Memoire Online - Approche multicritère pour l'implantation d'éoliennes au Liban

Je tiens à remercier Madame Malika Madelin, pour avoir accepté d'encadrer mon sujet. Je la remercie énormément pour avoir toujours pris le temps de répondre à mes questions et pour ses précieux conseils techniques et scientifiques, qui m'ont permis d'approfondir mes connaissances et de mener à bout mon mémoire. Je vous remercie pour votre patience envers moi.

Merci également à Monsieur Vincent Viel pour avoir accepté de participer à l'évaluation de mon mémoire.

Merci infiniment à Dr. Laurence Charbel pour son aide et pour toutes les données et documents qu'elle a mis à ma disposition. Merci pour vos encouragements et soutiens tout au long de mon parcours universitaire, c'est ce qui m'a motivé à aller plus loin. Merci également à Dr. Myriam Makké pour sa gentillesse et pour m'avoir fourni des documents et beaucoup d'informations.

Merci à tous mes professeurs du département de géographie à l'Université Libanaise qui ont toujours cru en moi et particulièrement Dr. Suheil Awwad.

À tous mes amis(e), merci d'avoir toujours été à mes côtés, merci à mes camarades de TGAE en particulier Bambo, David, Franck, Julenni, Lucie et Tanguy, merci pour votre humour, pour les discussions et aides constructives que vous m'apportez chaque jour.

Merci Hoda pour ton soutien unique durant tout mon parcours et merci d'avoir passé à corriger et relire mon mémoire pendant tes moindres temps libres. Merci également Lucie, Jean et Marianne pour toutes les corrections que vous m'avez apportées.

Finalement mes profonds remerciements à ma famille, particulièrement mon grand-père Samir, mes parents Jihane et Charbel, ma soeur Mariam et mon frère Christian, merci de m'avoir toujours soutenu, grâce à vous je suis la personne que je suis aujourd'hui, merci infiniment.

Résume

Notre étude propose une solution durable pour le problème de l'électricité au Liban. L'utilisation significative des énergies renouvelables et la forte dépendance aux combustibles fossiles nous ont conduits à proposer le développement de l'énergie éolienne. Les Systèmes d'Informations Géographiques (SIG) ont été largement utilisés pour identifier les emplacements éoliens appropriés. Dans cette étude, nous avons développé une approche multicritère que nous avons intégrée aux SIG pour identifier les zones les plus aptes à l'échelle nationale. En l'absence de législations liées aux éoliennes, notre premier but était de mettre en place des normes d'implantation. Nous avons extrait neuf contraintes de la littérature scientifique traitant la même thématique, où il est strictement interdit d'implanter des éoliennes, et cinq critères de classement de façon à quelles soient le plus adaptées aux caractéristiques du Liban. Au début, nous avons masqué toutes les zones contraintes. Ensuite, nous avons utilisé une des méthodes de l'analyse multicritère pour déterminer le poids des facteurs. La carte finale a été dressée par une superposition pondérée des couches thématiques. Les sites potentiels forment ~3% du territoire libanais et sont situés surtout au nord (Akkar), au sud (Marjayoun) et au centre de la plaine de Bekaa. Cette méthode reste modifiable pour répondre aux exigences des experts et du terrain.

Our study proposes a durable solution for the electricity problem in Lebanon. The insignificant reliance on renewable energy in Lebanon as well as the high dependence on fossil fuels prompted us to develop wind energy. Geographic Information Systems (GIS) have been widely used to identify appropriate wind sites. In this study, we developed a multi-criteria approach combined with GIS to identify the most suitable areas at a national level. In the absence of legislation related to wind turbines, our first goal was to set up implementation standards. We extracted from the scientific literature dealing with the same subject matter nine constraints where it is strictly forbidden to implant the wind turbines and five criteria of classification, suited to specific country requirements. At first, we hid all the constrained. Then, a multicriteria analysis method is used to determine the weight of each factor. Finally, the final map was modeled by a weighted superposition of the thematic layers. The potential sites make up ~ 3% of the Lebanese territory. These sites are located mainly in the north (Akkar), south (Marjayoun) and in the vicinity center of Bekaa valley. This method can be modified to be in line with expert requirements as well as land restrictions.

ALMEE. Association Libanaise pour la Maitrise de l'Energie et pour l'Environnement

CEDRO. Country Energy Efficiency and Renewable Energy Demonstration Project for the Recovery of

INTRODUCTION ET PROBLÉMATIQUE

La mise en place des politiques énergétiques par les autorités internationales est le produit de multiples évènements [Godinot, 2011] : (a) les tensions géopolitiques, ayant débuté en 1973 par le premier choc pétrolier, ont eu comme conséquence une hausse brutale du prix du pétrole. (b) L'augmentation de la demande en ressources énergétiques, à la suite des développements industriels et de la croissance démographique, a engendré la question de la durabilité des ressources fossiles et la nécessité de trouver des ressources alternatives inépuisables [Paillard, 2011]. (c) Depuis les années quatre-vingt-dix, des groupes placés sous l'égide des nations élaborent des rapports scientifiques sur le changement climatique. Ainsi, les états membres des nations unies se mobilisent contre le réchauffement climatique par des rencontres lors des « sommets de la terre ». Ils cherchent depuis le sommet de Copenhague (2009) à limiter le réchauffement climatique à 2^o C. Cet objectif peut être atteint en réduisant les émissions de gaz à effet de serre, dont le secteur énergétique est le principal contributeur [Marillier, 2007]. En conséquence, de nombreux pays travaillent pour remplacer les énergies non renouvelables : fuel, charbon, uranium, etc. [Stoyanov, 2011], par un système d'énergie durable défini par Alanne et Saari [2006] comme étant un système capable de générer de l'énergie suffisante, propre, fiable, durable et à un prix abordable [El-Fadel et al., 2010].

Les énergies renouvelables sont des énergies inépuisables à l'échelle du temps humain [Bal et Chabot, 2001]. La production de l'électricité par de l'énergie alternative, surtout du vent, connait un véritable essor et un développement rapide par rapport à la production de l'électricité par l'énergie fossile, en particulier dans les pays émergents [Ibid.]. Selon le rapport du Global Wind Energy Council (GWEC) publié en 2016, la puissance cumulée de l'énergie éolienne au monde était de 23 900 MegaWatt¹ (MW) en 2001, 120 700 MW en 2008 et arrive à 486 800 MW en 2016 (Figure 1).

¹ Le MegaWatt (MW) correspond à l'unité de mesure de la puissance installée (théorique), c'est la valeur maximale de travail que peut fournir une machine. Le Mégawattheure correspond à l'unité de mesure de l'énergie consommée ou produite par unité de temps (l'unité du système international s'exprime en joule par seconde) [Lopez, 2008].

Ainsi pour calculer la consommation ou la production par heure : Wh (l'énergie) = W (puissance) X h (période en heure).

Figure 1 : Évolution de la puissance cumulée de l'énergie éolienne mondiale (en MW) entre

Jusqu'à la fin du 19^ème siècle, les moulins à vent étaient utilisés pour pomper l'eau. Depuis, l'idée de produire de l'électricité par la force du vent est apparue. Plusieurs tentatives ont été mises en place, et en 1888 des moulins en bois équipés de 144 lames ont réussi à produire de l'électricité aux États-Unis [Rapin et Noël, 2010]. En 1891, l'électricien Paul La Cour propose le premier moulin moderne, il réduit le nombre de pales d'abord à 4 puis l'augmente à 6. Cela a permis d'augmenter la vitesse de rotation, ce qui fut une évolution notable pour l'industrie éolienne [Ibid.].

L'énergie éolienne est une forme indirecte d'énergie solaire, le vent provient de la variation du rayonnement solaire et de la température entre l'équateur et les pôles. Les variations de la température créent une différence de pressions atmosphériques entre lesquelles se déplacent les masses d'air. On nomme énergie éolienne le fait de capter le déplacement de l'air à l'aide de moyens mécaniques afin de le convertir en force motrice [Riolet, 2010].

C'est une énergie à haute technologie, essentiellement produite dans les pays industrialisés et émergents (Chine, États-Unis, Allemagne, Inde). Nous pouvons estimer d'après la Figure 2 que le plus grand producteur d'énergie éolienne est l'Union européenne.

Le progrès technique et scientifique cherche à atténuer l'impact négatif et augmenter l'efficacité énergétique de l'aérogénérateur afin de concurrencer les autres énergies, en particulier les énergies fossiles. Il s'agit principalement d'améliorations au niveau de la taille, du rendement, du comportement et de la productivité d'une machine. Par exemple, les récents travaux sur l'aérodynamisme des pales, ainsi que les nouveaux choix de matériaux et de composants électroniques ont permis de réduire drastiquement le bruit émis par les pales par rapport aux premiers modèles [Rapin et Noël, 2010]. Par ailleurs, les règlementations actuelles imposent d'étudier l'impact sonore sur place en fonction de la taille et du nombre d'éoliennes, et de garder une certaine distance à l'aérogénérateur le plus proche. « Pour tout projet éolien, une étude d'impact et des critères de l'implantation d'éoliennes devrait être menée. Cette étude analyse les milieux naturels existants, l'incidence de l'aménagement sur la faune et la flore et l'impact sur le paysage et le patrimoine en milieu rural, ainsi que l'étude des critères d'implantation d'éoliennes comme le risque sismique, le risque de glissement du sol et la proximité des centrales électriques aux sites sélectionnés » [Zohbi, 2014].

L'exploitation de l'énergie éolienne demande donc une connaissance des conditions venteuses, variables spatialement et temporellement. Le vent est connu globalement à l'échelle de la planète, et se déplace des zones de hautes pressions (anticyclones) vers les zones de basses pressions (dépressions). Localement, ce phénomène est plus complexe, car le vent peut être influencé par la topographie, la proximité aux plans d'eau et la rugosité du terrain.

Le Liban est un pays du Moyen-Orient. Il s'étend du sud-ouest vers le nord-est tout au long de la côte est du bassin méditerranéen (Figure 3). Sa superficie est de 10 450 km² [Ramadan et al., 2012]. Il est situé entre 33°54' et 34°40' de latitude nord et entre 35°31' et 36°30' de longitude est. Ainsi, il occupe une position charnière entre la circulation atmosphérique tempérée et la circulation atmosphérique tropicale [Blanchet, 1965]. Il partage ses frontières avec la Syrie au nord et à l'est, et la Palestine au sud. Le Liban est confronté quotidiennement à des crises du point de vue de la gestion de l'électricité, et le secteur énergétique souffre d'une défaillance au niveau de l'offre par rapport à la demande [Amatoury, 2014].

Source de fond de carte : Esri, DigitalGlobe, GeoEye, Earthstar Geographics CNES/Airbus DS, USDA, USGS, AeroGRID, IGN, and the GIS

Le Liban est un pays à forte densité de population [Sanlaville, 1969], il compte environ 5,8 millions d'habitants [la banque mondiale, 2015].

Afin de répartir alternativement le courant dans les différentes régions du pays, l'électricité n'est disponible qu'à certaines heures de la journée. Cette situation dure depuis plus de dix ans, s'est aggravée pendant les dernières années et les différents régimes en place se sont avérés incapables de la résoudre. Dans ce contexte, le développement de l'énergie renouvelable au Liban s'impose comme une des solutions à la défaillance énergétique.

À la suite du sommet de Copenhague en 2009, le gouvernement libanais s'est fixé un objectif pour 2020 : produire 12% de l'électricité avec de l'énergie renouvelable. L'Électricité Du Liban (EDL), l'entreprise publique nationale, estime qu'en 2016, 3% de l'électricité du pays était issue des énergies renouvelables. Ce secteur est devenu un défi pour l'état libanais qui a cherché à plusieurs reprises à proposer des politiques de réforme mais aucun plan n'a vu le jour. Le Ministère de l'Énergie et de L'Eau a établi un plan en 2010, puis en 2017 afin d'améliorer ce secteur et augmenter la production de l'électricité, afin de la distribuer 24h/24 à tout le pays. Ce plan inclut à long terme le développement des énergies renouvelables telles que le solaire, l'éolien, la biomasse, etc.

Dans ce travail, nous proposons d'étudier l'énergie du vent comme source d'électricité supplémentaire afin de résoudre l'insuffisance énergétique du Liban. Le défi majeur pour développer cette énergie consiste à trouver les sites les plus adéquats à la réussite d'un projet.

L'énergie éolienne au Liban n'est pas encore exploitée, mais différentes études estiment que le pays se prête à ce type de production énergétique, du moins pour certaines régions. Le calcul

du paramètre de distribution de Weibull² pour trois sites d'étude dans les travaux d'Elkhoury et al. [2010] a montré un faible potentiel éolien bien qu'ils proposent d'implanter de petites éoliennes pour soutenir la consommation d'électricité pendant les heures de pointe. Plus récemment, le projet Country Energy Efficiency and Renewable Energy Demonstration Project for the Recovery of Lebanon (CEDRO) de l'United Nations Development Programme (UNDP), mis en place en 2010, a permis la création en octobre 2012 d'un atlas du potentiel éolien montrant des possibilités de production d'énergie éolienne surtout au nord et au sud-est du Liban, notamment à Akkar (nord) et Jabal el-Cheikh (sud-est) pour une puissance produite estimée à 1,5 GW (Figure 4).

Les régions entourées délimitent les zones les plus favorables à l'énergie éolienne, il s'agit de Akkar au nord et de Jabal el-Cheikh au sud-est

² Le paramètre de Weibull estime la distribution annuelle de la fréquence de la vitesse du vent sur un site d'étude.

D'autres auteurs, comme Al Zohbi et al. [2014, 2015] ont évalué le potentiel éolien en utilisant les différentes méthodes de la distribution de Weibull, et leurs résultats ont montré un potentiel éolien important pour l'implantation d'un parc à Marjayoun, Daher El Baidar, Qaraoun, Cèdres et Klaiaat (Figure 4).

La faisabilité d'un projet éolien ne dépend pas uniquement du vent : le site le plus venteux n'est pas nécessairement le plus favorable à l'implantation d'un parc éolien. Il peut être confronté à des législations et contraintes économiques, sociales ou environnementales, telles que l'interdiction d'établir une ferme éolienne sur une zone protégée. Ainsi l'étude du potentiel éolien du Liban se prête particulièrement à une analyse multicritère, que nous nous proposons de réaliser ici.

De ce fait, les questions suivantes se posent : sur quels critères allons-nous évaluer les sites optimaux à l'installation d'éoliennes ? Quelles seront les limites les plus adaptées à notre terrain d'étude ? Comment hiérarchiser les facteurs choisis ? Où seront situés les sites potentiels pour l'implantation d'éoliennes ? Et enfin, est-ce que la superficie résultante sera-t-elle assez conséquente pour le développement de l'énergie éolienne au Liban ?

Aujourd'hui, les études concernant l'aménagement et la gestion d'un territoire pour l'installation d'éoliennes utilisent de plus en plus souvent des logiciels informatiques qui permettent un traitement de données issues de sources très diverses. Il s'agit surtout de logiciels de traitement et d'analyse de données qui permettent de trouver les sites les plus aptes à l'implantation d'éoliennes, comme les logiciels de SIG ou encore les logiciels Big data analytics, WAsP, DeltaLog10 Base, etc. [Zohbi, 2014].

Dans notre étude, nous avons choisi de traiter une multitude de critères répondant aux exigences propres du terrain de l'étude : exigences environnementales (proximités aux réserves, rivières, etc.), exigences sociales (proximité aux zones urbanisées, places historiques, etc.) et exigences techniques (proximité aux routes, la pente, etc.). Il était donc nécessaire d'intégrer un logiciel de traitement et d'analyse de données à référence spatiale. Les SIG (Systèmes d'Informations Géographiques) répondent à ce besoin.

Thériault (1992), cité par [Prélaz-Droux, 1995], définit les SIG comme « un ensemble de principes, de méthodes, d'instruments et de données à référence spatiale, utilisé pour saisir, conserver, transformer, analyser, modéliser, simuler et cartographier les phénomènes et les processus distribués dans l'espace géographique. Les données sont analysées afin de produire l'information nécessaire pour aider les décideurs ». De nombreuses études ont associé les SIG à des thématiques liées à l'énergie éolienne [Hansen, 2005 ; Mari et al., 2011 ; Abdelaziz et al., 2012 ; Sánchez-Lozano et al., 2016 ; Gigoviæ et al., 2017]. Les capacités des SIG facilitent le travail des décideurs pour identifier des sites potentiels à l'implantation d'éoliennes, et permettent d'économiser du temps et de réduire les coûts financiers d'un projet [Mari et al., 2011].

Dans ce contexte, l'objectif principal de notre étude est d'élaborer une méthode d'analyse multicritère intégrée dans les SIG, pour la prospection d'espaces adaptés à l'installation éventuelle d'éoliennes et contribuer ainsi à l'amélioration de l'électricité au Liban.

Le premier chapitre comporte une synthèse bibliographique des études les plus récentes en rapport avec des projets éoliens dans le monde. Cette partie décrit en outre la situation de l'électricité au Liban, et donne un aperçu global sur les conditions venteuses du pays. Elle se compose de deux états de l'art, un qui vise à identifier les critères utilisés par les auteurs qui ont traité de la même thématique, et l'autre qui détaille les méthodes suivies pour la combinaison entre les systèmes d'informations géographiques (SIG) et l'analyse multicritère.

Le deuxième chapitre présente un récapitulatif et une description des facteurs et des données environnementaux, sociaux et techniques, à partir desquels nous évaluerons le potentiel éolien du pays. Enfin nous proposons une méthodologie selon une approche multicritère, dans les SIG, pour répondre à la problématique de notre étude. La méthode consiste à garder par élimination les sites les plus optimaux.

Le dernier chapitre présente les sites potentiels pour l'installation d'éoliennes et est suivi d'une discussion sur la pertinence et l'adaptabilité des critères choisis.

CHAPITRE I L'ÉNERGIE ÉOLIENNE COMME SOUTIEN AU RÉSEAU ÉLECTRIQUE

Au cours des dernières années, l'énergie éolienne a fait preuve d'une fiabilité et d'une puissance à générer de l'électricité. Dans cette étude, nous proposons l'énergie de type éolienne comme support au secteur énergétique pour diminuer les heures de rationnement d'électricité publique au Liban. Nous commençons par une description de la situation du secteur de l'électricité au Liban. Puisque le vent est la ressource première de l'énergie éolienne, et qu'il n'est pas homogène sur un même territoire, nous évoquerons les conditions venteuses du pays dans une deuxième partie. Nous terminerons ce chapitre par une synthèse des publications scientifiques traitant l'approche multicritère couplée avec les SIG pour la recherche des sites potentiels à la prospection d'un projet éolien.

1. Situation de l'électricité au Liban

Jusqu'en 1975, l'Électricité Du Liban (EDL) était capable de vendre son électricité à d'autres pays, en l'occurrence la Syrie. Mais depuis, le Liban est loin d'avoir une autosuffisance en raison de la destruction des infrastructures causées par diverses guerres internes et externes, en plus des fraudes et du vol de courant [Verdeil, 2010]. C'était l'une des causes de la guerre civile puisque l'énergie est mal répartie à l'échelle du pays en termes de qualité de service et notamment la gestion du rationnement de l'alimentation du courant électrique [Ibid.]. Les Libanais sont victimes de fortes pénuries de courant et endurent des coupures quotidiennes d'électricité. Beyrouth, la capitale du Liban est plus favorisée à ce jour, puisqu'elle a des coupures de courant significatives.

Aujourd'hui, l'augmentation de la population selon la banque mondiale de plus de 3 millions en 1995 à plus de à 5,8 millions en 2015, et les mouvements de masses d'immigrés suite aux conflits dans la région, ont augmenté le besoin en électricité. Le Ministre de l'Énergie estime une augmentation de 490 MW avec la présence des réfugiés syriens sur le territoire libanais [Ministère de l'Énergie et de l'Eau, Direction générale des ressources hydrauliques et électriques, 2016]. Cette forte demande entraine des coupures d'électricité de 3 à 10 heures par jour dans la plupart des régions libanaises, d'où le besoin d'avoir recours à des générateurs privés par commune ou par ménage pour combler les heures d'absence de courant. On constate alors une augmentation de la pollution atmosphérique, puisque la part la plus importante de NOx et PM toxique à la santé humaine provient en moitié de la production d'électricité par le secteur privé, et la part de SO2 provient majoritairement des centrales électriques [Waked, 2012].

1.1 Production de l'électricité

L'EDL est un établissement public à caractère industriel et commercial dirigé par le Ministère de l'Eau et de l'Énergie, et créé par le décret 16878 du 10 juillet 1964. Il est en charge de la production, la transmission et la distribution de l'énergie électrique sur tout le territoire libanais. 90% de l'énergie électrique est sous le contrôle de l'EDL et le courant est assuré en majorité par des centrales thermiques, le reste est assuré par des centrales électrohydrauliques contrôlées par l'Office National du Litani (institution publique), des concessions et des générateurs privés (EDL).

97% de l'électricité au Liban est produite par des énergies épuisables importées, il s'agit du fioul lourd et du carburant diesel (Figure 5). Cela entraîne une dépendance territoriale qui peut être conflictuelle, ainsi que des pertes économiques et des dégâts environnementaux.

Le premier chiffre représente l'énergie fournie en MW et le deuxième le pourcentage

Économiquement, le Ministre de l'Économie et du Commerce au Liban estime que « la facture énergétique s'élève à 5 milliards de dollars américains, l'équivalent du déficit enregistré par l'État chaque année. À ce stade, la production d'un kilowattheure (kWh) d'électricité produite thermiquement coûte au Liban 255 000 livres libanaises³, alors que ce coût ne dépasse pas les 62 000 livres libanaises mondialement » [Hakim, 2016]. Cela est dû aux énergies importées, aux problèmes techniques, aux pertes dans les réseaux, aux tarifs non réétudiés depuis 1994 (EDL) et aux manques d'investissements. Jusqu'à aujourd'hui les lois (numéro 462, 288, 264 etc.) ne sont pas encore appliquées, elles permettent au secteur privé de participer à la production d'électricité et de la vendre à l'EDL. La privatisation de la production d'électricité peut générer une production supplémentaire et couvrir le déficit présent.

³ 1 500 livres libanaise (LBP) équivaut à 1 dollar US et à 0,9 euro, alors 255 000 LBP = 155,31 euro et 62 000 LBP = 37,76 euro

1.2 L'énergie renouvelable au Liban

Comme le montre la Figure 5, en 2015, 3% de l'énergie est produite par des énergies renouvelables au Liban et le reste est issu des énergies fossiles. L'énergie hydroélectrique est l'énergie renouvelable la plus utilisée dans la production d'électricité alors que le Liban a le potentiel de bénéficier d'autres ressources, notamment solaires et éoliennes [Kinab et Elkhoury, 2012]. Les énergies présentes au Liban ou qui peuvent être présentes dans le futur sont les suivantes :

- Les éoliennes : aucun projet au niveau national n'a été mis en place. Le projet CEDRO a produit l'atlas national des vents au Liban avec des cartes de vent à des hauteurs de 50 m et 80 m (Figure 4, p. 5) et a estimé un potentiel éolien égal à 1 500 MW [Garrad Hassan, 2011]. Certaines éoliennes autonomes peuvent être vues dans quelques endroits et sont habituellement à usage personnel [Kinab et Elkhoury, 2012].

- La géothermie : l'énergie présente au Liban équivaut à 10⁹ GWh soit 70 000 fois les besoins énergétiques annuels du Liban [Ministère de l'Énergie et de l'Eau, Direction générale des ressources hydrauliques et électriques, 2016]. Cette ressource ne peut être exploitée qu'à une certaine profondeur, par manque de techniques présentes à ce jour.

- L'énergie hydroélectrique : C'est l'énergie renouvelable la plus exploitée au Liban, cinq

stations hydroélectriques sont réparties sur différentes rivières [Ibid.] (Figure 6) :

Figure 6 : Répartition des centrales hydroélectriques sur les rivières du Liban

- L'énergie solaire : bien que le soleil brille près de 3000 heures par an, soit plus de 8 heures par jour en moyenne [Blanchet, 1965], cette ressource n'est exploitée qu'à 1% [LCEC, 2015]. En partenariat avec le gouvernement libanais, Beirut River Solar Snake (BRSS) a installé en 2013 le premier parc solaire. 1 MW d'électricité est produit pour soutenir EDL [LCEC, 2016]. Le projet a permis d'installer une ferme photovoltaïque (PV) sur 30 mètres de longueur au-dessus de la rivière Beyrouth (Figure 7). Par ailleurs, le secteur privé produit 20 MW à partir de 600 petits projets installés [Ibid.].

Figure 7 : Première ferme photovoltaïque du projet BRSS, mise en place en 2013 au-dessus
de la rivière Beyrouth

- La biomasse : elle peut comprendre les forêts, le bois, le papier, l'agriculture et les déchets. Ces ressources peuvent être transformées en énergie. Une étude, réalisée entre 2001 et 2015, sur une décharge de déchets située dans le quartier Burj Hammoud à Beyrouth, a estimé un potentiel de 850 GWh [Kinab et Elkhoury, 2012].

L'énergie des vagues n'est pas exploitée en raison de l'absence de houles et de marées sur les côtes méditerranéennes [ALMEE, 2015].

La situation de l'électricité au Liban remet en question les politiques actuelles de l'énergie. Il est impératif de définir et mettre en place des stratégies privilégiant le recours aux énergies renouvelables et en particulier l'énergie éolienne dont on estime un potentiel dans certaines régions au Liban.

2. Conditions venteuses du pays

L'énergie éolienne est devenue une source d'énergie pour de nombreux pays, elle dépend surtout du potentiel éolien du site d'implantation. Ce potentiel est difficile à prévoir puisqu'il n'est pas homogène sur tout le territoire.

Un contraste venteux important existe au Liban : « les vents dépendent naturellement des situations barométriques générales, mais aussi des conditions géographiques régionales : juxtaposition d'une mer tempérée et d'une masse continentale, plutôt froide l'hiver et très chaude l'été, présence de montagnes élevées parallèles à une côte presque rectiligne. Ces facteurs géographiques ont deux conséquences importantes [...], d'une part, la direction et la vitesse du vent sont variables d'une station à l'autre et d'autre part, le phénomène des brises [de mer et de montagne] se manifeste avec vigueur sur presque tout le pays » [Blanchet, 1976].

2.1 Origine et direction des masses d'air

Le Liban occupe la partie orientale du bassin méditerranéen, son climat est influencé par une forte humidité, de faibles variations des températures et l'alternance des brises locales [Blanchet, 1965]. Nous avons schématisé les différents vents et leurs origines sur la Figure 8.

Le vent qui souffle au Liban est d'origine maritime, continentale, désertique et locale [Ministère des travaux publics, 1969] :

- l'air maritime : la proximité du Liban à la mer Méditerranée lui apporte beaucoup d'air maritime ; les perturbations en Méditerranée, durant les mois de septembre jusqu'en mai apportent de l'air humide responsable des neufs mois pluvieux (Figure 9).

Figure 9 : Diagramme ombrothermique pour une station située au nord du Liban (Qartaba)

- l'air continental eurasiatique : provoqué par les anticyclones d'Eurasie. En hiver, un air froid et sec pénètre par la trouée de Homs⁴ (nord du Liban). En été, suite à une dépression qui se soude sur le Golfe arabique de l'Iran et l'Arabie jusqu'en Syrie et l'île de Chypre, l'air continental contourne l'obstacle pour arriver au Liban par la côte. Il est chaud puisqu'il change de latitude et s'approche plus de l'équateur, et un peu humide du fait de son passage au-dessus de la mer [Ministère des travaux publics, 1969].

- l'air désertique : peu fréquent, il arrive le plus souvent au Liban de l'Afrique par une dépression dite le Khamsin, c'est un air chaud et sec.

- l'air local : ou plutôt brise locale, elle comprend les brises de mer, de terre et de montagne (vent de l'est arrivant par les montagnes) générées par la différence de températures entre mer et terre. Cette différence résulte du cycle journalier lié au lever et au coucher du soleil (cycle diurne).

La présence fréquente d'un centre dépressionnaire à proximité de Chypre et du Golfe arabique modifie la trajectoire du vent pénétrant par le nord du Liban. L'air continental doit alors contourner l'obstacle [Blanchet, 1965] et la trajectoire de l'air est déviée pour atteindre le Liban par le SW et W. En l'absence de cette dépression (octobre à mai), le vent eurasiatique circule

⁴ Appelée aussi "trouée du Akkar" ou "trouée de Tripoli", c'est le col qui fait communiquer Homs (Syrie) à Tripoli (Nord du Liban).

normalement, et des fréquents et forts vents sont enregistrés au nord du Liban, circulants par la trouée de Homs (NE et NNE).

2.2 Influence de la topographie

Non seulement la situation géographique influence le vent mais structurellement, les formes du relief jouent un rôle dans la variation de la vitesse et de la direction du vent. Le Liban se caractérise de l'ouest à l'est par des structures parallèles (Figure 10) : la zone côtière, le Mont-Liban, la plaine de la Bekaa et l'Anti-Liban.

Figure 10 : Principaux reliefs du Liban, avec une vue en perspective du Sud du pays

Source : Réalisée à partir d'un MNT SRTM d'une résolution spatiale de 28,5 m ( earthexplorer.usgs.gov)

La zone côtière, plaine côtière de 220 km, s'allonge le long de la Méditerranée, c'est une zone avec une fréquence élevée de vents forts. Les vents dominants soufflent en grande partie du SW et minoritairement de l'E [Blanchet, 1976].

Vers l'est, la topographie s'accentue pour former le Mont-Liban culminant à 3083 m et l'Anti-Liban formant la frontière avec la Syrie. Les montagnes forment un obstacle et un abri, on trouve une forte variabilité du vent due à la topographie, à la présence de dépression (col de Daher el Baidar, Mrouj Zahlé, etc.) et à la présence de grandes vallées (Kadicha, Ibrahim, etc.) perpendiculaires au relief qui influencent la vitesse et la direction des vents. Les vents venant de la côte heurtent perpendiculairement le Mont-Liban et sont déviés dans le sens anticyclonique [Blanchet, 1965].

La plaine de la Bekaa, d'une altitude variant entre 500 et 900 m, s'allonge entre les chaînes occidentales (Mont-Liban) et les chaînes orientales (Anti-Liban). Le vent est canalisé par la structure parallèle des deux chaines montagneuses en direction SW, NE. Elle est en position d'abri par rapport à l'air maritime et continental (contourné suite à la présence de la dépression).

2.3 Données du vent

L'implantation d'un parc éolien exige un vent fort et soutenu. Les classes de vitesses des vents adoptées par l'atlas climatique du Liban [1969] sont les suivantes : calmes quand la vitesse du vent est inférieure à 2 m/s, vent faible de 2 à 5 m/s, vent modéré de 6 à 10 m/s, vent fort de 11 à 15 m/s et un vent violent au-delà des 16 m/s. Nous avons illustré sur la Figure 11 les 14 stations météorologiques avec la vitesse moyenne du vent à 10 m du sol, et la rose des vents de quelques stations.

« Le nombre de jours de vent fort est relativement important au Liban. Ce sont les stations de col ou de seuil qui ont les fréquences les plus grandes » [Blanchet, 1976], telles que Daher El Baidar (5,4 m/s) et Marjayoun (5,3 m/s) et avec une dominance du vent du NNW et du W. Les stations réparties sur la zone littorale reçoivent des vents assez élevés fréquents surtout du SW à l'exception de la station Klaiaat qui reçoit aussi des vents du NE [Ibid.]. La station des Cèdres est située dans la région montagneuse à proximité d'une vallée, elle reçoit des vents en provenance de différentes directions et enregistre une moyenne de 3,9 m/s. Les stations à l'intérieur du pays sont soit en position d'abris (Zahlé), soit elles reçoivent les vents canalisés par les cols (Rayak). L'air arrivant à Tripoli, surtout de SE, est affaibli par le relief situé au sud de la région, la vitesse moyenne enregistrée pendant 11 ans est de 2 m/s.

Figure 11 : Répartition des stations météorologiques de mesure du vent à 10 m, au Liban.
Nous avons représenté la vitesse moyenne, la direction et la fréquence du vent sous forme de

Nous avons représenté sur Figure 12 la moyenne mensuelle des mesures du vent dans les 14 stations météorologiques, elles sont enregistrées sur une période allant de 1 an à 11 ans.

Figure 12 : La variation saisonnière de la vitesse moyenne du vent (en m/s) enregistrée à
10 m dans 14 stations météorologiques au Liban

Les courbes affichent une variation saisonnière, la période avril-septembre est une période de faibles vents [Blanchet, 1976], mais nous remarquons des pics d'été dans certaines stations, surtout en juillet. Ces pics sont provoqués par des vents d'altitude qui arrivent à franchir la basse pression soudée au nord du Liban [Ministère des travaux publics, 1969]. Cet air est enregistré dans les stations des montagnes telles que Bayssour ou Daher El Baidar et s'écoule vers la plaine. La station Marjayoun enregistre des valeurs maximales en été. C'est une station de seuil qui est entourée au nord par les monts Rihan et Niha (sud de la chaîne du Mont-Liban), à l'est par le mont Hermon (sud de l'Anti-Liban) et au sud par la plaine de Marjayoun. Les vents du SW et W dominent Marjayoun et sont canalisés avec le relief vers la plaine de Bekaa, en particulier durant l'été où la plaine est surchauffée durant la journée. Marjayoun se singularise par de forts vents tout au long de l'année.

Les vents les plus forts apparaissent durant les mois de perturbations en Méditerranée entre octobre et mai. Les vents d'ouest et du sud-ouest, correspondent au régime dominant des vents forts [Blanchet, 1965]. Daher El Baidar est situé sur un col, le vent est canalisé naturellement ce qui engendre des vents forts [Blanchet, 1976]. Klaiaat et les Cèdres enregistrent des vents forts à partir d'octobre, puisque les vents entrainés par l'anticyclone d'Eurasie pénètrent le nord du Liban sans perturbation.

2.4 Distribution de Weibull

Le vent varie en permanence. Afin de déterminer les caractéristiques du vent pour un site d'exploitation, il est primordial d'effectuer des mesures météorologiques sur une longue période de temps. Mais cette opération demande du temps et un coût élevé, donc nous avons recours à des modélisations et des analyses statistiques pour estimer et évaluer les ressources du vent [Wais, 2017].

Le paramètre de Weibull est le plus utilisé dans la littérature pour caractériser le vent, il estime la distribution annuelle de la fréquence de la vitesse du vent sur un site. Il s'agit d'une méthode statistique simple qui présente une bonne concordance avec les données expérimentales et qui permet de déduire les paramètres du vent à plusieurs hauteurs [Al Zohbi et al., 2015]. Il consiste à calculer deux paramètres : le facteur d'échelle (c) et le facteur de forme (k) s'exprimant sous la forme :

k : détermine la forme de la distribution du vent c : détermine la qualité du vent (m/s)

Al Zohbi [2014], a appliqué plusieurs méthodes pour la distribution de Weibull. Le Tableau 1 résume les valeurs de k et de c obtenues par les méthodes les plus favorables. Le facteur d'échelle c est proportionnel à la vitesse du vent. Le vent est constant lorsque la valeur de k est forte, et est variable lorsque k possède une faible valeur. Alors d'après les valeurs de k, Marjayoun, Klaiaat, Faqra et Daher El Baidar sont les sites les moins fluctuants et Daher El Baidar est le site le plus venteux.

Tableau 1 : Les paramètres de Weibull calculés pour les stations de mesure du vent (m/s)

Station	V (m/s)	k	c (m/s)
Abde	2,6	1,37	2,86
Bayssour	3,4	1,53	3,78
Beyrouth	2,8	1,43	3,11
Daher El Baidar	5,4	1,95	6,07
Faqra	2,4	1,74	2,7
Hermel	3,1	1,5	3,44
Klaiaat	4,26	1,72	4,79
Les Cèdres	3,9	1,58	4,38
Marjayoun	5,3	1,77	5,96
Qaraoun	3,93	1,63	4,37
Rayak	3,6	1,61	4
Tripoli	2	1,09	2,13
Tyr	3	1,48	3,33
Zahle	2,6	1,36	2,89

La rugosité d'une surface (les villes, les forêts, etc.) affecte l'activité du vent [Abdelaziz et al., 2012]. Pour obtenir un meilleur rendement, il est préférable que la turbine soit le plus loin possible du sol [Lu et al., 2002], il est donc nécessaire de prévoir la vitesse du vent à plusieurs hauteurs. Par exemple pour un aérogénérateur de 50 m, l'estimation de la vitesse du vent doit être à la même hauteur.

La loi logarithmique est une des méthodes d'extrapolation de la vitesse des vents, l'équation s'exprime par :

Z2 : la hauteur vers laquelle V1 sera extrapolée V1 : est la vitesse à la hauteur Z1

Le Tableau 2 regroupe les vitesses moyennes à 30 m, 50 m et 100 m calculées par Zohbi [2014], nous pouvons constater que la vitesse du vent augmente avec l'altitude [Soulouknga et al., 2016].

Tableau 2 : La vitesse moyenne du vent (m/s) calculée à 30 m, 50 m et 100 m par la loi

Station	Altitude 10 m	Altitude 30 m	Altitude 50 m	Altitude 100
Abde	2,6	3,8	4,4	5,2
Bayssour	3,4	4,8	5,5	6,4
Beyrouth	2,8	4,2	4,8	5,6
Dahr El	5,4	7,4	8,3	9,5
Baidar
Faqra	2,4	3,3	3,7	4,2
Hermel	3,1	4,5	5,2	6,1
Klaiaat	4,2	6,2	7,1	8,4
Les Cèdres	3,9	5,3	6,0	6,9
Marjayoun	5,3	7,8	9,0	10,6
Qaraoun	3,8	5,6	6,5	7,6
Rayak	3,6	5,3	6,1	7,1
Tripoli	2,0	3,4	4,1	5,0
Tyr	3,0	4,4	5,1	6,0
Zahle	2,6	3,8	4,4	5,1

L'étude des conditions venteuses du Liban favorise les sites de Marjayoun (sud), Klaiaat (nord), Daher El Baidar (station de col). Il faut éviter à la fois les vents calmes et les vents forts qui pourraient endommager les machines. La localisation et la dispersion entre les éoliennes dépendent de la direction du vent, d'où l'importance de connaitre le vent dominant [Zohbi, 2014].

La vitesse du vent est un facteur primordial au développement de l'énergie éolienne mais il n'est pas le seul. La planification d'un projet éolien est une approche multicritère, qui doit répondre à des normes environnementales, sociales et économiques.

3. Aide MultiCritère à la Décision via un Système d'Information Géographique

L'aide multicritère est définie par Chakhar [2006] comme suit : « l'aide multicritère à la décision vise à fournir à un décideur des outils lui permettant de progresser dans la résolution du problème de décision où plusieurs points de vue, souvent contradictoires, doivent être pris en compte ». Les méthodes d'Aide MultiCritère à la Décision (AMCD) résolvent le problème de la multiplicité des facteurs. Les SIG ajoutent à l'AMCD les capacités de gestion et d'analyse de données à références spatiales, ainsi qu'un outil pour représenter les résultats visuellement [Chakhar, 2006]. Malczewski [2006] liste 319 travaux qui ont intégré SIG et AMCD durant la période 1990-2004, dans le domaine de la science, planification urbaine, environnement, transport, agriculture, écologie, télédétection, biologie et ingénierie [Malczewski, 2006].

La protection de l'environnement, la nuisance, le gaspillage des ressources financières, etc. sont généralement les principales causes d'annulation ou de suspension d'un projet [Polatidis et Morales, 2016]. Par conséquent, des acteurs impliqués peuvent empêcher un projet éolien planifié sur le plan théorique de s'exécuter [Ibid.].

Le SIG est un outil d'aide à la décision dans les domaines dédiés à l'énergie éolienne. Ainsi, la base des données d'entrée est constituée par des dizaines de paramètres à évaluer (carte des vitesses des vents, distance aux routes, etc.), et le résultat des traitements et des analyses est la carte finale des sites optimaux à l'implantation d'éoliennes.

3.1 Contraintes et critères d'implantation d'éoliennes

L'évaluation de l'énergie éolienne est souvent difficile car il s'agit d'une notion subjective. Certaines études en Europe et aux États-Unis ont montré que la perception de l'énergie éolienne comme source d'énergie 100% propre et renouvelable dépasse l'impact visuel [Ouammi et al., 2012]. D'autres études trouvent cela inesthétique et d'autres considèrent qu'il peut s'agir du syndrome NIMBY⁵. Il est donc nécessaire d'effectuer une étude préliminaire pour le choix du site d'implantation des éoliennes, en suivant certaines normes pour éviter les barrières économiques, environnementales et psychologiques.

On distingue deux types de variables dans l'approche multicritère : les contraintes et les critères. Les contraintes regroupent les restrictions naturelles ou artificielles [Chakhar, 2006], et excluent de l'analyse les sites considérés comme strictement non appropriés au développement d'un projet [Hansen, 2005]. Par exemple, il existe des lois qui interdisent d'implanter un parc éolien dans les zones urbaines, les zones protégées, les sites d'une valeur historique, sur les infrastructures hydrauliques, etc. [Sánchez-Lozano et al., 2016]. Au-delà des contraintes, les critères (appelés aussi facteurs) permettent d'évaluer un site, ils sont associés à des paramètres

5 « Not In My BackYard » signifiant « pas dans mon arrière-cour », c'est le syndrome de la personne voulant tirer profit d'un projet mais tout en étant loin de son environnement.

de préférence (ex. poids, seuils de discrimination, etc.) en fonction de leur importance [Chakhar, 2006]. Ce sont les séries de contraintes et de critères environnementaux, économiques et sociaux qui évalueront les différents sites [Gigoviæ et al.,, 2017].

La bibliographie que nous avons choisie concerne surtout l'analyse multicritère traitée via un outil d'information géographique afin de trouver un site potentiel pour bénéficier de l'énergie éolienne. Une recherche bibliographique à partir du catalogue et des bases de données bibliographiques disponibles est synthétisée dans le Tableau 3. Il s'agit des critères et des contraintes susceptibles d'être pris en compte pour le développement d'un gisement éolien. Cela dépend des pays, essentiellement des décisions politiques, économiques, environnementales et sociales.

Ce tableau nous a permis de choisir des paramètres pertinents pour notre étude. La colonne de gauche indique les facteurs cités dans la littérature, et les colonnes suivantes le seuil pour qu'un site soit potentiel. Les couleurs désignent le niveau d'exigence par élément.

Tableau 3 : Limites d'implantation d'un parc éolien évoquées dans la littérature

Baban et Parry, 2001 ; Bennui et al., 2007 ; Aydin et al., 2010 ; Jeffry D. Harrison, 2012 ; Mentis, 2013 ; Gass et al., 2013 ; Miller et Li, 2014 ; Latinopoulos et Kechagia, 2015 ; Atici et al., 2015 ; Noorollahi et al., 2016 ; Anwarzai et Nagasaka, 2017 ; Gigoviæ et al., 2017

Nous remarquons que les contraintes sont à peu près les mêmes dans les douze travaux mentionnés. Les nuances des seuils entre les pays sont en lien avec les aménagements et les planifications territoriales et paysagères. Elles sont plus ou moins rigoureuses d'une région à une autre selon des enjeux locaux.

Par exemple, la Turquie et l'Iran sont situés dans des zones à hauts risques sismiques, le facteur de proximité aux failles est étudié pour des raisons de sécurité mais avec un faible poids par rapport aux autres facteurs [Atici et al., 2015 ; Noorollahi et al., 2016]. La structure géomorphologique karstique a été exclue de l'étude sur la région située entre Washington State et l'Oregon, puisque les risques liés au développement de cette formation sont variés. Le karst est instable et vulnérable pour être développé en souterrain par des cavités et des grottes (phénomène de dissolution), et ainsi induire des effondrements [Jeffry D. Harrison, 2012]. Bennui et al. [2007] sont les plus exigeants sur la distance entre un parc éolien et les espaces ruraux (> 2 500 m) et urbains (> 1 000 m). Leur choix peut être lié aux vastes espaces ruraux et peuplés de la Thaïlande. Autre exemple, la législation turque impose des seuils concernant la pollution sonore, la sécurité, les réserves naturelles et la dimension des surfaces occupées par les éoliennes [Atici et al., 2015]. En revanche, elle considère les forêts comme sites potentiels [Aydin et al., 2010].

Aucune distinction entre les types des routes n'est faite dans les articles cités, mais la distance aux axes principaux doit être supérieure à la distance aux routes secondaires et routes montagneuses [Noorollahi et al., 2016].

Nous avons choisi douze normes pour l'installation d'éoliennes au Liban : la distance aux routes, aux villes, à l'habitation, aux réseaux électriques, aux rivières, aux lacs, aux patrimoines culturels, aux forêts et réserves, aux aéroports, la vitesse du vent, la pente et l'élévation. Elles seront développées dans la partie suivante.

3.2 Outils d'aide à la décision

Au cours des dernières décennies, les méthodes d'analyse multicritère ont été largement intégrées au sein des systèmes d'informations géographiques au service de la prise de décision pour l'énergie éolienne [Miller et Li, 2014]. Les capacités analytiques des SIG les différencient des autres logiciels cartographiques numériques [Chakhar, 2006]. Plusieurs exemples dans la littérature traitent la combinaison entre SIG et AMCD. L'AMCD consiste à associer des facteurs à des normes sociales, économiques et écologiques selon une certaine hiérarchisation et les SIG ajoutent une notion spatiale pour produire une carte décisionnelle montrant les sites les plus potentiels à l'implantation d'éoliennes [Gigoviæ et al., 2017].

Les méthodes de l'AMCD les plus citées sont la méthode ELimination et Choix Traduisant la REalité (ELECTRE), Preference Ranking Organization Method Enrichment Evaluation (PROMETHEE), Analytic Hierarchy Process (AHP), Analytic Network Process (ANP), Ordered Weighted Averaging (OWA), VIseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) et Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) [Sánchez-Lozano et al., 2016 ; Villacreses et al., 2017].

Les zones de contraintes où il est strictement interdit d'implanter des éoliennes sont exclues dès le début des études [Atici et al., 2015 ; Noorollahi et al., 2016 ; Gigoviæ et al., 2017], soit par la méthode Fuzzy [Latinopoulos et Kechagia, 2015], soit par la méthode Booléenne [Latinopoulos et Kechagia, 2015 ; Jahangiri et al., 2016]. La méthode Fuzzy consiste à reclasser

les facteurs en des degrés de satisfaction allant de 0 à 1. La Booléenne est une méthode binaire pour mettre à 1 les sites à fort potentiel éolien et à 0 les autres sites. Atici et al. ont comparé les méthodes ELECTRE III, ELECTRE-TRI et SMAA-TRI [Atici et al., 2015]. Ce sont des méthodes dérivées de ELimination and Choice Expressing REality (ELECTRE). Ces dernières consistent à éliminer à la fois les seuils de contraintes et à attribuer aux facteurs un poids relatif.

Pour combiner les facteurs économiques, sociaux et environnementaux, Baban et Parry [2001] ont testé deux méthodes. Tout d'abord, ils ont standardisé les facteurs en un même nombre de classes. La première méthode consiste à superposer les facteurs avec des poids égaux, et la deuxième, à les combiner avec des poids différents. Leurs résultats favorisent la deuxième méthode [Baban et Parry, 2001].

Le poids des facteurs, pour Vasquez et al. [2011], est calculé à partir d'entretiens avec différents acteurs et professionnels. Ils ont estimé leurs scores d'après des normes politiques, environnementales, économiques, etc. [Vazquez et al., 2011]. Latinopoulos et Kechagia, [2015], Sánchez-Lozano et al., [2016], Chaouachi et al., [2017] et Villacreses et al., [2017], ont évalué les poids des critères par la méthode de l'analyse multicritère AHP, c'est la méthode la plus utilisée dans les études. Elle consiste à hiérarchiser les critères par une comparaison matricielle. Sánchez-Lozano et al. [2016] ont combiné la méthode AHP et la méthode TOPSIS dont le but est de classer les sites en ordre de préférence par des coefficients variants de 0 à 1.

Gigoviæ et al. [2017] ont évalué les poids des facteurs par les méthodes de préférence Decision Making Trial and Evaluation Laboratory (DEMATEL) et Analytic Network Process (ANP). L'ANP est une dérivée de la méthode AHP. Elle est avantagée par la précision dans le calcul des poids des critères [Büyüközkan et Güleryüz, 2016].

Et enfin, pour combiner les critères, les trois méthodes les plus fréquentes sont Weighted Linear Combination (WLC) [Latinopoulos et Kechagia, 2015 ; Gigoviæ et al., 2017], Weighted Index Overlay (WIO) [Noorollahi et al., 2016], Ordered Weighted Averaging (OWA) [Aydin et al., 2010]. Les cartes thématiques doivent être d'abord standardisées en un même nombre de classes pour les trois méthodes. La différence entre les méthodes est que l'OWA étudie deux variables, l'ordre d'importance du facteur et son poids. Cette méthode est utilisée en couplage avec l'approche Fuzzy. Le WLC et WIO établissent la carte décisionnelle en utilisant juste le poids des facteurs [Ibid.].

Notre étude vise à déterminer la potentialité de l'énergie éolienne au Liban, nous suivrons la méthodologie suivante dans notre étude : nous appliquerons une approche multicritère dans les SIG en utilisant la méthode Booléenne pour supprimer les contraintes et nous utiliserons ensuite l'AHP pour évaluer les sites potentiellement aptes à l'implantation d'un parc éolien au Liban. Les caractéristiques particulières des SIG et AMCD se complètent. Elles constituent une analyse systématique et rationnelle. Le SIG a de grandes capacités de manipulation, de stockage, de gestion, d'analyse et de visualisation de données géospatiales, alors que le AMCD fournit une collection de procédures, techniques et algorithmes pour résoudre des complexités dans la prise de décision, l'évaluation et la hiérarchisation des facteurs [Gamboa et Munda, 2007 ; Gigoviæ et al., 2017]. Le couplage entre SIG et l'AMCD va permettre de répondre à la problématique de notre étude.

Le système actuel de gestion de l'électricité au Liban semble défaillant sur plusieurs points. Il témoigne de problème de corruption, politisation, absence de solution radicale, fraude, etc. Cela risque de s'aggraver avec le temps, avec des répercussions négatives non seulement sur la vie quotidienne mais sur la croissance du pays. Les autorités publiques suggèrent des barges et des centrales thermiques sous le prétexte d'assurer rapidement l'électricité. Notre étude souhaite fournir, dans son champ de compétence, une assistance durable à l'électrification au Liban. Nous suggérons de produire de l'électricité par l'énergie éolienne. L'approche multicritère et les SIG contribueront à avancer vers l'objectif de notre travail, celui d'élaborer une méthode pour la prospection d'espaces adaptés à installer des aérogénérateurs.

CHAPITRE II MÉTHODOLOGIE POUR LA PLANIFICATION D'UN PROJET ÉOLIEN

La préoccupation mondiale sur le changement climatique et sur l'impact négatif de l'utilisation des énergies fossiles et nucléaires, fait que l'énergie éolienne se développe le plus rapidement parmi les énergies renouvelables [Voigt et Kingston, 2016]. Son rendement est en voie d'amélioration grâce au progrès technologique de l'aérogénérateur, afin de répondre aux besoins énergétiques croissants [Miller et Li, 2014]. Mais ses désavantages seront toujours présents, leurs effets peuvent peser lourdement aussi bien sur la biodiversité de la zone du projet éolien que sur la vie humaine [Voigt et Kingston, 2016]. L'un des principaux défis du développement de l'énergie éolienne est de trouver le site le plus approprié à l'implantation de celle-ci [Miller et Li, 2014]. Ces sites doivent être les moins nuisibles possible pour mieux gérer l'acceptation sociale. Dans ce chapitre, nous décrivons une démarche pour identifier les sites les plus appropriés à l'installation d'éoliennes au Liban. Nous allons suivre les étapes suivantes :

- identifier les contraintes et critères locaux qui vont évaluer les sites potentiels à l'implantation d'un parc éolien

- exposer la phase de collecte et de traitement des différents jeux de données (données climatiques, bases de données géographiques, etc.)

- présenter les méthodes que nous avons utilisées et qui consistent à éliminer les contraintes, hiérarchiser les facteurs et évaluer les sites pour un projet éolien.

1. Description des contraintes et critères choisis

La recherche d'un site potentiel aux éoliennes est une approche multicritère, elle demande une bonne concordance entre des critères économiques, sociaux et environnementaux [Latinopoulos et Kechagia, 2015]. En l'absence de législations et règlementations liées à l'énergie éolienne au Liban, nous nous sommes aidés de la bibliographie et de la connaissance du terrain (Tableau 3, p. 24) pour choisir le seuil des contraintes et les facteurs locaux pour la prospection d'éoliennes. Les facteurs et les contraintes les plus récurrents dans la littérature et adaptés à la structure globale du Liban ont été sélectionnés (Figure 13).

Figure 13 : Les contraintes et les critères choisis pour la prospection d'un parc éolien au

Données : Synthèse bibliographique réalisée à partir de Baban et Parry, 2001 ; Bennui et al., 2007 ; Aydin et al., 2010 ; Jeffry D. Harrison, 2012 ; Mentis, 2013 ; Gass et al., 2013 ; Miller et Li, 2014 ; Latinopoulos et Kechagia, 2015 ; Atici et al., 2015 ; Noorollahi et al., 2016 ; Anwarzai et Nagasaka, 2017 ; Gigoviæ et al., 2017 ; Villacreses et al., 2017

Les facteurs économiques sont liés à la faisabilité technique d'un projet, ils conditionnent le prix de la construction et de la maintenance [Miller et Li, 2014]. La proximité des routes et des réseaux électriques réduit le coût d'un projet [Atici et al., 2015]. En revanche, un parc éolien doit être à une certaine distance des routes pour des raisons de sécurité [Gigoviæ et al., 2017]. La limite de 500 m sera étudiée pour les routes bien aménagées et capables d'assurer le transport de grandes machines ; les routes locales et montagneuses ne seront pas prises en compte.

Nous ignorons la capacité technique des lignes de transport d'électricité au Liban, mais une distance minimale de 200 m et maximale de 8000 m leur sera appliquée.

De même, vu que le Liban est un pays montagneux, pour minimaliser le coût d'un projet et les complications de construction, le plus favorable pour installer les éoliennes est d'avoir un terrain d'une pente inférieure à 10%.

Les régions à plus de 2000 m d'altitude sont considérées comme difficiles d'accès car elles manquent d'aménagements publics. Notons que ces zones au Liban sont vulnérables à des risques d'érosion et représentent la majeure partie des ressources en eau du pays [Zohbi, 2014]. En plus, le Ministère de l'Environnement est en voie de classer cette aire sensible en tant que site protégé.

Les paramètres socio-environnementaux concernent la pollution visuelle, sonore, esthétique [Latinopoulos et Kechagia, 2015] et également la sécurité et le problème de l'interférence électromagnétique qu'un parc éolien peut causer [Villacreses et al., 2017]. Les réserves et les forêts comprennent aussi les terres boisées qui couvrent une superficie totale de 2 430 km² [FAO, 2010]. La proximité supérieure à 1000 m concerne les lacs de barrage et les grands lacs profonds à vocation agricole.

Les contraintes vont filtrer les sites potentiels des non potentiels, les facteurs évalueront les sites selon leurs niveaux de potentialités. Les facteurs sélectionnés sont : la vitesse du vent, la pente du terrain, la distance aux routes, la proximité aux villes et la distance aux lignes de

transmission d'électricité [Villacreses et al., 2017]. La vitesse du vent est considérée comme l'un des principaux facteurs économiques [Gigoviæ et al., 2017], elle doit être assez suffisante pour garantir une meilleure rentabilité économique, ainsi qu'un bon rendement en matière de production d'électricité [Latinopoulos et Kechagia, 2015]. Nous avons considéré que l'étude est appliquée pour des aérogénérateurs de 50 m de hauteur, les valeurs de la vitesse moyenne du vent étudiées seront alors à cette même hauteur⁶.

Tous ces paramètres cités ci-dessus forment la base des données géographiques à traiter et à analyser afin de trouver les sites potentiels au Liban.

⁶ Nous pouvons bien imaginer des aérogénérateurs à 80 m et 100 m, alors la vitesse moyenne du vent utilisée sera à cette même hauteur.

2. Collecte et traitement des données sélectionnées

Pour répondre à la problématique de l'étude, nous avons collecté plusieurs données nécessaires à l'approche multicritère pour la recherche d'un site potentiel aux éoliennes. Nous avons utilisé différents logiciels de SIG pour le traitement et l'analyse des entités géographiques (ArcGis et QGIS). Les données géographiques sont sous forme de vecteur ou raster (Figure 14), compatibles avec les logiciels SIG [Villacreses et al., 2017]. Un raster est une image matricielle formée de grilles rectangulaires (pixel), chaque pixel représente une information spatiale [Sánchez-Lozano et al., 2013]. Le mode vecteur est une manière de représenter les entités spatiales par des formes géométriques : points, lignes ou polygones [Villacreses et al., 2017].

Pour les données des vents, nous avons obtenu la moyenne de la vitesse du vent mensuelle, mesurée à 10 m de l'atlas des vents (CEDRO). Ces données sont collectées par des stations du service météorologique libanais. Nous avons utilisé les valeurs extrapolées à 50 m de l'étude de Zohbi [2014], qui avait traité également les données de cet atlas. Toutes ces valeurs ont été rassemblées dans un tableau Excel où nous leur avons attribué une référence spatiale afin de les importer dans ArcGis sous forme de points.

Les bases de données des routes, points d'agglomérations, rivières, zones historiques, zones protégées, forêts et réserves naturelles sont issues du Schéma Directeur d'Aménagement du Territoire Libanais (SDATL). Il a été élaboré en 2002 en collaboration avec le gouvernement libanais, représenté par le Conseil du Développement et de la Reconstruction (CDR) et la Direction Générale de l'Urbanisme. Il est donc nécessaire de mettre à jour ces données géographiques avant toute utilisation. Nous nous sommes aidés des images satellitaires (Google Earth, fond de carte d'ArcGis) pour améliorer les données, ainsi que les documents présents sur

le site du Ministère de l'Environnement et les données géographiques en libre accès diffusées sur le site OpenStreetMap⁷.

Faute d'avoir accès à la base des données contenant les bâtiments digitalisés, nous nous sommes servis de la base de données des points d'agglomération, à laquelle nous avons appliqué une distance aux villes. Cependant, cette couche ne prend pas en compte les habitats isolés qui ne sont pas pour autant négligeables. Pour pallier ce déficit, nous avons pris un échantillon de la zone la plus potentielle dans laquelle nous avons digitalisé les habitats et appliqué la contrainte de la distance aux habitats.

La pente est dérivée à partir du modèle numérique de terrain (SRTM 28,5 m) obtenu sur le site du United States Geological Survey ( USGS-earthexplorer.usgs.gov). Cette résolution a été estimée suffisante pour la superficie étudiée.

Pour les données concernant les réseaux électriques, nous avons digitalisé la carte établie par EDL. Une marge d'erreur peut être présente surtout à grande échelle puisque la résolution de la carte est grossière.

Afin de pouvoir superposer les couches, nous avons projeté toutes les données dans le système Lambert Conformal Conic (ellipsoïde : Clark 1880). C'est la projection la plus utilisée pour les données disponibles au Liban.

À partir de ces données, nous avons construit un ModelBuilder dans ArcGis. C'est une forme d'organigramme dynamique [Cristea et Jocea, 2016]. Cette application permet d'automatiser plusieurs opérations, de partager le travail entre les utilisateurs, de sauvegarder une chaîne de traitement et de construire un modèle complexe quel que soit le niveau de l'utilisateur [Ibid.].

Nous avons assemblé toutes les données géospatiales dans une geodatabase. L'inconvénient de ce format de stockage est qu'il n'est pas compatible avec tous les logiciels de SIG [Donnelly, 2010], mais il a une capacité à stocker divers types de données (raster, vecteur, TIN⁸, etc.) et de les manipuler facilement. Cette flexibilité nous a conduit à privilégier une géodatabase plutôt que d'utiliser plusieurs shapefile et fichiers raster [Zeiler, 1999]. Par exemple, l'option « itérer dans des classes d'entités » ou bien Iterate Feature Classes dans ModelBuilder, comme le montre la Figure 15, autorise l'exécution d'un outil pour chaque entité d'une géodatabase.

⁷ Le site openstreetmap.org met à la disposition de l'utilisateur des données libres et gratuites.

⁸ Triangulated irregular network ou Réseaux Triangulés Irréguliers est une forme pour représenter la morphologie d'un terrain, la méthode consiste à relier les points en un réseau de triangles [Zeiler, 1999].

Figure 15 : Le calcul de la distance euclidienne à chaque entité géographique de la

Le format conseillé pour une approche multicritère est le raster en raison de la rapidité des traitements [Villacreses et al., 2017]. De même, l'analyse continue de nos données spatiales nous impose le format raster. Par exemple, la distance euclidienne dans ArcGis permet de calculer la distance entre les entités, elle convertit toutes les données d'entrées en format raster avant de les analyser. Enfin, afin d'éviter des erreurs de chevauchement, nous avons ré-échantillonné toutes les mosaïques d'images à environ 28,5 mètres/pixel, ce choix est basé sur la résolution du MNT.

Une fois les contraintes et les critères traités, nous placerons une série de démarche méthodologique pour trouver les sites les plus potentiels aux éoliennes au Liban.

3. Méthodes appliquées à l'approche multicritère

L'élaboration de la carte du potentiel éolien nécessite une base de données géospatiales contenant les contraintes et les facteurs de notre zone d'étude. La phase suivante consiste à garder les sites économiques et socio-environnementaux aptes à implanter un parc éolien. Une fois les contraintes éliminées, nous allons évaluer et classer les sites restants selon leurs degrés d'aptitudes, en croisant les critères selon une certaine hiérarchie. La Figure 16 résume notre méthode de travail.

3.1 Logique Booléenne

L'objectif principal de cette méthode est d'éliminer les zones contraintes et ne garder que les sites potentiels aux éoliennes [Latinopoulos et Kechagia, 2015]. La logique mathématique Booléenne consiste à représenter les données d'entrées sous forme binaire 0 et 1 :

0 : les sites contraints à l^'impantation d'éoliennes 1 : les sites potentiels à l^'implantation d'éoliennes

Nous avons utilisé l'opération ET Booléenne (&) pour éliminer les zones contraintes aux éoliennes. Comme l'illustre la Figure 17, la valeur de la cellule en sortie est égale à 1 quand toutes les valeurs des rasters d'entrées sont vraies, et la valeur du pixel en sortie est 0 quand toutes les valeurs ou l'une des valeurs est fausse.

Figure 17 : Fonctionnement de l'outil ET Booléen sur les valeurs des cellules d'un raster, 1 si l'expression est juste et 0 si l'une ou toutes les expressions sont fausses

Les contraintes citées sur la Figure 13 (p. 30) forment les rasters en entrée de cette méthode. Nous avons d'abord calculé la distance entre les entités de la même couche spatiale pour éliminer les zones tampons. Par exemple, pour la contrainte de proximité aux routes, nous avons d'abord calculé la distance entre les routes, pour ensuite attribuer la valeur 0 à chaque pixel ayant une valeur inférieure à 500 m. Les jeux d'outils de distance dans ArcGis sont nombreux : distance de coût, direction euclidienne, distance euclidienne, allocation euclidienne, zone tampon. [Villacreses et al., 2017]. Nous avons choisi l'outil distance euclidienne pour calculer la distance entre les lignes de transports d'électricités, les villes, les routes, les sites historiques, les forêts et les plans hydriques.

La pente est l'inclinaison d'un terrain par rapport à une ligne horizontale exprimée en degré ou en pourcentage [Chakhar, 2006], elle est dérivée à partir des données d'élévation (MNT) où la valeur d'un pixel représente l'altitude. L'outil pente dans les SIG utilise quatre algorithmes différents pour calculer la pente. La différence entre les méthodes de calcul de pente est la taille de l'élément structurant et le mode d'échantillonnage (la valeur moyenne entre les pixels voisins, la valeur maximale, etc.) [Dunn et Hickey, 1998]. Pour éliminer les pentes supérieures à 10%, nous avons utilisé cet outil pour dériver la pente en pourcentage à partir du MNT couvrant la superficie du Liban.

Le résultat de la méthode Booléenne met en relief uniquement les sites potentiels et masque les sites contraints.

3.2 Standardisation des critères

La standardisation des critères consiste à modifier les valeurs du pixel de façon à uniformiser les critères en un même nombre de classes [Villacreses et al., 2017]. Afin de distinguer le niveau de potentialité des sites potentiels, nous grouperons les pixels des facteurs de la vitesse du vent, la pente du terrain, la distance aux routes, la proximité aux zones urbaines et la distance aux lignes de transmission en cinq classes de potentialités : 1 = très faible ; 2 = faible ; 3 = moyen ; 4 = fort et 5 = très fort. Le site ayant le plus haut score est le plus favorable pour l'installation d'éoliennes. Nous avons préféré reclasser les critères manuellement dans les SIG plutôt que par les fonctions linéaires, puisque chaque critère représente un cas particulier en termes de seuillage. Le Tableau 4 répertorie les cinq classes et les seuils de chaque critère. Nous nous sommes appuyés sur la lecture bibliographique, sauf pour le seuil de la vitesse de vent où nous avons utilisé le seuil utilisé par le National Renewable Energy Laboratory (NREL) [Miller et Li, 2014].

Score de potentialité	Pente (%)	Vitesse du vent à 50 m (m/s)	Distance aux villes (m)	Distance aux routes (m)	Distance aux réseaux d'électricités (m)
Très forte	< 5	> 7,5	> 10 000	< 1 000	< 500
Forte	[5 - 6[	[7 - 7,5[	[5 000 - 10 000[	[1 000 - 2 000[	[500 - 1 000[
Moyenne	[6 - 7[	[6,4 - 7[	[4 000 - 5 000[	[2 000 - 3 000[	[1 000 - 2 000[
Faible	[7 - 8 [	[5,6 - 6,4[	[3 000 - 4 000[	[3 000 - 4 000[	[2 000 - 4 000[
Très faible	> 8	< 5,6	< 3 000	> 4 000	> 4 000

Source du seuil du vent rredc.nrel.gov le reste des seuils Miller et Li, 2014

Les valeurs de discrétisation des critères pente, distance aux villes, aux routes et aux réseaux d'électricité ont été légèrement modifié, pour qu'ils soient davantage en adéquation avec les seuils des contraintes éliminées, la superficie et la topographie de notre zone d'étude.

L'élaboration de la carte de la vitesse du vent fait appel tout d'abord à des données ponctuelles à références spatiales. Il arrive qu'une zone ne soit pas couverte suffisamment de stations de mesures du vent. Il est possible d'estimer le comportement du vent dans les endroits peu étudiés par des méthodes statistiques [Cantat et Brunet, 2001]. Le Krigeage est l'une des méthodes de la géostatistique, qui permet d'interpoler des données spatiales voisines afin d'estimer des valeurs intermédiaires. C'est la méthode ayant le moins de biais [Baillargeon, 2005].

Le territoire libanais n'est pas suffisamment équipé d'appareils de mesure du vent, il compte 14 stations pour mesurer le vent sur une superficie de 10 450 Km². Afin d'évaluer le potentiel éolien au Liban, la carte des vents est établie par une interpolation spatiale entre les stations météorologiques tout en prenant en compte le facteur de l'altitude [Cellura et al., 2008]. Les résultats de l'analyse variographique, présentés sur la Figure 18, ne permettent pas d'interpoler les données de vent.

Figure 18 : Nuage variographique de la relation spatiale entre les stations de mesure du vent

Nous avons alors procédé manuellement au reclassement des zones en se référant à la carte de l'atlas de 50 m, de la proximité aux stations et de la synthèse bibliographique sur les vents du Liban.

Il ne reste qu'à croiser les facteurs standardisés afin d'obtenir la carte finale. Comme les facteurs n'ont pas la même importance, nous nous sommes appuyés sur la méthode AMH de l'analyse multicritère.

3.3 Analyse Multicritère Hiérarchique

Les données d'entrées et le choix du poids des critères influencent le résultat final [Aly et al., 2017]. Dans les faits, les facteurs n'ont pas le même coefficient d'importance. Afin de distinguer la potentialité des sites, nous attribuons un poids aux facteurs, pour qu'ils se hiérarchisent du moins favorable au plus favorable.

L'Analyse Multicritère Hiérarchique ou bien « Analytic Hierarchy Process » (AHP), est une méthode acceptée par la communauté scientifique internationale comme un outil de décision multicritère pour résoudre la question de décision et de pondération [Sánchez-Lozano et al., 2013]. C'est une méthode mathématique simple développée par Saaty [Lee et al., 2009 ; Sánchez-Lozano et al., 2016] qui permet de produire un poids à chaque critère. Elle repose sur les concepts suivants :

- comparer, à l'aide d'une matrice, les critères selon une échelle de Saaty allant de 1 à 9 (Tableau 5) en fonction de l'importance relative par paire de critères [Pechanec et Machar, 2013], c'est-à-dire les critères sont comparés deux par deux. Si la valeur du critère de la ligne horizontale par rapport au critère de la colonne verticale est k,

Tableau 5 : Échelle de comparaison selon Saarty pour appliquer la méthode de l'AHP

L'expérience et l'appréciation
personnelles favorisent légèrement
une caractéristique par rapport à
une autre.

L'expérience et l'appréciation
favorisent fortement une
caractéristique par rapport à une
autre.

Une caractéristique est fortement
favorisée et sa dominance est
attestée dans la pratique.

Les preuves favorisant une
caractéristique par rapport à une
autre sont aussi convaincantes que
possible.

- synthétiser le poids de chaque critère à partir de la matrice A, dans une nouvelle matrice B et diviser chaque valeur (nx) par la somme de la colonne (Nx). Le poids est la moyenne des lignes de la matrice B

- vérifier la cohérence des résultats. Saaty [1987] propose deux paramètres : l'indice de cohérence (IC) et le ratio de cohérence (RC). Tant que RC est inférieur à 0,1 le résultat est bon

CA : est l'indice de cohérence aléatoire, cet indice est standard, il dépend de la taille

n	1	2	3	4	5	6	7	8	9	10	11
CA	0	0	0,58	0,90	1,12	1.24	1,32	1,41	1,45	1,49	1,51

3.4 Combinaison Linéaire Pondérée (CLP)

Une fois que les critères standardisés ont leurs poids relatifs, nous combinerons les couches dans les SIG par la méthode de la Combinaison Linéaire Pondérée ou bien Weighted Linear Combination (WLC) [Zoghi et al., 2017]. La méthode s'exprime en :

Carte potentielle = 1[ critères x poids ] fl carte des contraintes (Booléenne) II est le symbole du produit couvrant un ensemble uniforme de termes et de normes.

Chaque critère est multiplié par son poids, puis la carte booléenne est intégrée dans l'équation pour éliminer les zones de contraintes [Latinopoulos et Kechagia, 2015].

La méthode décrite est l'une des méthodes de l'analyse multicritère, elle peut être appliquée pour différentes thématiques et zones d'étude. Nous pouvons ajouter à cette méthode d'autres facteurs pour rendre le choix des sites plus précis.

4. Calcul de la visibilité

La perception des éoliennes reste un choix subjectif, le facteur peut être étudié selon les exigences des décideurs, en concertation avec les acteurs locaux. Nous avons choisi d'étudier dans notre travail la visibilité des éoliennes par rapport aux sites touristiques et culturels, afin de choisir les emplacements les moins visibles.

La visibilité ou viewshed est un outil dans ArcGis qui calcule la visibilité spatiale par rapport à des sites d'observations [Nutsford et al., 2015]. Il quantifie les sites visibles à partir de points, lignes ou surfaces d'observations, en fonction des valeurs d'altitudes et leurs dérivées (élévation, pente, etc.). Au début, tous les pixels sont considérés visibles jusqu'à ce que l'algorithme rencontre un obstacle [Ibid.]. L'outil définit aussi la distance et l'angle d'élévation entre l'observateur et la cible [Ndirangu, 2014].

La carte de la visibilité est en forme binaire : 0 pour les sites non visibles et 1 pour les sites visibles. L'outil peut être paramétré pour une meilleure précision de calcul. Il faut alors ajouter des champs standards contenant le nom de l'option désirée dans la table attributaire de l'entité des zones d'observation [Ndirangu, 2014]. Il existe au total neufs options : SPOT, OFFSETA, OFFSETB, AZIMUTH1, AZIMUTH2, VERT1, VERT2, RADIUS1 et RADIUS2 (Figure 19) [Ibid.]. Par exemple, pour ajouter la hauteur d'une éolienne il faut ajouter le champ OFFSETB à la table attributaire de l'entité d'entrée.

Figure 19 : Les modifications apportées à l'outil vision dans ArcGis, les paramètres doivent
être modifiés dans la table attributaire de la couche d'entrée

La visibilité sera intégrée à la carte du potentiel éolien issue de la méthode de l'approche multicritère pour la conception de l'énergie éolienne au Liban.

Le couplage de l'approche multicritère et les SIG va permettre de dresser la carte des zones potentielles à l'implantation d'éoliennes au Liban. La visibilité va nous fournir un site à une échelle plus fine pour appliquer la contrainte de la proximité à l'habitat. Pour conclure, notre méthode consiste à masqué d'abord toutes les zones contraintes par la méthode Booléenne. Ensuite, d'utiliser la méthode de pondération Analyse Multicritère Hiérarchique (AMH) pour déterminer le poids des facteurs. La carte finale sera dressée par une superposition pondérée des couches par la méthode de la Combinaison Linéaire Pondérée (CLP) et l'outil de visibilité s'appliquera à celle-ci. Cette méthode reste applicable à différentes échelles de l'étude, par contre les paramètres de l'approche doivent être propres au site de l'étude.

CHAPITRE III RÉSULTATS ET DISCUSSIONS

Les résultats que nous proposons dans cette partie sont le fruit du couplage des SIG avec l'approche multicritère. Ils sont en format raster, et chaque pixel (28,5 m) porte une information précise. Les cartes sont un outil pour représenter spatialement les sites potentiels à l'installation d'éoliennes au Liban, elles sont réalisées selon des hypothèses et des techniques de l'approche multicritère.

1. Résultats

1.1 Carte des sites potentiels

L'intégration des contraintes mentionnées sur la Figure 13 (p. 30) nous a permis de réaliser la carte des zones potentielles à l'implantation d'éoliennes au Liban. Nous avons utilisé l'outil ET Booléen (&) dans la calculatrice raster pour superposer les contraintes.

La Figure 20 représente les résultats de la méthode Booléenne, chaque pixel possède la valeur 0 ou 1. La valeur 0 est attribuée aux zones éliminées. Ces dernières sont masquées des résultats. Les contraintes économiques sont marquées en orange, les contraintes sociales en jaune et les contraintes environnementales en vert.

Nous n'avons lancé aucun filtrage pour éliminer les pixels isolés sur la carte des sites aptes à l'installation d'éoliennes, puisque chaque pixel vaut 28,5 m. Cette superficie est assez suffisante pour implanter au moins une éolienne de forte puissance ou pour un usage individuel [Atici et al., 2015].

Les contraintes ont éliminé 9 899 km² de la superficie du territoire, ce qui représente une très grande majorité (97,4%) non potentielle à l'implantation d'éoliennes. En reprenant l'opération et en séparant les contraintes selon leurs types, on constate que 60% des zones sont éliminées par des contraintes économiques, 32% par des contraintes environnementales et 8 % par des contraintes sociales.

La loi détermine 8 réserves naturelles couvrant 5% du territoire, 24 sites naturels protégés, 12 forêts protégées et 8 cours d'eau permanents [Ministère de l'Environnement, 2017]. Ces derniers bénéficient d'une protection juridique et de règlementations et sont alors éliminés sous forme de contraintes environnementales.

Les chaines du Mont-Liban et l'Anti-Liban sont des zones avec une topographie raide et accentuée [Sanlaville, 1969], et 23 % de la superficie du Liban sont des zones boisées en majorité sur le Mont-Liban [FAOUR et al., 2006]. Par conséquent, les zones potentielles dominent majoritairement la plaine de Bekaa, ainsi que les zones nord et sud du littoral couvertes de plaines, de prairies et de champs agricoles [Ibid.]. Ce sont des zones recherchées pour l'installation d'éoliennes.

Le Liban est un pays fortement urbanisé, la population est concentrée sur le versant occidental du Mont-Liban et sur la zone littorale, tandis que la plaine de la Bekaa et particulièrement l'Anti-Liban forment un désert humain [Sanlaville, 1969 ; Walid Bakhos, 2005]. La proximité des villes et des réseaux routiers défavorise une grande partie de la zone littorale et de la chaîne du Mont-Liban.

Figure 20 : Sites potentiels après élimination des contraintes économiques, sociales et
environnementales, permettant de déterminer les sites potentiels à l'implantation d'éoliennes

Sources des données utilisées : SDATL, OpenStreetMap, analyse des images satellitaires et EDL

Les contraintes ont supprimé de nombreux sites à fort potentiel éolien. Cela signifie qu'un site venteux n'est pas nécessairement le site le plus potentiel d'où l'importance d'appliquer l'approche multicritère pour les thématiques liées aux énergies éoliennes.

1.2 Evaluation des sites potentiels

Il ne reste que 2,6 % (264 km²) de la superficie totale du Liban à évaluer. Les résultats des meilleurs sites d'implantation d'éoliennes sont issus par chevauchement des critères avec des poids différents. Les critères pris en compte sont : la vitesse du vent, la distance aux routes, aux villes, aux réseaux d'électricités et la pente. Chaque critère est ordonné en cinq classes de potentialité : 1 = très faible ; 2 = faible ; 3 = moyen ; 4 = fort et 5 = très fort.

Suite à la méthode AHP, et comme indiqué dans la Figure 21, nous nous sommes servis de l'extension Easy AHP dans QGIS qui fournit l'analyse analytique de l'AHP. Tant que CR=0,06 (inférieur à 0,1) la matrice de corrélation est bonne. Nous avons obtenu comme résultat les poids suivants : le vent est le facteur dominant, il a obtenu le plus haut score (0,49) suivi par la distance aux réseaux électriques (0,22), la distance aux villes (0,14), la pente (0,093) et la distance aux routes (0,053). Il reste à mentionner que les valeurs de la matrice de corrélation sont des choix personnels basés sur des lectures bibliographiques.

Figure 21 : Matrice de corrélation à partir de l'extension Easy AHP dans QGIS, cette
matrice va calculer le poids de chaque critère

Enfin la méthode CLP (Carte potentielle = ?[ critères X poids ] fl carte des contraintes (Booléenne)) est appliquée à l'aide de la calculatrice raster. La Figure 22 illustre le résultat du produit de chaque critère par son propre poids, multiplié par la carte booléenne.

La potentialité nulle représente les sites contraints au début de l'étude, et les cinq classes de potentialités sont réparties conformément à leur capacité d'exploitation et leur facilité d'accès.

Figure 22 : Les sites potentiels à l'implantation des éoliennes au Liban (la potentialité nulle
représente les sites éliminés)

Sources des données utilisées : SDATL, OpenStreetMap, EDL et les valeurs de la vitesse moyenne du vent extrapolées à 50 m par Zohbi

Dans une approche plus orientée vers l'aménagement du territoire, et puisqu'il existe des districts moins favorisés notamment en électricité surtout à l'extrême nord et sud du pays, nous avons calculé la superficie (km²) des sites fortement à très fortement potentiels par districts. Elles sont représentées sous forme d'histogramme à colonnes sur le Figure 23. L'énergie

éolienne peut alors assurer les besoins énergétiques surtout pour la région de Akkar victime d'une marginalisation en termes de développement et d'aménagent.

Figure 23 : La distribution des histogrammes à colonnes indiquant la part (km²) des sites
fortement à très fortement potentiels par districts au Liban (le nombre 11 indique l'échelle de
la colonne maximale)

Sources des données utilisées : SDATL, OpenStreetMap, EDL et les valeurs de la vitesse moyenne du vent extrapolées à 50 m par Zohbi

D'après les résultats des Figures 22 et 23, les sites potentiels sont ceux dont les valeurs du pixel par facteur sont les plus élevées. C'est surtout le facteur de la vitesse du vent ayant le poids le plus lourd (0,49) qui a qualifié les sites. De ce fait, les sites potentiels sont situés au nord du Liban (district de Akkar) et aux alentours de Marjayoun (district de Marjayoun et Nabatiye) et de Dahr el Baydar (district de Zahle et Beqaa el Gharbe). Les sites à potentialité faible sont situés dans la partie nord de la plaine de la Bekaa, sur la plaine côtière, et sur le versant ouest du Mont-Liban.

La Figure 24 résume le pourcentage de potentialité de la superficie du Liban. La zone non potentielle couvre 97,4% de la superficie totale, soit 9 899 km². Les sites classés à très fortes et fortes potentialités sont candidats à l'implantation d'éoliennes, et représentent une superficie de 49,9 km².

Figure 24 : La part de la superficie du Liban (en pourcentage) indiquant la potentialité des
sites à l'implantation d'éoliennes au Liban

Source : Les valeurs ont été calculées à partir de la table attributaire de la carte finale, où la quantité des pixels est multipliée par sa dimension

Il existe des fonctions mathématiques pour estimer la capacité que peut apporter une certaine superficie, et prévoir la production de l'électricité. Cela dépend de la vitesse du vent, de la taille et de la puissance de l'aérogénérateur. La direction du vent joue un rôle dans la position et la dispersion des machines. Si la direction du vent est parallèle au plan de l'éolienne, la distance entre les aérogénérateurs installés doit être 6 à 9 fois son diamètre [Zohbi, 2014]. Si la direction est perpendiculaire au plan de l'éolienne, la distance devrait être 3 à 5 fois le diamètre de l'éolienne [Ibid.].

En effet, une petite superficie mais non négligeable (49,9 km²) du pays est potentielle à implanter des éoliennes. Ces dernières sont situées dans des régions globalement désavantagées par les politiques d'aménagement. Ainsi, l'énergie éolienne s'avère une solution qui s'offre aux pouvoirs locaux afin d'améliorer la gestion de l'électricité.

1.3 Visibilité des sites depuis les lieux touristiques

L'une des polémiques principales s'avère l'opinion publique concernant l'impact d'un projet éolien sur le paysage. Alors l'objectif serait d'étudier la visibilité et de choisir les emplacements les moins visibles à partir des points d'observation tels que les sites touristiques. La visibilité dans notre étude dépend uniquement de la topographie du terrain, la hauteur des bâtiments, les forêts et les obstacles ne sont pas pris en compte.

La Figure 25 est le résultat du chevauchement entre la carte des visibilités et la carte finale des potentialités. Nous avons considéré les sites touristiques comme points d'observations, et la taille d'une turbine de 50 m comme paramètre supplémentaire au calcul de la visibilité. Cela a fourni la carte des sites invisibles aux touristes tout en gardant leurs scores de potentialités. La topographie du pays fait que la majorité des sites sont classés invisibles.

Nous avons appliqué le facteur de la proximité aux habitats (500 m) afin de prévoir le pourcentage des zones qui peuvent être encore éliminés. Comme le montre la Figure 26, nous avons sélectionné une zone située au nord du Liban, cette dernière a été classée dans notre étude comme site à fort potentiel. Nous pensons toutefois que les pertes seront de l'ordre de 12%, donc assez minime par rapport à l'installation d'éoliennes.

Figure 26 : Application du facteur de la distance aux habitats pour une zone à fort

Sources des données utilisées : SDATL, OpenStreetMap, EDL et les valeurs de la vitesse moyenne du vent extrapolées à 50 m par Zohbi

Nous pouvons donc conclure de ces résultats que la superficie du Liban ne s'est pas accompagnée d'une importante potentialité. Par contre, l'énergie éolienne peut contribuer durablement à augmenter la production dans le secteur énergétique pour soutenir la demande croissante dans l'avenir.

2. Discussion et limites de l'étude

L'énergie éolienne au Liban n'est pas exploitée aujourd'hui. En plus, aucune législation ou norme n'est mise en place pour développer cela. Nous avons alors élaboré ce travail pour générer une pré-étude sur la faisabilité d'un projet éolien au Liban afin de développer cette énergie dans l'avenir.

Les SIG ont une capacité d'automatisation des traitements informatiques de données multiples de façon à couvrir une vue d'ensemble et élaborer une étude théorique sans avoir recours à un travail de terrain. La combinaison de cet outil avec la méthode de l'analyse multicritère ajoute une dimension décisionnelle à la planification d'un projet.

Nous nous sommes inspirés de la littérature existante pour sélectionner les critères les plus adaptés aux caractéristiques du Liban et développer une méthodologie tout au long de ce travail de recherche. En effet, nous avons extrait de chaque étude les aspects les plus intéressants pour notre étude. C'est ce qui fait la particularité de notre approche.

Cette méthode reste modifiable puisque les superficies résultantes sont particulièrement faibles. La majorité des sites (9 899 km² = 97,4%) sont classés des zones non potentielles. La faible superficie de potentialité (264 km² = 2,6%) nous a permis de prendre un recul sur les contraintes et les seuils que nous avons sélectionnés au début de cette étude.

Nous sommes conscients d'avoir fait un choix de contraintes strictes. Il aurait fallu prendre des seuils plus flexibles, puisque l'étude est faite sur une superficie relativement grande, à l'échelle d'un pays. De plus, les paramètres ne s'appliquent pas à toutes les régions de la même manière, en fonction de la nature et la spécificité des terrains. Par exemple, les normes appliquées pour une zone rurale ou un champ agricole ne sont pas pareils pour une zone urbaine, ainsi pour la pente, le seuil adapter pour la plaine de Bekaa ne convient pas la chaîne du Mont-Liban.

Ce qui est remarquable dans notre étude, ce sont les contraintes économiques (pentes, réseaux électriques, routes et élévation) qui ont supprimé une proportion considérable de 60% de la superficie non potentielle.

Le fait d'avoir éliminé les sites à une altitude supérieure à 2000 m a réduit la superficie des zones potentielles de 727 km² (~7%). Cette superficie supprimée comprend toutefois les plateaux cultivés et les cimes lissées et dénudées qui peuvent être des sites potentiels aux éoliennes. Par contre, ils exigent des investissements plus substantiels.

Le seuil de 10% de la pente, n'est pas un choix pertinent pour une grande superficie. Tout d'abord, il est calculé sur une résolution grossière de MNT de 28,5 m. En plus, le Liban est un pays montagneux et à pentes raides, la plupart des versants ont été aménagés en terrasse pour accueillir les activités anthropiques. Nous suggérons alors de placer le seuil à 20%.

Les modifications ci-dessus énoncées ont été appliquées à un nouveau modèle. Nous avons obtenu des résultats plus avantageux ; une superficie de 616 km² a été classée en des sites potentiels. Le pourcentage des sites potentiels a augmenté pour attendre ~8% de la superficie totale du territoire libanais (Figure 27).

Figure 27 : Les zones potentielles suite à des modifications dans les contraintes de la pente et

Sources des données utilisées : SDATL, OpenStreetMap, EDL et les valeurs de la vitesse moyenne du vent extrapolées à 50 m par Zohbi

Pour améliorer le travail de recherche, nous recommandons tout d'abord de suivre une approche multiscalaire. Appliquer des normes moins strictes à un niveau large du pays. Ensuite, à une échelle plus fine, se procurer de données plus précises et détaillées à des résolutions plus fines, et intégrer des facteurs locaux plus spécifiques. Par exemple, être plus minutieux en présence

des écoles, universités, sociétés religieuses, bases militaires, habitats fauniques sensibles et d'espèces floristiques menacées ou vulnérables.

Nous suggérons de même d'effectuer des entretiens avec des experts, afin de discuter et valider les critères de sélections des sites, et modifier par la suite les valeurs de la méthode AHP pour répondre aux exigences des acteurs locaux. Nous pourrions donc imaginer ajouter des critères et des contraintes supplémentaires ou même les supprimer, changer la valeur des seuils des contraintes et modifier des poids des critères. De même nous conseillons d'associer ce travail à des études d'ingénierie poussées. Ainsi il serait probable de prévoir le nombre d'éoliennes à implanter sur une superficie, et de calculer, par des modèles, l'énergie qui pourrait être fournie afin de prendre les meilleures décisions.

Une étude peut être menée sur cette même zone d'étude, mais avec d'autres méthodes de l'analyse multicritère pour comparer les résultats. Par exemple, d'appliquer la méthode Fuzzy plutôt que la Booléenne pour éliminer les contrainte.

Les limites majeures de cette investigation sont l'accès et la disponibilité des données. La plupart des données sont obsolètes et incomplètes. De plus, les stations de mesures de vitesse du vent sont largement insuffisantes pour notre étude. Au niveau de l'infrastructure, nous sommes dans l'incapacité de connaître la puissance que les réseaux électriques peuvent véhiculer et donc de supporter l'énergie fournie par les éoliennes.

La méthode qui combine les SIG et AMCD est flexible et peut être appliquée dans différentes régions et pour diverses thématiques (développement de l'énergie renouvelable, risques environnementaux, etc.). Les données d'entrées et le choix du poids des critères sont fondamentaux dans la définition du résultat final. Alors, les facteurs et les critères doivent correspondre le plus possible aux caractéristiques du territoire étudié.

CONCLUSION GÉNÉRALE

Les centrales électriques au Liban s'avèrent des infrastructures touchées par des crises structurelles. Elles sont mal entretenues et perdent avec le temps leur capacité de production. L'offre d'électricité doit satisfaire les demandes et non pas les réduire pour s'adapter à l'offre. C'est le moment de procéder à un changement de paradigme et d'adopter une politique de réforme du secteur électrique libanais. Il est temps de se tourner vers des énergies durables qui respectent les normes internationales du point de vue de l'impact environnemental.

Notre connaissance personnelle du pays et notre expérience du terrain ont permis d'appuyer notre étude sur des bases solides, qui prennent en compte des problématiques aussi bien topographique qu'économiques, environnementales ou culturelles. Notre étude propose l'exploitation de l'énergie éolienne comme solution supplémentaires à d'autres sources d'énergie. Nous avons élaboré une pré-étude pour situer globalement les zones ayant le meilleur potentiel éolien. Malgré les limites énoncées dans la discussion, nous avons pu aboutir à des conclusions intéressantes. Le choix des critères et de la méthode de pondération a été une étape fondamentale de notre étude. Nous avons obtenu le résultat en croisant des critères économiques, sociaux et environnementaux.

Nos résultats estiment que ces zones potentielles n'occupent que 2,6% de la superficie totale du pays. Elles sont situées au nord du Liban (Akkar), au centre de la plaine de Bekaa et au sud du pays. Toutefois, les contraintes et les critères restent modifiables à la faveur des décideurs régionaux. La sélection des sites est conséquence de la méthode AHP qui a donné la priorité au facteur vent, ce qui a mis en valeur les sites les plus venteux. Notre méthode n'est pas exhaustive, cependant elle nous a permis d'avoir une vue d'ensemble sur la potentialité éolienne du pays. Il serait donc intéressant de renouveler cette étude sur une échelle plus fine afin de mieux prévoir la faisabilité d'un projet et avoir recours à des réalités de terrain.

Le développement de cette énergie peut être une des solutions à la crise de l'électricité au Liban. Une seule machine puissante a la capacité d'alimenter plusieurs foyers. Cette énergie peut être surtout efficace pour les régions marginalisées n'ayant pas accès à l'électricité. Nous pouvons également prévoir des conséquences directes sur l'environnement (émission de gaz polluants dans l'air, rejet des déchets en mer, etc.) et sur les économies locales (création d'emploi, être moins dépendants des énergies fossiles importées, etc.).

Pour des études futures possibles plus avancées, comme le Liban a un long front maritime (220 km), il serait donc pertinent de mener en premier une étude complémentaire pour l'implantation d'éoliennes Offshore, parce qu'il n'y a pas de blocage et la situation de vent est favorable, puis d'étudier le couplage éolien et photovoltaïque, puisque les heures d'ensoleillement au Liban sont fréquentes tout au long de l'année.

BIBLIOGRAPHIE

ABDELAZIZ A., MEKHAMER S., et MOHAMED A., 2012, « Geographic Information Systems (GIS) Application in Wind Farm Planning », ResearchGate, vol. 3, n° 2 : 279?283.

AL ZOHBI G., HENDRICK P., et BOUILLARD P., 2014, « Evaluation du potentiel d'énergie éolienne au Liban », Revue des énergies renouvelables, vol. 17, n° 1 : 83-96.

AL ZOHBI G., HENDRICK P., et BOUILLARD P., 2015, « Wind characteristics and wind energy potential analysis in five sites in Lebanon », International Journal of Hydrogen Energy, vol. 40, n° 44 : 15311?15319.

ALY A., JENSEN S., et PEDERSEN A., 2017, « Solar power potential of Tanzania: Identifying CSP and PV hot spots through a GIS multicriteria decision making analysis », Renewable Energy, vol. 113 : 159?175.

AMATOURY A., 2014, « Situation du secteur électrique au Liban : État actuel et projets prévus:».

ANWARZAI M. et NAGASAKA K., 2017, « Utility-scale implementable potential of wind and solar energies for Afghanistan using GIS multi-criteria decision analysis », Renewable and Sustainable Energy Reviews.

ATICI K., SIMSEK A., ULUCAN A., et TOSUN M., 2015, « A GIS-based Multiple Criteria Decision Analysis approach for wind power plant site selection », Utilities Policy, vol. 37 : 86?96.

AYDIN N., KENTEL E., et DUZGUN S., 2010, « GIS-based environmental assessment of wind energy systems for spatial planning: A case study from Western Turkey », Renewable and Sustainable Energy Reviews, vol. 14, n° 1 : 364?373.

BABAN S. et PARRY T., 2001, « Developing and applying a GIS-assisted approach to locating wind farms in the UK », Renewable energy, vol. 24, n° 1 : 59-71.

BACCOUR H., SLIMANI M., et CUDENNEC C., 2012, « Structures spatiales de l'évapotranspiration de référence et des variables climatiques corrélées en Tunisie », Hydrological Sciences Journal, vol. 57, n° 4 : 818?829.

BAL J. et CHABOT B., 2001, « Les énergies renouvelables. État de l'art et perspectives de développement », Comptes Rendus de l'Académie des Sciences-Series IIA-Earth and Planetary Science, vol. 333, n° 12 : 827-834.

BENNUI A., RATTANAMANEE P., PUETPAIBOON U., PHUKPATTARANONT P., et CHETPATTANANONDH K., 2007, « Site selection for large wind turbine using GIS », in PSU-UNS International Conference on Engineering and Environment : 561-566.

BLANCHET G., 1965, « Le climat de Beyrouth », Revue de géographie de Lyon, vol. 40, n°2 : 131?158.

BLANCHET G., 1976, Le temps au Liban approche d'une climatologie synoptique, Université de Lyon 2-UFR des sciences de l'homme et de son environnement.

BÜYÜKÖZKAN G. et GÜLERYÜZ S., 2016, « An integrated DEMATEL-ANP approach for renewable energy resources selection in Turkey », International Journal of Production Economics, vol. 182 : 435-448.

CANTAT O. et BRUNET L., 2001, « Discontinuité géographique et particularités climatiques en Basse-Normandie », Annales de Géographie, vol. 110, n° 622 : 579-596.

CELLURA M., CIRRINCIONE G., MARVUGLIA A., et MIRAOUI A., 2008, « Wind speed spatial estimation for energy planning in Sicily: A neural kriging application », Renewable Energy, vol. 33, n° 6 : 1251-1266.

CHAKHAR S., 2006, Cartographie décisionnelle multicritère . formalisation et implémentation informatique, Thèse de l'Université Paris Dauphine - Paris IX.

CHAOUACHI A., COVRIG C., et ARDELEAN M., 2017, « Multi-criteria selection of offshore wind farms: Case study for the Baltic States », Energy Policy, vol. 103 : 179-192.

CRISTEA C. et JOCEA F., 2016, « GIS Application for Wind Energy », Energy Procedia, vol. 85 : 132-140.

DEVERLY F., 1984, Echantillonnage Et Géostatistique, École National Supérieur des Mines de Paris.

DONNELLY P., 2010, « Evaluating open source GIS for libraries », Library Hi Tech, vol. 28, n° 1 : 131-151.

DUNN M. et HICKEY R., 1998, « The effect of slope algorithms on slope estimates within a GIS », Cartography, vol. 27, n° 1 : 9-15.

EL-FADEL R.H., HAMMOND G.P., HARAJLI H.A., JONES C.I., KABAKIAN V.K., et WINNETT A.B., 2010, « The Lebanese electricity system in the context of sustainable development », Energy Policy, vol. 38, n° 2 : 751-761.

FAOUR G., BOU KHEIR R., et DARWICH A., 2006, « Méthode globale d'évaluation du risque d'incendies de forêt utilisant la télédétection et les SIG: cas du Liban », Télédétection, vol. 5, n° 4 : 359-377.

GAMBOA G. et MUNDA G., 2007, « The problem of windfarm location: A social multi-criteria evaluation framework », Energy Policy, vol. 35, n° 3 : 1564-1583.

GASS V., SCHMIDT J., STRAUSS F., et SCHMID E., 2013, « Assessing the economic wind power potential in Austria », Energy Policy, vol. 53 : 323-330.

GIGOVIÆ L., PAMUÈAR D., BOéANIÆ D., et LJUBOJEVIÆ S., 2017, « Application of the GIS-DANP-MABAC multi-criteria model for selecting the location of wind farms: A case study of Vojvodina, Serbia », Renewable Energy, vol. 103 : 501-521.

GODINOT S., 2011, « Les plans climat énergie territoriaux: voies d'appropriation du facteur 4 par les collectivités et les acteurs locaux? », Développement durable et territoires. Économie, géographie, politique, droit, sociologie, n° Vol. 2, n° 1.

Groupe d'experts intergouvernemental sur l'évolution du climat, Stocker Thomas, Qin Dahe, et Plattner Gian-Kasper, 2013, Changements climatiques 2013 les éléments scientifiques: résumé à l'intention des décideurs. rapport du groupe de travail I du GIEC . résumé technique. rapport accepté par le Groupe de travail I du GIEC mais non approuvé dans le

détail et foire aux questions: extraits de la contribution du groupe de travail I au cinquième rapport d'évaluation du Groupe d'experts intergouvernemental sur l'évolution du climat, Geneva, Switzerland, Groupe d'experts intergouvernemental sur l'évolution du climat.

HANSEN H., 2005, « GIS-based multi-criteria analysis of wind farm development », ScanGIS 2005: Scandinavian Research Conference on Geographical Information Science : 75-87.

HASSAN G., 2011, « The National Wind Atlas of Lebanon », étude préparée le projet UNDP CEDRO. Beirut, Liban, CEDRO-UNDP: 64.

HÖFER T., SUNAK Y., SIDDIQUE H., et MADLENER R., 2016, « Wind farm siting using a spatial Analytic Hierarchy Process approach: A case study of the Städteregion Aachen », Applied Energy, vol. 163 : 222?243.

JAHANGIRI M., GHADERI R., HAGHANI A., et NEMATOLLAHI O., 2016, « Finding the best locations for establishment of solar-wind power stations in Middle-East using GIS: A review », Renewable and Sustainable Energy Reviews, vol. 66 : 38?52.

JEFFRY D. HARRISON, 2012, Onshore wind power systems (onswps): a gis-based tool for preliminary site-suitability analysis, these de l'university of southern California, California.

KINAB E. et ELKHOURY M., 2012, « Renewable energy use in Lebanon: Barriers and solutions », Renewable and Sustainable Energy Reviews, vol. 16, n° 7 : 4422?4431.

LATINOPOULOS D. et KECHAGIA K., 2015, « A GIS-based multi-criteria evaluation for wind farm site selection. A regional scale application in Greece », Renewable Energy, vol. 78 : 550?560.

LEE A., CHEN H., et KANG H., 2009, « Multi-criteria decision making on strategic selection of wind farms », Renewable Energy, vol. 34, n° 1 : 120?126.

LOPEZ M., 2008, Contribution à l'optimisation d'un système de conversion éolien pour une unité de production isolée, Thèse de l'Université Paris Sud - Paris XI.

LU L., YANG H., et BURNETT J., 2002, « Investigation on wind power potential on Hong Kong islands - an analysis of wind power and wind turbine characteristics », Renewable Energy, vol. 27, n° 1 : 1-12.

MALCZEWSKI J., 2006, « GIS-based multicriteria decision analysis: a survey of the literature», International Journal of Geographical Information Science, vol. 20, n° 7 : 703?726.

MARI R., BOTTAI L., BUSILLO C., CALASTRINI F., GOZZINI B., et GUALTIERI G., 2011, « A GIS-based interactive web decision support system for planning wind farms in Tuscany (Italy) », Renewable Energy, vol. 36, n° 2 : 754?763.

MARILLIER F., 2007, « Crise énergétique: il n'est pas trop tard pour s'en sortir! », Nouvelles Fondations, n° 6 : 63?69.

MILLER A. et LI R., 2014, « A Geospatial Approach for Prioritizing Wind Farm Development in Northeast Nebraska, USA », ISPRS International Journal of Geo-Information, vol. 3, n° 3 : 968?979.

Ministère Des Travaux Publics, 1969, Atlas climatique du Liban. Tome 3, les vents.

NDIRANGU B. N., 2014, « Wind turbines on radar systems and mitigation measures: the case of ngong wind farm in Kenya », Scientific Conference Proceedings, vol. 0, n° 0.

NOOROLLAHI Y., YOUSEFI H., et MOHAMMADI Mohammad, 2016, « Multi-criteria decision support system for wind farm site selection using GIS », Sustainable Energy Technologies and Assessments, vol. 13 : 38?50.

OUAMMI A., GHIGLIOTTI V., ROBBA M., MIMET A., et SACILE R., 2012, « A decision support system for the optimal exploitation of wind energy on regional scale », Renewable Energy, vol. 37, n° 1 : 299?309.

PAILLARD C., 2011, « Défis énergétiques et enjeux stratégiques au XXIe siècle », Sécurité globale, n° 15 : 49?60.

PECHANEC V. et MACHAR I., 2013, « A Comparison of the Decision-Making Strategies in IDRISI and ArcGIS Products ».

POLATIDIS H. et MORALES J., 2016, « Increasing the applicability of wind power projects via a multi-criteria approach: methodology and case study », International Journal of Sustainable Energy, vol. 35, n° 10 : 1014?1029.

PRÉLAZ-DROUX R., 1995, Système d'information et gestion du territoire, PPUR presses polytechniques.

RAMADAN H., RAMAMURTHY S., et BEIGHLEY E., 2012, « Inter-annual temperature and precipitation variations over the Litani Basin in response to atmospheric circulation patterns », Theoretical and Applied Climatology, vol. 108, n° 3?4 : 563?577.

RAPIN M. et NOËL J., 2010, Énergie éolienne : principes, études de cas, Paris, Dunod. RIOLET E., 2010, Le mini-éolien, Paris, Eyrolles.

SAATY R. W., 1987, « The analytic hierarchy process--what it is and how it is used », Mathematical modelling, vol. 9, n° 3?5 : 161-176.

SAGBANSUA L. et BALO F., 2017, « Decision making model development in increasing wind farm energy efficiency », Renewable Energy, vol. 109 : 354?362.

SÁNCHEZ-LOZANO M.., GARCÍA-CASCALES S., et LAMATA T., 2016, « GIS-based onshore wind farm site selection using Fuzzy Multi-Criteria Decision Making methods. Evaluating the case of Southeastern Spain », Applied Energy, vol. 171 : 86?102.

SÁNCHEZ-LOZANO M., TERUEL-SOLANO J., SOTO-ELVIRA L., et SOCORRO M., 2013, « Geographical Information Systems (GIS) and Multi-Criteria Decision Making (MCDM) methods for the evaluation of solar farms locations: Case study in south-eastern Spain », Renewable and Sustainable Energy Reviews, vol. 24 : 544?556.

SANLAVILLE P., 1969, « La personnalité géographique du Liban », Revue de géographie de Lyon, vol. 44, n° 4 : 375?394.

SOPHIE B., 2005, Le krigeage : revue de la théorie et application ua l'interpolation spatiale de données de précipitations, Faculté des études supérieures de l'Université Laval.

SOULOUKNGA H., KAOGA K., DJONGYANG N., et YAMIGNO D., 2016, « Comparaison du potentiel énergétique éolien des trois zones climatiques du Tchad », Revue des Energies Renouvelables, vol. 19, n° 1 : 49-58.

STOYANOV L., 2011, Étude de différentes structures de systèmes hybrides à sources d'énergie renouvelables, thèse de l'Université Pascal Paoli.

VAZQUEZ M., WAAUB J., ILINCA A., et CHAUMEL J., 2011, « Analyse spatiale et approche d'aide multicritères et multi-acteurs à la négociation pour évaluer des scénarios d'implantation des parcs éoliens. », 1ère Conférence Intercontinentale d'Intelligence Territoriale Interdisciplinarité dans l'aménagement et développement des territoires, Gatineau, Canada : 10.

VERDEIL E., 2010, « Les réformes du secteur électrique en Jordanie et au Liban: vers de nouvelles régulations? », 4ème rencontre du programme de recherche financé par l'Agence nationale de la recherche, Paris.

VILLACRESES G., GAONA G., MARTÍNEZ-GÓMEZ J., et JIJÓN Diego J., 2017, « Wind farms suitability location using geographical information system (GIS), based on multi-criteria decision making (MCDM) methods: The case of continental Ecuador », Renewable Energy, vol. 109 : 275?286.

VOIGT Christian C. et KINGSTON T., 2016, « Bats in the Anthropocene: Conservation of Bats in a Changing World», Springer International Publishing.

WAIS Piotr, 2017, « A review of Weibull functions in wind sector », Renewable and Sustainable Energy Reviews, vol. 70 : 1099?1107.

WAKED Antoine, 2012, Caractérisation des aérosols organiques à Beyrouth, Liban, thèse de l'Université Paris-Est.

WALID B., 2005, « Le rôle de la puissance publique dans la production des espaces urbains au Liban ».

ZEILER M., 1999, Modeling Our World: The ESRI Guide to Geodatabase Design, ESRI, Inc.

ZOGHI M., HOUSHANG EHSANI A., SADAT M., JAVAD AMIRI M., et KARIMI S., 2017, « Optimization solar site selection by fuzzy logic model and weighted linear combination method in arid and semi-arid region: A case study Isfahan-IRAN », Renewable and Sustainable Energy Reviews, vol. 68 : 986?996.

ZOHBI G., 2014, Énergie éolienne au Liban : analyse de son potentiel, de son stockage et de son impact environnemental, thèse l'École Polytechnique de Bruxelles Université Libre de Bruxelles, 306.

1. Table des figures

Figure 1 : Évolution de la puissance cumulée de l'énergie éolienne mondiale (en MW) entre

Figure 4 : Carte de la vitesse du vent du Liban mesurée à 80 m (en m/s). Les régions entourées délimitent les zones les plus favorables à l'énergie éolienne, il s'agit de Akkar au nord et de

Figure 6 : Répartition des centrales hydroélectriques sur les rivières du Liban 12

Figure 7 : Première ferme photovoltaïque du projet BRSS, mise en place en 2013 au-dessus de

Figure 9 : Diagramme ombrothermique pour une station située au nord du Liban (Qartaba) 15

Figure 10 : Principaux reliefs du Liban, avec une vue en perspective du Sud du pays 16

Figure 11 : Répartition des stations météorologiques de mesure du vent à 10 m, au Liban. Nous avons représenté la vitesse moyenne, la direction et la fréquence du vent sous forme de rose des

Figure 12 : La variation saisonnière de la vitesse moyenne du vent (en m/s) enregistrée à 10 m

Figure 13 : Les contraintes et les critères choisis pour la prospection d'un parc éolien au Liban

Figure 15 : Le calcul de la distance euclidienne à chaque entité géographique de la géodatabase

Figure 17 : Fonctionnement de l'outil ET Booléen sur les valeurs des cellules d'un raster, 1 si

Figure 18 : Nuage variographique de la relation spatiale entre les stations de mesure du vent

Figure 19 : Les modifications apportées à l'outil vision dans ArcGis, les paramètres doivent

Figure 20 : Sites potentiels après élimination des contraintes économiques, sociales et environnementales, permettant de déterminer les sites potentiels à l'implantation d'éoliennes

Figure 21 : Matrice de corrélation à partir de l'extension Easy AHP dans QGIS, cette matrice

Figure 22 : Les sites potentiels à l'implantation des éoliennes au Liban (la potentialité nulle

Figure 23 : La distribution des histogrammes à colonnes indiquant la part (km²) des sites fortement à très fortement potentiels par districts au Liban (le nombre 11 indique l'échelle de

Figure 24 : La part de la superficie du Liban (en pourcentage) indiquant la potentialité des sites

Figure 25 : Les sites non visibles vis-à-vis du patrimoine culturel du Liban 50

Figure 26 : Application du facteur de la distance aux habitats pour une zone à fort potentiel 51

Figure 27 : Les zones potentielles suite à des modifications dans les contraintes de la pente et

2. Table des tableaux

Tableau 1 : Les paramètres de Weibull calculés pour les stations de mesure du vent (m/s) au

Tableau 2 : La vitesse moyenne du vent (m/s) calculée à 30 m, 50 m et 100 m par la loi

Tableau 3 : Limites d'implantation d'un parc éolien évoquées dans la littérature 24

Tableau 5 : Échelle de comparaison selon Saarty pour appliquer la méthode de l'AHP 40

Approche multicritère pour l'implantation d'éoliennes au Liban

Résume

INTRODUCTION ET PROBLÉMATIQUE

CHAPITRE I L'ÉNERGIE ÉOLIENNE COMME SOUTIEN AU RÉSEAU ÉLECTRIQUE

1. Situation de l'électricité au Liban

1.1 Production de l'électricité

1.2 L'énergie renouvelable au Liban

2. Conditions venteuses du pays

2.1 Origine et direction des masses d'air

2.2 Influence de la topographie

2.3 Données du vent

2.4 Distribution de Weibull

3. Aide MultiCritère à la Décision via un Système d'Information Géographique

3.1 Contraintes et critères d'implantation d'éoliennes

3.2 Outils d'aide à la décision

CHAPITRE II MÉTHODOLOGIE POUR LA PLANIFICATION D'UN PROJET ÉOLIEN

1. Description des contraintes et critères choisis

2. Collecte et traitement des données sélectionnées

3. Méthodes appliquées à l'approche multicritère

3.1 Logique Booléenne

3.2 Standardisation des critères

3.3 Analyse Multicritère Hiérarchique

3.4 Combinaison Linéaire Pondérée (CLP)

4. Calcul de la visibilité

CHAPITRE III RÉSULTATS ET DISCUSSIONS

1. Résultats

1.1 Carte des sites potentiels

1.2 Evaluation des sites potentiels

1.3 Visibilité des sites depuis les lieux touristiques

2. Discussion et limites de l'étude

CONCLUSION GÉNÉRALE

BIBLIOGRAPHIE

1. Table des figures

2. Table des tableaux

3. Tables des matières