La méthode proposée, dite des doubles cumuls, consiste& porter sur un graphique les totaux annuels progressivement cumulés sur chacune des deux stations comparées. ‘On trace done un graphique avec des points cofstitués par les couples de cumuls progressift : é xt), 4 xii) pour variant den, dans ordre chronologique, nest la taille des 6chantillons concomitants de x(t) etx' (1 eee ‘On trace 1a droite joignant lorigine (0, 0) au point extrtme(S, x, >). Siles points se répar- TT thaque série peut tee considérée comme homogine tissent au hasard de part et d'autre de cette droi vrais de la moyenne. Si les points se répartissent d’un seul cOté c'est que,l'un au moins des échantillons présente une tendance de sa moyenne /x(i), si 'échantillon de référence x’(i) est sor) Sila courbe moyenne sjustée aux points présente une cassure nette on peut localiser en ce point une rupture d’homogénéité, Elle peut tre Satée, car on a pris soin de faire les cumuls progresifs en respectant la chronologie. Dans les deux cas, it faudra analyser les données x(i) plus en détail et choisir entre: ~ correction des valeurs oit 'on décéle une erreur précise et connue, découverte en compulsant les archives du producteur ou du fournisseur de données x/#); = correction “aveugle” d'une partie de Féchantillon pour fe rendre homogéne en ramenant par ‘exemple les valeurs sous-estimées aux autres si c'est dans le sens de Ia sécurité (eruet), ou inversement {apports) ; — abandon de tout ou partie des.x/1) 5 — extrapolation de la tendance (travaux de drainage ? déboisement ”) pour avoir une estimation de 1a correction qu'il conviendra d’apporter aux futurs résultats, ‘La figure 11.26 présente deux cas types. Leni (gate) E tid (oérle sire) homopénétéstsasante des x(0 par apport, tiropénieé_dee_2(0, pas rapport Jeur moyenne, ‘moyenne de part et @autre de ta Figure 1L26. ~ Graphiques de doubles-cumuls 6La Sure chaprés (fig 1127) monte un exemple de rupture dhomogénéité autour des années 1947 £1988, sal utune fisiode douteuse au début Gu fonctionnement dela sation, jusquen 1936 & 1937. Ii s'agit de pluies antuelles & la station d’Arreau testées par rapport aux débits annuels considérés comme sits, de la station du Pont d’Atte. Ce résultat est istu d'un programme de calcul automatique qui (Gils une rulanto des doublet cumule cars cumuls 4 pas Cabscte fixe. STATION DE Base. STATION TESTEE CQDE STATION 17019. ‘65031100 CODE GRANDEUR-UNITE 5 2 \ ANNE (#) ECARTS, ou REF CUMULES 1920-29 ~0536 . 1929-30 -16612 . 1930-31 -1.760 * 1931-32 -1.809 } période douteuse . 1932-33 -1-410 7 1933-34 11298 1934-35 =1.360 1935-36 “16254 1936-37 -1-083 4937-38 -1.237 1938-39 =16191 1939-40 -1.378 1940-41 -1.456 1961=42 =12563 1942-63 ~16744 943-44 verry x 1945-46, rupture. dhomogénéité ‘ 1950-82 1981-52 1952-83 1983-54 1984-55, 1955-56 1956-57 1957-58 1960-61 1961-62 1963-64 1968-65, 2 ec cesne e iee ree reee ee neeenere nee ene ier eee nee enna 1967-68 4-1 LAANNEE HYDROLOGIQUE COMMENCE AU IER OCTOBRE DE LA 1ERE ANNEE INDIQUEE EY Se TEAMINE AU 20 SEPT. OE CA 21EWE ANNEE INDIQUEE Figute 1.27. ~ Exemple de tracé automatique de courbes d'écarts cumulés11.4.1.4, Caleut d'une corréiation linéaire entre deux séries de données ot application & extension directs des paramétres d’un échantillon Cette méthode est surtout utilise ai les deux séries sont de longueurs (durées) différentes tout en ayant une partie commune (concomitante) suffisamment longue Soit X et ¥ les deux stations compartes, x(t) et y(t) leurs observations et convenons d'appeler X la station de longue durée dont I'abondante information (de taille n) devra venir compléter celle, plus courte, connue sur Y. (On étudle tout d’abord la corrélation existant entre les parties concomittantes de taille k des séries x et p. Les calculs sont commodes si une régression linéaire existe entre les deux séries de valeurs et signifi- atifs sila période commune est de taille > S pour une corrélation excellente (stations hydrométriques situées sur un méme bief) ; > 10 pour une corrélation moyenne (bassins pluviométriques proches, contigus, etc); > 15 pour une corrélation médiocre (bassins assez éloignés). ‘On établit d'abord un graphique y/x) permettant de se faire une idée de T'ntensité de Ia liison (fig. 1.28), Si le nuage de points est pei allongé, il n'y a rien a attendre de cette méthode, Si le nuage de points est trésallongé, avec dispersion faible (moins de quelques %) autour d'une courbe centrale, on peut ajuster cette derniére graphiquement et le probléme est résolu. Sile nuage de points est allongé, mais avec ne dispersion importante, il faut d'abord le rendre rectiligne, s'il ne 'est dé, avant de passer aux calculs. Ce caractére rectiligne peut s‘obtenic aisément n choisissant comme série longue des données statistique: ‘ment proches, c'estdire des débits maximums de méme définition. A défaut, il faudra prendre les log ou les V des y ou des x (ou des deux) et faire cous les calculs qui suivent avec ces données transformées ; ne tepasser aux valeurs normales que tout &la fin, ‘Chaque lacune surx ou y élimine l'ensemble du couple x(i), yi) correspondant. On calcule alors le coefficient de corrélation linéaire ,r,,, qui est donné par 1 Fe — yy fe wy = 2 = 20) = ys) 0 = 2) y) fay Eee Be by avec k= nombre de valeurs (couple) de échantillon concomitant des. et des y, i am, = moyenne dess = —=2 gar cet échantilon, y wm, = moyenne desy = 29 sree échantillon, Bei) — ym éeart type des x = peda! sur cet échantillon, a = why = dart type desy = Sen ent sur cet échantilion, wey — Be ey (1) Une formule commode pour covariance eit: cory) = ABH —Ee 6566 Sila valeur de 474, ost inférieure &0,9 enviton,ilest dangereux d'utiliser le caleul de reconstitution qui suit, car les valet calculées ont une variance sous estimée (1) qui risque de conduire @ des crues Exceptionnelles sous-estimées ou a des apports d'année faible surestimés, On ne I'utlisera donc que i les Voleurs reconstituées sont moins nombreuses que les observations auxquelles on les ajoutera ou si elles ‘contiennent des valeurs rares et done interessantes. Sila valeur de g7yy est supérieure & 0,9, on peut écrire 'équation de ression dey enx : WR) = My * Bay aad = my) ie ou encore Wa) =a tb avec: Z ay = aay wy be my — ego py AE ee On peut verifier que cette droite paste bien au milieu du nuage de points, en calculant deux ou trois fa) sora pesiode commune (ig. 1.285. Figure 1.28. — Exemple de cortéation linéaire, Utilisetion pour reconstituer des valeurs On peut alors ajouter aux k valeurs, les (n, — ) valeurs y(x) calculées correspondant aux valeurs supplémentaires de x présentes dans le’ série longue. Les problémes de précision de ces quantités feeonstituées ne sont pas abordés ici, non plus que ceux de leur valeur statistique (durée, variance). Il faudea veller 4 utilise avee prudence les valeurs y(x) lues sur une partie extrapolée de la courbe (c'est- dite pour des x trés extérieurs & Ja plage de variations des y), quoiqu'elles apportent une information intéressante (valeurs raes) Cette procédure est utile pour combler les lacunes éf seillée pour une extension proprement dite de la série des x. Il st préférable alors d’utiliser la procédure suivante, de Ia série observée des y, mais décon- ‘la période complémentaire observée sur les (1) Texiste des méthodes pour corrge ce bias (rostibution4'éearts), mals elles ne peuvent étreprésentéet icUtilisation directe pour estimation améliorée des poramétres d'une loi normale L’équation de régression précédente peut servir d estimer directement de nouveaux paramétres de la lof nonele des y, amélio’s par Vinformation plus abondente des x. 1! suit de Iappliquer aux pare miétres : Pour la moyenne, cela est simple wimy = ally * aly tx — eM) On voit que l'on a simplement remplacé x par sa moyenne “longue durée” ,m, sur l'échantillon total desx de durée 1. Pour l'écart-type, c'est plus complexe et on donne la formule suivante, formellement trés proche de Véquation de régression , 2 edt tad, had - ad we est infrieur a ,5,, on préférera garder cette ancienne valeur observée car effet de moyenne de la corrélation sous-estime'Ié nouvel éart-ype ys, Cependant, si échantillon de taille k état anorma- lement irrégulier (années exceptionnelles de fréquehice réelle trésinférieure & 1/%), le nouvel écart-type serait tout de méme a reteni sir, est assez grand (2). Liindice &’ est relatif & 1a taille “fictive” de T'échantillon composé des k valeurs observées de y ayxquelles on aurait ajouté les (11 — k) valeurs reconstituées par I'équation de régression. Statistiquement Hest inférieur a7 a cause de imperfection de la liaison (r < 1). Ce &’ peut étre calculé comme suit 4f,_& Det =) 7 Exemple dot, Kar done lapport des (30-7) = 23 années observées a la station X équivaut, statistiquement, a apport de 7 Fp “TO années obserées sles nouveaux parametres yim ety, de la fol nommale det) sont done aussi valables que ceux issus d'un échantillon de 17 valeurs observées, ‘ee qui diminuera sensibiement Verreur faite sur les résultats (erreur proportionnelle a 'inverse dela racine carrée de ta taille). 11.4.2, - ESTIMATION DE LA CRUE DE PROJET. La crue de projet est la crue maximale que l'ouvrage doit étre capable d’évacuer. Le passage de cette crue doit se faire sans causer a 'ouvrage de dommage qui pourrait avoir des conséquences graves pour aval En our le laminage dela rue par a etenve ne dot pas provoquer de submersion dommageabe & amont. Dans la suite de ce texte on considérera successivement : ~ le choix de la fréquence de fs crue de projet 5 = Ia détermination dela crue artivant ala retenue (crue ¢’entrée) ; = le passage de la crue d'entiée dla crue dans le réservoir, Pour facliter la consultation de ce document, le déroutement de l'étude des erues a été schématisé & 1a page suivante, Pour la bonne: compréhension des méthodes ci-aprés, la lecture du premier document référence (p. 117)est recommandée, (2) Disons pray > 0.98 pourk = 10 wfzy > 0:90 pourk = 20 6768 (1.4.2.1, = Fréquence de la crus de projet aire tes urges qu intrement Ie sécurité publique, i exibts de nombreux erage de tle moyenne ov petite, dont fa rupture éventuelle peut causer certains dommages a Isval. Dans ce cas, la fréquence de la crue a retenir pour la conception du projet pourra résulter d'une approche économique ingpirée de celles qui sont faites en matizre d'assurance. Une méthode permettant une telle approche ‘est décrite ckaprés, (On ne peut admettre qu'un barrage dont la rupture éventuelle présente des risques pour la sécurité guia pulse tre dtrult par wbmerion coneuive & une cr. En condquenc, un sel ovvage leva tre équipé d'un disposiif cepable pratiquement de le garantir contre tout risque de destruction par uune crue. A cet effet, les ouvrages doivent étre congus sur la base d'une crue hypothétique de fréquence au dépassement F, extrémement faible, en général de 'ordre de F, = 10-4.(1) estimation d'une telle crue ne peut étre faite de maniére rigoureuse. En effet, les données hydro- rmétriques dont on dispose ne permettent pas c’évaluer des crues de fréquence auss faible, Tout au plus eatil en général possible d'estimer des crues d'une fréquence de 'ordre de Fi = 10°? Pour déterminer les crues de fréquence plus faible dl est donc nécessaire de procéder & des extrapo- lutions pou leguellt on fat appl & ex données plviométriqut dont lt see daponible ont ge: ralement plus longues (§ 11.4.2.2.3), Figure 11.29. ~ Déroulement de étude des crue. Le probléme de lestimation de la crue pour laquelle le chantier doit tre protégé n'est pas abordé ic En tforie, lle ext justcable des memes procédé, y compris approche économique de fréquence A tetenir. En pratique, on convient souvent de protéger le chantier pour une fréquence fixée 2 priori (décennale pour un chantier important, par exemple). Dans les cas de trés courte durée de travaux con- centrés en saiton séche, on peut réduire les frais de protection en faisant une étude saisonnidre des ‘eves (voir § 11.42.22.), si les données nécessires existent. (1) Dans la site du texte on désignere par =F tequence au dépanement, ln fréquence avec laquelle une valour Aéerminge est ateinte ou Aépanée (Crit de inp Sant Fann) ial * fréquence de non dépassement, la fréquence avec nquelle la méme valur n'est pes atieinte. 4Feta Approche économique du chotx de la fréquence de la crue de projet On rappelle que ce cas ne concerme que les ouvrages ne menacant pas la sécurité publique. Nous supposerons pour simplifier et par souci de sécurité qu'un débit de crue Q supérieure a la crue de projet QPau droit du dévertor entrane le rune de Fousrage et éentullement des dégts en wal. Dans ces conditions, le choix de QP (st par conséquent de sa fréquence F,) peut résulter d'un calcul oi l'on rend minimal le cout actualisé de toutes les dépenses afférentes a Vouvrage (conts de construction, de réparation, de dommages, de réconstructions éventuelles, ..) Notons : D le coat de la digue seule (Francs), E lecodt de Pévacuateur de erues (Francs), R le cout des dommages en aval (dus & la seule ruine de 'ouvrage), a le taux d’actuslisation, F, Ia fréquence de dépassement de la crue de débit maximal QP. La dépenseinitiale est D + E. : row itan® taney # une probabiite F, pour qu'une enue supérieure 4 QP viene détmire Vouvrage. La dépense qui en résulte ext la somme du colt de reconstruction de 'ouvrage et des sommes versées pour les indemnités et dommages divers. Soit D+E+R Cette dépense aléatoire est & actualiser a année de référence. La dépense totale actualisée, qu'd faut rendre minimale, est done : % FD +E +R) cap+E+y 1 ae soit, pour une durée de vie assez longue de 'ouvrage capserhmresn D et E décroissent lorsque F, croit. L'expression cidessus présente donc un minimum que l'on peut déterminer en construisant point par point Is courbe C (F). (fig. 1.30). Liepplication de cette méthode & un certain nombre de projets a fait apparsitre que dans le cas sénéral los féquencesF etene sont tris fibles (osins de oF méme forsque des vies humaines ne sont pas en danger. La figure 1130 montre le résultat de I'application de la méthode préconisée & un cas concret dans equel D, et E représentent les valeurs de D et E obtenues au cours d'un avant projet sommaire,70 nen 14 By 16| | 10 Un eae concret : courbes paramétréee par In wlour doo dommages : R en 10 °F 12 09 ' on opt 0,001 104 10°5 108 F 1, {réquence au dépassement Figure 1.30, ~ Approche économique da chotx de fréquence de incre de projet ‘par consiruction graphique 1.4.2.2. — Estimation de la crue d’entrée dans la retenue Le probléme posé consiste a évaluer les débits t les volumes des crus au niveau du site studié, pour diftérenue Tréquences, Lee méthodes propotées claprés pour résoudre ce probléme sont Tes méthodes classiques basées sur l'étude statistique des crues ou des ‘lust et sur Putilstion de formules empiiques. "Au moment de la rédaction de ce document, une étude de synthése des observations hydrolo- siques faites sur un grand nombre de basins versantsfrangais exten cours. ‘Dans un premier temps, cette étude devra permettre une meileure application des méthodes estes ceapds gree une ‘meileure définition des paramétres utiiss. Il existe déja des syntheses régionales. Dans un stade ultérieur elle pourrait alléger les études hydrologiques grice a utilisation d'abaques cou de formules régionales diiment étalonnés pour différents types de bassins. La plupart des méthodes décrites cvaprés font I'bjet de programmes informatiques disponibles dans les services spécial 11A2.2.1. ~ Cas oles données existent en nombre suffisant ; les méshodes statistiques directs. Lorgu‘on dispose d'un nombre suffisant de données (n > 15 it 20) les mfthodes, statistiques directes permettent d'estimer les crues de fréquence au dépassement de ordre de 10°" 810°. ‘Les précautions & prendre pour constituer un échantilion de données valable et les méthodes d'jus- tement statistique sont indiquées ci-dessous. 1a) Recherche des données et vsites sur le terrain Peéasblement a Ftude hydrologgue proprement die, i conven de assembler le maximum @'informations relatives a 'écoulement des eaux. A cette fin on peut procéder comme suit ‘© Réunic les documents cartographiques concernant le bassin versant étudié (hydrographie, topo- ‘raphie, géologie, occupation des sols...) 4 oo© Rechercher les stations de jaugeage sur le cours d'eau étudié et sur les cours d’eau voisins et les données hydrométriques 4 Rassembler les. données pluviométriques et pluviographiques, mime pour des stations assez éloignées, si elles permettent d'avoir de longues séries de données. © Procéder a une visite sur le terrain. Cette visite est trés importante car, trés souvent, elle sera la seule source de renseignements hydrauliques tels que la capacité d'écoulement des cours d'eau, les niveaux atteints par les crues, les débouchés des ouvrages dart, et © Effectuerune enquéte su les plus fortes cries observées — interview des riverains sur le niveau des plus hautes eaux Hx ; cette enquéte peut étre effectuée en diverses sections et sur les deux rives pour éliminer les aberrations ou les ‘exagérations , — relevé topographique de sections de la riviére et de la pente moyenne du thalweg, et fecherche dune éventuelle section de contrle bien locllsge en aval, qui modifica la pente de la ligne d'eau I par rapport celle du fond ; iH — observation du fit pour en déduire les coefficients de ité K et application d'une for- mule d'écoulement type MANNING avec ces quatre données Hx, S, let K 5 — examen des plus gros galets charrés par le coure d'eau, cet examen permet c'spprocher grossigrement les plus hautes valeurs de tirant d'eau Hx qui se sont produites par le passé, ns ingpirant de la notion de force teatriceUiite © ecu a Hx = 08 = T Hx étant le tirant d'eau maximum, en métre 1) lepente dy thalweg a point consid, en % d “diamétre” des galets, en dm. 'b) Précautions di prendre visé-vis des données de enues Un grand nombre d'erreurs peuvent fausser tout ou partie des valeurs de débits maximaux fing- lement retenus, Certaines ont pu étre décelées statistiquement lors des tests d’homogenéité, des études de régressions ou de la recherche des “saisons”. Une liste des causes d'erreurs fréquentes en matiére de crues ‘est donnée ci-dessous : = lacune d'observation lors du débit Qx ; non signalée, elle conduit & la prise en compte d'une autre valeur 5 = pas de tarage Q (H) aux alentours de Qx : Ia valeur fourie correspond a une extrapolation cerronde du tarage ¢ ~ déplacement de station non signalé, sans modification de fa courbe de tarage et éventuellement Ge la surface du bassin versant ~ modification du tarage Q (H) non répercutée lors de ta traduction des hauteurs d’eau en débits ; ~ le débit Qx donné correspond au seul lit mineur ou principal, alors qu’en fortes crues ily a du bit dans d'autres bras ou sur une zone inondable , = Qx estimé par calcul hydraulique avec erreur sur la pente de Is ligne d'eau a cause d'un contréle aval en écoulement fluvial (fréquent) ou amont en écoulement torrentiel (rare); — le Ox provient d'une hauteur Hx enregistrée inférieure a celle de la rividre au moment du maxi- ‘mum ! bullae insuffisamment rapide d'un limnigraphe pneumatique, puits de limnigraphe trop dtanche ou buse d'amenée recouverte par un dépOt momentané de charriage, capacité d'ense- gisteement du limnigraphe dépassée, glissement de cable sur poulie d0 au batillge, etc, — dépassement des capacités du matériel de jaugeage utilisé pour les tarages Q(H) : heélice freinde ar transports solides sintroduisant dans les palier, compteur de tours ayant atteint sa vitesse limite (5 & 10 topais) ; — erreurs classiques de copie, de calcul, de dépouillement, ete ‘i une ou plusieurs données sont repérées comme douteuses, et si elles ne peuvent pas étre corrigées, il est possible de les éliminer : comme les méthodes présentées ici utilsent des données indépendantes cela ne pose pas de probléme. Il faut simplement veiler a ne pas oublier de réduire d'autant la taille de Téchantition initial et, dans les régressions ou doubles cummuls, ne travailler que sur des couples de valeurs qui se correspondent réellement (méme année ou méme mois et meme année). ¢) Constitution de l’échantilion des débits maximaux annuels Ox Cat une phase primordial, qui condition In qualité de toute lst, Ele rend des aspect tds divers selon état des données dont on dispose. n2 Si [on a suffisamment d'années d'observations (plus de 20 ens on pourra étudier sca RE a a ent ‘une definition stricte de ce maximum. ‘Les définitions lex plus courantes sont, dans ordre de fréquence d'utilisation : = {Je débitinstantané maximum, qui correspond done i la pointe de enue ; le débit journalier maximum } = Ie débit maximum fur un pas de temps de lord de grandeur du temps caractérstique du bassin ; les limites de ce pas de temps seront de préférence variables (et non civiles) pour pouvoir le centrer sur la pointe de crue ; — le débit moyen sur la durée d'une crue, ou, aux unités pris, le volume total d'une crue. Pour simplifier, nous désignerons par Qx l'une queleongue de ces variables de crue, en précisant parfols ptf notation lx q's agit un maximum insantené Jorgue clue et uit en méme temps ‘qu'un Qx défini sur un pas de temps plus long. Si done les données sini définies sont assez nombreuses, on testera encore homogénéité chrono- fogique de Téchantillon par lk méthode des doubles-curmuls exposée au § 1.4.1.3. avant d'aborder In distribution de fréquence exposée ci-dessous. han Pendants i nen et que armen sn et Yon ders on gna supmente ile de éhantion serve. La méthode ta plus courante consiste 4 utiliser les débits maximaux mensuels et a profiter de Véventuelle indépendance entre mois pour offer artficellement le nombre 4’années et donc la taille de Véchantillon. Cette méthode est exposée au § 11.4.2.2.2. ‘Une méthéde plus simple, mais moins adaptée aux crues, consiste 4 utiliser, comme pour les ‘une corréation avec une série de données voisines. La méthode de corrélation est exposée au ies Av et les y do ce paragraphe correspondent aux Qx de celuici. Comme les lois de distribution des its maximums ne sont quasiment jamais normals (1), les formules de ls fin de ce § II.4.1.4. sont peu tiles et il faut procéder & augmentation de la taille des Qx observés en reconstituant, valeur par valeur, des Qv(x), x étant la variable de secours observée depuis plus longtemps. Comme indiqué au § 1L.4.1.4., cette reconstitution nest pas sans défaut, surtout si le coefficient de corréation n’est pes trés voisin de 1. Autrement dit, la non-normalité de la loi des Qx exige souvent de passer par intermédiaire d'une trans- formation de variable (log, Vs etc.), sauf si les.x de secours sont statistiquement trés proches des Qx. “échantillon des Qx annuels ainsi complété est traité par les méthodes de ce § 11.4.2.2.1, comme Yagissait de valeurs observées. A prions, si les Qx observés ont été testés et éventuellement homogé- spar les doubles-cumuls (§ 11.4.1 3.), il n'y a pas lieu de refsire ce contréle sur Iéchantillon com- pi ane vent doget de ot demir Gelert tout implement une eur dans la corré- lation ou la reconstitution. 4d} Distribution des fréquences et adéquation de lol aux déblts maximaux Pour simplifier les notations, nous appellerons Q les débits maximaux concernés, m leur moyenne ¢t sVécarttype, ‘Méthode rapide graphique Léchantillon de taille n étant constitué, on calcule la moyenne des valeurs ten aw m= puis on constitue Iéchantillon ramen¢ a sa moyenne, c’est-dire ensemble des valeurs a= 28 ™ Ja moyenne des Q*(/) est donc, par construction, égale& 1, Nous pourrons ajuster i ce nouvel échantillon Jes lowe habituellement utilisées en hydrologie et qui auront été déterminées de telle sorte que leur moyenne théorique soit égale 4 1. Ces lois, & deux paramétres, ne dépendent alors plus que d'un seul paramétre qui est I’écart-type s (voir formule (1) § IL.4.1.1.1,). Elles seront représentées sur un méme diagramme, dit diagramme de Frechet, qui porte en sbscisse Jog Q* et en ordonnée ~ Log (— Log F), F étant la probabilité au non-dépatsement du débit Q* (appelée fonction de distribution en statistique) (2) Par contre les log Qx ou les OF sont parfos distribués normalement, i (hoonPréalablement, il faudra done représenter I'échantillon des Q*(i) sur un diagramme de mémes type et dimensions. Pour ce faire, on range les m valeurs retenues dans Vordre croissant, et l'on affecte 4 aque valeur une fréquence expérimentale de non dépassement F égale au report de ton rang r divisé par (a + 1) ;la valeur a plus faible a un rangr = 1, la plus forte aun rangr =n! +) ntt On notera que la fréquence de dépassement F, se déduit de cette fréquence de non-dépassement F par la relation : FO F/=1-F Par exemple a la fréquence F = 0,9 correspond la fréquence au dépassement F, décennale (1 année sur 10), si I’échantillon des valeurs comprend une valeur par année. Les couples (Q%(/), F(A) pourront étre reportés sur un calque, et ce’calque sera superposé succes- sivement sur les graphiques des lois & ajuster (voir ci-aprés), ‘On retiendra alors le faisceau de courbes qui s'ajustera le mieux a I’échantillon. On controlera la qualité de cet ajustement par le test d’adéquation proposé plus loin, On pourra lire, pour les quantiles choisis (décennal, centennal), les valeurs de Q* sur la courbe retenze (éventuellement intermédiaire) et ‘on en déduira les valeurs, G > m . QF Les représentations graphiques sur diagramme de Fréchet figurent ei-aprés pour les lois suivantes Joi normale (Fig, 11.31), Joi des fuites (Fig, 12.32), ) 0,1 appelée {oi exponentielle (Fig 1:33), oi de Girmbel (Fig, 1134), Ii de Pearson Ill (Fig 11.35), {01 log normale (Fig. 11 36), \ {oi de Pearson V (Fig. 11.37), loi de Fréchet (Fig. 11.38). Remarque : Il n'est pas indispensable de remplacer Péchantillon des Q(0) par celui des Q*(/). I suffit de calculer la moyenne m. En effet, l’échelle des Q étant logarithmique, on a Jog Q*(7) = log Q(0) — logm et log m = c™ pour I’échantillon donné. 1 suffirait done de faire fe graphique (Q(0, F()) sur le méme calque cité, de le superposer au réseau de courbes de lois a ajuster, de maniére a ce que I'abscisse de la moyenne m se confonde avec Q* = 1,et de lire tes résultats directement én Q sur le calque portant l’échantilion observé. Je paramétre est l'écart type théor de Q* c'est. flee le coeticent de vanation Cy de Q 01 40 0", ulague :C, = sglmy = sg¢/t 3ors. orz, 1 d 1 1 SSSAVD 2p 2yection yor ef ap anbeudesS uonenuzAdoy — LEH 2B svt ore = ero bt0 gto SO 70 pice i “GONELHEA op HuaIsT|TAbD A] WOTAS FOqANOD, s$nvo yee guEled 1 ey a eVvIEWn , oy > SLINGS 3 a (3 ben ore. ore or 14ont gro k'0 9°09 ji moo sop sBenoUIEIEpete eigye oie cts tf Zn HH | Nee EE fete He eee tet rele s STaVIEVA 3 < i n Hh il} Het1 Ls SLINGSe STEVTEVN 2 2 L apres NOS) om ‘Tabey-VeTs g oil aFE eR OR eee eee? qeusou oy fore 9p snbaydess wonmucspidog — -9¢ 11 093 avIBvn 3 a hi ron = slinase 37 Les hi (26097) 3ONID NOSAVd 2P 01 9p solnyded wonUsEdDY — “LETT NBL os oy oe __o st ov ato tro 0 sto 80 ea ’ ; Z 2 oa Pp — “fore CAA IC im Ki ef - 2 im osz} {5 e “qa ore a 1 00s | i in Te on ° ose] qe 13 7 os 006"| OSE] oe Gane er op wei 903 oy YoTSE SafaNEs Sap] SFT IDME Tale oW19|nostivaa E on 80“LAHo 1 9p OL ap enters woneuaszidoy — “gem Ry 8h oe st oe sro ito sto sto oto e : WT f LK KK ESE |B Uf oe | go COT thn ta osz| 13 5 oo a r vos J, i a on 4 i ose) ore ap nisnpoa BT UPTAE SNOT Fp PRETIMETE LSHpaes oryLisbaque de i fig 1.39 repréente le report, sur une échelle de GUMBEL identique & celle utlisée pea, disgammer ep de Ia loi, des fréquences empiriques 7/(n + 1), m étant Ia taille de ‘échantilion et rle rang de chaque élément dans un classement croissant. Il faut noter que cet abaque n'est a utiliser qu’avec un yue de Gumbel ou de Fréchet, dont échelle des F, ot donc desu, ext strictement identique celle indiquée. Lt dhorammne vee de Ia fig. 11.40 est conforme a ceux utilisés pour les lois et peut donc servir deJ o 10 2 ‘ 14 1 16 ' 18 ' 20 1 22 Popavrriray 1 1 1 24 reper 1 ‘ 1 26 tor neqersepie 1 1 1 28 Porrcgteeepreipererp re eae et 1 30 Pecqueypioytipieenpe rey eka ‘ 32 Cor rarteproiiecgeerep eg aa a a nt 1 34 Fora cprepopcigerrep eter gk et 1 36 Cob rtrirapumicagirepe rit ke 1 38 Peeper at t 1 1 49 Poe spietnegiiprocirey et 1 1 1 42 Por er iu pnninpyeeee ep a 1 1 4 COC Cepreniayiapiitceeeeee pt trons 5 Poo rep iispniginpinncpceeeep ria tn ot 408 . Lore eperiqmigeigegeeee per te nt 50g Pee peedpunpayin precip er ek eka 52 PP CEP rafapanynp peepee pk kt 54 PCC picutanqagiainaatpeece pr tek nt 56 fe Ce peteepeetiriiapsiqianl repuoa 4 58 1 a ‘ "8 ‘ bape try ron 4 3 orp rpeen ee ag eo a , 45 borer pense ee ga eo 1 7 borererattgern ng roa ‘ 8 rove geere hort L 2 boereeries ICLP eEEEE HE 1 23 porrapenie 1 mot ' 25 reper no 1 1 27 Por cegersepiicgics oppor ‘ 29 Porvcgeereqecgigitrep eee eee 1 a Pre peeespueeeegeenep er ten 1 33 PoP dr peepuuiicgeeerp ret pe et 1 35 For ecyerecpiiquniepecerp eet ae kk a 1 37 PC crporypenpnyocercep ina bon kd 1 30 bo tein TT) ' 4 Pore prgoinpitpeciene ep ere 1 43 Prep eerqiicginpiadperree cepa ee nt ' 45 Por epompinmapidyaiperenp ht tk et 47 Pedr eipuainpignipieier ep ete br kn 49 For regrenpugunpagaan percep ee po st Force pecufopipiagayiaipececenpe eee pk 33 Corer pepaaghaanodporciieepe etc a tet 35 Pop ee peeupecquupiapinipuayrereeeep ek eb kkk 57 Figure 1.39. ~ Abaque poutle report ds fréquences empiiques sur ne delle de GUMBEL 83713 3 e ce 8 ° 2 = PPE Eee eee ee ea 3 3 fF 2 + f 3 “ Hl | iS “ 3 : A : é iS in i ey aval 1 ese: Tee Secet L tel (3607-) 6eq= ? SLINGSE STEVIEVA 3 3 i | 3 - _ + a a ? 3 1 NLBcDiagranme virge,dentique 4 cour vtlsés pour Us rapréaantation de tos devant servir do modhle ‘pow calgue du Ton reportera léchantilion & studier. Figuee IL40. ~ Dagrmme de FRECHET ~RE Ree eee eee Eee 1 (220g) suouipdgu sounpetoy $07 (01 20q) xneurogp saurquse90]: a-t=4 O42 WwHd s-m=°D 1 mn A= t= "43008) goby ganpe aod sor areal tao en ay A igonpniedor, ngunpary | opus — | ajponnovodeg 2 =d 0° 4In- 9? =O Tssy'o — tw =O an a : som ee sepa (ie7-)8o1-="9|_e(P0- 9D) =" sci/'s= . ano a aeeaeeee an pawn | anbnganpy | eaumo quan a = nD ® [aor e-=a| _ CO-O=" scene ; 7% * gyre) den tngng 1 =O. (9 Ho] adfv-eag = 's 03 98807 ” ay ae arse ora gear ata sn ‘abrupt ‘opseneD, ‘yeusou “807 (ym meena) een o. s the ete aaa, | su oy=n reo Herero eee eenen boca = - - weg | antneumy | sn | Ciianptr ®, w @) © ) © @ © spate oy | (RIDA (oR O)”" (a)soqmopso | (0) seesosqe 9} es ‘DOTY ‘SUINpDS qEEA, sanguresed ‘9p OPA ‘9p PA ‘WON a3 2 2p any souaiggid ap somgon ¥ aunuesep “Tableau 1.41, — Formules d'edéquation es ois statistiques,TABLE DE LA FONCTION INTEGRALE DE LA LOI DE LAPLACE-GAUSS SRQCRSRRG SAURQSERGE STRRSRIAES J Iee i 5 QGSGERRESE SeasasRash P\gea|e e Saggsscses Scasessess a8 f « 2 SSASRA59 aeaseaaeee Snexgenese fede. s g 3 RGSZESKSSS AESSRIGESE SRRAAGAR elge g g 3 TogsSesss Sodddasesd Ssacsosses » | TBE z @ 3 a | SegeBSaEBe SeReRARSAR Fes=aRGRTS e|./ee bg 3 é | SSSSRSREE SSRSRREESE SSeSEEE! gl2lesg|i a - ssseesssda Sccseseces Jeeccecces 2 ie = 5 g | SSQRSRRHEN FRESECRSRS Rcoes ay. ]ae , oF £ .!' | 3 | S88gbeekss Bsacksases Sy |ae3 2 3g sy Séssedsdos. 3288335333 $3585855 4 Leese i 3B 23 PU eeeceerereereer tae ae i # g © | | S8QSSSSkSS GEZRRALASE SRRRARRREE e|°lea2)% # 5 Segsseccss Sccscssses Sascccoace & : g 8 & SSSSSanAa BEORSARESS SSPRSLSRER 8 «lee 2 # 3 | SREGEREEAE GCESRAGAGE SQRERERERE s|clasa) a # BeS8S8SSss S28S8S32S3 332SsSSSss g peo! Bo. iS 3 a eeageecon RESSSRILAR Peete 2 aj2ee 3 #3 & | RRRSSSRERS ZESSARSESR SSSRRLASES z e283) 235 32 g sedssssss Sesssessss. Ssésscscca ES z 22 * [| SRSGRSRRSA FEERRERAGH BBATATSE! 'fa)223 | $38 73 3 | SFRSSSAERR BSSBNREGSE ERSERAARTS a BSS) ge os SES8S8s558 SSS3S8SSS3_ 33e3ss33ss_ Ttatt | fn 22 s CSRSRSLSA KASRLIAHLA KHYRSRSTAS 3 3,222 35 as Somcasacre Qzee ReSAANere oa g BS ae 2 a BRBGASRESRS ZSSFRASSER KSSRRRASTS é BR | oa, 2 sedeccscse Ssddecsses Sosccccces TTT Seth BeRaUeTEE TEGRAARGER RTERRATG IM 3/223) 3833 AGE SSERRRS SESRSERRER ESRRRRSRAS Baa | gale gegSSSsese 3383388323 38333S3sss age » | SSSSBS5gg Qaaeeeensa gaggsaenss fuer tilteaaTest d'adéquation d'une lot En principe la représentation graphique de la loi F(Q) et de la distribution empirique (Q, F) des dé- bits maximaux eat trés suffisante pour juger de 'adéquation dela loi adoptée. Cependant, i est utile de pouvoir quantifier tant bien que mal I'appréciation subjective tire du raphigea On pout pout els uier ie tet de Kolmogorov (un échantiio). ; I consiste & compares, avec un tablean de valeurs seuils,'écart maximal entre a probabilité de non dépassement empirique (1° échantillon) et fa valeur calculée par la Joi (2° échantillon) ; cet écart est visualisé sur la Fig. 1143. = en trait plein: oi ajustée F (Q) = en pointillé : loi de distribution empi- rique définie par k PQs avec k = nombre d'observations qui ne sont pas plus grandes que Q. fax (F - FL Figure 1143. ~ Adéquation graphique rune tot FQ) Liécart maximal AF, est done & comparer au chiffre correspondant & la taille de Véchantilon ; le talons 1.48 esl podr un nnen de infiation de 20 %, niveau relativement sévére qui vient de ce qu'on compare 'échantillon observé & une loi dont les paramétres sont issus de cet échantillon. ‘Tableau IL44, - Test do KOLMOGOROV écart maximum | Taille Ecart maxi Taille Ecart maxi SEO Q ass - 1 S rune 13 0.284 fale de, 4 0.274 Péchantillon 5 0.446 15 0.266 a supérieure 6 0.410 16 0.258 420,le 7 0381 7 0.250 seuil est 8 0358 18 0.244 voisin de 9 0339 » 0.237 neal 10 0322 20 0.231 pL van Si lécart AF, est supérieur au chiffre indiqué par le tableau précédent, on aura tout lieu de consi- ‘érer que la loi s'adapte mal a 'échantillon étudié. eR,Précautions & prendre Extrapolations Selon la qualité de I'adéquation, et plus particufiérement selon I'sdéquation des plus fortes valeurs €& proche de 1), one autorera & une pls ov moins fort extrapolation de a eourbe F(Q). Le quantile centennal (F = 0,99) lu sur fa courbe F (Q) ou caleulé, ne sera utilisé que si I'adéquation des plus fortes valeurs est bonne, c'est-dire sila tendance des 3 a 5 derniers points (Q(0), F(D) est parallele ou conver- gente aver celle de 'gustement. L'estimation du quantile milennal (F = 0999) est dan tous les cas Lol de Fréchet On notera également que Ia loi de Fréchet ne devrait pas, en principe et sauf cas particulier, étre extrapolée au-dela des points observés. Cette Joi conduit en effet rapidement & des valeurs surestimées et ne devrait servirqu's des austements “de séeurte” sur des échantlons hétérogines, mas sans exta- polations. Point isle : Lonque éehantillon des Q content une valeur exceptionnelle dont ta fréquence au non dépasse, ‘ment est trés supérieure a expérimentale (crue & peu prés centennale observée dans un échantillon de 10 ‘ou 20 ans, par exemple, il est normal qu'elle ne s'gjuste pas bien et il n'y a pas liew d’entirer& tort des conclusions d'inadéquation de telle ou telle lo. {1 vaut mieux laisser ce point dans ’échantillon par souci dde sécurité. II faudra cependant vérifier qu'il ne s'agit pas d'une erreur (cf. § IL4.2.2.1 b) et conforter Thypothése “exceptionnelle” par une enquéte régionale (dégats, stations voisines, etc). Intervalle de confiance Cette n ‘n'a pas été introduite dans les méthodes décrites précédemment pour simplifier. II faut nndanmoins savoir que tous les résultats issus de ces méthodes, que ce soient des débits ou des fréquences, sont eux-mémes soumis 4 une loi de distribution, dite d°échantillonnage. Une estimation trés grossiére de l'incertitude peut étre obtenue en encadrant les courbes F(Q) ou y(x) par des courbes plus ou moins paralleles (légerement divergentes aux extrémités pour les F(Q)), qui incluent a %6 des points observés (Q, F) ow (y, x). Les valeurs, lug it ces courbes, qui encadrent le résultat F, Qy ou y(x) concerné, sont une premiére approximation de l'intervalle de confiance a a % de ce vésult ‘est-d-dire qu'il y a seule- ment (100 ~ a) % de chances que le vrai résultat soit en dehors de cet intervalle. 1.4.2.2.2. Cas oi les données sont insuffisantes LLorque les données relatives aux crues surventies au site étudié sont insuffisantes, on pourre étendre information en utilisant d'autres données disponibles. On pourra utiliser pour cela ta méthode d’extension par corréation linéaire exposée au § IL cou la méthode proposée ci-aprés au §a. Souvent, il sera nécessaire de transférer au site considéré les résultats d'une étude fate sur une sta tion voisine au (§ 6). 4 4a) Extension d'un échantillon de débits maximaux annucls insuffisant par utilisation de débits maximaucx ‘mensuels Principe de la méthode Lorsqu'on parle de débits maximaux mensuels, il faut distinguer les différents mois calendaites. La disteibution de fréquence des échantillons de débits maximaux mensuels pourra étre étudiée de maniére analogue & celle de I'échantillon des débits maximaux annuels (voir § I14.2.2.1.). Cependant, lorsqu'i s'agit d’en déduire une fréquence ou une durée de retour en années pour un maximum annuel, i faudra établir la loi de passage des valeurs mensuelles aux valeurs annuelles. Notons Qx les débits maximaux annuels. ye 18 débits maximaux du mois n° Les notions suivantes devront étre bien comprises pour pouvoir envisager Tutilisation de cette méthode Prob {Qx a 5 ou 6. ‘Dans ces conditions, i ext & peu prés inutile de découper l'année en plus de deux ou trois saisons. Application ‘Avec les notations utilisées au § 11.4.2.2.1., les relations précédentes s'appliquent en remplacant Jes Prob {Qx MA2222 = produit des fréquences F, des maximums suisonniers pour obtenir la fréquence F des ‘maximums annuels we On conseille d’étudier les lois de F, moddle fig. 1 45).Cela conduit en effet a des droites et le passage de F, sevsetersesetnsenetteccnteetoosenes W422.28 Ja loi de GUMBEL sur du papier de GUMBEL (voir sara By ABIDE estoy aut une trantlation de Aur = — Log p le long de I'axe des fréquences. le prod des deux ov usieurs lois F,(x) pour aboutir 4 ls Joi annuelle F(x) rompt la linéarité. Il faut vérifler que cette courbe FG) ext esymptotique ala plus severe des droites F(x) pour ls fortes valeurs de x (On trouvera des précisions sur cette méthode dans Jes références (p. 117). Text d homogénéité de deux échansitons I convient de vérifier que les n valeurs Q, d'un échantillon (par exemple d'un mois) et les m valeurs Q d'un ‘autre échantillon (par exemple d'un autre mois qu'on suppose appartenant a la méme saison) ‘sont homogdnes, c'est-i-dire appartiennent a la méme population. Si oui, et si les deux échantillons ‘sont indépendants, on pourra les mélanger. Le test du nombre de suites est utilisable pour tester cette homogénéité. On procéde comme suit: = on distingue les deux échantillons, par exemple en écrivant leurs valeurs de deux couleurs Gifférentes : les chiffres relatifs au premier échantillon seront en rouge, et ceux correspondant au deuxiéme échantilon en bleu ; = on mélange alors l'ensemble des deux échantillons et on les classe par valeurs croisantes. On ‘appellera suite, une succession de chiffre(s) de méme couleur. On calculera le nombre de suites ; fer admettant un seuil compris entre 5 et 20 %, ce nombre doit étre supérieur a celui figurant dans le tableau II.46 ci-aprés pour que hypothése d’homogénéité ne soit pas rejeter.0 fl 3 e so Lao wo fF 3.0 cea es ao b a gt st Lase $$} 1 140 [S00 0.0 2 a q on 10% wy +— a a St heac tr tee ere rr eer rrr eH rrr ee eeSee eee Ee eeeeee © < w2.07f bod Variable hydrologique en échelle arithmétique Figuré 14S. ~ Diagramme de GUMBEL a* 10 o|Sseo| es WW =s/[Se on] om 2 13 2 14 14 3 14 15 13 15 4 15 14 16 1s 16 1s 0 20 16 7 Sim = n, cette expression devient Causation du tes 2 echantilons, ‘Le tableau indique le nombre de suites & dépasser pour accepter Nhypothése d'homogénéité avec un risque d'erreur de 5 4 20% met n : tales des deux échantillons comparés. Sim et n sont plus grands que 9, on pourra prendre comme valeur seul (taux de 10°) 1 de chitlver objectvement la viaemblance de Vhomonéneité de est ule t plus prec, bien que mains object do reporter sur un graphique de probabilte sn fanetion des fagquerices emplrigues et de Les Compare1) Transfert du débit estimé pour une station voisine, au site considéré ts auront pu étre étudigs n'est pas & emplacement exact de 'amé- En général, la station od les dé! agement (barrage) proj Un cas particulier fréquent est celui od les débits recherchés sont afférents a un point situé sur le iméme cours d'eau, mais & quelque distance de Ia station qui a permis étude statistique. Dans autres cas, les stations observées doivent &tre choisies sur des cours d'eau ou bessins les plus semblables possible & celui étudié, sous peine de non représentativité. Indigons par “A” les valeurs relatives & fa station étudiée et par “B” les valeurs relatives & 'empla- cement du barrage. Les méthodes statistiques ont perinis de caleuler le débit Q4. On a souvent tendance a dvaluer le débit Qp a partir de estimation de Qy en tenant compte uni- quement de influence respective des surfaces § des bassins versants au moyen d'une relation de la forme Cela revient & négliger les autres facteurs qui contribuent au comportement hydrologique de chacun des bassins (pluie, géologie, topographie etc...) en supposant ces facteurs identiques pour les deux bassins considérés, ce qui n'est souvent pas vai Ut est préffrable d'évaluer par l'une des méthodes sommaices décrites plus loin (§ 11-4.2.2.4,) les valeurs Ok et Oy des debits en A et en B, puis de transférer en Bla valeur Q, estimée par les méthodes statistiques parla relation : W Dans les cas oi les bassins contrOlés par A et B sont réetlement trés proches et semblables, il sora parfois posible 'estimer que les debits spéciiques sont égaux Dans tous les cus il est pratiquement impossible, en I'absenice de mesures de débits locales, de déceler des problémes de pertes exceptionnelles ou de résurgence du cours d'eau au droit ov en amont du site de barrage Pour ce qui est de la forme de I'hydrogramme, en absence de formes connues au site du barrage, on oy = Sa, peut réaliser une affinité de méme rapport ae Uhydrogramme déterming a la station étudiée A. Il est néanmoins vivement conseillé de procéder, chaque fois que possible & des mesures (limni- ‘grammes). méme en petit nombre, au site du barrage By en vue de recueillir un minimum informations Qui permettra de comparer les formes des crues respectives en A et en B et de reconstituer des hydro- grammes en B & partir de cette comparaison. M4.2.2.3, ~ Extrapolation de estimation des crues pour des fréquences trés faibles, Les, méthodes statistiques précédentes penmettent d'évaluer des crues de fréquence de T'ordre 10° suivant importance de Iéchantillon des données disponibles. fen fait dans ta plupart des cas, les projets de barrage doivent étre congus pour supporter sans dommage des crue conetpondant & det fequences de Torde de, 10 > a 100° (8 M420, est donc nécessaire d'extrapoler la distribution des tréquences qui a fait objet des études statistiques. Pour cela on fait intervenic la connaissance des pluies qui est en général bien meilleure que celle des ‘rues, étant donné Ia plus grande longueur des séries de pluies observées, la densité des stations pluviomé triques et les faciltés relatives «interpolation régionale en ce qui concerme le caracté tiques de la pluie. Outre extrapolation vers des fréquences faibles des valeurs de crue, I'étude des pluies permet egalement une évaluation des crues par l'intermédiaire d'une fonction représentant le passage de lu pluie au débit (§ U.4.2.2.4.) de 10 93i 94 o) Enude des pluies donne intt se plies porte exentilment sur Fintensité moyenne des pluies d'un pas de temps jonné. Influence de ta durée de la pluie sur son intensité (On utilise en général la formulation de MONTANA : 1 en mm/h ten heures et b dépendant de la fréquence de la pluie. Quelques valeurs de a et b figurent dans le tableau I! 47 ciaprés pour une fréquence décennale et pour des durées inférieures & 24 heures. Pour les pluies de 24 heures, on peut utiliser les nombreuses données de pluies journaliéres des postes météorologiques » les résullas seront cependant a multiplier par 1,15 pour tenir compte des limites Ge temps arbitraies (6 h TU) de ces pluies journaliéres. ‘Nombre de jours/an 08 : ste Pluie annueile Station étudiée | Dép' 5 | moyenne tenn): | i ie ate mm ‘obeville eo [27 | .72 780 179 ‘Agen 47 \ 39) 74 720 139 Alengon 6 | 27 | 72 720 165 ‘Auxerre a9 | 28) 75 660 159 Bastia 20 | 61 | 62 740 a1 Beaulieu 19 | 33 | 54 1070 170 Biarritz 64 | 44 | SI 1460 17 Bretigny a | 22 | 76 540 156 Cazaux 33 | 28 | 72 930 137 CChalles les eaux 73 | 34 | 73 1080 144 L Chartres 2 | 3) 2 $80 149 Gourdon dM | 35 | 37 830 157 Lille 39 | 32 | 84 670 a7 Limoges a7 | 28| 61 950 165 Marignane 13 | 33 | 61 550 76 ‘Le Mans 2 | 26| 69 670 a7 Metz si | 24 | 74 680 139 Mont-de-Marsan 4 | 31| 76 340 160 Pau 64 | 30 [77 1130 166 Poitiers 86 | 36 | 7 680 155 Reims si | 26| 80 600 165 Rostrenen 22 | 20| 66 1010 191 St Quentin 2 | 26| 72 690 164 Salon 13 | 80} 87 600 67 Toulouse 31 | 37 | -76 660 138 ‘Tableau TL47, ~ Quelques valears des coefficients de la formate de MONTANA La formule ne dot die tlie avec es valeurs susmentionnées que pour l'intervalle de temps enheures (5, 12), Les résultats ne sont corrects qu’ 20°% prés environ.Influence de ta frequence sur Vintensité de la pluie. Le gradex Les pluies considérées pour les études de crues sont 1es pluie les plus fortes qui sont susceptibles avoir engendré les crues maximales. Leur étude portera essentiellement sur les intensités moyennes. L'chantillon constitué de ces valeurs des pluies les plus fortes extraites de ensemble des données, pluviométriques constitue 'échantillon des valeurs extrémes des pluies. Cet échantillon peut étre constitué de deux manidres. Le plus souvent on considére I’échantillon des n valeurs meximales observées chaque année sur la étiode des n années, Ces valeurs suivent en général une loi de distribution statistique de GUMBEL C5021 ng 148, On choisit quelques fois 'échantillon des m plus grandes pluies observées pendant la période des n années, quelque soit leur répartition dans cette période. La loi exponentille (§ I1.4.2.2.1) s'adapte- bien a ces valeurs. Quelque soit la définition choisie, la loi de GUMBEL étant asymptotique ala loi exponentielle pour les fréquences rares (F, <_0,05 ou 1/30) les résultats sont équivalents pour les valeurs élevées. On peut donc admettre que la loi de probablité des luis maximales présente un crates atymptovgut expo" nentiel et que, réciproquement, la loi des plus grandes pluies tend a devenir rectiligne pour les valeurs levées dans un graphique du Gumbel. Si on se reporte aux équations du tableau IIL41 on motera qu’on peut écrire, pour un ajustement & GUMBEL, P=P,40g.u (Peta sont enmm de pluie) be coefficient ay est appelégradex (selon GUMBEL), et a pene de a droite Pu) dans (sole ment dans) un graphique de GUMBEL, Pour un ajustement a la loi exponentielle il y 8 un coefficient analogue aj, qu'il ne faut pas con- fondre avec le gradex au sens de GUMBEL. Ce demier peut toutefois s'estimer sur une distribution expo- nentielle de la maniére suivante : on lit deux quantiles aussi rares et éloignés que possible, soit Pl et P2, (auxquels correspondent Fl et F2 et done Fy! et F,2) qu'on entre dans une relation ce type GUMBEL. PL = Py raul P2 = Py + hy 4 u) etu2 . variables réduites de GUMBEL. : 4, 1 estimation du grades (GUMBEL) a partir une lo exponentille PL P2 ou = En choisissamt deux quantiles correspondant a deux périodes de retour dont le rapport est de 10 (décennal et centennal, par exemple), la formule devient : 1» PU /I0) — MEY) a = = parce que TI = 772 = 5 et que Log F= Log( ~F,) équvautF, a Fest pei, 1 2 devrait étre proche du gradex agcbtenu par un ajustement de GUMBEL aux Gi nécessaire on prend la moyenne ou, mieux, Cette estimation pluies maximales annuelles issues de 1a'méme population. Ta valeur correspondant au meilleur ajustement 9596 Usveriable réduite de GUMBEL T {— Flr: probabilité de non dépassement mae Pluies P oe > Figure 1.48. ~ Exemple d'ajustement ala ll de GUMBEL,Le gradex varie en fonction de la durée de la pluie. Pour I'étude des crues, il convient donc de le determiner pour des pluies dont Ia durée est voisine du temps caractéristique du bassin (§ b ciaprés). Le gradex varie souvent trés sensiblement en fonction de la saison. Le gradex des pluies d'automne peut étre ainsi considérablement supérieur au gradex des pluies d’hiver. Si l'on sintéresse uniquement au gradex des pluies d’hiver, il faut donc en faire la recherche directe, Le grade ext rs variable Jocatement. Il ne fat pas extraoler des valeurs abtenusenpline pour des zones de changement de relief ou pour des zones montagneuses. Pour donner un ordre de grandeur de Ia variabilité, nous noterons que le gradex des pluies Joumalitres varie de 7mm & 40 mm dans les Alpes frangaises, avec souvent des variations importantes sur de faibles distances, Pour faciliter la critique des valeurs obtenues directement dans chaque cas, les courbes de gradex Pour quelques stations qui pourront étre considérées comme représentatives de la petite unité géogra- phique dans laquelle elles se trouvent, sont données ci-apres (fig. 11:49) Figure 149. ~ Quelques valeurs réglonales du gradex des plies En général, les intensités des pluies de diverses durées ne sont pas connues sur le lieu d'utilisation. Si les pluies journaliges y sont connues, leur étude permet la comy avec lea valeurs en 24 four- ‘les par I'extrapolation des courbes de Montana du poste étudié le plus proche. En Pabsence de pluics joumalitres, on comparera simplement les pluies annuelles moyennes et le nombre de jours de pluies. Ces comparaisons donneror-t une estimation, acceptable dans le premier cas, médiocre dans le deuxiéme, du facteur correctif & appliquer aux courbes de Montana pour les adapter aux lieux d'utilisation, ”98 Influence de ta surface sur Vintensité de la pluie ‘La Joi de In pluie locale ayant été établie, il s’agit d’en déduire une pluie moyenne sur une surface donnée: Cette plule moyenne Fobtient par multiplication dels hauteur de pul locale par un oetTicent K appelé ent d'abattement (K est en principe inférieur a 1, saut ‘tres faibles). ‘On a constaté que K variait principalement avec : Ja superficie ; In durée de la pluie : = In fréquence de la pluie. Des études ont été mendes pour différentes fréquences sur bassin expérimental. Pour faite le lien avec c'autres résultats figurant dans la littérature hydrologique, on peut proposer I'expression suivante = 1 8.107? $999 sos (F,)* ke ob: S$ esten km? 1 enheures (durée de ta pluie) et: P, eatla fréquence de le pluie (dépassement). convient d'etre prudent dans utilisation de cette relation qui ext calde 4’aprés une étude des pluiesJournalidres pour une fréquence proche de lx décennale, avec des surfaces variant de §& 100 km*, Gan le bassin parisien. b) Tempe caractérstique d'un bassin Dans la presque totalité des méthodes permettant le passage des pluies aux débits, leat un pare: rmitre Indlspenaable qui a la dimension d'un temps et qui est caractéristique du bassin veruant dans un Bret donnt Ce temper notéf, et appelé temps caractéristique de crue du bassin, peut ere estimé de dit- férentes manides : ‘La plus courante consiste & le prendre égal au temps de concentration qui peut ¢te défini parle temps minimal qu sépare la fin dela pluie homogéne sur le bassin de Ia fin de écoulement direct. En fy trea para op ong pou arctan le ru wy fterination expérimentale est tes imprécise étant Gonné la dificulté de localiser dans le temps ia fin de écoulement direct. Il semble préférnble d'utiliser le temps de réponse du basin gui sépare le centre de_gravité (ou la pointe) Su hyétogramme (moyen du bastin) du centre de gravité (ou de Ia pointe) de Vhydrogramme ‘correspondant. ‘On peut enfin estimer Je temps de concentration & partir du temps de montée des crues simples. Cela conduit en général d des temps trop courts. ‘SiT'on ne dispose pas de quelques hydrogrammes de crv, ¢, peut Etre calculé, de fagon approchée, parla formule de PRSSIN beard vst =o eve f, enheures, S en km? (aire du bassin versant), Len kmylongueur totale du thalveg le plus long, i eneestla“pente moyenne” définie par: | a so vi vi ‘A1 = longueut de ls partie du thalweg de pente i, Le coefficient varie grossiérement ente 0,5 et 4 (sla pente est en %). Toutes les formules qui servent a estimer 1, et qui vont au-deld de Vinfluenee de S, L et J, font varier a en fonction de la fréquence des pluies‘et de l'état du sol (ou du coefficient d’éeoulement instantané).Afin de moduler les valeurs obtenues dans Je but de tenir compte de ces influences, toutes ch €gales par ailleurs, on pourra utiliser la relation suivante qui figure dans les normes suissos d°essainis- sement. 4 proportionnel & 5a = coefficient d’écoulement a= paramétre multiplicateur de la formule de Montana. 1 convient de considérer enfin que Ie, temps caractéristique de bassin est @ concevoir comme un ordre de grandeur et qu’une précision de 50 % est presque utopique. ¢) Extrapolation d'une distribution statistique de debits par la méthode du gradex des puies Le faible nombre de données hydrométriques généralement disponible ne permet pas, en général, de procéder a des estimations statistiques de fréquence au dépassement inférieur & 10! ou 10"? Les données pluviométriques étant souvent disponibles en plus grand nombre, il est possible d'ob- tenir un bon ajustement statistique des pluies susceptible de fournir des estimations valabies méme pour des fréquences rares, Lihypothése de base de la méthode du gradex consiste & admettre qu’au-deli d'un certain seul, tout complément de pluie engendre un supplément d’écoulement égal en volume. Cette hypothése est vreisemblable pour les petits bassins peu perméables dont le coefficient d'éeou- lement marginal tend vers lors des pluies exceptionnells, Dans la plupart des cas elle conduit certainement & une estimation par excés de la crue, mais cet exoés est inférieur A celui auquel conduisent d'autres extrapolations, telle que celle d'une loi de Fréchet, par exemple. Partant de cette hypothése Ia méthode est Ia suivante : On reporte sur un diagramme de Gumbel la courbe de distribution FP) des pluies d'une durée (1) ‘aussi voisine que possible du temps caractérstique ¢, du bassin. Cette distribution a été auparavant étudiée {et austée selon les méthodes du § b prévédent (qui‘renvole au § I1.4.2.2.1,) Par ailleurs, on essaie d'apprécier a partir de quelle hauteur de pluie, et donc de quelle fréquence Fe coefficient écoulement tend ver. Cette apprécaton peut ere gudéegraphiquement en repor taht sur ce méme diagramme de Gumbel la courbe F(Q) de distribution des débits. Ces demiers sont oblt- gatoirement détermings sur le méme pes de temps f, et ramenés en mm éooulés (sur Ia surface du bassin) Hy a écoulement complémentaire total a partir de fa fréquence d'un point (F., Q,) oli la courbe F(Q) tend 8 devenir paralléle dla courbe F(P) ou plus exactement a sa branche asympfotique rectligne, Lorque, et c'est le cas général, ct point (Fg, Q,) n'epparait pas, on procéde comme indiqué en remarque 3 ckapres. ‘A partir de ce point (Fe, Qg) on extrapole la courbe des débits F(Q) suivant une droite parailéle 4 la branche ‘aymptatique ‘estiligne (ou A la droite) F(P), c'est-i-dire au moyen du gradex des pluies (Gig. 1.50): On obtient ainsi Ia loi des fortes valeurs des débits moyens sur la durée f,. Pour éviter les erreurs dues a l'imperfection des dessins ou & la subjectivité des sjustements graphi- ques, ibest bien entendu consellé dutiliser le gradex calculé par les méthodes décrites au § 11.4 Crest sur cette courbe F(Q) extrapolée qu’on peut lire la valeur du débit de crue a l'enteée de le retenue, Qx, correspondant & la fréquence choisie pour la crue de projet (§ U.4.2.1,). (1) Pout simplifies, on notera te vette durée, comme ¥Ilsagisait exactement du temps caratéristique. 99100 7 U> variable réduite de GUMBEL (is F—FEVFL, probabilité de non dépassement ote. 0.988, oe 818. wes collinires, ~ Paris, Documentation VERDEYEN (1), ROISIN (J), NUYENS (4). ~ La ingeunique des sols. - Pari, Dunod, 1968, ~ 25 en WAHLSTROM (E,E.), ~ Dams, dam fondations ad reservar sles, ~ New-York, Elsevier, 1974, WALTERS (R.C.S). ~ Dam geology. ~ Londres, Butternorths, 1971, 508 p.