Apport des indices de sévérité et techniques de l’intelligence artificielle pour le suivi de la sécheresse météorologique en rapport avec la nappe phréatique superficielle : cas de la Plaine de Saïss (Nord du Maroc)

Abstract

Ces dernières décennies, une démographique galopante et un essor économique, particulièrement agricole et industriel, ont lieu dans la Plaine de Saïss (Nord du Maroc). Ceux-ci ont entraîné l’accroissement des besoins en eau d’une part et ont provoqué une menace en terme quantité et qualité des ressources en eaux d’autre part. Afin de mieux gérer une telle situation, la connaissance et la maitrise des facteurs climatiques et l’identification de la sensibilité des eaux souterraines vis à vis des variations climatiques s’avèrent un besoin primordial. Le choix du thème de recherche a été guidé par le souci de mettre en évidence la variabilité spatio-temporelle des extrêmes pluviométriques à différentes échelles de temps dans un cadre qui vise à mieux comprendre les effets et le fonctionnement du phénomène de la sécheresse météorologique et son lien avec les ressources hydrogéologiques dans la Plaine de Saïss. Pour ce faire, diverses données climatiques sur des périodes allant de 32 à 36 ans et des outils de mesure et méthodes (indices de sécheresse, tests de détection des ruptures, télédétection, Système d’Information Géographique (SIG), modélisation et prédiction par les techniques d’intelligence artificielles) ont été appliqués. Les divers traitements appliqués ont mis en évidence une variabilité pluviométrique caractérisée par une irrégularité et alternance des périodes humides, normales et sèches et un régime de précipitations caractérisé par des ruptures. La variabilité des paramètres climatiques a eu des conséquences néfastes sur le bilan hydrologique et a affecté la recharge souterraine en eau pendant les périodes de déficit pluviométrique. L’évaluation de la sécheresse par des indices de sévérité tels que CMI, SPI, RDI et WSVI a montré que ce phénomène est assez fréquent et récurrent au cours des dernières décennies dans la Plaine de Saïss et que l’Oscillation du Nord Atlantique (ONA) pourrait être derrière ce changement. L’utilisation des images satellitaires et les indices de télédétection tels que NDVI, NDWI et NDSI a mis en évidence une modification de l’occupation du sol marquée par une réduction des sols nus contre une extension importante des zones d’arboricultures et des espaces industrialisés. Cette augmentation de surfaces végétales évoque le problème de sécheresse et augmente la pression sur les ressources hydriques de la Plaine. En effet le suivi des niveaux piézométriques de la nappe phréatique superficielle de la Plaine de Saïss a manifesté l’effet négatif de la sécheresse. Les modèles de prédiction basée sur les modèles des réseaux de neurones artificiels (RNA ou ANN), le système d’inférence neuro-flou organisé en réseau adaptatif (ANFIS) et le support vecteurs machines (SVM) ont particulièrement montré leur performance et leur robustesse à simuler et prédire le phénomène de sécheresse et son interaction avec le niveau des eaux souterraines. En vue d’améliorer la recharge artificielle et la préservation des réserves de la nappe phréatique de la Plaine de Saïss, des sites convenables à l’emplacement des barrages souterrains ou lacs collinaires ont été proposés.