Memoire Online - Cartographie des potentialités en eaux souterraines dans la commune rurale de Loulouni (sud du Mali) : apport de la télédétection et des systèmes d’informations géographiques

Pour l'obtention du Diplôme de Master de Recherche en Télédétection et Système d'Information Géographique (SIG)

CARTOGRAPHIE DES POTENTIALITÉS EN EAUX SOUTERRAINES DANS LA COMMUNE RURALE DE LOULOUNI (SUD DU MALI) : APPORT DE LA TÉLÉDÉTECTION ET DES SYSTÈMES D'INFORMATIONSGÉOGRAPHIQUES

ÀMes très chers parents : SANGARE Dramane et SIDIBE Mariam, pour tous leurs sacrifices, leur amour et leurs prières tout au long de mes études.

Merci pour les valeurs nobles, l'éducation et le soutient permanent venus de vous.

À toute ma famille pour leur appui et encouragement tout au long de mon parcours universitaire.

REMERCIEMENTS

Nous voudrions témoigner notre reconnaissance à toutes les personnes qui ont contribué à la réalisation de ce travail.

Nos remerciements vont à l'endroit du Professeur SORO Nagnin, Doyen de l'UFR des Sciences de la Terre et des Ressources Minières (STRM) et Docteur KOUAME Kan Jean, Directeur du Centre Universitaire de Recherche et d'Application en Télédétection (CURAT), pour la qualité de la formation reçue.

Nos remerciements vont également à l'endroit du Docteur MOBIO Abaka Brice, Directeur du Laboratoire de Télédétectionet SIG (LaTSIG), pour l'accueil chaleureux au sein de son laboratoire. Recevez l'expression de notre profonde gratitude.

Nous exprimons notre profonde gratitude au Directeur de ce présent mémoire, le DocteurYOUAN TA Marc, Sous-Directeur du CURAT en charge de la pédagogie, qui a accepté de nous encadrer malgré son emploi du temps très chargé. Ses observations, ses critiques et ses orientations scientifiques ont été d'un apport fondamental à la réalisation de ce travail.

Nos remerciements vont à l'endroit du Docteur DIBI N'Da Hyppolite, Sous-Directeur du CURAT en charge de la recherche, pour ses conseils et suggestions.

Nous remercions très sincèrement le Docteur MARIKO Adama, enseignant-chercheur à Ecole Nationale d'Ingénieurs Abderhamane Baba Touré (l'ENI-ABT), pour ses conseils et son apport inestimable dans ce mémoire.

Nos vifs remerciements vont à l'endroit de Monsieur YATTARA Ousmane, Directeur Régional de l'Hydraulique de Sikasso (Mali) et à l'ensemble du personnel de la DRH, pour leur constante disponibilité et leur soutien durant notre séjour à la DRH de Sikasso.

Nous adressons nos remerciements chaleureux à l'ensemble des enseignants, chercheurs, étudiants et personnels administratifs du CURAT. Tous ont oeuvré à la réalisation de ce mémoire par leurs sollicitudes, encouragements, conseils et critiques.

Nos remerciements particuliers vont à l'endroit de Mlle NJEUGEUT MBIAFEU Amandine Carine, Doctorante au CURAT ; de M. ALLECHY FABRICE BLANCHARD, Doctorant à l'UFR STRM et à M. KEÏTA Djibril Sékou, Doctorant à Gujarat Forensic Sciences University (GFSU), pour leurs remarques et leurs contributions à ce mémoire.

Nos remerciements vont à l'endroit aux membres du jury qui ont accepté d'examiner ce travail et d'avoir bien voulu participer à la soutenance publique de ce document.

Par ailleurs, nous remercions la grande famille OUATTARA à Sikasso, pour l'hébergement et le chaleureux accueil durant notre séjour.

Nous voudrions témoigner notre profonde gratitude à notre famille pour son soutien moral et financier, notamment mes soeurs : SANGARE Fatoumata, SANGARE Aramatou, SANGARE Aïssatou, SANGARE Rokiatou, SANGARE Aminata ; mes frères : SANGARE Oumar, SANGARE Ibrahim et ma fiancée : FAMANTA Aïchatou.

Nous adressons un grand merci à l'endroit des Diplomates Maliens en Côte d'Ivoire et à tous les membres de l'Association des Elèves et Etudiants Maliens en Côte d'Ivoire, pour leur franche collaboration ainsià tous mes amis en particulier : GBODJINOU Bruno Buffon, TRAORE Moctar, ZABI FrhydEnersi, DIALLO Zoumana, ZAMBLE Guy Roland, Mme SACKO Mariétou DIARRA, LAZILE H. Stéphanie, DOLO Eguelou,SOUMAHORO Ben Mamadou, TAMEGNONKouadio Jean Carlos,DIABATE Mamadou, SANOGO Aboubacar, pour leur sympathie, leur disponibilité et leur encouragement.

Enfin, pour tous ceux qui n'ont pas été cités ici et qui de près ou de loin ont apporté un soutien et contribué d'une façon ou d'une autre à l'aboutissement de ce travail, nous voudrions dire les mots de remerciement et de gratitude. Que Dieu le tout puissant nous garde tous.

LISTE DES ABRÉVIATIONS

CURAT : Centre Universitaire de Recherche et d'Application en Télédétection

LISTE DES FIGURES

LISTE DES TABLEAUX

LISTE DES ANNEXES

RÉSUMÉ

Les eaux souterraines constituent la principale source d'alimentation en eau potable pour la population rurale dans la commune de Loulouni au sud du Mali. La commune connaît des pénuries d'eau due à l'accroissement démographique et la variabilité climatique. L'objectif de cette étude estd'identifier les zones potentielles en eaux souterrainesafin de faciliter la réalisation des forages et aider les décideurs à améliorer le taux d'accès à l'eau potable dans cette commune. Les données utilisées sont essentiellement constituées de données cartographiques, de données hydroclimatiques, de données de forages et des images satellitaires. La méthodologie adoptée à consister à l'extraction automatique des linéaments à l'aide du module LINE PCI Geomatica sur les images Sentinel-2b, cette extractiona permis de détecter les linéaments dont la validation s'est effectuée en comparant les directions préférentielles avec celles des travaux antérieurs.Aussi, les méthodes de l'analyse multicritère et de l'arbre de décision ont permis de cartographier des zones potentielles en eaux souterraines avec sept critères de décisions : pente, infiltrations efficaces, densité de drainage, densité de fracturation, épaisseur des altérites, la géologie, et l'occupation du sol.Les débits de forages ont été superposés aux cartes de potentialité pour la validation des cartes thématiques. Ainsi sur l'ensemble de la zone d'étude, 7803 linéaments ont été extraits.Quatre (4) classes de potentialités en eaux souterraines ont été identifiées. Les classes excellente et bonne dominent avec 81%, les classes de potentialité médiocre et mauvaise sont faiblement représentées avec 19% de la superficie totale de la commune issue de la carte obtenue par l'analyse multicritère. Par ailleurs, avec la méthode de l'arbre de décision, les classes excellente et bonne représentent 74% et les classes médiocre et mauvaise représentent 26% sur le territoire. La comparaison de ces cartes de potentialités révèle que le coefficient de kappa est fiable et a donné un accord modéré avec une valeur de K = 0,47. La cohérence entre les deux méthodes a été confirmée par une analyse de surface avec un pourcentage de 35,82%.En effet, la méthode de l'arbre de décision parait mieux préditedes zones à fort potentiel en eaux souterraines dans la commune rurale de Loulouni par rapport à la méthode de l'analyse multicritère.Cette carte thématique peut être utilisées comme outil d'orientation pour les prospections futures et aussi pour la réalisation des forages d'eaux dans la commune rurale de Loulouni.

Mots clés : Télédétection, SIG, Eau souterraine, Analyse Multicritère, Arbre de Décision, Commune rurale de Loulouni.

ABSTRACT

Groundwater is the main source of drinking water for the rural population in the commune of Loulouni in southern Mali. The commune is experiencing water shortages due to population growth and climate variability. The objective of this study is to identify potential groundwater zones in order to facilitate the drilling of boreholes and help decision-makers to improve the rate of access to drinking water in this commune. The data used are mainly cartographic data, hydroclimatic data, borehole data and satellite images. The methodology adopted consisted in the automatic extraction of lineaments using the PCI Geomatica LINE module on Sentinel-2b images. This extraction made it possible to detect lineaments whose validation was carried out by comparing the preferential directions with those of previous work. Also, the multi-criteria analysis and decision tree methods made it possible to map potential groundwater areas with seven decision criteria: slope, effective infiltration, drainage density, fracture density, alteration thickness, geology, and land use. Borehole flows were superimposed on the potential maps for validation of the thematic maps. Thus over the entire study area, 7803 lineaments were extracted. Four (4) classes of groundwater potentialities were identified. The excellent and good classes dominate with 81%, the poor and bad potentiality classes are weakly represented with 19% of the total surface area of the commune resulting from the map obtained by the multi-criteria analysis. Furthermore, using the decision tree method, the excellent and good classes represent 74% and the mediocre and bad classes represent 26% of the territory. The comparison of these potentiality maps reveals that the kappa coefficient is reliable and gave a moderate agreement with a value K = 0.47.The consistency between the two methods was confirmed by a surface analysis with a percentage of 35.82%. Indeed, the decision tree method seems to better predict areas with high groundwater potential in the rural commune of Loulouni compared to the multi-criteria analysis method. This thematic map can be used as an orientation tool for future prospecting and also for water drilling in the rural commune of Loulouni.

Key words: Remote sensing, GIS, Groundwater, Multicriteria Analysis, Decision Tree Rural, Commune of Loulouni.

INTRODUCTION GÉNÉRALE

L'eau est indispensable à la vie et constitue un enjeu important pour le développement durable. Elle est une ressource essentielle aux besoins fondamentaux de l'homme et son environnement. Selon une étude de l'Organisation des Nations Unies (ONU) en 2017, la demande en eau augmentera de 50% d'ici 2030, notamment en raison des besoins de l'industrie, de l'énergie et l'accroissement de la population.

Au niveau mondial, les réserves d'eau sont considérables et estimées à 1,4 milliards de km³ (FAO, 2011).Cependant, la majeure partie de cette eau (97,5%) est présente sous forme d'eau salée dans les mers et les océans et est difficilement valorisable pour les activités humaines. Il ne reste donc que 2,5% d'eau propre à la consommation humaine. De ce pourcentage d'eau douce, une infime partie (<1%) soit près de 8500000 km³ est présentement disponible et constituée essentiellement d'eaux souterraines(Youan Ta, 2008).

Les ressources en eau de surface, très vulnérables aux changements climatiques et à la pollution, sont devenues insuffisantes pour répondre aux besoins en eau (Feumba et al., 2011 ; Jofack, 2016).Le recours à l'eau souterraine est maintenant systématique compte tenu du contexte des pénuries économiques d'eaux que connaissent actuellement les pays africains (FAO, 2011). En effet, les eaux souterraines constituent la réserve majeure d'eau douce exploitable sur les terres émergées (PNUD, 2013).

Au Mali, les ressources en eaux souterraines sont estimées à 2 700 milliards de m³ de réserves statiques avec un taux annuel de renouvellement évalué à 66 milliards de m³. La population malienne dans sa totalité consomme près de 107 milliards de m³ par an, la majeure partie provient des eaux de nappes (Mali Sahel, 2014). Le pays dispose donc d'une grande quantité de ressource en eau. Cet énorme potentiel n'est exploité qu'à 0,2%. Toutefois, il y a plus de 30% de la population malienne qui n'a toujours pas accès à l'eau facilement.

Subséquemment,les approches traditionnelles de l'exploration des eaux souterraines par les forages, l'hydrogéologie, la géologie et la géophysique sont extrêmement coûteuses, prennent beaucoup de temps et requièrent une main-d'oeuvre qualifiée. À cet égard, la télédétection et les techniques des SIG ont récemment attiré l'attention de nombreux chercheurs.

Les études menées dans des contextes différents ont montré l'intérêt et l'importance de l'analyse des linéaments sur les images satellitaires pour la prospection hydrogéologique (Biémiet al., 1991 ; Andersson et al., 1992 ; El Hadani, 1997 ; Lee et al.,2012 ;Jourda, 2005 ;Youan Ta, 2008 ;Dibi, 2008 ; Jofacket al., 2014 ; Adon, 2015 ; Pinatibiet al., 2015 ; Ouedraogo, 2016 ;Abdelfettah et Bouabdellah, 2018). Aussi, Lee et al. (2015) ont utilisé les techniques d'arbres de décision pour la cartographie de la productivité potentielle des eaux souterraines en Corée.

La commune rurale de Loulouni, est majoritairement constituée par le socle où la question d'eau souterraine engendre beaucoup de soucis tels que des pénuries d'eaux dues à l'augmentation démographique et la variabilité climatique.Or, la commune n'a jamais fait l'objet d'étude préalable sur la recherche des eaux souterraines par la télédétection et SIG.Cette étude serait la première investigation menée sur la base des études en télédétection et SIG dans la commune de Loulouni.

C'est dans ce contexte que s'inscrit notre étude intitulée: « Cartographie des zones potentielles d'eaux souterraines dans la commune rurale de Loulouni (Sud du Mali) : Apport de la télédétection et des Systèmes d'Informations Géographiques ».

L'objectif principal de ce travail est d'identifier des zones de fortes potentialités en eaux souterraines dans la commune rurale de Loulouni pour faciliter la réalisation des futurs forages d'eaux.

· élaborer les cartes des fractures(linéaments) par extraction automatique et de l'occupation du sol à l'aide d'images satellitaires optiques (Sentinel-2B) ;

· cartographier les potentialités en eaux souterraines à partir des techniques d'arbres de décision et de l'Analyse Multicritère ;

· établir une échelle de comparaison entre les méthodesde cartographie des potentialités utilisées dans le but de voir la pertinence des résultats obtenus par ces méthodes.

Pour mener à bien cette étude, ce travail a été subdivisé en trois (3)grandes parties. La première partie sera consacrée aux généralités. La deuxième partie présentera le matériel et les méthodes et la troisième partie se focalisera sur les résultats, et discussion. Enfin, une conclusion générale suivie de perspectives et des références bibliographiques termineront ce document.

CHAPITRE 1 : PRÉSENTATION DE LA ZONE D'ÉTUDE

Dans ce chapitre, nous présentons les caractéristiques physiques, naturelles et socio-économiques de la zone d'étude (commune rurale de Loulouni).

1.1. Situation géographique

La zone d'étude (Figure 1) est la commune rurale de Loulouni, située au Sud du Mali, dans le cercle de Kadiolo et dans la région de Sikasso,entre les latitudes10°60'-11°02'N et les longitudes 5°47'- 5°86'W.Elle est limitée à l'Est par le Burkina Faso, à l'Ouest et au Sud par la Côte d'Ivoire, au Nord par le cercle de Sikasso.Elle couvre une superficie de 1 052 km².

1.2. Caractéristiques Géographiques

1.2.1. Géomorphologie

La topographie de la commune de Loulouni présente des surfaces aux profilsdifférents (Figure 2). Il se distingue un relief peu accidenté, entrecoupé de plaines, de bas fond et de collines. La colline de « Faco-courou » près de Kebeni qui s'élève à une altitude de480 m. L'altitude moyenne est d'environ 420 m, avec une variation de 333-669 m.

1.2.2.Végétation

La végétation est composée de la forêt claire regroupant les galeries forestières le long des cours d'eau et les forêts classées, de la savane arborée et de la savane arbustive parsemée souvent des graminées.Les espèces végétales rencontrées sont : le néré, le karité, le baobab, le caïlcédrat, le fromager, le rônier, etc. (Sogodogo, 2015).

1.2.3. Climat

Le climat est de type soudanien avec des températures variant entre 21° et 32°C.C'est l'une des zones les plus pluvieuses du Mali avec un cumul variant entre 900 et 1200 mm.Les mois de décembre et janvier sont les plus froids avec des températures allant de 24°C à 26°C tandis que mars et avril se révèlent comme les mois les plus chauds avec 30°C voire 32°C parfois.Généralement les températures sont plus élevées pendant la période d'harmattan où l'air est chaud. L'amplitude thermique annuelle ne dépasse pas 6°C.

Quant au régime pluviométrique, il est marqué par l'alternance de deux saisons (une saison pluvieuse et une saison sèche). La saison pluvieuse dure cinq mois et s'étend de juin à octobre tandis que la saison sèche se prolonge sur sept mois (Novembre à Mai). L'évolution des valeurs moyennes mensuelles des températures et des pluviométries à la station de Loulouni de 1990 à 2019 est présentée par la (figure 3).

1.2.4. Géologie

La géologie de la commune de Loulouni s'inscrit dans le cadre général de la géologie et des grands ensembles litho-stratigraphiques du Mali (Figure4). Elle est constituée de socle dans sa majeure partie (Traoré, 2019).

Le bassin de Sikasso est un bassin subsidient intra-cratonique d'âge néoprotérozoïque. Il n'a subi aucun plissement, les strates sont généralement subhorizontales avec une légère inclinaison de 1° à 5° vers le centre du bassin. Seulement quelques failles affectent la séquence. Elles sont le plus souvent orientées NNE-SSW et NW-SE. Une faille majeure de décrochement senestre de direction N10° traverse le bassin à l'Ouest de Sikasso. Cette faille majeure, dont le rejet horizontal maximal est estimé à 15 km, affecterait le socle (Girad et al., 1998).

Les unités volcaniques se répartissent le long de quatre (4) ceintures orientées (NNW à NNE) et espacées d'une centaine de km. Elles sont généralement ennoyées au sein de vastes bassins d'unités sédimentaires très plissées, eux-mêmes séparés par des ensembles complexes de roches granitiques. La ceinture orientée N200° traverse la partie ouest du feuillet de Kadiana et les coins NW du feuillet de Kadiolo (Girad et al., 1998).

Les intrusions éburnéennes se présentent en grands complexes dans les rides séparant des bassins sédimentaires et en petits massifs ou batholithes circonscrits à l'intérieur des bassins sédimentaires eux-mêmes. Les premiers sont généralement à texture orientée et Syn- à anté- tectoniques, alors que les seconds sont le plus souvent à texture équante et post-tectoniques. En plus de roches métamorphiques (Gneiss, migmatiques, amphibolites et roches ultrabasiques rétromorphosées), le massif gneisso-granitique de Kadiolo, est composé d'une série de roches intrusives dont la composition va de granite à roche ultrabasique. (Girad et al., 1998).

Des unités sédimentaires détritiques à conglomératiques monophasées de types Tarhwaïen affleurent, au moins, à deux endroits dans le Sud-Mali :

· dans la région de Syama, immédiatement à l'Est de la ceinture volcanique de Syama, dans les feuillets de Kadiana et de Kadiolo, et

· dans la région de Selingué dans l'Ouest du barrage de Selingué dans le feuillet de Yanfolila.

Ce sont des sédiments classiques d'origine fluvio-dellaïque comprenant des conglomérats polygéniques surtout avec intercalations subordonnées de grauwackes, des grès et d'argiles et de volcanites felsiques (rhyolites et tufs felsiques). Les sédiments proviennent de l'érosion des unités paléoprotérozoïquespolysphasées sous-jacentes. Le conglomérat est en général peu déformé, par contre les argilites sont souvent très déformés (Girad et al., 1998).

La FM de Sikasso est formée d'une succession rythmique de grès de pélites. Ces grès sont fins ou très fins, de couleur blanche, de siltstones, grès verdâtre sont interstratifiés au sein des pélites. Ces roches sont souvent micacées et contiennent de la glauconie. Un banc de 2 à 10 m d'épaisseur de grès blancs fins à moyens est localement présent dans la séquence rythmique. Également il faut signaler la présence des lentilles de grès moyens à stratifications entrecroisées (Girad et al., 1998).

La FM de kébeni comprend essentiellement des grès fins à moyens à stratifications obliques et horizontales et de composition quartzique à arkosique aux passées de 5 à 15 cm de conglomérats à quartz et fragments de grès fins silicifiés (faciès de Dièlé) (Girad et al., 1998).

La FM de Massigui est constituée par une alternance des grès pélites. Les grès sont de gris foncés à mauves, de fins à mayens, de quartzitiques à lithiques, de micacés à glauconieux avec de rares passées conglomératiques (Girad et al., 1998).

1.2.5. Hydrographie

Le principal cours d'eau est le Bafing, un des affluents les plus importants de la Bagoé, qui prend sa source dans les grés. Il draine la zone d'étude sur près 80 km. Il constitue un cours d'eau permanent (Traoré, 2019).Le réseau hydrographique de la commune de Loulouni(Figure 5) a été extrait du modèle numérique de terrain à partir de l'outil hydrology de ArcGis 10.5.La zone d'étude présente un réseau hydrographique très dense avec une longueur totale des drains estimée à 2182,7 km. Il se caractérise par une grande variété dans la configuration du drainage.L'influence relative et conjuguée de quatre principaux facteurs à savoir la pente, la tectonique, la géomorphologie et la nature des roches ont contribué à la mise en place de l'architecture donnée à ce réseau hydrographique.

Figure 5: Réseau de drainage de la commune de Loulouni extrait du MNA (ALOS PALSAR)

1.2.6. Hydrogéologie

Les principaux aquifères du Mali peuvent être distingués par leur type d'écoulement dominant: ceux dans lesquels les écoulements se produisent principalement par des fractures et ceux qui présentent un flux intergranulaire significatif (Traoré et al., 2018). La zone d'étude constitue trois (3) types d'aquifères et productivité (Figure 6) : Sédimentaire intergranulaire ; Igné et Socle précambrien.

- Aquifère intergranulaire/fracturé sédimentaire (Productivité élevée)

Très productifs,les aquifères infracambriens sont considérés comme une ressource renouvelable. Ils sont utilisés pour l'approvisionnement public en eau dans plusieurs villes, y compris Sikasso et Koutiala.Les débits moyens du forage sont d'environ 5-10 m/h. Cependant, plusieurs forages ont signalé des rendements de plus de 100 m/h. Les aquifères métasédimentaires dans cette région reçoivent la plus grande recharge pendant la saison des pluies. La recharge est estimée à 7-20% des précipitations annuelles. Les horizons fracturés dans l'aquifère ont une épaisseur d'environ 30 à 50 m, bien que des fractures plus profondes puissent augmenter l'épaisseur de l'aquifère à 80-100 m. (Traoré et al., 2018).

- Aquifères du Socle précambrien (Productivité modérée à très faible)

Les aquifères du socle dans le Sud et le Sud-ouest se caractérisent par une zone épaisse et altérée et des fortes précipitations. Ces aquifères sont généralement drainés par le système de la rivière du Niger. Les débits moyens des forages varient de 4 à 6 m/heure, selon la lithologie. Ces aquifères du socle reçoivent la majorité des recharges pendant la saison des pluies. La recharge est généralement faible. Les forages sont généralement réalisés à des profondeurs de 40 à 80 m, mais peuvent dépasser 200 m dans certaines zones. Les taux de réussite de forage dans les aquifères du socle se situent généralement entre 60 et 80% (Traoré et al., 2018).

Les aquifères d'Infracambriens peuvent avoir jusqu'à 120 m d'épaisseur. Les profondeurs moyennes des nappes phréatiques se situent à environ 40 m au-dessous du niveau du sol et les débits moyens du forage sont compris entre 2-4 m³/heure. En outre, des profondeurs maximales de 96 m ont été signalées et des profondeurs minimales de 20 m sont souvent constatées lorsque l'aquifère est rechargé par des eaux de surface. Les forages sont généralement réalisés à une profondeur de 70-100 m et peuvent atteindre 200 m de profondeur dans certaines zones. Les taux de réussite de forage dans les aquifères Infracambriens sont généralement inférieurs à 50%.Les débits sont généralement faibles. Les aquifères sont rechargés par les eaux de surface du delta intérieur de la rivière du Niger (Traoré et al., 2018).

1.2.7. Pédologie

Les sols peuvent être regroupés en trois (3) grandes catégories (Keïta, 1993) :

· leslitho-sols que l'on rencontre sur les surfaces cuirassées et qui se poursuivent par des colluvions gravillonnaires de 30 à 50 cm d'épaisseur sur les surfaces de dégradation de ces cuirasses (régosols) ;

· des sols hydromorphes peu humifères à gley oxydé et acides, dans les bas-fonds.

1.3. Population et activités économiques

Au plan démographique, la commune de Loulouni compte 41 086 habitants en 2013 selon la direction nationale de la population, sur la base duRGPH (Recensement général de la population et de l'habitat).Cette population locale, repartie entre 29 villages, se compose de Sénoufos majoritaires avec 48,3 %; des Samogos 39,2 %; des Bambaras 8,5 %, des éleveurs Peuhls 3,8 % et des Dogons 0,2 %. La densité de sa population est de 38,23 habitants/km² (RGPH, 2013in Sogodogo, 2015).

Par ailleurs, l'économie de cette commune repose essentiellement sur l'agriculture, l'élevage et la pêche.

- L'agriculture pluviale reste l'activité principale des populations de la zone. Elle est dominée par les cultures céréalières et est pratiquée selon un mode d'association ou en culture pure.

- L'élevage bien que pratiqué sous la forme extensive occupe une place de choix dans l'économie locale. Il porte sur les bovins, les ovins, les caprins, et la volaille. Mais aujourd'hui, cette activité est compromise, car elle présente une menace sérieuse pour un environnement dont la capacité de charge est déjà entamée par les sécheresses répétitives et la pression anthropique.

- La pêche, pratiquée de façon traditionnelle dans les eaux temporaires contribue à la consommation locale.

Les autres activités économiques portent sur l'artisanat et le petit commerce portant sur les produits locaux (igname, patate, manioc, riz, maïs, fruits...) et les denrées de première nécessité importées.

Conclusion partielle

La commune de Loulounise trouve à cheval sur la route nationale n°7 à 50 km de Sikasso et de Kadiolo. Elle présente un réseau hydrographique dense, un relief monotone et accidenté, une variation de la pluviométrie et un nombre important d'habitants.La commune rurale de Loulouni appartient au climat sud soudanien. C'est l'une des zones les plus pluvieuses du Mali avec un cumul variant entre 900 et 1 200 mm avec des températures moyennes mensuelles variant entre 24-32°C.La commune constitue trois (3) types d'aquifères et productivité : Sédimentaire Intergranulaire(fracture élevée) ; Igné (aquifère modéré à faible) et Socle Précambrien (aquifère modéré à très faible).Le chapitre suivant fera l'état des connaissances sur les termes clés de sujet.

CHAPITRE 2 :NOTIONS ET CONCEPTS DE L'ÉTUDE

Ce chapitre, présente un état de connaissances sur les thématiques abordées dans cette étude.

2.1.Traitement des images satellitaires

2.1.1. Télédétection

La télédétection est un moyen d'observation, d'interprétation et de gestion de l'environnement à distance. Elle permet d'acquérir des informations sans avoir aucun contact matériel avec les éléments observés. En hydrogéologie, la télédétection permet de déterminer sur les images satellitaires et les photos aériennes des linéaments en zone de socle, lesquelles sont le siège de circulation de l'eau (Galbane, 2012). Ce qui constitue une avancée technologique très importante en matière de recherche des ressources en eaux souterraines.

2.1.2.Images satellitaires

L'imagerie satellite désigne la prise d'images de la terre ou d'autres planètes à partir de satellites artificiels. L'utilité des images satellitaires s'est accrue, d'une part, grâce à l'introduction de nouvelles technologies pour capter les images et, d'autre part, par l'utilisation d'algorithmes poussés de traitement d'images et de techniques de l'intelligence artificielle tels les réseaux neuroniques.

2.1.3. Traitement

Le traitement des images satellitaires consiste à détecter des caractéristiques tels la réflectance spectrale, la texture, les arêtes et les linéaments qui indiquent dans le cas où les structures géologiques auraient une influence marquée sur le paysage, des phénomènes physiques plus profonds. Par exemple, les différentes textures rencontrées dans une image servent à la classifier en zones de végétation différentes, en zones urbaines, etc. Les linéaments indiquent la présence de failles, de contacts géologiques, de cassures. Ils se trouvent dans les images sous forme de changements de valeurs numériques abrupts et localisés.

2.2.Linéaments

2.2.1.Définition

Les linéaments sont des éléments rectilignes ou curvilignes qui expriment la présence de phénomènes plus profonds tels que les failles, les fractures et les contacts géologiques. Ils apparaissent dans les images de la terre captées à partir de plateformes aéroportées ou satellitaires. Au niveau des images numériques, un linéament correspond à un changement significatif dans le niveau de gris (Rouhana, 1990).

2.2.2.Caractéristiques

Un expert reconnaît les linéaments suite à une analyse poussée. On peut considérer qu'un linéament est identifié à partir d'une arête ou un regroupement d'arêtes ayant :

2.2.3.Détection

Plusieurs algorithmes de traitement d'images sont appliqués pour détecter les linéaments. En général, la méthode comprend quatre étapes :

2.2.4. Concept du module de l'algorithme LINE de PCI

L'extraction des linéaments à l'aide du module LINE de PCI Geomatica s'effectue sur une seule bande spectrale et génère des polylignes et des segments en se basant sur six (6) paramètres RADI, GTHR, LTHR, FTHR, ATHR et DTHR (Tableau I). Selon Adon et al.(2019), cette procédure se déroule en 3 étapes :

La détection des contours basées sur l'algorithme de Canny (1986) constitue la première étape et permet de déterminer les bruits de l'image par l'application d'un filtre gaussien dont le noyau est donné par le paramètre RADI. La deuxième étape consiste à un seuillage pour obtenir une image binaire. La valeur seuil est donnée par le paramètre GTHR. Enfin la troisième étape consiste à l'extraction des courbes et est subdivisée en 3 phases :

· un rehaussement est appliqué à l'image binaire pour produire des courbes squelettiques. Toutes les courbes inférieures à la valeur du paramètre LTHR sont éliminées suite aux traitements ;

· ensuite, la courbe de pixel extraite est convertie en format vectoriel par ajustement des morceaux de segments. Les polylignes qui en résultent sont une approximation de la courbe de pixel original où l'erreur de montage (distance entre les deux) est spécifiée par le paramètre FTHR ;

· enfin, l'algorithme lie les paires de polylignes qui satisfont aux paramètres ATHR (spécifie l'angle maximal pour différencier un segment d'une polyligne) et DTHR (seuil d'espacement entre deux points finaux susceptibles d'être reliés pour former une polyligne).

2.3.Utilisation des SIG

Un système d'information géographique (SIG) est un système informatique de matériels, de logiciels et de processus conçus pour permettre la collecte, la gestion, la manipulation, l'analyse, la modélisation et l'affichage de données à référence spatiale afin de résoudre des problèmes complexes d'aménagement et de gestion.Le développement des SIG, depuis leur apparition dans les années 1960, a permis de faire évoluer ce concept de cartographie en rendant possible la réalisation de cartes contenant plusieurs niveaux d'information avecune quantité importantede données (Coulibaly, 2015).Le but ultime d'un SIG est l'aide à la décision, appuyée sur des connaissances géographiques et des moyens de traitement, de représentation et de communication de celles-ci.

2.4. Analyse Multicritère

Les méthodes mathématiques d'analyse multicritère ont pour but la résolution des problèmes d'aide à la décision multicritère. Cette méthode permet une détermination objective des poids ou coefficients de pondération. Il s'agit, alors, de procéder à une comparaison des différents facteurs pris deux à deux pour établir une matrice carrée, qui vont permettre de déterminer les coefficients de pondération à partir des vecteurs propres de ces facteurs (Dibi, 2008).Elle est basée sur deux grandes méthodes : la méthode booléenne et l'approche avec compensation. Contrairement à l'approche booléenne qui élimine à chaque étape les actions qui ne satisfont pas un critère considéré et qui n'autorise pas de compensation entre critères, l'agrégation par l'approche avec compensation semble plus adaptée en matière de démarche multicritère. Cette agrégation se présente sous trois formes possibles : Complète, partielle et locale (Chakhar, 2006).

L'intégration des SIG et des méthodes d'analyses multicritères constitue une voie privilégiée et incontournable pour faire évoluer les SIG vers de véritables systèmes d'aide à la décision (Chakhar, 2006).

2.5. Classification par arbre de décision

La classification par arbre de décision est une classification supervisée qui permet de prendre des décisions en plusieurs étapes pour mettre en relief une classe particulière d'objets, selon le comportement spectral d'une bande ou d'une transformation en néo-canaux. Il s'agit d'une méthode supervisée itérative, dite de partitionnement récursif des données. En effet, la méthode construit des classes d'individus, les plus homogènes possibles, en posant une succession de questions binaires (de type oui/non) sur les attributs de chaque individu.Utilisée pour la première fois en 1963 par Morgan et Sonquist sous le nom de AID (Automatic Interaction Détection), la classification supervisée par arbre de décision est structurée comme suit (Figure 7) :

· les branches sont des combinaisons des variables d'entrées qui mènent à ces valeurs ;elles relient à la fois les racines, les noeuds et les feuilles.

La classification par arbre de décision est capable de traiter de manière indifférenciée les données continues et discrètes et s'applique dans plusieurs domaines d'étude.Jofack (2016), a utilisé l'arbre de décision pour mettre à jour les contours des grandes formations géologiques de la région des Hauts-Plateaux de l'ouest du Cameroun.Njeugeut (2017) a également utilisé l'arbre de décision pour la dynamique d'occupation du sol du bassin versant de la Volta en Côte d'Ivoire de 1986 à 2016. Dans cette étude, la classification par arbre de décision sera utilisée pour la cartographie des potentialités en eaux dans la commune rurale de Loulouni.

2.6. Cartographie des potentialités en eaux

L'objectif de la recherche des zones àforte potentialité en eau souterraine a toujours été de mettre en place une méthodologie permettant d'évaluer le potentiel aquifère d'un milieu, afin de gérer au mieux les ressources en eaux souterraines.En effet, les méthodes conventionnelles de cartographie anciennement utilisées consistaient à faire des prospections hydrologiques et hydrogéologiques, à réaliser des vastes campagnes de missions de terrain, des sondages électriques et à faire des caractérisations hydro-chimiques et hydrogéodynamiques.Le constat est que ces méthodes sont très efficaces et précises mais nécessitent des moyens financiers et investissements humains importants. De plus, dans la plupart des études réalisées, la zone couverte est très limitée à de petites localités ou à de bassins versants. Souvent, les résultats ne sont obtenus que sur un plan local. Adopter une approche régionale en utilisant de telles méthodes s'avère être très fastidieux. Enfin, ces méthodes ignorent complètement les principaux facteurs contrôlant les potentialités en eaux souterraines. Pourtant, l'intégration systématique de plusieurs caractéristiques de surface qui indiquent la potentialité en eau souterraine est un aspect important dans les études de gestion des eaux(Lee et al., 2015).

Aussi, la télédétectionpermetde cartographier tous les facteurs contrôlant les potentialités en eaux souterraines (tels que : la géologie, le climat, l'occupation du sol...) et, de révéler la nature et les propriétés des aquifères (Khan et al., 2014). Quant aux SIG, ils constituent un moyen d'introduire des informations et des connaissances provenant d'autres sources de données dans le processus de prise de décision, et aident dans le traitement et la manipulation des données de télédétection (Lee et al., 2012).

Par ailleurs, le couplage de la télédétection aux SIGpar la méthode d'analyse multicritère d'aide à la décision est de plus en plus pratiqué par de nombreux auteurs (Jourda, 2005 ; Youan Ta, 2008 ; Dibi, 2008 ; Sorokoby, 2013 ; Adon, 2015 ; Jofack, 2016). Cette techniquecontribue à la cartographie des potentialités en eaux à l'échelle régionale, à la détermination des aires de captage des eaux souterraines et à la cartographie des zones vulnérables à la pollution.Ce couplage consiste d'une part à combiner les fonctions d'analyse spatiale qu'apportent les SIG aux résultats de traitement d'images satellites, et d'autre part, à attribuer des poids en fonction de l'importance relative de chaque facteur pris en compte dans le processus de décision (Youan Ta et al., 2011).

Conclusion partielle

L'utilisation des outils numériques d'aide à la décision est devenueincontournable pour la cartographie des facteurs contrôlant les potentialités en eaux souterraines. La télédétection et les SIG constituent une approche d'intégration et d'analyse multicritère très importante permettant de constituer ou de mettre à jour les bases de données sur les facteurs influençant les ressources en eaux. La classification par l'arbre de décision facilite une cartographie de potentialité en eau souterraine de façon automatique.

La télédétection, l'intégration de l'analyse multicritère aux SIG et la méthode d'arbre de décision seront entreprises pour cartographier des zones potentielles d'eaux souterraines dans la commune rurale de Loulouni.En outre, le chapitre suivant fera l'état du matériel et des données utilisées.

CHAPITRE 3 : DONNÉES ET MATÉRIEL

Pour la réalisation de cette étude,les différentes données et logiciels sont présentés dans ce chapitre.

Les données utilisées dans le cadre de cette étude sont essentiellement constituées de données cartographiques, de données climatiques, de données de forages et des images satellitaires.

3.1.1. Données cartographiques

Ce sont les différentes cartes géologiques, topographiques et hydrogéologiques.

v La carte géologique au 1/500 000 pour la localité du Mali-Sud établie d'après les travaux de BRGM (1981) et obtenue à la Direction Nationale de la Géologie et des Mines (DNGM).Cette carte a été utilisée pour la réalisation de la carte géologique de la zone d'étude.

v La carte topographique au 1/200 000 pour la localité du Mali-Sud (feuille de Niellé). Obtenueauprès du service de cartographie de l'Institut Géographique du Mali (IGM), elle a été géoréférencée dans le système de projection UTM 29 du WGS84. Cette carte a servi à l'extraction des localités et divisions administratives.

v La carte hydrogéologique provient de la Direction Nationale de l'Hydraulique et de l'Eau (DNHE) établie en 1990 par le projet PNUD/DCTD/MLI/90/002. Cette carte présente un aperçu simplifié du type et de productivité des principaux aquifères à l'échelle nationale. Elle a été scannée et géoréférencéepour réaliser la carte hydrogéologique de la zone d'étude.

3.1.2. Données climatiques

Les données climatiques sont constituées des mesures de pluviométries (mm) et de données de température (°C) mensuelles sur une chronique de 1990-2019. Ces données ont été téléchargées sur la plateforme de la Nasa (site : https://power.larc.nasa.gov/data-access-viewer/), prise du 01/01/1990 au 31/12/2019. La fiabilité de ces données a été vérifiée à partir des données de température et pluviométriques in situ de 1986 à 2013 de la station de Loulouni fournies par la Direction Nationale de la météorologie (Mali-Météo).

3.1.3. Données de forage

Les données de l'étude proviennent de la Direction Régionale de l'Hydraulique de Sikasso (DRH-Sikasso) concernant les fiches techniques de forages.

Ce sont des donnés des caractéristiques de 21 forages réalisés dans la commune rurale de Loulouni dans le cadre du programme Danois de 1988-1992, dont les principales informations sont : les coordonnées géographiques, la profondeur totale (Pt), la profondeur des arrivées d'eau (Pae), le niveau statistique de la nappe (NS), les débits d'exploitations (QExp), les débits spécifiques (QSep), le niveau dynamique (Nd), les épaisseurs d'altération (EA) et la nature de la formation géologique exploitée.

3.1.4. Données satellitaires

L'image PALSAR ALOS-2(12, 5×12,5 m) de 2007 (Figure 8) est un Modèle Numérique d'Élévation provenant du satellite ALOS PALSAR et téléchargeable gratuitement sur le site : https://search.asf.alaska.edu/. Il appartient au programme ALOS ("Advanced Land Observing Satellite") coproduction du MITI et de la NASA. La zone d'étude est couverte sur une scène (ALPSRP081380200), qui a été acquise en mois de janvier. Cette image est exploitée pour extraire la carte d'altitude, la carte de pente et la carte des réseaux hydrographiques de la zone d'étude.

Sentinel-2B est une série de satellite d'observation de la Terre d'Agence Spatiale Européenne (ESA) développé dans le cadre du programme Copernicus. Il a été mis en orbite en 2017,ces capteurs ont l'avantage d'avoir une haute résolution temporelle de 5 jours.

Ce satellite fournit des images multi-spectral prises des vues dans 13 bandes spectrales en lumières visible et proche infrarouges avec une résolution comprise entre 10 et 60 mètres et une fauchée de 290 km. Ces images sont téléchargées sur la plateforme de Copernicus (site : https://scihub.copernicus.eu/dhus ). Pour les traitements de données satellites, les caractéristiques des bandes sont illustrées ci-dessous (Tableau II).

Path/ Row	Date d'acquisition	Résolutionspatiale	Bande		Satellite Sentinel-2B
Path/ Row	Date d'acquisition	Résolutionspatiale	Bande		Longueurd'onde (nm)	Largeur de bande (nm)
		10m	2	Bleu	496.6	98
			3	Vert	560.0	45
			4	Rouge	664.5	38
			8	NIR	835.1	145
		20m	5	Végétation Bord rouge	703.9	19
N0208/T29PRN et N0208/T30PTT	24/12/2019		6	VégétationBord rouge	740.2	18
			7	Végétation Bord rouge	782.5	28
			8	NIR	864.8	33
			11	SWIR	1613.7	143
			12	SWIR	2202.4	242
		60m	1	Aérosolcôtier	443.9	27
			9	La vapeurd'eau	945.0	26
			10	SWIR-Cirus	1373.5	75

Les bandes (B2, B3, B4, B5, B6, B7, B8, B11 et B12) ont servies à la réalisation de ce travail.Le mois de décembre a été choisi à cause des saisons climatiques et de la disponibilité des images multispectrales Sentinel-2B 2019, de bonne qualité (faible couverture nuageuse).Ces images ont servi à la mosaïque et à l'extraction de la zone d'étude ainsi qu'à leur traitement pour l'extraction des structures linéamentaires et la réalisation de la carte d'occupation du sol de la zone d'étude.

Le matériel de l'étude se compose de logiciels : QGIS, ENVI,PCI GEOMATICA, ARCGIS, ROCKWORKS et IDRISI.

v QGIS 2.18 : Un logiciel libre de SIG et traitements d'image. Il a été utilisé pour le prétraitement des images Sentinel-2B.

v ENVI 5.3 : Développé par Exelis, est un logiciel de traitement numérique des images. Il a servi pour la classification d'occupation du sol de la commune, et la construction de l'arbre de décision.

v PCI GEOMATICA 2018 : Nouvelle version du programme canadien PCI, conçus par la société PCI Geomatics. Ce logiciel regroupe les techniques de traitements d'images numériques de télédétection, d'analyse spatiale, la cartographie et la photogrammétrie.

Dans cette étude, il a uniquement servi à extraire de manière automatique les linéaments des images satellitaires à l'aide de son l'algorithme LINE (Lineament Extraction).

v ARCGIS Desktop version 10.5 : Logiciel SIG de ESRI, développé pour faciliter la gestion et l'analyse des données spatiales afin de répondre à une problématique donnée.Ce logiciel a permis de créer, d'organiser et de présenter les données alphanumériquesgéoréférencées, produire des cartes d'aide à la décision à travers les techniques de l'analyse multicritère.

v RockWorks 2016 :Développé pour la première fois en 1985 par RockWareInc, le logiciel RockWorks est utilisé par l'industrie minière, pétrolière et environnementale pour la visualisation du sous-sol, la gestion de bases de données de forage, etc.Dans cette étude, il a servi pour la réalisation des rosaces directionnelles des linéaments et fractures concernant les statistiques liées aux fractures.

v IDRISI 17.0 : C'est un logiciel SIG et de traitement d'images, il a servi de calculer le coefficient de Kappa pour la comparaison des cartes.

Conclusion partielle

Les données collectées (cartographiques, hydroclimatiques, forages) dans le cadre de cette étude, des images satellitaires et les différents matériels utilisés pour le traitement permettent d'acquérir des informations utiles permettront d'atteindre les objectifs de cette étude. Ces données et matériel serviront à l'application effective de l'approche méthodologique adoptée dans le cadre de cette étude. Le prochain chapitre présente le détail de cette méthode.

CHAPITRE 4 : MÉTHODOLOGIE

La méthodologie adoptée dans ce travail s'articule autour de deux (3) axes. Il s'agit de :

· la cartographie des fractures et de l'occupation du sol à l'aide d'images satellitaires optiques (Sentinel-2B),

· l'identification des zones potentielles en eaux souterraines à partir des techniques de l'analyse multicritère et de l'arbres de décision et,

· la comparaison des méthodes de l'analyse multicritère et de l'arbre de décision pour la cartographie des potentialités en eaux souterraines.

4.1. Méthode pour la cartographie des linéaments et de l'occupation du sol

Cette approche consistera à appliquer les différentes techniques que sont les prétraitements, les traitements des images satellitaires, la classification d'occupation du sol et l'extraction automatique des linéaments (Figure 9).

Figure 9 : Organigramme de la cartographie des fractures et de l'occupation du sol

4.1.1. Prétraitement des images

Il regroupe les opérations requises avant l'analyse des images et l'extraction des informations.Les traitements préliminaires des images satellitaires, ont pour but de corriger certaines variations de la distribution des données causées par le décalage temporel dans l'acquisition des images. Cette variation s'explique en grande partie par les facteurs comme l'angle d'élévation du soleil, la distance terre-soleil, les conditions atmosphériques, la calibration des capteurs et la géométrie de visée qui affectent les valeurs numériques des pixels (NjeugeutMbiafeu, 2017).

L'image SENTINEL-2B a été déjà corrigée géométriquement, les corrections atmosphériques, radiométriques, mosaïque des scènes et extraction de la zone d'étude seront appliquées pour faciliter la comparaison des résultats.

4.1.1.1 Correction radiométrique et atmosphérique des images

L'amélioration radiométrique consiste à corriger les effets des différents artefacts qui perturbent la mesure radiométrique notamment les défauts du capteur et le voile atmosphérique. Traversant l'atmosphère, le rayonnement subit une atténuation due aux interactions d'absorption et de diffusion. De ce fait, cette correction est essentielle. Les valeurs des pixels de l'image (compte numérique) sont converties en valeurs de réflectance.Pour cette correction, le module SCP (Semi-Automatic Classification) implémenté dansle logiciel QGIS 3.10 a étéutilisé.

La correction atmosphérique débarrasse le rayonnement de tous ces effets atmosphériques, et convertit les radiances en réflectances. Les images subissent lacorrection des effets atmosphériques afin d'harmoniser les luminances au sol et rendrecomparables les images acquises sous périodes et conditions climatiques variées. Le module SCP (Semi-Automatic Classification) implémenté dans le logiciel QGIS 3.10 a été utilisé.

4.1.1.2. Mosaïque des images et extraction de la zone d'étude

La mosaïque consiste à unifier deux ou plusieurs images de sorte à n'obtenir qu'une seule image. Cette technique est utilisée lorsque le secteur d'étude ne tient pas dans une seule scène.Le contraste entre les scènes étant différent, deux opérations permettront d'homogénéiser l'image mosaïquée :

· l'harmonisation d'histogramme des images afin de rééquilibrer les contrastes ;

· et l'estompage de la zone de jonction par la méthode linéaire de « EdgeFeathering ».

La mosaïque (annexe1) des scènes a été possible grâce à l'outil Mosaic, suivi de l'extraction de la zone d'étude à partir de l'outil Image clip et du logiciel ArcGis 10.5.

4.1.2. Traitement de l'image Sentinel-2B pour la cartographie de l'occupation du sol

La méthode de cartographie de l'occupation du sol est essentiellement basée sur la télédétection et les SIG. Le but est de réaliser la carte d'occupation du sol pour mieux comprendre les différentes classes de l'occupation du sol dans la commune rurale de Loulouni. Les prétraitements nécessaires et indispensables ont été effectués. Ensuite un traitement de l'image satellitaire : la composition colorée, le calcul de NDVI, le choix des sites d'entraînement, extraction des classes, la classification supervisée et la validation des classes.

4.1.2.1. Composition colorée

La composition colorée fait appel à trois canaux.Elle permet une meilleure discrimination entre les objets géographiques. La bande du Proche Infrarouge (PIR) réfléchit plus la végétation et distingue les cultures des sols nus. La bande du Moyen Infrarouge (MIR 1) sépare les forêts des cultures et la bande de l'infrarouge lointain (MIR 2) a une forte réflectance pour les sols nus et les zones d'habitats. Pour cette étude, la composition retenue est celle de bandes (5-4-2).

4.1.2.2. Indice de végétation

L'indice de Végétation Normalisé fait intervenir les canaux du Rouge (R) et Proche Infra Rouge (PIR). Les différents indices de végétations ont pour effet d'augmenter le contraste au niveau du thème « végétation chlorophyllienne » et de réduire ceux des autres thèmes de l'image satellite. Selon Tonyeet al. (1999), ces indices ont pour but de donner des images dont les pixels mesurent les caractéristiques physiques et biologiques de la végétation. Le NDVI (NormalizedDifferenceVegetation Index) se calculesuivante l'équation 1.

4.1.2.3. Choix des sites d'entraînement

Il a consisté à identifier des sites sur l'image Sentinel-2B de 2019à partir du logiciel ENVI qui permet d'accéder à la réalité du terrain offerte par le module de GOOGLE EARTH qui y est intégré (image Google Earth de 2019).

4.1.2.4. Extraction des classes d'occupation du sol

Compte tenu de l'objet de cette étude, les unités d'occupation des sols de la zone d'étude ont été résumées en 5 classes (Sols nus/Bâtis, Forêt galerie, Savane boisée, Cultures et le plan d'Eau).

4.1.2.5. Classification supervisée (orientée Pixel)

La classification supervisée a été choisie dans le cadre de notre étude avec l'algorithme de maximum de vraisemblance (Maximum Likelihood), qui repose sur la règle de Bayes. Elle a donné de bons résultats au cours des travaux de plusieurs auteurs au Mali, (Bengaly, 2012 ; Vintrou, 2012 ; Sogodogo 2015 et Maïga et al., 2020). Elle est basée sur des méthodes probabilistes permettant de calculer pour chaque pixel de l'image sa probabilité d'être rattachée à telle classe plutôt qu'à telle autre (Girard et Girard, 1999). Le pixel est affecté à la classe dont la probabilité d'appartenance est la plus élevée.

4.1.2.6. Evaluation et validation de la classification

L'évaluation est faite par la matrice de confusion de la qualité statistique des noyaux. La validation est conditionnée par : La précision globale, le coefficient de Kappa et la matrice de confusion.

4.1.3. Extraction automatique des linéaments à partir des images Sentinel-2B

Le module LINE intégré dans le logiciel commercial PCI Geomatica, a été utilisé par plusieurs auteurs pour les études géologiques (Hung et al., 2005 ; Abdullah et al., 2013 ; Rayan, 2013 ; Adon, 2015 et Adon et al., 2019). Ainsi, la méthode d'extraction automatique se propose de cartographierautomatiquement des linéaments à l'aide du module LINE de PCI. Dans ce travail le module LINE de PCI a été appliqué sur l'image satellitaire MSI de sentinel-2B pour la détection de la fracturation dans la commune rurale de Loulouni.

4.1.3.1. Rehaussement des images satellitaires

Après le prétraitement des images satellitaires Sentinel-2B, ces images ont été améliorées. Ce rehaussement consiste à appliquer une analyse en composantes principales (ACP), une combinaison d'images et des rapports des bandes.

L'indice de Brillance (IB) a été calculé. IBest un indicateur de la teinte des sols nus et des roches, il met en évidence l'humidité des sols et les rugosités de surface (Equation 2).

L'application de cette technique de rehaussement aux images Sentinel-2B ont permisd'améliorer l'extraction automatique des linéaments dans la zone d'étude.

4.1.3.2.Extraction automatique des linéaments

A la suite du rehaussement de l'image Sentinel-2B à l'aide des techniques de traitements intégrées dans le logiciel ENVI 5.3, cette image a été exportée vers le logiciel PCI Geomatica 2018 pour l'extraction automatique des linéaments à l'aide de son module LINE. Cette opération a été appliquée sur les bandes 4 et 8 de l'image Sentinel-2B. Les paramètres du module de LINE de PCI ont été fixés (Tableau III) après plusieurs tests basés sur les travaux desBishta et al. (2012), d'Hubbard et al. (2012), d'Abdullah et al. (2013) et d'Adon et al. (2019) afin d'améliorer l'extraction automatique des linéaments dans la commune rurale de Loulouni.Dans le cadre de cette étude, la taille du filtre gaussien représentée par le RADI fut fixée à 10 pixels pour accentuer les continuités des images et le GTHR à 40 pixels pour l'obtention de l'image binaire.

Les courbes des pixels (linéaments) sont extraites de l'image à contour binaire et converties en format vectoriel avec comme critères de connectivité : LTHR : 30 pixels pour la longueur minimale des linéaments, FTHR : 03 pixels, ATHR : 30 degrés et DTHR : 20 pixels pour tenir compte du caractère continu des linéaments.

Auteurs	RADI (pixel)	GTHR (pixel)	LTHR (pixel)	FTHR (pixel)	ATHR (degré)	DTHR (pixel)	TYPES D'IMAGES
LINE PCI (par défaut)	10	100	30	03	30	20	---
Bishta et al. (2010)	50	30	100	03	30	70	ETM+ et SPOT
Hubbard et al. (2012)	24	94	50	07	40	30	SRTM
Abdullah et al. (2013)	12	80	30	10	30	15	ETM+
Adon et al. (2019)	20	90	50	10	15	100	ETM+ et RSO
	10	40	30	03	35	20	MSI Sentinel-2B

4.1.3.4. Contrôle et validation des linéaments

La phase de validation des structures linéaires extraites à partir des images satellitaires est nécessaire. Les linéaments identifiés ont fait l'objet d'une analyse statistique permettant de faire ressortir les directions principales (majeures) et de construire les rosaces directionnelles, afin de vérifier leur nature structurale par confrontation des travaux antérieurs.Ces directions principales ont été comparées avec ceux des travaux antérieurs. La validation a enfin été aussi faite par superposition du réseau hydrographique sur les linéaments détectés.

4.2. Cartographie despotentialitésen eaux souterraines selon la méthode de l'Analyse Multicritère

La carte de potentialité en eau souterraine met en relief les facteurs potentiels susceptibles de révéler la présence de l'eau souterraine dans un aquifère.Pour l'évaluation des potentialités en eaux dans la commune rurale de Loulouni, une analyse multicritère a été réalisée.

4.2.1. Mise en oeuvre de l'analyse multicritère

La démarche adoptée dans le cadre ce travail est organisée en 5 étapes : (i) l'identification des critères de décision, (ii) la classification et la codification des critères de décision en vue d'élaboration des critères conformément aux objectifs à atteindre, (iii) la pondération des critères de décision, (iv) l'agrégation des critères de décision (v) et enfin la cartographie des potentialités en eaux souterraines et la validation de la carte thématique.

4.2.1.1. Identificationdes critères de décision

La détermination des critèrestrès complexeest l'étape décisive. Elleconditionne la qualité des informations engendrées pour la prise de décision.En se référant aux travaux antérieurs (Saley, 2003 ; Jourda et al., 2006 ; Youan Ta et al., 2011 ; Sorokoby, 2013 ; Adon, 2015), dans cette étude sept (7) critères de décision ont été retenus : pente (%), infiltrations efficaces (mm), densité de drainage (km/km²), densité de fracturation (km/km²), épaisseur des altérites (m), la géologie (nature du sol), et l'occupation du sol.

4.2.1.2. La classification et codification des critères de décision

La classification des critères est une phase tout aussi délicate et doit être judicieusement bien menée. Le choix de ces classes doit tenir compte de la variance des données et s'inspirer de la classification adoptée lors des travaux antérieurs (Youan Ta, 2008 ; Youan Taet al., 2006 ; Adon, 2015) réalisés en région de socle. L'importance de chaque classe varie en fonction de son influence sur le thème étudié. Sur cette base, les critères de décision sont repartis en cinq (5) classes qualifiées en très faible et à très élevée comme l'ont défini Saley (2003),Jourda (2005) et Youan Ta (2008).

Les critères de décisions ainsi classifiés ont été codifiés puisque mesurés selon les unités différentes. Cette opération s'impose pour une bonne analyse multicritère. Le résultat de la classification et la codification des 7 critères choisis se présente dans le tableau IV.

Critères de decision	Classes	Qualifications des classes	Notes
Pente (%)	0 - 4,7	Tèsfaible	10
	4,7 - 9,5	Faible	8
	9,5 - 18,2	Moyen	6
	18,2 - 34,4	Elevée	3
	34,4 - 109,80	Trèsélevée	1
Infiltration efficace (mm)	< 25	Tèsfaible	1
	25 - 50	Faible	3
	50 - 75	Moyen	6
	75 - 100	Elevée	8
	> 100	Trèsélevée	10
Densité de drainage(Km/Km²)	0,05 - 1,12	Tèsfaible	10
	1,12 - 1,64	Faible	8
	1,64 - 2,17	Moyen	6
	2,17 - 2,88	Elevée	3
	2,88 - 4,60	Trèsélevée	1
Densité de Fracturation(Km/Km²)	0,73 - 1,57	Tèsfaible	1
	1,57 - 1,93	Faible	3
	1,93 - 2,23	Moyen	6
	2,23 - 2,55	Elevée	8
	2,55 - 3,37	Trèsélevée	10
Epaisseursd'Alterites (m)	0,04 - 8,10	Tèsfaible	1
	8,10 - 12,21	Faible	3
	12,21 - 16,32	Moyen	6
	16,32 - 23,46	Elevée	8
	23,46 - 38,82	Trèsélevée	10
Occupation du sol	Bâtis/sols nus	Faible	3
	Cultures	Moyen	6
	Savane	Moyen	6
	FôretGalerie	Elevée	8
	Eau	Trèsélevée	10
Formation Géologique	Intrusive Mafiques	Faible	3
	Intrusive Eburnéennes	Faible	6
	Volaniques	Moyen	6
	Flyschs	Elevée	8
	Sédimentaire	Trèsélevée	10

La note 10 est attribuée aux classes « très faible » ou « très élevée » selon qu'elles contribuent à l'excellente réalisation de l'indice considéré. Dans le cas inverse, la note 1 est attribuée à ces classes. En suivant la même logique, les notes (8, 6, 3) ont été attribuées aux classes intermédiaires selon une distribution linéaire.

4.2.1.2.1. Élaboration des critères de décision

Elle permet d'élaborer les cartes des critères de décision retenus pour mettre en évidence les zones potentielles en eau souterraines.

La pente constitue le facteur important pour l'accumulation des eaux. Elle intègre l'effet de la déclinaison des terrains sur la direction des terrains, sur la direction des transferts d'eau et leur distribution. La carte de pente de la commune rurale de Loulouni a été réalisée à l'aide des données du modèle numérique d'altitude (MNA) des images ALOS PALSAR.L'algorithme « NeighbourhoodSelection » fonctionnant dans ArcGis a étéutilisé pour générer la carte des pentes.

L'infiltration efficace représente la frange d'eau qui va effectivement alimenter les aquifères. La valeur de l'infiltration de la zone d'étude est déterminée à partir du bilan hydrologique. Avec la formule de Thornttwaite (Equation 3)

La densité de drainage est une fonction inverse de la perméabilité, par conséquent, c'est un paramètre important dans l'évaluation dans zone potentielle d'eau souterraine.Elle est générée par le traitement du Modèle numérique de terrain de la commune. Également, la densité de drainage a été calculée. Le calcul a consisté à faire le rapport entre la longueur cumulée de drains pour chaque maille et la superficie de celle-ci (Equation 4).

Avec Dd :la densité de drainage (km), ?L: la longueur cumulée de drains dans chaque unité de surface (en km), A : la superficie de l'unité de surface (km²).

La densité de fracturation permet de comprendre la distribution spatiale des fractures dans la zone. Elle a été obtenue à partir de fractures extraites des images Sentinel-2B. La détermination de ces paramètres nécessite la discrétisation de la zone d'étude en maille carrée de 5 x 5 km².A l'intérieur de chaque maille, la densité de fracturation est obtenue en calculant la longueur cumulée des fractures.

L'épaisseur d'altérites indique la frange de l'altération de la roche-mère. La carte d'épaisseur des altérites a été réalisée par la méthode d'interpolationà partir des données recueillies sur la fiche technique de forages.

La carte d'occupation du sol représente un indicateur important du choix des sites de recharge artificielle des eaux souterraines. L'utilisation des terres et la couverture des sols jouent un rôle essentiel dans la prospection des eaux.Elles affectent le taux de recharge, le ruissellement et l'évapotranspiration. La carte d'occupation des sols préparée à partir de données de télédétection (images satellitaires : Sentienl-2B) à l'aide d'une classification supervisée orientée pixel.

Le débit est le paramètre le plus important au niveau d'un forage. Il permet de savoir si l'ouvrage peut être exploité ou non.Les valeurs des débits d'exploitations sont issues de l'essai de pompage de 21 forages réalisés dans la commune(Annexe 3).Ainsi, les débits de forage n'ayant pas servi à la réalisation de la carte de potentialité ont été retenus puis superposés à la carte de potentialité en eau souterraine pour sa validation. Ce choix est justifié par le fait que les débits élevés sont généralement rencontrés dans les zones de fortes potentialités en eaux souterraines.

4.2.1.3. Pondération des critères de décision

La pondération des critères décision a été effectuée suivant la méthode de comparaisons par paire. Le processus d'analyse hiérarchique (AnalyticalHierarchyProcess, AHP) développé par Saaty (2000) utilisé par Dibi (2008) et Youan Ta et al. (2011) a servi pour déterminer de façon cohérente les poids des critères de décision.Elle permet de produire des coefficients de pondération standardisés dont la somme est égale à 1. Ci-dessous, la matrice générée par la comparaison par paire sur l'échelle proposée par Saaty (Annexe 2) :

Pour produire des coefficients de pondération pour chaque facteur, la procédure a besoin du vecteur propre (Vp) de la matrice de comparaison (Tableau V).Les valeurs de ces vecteurs sont déterminées en calculant leur moyenne géométrique par ligne. Cela se traduit suivant l'équation 5 :

Le coefficient de pondération (W_i) de chaque facteur est déterminé suivant l'équation 6 :

Tableau V : Matrice de comparaison par paire et Coefficient de pondération du facteur potentialité en eaux

Critères	Pt	G	Df	Ie	Ea	Os	Dd	Vecteurpropre	Coefficient de Ponderation
Pt	1	3	3	5	3	7	9	3,632	0,372
G	1/3	1	3	3	5	3	7	2,275	0,233
Df	1/3	1/3	1	5	3	5	3	1,584	0,162
Ie	1/5	1/3	1/5	1	2	3	5	0,877	0,090
Ea	1/3	1/5	1/3	1/2	1	2	3	0,679	0,069
Os	1/9	1/3	1/5	1/3	1/2	1	2	0,440	0,045
Dd	1/7	1/7	1/3	1/5	3	1/2	1	0,291	0,030

Ie : Infiltration efficace ; Dd : Densité de drainage ; Df : densité de fracture ; Pt : Pente ;Ea : Epaisseur d'altération ; G : Géologie ; Os : Occupation du sol.

4.2.1.4. Calcul du degré de cohérence (IC)

Les indices de cohérences IC et le ratio de cohérence RC ont été calculés selon la formule de Saaty (1980).

Avec IC : Indice de cohérence ; N : est le nombre des éléments comparés et ëmax, une valeur calculée sur la base de la moyenne des valeurs de matrice de SAATY des vecteurs propres.

Le ratio de cohérence calculé par la formule mathématique ci-dessous mesure la cohérence logique des jugements des experts (Annexe 4)

4.2.1.5. Agrégation des critères par pondération

Il existe plusieurs méthodes d'agrégation. Cependant, le choix s'est porté sur la méthode d'agrégation complète par pondération utilisée par Saley (2003), Jourda (2005),Dibi (2008), Youan Ta et al. (2011), Koffi et al. (2016). En effet, cette méthode consiste à la sommation des valeurs standardisées et pondérées de chaque critère intervenant dans l'élaboration d'un indicateur donné. La formule suivante illustre cette approche :

AvecS : le résultat, Wi : poids du critère i, Xi : la valeur standardisée du critère i.

Cette démarche produira un indice d'aptitude situé sur une échelle de 0 à 10 (Jourda, 2005 ; Youan Ta, 2008), car la somme des coefficients de pondération développée par Saaty (2000) vaut 1. Cette démarche a guidé l'élaboration des différentes cartes thématiques.

4.2.1.6. Validation de la carte de potentialité en eaux

La validation des différents résultats obtenus est nécessaire pour leur conférer une plus grande crédibilité. Dans le cadre de cette étude, nous avons utilisé les données de débits d'exploitation des forages pour la carte d'indice de productivité potentielledans la commune rurale de Loulouni qui traduisent la capacité en eau des aquifères du socle.Le choix du débit d'exploitation pour ce test est très réaliste car il exprime la productivité des ouvrages de captage (Abdou Babaye, 2012).

Aussi, le mode de validation utilisant les courbes de tendance de sensibilité proposé par Jourda (2005) et Jourdaet al. (2006) a été adopté dans le cadre de cette étude.

4.3. Cartographie des potentialités en eaux souterraines par les techniques d'arbre de décision

Dans cette étude, l'application des techniques d'arbre de décision pour la cartographie de potentialité en eau souterraine s'est faite en trois (3) étapes : (i) description des composantes de l'arbre ; (ii) la construction de l'arbre ; (iii) la validation de l'arbre de décision.

4.3.1. Description des composantes de l'arbre

Elle prend en compte plusieurs paramètres dits critères de décisions. Dans cette étude, les paramètres utilisés sont : la pente, l'infiltration efficace, la densité de drainage, la densité de fracturationl'épaisseur des altérites, la géologie, et l'occupation du sol. Cependant, ces différents paramètres de format raster ont été reclassifiés par ordre d'importance.

4.3.2. Construction de l'arbre de décision

Les arbres de décisions ont été construits à l'aide de l'algorithme CART (Classification and RegressionTree).La prédiction spatiale s'est faite en combinant des paramètres de manière hiérarchique de sorte que le paramètre le plus important se trouve à la racine de l'arbre. Il permet de construire les branches afin de diviser et répartir les observations dans le groupe de plus en plus homogènes qui constitueront les feuilles de l'arbre ou noeuds. Les divisions s'arrêteront lorsque les noeuds terminaux créent, et les critères de chaque classe de potentialités définies (Jofack, 1016). L'annexe 5 montre la construction de l'arbre de décision. Le tableau VI explique les règles des critères de décision pour la construction de l'arbre.

Avec :Df : densité de fracture ; Pt : Pente; Geo : Géologie ; Ea : Epaisseur des altérites ; Dd : Densité de drainage ; OCS : Occupation du sol Ie : Infiltration efficace.

4.3.3. Validation de l'arbre de décision

La carte de potentialité par la classification de l'arbre de décision a été validéeavec les données de débits d'exploitation des forages, en utilisant les courbes de tendance de sensibilité proposé par Jourda (2005) et Jourdaet al. (2006).

4.3.4. Test de corrélation entre les méthodes

Le but de ce test est de comparer les résultats obtenus par les méthodes : Analyse multicritère (AMC) et Arbre de décision (AD), utilisées pour la cartographie des potentialités en eaux souterraines. Une classification des méthodes sera effectuées grâce aux résultats de ce test. La méthode AMC est prise comme méthode de référence dans la comparaison. Cette méthode de comparaison est la méthode la plus utilisée aux Etats Unis et sur différents terrains (Murat, 2000). Deux méthodes statistiques ont été utilisées pour parvenir à la réalisation de cette comparaison :

4.3.4.1. Test de conformité (coefficient de Kappa)

Le coefficient de Kappa (K), développé par Cohen en 1960, peut être interprété comme la proportion d'accord entre les observateurs, attribuable à la reproductivité des classifications plutôt qu'au hasard.

L'interprétation des résultats donnée par le coefficient de Kappa peut être réalisée grâce à l'échelle d'interprétation de Kappa qui a été mise au point par Landis et Koch (1997). Elle détermine le taux d'accord en fonction de valeur observée de kappa (Tableau VII).

4.3.4.2. Analyse de surface

Ce test permet de calculer la surface de chaque variation de classe d'une méthode à l'une et ainsi de déterminer la fréquence d'accord et désaccords observée. La démarche consiste à faire une soustraction de la carte d'Analyse multicritère à celle de l'Arbre de décision après avoir classée.A partir de l'outil « mapcalculator » du logiciel ArcGis, l'opération suivante est effectuée :

En fonction du signe de cette opération, le tableau VIII permet de donner la tendance de l'évaluation de la potentialité. Le résultat nul de l'opération (A-B=0), indique que les deux méthodes effectuent une évaluation identique.

Tableau VIII: Comparaison des méthodes à partir des cartes de potentialités

La figure 10résume la démarche méthodologique de la réalisation de la carte de potentialité en eau souterraine dans la commune rurale de Loulouni.

Comparaison des cartes de potentialités (Méthode Analyse multicritère et Arbre de décision)

Figure 10 : Organigramme des étapes de cartographies des potentialités des eaux souterraines

Conclusion partielle

La méthodologie utilisée pour l'évaluation de la potentialité en eau souterraine dans la commune rurale de Loulouni comporte 3 étapes. La première étape consiste à réaliser la carte d'occupation du sol par la classification supervisée avec maximum de vraisemblance. Cette étape nécessite des différents prétraitements et traitements des images Sentinel-2B qui ont permis de connaitre les différents types de l'occupation du sol de la commune. Ainsi, l'étape suivante fait ressortir les techniques de l'extraction automatique des linéaments à l'aide du module LINE de PCI, appliqué aux images sentinel-2B, a permis de cartographier les fractures des aquifères du socle de la zone d'étude.Enfin, une analyse multicritère a été appliquée, basée sur la méthode de comparaison par pair, et une classification par les techniques de l'arbre de décision qui nous a permis de générer la carte des zones potentielles en eaux souterraines.Ces différentes méthodes ont permis d'avoir des résultats qui seront présentés et discutés dans le chapitre suivant.

CHAPITRE 5 : CARTOGRAPHIE DE L'OCCUPATION DU SOL ET DES LINÉAMENTS

Ce chapitre présente les résultats de l'occupation du solet l'extraction automatique des linéamentssur les images optiques multispectrales de Sentinel-2B dans la commune rurale de Loulouni.

5.1. Carte d'occupation du sol de la commune de Loulouni

La carte d'occupation du sol de 2019 de la zone d'étudeest présentée par la(Figure 11). Cinq (5) classes d'occupation du sol ont été identifiées dans la commune rurale de Loulouni : l'eau, les cultures, les sols nus Habitats, la savane boisée et la forêt galerie.

L'analyse montre que les cultures occupent la plus grande portion en termes de superficie 45% soit environ 48640 ha.Quant aux savanes boisées, elles ont une superficie inférieure aux cultures 27% soit environ 28653 ha. La forêt galerie a une superficie moyenne soit environ 18602 ha, équivaut à 17% de la surface totale de la zone d'étude. Quant aux sols nu/bâtis 7% soit 7604 ha, on observe une faible superficie d'eau de 4% soit 3692 ha.

La correspondance entre ces types d'occupation du sol a été décritevisuellement sur la base des sites identifiés sur les images (Annexe 6).

La matrice de confusion donne une précision globale (87,05%) et un coefficient Kappa excellent (0,88). Cependant, les classes d'eau (95%), de sol nus bâtis (91,05%), de savane boisée (92,21%), de forêt galerie (79,82%)et de culture (70,97%)ont une omission très forte de pixel se retrouvant dans d'autres classes(Tableau IX).Cette matrice de confusion montre une bonne séparabilité entre les classes. Les confusions varient autour de 0, 4 à 17%. Les plus importantes sont entre la savane boisée et la forêt galerie et entre la savane boisée et les cultures. Il s'agit de :

Tableau IX :Matrice de confusion de la classification de l'image Sentinel-2B de 2019

Classes	Forêt galerie	Savanes boisée	Cultures	Sols nus/Habitats	Eau
Forêt galerie	79,82	5,03	7,79	1,84	1,09
Savanes boisée	12,88	92,21	17,86	0,48	2,88
Cultures	4,92	1,71	70,97	5,3	0,34
Sols nus/Habitats	1,81	0,27	3,31	91,05	0,69
Eau	0,57	0,78	0,07	1,33	95
Total	100	100	100	100	100
Précision globale : 87,05%			Kappa :0,88

La Précision globale :87,05%est le pourcentage de pixels correctement classifiés pondérés par le nombre de pixels de la classe par rapport au nombre total de pixels d'entrainement.Le Coefficient Kappa : 0,88. L'accord est excellent car supérieur à 0,81.

En somme, la matrice de confusion montre une bonne classification de l'image. Cependant quelques confusions se sont produites dont la plus importante se situe entre les classes des cultures et les savanes boisées, car 17,86% des pixels de classe des cultures sont confondus a la savane boisée. Il convient de retenir que dans le processus de réalisation des cartes d'occupation, il est presque impossible de réaliser une classification qui relate à 100% l'occupation spatiale des éléments de la zone à étudier.

5.2. Cartographie structurale dans la commune de Loulouni

5.2.1. Extraction automatique des linéaments

La carte de fracturation détaillée (Figure 12) compte environ 7803 linéaments avec des longueurs totales de 3826, 815 km. Son analyse révèle que la fracturation est orientée dans toutes les directionnelles de l'espace. Les fractures sont resserrées et interconnectées. Cela témoigne de l'aspect très fracturé de la zone d'étude. En effet, cette carte constitue un document essentiel pour la prospection et la recherche d'eau souterraine.

Figure 12 : Carte linéamentaire de la Commune de Loulouni issue des images MSI Sentinel-2B

La carte de fracture majeure (Figure 13) est déduite de la carte détaillée où seules les accidents plurikilométriques (des fractures> à 2 km) sont retenus.

5.2.2.Contrôle et validation des linéaments

La carte de fracturation majeure a permis de confirmer et de valider certaines fractures tracées (Figure 14).

5.2.3. Analyse statistique des fractures extraites

Les rosaces directionnelles en longueurs cumulées (Figure 15-a) et en nombre (Figure 15-b) ont permis de faire ressortir les directions principales. Elles montrent une distribution hétérogène de la fracturation.L'analyse statistique de ces rosaces montre que les fractures détaillées sont orientées selon les classes de directions N0-10°, N30°, N70°, N90°, N110-120°, N135° et N180°. La direction NW-SE (N110-120°, N135° et 180°) est la direction principale car présentant des fréquences d'apparition supérieures à 10% tandis que la direction NE-SW (N0-10°, N30°, N70°, et N90°) constitue la direction secondaire (fréquences comprises entre 5 et 10%). Cependant, les fractures de direction NE-SW (N30, N70, et N90) et SE-NW (N110-120°, N135° et N180°) représentent respectivement la direction de la faille majeure du Sud Mali et la ceinture de Syama sur la feuille de Kadiolo.

Figure 15: Rosaces directionnelles des linéaments : (a) représente la rosace en longueurs cumulées et(b) la rosace en nombres.

Ces résultats signifient que les principales classes directionnelles de fractures identifiées apparaissent les plus longues. De ce fait, les fractures les plus abondantes en fréquences sont les plus longues.

Conclusion partielle

La méthode de classification supervisée de maximum de vraisemblance a permis d'obtenir une carte d'occupation du sol de la commune de Loulouni. Cinq classes d'occupation du sol qui ont été identifiées : l'Eau (4%), Sols nus/bâtis (7%), Forêt galerie (17%), Savane boisée (27%) et Cultures (45%).Aussi, la méthode automatique de l'algorithme LINE de PCI a été utilisée dans cette étude pour l'extraction objective des linéaments. En outre, sur l'ensemble de la zone d'étude, 7803 linéaments ont été extraits avec des longueurs cumulées de 3826,81 km.Une superposition des linéaments avec les réseaux hydrographiques a permis de valider certains linéaments de la zone d'étude.

CHAPITRE6:CARTOGRAPHIE DES POTENTIALITÉS EN EAUXSOUTERRAINES

Ce chapitre traite la cartographie des potentialités en eaux souterraines par les méthodes de l'analyse multicritère et de l'arbre de décision, aussi établit une comparaison entre ces deux méthodes.

6.1. Caractéristiques des critères de décisions

6.1.1. Infiltration efficace (Ie)

L'infiltration efficace représente la frange d'eau qui va effectivement alimenter les aquifères. Cette infiltration est estimée à partir du bilan hydrologique dans la commune. Cette valeur est de 72,79 mm.Les résultats obtenus par la méthode de Thornthwaite sont mentionnés dans l'annexe 7.

De l'analyse générale des résultats obtenus, il ressort que la précipitation moyenne de la commune (1044,66 mm) est supérieure à l'évapotranspiration potentielle (1010 mm).

Les valeurs pluviométriques (P) des mois de Janvier à Avril et d'Octobre à Décembre sont inférieures aux valeurs de l'ETP. Cette période correspond à la saison sèche dans la zone d'étude d'où la période de retrait des eaux ou l'assèchement des cours d'eaux.

Selon le bilan, du mois de Mai à Septembre, les hauteurs des pluies enregistrées sont supérieures à l'ETP. Cela traduit que les plantes disposent de quantités d'eaux suffisantes pour leur croissance. Ainsi, on enregistre une pluie efficace qui est excédente du bilan avec P-ETR = 1,67 mm en Mai, 65,9 mm en Juin, 144,08 mm en Juillet, 195,76 mm en Août et 103,71 mm en Septembre. Durant cette période, la pluie efficace va alimenter les cours d'eaux de surface et les nappes en profondeur.

Les résultats du bilan hydrologique montrent que la commune rurale de Loulouni reçoit en moyenne par an 1044,66 mm de pluie.

La méthode de Thorntwaite a permis de déterminer l'évapotranspiration réelle annuelle qui est de 599,34 mm, soit 57, 37% des précipitations moyennes annuelles au cours de la période considérée. Et le déficit d'écoulement est la différence entre les précipitations totales et l'écoulement. La lame d'eau écoulée est estimée à 372,55 mmet le déficit d'écoulement estimé est égal à (1044,66-372,55 mm) = 672,11 mm, soit 64% des précipitations.L'infiltration est estimée de 72,79 mm soit 6, 96% des précipitations. Le volume d'eau infiltré de ces conditions est estimé à 7, 6610¹⁰ m³. Sur la totalité des précipitations tombées dans la commune, seulement 6, 96% rejoignent le réseau souterrain pour participer au processus de réalimentation des nappes. Sur la base de cette donnée, il ressort que la réalimentation des nappes est faible.

Le tableau X ci-dessous résume des valeurs des paramètres obtenus du bilan hydrologique dans la commune rurale de Loulouni.

6.1.2. Pentes de la commune de Loulouni

Elle constitue le facteur le plus important pourrétention des eaux. La figure 16 représente la carte des pentes de la commune de Loulouni. En effet, les pentes sont généralement très faibles dans la commune de Loulouni. Plus de 88% la superficie de la commune comprend une topographie plate avec les pentes les plus basses (< 4 %) dont une note de 10 a été attribuée à cette classe. Les plus fortes pentes occupent 3,5% de la superficie totale qui indique le phénomène de ruissellement dans la zone. Ainsi, les zones à faibles pentes sont favorables à l'infiltration d'eau.

6.1.3. Densité de drainage (Dd)

Nous remarquons que la densité de drainage (Figure 17) est d'une manière générale faible dans l'ensemble de la commune (plus de 60% du territoire), ce qui suppose une forte perméabilité dans la commune rurale de Loulouni. Plus le réseau est dense, moins les nappes sont alimentées et moins le réseau est dense plus les nappes sont alimentées. Selon Saley (2003), la forte densité de drainage suppose une faible probabilité pour l'eau de s'infiltrer.

6.1.4. Densité de fracturation (Df)

La carte de densité de fracturation (Figure 18) montre que la commune étudiée est bien fracturée. Cette densité varie de 0,73 à 3,37 km/km². En effet, les densités élevées et très élevées qui sont respectivement : (2,23-2,55 km/km²) et (2,55-3,37 km/km²) représentent 35% dans la superficie totale de la commune. Tandis que la densité moyenne (1,93-2,23km/km²) occupe plus de la moitié de la zone d'étude, soit 55%.

Nous remarquons qu'une forte densité apparait au Nord et au Centre sur la carte de la densité. Ainsi, du point de vue géologique, les fortes densités de fracturation dominent les zones du socle, permettent une bonne connaissance des aquifères et influencent le taux de recharges.

6.1.5. Epaisseurs des altérites

La carte des épaisseurs d'altérites de la commune rurale de Loulouni (Figure 19) montre que les épaisseurs sont généralement faibles et moyennes. En effet, 62% de la superficie présentent des épaisseurs faibles (0,04-8,10) et très faibles (8,10-12,21) et 26% de la zone comportent des épaisseurs moyennes (12,21-16,32). Les épaisseurs d'altérites très élevées (23,46-38,28 m) et élevées (16,32-23,46 m) occupent 12% sur le territoire de la commune.Les zones de fortes épaisseurs d'altérites sont susceptibles d'indiquer la présence de réservoirs dans les aquifères contrairement aux zones de faibles épaisseurs d'altérites.

6.2. Carte de potentialité en eau selon la méthode de l'analyse Multicritère

La carte de potentialité en eau souterraine met en relief les facteurs potentiels susceptibles de révéler la présence de l'eau souterraine dans un aquifère.L'indice de cohérence (IC) d'agrégation des critères de décision pour cartographier l'indicateur des zones potentielles en eaux souterraines est de 9,9% avec un ratio de cohérence (RC)qui est égal à 7,5%.

Ces indicateurs de cohérence inférieurs à 10% certifient d'un très bon jugement de la méthode de l'Analyse Multicritère. La figure 20présente les différentes zones des productivités potentielles des aquifères fracturés de la commune rurale de Loulouni.

Figure 20 : Carte de potentialité en eau souterraine de Loulouni selon la méthode de AMC

Cette carte d'aide à la décision pour l'implantation des forages productifs a été classée en quatre (4) zones : Excellente, Bonne, Médiocre et Mauvaise(Figure 21).

Les classes de potentialité médiocre et mauvaise sont faiblement représentéessur la zone d'étude et correspondent respectivement 18% et 1% de la superficie totale de la commune. Ces classes apparaissent en grande partie au Sud-Est et au Sud de la commune. Ces classes se trouvent dans les localités de : Katogola, Kalibine, Perasso et Niegouasson. Nous constatons de petites portions un peu partout sur l'ensemble du territoire.

Ces zones ne sont pas recommandées à la recherche et à la prospection des zones propices à l'accumulation des eaux souterraines. Elles sont caractérisées essentiellement par des zones très peu perméables et à forte pente.Les classes de potentialité Bonne et Excellente sont majoritairement représentées sur le territoire, elles correspondent respectivement 49% et 32%de la superficie totale de la commune. La classe de potentialité bonne occupe une large bande allant de l'Ouest de la commune au Nord en passant par l'Est et aussi au Sud-Est. Cette classe est bien présentée dans les localités deOuattarasso, N'Golokasso, Lafiala, Loulouni, Siranikoroni, Woroni, Kebine, Sieou et Sieou-courani.La classe de potentialité excellente représente 32 % du territoire et occupe de larges portions au Nord (Sibirasso, Soroblé, et Dougoucourani) et au Centre (Kadondougou, Senina, Nierouani et N'Dosso). Quelques parties de cette classe apparaissent au Sud (Facokourou, N'Guinso, Borioni).Ces zones sont dues à la nature fortement fracturée du socle. En effet, ces zones fortement fracturées sont des lieux où les eaux souterraines circulent fortement prouvant ainsi l'existence et la disponibilité des eaux. De cette analyse, il ressort que les eaux souterraines sont disponibles dans la commune rurale de Loulouni.Par conséquent, la carte de potentialité en eau souterraine fournit des informations importantes sur l'existence des eaux souterraines dans la commune.

Figure 21 : Répartition en pourcentage des superficies des zones potentielles en eaux souterraines de Loulouni

6.2.1. Validation de la carte thématique « Potentialité en eau souterraine »

La carte montre que les différentes classes de débit se superposent en grande partie aux zones correspondantes (Figure 22).

Le pourcentage de forages d'une classe de débit se superposant à une classe thématique donnée a été calculé et consigné dans le tableau XI. L'analyse de ce tableau montre que 30% des forages à débit fort se superposent à la classe de sensibilité bonne et 50% des forages à débit très fort se superposent à la classe de sensibilité excellente. Par ailleurs, il ressort de cette analyse que 35 % des forages à débit moyen se superposent à la classe de sensibilité bonne et que la classe de sensibilité médiocre recouvre 50% des forages avec de très faibles débits. De plus, 30 et 65 % des ouvrages à débit faible et très faible se superposent à la classe de sensibilité mauvaise.

Figure 22: Relation indice de productivité et débit d'exploitation selon la méthode de AMC

CLASSES DE SENSIBILITÉ (%)
CLASSES DE DEBITS (m³/h)		Excellente	Bonne	Médiocre	Mauvaise	Nombre de forages
	Trèsfaible Q<1	0	0	50	65	2
	Faible 1<Q<2,5	0	5	26	30	6
	Moyen 2,5<Q<5	0	35	14	5	4
	Fort 5<Q<10	50	30	10	0	4
	Très fort Q>10	50	30	0	0	6

La figure 23présente la courbe de tendance de la commune rurale de Loulouni. Ce graphe révèle que

la carte de potentialité en eau souterraine reflète la sensibilité du terrain. Ces résultats justifient le fait que les classes de sensibilité expriment la productivité des aquifères fracturés de socle dans la zone d'étude. Cependant, les courbes de sensibilité permettent de valider la carte potentialité en eau dans la commune de Loulouni.

Figure 23 : Graphe des pourcentages du nombre de forages en fonction des classes de débits selon la méthode de AMC

6.3. Carte de potentialité en eau selon la classification de l'Arbre de Décision

La figure 24 présente les différentes zones de productivités potentielles.La potentialité a été classée en quatre (4) zones : Excellente, Bonne, Médiocre et Mauvaise (Figure 25).

L'analyse de cette carte montre que les classes de potentialités médiocre et mauvaise sont faiblement représentées sur l'ensemble de la zone d'étude et correspond respectivement 18% et 8 % du territoire. Elles se localisent en grande partie au Sud-est et aux alentours de la commune. Ces classes ne sont pas favorables à l'implantation de forages d'eau, elles sont caractérisées essentiellement par les zones peu perméables à fortes pentes.

Quant aux classes des potentialités bonne et excellente, elles sont majoritairement représentées et regroupent 74 % de la superficie totale de la commune de Loulouni. Elles sont favorables et très recherchées pour l'implantation de forages à gros débits. En effet, ces zones sont caractérisées par des infiltrations d'eau importante, par des pentes faibles et très faibles, des épaisseurs d'altérités et des fractures moyennes à très élevées.

Figure 24 : Carte de potentialité en eau souterraine à l'aide du modèle d'arbre de décision de la commune de Loulouni

Figure 25 : Répartition en pourcentage des superficies des zones potentielles en eaux souterraines par la méthode de l'arbre de décision

6.3.1. Validation de la carte thématique selon l'arbre de décision

La carte montre que les différentes classes de débit se superposent en plus grande partie aux zones correspondantes (Figure 26).

Figure 26 : Relation indice de productivité par arbre de décision et débit d'exploitation

Le tableau XIImet en évidence le pourcentage de forage d'une classe de débit se superposant à une clase thématique donnée.

L'analyse de ce tableau montre que 65% des forages à débit très fort se superposent à la classe de sensibilité excellenteet 50% des forages à débit fort se superposent à la classe de sensibilité bonne. Par ailleurs, il ressort de cette analyse que 15 % des forages à débit moyen se superposent à la classe de sensibilité bonne et que la classe de sensibilité médiocre recouvre 50% des forages avec de faibles débits. De plus, 65% des ouvrages très faible se superposent à la classe de sensibilité mauvaise.

Tableau XII : Pourcentage du nombre de forages suivant les classes de débits (Arbre de décision)

CLASSES DE SENSIBILITÉ (%)
CLASSES DE DEBITS (m³/h)		Excellente	Bonne	Médiocre	Mauvaise	Nombre de forages
	Trèsfaible Q<1	0	0	50	65	1
	Faible 1<Q<2,5	0	0	50	33	6
	Moyen 2,5<Q<5	10	15	0	0	4
	Fort 5<Q<10	25	50	0	0	4
	Très fort Q>10	65	35	0	0	6

Le graphe de pourcentage du nombre de forage en fonction des classes de débits illustré à la (Figure 27), relève que la carte de potentialité en eau reflète la sensibilité du terrain.

Cependant les courbes de sensibilité permettent de validerla carte de potentialité en eau souterraine par la méthode d'arbre de décision de la commune rurale de Loulouni.

Figure 27 : Graphe des pourcentages du nombre de forages en fonction des classes de débits selon la méthode de l'arbre de décision

6.4. Comparaison des méthodes de la cartographie des potentialités en eaux souterraines

6.4.1. Test de coefficient de Kappa

L'accord entre les méthodes est donné par le test de Kappa (Tableau XIII). Ce test évalue le degré de conformité des deux cartes, ainsi le coefficient de Kappa est déterminé.

AMC AD	1	2	3	4	Total
1	24	116	187	17	344
2	24	251	501	172	948
3	8	462	1386	1273	3129
4	8	140	544	295	987
Total	64	969	2618	1757	5408
K = 0,47

Le résultat obtenu dans le tableau XVIII lors de calcul du coefficient de Kappa (K) montre que le test est fiable pour la comparaison entre la méthode de l'analyse multicritère et de l'arbre de décision, car la valeur de Kappa est positive donc interprétable.

En se référant à l'échelle d'interprétation de Kappa, le coefficient K est compris entre 0,40 et 0,60, Il correspondant à une « Accord modéré » entre les méthodes. Cet accord confirme la différence classe observée au niveau des cartes de potentialités.

En effet, le test de Kappa seul ne suffit pas pour mieux évaluer la potentialité des eaux souterraines, d'où une analyse de surface est nécessaire pour avoir se prononcer.

6.4.2. Analyse de surfaces

Le tableau XIV résume le résultat de la soustraction entre les cartes de potentialités par la méthode de l'analyse multicritère et de l'arbre de décision.

Tableau XIV: Pourcentage des surfaces selon les différences d'indices entre AM et AD

Figure 28 : Histogramme de comparaison de surface des classes entre AMC ET AD

La figure 28montre la différence classe d'indice « 0 » a un pourcentage de 35, 82%, les classes d'indice «1,2,3 » et de « -3,-2,-1 » représentent respectivement de 21, 93% et 42, 25% dans l'ensemble du territoire. L'analyse de ce graphe montre que les 2 méthodes sont identiques à 35,82% de la prédiction des eaux souterraines dans la commune rurale de Loulouni. Et la méthode de l'analyse multicritère sous-évalue par rapport à la méthode de l'arbre de décision.

Ceci étant la méthode de l'arbre de décision fait une bonne prédiction des eaux souterraines par rapport à la méthode de l'analyse multicritère avec un coefficient de Kappa égale à 0,47. Confirme la validation de ces méthodes dont la carte obtenue par l'arbre de décision est très proche de la réalité du terrain.

Conclusion partielle

Dans cette étude, les méthodes de l'analyse multicritère et de l'arbre de décision ont permis d'identifier les zones potentiellement productives des aquifères de socle dans la commune rurale de Loulouni.L'identification des zones potentielles en eaux, la carte de potentialité révèle plus de 80% des classes bonnes et excellentes par l'analyse multicritère et de 74% par l'arbre de décision.Ces deux (2) méthodes donnent une bonne cartographie d'eau souterraine, ainsi la carte obtenue par l'arbre de décision est très proche de la réalité du terrain.La validation de ces cartes à l'aide des débits d'exploitation des forages a montré une très bonne correspondance entre les zones à potentielles en eau souterraine et la classe de débits correspondants.

Les résultats révèlent que le coefficient K est fiable et a donné un accord modéré (K=0,47) entre les deux méthodes. Quant à l'analyse de surface, elle montre un accord moyen (35,82%). Mais la méthode de l'arbre de décision apparait la mieux prédite la potentialité des eaux souterraine par rapport à la méthode de l'analyse multicritère.

CHAPITRE 7 :DISCUSSION

- Cartographie de l'occupation du sol

La carte d'occupation du sol de la commune rurale de Loulouni en 2019 a été obtenue par la méthode de classification supervisée avec l'algorithme maximum de vraisemblance. En effet, cet algorithme, par sa capacité de discrimination des classes thématiques, a permis d'identifier quatre (4) types d'occupation du sol. L'image de MSI de Sentinel-2B, utilisée dans ce travail a été prise au mois de décembre qui correspond à une période de saison sèche dans la zone d'étude.La précision globale issue du traitement des images est de 87,05 %. Cette précision atteste la bonne classification d'image car une classification est jugée acceptable lorsque la précision globale avoisine 80%. Elle confirme celles obtenues par les travaux antérieurs des chercheurs comme :

· Vintrou (2012), dans une étude de cartographie et caractérisation des systèmes agricoles au Mali par la télédétection a moyenne résolution spatiale a obtenu 82% et 86% comme précision globale.

· Sogodogo (2015), dans une étude de la dynamique des superficies agricoles dans la commune rurale de Loulouni (Sud du Mali) : apport de la télédétection et SIG, a trouvé des précisions globales 87,40% et 87,29%.

· Yeo (2017), dans une étude de contribution des aires protégées aux efforts d'accroissement des stocks de carbones dans le cadre de la REDD+ : cas de la réserve biologique de LAMTO (Côte d'Ivoire) a obtenu 83,3% comme précision globale et 0,82 de coefficient de kappa.

L'analyse de la matrice de confusion révèle quelques irrégularités (sols nus/habitats, cultures et savanes). Cette difficulté de discrimination est due à la similarité des signatures spectrales de ces types d'occupation du sol. Cette tendance corrobore les conclusions tirées par Yossiet al. (1996) dans une étude sur la dynamique de la végétation post culturale en zone soudanienne au Mali. Le même constat a été fait par Sogodogo (2015).

La méthode d'extraction automatique à l'aide du module LINE de PCI Geomatica appliquée dans cette étude est caractérisée par sa rapidité d'exécution et par l'objectivité dans l'extraction de linéaments selon Moore et Waletz (1983) cité par Adon (2015).

Les résultats obtenus sont concordants aux travaux antérieurs : Abudullah et al. (2009) en Malaisie ; Bishtaet al. (2010) en Jordanie ; Hubbard et al. (2012) en Afghanistan ; Rayan (2013) en Iraq ; Adon et al. (2014)en Côte d'Ivoire utilisant le module LINE de PCI ont montré son potentiel à détecter les linéaments pour les études hydrogéologiques. Le choix de la méthode automatique s'est justifié par son caractère innovant en milieu de socle précambrien(Adon et al., 2019).Cependant, la validation des linéaments par vérité-terrain est le moyen le plus concordant car les failles d'extension kilométrique sont immédiatement reconnaissables (Kouamé, 1999). Á défaut, on procède soit à une validation à l'aide des travaux antérieurs de cartographie structurale, soit par une méthode inverse basée sur les forages productifs à gros débits (Jourdaet al., 2016).Dans cette étude la validation à l'aide des travaux antérieurs a été effectuée.La comparaison des directions préférentielles : NE-SW (N0-N10°, N30°, N70° et N90°), et NW-SE (N110-120°, N135° et N180°) à celles obtenues par Koné et al. (2019) dans une étude de caractérisation structurale et litho-structurale des linéaments par différents traitements d'image satellitaire : cas de Bamako et ses environs, sud-ouest du Mali. La direction NE-SW correspondant aux directions des formations birrimiennesont été mises en évidence par le projet SYSMIN (2006) cité par Koné et al. (2019). Aussi, ces directions concordent avec les directions des fractures présentent dans la carte géologique du sud du Mali.

Dans cette analyse, nous pouvons attester que les linéaments extraits automatiquement à l'aide du module LINE de PCI permettent de déterminer l'état de la fracturation du socle de Loulouni.

Cette étude montre que la contribution de la télédétection et SIG couplée à l'analyse multicritère, présentent d'énormes avantages dans la recherche des zones potentielles en eaux souterraines dans la commune rurale de Loulouni. En effet, ces différentes méthodes ont permis à certains auteurs (Jourda, 2005 ;Youan Ta, 2008 ; Abdou Babaye, 2012 ; Sorokoby, 2013 ; Adon, 2015 ;Abdelfethat, 2018) d'obtenir des résultats satisfaisants.

Toutefois, cette méthode présente des difficultés dans sa mise en oeuvre. Celles-ci proviennent au choix des critères retenus pour cartographier les zones propices qui diffèrent en fonction des travaux et selon la disponibilité des données. Aussi des difficultés de choix des limites de classe des critères choisis de la méthode. Ce choix des limites de classe s'opère en fonction d'une part, de la faculté de discernement de l'opérateur et son sens de jugement et, d'autre part, des valeurs affichées par les histogrammes des critères (Jourdaet al., 2016).

Malgré ces difficultés, nous remarquons une bonne cohérence entre les classes de débits, bien que l'allure des courbes de tendance des classes de sensibilité soit différente de celle des courbes théoriques établies par Jourdaet al. (2016).

Quant à la méthode de l'arbre de décision Les résultats obtenus sont conformes aux travaux de Lee et al. (2015), Duan et al. (2016) qui ont appliqué le modèle d'arbre de décision pour la cartographique de la potentialité des eaux souterraines respectivement en Corée et en Chine. Ils ont obtenu des résultats satisfaisants avec des précisions de prédiction estimées à 87,88% en Corée et 85,09% en Chine ;un arbre de décision ne fait aucune hypothèse statistique. Cependant la classification de l'arbre de décision est une méthode précise et rapide et plus fiable pour évaluation du potentiel en eau souterraine.

La comparaison des cartes de potentialités du test de Kappa et de l'analyse de surfaces a montré que le coefficient d'accord (K) est fiable et donne un accord k = 0,47 entre les deux méthodes. Ces résultats sont en concordance de celui obtenu par Kouamé (2007) dans une étude de la contribution à la gestion intégrée des ressources en eaux du district d'Abidjan.

Les résultats de l'analyse de surfaces confirment celui du test de Kappa dans cette étude. Les cartes de potentialités en eaux souterraines dans la commune de Loulouni sont donc différentes, ce qui montre que l'association entre les deux méthodes n'est pas parfaite.En définitive, ces résultatsapporteront une contribution aux succès des prochaines campagnes dans la commune et elle réduit le taux d'échec lors de l'exécution des ouvrages hydrogéologiques.

CONCLUSION GÉNÉRALE

Au terme de ce travail, les résultats obtenus montrent l'importance de la télédétection et des SIG dans la cartographie des potentialités en eaux souterraines dans la commune rurale de Loulouni. En effet, l'approche méthodologique mise en place a permis d'atteindre les objectifs fixés.

Une extraction automatique des linéaments à l'aide du module LINE de PCI Geomatica a été effectuée sur les images satellitaire optique (Sentinel-2B), afin de cartographier les fractures du socle de la zone d'étude de manière objective. Le module LINE PCI a montré son potentiel à détecter les linéaments pour cette étude. Ces linéaments ont fait l'objet d'une validation en comparant les directions préférentielles des linéaments automatiques à celles des travaux antérieurs.

Aussi, La carte d'occupation du sol de la commune rurale de Loulouni en 2019 a été obtenue par la méthode de classification supervisée avec l'algorithme maximum de vraisemblance, qui nous a permis d'identifier quatre types d'occupation du sol (Sols nus/habitats : 7 % ; Eau : 4% ; Forêt galerie : 17% ; Savane boisée : 27% et Cultures : 45%).

La méthode de l'analyse multicritère basée sur la technique de pondération de Saaty a permis de cartographier les zones potentielles en eau souterraine dans la commune. Ainsi, la carte des potentialités montre que 81% de la superficie de la commune présente des potentialités bonne et excellente, et les potentialités médiocre et mauvaise sont respectivement : 18% et 1%.

Par ailleurs, la méthode de l'arbre de décision révèle 74 % de la potentialité des classes bonnes et excellente et 26% des classes médiocre et mauvaise sur l'ensemble du territoire.

La comparaison entre les méthodes de l'analyse multicritère et de l'arbre de décision a donné un accord modéré (le coefficient Kappa vaut 0,47). L'analyse des fréquences de surface des cartes de potentialité a révélé que les méthodes (AMC et AD) ont un accord moyen (35,82%), mais la méthode de l'arbre de décision a tendance à surévaluer la prédiction de la potentialité en eau souterraine par rapport à l'analyse multicritère.

Dans l'ensemble, cette carte de potentialité en eau souterraine serait utile pour les futures campagnes de la prospection, aussi importante pour les activités agricoles dans la commune rurale de Loulouni.

Conscient que les systèmes rudimentaires sont moins performants dans les conditions de l'amélioration de la prospection en eau potable, les perspectives suivantes de recherches peuvent être envisagées au terme de cette étude, à savoir :

· réaliser une fusion des images radar et optique pour améliorer la cartographie géologique, et de la cartographie des fractures de la commune ;

· cartographierles zones vulnérables à la pollution des eaux souterraines dans la commune rurale de Loulouni pour mieux connaître la qualité des eaux souterraines;

· d'appliquer les approches méthodologiques (analyse multicritère, arbre de décision et les réseaux de neurones) sur l'ensemble du territoire malien pour la cartographie des zones favorables à l'implantation des futurs forages, et actualiser la base de données des ressources en eaux afin de palier le problème d'eau potable.

REFERENCES BIBLIOGRAPHIQUES

AbdelfettahB., Bouabdellah L. (2018). Evaluation des zones potentielles d'eaux souterraines, en utilisant l'analysespatiale, SIG et les Techniques MCDA, plaine de khemis Miliana. Mémoire de Master en science de la terre. Université DJILALI BOUNAAMA - KHEMIS MILIANA (Algarie),55p.

Abdullah A., Nassir S., Ghalob A. (2013). Landsat ETM-7 for Lineament Mapping Using Automatic Extraction Technique in the SW part of Taiz area, Yemen. Global JournalsInc, vol 13 ; n°3, pp. 35-38.

Abdou Babaye M. S. (2012). Evaluation des ressources en eau souterraine dans le bassin de Dargol (Liptako-Niger). Thèse de Doctorat de l'Université Abdou Moumouni du Niger, 256p.

Adon G.C. (2015). Evaluation des potentialités en eau de l'hydroystème de la Haute Marahoué (Côte d'Ivoire) : apports des données Géospatiales, du modèle Hydrologique « Hydrotel » et de l'analyse Multicritère. Thèse de Doctorat de l'Université Felix Houphouët Boïgny de Cocody en Télédétection et SIG, 177p.

Adon G.C., Oularé S., Kouamé K.A., Saley M.B., Kouamé K.F. (2019). Extraction automatique des linéaments à l'aide d'images satellitaires optique et Radar en milieu de socle précambrien (Haute Marahoué, Côte d'Ivoire). International Journal of Engineering Science Invention (IJESI), vol 8, n°1, pp. 24-32.

AnderssonC., Benabderrahmane A., Byström J. and ÖbergM. (1992). Remote sensing as a tool in groundwater assessment. Hydrogeology, n° 1-2, pp. 93-99.

Bengaly S. (2012). Dynamique spatio-temporelle de l'occupation du sol dans le bassin de Sankarani au Mali. Mémoire de Master en Science de la Géo-Information au Centre Régional de Formation aux Techniques des Levés Aérospatiaux (RECTAS), Ilé-Ifè, Nigeria et l'Université d'Abomey-Calavi (UAC) en République du Bénin, 115p.

BiémiJ., Deslandes, S., Gwyn, Q. H. J. &Jourda, P. (1991). Influence des linéaments sur la productivité des forages dans le bassin versant de la Haute Marahoué (Côte d'Ivoire): Apport de la télédétection et d'un système d'information à référence spatiale. In : Télédétection et gestion des ressources, vol. VII, pp. 41- 49.

Bishta A.Z., Soliyman A.M., Madani A.A., and Abu Q uadaira M.A. (2010).Utilization of Lineaments Extraction Satellitaire Imageries in Structural Mapping and Mineral Exploration of Central Wadi Arab, Southwest Jordan. Jaku Earth sci,vol 21, n°2, pp. 1-27.

Canny J. (1986). A computatinal approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol 8, pp. 679-714.

ChakharS. (2006).Cartographie décisionnelle multicritère : formalisation et implémentation informatique, thèse Université Paris Dauphine, 300p.

Coulibaly S. (2015).Evaluation de la vulnérabilité à la pollution des aquifères d'altérites, exploites en milieu urbain : Cas de la ville d'Agoville. Mémoire de Master en Sciences et Gestion de l'Environnement. Université NanguiAbrogoua, 89p.

Dibi D. (2008).Cartographie des sites potentiels d'implantation des points d'eau dans le département d'Aboisso (sud-est de la côte d'ivoire) : apport du SIG et de l'analyse multicritère. Thèse de Doctorat, Université de Cocody, Abidjan (Côte d'Ivoire), 153p.

Duan H., Deng Z., Deng F., Wang D. (2016).Assessment of Groundwater Potential Based on MulticriteriaDecision Making Model and Decision Tree Algorithms. University of Science and Technology, (China), Hindawi Publishing Corporation, 11p.

ElHadani. D. (1997). Télédétection et système d'information géographique pour la gestion et la recherche de l'eau. IAHS Publ. N° 242, pp. 187-204.

El Morjani Z. (2003). Conception d'un système d'information à référence spatiale pour la gestion environnementale ; application à la sélection de sites potentiels de stockage de déchets ménagers et industriels en région semiaride (Souss, Maroc). Thèse de Doctorat, Université de Genève, 300p.

FAO (2011). État des ressources en terre et en eau pour l'alimentation et l'agriculture dans le monde : gérer les systèmes en danger. Rapport de synthèse, 52 p.

FeumbaR., NgounouNgatcha B., TabueYoumbi J.G.H., Ekodeck G.E. (2011). Relationship between Climate and Groundwater Recharge in the Besseke Watershed (Douala-Cameroon). Journal of Water Resource and Protection, Vol. 3, pp. 607-619.

Galbane B. Z. (2012).Cartographie des structures linéaires par photo-interprétation et analyse d'images satellitaires dans la regionde Boukiemdé(Burkina Faso). Mémoire de master en Ingénierie de l'Eeau et de l'Environnement (2iE), 42 p.

Girad P., Goulet N., Michel M. (1998).Synthèse des données géologiques et cartographie. Amélioration et modernisation du centre de documentation, rapport final. (La Géologie du Mali), 119p.

Girard M.C. et Girard C.M. (1999). Traitement des données de télédétection. Dunod ed. Paris, 529 p.

Hubbard B.E., Mack T.J and Thopsom A.L. (2012).Lineament analysis of mineral areas of interest in Afghanistan: USGS Open-File Report 2012-1048, 28p.

Hung L. Q., Batelaam O. and De Smed F. (2005). Lineament extraction and analysis, comparaison of Landsat ETM and ASTER imagery case study: Suoimuoi tropical karst catchment, Vietnam, Remote Sensing for Environmental Monitoeing, GIS Applications, and Geology V SPIE, Brugge (Belgium), 12p.

JofackSokeng V.-C. (2016).Cartographie des potentialités en eaux souterraines dans les Hauts Plateaux de l'Ouest-Cameroun : contribution de la Télédétection (optique et radar), des Systèmes d'Informations Géographiques et des Réseaux de Neurones. Thèse de Doctoratde l'Université Felix HouphouëtBoigny decocody en sciences et technologies, 297 p.

Jofack Sokeng V.-C., Kouame K., Youan TA M., Salay M. B., Kouame K. (2014). Extraction automatique de linéaments sur les images satellitaires par réseaux des neurones : Contribution à la cartographie structurale du socle précambrien de la région de Bondoukou (Nord-Est de la Côte d'Ivoire). Revue Scientifique International de Géomatique, pp. 4-17

Jourda J. P. (2005). Méthodologie d'application des techniques de télédétection et des systèmes d'information géographique à l'étude des aquifères fissurés d'Afrique de l'Ouest. Concept de l'hydrotechnique spatiale : cas des zones tests de la Côte d'Ivoire. Thèse de Doctorat d'Etat, Université de Cocody, 430 p.

Jourda J. P., Saley M. B., Djagoua E. V., Kouamé K., J., BIÉMI J., Razack M. (2006). Utilisation des données ETM+ de Landsat et d'un SIG pour l'évaluation du potentiel en eau souterraine dans le milieu fissuré précambrien de la région de Korhogo (nord de la Côte d'Ivoire) : approche par analyse multicritère et test de validation. Revue de Télédétection, Vol. 5, N° 4, pp. 339-357.

Koffi K. M., Yao K. T., Mobio A., Oga Y. M. M. (2016).Apport de l'analyse multicritère à la cartographie des zones favorables à l'implantation de forages dans la régionde Gagnoa (Centre Ouest de la Côte d'Ivoire). Geo-Eco-Trop; vol 40, n°4,pp. 327-344.

Khan H.H., Khan A., Sreedevi P.D., Ahmed S. (2014).Mapping Potential Infiltration Patterns Using Digital Elevation Model. Journal of Geographic Information System, Vol. 6, pp. 345-357.

Koné A., Bouare M. L., Daou I., Maïga H. B. (2019).Caractérisation structurale et litho-structurale des linéaments par différents traitements d'image satellitaire : Cas de Bamako et ses environs, sud-ouest du Mali. Rev. Ivoir. SciTechnol., vol 33, pp. 19-35

Kouamé K. F. (1999).Hydrogéologie des aquifères discontinus de la région semi-montagneuse de Man-Danané (Ouest de la Côte d'Ivoire). Apport des données des images satellites et des méthodes statistique et fractale à l'élaboration d'un système d'information hydrogéologique à référence spatiale. Thèse de 3^èmecycle, Université de Cocody, Abidjan (Côte d'Ivoire), 149p.

Kouamé K. J. (2007). Contribution à la gestion intégrée des ressources en eaux (GIRE) du district d'Abidjan (Sud de la Côte d'Ivoire) : outils d'aide à la décision pour la prévention et la protection des eaux souterraines contre la pollution. Thèse unique de doctorat, Université de Cocody, 225 p.

Landis J. R. et Koch G. G. (1977). The measurement of observer for categorical data, Biometrics, pp. 159-179.

Lee S., Song K.Y., Kim Y.S., Park I. (2012).Regional groundwater productivity potential mapping using a geographic information system (GIS) based artificial neural network model. Hydrogeol. J., Vol. 20, pp. 1511-1527.

Lee S., Wook L. C. (2015). Application of Decision-Tree Model to Groundwater Productivity-Potential Mapping. Sustainability, Vol. 7, pp. 13416-13432.

Maïga B. A., Kouadio K. E., Soumaré O. (2020). Evolution de la dynamique du sol engendrée par l'orpaillage dans le bassin de Bamako, Région de Koulikoro, Sud-ouest du Mali. Afrique SCIENCE ; vol 3, n°17, pp. 28-39.

Mali Sahel. (2014). Programme sahel pour la gestion des ressources en eaux au Mali, 45p.

Murat V. (2000). Etude comparative des méthodes d'évaluation de la vulnérabilité intrinsèque des aquifères à la pollution : Application aux aquifères granulaires du Piémont LAURENTIEN. Mémoire de maîtrise, INRS - Géosciences, Québec, 127 p.

Moore G. K. and Waltz F. A. (1983).Objective procedures lineament enchancement and extension. PhotogrammetrieEngimmeriang el Remote sensing, vol.45, n°5, pp. 641-647.

Morgan J., Sonquist J. A. (1963). Problems in the analysis of survey data, and a proposal, journal of the american statistical association, vol.58, pp.415-435.

NjeugeutMbiafeu A. C. (2017). Diagnostic à la mi-saison sèche de l'état hydrique et dynamique d'occupation du sol du bassin versant de la volta en Côte d'Ivoire. Mémoire master, Université Felix Houphouët Boigny de Cocody, 72p.

Ouédraogo M. M. (2016). Caractérisation des aquifères de socle pour l'amélioration de la productivité des forages d'hydraulique villageoise dans le bassin versant du Bandama blanc amont (Nord de la Côte d'Ivoire). Thèse de doctorat. Université Paris-Saclay, 241p.

Pinatibi H., Coulibaly N., Coulibaly T. J. H., Savane I. (2015). Cartographie des potentialités en eaux souterraines par l'utilisation de l'analyse multicritère et les SIG : Cas du district du Denguele (Nord-ouest de la Côte d'Ivoire). Europeanscientific journal, vol 11, N°35 ISSN :1857-7881, 17p.

PNUD (2013). Assurer la viabilité de l'environnement. OMD 7 et l'après 2015. Fiche d'information, 31 p

Rayan G. T. (2013). Automatic extraction and geospatial analysis of lineaments and their tectonic significance in some areas of northenIraq using Remote Sensing Techniques and GIS. International Journal of enchanced research in Science technology & engineering, vol.2, n°2, 11p.

Rouhana R. (1998). Détection des linéaments dans les images satellitaires par les réseaux de neurones cellulaires, Mémoire de Maitrise, École de technologie supérieure, Montréal, Canada, 96 p.

Saaty T. L. (1977). A scaling method for priorities in hierarchical structures. Journal of Mathematical Psychology, 15, pp. 234-281.

Saaty T. L. (1980). The Analytic Hierarchy Process: Planning, Priority setting, Resource allocation, Mc Graw-Hill, New York, 19 p.

Saaty T. L. (2000). Fundamentals of Decision Making and Priority Theory with the Analytic Hierarchy Process, volume VI. Of AHP série.

Saley M. B. (2003). Système d'informations hydrogéologiques à référence spatiale, discontinuités pseudo-images et cartographies thématiques des ressources en eau de la région semi- montagneuse de Man (ouest de la Côte-d'Ivoire), Thèse unique de doctorat, université de Cocody, 209p.

Sogodogo A. (2015). Apport de la télédétection et des Systèmes d'Information Géographique à l'étudede la dynamique des superficies agricoles dans la commune rurale de Loulouni (Sud du Mali). Mémoire de Master en Télédétection et SIG, Université Félix Houphouët Boigny de Cocody, 49p.

Sorokoby M. V.(2013). Etude Hydrologique et Hydrogéologique de la région de Soubré (Sud-Ouest de la Côte D'ivoire) dans un contexte de variabilité climatique. Thèse de Doctorat de l'Université Félix Houphouët Boigny, 219 p.

TraoréD. (2019). Étudie d'optimisation de la productivité des forages dans le cercle deKadiolo(Folona) au sud du MALI. Mémoire de fin d'études pour le grade Ingénieur en Hydrogéologie, Ecole Nationale d'Ingénieurs Abderhamane Baba TOURE (ENI-ABT Mali) 90 p.

Traoré A. Z., Bokar H., Sidibé. (2018). Hydrogéologie du Mali. Atlas de l'eau souterraine en Afrique, 18p.

VintrouE. (2012). Cartographie et caractérisation des systèmes agricoles au Mali par la télédétection a moyenne résolution spatiale. Institut des Sciences et Industries du Vivant et de l'Environnement (AgroParisTech), 205p.

Yéo N. (2017). Contribution des aires protégées aux efforts d'accroissement des stocks de carbones dans le cadre de la REDD+: cas de la réserve biologique de LAMTO (Côte d'Ivoire). Mémoire master, Université Felix Houphouët Boigny de Cocody, 61 p.

Youan Ta M. (2008). Contribution de la télédétection et des systèmes d'informations géographiques à la prospection hydrogéologique du socle précambrien d'Afrique de l'Ouest : Cas de la région de Bondoukou Nord Est de la Côte d'Ivoire. Thèse de Doctorat, Université de Cocody, Abidjan (Côte d'Ivoire), 236p.

Youan Ta M., Lasm T., Jourda J. P., Saley M. B., Adja G. M., Kouamé K., Biémi J. (2011). Cartographie des eaux souterraines en milieu fissuré par analyse multicritère cas de Bondoukou (Côte d'Ivoire). Revue Internationale de Géomatique. Vol. 21, n°. 1, pp. 43-71.

Yossi H.,Diakite C.H. (2008). Dynamique de l'occupation du sol et de la végétation en zone guinéenne nord et soudanienne du Mali : Etude de cas dans les régions de Sikasso et de Mopti. Etude Sahel, Bamako (Mali), 101 p

Annexe 2: Expression verbale et numérique de l'importance relative d'une paire de critères (El Morjani, 2002)

Village	Arrondissement	Cercle	Longititude	Latitude	Altitude	Débits	Classes
WoroniKourani	loulouni	kadiolo	-5.608055556	10.79083333	340	4,8	Moyen
Niegansoni	loulouni	kadiolo	-5.667777778	10.75777778	325	16,2	Très fort
Niegansoni	loulouni	kadiolo	-5.663611111	10.7525	325	3,6	Moyen
Niegansoni	loulouni	kadiolo	-5.674444444	10.75444444	325	0,65	trèsfaible
Niegansoni	loulouni	kadiolo	-5.665833333	10.7575	326	1,2	faible
LANFIALA	loulouni	kadiolo	-5.708888889	10.81583333	352	5,7	fort
Sorobile	loulouni	kadiolo	-5.59139	10.98083	453	4,6	Moyen
Sorobile	loulouni	kadiolo	-5.57639	10.98139	453	17,2	Très fort
Sorobile	loulouni	kadiolo	-5.57417	10.97944	453	15	très fort
Sorobile	loulouni	kadiolo	-5.57417	10.96278		10,7	très fort
Woroni	loulouni	kadiolo	-5.59667	10.79056	345	24	très fort
Kardiasso	loulouni	kadiolo	-5.64667	10.97361	480	20	très fort
katogola	loulouni	kadiolo	-5.56722	10.86444	400	4,6	Moyen
LOULOUNI	loulouni	kadiolo	-5.6025	10.89444	350	8	fort
Meriadiassa	loulouni	kadiolo	-5.59444	10.78611	520	1,3	faible
Ndosso	loulouni	kadiolo	-5.55306	10.83583	430	5	fort
serekeni	loulouni	loulouni	-5.766666667	10.78333333	360	0	faible
serekeni	loulouni	loulouni	-5.761111111	10.78305556	360	2	faible
Ouattarasso	loulouni	loulouni	-5.803888889	10.80583333	342	8	fort
NEBOUGOU	loulouni	kadiolo	-5.504166667	10.85555556	400	2	faible
Ouattarasso	loulouni	loulouni	-5.801388889	10.80611111	342	1,5	faible

v La détermination de l'indice de cohérence (IC) d'une matrice de jugement se procède de façon suivante :

· Multiplier chaque colonne par le coefficient de pondération (Cp) ou le poids lui correspondant, on obtient le tableau VIII ;

· Faire la somme des éléments de chaque ligne pour obtenir la priorité globale [A] ;

· Diviser chaque priorité globale [A] par le coefficient de pondération (Cp) correspondant afin de déterminer la priorité rationnelle [B] ;

Critères	Pt	G	Df	Ie	Ea	OS	Dd	[A]	[B]
Pt	0,372	0,697	0,485	0,448	0,208	0,314	0,268	2,799	7,097
G	0,124	0,232	0,485	0,269	0,347	0,135	0,208	1,801	7,748
Df	0,124	0,077	0,162	0,448	0,208	0,225	0,089	1,333	8,240
Ie	0,074	0,077	0,032	0,090	0,139	0,135	0,149	0,696	7,765
Ea	0,124	0,046	0,054	0,045	0,069	0,090	0,089	0,518	7,460
Os	0,053	0,077	0,032	0,030	0,035	0,045	0,059	0,332	7,390
Dd	0,041	0,033	0,054	0,018	0,023	0,022	0,030	0,222	7,460

RC= 7,5% < 10%, par conséquent le degré de cohérence de comparaison est acceptable.

Annexe 6 : Description des classes d'occupation du sol de la commune rurale de Loulouni

Annexe 7 : Bilan hydrologique de la commune de Lououni selon la méthode de Thornthwaite (1990-2019)

	Janv	Fev	Mars	Avril		Mai	Juin	Juillet	Aôut	Sept	Oct	Nov	Déc	Totaux
T (°C)	25,33	28,17	30,9		29,5	27,52	25,61	24,71	25,1	25,94	25,59	25,59	24,33	26,95
P (mm)	2,4	3,28	12,42	52,1		93,67	140,9	211,08	266,76	181,71	72,46	7,13	0,65	1044,66
ETP (mm)	72	99	129	113		92	75	67	71	78	75	75	64	1010
ETR (mm)	2,4	3,28	12,42	52,1		92	140,9	67	71	78	72,46	7,13	0,65	599,34
P-ETR (mm)	0	0	0	0		1,67	65,9	144,08	195,76	103,71	0	0	0	445,22
P-ETP (mm)	-69,6	-95,72	-116,58	-60,9		1,67	65,9	144,08	195,76	103,71	-2,54	-67,87	-63,35	34,56
ETP-ETR (mm)	69,6	95,72	116,58	60,9		0	-65,9	0	0	0	2,54	67,87	63,35	410,66

Cartographie des potentialités en eaux souterraines dans la commune rurale de Loulouni (sud du Mali) : apport de la télédétection et des systèmes d’informations géographiques

REMERCIEMENTS

LISTE DES ABRÉVIATIONS

LISTE DES FIGURES

LISTE DES TABLEAUX

LISTE DES ANNEXES

RÉSUMÉ

ABSTRACT

INTRODUCTION GÉNÉRALE

PREMIÈRE PARTIE :GÉNÉRALITÉS

CHAPITRE 1 : PRÉSENTATION DE LA ZONE D'ÉTUDE

1.1. Situation géographique

1.2. Caractéristiques Géographiques

1.2.1. Géomorphologie

1.2.2.Végétation

1.2.3. Climat

1.2.4. Géologie

1.2.5. Hydrographie

1.2.6. Hydrogéologie

1.2.7. Pédologie

1.3. Population et activités économiques

Conclusion partielle

CHAPITRE 2 :NOTIONS ET CONCEPTS DE L'ÉTUDE

2.1.Traitement des images satellitaires

2.1.1. Télédétection

2.1.2.Images satellitaires

2.1.3. Traitement

2.2.Linéaments

2.2.1.Définition

2.2.2.Caractéristiques

2.2.3.Détection

2.2.4. Concept du module de l'algorithme LINE de PCI

2.3.Utilisation des SIG

2.4. Analyse Multicritère

2.5. Classification par arbre de décision

2.6. Cartographie des potentialités en eaux

Conclusion partielle

DEUXIÈME PARTIE : MATÉRIEL ET MÉTHODES

CHAPITRE 3 : DONNÉES ET MATÉRIEL

3.1.1. Données cartographiques

3.1.2. Données climatiques

3.1.3. Données de forage

3.1.4. Données satellitaires

Conclusion partielle

CHAPITRE 4 : MÉTHODOLOGIE

4.1. Méthode pour la cartographie des linéaments et de l'occupation du sol

4.1.1. Prétraitement des images

4.1.1.1 Correction radiométrique et atmosphérique des images

4.1.1.2. Mosaïque des images et extraction de la zone d'étude

4.1.2. Traitement de l'image Sentinel-2B pour la cartographie de l'occupation du sol

4.1.2.1. Composition colorée

4.1.2.2. Indice de végétation

4.1.2.3. Choix des sites d'entraînement

4.1.2.4. Extraction des classes d'occupation du sol

4.1.2.5. Classification supervisée (orientée Pixel)

4.1.2.6. Evaluation et validation de la classification

4.1.3. Extraction automatique des linéaments à partir des images Sentinel-2B

4.1.3.1. Rehaussement des images satellitaires

4.1.3.2.Extraction automatique des linéaments

4.1.3.4. Contrôle et validation des linéaments

4.2. Cartographie despotentialitésen eaux souterraines selon la méthode de l'Analyse Multicritère

4.2.1. Mise en oeuvre de l'analyse multicritère

4.2.1.1. Identificationdes critères de décision

4.2.1.2. La classification et codification des critères de décision

4.2.1.2.1. Élaboration des critères de décision

4.2.1.3. Pondération des critères de décision

4.2.1.4. Calcul du degré de cohérence (IC)

4.2.1.5. Agrégation des critères par pondération

4.2.1.6. Validation de la carte de potentialité en eaux

4.3. Cartographie des potentialités en eaux souterraines par les techniques d'arbre de décision

4.3.1. Description des composantes de l'arbre

4.3.2. Construction de l'arbre de décision

4.3.3. Validation de l'arbre de décision

4.3.4. Test de corrélation entre les méthodes

4.3.4.1. Test de conformité (coefficient de Kappa)

4.3.4.2. Analyse de surface

Conclusion partielle

TROISIÈME PARTIE : RÉSULTATS ET DISCUSSION

CHAPITRE 5 : CARTOGRAPHIE DE L'OCCUPATION DU SOL ET DES LINÉAMENTS

5.1. Carte d'occupation du sol de la commune de Loulouni