Effet du changement climatique et de l’occupation du sol sur la réponse des bassins versants.

L'Algérie, comme d'autres pays du bassin méditerranéen, a connu d'importantes inondations qui ont entraîné des pertes en vies humaines et en biens. La principale cause de ces inondations est le changement d’occupation des sols et la variabilité climatique. L'objectif de cette étude est d'examiner et d'évaluer les impacts individuels et combinés des changements d’occupation des sols et les impacts du changement climatique sur le débit de pointe et le volume de ruissellement dans le bassin versant de l’oued Kébir en utilisant différentes techniques et approches. L'analyse de l’occupation des sols de l’année 1985 à 2020 à l'aide d'images satellites classifiées (Landsat 5 et Landsat 7 ETM+) et du réseau neuronal artificiel d'automates cellulaires (CA-ANN) a été utilisée pour générer le changement prédit de la carte d’occupation des sols de 2040. Dans l'ensemble, le changement d’occupation des sols s'est étendu aux zones urbaines et des zones agricoles au détriment des forêts et des terres arides. Les données climatiques projetées dérivées à l'aide du modèle de circulation mondiale d'Europe - CORDEX ont été couplées au modèle de circulation régionale RCA4-CNRM-CERFACS-CM5 pour deux voies de concentration représentatives (RCP 4,5 et 8,5), avec correction du biais pour la période 2020-2060. Le modèle Centre d'ingénierie hydrologique - Système de modélisation hydrologique (HEC-HMS) a été utilisé pour estimer les futurs volumes de ruissellement et débits de pointe pour différentes périodes et scénarios de changement d’occupation des sols et de changement climatique. Le modèle HEC-HMS a été calé pour la période du 18/12/1984 au 31/07/1985 et validé pour la période du 01/01/2003 au 31/07/2003. Les résultats ont montré une bonne précision par rapport aux critères RMSE, NSE, R2 et KGE pour l'étalonnage et la validation du débit de pointe et du volume de ruissellement.

Application d’une méthode hybride ANN-MCDM pour la réduction des pertes d’eau dans les réseaux de distribution

Les pertes d’eau (PE) dans les réseaux de distribution d'eau représentent un défi majeur pour la durabilité des ressources en eau, affectant l’environnement et la santé publique. Les taux élevés des PE peuvent être attribuées à des infrastructures vieillissantes, à une forte pression et à une gestion inefficace des réseaux de distribution. Leur réduction est l'un des problèmes les plus critiques auxquels sont confrontés les gestionnaires des services d'eau potable. L'étude vise à analyser les alternatives d'amélioration pour réduire les pertes en eau dans le réseau de distribution d'eau de la ville d'Annaba (Est algérien). La méthodologie appliquée repose sur l'examen des critères et sous-critères influant sur la gestion des PE à l'aide de deux méthodes d'aide à la décision multicritères (MCDM). Les deux approches MCDM utilisées sont le Processus Analytique Hiérarchique (AHP) et le Processus Analytique Hiérarchique Floue (Fuzzy-AHP). Six critères d'évaluation, vingt-six sous-critères et douze alternatives ont été retenus pour sélectionner les meilleures stratégies de réduction des PE. Les trois critères économiques (37,71 %), techniques (26,25 %) et opérationnels (14,27 %) sont essentiels à prendre en compte lors de la phase de sélection des meilleures alternatives. Les résultats ont montré que les alternatives, la réhabilitation des réseaux de distribution, la gestion et le contrôle de la pression et la réparation rapide des fuites d’eau constituent les meilleures solutions pour réduire les pertes d’eau. Ensuite, un cadre intégré, utilisant un processus hiérarchique analytique (AHP) et un réseau neuronal artificiel (RNA), a été développé pour la prédiction des PE dans le réseau de distribution d’eau potable de la ville d’Annaba. En appliquant cette méthode, les gestionnaires des services de l’eau potable peuvent optimiser les décisions afin de minimiser les pertes d’eau.

Etude d’impact du changement climatique sur la sensibilité hydraulique des systèmes de drainage urbain

Les inondations constituent une menace majeure pour les zones urbaines en Algérie, car l’urbanisation rapide et le changement climatique sont des facteurs qui augmentent la fréquence et l’intensité des pluies, rendant les systèmes de drainage incapable d’absorber les eaux de ruissellement, posant des défis importants pour la gestion des eaux pluviales. Cette thèse étudie l'impact de ces facteurs sur le système de drainage de la zone urbaine appelée Bir Farina, commune d'Azzaba, wilaya de Skikda à l'Est de l'Algérie, en se concentrant sur les limites du modèle hydraulique traditionnel MIKE+ pour la prévision précise des débordements du réseau d'eau pluviale. Cette thèse décrit une approche innovante appelée SWN-ML (Storm Water Network - Machine Learning), qui combine les simulations hydrauliques du modèle MIKE+ avec des algorithmes avancés d'apprentissage automatique, notamment des techniques d'apprentissage d'ensemble, telles que Gradient Boosting et Random Forests. Une base de données complète englobant les caractéristiques géographiques, climatiques et géométriques du réseau d'eaux pluviales de la région d'étude a été développée. Le modèle MIKE+ a été calibré en se basant sur l’unique mesure des hauteurs d’eau à l’exutoire du réseau d’eau pluviale lors de l’événement pluvieux du 4 février 2019, et l'approche SWN-ML a été utilisée pour prédire les taux de débordement moyens pour différentes durées de pluie et périodes de retour. Les résultats indiquent la performance des modèles d'apprentissage par ensemble (ELM) par rapport aux modèles d'apprentissage automatique classiques dans la prédiction des taux de débordement. Une forte corrélation a été observée entre les prédictions des méthodes d'ensemble et les simulations du MIKE+, confirmant leur efficacité à capturer la dynamique du réseau d'eaux pluviales. De plus, une analyse de l'importance des caractéristiques basée sur l'erreur quadratique moyenne (MSE) a permet d’identifier les principales variables influençant le taux de débordement, offrant ainsi des informations précieuses pour améliorer les stratégies de gestion des eaux pluviales. Cette recherche met en lumière le potentiel d'intégrer des modèles basés sur des principes physiques avec des techniques d'apprentissage automatique pour améliorer la prédiction et la gestion des débordements des réseaux d'eaux pluviales dans les zones urbaines. L'approche SWN-ML offre un cadre robuste et fiable pour l'évaluation des risques d'inondation, permettant le développement de systèmes d'alerte précoce efficaces et de stratégies d'atténuation des inondations, cruciales pour construire des environnements urbains résilients.