.5592 0.5585 0.5582 0.5582 0.5586 0.5593 0.5603
140 0.5695 0.5670 0.5648 0.5630 0.5614 0.5602 0.5593 0.5588 0.5586 0.5586 0.5591 0.5598 0.5609
150 0.5694 0.5670 0.5649 0.5631 0.5617 0.5605 0.5597 0.5592 0.5591 0.5593 0.5598 0.5606 0.5617
160 0.5696 0.5672 0.5652 0.5635 0.5621 0.5611 0.5603 0.5599 0.5598 0.5601 0.5607 0.5616 0.5628
170 0.5699 0.5677 0.5657 0.5641 0.5628 0.5618 0.5612 0.5608 0.5608 0.5611 0.5618 0.5628 0.5640
180 0.5705 0.5683 0.5665 0.5649 0.5637 0.5628 0.5622 0.5619 0.5620 0.5624 0.5631 0.5642 0.5655
190 0.5713 0.5692 0.5674 0.5659 0.5648 0.5639 0.5634 0.5633 0.5634 0.5639 0.5647 0.5658 0.5672
200 0.5723 0.5703 0.5686 0.5672 0.5661 0.5653 0.5649 0.5648 0.5650 0.5655 0.5664 0.5676 0.5691
210 0.5735 0.5716 0.5699 0.5686 0.5676 0.5669 0.5666 0.5665 0.5668 0.5674 0.5684 0.5696 0.5712
220 0.5749 0.5731 0.5715 0.5703 0.5693 0.5687 0.5684 0.5685 0.5688 0.5695 0.5705 0.5718 0.5735
230 0.5766 0.5748 0.5733 0.5721 0.5713 0.5707 0.5705 0.5706 0.5711 0.5718 0.5729 0.5743 0.5760
240 0.5784 0.5767 0.5753 0.5742 0.5734 0.5729 0.5728 0.5730 0.5735 0.5743 0.5754 0.5769 0.5787
250 0.5804 0.5788 0.5774 0.5764 0.5757 0.5753 0.5753 0.5755 0.5761 0.5770 0.5782 0.5797 0.5816
260 0.5826 0.5811 0.5798 0.5789 0.5783 0.5780 0.5780 0.5783 0.5789 0.5799 0.5812 0.5827 0.5846
270 0.5851 0.5836 0.5824 0.5815 0.5810 0.5808 0.5808 0.5812 0.5819 0.5830 0.5843 0.5860 0.5879
280 0.5877 0.5863 0.5852 0.5844 0.5839 0.5838 0.5839 0.5844 0.5852 0.5862 0.5876 0.5894 0.5914
290 0.5905 0.5892 0.5881 0.5874 0.5870 0.5869 0.5872 0.5877 0.5886 0.5897 0.5912 0.5929 0.5950
300 0.5935 0.5923 0.5913 0.5907 0.5903 0.5903 0.5906 0.5912 0.5921 0.5933 0.5949 0.5967 0.5988
310 0.5967 0.5955 0.5947 0.5941 0.5938 0.5939 0.5942 0.5949 0.5959 0.5972 0.5988 0.6006 0.6028
320 0.6001 0.5990 0.5982 0.5977 0.5975 0.5976 0.5981 0.5988 0.5998 0.6012 0.6028 0.6048 0.6070
330 0.6036 0.6026 0.6019 0.6015 0.6014 0.6015 0.6020 0.6028 0.6039 0.6053 0.6070 0.6090 0.6113
340 0.6074 0.6064 0.6058 0.6054 0.6054 0.6056 0.6062 0.6071 0.6082 0.6097 0.6114 0.6135 0.6158
350 0.6113 0.6104 0.6098 0.6095 0.6096 0.6099 0.6105 0.6115 0.6127 0.6142 0.6160 0.6181 0.6205

233
 CT 0.028 0.03 0.032 0.034 0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
Perco

10 0.5700 0.5707 0.5718 0.5732 0.5749 0.5769 0.5792 0.5818 0.5848 0.5880 0.5915 0.5953
20 0.5681 0.5689 0.5701 0.5715 0.5733 0.5754 0.5778 0.5805 0.5835 0.5868 0.5904 0.5943
30 0.5665 0.5674 0.5686 0.5701 0.5720 0.5741 0.5766 0.5794 0.5825 0.5859 0.5895 0.5935
40 0.5650 0.5660 0.5673 0.5689 0.5708 0.5731 0.5756 0.5785 0.5817 0.5851 0.5889 0.5929
50 0.5638 0.5648 0.5662 0.5679 0.5699 0.5722 0.5749 0.5778 0.5810 0.5846 0.5884 0.5925
60 0.5628 0.5639 0.5653 0.5671 0.5692 0.5716 0.5743 0.5773 0.5806 0.5842 0.5881 0.5923
70 0.5619 0.5632 0.5647 0.5665 0.5687 0.5712 0.5739 0.5770 0.5804 0.5841 0.5881 0.5923
80 0.5614 0.5626 0.5642 0.5662 0.5684 0.5709 0.5738 0.5770 0.5804 0.5842 0.5882 0.5925
90 0.5610 0.5623 0.5640 0.5660 0.5683 0.5709 0.5739 0.5771 0.5806 0.5844 0.5886 0.5929
100 0.5608 0.5622 0.5640 0.5661 0.5684 0.5711 0.5741 0.5774 0.5810 0.5849 0.5891 0.5936
110 0.5609 0.5624 0.5642 0.5663 0.5688 0.5716 0.5746 0.5780 0.5817 0.5856 0.5899 0.5944
120 0.5611 0.5627 0.5646 0.5668 0.5693 0.5722 0.5753 0.5788 0.5825 0.5865 0.5908 0.5954
130 0.5616 0.5633 0.5652 0.5675 0.5701 0.5730 0.5762 0.5797 0.5835 0.5876 0.5920 0.5966
140 0.5623 0.5640 0.5661 0.5684 0.5711 0.5741 0.5773 0.5809 0.5848 0.5889 0.5934 0.5981
150 0.5632 0.5650 0.5671 0.5695 0.5723 0.5753 0.5787 0.5823 0.5862 0.5904 0.5949 0.5997
160 0.5643 0.5662 0.5684 0.5709 0.5737 0.5768 0.5802 0.5839 0.5879 0.5921 0.5967 0.6015
170 0.5657 0.5676 0.5698 0.5724 0.5753 0.5784 0.5819 0.5857 0.5897 0.5940 0.5986 0.6035
180 0.5672 0.5692 0.5715 0.5741 0.5771 0.5803 0.5838 0.5876 0.5918 0.5961 0.6008 0.6057
190 0.5690 0.5710 0.5734 0.5761 0.5791 0.5824 0.5860 0.5898 0.5940 0.5984 0.6031 0.6081
200 0.5709 0.5730 0.5755 0.5782 0.5813 0.5846 0.5883 0.5922 0.5964 0.6009 0.6057 0.6107
210 0.5731 0.5753 0.5778 0.5806 0.5837 0.5871 0.5908 0.5948 0.5991 0.6036 0.6084 0.6135
220 0.5754 0.5777 0.5803 0.5831 0.5863 0.5898 0.5935 0.5976 0.6019 0.6065 0.6113 0.6164
230 0.5780 0.5803 0.5829 0.5859 0.5891 0.5926 0.5964 0.6005 0.6049 0.6095 0.6144 0.6195
240 0.5807 0.5831 0.5858 0.5888 0.5921 0.5957 0.5995 0.6036 0.6081 0.6127 0.6177 0.6229
250 0.5837 0.5861 0.5889 0.5919 0.5953 0.5989 0.6028 0.6070 0.6114 0.6161 0.6211 0.6263
260 0.5868 0.5893 0.5921 0.5952 0.5986 0.6023 0.6062 0.6105 0.6150 0.6197 0.6247 0.6300
270 0.5902 0.5927 0.5956 0.5987 0.6022 0.6059 0.6099 0.6141 0.6187 0.6235 0.6285 0.6338
280 0.5937 0.5963 0.5992 0.6024 0.6059 0.6097 0.6137 0.6180 0.6226 0.6274 0.6325 0.6378
290 0.5974 0.6000 0.6030 0.6063 0.6098 0.6136 0.6177 0.6220 0.6266 0.6315 0.6366 0.6420
300 0.6013 0.6040 0.6070 0.6103 0.6139 0.6177 0.6218 0.6262 0.6309 0.6358 0.6409 0.6463
310 0.6053 0.6081 0.6111 0.6145 0.6181 0.6220 0.6261 0.6306 0.6352 0.6402 0.6454 0.6508
320 0.6095 0.6123 0.6154 0.6188 0.6225 0.6264 0.6306 0.6351 0.6398 0.6448 0.6500 0.6554
330 0.6139 0.6168 0.6199 0.6234 0.6271 0.6310 0.6353 0.6397 0.6445 0.6495 0.6547 0.6602
340 0.6185 0.6214 0.6246 0.6280 0.6318 0.6358 0.6400 0.6446 0.6493 0.6544 0.6596 0.6651
350 0.6232 0.6261 0.6294 0.6329 0.6367 0.6407 0.6450 0.6495 0.6543 0.6594 0.6647 0.6702

234
 CT 0.052 0.054 0.056 0.058 0.06
Perco

10 0.5994 0.6038 0.6084 0.6133 0.6185

20 0.5985 0.6029 0.6076 0.6126 0.6178
30 0.5977 0.6023 0.6070 0.6121 0.6174
40 0.5972 0.6018 0.6067 0.6118 0.6171
50 0.5969 0.6016 0.6065 0.6117 0.6171
60 0.5968 0.6015 0.6065 0.6117 0.6173
70 0.5968 0.6016 0.6067 0.6120 0.6176
80 0.5971 0.6020 0.6071 0.6125 0.6181
90 0.5976 0.6025 0.6077 0.6132 0.6189
100 0.5983 0.6033 0.6085 0.6141 0.6198
110 0.5992 0.6042 0.6096 0.6151 0.6209
120 0.6003 0.6054 0.6108 0.6164 0.6222
130 0.6015 0.6067 0.6122 0.6178 0.6238
140 0.6030 0.6083 0.6137 0.6195 0.6254
150 0.6047 0.6100 0.6155 0.6213 0.6273
160 0.6066 0.6119 0.6175 0.6233 0.6294
170 0.6086 0.6140 0.6197 0.6255 0.6317
180 0.6109 0.6163 0.6220 0.6279 0.6341
190 0.6133 0.6188 0.6245 0.6305 0.6367
200 0.6160 0.6215 0.6273 0.6333 0.6395
210 0.6188 0.6243 0.6302 0.6362 0.6425
220 0.6218 0.6274 0.6332 0.6393 0.6456
230 0.6249 0.6306 0.6365 0.6426 0.6489
240 0.6283 0.6340 0.6399 0.6460 0.6524
250 0.6318 0.6375 0.6435 0.6497 0.6561
260 0.6355 0.6413 0.6472 0.6535 0.6599
270 0.6394 0.6452 0.6512 0.6574 0.6638
280 0.6434 0.6492 0.6552 0.6615 0.6680
290 0.6476 0.6534 0.6595 0.6658 0.6723
300 0.6519 0.6578 0.6639 0.6702 0.6767
310 0.6564 0.6623 0.6684 0.6747 0.6813
320 0.6611 0.6670 0.6731 0.6795 0.6860
330 0.6659 0.6718 0.6780 0.6843 0.6909
340 0.6708 0.6768 0.6829 0.6893 0.6959
350 0.6759 0.6819 0.6881 0.6944 0.7010

235
Annexe 22 : Abaque permettant la détermination du logarithme de la valeur à ajouter
et à soustraire du logarithme du percentile95 spécifique pour une période de retour de
cinquante ans (intervalle de confiance)

CT 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 0.022 0.024 0.026
Perco

10 0.6592 0.6555 0.6521 0.6491 0.6463 0.6440 0.6419 0.6403 0.6389 0.6380 0.6374 0.6371 0.6373
20 0.6562 0.6525 0.6492 0.6462 0.6435 0.6412 0.6393 0.6377 0.6365 0.6356 0.6351 0.6349 0.6351
30 0.6533 0.6497 0.6465 0.6436 0.6410 0.6388 0.6369 0.6354 0.6342 0.6334 0.6330 0.6329 0.6332
40 0.6507 0.6472 0.6440 0.6412 0.6387 0.6365 0.6347 0.6333 0.6322 0.6315 0.6311 0.6311 0.6315
50 0.6483 0.6449 0.6418 0.6390 0.6365 0.6345 0.6327 0.6314 0.6304 0.6297 0.6295 0.6295 0.6300
60 0.6462 0.6428 0.6397 0.6370 0.6347 0.6327 0.6310 0.6297 0.6288 0.6283 0.6281 0.6282 0.6288
70 0.6442 0.6409 0.6379 0.6353 0.6330 0.6311 0.6295 0.6283 0.6275 0.6270 0.6269 0.6272 0.6278
80 0.6425 0.6393 0.6364 0.6338 0.6316 0.6298 0.6283 0.6272 0.6264 0.6260 0.6260 0.6263 0.6270
90 0.6411 0.6379 0.6351 0.6326 0.6305 0.6287 0.6273 0.6262 0.6256 0.6253 0.6253 0.6257 0.6265
100 0.6398 0.6367 0.6340 0.6316 0.6295 0.6278 0.6265 0.6256 0.6250 0.6247 0.6249 0.6254 0.6263
110 0.6388 0.6358 0.6331 0.6308 0.6288 0.6272 0.6260 0.6251 0.6246 0.6245 0.6247 0.6253 0.6262
120 0.6380 0.6351 0.6325 0.6303 0.6284 0.6269 0.6257 0.6249 0.6245 0.6244 0.6247 0.6254 0.6264
130 0.6375 0.6346 0.6321 0.6300 0.6282 0.6267 0.6257 0.6249 0.6246 0.6246 0.6250 0.6258 0.6269
140 0.6372 0.6344 0.6320 0.6299 0.6282 0.6268 0.6259 0.6252 0.6250 0.6251 0.6255 0.6264 0.6276
150 0.6371 0.6344 0.6321 0.6301 0.6285 0.6272 0.6263 0.6257 0.6256 0.6258 0.6263 0.6272 0.6285
160 0.6373 0.6347 0.6324 0.6305 0.6290 0.6278 0.6270 0.6265 0.6264 0.6267 0.6273 0.6283 0.6297
170 0.6377 0.6352 0.6330 0.6312 0.6297 0.6286 0.6279 0.6275 0.6275 0.6279 0.6286 0.6297 0.6311
180 0.6384 0.6359 0.6338 0.6321 0.6307 0.6297 0.6290 0.6287 0.6288 0.6293 0.6301 0.6312 0.6328
190 0.6392 0.6369 0.6349 0.6332 0.6319 0.6310 0.6304 0.6302 0.6304 0.6309 0.6318 0.6330 0.6346
200 0.6404 0.6381 0.6362 0.6346 0.6334 0.6325 0.6321 0.6319 0.6322 0.6328 0.6337 0.6351 0.6368
210 0.6417 0.6395 0.6377 0.6362 0.6351 0.6343 0.6339 0.6339 0.6342 0.6349 0.6359 0.6373 0.6391
220 0.6433 0.6412 0.6395 0.6381 0.6370 0.6363 0.6360 0.6361 0.6365 0.6372 0.6384 0.6398 0.6417
230 0.6451 0.6431 0.6414 0.6401 0.6392 0.6386 0.6384 0.6385 0.6390 0.6398 0.6410 0.6426 0.6445
240 0.6472 0.6452 0.6437 0.6424 0.6416 0.6411 0.6409 0.6411 0.6417 0.6426 0.6439 0.6455 0.6475
250 0.6494 0.6476 0.6461 0.6450 0.6442 0.6438 0.6437 0.6440 0.6446 0.6456 0.6470 0.6487 0.6507
260 0.6519 0.6502 0.6488 0.6477 0.6470 0.6467 0.6467 0.6471 0.6478 0.6488 0.6503 0.6520 0.6542
270 0.6546 0.6530 0.6517 0.6507 0.6501 0.6498 0.6499 0.6504 0.6511 0.6523 0.6538 0.6556 0.6578
280 0.6576 0.6560 0.6548 0.6539 0.6534 0.6532 0.6533 0.6539 0.6547 0.6560 0.6575 0.6594 0.6617
290 0.6607 0.6592 0.6581 0.6573 0.6568 0.6567 0.6570 0.6576 0.6585 0.6598 0.6615 0.6634 0.6658
300 0.6641 0.6627 0.6616 0.6609 0.6605 0.6605 0.6608 0.6615 0.6625 0.6639 0.6656 0.6677 0.6700
310 0.6676 0.6663 0.6654 0.6647 0.6644 0.6645 0.6649 0.6657 0.6667 0.6682 0.6700 0.6721 0.6745
320 0.6714 0.6702 0.6693 0.6688 0.6685 0.6687 0.6692 0.6700 0.6712 0.6727 0.6745 0.6767 0.6792
330 0.6754 0.6743 0.6735 0.6730 0.6729 0.6731 0.6736 0.6745 0.6758 0.6773 0.6792 0.6815 0.6840
340 0.6796 0.6785 0.6778 0.6774 0.6774 0.6777 0.6783 0.6792 0.6805 0.6822 0.6841 0.6864 0.6891
350 0.6840 0.6830 0.6823 0.6820 0.6821 0.6824 0.6831 0.6842 0.6855 0.6872 0.6893 0.6916 0.6943

236
 CT 0.028 0.03 0.032 0.034 0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
Perco

10 0.6377 0.6386 0.6398 0.6413 0.6432 0.6455 0.6481 0.6510 0.6543 0.6579 0.6618 0.6661
20 0.6357 0.6366 0.6379 0.6395 0.6415 0.6438 0.6465 0.6495 0.6529 0.6566 0.6606 0.6650
30 0.6338 0.6348 0.6362 0.6379 0.6400 0.6424 0.6452 0.6483 0.6518 0.6555 0.6596 0.6641
40 0.6322 0.6333 0.6347 0.6365 0.6387 0.6412 0.6441 0.6473 0.6508 0.6547 0.6589 0.6634
50 0.6308 0.6320 0.6335 0.6354 0.6377 0.6403 0.6432 0.6465 0.6501 0.6541 0.6584 0.6630
60 0.6297 0.6309 0.6326 0.6345 0.6369 0.6396 0.6426 0.6460 0.6497 0.6537 0.6581 0.6627
70 0.6288 0.6301 0.6318 0.6339 0.6363 0.6391 0.6422 0.6456 0.6494 0.6535 0.6580 0.6627
80 0.6281 0.6295 0.6313 0.6335 0.6360 0.6388 0.6420 0.6456 0.6494 0.6536 0.6581 0.6630
90 0.6277 0.6292 0.6311 0.6333 0.6359 0.6388 0.6421 0.6457 0.6497 0.6539 0.6585 0.6634
100 0.6275 0.6291 0.6311 0.6334 0.6360 0.6390 0.6424 0.6461 0.6501 0.6545 0.6592 0.6641
110 0.6275 0.6292 0.6313 0.6337 0.6364 0.6395 0.6429 0.6467 0.6508 0.6553 0.6600 0.6651
120 0.6278 0.6296 0.6317 0.6342 0.6370 0.6402 0.6437 0.6476 0.6518 0.6563 0.6611 0.6662
130 0.6284 0.6302 0.6324 0.6350 0.6379 0.6411 0.6447 0.6487 0.6529 0.6575 0.6624 0.6676
140 0.6292 0.6311 0.6334 0.6360 0.6390 0.6423 0.6460 0.6500 0.6543 0.6589 0.6639 0.6692
150 0.6302 0.6322 0.6345 0.6373 0.6403 0.6437 0.6475 0.6515 0.6559 0.6606 0.6657 0.6710
160 0.6314 0.6335 0.6360 0.6387 0.6419 0.6454 0.6492 0.6533 0.6578 0.6625 0.6676 0.6730
170 0.6329 0.6351 0.6376 0.6405 0.6437 0.6472 0.6511 0.6553 0.6598 0.6647 0.6698 0.6753
180 0.6346 0.6369 0.6395 0.6424 0.6457 0.6493 0.6533 0.6575 0.6621 0.6670 0.6722 0.6777
190 0.6366 0.6389 0.6416 0.6446 0.6479 0.6516 0.6556 0.6600 0.6646 0.6696 0.6749 0.6804
200 0.6388 0.6412 0.6439 0.6470 0.6504 0.6542 0.6582 0.6626 0.6673 0.6724 0.6777 0.6833
210 0.6412 0.6437 0.6465 0.6496 0.6531 0.6569 0.6611 0.6655 0.6703 0.6754 0.6807 0.6864
220 0.6438 0.6464 0.6493 0.6525 0.6560 0.6599 0.6641 0.6686 0.6734 0.6786 0.6840 0.6897
230 0.6467 0.6493 0.6523 0.6555 0.6591 0.6631 0.6673 0.6719 0.6768 0.6820 0.6874 0.6932
240 0.6498 0.6525 0.6555 0.6588 0.6625 0.6665 0.6708 0.6754 0.6804 0.6856 0.6911 0.6969
250 0.6531 0.6558 0.6589 0.6623 0.6660 0.6701 0.6745 0.6791 0.6841 0.6894 0.6950 0.7008
260 0.6566 0.6594 0.6626 0.6660 0.6698 0.6739 0.6783 0.6831 0.6881 0.6934 0.6990 0.7049
270 0.6603 0.6632 0.6664 0.6699 0.6738 0.6779 0.6824 0.6872 0.6923 0.6976 0.7033 0.7092
280 0.6643 0.6672 0.6705 0.6740 0.6779 0.6821 0.6867 0.6915 0.6966 0.7020 0.7077 0.7137
290 0.6684 0.6714 0.6747 0.6783 0.6823 0.6866 0.6911 0.6960 0.7011 0.7066 0.7123 0.7183
300 0.6727 0.6758 0.6792 0.6828 0.6868 0.6912 0.6958 0.7007 0.7059 0.7114 0.7171 0.7232
310 0.6773 0.6804 0.6838 0.6875 0.6916 0.6959 0.7006 0.7055 0.7108 0.7163 0.7221 0.7282
320 0.6820 0.6852 0.6886 0.6924 0.6965 0.7009 0.7056 0.7106 0.7159 0.7214 0.7272 0.7333
330 0.6869 0.6901 0.6936 0.6975 0.7016 0.7061 0.7108 0.7158 0.7211 0.7267 0.7326 0.7387
340 0.6920 0.6953 0.6988 0.7027 0.7069 0.7114 0.7162 0.7212 0.7266 0.7322 0.7381 0.7442
350 0.6973 0.7006 0.7042 0.7081 0.7124 0.7169 0.7217 0.7268 0.7322 0.7378 0.7437 0.7499

237
 CT 0.052 0.054 0.056 0.058 0.06
Perco

10 0.6707 0.6756 0.6807 0.6862 0.6920

20 0.6696 0.6746 0.6799 0.6854 0.6913
30 0.6688 0.6739 0.6792 0.6849 0.6908
40 0.6682 0.6734 0.6788 0.6845 0.6905
50 0.6679 0.6731 0.6786 0.6844 0.6905
60 0.6677 0.6730 0.6786 0.6845 0.6906
70 0.6678 0.6732 0.6788 0.6848 0.6910
80 0.6681 0.6736 0.6793 0.6853 0.6916
90 0.6687 0.6742 0.6800 0.6861 0.6925
100 0.6694 0.6750 0.6809 0.6871 0.6935
110 0.6704 0.6761 0.6820 0.6883 0.6948
120 0.6716 0.6774 0.6834 0.6897 0.6962
130 0.6731 0.6789 0.6849 0.6913 0.6979
140 0.6747 0.6806 0.6867 0.6931 0.6998
150 0.6766 0.6825 0.6887 0.6952 0.7019
160 0.6787 0.6847 0.6909 0.6975 0.7042
170 0.6810 0.6870 0.6933 0.6999 0.7068
180 0.6835 0.6896 0.6960 0.7026 0.7095
190 0.6863 0.6924 0.6988 0.7055 0.7124
200 0.6892 0.6954 0.7018 0.7086 0.7155
210 0.6924 0.6986 0.7051 0.7119 0.7189
220 0.6957 0.7020 0.7085 0.7153 0.7224
230 0.6993 0.7056 0.7122 0.7190 0.7261
240 0.7030 0.7094 0.7160 0.7229 0.7300
250 0.7069 0.7133 0.7200 0.7269 0.7341
260 0.7111 0.7175 0.7242 0.7311 0.7383
270 0.7154 0.7219 0.7286 0.7356 0.7428
280 0.7199 0.7264 0.7332 0.7402 0.7474
290 0.7246 0.7311 0.7379 0.7449 0.7522
300 0.7295 0.7360 0.7428 0.7499 0.7572
310 0.7345 0.7411 0.7479 0.7550 0.7623
320 0.7397 0.7463 0.7532 0.7602 0.7676
330 0.7451 0.7517 0.7586 0.7657 0.7730
340 0.7506 0.7573 0.7641 0.7713 0.7786
350 0.7563 0.7630 0.7699 0.7770 0.7844

238
Annexe 23 : Abaque permettant la détermination du logarithme de la valeur à ajouter
et à soustraire du logarithme du MAM7 spécifique pour une période de retour de deux
ans (intervalle de confiance)

CT 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 0.022 0.024 0.026
Perco

10 0.4696 0.4669 0.4645 0.4623 0.4604 0.4587 0.4573 0.4561 0.4551 0.4544 0.4540 0.4538 0.4539
20 0.4674 0.4648 0.4624 0.4603 0.4584 0.4568 0.4554 0.4542 0.4534 0.4527 0.4524 0.4522 0.4524
30 0.4654 0.4628 0.4605 0.4584 0.4566 0.4550 0.4537 0.4526 0.4517 0.4512 0.4509 0.4508 0.4510
40 0.4635 0.4610 0.4587 0.4567 0.4549 0.4534 0.4521 0.4511 0.4503 0.4498 0.4495 0.4495 0.4498
50 0.4618 0.4594 0.4571 0.4552 0.4534 0.4519 0.4507 0.4497 0.4490 0.4486 0.4484 0.4484 0.4488
60 0.4603 0.4579 0.4557 0.4538 0.4521 0.4507 0.4495 0.4486 0.4479 0.4475 0.4474 0.4475 0.4479
70 0.4589 0.4565 0.4544 0.4525 0.4509 0.4495 0.4484 0.4476 0.4470 0.4466 0.4466 0.4467 0.4472
80 0.4577 0.4554 0.4533 0.4515 0.4499 0.4486 0.4475 0.4467 0.4462 0.4459 0.4459 0.4461 0.4466
90 0.4566 0.4544 0.4524 0.4506 0.4491 0.4478 0.4468 0.4461 0.4456 0.4454 0.4454 0.4457 0.4463
100 0.4558 0.4535 0.4516 0.4499 0.4484 0.4472 0.4463 0.4456 0.4452 0.4450 0.4451 0.4455 0.4461
110 0.4550 0.4529 0.4510 0.4493 0.4479 0.4468 0.4459 0.4453 0.4449 0.4448 0.4450 0.4454 0.4461
120 0.4545 0.4524 0.4505 0.4489 0.4476 0.4465 0.4457 0.4451 0.4448 0.4448 0.4450 0.4455 0.4462
130 0.4541 0.4521 0.4503 0.4487 0.4475 0.4464 0.4457 0.4452 0.4449 0.4449 0.4452 0.4457 0.4465
140 0.4539 0.4519 0.4502 0.4487 0.4475 0.4465 0.4458 0.4454 0.4452 0.4452 0.4456 0.4462 0.4470
150 0.4538 0.4519 0.4502 0.4488 0.4477 0.4468 0.4461 0.4457 0.4456 0.4457 0.4461 0.4468 0.4477
160 0.4540 0.4521 0.4505 0.4491 0.4480 0.4472 0.4466 0.4463 0.4462 0.4464 0.4469 0.4476 0.4485
170 0.4543 0.4525 0.4509 0.4496 0.4486 0.4478 0.4472 0.4470 0.4470 0.4472 0.4477 0.4485 0.4495
180 0.4547 0.4530 0.4515 0.4502 0.4493 0.4485 0.4481 0.4479 0.4479 0.4482 0.4488 0.4496 0.4507
190 0.4553 0.4537 0.4522 0.4511 0.4501 0.4495 0.4491 0.4489 0.4490 0.4494 0.4500 0.4509 0.4521
200 0.4561 0.4545 0.4532 0.4520 0.4512 0.4506 0.4502 0.4501 0.4503 0.4507 0.4514 0.4524 0.4536
210 0.4571 0.4555 0.4542 0.4532 0.4524 0.4518 0.4516 0.4515 0.4518 0.4522 0.4530 0.4540 0.4552
220 0.4582 0.4567 0.4555 0.4545 0.4538 0.4533 0.4530 0.4531 0.4534 0.4539 0.4547 0.4558 0.4571
230 0.4595 0.4581 0.4569 0.4560 0.4553 0.4549 0.4547 0.4548 0.4551 0.4557 0.4566 0.4577 0.4591
240 0.4610 0.4596 0.4585 0.4576 0.4570 0.4566 0.4565 0.4567 0.4571 0.4577 0.4586 0.4598 0.4612
250 0.4626 0.4613 0.4602 0.4594 0.4589 0.4586 0.4585 0.4587 0.4592 0.4599 0.4608 0.4620 0.4635
260 0.4644 0.4631 0.4621 0.4614 0.4609 0.4606 0.4606 0.4609 0.4614 0.4622 0.4632 0.4645 0.4660
270 0.4663 0.4651 0.4642 0.4635 0.4631 0.4629 0.4629 0.4633 0.4638 0.4646 0.4657 0.4670 0.4686
280 0.4684 0.4673 0.4664 0.4658 0.4654 0.4653 0.4654 0.4658 0.4664 0.4672 0.4684 0.4697 0.4713
290 0.4706 0.4696 0.4688 0.4682 0.4679 0.4678 0.4680 0.4684 0.4691 0.4700 0.4712 0.4726 0.4742
300 0.4730 0.4720 0.4713 0.4708 0.4705 0.4705 0.4707 0.4712 0.4719 0.4729 0.4741 0.4756 0.4773
310 0.4756 0.4746 0.4739 0.4735 0.4733 0.4733 0.4736 0.4742 0.4749 0.4760 0.4772 0.4787 0.4805
320 0.4783 0.4774 0.4768 0.4764 0.4762 0.4763 0.4767 0.4772 0.4781 0.4791 0.4804 0.4820 0.4838
330 0.4811 0.4803 0.4797 0.4794 0.4793 0.4794 0.4798 0.4805 0.4813 0.4825 0.4838 0.4854 0.4872
340 0.4841 0.4833 0.4828 0.4825 0.4825 0.4827 0.4831 0.4838 0.4848 0.4859 0.4873 0.4890 0.4908
350 0.4872 0.4865 0.4860 0.4858 0.4858 0.4861 0.4866 0.4873 0.4883 0.4895 0.4910 0.4926 0.4945

239
 CT 0.028 0.03 0.032 0.034 0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
Perco

10 0.4543 0.4549 0.4557 0.4568 0.4582 0.4598 0.4616 0.4637 0.4661 0.4686 0.4714 0.4745
20 0.4528 0.4534 0.4544 0.4555 0.4569 0.4586 0.4605 0.4627 0.4651 0.4677 0.4706 0.4737
30 0.4515 0.4522 0.4532 0.4544 0.4559 0.4576 0.4596 0.4618 0.4643 0.4669 0.4699 0.4730
40 0.4503 0.4511 0.4521 0.4534 0.4550 0.4568 0.4588 0.4611 0.4636 0.4663 0.4693 0.4725
50 0.4493 0.4502 0.4513 0.4526 0.4542 0.4561 0.4582 0.4605 0.4631 0.4659 0.4690 0.4722
60 0.4485 0.4494 0.4506 0.4520 0.4537 0.4556 0.4577 0.4601 0.4628 0.4656 0.4687 0.4721
70 0.4479 0.4488 0.4501 0.4515 0.4532 0.4552 0.4574 0.4599 0.4626 0.4655 0.4687 0.4721
80 0.4474 0.4484 0.4497 0.4512 0.4530 0.4550 0.4573 0.4598 0.4626 0.4656 0.4688 0.4723
90 0.4471 0.4482 0.4495 0.4511 0.4529 0.4550 0.4574 0.4600 0.4628 0.4658 0.4691 0.4726
100 0.4470 0.4481 0.4495 0.4512 0.4531 0.4552 0.4576 0.4602 0.4631 0.4662 0.4695 0.4731
110 0.4470 0.4482 0.4497 0.4514 0.4533 0.4555 0.4580 0.4607 0.4636 0.4667 0.4701 0.4737
120 0.4472 0.4485 0.4500 0.4518 0.4538 0.4560 0.4585 0.4613 0.4643 0.4675 0.4709 0.4745
130 0.4476 0.4489 0.4505 0.4523 0.4544 0.4567 0.4593 0.4621 0.4651 0.4683 0.4718 0.4755
140 0.4482 0.4495 0.4512 0.4530 0.4552 0.4575 0.4601 0.4630 0.4661 0.4694 0.4729 0.4767
150 0.4489 0.4503 0.4520 0.4539 0.4561 0.4585 0.4612 0.4641 0.4672 0.4706 0.4742 0.4779
160 0.4498 0.4513 0.4530 0.4550 0.4572 0.4597 0.4624 0.4654 0.4685 0.4719 0.4756 0.4794
170 0.4508 0.4524 0.4542 0.4562 0.4585 0.4610 0.4638 0.4668 0.4700 0.4735 0.4771 0.4810
180 0.4521 0.4537 0.4555 0.4576 0.4599 0.4625 0.4653 0.4684 0.4716 0.4751 0.4788 0.4828
190 0.4535 0.4551 0.4570 0.4591 0.4615 0.4642 0.4670 0.4701 0.4734 0.4770 0.4807 0.4847
200 0.4550 0.4567 0.4587 0.4609 0.4633 0.4660 0.4689 0.4720 0.4754 0.4789 0.4827 0.4867
210 0.4567 0.4585 0.4605 0.4627 0.4652 0.4679 0.4709 0.4741 0.4775 0.4811 0.4849 0.4889
220 0.4586 0.4604 0.4625 0.4648 0.4673 0.4700 0.4730 0.4763 0.4797 0.4833 0.4872 0.4913
230 0.4607 0.4625 0.4646 0.4669 0.4695 0.4723 0.4754 0.4786 0.4821 0.4858 0.4897 0.4938
240 0.4629 0.4648 0.4669 0.4693 0.4719 0.4747 0.4778 0.4811 0.4846 0.4884 0.4923 0.4964
250 0.4652 0.4672 0.4693 0.4718 0.4744 0.4773 0.4804 0.4838 0.4873 0.4911 0.4950 0.4992
260 0.4677 0.4697 0.4719 0.4744 0.4771 0.4800 0.4832 0.4866 0.4901 0.4939 0.4979 0.5021
270 0.4704 0.4724 0.4747 0.4772 0.4799 0.4829 0.4861 0.4895 0.4931 0.4969 0.5009 0.5052
280 0.4732 0.4753 0.4776 0.4801 0.4829 0.4859 0.4891 0.4926 0.4962 0.5001 0.5041 0.5084
290 0.4761 0.4782 0.4806 0.4832 0.4860 0.4890 0.4923 0.4958 0.4994 0.5033 0.5074 0.5117
300 0.4792 0.4814 0.4838 0.4864 0.4892 0.4923 0.4956 0.4991 0.5028 0.5067 0.5108 0.5151
310 0.4824 0.4846 0.4871 0.4897 0.4926 0.4957 0.4990 0.5026 0.5063 0.5102 0.5144 0.5187
320 0.4858 0.4880 0.4905 0.4932 0.4961 0.4993 0.5026 0.5062 0.5099 0.5139 0.5180 0.5224
330 0.4893 0.4916 0.4941 0.4968 0.4998 0.5029 0.5063 0.5099 0.5137 0.5176 0.5218 0.5262
340 0.4929 0.4952 0.4978 0.5006 0.5035 0.5067 0.5101 0.5137 0.5175 0.5215 0.5257 0.5301
350 0.4967 0.4990 0.5016 0.5044 0.5074 0.5106 0.5141 0.5177 0.5215 0.5255 0.5298 0.5341

240
 CT 0.052 0.054 0.056 0.058 0.06
Perco

10 0.4777 0.4812 0.4849 0.4888 0.4929

20 0.4770 0.4805 0.4843 0.4882 0.4924
30 0.4764 0.4800 0.4838 0.4878 0.4921
40 0.4760 0.4796 0.4835 0.4876 0.4919
50 0.4757 0.4794 0.4834 0.4875 0.4918
60 0.4756 0.4794 0.4834 0.4876 0.4920
70 0.4757 0.4795 0.4836 0.4878 0.4922
80 0.4759 0.4798 0.4839 0.4882 0.4927
90 0.4763 0.4802 0.4844 0.4887 0.4933
100 0.4768 0.4808 0.4850 0.4894 0.4940
110 0.4776 0.4816 0.4858 0.4903 0.4949
120 0.4784 0.4825 0.4868 0.4913 0.4959
130 0.4794 0.4836 0.4879 0.4924 0.4971
140 0.4806 0.4848 0.4892 0.4937 0.4985
150 0.4820 0.4862 0.4906 0.4952 0.5000
160 0.4834 0.4877 0.4922 0.4968 0.5016
170 0.4851 0.4894 0.4939 0.4986 0.5034
180 0.4869 0.4912 0.4958 0.5005 0.5054
190 0.4888 0.4932 0.4978 0.5025 0.5075
200 0.4909 0.4953 0.4999 0.5047 0.5097
210 0.4932 0.4976 0.5022 0.5071 0.5121
220 0.4956 0.5000 0.5047 0.5095 0.5146
230 0.4981 0.5026 0.5073 0.5122 0.5172
240 0.5008 0.5053 0.5100 0.5149 0.5200
250 0.5036 0.5081 0.5129 0.5178 0.5229
260 0.5065 0.5111 0.5159 0.5208 0.5259
270 0.5096 0.5142 0.5190 0.5240 0.5291
280 0.5128 0.5174 0.5222 0.5272 0.5324
290 0.5161 0.5208 0.5256 0.5306 0.5358
300 0.5196 0.5243 0.5291 0.5341 0.5393
310 0.5232 0.5279 0.5327 0.5378 0.5430
320 0.5269 0.5316 0.5365 0.5415 0.5468
330 0.5307 0.5354 0.5403 0.5454 0.5506
340 0.5347 0.5394 0.5443 0.5494 0.5546
350 0.5387 0.5435 0.5484 0.5535 0.5587

241
Annexe 24 : Abaque permettant la détermination du logarithme de la valeur à ajouter
et à soustraire du logarithme du MAM7 spécifique pour une période de retour de cinq
ans (intervalle de confiance)

CT 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 0.022 0.024 0.026
Perco

10 0.5353 0.5322 0.5295 0.5270 0.5248 0.5229 0.5212 0.5199 0.5188 0.5180 0.5175 0.5173 0.5174
20 0.5328 0.5298 0.5271 0.5247 0.5225 0.5207 0.5191 0.5178 0.5168 0.5161 0.5156 0.5155 0.5157
30 0.5305 0.5276 0.5249 0.5225 0.5205 0.5186 0.5171 0.5159 0.5149 0.5143 0.5139 0.5139 0.5141
40 0.5284 0.5255 0.5229 0.5206 0.5186 0.5168 0.5153 0.5142 0.5133 0.5127 0.5124 0.5124 0.5127
50 0.5264 0.5236 0.5211 0.5188 0.5168 0.5152 0.5138 0.5127 0.5118 0.5113 0.5111 0.5112 0.5115
60 0.5247 0.5219 0.5194 0.5172 0.5153 0.5137 0.5124 0.5113 0.5106 0.5101 0.5100 0.5101 0.5105
70 0.5231 0.5204 0.5180 0.5158 0.5140 0.5124 0.5112 0.5102 0.5095 0.5091 0.5090 0.5092 0.5097
80 0.5217 0.5191 0.5167 0.5146 0.5128 0.5114 0.5101 0.5092 0.5086 0.5083 0.5083 0.5085 0.5091
90 0.5205 0.5179 0.5156 0.5136 0.5119 0.5105 0.5093 0.5085 0.5079 0.5077 0.5077 0.5081 0.5087
100 0.5195 0.5170 0.5148 0.5128 0.5111 0.5098 0.5087 0.5079 0.5074 0.5073 0.5074 0.5078 0.5085
110 0.5187 0.5162 0.5141 0.5122 0.5106 0.5093 0.5083 0.5076 0.5071 0.5070 0.5072 0.5077 0.5085
120 0.5181 0.5157 0.5136 0.5117 0.5102 0.5090 0.5080 0.5074 0.5070 0.5070 0.5072 0.5078 0.5086
130 0.5176 0.5153 0.5133 0.5115 0.5100 0.5089 0.5080 0.5074 0.5071 0.5072 0.5075 0.5081 0.5090
140 0.5174 0.5151 0.5131 0.5115 0.5101 0.5090 0.5082 0.5077 0.5074 0.5075 0.5079 0.5086 0.5096
150 0.5173 0.5151 0.5132 0.5116 0.5103 0.5093 0.5085 0.5081 0.5079 0.5081 0.5085 0.5093 0.5103
160 0.5175 0.5153 0.5135 0.5120 0.5107 0.5097 0.5091 0.5087 0.5086 0.5088 0.5094 0.5102 0.5113
170 0.5178 0.5157 0.5140 0.5125 0.5113 0.5104 0.5098 0.5095 0.5095 0.5098 0.5104 0.5113 0.5124
180 0.5183 0.5163 0.5146 0.5132 0.5121 0.5113 0.5107 0.5105 0.5106 0.5109 0.5116 0.5125 0.5138
190 0.5190 0.5171 0.5155 0.5141 0.5131 0.5123 0.5119 0.5117 0.5118 0.5123 0.5130 0.5140 0.5153
200 0.5199 0.5181 0.5165 0.5153 0.5143 0.5136 0.5132 0.5131 0.5133 0.5138 0.5146 0.5156 0.5170
210 0.5210 0.5193 0.5178 0.5166 0.5157 0.5150 0.5147 0.5147 0.5149 0.5155 0.5163 0.5175 0.5189
220 0.5223 0.5206 0.5192 0.5181 0.5172 0.5167 0.5164 0.5165 0.5168 0.5174 0.5183 0.5195 0.5210
230 0.5238 0.5222 0.5208 0.5198 0.5190 0.5185 0.5183 0.5184 0.5188 0.5195 0.5205 0.5217 0.5233
240 0.5255 0.5239 0.5226 0.5216 0.5209 0.5205 0.5204 0.5206 0.5210 0.5218 0.5228 0.5241 0.5257
250 0.5273 0.5258 0.5246 0.5237 0.5230 0.5227 0.5226 0.5229 0.5234 0.5242 0.5253 0.5267 0.5283
260 0.5293 0.5279 0.5268 0.5259 0.5253 0.5251 0.5251 0.5254 0.5260 0.5268 0.5280 0.5294 0.5311
270 0.5315 0.5302 0.5291 0.5283 0.5278 0.5276 0.5277 0.5281 0.5287 0.5296 0.5308 0.5323 0.5341
280 0.5339 0.5326 0.5316 0.5309 0.5305 0.5303 0.5305 0.5309 0.5316 0.5326 0.5339 0.5354 0.5373
290 0.5365 0.5353 0.5343 0.5337 0.5333 0.5332 0.5334 0.5339 0.5347 0.5357 0.5371 0.5387 0.5406
300 0.5392 0.5381 0.5372 0.5366 0.5363 0.5363 0.5366 0.5371 0.5379 0.5391 0.5404 0.5421 0.5440
310 0.5421 0.5410 0.5402 0.5397 0.5395 0.5395 0.5399 0.5405 0.5414 0.5425 0.5440 0.5457 0.5477
320 0.5452 0.5442 0.5434 0.5430 0.5428 0.5429 0.5433 0.5440 0.5449 0.5462 0.5477 0.5494 0.5515
330 0.5484 0.5475 0.5468 0.5464 0.5463 0.5465 0.5470 0.5477 0.5487 0.5500 0.5515 0.5533 0.5554
340 0.5518 0.5509 0.5503 0.5500 0.5500 0.5502 0.5507 0.5515 0.5526 0.5539 0.5555 0.5574 0.5595
350 0.5553 0.5545 0.5540 0.5538 0.5538 0.5541 0.5547 0.5555 0.5566 0.5580 0.5596 0.5615 0.5637

242
 CT 0.028 0.03 0.032 0.034 0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
Perco

10 0.5178 0.5185 0.5195 0.5207 0.5223 0.5241 0.5262 0.5286 0.5313 0.5342 0.5374 0.5408
20 0.5161 0.5169 0.5179 0.5192 0.5209 0.5228 0.5249 0.5274 0.5301 0.5331 0.5364 0.5399
30 0.5146 0.5154 0.5165 0.5179 0.5196 0.5216 0.5239 0.5264 0.5292 0.5323 0.5356 0.5392
40 0.5133 0.5142 0.5154 0.5168 0.5186 0.5206 0.5230 0.5256 0.5284 0.5316 0.5350 0.5386
50 0.5122 0.5131 0.5144 0.5159 0.5178 0.5199 0.5223 0.5249 0.5279 0.5311 0.5346 0.5383
60 0.5113 0.5123 0.5136 0.5152 0.5171 0.5193 0.5217 0.5245 0.5275 0.5308 0.5343 0.5381
70 0.5105 0.5116 0.5130 0.5147 0.5166 0.5189 0.5214 0.5242 0.5273 0.5306 0.5343 0.5381
80 0.5100 0.5111 0.5126 0.5143 0.5164 0.5187 0.5213 0.5242 0.5273 0.5307 0.5344 0.5383
90 0.5096 0.5109 0.5124 0.5142 0.5163 0.5187 0.5214 0.5243 0.5275 0.5310 0.5347 0.5387
100 0.5095 0.5108 0.5124 0.5143 0.5164 0.5189 0.5216 0.5246 0.5279 0.5314 0.5352 0.5393
110 0.5095 0.5109 0.5126 0.5145 0.5167 0.5193 0.5220 0.5251 0.5284 0.5320 0.5359 0.5400
120 0.5098 0.5112 0.5129 0.5149 0.5172 0.5198 0.5227 0.5258 0.5292 0.5328 0.5368 0.5409
130 0.5102 0.5117 0.5135 0.5156 0.5179 0.5206 0.5235 0.5267 0.5301 0.5338 0.5378 0.5420
140 0.5108 0.5124 0.5143 0.5164 0.5188 0.5215 0.5245 0.5278 0.5313 0.5350 0.5391 0.5433
150 0.5117 0.5133 0.5152 0.5174 0.5199 0.5227 0.5257 0.5290 0.5326 0.5364 0.5405 0.5448
160 0.5127 0.5144 0.5164 0.5186 0.5212 0.5240 0.5271 0.5304 0.5341 0.5379 0.5421 0.5465
170 0.5139 0.5157 0.5177 0.5200 0.5226 0.5255 0.5287 0.5321 0.5357 0.5397 0.5439 0.5483
180 0.5153 0.5171 0.5192 0.5216 0.5243 0.5272 0.5304 0.5339 0.5376 0.5416 0.5458 0.5503
190 0.5169 0.5188 0.5209 0.5234 0.5261 0.5291 0.5323 0.5359 0.5396 0.5437 0.5479 0.5525
200 0.5187 0.5206 0.5228 0.5253 0.5281 0.5311 0.5345 0.5380 0.5419 0.5459 0.5502 0.5548
210 0.5206 0.5226 0.5249 0.5275 0.5303 0.5334 0.5367 0.5404 0.5442 0.5484 0.5527 0.5573
220 0.5228 0.5248 0.5272 0.5298 0.5327 0.5358 0.5392 0.5429 0.5468 0.5510 0.5554 0.5600
230 0.5251 0.5272 0.5296 0.5323 0.5352 0.5384 0.5418 0.5456 0.5495 0.5537 0.5582 0.5629
240 0.5276 0.5298 0.5322 0.5349 0.5379 0.5412 0.5447 0.5484 0.5524 0.5567 0.5611 0.5659
250 0.5303 0.5325 0.5350 0.5378 0.5408 0.5441 0.5476 0.5514 0.5555 0.5598 0.5643 0.5690
260 0.5331 0.5354 0.5380 0.5408 0.5438 0.5472 0.5508 0.5546 0.5587 0.5630 0.5676 0.5724
270 0.5362 0.5385 0.5411 0.5439 0.5471 0.5504 0.5541 0.5580 0.5621 0.5664 0.5710 0.5758
280 0.5394 0.5417 0.5444 0.5473 0.5504 0.5539 0.5575 0.5615 0.5656 0.5700 0.5746 0.5795
290 0.5427 0.5451 0.5478 0.5508 0.5540 0.5574 0.5612 0.5651 0.5693 0.5737 0.5784 0.5832
300 0.5462 0.5487 0.5514 0.5544 0.5577 0.5612 0.5649 0.5689 0.5731 0.5776 0.5823 0.5872
310 0.5499 0.5524 0.5552 0.5582 0.5615 0.5651 0.5688 0.5729 0.5771 0.5816 0.5863 0.5912
320 0.5537 0.5563 0.5591 0.5622 0.5655 0.5691 0.5729 0.5770 0.5812 0.5858 0.5905 0.5954
330 0.5577 0.5603 0.5632 0.5663 0.5697 0.5733 0.5771 0.5812 0.5855 0.5901 0.5948 0.5998
340 0.5619 0.5645 0.5674 0.5706 0.5740 0.5776 0.5815 0.5856 0.5899 0.5945 0.5993 0.6043
350 0.5662 0.5688 0.5718 0.5750 0.5784 0.5821 0.5860 0.5901 0.5945 0.5991 0.6039 0.6089

243
 CT 0.052 0.054 0.056 0.058 0.06
Perco

10 0.5446 0.5485 0.5527 0.5572 0.5619

20 0.5437 0.5477 0.5520 0.5565 0.5613
30 0.5430 0.5472 0.5515 0.5561 0.5609
40 0.5426 0.5467 0.5511 0.5558 0.5607
50 0.5423 0.5465 0.5510 0.5557 0.5606
60 0.5422 0.5465 0.5510 0.5558 0.5608
70 0.5422 0.5466 0.5512 0.5560 0.5611
80 0.5425 0.5469 0.5516 0.5565 0.5616
90 0.5429 0.5474 0.5521 0.5571 0.5622
100 0.5435 0.5481 0.5529 0.5579 0.5631
110 0.5444 0.5489 0.5538 0.5588 0.5641
120 0.5453 0.5500 0.5549 0.5600 0.5653
130 0.5465 0.5512 0.5561 0.5613 0.5667
140 0.5478 0.5526 0.5576 0.5628 0.5682
150 0.5494 0.5542 0.5592 0.5645 0.5699
160 0.5511 0.5559 0.5610 0.5663 0.5718
170 0.5529 0.5578 0.5630 0.5683 0.5739
180 0.5550 0.5599 0.5651 0.5705 0.5761
190 0.5572 0.5622 0.5674 0.5728 0.5784
200 0.5596 0.5646 0.5699 0.5753 0.5810
210 0.5622 0.5672 0.5725 0.5780 0.5837
220 0.5649 0.5700 0.5753 0.5808 0.5865
230 0.5678 0.5729 0.5782 0.5838 0.5896
240 0.5708 0.5760 0.5813 0.5869 0.5927
250 0.5740 0.5792 0.5846 0.5902 0.5960
260 0.5774 0.5826 0.5880 0.5937 0.5995
270 0.5809 0.5861 0.5916 0.5972 0.6031
280 0.5845 0.5898 0.5953 0.6010 0.6069
290 0.5883 0.5936 0.5991 0.6048 0.6107
300 0.5923 0.5976 0.6031 0.6089 0.6148
310 0.5964 0.6017 0.6073 0.6130 0.6189
320 0.6006 0.6060 0.6115 0.6173 0.6232
330 0.6050 0.6103 0.6159 0.6217 0.6277
340 0.6095 0.6148 0.6204 0.6262 0.6322
350 0.6141 0.6195 0.6251 0.6309 0.6369

244
Annexe 25 : Abaque permettant la détermination du logarithme de la valeur à ajouter
et à soustraire du logarithme du MAM7 spécifique pour une période de retour de dix
ans (intervalle de confiance)

CT 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 0.022 0.024 0.026
Perco

10 0.5890 0.5857 0.5827 0.5799 0.5775 0.5754 0.5736 0.5721 0.5709 0.5700 0.5695 0.5693 0.5694
20 0.5863 0.5830 0.5801 0.5774 0.5750 0.5730 0.5712 0.5698 0.5687 0.5679 0.5674 0.5673 0.5675
30 0.5838 0.5806 0.5776 0.5750 0.5727 0.5707 0.5691 0.5677 0.5667 0.5659 0.5656 0.5655 0.5657
40 0.5814 0.5783 0.5754 0.5729 0.5706 0.5687 0.5671 0.5658 0.5648 0.5642 0.5639 0.5639 0.5642
50 0.5793 0.5762 0.5734 0.5709 0.5688 0.5669 0.5654 0.5641 0.5632 0.5627 0.5624 0.5625 0.5629
60 0.5774 0.5743 0.5716 0.5692 0.5671 0.5653 0.5638 0.5627 0.5619 0.5614 0.5612 0.5613 0.5618
70 0.5756 0.5727 0.5700 0.5677 0.5656 0.5639 0.5625 0.5614 0.5607 0.5602 0.5601 0.5604 0.5609
80 0.5741 0.5712 0.5686 0.5663 0.5644 0.5627 0.5614 0.5604 0.5597 0.5593 0.5593 0.5596 0.5603
90 0.5728 0.5700 0.5674 0.5652 0.5633 0.5617 0.5605 0.5596 0.5589 0.5587 0.5587 0.5591 0.5598
100 0.5717 0.5689 0.5665 0.5643 0.5625 0.5610 0.5598 0.5589 0.5584 0.5582 0.5583 0.5588 0.5596
110 0.5708 0.5681 0.5657 0.5636 0.5619 0.5604 0.5593 0.5585 0.5581 0.5580 0.5582 0.5587 0.5595
120 0.5701 0.5675 0.5651 0.5631 0.5615 0.5601 0.5591 0.5584 0.5580 0.5579 0.5582 0.5588 0.5597
130 0.5696 0.5671 0.5648 0.5629 0.5613 0.5600 0.5590 0.5584 0.5581 0.5581 0.5585 0.5591 0.5601
140 0.5693 0.5669 0.5647 0.5628 0.5613 0.5601 0.5592 0.5586 0.5584 0.5585 0.5589 0.5597 0.5608
150 0.5693 0.5669 0.5648 0.5630 0.5615 0.5604 0.5596 0.5591 0.5589 0.5591 0.5596 0.5604 0.5616
160 0.5694 0.5671 0.5651 0.5634 0.5620 0.5609 0.5602 0.5598 0.5597 0.5600 0.5605 0.5614 0.5626
170 0.5698 0.5675 0.5656 0.5640 0.5627 0.5617 0.5610 0.5607 0.5607 0.5610 0.5616 0.5626 0.5639
180 0.5704 0.5682 0.5663 0.5648 0.5635 0.5626 0.5620 0.5618 0.5619 0.5623 0.5630 0.5640 0.5654
190 0.5712 0.5691 0.5673 0.5658 0.5646 0.5638 0.5633 0.5631 0.5633 0.5637 0.5645 0.5656 0.5671
200 0.5722 0.5701 0.5684 0.5670 0.5659 0.5652 0.5648 0.5646 0.5649 0.5654 0.5663 0.5674 0.5689
210 0.5734 0.5714 0.5698 0.5685 0.5675 0.5668 0.5664 0.5664 0.5667 0.5673 0.5682 0.5695 0.5710
220 0.5748 0.5729 0.5714 0.5701 0.5692 0.5686 0.5683 0.5683 0.5687 0.5694 0.5704 0.5717 0.5733
230 0.5764 0.5746 0.5731 0.5720 0.5711 0.5706 0.5704 0.5705 0.5709 0.5717 0.5727 0.5741 0.5758
240 0.5782 0.5765 0.5751 0.5740 0.5732 0.5728 0.5727 0.5728 0.5733 0.5742 0.5753 0.5768 0.5785
250 0.5803 0.5786 0.5773 0.5763 0.5756 0.5752 0.5751 0.5754 0.5760 0.5769 0.5781 0.5796 0.5814
260 0.5825 0.5809 0.5797 0.5787 0.5781 0.5778 0.5778 0.5781 0.5788 0.5797 0.5810 0.5826 0.5845
270 0.5849 0.5834 0.5823 0.5814 0.5808 0.5806 0.5807 0.5811 0.5818 0.5828 0.5842 0.5858 0.5878
280 0.5875 0.5861 0.5850 0.5842 0.5838 0.5836 0.5838 0.5842 0.5850 0.5861 0.5875 0.5892 0.5912
290 0.5904 0.5890 0.5880 0.5873 0.5869 0.5868 0.5870 0.5876 0.5884 0.5896 0.5910 0.5928 0.5949
300 0.5934 0.5921 0.5912 0.5905 0.5902 0.5902 0.5905 0.5911 0.5920 0.5932 0.5947 0.5966 0.5987
310 0.5965 0.5954 0.5945 0.5939 0.5937 0.5937 0.5941 0.5948 0.5957 0.5970 0.5986 0.6005 0.6027
320 0.5999 0.5988 0.5980 0.5975 0.5974 0.5975 0.5979 0.5986 0.5997 0.6010 0.6027 0.6046 0.6068
330 0.6035 0.6025 0.6017 0.6013 0.6012 0.6014 0.6019 0.6027 0.6038 0.6052 0.6069 0.6089 0.6112
340 0.6072 0.6063 0.6056 0.6053 0.6052 0.6055 0.6060 0.6069 0.6081 0.6095 0.6113 0.6133 0.6157
350 0.6111 0.6102 0.6097 0.6094 0.6094 0.6097 0.6104 0.6113 0.6125 0.6140 0.6158 0.6180 0.6203

245
 CT 0.028 0.03 0.032 0.034 0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
Perco

10 0.5698 0.5706 0.5716 0.5730 0.5747 0.5767 0.5791 0.5817 0.5846 0.5878 0.5914 0.5952
20 0.5680 0.5688 0.5699 0.5714 0.5732 0.5753 0.5777 0.5804 0.5834 0.5867 0.5903 0.5942
30 0.5663 0.5672 0.5684 0.5700 0.5718 0.5740 0.5765 0.5793 0.5823 0.5857 0.5894 0.5934
40 0.5649 0.5658 0.5671 0.5688 0.5707 0.5729 0.5755 0.5784 0.5815 0.5850 0.5887 0.5928
50 0.5636 0.5647 0.5661 0.5678 0.5698 0.5721 0.5747 0.5777 0.5809 0.5844 0.5882 0.5924
60 0.5626 0.5637 0.5652 0.5670 0.5690 0.5714 0.5742 0.5772 0.5805 0.5841 0.5880 0.5922
70 0.5618 0.5630 0.5645 0.5664 0.5685 0.5710 0.5738 0.5769 0.5803 0.5839 0.5879 0.5922
80 0.5612 0.5625 0.5641 0.5660 0.5682 0.5708 0.5737 0.5768 0.5803 0.5840 0.5881 0.5924
90 0.5608 0.5622 0.5639 0.5659 0.5682 0.5708 0.5737 0.5769 0.5805 0.5843 0.5884 0.5928
100 0.5607 0.5621 0.5638 0.5659 0.5683 0.5710 0.5740 0.5773 0.5809 0.5848 0.5890 0.5934
110 0.5607 0.5622 0.5640 0.5662 0.5686 0.5714 0.5745 0.5779 0.5815 0.5855 0.5897 0.5942
120 0.5610 0.5626 0.5645 0.5667 0.5692 0.5720 0.5752 0.5786 0.5823 0.5864 0.5907 0.5953
130 0.5615 0.5631 0.5651 0.5674 0.5700 0.5729 0.5761 0.5796 0.5834 0.5875 0.5918 0.5965
140 0.5622 0.5639 0.5659 0.5683 0.5709 0.5739 0.5772 0.5808 0.5846 0.5888 0.5932 0.5979
150 0.5631 0.5649 0.5670 0.5694 0.5721 0.5752 0.5785 0.5821 0.5861 0.5903 0.5948 0.5995
160 0.5642 0.5660 0.5682 0.5707 0.5735 0.5766 0.5800 0.5837 0.5877 0.5920 0.5965 0.6013
170 0.5655 0.5674 0.5697 0.5723 0.5751 0.5783 0.5818 0.5855 0.5896 0.5939 0.5985 0.6034
180 0.5671 0.5691 0.5714 0.5740 0.5769 0.5802 0.5837 0.5875 0.5916 0.5960 0.6006 0.6056
190 0.5688 0.5709 0.5733 0.5759 0.5789 0.5822 0.5858 0.5897 0.5938 0.5983 0.6030 0.6080
200 0.5708 0.5729 0.5753 0.5781 0.5811 0.5845 0.5881 0.5921 0.5963 0.6008 0.6055 0.6105
210 0.5729 0.5751 0.5776 0.5804 0.5835 0.5870 0.5907 0.5946 0.5989 0.6034 0.6082 0.6133
220 0.5753 0.5775 0.5801 0.5830 0.5862 0.5896 0.5934 0.5974 0.6017 0.6063 0.6111 0.6163
230 0.5778 0.5802 0.5828 0.5857 0.5889 0.5925 0.5963 0.6004 0.6047 0.6093 0.6142 0.6194
240 0.5806 0.5830 0.5857 0.5887 0.5919 0.5955 0.5994 0.6035 0.6079 0.6126 0.6175 0.6227
250 0.5835 0.5860 0.5887 0.5918 0.5951 0.5987 0.6026 0.6068 0.6113 0.6160 0.6210 0.6262
260 0.5867 0.5892 0.5920 0.5951 0.5985 0.6021 0.6061 0.6103 0.6148 0.6196 0.6246 0.6298
270 0.5900 0.5926 0.5954 0.5986 0.6020 0.6057 0.6097 0.6140 0.6185 0.6233 0.6284 0.6337
280 0.5935 0.5961 0.5991 0.6023 0.6057 0.6095 0.6135 0.6178 0.6224 0.6273 0.6323 0.6377
290 0.5972 0.5999 0.6029 0.6061 0.6096 0.6134 0.6175 0.6219 0.6265 0.6313 0.6365 0.6418
300 0.6011 0.6038 0.6068 0.6101 0.6137 0.6175 0.6217 0.6261 0.6307 0.6356 0.6407 0.6461
310 0.6052 0.6079 0.6110 0.6143 0.6179 0.6218 0.6260 0.6304 0.6351 0.6400 0.6452 0.6506
320 0.6094 0.6122 0.6153 0.6187 0.6223 0.6263 0.6305 0.6349 0.6396 0.6446 0.6498 0.6552
330 0.6138 0.6166 0.6198 0.6232 0.6269 0.6309 0.6351 0.6396 0.6443 0.6493 0.6546 0.6600
340 0.6183 0.6212 0.6244 0.6279 0.6316 0.6356 0.6399 0.6444 0.6492 0.6542 0.6595 0.6649
350 0.6230 0.6260 0.6292 0.6327 0.6365 0.6405 0.6448 0.6494 0.6542 0.6592 0.6645 0.6700

246
 CT 0.052 0.054 0.056 0.058 0.06
Perco

10 0.5993 0.6036 0.6082 0.6131 0.6183

20 0.5983 0.6028 0.6075 0.6124 0.6177
30 0.5976 0.6021 0.6069 0.6119 0.6172
40 0.5971 0.6017 0.6065 0.6116 0.6170
50 0.5967 0.6014 0.6063 0.6115 0.6169
60 0.5966 0.6013 0.6063 0.6116 0.6171
70 0.5967 0.6015 0.6066 0.6119 0.6174
80 0.5970 0.6018 0.6070 0.6124 0.6180
90 0.5975 0.6024 0.6076 0.6130 0.6187
100 0.5981 0.6031 0.6084 0.6139 0.6197
110 0.5990 0.6041 0.6094 0.6150 0.6208
120 0.6001 0.6052 0.6106 0.6162 0.6221
130 0.6014 0.6066 0.6120 0.6177 0.6236
140 0.6029 0.6081 0.6136 0.6193 0.6253
150 0.6046 0.6098 0.6154 0.6212 0.6272
160 0.6064 0.6118 0.6173 0.6232 0.6292
170 0.6085 0.6139 0.6195 0.6254 0.6315
180 0.6107 0.6162 0.6219 0.6278 0.6339
190 0.6132 0.6187 0.6244 0.6304 0.6365
200 0.6158 0.6213 0.6271 0.6331 0.6393
210 0.6186 0.6242 0.6300 0.6360 0.6423
220 0.6216 0.6272 0.6331 0.6391 0.6455
230 0.6248 0.6304 0.6363 0.6424 0.6488
240 0.6281 0.6338 0.6397 0.6459 0.6523
250 0.6317 0.6374 0.6433 0.6495 0.6559
260 0.6354 0.6411 0.6471 0.6533 0.6597
270 0.6392 0.6450 0.6510 0.6572 0.6637
280 0.6432 0.6490 0.6551 0.6613 0.6678
290 0.6474 0.6533 0.6593 0.6656 0.6721
300 0.6518 0.6576 0.6637 0.6700 0.6765
310 0.6563 0.6621 0.6683 0.6746 0.6811
320 0.6609 0.6668 0.6729 0.6793 0.6858
330 0.6657 0.6716 0.6778 0.6841 0.6907
340 0.6707 0.6766 0.6828 0.6891 0.6957
350 0.6758 0.6817 0.6879 0.6943 0.7009

247
Annexe 26 : Abaque permettant la détermination du logarithme de la valeur à ajouter
et à soustraire du logarithme du MAM7 spécifique pour une période de retour de vingt
ans (intervalle de confiance)

CT 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 0.022 0.024 0.026
Perco

10 0.6523 0.6486 0.6453 0.6422 0.6396 0.6372 0.6352 0.6336 0.6323 0.6313 0.6307 0.6305 0.6306
20 0.6493 0.6457 0.6424 0.6394 0.6368 0.6345 0.6326 0.6310 0.6298 0.6289 0.6284 0.6282 0.6284
30 0.6465 0.6429 0.6397 0.6368 0.6343 0.6321 0.6302 0.6287 0.6276 0.6268 0.6263 0.6262 0.6265
40 0.6439 0.6404 0.6373 0.6344 0.6320 0.6298 0.6280 0.6266 0.6255 0.6248 0.6245 0.6245 0.6248
50 0.6415 0.6381 0.6350 0.6323 0.6299 0.6278 0.6261 0.6248 0.6238 0.6231 0.6229 0.6229 0.6234
60 0.6394 0.6361 0.6330 0.6304 0.6280 0.6260 0.6244 0.6231 0.6222 0.6217 0.6215 0.6217 0.6222
70 0.6375 0.6342 0.6313 0.6287 0.6264 0.6245 0.6229 0.6218 0.6209 0.6204 0.6203 0.6206 0.6212
80 0.6358 0.6326 0.6297 0.6272 0.6250 0.6232 0.6217 0.6206 0.6198 0.6195 0.6194 0.6198 0.6205
90 0.6343 0.6312 0.6284 0.6260 0.6238 0.6221 0.6207 0.6197 0.6190 0.6187 0.6188 0.6192 0.6200
100 0.6331 0.6300 0.6273 0.6250 0.6229 0.6213 0.6200 0.6190 0.6184 0.6182 0.6183 0.6188 0.6197
110 0.6321 0.6291 0.6265 0.6242 0.6222 0.6207 0.6194 0.6186 0.6181 0.6179 0.6181 0.6187 0.6197
120 0.6313 0.6284 0.6259 0.6237 0.6218 0.6203 0.6191 0.6184 0.6179 0.6179 0.6182 0.6188 0.6199
130 0.6308 0.6280 0.6255 0.6234 0.6216 0.6202 0.6191 0.6184 0.6181 0.6181 0.6185 0.6192 0.6203
140 0.6305 0.6278 0.6254 0.6233 0.6216 0.6203 0.6193 0.6187 0.6184 0.6185 0.6190 0.6198 0.6210
150 0.6305 0.6278 0.6255 0.6235 0.6219 0.6206 0.6197 0.6192 0.6190 0.6192 0.6198 0.6207 0.6219
160 0.6306 0.6280 0.6258 0.6239 0.6224 0.6212 0.6204 0.6199 0.6198 0.6201 0.6208 0.6217 0.6231
170 0.6310 0.6285 0.6264 0.6246 0.6231 0.6220 0.6213 0.6209 0.6209 0.6213 0.6220 0.6231 0.6245
180 0.6317 0.6293 0.6272 0.6255 0.6241 0.6231 0.6224 0.6222 0.6222 0.6227 0.6235 0.6246 0.6261
190 0.6325 0.6302 0.6282 0.6266 0.6253 0.6244 0.6238 0.6236 0.6238 0.6243 0.6252 0.6264 0.6280
200 0.6337 0.6314 0.6295 0.6280 0.6268 0.6259 0.6254 0.6253 0.6256 0.6262 0.6271 0.6284 0.6301
210 0.6350 0.6328 0.6310 0.6295 0.6284 0.6277 0.6273 0.6272 0.6276 0.6282 0.6293 0.6307 0.6324
220 0.6366 0.6345 0.6328 0.6314 0.6303 0.6297 0.6294 0.6294 0.6298 0.6306 0.6317 0.6331 0.6349
230 0.6384 0.6364 0.6347 0.6334 0.6325 0.6319 0.6317 0.6318 0.6323 0.6331 0.6343 0.6358 0.6377
240 0.6404 0.6385 0.6369 0.6357 0.6348 0.6343 0.6342 0.6344 0.6349 0.6359 0.6371 0.6387 0.6407
250 0.6426 0.6408 0.6393 0.6382 0.6374 0.6370 0.6369 0.6372 0.6379 0.6388 0.6402 0.6419 0.6439
260 0.6451 0.6434 0.6420 0.6409 0.6402 0.6399 0.6399 0.6403 0.6410 0.6420 0.6435 0.6452 0.6473
270 0.6478 0.6461 0.6448 0.6439 0.6433 0.6430 0.6431 0.6435 0.6443 0.6455 0.6469 0.6488 0.6509
280 0.6507 0.6491 0.6479 0.6470 0.6465 0.6463 0.6465 0.6470 0.6479 0.6491 0.6506 0.6525 0.6548
290 0.6538 0.6523 0.6512 0.6504 0.6500 0.6499 0.6501 0.6507 0.6516 0.6529 0.6545 0.6565 0.6588
300 0.6571 0.6557 0.6547 0.6540 0.6536 0.6536 0.6539 0.6546 0.6556 0.6569 0.6586 0.6607 0.6630
310 0.6607 0.6593 0.6584 0.6578 0.6575 0.6575 0.6579 0.6587 0.6598 0.6612 0.6629 0.6650 0.6674
320 0.6644 0.6632 0.6623 0.6617 0.6615 0.6617 0.6622 0.6630 0.6641 0.6656 0.6674 0.6696 0.6720
330 0.6683 0.6672 0.6664 0.6659 0.6658 0.6660 0.6666 0.6675 0.6687 0.6702 0.6721 0.6743 0.6769
340 0.6725 0.6714 0.6707 0.6703 0.6703 0.6705 0.6712 0.6721 0.6734 0.6750 0.6770 0.6792 0.6818
350 0.6768 0.6758 0.6752 0.6749 0.6749 0.6753 0.6760 0.6770 0.6783 0.6800 0.6820 0.6844 0.6870

248
 CT 0.028 0.03 0.032 0.034 0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
Perco

10 0.6311 0.6319 0.6331 0.6346 0.6365 0.6387 0.6413 0.6442 0.6474 0.6510 0.6549 0.6591
20 0.6290 0.6299 0.6312 0.6328 0.6348 0.6371 0.6397 0.6427 0.6461 0.6497 0.6537 0.6580
30 0.6272 0.6282 0.6295 0.6312 0.6333 0.6357 0.6384 0.6415 0.6449 0.6487 0.6527 0.6571
40 0.6256 0.6266 0.6281 0.6299 0.6320 0.6345 0.6373 0.6405 0.6440 0.6478 0.6520 0.6564
50 0.6242 0.6254 0.6269 0.6288 0.6310 0.6336 0.6365 0.6397 0.6433 0.6472 0.6515 0.6560
60 0.6231 0.6243 0.6259 0.6279 0.6302 0.6329 0.6358 0.6392 0.6429 0.6468 0.6512 0.6558
70 0.6222 0.6235 0.6252 0.6272 0.6296 0.6324 0.6355 0.6389 0.6426 0.6467 0.6511 0.6558
80 0.6215 0.6229 0.6247 0.6268 0.6293 0.6321 0.6353 0.6388 0.6426 0.6468 0.6513 0.6560
90 0.6211 0.6226 0.6245 0.6267 0.6292 0.6321 0.6354 0.6389 0.6429 0.6471 0.6516 0.6565
100 0.6209 0.6225 0.6244 0.6267 0.6294 0.6324 0.6357 0.6393 0.6433 0.6476 0.6522 0.6572
110 0.6210 0.6226 0.6247 0.6270 0.6297 0.6328 0.6362 0.6399 0.6440 0.6484 0.6531 0.6581
120 0.6213 0.6230 0.6251 0.6276 0.6304 0.6335 0.6370 0.6408 0.6449 0.6494 0.6541 0.6592
130 0.6218 0.6236 0.6258 0.6283 0.6312 0.6344 0.6380 0.6419 0.6461 0.6506 0.6554 0.6606
140 0.6226 0.6245 0.6267 0.6293 0.6323 0.6356 0.6392 0.6432 0.6474 0.6520 0.6569 0.6622
150 0.6236 0.6256 0.6279 0.6306 0.6336 0.6370 0.6407 0.6447 0.6490 0.6537 0.6587 0.6639
160 0.6248 0.6269 0.6293 0.6320 0.6351 0.6386 0.6424 0.6465 0.6509 0.6556 0.6606 0.6660
170 0.6263 0.6284 0.6309 0.6337 0.6369 0.6404 0.6443 0.6484 0.6529 0.6577 0.6628 0.6682
180 0.6280 0.6302 0.6328 0.6357 0.6389 0.6425 0.6464 0.6506 0.6552 0.6600 0.6652 0.6706
190 0.6299 0.6322 0.6349 0.6378 0.6411 0.6448 0.6488 0.6531 0.6577 0.6626 0.6678 0.6733
200 0.6321 0.6345 0.6372 0.6402 0.6436 0.6473 0.6513 0.6557 0.6604 0.6653 0.6706 0.6761
210 0.6345 0.6369 0.6397 0.6428 0.6463 0.6500 0.6541 0.6585 0.6633 0.6683 0.6736 0.6792
220 0.6371 0.6396 0.6425 0.6456 0.6491 0.6530 0.6571 0.6616 0.6664 0.6715 0.6768 0.6825
230 0.6399 0.6425 0.6454 0.6487 0.6522 0.6561 0.6603 0.6649 0.6697 0.6748 0.6802 0.6859
240 0.6430 0.6456 0.6486 0.6519 0.6555 0.6595 0.6638 0.6683 0.6732 0.6784 0.6839 0.6896
250 0.6463 0.6490 0.6520 0.6554 0.6591 0.6631 0.6674 0.6720 0.6770 0.6822 0.6877 0.6935
260 0.6497 0.6525 0.6556 0.6590 0.6628 0.6668 0.6712 0.6759 0.6809 0.6861 0.6917 0.6975
270 0.6534 0.6563 0.6594 0.6629 0.6667 0.6708 0.6752 0.6800 0.6850 0.6903 0.6959 0.7018
280 0.6573 0.6602 0.6634 0.6670 0.6708 0.6750 0.6795 0.6842 0.6893 0.6947 0.7003 0.7062
290 0.6614 0.6644 0.6676 0.6712 0.6751 0.6794 0.6839 0.6887 0.6938 0.6992 0.7049 0.7108
300 0.6657 0.6687 0.6720 0.6757 0.6796 0.6839 0.6885 0.6933 0.6985 0.7039 0.7096 0.7156
310 0.6702 0.6732 0.6766 0.6803 0.6843 0.6886 0.6933 0.6981 0.7033 0.7088 0.7145 0.7205
320 0.6749 0.6780 0.6814 0.6852 0.6892 0.6936 0.6982 0.7031 0.7084 0.7139 0.7196 0.7257
330 0.6797 0.6829 0.6864 0.6902 0.6943 0.6987 0.7033 0.7083 0.7136 0.7191 0.7249 0.7309
340 0.6847 0.6880 0.6915 0.6953 0.6995 0.7039 0.7086 0.7137 0.7189 0.7245 0.7303 0.7364
350 0.6900 0.6932 0.6968 0.7007 0.7049 0.7094 0.7141 0.7192 0.7245 0.7301 0.7359 0.7420

249
 CT 0.052 0.054 0.056 0.058 0.06
Perco

10 0.6636 0.6685 0.6736 0.6790 0.6847

20 0.6626 0.6675 0.6727 0.6783 0.6840
30 0.6618 0.6668 0.6721 0.6777 0.6836
40 0.6612 0.6663 0.6717 0.6773 0.6833
50 0.6609 0.6660 0.6715 0.6772 0.6832
60 0.6607 0.6660 0.6715 0.6773 0.6834
70 0.6608 0.6661 0.6717 0.6776 0.6838
80 0.6611 0.6665 0.6722 0.6782 0.6844
90 0.6617 0.6671 0.6729 0.6789 0.6852
100 0.6624 0.6679 0.6738 0.6799 0.6862
110 0.6634 0.6690 0.6749 0.6810 0.6875
120 0.6646 0.6703 0.6762 0.6824 0.6889
130 0.6660 0.6717 0.6778 0.6841 0.6906
140 0.6677 0.6735 0.6795 0.6859 0.6925
150 0.6695 0.6754 0.6815 0.6879 0.6946
160 0.6716 0.6775 0.6837 0.6901 0.6969
170 0.6739 0.6798 0.6861 0.6926 0.6994
180 0.6764 0.6824 0.6887 0.6952 0.7021
190 0.6791 0.6851 0.6915 0.6981 0.7050
200 0.6820 0.6881 0.6945 0.7011 0.7080
210 0.6851 0.6913 0.6977 0.7044 0.7113
220 0.6884 0.6946 0.7011 0.7078 0.7148
230 0.6919 0.6982 0.7047 0.7115 0.7185
240 0.6956 0.7019 0.7085 0.7153 0.7223
250 0.6995 0.7059 0.7125 0.7193 0.7264
260 0.7036 0.7100 0.7166 0.7235 0.7306
270 0.7079 0.7143 0.7210 0.7279 0.7350
280 0.7124 0.7188 0.7255 0.7324 0.7396
290 0.7170 0.7235 0.7302 0.7371 0.7443
300 0.7218 0.7283 0.7350 0.7420 0.7492
310 0.7268 0.7333 0.7401 0.7471 0.7543
320 0.7319 0.7385 0.7453 0.7523 0.7595
330 0.7373 0.7438 0.7506 0.7577 0.7649
340 0.7427 0.7493 0.7561 0.7632 0.7705
350 0.7484 0.7550 0.7618 0.7689 0.7762

250
Annexe 27 : Abaque permettant la détermination du logarithme de la valeur à ajouter
et à soustraire du logarithme du MAM7 spécifique pour une période de retour de
cinquante ans (intervalle de confiance)

CT
0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 0.022 0.024 0.026
Perco
10 0.7812 0.7768 0.7728 0.7692 0.7660 0.7631 0.7607 0.7588 0.7572 0.7561 0.7554 0.7551 0.7552
20 0.7776 0.7733 0.7693 0.7658 0.7627 0.7599 0.7576 0.7557 0.7543 0.7532 0.7526 0.7524 0.7526
30 0.7743 0.7700 0.7661 0.7627 0.7596 0.7570 0.7548 0.7530 0.7516 0.7506 0.7501 0.7500 0.7503
40 0.7712 0.7670 0.7632 0.7598 0.7569 0.7543 0.7522 0.7505 0.7492 0.7483 0.7479 0.7479 0.7483
50 0.7683 0.7642 0.7605 0.7572 0.7544 0.7519 0.7499 0.7482 0.7470 0.7463 0.7460 0.7461 0.7466
60 0.7658 0.7618 0.7581 0.7549 0.7521 0.7498 0.7478 0.7463 0.7452 0.7445 0.7443 0.7445 0.7451
70 0.7635 0.7595 0.7560 0.7529 0.7502 0.7479 0.7461 0.7446 0.7436 0.7431 0.7429 0.7432 0.7440
80 0.7615 0.7576 0.7542 0.7511 0.7485 0.7463 0.7446 0.7432 0.7423 0.7419 0.7418 0.7422 0.7431
90 0.7597 0.7559 0.7526 0.7497 0.7471 0.7450 0.7434 0.7421 0.7413 0.7410 0.7410 0.7415 0.7425
100 0.7582 0.7546 0.7513 0.7485 0.7460 0.7440 0.7425 0.7413 0.7406 0.7404 0.7405 0.7411 0.7422
110 0.7570 0.7535 0.7503 0.7475 0.7452 0.7433 0.7418 0.7408 0.7402 0.7400 0.7403 0.7410 0.7421
120 0.7561 0.7526 0.7496 0.7469 0.7447 0.7429 0.7415 0.7406 0.7401 0.7400 0.7403 0.7411 0.7424
130 0.7555 0.7521 0.7491 0.7466 0.7444 0.7427 0.7414 0.7406 0.7402 0.7402 0.7407 0.7416 0.7429
140 0.7551 0.7518 0.7490 0.7465 0.7445 0.7429 0.7417 0.7409 0.7406 0.7408 0.7413 0.7423 0.7437
150 0.7551 0.7519 0.7491 0.7467 0.7448 0.7433 0.7422 0.7416 0.7413 0.7416 0.7422 0.7433 0.7449
160 0.7553 0.7522 0.7495 0.7472 0.7454 0.7440 0.7430 0.7425 0.7423 0.7427 0.7434 0.7446 0.7462
170 0.7557 0.7527 0.7502 0.7480 0.7463 0.7450 0.7441 0.7436 0.7436 0.7441 0.7449 0.7462 0.7479
180 0.7565 0.7536 0.7511 0.7491 0.7474 0.7462 0.7455 0.7451 0.7452 0.7457 0.7467 0.7481 0.7499
190 0.7576 0.7548 0.7524 0.7504 0.7489 0.7478 0.7471 0.7469 0.7471 0.7477 0.7487 0.7502 0.7521
200 0.7589 0.7562 0.7539 0.7521 0.7506 0.7496 0.7490 0.7489 0.7492 0.7499 0.7510 0.7526 0.7546
210 0.7605 0.7579 0.7557 0.7540 0.7526 0.7517 0.7513 0.7512 0.7516 0.7524 0.7536 0.7553 0.7574
220 0.7624 0.7599 0.7578 0.7561 0.7549 0.7541 0.7537 0.7538 0.7543 0.7552 0.7565 0.7583 0.7604
230 0.7645 0.7621 0.7602 0.7586 0.7575 0.7568 0.7565 0.7566 0.7572 0.7582 0.7596 0.7615 0.7637
240 0.7669 0.7646 0.7628 0.7613 0.7603 0.7597 0.7595 0.7598 0.7604 0.7615 0.7630 0.7650 0.7673
250 0.7696 0.7674 0.7657 0.7643 0.7634 0.7629 0.7628 0.7632 0.7639 0.7651 0.7667 0.7687 0.7711
260 0.7726 0.7705 0.7688 0.7676 0.7668 0.7664 0.7664 0.7668 0.7677 0.7689 0.7706 0.7727 0.7752
270 0.7758 0.7738 0.7723 0.7711 0.7704 0.7701 0.7702 0.7707 0.7717 0.7730 0.7748 0.7770 0.7796
280 0.7793 0.7774 0.7759 0.7749 0.7743 0.7741 0.7743 0.7749 0.7759 0.7774 0.7792 0.7815 0.7841
290 0.7830 0.7812 0.7799 0.7789 0.7784 0.7783 0.7786 0.7793 0.7804 0.7819 0.7839 0.7862 0.7890
300 0.7870 0.7853 0.7841 0.7832 0.7828 0.7828 0.7831 0.7839 0.7852 0.7868 0.7888 0.7912 0.7940
310 0.7912 0.7897 0.7885 0.7878 0.7874 0.7875 0.7880 0.7888 0.7901 0.7918 0.7939 0.7964 0.7993
320 0.7957 0.7942 0.7932 0.7925 0.7923 0.7924 0.7930 0.7940 0.7954 0.7971 0.7993 0.8019 0.8049
330 0.8004 0.7990 0.7981 0.7975 0.7974 0.7976 0.7983 0.7994 0.8008 0.8027 0.8049 0.8076 0.8106
340 0.8054 0.8041 0.8032 0.8028 0.8027 0.8031 0.8038 0.8050 0.8065 0.8084 0.8108 0.8135 0.8166
350 0.8105 0.8094 0.8086 0.8083 0.8083 0.8087 0.8095 0.8108 0.8124 0.8144 0.8168 0.8196 0.8228

251
 CT
0.028 0.03 0.032 0.034 0.036 0.038 0.04 0.042 0.044 0.046 0.048 0.05
Perco

10 0.7558 0.7568 0.7582 0.7600 0.7623 0.7649 0.7680 0.7715 0.7754 0.7797 0.7843 0.7894
20 0.7533 0.7544 0.7559 0.7579 0.7602 0.7630 0.7662 0.7698 0.7737 0.7781 0.7829 0.7880
30 0.7511 0.7523 0.7539 0.7560 0.7584 0.7613 0.7646 0.7683 0.7724 0.7769 0.7817 0.7870
40 0.7492 0.7505 0.7522 0.7544 0.7569 0.7599 0.7633 0.7671 0.7713 0.7759 0.7808 0.7862
50 0.7476 0.7490 0.7508 0.7530 0.7557 0.7588 0.7623 0.7662 0.7704 0.7751 0.7802 0.7857
60 0.7462 0.7477 0.7496 0.7520 0.7547 0.7579 0.7615 0.7655 0.7699 0.7747 0.7798 0.7854
70 0.7451 0.7467 0.7488 0.7512 0.7541 0.7573 0.7610 0.7651 0.7696 0.7745 0.7798 0.7854
80 0.7443 0.7460 0.7482 0.7507 0.7537 0.7571 0.7608 0.7650 0.7696 0.7746 0.7800 0.7857
90 0.7438 0.7456 0.7479 0.7505 0.7536 0.7570 0.7609 0.7652 0.7699 0.7750 0.7804 0.7862
100 0.7436 0.7455 0.7478 0.7506 0.7537 0.7573 0.7613 0.7657 0.7705 0.7756 0.7811 0.7871
110 0.7437 0.7457 0.7481 0.7509 0.7542 0.7579 0.7619 0.7664 0.7713 0.7765 0.7822 0.7881
120 0.7440 0.7461 0.7486 0.7516 0.7549 0.7587 0.7629 0.7674 0.7724 0.7777 0.7834 0.7895
130 0.7447 0.7469 0.7495 0.7525 0.7560 0.7598 0.7641 0.7687 0.7738 0.7792 0.7850 0.7911
140 0.7456 0.7479 0.7506 0.7537 0.7572 0.7612 0.7655 0.7703 0.7754 0.7809 0.7868 0.7930
150 0.7468 0.7492 0.7520 0.7552 0.7588 0.7629 0.7673 0.7721 0.7773 0.7829 0.7888 0.7952
160 0.7483 0.7508 0.7537 0.7570 0.7607 0.7648 0.7693 0.7742 0.7795 0.7852 0.7912 0.7976
170 0.7501 0.7526 0.7556 0.7590 0.7628 0.7670 0.7716 0.7766 0.7819 0.7877 0.7938 0.8002
180 0.7521 0.7548 0.7578 0.7613 0.7652 0.7695 0.7742 0.7792 0.7847 0.7905 0.7966 0.8032
190 0.7544 0.7572 0.7603 0.7639 0.7679 0.7722 0.7770 0.7821 0.7876 0.7935 0.7997 0.8063
200 0.7570 0.7598 0.7631 0.7667 0.7708 0.7752 0.7801 0.7853 0.7909 0.7968 0.8031 0.8098
210 0.7599 0.7628 0.7661 0.7698 0.7740 0.7785 0.7834 0.7887 0.7943 0.8004 0.8067 0.8134
220 0.7630 0.7660 0.7694 0.7732 0.7774 0.7820 0.7870 0.7923 0.7981 0.8041 0.8106 0.8174
230 0.7664 0.7695 0.7730 0.7769 0.7811 0.7858 0.7908 0.7963 0.8020 0.8082 0.8147 0.8215
240 0.7701 0.7732 0.7768 0.7807 0.7851 0.7898 0.7949 0.8004 0.8063 0.8125 0.8190 0.8259
250 0.7740 0.7772 0.7809 0.7849 0.7893 0.7941 0.7993 0.8048 0.8107 0.8170 0.8236 0.8305
260 0.7781 0.7815 0.7852 0.7893 0.7938 0.7986 0.8039 0.8095 0.8154 0.8217 0.8284 0.8354
270 0.7826 0.7859 0.7897 0.7939 0.7985 0.8034 0.8087 0.8144 0.8204 0.8267 0.8334 0.8405
280 0.7872 0.7907 0.7945 0.7988 0.8034 0.8084 0.8137 0.8195 0.8255 0.8319 0.8387 0.8458
290 0.7921 0.7957 0.7996 0.8039 0.8086 0.8136 0.8190 0.8248 0.8309 0.8374 0.8442 0.8513
300 0.7973 0.8009 0.8049 0.8092 0.8140 0.8191 0.8245 0.8303 0.8365 0.8430 0.8498 0.8570
310 0.8026 0.8063 0.8104 0.8148 0.8196 0.8247 0.8303 0.8361 0.8423 0.8489 0.8557 0.8629
320 0.8082 0.8120 0.8161 0.8206 0.8254 0.8306 0.8362 0.8421 0.8484 0.8549 0.8618 0.8691
330 0.8140 0.8178 0.8220 0.8266 0.8315 0.8367 0.8423 0.8483 0.8546 0.8612 0.8681 0.8754
340 0.8201 0.8239 0.8282 0.8328 0.8377 0.8430 0.8487 0.8547 0.8610 0.8677 0.8746 0.8819
350 0.8263 0.8302 0.8345 0.8392 0.8442 0.8495 0.8553 0.8613 0.8677 0.8743 0.8813 0.8887

252
 CT 0.052 0.054 0.056 0.058 0.06
Perco

10 0.7948 0.8006 0.8067 0.8132 0.8201

20 0.7936 0.7995 0.8057 0.8123 0.8192
30 0.7926 0.7986 0.8049 0.8116 0.8186
40 0.7919 0.7980 0.8044 0.8112 0.8183
50 0.7915 0.7976 0.8042 0.8111 0.8183
60 0.7913 0.7976 0.8042 0.8112 0.8185
70 0.7914 0.7978 0.8045 0.8115 0.8189
80 0.7918 0.7982 0.8050 0.8122 0.8196
90 0.7924 0.7990 0.8058 0.8131 0.8206
100 0.7933 0.8000 0.8069 0.8142 0.8219
110 0.7945 0.8012 0.8083 0.8156 0.8233
120 0.7959 0.8027 0.8099 0.8173 0.8251
130 0.7976 0.8045 0.8117 0.8192 0.8271
140 0.7996 0.8065 0.8138 0.8214 0.8293
150 0.8018 0.8088 0.8162 0.8238 0.8318
160 0.8043 0.8114 0.8188 0.8265 0.8346
170 0.8070 0.8142 0.8217 0.8295 0.8376
180 0.8100 0.8172 0.8248 0.8326 0.8408
190 0.8133 0.8205 0.8281 0.8360 0.8443
200 0.8168 0.8241 0.8317 0.8397 0.8480
210 0.8205 0.8279 0.8356 0.8436 0.8519
220 0.8245 0.8319 0.8397 0.8477 0.8561
230 0.8287 0.8362 0.8440 0.8521 0.8605
240 0.8331 0.8406 0.8485 0.8566 0.8651
250 0.8378 0.8454 0.8533 0.8614 0.8699
260 0.8427 0.8503 0.8582 0.8665 0.8750
270 0.8478 0.8555 0.8634 0.8717 0.8803
280 0.8531 0.8608 0.8688 0.8771 0.8857
290 0.8587 0.8664 0.8745 0.8828 0.8914
300 0.8645 0.8722 0.8803 0.8886 0.8973
310 0.8704 0.8782 0.8863 0.8947 0.9034
320 0.8766 0.8844 0.8925 0.9009 0.9096
330 0.8830 0.8908 0.8990 0.9074 0.9161
340 0.8895 0.8974 0.9056 0.9140 0.9227
350 0.8963 0.9042 0.9124 0.9208 0.9296

253