Memoire Online - Cartographie des zones inondables sur le bassin versant du fleuve San-Pedro( sud-ouest de la côte d'Ivoire).

CARTOGRAPHIE DES ZONES INONDABLES SUR LE BASSIN VERSANT DU FLEUVE SAN-PEDRO (SUD-OUEST DE LA CÔTE D'IVOIRE.)

Directeur : M. KONAN-WAIDHET Arthur Brice, Maître de Conférences,
Université Jean Lorougnon Guédé

Encadreur : M. KOUASSI Kouakou Hervé, Maître-Assistant, Université Jean Lorougnon Guédé

Examinateur : M. KOUA Tanoh Jean-Jacques, Maître-Assistant Université Jean Lorougnon Guédé

Table des matières

II.2.3. Réseau hydrographie et caractérisation morphologique du bassin versant du

II.2.1. Détermination de la nature et la fréquence de l'aléa inondation 14

II.2.2. Simulation de la spatialisation des crues à différentes périodes de retour 16

III.1.1.2. Intensité de l'aléa inondation sur le bassin versant du fleuve San-Pedro 22

III.1.2.3. Spatialisation des crues à différent période de retour : 2 ans 20 ans, 50 ans et

III.1.3. Détection des zones inondables sur le bassin versant de San-Pedro 27

Dédicace

A ma famille, elle qui m'a doté d'une éducation, son amour a fait de moi ce que je suis aujourd'hui. Que dieux vous protège et que la réussite soit toujours à ma portée pour que je puisse vous combler de bonheur.

REMERCIEMENTS

Nous remercions les autorités de l'Université Jean Lorougnon Guédé, avec à leur tête Professeur TIDOU Abiba Sanogo épouse Koné, Présidente de l'Université Jean Lorougnon Guédé de Daloa, pour leur dévouement dans la formation des étudiants.

Notre reconnaissance va ensuite à l'endroit du Directeur de l'UFR Environnement, Docteur KOUASSI Kouakou Lazare pour sa détermination et son courage dans mise en oeuvre des différents programmes de la formation.

Nous remercions également Docteur ASSEMIAN Emanuel, responsable de la filière production aquacole et protection de l'environnement pour ses précieux conseils.

Nous exprimons toute notre reconnaissance au Docteur KONAN-WAIDHET Brice Arthur, directeur scientifique de ce mémoire, qui a accepté de m'accompagner au cours de la réalisation de ce mémoire.

Je voudrais remercier sincèrement Docteur KOUASSI Kouakou Hervé, encadreur de ce mémoire. Cher maître, vos conseils, vos directives et votre disponibilité en toute circonstance m'ont donné espoir dans les moments de peine. Merci Docteur.

Nous remercions sincèrement tous les enseignants de l'UFR Environnement et de l'UFR Agroforesterie, auprès desquels nous avons appris énormément.

Nous remercions tous les étudiants du laboratoire des Sciences et Technologie de l'Environnement (LSTE) de l'Université Jean Lorougnon Guédé, particulièrement le Doctorant KOFFI Bérenger, Doctorant KOUADIO Kouamé Jean Olivier et le Doctorant OUEDE Gla Blaise, pour leur aide précieuse tout au long de la réalisation de ce mémoire. Egalement merci aux étudiants de PEGR pour leur soutien moral et spirituel tout au long de ce travail.

Enfin, je remercie toutes les personnes que je n'ai pas pu citer ici, qui, de loin ou de près, ont contribué à la réalisation de ce travail.

Liste des sigles et abréviations

MNE : Modèle Numérique d'Elévation
UTM : Universal Transversal Mercator

PEGR : Protection de l'Environnement et Gestions des Risques MEDD : Ministère de l'Écologie et du Développement durable RGPH : Recensement Général de la Population et de l'Habitat

Liste de tableaux

Tableau I : Comparaison des lois statistiques pour l'ajustement des différents modules 24

Tableau II : Débits des différentes périodes de retour en fonction des lois 24

Liste des figures

Figure 5 : Hauteur de pluie des mois de juin et juillet 2017 de la station de pompage de San-

Pedro 22
Figure 6: Graphes des différentes lois de comparaison ajustés par la méthode du maximum de

vraisemblance aux séries de débits moyens annuels de la station de pompage de San-Pedro 23

Figure 9: Spatialisation des crues en fonction des débits et des périodes de retour 27

Figure 10: Détection des zones vulnérables sur le bassin du fleuve San-Pedro 29

Figure 11: Surfaces inondées en juin et juillet sur le bassin versant du fleuve San-Pedro 30

INTRODUCTION

Les inondations sont, de toutes les catastrophes naturelles qui frappent le monde chaque année, les plus fréquentes, les plus dommageables et les plus mortelles (Pulvirenti et al. 2011). Elles sont la source de près de la moitié des décès occasionnés par les catastrophes naturelles au cours des 50 dernières années, et sont responsables de près du tiers des pertes économiques au niveau mondial (Abé, 2008).

Si l'impact des inondations en termes de dommages et de pertes en vies humaines est plus important dans les pays en voie de développement du fait d'une vulnérabilité humaine et économique plus élevée, un pays comme la Cote d'Ivoire se trouve elle aussi régulièrement en proie à ce type de phénomène.

La Côte d'Ivoire présente une vulnérabilité aux inondations. La tendance à la hausse de la pluviométrie constatée depuis 1994 (Kouamé, 1999 ; Saley, 2003) a entraîné des inondations d'une gravité exceptionnelle dans de nombreuses localités. En effet parmi ces localités, citons quelques-uns de ces évènements : en 1996, inondation en de nombreux secteurs d'Abidjan, glissement de terrain à Attécoubé, éboulement de terrain à Gobelet suite à des pluies diluviennes (plus de 30 morts) ; en 1998, inondation suivie de glissement de terrain à Abobo (5 morts) ; en 2010 et 2011 inondations dans toute l'agglomération et mouvement de terrain meurtriers sur la route du zoo et Attécoubé (André, 2013). Depuis 2009, Les zones les plus affectées sont principalement la ville d'Abidjan, les régions du Sud- Comoé, du Bas Sassandra et récemment la ville de Bouaflé ainsi que celle de Guiglo. En moyenne, chaque année 13 personnes perdent la vie à cause de ces intempéries (INS, 2014).

L'occurrence de tels évènements indique que certaines parties du territoire ivoirien sont soumises à des risques d'origines naturelles. Parmi celles-ci, le bassin versant du fleuve San-Pedro est l'un des espaces les plus touchés avec une fréquence et une intensité qui ne cessent d'augmenter.

Sur le bassin versant du fleuve San-Pedro, ses contraintes naturelles sont inéluctablement des facteurs de risque liés aux aléas d'origine naturelle comme les mouvements de terrain, l'érosion côtière ou encore l'inondation (Traoré, 2016).

Les études réalisées à San-Pedro ne prennent pas en compte tout l'étendu du bassin versant, elles se focalisent sur la ville de San-Pedro sous estimant ainsi de nombreux problèmes sur la majeur partie du bassin versant du fleuve San-Pedro. En 2017, les inondations survenues sur le bassin versant du fleuve San-Pedro ont eu un impact négatif sur la population, les routes, et les zones de cultures.

La connaissance sur le phénomène des inondations à l'échelle de tout le bassin s'avère donc

indispensable à la gestion des risques d'inondation. C'est dans cette perspective que l'étude dont le thème est : «urbanisation et risque d'inondation sur le bassin versant du fleuve San-Pedro (Sud-Ouest de la Côte d'Ivoire).» est menée. Cette étude vise à travers la cartographie à améliorer les connaissances à l'échelle de tout le bassin versant du fleuve San-Pedro. De façon spécifique il s'agit de :

- la première partie porte sur les généralités qui montrent les notions de base relatives à la gestion du risque d'inondation ainsi que la présentation de la zone d'étude ;

- la troisième partie donne les résultats obtenus, suivis de leur interprétation et de la discussion qui en découle.

Une conclusion générale précède les références bibliographiques qui achèvent ce mémoire.

PARTIE I : GÉNÉRALITÉS

I. Notion de base relative à la gestion du risque d'inondation

1.1. Notion de connaissance du risque

I.1.1. Risque

Le risque est vu comme une notion polysémique. Sa définition varie en fonction de l'approche prise en compte, l'accent étant tantôt mis sur les aspects fonctionnels et techniques, tantôt sur les dimensions sociales et psychologiques (Thomi, 2010). Le risque est de la conjonction d'une menace (l'aléa) et d'enjeux plus ou moins vulnérables (Léone, 2007), selon leur exposition physique.

D'après Gilbert, (2006), l'aléa est l'occasion de l'expression des vulnérabilités d'un milieu. Il occasionne des dommages, et est caractérisé par une intensité au cours d'une période donnée et sur une étendue donnée, et par une probabilité d'occurrence. Griot & Ayral (2001) le voient comme «une possibilité d'apparition d'un phénomène résultant de facteurs ou de processus qui échappent au moins en partie à l'homme». Pour Propeck-Zimmermann et al. (2009), l'aléa est entendu comme la probabilité d'occurrence d'un événement pouvant entraîner des effets dommageables dans une aire donnée. Dans notre étude cet évènement redouté (aléa) est l'inondation.

Le terme vulnérabilité se substitue à des appellations aussi diverses que sensibilité, susceptibilité, fragilité (Veyret & Reghezza, 2006). Elle est perçue par Griot & Ayral (2001) comme un indice de fragilité des éléments à risque par rapport à l'occurrence d'un événement. La vulnérabilité représente le degré d'endommagement dû à l'exposition des enjeux à l'aléa. Pour D'Ercole & Pigeon (1999), elle est la propension d'une société donnée à subir des dommages, en cas de manifestation d'un phénomène naturel ou anthropique telles que les inondations et les explosions. Dans cette étude, la vulnérabilité correspond à la proposition de Gleyze & Reghezza (2007). Sera donc considéré comme vulnérable tout enjeu (biens socio-économiques) dont l'intégrité se trouverait impactée par la manifestation d'un aléa sur celui-ci. Ainsi nous pouvons établir la relation suivante entre risque, aléa et vulnérabilité. Risque = aléa X vulnérabilité

1.2. Inondation

L'inondation est une submersion, rapide ou lente, d'une zone habituellement hors d'eau. Le risque d'inondation est la conséquence de deux composantes : l'eau qui peut sortir de son lit habituel d'écoulement et l'homme qui s'installe dans l'espace alluvial pour y implanter toutes

L'inondation est l'un des risques dits "naturels" que l'homme ne peut pas entièrement contrôler, mais qu'il peut analyser et apporter des mesures de mitigation. Les médias en quête de sensation pointent du doigt régulièrement les pays touchés à cause des destructions brutales et parfois des pertes humaines qu'elles provoquent (Marion, 2012).

I.3. Approche de la nature de l'aléa inondation

Dans le cadre de cette étude, il est important de distinguer deux types de crues, dont les dynamiques, la gestion et les conséquences sont distinctes. Il s'agit des inondations à cinétique lente et des inondations à cinétique rapide.

Les inondations à cinétique lente concernent les bassins versants moyens à grands, dont la

superficie peut aller de 15 000 à 100 000 km². Elles sont causées par des précipitations sous forme de pluies ou de neige successives et prolongées saturant les sols, et se caractérisent par une montée des eaux et une décrue lente et progressive, de l'ordre de la journée ou plus. Les inondations à cinétique rapide, ou inondation éclaire, concernent quant à elles des bassins

versants très réactifs, souvent de petite superficie, ayant une dimension allant de quelques km²

à une centaine de km², ou encore le lit de torrents à forte pente (supérieure à 6°). Elles sont dues à des pluies orageuses extrêmes localisées sur des surfaces petites à moyennes. Cette inondation se caractérise par une montée des eaux rapide, d'une durée souvent inférieure à une heure, par une charge alluviale élevée et par un fort pouvoir érosif et destructif (Marion ,2012).

II. Présentation du bassin versant du fleuve San-Pedro

Le littoral est un espace en constante évolution sous l'effet de multiples influences naturelles et humaines. Ce chapitre présente les caractéristiques géographiques et physiques du bassin versant du fleuve San-Pedro.

II.1. Cadre géographique

Le San-Pedro est un fleuve côtier du Sud-Ouest de la Côte d'Ivoire (Figure 3). Il est encadré par les bassins de la Nero et du Cavally à l'Ouest et la Brimay et le Sassandra à l'est. Il s'étend de la latitude 4°50' à la latitude 5°55' nord et sur la longitude 6°80' à la longitude 6°33' ouest. C'est un sous bassin versant du fleuve Sassandra.

II.2. Caractéristiques physiques du bassin versant du fleuve San-Pedro

II.2.1. Climat et végétation

Avec des précipitations annuelles 1 200 et 2 400 millimètres, le littoral est la région la plus arrosée de la Côte d'Ivoire (Brou, 2008). Le littoral ivoirien connaît un climat de type équatorial

humide avec quatre saisons (Figure 4). Il enregistre deux saisons des pluies (d'avril à juillet et de septembre à novembre) alternant avec deux saisons sèches (de juillet à septembre et de décembre à mars). Le bassin versant du fleuve San-Pedro est caractéristique de ce climat avec des précipitations comprises entre 1 800 et 2 000 millimètre de pluies par an (Brou, 2008). Cette abondance des pluviométries a été à l'origine d'une forêt dense dite « de type intermédiaire » ou « transitoire » entre la forêt humide sempervirente et la forêt semi-décidue.

II.2.2. Géomorphologie et pédologie

L'analyse géomorphologique (Figure 3) du site montre que le bassin versant du fleuve San-Pedro occupe un site caractérisé par quatre grands ensembles géomorphologiques.

Le littoral est constitué par les sables marins quaternaires disposés en cordons de faible largeur et une zone élevée et très accidentée constituée par la voûte des migmatites et tachetée de débris du continental terminal située le long du littoral et autour du port.

La zone d'estuaire et de dépression marécageuse qui s'étire de la lagune Digboué jusqu'au fleuve San-Pedro à l'est et à la zone des rizières au nord. C'est une zone de dépôts d'alluvions. Le Nord de la lagune Digboué repose sur une base micaschistes.

D'une manière générale, l'analyse Géomorphologie du bassin versant du fleuve San-Pedro fait apparaître trois grandes séries de roches. Ce sont les roches sédimentaires (argiles), les roches métamorphiques (migmatites, micaschistes, quartzites ferrugineux) et les roches plutoniques

(granites à deux micas) auxquelles il faut ajouter les alluvions, les dépôts côtiers et des reliques du continental terminal (Traoré, 2016).

L'évolution pédologique a donné deux terrains principaux de couvertures : les sols ferralitiques et les sols alluvionnaires. Les sols ferralitiques recouvrent les roches métamorphiques qui émergent autour des zones marécageuses. Ils occupent les sommets des collines, les moyens et bas versants. Les sols alluvionnaires quant à eux occupent les marécages et les zones lagunaires. Ces sols sont constitués de vases et de tourbes en général de forte épaisseur (14 m environ). Ils

sont gorgés d'eau et facilement inondables. Ces contraintes du site naturel ont conditionné la forme et l'organisation de la ville actuelle. Elle se présente comme un archipel de quartiers distincts, reliés les uns aux autres par des infrastructures de voirie et de réseaux divers (Traoré, 2016).

Le bassin versant du fleuve San-Pedro est sous l'influence directe de l'océan Atlantique et d'une couverture végétale relativement importante en raison de la proximité du parc national de Tai. Cette position géographique lui permet le développement de certains activités agricoles de rente telles que : le cacao, le café, le palmier à huile et l'hévéa. En plus de ces cultures, on y trouve également les cultures vivrières et les activités liées à la pêche (Abé, 2008).

Le bassin versant du fleuve San-Pedro, localisé dans le district du Bas-Sassandra affiche un taux de non migrants de 39, 7 % et comptait en 2012 une population active de 851254 personnes (INS & RGPH, 2014). La région de San-Pedro dans laquelle se trouve le bassin du fleuve de San-Pedro affiche une densité de 109,2 habitants par Km².

II.2.3. Réseau hydrographie et caractérisation morphologique du bassin versant du fleuve San-Pedro

Le réseau hydrographique du bassin versant du fleuve San-Pedro (Figure 4) est dominé par le fleuve San-Pedro à l'Est, la lagune Digboué à l'ouest, le lac central et par divers petits cours d'eaux côtiers intermittents. Le San Pedro est un fleuve côtier du Sud-Ouest de la Côte d'Ivoire d'une longueur d'environ 95 km avec un bassin d'environ 3 380 km. Son débit moyen est d'environ 22,8 m³. I1est encadré par les fleuves Nero et Cavally à l'Ouest et ceux de la Brimay et du Sassandra à l'Est, et enfin l'océan Atlantique au Sud. Il s'entend de la latitude 4°50' à la latitude 5°55', son affluent principal est le Palobod situé en rive droite. On y trouve également plusieurs marécages au sein dudit bassin versant.

PARTIE II : MATÉRIEL ET MÉTHODES

II.1. Matériel

Le matériel utilisé est constitué de données de débits, de données SRTM (Shuttle Radar

Topographic Mission), d'image Radar Sentinel-1, de logiciels et de matériel de terrain.

II.1.1. Données utilisées

II.1.1.1. Données de débits et de pluies

- les hauteurs de pluies de la station de pompage des mois de juin et de juillet 2017 pour

la détermination de la nature de l'aléa sur le bassin versant du fleuve San- Pedro ;

- les données de débits de la station de pompage pour la détermination de l'intensité de

II.1.1.2. Données SRTM

Les données SRTM donnent un relevé topographique de la surface du globe. Ce modèle numérique d'élévation (MNE) de 30 mètres de résolution est disponible gratuitement sur le site : https://earthexplorer.usgs.gov/. Il nous a permis de spatialiser les crues

II.1.1.3. Image Sentinel

Les images satellitaires radar Sentinel-1 sont enregistrées respectivement le 04/06/17, 16/06/17 et 28/07/17. La projection est en format UTM (Universal Transversal Mercator) dans le référentiel géodésique WGS 84 en coordonnées géographiques. La zone d'étude couvre deux scènes. Ces images sont disponible gratuitement après une inscription en ligne via le site : https://scihub.copernicus.eu

II.1.2. Logiciels utilisés

Pour le traitement des différentes images satellitaires et données ainsi que la réalisation des cartes, plusieurs logiciels ont été utilisés. Il s'agit de :

- ARCGIS a servi à la numérisation du réseau hydrographique et à réalisation des différentes cartes pour l'étude ;

II.1.3. Matériel de terrain utilisés

Une sortie de terrain avec un appareil photo numérique et un GPS a permis de valider les résultats obtenus. Le GPS a permis de retrouver les éléments recherchés sur le terrain.

II.2. Méthodes

II.2.1.1. Nature de l'aléa inondation

Les caractéristiques de l'aléa inondation, varient selon les études. La vitesse des flots, la hauteur de l'eau, la durée de l'inondation, la température de l'eau, l'étendue de l'inondation ou encore la concentration en sédiments peuvent être considérés (Jonkman, 2005 et Zhai et al, 2006). Nous avons choisi de n'utiliser que les trois caractéristiques qui, selon nous, sont les plus susceptibles d'influencer la vulnérabilité : l'étendue spatiale de l'inondation, la hauteur d'eau dans les zones submergées et la durée de l'inondation.

II.2.1.2. Intensité de l'aléa inondation

Cette prédiction passe par une analyse fréquentielle qui repose sur la définition et la mise en oeuvre d'un modèle fréquentiel qui est une équation décrivant le comportement statistique d'un processus. Ces modèles décrivent la probabilité d'apparition d'un événement de valeur donnée. Les différentes étapes d'une analyse fréquentielle sont obtenues après un classement par ordre croissant des données chronologiques. Les crues maximales seront calculées à partir des périodes de retours de 2, 10, 50 et 100 ans. Une fois les quantiles estimés, ces valeurs peuvent être utilisées comme données d'entrée pour simuler la propagation des crues. Le logiciel HYFRAN est utilisé pour ce calcul dont les étapes sont : l'échantillonnage, le test d'hypothèse, le choix du modèle d'ajustement, le critère de comparaison et le test de validation de comparaison.

L'échantillonnage a été mené après extraction de valeurs maximales annuelles des débits de la station de pompage. Il permet l'obtention d'une collection de valeurs issues d'une variable aléatoire, qui vérifient l'hypothèse suivante (Souanef, 2015) :

Les variables extraites sont homogènes, ou identiquement distribuées (c'est-à-dire qu'ils doivent appartenir à une même population d'évènements). Dans notre étude les valeurs maximales datent de 1982 à 2002 (22 ans).

II.2.1.2.1.2. Tests d'hypothèse

Une fois l'échantillonnage effectué, on soumet l'échantillon de valeurs à une série de tests statistiques (test d'homogénéité, test d'indépendance et test de Mann-Kendall) afin d'en vérifier l'indépendance, la stationnarité et l'homogénéité, conditions d'un bon ajustement. Le test de

comparaison présente une importance capitale qu'il convient d'en préciser les paramètres.

Plusieurs techniques d'approche permettent d'effectuer le choix du modèle d'ajustement à savoir : les considérations théoriques, la comparaison du comportement asymptotiques des lois, les habitudes locales, les tests d'adéquations et aussi l'utilisation de divers diagrammes (Souanef, 2015).

Dans le cadre de cette étude, le choix du modèle fréquentiel s'est fait au moyen de deux approches que sont l'approche graphique et celle des critères de comparaison (AIC et BIC). Ce choix a été opéré parmi trois (3) modèles fréquentiels (lois statistiques). Il s'agit de : la loi générale des valeurs extrêmes (GEV), la loi de Gumbel (EV1), la loi de Weibull (W). La méthode du maximum de vraisemblance a été utilisée pour l'estimation des paramètres de ces lois. L'application de ses lois permet d'apprécier celle qui s'adapte au mieux à une série chronologique de débits. L'observation des graphiques des ajustements suggère que le meilleur modèle est celui dont la courbe et l'intervalle de confiance 95% englobe le maximum de points. Nous pouvons décrire ces tests comme suit

Le but de ces critères est de chercher un compromis entre une paramétrisation suffisante pour bien ajuster une loi de probabilité aux observations, et une paramétrisation la moins complexe possible. Pour pouvoir comparer les modèles probabilistes par critère de comparaison, l'on se fixe des probabilités à priori égales pour toutes les distributions. Ensuite, l'on spécifie une période de retour (T). Ainsi, la probabilité à posteriori est calculée à partir de la probabilité à priori (Soro, 2011). Les Critère d'Information Bayésien (BIC) et le Critère d'Information d'Akaike (AIC) sont aussi Calculés. Le meilleur modèle probabiliste est celui dont les valeurs de AIC et BIC sont faibles et la probabilité à posteriori est la plus élevée (Brida, 2008 ; Soro, 2011; Saidi, 2015). Les critères BIC et AIC sont calculés comme suit :

Où: L : la vraisemblance, k : nombre de paramètre, n : taille de l'échantillon. II.2.1.2.1.5. Tests de validation du modèle

Une fois le modèle d'ajustement choisi, il doit être soumis à une série de tests afin de vérifier son adéquation à l'échantillon choisi. Dans le cadre de cette étude le test de khi- deux (??2) a été utilisé.

II.2.2. Simulation de la spatialisation des crues à différentes périodes de retour

II.2.2.1. Données d'entrée du modèle HEC-RAS

Cette valeur est fonction du type de sol, de la rugosité du lit du fleuve, de la présence et de

l'absence de végétation dans le lit et de la sinuosité du cours d'eau (Chow, 1959).

II.2.2.2. Equations mises en jeux

Où : u et v sont les composantes de vitesse dans les directions x et y respectivement et q est un terme de flux tributaire.

V= (u, v) : vecteur vitesse ; et (V) : vecteur des opérateurs dérivés partiels (V)= (Eq.5)

Où : u et v : vitesses dans les directions cartésiennes, : accélération gravitationnelle ;

vt : coefficient de viscosité tourbillonnaire horizontale cf : coefficient de frottement du fond

II.2.2.2. 2.Cas du régime non permanent

En supposant que le flux est incompressible, la forme différentielle instable de l'équation de

Où : t : temps, u et v : composantes de vitesse dans les directions x et y respectivement et q est un terme de flux tributaire. Sous forme vectorielle, l'équation de continuité prend la forme :

Où : u et v : vitesses dans les directions cartésiennes, : accélération gravitationnelle ;

vt : coefficient de viscosité tourbillonnaire horizontale cf : coefficient de frottement du fond

II.2.2.3. Calage et validation

Le calage et la validation ont pour but d'ajuster les paramètres du modèle de façon à ce que l'adéquation entre les débits simulés et observés soit maximale. La méthodologie consiste à subdiviser la période d'observation de chaque bassin versant en sous- périodes avec calage sur une période et validation sur le reste des observations et vice- versa. Toutefois, il faut réserver une période de mise en route. Cette action est répétée de façon à caler successivement sur toutes les sous périodes et à valider sur celles correspondantes. Le calage et la validation du modèle

Hec-ras ont été réalisés respectivement sur les périodes 2003 et 2004 avec une année de mise en route pour chaque étape de la modélisation.

Les périodes retenues sont celles qui ont données de meilleures performances de simulation des écoulements avec le modèle Hec-ras.

Ces deux modèles (calage et validation) seront soumis à un critère d'optimisation appelé le coefficient de Nash ; le coefficient de Nash permet de juger de la qualité de l'ajustement et de faciliter la comparaison des ajustements sur différents bassins dont les écoulements ont des ordres de grandeur différents (Nash & Sutcliffe, 1970). Le critère de Nash s'exprime comme suit : (Eq.11)

Q_c et Q_o sont les moyennes respectives de Qci et Qⁱo sur les n jours servant au calcul du coefficient.

II.2.3. Etude de la vulnérabilité à l'inondation des zones à risques

L'étude de la vulnérabilité à l'inondation des zones à risques nécessite l'utilisation des images Radar. Les images disponibles sur la zone d'étude ont fait l'objet de plusieurs prétraitements (traitements préliminaires). Les prétraitements des données radar concernent la calibration, le moyennage, le référencement géographique, et le filtrage de ces différentes données.

Le but de cette partie est de prétraiter les images radar afin de faciliter la détection manuel, d'aider à la segmentation des objets sombres et de rendre plus fiable à une reconnaissance automatique des zones inondables. Ce processus de prétraitement consiste à réaliser la calibration radiométrique, le moyennage, corriger les distorsions géométriques liées aux reliefs.

II.2.3.1. Différentes étapes de traitement d'image Sentinel

Les pixels d'une image radar sont définis par un compte numérique (CN), ce CN dépend des paramètres d'acquisition. Pour pouvoir effectuer des analyses multi- temporelles et comparer différentes images, il est nécessaire de normaliser l'intensité du signal. Cette normalisation est assurée par la calibration radiométrique des images qui consiste à calculer à partir du signal

rétrodiffusé une grandeur sans dimension appelée le coefficient de rétrodiffusion ó⁰ (Holah, 2005). Le coefficient de rétrodiffusion ó⁰ d'une surface représente sa signature spectrale radar

et est liée au rapport entre l'énergie renvoyée et l'énergie incidente (Ulaby et al.1982 ; Curlander & McDonough, 1991). L'équation du coefficient de rétrodiffusion ó⁰ prend la forme suivante :

- DN est la valeur numérique de chaque pixel (Digital Number) et K est la constante de calibration.

Le coefficient de rétrodiffusion s'exprime sur une échelle logarithmique (décibel (dB)). L'équation est de la forme suivante :

Les comptes numériques des images radar enregistrent l'amplitude du signal rétrodiffusé. A chaque pixel, l'amplitude est convertie en coefficient de rétrodiffusion (a°) (Rosenqvist et al. 2007). Le traitement de l'image avec le logiciel Snap se déroule selon les étapes suivantes : insertion de l'image- radar-radiométrique- calibration.

Le moyennage permet d'avoir des pixels carrés au sol. Pour réaliser le moyennage, il est nécessaire de trouver la taille de pixel moyen le long de la visée radar

Prange et de la projeter au sol à l'aide de l'angle d'incidence au centre de la scène Oc selon l'équation

Les images radar sont de mode simple, partiel et planimétrique. L'approche méthodologique est spécifique à chaque mode. Cette étape se déroule comme suite : radar-multilooking.

Le géoréférencement est le processus dans lequel on applique à une image SAR un emplacement spatial en lui donnant des coordonnées géographiques afin de déterminer la position de chaque pixel. Cette projection peut être réalisée suivant un ellipsoïde de référence système (système WGS 84). L'utilisation de points de contrôle au sol améliore la précision du

géoréférencement. Cette opération permet de s'affranchir de certaines distorsions géométriques dues à l'effet du relief.

Le véritable obstacle dans l'interprétation visuelle des images SAR est la présence de cohérence de l'onde radar et l'interférence des champs retro-diffués par les objets à l'intérieur de chaque cellule de résolution, ce phénomène est appelé phénomène de chatoiement ou speckle. La présence du speckle dans les images radar SAR réduit le pouvoir de perception des détails et des structures fines de la scène imagée.

Le principal objectif du filtrage est d'éliminer les bruits multiplicatifs et augmenter la lisibilité de la scène imagée. Cette méthode consiste à estimer le bruit à partir du signal observé et de le réduire en préservant la radiométrie et les informations texturales de l'image. Le coefficient du speckle calculé permet ainsi d'évaluer le niveau du filtrage de l'image (Lee, 1981).

PARTIE III : RÉSULTATS ET DISCUSSION

III.1. Résultats

III.1.1. Nature et intensité de l'aléa inondation

III.1.1.1. La nature de l'aléa inondation

La figure 5 montre les hauteurs de pluies survenues sur le bassin versant du fleuve San-Pedro durant les mois de juin et juillet 2017. Pendant le mois de juin, il pleut pratiquement tous les jours, les hauteurs de pluies qui en découlent sont très importantes. Le mois de juin enregistre une hauteur maximale de 115 mm et celle de juillet est de 93 mm. Ces grandes quantités d'eau (115 à 95 mm) qu'apportent ces pluies en moins de 24 H saturent rapidement le sol compte tenue de la perméabilité aussi élevée sur le bassin versant. La saturation rapide du sol génère des ruissellements qui entrainent des inondations sur le bassin versant du fleuve San-Pedro. Ces précipitations que connait le bassin versant du fleuve San-Pedro sont qualifiées de pluies extrêmes. Elles sont violentes, le seuil critique est atteint en quelques heures et provoques de graves dégâts.

Figure 5 : Hauteur de pluie des mois de juin et juillet 2017 de la station de pompage de San-Pedro

III.1.1.2. Intensité de l'aléa inondation sur le bassin versant du fleuve San-Pedro La figure 6 montre les résultats du critère de comparaison graphique. Il en résulte que la loi de Weibull (W2, B), présente l'avantage d'être un modèle simple de cette station dont les maximums des valeurs des débits annuels sont bien corrélés à ladite loi. Elle met en évidence un bon comportement comparé aux lois GEV, Gumbel et la loi Normal.

Figure 6: Graphes des différentes lois de comparaison ajustés par la méthode du maximum de vraisemblance aux séries de débits moyens annuels de la station de pompage de San-Pedro

Les critères d'information Akaike et Bayésien (AIC et BIC) permettent de retenir la loi de Weibull (Tableau I). Cette loi est arrivée en tête parmi toutes les lois mises en compétition avec la plus grande probabilité à posteriori P (Mi/X)= 67,14 et les plus faibles valeurs de critères de AIC et BIC qui sont respectivement de 526,70 et 530,02. La loi de Gumbel vient en deuxième position avec une probabilité à postériori P (Mi/X) = 21,2, des valeurs de critères de AIC (529,01) et BIC (533,52). La loi de GEV vient en troisième position avec une valeur de probabilité à postériori P (Mi/X) = 11,67 et des valeurs AIC (528,53) et BIC (533,52) plus élevées.

Tableau I : Comparaison des lois statistiques pour l'ajustement des différents modules

Modèle	Nb. de	Débit	P(Mi)	P (Mi/x)	BIC	AIC
	Paramètre	(m³/s)
Weibull (Maximum de vraisemblance)	2	962,97	33,33	67,14	530,02	526,70
Gumbel (Maximum de vraisemblance)	2	1202,09	33,33	21,2	532,33	529,01
GEV (Maximum de vraisemblance)	3	935,14	33,33	11,67	533,52	528,53

Les quantiles de crue pour divers périodes de retour sont consignés dans le tableau II. On remarque que les résultats estimés par les différentes lois sont très peu variables d'une période de retour à une autre. Cependant on observe une variation importante des débits estimés par la loi de Gumbel pour les périodes de retour de 2, 20, 50 et 100 ans avec des débits respectifs de 441, 806, 900 et 963 m³/s.

Période de retour (ans)	Probabilité au non dépassement	GEV m³/s	GUMBELL m³/s	WEIBULL m³/s
2	0,5	445	424	441
20	0,95	795	903	806
50	0,98	881	1070	900
100	0,99	935	1200	963

III.1.2. Résultats des simulations de la spatialisation des crues

III.1.2.1. Résultat du calage du modèle HEC-RAS

Le calage du modèle s'est fait avec les débits enregistrés du 01 janvier au 31décembre 2003. Le calage a été réalisé à partir d'un coefficient de Manning de 0,521 m^1/3.s^-1 avec un pas de temps de 2 heures. Les graphes de la figure 7, montre l'évolution des débits simulés et observés. A travers ce graphique (Figure 7), on constate que le modèle reproduit bien les conditions du milieu. La performance du modèle se traduit par un coefficient de corrélation de 96% et un coefficient de Nash de 71%. Cette forte corrélation montre également que le modèle reproduit bien les conditions hydrodynamiques du milieu.

III.1.2.2. Résultat de validation du modèle HEC-RAS

Les débits historiques de 1992 utilisés pour la validation du modèle montrent un bon synchronisme entre les débits simulés et observés (Figure 8). Cela se confirme par l'allure des courbes de variation de débits simulés et mesurés le. Les différents tests numériques effectués sur les valeurs mesurées et observées montrent une bonne corrélation de ces valeurs. Cette bonne corrélation se traduit par un coefficient de corrélation de 92% et un coefficient de Nash de 60,12%. Les résultats numériques et graphiques montrent que le modèle reproduit bien les débits du cours.

III.1.2.3. Spatialisation des crues à différent période de retour : 2 ans 20 ans, 50 ans et 100 ans

La figure 9 montre la propagation des crues à différentes périodes de retour. Les altitudes des surfaces libres de l'eau sont plus élevées dans la partie amont du bassin versant. Les cotes d'eau varient en fonction des périodes de retour. Les maximums des cotes sont 20,98 m, 21,19m, 21,37m et 21,46 m respectivement pour les périodes de retour de 2 ans, 20 ans, 50 ans, et 100 ans. Ces périodes de retour ont pour débit respectif 441 m³/s, 806 m³/s, 900 m³/s et 963 m³/s.

Figure 9 : Spatialisation des crues en fonction des débits et des périodes de retour

III.1.3. Détection des zones inondables sur le bassin versant de San-Pedro

Le traitement d'image radar sentinel-1 (Figure 10) montre les inondations survenues sur le bassin du fleuve San-Pedro lors de la saison des pluies du 16-juin 2017, 28 juin 2017et 10 juillet 2017. Ces images chronologiques montrent les différentes surfaces impactées par l'aléa. La

surface des eaux et la signature radar foncée qui y correspond varie d'une image à l'autre.

Les surfaces inondées (Figure 10) varient en fonction des périodes de pluies, leurs surfaces restent toutes importantes sur le bassin versant du fleuve San-Pedro. Les superficies des surfaces inondées sont 6007 ha pour le 10 juin 2017, 2426 ha pour le 28 juin 2017, et 3549 ha pour le mois de 10 juillet 2017 (Figure 11). Les débits en aval sont très importants compte tenu des différents affluents du fleuve San-Pedro, les zones au sud du bassin versant sont plus vulnérables à l'inondation. Le traitement des images Sentinel -1 et la modélisation des crues montrent conjointement que risque d'inondabilité est très élevé au sud du bassin versant.

	Discussion
	6007
6000
6000
5000
4000		3549
3000
		2426
2000
1000
0
0
16 juin 28-Jun 10-Jul

Figure 11: Surfaces inondées en juin et juillet sur le bassin versant du fleuve San-Pedro

III.2. Discussion

Cette étude s'est intéressée à l'amélioration des connaissances à travers la cartographie de l'aléa inondation à l'échelle du bassin versant du fleuve San-Pedro. Ce travail met en évidence dans un premier temps l'évolution de la nature et l'intensité des pluies journalières des mois de juin et juillet 2017 du bassin versant du fleuve San-Pedro. Les histogrammes de ces deux mois montrent que le bassin versant connait des fortes pluies qui en quelques heures atteignent très des hauteurs considérables de 95 à 115 mm. Ces types de pluies extrêmes sont des aléas météorologiques qui causent beaucoup de dégâts et des pertes en vie humaine.

L'analyse fréquentielle menée afin d'estimer l'intensité de l'aléa a permis de retenir la loi de Weibull pour un intervalle de confiance de 95%, acceptée par les différents tests appliqués. Nos résultats sont en conformité avec ceux de Soro (2011). Il a été observé au cours de notre étude une modification du régime pluviométrique des pluies journalières en termes de nature et d'intensité. Groisman et al. (2005) ont montré dans cette même ligne que les changements observés dans l'évolution des pluies journalières extrêmes est plus important que celui observé dans l'évolution totaux annuels.

La simulation de la propagation des crues du fleuve San-Pedro à l'aide du modèle Hec-ras 5.0.

3 et Arcgis 10.4.1 a permis de connaître les cotes maximales des eaux en différentes période de retour. Les maximums des cotes sont 20,98 m, 21,19m, 21,37m, 21,46 m respectivement pour les périodes de tour de 2 ans, 20 ans, 50 ans, et 100 ans. Les résultats obtenus montrent d'une manière générale que le modèle reproduit bien les conditions d'écoulement du milieu, avec des coefficients de Nash qui sont de 71% au calage et 60,12% à la validation. Selon Hostache (2006), Koffi et al. (2007) lorsque les valeurs de Nash sont comprises entre 60% et 80%, l'application du modèle est dite satisfaisante. Le coefficient de Manning utilisé pour le calage du

modèle est de 0,052 m¹/³.s^-1. Cette valeur est certes élevée, mais acceptable, en raison de la sinuosité du cours d'eau et de la rugosité du lit. Ces résultats confirment ceux de nombreux chercheurs (Chow, 1959 ; Soualmia et al. 2013), qui indiquent que le coefficient de Manning-Strickler est généralement élevé pour les cours d'eau ayant plusieurs méandres et une végétation sur les berges.

Le traitement des images radar fournit un grand nombre de paramètres polarimétriques tels que le coefficient de variation et le degré de polarisation qui sont directement reliés aux caractéristiques physiques des milieux, leur contribution dans la discrimination des zones inondables diffèrent énormément suivant le mode polarimétriques et le type de bande de l'image utilisé. L'analyse de ces paramètres nous donne les espaces inondables et nous renseigne sur les caractéristiques des surfaces concernées.

Le traitement des images radar fournit de nombreux avantages pour l'inventaire et le suivi de des milieux. Ces informations sont facilement acquises à cause de leur faculté de pénétration plus ou moins grande dans le milieu naturel. Ceci confirme les travaux de plusieurs auteurs tels que Niang & Bernier (2007). Les images radar prises à des périodes différentes a permis d'identifier les surfaces qui sont facilement inondables, les surfaces inondées sur le bassin versant sont principalement au sud bassin versant, les superficies inondées sont 6007 ha, 2426 ha et 3536 ha respectivement pour le 16 juin, 28 juin et 10 juillet 2017. Les zones inondées sont la conjugaison de plusieurs facteurs dont les principaux sont les changements climatiques, expansion des activités anthropiques et l'accroissement de l'urbanisme (Desbordes, 1989). Ces résultats corroborent avec ceux de Kouassi (2013) qui affirme que le recours aux données radar acquises à des saisons et à des niveaux de marée différents, sur la même zone, permet une meilleure identification des zones humides et réduit les écarts d'interprétation avec la réalité.

CONCLUSION

L'objectif de ce travail vise à l'amélioration des connaissances de l'aléa inondation à l'échelle du bassin versant du fleuve. Afin de répondre à cet objectif les deux composantes du risque, à savoir l'aléa et la vulnérabilité, sont intégrées à l'étude, et sont traitées de manière approfondie. Dans un premier temps, une méthodologie de détermination de l'intensité et la nature de l'aléa inondation mettant à profit les capacités des formules empiriques et les logiciels de modélisation tel que HYFRAN PLUS et Excel 2013 ont été proposée.

L'objectif de cette méthode est de mettre en évidence les caractéristiques de l'aléa survenu sur le bassin versant, pour mieux cerner le comportement de l'aléa. Il en ressort que le caractère extrême de l'aléa survenu sur bassin versant du fleuve San -Pedro favorise une montée rapide des eaux, cette montée rapide peut être accéléré par les différentes activités exercées sur le bassin versant. Les intensités débits à différente période de retour 2 ans, 20 ans, 50 ans et 100 ans sont respectivement 441, 806, 900 et 963 m³/s.

Ensuite une méthodologie de simulation des propagations des crues a été développée. Cette approche méthodologique a révélé les maximums des cotes qui sont 20,98 m, 21,19m, 21,37m, 21,46 m respectivement pour les périodes de retour de 2 ans, 20 ans, 50 ans, et 100 ans.

Le traitement d'image radar sentinel-1 montre les inondations survenues sur le bassin du fleuve San-Pedro lors de la saison des pluies du 16-juin 2017, 28 juin 2017et 10 juillet 2017. Le traitement des images radar sentinel-1 au logiciel SNAP montre que les zones les plus touchées à l'inondation sont localisées au sud du bassin versant. Les informations obtenues au cours de cette étude peuvent contribuer à l'aménagement des zones inondables pour urbanisation plus pensée. Elles peuvent aussi permettre d'identifier des zones humides propices à certaines activités. Bien que la détection des zones inondables soit améliorée par l'utilisation des images radar , il est probable que ces données n'aient pas permis de détecter certaines zones humides, surtout celles de petites tailles. En effet, la résolution, la date (année et saison) des données utilisées sont toutes des facteurs qui peuvent influencer la précision de la photo-interprétation. Une étude avec des données sur chaque saison de l'année pourrait fournir d'autres informations utiles à une meilleure connaissance de la zone.

RÉFÉRENCES

Abhas K.J., Bloch R. & Lamond J. (2012). Villes et inondations, guide de gestion intégrée du risque d'inondation en zone urbaine pour le XXI siècle, résumé à l'intention des décideurs, Banque mondiale, Washington (USA), 63 p.

Abé J. (2008). Contribution à la connaissance de la morphologie et d la dynamique sédimentaire du littoral ivoirien (cas du littoral d'Abidjan). Essai de la modélisation en vue d'une gestion rationnelle. Thèse d'Etat, Université Félix Houphouët Boigny Cocody-Abidjan, (Abidjan, Côte d'Ivoire), 337 p.

Bonnet J. (2004). La vulnérabilité des grandes villes. In : Wackermann Ellipses, (Paris, France). pp 421-442.

Chow V.T. (1959). Open Channel Hydraulics, McGraw hill company, (Illinois, USA), 245 p. D'Ercole R. & Pigeon. (1999). L'expertise internationale des risques dits naturels: intérêt

géographique/Geographical relevance of natural risk assessment on an international

Desbordes M. (1989). Principales causes d'aggravation des dommages d'inondations par ruissellement superficiel en milieu urbanisé. Bulletin Hydrologie Urbaine de la S. H.F, (Paris, France) : 4-10.

Füssel H.M. & Klein R.J. (2006). Climate Change Vulnerability Assessments: An Evolution of Conceptual Thinking, Climate Change : 75, 301-329.

Gauthier Y. & Pâquet M. (2008). Using Radar Images and GIS to Support Ice- Related Flood Forecasting geomatica, 62 (2): 139-150.

Gleyze J.F., & Reghezza M. (2007). La vulnérabilité structurelle comme outil de compréhension des mécanismes d'endommagement, Géo carrefour Revue Géographie Lyon, 82: 17-26.

Griot C. & Ayral P.A. (2001). Terminologie en sciences du risque, (Mèzes, France), 87 p. Groisman P.Y., Kingtht R.W., Easterling D.R., Karl T.R., Hegerl G.C. & Ravzuvaev V.N. (2005). Trends in intense precipitation in the climate Record, 18: 1843-1866.

Haeringer P. (1973). San-Pedro 1969, la première vague d'immigrants in Cahier ORSTOM, série Sciences Humaines, vol. X, n°2/3, pp. 245-267.

INS. (2014). Résultats provisoires du Recensement Général de la Population et de l'Habitat 2014, 21 p.

Koffi Y.B., Lasm T., Ayral P.A., Anne J., Kouassi A.M., Assidjo E. & Biemi J. (2007). Optimization of Multi-layers Perceptions models with algorithms of first and second

order. Application to the modelling of rainfall-rainoff relation in Bandama Blanc catchment

(north of Ivory Coast). European Journal of Scientific Research, 17 (3) :13-328.

Koks E.E., Jongman B., Husby T.G. & Botzen W.J.W. (2015). Combining hazard, exposure and social vulnerability to provide lessons for flood risk management, Environnemental science., 47: 42-52.

Kouassi K.H. (2013). Caractérisation et cartographie des zones humides littorales par l'apport des données radar polarimétriques et optiques : application aux zones de Sassandra, de Grand-Lahou et d'Abidjan (Côte d'Ivoire), Université Nangui Abrogoua, UFR géosciences et environnement, (Abidjan, Côte d'Ivoire), 151 p.

Lillesand T.M. & Kiefer R.W. (1987). Remote sensing and image interpretation. 2th Edition, John Wiley and Sons Inc., (New York,USA), 721 p.

Meylan P. (2012). Hydrologie fréquentielle: Une science prédictive. Presses Polytechniques et Universitaires Romandes. 168 p.

Nash J.E. & Sutcliffe J.V. (1970). River flow forecasting through conceptual models. Part I: a discussion of principles. Journal of hydrology, 10 : 282-290.

Niang M.A., Bernier M. (2007). Apport de l'imagerie radar multipolarisée et polarimétrique à la classification et la cartographie du drainage des sols du bassin versant du bras-d'henri. Rapport de recherche no. R-928. 42 p.

O'Brien K., Eriksen S., Nygaard L.P. & Schjolden. (2007). Why different interpretations of vulnerability matter in climate change discourses, Policy. 7, pp. 73-88.

Pigeon P. (2010). Catastrophiques dites naturelles, risques et développement durable : Utilisation géographique de la courbe de farmer. Vertigo- la revue électronique en sciences de l'environnement (Consulté le 30/03 /2019).

Pigeon P. (2005). Géographie critique des risques, Anthropos, Économica, Paris, 217 p. Propeck-Zimmermann E., Saint-Gérand T., & Bonnet E. (2009). Nouvelles approches

ergonomiques de la cartographie des risques industriels, Mappemonde, pp 4-19. Pulvirenti L., Chini M., Pierdicca N., Guerriero L. & Ferrazzoli P. (2011). Flood monitoring

RGPH. (2014). Résultats provisoires du Recensement Général de la Population et de l'Habitat 2014, 21 p.

Rufat S. (2008). Transition post socialiste et vulnérabilité urbaine à Bucarest. Thèse de géographie, Ecole normale supérieur Lettres et Sciences Humaines, (Lyon, France2), 387 p.

Ruin I. & Lutoff C. (2004). Vulnérabilité face aux crues rapides et mobilités des populations en temps de crise, Houille Blanche, 6 : 114-119.

Soro G.E. (2011). Modélisation statistique des pluies extrêmes en Côte d'ivoire. Thèse unique de doctorat, Université Abobo-Adjamé, (Abidjan, Côte d'Ivoire), 172 p.

Soualmia A., Gharbi M., Dartrus D. & Masbernat L. (2016). Comparaision of 1D and 2D hydraulic model for floods simulation on the Medjerda riverin Tunisia. Journal mater, 7 : 3017-3026.

Souanef N. (2015). Analyse fréquentielle des débits max des crues de l'Oued Abiod. Mémoire de master en hydraulique urbaine, Faculté des sciences et de la technologie, Université Mohamed Khider-Biskra (Algérie), 84 p.

Stacy L.O. & Marvin E.B. (2002). Satellite remote sensing of wetlands. Wetlands Ecology and Management, 10: 381-402.

Thomi L. (2010). Rôle des paramètres sociopolitiques et des connaissances dans la gestion des risques hydrologiques, thèse, Université de Lausanne, (Lausanne, France), 538 p.

Traoré K. M. (2016). Analyse des vulnérabilités de la ville côtière de San-Pedro (sud- ouest de la Côte d'Ivoire). Thèse unique de géographie, Université Félix Houphouët Boigny Cocody-Abidjan, UFR des Sciences de l'Homme et de la Société Géographie humaine et économique, (Abidjan, Côte d'Ivoire). 18 p.

Veyret Y. & Laganier R. (2008). Prévenir les catastrophes naturelles et technologiques, Autrement, 96 pp.

.Veyret Y. & Reghezza M. (2006). L'approche récente de la vulnérabilité. Vulnérabilité et risques, 7: 9-14.

Zhai G., Fukuzono T. Ikeda S. (2006). An empirical model of fatalities and injuries due to floods in Japan. Journal of the American Water Resources Association, 42(4): 863-8 .