CHAP3PRECIPITATION2012

ECOLE POLYTECHNIQUE DE THIES
Cours
d’hydrologie
Par Dr. El Hadji Bamba DIAW Chapitre 3: PRECIPITATIONS
Cours d’Hydrologie : Un exposé pour comprendre
Sommaire
I. FORMATION ET CLASSIFICITION DES PRECIPITATIONS .......................................... 4
I.1 Les nuages ....................................................................................................................... 5
1.1.1 Constitution des nuages ........................................................................................... 5
I.1.2 Aspect des nuages .................................................................................................... 5
I.1.3. Les 10 genres de nuages .......................................................................................... 6
I.2. Déclenchement des précipitations ............................................................................... 9
I.3 Entretien des précipitations .......................................................................................... 10
I.4 Classification des précipitations ................................................................................... 11
I.4.1 Précipitations de convection.................................................................................. 11
I.4.2 Précipitations Orographiques ............................................................................... 11
I.4.3 Précipitations de Front (ou cyclonique) ................................................................ 12
I.4.4 Pluies artificielles .................................................................................................. 13
II MESURE DES PRECIPITATIONS ................................................................................... 16
II.1. Appareillages pluviométriques .................................................................................. 16
II.1.1. Les pluviomètres (mesure locale)....................................................................... 16
II.1.2. Pluviographe (mesure locale) ............................................................................ 20
II.1.3. Les radars météorologiques (échelle régionale) .................................................... 21
II.1.4. Les satellites (grande échelle) ................................................................................ 22
II.2. Stations pluviométriques............................................................................................ 22
II.3. Erreurs et exactitude des lectures ............................................................................. 24
II.4. Correction des erreurs systématiques ....................................................................... 24
III. PLUIE MOYENNE SUR UNE SURFACE DONNEE ................................................... 26
III.1. Définition de la pluie moyenne sur une surface pour un événement pluviométrique
donné..................................................................................................................................... 26
III.2. Calcul de la pluie moyenne.......................................................................................... 26
III.2.1. La moyenne arithmétique ................................................................................... 26
III.2.2. La méthode des isohyètes ...................................................................................... 27
III.2.3 La méthode polygones de THIESSEN .................................................................... 28
III.3. Coefficient d’abattement .............................................................................................. 29
III.3.1. Définition............................................................................................................ 29
III.3.2. Utilisation des coefficients d’abattement :......................................................... 30
III.4. Réseau pluviométrique optimal ................................................................................. 30
IV. Contrôle des données pluviométriques ......................................................................... 31
IV.1. Contrôle intrinsèque : Méthode de la moyenne mobile............................................. 31
IV.2. Méthode des doubles masses des doubles cumuls ..................................................... 35
IV.2.1. Application de la moyenne mobile sur la ou les stations voisines......................... 35
IV.2.2. Application de la méthode des doubles cumuls ..................................................... 35
IV.3. Distribution statistique des pluies annuelles ............................................................. 37
IV.3.1. Rappel du problème posé....................................................................................... 37
Par Dr. EL Hadji Bamba Diaw Page 2

IV.3.2 Résultats empiriques : fréquences expérimentales de dépassement (ou non

dépassement) liées de l’échantillon ................................................................................... 37
IV.3.3 Théorème central limite et présentation de la loi normale ou loi de GAUSS ........ 38
IV.3.4. Ajustement d’un échantillon de pluie annuelle à une loi normale..................... 41
IV.3.5 Erreur d’échantillonnage et sur l’estimation des parameters ........................... 43
IV.3.6 Test d’ajustement .................................................................................................... 46
IV.4. Pluies mensuelles et pluies saisonnières : ................................................................... 48
IV.4.1. Définitions .......................................................................................................... 48
IV.4.2. Etude statistique :............................................................................................... 49
IV.5. Etude des pluies journalières maximales annuelles .................................................. 49
IV.5.1. Intérêt de l’étude des hauteurs de pluies journalières de fréquence rare.......... 49
IV.5.2. Etude statistique des pluies journalières en une station .................................... 49
IV.5.3. Ajustement d’une loi de GUMBEL à l’échantillon des pluies journalières
maximales annuelles.......................................................................................................... 49
IV.5.4. Evaluation des quantiles de la distribution des pluies journalières maximales
annuelles ............................................................................................................................ 53
IV.5.5. Test de vérification d’un ajustement à une loi de GUMBEL ............................ 54
IV.5.6. Extension des données d’une station pluviométrique à partir de stations
voisines. 56
V. PLUIES DE COURTE DUREE......................................................................................... 61
V.1. Intervalle de récurrence ............................................................................................ 61
V.2. Averses et intensités................................................................................................... 61
V.3. Les courbes IDF (intensité durée fréquence) ............................................................ 63
VI. REGIME DES PRECIPITATIONS................................................................................ 64

LES PRECIPITATIONS
INTRODUCTION :
Depuis notre tendre enfance nous savons que la pluie est fortement liée pour ne pas dire
dépend de la présence de nuages dans le ciel. Le soleil chauffant plus fortement l’équateur
que les pôles la planète est constamment en déséquilibre thermique l’atmosphère vient réguler
ce contraste climatique en évaporant l’eau chaude des océans tropicaux et en la transportant
vers les régions polaires ou tempérées. Sans les nuages, la terre resterait une planète sèche et
aride parcourue par des tempêtes de sables et de poussière.
Une grande partie de la planète est couverte d’eau mais seulement 1/10000 est de l’eau douce
facilement accessible dans les rivières dans les lacs où les nappes d’eau souterraines. L’eau
douce est indispensable à la survie de l’homme et à ses activités de base comme l’agriculture
et l’élevage. Sans la pluie, les réserves s’assècheraient rapidement et l’on ne pourrait plus
répondre aux besoins. La vapeur d’eau de l’atmosphère est fournie par l’évaporation des
océans des lacs des rivières et par l’évapotranspiration de la végétation. La vapeur d’eau est
invisible et ne doit pas être comparable aux nuées blanchâtres qui composent les nuages et les
brouillards. En altitude, au dessus des océans mais aussi au dessus des continents, une partie
de la vapeur d’eau se condense sous forme de gouttelettes d’eau ou de minuscules cristaux de
glace formant ainsi les nuages. Si les gouttelettes d’où ou les petits cristaux de glace
deviennent suffisamment gros, ils tombent sous forme de précipitations de pluies ou de neiges
de grésil ou de grêle. Une partie de l’eau des précipitations ruisselle sur les sols s’écoulent
dans les rivières et séjourne dans les nappes d’eau souterraine avant de rejoindre les mers ou
les océans. Au dessus des continents, l’évaporation ne suffit pas à alimenter toutes les
précipitations, le vent comble ce déficit en transportant d’énorme quantité de vapeur d’eau des
océans vers les continents.
I. FORMATION ET CLASSIFICITION DES PRECIPITATIONS
Sont dénommées précipitations toutes les eaux météoriques qui tombent sur la surface de la
terre, tant sous forme liquide (bruine, pluie, averse) que sous forme solide (neige, grésil,
grêle) et les précipitations déposées ou occultes (rosée, gelée blanche, givre etc.). Elles sont
provoquées par un changement de température ou de pression. La vapeur d’eau contenue dans

l’atmosphère se transforme en liquide lorsqu’elle atteint le point de rosée par refroidissement

ou augmentation de pression.
Les précipitations sont exprimées en lame d’eau précipitée (mm) (rapport de la quantité d’eau
précipitée sur une surface) ou en intensité (mm/h) quantité d’eau tombée par unité de temps).
I.1 Les nuages
1.1.1 Constitution des nuages
Un nuage se forme par condensation de la vapeur d'eau lorsque l'air humide se refroidit. Le
refroidissement est provoqué soit par contact avec une surface plus froide, soit (le plus
souvent) selon le processus : Soulèvement-Détente-Refroidissement. Les nuages sont
constitués de très petites gouttelettes d’eau ou de cristaux de glace (1 à 100 microns de
diamètre). Ces éléments sont dus à la condensation obtenue notamment par détente de la
vapeur invisible toujours contenue dans l’atmosphère autour de minuscules impuretés
appelées noyaux de condensation (cristaux de sel marin, pollens, produits polluants).
Les gouttelettes et cristaux ont une vie dans le nuage ; ils peuvent s’évaporer et se reformer.
Leur vitesse de chute, de l’ordre du millimètre par seconde, est imperceptible au sein de
l’agitation de l’air nuageux. La quantité d’eau condensée est faible, de l’ordre du gramme par
mètre cube d’air, et ne représente qu’une faible partie de l’eau atmosphérique, le reste étant
constitué par la vapeur d’eau présente dans le nuage. Ces quantités ne peuvent paraître
considérable qu’en prenant en compte les importantes extensions verticales et surtout
horizontales des nuages.
I.1.2 Aspect des nuages
L’aspect d’un nuage, c’est-à-dire sa forme, sa texture, sa transparence, son opacité, ses
couleurs, dépend : d’une part, de la nature et de la densité de ses constituants. Les contours
tranchés indiquent en général la présence de gros éléments, la transparence est l’indice d’un
contenu en matière condensée faible ; l’opacité caractérise l’épaisseur du nuage, une structure
fibreuse et diaphane est le fait des fins cristaux de glace. D’autre part, de la configuration des
mouvements atmosphériques au sein du nuage, qui eux-mêmes sont tributaires de la stabilité
de l’atmosphère. Une atmosphère stable ne permet que des mouvements verticaux qui
entraînent les formes globulaires. Et enfin de l’éclairage auquel le nuage est soumis : éclairage
direct par un soleil plus ou moins bas sur l’horizon, éclairage diffusé par d’autres éléments

nuageux, diffusion de l’air atmosphérique ou réflexion sélective du sol. Les positions relatives
de l’observateur, du nuage et des sources éclairantes ont un rôle essentiel. La coloration des
nuages ne dépend pas de propriétés spécifiques des éléments du nuage. Les colorations
cuivrées sont dues à des éclairages dépouillés des radiations absorbées par la diffusion
atmosphérique ; les teintes bleutées sont dues au contraire, soit à un éclairage diffusé, soit,
pour les nuages lointains, à la contribution de la lumières reçue par diffusion de la tranche
d’atmosphère située entre l’observateur et la nuage.
I.1.3.Les 10 genres de nuages
Les nuages les plus élevés, qui occupent l’étage supérieur de la troposphère sont constitués de
cristaux de glace (préfixe : Cirrou Cirro) et comprennent les genres Cirrus, Cirrocumulus et
Cirrostratus. Ceux de l’étage moyen (préfixe : Altro), généralement constitués de gouttelettes
d’eau, parfois de cristaux de glace, comprennent les Altocumulus et Altostratus déborde
généralement dans les étages supérieur et inférieur. A l’étage inférieur, on trouve les genres
Stratocumulus et Stratus, nuages bas. Deux genres enfin, les Cumulus et Cumulonimbus,
nuages d’instabilité, qui ont généralement leur base dans l’étage inférieur, peuvent s’étendre à
travers les deux autres étages. Ils se présentent en éléments séparés, ayant l’aspect de
monceaux, de montagnes ou de tours dont l’extension verticale peut être comparable à
l’extension horizontale. La majeure partie supérieure des Cumulonimbus et de certains
Cumulus, qui peut atteindre 8 à 13 km d’altitude et parfois bien davantage (15 à 20 km dans
les régions tropicales) est formée de cristaux de glace.
Cumulus (Cu)
« Nuages séparés à contours biens délimités
et à base horizontale se développant dans le
plan vertical, en forme de mamelons, de
dômes ou de tours, dont la région supérieure
bourgeonnante ressemble souvent à un
chou-fleur ».
Figure 1 : Ecole Polytechnique : hivernage 2008

Cette définition générale recouvre toutes les espèces de Cumulus dont l’extension verticale
peut varier de quelques dizaines de mètres à plusieurs milliers de mètres. La base du nuage est
située entre quelques centaines de mètre et 2 km d’altitude. Cette base est sombre alors que
les parties éclairées par le soleil sont d’un blanc éclatant.
Cumulus humilis : Espèce à faible développement vertical. Ces nuages de beau temps sont
liés à la variation diurne de température. Ils apparaissent généralement le matin et
disparaissent le soir.
Cumulus médiocris : l’extension verticale de cette espèce est plus importante que pour les
Cumulus humilis.
Cumulus congestus : Cumulus à développement vertical important. L’aspect bouillonnant
révèle de puissants mouvements verticaux. Les parties supérieures de ces nuages, éclairées
par le soleil, sont le plus souvent d’un blanc éclatant alors que leur base est relativement
sombre. Au terme de leur évolution, ils peuvent donner naissance à une averse, mais de tels
nuages se transforment fréquemment en Cumulonimbus.
Cumulonimbus (Cb)
« Nuage dense et puissant, à extension
verticale considérable, en forme de
montagne ou d’énormes tours. Une
partie au moins de sa région
supérieure est généralement lisse,
fibreuse ou striée et presque toujours
aplatie ; cette partie cirriforme s’étale
souvent en forme d’enclume ou de
vaste panache ».
Figure 2a : Le sommet de ce Cb cap éclairé par le soleil
couchant peut atteindre les 8000 ou 9000 mètres. C'est le
nuage d'orage par excellence (photo Orly-Paris-météo
France).
Au-dessous de la base de ce nuage, très sombre, il existe fréquemment des nuages bas
déchiquetés, soudés ou non avec elle, et des précipitations. Son aspect rappelle souvent celui
d’un nimbostratus, pour un observateur placé au-dessous. On parle parfois de Cumulonimbus
Calvus ou de Cumulonimbus Capillatus, stade ultime du Cumulonimbus en pleine maturité.
La différence entre les espèces calvus et capillatus (spécifiques aux Cb) se situe dans le
sommet : s'il paraît chevelu, c'est un capillatus, sinon il est calvus (chauve en latin). Pour les
capillatus, si le sommet ressemble à une enclume, le nuage est qualifié d'incus. On peut

rencontrer les Cumulonimbus de manière isolée, l’été, notamment en montagne, mais

également en lignes de grains plus ou moins continues, le long des fronts froids, en Europe ou
le de « tornades » en Afrique. La base est située le plus souvent entre quelques centaines de
mètres et 2 km d’altitude aux latitudes tempérées.
Ce nuage est l'un des plus beaux mais

aussi le plus dangereux : il donne
souvent de violents orages. Son
extension verticale atteint 10 à 11 km
en Europe de l’ouest et 15 à 16 km au
niveau de l'équateur. En son sein
règnent des courants ascendants et
descendants si forts que les pilotes
d'avions ont l'interdiction formelle de
Figure 2b
les traverser.
Presque capillatus Cet aspect encore

très bourgeonnant nous donne à penser
qu'il s'agit très probablement d'un
Cumulonimbus calvus. Cependant, il
commence à s'étaler sous forme
d'enclume au niveau de son sommet
(vers 10-12 km d'altitude) : on aperçoit
des signes précurseurs (nuages
cirriformes) à son extrémité gauche.
Figure 2c :

Figure 3 : Les 10 genres de nuages :
Pour qu’il y ait chute des particules d’eau il faut que leur vitesse soit très nettement supérieur
à la vitesse des courants ascendants. Les gouttes doivent avoir au moins un diamètre de 0,5
mm pour pouvoir provoquer une pluie. Pour former une goutte de pluie, il faut donc environ
106 gouttelettes élémentaires.
I.2. Déclenchement des précipitations
L’agglomération des gouttelettes se ferait selon le schéma suivant (le plus probable et le plus
généralement admis) : supposons un « nuage froid » dans lequel on rencontre à la fois des
cristaux de glace et de l’eau surfondue. La tension de vapeur saturante étant différente dans
ces deux cas, la goutte d’eau surfondue va se vaporiser au profit des cristaux de glace. Tor-
Bergeron ont pu montrer qu’à – 10°C, toute l’eau liquide d’un nuage peut se réunir en 20 mn
sur les cristaux de glace lorsque leur densité est de 1 cristal / cm3. On obtient ainsi des gouttes
de 0,1 mm environ de diamètre. (Nous avons un processus de grossissement par condensation
de la vapeur d’eau).
Dans les autres cas où il n’y a pas présence de cristaux de glace, on pense que le phénomène
est analogue à celui décrit par Tor-Bergeron. Le rôle des cristaux serait joué par des germes
tels que des cristaux de sel, des poussières etc. Eventuellement les différences de température
entre les gouttelettes pourraient également expliquer une condensation préférentielle à partir
des gouttes chaudes sur les froides. Ainsi les gouttes peuvent atteindre un diamètre de 0,1 mm
et acquérir une vitesse de chute suffisante pour grossir « par balayage » d’autres gouttelettes.
La goutte ainsi amorcée va augmenter de volume lors de sa chute et accroître sa vitesse. Nous
avons un processus de coalescence par balayage qui joue un rôle prépondérant lorsque le
diamètre de la gouttelette dépasse 0,5 mm.
Figure 4 : Illustration du déclenchement des pluies
I.3 Entretien des précipitations
L’étude des précipitations montre que le schéma simpliste selon lequel les nuages prendraient
naissance au-dessus des océans, puis poussés par les vents tomberaient en pluie sur les

continents n’est pas exact. En effet, l’expérience montre qu’un nuage ne contient au
maximum que 20 mm d’eau environ. Par ailleurs, on observe souvent des averses qui
dépassent 20mm.
On est donc obligé d’admettre que, au cours de longue averse, le nuage se reforme à mesure
qu’il abandonne son eau condensée. Ceci se produit lorsqu’il y a des vents ascendants qui
entraînent des masses d’air humides mais pas saturées vers la zone de formation du nuage.
I.4 Classification des précipitations
L’analyse des phénomènes météorologique qui leur donnent naissance permet de classer les
précipitations en trois grandes catégories.
I.4.1 Précipitations de convection
Si l’air (saturée ou non) au voisinage du sol est chauffé par la radiation solaire, des masses
d’air se dilatent, deviennent donc plus légères et s’élèvent. Au cours de leur ascension, elles
se refroidissent adiabatiquement et lorsque le point de rosée est atteint, il se forme un nuage
(cumulus). La durée de ce type de précipitation est assez courte mais l’intensité elle est forte.
Ce type de pluie correspond à la plupart des précipitations des régions équatoriales : on le
rencontre également en climat tempéré sous forme d’orge d’été.
Figure 5: precipitation de convection
I.4.2 Précipitations Orographiques
Si une masse d’air se déplacent horizontalement rencontre un obstacle topographique (chaîne

de montagne par exemple), il s’ensuit une élévation des masses d’air et par conséquent leur

refroidissement (de manière adiabatique). On obtient des précipitations sous forme de pluie
mais aussi si l’altitude est suffisante sous forme de neige.
Après le passage de la chaîne de montagne la masse d’air va redescendre se comprimer et se
réchauffer. On a alors les vents chauds et secs (effet de «Fœhn»).
Figure 6: precipitations orographiques
I.4.3 Précipitations de Front (ou cyclonique)
Lorsque plusieurs masses d’air de propriétés différentes se rencontrent, les plus chaudes et les
plus humides sont poussées vers les altitudes où elles se refroidissent et se condensent.
Généralement ces précipitations sont longues et importantes.
Figure 7: precipitations de front
Remarques :
1- La neige est la principale forme de précipitations solides. Elle résulte d’une
condensation lente et progressive de la vapeur d’eau à une température voisine de 0°C.

2- En vue de stimuler les précipitations dans certaines régions on pratique

l’ensemencement des nuages. Cette méthode consiste à déclencher la précipitation par
l’introduction de noyaux hygroscopiques artificiels dans des nuages contenant de l’eau
surfondue. On parle de pluie artificielle.
I.4.4 Pluies artificielles
C’est une chute de pluie provoquée soit en saupoudrant les nuages de paillettes de glace
carbonique, soit en faisant monter vers eux des fumées d'iodure d'argent qui provoquent la
condensation de la vapeur d'eau.
a). Historique :
Vers la fin de l'été 1946, la région de New York, aux États-Unis, et le Sud du Canada
connaissent une sécheresse inquiétante. L'eau est tellement rare à New York qu'il y est interdit
de laver les voitures. Au même moment, le météorologiste américain Curt Ebert décide
d'entreprendre une expérience. Avec son petit avion il grimpe au-dessus des nuages et les
saupoudre de paillettes de glace carbonique emportée dans une petite caisse. Soudain, une
pluie violente s'abat sur New York et ses environs, remplissant les réservoirs presque à sec !
Curt Ebert a gagné son pari : il peut provoquer des chutes de pluie à volonté, du moment qu'il
y a suffisamment de nuages dans le ciel. Mais il a du même coup soulevé un délicat problème
juridique. Des Canadiens l'accuseront en effet d'avoir "volé" une pluie qui, faute d'arroser
l'Etat de New York, serait fatalement tombée, à leur avis, sur leur propre pays !
b). Techniques utilisées
Elles sont au nombre de deux ;

b1). Effet de captions - mode dynamique
A l’origine, la vapeur d’eau condensée donne naissance à des nucléons de taille infiniment
petite (0.0002 mm). Une particule d’eau d’origine qui est de 0,05mm est considérée comme
grosse. Cependant, Il est nécessaire que cette particule fasse 2mm au minimum, taille d’une
goutte d’eau classique, pour que celle-ci tombe au sol sans s’évaporer dans l’atmosphère.

Pour cela, il va se passer un phénomène de collision des particules grâce aux agents
hygroscopiques. L’injection de ces
composés va permettre une accélération de
la croissance des particules d’eau.
b2.) Effet Bergeron - mode statique
La technique de la pluie artificielle est
caractérisée par l’effet Bergeron, on appelle
cela l’ensemencement des nuages. C’est la
technique la plus utilisée qui consiste a
transformer de la vapeur d’eau se trouvant
dans les nuages de l’atmosphère en glace.
Pour cela, divers composés chimiques sont
utilisés pour permettre de geler les
particules à une vitesse impressionnante.
Il a également été prouvé que l’on produit plus de pluie en gelant la particule, car le gel d’une
substance produit de la chaleur à l’environnement, ce qui va donc permettre une précipitation
plus intense et plus longue.
Suite à cette pratique, les particules d’eau vont être assez lourdes pour tomber sous forme
liquide ou solide au sol sans s’évaporer.

c). Les agents hygroscopiques
Les agents hygroscopiques sont le Chlorure de calcium (CaCl) ainsi que le Chlorure de
sodium (NaCl). Ces composés délivrent et contiennent l’eau, et donc vont permettre une
accélération de la croissance des particules d’eau.
d). Les agents provoquant la congélation
Les agents provoquant la congélation sont la neige carbonique ainsi que l’iodure d’argent
(AgI). Ces agents vont permettre la congélation des particules microscopiques d’eau dans le
nuage pour permettre de retomber avec une plus grosse masse. C’est la technique la plus
utilisée car c’est elle qui s’avère être la plus efficace.
e). Exemple :
En Chine : Au cours de 2.840 vols échelonnés de 2001 à 2005, l'ensemencement de nuages

par des avions a permis de faire tomber 210 milliards de mètres cubes d'eau sur une zone
correspondant à près du tiers du territoire chinois, a déclaré un météorologue. Plus de 3.000
personnes ont été employés pour cela, de même qu'un arsenal de 7.000 canons et plus de
4.600 lance-roquettes.
En Afrique, au Maroc avec le programme « Al Ghait » qui débute à partir de 1982. Ensuite, il
y eut le programme « SAAGA » au Burkina Faso à partir de 1997 qui s’inscrit dans la
continuité d’ «Al Ghait » dans la mesure où le Gouvernement Burkinabé sollicita vivement
l’aide du Gouvernement Marocain pour la réalisation de ce projet.
Au Sénégal : En 2006, démarrage du programme « Bawnaan » qui a bénéficié de tout le
savoir-faire marocain, avec l’installation d’un radar dans le département de Linguère.
II MESURE DES PRECIPITATIONS
L’idée est de mesurer la quantité d’eau tombée au sol durant un certain intervalle de temps. La
hauteur des précipitations est définie comme étant l’épaisseur comptée suivant la verticale, de
la lame d’eau qui s’accumulerait sur une surface horizontale, si toutes les précipitations reçues
par cette dernière s’y trouvaient immobilisées.
Les mesures, effectuées de façon régulière dans le but d’une étude de cas, doivent être
enregistrées en précisant le lieu, la date et la nature des prélèvements (pluie, neige…). Par la
suite, elles peuvent servir de repères et d’outils de comparaison pour préciser le caractère
exceptionnel ou non des précipitations. Elles permettent aussi de replacer l’évènement dans
un contexte plus large de territoire (local, régional, mondial…) afin de suivre l’évolution de
cette précipitation dans le temps et l’espace. Tous les relevés s’effectuent à l’aide d’outils
adaptés aux différentes échelles d’observation.
II.1. Appareillages pluviométriques
Le principe des mesures pluviométriques consiste à recueillir la pluie tombée sur une surface
réceptive S pendant un intervalle de temps « T » donné. Le volume « V » d’eau de pluie
recueilli est en principe proportionnel à « S » et sa mesure permet le calcul de la pluie
moyenne « P » dans l’intervalle « T ».
II.1.1. Les pluviomètres (mesure locale)
Le pluviomètre est un appareil très simple qui comporte une surface réceptrice ; l’eau
traversant cette surface est dirigée par un entonnoir vers un seau récepteur. Si durant un

intervalle de temps « T » on a récupéré un volume « V » à travers la surface réceptrice « S »,

la hauteur de pluie tombée est obtenue par la relation :
V
Ht 
S
Ainsi, à intervalle de temps régulier, l’observateur vide le seau et mesure le volume d’eau
recueillie dans une éprouvette graduée. Le calibre de l’éprouvette est lié à la surface réceptrice
du seau de telle sorte que la graduation de l’éprouvette donne directement la hauteur de pluie
recueillie en 1/10e de mm. (par exemple à une surface de seau est liée à la surface réceptrice
du seau de 400 cm2 correspondant une éprouvette graduée contenant 4 cm3 par intervalle de
graduation de 1/10mm).
Pour permettre une meilleure comparaison des mesures entre différentes stations
pluviométriques les paramètres d’équipement ont été normalisés. L’appareil le plus courant
est le pluviomètre «Association» dont la surface réceptrice placée à 1,5m du sol est un cercle
de 400 cm2. Mais il existe d’autres types de pluviomètres de surfaces réceptrices différentes
(314cm2, 1000cm2 etc.) auxquels correspondent bien sûr des éprouvettes calibrées différentes.
Les règles d’observations et de recueil des données sont généralement les suivantes :
 Mesures quotidiennes à heure fixe (le matin le plus souvent) ;
 Report sur une fiche mensuelle dont une copie est envoyée au service central en fin de
mois ;
 Le service central établit une fiche annuelle des pluies journalières, les relevés
originaux étant conservés pour un éventuel contrôle ultérieur.
Un mm de précipitations correspond à 1 Litre d'eau par m².

Figure 8 : pluviomètre association (Précision 0,1 mm)

Figure 9 : Cette figure présente un inventaire non exhaustif des pluviomètres utilisés dans le monde. Chaque
appareil a ses propres caractéristiques aérodynamiques et donc son propre pouvoir de captation des
précipitations incidentes. Ceci rend difficile la comparaison de mesures obtenues, dans le temps et dans l'espace,
avec des pluviomètres différents.
Sevruk B., Klemm S. [1989]: Catalogue of national standard precipitation Gauges. Instruments and Observing
Methods Report N°. 39, WMO/TD-N°. 313, 50p.

II.1.2. Pluviographe (mesure locale)
Ces appareils sont destinés à l’enregistrement de façon continue de la hauteur de pluie

cumulée en fonction du temps. Le diagramme obtenu est appelé pluviogramme et est fixé sur
un cylindre tournant régulièrement autour de son axe verticale (1 tour par semaine ou par jour
selon qu’il s’agit d’un pluviogramme hebdomadaire ou journalier). Le stylet inscripteur
traçant la courbe se déplace verticalement d’un cran par basculement d’un des deux augets,
c’est à dire au versement de 20 cm3. Ce mécanisme est assuré par un jeu de poulies et de
cames. Arrivé au bord de bande c'est-à-dire tous les 100 basculements, le sens de déplacement
vertical du stylet s’inverse. La courbe H(t) doit donc être lue alternativement dans chaque
sens. Les augets basculeurs recueillent l’eau tombée dans une surface calibrée généralement
de 2000cm2, 1000cm2 ou 400cm2 un basculement va correspondre alors à 0.1, 0.2 ou 0.5 mm
de pluie.
Remarque : Pour S = 2000cm2
1 basculement P = 0,1 mm
1 largeur de bande P = 0,1 mm
1 mm de pluie 1 intervalle des traits forts :
Les pluviogrammes doivent mentionner l’heure précise (heures et minutes) de départ et
d’arrêt du stylet afin de permettre l’interprétation simultanée du plusieurs pluviogrammmes
voisins. Le dépouillement consiste à transformer le pluviogramme (pluie cumulée H en
fonction du temps) en hyétogramme (intensité de pluie en mm/h en fonction du temps).
Remarque : Tout Pluviographe doit être accompagné d’un pluviomètre dont les relevés
journaliers permettront la correction (à un facteur correctif près) des données du
Pluviographe.

(pas de 0.5 en 0.5 mm, appareil très précis lors

des fortes intensités de pluie sous les orages)
Figure 10 : pluviographe
II.1.3. Les radars météorologiques (échelle régionale)
Utilisés à l’origine pour détecter les avions, les radars sont devenus au début des années 1960
un moyen d’observation irremplaçable pour détecter et quantifier les précipitations.
Les radars météorologiques permettent de localiser les précipitations (pluie, neige, grêle) et de
mesurer leur intensité en temps réel. Ils ont une portée d’environ 100 km pour la mesure et de
150 à 200 km pour la détection des phénomènes dangereux.
Un radar est constitué d’une antenne parabolique, d’un système d’émission-réception et d’un
calculateur. L’antenne est équipée de plusieurs moteurs destinés à l’orienter verticalement et
horizontalement et d’un radôme, enveloppe sphérique qui protége l’ensemble en cas de forts
coups de vent. L’ordinateur, qui assure le traitement du signal, permet une visualisation locale
des échos et une diffusion vers le Centre de prévision météorologique.
L’antenne parabolique du radar tourne et émet un faisceau d’ondes électromagnétiques (de

longueur d’onde fixée entre 5 et 10 cm suivant les modèles en réseau). Ces ondes, qui se
déplacent à la vitesse de la lumière, sont rétrodiffusées par les gouttes de pluie, les grêlons ou
la neige(l’echo). Le radar calcule alors la distance qui le sépare des gouttes. Il localise ainsi
les zones de précipitations à des distances atteignant 200 km et mesure leur intensité dans une
zone comprise entre 80 et 120 km.
Les précipitations atténuent le faisceau et les radars fonctionnant sur des courtes longueurs
d'onde sont les plus sensibles à cette atténuation. Par ailleurs, les radars fonctionnant sur de

grandes longueurs d'onde ne détectent pas les pluies fines et les chutes de neige légères aussi
rapidement qu'un matériel fonctionnant sur des longueurs d'onde plus courtes. Aussi, le choix
d'une longueur d'onde convenable dépend-il des conditions climatologiques et du but
recherché. Les trois bandes figurant sur le tableau ci-dessous sont toutes employées pour
l'observation des précipitations.
Bandes de fréquences des radars météorologiques

Bande Fréquence (MHz Longueur d’onde (m)
S 1500 – 5 200 0,193 – 0,0577
C 3 900 – 6 200 0,0769 – 0,0484
X 5 200 – 10 900 0,0577 – 0,0275
L’image radar est perturbée par des obstacles fixes comme les montagnes ou les constructions
au voisinage immédiat de l’antenne. L’implantation des radars doit donc prendre en compte
ces éléments afin d’assurer à cet instrument une efficacité optimale.
II.1.4. Les satellites (grande échelle)
Ils sont munis de plusieurs capteurs qui donnent au minimum des informations sur les
températures (canal infrarouge), sur la présence de nuages (canal visible) et sur la quantité
moyenne de vapeur d’eau de la troposphère. Certains satellites plus perfectionnés possèdent
plus d’une douzaine de capteurs et apportent autant d’informations différentes.
Le système mondial de satellites météorologiques comprend : des satellites défilants : NOAA
et Meteor des satellites géostationnaires : Insat, FY-2, Goes, Météosat et GMS, avec
cependant seuls les trois derniers fournissent des images de façon régulière pour la
surveillance météorologique.
II.2. Stations pluviométriques
Le site d’implantation d’un pluviomètre doit répondre à certains critères :

 Etre représentatif du secteur en étant exposé « normalement » aux vents ;
 Etre éloigné de toute singularité trop proche. On admet en général une distance
minimum de quatre fois la hauteur de l’obstacle.

Bonne solution Mauvaise solution
Vents dominants
Vents dominants
Position par rapport aux vents
h h
d  4h d<4h
Position par rapport aux obstacles
1,5m Massif d’ancrage

en béton
Position du cône de réception
Figure 11 : régles d’implantation des pluviomètres

Ces règles ne sont pas toujours faciles à respecter en particuliers en forêt. Par ailleurs, les
pluviomètres imposent de les installer à proximité de la résidence de l’observateur. Le choix
d’un site est donc un compromis entre des impératifs technique, économique et humains. Il
garde donc un côté subjectif important.
II.3. Erreurs et exactitude des lectures
Les erreurs dans la mesure de la quantité d'eau recueillie dans un appareil sont faibles par
rapport à celles dues à l'installation de l'appareil, pourvu qu'un soin raisonnable soit apporté
aux lectures. Les quantités journalières devraient être lues à 0,2 mm près et, de préférence, au
dixième de millimètre près et les quantités hebdomadaires ou mensuelles au millimètre près.
Les principales causes d'erreur susceptibles de se présenter sont dues à l'emploi d'éprouvettes
ou de jauges graduées de manière inexacte, au fait que l'on peut renverser l'eau au moment du
transfert dans l'éprouvette et à l'impossibilité de vider complètement l'eau du récepteur dans
l'éprouvette.
En plus de ces erreurs, des pertes par évaporation peuvent se produire. Celles-ci ne risquent
d'être sérieuses que dans des climats chauds et secs et avec des appareils qui ne sont relevés
qu'à intervalles espacés. Elles peuvent être réduites en mettant un peu d'huile dans le récipient
ou en concevant le pluviomètre de manière que la surface de l'eau exposée à l'évaporation soit
petite, la ventilation soit faible, et que la température à l'intérieur de l'appareil ne puisse
devenir excessive. Il est également nécessaire de s'assurer que la surface réceptrice du
pluviomètre soit lisse afin que les gouttes de pluie n'y adhèrent pas. Elle ne doit jamais être
peinte.
II.4. Correction des erreurs systématiques
Les effets du vent, de l'humectation, de l'évaporation, du déplacement de la neige par le vent,

et du rejaillissement, sont habituellement la cause de mesures de précipitations inférieures (de
3 à 30 pour cent ou plus) aux précipitations réellement tombées. L'erreur systématique peut
être corrigée si les données recueillies le sont à des fins hydrologiques. Avant d'apporter des
corrections, les données brutes devraient être archivées. Les données publiées devraient porter
la mention "mesurées" ou "corrigées", selon le cas.
Les corrections que l'on peut apporter à la mesure des précipitations dépendent des relations
entre les composantes de l'erreur et les facteurs météorologiques

Composantes principales de l’erreur systématique dans la mesure des précipiratoions et leurs causes météorologiques et
instrumentales par ordre d’importance.
III. PLUIE MOYENNE SUR UNE SURFACE DONNEE
III.1. Définition de la pluie moyenne sur une surface pour un événement

pluviométrique donné.
Considérons un événement pluviométrique qui peut être :

La pluie d’une année « n » ;
La pluie d’un mois « k » d’une année « n » ;
La pluie d’une averse bien identifiée.
On appelle pluie moyenne sur une surface « S » donnée (par exemple un basin versant) pour
l’événement pluviométrique considéré la hauteur « H m » des pluies de l’événement sur la
surface.
1
Hm  .volume total d ' eau tombée ;
S
Que l’on peut exprimer de la manière suivante :
H  x, y  dx dy
1
S surface
Hm 
H  x,y  représente la loi de variation de la hauteur de pluie sur la surface.
III.2. Calcul de la pluie moyenne
Si nous disposons de plusieurs appareils de mesure de la pluie (plusieurs pluviomètres par

exemple) à l’intérieur et autour de la surface considérée, nous pouvons alors calculer de
différentes manières la pluie moyenne sur la surface.
III.2.1. La moyenne arithmétique
Pour le calcule de la moyenne arithmétique, on ne retient que les stations de mesure

intérieures à la surface « S » et on prend leur moyenne selon la relation suivante :
1 n
Hm   Hi
n i1
« Hi » : hauteur de pluie au pluviomètre « i » ;

«n» : le nombre de pluviomètres.
Cette méthode est simple mais peut conduire à des résultats très inexacts, surtout si la densité
des stations n’est pas uniforme.
III.2.2. La méthode des isohyètes
A partir des différentes mesures, on trace les courbes d’égales hauteurs de pluie ou isohyètes.
On détermine ensuite la pluie moyenne en considérant qu’entre deux isohyètes consécutives
(40 et 50 mm) la pluie est uniforme et égale à la moyenne des deux valeurs d’isohyètes (45
mm).
40 50 60 70 90
80
S5
S2
S1 S4
S3
Hm 
1
H 1.S1  H 2 .S 2  H 3 .S 3  H 4 .S 4  H 5 .S 5 
S
Cette méthode est la plus rigoureuse, car se rapprochant le plus de la définition de « H m ».

Elle présente cependant le gros inconvénient de nécessiter pour chaque événement
pluviométrique, le tracé particulier des isohyètes.

Changements climatiques et translation des isohyètes au Sénégal
III.2.3 La méthode polygones de THIESSEN
A chaque station, on affecte la surface du polygone obtenu en traçant les médiatrices des
segments reliant la station concernée aux voisines.
La pluie moyenne « H m » sera obtenu en faisant la somme pondérée des pluies aux
différentes stations, le coefficient de pondération étant la surface du polygone concerné
intérieur à « S » rapportée à la surface « S ».
1 n
H m   H i Si
S i 1
« Hi » : hauteur de pluie au pluviomètre « i » ;
« Si » : surface du polygone entourant le pluviomètre « i ».

triangle
Surface polygone
médiatrice
Point de mesure
Exemple de tracé des polygones de THIESSEN
Cette méthode qui a l’avantage de donner des coefficients de pondération indépendants de

l’événement pluviométrique sera employée dans la quasi-totalité des cas.
III.3. Coefficient d’abattement
Si nous avons une station seule sur une grande surface (par exemple plusieurs km2) on
constate généralement que la pluie sur la surface est inférieure à la pluie sur la station.
III.3.1. Définition
Considérons pour un événement pluviométrique quelconque les paramètres suivants :

La hauteur de pluie « H P » mesurée en une station ;
La hauteur de pluie « H m » moyenne sur la surface « S ».

On appelle coefficient d’abattement spatial pour la surface « S » et l’événement donné, le
rapport ;
Hm
C
Hp
Pour « S » suffisamment grand (S  1km2), on constate que « C  1 ».

Cependant « C » dépend des caractéristiques de l’événement.

On appelle coefficient d’abattement de fréquence « F » à la station ponctuelle le rapport ;
H m t , T , S 
C
H p t , F 
Pour des pluies journalières (t = 24h) VUILLAUME propose la formule suivante.

C  1  0.001152  9 Log10 F  0.042 Pan Log 10 S
« Pan » : pluie moyenne inter annuelle à la station (mm)

«F» : fréquence de retour
«S» : surface en km2
III.3.2. Utilisation des coefficients d’abattement :
Les observations au niveau de la station pluviométrique permettent d’obtenir : « Pan » et
« H P t , F  ».
Utilisant la formule de VUILLAUME, on en déduit :
H m t , F , S   C F , S , Pan .H p t , F 
La formule de Horton elle, permet de déterminer « H m »de la manière suivante :

H m  H p . exp  kS n 
« k » et « n » sont des constantes pour une averse donnée.
Tableau 8: Exemple de coefficients d’abattement

Surface (km2) 0 25  S 50  S 100  S 150  S
C 1 0.95 0.90 0.85 0.8
III.4.Réseau pluviométrique optimal
Les appareils de mesure de la précipitation (pluviométres, pluviographes, etc.) fournissent des

mesures ponctuelles. Par contre, il est parfois intéressant d’évaluer la pluviométrie sur
l’ensemble d’une région donnée (bassin versant). Lorsque la hauteur de pluie moyenne est
calculée par une simple moyenne arithmétique, on obtient le nombre optimal de pluviomètres
par la relation :

2
C 
N  V 
 P 
« N » : Nombre de pluviomètres ;
« P » : pourcentage d’erreur admissible ;
« Cv » : coefficient de variation des hauteurs de pluie aux stations existantes.
IV. Contrôle des données pluviométriques
IV.1. Contrôle intrinsèque : Méthode de la moyenne mobile
Cette méthode s’applique à une station pluviométrique dont on possède une série continue de
mesures sur 20 ans aux moins. Elle part du principe que la pluviométrie annuelle est une
variable aléatoire indépendante dont la loi de probabilité est constante dans le temps.
L’échantillon obtenu par les mesures ne doit donc présenter ni tendance (à la hausse ou à la
baisse) ni phénomène cyclique. Pour le vérifier, on dresse un graphique de la moyenne mobile
sur (2n+1) années. Pour l’année i, cette moyenne Mi est obtenue à partir des pluviométries
annuelles Pi par la formule suivante :
Mi 
1
Pin  Pin1  .................  Pin1  Pin 
2n  1
Soit la moyenne des (2n+1) valeurs entourant l’année « i »,
Généralement on prend n=2 et on fait la moyenne sur 5 valeurs. Ce contrôle est purement
qualitatif et ne peut conduire au calcul de nouvelles valeurs. Par contre dans le cas de résultats
douteux, il convient d’effectuer un contrôle par comparaison à des stations voisines.

Exemple de données pluviométriques annuelles :

STATION 1
Année Pan Moyenne mobile sur 5 ans
1922 822
1923 852
1924 1138 833,8
1925 795 807,8
1926 562 817,4
1927 692 806,6
1928 900 770,2
1929 1084 812,6
1930 613 953,2
1931 819 978,6
1932 1350 920
1933 1027 1106
1934 791 1247,8
1935 1543 1225,2
1936 1528 1249,6
1937 1237 1315
1938 1149 1155
1939 1118 1003,8
1940 743 929,2
1941 772 936
1942 864 852
1943 1183 913,4
1944 698 947
1945 1050 878,8
1946 940 813,8
1947 523 858
1948 858 833,8
1949 919 832
1950 929 930,2
1951 931 922,2
1952 1014 909,2
1953 818 961,8
1954 854 970,8
1955 1192 1008,6
1956 976 1031,2
1957 1203 1028,4
1958 931 922,2
1959 840 926,8
1960 661 908
1961 999 889,6
1962 1109 911
1963 839 951,6
1964 947 931
1965 864 953,6
1966 896 986,8
1967 1222 989,4
1968 1005 1021
1969 960 1045
1970 1022 983
1971 1016 942,8
1972 912 907,8
1973 804 866
1974 785 822,4
1975 813 789,4
1976 798
1977 747

1600
1400 Pluie annuelle

Moyenne mobile
1200
Pluie
1000
800
600
Période douteuse
400
1920 1930 1940 1950 1960 1970 1980
Année
Figure 12 : contrôle par moyeenne mobile

La figure 12 montre les resultants du contrôle de la sation pluviométrique par moyenne
mobile sur 5 ans. Ce contrôle montre une période douteuse pour les valeurs de la période
1932-1939 qui sont probblement surestimées.

Station 2 1935 1047

Année Pan 1936 899
1925 888 1937 752
1926 500 1938 852
1927 990 1939 966
1928 781 1940 933
1929 692 1941 935
1930 774 1942 854
1931 868 1943 1090
1932 698 1944 639
1933 909 1945 870
1934 710 1946 850
1935 991 1947 499
1936 1005 1948 851
1937 837 1949 824
1938 839 1950 825
1939 827 1951 949
1940 914 1952 884
1941 847 1953 861
1942 795 1954 745
1943 1100 1955 932
1944 564 1956 924
1945 851 1957 950
1946 845 1958 763
1947 652 1959 874
1948 964 1960 866
1949 643 1961 796
1950 950 1962 1123
1951 903 1963 634
1952 743 1964 1142
1953 740 1965 823
1954 797 1966 673
1955 846 1967 889
1956 928 1968 811
1957 990 1969 974
1958 839 1970 748
1959 744 1971 797
1960 661 1972 1009
1961 1066 1973 780
1962 946 1974 889
1963 912 1975 733
1964 831 1976 1024
1965 912 1977 520
1966 886
1967 800
1968 883
1969 750
1970 597
1971 830
1972 560
1973 755
1974 881
1975 828
1976 940
1977 715
Station 3
Année Pan
1929 980
1930 983
1931 835
1932 864
1933 908
1934 796

IV.2. Méthode des doubles masses des doubles cumuls
IV.2.1. Application de la moyenne mobile sur la ou les stations voisines

Avant d’appliquer la méthode des doubles cumuls, il convient d’effectuer sur chaque station
voisine un contrôle qualitatif par la méthode de la moyenne mobile.
IV.2.2. Application de la méthode des doubles cumuls
Cette méthode appelée « méthode des doubles cumuls » ou méthodes des doubles masses »
s’applique à un couple de stations pluviométriques. Elle consiste à faire pour chacune des 2
stations A et B le calcul de la pluviométrique cumulée jusqu’à l’année « i » soit Ta(i) et Tb(i)
Avec :
Ta i   Pa 1  Pa 2  ..........  Pa i 
Tb i   Pb 1  Pb 2  ..........  Pb i 

Ensuite on porte sur un graphique les différents points Mi de coordonnées respectives Ta(i) et
Tb (i). Généralement le cumul se fait à partir de la dernière année de la période commune aux
deux stations.
La méthode est basée sur le principe suivant :
 En absence d’anomalie, 2 stations voisines A et B mesurent chaque année une
pluviométrie annuelle dans un rapport sensiblement constant d’une année à l’autre,
Pa i 
que l’année soit sèche ou humide : est pratiquement indépendant de « i » et en
Pb i 
conséquence les points Mi sont pratiquement alignés.
 Par contre si une erreur systématique (éprouvette non adéquate) s’est produite, la
droite des points « Mi » présente une cassure à l’année « i » d’introduction de l’erreur.
Avant correction on détermine la meilleure portion de la courbe d’après l’historique de
la station ; souvent on choisit la plus récente. Les autres valeurs sont obtenues en
prolongeant la pente la plus faible selon la loi :
m1
P1  P0 (3.6)
m0
P1 : précipitation ajustée
P0 : précipitation observée
m1 : pente de la courbe dans la meilleure portion
m0 : pente de la courbe dans la portion à corriger.

50000
40000
Pluie station 1
30000
20000
10000
0
0 10000 20000 30000 40000 50000
Pluie Station 3
Figure 13 : contrôle par double cumul

La figure 13 montre une cassure de pente qui indique l’introduction d’une erreur dans les
mesures efféctuées. Les valeurs de la station paraîssent surestmées pour la période allant de
1932 à 1938 incluses. Les corrections nécessaires peuvent être apportées selon la loi (3.6).
Si les archives de la station ne permettent pas de connaître l’origine de l’anomalie observée

alors, selon l’usage destiné des données on opère de la manière suivante :
 Pour le calcul des apports en vue d’une irrigation, la sécurité sera obtenue en
minimisant les mesures, soit en corrigeant les années douteuses par application du
coefficient correcteur (obtenu à partir des deux pentes) sur les pluies journalières,
mensuelles et annuelles de cette période ;

 Pour le calcul des crues, la sécurité est obtenue par utilisation des données brutes
sans correction.
IV.3. Distribution statistique des pluies annuelles
IV.3.1. Rappel du problème posé

La connaissance de la variable aléatoire « X », pluie annuelle en une station donnée se résume
à celle de la fonction de probabilité de dépassement de cette variable :
Fd  x   probX  x
fonction monotone décroissante de 1 à 0 ou de celle de la probabilité de non-dépassement qui
s’en déduit :
Fnd  x   probX  x  1  Fd  x 
fonction monotone croissante de 0 à 1.
De manière plus précise, l’une ou l’autre de ces deux fonctions permettra le calcul des valeurs
ayant une probabilité «  » donné d’être dépassées ou non dépassées.
probX  a    Fd a     Connaissance de « a » en fonction de «  ».
IV.3.2 Résultats empiriques : fréquences expérimentales de dépassement (ou non

dépassement) liées de l’échantillon
Nous avons deux étapes à considérés dans un cas pareil

Classement des valeurs de pluies par ordre croissant les valeurs communes sont
répétées autant de fois.
Calcul de la fréquence
Si l’on considère « xi » la valeur de rang « i » de l’échantillon d’effectif classés par ordre
croissant, on est tenté de tirer intuitivement de l’échantillon les conclusions suivantes :
« xi » est non dépassé par « i  1 » valeurs de l’échantillon ; sa fréquence de non-
dépassement peut être estimé à :
i 1
Fnd  xi  
N
« xi » est non dépassé par «  N  i  » valeurs de l’échantillon ; sa fréquence de
dépassement peut être estimé à :
N i
Fd  xi  
N

Mais les deux valeurs de fréquence de dépassement et non-dépassement de « xi » (équation

3.9 et 3.10) ont pour somme :
i 1 N  i N 1 1
   1
N N N N
Alors que leur somme devrait être égale à 1.
Dans la pratique, on corrige les estimations des fréquences empiriques précédentes ;
N
 soit en les multipliant tous les deux par
N 1
1
 soit en ajoutant à chacune des deux.
2N
Dans le cas d’études statistiques d’apports annuels, c’est la deuxième méthode qui sera
utilisée et donnera donc la fréquence expérimentale de non dépassement suivante :
Fnd  xi  
i 1

N 2N
IV.3.3 Théorème central limite et présentation de la loi normale ou loi de GAUSS
a. Enoncé du Théorème C.L
Soient « n » variables aléatoires indépendantes X1, X2,….Xn ; et « Z » une combinaison

linéaire quelconque de ces « n » variables,
n
Z   i X i
i 1
On démontre que, si « n » tend vers l’infini, la variable aléatoire « Z » suit une distribution
statistique particulière, appelée « distribution (ou loi) normale ou de Gauss ».
b. Application à la pluviométrie annuelle
La pluviométrie annuelle peut être considérée comme la somme des 365 pluviométries
journalières, lesquelles sont des variables aléatoires indépendantes (en 1ère approximation).
Dans la mesure où le nombre de jours pluvieux dans l’année est important, ce qui est le cas
général, la pluviométrie annuelle suit donc une loi normale.
Dans le cas exceptionnel où la pluviométrie annuelle n’est la somme que de quelques jours
pluvieux, ce qui est le cas des climats arides, sa distribution statistique peut notablement
s’écarter de la loi normale.

« Pan » suit une loi normale, ainsi pour la valeur « x » de pluie,

u u2

Fnd  x  
1

 2
e 2
dt
x  x0
Avec u  est appelée variable réduite
s0
x0 : moyenne de la distribution ; m  E x  ;
s0 : écart type de la distribution ;  ;

 2  E  X  m  E X 2  m 2
2
   (Théorème de Koenig) ;
« x0 » et « s0 » sont les paramètres de la loi normale.
En plus la loi étant symétrique autour de la moyenne « m », celle-ci est égale au mode et à la
médiane : F m   0,5 .
La densité de probabilité a pour expression :
u2

f u  
1 2
e
2
La dérivée première s’annule pour u  0 (valeur modale) et la dérivée seconde pour u  1 .

La fonction de densité est représentée par la courbe en cloche symétrique par rapporrt au
mode (u=0) et avec des points d’inflexion pour u  1 .
F(x)
f(x)
1
1 F(x)
2
0,3
0,5
0,2
f(x)
0,1
0
-3 -2 -1 0 1 2 3 u
68%
95%
99,9%
Figure 14 : Loi de Gauss

1.0
fréquence de non dépassement (Gauss)
0.8
0.6
0.4
0.2
0.0
-3 -2 -1 0 1 2 3
Variable réduite
Exemple Loi de Gauss : Evolution de la fréquence en fonction de la variable réduite (Pluie

moyenne annuelle à Kolda)
Il existe des tables de correspondance entre la valeur « F » de la probabilité de non-

dépassement et la variable réduite « u ».
En fait on se servira uniquement des valeurs suivantes :
Tableau 1 : Fréquence de non dépassement et variable réduite

F 0.01 0.05 0.1 0.15 0.2 0.5 0.8 0.85 0.9 0.95 0.99
u -2.33 -1.64 -1.28 -1.04 -0.84 0 0.84 1.04 1.28 1.64 2.33
L’utilisation de cette table se fait de la manière suivante :

m ,  connus
 xm
Passage de x à F (x) : paramètres u 
x  
 F  x 
u table


F  x   u 
table
Passage de F (x) à x   x  m  u
paramètres m et  connus 
IV.3.4. Ajustement d’un échantillon de pluie annuelle à une loi normale
a. Méthode graphique :
L’échantillon est classé en valeurs croissantes et les fréquences expérimentales de non

dépassement sont calculées.
La méthode consiste ensuite à calculer la variable réduite « u i » pour chaque valeur de
l’échantillon à partir de la fréquence expérimentale F  xi  table

  ui et de porter sur un
graphique ordinaire les « n » points « M i » de coordonnées xi , ui  .

Dans la pratique, la relation fréquence variable réduite « F  u » est indépendante des
paramètres de la loi normale (m et ) on utilise un papier gausso-arithmétrique dans lequel on
porte les différents points « M i » repéré à partir de :
« Fi » et d’une échelle graduée en fréquence.

d’une échelle arithmétique graduée pour le cas particulier.
Si les fréquences expérimentales de l’échantillon suivaient rigoureusement une loi normale,
l’ensemble des points « M i » seraient alignés sur la droite d’équation :
x  m  u
En réalité, les points sont sensiblement alignés (d’autant mieux qu’on est plus proche d’une
loi normale) et l’on peut ajuster une droite.
Cette droite permet de trouver les paramètres m et  de la loi normale la plus proche de
l’échantillon.

1300
m = 858.75
1200  = 122.27
1100
Pluie annuelle (mm)
1000
900
800
700
600
500
400
-3 -2 -1 0 1 2 3
Variable réduite
Exemple d’ajustement graphique d’une loi de Gauss (Pluies moyennes annuelles à

KOLDA)
Exemple :
 F  0,5  u  0  x  m

 F  0,05  u  1,64  x  m  1,64
b) Méthode par calcul
Cette méthode revient à calculer directement les paramètres « m » et «  » de la loi normale, à

partir des caractéristiques de l’échantillon d’effectif « n ».
1 n 
La moyenne de l’échantillon est donnée par : m  xi
n  i 1 
1 n 2 
La variance empirique est donnée par : σ 2   
n-1  i 1
xi  nm 2 

On construit la droite représentative de la loi normale calculée.

Remarque : Les lois normales trouvées pour chacune des deux méthodes pour l’ajustement
de l’échantillon des pluies peuvent différer légèrement.
On prendra toujours celle allant dans le sens de la sécurité pour le problème posé. Par
exemple s’il s’agit d’étudier les apports d’eau sur une retenue, on utilisera la droite qui donne
de plus faibles valeurs pour les apports des années sèches.
IV.3.5 Erreur d’échantillonnage et sur l’estimation des parameters
a. Erreur d’échantillonnage :
Supposons qu’une variable aléatoire X suive parfaitement une loi normale de paramètre
suivant :
moyenne  m

écart  type  
Considérons alors l’ensemble infini des échantillons d’effectif « n » pouvant être tiré au
hasard à partir de la loi de la variable aléatoire « X ». A l’échantillon numéro « k » va
correspondre une estimation de la moyenne et de l’écart type de loi.
estimation de la moyenne  mk
Echantillon k 
estimation de l'écart  type  σ k
Ces valeurs ( mk et  k ) différent selon l’échantillon N°k.
L’application du théorème central limite permet de démontrer que pour des échantillons
d’effectif commun « n » suffisamment grand (n  30) les infinités des valeurs mk et  k
pouvant être obtenue sont distribuées selon deux variables aléatoires « M » et « S » suivant
chacune les lois normales suivantes :
moyenne  m

mk  réalisation de la variable aléatoire normale M  σ
écart  type 
 n
moyenne  σ

 k  réalisation de la variable aléatoire normale S  σ
écart  type 
 2n
Le même théorème montre que les variables aléatoires « M » et « S » sont indépendantes.

b. Grand échantillon (n  30) : Intervalles de confiance sur les quantiles de la variable

aléatoire X
Le quantile de la variable aléatoire « X » est la valeur « x » ayant la fréquence « F » de non

dépassement.
Quantile de fréquence F  xF  .
probX  F   F
Par exemple : si « X » est la pluie annuelle en une station on aura :
Quantile de fréquence 0,1 est égale à la pluie décennale sèche ;
probP  P0,1  0,1 .
Quantile de fréquence 0,8 : pluie annuelle quinquennale humide P (0,8) ;
probP  P0,8  0,8 .
De manière général, le calcul d’un quantile xF  d’une variable aléatoire « X » suivant une
loi normale se fait de la manière suivante :
 u F 
F table

En utilisant les paramètres m et  de la loi de la variable aléatoire « X » on obtient :

x( F )  m   u F  .
« F » étant donné à chaque échantillon « N°k » d’effectif « n », correspond une valeur xk F 

du quantile, telle que :
moyenne mk
échantillon k   quantile xk F   mk  σ k u F 
écart  type  σ k
Pour l’ensemble des échantillons de même effectif « n » suffisamment grand (n  30), tirés de
la variable « X », nous avons vu que les mk et  k étaient répartis selon deux (2) lois
normales indépendantes. On en déduit que les xk F  suivent aussi une loi normale dont les
paramètres sont :
écart  typexk F 2  écart  typemk 2  u F 2 écart  type k 2   2
2
 u F 
2
n 2n
écart - type x k F)  


1
uF 2
n 2
xk F  étant distribué suivant une loi normale, on en déduit (voir figure densité de probabilité
pour la loi normale) :

80% si   1.28
  [u F ]2  
Pr ob xk F   m   u F    1   90% si   1.64
 n 2  
95% si   1.96
Dans la pratique, nous avons un échantillon unique de paramètre « m » et «  » et on cherche

les intervalles de confiance du quantile « F » inconnu : x F   m  σ u F  à partir du quantile
de même fréquence « F » calculé sur l’échantillon « x(F) » et des paramètres « m » et «  » de
l’échantillon.
En approximant «  » inconnu par «  » connu, on en déduit les formules suivantes donnant
les intervalles de confiances de « x F  ».
80% si   1.28
  [u F ]2  
Pr ob x F   xF    1   90% si   1.64
 n 2  
95% si   1.96
C’est donc l’intervalle à l'intérieur duquel on peut espérer que se trouve la valeur vraie d'une
grandeur avec une probabilité donnée. La valeur numérique de l'erreur limite est donc le
produit de l'écart standard réel des erreurs et d'un paramètre numérique fonction du niveau de
confiance.
Niveau de 50 60 66 80 90 95 98 99 99,9
confiance
 0.674 0.842 0.954 1.282 1.645 1.960 2.326 2.576 3.291
c. Petit échantillon n < 30 : intervalle de confiance de la moyenne de la variable

aléatoire X.
Si l’effectif commun « n » des différents échantillons est petit, les paramètres mk et  k de

ces échantillons ont même moyenne et écart-type que dans le cas d’échantillon de grand
effectif.
moyenne mk   m

 
écart  type  mk   n

moyenne  k   

 
écart  type   k   2n

Par contre les distributions de mk et  k ne suivent plus de lois normales.

Dans ce cas de petits échantillons, il est illusoire d’obtenir des intervalles de confiance fiables
pour un quantile quelconque, et on s’en tiendra au seul calcul des intervalles de confiance de
la moyenne inconnue « m ».
On démontre que la distribution des « mk » suit la loi de STUDENT caractérisée par les
intervalles de confiances suivants :
  
Pr obmk  m   t  , n   
 n
« t , n  » est fonction du taux de confiance «  » de l’intervalle et de l’effectif « n » de

l’échantillon selon le tableau 2 ci-dessous :
Tableau 2 : Valeurs t , n  en fonction de  et de n
Valeurs t , n  en fonction de  et de n

n 5 7 10 15 20 25 30 35 50

80% 1.64 1.48 1.40 1.35 1.33 1.32 1.31 1.28 1.28
90% 2.35 2.02 1.86 1.77 1.73 1.71 1.70 1.64 1.64
95% 3.18 2.57 2.31 2.16 2.10 2.07 2.05 1.98 1.96
Seuls sont connus les paramètres « m » et «  » d’un échantillon unique. Dans la pratique
«  » inconnu est remplacé par «  » et on obtient alors les intervalles de confiance de la
valeur « m » inconnus.
  
Pr obm  m  t  , n  
 n
On constate que la connaissance de « m » est d’autant plus précise que :
l’écart type «  » est faible (meilleure précision sur la moyenne pluviométrique inter
annuelle dans les stations arrosées que dans celles arides.
l’effectif « n » de l’échantillon est grand.
IV.3.6 Test d’ajustement
a. Test graphique : Intervalles de confiance des valeurs observées.
Considérons un échantillon d’effectif « n », tiré d’une loi normale de paramètres « m et  ».
Sur un graphique Gauss-arithmétique :
la loi normale est représentée par une droite xF   m  σu F  ;
l’échantillon par un nuage de « n » points, le point « M i » correspond à la ième valeur

de l’échantillon par ordre croissant ayant pour coordonnées :

 i 1 
ui  u Fi   u   
  n 2n 
x
 i
Le rang « i » étant fixé, donc « Fi » et « ui », on démonte que, sur l’infinité des échantillons
d’effectifs « n » pouvant être tirés de la loi, la valeur « xi » est distribuée selon une loi
normale aux paramètres suivants :
moy  xi   m  ui

 
écart  type  n  Fi 

Avec :
2i  1
β Fi   2π Fi 1  Fi 
1
u 2  Fi 
avec Fi 
2n
2
e
La fonction  Fi  est donnée dans le tableau 3 ci-dessous :
Tableau 3 : valeurs de la fonction  Fi 
Fi 0.01 0.02 0.1 0.20 0.5 0.8 0.9 0.98 0.99
 Fi  3.84 2.92 1.706 1.45 1.25 1.43 1.706 2.92 3.84
Le résultat précédent n’est vérifié que pour un échantillon d’effectif suffisant n  25 et si
l’on exclut les valeurs maximales de l’échantillon (rang i égal à n ou n-1).
Utilisant alors les résultats connus sur les intervalles de confiance d’une variable de loi
normale, on en déduit que dans le tirage de l’échantillon, le point « M i » sera toujours sur la
 i 1 
droite  Fi    , mais que sur cette droite, son abscisse aura l’intervalle de confiance à
 n 2n 
80% suivant :
  
Pr ob xi  m  ui   1.28  Fi   80%
 n 
Le point « M i » aura alors 80 chances sur 100 d’être sur le segment « « Ai Bi » parallèle à
l’axe des abscisses centré au point « Ci » d’intersection avec la droite représentative de la loi
normale de tirage de l’échantillon :

AiCi  Ci Bi  1.28  Fi 
n

Dans la pratique, on calcule les points « Ai » et « Bi » pour quelques fréquences « Fi »
arrondies, et on trace les deux (2) courbes reliant les différents « Ai » et les différents « Bi ».
Ces courbes entourent la droite de la loi normale dans la zone de confiance à 80%. On
considère que l’échantillon est bien tiré de la loi normale (donc que la loi normale et bien
ajustée à l’échantillon observé) si 80% des points de l’échantillon sont situés à l’intérieur de la
zone de confiance à 80%.
Fi 0,01 0,1 0,2 0,5 0,8 0,9 0,95

ui
xi=m+ui
 Fi 
AiCi=BiCi
xAi
xBi
b. Test du x2
Ce test est simplement mentionné pour indiquer :
qu’il est souvent utilisé ;
mais qu’il est peu sélectif en ce sens qu’il peut être satisfait lors de la comparaison
d’un échantillon d’observations avec des lois statistiques sensiblement différentes.
Dans la pratique, le test graphique exposé précédemment sera préféré.
IV.4. Pluies mensuelles et pluies saisonnières :

IV.4.1. Définitions
Pluie mensuelle : la variable aléatoire concernée « X » est la pluie d’un mois donné de l’année
considérée. Si le mois choisi est juillet, nous aurons : réalisation de « X » de l’année : pluie du
mois de juillet de l’année « n ». Ces pluies mensuelles sont étudiées sur les mois pluvieux
seulement et dans le but d’une étude statistique d’apports annuels sur une retenue. Les
chroniques des pluies mensuelles sont tirées des relevés de pluies journalières totalisées mois
par mois.
Pluie saisonnière : la variable aléatoire « X » est la pluie d’une période donnée pour l’année
considérée. Par exemple :
Pluies cumulées des mois de juillet et août ;
Pluie du 15 août au 30 septembre.

IV.4.2. Etude statistique :

A partir du moment où la période de mesure est suffisamment pluvieuse, la pluie mensuelle
ou saisonnière peut être considérée comme la somme de « n » (n  30) pluies journalières
elles-mêmes variable aléatoires indépendantes.
Le théorème central limite s’applique donc et la distribution statistique d’une pluie mensuelle
ou saisonnière suit une loi normale dont l’étude peut être faite de manière identique de la
pluie annuelle.
IV.5. Etude des pluies journalières maximales annuelles
IV.5.1. Intérêt de l’étude des hauteurs de pluies journalières de fréquence rare.
L’étude des hauteurs de pluies journalières de fréquence rare (durée de retour égale à 5,10, 20,
50 ou 100 ans) est utile à la connaissance des crues, notamment pour de petits bassins
versants. Pour cette raison, cette étude est très souvent effectuée systématiquement pour
chaque station pluviométrique observée.
IV.5.2. Etude statistique des pluies journalières en une station
Nous avons généralement deux méthodes :

a. utilisation de l’ensemble des observations de jours pluvieux :
Sur les « n » années observées on constitue l’échantillon des observations de pluies
journalières de tous les jours pluvieux des « n » années considérées. L’effectif de l’échantillon
est donc très important et on lui ajuste en général la loi statistique de PEARSON III.
b. utilisation des seules pluies journalières maximales annuelles.
Cette méthode est beaucoup plus simple et conduit à des résultats équivalents pour ce qui
concerne les hauteurs de pluie journalières de durée de retour supérieure ou égale à 5 ans.
Pour « n » années d’observation, l’échantillon est constitué de « n » valeurs. Chaque année,
on retient la hauteur maximale de pluie journalière observée.
IV.5.3. Ajustement d’une loi de GUMBEL à l’échantillon des pluies journalières
maximales annuelles.
a. Présentation de la loi de GUMBEL
Fonction de répartition ou fréquence au dépassement.
F  x   Pr obX  x  e  e
u

x  x0
Avec la variable réduite u  x  
s
Fonction de densité de probabilité f(x)
f  x x  Pr obx  X  x  x
x  x0
f u   e u e  e ux  
u
avec
s
Valeurs caractéristiques :
 moyenne : m  x0  0.577 s
 médiane (valeur de x pour laquelle F(x) =0.5) : x0  0.367 s
 mode (valeur de x à densité de probabilité f(x) maximale) : x0 .
 Ecard-type :   1.283s .
Une loi de Gumbel dépend donc de deux paramètres « x0 » et « s ».
F(u)
f(u) 1
F(u)
0,
4
f(u)
0,3
0,5
0,2
0,1
0
-1 0 1 2 3 4 5 u
Figure 15 : Loi de Gumbel
En observant les représentations graphiques de F(x) et f(x) d’une loi de Gumbel, on constate
qu’il s’agit d’une loi asymétrique telle que « mode < médiane < moyenne ».
b. Calcul des fréquences expérimentales de l’échantillon des valeurs observées
Dans une première étape, on classe l’ensemble de l’échantillon d’effectif « n » par valeurs
croissantes. Dans une deuxième étape on attribue à chaque valeur « xi » de rang i de
l’échantillon classé par ordre croissant la fréquence expérimentale suivante :

i
xi  Fi 
n 1
Cette expression est différente de celle utilisée pour les pluies annuelles de manière générale,
on utilisera :
i 1
Fi   pour les échantillons de valeurs moyennes annuelles
n 2n
i
Fi  pour les échantillons de valeurs extrêmes annuelles.
n 1
c. Ajustement graphique de l’échantillon à une loi de GUMBEL
On utilise un diagramme de GUMBEL dont :

l’un des axes porte une échelle arithmétique sur laquelle seront portées les valeurs de
l’échantillon.
L’autre axe est gradué arithmétiquement selon la variable réduite « u » et également
(selon une transformation particulière) en fréquence de dépassement.
F  e  e  u   Ln LnF 
u
Tableau 4: fréquence et valeur réduite

F 0.05 0.10 0.20 0.50 0.80 0.90 0.95 0.98 099 0.999
u -1.094 -0.834 -0.476 0.367 1.5 2.25 2.97 3.502 4.6 6.907
Dans un tel diagramme, une loi de GUMBEL de paramètre « x0 » et « s » est représentée par
une droite :
F x   ee
u

 x  x0
u  x    équation de la droite
 s
En ce qui concerne l’échantillon des « n » valeurs observées, il lui correspond un nuage des
 xi
« n » points M i : M i 
ui   Ln LnFi 
Dans la mesure où une loi de GUMBEL peut être valablement ajustée à l’échantillon ce nuage
de points est sensiblement aligné sur une droite.
Les paramètres « x0 » et « s » de la loi de GUMBEL correspondant à cette droite peuvent être
obtenus à partir de ses intersections avec les droites « F  0.10 » et « F  0.95 » par exemple.

 F  0.1  lecture de x1

 D’après ce qui précède, la droite passe par les 2 points
 F  0.95  lecture de x
 2
x1 x2
et
u1  0.834 u2  2.970
x1  x0  0.834 s et x 2  x0  2.970 s
Ce qui permet le calcul de « x0 » et « s ».
d. Ajustement par le calcul de l’échantillon à une loi de GUMBEL
Pour un tel ajustement, il faudra dans un premier temps calculer la moyenne « m » et l’écart-
type «  » de l’échantillon.
 1
moyenne  m  n  xi
 i
echantillon 
écart-type  σ  1 n 1  n 2 2 
   x i  m 2    xi  nm 
 n  1 i 1 n  1  i 1 
On démontre ensuite que l’on peut passer des caractéristiques « m » et «  » de l’échantillon

aux paramètres « x0 » et « s » de la loi de GUMBEL ajuster au moyen des deux formules
suivantes :
 x0  m   n

s   n
Dans lesquelles «  n » et «  n » sont des coefficients dépendant de l’effectif « n » de

l’échantillon selon le tableau ci-dessous :
Tableau 5 : valeur de «  n » et «  n »
n 10 20 30 40 50 60 70 80 90 100 
n 0.521 0.493 0.482 0.477 0.472 0.470 0.478 0.466 0.465 0.464 0.450
n 1.053 0.941 0.899 0.876 0.861 0.851 0.844 0.838 0.833 0.829 0.78
On constate ainsi que les caractéristiques m et  de la loi différent de celles « m » et «  »

de l’échantillon :

m  x0  0.577 s  m   n 0.577   n 
  1.283s   n 1.283
m m et m m si n  
σ σ et σ σ si n  
Cela tient au fait que l’observation la plus probable, mode « x0 », diffère de la moyenne
« m » et qu’en conséquence, la moyenne d’un petit échantillon est souvent plus proche du
mode « x0 » que la moyenne « m ».
IV.5.4. Evaluation des quantiles de la distribution des pluies journalières maximales

annuelles
a. Rappel de définition du quantile
Le quantile de fréquence « f » ou pluie journalière maximale annuelle de durée de retour

1
T est la valeur « x » dont la fréquence de dépassement est :
f
1
F  1 f  1
T
On parle de pluie journalière quinquennale ou décennale par exemple pour f = 0.2 et 0.1
respectivement.
b. calcul d’un quantile x(f)
Graphiquement, on considère sur le diagramme de GUMBEL les coordonnées du point

d’intersection de la droite de la loi de GUMBEL ajustée à l’échantillon avec la droite de
fréquence de non-dépassement donné F = 1 – f  lecture de x(f).
c. Intervalle de confiance sur un quantile x(f)
Les pluies journalières maximales à la station suivant par hypothèse une loi de GUMBEL, les
paramètres « x0 » et « s » de cette loi sont inconnus.
Ils peuvent être estimés à partir d’un échantillon d’observation d’effectif « n », mais si on
considère l’infinité d’échantillons de même effectif « n », ils conduisent à autant de valeurs
différentes pour les estimations de « x0 » et « s » des paramètres inconnus « x0 » et « s ».

Pour l’unique échantillon observé, nous avons donc une erreur d’échantillonnage représentées
par les différences « x0  x0 » et « s  s » lesquelles sont inconnues, mais dont on peut
connaître les lois de probabilités.
Les paramètres « x0 » et « s » étant approchée selon certaines lois de probabilité par « x0 »
et « s », il en est de même d’un quantile de fréquence « f » quelconque.
x  f   x0  s u  f  approchée par x f   x0  su  f 
On démonté que l’estimation « x f  » est distribuée autour de x  f  selon la loi de

STUDENT
moyennex f   x  f 

telle que  σ
ecart-typex  f   A f,n 
 n
« A f , n  » étant une fonction de la fréquence « f » (ou de la durée de retour T 

1
et de
f
l’effectif « n » de l’échantillon selon le tableau 6 ci-dessous :
1
Tableau 6 : Valeurs de A (f, n) en fonction de T  et n
f
1
Valeurs de A (f, n) en fonction de T  et n.
f
n 10 20 30 40 50 60 70 80 90 100 
T
5 ans 1.85 1.72 1.68 1.65 1.63 1.62 1.62 1.61 1.60 1.60 1.55
10 ans 2.62 2.40 2.32 2.27 2.24 2.18 2.21 2.20 2.19 2.18 2.09
20 ans 3.38 3.07 2.96 2.90 2.86 2.83 2.81 2.79 2.78 2.77 2.64
50 ans 4.39 3.97 3.81 3.72 3.67 3.63 3.61 3.58 3.57 3.55 3.37
100 ans 5.15 4.64 4.45 4.35 4.29 4.24 4.21 4.18 4.16 4.14 3.93
On en déduit les intervalles de confiance de « x f  » conformément à la loi de STUDENT.
 σ 
Pr ob x  f   x f   t ,n A f,n  
 n
« t  , n  » étant fonction du taux de confiance «  ».
IV.5.5. Test de vérification d’un ajustement à une loi de GUMBEL

a. test graphique : Intervalle de confiance des valeurs observées
Considérons un échantillon de « n » observations tiré d’une loi de GUMBEL de paramètre

« x0 » et « s ».
Si nous nous intéressons au point « M i » du graphique de GUMBEL correspondant à la ième
valeur de l’échantillon rangé par ordre croissant, ce point « M i » appartenant au nuage des
« n » points représentatifs de l’échantillon a pour coordonnées :
   i 
ui  u Fi    Ln  Ln  
   n  1
x
 i
Le rang « i » étant fixé, il en est de même de « Fi » et « ui ». Par contre la valeur « xi »

dépend du tirage de l’échantillon. On démontre sous réserve que l’effectif « n » de
l’échantillon soit suffisant n  25 et que soient exclues les valeurs maximales de
l’échantillon (rang i égal à n-1 ou n) que la valeur « xi » est distribuée selon une loi normale
aux paramètres suivants :
moy xi   x0  ui s


ecart-type xi   n B( Fi )
s

Formule dans laquelle B( Fi ) est une fonction de la seule fréquence « Fi », selon le tableau
suivant :
Tableau 7 : Valeurs de B(F) en fonction de F
Valeurs de B(F) en fonction de F
F 0.05 0.10 0.20 0.5 0.7 0.8 0.9 0.95 0.98
B(F) 1.46 1.30 1.24 1.44 1.84 2.24 3.16 4.46 7.08
Utilisant les résultats sur les intervalles de confiance de la loi normale de façon analogue à ce
i
qui a été fait précédemment, on en déduit que le point « M i » est situé sur la droite Fi 
n 1
avec 80 chances sur 100 d’être sur le segment « Ai Bi » de cette droite, segment centré en
« Ci », intersection avec la droite représentative de la loi de GUMBEL  x  x0  us  , et de
BFi  .
S
demi-longueur Ai Bi  Ci Bi  1.28
n

Le test consistera donc à tracer pour quelques fréquences « Fi » arrondies les points « Ai » et
« Bi » correspondant et de porter sur les deux courbes reliant respectivement les « Ai » et les
« Bi » et en serrant la droite de GUMBEL dans la zone de confiance à 80%.

L’ajustement sera considéré comme correct si 80% au moins des points de l’échantillon sont à
l’intérieur de cette zone de confiance.
Fi 0,05 0,1 0,2 0,5 0,8 0,9 0,98

ui
B(Fi)
xi=x0+sui
AiCi=BiCi
xAi
xBi
b. Test du  2
Ce test malgré son usage habituel, n’est pas conseillé compte tenu de la faible sélectivité
(comme dans le cas d’une loi normale).
IV.5.6. Extension des données d’une station pluviométrique à partir de stations

voisines.
IV.5.6.1 Corrélation entre les pluies annuelles, saisonnières ou mensuelles de deux

stations voisines
a) Données disponibles et graphiques de corrélation
Supposons que l’on dispose pour deux stations pluviométriques voisines des mesures de l’une
des variables suivantes : pluie annuelle, pluie saisonnière, pluie d’un mois donné et ceci pour
un ensemble de « k » années (consécutives ou non).
mesure à la station x  xi
Exemple année i  
mesure à la station y  yi

Les « k » couples «  xi , yi  » forment sur un graphique arithmétiques un nuage de « k »

points. Dans le cas favorable de deux stations voisines, on constate parfois que ce nuage de
points est grossièrement aligné sur une droite ce qui traduit les faits suivants :
En général les 2 variables sont simultanément fortes ou faibles ;
Pour une année quelconque, la seule connaissance d’une des valeurs « xi » donne
quelques indications de tendance pour la seconde « yi ».
b) Caractéristiques propres à chacun des 2 échantillons « xi » et « yi »)
Echantillon « xi » :
1 k
Moyenne : mk x    xi
k i 1
2 2
1 k 1 k
Variance : Vark  x    xi  mk  x    xi2  mk  x 
k i 1 k i1
Echantillon « yi » :
k
mk  y    yi
1
Moyenne :
k i 1
2 2
1 k 1 k 2
Variance : Vark  y    i k y  m  y    yi  mk  y 
k i 1 k i 1
c) Définition des paramètres de corrélation des échantillons (xi) et (yi)

covariance des « xi » et « yi » :
1 k
Covk  x, y    xi  mk x  yi  mk  y 
k i 1
1 k
  xi yi  mk x mk  y 
k i 1
coefficient de corrélation des (xi) et (yi)
Covk  x, y 
 k  x, y  
Vark  x .Vark  y 
k
 x i  mk  x  yi  mk  x 
 i 1
 k
2 
k
2
 xi  mk  x    yi  mk  y  
 i 1  i 1 

d) Droite de régression de « y » en « x » ou meilleure estimation linéaire de « y » en

fonction de « x ».
exposé du problème :
Trouver la meilleure estimation linéaire de y en fonction de x, c’est déterminer les deux
paramètres « a » et « b » tel que l’estimation de « y » devienne :
y  ax  b
k 2
A    yi  axi  b  minimum.
i 1
« A » étant la somme des carrées des différences entre les « yi » et les estimations
« axi  b » correspondantes.
 A
 a  0
A min imum  
 A  0
 b
Résultats :
A k
 2 xi  yi  a  xi  b 
a i 1
 
 2k Covk  x, y   mk x .mk  y   aVark  x   amk  x   bmk  x 
2
A k
 2 xi  yi  axi  b   2k mk y  amk  x   b
b i 1
A
 0  b  mk  y   amk  x 
b
A
 0  Covk  x, y   aVark  x   0
a
Covk  x, y  Vark  y 
a   k  x, y .
Vark  x  Vark  x 
La formule d’estimation est donc :

Covk  x, y 
yestimée  mk  y   x  mk x 
Vark  x 
Droite de régression de y en x :
L’expression de l’estimation de « y » en fonction de « x » correspondant sur le graphique de
corrélation à une droite de régression de « y » en « x », qui passe par le centre de gravité
« G » du nuage de « k » points, de coordonnées mk x , mk  y  .

IV.5.6.2 Amélioration de la connaissance des paramètres statistiques de la variable

courte au moyen de la variable longue
a) Position du problème
Très souvent l’intérêt d’une corrélation entre une variable « X » de série longue et une
variable « Y » de série courte n’est pas dans la reconstitution des valeurs de « Y » par
extension sur la série longue, mais dans la possibilité d’affiner la connaissance des paramètres
de la loi statistique suivie par « Y » en réduisant l’erreur d’échantillonnage. On peut espérer
en conséquence une meilleure précision quant à la connaissance des quantiles cherchés en
« Y ».
b) Rappel des estimations des paramètres de la loi normale en Y à partir de la

série courte.
Nous avons vu précédemment que l’échantillon des « k » valeurs de « Y » donnait une
estimation des paramètres de la loi normale suivie par « Y ».
Estimation : m y  mk  y 
Estimation :  y    k
k 1
Vark  y 
c) Nouvelles estimations des paramètres de la loi normale en Y à partir de la

série allongée.
Nouvelle estimation du paramètre m y ;
Cette nouvelle estimation est donnée pour la moyenne de la série rallongée en « Y », c'est-à-
dire de l’ensemble des « k » valeurs observées et des « n-k » valeurs reconstituées à partir de
« X ». La valeur estimée « Yi » pour « i » quelconque variant de « k+1 » à « n ».
Covk  x, y 
yi  mk  x   xi  mk x 
Vark  x 
On obtient donc :
n
Cov  x, y 
 y  n  k m x   Var x  nm x  km ( x)  n  k m x 
i  k 1
i k
k
n k k
k
Covk  x, y 
 n  k mk  x   n mn x   mk x 
Vark  x 

Estimation de m   m  y    y
n
1
y n i
n i 1
nk

k
mk  y   mk  y  
cov k ( x, y )
mn ( x)  mk ( x)
n n vark ( x)
 
Estimation de m y  mk  y  
cov k ( x, y )
vark ( x)
mn ( x)  mk ( x)
Nouvelle estimation du paramètre  y
On obtient comme estimation de Var(Y)

Vark  y 
Estimation Var Y   Vark Y     x, y  . Varn x   Vark x 
2
Vark x 
 Covk  x, y  
2
Var (Y )  Vark  y     Varn  x   Vark  x 

 Vark  x  
 
Estimation  y 
n
n 1
.estimation de VarY 
Dans la pratique, il peut arriver que Varn  x   Vark  x  ce qui signifie que la nouvelle
estimation de «  y » est inférieure à l’ancienne estimation de «  y ».
Dans ce cas on prendra comme estimation de «  y » :
 La plus grande des deux estimations trouvées donc de l’ancienne si

 k  x, y   0.95
 La nouvelle estimation si  k  x, y   0.95 , c'est-à-dire si la dépendance de
« Y » par rapport à « X » est très forte et rend fiable la série rallongée en « Y ».

Appréciation du gain de précision obtenu par l’extension de la série :
Dans le cas d’une série courte de « k » observations, étendue à une série longue de « n »
valeurs par corrélation avec une série de « n » observations, on définit l’efficacité relative de
l’extension « E » donnée par la relation suivante :
 k  1  k  2 
2
E  1  1    
 n  k 3 
«  » est le coefficient de corrélation et la formule est valable pour « k > 3 »

La durée équivalente est donnée par la relation :

k
n' 
E
On dit alors que la série rallongée est équivalente du point de vue précision à une série de
« n’ » années de mesures.
V. PLUIES DE COURTE DUREE

On a parfois besoin de connaître les hauteurs de précipitations survenues au cours d’une durée
inférieure à la journée. C’est notamment le cas pour le dimensionnement des réseaux
d’évacuation des eaux pluviales en milieu urbain. Le coût élevé des infrastructures de tels
réseaux justifie une analyse fine des pluies de courtes durées en vue d’évaluer les débits à
évacuer selon leur probabilité d’occurrence.
V.1. Intervalle de récurrence
Il peut se définir comme étant le laps de temps moyen qui sépare deux averses de même
intensité. C’est l’inverse de la fréquence d’apparition d’une pluie. Une pluie dont l’intervalle
de récurrence est de 10 ans à lieu en moyenne une fois tous les 10 ans. La période de retour
« T » apparaît donc comme une moyenne au sens statistique.
On parle alors d’espérance mathématique de l’intervalle de temps entre deux occurrences de
l’événement considéré. Le temps de retour d’un événement est l’inverse de la fréquence de
dépassement :
1 1
T 
Fd  X  1  Fnd  X 
Cela ne signifie pas que l’événement considéré (X > x) va se réaliser régulièrement toutes
les « T » années, mais simplement que si l’on considérait une période infiniment longue,
nous aurions en moyenne « k » réalisations pour « kT » années.
V.2. Averses et intensités
On désigne en général par « averse » un ensemble de pluies associées à une perturbation

météorologique bien définie ; dans ce sens large, la durée d’une averse peut varier de
quelques minutes à une centaine d’heures et intéresser une superficie allant de quelques
kilomètres carrés (orages) à quelques milliers (pluies cyclonique). On peut ainsi définir une
averse comme un épisode pluvieux continu, pouvant avoir plusieurs pointes d’intensité.
L’intensité moyenne d’une averse est définie comme le rapport de la hauteur de pluie « H »
H
observée à la durée « t » de l’averse. I m 
t
« I m »: Intensité moyenne de la pluie [mm/h, mm/min],

« H » : hauteur de pluie de l’averse [mm],
«t» : durée de l’averse [h ou min].
L’intensité des précipitations varie à chaque instant au cours d’une même averse suivant les
caractéristiques météorologiques de celle-ci. Plutôt que de considérer l’averse entière et son
intensité moyenne, on peut s’intéresser aux intensités observées sur des intervalles de temps
au cours desquels on aura enregistré la plus grande hauteur de pluie. On parle alors d’intensité
maximale. Deux types de courbes déduites des enregistrements d’un pluviographe
(pluviogramme) permettent d’analyser les averses d’une station :
 la courbe des hauteurs de pluie cumulée ;
 le hyétogramme.
La courbe des hauteurs de pluie cumulées appelée aussi et parfois pluviogramme, représente
en ordonnée, pour chaque instant « t », l’intensité de la hauteur de pluie tombée depuis le
début de l’averse.
Le hyétogramme est la représentation, sous forme d’un graphique en bâtons ou histogramme,
de l’intensité de la pluie en fonction du temps. Il représente la dérivée par rapport au temps en
un point de la courbe des précipitations cumulées. Pour le construire, on divise le
pluviogramme de telle façon que l’intensité à l’intérieur d’un intervalle soit à peu près
constante.
Les éléments importants d’un hyétogramme sont le pas de temps « t » et la forme.
Communément, on choisit le plus petit pas de temps possible selon la capacité des instruments
de mesure (pluviographe). Quant à la forme du hyétogramme, elle est en général
caractéristique du type de l’averse et varie donc d’un événement à un autre.
Figure 16 : Hyétogramme et courbe des pluies cumulées (d’après Musy e-drologie).

Le critère de continuité d’un épisode pluvieux varie selon le bassin versant. Généralement,
deux averses sont considérées comme distinctes si la précipitation tombant durant l’intervalle
de temps qui les sépare est inférieur à un certain seuil et si cet intervalle est lui-même
supérieur à une certaine valeur définie compte tenu du type de problème étudié. En
représentant les averses sous forme de hyétogramme, la question de la séparation des averses
se résume comme suit :
Figure 17 : Conditions pour la distinction de deux averses consécutives durée choisie en

fonction du problème (par exemple 1 heure) ; d’après Musy e-drologie.
La notion d’averse est très importante en hydrologie des petits bassins versants et en
hydrologie urbaine car déterminante pour les crues. De plus, le dimensionnement rationnel
des ouvrages d’assainissement nécessite leur connaissance en général et celle des relations
liant l’intensité maximum d’une pluie à sa durée en particulier.
V.3. Les courbes IDF (intensité durée fréquence)
L’analyse des pluies à permis de définir deux lois générales de pluviosité qui peuvent
s’exprimer de la manière suivante.
Pour une même fréquence d’apparition, l’intensité d’une pluie est d’autant plus forte
que sa durée est courte ;
A durée de pluie égale, une précipitation sera d’autant plus intense que sa fréquence
d’apparition sera petite.
Ces lois permettent d’établir les relations entre les intensités, la durée et la fréquence
d’apparition peuvent être représentées selon des courbes caractéristiques : les courbes IDF.

Elles représentent graphiquement la variation de l’intensité moyenne de la pluie en fonction

de sa durée et pour divers intervalles de récurrence.
Elles sont généralement représentées analytiquement à l’aide des expressions suivantes :
formule de Talbot :
aT  a et b fonction de la période de retour
I 
bT   t  formule valable pour t  3h
formule de Montana :
a et b dépendent de la région et de la fréquence

I  aT .t -b T 
 t  1h : a  9 et b  0.56 T  10 ans
 Dakar t  1h : a  0.15 et b  45 T  10 ans
 
formule de Keiffer et Chu :

aT  a,b et coefficient d'ajustement
I 
b  cT 
b t 
dépendent de la période T
Figure18 : Courbe Intensité-Durée Fréquence de la ville de Thiès
VI. REGIME DES PRECIPITATIONS

En utilisant la seule donnée de précipitation dans une nomenclature climatique, on parvient à

définir une répartition mondiale des différents régimes pluviométriques. Pour identifier et
classer les diverses régions pluviométriques du globe, on prend habituellement comme
donnée de base les précipitations moyennes mensuelles évaluées sur une longue période et
leurs variations, ou encore, les précipitations moyennes annuelles.
La précipitation moyenne annuelle (encore appelée normale) est la hauteur moyenne des
précipitations annuelles tombant à un endroit donné et établie sur un grand nombre d’années.
Une classification pluviométrique générale basée sur les données annuelles est fournie par le
tableau suivant, qui n’est évidemment pas exhaustif.

NOM CARACTERISTIQUES
Régime équatorial humide Plus de 200 cm de précipitation annuelle moyenne à l’intérieur
des continents et sur des côtes
Région typique de ce régime : bassin de l’Amazonie.
Régime subtropical Entre 100 et 150 cm de précipitation annuelle moyenne à
humide en Amérique l’intérieur des continents et sur les côtes
Région typique du régime : ointe sud-est de l’Amérique de
Nord
Régime subtropical sec Moins de 25 cm de précipitation annuelle moyenne à l’intérieur
des continents et sur les côtes ouest
Région typique de ce régime : le sud du Maghreb
Régime intertropical sous Plus de 150 cm de précipitation annuelle moyenne sur des zones
l’influence des alizés côtières étroites ; humidité
Région typique de ce régime : côtes est de l’Amérique centrale
Régime continental - entre 10 et 50 cm de précipitation annuelle moyenne à
tempéré l’intérieur des continents ; il en résulte des déserts ou des
steppes
Région typique de ce régime : plaines de l’ouest du continent
nord-américain
Régime océanique tempéré Plus de 100 cm de précipitation annuelle moyenne sur les côtes
ouest des continents
Région typique de ce régime : la Colombie britannique,
l’Europe
Régime polaire et arctique Moins de 30 cm de précipitation annuelle moyenne – se situe au
nord du 60ème parallèle ; formation de grands déserts froids ;
Région typique de ce régime : le Grand Nord canadien

CHAP3PRECIPITATION2012

Transféré par

Droits d'auteur :

Formats disponibles

CHAP3PRECIPITATION2012

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

CHAP3PRECIPITATION2012

Transféré par

Droits d'auteur :

Formats disponibles

ECOLE POLYTECHNIQUE DE THIES

Par Dr. EL Hadji Bamba Diaw Page 2

IV.3.2 Résultats empiriques : fréquences expérimentales de dépassement (ou non

Par Dr. EL Hadji Bamba Diaw Page 3

I. FORMATION ET CLASSIFICITION DES PRECIPITATIONS

Par Dr. EL Hadji Bamba Diaw Page 4

l’atmosphère se transforme en liquide lorsqu’elle atteint le point de rosée par refroidissement

I.1 Les nuages

1.1.1 Constitution des nuages

I.1.2 Aspect des nuages

Par Dr. EL Hadji Bamba Diaw Page 5

I.1.3.Les 10 genres de nuages

Figure 1 : Ecole Polytechnique : hivernage 2008

Par Dr. EL Hadji Bamba Diaw Page 6

Par Dr. EL Hadji Bamba Diaw Page 7

rencontrer les Cumulonimbus de manière isolée, l’été, notamment en montagne, mais

Ce nuage est l'un des plus beaux mais

Presque capillatus Cet aspect encore

Par Dr. EL Hadji Bamba Diaw Page 8

Figure 3 : Les 10 genres de nuages :

I.2. Déclenchement des précipitations

Figure 4 : Illustration du déclenchement des pluies

I.3 Entretien des précipitations

Par Dr. EL Hadji Bamba Diaw Page 10

I.4 Classification des précipitations

I.4.1 Précipitations de convection

Figure 5: precipitation de convection

I.4.2 Précipitations Orographiques

Si une masse d’air se déplacent horizontalement rencontre un obstacle topographique (chaîne

Par Dr. EL Hadji Bamba Diaw Page 11

Figure 6: precipitations orographiques

I.4.3 Précipitations de Front (ou cyclonique)

Figure 7: precipitations de front

Par Dr. EL Hadji Bamba Diaw Page 12

2- En vue de stimuler les précipitations dans certaines régions on pratique

I.4.4 Pluies artificielles

b). Techniques utilisées

Elles sont au nombre de deux ;

Par Dr. EL Hadji Bamba Diaw Page 13

Par Dr. EL Hadji Bamba Diaw Page 14

c). Les agents hygroscopiques

d). Les agents provoquant la congélation

En Chine : Au cours de 2.840 vols échelonnés de 2001 à 2005, l'ensemencement de nuages

II MESURE DES PRECIPITATIONS

II.1. Appareillages pluviométriques

II.1.1. Les pluviomètres (mesure locale)

Par Dr. EL Hadji Bamba Diaw Page 16

intervalle de temps « T » on a récupéré un volume « V » à travers la surface réceptrice « S »,

Un mm de précipitations correspond à 1 Litre d'eau par m².

Par Dr. EL Hadji Bamba Diaw Page 17

Figure 8 : pluviomètre association (Précision 0,1 mm)

Par Dr. EL Hadji Bamba Diaw Page 18

Par Dr. EL Hadji Bamba Diaw Page 19

II.1.2. Pluviographe (mesure locale)

Ces appareils sont destinés à l’enregistrement de façon continue de la hauteur de pluie

Par Dr. EL Hadji Bamba Diaw Page 20

(pas de 0.5 en 0.5 mm, appareil très précis lors

II.1.3. Les radars météorologiques (échelle régionale)

L’antenne parabolique du radar tourne et émet un faisceau d’ondes électromagnétiques (de

Par Dr. EL Hadji Bamba Diaw Page 21