In the centre of Morocco, the High-Atlas mountain range
represents the most important water storage for the neighbouring arid plains.
It is the case of the Haouz plain, in the region of Marrakech, where water
resources are intensively exploited due to the combined effect of the
increasing needs (agriculture, demography and tourism) and the resources
reduction (temporary drought and/or linked to environmental changes). In this
context, sustainable management of these resources is a priority for the
authorities of the region and country. This is the overall objective of this
thesis.
The aim of this work is to model, understand and predict the
contribution of snowmelt to streamflow in the five sub-watersheds of the High
Atlas of Marrakech. To compensate the lack of in-situ data in the area, we have
adopted a methodological approach based on the combination of sparse
hydrometeorological in-situ data and information extracted from satellite
images. The later are used to provide the spatiotemporal fields of two
hydro-climatic parameters: snow cover area and air temperature. Snow maps are
produced using SPOT-VEGETATION and MODIS data. These maps have allowed us to
understand the spatial and temporal dynamics of snow cover in the High Atlas,
for each sub-watershed, depending on altitude and aspect. The thermal data
provided from Landsat ETM + sensor was used to develop a spatial model of air
temperature (MSPAT). The results at point scale (weather station) are
comparable with the lapse rate model, while at the watershed scale; simulations
of snow cover area are significantly improved using the temperature distributed
by MSPAT model.
In order to understand the accumulation and ablation process
of the snowpack in the study area, we tested an energy balance model
«ISBA-ES» in the Oukaimden station, located at the altitude of 3200m.
The results show that substantial water losses are due to sublimation (16 to
37%). We also used a simple degree day model with several formulations. At the
end of this work, we analyzed the contribution of remote sensing data for
hydrological modeling by the Snowmelt Runoff Model «SRM». The year
2005 was chosen for calibrating the SRM and the sensitivity studies of its
parameters. Model validation is performed on the other seasons between 2002 and
2005. In this period, the contribution of snowmelt to streamflow in the main
atlasique wadis is about 25%.
Key words: Snow hydrology,
remote sensing, modeling, snowpack, semi-arid, High Atlas.
TABLE DES MATIERES
Introduction
générale 10
Chapitre I
: Hydrologie spatiale 11
I.1Introduction
11
I.2Elément de la
télédétection spatiale 11
I.2.1Processus de la
télédétection 11
I.2.2Spectre
électromagnétique et réflectance 11
I.2.3Orbitographie 11
I.2.4Traitement des images
satellites 12
I.2.5Applications de la
télédétection en hydrologie 12
I.3L'Hydrologie et la
Modélisation 12
I.3.1Objet de l'hydrologie
12
I.3.2Modèles Hydrologiques
12
I.3.3Typologie des modèles
hydrologiques 13
I.3.4Critères
d'évaluation d'un modèle 13
I.3.5Modèles
utilisés dans ce travail 14
Chapitre II
: Présentation du bassin versant de Tensift et des données
utilisées 15
II.1Bassin versant de
Tensift 15
II.1.1Contexte
général 15
II.1.2Contexte Géologique
17
II.1.3Ressources hydriques
19
II.1.4Climat 19
II.2Sous bassins versants
atlasiques 23
II.2.1Caractéristiques
physiographiques 23
II.2.2Analyse Hydrologique
25
II.3Données
expérimentales 25
II.3.1Données
météorologiques 25
II.3.2Données nivales
25
II.3.3Données Hydrologiques
28
II.3.4Données satellitaires
28
Chapitre III :Analyse
de la dynamique spatio-temporelle du manteau neigeux dans les montagnes du Haut
Atlas de Marrakech à l'aide de la télédétection
31
III.1Introduction
31
III.2
Télédétection du manteau neigeux 31
III.2.1 Propriétés
optiques de la neige 31
III.2.2Données satellites
utilisées pour l'observation de l'enneigement 31
III.3Production des cartes
de surfaces enneigées 31
III.3.1Limitation des effets
géométriques 31
III.3.2Détection des nuages
31
III.3.3 Estimation des surfaces de
neige 32
III.4Analyse de la
variabilité spatiale et temporelle de l'enneigement
34
III.4.1Variabilité
interannuelle de l'enneigement sur le Haut Atlas 34
III.4.2Variabilité de
l'enneigement par bassin versant 36
III.4.3Caractéristiques de
l'enneigement selon l'altitude et l'exposition 36
III.4.4Relation entre
l'enneigement et les données hydro-climatiques 36
III.5Conclusion
37
Chapitre IV
:Spatialisation de la température de l'air dans les montagnes atlasique
à l'aide des données de l'infrarouge thermique
38
IV.1 Introduction
38
IV.2Techniques de
spatialisation de la température 38
IV.3 Méthodologie
38
IV.3.1Calcul de la
température de brillance 38
IV.3.2Dérivation de la
température de l'air 38
IV.3.3Analyse de la variation
spatiale de la température maximale de l'air 38
IV.3.4Modèle de
distribution spatiale de la température de l'air (MSPAT) 40
IV.4 Evaluation du
modèle MSPAT 40
IV.4.1A l'aide du réseau de
stations météorologiques 40
IV.4.2 A l'aide du modèle
de fonte et des surfaces enneigées observées par
télédétection 41
IV.5Conclusion
44
Chapitre V
: Modélisation de l'accumulation et de la fonte des neiges dans le
bassin versant de Rheraya 45
V.1Introduction
45
V.2Bilan d'énergie
et de masse du manteau neigeux 45
V.2.1Rayonnement net (Rnet)
45
V.2.2Flux turbulent 46
V.3Accumulation du manteau
neigeux 46
V.3.1Estimation de la
densité et l'équivalent en eau de la neige 46
V.3.2Reconstitution des
précipitations solides et liquides 47
V.4Modélisation de
la fonte des neiges 47
V.4.1Modèle de bilan
d'énergie 47
V.4.2Le modèle degré
jour 50
V.5Spatialisation de la
fonte à l'échelle du bassin versant de Rheraya
53
V.5.1Spatialisation des
données d'entrées et de la fonte 54
V.5.2Vérification du
modèle 54
V.6Conclusion
55
Chapitre VI
: Evaluation de l'apport de la fonte des neiges aux débits dans
principaux oueds du Haut Atlas de Marrakech 56
VI.1Présentation de
l'article (boudhar et al. 2009) 56
VI.2Introduction
56
VI.3Study area
56
VI.4Hydro-meteorological
data 56
VI.5Snow covers maps
57
VI.5.1From remote sensing data
57
VI.5.2From meteorological data
57
VI.5.3Comparison between simulated
and observed SCA on the days of satellite acquisition 57
VI.6Implementation and
calibration of SRM 60
VI.6.1Description of SRM
60
VI.6.2Sensitivity analysis and
parameters optimization 60
VI.6.3Analysis of model parameters
interdependence 60
VI.6.4Snowmelt contribution to
streamflow 61
VI.6.5Model validation
61
VI.7Conclusion
61
Conclusion et
Perspectives 63
Références
bibliographiques
64
ACRONYMES
