Spatial mapping and interpolation of infiltration rates using geographic information systems

Infiltration is one of the most important hydrological processes controlling water movement through the soil. It directly influences surface runoff, groundwater recharge, soil erosion, and overall watershed hydrological behavior. The present study aims to analyze the spatial distribution of infiltration rate using Geographic Information Systems (GIS) and spatial interpolation techniques within the Madjez Ressoul watershed, located in northeastern Algeria. Field infiltration measurements were collected in a previous research (Dahak, Boutaghane, & Merabtene, 2022) using the Double Ring Infiltrometer method at several sampling locations representing different land-use and soil conditions across the study area. The collected data were integrated into the ArcGIS 10.8 environment to apply and compare four spatial interpolation methods: Inverse Distance Weighting (IDW), Local Polynomial Interpolation (LPI), Kriging method and land use-based approach. The performance of the interpolation methods was evaluated using statistical parameters validation to evaluate model accuracy and identify the most appropriate approach for spatially representing infiltration rates. The obtained results revealed significant spatial variability of infiltration rates across the watershed. Higher infiltration values were mainly observed in the northern and northeastern sectors, whereas lower values dominated the central and southern areas. The comparative analysis demonstrated that the Local Polynomial Interpolation (LPI) method provided the best predictive performance. The study highlights the importance of integrating GIS and spatial interpolation techniques for improving hydrological analysis and supporting sustainable water resources management. Keywords: Infiltration rate, Spatial interpolation, Geographic Information Systems (GIS), Madjez Ressoul watershed.

Toward improving a global rainfall-runoff model through experimental data

Évaluer les quantités d'écoulement en connaissant la quantité de pluie pour prédire les inondations a devenu nécessaire, notamment dans les régions où les données sont rares et pas toujours disponibles. L'étude présente se concentre sur le développement d'un modèle hydrologique nommé HEC-HMS, qui utilise des Modèles Numériques de Terrain. Ce modèle hydrologique a été utilisé moyennant HEC-GeoHMS et les SIG pour identifier les débits du bassin versant du Madjez Ressoul par des processus de simulation de pluie-débit simulés. Les modèles météorologiques ont été développés au sein de HEC-HMS à partir des données journalières de pluie enregistrées pour les années hydrologiques 1973 à 2009. Les spécifications de contrôle ont été définies pour la période spécifiée et à un pas de temps journalier. Les méthodes de perte, de transformation et de calcul de routage utilisées étaient la SCS-CN, l’Unité Hydrologique SCS et la méthode de Muskingum, respectivement. Les résultats ont montré que les hydrogrammes observés et simulés étaient fortement corrélés. La performance du modèle a été évaluée en utilisant de nombreux critères de performance pour la calibration et la vérification. Les résultats ont indiqué que le modèle est approprié pour les simulations hydrologiques dans le bassin versant du Madjez Ressoul. Mots clés : Modélisation pluie-débit, bassin versant de Madjez Ressoul, Prédiction des inondations.

Analyse des données d'infiltration par les techniques de l'intelligence artificielle

Plusieurs methodes de l'intelligence artificielle ont été utilisé pour analyser des données expérimentales du taux d'infiltration et de l'infiltration cumulative, ces techniques sont des techniques du machine learning et du deep learning à savoir: des techniques de regression linéaire et non linéaire, la technique des réseaux de neurones convolutifs et la technique des algorithmes génétiques qui a été utilisée pour optimiser les techniques précédentes, 5 critères de validation ont montré la robustesse des methodes de l'intelligence artificielle dans le traitement de données et par conséquent la fiabilité des données récoltées