Regionalisation De L'envasement Des Retenues Collinaires :application Aux Lacs Collinaires De La Dorsale Tunisienne Regionalization Of Sediment Loads In The Small Dams Of The Central Tunisia

Résumé : En raison d'une érosion hydrique importante favorisée par des conditions hydro-morphologiques défavorables, le problème de l'envasement entraîne une perte importante de la capacité des ouvrages de rétention en Afrique du Nord. Par conséquent, la mesure de l'envasement des retenues présente des intérêts technique et économique certains pour la planification, la conception et la gestion durable des ressources hydriques. La présente étude porte sur un échantillon de 24 lacs collinaires situés en Tunisie centrale et vise à contribuer à la quantification du dépôt solide dans ces dernières. La méthodologie adoptée combine une méthode paramétrée et non paramétrée. Dans la première partie, une méthode paramétrée cherche les facteurs explicatifs de l'envasement en utilisant les composantes principales (ACP) et l’analyse factorielle discriminante (AFD). Les paramètres les plus explicatifs du taux d’envasement des lacs collinaires offrant les meilleures régressions sont l’indice de pente global (Ig) et le coefficient d’écoulement (Ke). En deuxième lieu, la prédiction du taux d'abrasion (Ta) est effectuée en utilisant la méthode des réseaux neuronaux. Un modèle de réseau de neurones est développé en utilisant les résultats de l’analyse des facteurs explicatifs de la première partie. La comparaison des prédictions par la méthode des réseaux neuronaux avec ceux des méthodes existantes montre que la première donne de meilleurs résultats. Abstract : This study presents and compares parametric and non-parametric methods for regionalization of sediment loads. These latter are correlated to watershed physiographic characteristics and precipitation regime. Data from 24 small dams located in Central Tunisia are used. First, parametric methods (Principal Component and Discriminant Factorial Analyses) were used to identify the most important factors which affect sedimentation. Then, the non-parametric method of Neural Networks is used to estimate sediment loads. The predominant factors which affect sedimentation and sediment loads were found to be the watershed average slope and the flow coefficient. Compared to results obtained by existing parametric methods, sediment load estimates generated by the developed Neural Networks model were found to be much closer to observed values.